(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210779611.5 (22)申请日 2022.07.04 (71)申请人 国网新疆电力有限公司电力科 学研 究院 地址 830011 新疆维吾尔自治区乌鲁 木齐 市高新技术产业开 发区 （新市区） 恒达 街200号 申请人 国网四川省电力公司电力科 学研究 院 (72)发明人 李明轩　颜培培　张凌浩　叶波　 李峰　王丽花　常政威　 (74)专利代理 机构 广州天河万研知识产权代理 事务所(普通 合伙) 44418 专利代理师 刘强(51)Int.Cl. G06V 20/10(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于可变形卷积构成的深度神经网络的烟 火检测识别方法 (57)摘要 本发明公开的属于烟火检测技术领域， 具体 为一种基于可变形卷积构成的深度神经网络的 烟火检测识别方法， 包括具体步骤下： 步骤一： 将 采集的图像与现有的烟火图片进行对比， 从而判 断该图像中是否存在烟火， 若是存在则直接进行 报警处理， 若是不存在则不做任何处理， 若是因 图像模糊而不好判断是否存在烟火时， 则进行下 一步处理， 本发 明通过可变形卷积构成的深度神 经网络结构 对不易判断的图像进行特征提取， 并 使图像特征与现有的烟火特征进行对比， 从而判 断图像特征中是否存在烟火， 具有对图像进行细 化的作用， 通过对图像进行细化， 不仅会降低烟 火的识别难度， 还 会避免出现误测的现象。 权利要求书2页 说明书4页 CN 115100525 A 2022.09.23 CN 115100525 A 1.一种基于可变形卷积构成的深度神经网络的烟火检测识别方法， 其特征在于， 包括 具体步骤下： 步骤一： 将采集的图像与现有的烟 火图片进行对比， 从而判断该图像 中是否存在烟火， 若是存在则直接进行报警处理， 若是不存在则不做任何处理， 若是因图像模糊而不好判断 是否存在 烟火时， 则进行 下一步处理； 步骤二： 将图像传递至可变形 卷积构成的深度神经网络结构中； 步骤三： 通过可变形卷积构成的深度神经网络结构中的卷积层对图像特征进行提取， 提取后， 再通过可变形卷积构成的深度神经网络结构 中的池化层对图像特征进行优化， 最 后再由可变形卷积构成的深度神经网络结构中的输出层将图像特征与现有的烟火特征进 行对比， 从而判断图像特征中是否存在烟火， 若 是存在则直接进 行报警处理， 若 是不存在则 不做任何 处理。 2.根据权利要求1所述的一种基于可变形卷积构成的深度神经网络的烟 火检测识别方 法， 其特征在于， 所述可变形卷积构成的深度神经网络结构是由卷积层、 池化层和输出层组 成。 3.根据权利要求2所述的一种基于可变形卷积构成的深度神经网络的烟 火检测识别方 法， 其特征在于， 所述卷积层是提取一个局部区域特征的主要 结构， 不同的卷积核 可以看作 不同的特征提取器， 其稀疏连接和共享权重机制能够有效降低参数数量和计算量， 卷积层 包含若干组参数可以学习的卷积核， 当前层的卷积核对输入图像或者输入的特征图进 行卷 积运算， 在经过激活函数 得到新的特 征图。 4.根据权利要求3所述的一种基于可变形卷积构成的深度神经网络的烟 火检测识别方 法， 其特征在于， 所述卷积运 算的公式为： 其中， Xi， j为图像的第 i行第j列元素， Wi， j为filter第i行第j列权重， Wb为filter的偏置 项， ai， j为输出特征图的第i行第j列元 素， f为激活函数， D为 通道数。 5.根据权利要求4所述的一种基于可变形卷积构成的深度神经网络的烟 火检测识别方 法， 其特征在于， 所述激活函数的公式为： 假设一个激活函数为f， 其中i表示隐含层单 元的个数， wi表示隐含单 元的权值。 6.根据权利要求2所述的一种基于可变形卷积构成的深度神经网络的烟 火检测识别方 法， 其特征在于， 所述池化层即下采样层， 卷积神经网络应用池化层进行特征选择， 降低特 征数量， 从而实现减少参数 数量， 避免过拟合， 池化分为 最大池化和平均池化。 7.根据权利要求6所述的一种基于可变形卷积构成的深度神经网络的烟 火检测识别方 法， 其特征在于， 所述 最大池化的计算公式为： 其中， 为局部区域， xi为区域内神经 元。权　利　要　求　书 1/2 页 2 CN 115100525 A 28.根据权利要求6所述的一种基于可变形卷积构成的深度神经网络的烟 火检测识别方 法， 其特征在于， 所述平均池化的计算公式为： 其中， 为局部区域， xi为区域内神经 元。权　利　要　求　书 2/2 页 3 CN 115100525 A 3