买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉应急管理部天津消防研究所申请的专利一种电动汽车火灾痕迹智能识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117291868B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310410415.5，技术领域涉及：G06T7/00；该发明授权一种电动汽车火灾痕迹智能识别方法是由张良;张得胜;赵祥;陈克;郭宇航;王轩磊;徐龙飞;范子琳设计研发完成，并于2023-04-18向国家知识产权局提交的专利申请。

本一种电动汽车火灾痕迹智能识别方法在说明书摘要公布了：本发明公开了一种电动汽车火灾痕迹智能识别方法，该方法分别对电动汽车外观、电动汽车电池包及电动汽车内部三个部分进行火灾痕迹智能识别，并进行综合分析判断，得出最终火源位置。本发明将开发的电动汽车痕迹智能识别系统应用于电动汽车火灾现场调查提高了现场事故原因与故障电池包分析速度与准确性，实现了智能化火灾勘查技术，为提高现场调查效率都具有重要的研究与应用意义。同时可推广至其他领域，综合分析电动汽车火灾的起火部位。

本发明授权一种电动汽车火灾痕迹智能识别方法在权利要求书中公布了：1.一种电动汽车火灾痕迹智能识别方法，其特征在于，所述方法分别对电动汽车外观、电动汽车电池包及电动汽车内部三个部分进行火灾痕迹智能识别，并进行综合分析判断，得出最终火源位置，具体步骤分别如下： 一、电动汽车外观部分 A1、图痕数据集的建立 将采集电动汽车外观图像过火的严重程度分为多个类别，对所述类别进行像素级标注，并将标注完毕的图像及对应的标签作为原始图痕数据集，对相机采集的原始过火电动汽车图痕数据集进行增强，作为构建网络模型时所输入的图痕数据集； A2、网络模型的构建 所述网络模型为带有空洞卷积的ResNet-50与UperNet相结合的语义分割卷积神经网络；将所述图痕数据集输入所述网络模型，迭代进行参数更新，完成所述网络模型的构建；对图像进行痕迹分析时，所述网络模型的输入为单张待分析的电动汽车外观图像数据，输出为所述电动汽车外观图像数据对应火痕位置严重程度的标签图像； A3、标签图像后处理 将所述网络模型输出的火痕位置严重程度的标签图像区域分解为相应类别下的二值图像，然后在相应类别下，将二值图像中距离接近但并未完全相连的多个标签图像区域填充为一个整体标签图像区域，用整体标签图像区域的像素数量及量化的严重程度产生权重值； 所述用整体标签图像区域的像素数量及量化的严重程度值产生权重值的计算方法如下： 将所述网络模型输出的火痕位置严重程度的标签图像区域分为左、中、右三等份，依次用a、b、c表示，假设代表严重程度为完好类别的编号以及相应的权重值均为0，那么严重程度为轻微过火、中度过火、严重过火类别的编号和相应的权重值分别为1、2、3；然后，统计所述左、中、右三等份中每等份标签图像中被表示为0、1、2、3不同编号区域的像素个数，分别表示为N0、N1、N2、N3，则网络模型输出的标签图像中每等份的权重值按照如下公式进行计算： 式中，i的取值为0、1、2、3，Ni表示其中一等份中的不同编号区域的像素个数；A4、权重值计算 将从电动汽车外观部分采集的前、后、左、右四个方向采集的图像数据，分别输入构建好的网络模型，并根据标签图像后处理产生的权重值生成一个表示电动汽车整体火痕严重程度的三行三列权重矩阵，接下来按照权重矩阵中的权重值大小确定火源及疑似火源位置； 所述表示电动汽车整体火痕严重程度的三行三列权重矩阵生成过程如下： 将电动汽车外观前、后、左、右四个方向的标签图像分别标记为F、B、L、R，将输出四个方向的标签图像分为a、b、c三等份；所述四个方向的标签图像F、B、L、R和标签图像中的a、b、c三等份两两相结合，用于依次表示电动汽车外观的左前、前方中部、右前、左侧中部、正中、右侧中部、左后、后方中部、右后九个区域；按照所述九个区域顺序从上到下、从左到右与一个三行三列权重矩阵对应，所述三行三列权重矩阵中的权重值表示各区域量化的火痕严重程度；所述权重值依次命名为W1～W9，分别按照如下公式计算： W2＝WF,c W4＝WL,b W6＝WR,b W8＝WB,b 式中，i为1～9，表示权重矩阵中9个权重值的编号； 接着，将所述权重矩阵中各权重值Wi变换到0～3的取值范围内，则变换后的各权重值表示为Wi′，设Wmax为W1～W9中的最大值，则变换后的权重值Wi′的具体计算公式为： 二、电动汽车电池包部分 B1、确定电池包在电动汽车底盘的相对位置，判断所述电池包的燃烧状况是否匹配整车的燃烧状况；若所述电池包在电动汽车中心，则电池包的火势分布等同为整车的火势分布，否则所述电池包仅表示自身所在整车局部位置的火势分布； B2、从采集的电动汽车底盘图像中获取所述电池包在电动汽车底盘的相对位置，若电动汽车底盘图像中标记的所述电池包轮廓的几何中心纵方向坐标偏移量小于阈值，则认为所述电池包位于电动汽车底盘中央，否则根据阈值的正负来确定相对位置，阈值若为正，则所述电池包位置靠电动汽车底盘前方，若为负，则所述电池包位于电动汽车底盘后方； B3、选取所述电池包的四个角以获取一个表示电池包轮廓的四边形，并对所述四边形进行透视变换，得到矩形轮廓的电池包表面图像； B4、按照所述电池包表面图像的特征将电池包外壳分为金属和塑料材质，按照不同材质燃烧后的明度、饱和度分别设置阈值，再利用阈值对电池包表面图像二值化处理后生成相应的明度掩膜、饱和度掩膜；采用StaticSaliencyFineGrained算法将输出的显著性图像进行二值化处理，形成显著性掩膜； B5、对所述明度掩膜、饱和度掩膜、显著性掩膜进行形态学膨胀操作，并将三个掩膜在形态学操作后的结果进行叠加，提取出三个掩膜的交集区域、两个掩膜的交集区域以及仅一个掩膜表征的区域； B6、将所述电池包图像分为三行三列面积相等的区域，利用各区域掩膜的交叠个数及交叠部分的像素个数生成权重值，对应到一个三行三列的权重矩阵中，按照权重值大小确定火源位置； 所述三行三列权重矩阵的生成和各权重值的计算过程为： 将电池包图像分为三行三列区域，对应9个权重值；将所述三行三列权重矩阵中的各权重值按照从左到右、从上到下的顺序依次命名为X1～X9，每个区域中不与掩膜重合、与一个掩膜重合、与两个掩膜重合、与三个掩膜重合的区域像素个数分别为L0、L1、L2、L3，依照这些像素个数计算每个区域的权重值，具体计算公式如下： 式中，j表示重合的掩膜个数，取值为1、2、3； 接着，先获得权重值的最大值Xmax，再将9个区域中各区域的权重值Xi变换到0-3的范围内获得区域掩膜权重值X′i，计算公式为： X′i＝3×XiXmax 式中，i为编号，取值为1～9； 三、电动汽车内部部分 C1、电动汽车内部的输入图像为机舱、前排、后排，将所述输入图像标记为严重、中等、轻微、完好四个级别，使用基于深度学习的分类网络InceptionV3进行网络模型的构建； C2、采用构建完成的所述网络模型判断输入图像的火痕严重程度，按所述火痕严重程度生成相应火痕位置的权重值，对应到一个每行权重值相等的三行三列权重矩阵中； 四、综合分析判断 D1、根据电动汽车电池包部分中标记的电池包在电动汽车底盘的相对位置，变换电动汽车电池包部分权重矩阵中各权重的值，形成电动汽车电池包部分变换后的权重矩阵； D2、将电池包部分变换后的权重矩阵与电动汽车外观部分的权重矩阵以及汽车内部的权重矩阵相加，得出初步火源位置分析结论； D3、对所述得出的初步火源位置分析结论与汽车内部的权重矩阵进行综合分析判断，得出最终火源位置； 所述综合分析判断方法分为以下两种情况： D3-1、若步骤D2得出的初步火源位置分析结论中，火源位于电动汽车内部中心，则将表示电动汽车内部前排位置严重程度的权重值乘以缩放系数，然后与电动汽车电池包中心位置表示严重程度的数值进行比较，若缩放后的电动汽车内部前排数值大于电池包中心位置的数值，则确定起火位置在车体内部，否则在车体底部的中心； D3-2、若步骤D2得出的初步火源位置分析结论中，火源位置并非在电动汽车内部中心，则追溯到电动汽车外观部分表示相应火源位置的标签图像，再将相应火源位置的标签图像分为上、中、下三等份，统计标签图像中从上至下每等份的像素总数，像素总数最多者即为火源位置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人应急管理部天津消防研究所，其通讯地址为：300381 天津市南开区卫津南路110号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。