【技术实现步骤摘要】
基于改进CenterNet的实时火焰检测方法及检测装置
[0001]本专利技术涉及检测装置
,特别涉及一种基于改进CenterNet的实时火焰检测方法及控制装置。
技术介绍
[0002]火灾具有严重的危害性以及突发性,往往会给人类带来巨大的生命财产损失,因此尽早地预防以及避免火灾的发生十分重要。在现有技术中,较早期的火灾检测方法,需要通过图像处理的方法人工提取火焰的主要特征,再送入SVM分类器、贝叶斯分类器等浅层分类器训练。此类方法需要人工选取火焰的特征进行提取,而提取的这些有限的特征并不能准确的表征火焰本身,导致火焰检测的检测准确率较低。
技术实现思路
[0003]本专利技术的目的在于提供一种基于改进CenterNet的实时火焰检测方法及控制装置,解决现有技术中火焰检测的检测准确率较低的问题。
[0004]为解决上述技术问题,本专利技术采用如下技术方案:
[0005]根据本专利技术的一个方面,本专利技术提供一种基于改进CenterNet的实时火焰检测方法,包括:获取原始CenterNe ...
【技术保护点】
【技术特征摘要】
1.一种基于改进CenterNet的实时火焰检测方法,其特征在于,包括:获取原始CenterNet模型,并对所述原始CenterNet模型改进为修改后的CenterNet模型,该修改后的CenterNet模型在所述原始CenterNet模型的基础上增加骨干网路和火焰颜色模型的辅助支路;基于以往火焰图像和对应的训练数据对所述修改后的CenterNet模型进行模型训练,以获取火焰检测模型;基于所述火焰检测模型对待检测视频进行实时识别,并确定火灾等级;基于所述火灾等级进行文字报警或语音报警。2.如权利要求1所述的基于改进CenterNet的实时火焰检测方法,其特征在于,所述获取原始CenterNet模型,并对所述原始CenterNet模型改进为修改后的CenterNet模型,该修改后的CenterNet模型在所述原始CenterNet模型的基础上增加骨干网路和火焰颜色模型的辅助支路,包括:获取原始CenterNet模型,并确认对应的骨干网络;将所述骨干网络ResNet
‑
18替换为RepVGG
‑
A1;在所述骨干网络上增加火焰颜色模型的辅助支路;在所述火焰颜色模型的辅助支路和所述骨干网络之间构建空间注意力机制,并基于所述空间注意力机制进行特征融合,以形成修改后的CenterNet模型。3.如权利要求2所述的基于改进CenterNet的实时火焰检测方法,其特征在于,所述在所述火焰颜色模型的辅助支路和所述骨干网络之间构建空间注意力机制,并基于所述空间注意力机制进行特征融合,以形成修改后的CenterNet模型,包括:将火焰颜色模型辅助支路的输出作为空间注意力模块的输入;得到空间注意力模块的输出后将其与主干网络中的特征图相乘后得到最终的特征图,以形成修改后的CenterNet模型。4.如权利要求3所述的基于改进CenterNet的实时火焰检测方法,其特征在于,所述基于以往火焰图像和对应的训练数据对所述修改后的CenterNet模型进行模型训练,以获取火焰检测模型,包括:基于以往火焰图像和对应的训练数据训练所述修改后的CenterNet模型的辅助支路;设置于各个辅助支路的支路权重,并基于所述支路权重调整所述修改后的CenterNet模型的辅助支路;...
【专利技术属性】
技术研发人员:杨嘉辉,邱义东,黄锐珊,熊浩良,陈锡和,曾浩雄,熊爱民,
申请(专利权)人:华南师范大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。