一种端到端三维卷积目标检测网络的视频烟雾检测方法技术

本发明专利技术涉及一种基于端到端三维卷积目标检测网络的视频烟雾检测方法及系统，其方法包括：S1：从多个烟雾视频中获取视频帧并进行分组，构建视频帧序列，对其进行数据增强，构建增强数据集；S2：将增强数据集输入三维卷积烟雾检测网络，烟雾检测网络包括：三维卷积层、跨阶段局部残差网络模块、金字塔池化模块、路径聚合网络模块和张量解码器；输出烟雾识别结果以及定位。本发明专利技术提供的方法，能够有效地提取出烟雾的静态和动态特征，动态特征与静态特征的结合可以有效提高视频烟雾检测算法的可靠性，从而准确地识别和定位视频帧中的烟雾。从而准确地识别和定位视频帧中的烟雾。从而准确地识别和定位视频帧中的烟雾。

【技术实现步骤摘要】
一种端到端三维卷积目标检测网络的视频烟雾检测方法


[0001]本专利技术涉及视频火灾探测和深度学习领域，具体涉及一种基于端到端三维卷积目标检测网络的视频烟雾检测方法及系统。

技术介绍

[0002]目前使用深度学习方法进行视频烟雾探测的研究主要有以下四种类型：(1)分别对每个视频帧进行独立的检测，利用较高的检测速度实现实时检测的效果，这种方式完全没有利用连续视频帧之间蕴含的时序信息，因此不可避免的存在严重的漏报与误报。(2)使用传统的运动检测算法提取运动区域，再利用DCNN对运动区域进行检测，这种方式仅仅利用了浅层的时序信息，虽然能排除部分静止物体造成的误报，但对于运动物体的干扰或漏报无能为力。(3)首先对每个视频帧进行独立的检测，当检测到疑似目标时再利用时序网络进行判断，这种方式虽然提取到了有效的深层动态特征，但其作用仅仅是对目标检测网络检测结果的校验，可以排除误报，但对于漏报束手无策。此外这种算法并非端到端的形式，因此运行速度往往较慢。(4)利用时序网络构造针对视频片段的分类器，这种方式可以充分提取视频中包含的运动特征与静态特征，但是这些特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于端到端三维卷积目标检测网络的视频烟雾检测方法，其特征在于，包括：步骤S1：从多个烟雾视频中获取视频帧并进行分组，构建视频帧序列，对其进行数据增强，构建增强数据集；步骤S2：将所述增强数据集输入三维卷积烟雾检测网络，所述烟雾检测网络包括：三维卷积层、跨阶段局部残差网络模块、金字塔池化模块、路径聚合网络模块和张量解码器；输出烟雾识别结果以及定位。2.根据权利要求1所述的基于端到端三维卷积目标检测网络的视频烟雾检测方法，其特征在于，所述步骤S1：从多个烟雾视频中获取视频帧并进行分组，构建视频帧序列，对其进行数据增强，构建增强数据集，具体包括：步骤S11：获取多个烟雾视频，每隔固定帧提取图像，每提取100张图像构建一个视频帧序列，对其中每张包含烟雾的图像进行标记；步骤S12：生成两个随机数a和b，令0<a<132，0<b<89，令i＝a
×
100+b；从所述增强数据集中第i张图片，即第a个所述视频帧序列的第b张图片开始提取12张连续的图像，得到新的视频帧序列；步骤S13：选取4个所述新的视频帧序列，对其中图像进行增强变换后，依次将4个所述视频帧序列中图像按相同的方式进行缩小拼接，得到一个增强视频帧序列，由此构建增强数据集；所述增强变换包括：翻转、裁剪、尺寸变换、平移变换与色域扭曲。3.根据权利要求1所述的基于端到端三维卷积目标检测网络的视频烟雾检测方法，其特征在于，所述步骤S2：将所述增强数据集输入三维卷积烟雾检测网络，所述烟雾检测网络包括：三维卷积层、跨阶段局部残差网络模块、金字塔池化模块、路径聚合网络模块和张量解码器；输出烟雾识别结果以及定位，具体包括：步骤S21：所述三维卷积层包括4个三维卷积层，输入为12
×...

【专利技术属性】
技术研发人员：张启兴，霍一诺，张永明，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：