一种烟火检测方法、装置、设备及计算机可读存储介质制造方法及图纸

本申请涉及一种烟火检测方法、装置、设备及计算机可读存储介质，属于图像识别技术领域，包括获取待检测图像；将所述待检测图像输入至目标检测模型，并基于所述目标检测模型输出待检测图像的预测框信息；其中，所述目标检测模型包括普通卷积模块、可变卷积模块、特征融合模块以及后处理模块，所述预测框信息包括目标类别、置信度以及所述预测框在所述待检测图像内的位置信息；根据所述预测框信息对所述待检测图像中的烟火区域进行标记，得到已标记图像；将可变卷积模块利用到目标检测模型中，便于目标检测模型训练出与烟火实际形状相匹配的卷积核形态，对烟火的检测更加准确；本申请具有便于对烟火目标进行检测的效果。请具有便于对烟火目标进行检测的效果。请具有便于对烟火目标进行检测的效果。

【技术实现步骤摘要】
一种烟火检测方法、装置、设备及计算机可读存储介质


[0001]本专利技术涉及图像识别
，尤其是涉及一种烟火检测方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]烟火检测主要用来检测烟火、预防火灾，便于人们及时得知火灾信息，以便及时对火灾进行控制、处理。目前，基于视频的烟火检测方法，大多先采用帧间差分法、背景建模法等检测出候选运动区域，再对候选运动区域提取颜色、纹理等特征，用分类器判定候选运动区域是否是烟火，当发生烟火的距离比较远时，由于视频上烟火的像素比较小无法进行判断，从而引起漏报的现象。目标检测，是一种基于目标几何和统计特征的图像分割，其准确性和实时性是整个系统的一项重要能力，尤其是在复杂场景中，需要对多个目标进行实时处理时，目标自动提取和识别就显得特别重要；若将目标检测的方法应用到烟火检测中，针对复杂场景，利用目标检测往往有较好的检测效果。
[0003]在实现本申请过程中，专利技术人发现至少存在如下问题：目标检测往往依赖基于特征提取的边界框，采用目标检测对烟火进行检测时，不能很好的适应烟火的实际形态，导致利用目标检测的方法对烟火等不规则目标的检测效果不够理想。

技术实现思路

[0004]为了便于对烟火目标进行检测，本申请提供了一种烟火检测方法、装置、设备及计算机可读存储介质。
[0005]第一方面，本申请提供的一种烟火检测方法采用如下的技术方案：一种烟火检测方法，包括，获取待检测图像；将所述待检测图像输入至目标检测模型，生成待检测图像的预测框信息；其中，所述目标检测模型包括普通卷积模块、可变卷积模块、特征融合模块以及后处理模块；根据所述预测框信息对所述待检测图像中的烟火区域进行标记，得到已标记图像。
[0006]通过采用上述技术方案，将获取到的待检测图像输入至目标检测模型中，目标检测模型输出预测框信息，由于将可变卷积模块应用至标检测模型中，在对目标检测模型进行训练时，能够训练出动态的卷积核，使得卷积核的形态不局限在矩形，即目标检测模型的检测范围能够更加贴合烟火的实际形状，再根据预测框信息对待检测图像中的烟火区域进行标记，得到已标记图像，从而实现了便于对烟火进行检测的效果。
[0007]可选的，所述根据所述预测框信息对所述待检测图像中的烟火区域进行标记的步骤，具体包括：根据预设切分重叠度将待检测图像切分为多张子图；其中，所述预设切分重叠度是切分后相邻子图的重叠度；
将多张所述子图分别输入至所述目标检测模型中，生成多个子图预测框信息；基于所述待检测图像的预测框信息，获得所述待检测图像的目标类别和置信度；基于多个子图预测框信息，分别获得所述多个子图对应的目标类别和置信度；判断任一子图的目标类别是否与所述待检测图像的目标类别一致，若是，判断所述目标类别一致的子图的置信度和所述待检测图像的置信度是否均大于预设置信度，若是，则根据所述待检测图像的预测框信息对所述待检测图像中的烟火区域进行标记。
[0008]通过采用上述技术方案，利用对待检测图像切分的方式，在经过子图放大后拥有更显著的特征，从而在子图检测中能够得到更加准确的检测结果，先通过对目标类别的判断，判断子图的目标类别和检测图像的目标类别是否相同，若相同，再比较目标类别相同的子图的置信度与预设置信度，以及待检测图像的置信度与预设置信度，若均大于预设置信度，则认为预测框信息是准确的，此时，根据相应的预测框信息对待检测图像中的烟火区域进行标记，实现了显示出标记的烟火区域较为准确的效果。
[0009]可选的，所述目标类别一致的子图的置信度和所述待检测图像的置信度均大于预设置信度的步骤之后，还包括：基于所述待检测图像的预测框信息和所述目标类别一致的子图预测框信息，得到所述待检测图像的预测框与所述目标类别一致的子图的预测框的区域重叠度；判断所述区域重叠度是否大于预设区域重叠度，若是，则根据所述待检测图像的预测框信息对所述待检测图像中的烟火区域进行标记。
[0010]通过采用上述技术方案，在对置信度进行判断之后，再判断待检测图像预测框和子图预测框的区域重叠度是否大于预设的区域重叠度，便于检测出待检测图像和子图中的框边是否为同一区域，若区域重叠度大于预设的区域重叠度，则判定为待检测图像和子图中的框边为同一区域，则说明待检测图像中检测的局域和子图中检测的区域相同，此时再对待检测图像中的烟火区域进行标记，提高了显示出的预测框信息的准确性。
[0011]可选的，所述普通卷积模块，用于对输入的待检测图像进行初步普通卷积，并输出初始特征图；所述可变卷积模块，用于对输入的初始特征图进行处理，并输出动态特征图；所述特征融合模块，用于对初始特征图以及动态特征图进行融合，并提取检测特征；所述后处理模块，用于对检测特征进行处理，处理完成后输出预测框信息。
[0012]通过采用上述技术方案，利用普通卷积模块对输入图像进行初步普通卷积处理，生成初始特征图，再利用可变卷积模块，对初始特征图进行进一步的处理，由于可变形卷积的卷积核相比于普通卷积核，新增了方向向量，所以使得可变形卷积的卷积核能够更加贴近待检测目标，从而便于生成更加贴近火焰和烟雾形状的动态特征图；再利用特征融合模块将提取的特征进行融合，提取检测特征，最后利用后处理模块对检测特征进行处理，得到预测框信息，实现了便于对不规则形状的火焰以及烟雾进行检测。
[0013]可选的，所述可变卷积模块，具体包括，通道切分层，用于对所述初始特征图进行通道切分；第一卷积层，利用第一卷积操作对通道切分后的初始特征图进行处理，并输出第一特征图；
通道注意力单元，用于对第一特征图像进行通道注意力机制处理，并进行通道融合，输出第二特征图；第二卷积层，利用第二卷积操作对第二特征图以及通道切分后的初始特征图进行处理，并输出第三特征图；可变形卷积层，用于对第三特征图进行可变形卷积，并输出动态特征图。
[0014]通过采用上述技术方案，对初始特征图进行通道切分，将初始特征图切分成多个通道，并对初始特征图与卷积核进行第一卷积操作，从而得到第一特征图，利用通道注意力单元，将第一特征图中的多个通道均赋予权重值，重要程度越高则权重值越大，从而便于提取出重要程度高的第二特征图，再对第二特征图以及初始特征图进行第二卷积操作，随后进行可变形卷积层的处理，通过可变形卷积层使得卷积核的形态更加贴合实际火焰和烟雾的形状，得到动态特征图，从而实现了检测不规则火焰和烟雾的效果更好。
[0015]可选的，所述第一卷积操作，具体包括，依次对初始特征图进行第一深度可分离卷积和第二深度可分离卷积；将第一深度可分离卷积的结果与第二深度可分离卷积的结果进行通道融合；其中，第一深度可分离卷积是1x1深度可分离卷积，第二深度可分离卷积是3x3深度可分离卷积、5x5深度可分离卷积或7x7深度可分离卷积。
[0016]通过采用上述技术方案，先利用第一深度可分离卷积对初始特征图的通道数进行调整，将初始特征图的通道数调整至卷积核的输入通道数，再对调整后的初始特征图第二深度可分离卷积，提取初始特征图中的特征，将第一深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烟火检测方法，其特征在于，包括：获取待检测图像；将所述待检测图像输入至目标检测模型，生成待检测图像的预测框信息；其中，所述目标检测模型包括普通卷积模块、可变卷积模块、特征融合模块以及后处理模块；根据所述预测框信息对所述待检测图像中的烟火区域进行标记，得到已标记图像。2.根据权利要求1所述的一种烟火检测方法，其特征在于，所述根据所述预测框信息对所述待检测图像中的烟火区域进行标记的步骤，具体包括：根据预设切分重叠度将待检测图像切分为多张子图；其中，所述预设切分重叠度是切分后相邻子图的重叠度；将多张所述子图分别输入至所述目标检测模型中，生成多个子图预测框信息；基于所述待检测图像的预测框信息，获得所述待检测图像的目标类别和置信度；基于多个子图预测框信息，分别获得所述多个子图对应的目标类别和置信度；判断任一子图的目标类别是否与所述待检测图像的目标类别一致，若是，判断所述目标类别一致的子图的置信度和所述待检测图像的置信度是否均大于预设置信度，若是，则根据所述待检测图像的预测框信息对所述待检测图像中的烟火区域进行标记。3.根据权利要求2所述的一种烟火检测方法，其特征在于，所述根据所述待检测图像的预测框信息对所述待检测图像中的烟火区域进行标记的步骤，还包括：基于所述待检测图像的预测框信息和所述目标类别一致的子图预测框信息，得到所述待检测图像的预测框与所述目标类别一致的子图的预测框的区域重叠度；判断所述区域重叠度是否大于预设区域重叠度，若是，则根据所述待检测图像的预测框信息对所述待检测图像中的烟火区域进行标记。4.根据权利要求1所述的一种烟火检测方法，其特征在于：所述普通卷积模块，用于对输入的待检测图像进行初步普通卷积，并输出初始特征图；所述可变卷积模块，用于对输入的初始特征图进行处理，并输出动态特征图；所述特征融合模块，用于对初始特征图以及动态特征图进行融合，并提取检测特征；所述后处理模块，用于对检测...

【专利技术属性】
技术研发人员：林家辉，周有喜，
申请(专利权)人：深圳市爱深盈通信息技术有限公司，
类型：发明
国别省市：