一种基于Transformer的烟雾检测算法制造技术

本发明专利技术公开了一种基于Transformer的烟雾检测算法，属于图像识别领域。本发明专利技术首先提取视频中的运动区域并对运动区域进行分割；其次获取分割图像块相同位置的连续帧序列图片，并将所有图片展平成一维向量；再额外添加一个分类向量与所有时序向量组输入模型，进行学习训练；最后将训练后的Transformer模型输出分类结果，实现烟雾识别。本发明专利技术基于Transformer模型原理对时序图片进行烟雾识别，可以很好地捕获全局信息，并采用并行化处理方式提高了训练速度，同时提高了烟雾识别准确率，能够很好地保证烟雾识别的实时性。保证烟雾识别的实时性。保证烟雾识别的实时性。

【技术实现步骤摘要】
一种基于Transformer的烟雾检测算法


[0001]本专利技术涉及一种基于Transformer的烟雾检测算法，属于图像识别领域。

技术介绍

[0002]火灾是发生频率非常高的自然灾害之一，给社会和人民安全造成了非常严重的损害，研究快速有效的火灾检测方法具有非常重大的现实意义。由于烟雾的可观察性更强，提前检测火灾初起时的稀薄烟雾，可达到及时预警减少火灾发生的可能性。因此，基于烟雾的火灾检测方法是该领域的主要研究内容。
[0003]从人工智能的角度来说，基于视频的烟雾检测方法可以划分为两个分支，一类是基于传统机器学习的烟雾识别方法，另一类是基于深度学习的烟雾识别方法。前者需要人为提取烟雾特征，步骤繁琐且难以保证样本选择的准确性和全局性；后者通过神经网络自主学习烟雾特征，例如CNN、DBN、RNN等，虽能够学习到更高泛化能力与更深层次的表征模型，也通过自主学习加快处理速度，但烟雾识别准确率仍有待提高。且由于人工设计烟雾的表征能力有限，传统方法检测烟雾的效果并不理想。

技术实现思路

[0004]本专利技术的目的是提供一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Transformer的烟雾检测算法，其特征在于，该方法包括以下步骤：1)获取视频数据，从视频数据中识别出运动区域，将该运动区域作为烟雾潜在区；2)从视频数据中抽取连续N帧烟雾潜在区域的图像，对每一帧烟雾潜在区域的图像进行分块处理，将分块处理后的连续N帧图像作为输入数据；3)将得到的输入数据输入到已训练的Transformer模型中进行检测；所述的Transformer模型包括有Transformer编码器和平展图斑的线性投影模块，平展图斑的线性投影模块用于对输入到N帧图像进行规范化处理，将输入的图片数据转换成向量数据；所述的Transformer编码器用于对输入的向量数据进行相似性计算，以实现烟雾检测；所述Transformer模型利用训练集训练，所述训练集是由烟雾图像和非烟雾图像构成，训练时，在Transformer编码器中增加一个用于指示图像位置关系的分类向量。2.根据权利要求1所述的基于Transformer的烟雾检测算法，其特征在于，所述步骤1)中采用动态背景建模的方式从视频数据中识别出运动区域。3.根据权利要求1所述的基于Tra...

【专利技术属性】
技术研发人员：李鹏飞，王坤，高毫林，汪淼，王志恒，程昂，
申请(专利权)人：郑州信大先进技术研究院，
类型：发明
国别省市：