一种适用于任意场景下的高精度森林烟火检测方法技术

一种适用于任意场景下的高精度森林烟火检测方法，涉及烟火检测识别领域，首先获取真实可见光视频数据，通过设置时间间隔，对视频数据采样，得到对应的多帧可见光图像；通过构建并训练天气识别网络模型对当前场景的天气类型进行识别；选择对应天气场景下的单帧烟火检测模型对获取的多帧可见光图像中的每一帧图像进行烟火检测；通过对烟火检测结果进行后处理以及对多帧图像预测结果进行汇总投票得到最终结果。本发明专利技术泛化能力强，检测精度高，鲁棒性强，有效地降低了云雾导致的误检情况。有效地降低了云雾导致的误检情况。有效地降低了云雾导致的误检情况。

【技术实现步骤摘要】
一种适用于任意场景下的高精度森林烟火检测方法


[0001]本专利技术涉及烟火检测识别
，具体涉及一种适用于任意场景下的高精度森林烟火检测方法。

技术介绍

[0002]森林火灾是森林三大自然灾害之首，严重影响了林业的发展，同时威胁着国家与人民的生命财产安全。基于可见光视频的检测技术具有监测范围广、实时性强、可靠性高的特点，能够及时预警并采取防护措施，是防治森林火灾有效的手段。
[0003]现有的基于可见光视频的烟火检测方法一般利用深度神经网络，通过样本标注、模型训练实现对烟火目标的判断。烟火的扩散程度受风向、风速、气流、温度分布和大气稳定性等因素影响，因此烟火的形状特征在不同季节、不同天气的表现形式存在差异。另一方面，不同天气场景下对烟火检测的干扰条件不同，在沙尘、雾霾天气等能见度低的场景下，烟火与背景的对比度、烟火的亮度与晴天场景相比较低，容易引发烟火的漏检；大雾场景下烟火能见度很低，云雾的亮度特征与烟火的特征相似，容易引发烟火的误检；雪天场景下，风吹积雪的特征与烟火的特征相似，容易引发烟火的误检。因此提供一种适应于多场景的烟火检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于任意场景下的高精度森林烟火检测方法，其特征在于，包括以下步骤：步骤S1：获取真实可见光视频数据，通过设置时间间隔，得到对应的多帧可见光图像；步骤S2：构建并训练天气识别网络模型，使用天气识别网络模型识别当前场景的天气类型；步骤S3：构建并训练对应不同天气场景下的单帧烟火检测模型，使用单帧烟火检测模型对获取的多帧可见光图像中的每一帧图像进行烟火检测；步骤S4：烟火检测结果后处理；步骤S5：多帧图像预测结果汇总分析。2.根据权利要求1所述的一种适用于任意场景下的高精度森林烟火检测方法，其特征在于，步骤S2的具体操作流程如下：S2.1构建天气识别数据集，将天气识别数据集划分为训练集、验证集和测试集；S2.2使用基于ImageNet数据集上预训练的模型权重在构建的天气识别数据集训练得到天气识别网络模型；S2.3使用天气识别网络模型识别当前场景的天气类型。3.根据权利要求2所述的一种适用于任意场景下的高精度森林烟火检测方法，其特征在于，步骤S2.1中，所述训练集、验证集和测试集的比例为8:1:1。4.根据权利要求2所述的一种适用于任意场景下的高精度森林烟火检测方法，其特征在于，步骤S2.2中，所述天气识别网络模型为VGG网络模型、Resnet50网络模型或ViT网络模型。5.根据权利要求2所述的一种适用于任意场景下的高精度森林烟火检测方法，其特征在于，步骤S3的具体操作流程如下：S3.1构建不同天气场景下的烟火检测数据集，标注烟火的位置信息，同时标注不同天气场景下的干扰目标，将烟火检测数据集划分为训练集、验证集和测试集；在训练阶段使用mosic数据增强将多幅图像经过裁剪、旋转、翻转变换后组合参与训练；S3.2构建单帧烟火检测模型，该单帧烟火检测模型为yolov5网络模型，该yolov5网络模型结构包括骨干网络、Neck和检测头，所述骨干网络负责特征提取，在其末端添加坐标注意力增强对烟火特征的提取能力；S3.3基于不同天气场景下的烟火检测数据集训练对应的单帧烟火检测模型，选用SGD优化器和余弦退火学习率算法，根据结果不断调整训练超参数得到最优单帧烟火检测模型；S3.4根据步骤S2的天气类型识别结果，选择对应天气场景的最优单帧烟火检测模型对多帧图像中的每一帧图像都进行烟火检测，检测的结果中包含烟火目标与其它干扰...

【专利技术属性】
技术研发人员：曲达明，于啸，黄艳金，
申请(专利权)人：长春卓视达科技推广有限责任公司，
类型：发明
国别省市：