公路隧道火灾烟雾前锋图像检测与定位方法技术

本发明专利技术公开了一种公路隧道火灾烟雾前锋图像检测与定位方法，包括：S1.对采集的火灾烟雾图像进行数据增强处理，得到图像数据集；S2.将图像数据集输入到火灾烟雾检测网络模型进行网路模型训练，得到训练好的检测网路模型；S3.将待测的火灾烟雾图像输入到训练好的检测网路模型，输出火灾烟雾目标区域；S4.确定火灾烟雾目标区域的烟雾前锋位置；S5.确定烟雾前锋位置与监测位置之间的纵向距离。本发明专利技术能够获取更为丰富的后续灾情信息，具有较高的火灾检测准确性以及时效性。检测准确性以及时效性。检测准确性以及时效性。

【技术实现步骤摘要】
公路隧道火灾烟雾前锋图像检测与定位方法


[0001]本专利技术涉及公路隧道火灾检测领域，具体涉及一种公路隧道火灾烟雾前锋图像检测与定位方法。

技术介绍

[0002]随着我国运营隧道的数量与里程快速增加，隧道火灾安全风险隐患日益突出。一旦发生火灾，隧道内外交通管制指示滞后，造成隧道交通堵塞，严重时不仅对隧道结构及附属设施造成破坏，甚至危及司乘人员的生命财产安全。
[0003]现有的公路隧道火灾检测系统或方法受隧道内气流、风速和断面高度等诸多因素的影响，在抗干扰、准确性和实时性方面存在严重缺陷，仅能对初期火灾点检测，缺乏对隧道内灾情发展及相关信息的感知获取能力。因此，需要一种新的公路隧道火灾烟雾前锋图像检测与定位方法，能够解决以上问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的是克服现有技术中的缺陷，提供公路隧道火灾烟雾前锋图像检测与定位方法，能够获取更为丰富的后续灾情信息，具有较高的火灾检测准确性以及时效性。
[0005]本专利技术的公路隧道火灾烟雾前锋图像检测与定位方法，包括如下步骤：
[0006]S1.对采集的火灾烟雾图像进行数据增强处理，得到图像数据集；
[0007]S2.将图像数据集输入到火灾烟雾检测网络模型进行网路模型训练，得到训练好的检测网路模型；
[0008]S3.将待测的火灾烟雾图像输入到训练好的检测网路模型，输出火灾烟雾目标区域；
[0009]S4.确定火灾烟雾目标区域的烟雾前锋位置；
[0010]S5.确定烟雾前锋位置与监测位置之间的纵向距离。
[0011]进一步，对采集的火灾烟雾图像进行数据增强处理，得到图像数据集，具体包括：
[0012]S11.使用矩形框标注出火灾烟雾图像中烟雾区域位置，得到标记后的数据图像；
[0013]S12.随机选取若干张标记后的数据图像形成数据图像子集；
[0014]S13.对数据图像子集中的数据图像进行随机裁剪以及缩放处理，得到处理后的数据图像子集；
[0015]S14.对处理后的数据图像子集中的数据图像进行随机排列，拼接成一幅数据图像；
[0016]S15.重复步骤S12
‑
S14，得到若干幅数据图像。
[0017]进一步，将YOLOv5s作为基础网路，构建火灾烟雾检测网络模型；其中，在主干网络中引入Transformer Encoder模块；在颈部网络中使用轻量级卷积方法GSConv模块；在多尺度特征分支中添加轻量级高效通道注意力ECA模块；并使用CIoU损失函数与SiLU激活函数。
[0018]进一步，在主干网络中引入Transformer Encoder模块，具体包括：
[0019]在主干网络Backbone的最后一层中引入Transformer Encoder与C3模块相融合；其中，Transformer Encoder模块的输入是来自将前一步Conv卷积操作得到的特征图通过Embedded Patches层划分为带有位置信息的Patches，再进行线性变化后传到Multi
‑
Head Attention和MLP层，最后将具有丰富上下文信息的特征图传递到网络下一层。
[0020]进一步，在颈部网络中使用轻量级卷积方法GSConv模块，具体包括：
[0021]轻量级卷积方法GSConv将DSC与SC结合使用，通过使用shuffle将SC生成的信息渗透到DSC生成的信息的每个部分中。
[0022]进一步，在多尺度特征分支中添加轻量级高效通道注意力ECA模块，具体包括：
[0023]在Neck网络多尺度特征分支中添加高效通道注意力ECA模块；其中，所述ECA模块，首先输入特征图，所述特征图维度大小为H1*W1*C1，H1是特征图高度，W1是特征图宽度，C1是特征图通道数；接着使用全局平均池化对特征图进行空间特征压缩，得到1*1*C1的特征图，再通过1*1卷积对压缩后的特征图进行通道特征学习，学习不同通道之间的重要性，输出特征图维度为1*1*C1，将通道注意力的特征图1*1*C1、原始输入特征图H1*W1*C1，进行逐通道乘，最终输出具有通道注意力的特征图。
[0024]进一步，根据如下公式确定CIoU损失函数
[0025][0026]其中，J表示预测框面积，K表示真实框面积，ρ(
·
)表示两中心点之间的欧式距离函数，b表示预测框的中心点，b
gt
表示真实框的中心点，c表示能够同时包含两框的最小闭包区域的对角线距离，θ是一个权重系数，ζ是衡量长宽比一致性的参数；
[0027][0028]w
gt
表示真实框的宽度，i
gt
表示真实框的长度，w表示预测框的宽度，i表示预测框的长度。
[0029]进一步，根据如下公式确定SiLU激活函数SiLU(x)：
[0030]SiLU(x)＝x
·
sigmoid(x)；
[0031]其中，x是输入值，sigmoid(
·
)为S型函数。
[0032]进一步，确定火灾烟雾目标区域的烟雾前锋位置，具体包括：将目标区域中最靠近隧道洞口的点作为目标角点，以目标角点为起点，沿隧道长度方向，选取目标点，并将所述目标点作为烟雾前锋位置；其中，所述目标点与目标角点之间的距离为目标区域沿隧道长度方向所在宽度的1/n。
[0033]进一步，根据如下公式确定烟雾前锋位置与监测位置之间的纵向距离d：
[0034][0035]其中，将烟雾前锋位置作为参考点B，将监测设备所在的位置作为监测位置；
[0036][0037]H为隧道拱顶高度，h
′
为监测设备与地面之间的距离，v为参考点B所在坐标的纵向坐标值，v0为监测设备成像平面上中心点的纵向坐标值；f
y
为监测设备垂直方向的焦距，α为监测设备光轴与水平面之间的夹角；
[0038][0039]f为监测设备的焦距，b为坐标点F的像素宽度，h为坐标点F的像素高度，坐标点F为参考点B在成像平面的坐标点；
[0040]δ为偏转角，所述偏转角δ＝arctan(l2/l1)，l2为点D到隧道壁的垂直距离，l1为点D到监测设备正下方的水平距离，点D是监测设备光轴与隧道路面的交点。
[0041]本专利技术的有益效果是：本专利技术公开的一种公路隧道火灾烟雾前锋图像检测与定位方法，通过隧道内交通监控摄像机获取火灾烟雾图像，并对火灾烟雾图像进行识别，能够准确及时地获取火灾烟雾目标区域，利用计算机视觉定位技术对火灾发生后隧道全断面烟雾的扩散蔓延情况进行动态感知，并确定火灾烟雾目标区域中烟雾前锋位置与监测位置之间的纵向距离，丰富了灾情感知信息，为隧道火灾救援疏散、消防应急决策提供了技术支持。
附图说明
[0042]下面结合附图和实施例对本专利技术作进一步描述：
[0043]图1为本专利技术的检测方法流程示意图；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种公路隧道火灾烟雾前锋图像检测与定位方法，其特征在于：包括如下步骤：S1.对采集的火灾烟雾图像进行数据增强处理，得到图像数据集；S2.将图像数据集输入到火灾烟雾检测网络模型进行网路模型训练，得到训练好的检测网路模型；S3.将待测的火灾烟雾图像输入到训练好的检测网路模型，输出火灾烟雾目标区域；S4.确定火灾烟雾目标区域的烟雾前锋位置；S5.确定烟雾前锋位置与监测位置之间的纵向距离。2.根据权利要求1所述的公路隧道火灾烟雾前锋图像检测与定位方法，其特征在于：对采集的火灾烟雾图像进行数据增强处理，得到图像数据集，具体包括：S11.使用矩形框标注出火灾烟雾图像中烟雾区域位置，得到标记后的数据图像；S12.随机选取若干张标记后的数据图像形成数据图像子集；S13.对数据图像子集中的数据图像进行随机裁剪以及缩放处理，得到处理后的数据图像子集；S14.对处理后的数据图像子集中的数据图像进行随机排列，拼接成一幅数据图像；S15.重复步骤S12
‑
S14，得到若干幅数据图像。3.根据权利要求1所述的公路隧道火灾烟雾前锋图像检测与定位方法，其特征在于：将YOLOv5s作为基础网路，构建火灾烟雾检测网络模型；其中，在主干网络中引入Transformer Encoder模块；在颈部网络中使用轻量级卷积方法GSConv模块；在多尺度特征分支中添加轻量级高效通道注意力ECA模块；并使用CIoU损失函数与SiLU激活函数。4.根据权利要求3所述的公路隧道火灾烟雾前锋图像检测与定位方法，其特征在于：在主干网络中引入Transformer Encoder模块，具体包括：在主干网络Backbone的最后一层中引入Transformer Encoder与C3模块相融合；其中，Transformer Encoder模块的输入是来自将前一步Conv卷积操作得到的特征图通过Embedded Patches层划分为带有位置信息的Patches，再进行线性变化后传到Multi
‑
Head Attention和MLP层，最后将具有丰富上下文信息的特征图传递到网络下一层。5.根据权利要求3所述的公路隧道火灾烟雾前锋图像检测与定位方法，其特征在于：在颈部网络中使用轻量级卷积方法GSConv模块，具体包括：轻量级卷积方法GSConv将DSC与SC结合使用，通过使用shuffle将SC生成的信息渗透到DSC生成的信息的每个部分中。6.根据权利要求3所述的公路隧道火灾烟雾前锋图像检测与定位方法，其特征在于：在多尺度特征分支中添加轻量级高效通道注意力ECA模块，具体包括：在Neck网络多尺度特征分支中添加高效通道注意力E...

【专利技术属性】
技术研发人员：刘帅，丁浩，邓实强，杨孟，陈建忠，蒋树屏，李文锋，曹鹏，孙茂贵，廖嘉雯，
申请(专利权)人：招商局重庆交通科研设计院有限公司，
类型：发明
国别省市：