【技术实现步骤摘要】
基于改进YOLOV7的火灾目标检测方法
[0001]本专利技术涉及火灾检测
,更确切地说,它涉及基于改进
YOLOV7
的火灾目标检测方法
。
技术介绍
[0002]随着我国城市化的逐步推进,火灾的危险系数也越来越高
。
火灾燃烧物的类型变得更加多样,燃气火,汽油火以及其他化学物起火变的更加常见,且易发生轰燃
。
此类情形下的火灾检测,对于检测的精确率,快速性,以及误报率有更高的要求
。
[0003]传统的基于传感器的火灾检测方式,采用如温度
、
烟雾
、
二氧化碳等传感器,存在覆盖范围有限
、
响应速度慢
、
误报率高等缺点
。
因此,基于视觉的火灾检测方法受到了越来越多的关注,利用图像中的特征信息来识别火焰和烟雾,具有覆盖范围广
、
响应速度快
、
成本低等优点
。
[0004]基于视觉的火灾检测方法中,目标检测模型是被普遍采用的检测方法,它可以同时输出目标的类别和位置信息
。
目标检测模型中的单阶段检测模型,如
SSD、YOLO
等,相比于两阶段模型具有更快的检测速度和更低的计算复杂度,更适合实时性要求较高的火灾目标检测
。
[0005]YOLOv7
目标检测模型作为一种经典的单阶段目标检测模型,在多种不同场景下的火灾检测中,均有较高的检测精确度和检测速 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
基于改进
YOLOV7
的火灾目标检测方法,其特征在于,包括:
S1、
获取火灾图像数据,并对图像中的火焰进行标注,构建数据集;所述数据集包括训练集
、
验证集和测试集;
S2、
构建基于改进
YOLOV7
的火灾检测模型;所述火灾检测模型在
YOLOv7
目标检测模型的框架上采用
EfficientNetV2
‑
S
网络提取特征图,并在
EfficientNetV2
‑
S
网络中引入
CA
注意力机制,且采用
CIoU
损失函数作为位置损失函数,采用引入正样本权重系数的二元交叉熵函数作为置信度损失函数;
S3、
将数据集输入所述基于改进
YOLOV7
的火灾检测模型,输出火灾检测结果
。2.
根据权利要求1所述的基于改进
YOLOV7
的火灾目标检测方法,其特征在于,
S2
中,从
EfficientNetV2
‑
S
网络中提取三个大小不同的特征图,分别经过
RepConv
卷积后输入到
YOLOv7
的三个检测头中
。3.
根据权利要求2所述的基于改进
YOLOV7
的火灾目标检测方法,其特征在于,
S2
中,置信度损失函数
Loss
co
表示为:其中,
S
×
S
表示特征图中的
i
个网格,
B
表示
j
个先验框;在第
i
个网格的第
j
个先验框中有目标时取1,反之取0;为的值取反,即在第
i
个网格的第
j
个先验框有目标则取0,无目标则取1;分别表示预测框与标注框的置信度;
λ
noobj
为权重系数,
λ
obj
为正样本权重系数
。4.
根据权利要求3所述的基于改进
YOLOV7
的火灾目标检测方法,其特征在于,
S2
中,
CIoU
是在
IoU
的基础上,针对预测框与标注框的中心点坐标的关系
、
长宽比例的相似程度进行改进,
IoU
表示为:其中,
技术研发人员:肖铎,龚文强,刘泓,戚伟,谢浩,殷锐,袁建涛,
申请(专利权)人:浙大城市学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。