一种全局感知与局部纹理相融合的烟火检测方法及系统技术方案

本发明专利技术属于图像处理领域，提供了一种全局感知与局部纹理相融合的烟火检测方法及系统，获取目标区域的图像；进行图像的预处理，得到不同分辨率的预处理图像，分别利用粗细尺度网络层提取全局感知特征和局部纹理特征；将全局感知特征与局部纹理特征进行融合；将损失函数引入到

【技术实现步骤摘要】
一种全局感知与局部纹理相融合的烟火检测方法及系统


[0001]本专利技术属于图像处理
，涉及一种全局感知与局部纹理相融合的烟火检测方法及系统
。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术
。
[0003]面向输电线路通道场景，不可避免地受到诸多外界因素的影响，使得出现危害输电安全的现象，比如烟火
、
异物
、
线路低垂等
。
其中，烟火引起的安全隐患是重中之重，需要在其初期进行及时预警
。
为准确
、
及时进行输电线路通道上烟火隐患的预警，迫切需要一套高效的烟火检测方法
。
然而，输电线路通道中初期的烟火隐患常呈现目标小
、
模糊等特点，比如夜间的灯光
、
路灯与输电线路火焰混淆；阴云
、
视角重叠的浓烟与输电线路烟雾混淆
。
[0004]因此，构建的检测器需要检测小且低分辨率的烟火目标，对于小目标检测，传统单双阶段检测器检测目标时易出现边界框与真值框不交叉的情况，无法呈现宽高信息，使得无法提取烟火目标特征，导致漏检；对于低分辨率目标检测，传统单双阶段检测器无法抽取准确的烟火特征，易于干扰目标混淆，导致误检
。
[0005]据专利技术人了解，现有文献试图解决上述问题，但是，其均具有一定的问题，下面进行举例说明并分析
。
[0006]中国专利技术专利，公开号为
CN114266893A
，专利技术名称为
《
烟火隐患识别方法和设备
》
提出了基于热红外图像定位疑似烟火隐患区域的方法，该方法需要对热红外图像与可见光图像进行逐一匹配处理，费时费力，同时很难用于初期烟火小目标检测
。
中国专利技术专利，公开号为
CN110738218A
，专利技术名称为
《
一种输电线路通道烟火隐患识别方法及装置
》
提出基于烟火隐患区域分形方法，将烟火隐患区域分割出来进行检测，该方法对于复杂变换的实际输电场景，较容易出现误检问题
。
中国专利技术专利，公开号为
CN114677629A
，专利技术名称为
《
一种基于
YOLOV5
网络的烟火检测预警方法及系统
》
，其骨干网络基于卷积神经网络，关注于图片的局部特性，而缺少了全局感知能力
。
对于烟火检测算法，如果仅关注于局部特征，而忽视关注全局，会使得难以感知周围环境的变化
。

技术实现思路

[0007]本专利技术为了解决上述问题，提出了一种全局感知与局部纹理相融合的烟火检测方法及系统，本专利技术能够解决现有技术中烟火检测中漏检高
、
误检高等问题，提升检测的准确性
。
[0008]根据一些实施例，本专利技术采用如下技术方案：
[0009]一种全局感知与局部纹理相融合的烟火检测方法，包括以下步骤：
[0010]获取目标区域的图像；
[0011]进行图像的预处理，得到不同分辨率的预处理图像，分别利用粗细尺度网络层提
取全局感知特征和局部纹理特征；
[0012]将全局感知特征与局部纹理特征进行融合；
[0013]将损失函数引入到
NMS
中，以此为检测头预测烟雾或火焰的目标位置；
[0014]将所述检测头引入到非极大值抑制中，去除冗余边界框，得到最终的检测结果
。
[0015]作为可选择的实施方式，获取目标区域的图像的具体过程包括获取包含烟雾或者火焰目标的视频序列图像
。
[0016]作为可选择的实施方式，进行图像的预处理的具体过程包括通过多尺度小波算子对烟火目标图像进行高分辨率与低分辨率的转换处理，得到的高分辨率图像和低分辨率图像
。
[0017]作为可选择的实施方式，所述粗尺度网络层采用全局窗口自注意力机制，利用全卷积网络层接收低分辨率图像，得到动态学习的下采样信息，该信息具有上下文特征，从中提取位置信息，通过位置编码层在双线性插值下将位置信息度量为全局表示，将具有上下文特征的下采样信息与具有全局表示的位置编码信息进行加性融合，通过全局窗口自注意力模块获得全局感知特征
。
[0018]作为可选择的实施方式，所述细尺度网络层采用局部窗口自注意力机制，对高分辨率图像数据进行归一化，通过局部窗口自注意力模块，从归一化后的数据中获取局部纹理特征的抽取，并通过多层感知器将其输出
。
[0019]作为可选择的实施方式，采用多尺度小波逆变换对，将全局感知特征与局部纹理特征进行融合
。
[0020]作为可选择的实施方式，所述检测头的形式为：
[0021][0022]其中，
IOU
为边界框与真实框的交并比，对
NWD
进行重参数化；
a
为抑制难样本参数，
C
为与数据集相关的常数，在一定范围内变化是稳健的，
N
a
、N
b
为表示高斯分布
。
[0023]作为可选择的实施方式，去除冗余边界框的具体过程包括根据得分将所有边界框进行分类，选择得分最高的边界框同时抑制显著重叠的边界框，将保留的边界框作为烟雾或者火焰的检测图像
。
[0024]一种全局感知与局部纹理相融合的烟火检测系统，包括：
[0025]图像获取模块，被配置为获取目标区域的图像；
[0026]预处理模块，被配置为进行图像的预处理，得到不同分辨率的预处理图像；
[0027]特征提取和融合模块，被配置为分别利用粗细尺度网络层提取全局感知特征和局部纹理特征，将全局感知特征与局部纹理特征进行融合；
[0028]检测模块，被配置为将损失函数引入到
NMS
中，以此为检测头预测烟雾或火焰的目标位置，将所述检测头引入到非极大值抑制中，去除冗余边界框，得到最终的检测结果
。
[0029]一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述方法中的步骤
。
[0030]一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的方法中的步骤
。
[0031]与现有技术相比，本专利技术的有益效果为：
[0032]本专利技术提出了多尺度小波注意力融合网络，采用多尺度小波变换，将烟雾或火焰图像转化为粗尺度与细尺度
。
粗尺度上，通过全局窗口自注意力机制获取全局信息，具有全局感知能力；细尺度上，通过局部窗口自注意力机制获取局部信息，抽取烟火图像的局部纹理信息，可实现全局感知与局部纹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种全局感知与局部纹理相融合的烟火检测方法，其特征是，包括以下步骤：获取目标区域的图像；进行图像的预处理，得到不同分辨率的预处理图像，分别利用粗细尺度网络层提取全局感知特征和局部纹理特征；将全局感知特征与局部纹理特征进行融合；将损失函数引入到
NMS
中，以此为检测头预测烟雾或火焰的目标位置；将所述检测头引入到非极大值抑制中，去除冗余边界框，得到最终的检测结果
。2.
如权利要求1所述的一种全局感知与局部纹理相融合的烟火检测方法，其特征是，获取目标区域的图像的具体过程包括获取包含烟雾或者火焰目标的视频序列图像
。3.
如权利要求1所述的一种全局感知与局部纹理相融合的烟火检测方法，其特征是，进行图像的预处理的具体过程包括通过多尺度小波算子对烟火目标图像进行高分辨率与低分辨率的转换处理，得到的高分辨率图像和低分辨率图像；或，采用多尺度小波逆变换对，将全局感知特征与局部纹理特征进行融合
。4.
如权利要求1所述的一种全局感知与局部纹理相融合的烟火检测方法，其特征是，所述粗尺度网络层采用全局窗口自注意力机制，利用全卷积网络层接收低分辨率图像，得到动态学习的下采样信息，该信息具有上下文特征，从中提取位置信息，通过位置编码层在双线性插值下将位置信息度量为全局表示，将具有上下文特征的下采样信息与具有全局表示的位置编码信息进行加性融合，通过全局窗口自注意力模块获得全局感知特征
。5.
如权利要求1所述的一种全局感知与局部纹理相融合的烟火检测方法，其特征是，所述细尺度网络层采用局部窗口自注意力机制，对高分辨率图像数据进行归一化，通过局部窗口自注意力模块，从归一化后的数据中获取局部纹理特征的抽取，并通过多层感知器将其输出
。6.
如权...

【专利技术属性】
技术研发人员：帅民伟，蔡富东，吕昌峰，刘焕云，郭国信，牛世利，
申请(专利权)人：济南信通达电气科技有限公司，
类型：发明
国别省市：