基于多情境生成图像的建筑火灾多目标检测方法与系统技术方案

本发明专利技术公开了一种基于多情境生成图像的火灾多目标检测方法与系统，该方法包括：基于多情境智能生成批量的不同火灾场景下的火灾图像；利用生成火灾图像与真实火灾图像构建目标检测数据集；利用所述目标检测数据集对目标检测模型进行训练；利用训练好的目标检测模型对待检测图像进行处理，实现火灾多目标检测

【技术实现步骤摘要】
基于多情境生成图像的建筑火灾多目标检测方法与系统


[0001]本专利技术属于计算机视觉
，特别涉及一种基于多情境生成图像的建筑火灾多目标检测方法与系统
。

技术介绍

[0002]人们对火的使用贯穿了整个社会的发展，但是火在促进社会发展和提高生产力的同时也带来了事故和风险，谨慎以及不规范的用火以及天然的原因都有可能带来火灾，从而导致经济损失和人员伤亡，进而对人类的生命
、
财产造成巨大的威胁和伤害，火灾的不确定性和强破坏性成为日常生活中潜在的安全隐患
。
随着城镇化程度的不断提高，超高层建筑和高火险行业的快速发展，起火因素也逐渐增多，因此及时的检测火灾的发生至关重要
。
[0003]目前，火灾检测方法主要分为两种
。
一种是利用不同种类的传感器对火灾特征进行检测，然而这很难检测到位于超大空间建筑中的火灾以及室外火灾，检测范围有限，因此不适合全种类火灾发生的检测；另一种方法是基于计算机视觉的目标检测算法，通过图像处理技术与监控视频相融合进行火灾检测，通过分析火灾图像中的静态和动态的火焰以及烟雾特征从而来实现火灾检测，在判断待测图像中是否存在火灾区域的同时还能具体的给出火灾的位置信息
。
[0004]而目标检测算法要求模型使用大量的图像进行训练，因为检测性能高度依赖于图像的数量
。
与其他检测对象不同的是，由于火灾事故的特殊性和危险性，真实的火灾事故的图像资料很难留存下来，例如室内火灾等情境保留的图像就很少，与此同时进行实验等方式创建真实的火灾图像也被多种因素共同限制无法实施，所以火灾是一个没有足够数据集的例子，火灾数据集多样性以及数量的缺乏导致目标检测模型的检测性能较差，难以进行模型的训练和扩展
。
火灾是一个复杂的发展过程，目前的火灾检测研究大多数针对于火焰和烟雾检测精度的提升，并没有识别火灾参数等能揭示火灾严重程度的目标
。
因此需要一种能够生成批量多情境的火灾图像的方法，解决火灾数据集多样性以及数量缺乏的问题，同时提出一种火灾多目标检测的方法，从而来提高火灾检测能力
。

技术实现思路

[0005]本专利技术提供了一种基于多情境生成图像的建筑火灾多目标检测方法与系统，以解决现有技术由于火灾数据集的缺乏导致火灾目标检测模型的检测性能较差，难以进行火灾目标检测模型的训练和扩展的技术问题
。
[0006]为解决上述技术问题，本专利技术提供了如下技术方案：
[0007]一方面，本专利技术提供了一种基于多情境生成图像的建筑火灾多目标检测方法，所述基于多情境生成图像的建筑火灾多目标检测方法包括：
[0008]基于多情境智能生成多个不同火灾场景下的火灾图像；
[0009]利用生成的火灾图像与真实火灾图像构建目标检测数据集；
[0010]利用所述目标检测数据集对目标检测模型进行训练；
[0011]利用训练好的目标检测模型对待检测图像进行处理，实现火灾多目标检测
。
[0012]进一步地，所述基于多情境智能生成多个不同火灾场景下的火灾图像，包括：
[0013]确定用于表示火灾情景的火灾图像中的火灾要素；其中，所述火灾要素包括：火灾背景及周围环境的类型，以及火焰和烟雾的大小与蔓延程度；
[0014]将不同的火灾要素进行随机组合，得到多个不同的火灾情景；其中，每一火灾情景均由一组火灾要素组成，不同火灾情景间，至少有一个火灾要素不同；
[0015]针对每一火灾情景分别形成一段用于表示火灾发生情况的描述性文本，并从所述描述性文本中提取出关键词，以得到每一火灾情景对应的关键词；
[0016]将所有火灾情景对应的关键词组成一个关键词群组；
[0017]在所述关键词群组中，以火灾背景及周围环境的类型作为第一变量，以火焰和烟雾的大小与蔓延程度作为第二变量，利用属于所述第一变量的关键词组成第一变量集合，利用属于所述第二变量的关键词组成第二变量集合；
[0018]在所述第一变量集合和所述第二变量集合中分别任取一个元素，将取得的元素一起输入
Midjounery
中，利用
Midjounery
生成相应火灾情景下的火灾图像
。
[0019]进一步地，利用所述目标检测数据集对目标检测模型进行训练，包括：
[0020]对所述目标检测数据集中的图像进行标注，标注出图像中的火焰和烟雾；
[0021]利用标注后的目标检测数据集对目标检测模型进行训练
。
[0022]进一步地，所述目标检测模型的构建过程包括：
[0023]对
YOLOv8
模型进行改进，并将改进后的
YOLOv8
模型作为目标检测模型；其中，对
YOLOv8
模型进行改进包括：将
YOLOv8
模型的主干网络替换成
VanillaNet
轻量级网络结构；以渐近特征金字塔网络
AFPN
替换
YOLOv8
模型原有的
PANet
模块；将
YOLOv8
模型的损失函数改为
VariFocal Loss
损失函数
。
[0024]进一步地，所述利用训练好的目标检测模型对待检测图像进行处理，实现火灾多目标检测，包括：
[0025]利用训练好的目标检测模型对待检测图像进行处理，识别出其中的火焰和烟雾；同时利用
OpenCV
，根据预设参照物的尺寸对图像中的烟气层高度进行识别，实现同时识别烟雾
、
火焰以及烟气层高度三个目标
。
[0026]另一方面，本专利技术还提供了一种基于多情境生成图像的建筑火灾多目标检测系统，所述基于多情境生成图像的建筑火灾多目标检测系统包括：
[0027]图像生成模块，用于基于多情境智能生成多个不同火灾场景下的火灾图像；
[0028]模型训练模块，用于：
[0029]利用生成的火灾图像与真实火灾图像构建目标检测数据集；
[0030]利用所述目标检测数据集对目标检测模型进行训练；
[0031]火灾多目标检测模块，用于利用训练好的目标检测模型对待检测图像进行处理，实现火灾多目标检测
。
[0032]进一步地，所述图像生成模块具体用于：
[0033]确定用于表示火灾情景的火灾图像中的火灾要素；其中，所述火灾要素包括：火灾背景及周围环境的类型，以及火焰和烟雾的大小与蔓延程度；
[0034]将不同的火灾要素进行随机组合，得到多个不同的火灾情景；其中，每一火灾情景
均由一组火灾要素组成，不同火灾情景间，至少有一个火灾要素不同；
[0035]针对每一火灾情景分别形成一段用于表示火灾发生情况的描述性文本，并从所述描述性文本中提取出关键词，以得到每一火灾情景对应的关键词；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多情境生成图像的建筑火灾多目标检测方法，其特征在于，所述基于多情境生成图像的建筑火灾多目标检测方法包括：基于多情境智能生成多个不同火灾场景下的火灾图像；利用生成的火灾图像与真实火灾图像构建目标检测数据集；利用所述目标检测数据集对目标检测模型进行训练；利用训练好的目标检测模型对待检测图像进行处理，实现火灾多目标检测
。2.
如权利要求1所述的基于多情境生成图像的建筑火灾多目标检测方法，其特征在于，所述基于多情境智能生成多个不同火灾场景下的火灾图像，包括：确定用于表示火灾情景的火灾图像中的火灾要素；其中，所述火灾要素包括：火灾背景及周围环境的类型，以及火焰和烟雾的大小与蔓延程度；将不同的火灾要素进行随机组合，得到多个不同的火灾情景；其中，每一火灾情景均由一组火灾要素组成，不同火灾情景间，至少有一个火灾要素不同；针对每一火灾情景分别形成一段用于表示火灾发生情况的描述性文本，并从所述描述性文本中提取出关键词，以得到每一火灾情景对应的关键词；将所有火灾情景对应的关键词组成一个关键词群组；在所述关键词群组中，以火灾背景及周围环境的类型作为第一变量，以火焰和烟雾的大小与蔓延程度作为第二变量，利用属于所述第一变量的关键词组成第一变量集合，利用属于所述第二变量的关键词组成第二变量集合；在所述第一变量集合和所述第二变量集合中分别任取一个元素，将取得的元素一起输入
Midjounery
中，利用
Midjounery
生成相应火灾情景下的火灾图像
。3.
如权利要求1所述的基于多情境生成图像的建筑火灾多目标检测方法，其特征在于，利用所述目标检测数据集对目标检测模型进行训练，包括：对所述目标检测数据集中的图像进行标注，标注出图像中的火焰和烟雾；利用标注后的目标检测数据集对目标检测模型进行训练
。4.
如权利要求1所述的基于多情境生成图像的建筑火灾多目标检测方法，其特征在于，所述目标检测模型的构建过程包括：对
YOLOv8
模型进行改进，并将改进后的
YOLOv8
模型作为目标检测模型；其中，对
YOLOv8
模型进行改进包括：将
YOLOv8
模型的主干网络替换成
VanillaNet
轻量级网络结构；以渐近特征金字塔网络
AFPN
替换
YOLOv8
模型原有的
PANet
模块；将
YOLOv8
模型的损失函数改为
VariFocal Loss
损失函数
。5.
如权利要求1所述的基于多情境生成图像的建筑火灾多目标检测方法，其特征在于，所述利用训练好的目标检测模型对待检测图像进行处理，实现火灾多目标检测，包括：利用训练好的目标检测模型对待检测图像进行处理，识别出其中的火焰和烟雾；同时利用
OpenCV
，根据预设参照物的尺寸对图像中的烟气层高度进行识别，实现同时识别烟雾
、
火焰以及烟气层高度三个目标
...

【专利技术属性】
技术研发人员：许镇，岳清瑞，庄宇姗，唐禧妍，任靖仪，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：