基于红外小目标检测的森林余火检测方法及系统技术方案

本发明专利技术公开了一种基于红外小目标检测的森林余火检测方法及系统，包括：通过机载系统和卫星系统获取森林红外成像数据集并进行预处理；其次，从编码解码结构的语义分割模型出发，改进了

【技术实现步骤摘要】
基于红外小目标检测的森林余火检测方法及系统


[0001]本专利技术涉及红外目标成像和小目标检测
，更具体的，涉及一种基于红外小目标检测的森林余火检测方法及系统
。

技术介绍

[0002]近年来，随着计算机技术的快速发展，一些新型技术逐渐被应用于城市森林火警监测领域
。
最具代表性的是图像型火警监测技术和云计算技术
。
图像型火警监测技术以图像处理技术为基础，克服了传统火警监测的缺点，显著提高了监测的准确率和及时性；云计算技术为森林火警监测系统提供了丰富的计算资源
、
灵活的管理模式和可靠的安全性保证，这两者成为森林火情监督的关键技术之一
。
[0003]现有火源监测方法仍有以下不足：（1）火警监测实时性待增强
。
这就要求在检测与追踪阶段所建立的红外小目标检测算法必须拥有实时检测的计算能力
。
并且要提高信息传输过程的速度，只保留关键信息；（2）图像检测算法可配置性需优化
。
现有的算法大都是解决某一特定环境下的特定问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于红外小目标检测的森林余火检测方法，其特征在于，包括以下步骤：步骤
S01
：通过机载系统和卫星系统获取森林红外成像数据集并进行预处理；步骤
S02
：对于每一张预处理后的图像，输入模型编码器以提取不同深浅层次的特征信息；步骤
S03
：将编码器输出的图像特征输入解码器，均衡浅层次和深层次特征，还原出预测的二值化图像；步骤
S04
：基于测试数据对语义分割结果进行评估，优化模型参数，得到最终的识别结果
。2.
根据权利要求1所述的一种基于红外小目标检测的森林余火检测方法，其特征在于，在所述步骤
S01
中，通过从机载系统和卫星系统获得红外成像视频，对所述红外成像视频中的视频帧进行帧级别分析，转换为红外成像灰度图；筛选所述红外成像灰度图中的无效图像并进行数据增强，将红外成像灰度图统一调整为
256
×
256
的大小，根据基于航拍图像的森林火情检测数据集生成模型的训练集与测试集
。3.
根据权利要求1所述的一种基于红外小目标检测的森林余火检测方法，其特征在于，在所述步骤
S02
中，具体为：使用
ResNet101
网络重构深度卷积神经网络，将预处理后训练集的图像输入到深度卷积神经网络中，在所述深度卷积神经网络中新增
AFPN
模块，对不同尺度的特征分别使用1×1的卷积核和步长为1的3×3膨胀卷积
、3
×3的卷积核和步长为3的3×3膨胀卷积
、3
×3的卷积核和步长为2的3×3膨胀卷积来进行特征的融合；将融合后的最小尺度特征输入给空洞空间金字塔池化模块来进行池化操作，在所述空洞空间金字塔池化模块中使用不同步长的膨胀卷积从多个不同的尺度探取图像级卷积特征，得到主干网络的输出特征，将输出步幅定义为输入图像和最终输出图像的尺寸之比；在模型的编码器
‑
解码器结构中，在解码器部分使用1×1卷积将原始
DeepLabv3+
中用于逻辑回归之前的最后一个特征图提取出来作为编码器实际的深层特征输出
。4.
根据权利要求3所述的一种基于红外小目标检测的森林余火检测方法，其特征在于，将...

【专利技术属性】
技术研发人员：陈润宇，黄圳炜，陈越，黄学远，卢悦潼，朱道云，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：