【技术实现步骤摘要】
本申请涉及火灾监测，具体而言，涉及一种基于形变目标检测和时序分析的实时火焰检测方法。
技术介绍
1、火灾监控的传统技术手段主要为接触式火灾探测器，常见于各类公共场景，但其局限于室内探测范围有限、易年久失效等缺点，难以在室内大空间或者室外开放空间进行有效火灾监控。相比于接触式火灾探测器，非接触式的视频火灾探测技术具有无需额外硬件设备、火警信息直观全面、响应快速、探测范围大等优点。适用于室内大空间、室外开放空间以及野外森林的火灾监控，目前已经在高层建筑、工业厂区、林区开始普及。
2、卷积神经网络(cnn)模型已经普遍应用在智能识别领域，并且已经取得了不错的效果。为了追求网络识别准确度，cnn模型深度越来越深，cnn模型复杂度也越来越高。但是，在火灾监控领域，其效果并不令人满意，这是因为不同于一般的刚性目标，火焰目标通常表现出形状无规则性、纹理和边缘多样性、正负样本及难易样本不平衡性等问题，从而导致对火焰的识别率偏低，且存在着许多真实火焰漏检和疑似火焰误检的情况。
技术实现思路
1、为了解决上述问题，本申请实施例提供了一种基于形变目标检测和时序分析的实时火焰检测方法。
2、第一方面，本申请实施例提供了一种基于形变目标检测和时序分析的实时火焰检测方法，所述方法包括：
3、将待检测影像进行逐帧时序拆分，获取多个图像帧；
4、基于预训练的yolov5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧；
5、若存在目标图像帧的连续
6、优选的，在基于预训练的yolov5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧之前，所述方法还包括：
7、将所述yolov5s检测网络中的标准卷积cnn替换为可变形卷积dcnv2，并将leakyrelu激活函数替换为silu激活函数。
8、优选的，在基于预训练的yolov5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧之前，所述方法还包括：
9、基于数据集对初始检测网络进行训练，得到所述yolov5s检测网络；
10、训练过程中，利用focal loss分类损失函数对所述yolov5s检测网络的卷积核权重参数进行调节，得到预训练的yolov5s检测网络。
11、优选的，在基于预训练的yolov5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧之前，所述方法还包括：
12、训练过程中，利用eiou回归损失函数对所述yolov5s检测网络的回归参数进行调节。
13、优选的，所述基于预训练的yolov5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧，包括：
14、基于预训练的yolov5s检测网络对每一所述图像帧进行检测，确定所述图像帧中目标图像帧对应的帧数和非目标图像帧对应的帧数。
15、优选的，在生成告警信息后，所述方法还包括：
16、若检测到所述目标图像帧的帧数在总检测帧数中的占比不大于第二预设阈值，停止生成告警信息。
17、第二方面，本申请实施例提供了一种基于形变目标检测和时序分析的实时火焰检测装置，所述装置包括：
18、检测模块，用于将待检测影像进行逐帧时序拆分，获取多个图像帧；基于预训练的yolov5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧；
19、时序分析模块，用于若存在目标图像帧的连续帧数大于第一预设阈值，或所述目标图像帧的帧数在总检测帧数中的占比大于第二预设阈值，确定所述待检测影像为目标影像，并生成告警信息；所述目标图像帧为存在检测目标的图像帧。
20、第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。
21、第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法。
22、本专利技术的有益效果为：通过对现有检测网络进行改进，使得预训练后的网络能对图像中无规则火焰有更好的特征提取能力，提高了检测效果和准确性，且采用影像的时序特点进行信息分析和筛选，减小了火焰扰动形变、被遮挡及疑似烟火目标单帧引发误报的影响，降低误报率。
本文档来自技高网...【技术保护点】
1.一种基于形变目标检测和时序分析的实时火焰检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在基于预训练的YOLOV5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在基于预训练的YOLOV5s检测网络识对每一所述图像帧进行检测，得到对应的目标图像帧之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，在基于预训练的YOLOV5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧之前，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于预训练的YOLOV5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧，包括：
6.根据权利要求1所述的方法，其特征在于，在生成告警信息后，所述方法还包括：
7.一种基于形变目标检测和时序分析的实时火焰检测装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于形变目标检测和时序分析的实时火焰检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在基于预训练的yolov5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在基于预训练的yolov5s检测网络识对每一所述图像帧进行检测，得到对应的目标图像帧之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，在基于预训练的yolov5s检测网络对每一所述图像帧进行检测，得到对应的目标图像帧之前，所述方法还包括：
5.根据权利要求1所述的方法，其...
【专利技术属性】
技术研发人员：张景元，陈和平，邢云帆，陈彬，徐望明，方红萍，石波，
申请(专利权)人：武汉科技大学，
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。