一种火灾检测方法及装置制造方法及图纸

本申请公开了一种火灾检测方法及装置，属于火灾检测技术领域，用于基于目标模型和分类头对接收的目标图像进行火灾检测，所述方法包括：确定目标模型的多个分类插入点；以分类的准确率、参数量和算力为标准，确定所述多个分类插入点中的最优分类插入点；在所述目标模型的最优分类插入点上插入所述分类头，得到最优目标模型；基于所述最优目标模型，先使用所述分类头对图像进行火灾图像和非火灾图像的分类，对火灾图像进行进一步火灾检测定位。本发明专利技术通过对火灾图像进行先分类后检测的二段式推理策略，在保持模型精度的同时有效地减少了模型的计算量，从而提高了火灾检测的效率。

【技术实现步骤摘要】

本专利技术涉及火灾检测，尤其涉及一种火灾检测方法及装置。

技术介绍

1、火灾是一种极具破坏力的灾害事件，不仅对人民的生命与财产安全构成严重的威胁，而且对生态环境也造成了巨大损害。虽然人们对于火灾的防范意识不断提升，但在大空间场景如森林、草原、大型公共场所等场景中，火灾发生数量依旧居高不下，因此，为了各空间的环境安全，需要对各空间进行火灾监控。

2、现有技术中，在火灾监控过程中，大部分的图像都是非火灾图像，如果直接使用火灾检测模型，例如采用yolov9中的gelan-s网络结构进行火灾识别，对于大量的非火灾图像会使模型造成冗余的计算量，也就是说现有技术的各火灾检测模型存在着大量非火灾图像引起的模型冗余的计算量的技术问题。

3、因此，急需一种火灾检测方法，用以解决现有技术中大量非火灾图像引起的模型冗余的计算量的技术问题。

技术实现思路

1、有鉴于此，有必要提供一种火灾检测方法及装置，用以解决现有技术中大量非火灾图像引起的模型冗余的计算量的技术问题。

2、第一方面，本专利技术提供本文档来自技高网...

【技术保护点】

1.一种火灾检测方法，其特征在于，用于基于目标模型和分类头对接收的目标图像进行火灾检测，所述方法包括：

2.根据权利要求1所述的火灾检测方法，其特征在于，所述目标模型包括特征提取模块、颈部模块和检测头模块；

3.根据权利要求2所述的火灾检测方法，其特征在于，所述特征提取模块包括依次连接的不同尺度的特征提取单元；

4.根据权利要求2所述的火灾检测方法，其特征在于，所述分类头包括深度可分离卷积模块、平均池化模块和全连接模块；

5.根据权利要求4所述的火灾检测方法，其特征在于，所述深度可分离卷积模块包括深度卷积层、分类头跨空间局部注意力层和点卷积...

【技术特征摘要】

1.一种火灾检测方法，其特征在于，用于基于目标模型和分类头对接收的目标图像进行火灾检测，所述方法包括：

2.根据权利要求1所述的火灾检测方法，其特征在于，所述目标模型包括特征提取模块、颈部模块和检测头模块；

3.根据权利要求2所述的火灾检测方法，其特征在于，所述特征提取模块包括依次连接的不同尺度的特征提取单元；

4.根据权利要求2所述的火灾检测方法，其特征在于，所述分类头包括深度可分离卷积模块、平均池化模块和全连接模块；

5.根据权利要求4所述的火灾检测方法，其特征在于，所述深度可分离卷积模块包括深度卷积层、分类头跨空间局部注意力层和点卷积层；

6.根据权利要求3所述的火灾检测方...

【专利技术属性】
技术研发人员：邓田，吕潇乐，徐文波，程云青，王殊，
申请(专利权)人：湖北维钧科技有限公司，
类型：发明
国别省市：