[发明专利]一种林火烟雾探测方法及装置

说明书

本发明实施例公开了一种林火烟雾探测方法及装置，该方法通过多种类别的图像集进行训练，多注意力卷积神经网络包括：卷积神经网络的基础模块、至少一个残差注意力模块和至少一个通道‑空间注意力模块；所述通道‑空间注意力模块中包含通道注意力模块和空间注意力模块；通过样本图像集对网络的训练得到训练好的多注意力卷积神经网络，采用该训练好的多注意力卷积神经网络对烟雾进行识别，提高了烟雾识别的准确度，进而提高了林火烟雾预警的准确度。

技术领域

本发明涉及图像处理领域，尤其涉及一种林火烟雾探测方法及装置

背景技术

森林火灾是一种经常发生，且破坏力强的自然灾害，会对人类生命财产安全、生态系统和环境造成极大的伤害，因此，为了避免由于森林火灾带来的重大损失，对森林火灾的预警非常必要。

森林火灾发生过程中会释放大量的烟雾，虽然森林火灾产生的烟雾会损害空气质量并扰乱大气辐射，但是烟雾作为林火各个阶段的重要产物，可以作为探测森林火灾的信号，即可以通过对烟雾进行分析对森林火灾进行预警。

现有技术中，出现了一些通过对烟雾进行分析，对森林火灾进行预警的方法，例如，人工目视判别法、多波段阈值法等，但是对烟雾的识别准确度不高，因此，亟需研究一种方法提高烟雾识别的准确度，进而提高森林火灾预警的准确度。

发明内容

有鉴于此，本发明实施例公开了一种林火烟雾探测方法及装置，解决了现有技术中烟雾识别准确率低的问题。

本发明实施例公开了一种林火烟雾探测方法的流程示意图，在本实施例中，该方法包括：

获取待识别的图像；

将所述待识别的图像输入到已训练的多注意力卷积神经网络中；所述已训练的多注意力卷积神经网络包括：卷积神经网络的基础模块、至少一个残差注意力模块和至少一个通道-空间注意力模块；所述通道-空间注意力模块中包含通道注意力模块和空间注意力模块；所述多注意力卷积神经网络是通过包含至少两种地物类别的图像集训练后得到的；所述地物类别中包含烟雾类别，和与烟雾具有相似特征的其它类别；

输出所述待识别的图像是否属于烟雾类别的结果。

可选的，还包括：

对所述待识别的图像进行尺寸变换、裁剪和/或翻转；

对所述待识别的图像各通道的像素值进行归一化处理。

可选的，对所述多注意力卷积神经网络进行训练的过程包括：

获取样本数据集；所述样本数据集中包括烟雾类别和与所述烟雾类别具有相似特征的其它类别；

对所述样本数据集中每个图像进行人工判别和分类，并依据分类的结果设置所述样本数据集中每个图像的地物类别标签；

将所述样本数据集和每个图像的类别标签输入到所述多注意力卷积神经网络中，对所述多注意力卷积神经网络进行训练。

可选的，所述与所述烟雾具有相似特征的地物类别包括：烟雾、云、沙尘、雾霾、海岸、陆地中的一个或者多个。

可选的，所述通道注意力模块包括：

全局池化层、至少一个全连接层、sigmoid函数和第一融合模块；

其中，在所述通道注意力模块接收到第一特征图后，将所述第一特征图分别经过全局池化层、至少一个全连接层和sigmoid函数进行处理，得到通道注意力分布，将所述第一特征图和所述通道注意力分布通过所述融合模块进行乘法操作，得到通道注意的结果图。

可选的，所述空间注意力模块包括：

特征处理模块、至少一个全连接层、sigmoid函数和第二融合模块；