[发明专利]用于火灾的目标识别方法、装置、设备及介质

说明书

本发明提供一种用于火灾的目标识别方法、装置、设备及介质，涉及目标检测领域，包括：采集多个包含烟雾或火焰的火灾图像，并对所述火灾图像中的烟雾或火焰进行标注，生成训练样本；建立基于YOLO网络结构的初始模型，配置参数；在初始模型中，在卷积后设置压缩和激励网络模块，对卷积后的图像在通道维度上进行权重分配；在所述卷积块后设置卷积块注意力模块，使得通过卷积块后的图像先后通过通道注意力模块和空间注意力模块，以在通道维度和空间维度上再次分别进行权重分配；采用所述训练样本对所述初始模型进行训练，获得用于识别烟雾或火焰的目标模型；采集实时图像，采用所述目标模型对所述实时图像进行目标识别，获得目标结果，用于解决现有基于图像处理的火灾预防精度较差，导致发现较慢的问题。

技术领域

本发明涉及目标检测领域，尤其涉及用于火灾的目标识别方法、装置、设备及介质。

背景技术

火灾早期发现一直是现实生活中的一大难题，早期的火焰的体征以微小或者被建筑物等实体物质遮挡，导致后期火灾失控，造成大规模或严重的经济损失和人员伤亡，在火灾等灾难发生时，反应的快慢和精准度决定着灾难的严重程度。在实际生活中在建筑物内广泛运用烟雾传感器或者传统图像处理技术等设备进行火灾预防，但通常有发现晚，误判严重，精度不高，限定在狭小空间中运用，不适合室外大规模推广等诸多缺点。

发明内容

为了克服上述技术缺陷，本发明的目的在于提供用于火灾的目标识别方法、装置、设备及介质，用于解决现有基于图像处理的火灾预防精度较差，导致发现较慢的问题。

本发明公开了一种用于火灾的目标识别方法，包括：

采集多个包含烟雾或火焰的火灾图像，并对所述火灾图像中的烟雾或火焰进行标注，生成训练样本；

建立基于YOLO网络结构的初始模型，配置参数；所述初始模型包括Foucs块、由卷积层、批量标准化层、激活层组成的卷积块、CPS瓶颈层以及空间金字塔池化层；

在初始模型中，在卷积后设置压缩和激励网络模块，对卷积后的图像在通道维度上进行权重分配；

在所述卷积块后设置卷积块注意力模块，使得通过卷积块后的图像先后通过通道注意力模块和空间注意力模块，以在通道维度和空间维度上再次分别进行权重分配；

采用所述训练样本对所述初始模型进行训练，获得用于识别烟雾或火焰的目标模型；

采集实时图像，采用所述目标模型对所述实时图像进行目标识别，获得目标结果。

优选地，所述在卷积后设置压缩和激励网络模块，对卷积后的图像在通道维度上进行权重分配，包括：

对卷积后的图像进行压缩操作，获得通道级的全局特征图像；

对所述全局特征图像进行激励操作，以生成各个通道的对应关系及权重；

根据各个通道的对应关系及权重对所述卷积后的图像进行像素加权。

优选地，所述对卷积后的图像进行压缩操作，获得通道级的全局特征图像，包括：

获取一通道上的空间特征，将所述空间特征编码为全局特征；

基于所述全局特征对所述卷积后的图像进行全局平局池化，获得通道级的全局特征图像。

优选地，对所述全局特征图像进行激励操作，以生成各个通道的对应关系及权重，包括：

采用第一全连接层对所述全局特征图像进行由初始维度的降维，并通过具有第一缩放参数的激活函数处理，获得第一处理图像；

利用第二全连接层对所述第一处理图像进行升维至初始维度，并通过具有第二缩放函数的激活函数处理，获得各个通道的对应关系及权重。