[发明专利]火灾烟雾图像检测方法、装置、设备及存储介质

权利要求书

1.一种火灾烟雾图像检测方法，其特征在于，所述火灾烟雾图像检测方法包括以下步骤：

通过预设深度可分离卷积神经网络对目标区域的视频监控图像进行特征提取，得到目标数量的尺度特征张量；

根据目标路径聚合策略对所述目标数量的尺度特征张量进行特征融合，得到目标特征张量；

根据预设置信度和所述目标特征张量对所述视频监控图像进行识别；

根据识别结果确定火灾烟雾的位置信息，以实现对火灾烟雾图像的检测。

2.如权利要求1所述的火灾烟雾图像检测方法，其特征在于，所述通过预设深度可分离卷积神经网络对所述目标区域的视频监控图像进行特征提取，得到目标数量的尺度特征张量，包括：

根据初始卷积神经网络得到对应的卷积层和网络信息；

通过增加目标卷积路径对所述卷积层的主干网络进行拓宽，得到目标主干网络；

根据所述网络信息和目标主干网络生成预设深度可分离卷积神经网络；

通过所述预设深度可分离卷积神经网络对所述目标区域的视频监控图像进行特征提取，得到目标数量的尺度特征张量。

3.如权利要求2所述的火灾烟雾图像检测方法，其特征在于，所述根据所述网络信息和目标主干网络生成预设深度可分离卷积神经网络，包括：

根据神经网络模型的目标训练策略创建批处理归一化层；

通过所述批处理归一化层、目标Mish激活函数、网络信息以及目标主干网络生成预设深度可分离卷积神经网络。

4.如权利要求1所述的火灾烟雾图像检测方法，其特征在于，所述根据目标路径聚合策略对所述目标数量的尺度特征张量进行特征融合，得到目标特征张量，包括：

将所述目标数量的尺度特征张量输入至空间金字塔池化模块，以使所述空间金字塔池化模块对所述目标数量的尺度特征张量进行局部区域特征融合，得到并反馈目标数量的区域尺度特征向量；

根据目标路径聚合策略对所述目标数量的区域尺度特征向量进行特征融合，得到目标特征张量。

5.如权利要求4所述的火灾烟雾图像检测方法，其特征在于，所述目标特征张量包括第一目标特征张量、第二目标特征张量和第三目标特征张量；

所述根据目标路径聚合策略对所述目标数量的区域尺度特征向量进行特征融合，得到目标特征张量，包括：

按照尺度大小对所述目标数量的区域尺度特征向量进行划分，得到第一尺度特征张量、第二尺度特征张量以及第三尺度特征张量；

分别对所述第一尺度特征张量、第二尺度特征张量和第三尺度特征张量进行采样，得到第一尺度特征张量样本、第二尺度特征张量样本和第三尺度特征张量样本；

根据目标路径聚合策略将所述第一尺度特征张量样本依次与所述第二尺度特征张量和第三尺度特征张量进行特征融合，得到新的第三尺度特征张量；

根据目标路径聚合策略将所述新的第三尺度特征张量样本依次与所述第二尺度特征张量和第一尺度特征张量进行特征融合，得到第一目标特征张量、第二目标特征张量和第三目标特征张量。

6.如权利要求1所述的火灾烟雾图像检测方法，其特征在于，所述根据预设置信度和所述目标特征张量对所述视频监控图像进行识别，包括：

根据所述目标特征张量得到所述视频监控图像的当前置信度；

在所述当前置信度大于预设置信度时，通过目标形状框对所述当前置信度所在的位置信进行定位，以实现对所述视频监控图像的识别。

7.如权利要求1至6中任一项所述的火灾烟雾图像检测方法，其特征在于，所述根据识别结果确定火灾烟雾的位置信息，以实现对火灾烟雾图像的检测之后，还包括：

按照目标形状框对所述位置信息进行绘制，得到当前形状烟雾位置；

将所述当前形状烟雾位置信息显示在目标视频监控屏幕，并发出火灾报警提示信息。