[发明专利]火灾烟雾图像检测方法、装置、设备及存储介质

说明书

本发明涉及火灾探测技术领域，公开了一种火灾烟雾图像检测方法、装置、设备及存储介质，所述方法包括：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；根据目标路径聚合策略对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；根据预设置信度和目标特征张量对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；由于本发明是通过特征提取目标区域的视频监控图像，然后特征融合目标数量的尺度特征张量，再根据视频监控图像的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，相较于现有技术通过人工提取的烟雾特征检测火灾烟雾图像，能够有效提高检测火灾烟雾图像的准确性。

技术领域

本发明涉及火灾探测技术领域，尤其涉及火灾烟雾图像检测方法、装置、设备及存储介质。

背景技术

火灾严重威胁到人们的生命安全、财产以及环境，因此，如何及时预防、发现以及处理火灾是当前亟待解决的技术问题，而目前常用的火灾烟雾图像检测方式是基于传统的点式火灾探测装置，但是该点式火灾探测装置为接触型探测装置，而信号在检测过程中需要耗费一定的时间，对于较大的空间和室外场景，所耗费的时间会更长，由于这一先天缺陷，导致传统火灾探测器误报率与漏报率较高。大多数火灾在发生火焰之前都会经历漫长的阴燃过程，产生大量的烟雾，而传统的烟雾图像检测技术依赖于人工提取烟雾特征，如颜色、纹理、边缘、运动等，然而，烟雾没有固定的形态特征、颜色分布复杂以及容易受到背景光线、风等外部因素的影响，导致人工提取特征困难，最终造成检测火灾烟雾图像的准确性较低。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种火灾烟雾图像检测方法、装置、设备及存储介质，旨在解决现有技术检测火灾烟雾图像的准确性较低的技术问题。

为实现上述目的，本发明提供了一种火灾烟雾图像检测方法，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。

可选地，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。

可选地，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。

可选地，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；