[发明专利]一种基于无锚点机制的火焰检测方法及装置

权利要求书

1.一种基于无锚点机制的火焰检测方法，其特征在于，包括：

获取火焰检测数据集；

构建一个基于无锚点机制的特征选择模块的RetinaNet网络模型，所述RetinaNet网络模型包括一个主干网络和两个分别用于分类和边框回归的子网组成，所述基于无锚点机制的特征选择模块是指在特征金字塔的每一层构建一个无锚点的分支，且该无锚点分支独立于RetinaNet网络中的有锚点分支，所述无锚点分支包含分类子网络和回归子网络；

对每一个图片实例，将其映射到某个具体特征金字塔层时，根据尺度因子定义出其有效区域，无效区域，及介于两者之间的忽略区域；

通过分类子网络预测每个锚点属于不同类别的概率，其利用Focal loss计算分类损失，某一特征金字塔层的总分类损失为该层所有非忽略区域的Focal loss之和；

通过回归子网络预测每个锚点框距离最近的实例的偏移量，其利用IoU loss计算损失，只计算有效区域部分，整个损失为有效区域损失的平均值；

选择所述分类损失和回归损失之和最小的特征层作为该实例的学习层级，通过该学习层级对该火焰图片实例进行学习，以得到所述RetinaNet网络模型的相关参数；

利用训练后的RetinaNet网络模型对实时视频进行火焰检测，判断实时视频中各帧图像是否存在火焰，若存在火焰则给出其位置。

2.如权利要求1所述的基于无锚点机制的火焰检测方法，其特征在于，所述获取火焰检测数据集包括：

获取包含多张火焰图片的火焰图片数据集，每个所述火焰图片包括标注有火焰区域的矩形框及火焰类型；

根据所述火焰图片数据集获取包含图片大小、通道数、火焰位置在内的火焰标注数据集，并与所述火焰图片数据集共同构成火焰检测数据集。

3.如权利要求2所述的基于无锚点机制的火焰检测方法，其特征在于，所述火焰类型至少包括单尖角火焰、多尖角火焰和无规则火焰三个类型。

4.如权利要求1所述的基于无锚点机制的火焰检测方法，其特征在于，还包括：

确定所述火焰图片实例在不同尺度特征层下的有锚点分支的第一分类损失及第一回归损失；

将所述第一分类损失与无锚点分支中的分类子网络计算出的第二分类损失按设定比例混合，获得混合分类损失；同理将所述第一回归损失与无锚点分支中的回归子网络计算的第二回归损失按设定比例混合，获得混合回归损失；

将所述混合分类损失与所述混合回归损失作为特征层选取的依据。

5.如权利要求1所述的基于无锚点机制的火焰检测方法，其特征在于，所述RetinaNet网络模型的特征金字塔具有从P3到P7的级别，其中第l层是输入图像以1/2^l尺度因子的映射。

6.如权利要求1所述的基于无锚点机制的火焰检测方法，其特征在于，确定所述有效区域及无效区域包括：

在每一特征层将所述火焰图片实例映射的中心处长宽占比20％以内的区域作为有效区域，将所述火焰图片实例映射的中心处长宽占比50％以外的区域作为无效区域。