[发明专利]一种基于改进MobileNetV2-SSD的烟雾视频检测方法及系统

说明书

本发明公开了一种基于改进MobileNetV2‑SSD的烟雾视频检测方法，包括步骤：(1)在SSD目标检测框架上进行优化，得到MobileNetV2‑SSD模型；(2)在MobileNetV2‑SSD目标检测框架上，对其进行金字塔特征图重构操作；(3)根据烟雾的先验特征设定模型的各个特征层的默认候选框参量；(4)在六个特征层后面嵌入SE‑Net模块，得到改进的MobilenetV2‑SSD模型；(5)用烟雾数据集训练改进的MobileNetV2‑SSD模型，获得烟雾检测模型(Smoke Detection Model，SDM)，用于烟雾视频的检测。本发明还公开了基于上述方法的系统。本发明为烟雾检测提供了更有效的方法，可以广泛应用于智能系统的终端设备而不依赖网络环境，有非常广阔的应用场景。

技术领域

本发明涉及图像处理领域，特别涉及一种基于改进MobileNetV2-SSD的烟雾视频检测方法及系统。

背景技术

烟雾视频检测方法是指借助智能算法对视频中出现的烟雾进行识别与定位，从而判定视频帧中是否发生烟雾。基于视频的烟雾检测方法可以获取丰富的视频信息，从而更直观、更迅速的检测烟雾，不受环境空间大小的限制，适应性更强，有利于对火灾进行及时有效的控制。目前主要采用基于深度学习的方法进行烟雾检测，通过神经网络自主学习烟雾的特征，有效提高检测的准确率。

然而，由于烟雾的形态、色彩、运动具有多样化的特点，即没有固定的模式，这增加了检测的难度。同时，烟雾发生时环境的不可预测性和背景的复杂性，导致烟雾数据集目前仍然不完善，给基于深度学习的烟雾视频检测技术带来了一定的困难。

目前市面上具有烟雾检测功能的视频监控系统或者智能终端设备还比较少，大多数基于深度学习的烟雾检测系统多停留在研究阶段，并没有上市使用，其主要原因在于：为获取更优的检测效果，网络的层数越来越多，参数也数以万计，导致检测多依靠云端服务器，且过于依赖网络，实际生活中很难应用。而嵌入在移动端，实现烟雾检测产品的落地生产更是难上加难。

发明内容

发明目的：本发明提出了一种可以在本地进行烟雾视频检测的方法。本发明的另一目的是提供基于上述方法的烟雾视频检测系统。

技术方案：一种基于改进MobileNetV2-SSD的烟雾视频检测方法，包括如下步骤：

(1)获取视频图像；

(2)建立MobilenetV2-SSD模型；

(3)在MobilenetV2-SSD模型的目标检测框架上，进行金字塔特征图重构操作；

(4)根据烟雾的先验特征设定MobilenetV2-SSD模型的各个特征层的默认候选框参量，其中，所述先验特征为真实烟雾框对应的宽高比在原始图像中所占的面积大小；

(5)在MobilenetV2-SSD模型的六个特征层后面嵌入SE-Net模块，得到改进的MobilenetV2-SSD模型；

(6)用烟雾数据集训练改进的MobileNetV2-SSD模型，获得对烟雾数据集样本进行了数据增强的烟雾检测模型SDM，基于SDM模型对获取的视频图像进行烟雾检测。

优选地，所述步骤(2)包括：

(21)将SSD模型中原有的VGG基础网络替换成MobileNetV2；

(22)删除MobileNetv2网络的池化层和全连接层，添加额外四个卷积层Extrasblock1～4；

(23)确定六个金字塔特征层，分别为MobileNetv2中的bottleneck-13、bottleneck-17以及额外的四个卷积层。

优选地，步骤(22)中，所述的额外四个卷积层选取深度可分离式卷积结构。