[发明专利]一种野外火灾烟雾检测方法

权利要求书

1.一种野外火灾烟雾检测方法，其特征在于，该方法具体包括以下步骤：

步骤1、采用由浅至深的特征金字塔对ResNet101特征提取网络提取到的不同层次的信息由浅至深进行融合，具体操作如下：

改进的特征金字塔网络从浅层开始向深层进行融合，在融合时首先需要对较浅一层网络输出的特征图进行下采样，使其分辨率与较深一层网络输出的特征图达成一致；同时对较深一层网络输出的特征图进行一次卷积核大小为1x1的卷积操作，以使得其通道数与较浅一层网络输出的特征图相等，以便进行后续的相加操作，具体过程表示如下:

其中，P_i是第i级融合特征图，F_i是第i级特征提取网络输出的原始特征图，pool表示下采样操作，dim代表利用1x1卷积进行的降维操作，n是特征提取网络的总层级；融合后保留每一层原有特征信息的同时，增强浅层特供的细节信息，有助于提高对小尺度烟雾的检测率，进而提高野外火灾烟雾检测的整体效果；

步骤2、在训练过程中，采用多IOU阈值级联检测器，每个IOU阈值检测器训练时阈值逐渐增大。

2.根据权利要求1所述的一种野外火灾烟雾检测方法，其特征在于：所述的对较浅一层网络输出的特征图进行下采样，具体为：使用多支路空洞卷积下采样代替特征图融合过程中的下采样；具体操作如下：

首先，通过并联的三条空洞卷积支路分别进行下采样，其中三条空洞卷积支路的空洞率各不相同，且三个空洞率满足没有大于1的公约数；每条空洞卷积支路采用空洞率为k的空洞卷积核进行下采样，参与计算的不再是输入图像中邻近的九个像素点，而是在两个维度上均为最近像素点距离为k的九个像素点，其次，使用含批量归一化的concat层对三条支路的下采样结果进行融合，最后进行一次1×1的卷积操作降维，以便执行后续的特征金字塔融合过程。

3.根据权利要求1所述的一种野外火灾烟雾检测方法，其特征在于：所述的步骤2，在训练过程中，采用多IOU阈值级联检测器，每个IOU阈值检测器训练时阈值逐渐增大；具体操作如下：

在训练时，首先使用设定的IOU阈值对网络进行更为容量的训练，以免错过半透明的烟雾边缘区域，然后逐渐增大IOU阈值，使得网络在先前识别的基础上更加严格地识别烟雾，将类似于烟雾的背景逐渐剔除；每经过一个网络，候选区域样本的质量就越高，因此也就越能“适应”更高的IOU阈值；通过将多个使用不同IOU阈值的网络级联在一起，让每一个网络使用上一个网络输出的候选区域作为输入，并使用更高的阈值进行过滤，最终就能得到更加准确的结果。