[发明专利]一种烟火检测方法、系统、计算机设备以及存储介质

权利要求书

1.一种烟火检测方法，其中，包括利用目标神经网络对目标图像进行烟火预测；其中，所述目标神经网络包括特征提取网络和对象分类网络；所述特征提取网络为不具有下采样Focus层的轻量级网络；

所述烟火检测方法包括：

获取目标图像；

利用所述特征提取网络，提取所述目标图像的第一图像特征；

利用所述对象分类网络，对所述第一图像特征进行对象类别预测，得到烟火预测结果。

2.根据权利要求1所述的烟火检测方法，其中，对所述目标神经网络进行训练的步骤包括：

获取样本数据集；所述样本数据集中包括标注有位置标签和类别标签的多帧样本图像；

根据所述样本数据集，对待训练的目标神经网络进行训练；

构造加权损失值，通过对所述加权损失值进行加权反向传播以持续训练所述目标神经网络，直至所述加权损失值收敛，得到训练完成的目标神经网络。

3.根据权利要求1所述的烟火检测方法，其中，所述特征提取网络采用转移注意力Shuffle Attention机制；

所述利用所述特征提取网络，提取所述目标图像的第一图像特征，包括：

利用采用所述Shuffle Attention机制的所述特征提取网络，提取所述目标图像的中间特征，并按照通道维度进行分组，得到多个子特征；

对于每个所述子特征，同步使用通道注意力机制和空间注意力机制，得到通道级信息和像素级信息；

基于所述通道级信息和所述像素级信息，将所述多个子特征进行融合，得到所述第一图像特征。

4.根据权利要求1所述的烟火检测方法，其中，所述对象分类网络包括至少一层卷积层和分类输出层；

所述利用所述对象分类网络，对所述第一图像特征进行对象类别预测，得到烟火预测结果，包括：

利用所述至少一层卷积层对所述第一图像特征进行卷积处理，得到第二图像特征；

利用所述分类输出层对所述第二图像特征进行对象类别预测，得到所述烟火预测结果。

5.根据权利要求4所述的烟火检测方法，其中，所述分类输出层包括激活函数logistic函数；

利用所述分类输出层对所述第二图像特征进行对象类别预测，得到所述烟火预测结果，包括：

根据所述第二图像特征，确定所述logistic函数的输出结果；所述logistic函数的输出结果用于表征所述烟火预测结果。

6.根据权利要求1所述的烟火检测方法，其中，在得到烟火预测结果之后，还包括：

在基于所述烟火预测结果确定存在烟火事件的情况下，生成报警提示信息。

7.一种烟火检测系统，其包括数据采集模块、目标检测模块；所述目标检测模块中部署有目标神经网络；所述目标神经网络包括特征提取网络和对象分类网络；所述特征提取网络为不具有下采样层Focus层的轻量级网络；

所述数据采集模块，被配置为获取目标图像；

所述特征提取网络，被配置为提取所述目标图像的第一图像特征；

所述对象分类网络，被配置为对所述第一图像特征进行对象类别预测，得到烟火预测结果。

8.根据权利要求7所述的烟火检测系统，其中，还包括模型训练模块；

所述模型训练模块，被配置为获取样本数据集；所述样本数据集中包括标注有位置标签和类别标签的多帧样本图像；根据所述样本数据集，对待训练的目标神经网络进行训练；构造加权损失值，通过对所述加权损失值进行加权反向传播以持续训练所述目标神经网络，直至所述加权损失值收敛，得到训练完成的目标神经网络。

9.一种计算机设备，其中，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至6中任一项所述的烟火检测方法的步骤。

10.一种计算机非瞬态可读存储介质，其中，该计算机非瞬态可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至6中任一项所述的烟火检测方法的步骤。