[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

说明书

本公开提供一种烟火检测方法、系统、计算机设备以及存储介质，属于安防监控技术领域，其中，烟火检测方法包括利用目标神经网络对目标图像进行烟火预测；其中，目标神经网络包括特征提取网络和对象分类网络；特征提取网络为不具有下采样Focus层的轻量级网络；烟火检测方法包括：获取目标图像；利用特征提取网络，提取目标图像的第一图像特征；利用对象分类网络，对第一图像特征进行对象类别预测，得到烟火预测结果分类网络，对第一图像特征进行对象类别预测，得到烟火预测结果。

技术领域

本公开属于安防监控技术领域，具体涉及一种烟火检测方法、系统、计算机设备以及存储介质。

背景技术

火灾是一种频繁发生又损失惨重的灾难，是人们一直关注又要求极力预防的灾祸。发生火灾时，大多数情况是初期出现烟雾，然后伴随着有明火燃起，也有爆炸等引起的突然起火情况，这时，并不会提前出现烟雾现象。所以进行火焰检测能够避免火灾带来很大的伤害，进行烟雾检测则能够更好的预防起火，将火灾事故遏制在摇篮当中。所以，准确及时地对火焰进行检测的同时，又对烟雾进行检测，在消防安全领域防火防灾极其重要。

发明内容

本公开旨在至少解决现有技术中存在的技术问题之一，提供一种烟火检测方法、系统、计算机设备以及存储介质。

第一方面，本公开实施例提供了一种烟火检测方法，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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：