[发明专利]基于浅层引导深层特征融合的早期火灾检测方法

权利要求书

1.基于浅层引导深层特征融合的早期火灾检测方法，其特征在于，包括以下步骤：

步骤A：使用缩放和池化操作降低输入特征图的尺寸；

步骤B：采用SGD模块将赋予每个浅层特征通道不同权重，为后续深层通道特征融合提供引导；

步骤C：使用骨干网络对输入特征进行提取，并对深层特征中的通道进行融合；

步骤D：对于融合后的深层特征进行处理，进一步提取融合后的特征；

步骤E：采用检测头对输出特征进行处理，得到视频帧的早期火灾检测结果。

2.根据权利要求1所述的方法，其中步骤A具体包括如下步骤：

步骤A01：对输入图像进行自适应图像缩放，将输入图片统一为640×640大小；

步骤A02：使用2×2的卷积核对步骤A01处理后的图像进行步长为2的最大值池化操作，将图像尺寸缩小至320×320。

3.根据权利要求1所述的方法，其中步骤B具体包括如下步骤：

步骤B01：对于输入图像在RGB颜色空间中进行拆分,

[R,G,B]＝split(frame)

其中frame为步骤1)处理后得到的特征图，split(·)为OpenCV中的通道拆分函数，将RGB颜色空间中的图像分别拆分为R、G、B通道；

步骤B02：将R、G、B通道的特征转化为YCbCr颜色空间中的特征；

其中R、G、B为步骤B01中拆分后得到的通道特征，cuda()表示使用在GPU上进行矩阵的乘法运算以提高计算速度，Y、Cb、Cr表示由R、G、B通道转换而来的Y、Cb、Cr通道特征；

步骤B03:对于步骤B02中得到的Y、Cb、Cr通道特征进行压缩处理，

其中X＝[X_Y,X_Cb,X_Cr],表示Y、Cb、Cr通道的特征，H和W分别表示各通道特征图的高度和宽度，Y＝[Y_Y,Y_Cb,Y_Cr]为一维向量，表示Y、Cb、Cr通道经过计算得到的均值；

步骤B04：对于步骤B03中得到的Y进行激活处理，得到浅层特征中各个通道的权重,

W＝σ(FC(Relu(FC(Y))))

其中σ表示sigmoid激活函数，FC表示全连接层，Relu表示Relu激活函数，W表示经过处理后得到的各通道权重；

步骤B05：使用步骤B04中得到的权重W对步骤B02得到的表示Y、Cb、Cr通道特征的X进行更新，

其中表示逐通道相乘，表示对输入图像经过权重更新后得到的融合后的浅层特征。