[發明專利]一種林火煙霧探測方法及裝置

有效

• 申請號: 201910604190.0
• 申請日: 2019-07-05
• 公開（公告）號: CN110309800B
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 宋衛國;巴銳;袁璟;芮雪;張俊
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張靜

本發明實施例公開了一種林火煙霧探測方法及裝置，該方法通過多種類別的圖像集進行訓練，多注意力卷積神經網絡包括：卷積神經網絡的基礎模塊、至少一個殘差注意力模塊和至少一個通道?空間注意力模塊；所述通道?空間注意力模塊中包含通道注意力模塊和空間注意力模塊；通過樣本圖像集對網絡的訓練得到訓練好的多注意力卷積神經網絡，采用該訓練好的多注意力卷積神經網絡對煙霧進行識別，提高了煙霧識別的準確度，進而提高了林火煙霧預警的準確度。

技術領域

本發明涉及圖像處理領域，尤其涉及一種林火煙霧探測方法及裝置

背景技術

森林火災是一種經常發生，且破壞力強的自然災害，會對人類生命財產安全、生態系統和環境造成極大的傷害，因此，為了避免由于森林火災帶來的重大損失，對森林火災的預警非常必要。

森林火災發生過程中會釋放大量的煙霧，雖然森林火災產生的煙霧會損害空氣質量并擾亂大氣輻射，但是煙霧作為林火各個階段的重要產物，可以作為探測森林火災的信號，即可以通過對煙霧進行分析對森林火災進行預警。

現有技術中，出現了一些通過對煙霧進行分析，對森林火災進行預警的方法，例如，人工目視判別法、多波段閾值法等，但是對煙霧的識別準確度不高，因此，亟需研究一種方法提高煙霧識別的準確度，進而提高森林火災預警的準確度。

發明內容

有鑒于此，本發明實施例公開了一種林火煙霧探測方法及裝置，解決了現有技術中煙霧識別準確率低的問題。

本發明實施例公開了一種林火煙霧探測方法的流程示意圖，在本實施例中，該方法包括：

獲取待識別的圖像；

將所述待識別的圖像輸入到已訓練的多注意力卷積神經網絡中；所述已訓練的多注意力卷積神經網絡包括：卷積神經網絡的基礎模塊、至少一個殘差注意力模塊和至少一個通道-空間注意力模塊；所述通道-空間注意力模塊中包含通道注意力模塊和空間注意力模塊；所述多注意力卷積神經網絡是通過包含至少兩種地物類別的圖像集訓練后得到的；所述地物類別中包含煙霧類別，和與煙霧具有相似特征的其它類別；

輸出所述待識別的圖像是否屬于煙霧類別的結果。

可選的，還包括：

對所述待識別的圖像進行尺寸變換、裁剪和/或翻轉；

對所述待識別的圖像各通道的像素值進行歸一化處理。

可選的，對所述多注意力卷積神經網絡進行訓練的過程包括：

獲取樣本數據集；所述樣本數據集中包括煙霧類別和與所述煙霧類別具有相似特征的其它類別；

對所述樣本數據集中每個圖像進行人工判別和分類，并依據分類的結果設置所述樣本數據集中每個圖像的地物類別標簽；

將所述樣本數據集和每個圖像的類別標簽輸入到所述多注意力卷積神經網絡中，對所述多注意力卷積神經網絡進行訓練。

可選的，所述與所述煙霧具有相似特征的地物類別包括：煙霧、云、沙塵、霧霾、海岸、陸地中的一個或者多個。

可選的，所述通道注意力模塊包括：

全局池化層、至少一個全連接層、sigmoid函數和第一融合模塊；

其中，在所述通道注意力模塊接收到第一特征圖后，將所述第一特征圖分別經過全局池化層、至少一個全連接層和sigmoid函數進行處理，得到通道注意力分布，將所述第一特征圖和所述通道注意力分布通過所述融合模塊進行乘法操作，得到通道注意的結果圖。

可選的，所述空間注意力模塊包括：

特征處理模塊、至少一個全連接層、sigmoid函數和第二融合模塊；