[發明專利]用于火災的目標識別方法、裝置、設備及介質

在審

• 申請號: 202210304551.1
• 申請日: 2022-03-21
• 公開（公告）號: CN114842185A
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 艾如飛;李才博;朱國緒;吳斌;王迅
• 申請（專利權）人: 昭通亮風臺信息科技有限公司
• 主分類號: G06V10/22
• 分類號: G06V10/22;G06V10/42;G06V10/774;G06K9/62
• 代理公司: 上海雍灝知識產權代理事務所(普通合伙) 31368
• 代理人: 沈汶波

1.一種用于火災的目標識別方法，其特征在于，包括：

采集多個包含煙霧或火焰的火災圖像，并對所述火災圖像中的煙霧或火焰進行標注，生成訓練樣本；

建立基于YOLO網絡結構的初始模型，配置參數；所述初始模型包括Foucs塊、由卷積層、批量標準化層、激活層組成的卷積塊、CPS瓶頸層以及空間金字塔池化層；

在初始模型中，在卷積后設置壓縮和激勵網絡模塊，對卷積后的圖像在通道維度上進行權重分配；

在所述卷積塊后設置卷積塊注意力模塊，使得通過卷積塊后的圖像先后通過通道注意力模塊和空間注意力模塊，以在通道維度和空間維度上再次分別進行權重分配；

采用所述訓練樣本對所述初始模型進行訓練，獲得用于識別煙霧或火焰的目標模型；采集實時圖像，采用所述目標模型對所述實時圖像進行目標識別，獲得目標結果。

2.根據權利要求1所述的目標識別方法，其特征在于，所述在卷積后設置壓縮和激勵網絡模塊，對卷積后的圖像在通道維度上進行權重分配，包括：

對卷積后的圖像進行壓縮操作，獲得通道級的全局特征圖像；

對所述全局特征圖像進行激勵操作，以生成各個通道的對應關系及權重；

根據各個通道的對應關系及權重對所述卷積后的圖像進行像素加權。

3.根據權利要求2所述的目標識別方法，其特征在于，所述對卷積后的圖像進行壓縮操作，獲得通道級的全局特征圖像，包括：

獲取一通道上的空間特征，將所述空間特征編碼為全局特征；

基于所述全局特征對所述卷積后的圖像進行全局平局池化，獲得通道級的全局特征圖像。

4.根據權利要求2所述的目標識別方法，其特征在于，對所述全局特征圖像進行激勵操作，以生成各個通道的對應關系及權重，包括：

采用第一全連接層對所述全局特征圖像進行由初始維度的降維，并通過具有第一縮放參數的激活函數處理，獲得第一處理圖像；

利用第二全連接層對所述第一處理圖像進行升維至初始維度，并通過具有第二縮放函數的激活函數處理，獲得各個通道的對應關系及權重。

5.根據權利要求1所述的目標識別方法，其特征在于，所述通過卷積塊后的圖像先后通過通道注意力模塊和空間注意力模塊，以在通道維度和空間維度上再次分別進行權重分配，包括：

采用通道注意力模塊對通過卷積塊后的圖像在空間維度上進行壓縮后，利用平均池化和最大池化映射，求和合并，產生通道注意力圖；

基于所述通道注意力圖對通過卷積塊后在通道維度上進行權重分配，獲取中間圖像；采用空間注意力模塊對所述中間圖像在通道維度上進行壓縮后，利用平均池化和最大池化合并，產生空間注意力圖；

基于所述空間注意力圖在空間維度上對所述中間圖像進行權重分配。

6.根據權利要求1所述的目標識別方法，其特征在于，所述對所述火災圖像中的煙霧或火焰進行依序標注，生成訓練樣本，包括：

根據煙霧或火焰的位置和大小對各個火災圖像進行排序；

逐個采用YOLO的文本格式標簽對各個火災圖像中的煙霧或火焰進行標注并依序排列，以生成訓練樣本。

7.根據權利要求1所述的目標識別方法，其特征在于：

所述目標模型包括訓練后參數固定的Foucs塊、卷積塊、卷積塊注意力模塊、CPS瓶頸層、空間金字塔池化層以及壓縮和激勵網絡模塊。