[發明專利]一種火災檢測方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202310418964.7
• 申請日: 2023-04-18
• 公開（公告）號: CN116453053B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 楊晨悅;董務闖;賈弢;王廣宇;曹毅超;封曉強
• 申請（專利權）人: 南京恩博科技有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/46;G06V10/82;G06V10/774
• 代理公司: 江蘇瑞途律師事務所 32346
• 代理人: 金龍

1.一種火災檢測方法，其步驟包括：

建立火災圖像數據集，輸入火災圖像；

對火災圖像下采樣得到低分辨率特征圖，運用顯著性網絡和目標真值框計算低分辨率特征圖得到顯著性特征圖，所述顯著性特征圖的計算公式為：

其中，S表示顯著性特征圖，n表示神經網絡，g表示目標真值框，ω₁、ω₂表示可學習超參數，S_n表示運用顯著性網絡生成的顯著性特征圖，S_g表示運用目標真值框生成的顯著性特征圖，運用目標真值框生成的顯著性特征圖S_g的計算公式為：

其中，a表示幅值的可學習超參數，b表示帶寬的可學習超參數，B表示一組目標真值框，c_i表示一組目標真值框的中心點坐標，w_i表示一組目標真值框的寬度，h_i表示一組目標真值框的高度，N表示正態分布；

計算顯著性特征圖與火災圖像得到突出目標區域的扭曲后的火災圖像；運用網格采樣器函數計算顯著性特征圖與火災圖像得到突出目標區域的扭曲后的火災圖像，所述得到突出目標區域的扭曲后的火災圖像的計算公式為：

其中，J表示突出目標區域的扭曲后的火災圖像，I表示火災圖像，gs表示網格采樣器函數；通過扭曲函數計算突出目標區域的扭曲后的火災圖像與火災圖像之間的映射，坐標變換公式為：

其中，J（x,y）表示突出目標區域的扭曲后的火災圖像中的像素點，x表示突出目標區域的扭曲后的火災圖像中的像素橫坐標，y表示突出目標區域的扭曲后的火災圖像中的像素縱坐標，x＇表示火災圖像中的像素橫坐標，y＇表示火災圖像中的像素縱坐標，S_x表示顯著性特征圖中橫坐標對應的值，S_y表示顯著性特征圖中縱坐標對應的值，k表示高斯距離核；

在變換神經網絡結構中用最大池化替代注意力機制，得到基于最大池化的變換神經網絡，將基于最大池化的變換神經網絡與無錨的目標檢測網絡結合得到火災檢測模型；

通過火災檢測模型計算得到突出目標區域的扭曲后的火災圖像的空間預測結果，運用逆映射將空間預測結果映射回火災圖像中，得到優化后的火災檢測模型；

通過優化后的火災檢測模型對所述火災圖像數據集進行檢測，得到檢測結果。

2.根據權利要求1所述的一種火災檢測方法，其特征在于，將基于最大池化的變換神經網絡作為無錨的目標檢測網絡的主干特征提取網絡。

3.根據權利要求1所述的一種火災檢測方法，其特征在于，選擇顯著性網絡，在顯著性網絡的全連接層后，運用歸一化函數標準化輸出，得到運用顯著性網絡生成的顯著性特征圖S_n。