基于上下文特征交互的烟雾检测方法、装置、设备及介质

本申请涉及人工智能，尤其涉及一种基于上下文特征交互的烟雾检测方法、装置、设备及介质。

背景技术：

1、及早发现潜在的火灾危险情况是人们关心的问题。通常，烟雾向上升起，并在火灾蔓延之前的初始阶段可见。烟雾，能够给出火灾存在风险的早期指示。烟雾具有可形变，且为非刚性物体等天然属性，这些天然属性会给烟雾检测带来干扰。其次，没有单一特征可以完美表征烟雾。再者，烟雾检测过程中有云，水汽，雾，阴影，天空，玻璃反光等与烟雾相似或造成检测干扰的物体。

2、目前，烟雾检测大多基于传感器的系统。但是由于烟雾传播需要一定的时间，烟雾传感器不能够及时准确地检测出烟雾；同时由于烟雾会向多个方向传播，导致在检测大区域时效率不高，并且烟雾传感器价格高昂，导致烟雾检测成本较高。

技术实现思路

1、本申请实施例的目的在于提出一种基于上下文特征交互的烟雾检测方法、装置、设备及介质，以提高烟雾检测的准确性和效率，降低烟雾检测的成本。

2、为了解决上述技术问题，本申请实施例提供一种基于上下文特征交互的烟雾检测方法，包括：

3、收集样本烟雾图像集，并对所述样本烟雾图像集中的每一图像进行预处理，得到训练图像数据；

4、将所述训练图像数据输入至检测网络模型中，通过引入重参数化大核卷积的特征提取模块对所述训练图像数据进行特征提取，得到多层初始特征，其中，所述初始特征包括第一层初始特征、第二层初始特征和第三层初始特征；

5、基于所述初始特征构建特征金字塔，并基于所述特征金字塔进行特征融合，得到初始融合特征；

6、通过上下文特征交互增强模块基于所述初始融合特征进行上下文特征交互增强融合，得到目标融合特征；

7、基于所述目标融合特征进行目标检测，得到多个目标的类别信息和位置信息，并基于所述类别信息和位置信息进行损失计算，生成模型损失值；

8、基于所述模型损失值调整所述检测网络模型的模型参数，并采用反向传播的方式对所述检测网络模型进行训练，得到目标检测网络模型；

9、获取待检测烟雾图像，并基于所述目标检测网络模型对所述待检测烟雾图像进行检测，生成目标检测结果。

10、为了解决上述技术问题，本申请实施例提供一种基于上下文特征交互的烟雾检测装置，包括：

11、烟雾图像收集单元，用于收集样本烟雾图像集，并对所述样本烟雾图像集中的每一图像进行预处理，得到训练图像数据；

12、初始特征提取单元，用于将所述训练图像数据输入至检测网络模型中，通过引入重参数化大核卷积的特征提取模块对所述训练图像数据进行特征提取，得到多层初始特征，其中，所述初始特征包括第一层初始特征、第二层初始特征和第三层初始特征；

13、初始特征融合单元，用于基于所述初始特征构建特征金字塔，并基于所述特征金字塔进行特征融合，得到初始融合特征；

14、目标特征融合单元，用于通过上下文特征交互增强模块基于所述初始融合特征进行上下文特征交互增强融合，得到目标融合特征；

15、模型损失计算单元，用于基于所述目标融合特征进行目标检测，得到多个目标的类别信息和位置信息，并基于所述类别信息和位置信息进行损失计算，生成模型损失值；

16、模型训练单元，用于基于所述模型损失值调整所述检测网络模型的模型参数，并采用反向传播的方式对所述检测网络模型进行训练，得到目标检测网络模型；

17、检测结果生成单元，用于获取待检测烟雾图像，并基于所述目标检测网络模型对所述待检测烟雾图像进行检测，生成目标检测结果。

18、为解决上述技术问题，本发明采用的一个技术方案是：提供一种计算机设备，包括，一个或多个处理器；存储器，用于存储一个或多个程序，使得一个或多个处理器实现上述任意一项所述的基于上下文特征交互的烟雾检测方法。

19、为解决上述技术问题，本发明采用的一个技术方案是：一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的基于上下文特征交互的烟雾检测方法。

20、本发明实施例提供了一种基于上下文特征交互的烟雾检测方法、装置、设备及介质。其中，方法包括：收集样本烟雾图像集，并对所述样本烟雾图像集中的每一图像进行预处理，得到训练图像数据；将所述训练图像数据输入至检测网络模型中，通过引入重参数化大核卷积的特征提取模块对所述训练图像数据进行特征提取，得到多层初始特征，其中，所述初始特征包括第一层初始特征、第二层初始特征和第三层初始特征；基于所述初始特征构建特征金字塔，并基于所述特征金字塔进行特征融合，得到初始融合特征；通过上下文特征交互增强模块基于所述初始融合特征进行上下文特征交互增强融合，得到目标融合特征；基于所述目标融合特征进行目标检测，得到多个目标的类别信息和位置信息，并基于所述类别信息和位置信息进行损失计算，生成模型损失值；基于所述模型损失值调整所述检测网络模型的模型参数，并采用反向传播的方式对所述检测网络模型进行训练，得到目标检测网络模型；获取待检测烟雾图像，并基于所述目标检测网络模型对所述待检测烟雾图像进行检测，生成目标检测结果。本发明实施例通过将上下文特征进行交互融合增强，有利于提高烟雾检测的准确性，同时在检测到烟雾发生时便能够及时发现烟雾，有利于提高烟雾检测的效率，并且无需部署多个烟雾传感器，有利于降低烟雾检测的成本。

技术特征：

1.一种基于上下文特征交互的烟雾检测方法，其特征在于，包括：

2.根据权利要求1所述的基于上下文特征交互的烟雾检测方法，其特征在于，所述特征提取模块包括c3模块、c4模块和c5模块，所述将所述训练图像数据输入至检测网络模型中，通过引入重参数化大核卷积的特征提取模块对所述训练图像数据进行特征提取，得到多层初始特征，包括：

3.根据权利要求2所述的基于上下文特征交互的烟雾检测方法，其特征在于，所述将引入重参数化大核卷积的所述c3模块对所述训练图像进行特征提取，生成所述第一层初始特征，包括：

4.根据权利要求1所述的基于上下文特征交互的烟雾检测方法，其特征在于，所述初始融合特征包括第一融合特征、第二融合特征、第三融合特征和第四融合特征，所述通过上下文特征交互增强模块基于所述初始融合特征进行上下文特征交互增强融合，得到目标融合特征，包括：

5.根据权利要求4所述的基于上下文特征交互的烟雾检测方法，其特征在于，所述基于所述第一融合特征、所述第三融合特征与所述第四融合特征进行特征融合，生成第三目标融合特征，包括：

6.根据权利要求4所述的基于上下文特征交互的烟雾检测方法，其特征在于，所述基于所述第三融合特征与所述第四融合特征进行特征融合，生成第五目标融合特征，包括：

7.根据权利要求1至6任一项所述的基于上下文特征交互的烟雾检测方法，其特征在于，所述基于所述目标融合特征进行目标检测，得到多个目标的类别信息和位置信息，并基于所述类别信息和位置信息进行损失计算，生成模型损失值，包括：

8.一种基于上下文特征交互的烟雾检测装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于上下文特征交互的烟雾检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于上下文特征交互的烟雾检测方法。

技术总结
本申请涉及一种基于上下文特征交互的烟雾检测方法、装置、设备及介质，其中方法包括：对所收集样本烟雾图像集进行预处理，得到训练图像数据；通过引入重参数化大核卷积的特征提取模块对训练图像数据进行特征提取得到多层初始特征；对初始特征进行初步融合得到初始融合特征；通过上下文特征交互增强模块基于初始融合特征进行上下文特征交互增强融合，得到目标融合特征；基于目标融合特征进行目标检测和损失计算，生成模型损失值；基于模型损失值对检测网络模型进行训练得到目标检测网络模型；基于目标检测网络模型对待检测烟雾图像进行检测，生成目标检测结果。本申请提高了烟雾检测的准确性和效率，降低了烟雾检测的成本。

技术研发人员：朱映映,林杰锋
受保护的技术使用者：深圳大学
技术研发日：
技术公布日：2024/4/17