烟雾检测方法、系统、介质、电子设备及烟雾检测模型与流程

本发明涉及物理领域，尤其涉及神经网络数据处理技术，特别是一种烟雾检测方法、系统、介质、电子设备及烟雾检测模型。

背景技术：

1、传统烟雾检测方法主要采用烟雾传感器进行检测，但是需要烟雾到达一定浓度才会触发烟雾传感器进行报警，并且传感器检测距离有限，经常出现漏检和误检的现象。由于烟雾的形状是不固定的、存在多种与烟雾颜色或外观及其相似的类烟物体，因此现有烟雾检测算法准确率低。

技术实现思路

1、本发明的目的在于提供一种烟雾检测方法、系统、介质、电子设备及烟雾检测模型，用于解决上述背景技术中指出的问题。

2、第一方面，本发明提供一种烟雾检测模型，应用于目标区域的烟雾检测，所述烟雾检测模型为多层网络结构，所述烟雾检测模型包括：特征提取网络和目标特征增强网络；其中，所述特征提取网络用于接收所述目标区域的监控数据，及用于对所述监控数据进行特征提取，获取多尺度特征；所述目标特征增强网络与所述特征提取网络连接，所述目标特征增强网络用于接收所述多尺度特征，及用于基于所述多尺度特征获取目标特征，以基于所述目标特征实现对所述目标区域的烟雾检测。

3、本发明中，针对现有烟雾检测算法准确率低的问题，提出了一种新型的烟雾检测模型，通过目标特征增强网络的设计，使该烟雾检测模型能够更好的关注烟雾运动区域，增强了其对小目标的识别能力，从而提高了烟雾检测准确率。

4、在第一方面的一种实现方式中，所述目标特征增强网络用于基于所述多尺度特征获取目标特征包括：所述目标特征增强网络对所述多尺度特征的所有帧进行求和取平均处理，获取背景图；所述目标特征增强网络使用所述多尺度特征的每一帧减去所述背景图，获取前景区域检测图；所述目标特征增强网络对所述前景区域检测图进行特征增强，以获取所述目标特征。

5、在第一方面的一种实现方式中，所述目标特征增强网络对所述前景区域检测图进行特征增强，以获取所述目标特征包括：所述目标特征增强网络对所述前景区域检测图进行卷积和非线性处理，获取处理特征图；所述目标特征增强网络对所述处理特征图增加注意力机制，获取所述目标特征。

6、本实现方式中，通过在烟雾检测算法中，增加注意力机制，提高了烟雾检测模型对于小目标的关注。

7、在第一方面的一种实现方式中，通过所述特征提取网络获取多个分别对应所述多层网络结构不同层的多尺度特征，以通过所述目标特征增强网络基于多个所述多尺度特征获取多个目标特征；所述烟雾检测模型还包括：多尺度特征融合模块；所述多尺度特征融合模块与所述目标特征增强网络连接，所述多尺度特征融合模块用于对多个所述目标特征进行从低层到高层及从高层到低层，两条路径的特征融合，获取输出特征，以基于所述输出特征实现对所述目标区域的烟雾检测。

8、本实现方式中，通过在烟雾检测模型中增加多尺度特征融合模块，使该烟雾检测模型提取多尺度特征更丰富，充分融合了高级特征图语义信息和低级特征图空间信息，降低了与烟雾颜色相近物体引起的误报率。

9、在第一方面的一种实现方式中，对所述目标特征进行可视化。

10、本实现方式中，通过对目标特征进行可视化，便于研究人员对于烟雾检测模型识别出的结果进行可解释分析，提高了烟雾识别的准确率。

11、在第一方面的一种实现方式中，所述多层网络结构存在多个不同层采用改进的inception模块；所述改进的inception模块的卷积核维度为1×1×1、3×3×3、3×3×3、5×5×5。

12、本实现方式中，提供了一种改进的inception模块，与传统的inception模块相比，该改进的inception模块的卷积核维度由原来的1×1×1、3×3×3、3×3×3、3×3×3改为了1×1×1、3×3×3、3×3×3、5×5×5，从而能够得到不同感受野区域特征，实现更好地判断烟雾不规则特性、捕获烟雾全局信息，进而较好提高烟雾检测率，减少误报率。

13、第二方面，本发明提供一种基于上述的烟雾检测模型实现的烟雾检测方法，所述烟雾检测方法包括：获取目标区域的监控数据；将所述监控数据输入至所述烟雾检测模型，使所述烟雾检测模型输出目标特征，以基于所述目标特征实现对所述目标区域的烟雾检测。

14、在第二方面的一种实现方式中，在将所述监控数据输入至所述烟雾检测模型的步骤之前，所述烟雾检测方法还包括：获取烟雾监控数据集；基于所述烟雾监控数据集训练所述烟雾检测模型，以获取训练好的烟雾检测模型；所述烟雾监控数据集中包括多个烟类监控数据和多个雾类监控数据；将所述监控数据输入至所述烟雾检测模型包括：将所述监控数据输入至所述训练好的烟雾检测模型。

15、本实现方式中，提供了一个真实的烟雾监控数据集，该烟雾监控数据集中的监控数据均是由监控系统拍摄得到的，其可以反映不同场景下目标区域产生的烟雾特征，该烟雾监控数据集对于研究真实场景中烟雾识别具有重要意义。

16、第三方面，本发明提供一种基于上述的烟雾检测模型实现的烟雾检测系统，所述烟雾检测系统包括：获取模块，用于获取目标区域的监控数据；检测模块，用于将所述监控数据输入至所述烟雾检测模型，使所述烟雾检测模型输出目标特征，以基于所述目标特征实现对所述目标区域的烟雾检测。

17、第四方面，本发明提供一种电子设备，所述电子设备包括：处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行上述的烟雾检测方法。

18、第五方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被电子设备执行时实现上述的烟雾检测方法。

19、如上所述，本发明所述的烟雾检测方法、系统、介质、电子设备及烟雾检测模型，具有以下有益效果：

20、(1)与现有技术相比，本发明提出了一种基于深度学习的烟雾检测模型，通过该烟雾检测模型中目标特征增强网络和多尺度特征融合模块的设计，有效克服了在火灾监测中小目标难以被检测、检测效果不稳定、图像分辨率低以及存在大量与烟雾颜色相近的物体干扰等问题，从而提高了烟雾检测的准确性和可靠性。

21、(2)本发明采用创新的算法和技术，结合先进的计算机视觉技术和机器学习方法，提供了一种烟雾检测方法；同时，本发明还考虑了烟雾检测算法的实时性和效率，以确保在实际应用中能够快速地进行烟雾检测和预警；通过该烟雾检测方法能够实现快速检测是否有烟雾产生并且能够准确定位烟雾发生的具体位置；通过将其应用在室外宏站、城市智慧灯杆或室内等场景进行火灾预警，能够减少火灾发生的概率。

技术特征：

1.一种烟雾检测模型，应用于目标区域的烟雾检测，其特征在于，所述烟雾检测模型为多层网络结构，所述烟雾检测模型包括：特征提取网络和目标特征增强网络；其中，

2.根据权利要求1所述的烟雾检测模型，其特征在于，所述目标特征增强网络用于基于所述多尺度特征获取目标特征包括：

3.根据权利要求2所述的烟雾检测模型，其特征在于，所述目标特征增强网络对所述前景区域检测图进行特征增强，以获取所述目标特征包括：

4.根据权利要求1所述的烟雾检测模型，其特征在于，通过所述特征提取网络获取多个分别对应所述多层网络结构不同层的多尺度特征，以通过所述目标特征增强网络基于多个所述多尺度特征获取多个目标特征；所述烟雾检测模型还包括：多尺度特征融合模块；

5.根据权利要求1所述的烟雾检测模型，其特征在于，对所述目标特征进行可视化；和/或

6.一种基于权利要求1至5中任一项所述的烟雾检测模型实现的烟雾检测方法，其特征在于，所述烟雾检测方法包括：

7.根据权利要求6所述的烟雾检测方法，其特征在于，在将所述监控数据输入至所述烟雾检测模型的步骤之前，所述烟雾检测方法还包括：

8.一种基于权利要求1至5中任一项所述的烟雾检测模型实现的烟雾检测系统，其特征在于，所述烟雾检测系统包括：

9.一种电子设备，其特征在于，所述电子设备包括：处理器及存储器；

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被电子设备执行时实现权利要求6或7所述的烟雾检测方法。

技术总结
本发明提供一种烟雾检测方法、系统、介质、电子设备及烟雾检测模型；所述烟雾检测模型为多层网络结构，烟雾检测模型包括：特征提取网络和目标特征增强网络；其中，特征提取网络用于接收目标区域的监控数据，及用于对监控数据进行特征提取，获取多尺度特征；目标特征增强网络与特征提取网络连接，目标特征增强网络用于接收多尺度特征，及用于基于多尺度特征获取目标特征，以基于目标特征实现对目标区域的烟雾检测；本发明针对现有烟雾检测算法准确率低的问题，提出了一种新型的烟雾检测模型，通过目标特征增强网络的设计，使该烟雾检测模型能够更好的关注烟雾运动区域，增强了其对小目标的识别能力，从而提高了烟雾检测准确率。

技术研发人员：董雨,张志宏,张宏宇,许颖
受保护的技术使用者：上海邮电设计咨询研究院有限公司
技术研发日：
技术公布日：2024/5/29