一种火焰检测方法及装置与流程

本方案属于计算机图像目标检测，具体涉及一种火焰检测方法及装置。

背景技术：

1、火焰检测在工业安全、森林防火、智能家居等领域具有重要意义。传统的火焰检测方法主要依赖于光电传感器、红外传感器和紫外传感器，这些方法在特定条件下有一定效果，但在复杂环境中容易受到干扰，且无法实时处理大量视频数据。

2、近年来，随着深度学习技术的发展，基于卷积神经网络（cnn）的物体检测算法得到了广泛应用，其中yolo（you only look once）系列算法因其高效、实时的特性，成为许多应用的首选。然而，传统的yolo算法在捕捉全局信息和长距离依赖关系上却存在局限，导致在复杂背景和多变环境下检测精度下降；且传统的yolo算法的锚框机制在面对形态和大小变化较大的火焰时表现不佳，无法灵活适应所有火焰形态，尤其是在环境干扰较大的情况下（如环境光照干扰、烟雾干扰），更加无法有效捕捉火焰。这些问题导致传统的yolo算法在火焰捕捉的实际应用场景中，存在稳定性差、准确性低的问题。

技术实现思路

1、本方案的目的是提供一种火焰检测方法及装置，以解决传统的yolo算法在火焰捕捉的实际应用场景中稳定性差、准确性低的问题。

2、为了达到上述目的，本方案提供一种火焰检测方法，包括以下步骤：

3、s10：采集火焰相关图片数据，并对火焰和烟雾进行标注，获取图像数据中的火焰信息；对图像信息中的动物进行标注，获取图像信息中的动物行为信息；对图像信息中的环境进行标注，获取图像信息中的光照信息；

4、s20：构建yolov8模型，并在yolov8模型的backbone的卷积模块中添加acmix；

5、s30：将火焰信息、动物行为信息、光照信息训练yolov8模型，得到用于判断火焰和烟雾形态的火焰模型、用于判断动物种类和动物行为的动物行为模型、用于判断光源数量和光源物体的光照模型；

6、s40：将火焰模型、动物行为模型和光照模型产生的结果结合，判断出火情。

7、一种火焰检测装置，包括：

8、信息采集单元：采集火焰相关图片数据，并对火焰和烟雾进行标注，获取图像数据中的火焰信息；对图像信息中的动物进行标注，获取图像信息中的动物行为信息；对图像信息中的环境进行标注，获取图像信息中的光照信息；

9、模型构建单元：构建yolov8模型，并在yolov8模型的backbone的卷积模块中添加acmix，将火焰信息、动物行为信息、光照信息训练yolov8模型，得到用于判断火焰和烟雾形态的火焰模型、用于判断动物种类和动物行为的动物行为模型、用于判断光源数量和光源物体的光照模型；

10、综合判断单元：将火焰模型、动物行为模型和光照模型产生的结果结合，判断出火情。

11、本方案的原理和技术效果在于：通过引入acmix自注意力机制，本发明能够在特征提取过程中有效捕捉全局信息和长距离依赖关系，更好地识别和定位火焰，即使在复杂背景下，也能提高检测的准确性和灵活性，克服传统锚框机制固定性带来的局限。同时，acmix自注意力机制通过结合多尺度特征和全局信息，使得模型在处理小物体时更加精准，尤其是小范围火焰或远距离火焰，改进后的yolov8算法能够更有效地捕捉这些目标，提高检测的全面性和可靠性。最后，acmix通过优化注意力计算过程，使得在高效捕捉全局信息的同时，尽可能降低额外的计算和内存开销。这一优化确保了模型在实现高精度火焰检测的同时，仍然能够保持较高的推理速度，满足实时检测的需求。改进后的yolov8算法能够更好地过滤环境中的干扰因素，并捕捉火焰的细粒度特征和边缘信息，从而提高检测的稳定性和准确性，适用于更加多样化的应用场景。

12、本方案还将优化后的yolov8模型用于建立动物行为模型和光照模型，通过判断动物种类和动物行为、光源数量和光源物体，结合火焰和烟雾形态，侧面核验火焰的真实情况以及火情的火势影响情况，排除火焰真实但火情不严重的特殊情况，减少系统对火情的误判。

13、综上所述，本方案解决了传统的yolo算法在火焰捕捉的实际应用场景中稳定性差、准确性低的问题。

14、进一步，当火焰模型检测火焰时，通过物体边缘轮廓与火焰轮廓的关系，将与火焰叠加的物体作为光源物体，判断一段时间内火焰轮廓与光源物体的边缘轮廓是否发生变化；若火焰轮廓包裹覆盖的范围变大，光源物体的边缘轮廓包裹覆盖的范围变小，则判断为火势蔓延；若火焰轮廓和光源物体的边缘轮廓不变，则判断为不存在火焰；若火焰轮廓包围覆盖的范围变小，则判断为火势变小；当火势变大时，通过多次检测火焰大小确定火势是否持续变大，若持续变大，则判定为危险情况。

15、通过对比火焰轮廓与光源物体边缘轮廓的变化，能够及时发现火势蔓延的情况，例如在森林中，当火焰与树木等物体叠加时，系统能够迅速识别出火焰轮廓包裹覆盖范围变大以及光源物体（树木）边缘轮廓包裹覆盖范围变小的情况，从而确定火势正在蔓延。当火焰轮廓和光源物体的边缘轮廓不变时，能够准确判断不存在火焰，避免误报。在一些可能存在类似火焰特征的环境中，如反射光、强光照射等情况下，该方法可以有效地排除干扰，准确判断是否真正存在火焰。例如在一些工业场所，可能会有强光反射或者高温物体的存在，通过这种判断方式可以避免将这些非火焰情况误判为火灾，减少不必要的恐慌和资源浪费。

16、进一步，在yolov8的基础上添加acmix自注意力机制，将自注意力和卷积技术融合。

17、进一步，在yolov8的基础上添加acmix自注意力机制，通过分解自注意力和卷积中的运算，重构为1x1卷积形式。

18、acmix是一种混合模型，结合了自注意力机制和卷积运算的优势。它的核心思想是，传统卷积操作和自注意力模块的大部分计算都可以通过1x1的券积来实现。acmix首先使用1x1卷和对输入特征图进行投影，生成一组中间特征，然后根提不同的范式，即自注意力和卷积方式，分别重用和聚合这些中间特征。这样，acmix既能利用自注意力的全局感知能力，又能通过卷积捕获局部特征，从而在保持较低计算成本的同时，提高模型的性能。

19、进一步，当火焰模型的识别到图像数据中存在火焰或烟雾时，将图像数据放入光照模型中识别出光源物体，通过光源物体和火焰之间的关系，判断火情是否安全。

20、通过光源物体与火焰和烟雾之间的关系，可以排除存在火焰但不存在火情的特殊场景，减少对火情的误判。

21、进一步，对图像信息中的动物进行标注时，提取图像信息中各个物体的边缘轮廓和像素位置，通过边缘轮廓识别出图像信息中存在的动物种类和火焰信息，图像信息中识别到动物时，增加图片数据的采集频率，将图像信息中的动物种类和火焰信息的像素位置结合判断动物与火焰的距离，通过图像信息的采集间隔时间结合动物与火焰的距离，得到动物与火焰的位置变化情况，将位置变化情况和火焰的火势结合推测动物行为；若动物加速远离火焰期间火势变大，则将动物行为判断为避火行为，若动物靠近火焰或与火焰保持固定的距离不变时，调整图片数据的拍摄角度拍摄图片数据，判断改变拍摄角度后拍摄的图像信息中火焰的位置是否发生改变，若未改变，则对火焰持续进行拍摄，若火焰位置与动物图像中其它物体的位置发生改变，则将火焰判断为光影造成的误判；对火焰持续进行拍摄时，若动物加速远离火焰，则将动物行为判断为避火行为。

22、对火焰持续进行拍摄时，如果动物加速远离火焰，则将动物行为判断为避火行为。这进一步验证了火焰的真实性，并确定了动物的行为是对火灾的反应。通过持续拍摄和观察动物的行为，可以更加准确地判断火灾的情况和动物的安全状况。例如，在森林火灾监测中，如果发现动物加速逃离火焰区域，就可以确定火灾正在蔓延，需要及时采取灭火和救援措施。当识别到动物与火焰同时存在，且动物没有避火行为时，动物的行为验证了火焰不是真实存在的火焰，此时采集到的火焰可能是拍摄角度的光影造成的，例如在阳光强烈或有其他光源干扰的环境中，此时改变拍摄角度能避免将光影误认为是火焰（拍摄不到火焰，图片数据中无法识别出火焰），减少误报情况的发生。若改变角度后仍识别到火焰，有可能是环境中存在类似火焰的物体，或采集图片数据的装置出现异常，此时，调整角度后拍摄的图片，若火焰的位置没有改变（火焰的形状和位置不会随拍摄角度改变而改变），则火焰是类似火焰的物体，若火焰的位置始终固定在图片数据中的某一个位置，则采集图片数据的装置出现异常。

23、进一步，若图像信息中识别到人类存在，通过对人类身体结构进行识别判断人类是否其它物体；当人类持有其它物体时，判断物体与光源物体的关系，若光源物体与人类持有的物体是同一物体，则延长判断时间，判断光源物体是否与人类的头部接触，若接触，则将人类的行为判断为吸烟行为；若光源物体不是人类持有的物体，则延长判断的时间，判断人类持有的物体与火焰接触后火势的变化情况，若火势变小或火焰消失，则将人类的行为判断为灭火行为；若光源物体与人类持有的物体是同一物体，延长判断后，光源物体与其他物体接触后其它物体上也出现了逐渐变大的火焰，则将人类的行为判断为纵火行为。

24、人类吸烟时，烟（光源物体）不仅与人类的手部接触，还会与人类的头部接触，通过这一联系，可以判断出人类的吸烟行为。当人类灭火时，人类、用于灭火的物体和光源物体（或人类和光源物体）接触后火势应该减小，甚至被扑灭。人类纵火时，火焰会从人类接触的物体传递给光源物体，或者和人类接触后的物体变成光源物体。通过延长判断时间，判断人类和光源物体（正在燃烧的物体）之间的位置关系、时间上的位置关系的变化和时间上火焰的变化，能准确的对人类的行为进行判断，通过人类的行为能对火焰得到更准确、详细的了解。

25、进一步，当人类出现纵火行为时，以火焰为中心，识别判断火焰周围的地面是否围绕有阻断材料或是否存在易燃物品，若周围有阻断材料或不存在易燃物品，则将人类的纵火行为判断为安全行为；否则，将纵火时图片信息中人类的像素数量与后续采集的像素数量对比，计算人类位置变化的距离，将人类位置变化后的像素数量与光源物体和火焰的像素数量的比值作为远距离比值，若人类变化的距离超过预设的火焰控制距离，将人类行为视为恶意纵火行为，通过远距离比值和人类的身体结构推测火焰的燃烧范围，当燃烧范围超过预设的最大燃烧范围时,发出警报提示，再识别人类是否有灭火行为，若没有灭火行为，则将人类纵火行为的图像信息上报。

26、当人类出现纵火行为时，人类可能是为了取暖的安全行为，也可能时故意纵火的恶意行为。若火焰燃烧时，火焰周围没有易燃物品，或者火焰周围的地面上围绕有阻断材料，说明人类在纵火前有控制火势过度蔓延的行为，此时人类的行为时安全行为，若火焰燃烧前没有对火焰的燃烧范围进行提前控制，但人类没有距离火焰太远（人类还可以控制火焰），延长判断时间，通过图片中火焰和人类的比值，可以推测人类距离火焰的距离和火焰的大小，若人类距离火焰较远，则说明人类知道火焰的危险仍选择纵火。若人类纵火后没有与火焰距离较远，说明人类可能处于缺乏用火安全意识，此时需要在火焰过度蔓延时提醒人类及时灭火，若人类听到灭火提醒后没有选择灭火，说明人类故意纵火。

27、进一步，还包括报警单元，所述报警单元用于根据火情发出火情警报提示，显示具体图像信息。