申请/专利权人：上海应用技术大学

申请日：2021-03-16

公开（公告）日：2024-04-16

公开（公告）号：CN113011319B

主分类号：G06V10/25

分类号：G06V10/25;G06V10/82;G06V10/762;G06V10/774;G06N3/0464;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.07.09#实质审查的生效;2021.06.22#公开

摘要：本发明提供了一种多尺度火灾目标识别方法及系统，包括如下步骤：获取训练集，所述训练集通过对火灾图像进行标注生成；根据所述训练集进行聚类，生成多个先验框；构建目标检测模型，并至少根据所述先验框对所述目标检测模型的参数进行设置，所述目标检测模型通过对YOLOv4算法中的CSPDarknet53主干特征提取网络用MobileNet网络进行替换生成；通过所述训练集对目标检测模型进行训练生成火灾检测模型；通过火灾检测模型对输入的视频或图像进行火灾检测，判断是否发送火灾。本发明中火灾检测模型的参数量大大得到简化，能够满足嵌入式设备和实时性的要求，对于视频火灾目标的检测，拥有更快的识别速度。

主权项：1.一种多尺度火灾目标识别方法，其特征在于，包括如下步骤：步骤S1：获取训练集，所述训练集通过对火灾图像进行标注生成；步骤S2：根据所述训练集进行聚类，生成多个先验框；步骤S3：构建目标检测模型，并至少根据所述先验框对所述目标检测模型的参数进行设置，所述目标检测模型通过对YOLOv4算法中的CSPDarknet53主干特征提取网络用MobileNet网络进行替换生成；步骤S4：通过所述训练集对目标检测模型进行训练生成火灾检测模型；步骤S5：通过火灾检测模型对输入的视频或图像进行火灾检测，判断是否发送火灾；所述目标检测模型的参数进行设置时包括如下步骤：步骤M1：将公开的VOC2007数据集的训练好的权重作为所述目标检测模型的预训练权重；步骤M2：采用Mosaic数据增强模块实时对火灾图像数据增强的随机预处理；步骤M3：通过标签平滑模块对所述目标检测模型的过拟合进行控制；步骤M4：采用CIOU作为回归损失函数，且根据先验框调整后得到的预测框与真实框的距离、尺度确定所述回归损失函数； 其中，S交为预测框和实际框之间重叠区域的面积，S并为预测框和实际框所占有的总区域面积； ρ2b,bgt为预测框和实际框的中心点的欧式距离，c为能够同时包含预测框和真实框的最小闭包区域的对角线距离；公式中α的表达式如下： 公式中v的表达式如下： 通过1-CIOU就可以得到的归损失函数：

全文数据：

权利要求：

百度查询： 上海应用技术大学 多尺度火灾目标识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD