买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都理工大学;成理智源科技(成都)有限公司

摘要：本发明公开了一种轻量化时空特征动态融合的烟火检测方法，属于图像数据处理技术领域，包括构造烟火视频数据集；构造时空特征动态融合检测网络；用烟火视频数据集训练时空特征动态融合检测网络，得到烟火检测模型；获取待识别视频段，处理为图像序列，送入烟火检测模型，输出每张图像中预测的目标位置、目标类别。本发明针对于烟雾和火焰目标的空间特征和特有的时序特征，根据检测背景的复杂度来融合两种特征，不仅提升了特征提取的效能与表达深度，还显著增强了模型对目标细节的捕捉能力，使得模型能够在复杂多变的环境中保持优异的适应性和泛化性能，有效抑制了误报与漏报现象，显著增强了烟火检测的准确率和可靠性。

主权项：1.一种轻量化时空特征动态融合的烟火检测方法，其特征在于：包括以下步骤；S1，构造烟火视频数据集；获取不同场景下包含烟雾和或火焰的视频段，将视频段处理为图像序列，其中一视频段的处理方法为：将视频段分解为多张单帧RGB图像，按时间排序得到图像序列，对图像序列中每帧RGB图像人工标注，得到标注信息，所述标注信息包括目标位置、目标类别和序号，所述目标包括烟雾和火焰，图像序列第k张RGB图像的序号为k；将标注好的图像序列构成烟火视频数据集；S2，构造一时空特征动态融合检测网络；包括边缘检测网络、LSTM时序运动特征网络、NanoDet-plus网络和时空特征融合层，所述NanoDet-plus网络包括NanoDet-plus骨干网络和NanoDet-plus特征融合网络和NanoDet-plus检测头；所述边缘检测网络用于将输入的RGB图像转换为灰度图再用sobel边缘检测算法进行边缘检测，输出灰度图的背景复杂度；所述LSTM时序运动特征网络用于输入图像序列，提取每张RGB图像的时序特征，构成时序特征序列；所述NanoDet-plus骨干网络和NanoDet-plus特征融合网络，用于输入图像序列，提取每张RGB图像的空间特征，构成空间特征序列；所述时空特征融合层根据背景复杂度生成时序特征和空间特征的权重，对时序特征和空间特征进行融合，得到时空融合特征，其中，图像序列中第k张RGB图像Pk对应灰度图的背景复杂度为Ck、Pk对应的时序特征为、空间特征为，其时空融合特征Fk，根据步骤S21~S23得到；S21，计算Ck的相对偏离值； ，式中，T为预设的复杂度阈值；S22，计算的权重和的权重； ， ，式中，为sigmoid函数、α为调节参数；S23，计算Pk的时空融合特征Fk； ，所述NanoDet-plus检测头用于输入时空融合特征，输出预测的目标位置和目标类别；S3，用烟火视频数据集训练时空特征动态融合检测网络，每次训练输入一图像序列，并以每张RGB图对应的标注信息为期望输出，训练时空特征动态融合检测网络至收敛，得到烟火检测模型；S4，获取待识别视频段，处理为图像序列，由烟火检测模型逐帧处理，对每一帧RGB图像，输出预测的目标位置和目标类别。

全文数据：

权利要求：

百度查询： 成都理工大学 成理智源科技(成都)有限公司 一种轻量化时空特征动态融合的烟火检测方法