烟雾和火焰检测方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115761332A(43)申请公布日2023.03.07(21)申请号202211430723.6G06V10/80(2023.01)(22)申请日2022.11.14G06V10/82(2022.01)G06N3/0464(2022.01)(71)申请人深圳小湃科技有限公司地址518000广东省深圳市南山区粤海街道高新区社区高新南一道008号创维大厦A806(72)发明人王晓晖梁婷李彬李昌毅张杏婵韦佳旭余聪聪(74)专利代理机构深圳市世纪恒程知识产权代理事务所44287专利代理师李俊杰(51)Int.Cl.G06V10/764(2022.01)G06N3/08(2022.01)G06V10/774(2023.01)权利要求书2页说明书10页附图4页(54)发明名称烟雾和火焰检测方法、装置、设备及存储介质(57)摘要本发明涉及计算机视觉的技术领域，尤其涉及一种烟雾和火焰检测方法、装置、设备及存储介质，该烟雾和火焰检测方法包括：对已标记目标物的已标记图像数据进行预处理，使用预处理后的已标记图像数据建立训练数据集，其中，目标物包括烟雾和火焰；通过训练数据集对基于卷积神经网络和多头注意力机制构建的初始神经网络模型进行训练，得到目标神经网络；获取待检测环境的待检图像数据，将待检图像数据输入所述目标神经网络模型，得到由所述目标神经网络模型输出的检测结果。本发明实现了提高烟雾和火焰检测的准确性。CN115761332ACN115761332A权利要求书1/2页1.一种烟雾和火焰检测方法，其特征在于，所述烟雾和火焰检测方法包括以下步骤：对已标记目标物的已标记图像数据进行预处理，使用预处理后的所述已标记图像数据建立训练数据集，其中，所述目标物包括烟雾和火焰；通过所述训练数据集对基于卷积神经网络和多头注意力机制构建的初始神经网络模型进行训练，得到目标神经网络模型；获取待检测环境的待检图像数据，将所述待检图像数据输入所述目标神经网络模型，得到由所述目标神经网络模型输出的检测结果。2.如权利要求1所述的烟雾和火焰检测方法，其特征在于，所述初始神经网络模型包括特征提取网络和前馈预测网络，其中，所述特征提取网络包括多个特征提取块，各个所述特征提取块均包括卷积块和注意力机制块；所述通过所述训练数据集对基于卷积神经网络和多头注意力机制构建的初始神经网络模型进行训练，得到目标神经网络模型的步骤，包括：将所述训练数据集输入所述特征提取网络，通过所述特征提取网络中的多个所述特征提取块依次进行特征提取，得到训练特征，其中，多个所述特征提取块中上一个特征提取块的输出结果为下一个特征提取块的输入数据；融合多个所述训练特征得到学习特征；将所述学习特征输入所述前馈预测网络，得到训练结果；根据所述训练结果，调整所述初始神经网络模型中的网络参数，得到所述目标神经网络模型。3.如权利要求2所述的烟雾和火焰检测方法，其特征在于，所述通过各个所述特征提取块中任一目标提取块进行特征提取，得到所述训练特征的步骤，包括：通过所述目标提取块的卷积块进行特征提取，得到特征数据；通过所述目标提取块的注意力机制块对所述卷积块提取得到的所述特征数据进行局部特征强化，得到所述训练特征。4.如权利要求3所述的烟雾和火焰检测方法，其特征在于，所述卷积块包括第一卷积层和池化层。5.如权利要求2所述的烟雾和火焰检测方法，其特征在于，所述前馈预测网络包括第二卷积层、隐藏层和线性预测层；其中，所述第二卷积层用于通过3*3的卷积核对所述目标特征进行特征提取；所述隐藏层包括三层全连接层，第一层所述全连接层和第二层所述全连接层后各连一层接激活函数。6.如权利要求1至5中任一项所述的烟雾和火焰检测方法，其特征在于，所述对已标记图像数据进行预处理的步骤，包括：通过几何变换对所述已标记图像数据进行数据增强；对不同所述目标物的所述已标记图像数据进行混合处理；对不同图像背景的所述已标记图像数据进行混合处理。7.如权利要求1至5中任一项所述的烟雾和火焰检测方法，其特征在于，所述检测结果包括目标物类别、目标物存在概率和目标物坐标。8.一种烟雾和火焰检测装置，其特征在于，所述烟雾和火焰检测装置包括：2CN115761332A权利要求书2/2页预处理模块，用于对已标记目标物的已标记图像数据进行预处理，使用预处理后的所述已标记图像数据建立训练数据集，其中，所述目标物包括烟雾和火焰；训练模块，用于通过所述训练数据集对基于卷积神经网络和多头注意力机制构建的初始神经网络模型进行训练，得到目标神经网络模型；检测模块，用于获取待检测环境的待检图像数据，将所述待检图像数据输入所述目标神经网络模型，得到由所述目标神经网络模型输出的检测结果。9.一种烟雾和火焰检测设备，其特征在于，所述烟