(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210338888.4 (22)申请日 2022.04.01 (71)申请人 中国科学技术大学先进技术研究院 地址 230031 安徽省合肥市高新区望江西 路5089号 (72)发明人 张启兴　查正军　霍一诺　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 许青华 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 火灾烟雾图像检测方法、 装置、 设备及存储 介质 (57)摘要 本发明涉及火灾探测技术领域， 公开了一种 火灾烟雾图像检测方法、 装置、 设备及存储介质， 所述方法包括： 通过预设深度可分离卷积神经网 络对目标区域的视频监控图像进行特征提取； 根 据目标路径聚合策略对目标数量的尺度特征张 量进行特征融合， 得到目标特征张量； 根据预设 置信度和目标特征张量对视频监控图像进行识 别； 根据识别结果确定火灾烟雾的位置信息； 由 于本发明是通过特征提取目标区域的视频监控 图像， 然后特征融合目标数量的尺度特征张量， 再根据视频监控图像的识别结果确定火灾烟雾 的位置信息， 以实现对火灾烟雾图像的检测， 相 较于现有技术通过人工提取的烟雾特征检测火 灾烟雾图像， 能够有效提高检测火灾烟雾图像的 准确性。 权利要求书2页 说明书10页 附图5页 CN 114639058 A 2022.06.17 CN 114639058 A 1.一种火灾烟雾图像检测方法， 其特征在于， 所述火灾烟雾图像检测方法包括以下步 骤： 通过预设深度 可分离卷积神经网络对目标区域的视频监控图像进行特征提取， 得到目 标数量的尺度特 征张量； 根据目标路径聚合策略对所述目标数量的尺度特征张量进行特征融合， 得到目标特征 张量； 根据预设置信度和所述目标 特征张量对所述视频监控图像进行识别； 根据识别结果确定火灾烟雾的位置信息， 以实现对火灾烟雾图像的检测。 2.如权利要求1所述的火灾烟雾图像检测方法， 其特征在于， 所述通过预设深度 可分离 卷积神经网络对所述目标区域的视频监控图像进 行特征提取， 得到目标数量的尺度特征张 量， 包括： 根据初始卷积神经网络得到对应的卷积层和网络信息； 通过增加目标卷积路径对所述卷积层的主干网络进行拓 宽， 得到目标主干网络； 根据所述网络信息和目标主干网络生成预设深度可分离卷积神经网络； 通过所述预设深度可分离卷积神经网络对所述目标区域的视频监控图像进行特征提 取， 得到目标 数量的尺度特 征张量。 3.如权利要求2所述的火灾烟雾图像检测方法， 其特征在于， 所述根据 所述网络信 息和 目标主干网络生成预设深度可分离卷积神经网络， 包括： 根据神经网络模型的目标训练策略创建批处 理归一化层； 通过所述批处理归一化层、 目标Mish激活函数、 网络信息以及目标主干网络生成预设 深度可分离卷积神经网络 。 4.如权利要求1所述的火灾烟雾图像检测方法， 其特征在于， 所述根据目标路径聚合策 略对所述目标 数量的尺度特 征张量进行 特征融合， 得到目标 特征张量， 包括： 将所述目标数量的尺度 特征张量输入至空间金字塔池化模块， 以使所述空间金字塔池 化模块对所述目标数量的尺度特征张量进 行局部区域特征融合， 得到并反馈目标数量的区 域尺度特 征向量； 根据目标路径聚合策略对所述目标数量的区域尺度 特征向量进行特征融合， 得到目标 特征张量。 5.如权利要求4所述的火灾烟雾图像检测方法， 其特征在于， 所述目标特征张量包括第 一目标特征张量、 第二目标 特征张量和第三目标 特征张量； 所述根据目标路径聚合策略对所述目标数量的区域尺度 特征向量进行特征融合， 得到 目标特征张量， 包括： 按照尺度大小对所述目标数量的区域尺度特征向量进行划分， 得到第一尺度特征张 量、 第二尺度特 征张量以及第三尺度特 征张量； 分别对所述第一尺度特征张量、 第二尺度特征张量和第三尺度特征张量进行采样， 得 到第一尺度特 征张量样本、 第二尺度特 征张量样本和第三尺度特 征张量样本； 根据目标路径聚合策略将所述第一尺度特征张量样本依次与所述第二尺度特征张量 和第三尺度特 征张量进行 特征融合， 得到新的第三尺度特 征张量； 根据目标路径聚合策略将所述新的第三尺度特征张量样本依次与所述第二尺度特征权　利　要　求　书 1/2 页 2 CN 114639058 A 2张量和第一尺度特征张量进行特征融合， 得到第一 目标特征张量、 第二 目标特征张量和第 三目标特征张量。 6.如权利要求1所述的火灾烟雾图像检测方法， 其特征在于， 所述根据 预设置信度和所 述目标特征张量对所述视频监控图像进行识别， 包括： 根据所述目标 特征张量得到所述视频监控图像的当前置信度； 在所述当前置信度大于预设置信度时， 通过目标形状框对所述当前置信度所在的位置 信进行定位， 以实现对所述视频监控图像的识别。 7.如权利要求1至6中任一项所述的火灾烟雾 图像检测方法， 其特征在于， 所述根据识 别结果确定火灾烟雾的位置信息， 以实现对火灾烟雾图像的检测之后， 还 包括： 按照目标 形状框对所述 位置信息进行绘制， 得到当前 形状烟雾位置； 将所述当前 形状烟雾位置信息 显示在目标视频监控屏幕， 并发出火灾报警提 示信息。 8.一种火灾烟雾图像 检测装置， 其特 征在于， 所述火灾烟雾图像 检测装置包括： 特征提取模块， 用于通过预设深度 可分离卷积神经网络对目标区域的视频监控图像进 行特征提取， 得到目标 数量的尺度特 征张量； 特征融合模块， 用于根据目标路径聚合策略对所述目标数量的尺度特征张量进行特征 融合， 得到目标 特征张量； 识别模块， 用于根据预设置信度和所述目标 特征张量对所述视频监控图像进行识别； 检测模块， 用于根据识别结果确定火灾烟雾的位置信息， 以实现对火灾烟雾 图像的检 测。 9.一种火灾烟雾图像检测设备， 其特征在于， 所述火灾烟雾图像检测设备包括： 存储 器、 处理器及存储在所述存储器上并可在所述处理器上运行 的火灾烟雾图像检测程序， 所 述火灾烟雾图像检测 程序配置有实现如权利要求1至7中任一项所述的火灾烟雾图像检测 方法。 10.一种存储介质， 其特征在于， 所述存储介质上存储有火灾烟雾图像检测程序， 所述 火灾烟雾图像检测程序被处理器执行时实现如权利要求1至7中任一项所述的火灾烟雾图 像检测方法。权　利　要　求　书 2/2 页 3 CN 114639058 A 3