【技术实现步骤摘要】
本申请涉及火灾目标检测，特别是涉及一种基于局部形态知识匹配的火灾目标检测方法及相关装置。
技术介绍
1、目前，现有的基于目标检测的火灾探测方法可分为基于区域提取的、基于回归的和基于transformer(一种基于自注意力机制的深度学习模型)的火灾目标检测方法。其中，基于transformer的火灾目标检测方法利用强大的多头注意力机制同时捕获火灾图像的全局和局部特征，对火灾目标的形状、纹理及上下文信息进行深度分析，从而在复杂场景下实现更为精确的检测。然而，transformer模型的高参数量也导致了计算复杂度和内存消耗的增加，对检测的实时性构成了挑战。dfft(decoder-free fully transformer-basedobject detector)是一种无需解码器的全transformer目标检测模型，旨在通过简化模型结构、优化特征提取与融合机制，实现高效且精确的目标检测。该模型特别适用于火灾探测等实时性要求较高且精度需求严格的场景，但是该模型忽略了火灾早期烟雾或火焰目标隐蔽微小的特性，对于小尺寸烟雾或火焰目标的检测效果仍不理想。
技术实现思路
1、本申请的目的是提供一种基于局部形态知识匹配的火灾目标检测方法及相关装置，可提升火灾早期小尺寸火焰或烟雾目标的检测效果。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种基于局部形态知识匹配的火灾目标检测方法，包括：
4、对目标火灾图像进行预处理，得到预处理后的火
5、基于火灾局部形态特征知识库，采用知识模板匹配技术提取所述预处理后的火灾图像的局部火灾形态特征；所述火灾局部形态特征知识库包括若干个知识模板图像；所述知识模板图像为从火灾图像数据集中筛选出的包括不同火焰局部形态的图像。
6、采用深度火灾探测器提取所述预处理后的火灾图像的若干个不同尺度的火灾特征；所述深度火灾探测器为面向检测的transformer骨干网络dot。
7、采用特征聚合编码器聚合所述局部火灾形态特征和若干个所述不同尺度的火灾特征，得到单级火灾语义特征。
8、基于所述单级火灾语义特征，采用任务对齐编码器，生成对齐的分类特征和回归特征。
9、根据所述对齐的分类特征和回归特征，进行火灾目标分类和边界框回归，得到火灾目标类别和标记框坐标。
10、第二方面，本申请提供了一种基于局部形态知识匹配的火灾目标检测装置，包括：
11、预处理模块，用于对目标火灾图像进行预处理，得到预处理后的火灾图像；所述目标火灾图像为通过对目标火灾区域进行拍摄后获得的图像。
12、局部火灾形态特征提取模块，用于基于火灾局部形态特征知识库，采用知识模板匹配技术提取所述预处理后的火灾图像的局部火灾形态特征；所述火灾局部形态特征知识库包括若干个知识模板图像；所述知识模板图像为从火灾图像数据集中筛选出的包括不同火焰局部形态的图像。
13、多尺度火灾特征提取模块，用于采用深度火灾探测器提取所述预处理后的火灾图像的若干个不同尺度的火灾特征；所述深度火灾探测器为面向检测的transformer骨干网络dot。
14、聚合模块，用于采用特征聚合编码器聚合所述局部火灾形态特征和若干个所述不同尺度的火灾特征，得到单级火灾语义特征。
15、任务对齐模块，用于基于所述单级火灾语义特征，采用任务对齐编码器，生成对齐的分类特征和回归特征。
16、分类和回归模块，用于根据所述对齐的分类特征和回归特征，进行火灾目标分类和边界框回归，得到火灾目标类别和标记框坐标。
17、第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述的基于局部形态知识匹配的火灾目标检测。
18、第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的基于局部形态知识匹配的火灾目标检测方法。
19、第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的基于局部形态知识匹配的火灾目标检测方法。
20、根据本申请提供的具体实施例，本申请公开了以下技术效果：
21、本申请提供了一种基于局部形态知识匹配的火灾目标检测方法及相关装置，基于火灾局部形态特征知识库，采用知识模板匹配技术提取预处理后的火灾图像的局部火灾形态特征；火灾局部形态特征知识库中包括若干个知识模板图像，若干个知识模板图像为从火灾图像数据集中筛选出的包括不同火焰局部形态的图像；采用面向检测的transformer骨干网络dot提取所述预处理后的火灾图像的若干个不同尺度的火灾特征；将局部火灾形态特征和若干个不同尺度的火灾特征进行聚合、对齐、火灾目标分类和边界框回归，得到火灾目标类别和标记框坐标。本申请通过基于火焰目标独特的局部形态构建了先验知识库，利用知识匹配方法，将火灾图像与局部形态知识库中的知识模板图像进行匹配，挖掘火灾图像中火灾目标的局部形态特征，并结合基于面向检测的transformer骨干网络dot提取的具有高层信息的多尺度火灾语义特征，实现了对火灾早期小目标的精准探测。
本文档来自技高网...【技术保护点】
1.一种基于局部形态知识匹配的火灾目标检测方法，其特征在于，所述基于局部形态知识匹配的火灾目标检测方法包括：
2.根据权利要求1所述的基于局部形态知识匹配的火灾目标检测方法，其特征在于，基于火灾局部形态特征知识库，采用知识模板匹配技术提取所述预处理后的火灾图像的局部火灾形态特征，具体包括：
3.根据权利要求2所述的基于局部形态知识匹配的火灾目标检测方法，其特征在于，计算知识模板图像与预处理后的火灾图像的重叠区域的相关性分数，具体包括：
4.根据权利要求2所述的基于局部形态知识匹配的火灾目标检测方法，其特征在于，所述预定阈值范围为[0.75，1]。
5.根据权利要求1所述的基于局部形态知识匹配的火灾目标检测方法，其特征在于，采用深度火灾探测器提取所述预处理后的火灾图像的若干个不同尺度的火灾特征，具体包括：
6.根据权利要求5所述的基于局部形态知识匹配的火灾目标检测方法，其特征在于，采用特征聚合编码器聚合所述局部火灾形态特征和若干个所述不同尺度的火灾特征，得到单级火灾语义特征，具体包括：
7.一种基于局部形态知识
8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的基于局部形态知识匹配的火灾目标检测方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的基于局部形态知识匹配的火灾目标检测方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的基于局部形态知识匹配的火灾目标检测方法。
...【技术特征摘要】
1.一种基于局部形态知识匹配的火灾目标检测方法，其特征在于，所述基于局部形态知识匹配的火灾目标检测方法包括：
2.根据权利要求1所述的基于局部形态知识匹配的火灾目标检测方法，其特征在于，基于火灾局部形态特征知识库，采用知识模板匹配技术提取所述预处理后的火灾图像的局部火灾形态特征，具体包括：
3.根据权利要求2所述的基于局部形态知识匹配的火灾目标检测方法，其特征在于，计算知识模板图像与预处理后的火灾图像的重叠区域的相关性分数，具体包括：
4.根据权利要求2所述的基于局部形态知识匹配的火灾目标检测方法，其特征在于，所述预定阈值范围为[0.75，1]。
5.根据权利要求1所述的基于局部形态知识匹配的火灾目标检测方法，其特征在于，采用深度火灾探测器提取所述预处理后的火灾图像的若干个不同尺度的火灾特征，具体包括：
6.根据权利要求5所述的基于局部形态知识匹配...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。