【技術實現步驟摘要】
本申請涉及火災目標檢測，特別是涉及一種基于局部形態知識匹配的火災目標檢測方法及相關裝置。
技術介紹
1、目前，現有的基于目標檢測的火災探測方法可分為基于區域提取的、基于回歸的和基于transformer(一種基于自注意力機制的深度學習模型)的火災目標檢測方法。其中，基于transformer的火災目標檢測方法利用強大的多頭注意力機制同時捕獲火災圖像的全局和局部特征，對火災目標的形狀、紋理及上下文信息進行深度分析，從而在復雜場景下實現更為精確的檢測。然而，transformer模型的高參數量也導致了計算復雜度和內存消耗的增加，對檢測的實時性構成了挑戰。dfft(decoder-free?fully?transformer-basedobject?detector)是一種無需解碼器的全transformer目標檢測模型，旨在通過簡化模型結構、優化特征提取與融合機制，實現高效且精確的目標檢測。該模型特別適用于火災探測等實時性要求較高且精度需求嚴格的場景，但是該模型忽略了火災早期煙霧或火焰目標隱蔽微小的特性，對于小尺寸煙霧或火焰目標的檢測效果仍不理想。
技術實現思路
1、本申請的目的是提供一種基于局部形態知識匹配的火災目標檢測方法及相關裝置，可提升火災早期小尺寸火焰或煙霧目標的檢測效果。
2、為實現上述目的，本申請提供了如下方案：
3、第一方面，本申請提供了一種基于局部形態知識匹配的火災目標檢測方法，包括：
4、對目標火災圖像進行預處理，得到預處理后的火
5、基于火災局部形態特征知識庫，采用知識模板匹配技術提取所述預處理后的火災圖像的局部火災形態特征；所述火災局部形態特征知識庫包括若干個知識模板圖像；所述知識模板圖像為從火災圖像數據集中篩選出的包括不同火焰局部形態的圖像。
6、采用深度火災探測器提取所述預處理后的火災圖像的若干個不同尺度的火災特征；所述深度火災探測器為面向檢測的transformer骨干網絡dot。
7、采用特征聚合編碼器聚合所述局部火災形態特征和若干個所述不同尺度的火災特征，得到單級火災語義特征。
8、基于所述單級火災語義特征，采用任務對齊編碼器，生成對齊的分類特征和回歸特征。
9、根據所述對齊的分類特征和回歸特征，進行火災目標分類和邊界框回歸，得到火災目標類別和標記框坐標。
10、第二方面，本申請提供了一種基于局部形態知識匹配的火災目標檢測裝置，包括：
11、預處理模塊，用于對目標火災圖像進行預處理，得到預處理后的火災圖像；所述目標火災圖像為通過對目標火災區域進行拍攝后獲得的圖像。
12、局部火災形態特征提取模塊，用于基于火災局部形態特征知識庫，采用知識模板匹配技術提取所述預處理后的火災圖像的局部火災形態特征；所述火災局部形態特征知識庫包括若干個知識模板圖像；所述知識模板圖像為從火災圖像數據集中篩選出的包括不同火焰局部形態的圖像。
13、多尺度火災特征提取模塊，用于采用深度火災探測器提取所述預處理后的火災圖像的若干個不同尺度的火災特征；所述深度火災探測器為面向檢測的transformer骨干網絡dot。
14、聚合模塊，用于采用特征聚合編碼器聚合所述局部火災形態特征和若干個所述不同尺度的火災特征，得到單級火災語義特征。
15、任務對齊模塊，用于基于所述單級火災語義特征，采用任務對齊編碼器，生成對齊的分類特征和回歸特征。
16、分類和回歸模塊，用于根據所述對齊的分類特征和回歸特征，進行火災目標分類和邊界框回歸，得到火災目標類別和標記框坐標。
17、第三方面，本申請提供了一種計算機設備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序以實現上述的基于局部形態知識匹配的火災目標檢測。
18、第四方面，本申請提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現上述的基于局部形態知識匹配的火災目標檢測方法。
19、第五方面，本申請提供了一種計算機程序產品，包括計算機程序，該計算機程序被處理器執行時實現上述的基于局部形態知識匹配的火災目標檢測方法。
20、根據本申請提供的具體實施例，本申請公開了以下技術效果：
21、本申請提供了一種基于局部形態知識匹配的火災目標檢測方法及相關裝置，基于火災局部形態特征知識庫，采用知識模板匹配技術提取預處理后的火災圖像的局部火災形態特征；火災局部形態特征知識庫中包括若干個知識模板圖像，若干個知識模板圖像為從火災圖像數據集中篩選出的包括不同火焰局部形態的圖像；采用面向檢測的transformer骨干網絡dot提取所述預處理后的火災圖像的若干個不同尺度的火災特征；將局部火災形態特征和若干個不同尺度的火災特征進行聚合、對齊、火災目標分類和邊界框回歸，得到火災目標類別和標記框坐標。本申請通過基于火焰目標獨特的局部形態構建了先驗知識庫，利用知識匹配方法，將火災圖像與局部形態知識庫中的知識模板圖像進行匹配，挖掘火災圖像中火災目標的局部形態特征，并結合基于面向檢測的transformer骨干網絡dot提取的具有高層信息的多尺度火災語義特征，實現了對火災早期小目標的精準探測。
本文檔來自技高網...【技術保護點】
1.一種基于局部形態知識匹配的火災目標檢測方法，其特征在于，所述基于局部形態知識匹配的火災目標檢測方法包括：
2.根據權利要求1所述的基于局部形態知識匹配的火災目標檢測方法，其特征在于，基于火災局部形態特征知識庫，采用知識模板匹配技術提取所述預處理后的火災圖像的局部火災形態特征，具體包括：
3.根據權利要求2所述的基于局部形態知識匹配的火災目標檢測方法，其特征在于，計算知識模板圖像與預處理后的火災圖像的重疊區域的相關性分數，具體包括：
4.根據權利要求2所述的基于局部形態知識匹配的火災目標檢測方法，其特征在于，所述預定閾值范圍為[0.75，1]。
5.根據權利要求1所述的基于局部形態知識匹配的火災目標檢測方法，其特征在于，采用深度火災探測器提取所述預處理后的火災圖像的若干個不同尺度的火災特征，具體包括：
6.根據權利要求5所述的基于局部形態知識匹配的火災目標檢測方法，其特征在于，采用特征聚合編碼器聚合所述局部火災形態特征和若干個所述不同尺度的火災特征，得到單級火災語義特征，具體包括：
7.一種基于局部形態知識
8.一種計算機設備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序以實現權利要求1-6中任一項所述的基于局部形態知識匹配的火災目標檢測方法。
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1-6中任一項所述的基于局部形態知識匹配的火災目標檢測方法。
10.一種計算機程序產品，包括計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1-6中任一項所述的基于局部形態知識匹配的火災目標檢測方法。
...【技術特征摘要】
1.一種基于局部形態知識匹配的火災目標檢測方法，其特征在于，所述基于局部形態知識匹配的火災目標檢測方法包括：
2.根據權利要求1所述的基于局部形態知識匹配的火災目標檢測方法，其特征在于，基于火災局部形態特征知識庫，采用知識模板匹配技術提取所述預處理后的火災圖像的局部火災形態特征，具體包括：
3.根據權利要求2所述的基于局部形態知識匹配的火災目標檢測方法，其特征在于，計算知識模板圖像與預處理后的火災圖像的重疊區域的相關性分數，具體包括：
4.根據權利要求2所述的基于局部形態知識匹配的火災目標檢測方法，其特征在于，所述預定閾值范圍為[0.75，1]。
5.根據權利要求1所述的基于局部形態知識匹配的火災目標檢測方法，其特征在于，采用深度火災探測器提取所述預處理后的火災圖像的若干個不同尺度的火災特征，具體包括：
6.根據權利要求5所述的基于局部形態知識匹配...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。