技術特征：

1.一種基于雙光融合的遠距離視頻火災檢測方法，其特征在于，包括以下步驟；

2.根據(jù)權利要求1所述的一種基于雙光融合的遠距離視頻火災檢測方法，其特征在于，所述步驟s2中，將標注后的數(shù)據(jù)集隨機劃分為訓練集、驗證集和測試集；

3.根據(jù)權利要求1所述的一種基于雙光融合的遠距離視頻火災檢測方法，其特征在于，所述步驟s3中，采用改進后的yolov5算法在可見光圖像中進行目標檢測；

4.根據(jù)權利要求3所述的一種基于雙光融合的遠距離視頻火災檢測方法，其特征在于，改進后的yolov5算法中，采用可見光圖像作為模型輸入；之后將圖像輸入backbone部分進行特征提取，backbone通過卷積層和池化層對輸入圖像進行處理，逐漸降低特征圖的尺寸，同時增加通道數(shù)，保留和提取圖像中重要的特征，采用focus模塊、ghost?module、c3ghost模塊、spp和ca模塊堆疊而成，其中第2、4、6層的c3ghost的輸出特征圖會傳入neck部分，與其它特征圖進行多尺度融合；在neck部分中，實現(xiàn)淺層圖形特征和深層語義特征的融合，采用bifpn實現(xiàn)特征金字塔相鄰級別之間的雙向連接，使信息能夠在網(wǎng)絡中同時進行自底向上和自頂向下的流動；

5.根據(jù)權利要求1所述的一種基于雙光融合的遠距離視頻火災檢測方法，其特征在于，所述步驟s4具體包括：

6.根據(jù)權利要求5所述的一種基于雙光融合的遠距離視頻火災檢測方法，其特征在于，所述s41具體為：首先以當前像素點及其鄰域作為一個窗口，窗口尺寸一般為奇數(shù)，然后在窗口內依次取中心點(i,j)所在的行、列及兩個對角線方向像素點灰度的中值，之后取這四個中值中的最大值來代替原中心點的灰度值，即得到最終的濾波結果；

7.根據(jù)權利要求6所述的一種基于雙光融合的遠距離視頻火災檢測方法，其特征在于，所述步驟s5中，對步驟s3和s4中提到的改進后的yolov5和svm分別進行訓練；

8.根據(jù)權利要求1所述的一種基于雙光融合的遠距離視頻火災檢測方法，其特征在于，所述步驟s6中，對可見光與紅外結果決策融合的過程包括：

9.根據(jù)權利要求8所述的一種基于雙光融合的遠距離視頻火災檢測方法，其特征在于，根據(jù)白天和夜晚的不同光線，對可見光與紅外進行不同權重的融合，夜晚紅外圖像較敏感，適當提高紅外的融合權重，檢測框融合公式如下：

技術總結
一種基于雙光融合的遠距離視頻火災檢測方法，包括以下步驟；S1、建立火災數(shù)據(jù)集，收集火焰和煙霧的可見光圖像及紅外熱圖像；S2、標注數(shù)據(jù)集；S3、建立改進后的YOLOv5的深度學習算法框架進行可見光圖像檢測；S4、建立改進的SVM框架對圖像進行準確分割，并配合分割區(qū)域的圓形度與填充率進行檢測結果的輸出，進行紅外熱圖像檢測；S5、通過可見光圖像數(shù)據(jù)集對改進后的YOLOv5模型進行預訓練，通過紅外熱圖像的數(shù)據(jù)集對改進后的SVM模型進行訓練；S6、建立可見光與紅外檢測結果決策融合的算法框架，對紅外與可見光的輸出結果進行不同權重的融合，最終給出是否發(fā)生火災及火災發(fā)生的位置信息。本發(fā)明實現(xiàn)對建筑工地初期火災和遠距離火災的檢測，提高了火災預防能力。

技術研發(fā)人員：馬宗方,殷佳佩,張國飛,宋琳
受保護的技術使用者：西安建筑科技大學
技術研發(fā)日：
技術公布日：2024/10/21