时空域深度学习火灾烟雾检测

摘要

烟雾是火灾早期检测的重要特征.传统机器学习及二维卷积神经网络烟雾检测算法对烟雾特征的提取局限于空间领域,无法提取时域信息.现有的三维卷积神经网络检测算法则存在计算成本高、检测时效低的问题,导致检测准确率和虚警率不理想.针对上述问题,本文提出一种基于时空域深度学习的烟雾视频检测方法.利用分块运动目标检测方法提取烟雾视频的运动目标,过滤非烟雾目标;同时将三维卷积神经网络拆分,形成一种二加一维时空域网络模块,提取时空域特征,提高检测时效.为抑制无关特征,引入注意力机制,增加压缩和激励网络重新标定特征通道权重,提升烟雾检测准确率.研究结果表明,本文所用算法的平均准确率为97.12％,平均正确率为97.06％,平均虚警率为2.74％,平均检测帧率为10.49帧/s,满足火灾烟雾探测需求,检测时效得到明显提高.