一种无锚框结构的多尺度火灾检测算法

摘要

针对复杂背景下多尺度火焰的检测精度低且容易发生误报等问题,提出了一种无锚框结构的新型火灾检测算法。该算法取消了锚框的预设置,采用逐点预测的方式减少网络的超参数,从而有效地减轻了人工先验知识的影响;引入BFP模块优化特征融合,通过对层间信息的整合有效利用了特征的全局信息,增强了多尺度特征的表达能力;设置融合因子控制层间信息传递,在保证特征信息充分融合的同时减弱高层特征的影响,提升了浅层特征对于小目标的学习能力;设计动态采样方式调整训练过程,采用中心采样和置信度原则提升样本点质量,强化了网络对火焰特征的学习效果。在自建数据集上该算法的检测精度达到了96.9%,在公开数据集上也有较好的检测效果。实验结果表明,该算法检测精度高,抗干扰能力强,对于复杂背景下的多尺度火焰具有较好的检测效果,能够较好抑制误报情况的发生,满足实际火灾检测任务的需要。