(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211076462.2 (22)申请日 2022.09.05 (71)申请人 深圳比特微电子科技有限公司 地址 518000 广东省深圳市南 山区高新 南 六道航盛科技大厦801 (72)发明人 张瑞楠　范晓　杨作兴　艾国　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 崔博　叶明川 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/24(2022.01) G06V 10/40(2022.01) (54)发明名称 一种烟火检测的方法及装置 (57)摘要 本发明提供了一种烟火检测的方法及 装置， 方法包括： 烟火检测模型获取待检测烟火图像； 所述烟火检测模型确定所述烟火图像的特征图 中各个特征点对应的目标框和目标分类得分； 由 所述烟火检测模型确定所述烟火图像的全图的 类别得分， 并根据所述全图的类别得分对所述目 标分类得分进行校正， 获得烟火检测分类结果， 所述类别包括烟雾和火焰。 本申请实现了将烟火 同其他物体区分开来并且提升烟火检测正确率 的技术效果。 权利要求书2页 说明书9页 附图6页 CN 115170894 A 2022.10.11 CN 115170894 A 1.一种烟火检测的方法， 其特 征在于， 包括： 烟火检测模型获取待检测烟火图像； 所述烟火检测模型确定所述烟火图像的特征图中各个特征点对应的目标框和目标分 类得分； 由所述烟 火检测模型确定所述烟 火图像的全图的类别得分， 并根据所述全图的类别得 分对所述目标分类得分进行 校正， 获得烟火检测分类结果， 所述类别包括烟雾和火焰。 2.根据权利要求1所述的烟 火检测的方法， 其特征在于， 根据所述全图的类别得分对所 述目标分类得分进行 校正， 包括： 将所述各个特征点对应的目标分类得分与所述全 图的类别得分相乘获得校正后的检 测分类结果。 3.根据权利要求2所述的烟火检测的方法， 其特征在于， 在获得检测分类结果之后， 还 包括确定是否要对该 结果进行补偿的步骤， 其中： 计算目标框的像素面积与图像全图像素面积的比例， 当计算得到的比例大于等于预设 阈值时， 认为检测准确， 否则， 根据预设的补偿系 数、 校正后的检测分类结果以及限定值确 定烟火检测分类结果。 4.根据权利要求1所述的烟火检测的方法， 其特征在于， 所述烟火检测模型包括： 一图 像特征提取器， 一特 征处理器， 一全图分类模型， 一目标检测模型以及一分数 更新模块； 图像特征提取器， 用于提取 所述烟火图像的图像特 征； 特征处理器， 用于对所述图像特征提取器提取的所述烟火图像的图像特征进行处理， 并获取多尺度图像特 征； 目标检测模型， 用于根据所述特征处理器输出的各个图像特征点确定所述烟 火图像的 特征图中各个特 征点对应的目标框和目标分类得分； 全图分类模型， 用于根据所述特征处理器输出的全图的图像特征确定所述烟 火图像的 全图的类别得分； 分数更新模块， 用于根据所述全图的类别得分对所述目标分类得分进行校正， 获得烟 火检测分类结果， 所述类别包括烟雾和火焰。 5.根据权利要求4所述的烟火检测的方法， 其特征在于， 所述全图分类模型包括： 一特 征提取器， 一自适应平均池化模块， 卷积模块， 一编码器以及一分类 器； 特征提取器， 用于获取 所述特征处理器输出的全图大小1/2n的图像特 征； 自适应平均池 化模块， 用于将1/2n尺寸大小的 图像特征通过自适应平均池 化， 得到具有 2n个区域的特 征图， 分别对每一个区域 求均值， n 为正整数； 卷积模块， 用于对自适应平均池化输出的特 征， 进行卷积处理； 编码器， 用于对卷积模块输出的特 征， 在特征维度展开， 联合类标记进行处 理； 分类器， 用于对编码器输出的类标记， 通过全连接层进行分类， 得到全图的类别得分。 6.根据权利要求1所述的烟火检测的方法， 其特征在于， 还包括： 训练烟火检测模型的 步骤， 其中： 将烟火图像的正样本和负 样本输入预建立的烟火检测模型进行训练； 分别提取正样本和负 样本的多尺度图像特 征； 根据多尺度图像特征确定烟 火图像的正样本和负样本的全图的类别得分， 以及所述烟权　利　要　求　书 1/2 页 2 CN 115170894 A 2火图像正样本和负 样本的特 征图中各个特 征点对应的目标框和分类得分； 通过分类损失函数和位置回归损失函数计算总体损失； 根据满足预设条件的总体损失确定烟 火检测模型的各个参数， 完成对烟 火检测模型的 训练。 7.一种烟火检测的装置， 其特 征在于， 包括： 实时图像采集单 元， 用于获取待检测烟火图像； 烟火检测单元， 用于确定所述烟 火图像的特征图中各个特征点对应的目标框和目标分 类得分； 确定所述烟火图像的全图的类别得分， 并根据所述全图的类别得分对所述 目标分 类得分进行 校正， 获得烟火检测分类结果， 所述类别包括烟雾和火焰。 8.根据权利要求7所述的烟 火检测的装置， 其特征在于， 在所述烟 火检测单元中包括一 分数更新模块： 所述分数更新模块用于将所述各个特征点对应的目标分类得分与所述全图的类别得 分相乘获得 校正后的检测分类结果。 9.根据权利要求8所述的烟火检测的装置， 其特 征在于， 包括： 所述烟火检测单元的分数更新模块计算目标框的像素面积与图像全图像素面积 的比 例， 当计算得到的比例大于等于预设阈值时， 认为检测准确， 否则， 根据预设的补偿系数、 校 正后的检测分类结果以及限定值确定烟火检测分类结果。 10.根据权利要求7所述的烟 火检测的装置， 其特征在于， 还包括： 训练烟 火检测模型的 装置， 其中包括： 正负样本输入单元， 用于将烟 火图像的正样本和负样本输入预建立的烟 火检测模型进 行训练； 多尺度特 征提取单元， 用于分别提取正样本和负 样本的多尺度图像特 征； 得分获取单元， 用于根据多尺度图像特征确定烟 火图像的正样本和负样本的全图的类 别得分， 以及所述烟火图像正样本和负样本的特征图中各个特征点对应的目标框和分类得 分； 损失计算单 元， 用于通过分类损失函数和位置回归损失函数计算总体损失； 参数确定单元， 用于根据满足预设条件的总体损 失确定烟火检测模型的各个参数， 完 成对烟火检测模型的训练。 11.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的指 令， 其特征在于， 所述处理器执行所述指令时实现权利要求1至6任一项所述的烟火检测的 方法的步骤。 12.一种计算机可读存储介质， 其上存储有指令， 其特征在于， 该指令被处理器执行时 实现权利要求1至 6任一项所述的烟火检测的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115170894 A 3