(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 202211243334.2 (22)申请日 2022.10.11 (71)申请人 深圳市旗扬特种装备技 术工程有限 公司 地址 518000 广东省深圳市宝安区航城街 道三围社区泰华梧桐工业园小雪 （13B） 栋 5层 (72)发明人 陈磊　黄金叶　 (74)专利代理 机构 成都顶峰专利事务所(普通 合伙) 51224 专利代理师 杨国瑞 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/20(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种隧道内火灾发生检测方法、 装置、 设备 及存储介质 (57)摘要 本发明公开了一种隧道内火灾发生检测方 法、 装置、 设备及存储介质， 涉及计算机视觉技术 领域。 所述方法是在获取由隧道内摄像头采集的 现场图像后， 先对所述现场图像进行预处理， 得 到RGB图像， 然后将所述RGB图像输入已完成预训 练的且包括有特征提取网络、 边缘检测模块、 卷 积模块、 池化模块和输出模块的火灾目标检测模 型， 输出得到火灾目标检测结果， 并通过所述特 征提取网络、 所述边缘检测模块、 所述卷积 模块、 所述池化模块和所述输出模块的功能组合， 将为 向量特征矩 阵形式的边界框特征与边缘特征结 合利用起来， 最后基于两特征结合结果开展后续 的火灾发生 分类， 进而可实现提升特征重用率和 火灾目标检测结果准确性的目的， 便于实际应用 和推广。 权利要求书3页 说明书11页 附图5页 CN 115471792 A 2022.12.13 CN 115471792 A 1.一种隧道内火灾发生检测方法， 其特 征在于， 包括： 获取由隧道内摄 像头采集的现场图像； 对所述现场图像进行预处理， 得到维度为 的RGB图像， 其中， W ×W表示所述RGB 图像的分辨 率， W表示 不小于16 0的正整数， 表示所述RGB图像的通道数； 将所述RGB图像输入已完成预训练的火灾目标检测模型， 输出得到火灾目标检测结果， 其中， 所述火灾目标检测模型包括有特征提取网络、 边缘检测模块、 卷积模块、 池化模块和 输出模块； 所述特征提取网络用于对输入图像进行特征提取处理， 得到维度为w ×w×n的边界框 特征图， 其中， w ＝W/(2M)， M表示正然数， n表示所述 边界框特 征图的通道数； 所述边缘检测模块用于基于C ‑V模型对所述输入图像进行边缘检测处理， 得到边缘特 征图； 所述卷积模块用于对所述边界框特征图与所述边缘特征图的结合结果依次进行卷积 核大小为3 ×3的第一卷积处 理和卷积核大小为1 ×1的第二卷积处 理， 得到卷积处 理结果； 所述池化模块用于对所述卷积处理结果进行池化处理， 得到将高维向量扁平化为一维 向量的池化处 理结果； 所述输出模块用于将所述池化处理结果中的各个向量输入到激活函数sigmoid中， 得 到与所述各个向量一一对应的且用于表示是否发生火灾的二分类结果， 然后将置信度最高 的二分类结果作为与所述 边界框特 征图对应的火灾目标检测结果并进行输出。 2.根据权利要求1所述的隧道内火灾发生检测方法， 其特征在于， 所述特征提取网络包 括有沿处理方向依次布置的输入层、 升维层和M个特征提取组， 其中， 所述特征提取组包括 有沿所述处 理方向依次布置的下采样层和通道逐个密集连接模块； 所述升维层用于在通道数维度 上对由所述输入层输入的图像进行升维处理， 得到维度 为W×W×n1的升维图像， 其中， n1表示所述升维图像的通道数； 在所述M个特征提取组中的且沿所述处理方向的第m个特征提取组的下采样层， 用于对 第一前层输出图像进行下采样处理， 得到维度为 的第m个下采样图像， 其中， m 表示不大于M的正整数， 所述第一前层输出图像是指由在所述处理方向上位于所述下采样 层之前的一处 理层输出的图像， nm,1表示所述第一前层输出图像的通道数； 所述第m个特征提取组的通道逐个密集连接模块， 用于在通道数维度 上拼接所述第m个 下采样图像的卷积结果和拷贝结果， 得到维度为 的第m个边界框特征图， 其中， nm表示所述第m个边界框特 征图的通道数。 3.根据权利要求2所述的隧道内火灾发生检测方法， 其特征在于， 所述升维层采用滤波 器数目为32个、 卷积核大小为3 ×3、 零填充数为1且步长为1的卷积层。 4.根据权利要求2所述的隧道内火灾发生检测方法， 其特征在于， 所述下采样层采用滤 波器数目为所述升维层的滤波器数目的2m倍、 卷积核大小为3 ×3、 零填充数为1且步长为2 的卷积层。 5.根据权利要求2所述的隧道内火灾发生检测方法， 其特征在于， 所述通道逐个密集连权　利　要　求　书 1/3 页 2 CN 115471792 A 2接模块包括有沿所述处理方向依 次布置的至少一个通道逐个密集连接子模块， 其中， 所述 通道逐个密集连接 子模块分别包括有卷积、 拷贝层和拼接层； 在所述第m个特征提取组的通道逐个密集连接模块中沿所述处理方向的第j个通道逐 个密集连接子模块的通道逐个卷积层， 用于先对第二前层输出图像进 行在各个通道上的卷 积处理， 然后在通道数维度上逐个拼接与所述各个通道一一对应的卷积处理结果， 得到维 度为 的第一特征图， 其中， j表示正整数， 所述第二前层输出图像是指由在所述 处理方向上位于所述通道逐个卷积层之前的一处理层输出的图像， nm,j表示所述第一特征 图的通道数； 所述第j个通道逐个密集连接子模块的拷贝层， 用于对所述第二前层输出图像进行拷 贝处理， 得到维度为 的第二特征图， 其中， nm,2表示所述第二前层输 出图像的通 道数； 所述第j个通道逐个密集连接子模块的拼接层， 用于在通道数维度上拼接所述第一特 征图和所述第二特 征图， 得到维度为 的第三特 征图。 6.根据权利要求5所述的隧道内火灾发生检测方法， 其特征在于， 所述通道逐个卷积层 采用滤波器数目为所述升维层的滤波器数目的2m倍、 卷积核大小为3 ×3、 零填充数为1且步 长为1的卷积层； 或者， 所述通道逐个 卷积层采用滤波器数目为所述升维层的滤波器 数目的2m倍、 卷积核 大小为5×5、 零填充数为2且步长为1的卷积层。 7.根据权利要求2所述的隧道内火灾发生检测方法， 其特征在于， 当M的取值不小于3 时， 所述火灾目标检测模 型包括有 K个卷积模块、 K个池化模块、 K个输出模块和K ‑1个下采样 模块， 其中， K表示 不小于2且小于 M的正整数； 所述K个卷积模块中的第一个卷积模块， 用于对由沿所述处理方向的第M ‑K+1个所述特 征提取组输出 的边界框特征图与所述边缘特征图的结合结果依 次进行卷积核大小为3 ×3 的第一卷积处 理和卷积核大小为1 ×1的第二卷积处 理， 得到第一个卷积处 理结果； 所述K个池化模块中的第一个池化模块， 用于对所述第一个卷积处理结果进行池化处 理， 得到将高维向量扁平化 为一维向量的第一个池化处 理结果； 所述K个输出模块中的第一个输出模块， 用于将所述第一个池化处理结果中的各个向 量输入到激活函数sigmoid中， 得到与所述第一个池化处理结果中的各个向量一一对应的 且用于表示是否发生火灾的二分类结果， 然后 将置信度最高的二分类结果作为与所述由沿 所述处理方向的第M ‑K+1个所述特征提取 组输出的边界框特征图对应的火灾目标检测结果 并进行输出； 所述K‑1个下采样模块 中的第k‑1个下采样模块， 用于对由所述K个卷积模块中的第k ‑1 个卷积模块输出的卷积处理结果进行下采样处理， 得到下采样处理结果， 其中， k表示不小 于2且不大于K的正整数； 所述K个卷积模块中的第k个卷积模块， 用于对 由沿所述处理方向的第M ‑K+k个所述特 征提取组输出的边界框特征图与由所述第k ‑1个下采样模块输出的下采样处理结果的结合权　利　要　求　书 2/3 页 3 CN 115471792 A 3