(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 202210981425.X (22)申请日 2022.08.16 (71)申请人 应急管理部沈阳消防研究所 地址 110000 辽宁省沈阳市皇姑区文大路 218-20号甲 (72)发明人 李晓旭　张曦　于春雨　 (74)专利代理 机构 北京中普鸿儒知识产权代理 有限公司 1 1822 专利代理师 曲芳兵 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06T 7/70(2017.01) G06N 3/08(2006.01)G06N 3/04(2006.01) (54)发明名称 融入可调节坐标残差注意力的改进YOLOv5 火灾检测方法及装置 (57)摘要 本发明提供了一种融入可调节坐标残差注 意力的改进YOL Ov5火灾检测方法及装置， 方法包 括： 构建火灾数据集， 火灾数据集包括在实验室 点火实验收集的不同火灾程度的视频数据和第 一图片数据， 从视频数据中提取第二图片数据， 为第一图片数据和第二图片数据添加火焰和/或 烟雾的标记； 建立融入可调节 坐标残差注意力的 改进YOLOv5神经网络， 利用火灾数据集训练改进 后的YOLOv5神经网络作为火灾检测模型； 将火灾 检测模型部署到移动端， 在接收到摄像头捕获的 实时视频数据后， 由移动端利用火灾检测模型对 实时视频数据进行火灾目标的检测与识别。 本发 明不仅可以识别和检测火灾产生的火焰信息， 还 可以识别和检测火灾早期产生的烟雾， 减少在火 灾早期错过最佳补救时间的损失。 权利要求书3页 说明书11页 附图4页 CN 115457428 A 2022.12.09 CN 115457428 A 1.一种融入可调节坐标残差注意力的改进YOLOv5火灾检测方法， 其特征在于， 所述方 法包括： 构建火灾数据集， 所述火灾数据集包括在实验室点火实验收集的不同火灾程度的视频 数据和第一图片数据， 从所述视频数据中提取第二图片数据， 为所述第一图片数据和第二 图片数据添加火焰和/或烟雾的标记； 建立融入可调 节坐标残差注意力的改进YOLOv5神经网络， 利用所述火灾数据集训练改 进后的YOLOv5神经网络， 作为火灾检测模型； 将所述火灾检测模型部署到移动端， 在所述移动端接收到摄像头捕 获的实时视频数据 后， 由所述移动端利用所述火灾检测模型对所述实时视频数据进行火灾目标的检测与识 别。 2.根据权利要求1所述的方法， 其特征在于， 所述融入可调节坐标残差注意力的改进 YOLOv5神经网络包括： 骨干网络Backbo ne、 颈部网络Neck和头 部网络Head； 其中， 骨干网络Backbone主要用于从输入图像中提取关键特征； 颈部网络Neck主要用 于创建特征金字塔； 头部网络Head主要负责最终的检测步骤， 其使用锚定框构造具有类概 率、 对象性得分和边界框的最终输出向量。 3.根据权利要求2所述的方法， 其特征在于， 所述建立融入可调节坐标残差注意力的改 进YOLOv5神经网络包括： 将注意力机制加入到YOLOv5特征提取的骨干网络中， 利用所述注意力机制对输入图像 分别从水平和垂 直空间方向对远程依赖 关系和位置信息进 行编码， 再通过可调节的残差结 构学习水平和垂直方向特 征， 并将水平和竖直方向的特 征进行聚合。 4.根据权利要求3所述的方法， 其特征在于， 所述可调节坐标残差注意力 机制最终输出 表示如下： 其中， 表示输入特征图， 和 分别表示两个空间方向的注意力权重， 公式表 示如下： 其中 和 分别为特征F在两个方向上信息分解的特征张量， (·)和 (·)分别表示卷积核为1 ×1的卷积操作， 为超参数， 可以自动调节水 平和垂直方向上的特 征权重； 其中， 和 分别表示两个方向上的原始特征， Concat( ·)表示两个特征的拼接操 作；权　利　要　求　书 1/3 页 2 CN 115457428 A 2其中， H和W分别输入特征图的高和宽， 为高度为h的第c通道的输出， 为宽度为 w的第c通道的输出， 为c通道的输入图像特 征。 5.根据权利要求2所述的方法， 其特征在于， 所述骨干网络包括四个Bottleneck ‑CSP‑ New模块以替代 原YOLOv5神经网络中的Bot tleneck‑CSP模块； 所述Bottleneck ‑CSP‑New模块包括第一模块和第二模块； 所述第一模块使用1 ×1的卷 积层进行通道数减半， 再通过残差结构Bottleneck模块， 通过参数控制Bottleneck模块中 的hidden层的通道数， 然后再经过一个Conv.2Dxl模块， 不再经过BN和激活函数； 所述第二 模块将输入特征不经过任何变化与第一模块的输出进行shortcut连接操作， 最后经过BN+ Relu和普通的Co nv.2Dxl卷积后进行输出。 6.根据权利要求2所述的方法， 其特 征在于， 所述火灾检测模型的损失函数 如下： 该 损失函数为模型的总损失函数， 具体如下： 其中， 表示目标检测框的长 宽比， 表示预测检测框的长 宽比； 其中， A、 B分别表示预测检测框和目标检测框， a和 分别表示预测检测框的中心点和目 标检测框， 表示两个中心点之间 的欧氏距离， c表示同时包含目标帧的预测帧的最小闭合 区域的对角线长度， 为可变参数的超参数； 其中， 设置为1， 设置为2， 为预测概率的大小， y为判断是否为正样本， 焦点损失函 数代替交叉熵损失函数作为网络的置信度和分类损失。 7.一种融入可调节坐标残差注意力的改进YOLOv5火灾检测装置， 其特征在于， 所述装 置包括： 数据收集模块， 用于构建火灾数据集， 所述火灾数据集包括在实验室点火实验收集的 不同火灾程度的视频数据和第一图片数据， 从所述视频数据中提取第二图片数据， 为所述 第一图片数据和第二图片数据添加火焰和/或烟雾的标记； 模型建立模块， 用于建立融入可调节坐标残差注意力的改进YOLOv5神经网络， 利用所 述火灾数据集训练改进后的YOLOv5神经网络， 作为火灾检测模型； 模型部署模块， 用于将所述火灾检测模型部署到移动端， 在所述移动端接收到摄像头权　利　要　求　书 2/3 页 3 CN 115457428 A 3