(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 202211246660.9 (22)申请日 2022.10.12 (71)申请人 通号通信信息集团有限公司 地址 100070 北京市丰台区汽车博物馆南 路1号院中国通 号大厦A座6 01室 (72)发明人 罗静　任峰　王晓　毛少将　 郭宇鹏　雷庆庆　李沛然　 (74)专利代理 机构 北京天昊联合知识产权代理 有限公司 1 1112 专利代理师 彭瑞欣　李迎亚 (51)Int.Cl. G06V 20/52(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 一种烟火检测方法、 系统、 计算机设备以及 存储介质 (57)摘要 本公开提供一种烟火检测方法、 系统、 计算 机设备以及存储介质， 属于安防监控技术领域， 其中， 烟火检测方法包括利用目标神经网络对目 标图像进行烟火预测； 其中， 目标神经网络包括 特征提取网络和对象分类网络； 特征提取网络为 不具有下采样Focus层的轻量级网络； 烟火检测 方法包括： 获取目标图像； 利用特征提取网络， 提 取目标图像的第一图像特征； 利用对象分类网 络， 对第一图像特征进行对象类别预测， 得到烟 火预测结果 分类网络， 对第一图像特征进行对象 类别预测， 得到烟火预测结果。 权利要求书2页 说明书9页 附图2页 CN 115546722 A 2022.12.30 CN 115546722 A 1.一种烟火检测方法， 其中， 包括利用目标神经网络对目标图像进行烟火预测； 其中， 所述目标神经网络包括特征提取网络和对象分类网络； 所述特征提取网络为不具有下采样 Focus层的轻量级网络； 所述烟火检测方法包括： 获取目标图像； 利用所述特 征提取网络， 提取 所述目标图像的第一图像特 征； 利用所述对象分类网络， 对所述第一图像特 征进行对象类别预测， 得到烟火预测结果。 2.根据权利要求1所述的烟 火检测方法， 其中， 对所述目标神经网络进行训练 的步骤包 括： 获取样本数据集； 所述样本数据集中包括标注有位置标签和类别标签的多帧样本图 像； 根据所述样本数据集， 对待训练的目标神经网络进行训练； 构造加权损失值， 通过对所述加权损失值进行加权反 向传播以持续训练所述目标神经 网络， 直至所述加权损失值收敛， 得到训练完成的目标神经网络 。 3.根据权利要求1所述的烟火检测方法， 其中， 所述特征提取网络采用转移注意力 Shuffle Attention机制； 所述利用所述特 征提取网络， 提取 所述目标图像的第一图像特 征， 包括： 利用采用所述Shuffle  Attention机制的所述特征提取网络， 提取所述目标图像 的中 间特征， 并按照通道维度进行分组， 得到多个子特 征； 对于每个所述子特征， 同步使用通道注意力机制和 空间注意力机制， 得到通道级信息 和像素级信息； 基于所述通道级信息和所述像素级信息， 将所述多个子特征进行融合， 得到所述第一 图像特征。 4.根据权利要求1所述的烟 火检测方法， 其中， 所述对象分类网络包括至少一层卷积层 和分类输出层； 所述利用所述对象分类网络， 对所述第一图像特征进行对象类别预测， 得到烟火预测 结果， 包括： 利用所述至少一层卷积层对所述第一图像特 征进行卷积处理， 得到第二图像特 征； 利用所述分类输出层对所述第二图像特征进行对象类别预测， 得到所述烟火预测结 果。 5.根据权利 要求4所述的烟火检测方法， 其中， 所述分类输出层包括激活函数logistic 函数； 利用所述分类输出层对所述第二图像特征进行对象类别预测， 得到所述烟火预测结 果， 包括： 根据所述第二图像特征， 确定所述logistic函数的输出结果； 所述logistic函数的输 出结果用于表征 所述烟火预测结果。 6.根据权利要求1所述的烟火检测方法， 其中， 在得到烟火预测结果之后， 还 包括： 在基于所述烟火预测结果确定存在 烟火事件的情况 下， 生成报警提 示信息。 7.一种烟 火检测系统， 其包括数据采集模块、 目标检测模块； 所述目标检测模块中部署权　利　要　求　书 1/2 页 2 CN 115546722 A 2有目标神经网络； 所述 目标神经网络包括特征提取网络和对 象分类网络； 所述特征提取网 络为不具有下采样层Focus层的轻量级网络； 所述数据采集模块， 被 配置为获取目标图像； 所述特征提取网络， 被 配置为提取所述目标图像的第一图像特 征； 所述对象分类网络， 被配置为对所述第一图像特征进行对象类别预测， 得到烟火预测 结果。 8.根据权利要求7 所述的烟火检测系统， 其中， 还 包括模型训练模块； 所述模型训练模块， 被配置为获取样本数据集； 所述样本数据集中包括标注有位置标 签和类别标签的多帧样本图像； 根据所述样本数据集， 对待训练的目标神经网络进 行训练； 构造加权损失值， 通过对所述加权损失值进行加权反向传播以持续训练所述目标神经网 络， 直至所述加权损失值收敛， 得到训练完成的目标神经网络 。 9.一种计算机设备， 其中， 包括： 处理器、 存储器和总 线， 所述存储器存储有所述处理器 可执行的机器可读指令， 当计算机设备运行时， 所述处理器与所述存储器之间通过总线通 信， 所述机器可读指 令被所述处理器执行时执行如权利要求 1至6中任一项所述的烟火检测 方法的步骤。 10.一种计算机非瞬态可读存储介质， 其中， 该计算机非瞬态可读存储介质上存储有计 算机程序， 该计算机程序被处理器运行时执行如权利要求 1至6中任一项 所述的烟火检测方 法的步骤。权　利　要　求　书 2/2 页 3 CN 115546722 A 3