论文部分内容阅读
针对基于图像处理的火焰检测方法检测精度不高、误检和漏检等问题，提出了一种融合目标提取和特征加权注意力的火焰检测算法。首先通过YCrCb色彩空间色度分离算法将火焰及火焰颜色相似物提取，滤除无关背景信息，减少模型训练时间和加快网络收敛；其次，在空间域上构建火焰颜色特征加权注意力机制（Flame Color-weighted Attention， FCA），使模型更加关注火焰目标，提高网络检测精度；最后，使用计算量更为经济的幻影卷积（Ghost Convolution）替换原有普通卷积，降低网络计算量，减小模型尺寸。实验结果表明，改进算法的精确率和平均精确率相比原算法分别提高1.4%和0.9%，参数量相比原模型减少17.24%，在不同场景下的实际检测效果对比原模型有所改善，检测速度满足实时性要求，改进后的检测模型能够更好地应用于火灾防控任务中。