改进YOLOv5的隧道火灾帧差检测网络与应用方法

摘要：

隧道发生火灾存在着检测难、救援难的问题,实时的火灾监测对于及时发现火情是至关重要的.传统基于视频图像的火灾检测方法,检测依赖单幅图像,无法提取多幅图像的时空信息,检测精度低,不能有效检测隧道火灾.因此,提出了隧道火灾帧差网络.帧差网络使用3D卷积核构建网络结构,提取视频中火灾的时间上下文信息;将帧差网络衔接至YOLOv5主干网络形成隧道火灾帧差检测网络,可以检测单幅图像及两幅图像,从而充分利用视频动态信息;使用CIoU函数优化网络的边界框损失,并融合分类损失与置信度损失,使网络能够快速收敛.实验结果表明,该网络在隧道火灾数据集上的平均精度高达91.03％,检测速度达到了63.7帧/s,具有较强的鲁棒性.通过选取最优分析策略设计隧道火灾检测应用方法,该方法在隧道场景中的漏检率和误检率分别为2.52％和2.03％,可以满足隧道火灾检测的准确性和实时性需求.

关键词：隧道、火灾检测、帧差网络、YOLOv5

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项;中央高校基本科研业务费专项

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：222-231