专利交易市场

本发明提供一种视频序列下实时火灾检测预警方法，S1：读取一帧视频序列，采用帧差法提取视频中的运动区域；若未检测到运动区域，则返回步骤S1；S2：同时检测火焰区域和烟雾区域，将运动区域的运动像素点与火焰颜色特征模型和烟雾颜色特征模型进行匹配，从而识别出火焰区域和烟雾区域；如果未提取到火焰区域和烟雾区域，则返回步骤S1；S3：如果检测到火焰区域或烟雾区域，则表示有火焰或烟雾发生，此时进行火灾预警，然后读取下一帧。本发明采用了静态和动态特征结合的方法，根据不同场景下火灾燃烧情况，对火焰和烟雾进行双重检测。可以提高检测火灾的敏感性，降低误报率。

本发明涉及图像处理技术领域，公开了一种基于PD‑YOLO的火灾检测方法，包括如下步骤：步骤1：获取火灾数据集，并将其经过预处理后划分为训练集和测试集；步骤2：构建YOLOv8网络模型，设计PConvs模块和DYDPConv模块，在YOLOv8网络模型基础上替换其中部分的C2f模块为PConvs模块和DYDPConv模块，得到改进的YOLOv8网络模型；步骤3：利用训练集训练改进的YOLOv8网络模型，并利用训练后的改进的YOLOv8网络模型进行火灾数据检测。与现有技术相比，本发明加强了模型对于火焰和烟雾的特征学习，提高模型特征提取能力，进一步促进火焰和烟雾的多尺度特征融合，抓取到更丰富和关键的特征表示。