(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 202211160450.8 (22)申请日 2022.09.22 (71)申请人 中再云图技 术有限公司 地址 401329 重庆市九龙坡区兴谷路39号9 幢8-8楼 (72)发明人 孙德亮　 (74)专利代理 机构 重庆蕴博君晟知识产权代理 事务所(普通 合伙) 50223 专利代理师 王玉芝 (51)Int.Cl. G06V 20/40(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/46(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于目标检测的高香识别方法 (57)摘要 本发明涉及目标检测技术领域， 具体涉及一 种基于目标检测的高香识别方法， 包括通过摄像 头采集视频图像信息， 并对视频图像信息进行预 处理， 得到训练集和验证集； 将训练集进行数据 增强、 归一、 维度调整， 得到计算数据； 将计算数 据输入图像金字塔获取语义特征， 并将语义特征 加入注意力机制， 得到反馈权重； 通过反馈权重、 训练集和验证集对网络模型进行训练和验证， 得 到目标检测网络模型； 将在 线烧香数据输入目标 检测网络模型中进行训练， 得到检测结果， 本发 明为解决无法判断燃烧时香烛的高度导致香烛 倒塌或断裂后掉落到周围物品上， 造成火灾的问 题。 权利要求书1页 说明书4页 附图2页 CN 115497023 A 2022.12.20 CN 115497023 A 1.一种基于目标检测的高香识别方法， 其特 征在于， 包括以下步骤： 通过摄像头采集视频图像信息， 并对所述视频图像信息进行预处理， 得到训练集和验 证集； 将所述训练集进行 数据增强、 归一、 维度调整， 得到计算数据； 将所述计算数据输入图像金字塔获取语义特征， 并将所述语义特征加入注意力机制， 得到反馈 权重； 通过所述反馈权重、 所述训练集和所述验证集对网络模型进行训练和验证， 得到目标 检测网络模型； 将在线烧香数据输入所述目标检测网络模型中进行训练， 得到检测结果。 2.如权利要求所述的基于目标检测的高香识别方法， 其特 征在于， 所述通过摄像头采集视频图像信息， 并对所述视频图像信息进行预处理， 得到训练集 和验证集包括: 通过摄像头采集视频图像信息； 剔除所述视频图像信息中的冗余数据， 得到剔除后图像； 所述剔除后图像缩放到 640x640尺寸， 得到调整图像； 对所述调整图像进行 标记， 得到标记数据； 将所述标记数据拆分成训练集和验证集。 3.如权利要求所述的基于目标检测的高香识别方法， 其特 征在于， 所述将所述训练集进行 数据增强、 归一、 维度调整， 得到计算数据包括： 对所述训练集进行依次随机扰动、 翻转和裁 剪， 得到增强图片； 对所述增强图片进行依次进行归一和维度调整， 得到计算数据。 4.如权利要求所述的基于目标检测的高香识别方法， 其特 征在于， 所述通过所述反馈权重、 所述训练集和所述验证集对网络模型进行训练和验证， 得到 目标检测网络模型包括： 在神经网络模型 上添加注意力机制和特 征输出尺度， 得到改进网络模型； 使用所述反馈 权重对所述改进网络模型的权 重进行调整， 得到调整模型； 使用所述训练集对调整模型进行训练， 得到训练模型； 使用所述验证集对所述训练模型进行验证， 验证通过， 得到目标检测网络模型。 5.如权利要求 4所述的基于目标检测的高香识别方法， 其特 征在于， 所述使用所述训练集对调整模型进行训练， 得到训练模型包括： 在YOLO神经网络模型设计中， 添加一个CBAM注意力机制， 添加一个特 征输出尺度。权　利　要　求　书 1/1 页 2 CN 115497023 A 2一种基于目标 检测的高香 识别方法 技术领域 [0001]本发明涉及目标检测技 术领域， 尤其涉及一种基于目标检测的高香识别方法。 背景技术 [0002]烧高香， 是指人们在道 观、 寺庙等特地场所， 燃烧 超过一定高度， 容 易引发火灾。 [0003]目前全国各地烧高香将香烛插入香烛台进行燃烧， 无法判断燃烧时香烛的高度导 致香烛倒塌或断裂后掉 落到周围物品上， 造成火灾。 发明内容 [0004]本发明的目的在于提供一种基于目标检测的高香识别方法， 旨在解决无法判断燃 烧时香烛的高度导 致香烛倒塌或断裂后掉 落到周围物品上， 造成火灾的问题。 [0005]为实现上述目的， 本发明提供了一种基于目标检测的高香识别方法， 包括以下步 骤： [0006]通过摄像头采集视频 图像信息， 并对所述视频图像信息进行预处理， 得到训练集 和验证集； [0007]将所述训练集进行 数据增强、 归一、 维度调整， 得到计算数据； [0008]将所述计算数据输入图像金字塔获取语义特征， 并将 所述语义特征加入注意力机 制， 得到反馈 权重； [0009]通过所述反馈权重、 所述训练集和所述验证集对网络模型进行训练和验证， 得到 目标检测网络模型； [0010]将在线烧香数据输入所述目标检测网络模型中进行训练， 得到检测结果。 [0011]其中， 所述通过摄像头采集视频图像信息， 并对所述视频图像信息进行预处理， 得 到训练集和验证集包括: [0012]通过摄像头采集视频图像信息； [0013]剔除所述视频图像信息中的冗余数据， 得到剔除后图像； [0014]所述剔除后图像缩放到 640x640尺寸， 得到调整图像； [0015]对所述调整图像进行 标记， 得到标记数据； [0016]将所述标记数据拆分成训练集和验证集。 [0017]其中， 所述将所述训练集进行 数据增强、 归一、 维度调整， 得到计算数据包括： [0018]对所述训练集进行依次随机扰动、 翻转和裁 剪， 得到增强图片； [0019]对所述增强图片进行依次进行归一和维度调整， 得到计算数据。 [0020]其中， 所述通过所述反馈权重、 所述训练集和所述验证集对网络模型进行训练和 验证， 得到目标检测网络模型包括： [0021]在神经网络模型 上添加注意力机制和特 征输出尺度， 得到改进网络模型； [0022]使用所述反馈 权重对所述改进网络模型的权 重进行调整， 得到调整模型； [0023]使用所述训练集对调整模型进行训练， 得到训练模型；说　明　书 1/4 页 3 CN 115497023 A 3