买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州成至智能机器科技有限公司;广东省龙眼洞林场(广东莲花顶森林公园管理处)

摘要：本发明涉及一种基于时空融合特征的山火检测方法、模型和系统。其中方法包括：通过无人机采集视频数据；所述视频数据包括若干图像帧；通过一山火检测模型，根据所述视频数据识别是否发生山火以及山火等级；其中，所述山火检测模型执行以下步骤：S1，对所述视频数据的图像帧进行空间特征提取，得到空间特征；S2，对所述视频数据进行时间特征提取，得到时间特征；S3，对所述空间特征和时间特征进行融合处理，得到融合分类特征；S4，根据所述融合分类特征，得到是否发生山火的识别结果和山火等级识别结果。本发明没有引入任何额外的传感器，通过融合空间特征和时间特征，不仅提高了识别云雾和烟雾的准确率，而且能够进一步识别山火等级。

主权项：1.一种基于时空融合特征的山火检测方法，其特征在于，包括步骤：通过无人机采集视频数据；所述视频数据包括若干图像帧；通过一山火检测模型，根据所述视频数据识别是否发生山火以及山火等级；其中，所述山火检测模型执行以下步骤：S1，对所述视频数据的图像帧进行空间特征提取，得到空间特征；S2，对所述视频数据进行时间特征提取，得到时间特征；S3，对所述空间特征和时间特征进行融合处理，得到融合分类特征；S4，根据所述融合分类特征，得到是否发生山火的识别结果和山火等级识别结果；其中，所述步骤S1具体包括：S11，提取所述图像帧的浅层特征，得到浅层特征图像；S12，根据所述浅层特征图像，提取中间层特征，得到中间层特征图像；S13，根据所述中间层特征图像，提取深层特征，得到深层特征图像；S141，对多个所述浅层特征图像进行矩阵相加，得到叠加浅层特征；S142，对所述叠加浅层特征进行卷积和池化处理，得到MGP中间层特征；S143，对多个所述中间层特征图像和MGP中间层特征进行矩阵相加，得到叠加中间层特征；S144，对所述叠加中间层特征进行卷积和池化处理，得到MGP深层特征；S145，对多个所述深层特征图像和MGP深层特征进行矩阵相加，得到空间特征；其中，所述步骤S11具体包括：S111，对所述图像帧进行第一卷积处理，卷积核大小为7*7，步长为3，得到第一卷积特征图像；S112，对所述第一卷积特征图像进行第二卷积处理，卷积核大小为7*7，步长为3，得到第二卷积特征图像；S113，对所述第二卷积特征图像进行池化处理，池化窗口大小为2*2，得到浅层特征图像；所述步骤S12具体包括：S121，对所述浅层特征图像进行第三卷积处理，卷积核大小为5*5，步长为2，得到第三卷积特征图像；S122，对所述第三卷积特征图像进行第四卷积处理，卷积核大小为5*5，步长为2，得到第四卷积特征图像；S123，对所述第四卷积特征图像进行第二池化处理，池化窗口大小为2*2，得到中间层特征图像；所述步骤S13具体包括：S131，对所述中间层特征图像进行第五卷积处理，卷积核大小为3*3，步长为1，得到第五卷积特征图像；S132，对所述第五卷积特征图像进行第六卷积处理，卷积核大小为3*3，步长为1，得到深层特征图像；其中，所述步骤S2具体包括：S21，对所述视频数据进行时间特征提取，得到时间特征图像；S22，对所述视频数据进行卷积处理，卷积核大小为1*1，得到第七卷积特征图像；S23，对所述时间特征图像和第七卷积特征图像进行矩阵相加，得到时间特征；其中，所述步骤S21具体为：通过两个相互级联的时间特征提取单元对所述视频数据进行时间特征提取；所述时间特征提取单元包括级联的膨胀因果卷积层、权重归一化层、h-swish层和丢弃层；所述膨胀因果卷积层对所述视频数据的时间序列进行3次卷积核大小为3的膨胀因果卷积处理，得到时间特征序列；3次膨胀因果卷积处理的膨胀因子分别为1、2和4；所述权重归一化层对所述时间特征序列进行权重归一化处理，得到权重归一化的时间特征序列；所述h-swish层令所述权重归一化的时间特征序列乘以h-swish激活函数，得到激活的时间特征序列；所述h-swish激活函数为：

全文数据：

权利要求：

百度查询： 广州成至智能机器科技有限公司 广东省龙眼洞林场(广东莲花顶森林公园管理处) 一种基于时空融合特征的山火检测方法、模型和系统