摘要
针对目前基于深度学习的火焰检测任务中存在的识别准确率低、冗余计算较多的问题,提出一种基于ViBe与轻量级目标检测算法的火焰检测算法VYfire.首先,针对火焰的动态特征,通过引入自适应阈值的ViBe算法,提取完整的动态区域;其次,利用集成了轻量化模块FasterNet和加权双向特征金字塔网络BiFPN的YOLOv5s作为检测基准模型,对动态区域进行检测,实现火焰的精准框定.实验结果表明,改进后的检测模型较YOLOv5s平均检测精度提升了1.1％,参数量下降了 15.4％,浮点运算次数下降了 18.4％.并且VYfire在测试视频集上保持较高检测速度的同时达到了 95.57％的平均召回率和0.77％的平均误检率,能够满足火焰检测任务的实时性和精度要求.
NETL
NSTL
万方数据