融合YOLOv5-ResNet级联网络的烟火检测方法

火灾产生的烟雾和火焰对人类生命财产及安全会造成严重威胁。针对现有烟火检测算法在实际工业应用中无法满足高检测率、低误报率以及高实时性的检测需求，提出了一种融合YOLOv5-ResNet级联网络的烟火检测算法。首先，为了提高YOLOv5检测网络对烟火目标的检测性能，尤其针对小目标烟火，通过增加注意力机制模块、小目标尺度检测层、Focal Loss损失函数的方式改进YOLOv5目标检测网络；然后，为了降低误检情况的发生，将检测到的烟火目标进行阈值筛选，筛选后的烟火目标增加部分背景信息后送入ResNet34分类网络，剔除非烟火目标；最后，通过综合分析连续多帧检测结果和烟雾面积变化情况，进一步降低误检的发生。结果表明：融合YOLOv5-ResNet级联网络的烟火检测算法，在29个烟火视频的查全率为99.38%,漏检率为0.62%;在45个非烟火视频的误检率约为0.001 6%,在所有测试视频的平均检测速度为51.67帧/s, YOLOv5-ResNet级联网络算法检测精度较高，检测速度较快，误检率低，可满足实际的大规模复杂工业场景下检测任务，综合性能优于现有的其他火灾检测算法。