双目识别火灾检测研究

作     者：王慧琳 

作者单位：安徽工程大学 

学位级别：硕士

导师姓名：徐晓光;郝旭耀

授予年度：2023年

学科分类：08[工学] 080203[工学-机械设计及理论] 0837[工学-安全科学与工程] 0802[工学-机械工程] 

主      题：目标检测 YOLOv5 深度可分离卷积 CBAM 双目立体视觉 SIFT特征点匹配 

摘      要：火灾作为最为常见的突发性灾害之一,给遭遇不幸的人们的身心与财产带来了极大的损害,给国家的经济发展带来了重大损失。为了最大程度的降低火灾对人类和环境的伤害,本文提出了双目识别火灾技术的研究,对于提高火灾检测的识别准确率、实现对大面积、广空间分辨率的火情监测、提高火灾处理的效率,以及对火灾预防和抗灾工作的意义,具有重要的研究和应用价值。本文探究了使用YOLOv5目标检测技术和双目立体视觉技术进行火焰和烟雾的检测以及距离测量。具体研究内容包括以下几个方面:首先,分别介绍了以YOLOv5为模型的目标检测算法和双目立体视觉相关的基础理论知识,为接下来的研究提供了理论依据。其次,针对计算资源有限、目标检测模型计算量大的问题,提出了一种改进的YOLOv5的火灾探测模型。对YOLOv5的目标检测算法的网络模型进行了改进,在特征提取网络部分采用深度可分离卷积网络代替传统的卷积,实现了火灾探测模型的轻量级,较原始网络相比较,参数量减少了51.6%,浮点数的运算量减少了46.2%。满足实时性检测且更有利于模型搭载在移动端设备上。并在网络模型中加入了CBAM注意力机制,以提高对小目标的检测。实验结果表明,与原YOLOv5网络结构相比,提高模型对目标特征的关注度,可以更好地处理复杂的场景,对出现漏检、误检的问题进行优化,提高检测物体的精确度和稳定性,进一步提高网络的性能和鲁棒性。然后,在双目立体视觉方面,介绍了相关坐标系的建立及相互转化和相机标定的过程,利用MATLAB工具箱对双目相机进行标定并将相机的有关参数导入Open CV中的Bouguet算法进行立体校正。在立体匹配方法上选择基于SIFT算法进行特征点的匹配并基于此算法进行改进,采用RANSAC算法进行筛选。通过实验,SIFT算法结合RANSAC可以有效地过滤误匹配的关键点,误匹配数得到降低,提高了匹配的准确性和鲁棒性。最后,对改进后的YOLOv5目标检测算法与双目立体视觉测距算法融合,在检测火焰和烟雾的同时也将距离计算出来。本文最终通过实验对比,改进后的算法在检测与测距方面都得到了提高。实现了双目识别火灾检测技术的算法研究。