一种基于改进YOLOv3的火焰识别算法

曹成志 谭笑宇 黄馨仪 罗泽昊

【摘  要】在复杂多变的工作情景中，火灾的预防往往依赖于烟雾报警器，但不能对火情的程度做出判断，容易受到场地的局限，而且存在一定的滞后性。针对上述存在的问题，本文提出了一种基于多尺度检测的改进YOLOv3火焰识别算法，采用四个不同尺度的特征层来提高对小火焰的识别率，用于解决原始YOLOv3算法对小尺寸物体的识别效果不佳的问题。

【关键词】多尺度检测;YOLOv3;后验框

引言

烟雾作为火灾表现出的最为显著的特征之一，准确而实时地进行烟雾检测，是减小火灾危害的重要手段。传统的烟雾检测通常使用烟雾探测器作为检测装置，需要烟雾达到一定浓度时才会发出警报，检测速度较慢、响应时间长。而运用目标检测算法进行火灾烟雾视频监控能较好地解决上述问题，其监控范围广，反应速度快，而且可以节省大量硬件资源。

本文提出一种基于改进YOLOv3的火灾烟雾检测算法，在原有三种不同尺度进行检测的基础上拓展一个尺度，提升小目标识别的准确度，并在火灾目标检测数据库上进行训练，获得相应火灾检测模型，检验算法应用效果。

1.YOLOv3算法原理

YOLOv3算法的整体结构包括主干网络、多尺度特征提取器以及输出层三个部分。YOLOv3的主干网络采用由53个卷积层构成的Darknet-53网络架构，其重要特点是使用了一系列残差块。残差块内进行的残差卷积是对输入进来的特征层先进行一次步长为2的3x3卷积，以压缩特征层的长和宽，并增加其通道数。在保存这一步得到的卷积层后，再依次进行一次1x1和3x3的卷积，以减少参数量并扩张通道。把这两次卷积后得到的结果与前面保存的卷积层相加，就得到残差卷积的最终结果。另外，残差块还使用了跳跃连接，以缓解在深度神经网络中增加深度带来的梯度消失问题，使得网络深度可以进一步增加。在多尺度特征提取器部分，共有三个不同位置的特征层，通过上采样和特征融合的方法，最终在输出层得到3种不同尺度的特征图。多尺度的特征提取可以增加特征的丰富度，提升大、小目标的检测效果。

2.多尺度检测改进

在许多实际场景中，由于物体与图像采集装置的距离不尽相同，导致物体在图像中的尺寸也会出现较大差距，一些尺寸较小的物体往往不容易被检测。针对以上问题，本文通过在原有的三个特征层的基础上，再增加一个104*104尺寸的特征层，用于提高对小物体的识别率。在Darknet-53网络架构中，三种特征层都经过了不同数目的残差卷积，使得原始图像被划分为指定的尺寸。以此类推，从网络中引出104*104尺寸的特征图也十分方便。当得到第四个特征层之后，由于尺寸不同，还需要各个特征层通过上采样操作调整特征层尺寸，再经过拼接，才可以使各个特征层想融合。

2.1构建训练集和测试集

由于数据十分有限，本文采用交叉验证法进行训练和测试，就是把原始数据进行分组，一部分做为训练集来训练模型，另一部分做为测试集来评价模型。本次实验将数据集随机分为10组，每次选取其中1组作为测试集，剩下的9组作为训练集，对模型进行测试。如此反复10次，保证每一组都有一次机会成为测试集。得到的10组结果再求取平均值用于模型参数的估计，作为模型的性能指标。这种做法可以充分利用样本数据，适用于样本较少的情况。

2.2图像预处理

直方图是图像中像素强度分布的图形表达方式，表征了图像种色素的数量分布。直方图均衡化是一种比较常用的图像处理方法，其主要作用是增加局部对比度而不失整體对比度，可以突出图像一些细节的特征。采用直方图均衡化的方式对图像进行预处理。

2.3实验过程

利用改进后的YOLOv3网络，每次将2700张图片作为训练数据集输入，训练完成后通过300张图片测试集进行性能测试，迭代次数为10次。与传统YOLOv3网络的测试结果进行对比，观察各个性能指标的差异性，并分析改进模型的策略。

此外，本实验选用视频作为最终载体，将训练好的模型用于识别视频中的火焰并标注火焰的位置，并记录性能较好的模型参数，尽可能提高目标检测的流畅度和实时性。

2.4测试与评估

本实验采用平均精确度AP（average precision）作为评价指标，首先要计算结果的准确率（precision）和召回率（recall）。仅通过准确率或召回率并不能全面地衡量一个模型的性能，mAP将两者结合起来，评价模型显得更加客观。模型的准确率表征预测结果中真实正样本的比例，即结果中的实际正样本与结果中所有正样本之比;召回率表征结果中的正样本占实际所有正样本的比例，即预测的真实正样本数量与样本中真实正样本数量之比。

3.实验结果分析

在对模型进行训练时，选取动量参数为0.8，迭代次数为10次，学习率设置为0.001，权重下降率为0.0005。在参数一致的情况下，使用相同的数据集，分别将传统YOLOv3算法和本文的改进YOLOV3算法的效果进行对比，得到以下效果。

两者的初始损失值十分相近，约为8.1，但是改进后的YOLOv3算法loss值衰减较快。相比于原算法，在训练时表现出较好的效果，可以提升收敛效果。

在实效性上，改进后的YOLOv3算法在识别视频时，帧数保持在25～30以内，可以基本满足实时监测的需求，但是相比于传统方法，实时性有所下降。以下为检测视频流的效果。

4.问题与展望

目标检测算法一直是计算机视觉领域的研究热点之一，依靠高效的硬件设备作为支撑，结合性能优良的算法结构，可以工业生产和居民生活做提供便利。本文完成了对YOLOv3算法的改进，但是，在实际运行过程中，依然存在很多问题待解决。笔者在这里总结几点问题：

（1）训练集的制作会消耗大量人力资源。在图像标注的过程中，需要对每一张图片中的目标进行框图并标注类型，如果训练更加优异的模型，必然需要更加丰富的样本，因此需要更多人力，这样就限制了算法的推广以及在工程领域的应用。

（2）时效性与准确性的矛盾。深度神经网络往往配有大量参数，而参数的多少直接影响到模型的快时效性。本文选用删减残差网络的方法来提高时效性，可以缩短训练的时间，但是在一定程度上会降低准确度。

（3）“黑箱”模型背后的数学基础。事实上，很多算法的搭建和改进都是依赖于数学知识。对于YOLOv3算法背后的数学，还有待发掘。如果想要有更好的算法，必须具备很好的数学功底，这正是很多初级研究人员所稀缺的。

在当代，人工智能已经走进寻常百姓家，计算机视觉技术也在慢慢改变着人们的生活，目标检测早已应用于很多工程领域。无论是在理论上还是在应用上，目标检测算法都还有很多部分等待开发。在不久的将来，还会有一大批科研人员投入其中，不断推动算法性能的提升，促进人工智能的推广。

5.结语

为了提高YOLOv3算法性能，本文对特征提取网络进行适当改进，选用多尺度检测的方式提高检测精度，在原有三个尺度的特征层的基础之上，再增加第四个不同尺度的特征层;并删减残差网络数目以保持时效性，在五个残差网络块中都进行删减，使得模型的参数大大缩小。

虽然本文在一定程度上可以实现较好的火焰目标实时检测，但是算法的稳定性依然受到很多不确定因素的影响，例如：火焰本身的颜色特征对周边环境有较大影响，会出现很多噪声;待捕捉的火焰受到光照强度（强光或弱光）的制约，会降低检测精度，还对鲁棒性提出更高的要求。此外，如何利用数学数学理论去解释算法的合理性，依然是在未来的研究中需要探索的内容。