双分支GAN与注意力机制的火灾隐患检测算法

来源：计算机工程与应用杂志2024年第14期北京时间：

作者：李牧, 何金诚, 杨恒

单位：1.西安理工大学 自动化与信息工程学院，西安 710048；2.陕西省智能协同网络军民共建重点实验室，西安 710048

摘要：针对传统火灾报警在夜间等极端天气下效果不佳，受限于复杂环境等问题，提出一种基于红外与可见光图像融合的火灾预警算法。在生成对抗网络(GAN)中设计并提出双分支注意力结构。其中一条分支通过密集残差子网提取更多鲁棒的特征信息，另一条分支通过注意力子网(efficient coordinate channel attention group,ECCAG)弥补空间信息的缺失，以最大限度获取更多高频细节特征，设计并提出了一种调节损失作为损失函数，通过改进GAN算法得到融合图像，根据提出的火灾预警算法判断是否存在火灾隐患。实验结果表明：改进GAN算法得到的融合数据集目标检测的平均准确率为96.19%，相较于单一红外数据集与原始GAN算法数据集的目标检测平均准确率分别提高了11.09个百分点与6.2个百分点，在公开数据集TNO与LLVIP数据集上测试火灾患检测准确率为97.45%。结果表明，火灾预警算法可以在未发生火灾时及时预警，针对不同场景都可得到显著的检测效果。

关键词：生成对抗网络,图像融合,早期火灾预警,双分支结构,注意力机制