基于计算机视觉的轨道交通站内火灾检测与定位

来源：交通运输系统工程与信息杂志2024年第3期北京时间：

作者：张金雷, 杨健, 刘晓冰, 陈瑶, 杨立兴, 高自友

单位：北京交通大学，a. 系统科学学院；b. 交通运输学院，北京 100044

摘要：为及时有效地处理轨道交通站内火灾事件，本文提出基于计算机视觉的站内火灾检测与精细化火灾定位模型(Fire-Detect)。首先，基于Unity仿真模拟和收集互联网图像数据的方式制作站内火灾图像与视频数据集Fire-Rail，用于训练构建的火灾检测算法和精细化火灾定位算法；其次，基于卷积神经网络、残差结构与通道注意力机制构建火灾检测算法，用于检测站内监控视频中每帧分别为“正常状态”或“疑似火灾”状态；最后，在“疑似火灾”状态下，模型启动精细化火灾定位算法，将图像以及后续的每帧图像输入精细化火灾定位算法中，并实时输出火灾发生场景下的精细化火灾定位信息。在 Fire-Rail 数据集上进行实验，火灾检测算法在测试集的准确率为95.12%；此外，卷积神经网络层级实验平衡了资源消耗和准确率，消融实验验证了各部分的有效性，鲁棒性实验表明，该算法能处理大部分噪声，整体模型的平均火灾定位检测精度 mAP 为77.3%，可应用于轨道交通站内视频监控设备。

关键词：智能交通,火灾检测,深度学习,轨道交通车站,计算机视觉

基金资助：国家自然科学基金(72201029, 72288101, 72322022)