CN115861915A - 消防通道监控方法、消防通道监控装置以及存储介质 - Google Patents

Abstract

本申请公开了一种消防通道监控方法、消防通道监控装置以及计算机存储介质，该消防通道监控方法包括：获取预设的消防通道区域；获取通道监控视频，通道监控视频包括若干帧监控图像；获取若干帧监控图像的变化区域，并获取每帧监控图像的变化区域与消防通道区域的重合信息；基于重合信息确定若干帧监控图像中表示为消防通道堵塞情况的堵塞图像；监控通道监控视频中出现连续多帧堵塞图像的帧数，在帧数大于等于预设帧数时，输出通道堵塞的预警信息。通过上述方式，本申请能够通过计算实时的通道监控视频的变化区域与未堵塞时通道区域的重合程度以及堵塞时间来进行通道是否堵塞的判断，以获得对通道堵塞的更好监控效果。

Description

消防通道监控方法、消防通道监控装置以及存储介质

技术领域

本申请涉及图像处理与计算机视觉领域，特别是涉及一种消防通道监控方法、消防通道监控装置以及存储介质。

背景技术

随着计算机图像处理技术的不断发展，图像应用领域也越来越广泛，涉及生物医学、军事、机器视觉等多个应用领域。图像处理技术是用计算机对图像信息进行处理的技术，主要包括图像增强和复原，图像识别，图像分割、图像编码等。

在一应用场景中，当高层建筑发生火灾等紧急情况时，影响消防员施救难度的一大重要因素在于消防通道阻塞，通道堵塞主要表现为杂物堆积、货物占用、垃圾堵塞、车辆乱停放等情况。一旦消防通道被占用，将导致火灾发生时人员疏散困难，将给人民群众的生命安全和财产安全带来巨大的隐患。而当前对于消防通道的管理大多为人工定时进行实地巡检，这种方式耗费大量的人力，且效率低下，同时无法保持消防通道的长时间畅通。现有的对于消防通道堵塞的监控方法，由于存在许多无关因素的干扰，导致监控效果并不佳。

发明内容

本申请主要解决的技术问题是如何提高消防通道堵塞的监控效果，对此，本申请提供一种消防通道监控方法、消防通道监控装置以及存储介质。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种消防通道监控方法，该方法包括：获取预设的消防通道区域；获取通道监控视频，通道监控视频包括若干帧监控图像；获取若干帧监控图像的变化区域，并获取每帧监控图像的变化区域与消防通道区域的重合信息；基于重合信息确定若干帧监控图像中表示为消防通道堵塞情况的堵塞图像；监控通道监控视频中出现连续多帧堵塞图像的帧数，在帧数大于等于预设帧数时，输出通道堵塞的预警信息。

其中，堵塞图像的变化区域的面积与消防通道区域的面积的比值大于等于第一预设阈值。

其中，获取若干帧监控图像的变化区域，包括：对每一帧监控图像进行变化检测，得到每一帧监控图像的若干初始变化区域；将若干初始变化区域中中心点位于消防通道区域内的初始变化区域定义为监控图像的变化区域。

其中，连续多帧堵塞图像的变化区域的位置变化值小于等于第二预设阈值，第二预设阈值用于判断连续多帧堵塞图像的变化区域是否为同一变化区域。

其中，在获取若干帧监控图像的变化区域之后，消防通道监控方法还包括：利用人体检测模型获取若干帧监控图像的人体框；计算人体框与其对应帧的变化区域的第一交并比；当第一交并比大于等于第三预设阈值时，将该帧监控图像定义为非堵塞图像。

其中，在获取若干帧监控图像的变化区域之后，消防通道监控方法还包括：利用目标跟踪模型获取若干帧监控图像的目标跟踪输出框；计算目标跟踪输出框与其对应帧的变化区域的第二交并比；当第二交并比大于等于第四预设阈值时，将该帧监控图像定义为非堵塞图像。

其中，在获取若干帧监控图像的变化区域之后，消防通道监控方法还包括：利用运动检测模型获取若干帧监控图像的运动区域；计算运动区域与其对应帧的变化区域的交叉像素值；当交叉像素值与变化区域的比值大于等于第五预设阈值时，将该帧监控图像定义为非堵塞图像。

其中，对每一帧监控图像进行变化检测，得到每一帧监控图像的若干初始变化区域，包括：对消防通道区域图像进行特征提取得到第一特征图；对每一帧监控图像进行特征提取得到第二特征图集合；对消防通道区域图像与每一帧监控图像的每一帧连接图像进行特征提取得到第三特征图集合；对第一特征图、第二特征图集合、第三特征图集合进行特征融合，并将融合结果传入特征预测头；利用特征预测头进行变化检测，得到每一帧监控图像的若干初始变化区域。

其中，对消防通道区域图像进行特征提取得到第一特征图，包括：构建特征提取骨干网络对消防通道区域图像进行特征提取；在特征提取骨干网络中加入通道和空间注意力模块；利用模块对消防通道区域图像生成第一注意力特征图；利用第一注意力特征图对特征提取结果进行修正得到第一特征图。

其中，对每一帧监控图像进行特征提取得到第二特征图集合，包括：构建特征提取骨干网络对每一帧监控图像进行特征提取；在特征提取骨干网络中加入通道和空间注意力模块；利用模块对每一帧监控图像生成对应的第二注意力特征图；利用对应的第二注意力特征图对特征提取结果进行修正得到第二特征图集合。

其中，对消防通道区域图像与每一帧监控图像的每一帧连接图像进行特征提取得到第三特征图集合，包括：构建特征提取骨干网络对每一帧连接图像进行特征提取；在特征提取骨干网络中加入通道和空间注意力模块；利用模块对每一帧连接图像生成对应的第三注意力特征图；利用对应的第三注意力特征图对特征提取结果进行修正得到第三特征图集合。

其中，对第一特征图、第二特征图集合、第三特征图集合进行特征融合，并将融合结果传入特征预测头，包括：将融合结果分为两个通道分别进行卷积操作；将卷积操作结果传入特征预测头。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种消防通道监控装置，该消防通道监控装置包括处理器和存储器，存储器与处理器耦接，存储器存储有程序数据，处理器用于执行程序数据以实现如上述的消防通道监控方法。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质存储有程序数据，程序数据在被执行时，用于实现上述的消防通道监控方法。

本申请的有益效果是：区别于现有技术的情况，本申请提供的消防通道监控方法应用于消防通道监控装置，消防通道监控装置获取预设的消防通道区域；获取通道监控视频，通道监控视频包括若干帧监控图像；获取若干帧监控图像的变化区域，并获取每帧监控图像的变化区域与消防通道区域的重合信息；基于重合信息确定若干帧监控图像中表示为消防通道堵塞情况的堵塞图像；监控通道监控视频中出现连续多帧堵塞图像的帧数，在帧数大于等于预设帧数时，输出通道堵塞的预警信息。通过上述方式，与常规的消防通道监控方法相比，本申请采用的利用消防通道监控装置基于通道的实时监控视频以及通道未堵塞时的图像获取图像变化区域，并利用多种检测模型排除图像变化区域中的干扰因素的方法，可以将通道的实时情况与正常情况相对比，更加准确且高效地检测出通道监控视频中出现堵塞情况的位置并及时预警，还能避免因为人为活动或暂时的图像变化而造成的误判情况。本消防通道监控方法能够通过对通道的监控视频与常态图像进行特征提取并构建深度学习检测模型，以实现更加精确地得到通道监控视频的变化区域，利用多种检测模型对变化区域中的干扰情况进行排除以获得最终的通道堵塞情况，能够及时且准确的针对通道的堵塞情况进行预警，解决通道出现堵塞、违规占用等隐患及问题。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1是本申请提供的消防通道监控方法一实施例的流程示意图；

图2是本申请提供的消防通道监控装置执行消防通道监控方法的流程示意图；

图3为本申请提供的消防通道监控装置中进行变化检测的网络结构图；

图4为本申请提供的消防通道监控装置中的特征预测头的结构示意图；

图5为本申请提供的消防通道监控方法中通道堵塞预警规则的示意图；

图6是本申请提供的消防通道监控装置第一实施例的结构示意图；

图7是本申请提供的消防通道监控装置第二实施例的结构示意图；

图8是本申请提供的计算机可读存储介质一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参阅图1和图2，图1是本申请提供的消防通道监控方法一实施例的流程示意图；图2是本申请提供的消防通道监控装置执行消防通道监控方法的流程示意图。

消防通道是指消防人员实施营救和被困人员疏散的通道，当火灾发生时，如果消防通道出现堵塞或被占用的情况，将会延误消防人员的救援时机，对人民群众的财产与生命安全造成重大威胁。本申请提供的消防通道监控方法可以应用于对各种建筑物中或户外的所有道路堵塞情况的监控，不仅限于消防通道。

如图1和图2所示，本申请实施例的消防通道监控方法包括：

步骤11：获取预设的消防通道区域_。

具体地，消防通道区域可以为现实世界中任何地点一设施内的区域，例如超市、停车场、商场、机场等设施中的一块通道。消防通道区域的设定可以通过用户自行选择一块区域，也可以通过对获取的未堵塞的消防通道区域图像进行识别得到。其中，用于获取消防通道区域图像的设备可以为相机、监控摄像头、带有相机的机器人、无人机、手机等具备拍照功能的设备。

步骤12：获取通道监控视频。

具体地，通道监控视频为获取的预设消防通道区域的实时监控视频，包括预设消防通道区域的若干帧监控图像。

步骤13：获取若干帧监控图像的变化区域，并获取每帧监控图像的变化区域与消防通道区域的重合信息。

具体地，变化区域为监控图像相对于预设的未堵塞的消防通道区域图像像素值不同的区域。每帧监控图像的变化区域与消防通道区域的重合信息包括变化区域与消防通道区域的重合面积。消防通道监控装置通过将每一帧监控图像与预设的消防通道图像进行比较，获得每一帧监控图像的变化区域。消防通道监控装置再将变化区域的面积与消防通道区域的面积进行比较，计算两者的重合面积与第一预设阈值相比较。当变化区域所占面积与消防通道区域的重合面积大于第一预设阈值时，认为该消防通道区域存在堵塞情况。

参阅图3，图3为本申请提供的消防通道监控装置中进行变化检测的网络结构图。

具体地，消防通道监控装置对监控视频中每一帧监控图像进行变化检测，得到每一帧监控图像的若干初始变化区域。消防通道监控装置将若干初始变化区域中中心点位于消防通道区域内的初始变化区域定义为监控图像的变化区域。其中，连续多帧堵塞图像的变化区域的位置变化值小于等于第二预设阈值。第二预设阈值用于判断连续多帧堵塞图像的变化区域是否为同一变化区域，若位置变化值大于第二预设阈值，则认为多帧堵塞图像的变化区域不是同一变化区域。第二预设阈值可以由用户自行设置，在此不做限定。当连续多帧堵塞图像的变化区域的位置变化值小于等于第二预设阈值时，可以认为这连续多帧堵塞图像的变化区域为同一变化区域，由此可以通过视频帧的帧数计算变化区域的持续时间。

在本申请一实施例中，消防通道监控装置对消防通道区域图像即图3中的输入图像1进行特征提取得到第一特征图；对每一帧监控图像即图3中的输入图像2进行特征提取得到第二特征图集合；对消防通道区域图像与每一帧监控图像的每一帧连接图像即图3中的图像concat进行特征提取得到第三特征图集合；对第一特征图、第二特征图集合、第三特征图集合进行特征融合，并将融合结果传入特征预测头；利用特征预测头进行变化检测，得到每一帧监控图像的若干初始变化区域。

具体地，消防通道监控装置构建特征提取骨干网络对消防通道区域图像进行特征提取，在特征提取骨干网络中加入通道和空间注意力模块，利用模块对消防通道区域图像生成第一注意力特征图，利用第一注意力特征图对特征提取结果进行修正得到第一特征图；利用模块对每一帧监控图像生成对应的第二注意力特征图，利用对应的第二注意力特征图对特征提取结果进行修正得到第二特征图集合；利用模块对每一帧连接图像生成对应的第三注意力特征图，利用对应的第三注意力特征图对特征提取结果进行修正得到第三特征图集合。在特征提取时加入注意力模块可以使得消防通道监控装置在进行特征提取时，获取聚焦于不同通道的响应，并以此对原特征提取图像进行调整，以增强消防通道监控装置的特征提取能力。

继续参阅图3，消防通道监控装置将特征对的第一特征图，第二特征图集合、第三特征图集合进行变化特征融合。对第一特征图与第二特征图集合的图像进行卷积操作后的结果进行像素级的相加与相减以实现图像的融合，再连接SE注意力模块，以得到不同通道特征的响应。消防通道监控装置对第一特征图和第二特征图集合的融合结果与第三特征图集合进行连接，以更为适应性地对前景图与背景图的变化特征进行表征建模，从而进一步提升消防通道监控装置对变化特征的表达能力。

具体地，消防通道监控装置将连接后的结果分为两个通道分别进行卷积操作，并将卷积操作结果传入特征预测头。消防通道监控装置将输入的融合结果分为两个通道，使得传入特征预测头的图像与原输入的监控视频图像为一样的大小，并能提取到更加精细的特征以及防止出现网络退化。

参阅图4，图4为本申请提供的消防通道监控装置中的特征预测头的结构示意图，特征预测头可以分为三分支，包括分类、回归、置信度等，其中分类分支最后的通道数目为检测类别数目，回归分支最后的通道数目为4，分别对应位置坐标的[x,y,w,h]信息，置信度分支输出的是对于有无变化的判断。多个特征预测头可以对图像的分类、回归和置信度分别进行预测，充分利用图像的特征信息，以提升模型的整体性能。

参阅图5，图5为本申请提供的消防通道监控方法中通道堵塞预警规则的示意图。

具体地，在获取若干帧监控图像的变化区域之后，消防通道监控装置还可以利用人体检测模型、目标跟踪模型和运动检测模型对获取的监控图像进行非堵塞情况的排除。

具体地，消防通道监控装置利用人体检测模型获得若干帧监控图像的人体框，计算每个人体框与其对应帧的变化区域的第一交并比。当第一交并比大于等于第三预设阈值时，将该帧监控图像定义为非堵塞图像。第一交并比反映的是人体框对于变化区域的置信度，即置信度越大，越能表示该图像变化区域为人体。当第一交并比大于等于第三预设阈值时，可以认为该帧的图像变化为人体造成，不属于通道堵塞情况。其中，第三预设阈值可以由用户自行设置，在此不做限定。例如，消防通道监控装置计算所得的第一交并比为IoU_1，当IoU_1小于第三预设阈值thresh1即flag1＝IoU_1<thresh1时，可以认为该帧监控图像的图像变化区域并不是人体造成的。

具体地，消防通道监控装置利用目标跟踪模型获取若干帧监控图像的目标跟踪输出框；计算目标跟踪输出框与其对应帧的变化区域的第二交并比；当第二交并比大于等于第四预设阈值时，将该帧监控图像定义为非堵塞图像。第二交并比反映的是目标跟踪输出框对于变化区域的置信度，即置信度越大，越能表示该图像变化区域为人体活动。当第二交并比大于等于第四预设阈值时，可以认为该帧的图像变化为人体活动造成，不属于通道堵塞情况。其中，第四预设阈值可以由用户自行设置，在此不做限定。例如，消防通道监控装置计算所得的第一交并比为IoU_2，当IoU_2小于第四预设阈值thresh2即flag2＝IoU_2<thresh2时，可以认为该帧监控图像的图像变化区域并不是人体活动造成的。目标跟踪输出结果可以与上面的人体检测结果相结合，以提高人体检测的准确性，能够更准确的排除通道的非堵塞情况。

具体地，消防通道监控装置利用运动检测模型获取若干帧监控图像的运动区域；计算运动区域与其对应帧的变化区域的交叉像素值；当交叉像素值与变化区域的比值大于等于第五预设阈值时，将该帧监控图像定义为非堵塞图像。当交叉像素值与变化区域总像素值的比值大于等于第五预设阈值时，可以认为该帧的图像变化处于运动状态，不属于通道堵塞的情况。其中，第五预设阈值可以由用户自行设置，在此不做限定。例如，消防通道监控装置计算所得的交叉像素值与变化区域的比值为ratio_1，当ratio_1小于第五预设阈值thresh3即flag3＝ratio_1<thresh3时，可以认为该帧监控图像的图像变化区域并不是运动的。

在本申请一实施例中，消防通道监控装置可以先利用人体检测模型获得每帧监控图像的人体框，滤除人体框再进行运动检测，可以减少消防通道监控装置的计算时间。

经过消防通道监控装置利用人体检测模型、目标跟踪模型和运动检测模型对获取的监控图像进行非堵塞情况的排除后，能够更加准确地获得消防通道图像的变化是由通道堵塞造成的情况，以避免受到人体活动等干扰因素的影响。

在本申请一实施例中，消防通道监控装置进行完人体检测、目标跟踪和运动检测后，当三个判断条件都满足即flag1&flag2&flag3时，再进行消防通道堵塞面积的计算。其中，flag1为IoU_1<thresh1即人体框对于变化区域的置信度IoU_1小于第三预设阈值thresh1时的情况，flag2为IoU_2<thresh2即目标跟踪输出框对于变化区域的置信度IoU_2小于第四预设阈值thresh2时的情况，flag3为ratio_1<thresh3即运动区域与其对应帧的变化区域的交叉像素值与变化区域总像素值的比值为ratio_1小于第五预设阈值thresh3时的情况，flag1&flag2&flag3表示以上三个情况皆同时满足。

步骤14：基于重合信息确定若干帧监控图像中表示为消防通道堵塞情况的堵塞图像。

具体地，当通道监控装置获取的图像的变化区域的面积area_1与消防通道区域的面积area_0的比值大于等于第一预设阈值ratio时，定义该帧监控图像为通道堵塞时的堵塞图像。

步骤15：监控通道监控视频中出现连续多帧堵塞图像的帧数，在帧数大于等于预设帧数时，输出通道堵塞的预警信息。

继续参阅图5，设定第一帧堵塞图像的初始时间为t_i，用连续多帧堵塞图像的帧数来计算通道的堵塞时间记为t，当t大于预设帧数所对应的预设时间T时，消防通道监控装置对通道堵塞的情况向用户发出预警信息。

区别于现有技术的情况，本申请提供的消防通道监控方法应用于消防通道监控装置，消防通道监控装置获取预设的消防通道区域；获取通道监控视频，通道监控视频包括若干帧监控图像；获取若干帧监控图像的变化区域，并获取每帧监控图像的变化区域与消防通道区域的重合信息；基于重合信息确定若干帧监控图像中表示为消防通道堵塞情况的堵塞图像；监控通道监控视频中出现连续多帧堵塞图像的帧数，在帧数大于等于预设帧数时，输出通道堵塞的预警信息。通过上述方式，与常规的消防通道监控方法相比，本申请采用的利用消防通道监控装置基于通道的实时监控视频以及通道未堵塞时的图像获取图像变化区域，并利用多种检测模型排除图像变化区域中的干扰因素的方法，可以将通道的实时情况与正常情况相对比，更加准确且高效地检测出通道监控视频中出现堵塞情况的位置并及时预警，还能避免因为人为活动或暂时的图像变化而造成的误判情况。本消防通道监控方法能够通过对通道的监控视频与常态图像进行特征提取并构建深度学习检测模型，以实现更加精确地得到通道监控视频的变化区域，利用多种检测模型对变化区域中的干扰情况进行排除以获得最终的通道堵塞情况，能够及时且准确的针对通道的堵塞情况进行预警，解决通道出现堵塞、违规占用等隐患及问题。

上述实施例的方法，可以利用一消防通道监控装置来实现，下面结合图6进行描述，图6是本申请提供的消防通道监控装置第一实施例的结构示意图。

如图6所示，本申请实施例的消防通道监控装置60包括获取模块61、变化检测模块62、堵塞确定模块63、预警输出模块64。

其中，获取模块61，用于获取预设的消防通道区域和通道监控视频，通道监控视频包括若干帧监控图像。

变化检测模块62，用于获取若干帧监控图像的变化区域，并获取每帧监控图像的变化区域与消防通道区域的重合信息。

堵塞确定模块63，用于基于重合信息确定若干帧监控图像中表示为消防通道堵塞情况的堵塞图像。

预警输出模块64用于监控通道监控视频中出现连续多帧堵塞图像的帧数，在帧数大于等于预设帧数时，输出通道堵塞的预警信息。

上述实施例的方法，可以利用一消防通道监控装置来实现，下面结合图7，图7是本申请提供的消防通道监控装置第二实施例的结构示意图，该消防通道监控装置70包括存储器71和处理器72，存储器71用于存储程序数据，处理器72用于执行程序数据以实现如下的方法：

获取预设的消防通道区域；获取通道监控视频，通道监控视频包括若干帧监控图像；获取若干帧监控图像的变化区域，并获取每帧监控图像的变化区域与消防通道区域的重合信息；基于重合信息确定若干帧监控图像中表示为消防通道堵塞情况的堵塞图像；监控通道监控视频中出现连续多帧堵塞图像的帧数，在帧数大于等于预设帧数时，输出通道堵塞的预警信息。

参阅图8，图8是本申请提供的计算机可读存储介质一实施例的结构示意图，该计算机可读存储介质80存储有程序数据81，程序数据81在被处理器执行时，用于实现如下的方法：

获取预设的消防通道区域；获取通道监控视频，通道监控视频包括若干帧监控图像；获取若干帧监控图像的变化区域，并获取每帧监控图像的变化区域与消防通道区域的重合信息；基于重合信息确定若干帧监控图像中表示为消防通道堵塞情况的堵塞图像；监控通道监控视频中出现连续多帧堵塞图像的帧数，在帧数大于等于预设帧数时，输出通道堵塞的预警信息。

本申请的实施例以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (14)

1.一种消防通道监控方法，其特征在于，包括：

获取预设的消防通道区域；

获取通道监控视频，所述通道监控视频包括若干帧监控图像；

获取所述若干帧监控图像的变化区域，并获取每帧所述监控图像的变化区域与所述消防通道区域的重合信息；

基于所述重合信息确定所述若干帧监控图像中表示为消防通道堵塞情况的堵塞图像；

监控所述通道监控视频中出现连续多帧堵塞图像的帧数，在所述帧数大于等于预设帧数时，输出通道堵塞的预警信息。

2.根据权利要求1所述的消防通道监控方法，其特征在于，

所述堵塞图像的变化区域的面积与所述消防通道区域的面积的比值大于等于第一预设阈值。

3.根据权利要求1所述的消防通道监控方法，其特征在于，

所述获取所述若干帧监控图像的变化区域，包括：

对所述每一帧所述监控图像进行变化检测，得到每一帧所述监控图像的若干初始变化区域；

将所述若干初始变化区域中中心点位于所述消防通道区域内的初始变化区域定义为所述监控图像的变化区域。

4.根据权利要求3所述的消防通道监控方法，其特征在于，

所述连续多帧堵塞图像的变化区域的位置变化值小于等于第二预设阈值，所述第二预设阈值用于判断所述连续多帧堵塞图像的变化区域是否为同一变化区域。

5.根据权利要求1-4任一项所述的消防通道监控方法，其特征在于，

在所述获取所述若干帧监控图像的变化区域之后，所述消防通道监控方法还包括：

利用人体检测模型获取所述若干帧监控图像的人体框；

计算所述人体框与其对应帧的变化区域的第一交并比；

当所述第一交并比大于等于第三预设阈值时，将该帧监控图像定义为非堵塞图像。

6.根据权利要求1-4任一项所述的消防通道监控方法，其特征在于，

在所述获取所述若干帧监控图像的变化区域之后，所述消防通道监控方法还包括：

利用目标跟踪模型获取所述若干帧监控图像的目标跟踪输出框；

计算所述目标跟踪输出框与其对应帧的变化区域的第二交并比；

当所述第二交并比大于等于第四预设阈值时，将该帧监控图像定义为非堵塞图像。

7.根据权利要求1-4任一项所述的消防通道监控方法，其特征在于，

在所述获取所述若干帧监控图像的变化区域之后，所述消防通道监控方法还包括：

利用运动检测模型获取所述若干帧监控图像的运动区域；

计算所述运动区域与其对应帧的变化区域的交叉像素值；

当所述交叉像素值与所述变化区域的比值大于等于第五预设阈值时，将该帧监控图像定义为非堵塞图像。

8.根据权利要求3所述的消防通道监控方法，其特征在于，

所述对所述每一帧监控图像进行变化检测，得到所述每一帧监控图像的若干初始变化区域，包括：

对所述消防通道区域图像进行特征提取得到第一特征图；

对所述每一帧监控图像进行特征提取得到第二特征图集合；

对所述消防通道区域图像与所述每一帧监控图像的每一帧连接图像进行特征提取得到第三特征图集合；

对所述第一特征图、所述第二特征图集合、所述第三特征图集合进行特征融合，并将融合结果传入特征预测头；

利用所述特征预测头进行变化检测，得到所述每一帧监控图像的若干初始变化区域。

9.根据权利要求8所述的消防通道监控方法，其特征在于，

所述对所述消防通道区域图像进行特征提取得到第一特征图，包括：

构建特征提取骨干网络对所述消防通道区域图像进行特征提取；

在所述特征提取骨干网络中加入通道和空间注意力模块；

利用所述模块对所述消防通道区域图像生成第一注意力特征图；

利用所述第一注意力特征图对特征提取结果进行修正得到所述第一特征图。

10.根据权利要求8所述的消防通道监控方法，其特征在于，

所述对所述每一帧监控图像进行特征提取得到第二特征图集合，包括：

构建特征提取骨干网络对所述每一帧监控图像进行特征提取；

在所述特征提取骨干网络中加入通道和空间注意力模块；

利用所述模块对所述每一帧监控图像生成对应的第二注意力特征图；

利用所述对应的第二注意力特征图对特征提取结果进行修正得到所述第二特征图集合。

11.根据权利要求8所述的消防通道监控方法，其特征在于，

所述对所述消防通道区域图像与所述每一帧监控图像的每一帧连接图像进行特征提取得到第三特征图集合，包括：

构建特征提取骨干网络对所述每一帧连接图像进行特征提取；

在所述特征提取骨干网络中加入通道和空间注意力模块；

利用所述模块对所述每一帧连接图像生成对应的第三注意力特征图；

利用所述对应的第三注意力特征图对特征提取结果进行修正得到所述第三特征图集合。

12.根据权利要求8所述的消防通道监控方法，其特征在于，

所述对所述第一特征图、所述第二特征图集合、所述第三特征图集合进行特征融合，并将融合结果传入特征预测头，包括：

对所述第一特征图、所述第二特征图集合、所述第三特征图集合进行特征融合；

将所述融合结果分为两个通道分别进行卷积操作；

将卷积操作结果传入所述特征预测头。

13.一种消防通道监控装置，其特征在于，所述消防通道监控装置包括存储器以及与所述存储器耦接的处理器；

其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1至12任一项所述的消防通道监控方法。

14.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现如权利要求1至12任一项所述的消防通道监控方法。

Images