基于改进SSD的轻量化视频烟火检测算法解析

视频烟火检测，一直以来都是一个“既要又要”的难题——既要看得准，又要反赌，模型还不能太大。传统的传感器方案响应慢、精度低；后来的深度学习方法虽然效果上来了，但模型体量常常让人头疼。针对这类问题，提出一种改进型的轻量化算法GSSD，试图在精度、速度和模型大小之间找到一个更好的平衡点。

先说一下这个方案的核心思路。GSSD的改进集中在两个地方：第一，是把SSD算法中原本使用的VGG16骨干网络替换成了GhostNet，一个轻量化但精度不低的网络；第二，是在特征映射阶段引入了多尺度特征融合，通过Concat操作把不同层的特征图拼在一起，用来提升对小目标的检测能力。简单来说，就是既想把模型做小、跑快，又不想牺牲对烟火这类小目标的检测精度。

在公开数据集PASCAL VOC 2012和自制的烟火数据集上的实验表明，GSSD的效果确实是有的。相比原始SSD算法，GSSD的mAP提升了4.8%（烟火数据集上），检测速度提升了1.9倍，参数量减少了84.64%。可以说，这三个指标同时优化，还是挺难得的。

0 引 言

火灾频发，消防资源又有限，快速准确地检测火情就成了刚需。传统的烟火检测手段，主要靠传感器去感知烟雾气体或火焰红外信息。这类方法的问题很明显：精度低、响应慢，而且在智能化和抗干扰能力上，还有不小的提升空间。

相比之下，基于视频的烟火检测方案优势就出来了。通过摄像头实时传输的画面，不仅能检测烟火位置，还能提供现场的直观情况，便于后续决策。但这个方向本身也不容易——视频画面复杂，光照变化、遮挡、小目标等问题都是挑战。

过去几年，不少学者尝试过各种思路。比如有的研究基于显著性检测和高斯混合模型来做视频烟雾分割，虽然精度和速度都有提升，但过于依赖手工提取特征，泛化能力不行，碰上复杂场景就露怯。还有的方法借助ViBe和机器学习，用随机森林和支持向量机去做分类，但这类方法本身特征提取能力有限，容易出现误报。至于那些基于YCrCb颜色空间加改进FOA算法去优化SVM参数的方案，分类效果是上来了，但元启发式算法的计算量太大，视频实时检测基本跑不动。

说到底，这些传统方法的核心瓶颈都在于——人工提取特征。泛化能力弱、精度和速度难以兼顾，很难满足对实时稳定检测的需求。

随着深度学习的发展，用卷积神经网络（CNN）替代人工特征提取成为趋势。有不少研究尝试将CNN用于烟火检测，效果确实比传统方法好很多。比如有研究者直接用CNN对火灾图像做分类，精度和速度都大幅提升，但没把检测任务做深。还有人改进YOLOv3来做火灾检测，检测效果不错，但模型尺寸大，计算成本高。也有把SSD和轻量化模型MobileNet结合的尝试，提升了速度和降低了复杂度，但精度上还有欠缺。

这些深度学习方法各有长短，但始终没有完全解决一个核心矛盾：高检测精度、实时检测和小模型尺寸三者之间的平衡。所以，本文提出的GSSD算法，就是针对这个矛盾来的。

1 SSD 算法

SSD算法的结构主要包括三块：骨干网络、特征映射网络和检测网络。算法流程如图1所示。

SSD用的是改进版的VGG16作为骨干网络。为了减少干扰，把VGG16原有的两个全连接层FC6和FC7换成了3×3卷积和1×1卷积。后面又加了四组卷积层Conv6到Conv9，每组先用1×1卷积核做下采样，再用3×3卷积核做特征提取。

特征映射网络这边，选用了六张不同尺寸的特征图：Conv4_3、FC7、Conv6_2、Conv7_2、Conv8_2、Conv9_2。这些特征图大小不一，能为检测提供多尺度的信息。

检测网络则用两个3×3的卷积核对这六张特征图分别做运算：一个输出类别置信度，一个提供回归的位置信息。所有结果合并后丢给损失函数去迭代训练，直到模型收敛。

SSD的问题在于，VGG16虽然经典，但网络结构相对单一，而且有冗余计算。所以，GSSD的改进就从这里入手。

2 GSSD

2.1 骨干网络改进

GhostNet是一个轻量化的卷积神经网络，核心特点是能用较少的计算量表征出更多的特征。对比MobileNet系列和ShuffleNet系列这些轻量级网络，GhostNet在PASCAL VOC 2012数据集上有更高的准确率。具体数据见表1。

GhostNet的核心在于一个叫Ghost module的结构。它的做法是把传统卷积分成三步：先用少量卷积核生成第一部分特征图，然后对这组特征图做深度卷积得到第二部分特征图，最后用Concat把两部分拼起来。这样一来，计算量就大大降低了。

从数学上看，Ghost module相比普通卷积能压缩大约n倍的浮点计算量和参数量。这就是它轻量化的秘密。

通过堆叠Ghost module，得到两种残差结构——Ghost BottleNeck。步长为1的G1-bneck串联两个Ghost module做特征提取；步长为2的G2-bneck则在两个模块之间加了一个步长为2的深度卷积，用于下采样。

2.2 多尺度特征融合

深层卷积层里的小目标，经过多次池化后容易丢失特征；而浅层卷积层又存在特征提取不足、冗余信息太多的问题。为了解决这个矛盾，把浅层和深层的特征做了多尺度融合。改进的流程如图4所示。

动作分为三步走：先把Conv5_1层的特征图通过卷积运算，把通道数扩展到112个；然后把Conv5_6层的特征图上采样到19×19大小，通道数从160降到112；最后把Conv5_1、Conv5_5和Conv5_6这三层的结果用Concat拼起来，得到336个通道的特征图。

这里有一个细节值得一提：对Conv5_1层用到了空洞卷积，步长为1，膨胀率为2，卷积核大小为3。空洞卷积有个好处，可以在不丢失分辨率的情况下扩大感受野，提高特征提取能力。

对Conv5_6层的上采样，用的是双线性插值法，而不是转置卷积。这个选择有它的道理：双线性插值不需要训练参数，跑起来更快，更适合视频检测这种对速度和计算量有高要求的场景。

2.3 GSSD 网络

把上面这两处改进合在一起，就是最终的GSSD算法，网络结构如表2所示。

训练的时候，把Conv5_1、Conv5_5、Conv5_6的输出做特征融合，作为第一张特征图，然后再选Conv6、Conv7_2、Conv8_2、Conv9_2、Conv10_2等特征图。每个特征图都用两个3×3的卷积核去算类别置信度和回归信息，最后合并后交给损失函数。

3 实验及结果分析

3.1 数据集

实验用了两个数据集：PASCAL VOC 2012公共数据集，包含20个类别、5717张训练图和5823张验证图；自制的烟火数据集，含fire和smoke两个类别，共8199张图片，按7:2:1的比例分成训练集、验证集和测试集。

考虑到自制数据集图片数量有限，做了数据增强：对图像进行90°、180°、270°旋转和水平翻转，如图6所示。

3.2 评价指标

评价指标主要看三个：平均精度（mAP）、模型参数量（Params）和推理速度（FPS）。mAP的计算公式如下：

TP代表真正例，FP是假正例，FN是假反例，c是类别数。这些指标直观反映了模型检测的全面性和精确性。

3.3 对比实验

为了验证GSSD的效果，和当下主流的SSD、YOLOv2、YOLOv3放到同一个平台上做了对比，结果见表3。

在PASCAL VOC 2012数据集上，GSSD相比SSD，mAP提升了2.8%，参数量减少了84.64%，FPS提升了1.9倍。可以说，在SSD的基础上做了大刀阔斧的优化，效果很明显。

和YOLO系列的对比更能说明问题。GSSD比YOLOv2的mAP高了19.2%，参数量少了92.5%，FPS提升了59%。YOLOv2的网络结构比较简单，靠卷积和池化硬提取特征，精度自然上不去。而GSSD虽然比YOLOv3的mAP低了0.5%，但参数少了93.8%，速度提升了70%。这个取舍很明显：YOLOv3用Darknet-53搭配残差结构，精度是高，但模型太大，跑视频检测有些吃力。

在烟火数据集上，GSSD的mAP达到了80.2%，比SSD提升了4.8%，比YOLOv2提升了6.8%，比YOLOv3提升了0.9%。在四个算法里，GSSD对烟火的检测精度最高，速度和模型尺寸也有优势。图7展示了GSSD和SSD在烟火数据集上的可视化对比。

4 结 语

针对视频烟火检测中高精度、实时性和小模型之间难以兼顾的问题，GSSD算法给出了一个不错的答案。通过对SSD的骨干网络替换和多尺度特征融合，整个模型的性能得到了明显提升。

在PASCAL VOC 2012上，GSSD实现了86.7%的mAP，参数量只有14.6 M，FPS达到59。和主流检测算法相比，这个结果既能保证精度，又能控制模型大小和运行速度。在自制烟火数据集上，GSSD比SSD的mAP高4.8%，达到80.2%，参数量减少84.64%，速度提升1.9倍。

当然，这个方向还有进一步优化的空间。接下来的工作，可以考虑针对类火、类烟目标做更精细的检测，提高算法的鲁棒性，减少误报。

参考文献

[1] 李国辉，郭歌，赵力增 . 不同起火原因火灾时空聚集性研究 [J].消防科学与技术，2019，38（1）：141-145.

[2] 张思祥，甘凯，周围 . 提高火灾烟雾传感器检测精度的方法 [J].传感器与微系统，2021，40（1）：151-153.

[3] 胡燕，王慧琴，张国飞，等 . 基于视频图像的远程火灾探测系统[J]. 计算机工程，2013，39（3）：279-284.

[4] 贾阳，林高华，王进军，等 . 基于显著性检测和高斯混合模型的早期视频烟雾分割算法 [J]. 计算机工程，2016，42（2）：206-209.

[5] 梅建军，张为 . 基于 ViBe 与机器学习的早期火灾检测算法 [J]. 光学学报，2018，38（7）：60-67.

[6] 苗续芝，陈伟，毕方明，等 . 基于改进 FOA-SVM 的矿井火灾图像识别 [J]. 计算机工程，2019，45（4）：267-274.

[7] LI P，ZHAO W. Image fire detection algorithms based onconvolutional neural networks [J]. Case studies in thermalengineering，2020，19：100625.

[8] QIN Y Y，CAO J T，JI X F. Fire Detection method based ondepthwise separable convolution and YOLOv3 [J]. Internationaljournal of automation and computing，2021，18（2）：300-310.

[9] Nguyen A Q，Nguyen H T，Tran V C，et al. A Visual Real-timeFire Detection using Single Shot MultiBox Detector for UA V-basedFire Surveillance [C]// 2020 IEEE Eighth International Conference onCommunications and Electronics （ICCE）. IEEE，2021： 338-343.

[10] 杨帆，吴韶波 . 基于 SSD 的目标车辆检测算法研究 [J]. 物联网技术，2021，11（6）：19-22.

[11] Han K，Wang Y，Tian Q，et al. Ghostnet： More features fromcheap operations [C]// Proceedings of the IEEE/CVF Conference onComputer Vision and Pattern Recognition. 2020：1580-1589.

[12] SIMONYAN K，ZISSERMAN A. Very deep convolutionalnetworks for large-scale image recognition [Z]. arXiv preprint arXiv：1409.1556，2014.

[13] 张海涛，张梦 . 引入通道注意力机制的 SSD 目标检测算法 [J].计算机工程，2020，46（8）：264-270.

[14] HOWARD A G，ZHU M，CHEN B，et al. Mobilenets：Efficientconvolutional neural networks for mobile vision applications [Z].arXiv preprint arXiv：1704.04861，2017.

[15] 赵洋，许军 . 基于 MobileNetV2 与树莓派的人脸识别系统 [J]. 计算机系统应用，2021，30（8）：67-72.

[16] H o w a r d A，Sandler M，Chu G，e t a l . S e a r c h i n g f o rmobilenetv3[C]// Proceedings of the IEEE/CVF InternationalConference on Computer Vision. 2019： 1314-1324.

[17] Zhang X，Zhou X，Lin M，et al. Shufflenet： An extremelyefficient convolutional neural network for mobile devices [C]//Proceedings of the IEEE conference on computer vision and patternrecognition. 2018： 6848-6856.

[18] Ma N，Zhang X，Zheng H T，et al. Shufflenet v2： Practicalguidelines forefficient cnn architecture design [C]// Proceedings of theEuropean conference on computer vision （ECCV）. 2018： 116-131.

[19] 余洪山，郭丰，郭林峰，等 . 融合改进 SuperPoint 网络的鲁棒单目视觉惯性 SLAM[J]. 仪器仪表学报，2021，42（1）：116-126.

[20] YU F，KOLTUN V. Multi-scale context aggregation by dilatedconvolutions [Z]. arXiv preprint arXiv：1511.07122，2015.

[21] Redmon J，Farhadi A. YOLO9000： better，faster，stronger [C]//Proceedings of the IEEE conference on computer vision and patternrecognition. 2017： 7263-7271.

[22] Redmon J，Farhadi A. Yolov3： An incremental improvement [Z].arXiv preprint arXiv：1804.02767，2018.

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：基于改进SSD的轻量化视频烟火检测算法解析要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题