买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明公开了一种基于属性感知注意力汇集的工业烟排放识别方法，首先输入视频属性信息，采用属性信息解码模块进行解码得到多重属性特征图；然后将多重属性特征图和视频共同输入注意力汇集特征编码模块得到用于表征工业烟的多重特征；接下来利用多重监督信息对多重特征进行渐进解码得到烟密度图像序列；最后对烟密度图像序列进行分类得到烟识别结果。本发明综合利用二值类别信息、烟密度图像信息，视频属性信息等对输入图像的每个像素进行强监督，降低了工业烟排放识别的误报率和漏报率。

主权项：1.一种基于属性感知注意力汇集的工业烟排放识别方法，其特征在于，包括以下步骤：步骤1：输入视频属性信息，采用属性信息解码模块进行解码得到多重属性特征图；步骤2：将多重属性特征图和视频共同输入注意力汇集特征编码模块得到用于表征工业烟的多重特征；步骤2-1：所述注意力汇集特征编码模块包括四个级联的上下文信息注意模块和四个级联的时空信息注意力模块；步骤2-2：所述上下文信息注意模块的输入为对于第一个上下文信息注意模块，f和I2分别表示输入视频经卷积操作后所得特征图和第一个时空信息注意力模块的输出特征图；对于第二个上下文信息注意模块，f和I2分别表示第一个上下文信息注意模块输出的特征图和第二个时空信息注意力模块的输出；所述上下文信息注意模块包含一个全局特征提取部分GFE和一个级联金字塔注意部分CPA，前者用于提取全局特征，后者用于提取多尺度特征；步骤2-3：所述全局特征提取部分GFE的目标是通过聚合像素对之间的全局语义上下文关系来对全局信息进行编码，GFE获取全局特征图FGFE的计算过程表示为：FGFE＝f+δf⊙G 其中，δ表示可学习权重，用于控制全局上下文信息的贡献；G和C是特征计算的中间特征图，是一个维数变换方法，目的是将一个属于的三维矩阵重组为一个属于的二维矩阵，是的反变换操作，目的是将一个属于的二维矩阵重组为一个属于的三维矩阵；Q编码了全局的像素间关系，qij测量了f的第i个通道特征图对第j个通道特征图的相对影响，P0表示每一个通道特征图的像素个数，W和H分别表示一个通道特征图的长和宽，和⊙分别表示矩阵乘积和矩阵点乘，cij表示矩阵C在位置i,j处的元素数值，用于表示两个嵌入向量之间基于余弦距离的特征相似度；步骤2-4：所述级联金字塔注意部分CPA的目标是通过级联金字塔增强特征的辨别力，CPA提取的特征图FCPA计算过程为：I＝concatI1,I2I＝concatf,I2D1＝DSDSIS1＝D1+AD1⊙D1D2＝DSIS2＝D2+AD2+USS1⊙D1+USS1S3＝USsoncatS2,USS1FCPA＝I+D2+AI⊙D1⊙S3+S3其中，DS*和US*分别表示下采样操作和上采样操作，A*表示空间注意力模块，concat*,*表示特征图串联操作，D1，S1，D2，S2和S3均表示计算过程中的中间变量；步骤2-5：串联特征图FGFE和FCPA得到上下文信息注意模块的输出特征图FTIA，即：FTIA＝concatFGFE,FCPA步骤2-6：所述时空信息注意力模块的输入为对于第一个时空信息注意力模块，J1、J2和J3均表示输入视频经卷积操作后所得特征图；对于第二个时空信息注意力模块，J1、J2和J3分别表示第一个上下文信息注意模块的输出特征图、输入视频的多重属性特征图和第一个时空信息注意力模块的输出特征图，以此类推；所述时空信息注意力模块输出特征图FSIA的具体计算方法为：J＝J1+J2+J3{j1,j2,…,jK}＝splitJl1＝CLSTMconvj1lk＝CLSTMconvjk,lk-1,k＝2,…,KFSIA＝concatl1,l2,…,lK其中，CLSTM*和conv*分别表示ConvLSTM模型和卷积操作，split*表示分离操作，K表示分离个数；步骤2-7：最终上下文信息注意模块输出表征工业烟的多重特征；步骤3：利用多重监督信息对多重特征进行渐进解码得到烟密度图像序列；步骤4：对烟密度图像序列进行分类得到烟识别结果。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于属性感知注意力汇集的工业烟排放识别方法