# EasyFlameDetect

**Repository Path**: soeasyai/easy-flame-detect

## Basic Information

- **Project Name**: EasyFlameDetect
- **Description**: SOTA级别的火灾检测辅助器
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-05-10
- **Last Updated**: 2024-06-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# EasyFlameDetect

#### 介绍
可容纳1000路实时视频流分析SOTA级别的火灾检测辅助器

基于现场视频和遥感图像的深度学习方法已被应用于火灾检测。然而，火灾检测模型的性能和泛化能力，受限于有限数量和模态的火灾检测训练数据集，迫切需要一个覆盖复杂和多样火灾场景的大规模火灾检测基准数据集。我们选择了目前最大的火灾检测数据集**FASDD**（12万+)进行训练，使用的模型为**YOLOV8L**。我们本次提供的火灾检测模型在跨计算机视觉和遥感两个领域的异构图像上的精度为**0.715**(mAP@0.5)。而在野火定位的应用证明，我们融合数据集上训练的深度学习模型也可用于**识别和监控森林火灾**。它可以同时部署在**瞭望塔**、**无人机**和**光学卫星**上，构建一个**卫星-地面协同观测网**，这对**大规模的火灾压制**、**受害者逃生**、**消防员救援**和**政府决策**提供重要参考。

！！！在我们新发布的2.0版本中，我们新增了最重要的多路视频流实时监测能力，其原则上支持**无限制数量**的视频流接入！！！

![image-20240601222924249](assets/image-20240601222924249.png)

------

#### 1.相关参数

| 参数名称    | 参数配置                                                     |
| ----------- | ------------------------------------------------------------ |
| 数据集      | 中科院数据银行提供的10万级**[FASDD](https://www.scidb.cn/en/detail?dataSetId=ce9c9400b44148e1b0a749f5c3eb0bda)**火焰检测数据集 |
| 识别模型    | YOLOV8L                                                      |
| 训练设备    | GPU(RTX3060*4)                                               |
| 优化器      | AdamW                                                        |
| 初使学习率  | 0.01                                                         |
| Momentum    | 0.937                                                        |
| WeightDecay | 0.0005                                                       |
| 输入尺寸    | 640*640                                                      |
| Batch       | 128                                                          |
| Simplify    | True                                                         |
| Dynamic     | False                                                        |

#### 2.巡检区域说明

巡检区域分为两个部分:**常巡区域**与**轮巡区域**，各部分说明如下：

##### 常巡区域

系统内置了4个常巡区域模块，每个常巡模块对视频流内容进行实时监测，当发现异常情况时每个模块会自动进行区域告警，模块左上方状态标识将自动显示为异常，指挥人员可根据模块所属具体信息快速对所属区域人员下达指令，定制版本在发现异常后会自动向该区域客户端推送相关信息。

##### 轮巡区域

为了同时保证检测效率与系统实用性，我们新增了轮巡检测方式，即对轮巡区域内的监控视频逐一轮流检测，从第一个视频流开始检测，检测完毕后自动切换至下一个视频流，递归重复该过程。我们重构了视频编解码模块，针对H.264格式的RTSP视频流进行了极致性能优化，经软件压力测试，无论设置多少轮巡视频监控点，系统推理时延始终<22ms。

#### 3.监控点位添加

目前监控点位支持两种添加模式，**系统添加**以及**Excel配置文件添加**。

##### 系统添加

![image-20240601231527657](assets/image-20240601231527657.png)

在不同巡检区域点击添加按钮，即可在本区域添加监控点位，目前支持**海康威视**、**大华**以及**RTSP视频流**三种设备模式，需要注意的是区域名称为必填选项，即该监控点位所在区域位置。

##### Excel配置文件添加

为了简化系统操作以及对大批量点位进行一次性添加，我们新增了Excel配置功能，配置表如下：

![image-20240601232035180](assets/image-20240601232035180.png)

设备ID：其后缀为唯一索引标识，请按照1，2，3...的顺序进行修改，其**前缀Main**代表**常巡**区域点位，最大数量为**4**，前缀**Normal**代表**轮巡**区域点位，其**数量没有限制**，**流地址、所属区域、区域名称均为必填项**。

**Excel配置表位于StreamingAssets文件夹下，请勿修改该表名称及表结构。**



#### 联系方式

soeasyai1024@163.com

#### **数据引用**：

Ming Wang, Peng Yue, Liangcun Jiang, et al. FASDD: An Open-access 100,000-level Flame And Smoke Detection Dataset for Deep Learning in Fire Detection[DS/OL]. V5. Science Data Bank, 2024[2024-05-10]. https://cstr.cn/31253.11.sciencedb.j00104.00103. CSTR:31253.11.sciencedb.j00104.00103.

------