一种基于无人机的两阶段框架，用于高效处理野火视频分析，该框架结合了自适应压缩技术和火源检测功能

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Two-Stage Framework for Efficient UAV-Based Wildfire Video Analysis with Adaptive Compression and Fire Source Detection

　　

摘要：

无人机（UAV）通过便于进行空中视频分析，在灾害应急响应中变得越来越重要。由于无人机上的计算资源有限，无法高效运行大型模型以进行机载分析。为了解决这一挑战，我们提出了一个轻量级且高效的两阶段框架，用于在无人机平台上进行野火监测和火源检测。具体来说，在第一阶段，我们使用策略网络来识别并丢弃冗余视频片段，从而降低计算成本。我们还引入了一种站点点机制，将未来帧的信息结合到顺序策略网络中，以提高预测准确性。该机制使第一阶段能够近乎实时地运行。在第二阶段，对于被分类为包含火灾的帧，我们应用改进的YOLOv8模型来实时准确定位火灾源。我们使用FLAME和HMDB51数据集评估第一阶段，使用Fire & Smoke Detection数据集评估第二阶段。实验结果表明，我们的方法在保持第一阶段分类准确性的同时显著降低了计算成本，并在第二阶段实现了高检测精度和实时推理。