隧道火灾的视觉跟踪算法

作     者：马庆禄 王伟 孙枭 邹政 罗昊 MA Qinglu;WANG Wei;SUN Xiao;ZOU Zheng;LUO Hao

作者机构：重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074 重庆交通大学交通运输学院重庆400074 同济大学道路与交通工程教育部重点实验室上海201804 

出 版 物：《东南大学学报(自然科学版)》 (Journal of Southeast University:Natural Science Edition)

年 卷 期：2025年第55卷第1期

页      面：255-265页

核心收录：

学科分类：081406[工学-桥梁与隧道工程] 08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金资助项目(52072054) 交通部三峡库区奉建高速公路安全智能建造科技示范工程资助项目(Z29210003) 重庆交通大学研究生科研创新资助项目(CYS240482,2024S0075) 重庆交通大学交通工程应用机器人重庆市工程实验室2022年度开放课题计划资助项目(CELTEAR-KFKT-202301) 

主　　题：隧道工程 隧道火灾 跟踪算法 应急救援 

摘      要：为了实时掌握隧道现场火灾的发展状况,在YOLOv8算法火灾检测的基础上结合改进后的DeepSORT算法,提出一种火焰和烟雾的视觉跟踪算法YOLOv8-T。该算法使用EfficientNetV2替换原YOLOv8特征提取网络实现对算法的轻量化调整;引入三重注意力(TA)模块和第4个检测头,以提高算法检测精度以及对小目标的检测能力;同时采用ShuffleNetV2替换DeepSORT算法中的ReID模块,并引入DIOU方法代替传统的IOU,在保证跟踪准确度的条件下减少模型计算复杂度,以提升火灾跟踪的实时性。实验结果表明,在隧道火灾跟踪方面,YOLOv8-T算法比SORT算法、DeepSORT算法、YOLOv8+DeepSORT算法在跟踪准确度上分别提高了26.20%、15.86%和9.21%,在跟踪精度上分别提高了11.28%、9.06%和2.2%。在ID变换次数上分别减少22.2、15.3和10.4次,表明YOLOv8-T算法具有较高的火灾跟踪能力。研究成果可为公路隧道火灾监测提供参考,并为实现隧道火灾救援提供依据。