[发明专利]一种基于实例分割的隧道烟雾检测方法

权利要求书

1.一种基于实例分割的隧道烟雾检测方法，其特征在于：具体包括以下步骤：

S1、在神经网络模块，通过深度卷积神经网络提取图像的多级特征，并增加分支来进行像素级分割；

S2、然后通过一个小型网络融合多级特征并最终输出烟雾的掩码图；

S3、在滤波模块，首先通过盒式滤波器过滤隧道内灯光对图像带来的影响；

S4、然后确定连通域，过滤其他噪声的干扰；

S5、最终判定烟雾的具体边界并进行预警。

2.根据权利要求1所述的一种基于实例分割的隧道烟雾检测方法，其特征在于：所述步骤S1中神经网络模块系统结构包括：视频图像采集模块(101)、特征提取模块(102)、实例分割模块(103)、多层级特征融合模块(104)、掩码图转换模块(105)和神经网络输出模块(106)。

3.根据权利要求2所述的一种基于实例分割的隧道烟雾检测方法，其特征在于：所述视频图像采集模块(101)用于从摄像头采集系统获得隧道内实时场景，且摄像头为模拟摄像机或数字摄像机，所述特征提取模块(102)用于将视频图像采集模块(101)输出的视频流按帧进行图像大小调整的预处理，然后输入进特征提取器中，分别提取深层与浅层特征，其中深层特征是指烟雾位置等全局语义信息，浅层特征是指烟雾纹理等局部细节信息。

4.根据权利要求2所述的一种基于实例分割的隧道烟雾检测方法，其特征在于：所述实例分割模块(103)利用网络训练好的实例分割分支对特征进行校准，使网络直接预测出目标的边缘特征，且多层级特征融合模块(104)用于对网络提取出的多层级特征进行通道交换、相加等融合操作，得到融合特征，增加特征图信息，使其包含有更多的细节信息以及更强的语义信息。

5.根据权利要求2所述的一种基于实例分割的隧道烟雾检测方法，其特征在于：所述掩码图转换模块(105)用于将多层级特征融合模块(104)输出的融合特征输入到掩码分支中，用浮点数取代二进制掩码，使网络输出仍保持有较多信息，同时保持了网络的轻量性，提高检测速度，且神经网络输出模块(106)用于将特征图还原到原先尺寸，输出最终的检测结果。

6.根据权利要求2所述的一种基于实例分割的隧道烟雾检测方法，其特征在于：所述步骤S3中滤波模块用于处理隧道内的光照影响，且滤波模块包括输入模块(201)、光斑检测模块(202)、光斑过滤模块(203)、连通域模块(204)以及最终的阈值判断模块(205)。

7.根据权利要求6所述的一种基于实例分割的隧道烟雾检测方法，其特征在于：所述输入模块(201)用于将得到的神经网络模块所输出的图像传入传统方法处理模块，且光斑检测模块(202)能够识别出图像中细小光斑，并结合多帧图像，平均出该光斑的像素值范围。

8.根据权利要求6所述的一种基于实例分割的隧道烟雾检测方法，其特征在于：所述光斑过滤模块(203)通过使用盒式滤波器对图像进行滤波，过滤掉零散的噪点，并且将其余部分减去光斑检测模块(202)所得到的光斑像素值，所述连通域模块(204)对滤波后的图像进行连通域检测，由于烟雾的非刚体结构导致易识别为多块烟雾，因此通过部署连通域检测将各模块连接起来，同时也进一步的过滤了噪声，最终确定较大范围的疑似烟雾区域。

9.根据权利要求6所述的一种基于实例分割的隧道烟雾检测方法，其特征在于：所述阈值判断模块(205)设置了阈值二值化图像，并通过烟雾边界以及最终的图像面积判断烟雾的大小与位置。