[发明专利]烟雾检测方法、系统、介质及设备

说明书

本发明属于视觉识别技术领域，具体提供一种烟雾检测方法。本发明旨在解决现有技术中烟雾检测标注难度大、占用计算资源多的问题。为此目的，本发明的烟雾检测方法对小批量的烟雾图像样本进行标注并训练第一检测模型，并应用第一检测模型对大批量的烟雾图像样本进行检测生成伪标签，第一检测模型应用标注的小批量烟雾图像样本和带有伪标签的大批量烟雾图像样本，应用知识蒸馏算法，指导第二检测模型训练得到烟雾检测模型。本发明通过半监督学习和知识蒸馏算法，减少了烟雾图像样本的标注的工作量，同时应用准确率高的教师网络训练学生网络，能够在确保准确率的情况下，降低计算资源的占用。

技术领域

本发明属于视觉识别技术领域，尤其涉及一种烟雾检测方法、系统、介质及设备。

背景技术

火灾是人们生产生活中易发的灾害之一，而烟雾是火灾发生的重要早期特征之一，通过对烟雾进行检测能够及时的预判火灾的发生，从而能够及时采取措施，降低对人民生命财产造成的损失。同时烟雾也是环保检测的重要指标之一，对烟雾进行检测能够辅助对空气质量的评估。

传统的烟雾检测方法主要是基于烟雾传感器等烟雾报警装置实现。但这种烟雾传感器需要在烟雾到达之后才能检测，而在大空间中烟雾扩散会被高度、气流等影响导致烟雾难以到达烟雾传感器，从而导致烟雾传感器不能检测到烟雾。同时在大空间中烟雾的浓度也是制约烟雾传感器工作的一个重要因素，往往在烟雾浓度达到触发烟雾传感器时，火势已经难以控制了，错过最佳的救援时间，造成较大的损失。

基于深度学习的烟雾检测算法能够解决传统烟雾检测的一些问题，且具有监控范围广、监控距离远、反应快速等显著的特点。但由于烟雾的形状不固定，变化较大，造成标注困难，导致基于深度学习的烟雾检测算法的准确度不高；同时受限于计算资源，基于深度学习的烟雾检测算法实时性也是制约相应算法落地的技术性问题之一。

发明内容

为了解决现有技术中的上述问题，即为了解决采用深度学习技术进行烟雾检测时存在的对大批量烟雾图像进行烟雾标注难度大以及在利用计算机等设备执行相应算法时对计算资源消耗较大的问题，本发明提供了一种烟雾检测方法，包括：

利用有标签数据的第一类烟雾图像样本训练得到第一检测模型，其中，所述标签数据包括烟雾区域；

采用所述第一检测模型对无标签数据的第二类烟雾图像样本进行烟雾检测，以获取每个所述第二类烟雾图像样本中的烟雾区域并且根据检测结果分别生成每个所述第二类烟雾图像样本的标签数据；

根据所述第一类烟雾图像样本、所述第二类烟雾图像样本以及各自对应的标签数据，构建烟雾图像训练集；

采用知识蒸馏算法，使所述第一检测模型指导第二检测模型使用所述烟雾图像训练集进行模型训练，得到烟雾检测模型；

采用所述烟雾检测模型对待检测图像进行烟雾检测。

在上述烟雾检测方法的一个可选技术方案中，在“采用所述烟雾检测模型对待检测图像进行烟雾检测”的步骤之后，所述方法还包括：

根据所述烟雾检测模型对待检测图像进行烟雾检测得到的烟雾检测结果，分别获取从相邻的多帧待检测图像中每帧待检测图像上检测到的烟雾区域以及相应的置信度；

对每帧所述待检测图像进行烟雾扩散分析，获得烟雾扩散分值；

根据所述烟雾扩散分值以及每帧所述待检测图像各自对应的烟雾区域的置信度，分析每帧所述待检测图像中是否出现烟雾并且根据相应的烟雾区域输出最终的烟雾检测结果。

在上述烟雾检测方法的一个可选技术方案中，“对每帧所述待检测图像进行烟雾扩散分析，获得烟雾扩散分值”的步骤具体为：

分别获取相邻两帧的所述待检测图像的图像关键点并且进行图像关键点匹配，获得一组或多组图像关键点；其中，每组所述图像关键点分别包括所述相邻两帧的所述待检测图像中相互匹配的两个图像关键点；