[发明专利]一种基于目标检测和无序特征的烟雾检测方法

说明书

本发明涉及一种基于目标检测和无序特征的烟雾检测方法，包括如下步骤：获取待检测区域内监控视频中的当前帧图像；对获得的当前帧图像进行烟雾检测，先对图像进行畸变矫正，再采用烟雾目标检测神经网络模型提取图像中可能存在烟雾的候选区域，再采用烟雾语义分割神经网络模型对候选区域进行像素分割，并计算候选区域内烟雾的无序性特征指标，根据无序性特征指标判断候选区域是否有烟雾，保存检测结果；若烟雾检测结果为有烟雾，则发出警报。本发明结合了基于卷积神经网络的检测方式和烟雾无序性特征，实现了在复杂的工厂环境下烟雾的有效检测，解决了现有检测技术的抗干扰能力差、烟雾特征提取不全、准确率低等问题，提高了检测的准确性和稳定性。

技术领域

本发明属于图像检测技术领域，具体涉及一种基于目标检测和无序特征的烟雾检测方法。

背景技术

化工厂等厂区由于地域范围大、作业人员少，经常存在火灾安全隐患，因此将烟雾检测应用于工厂场景下具有重大的意义。烟雾检测方法主要基于烟雾传感器实现，例如离子式烟雾传感器，该传感器的内外电离室里存在放射源镅241，电离产生的正、负离子在电场的作用下各自向正负电极移动，在正常的情况下，内外电离室的电流、电压均稳定，一旦有烟雾窜逃，则会对带电粒子的正常运动产生干扰，电流、电压就会有所改变，破坏了内外电离室之间的平衡，从而实现对烟雾的检测。

目前室内烟雾检测大多依赖烟雾传感器，而对于室外烟雾的检测，由于空间范围大、烟雾运动方向不定等原因，很难采用烟雾传感器来检测，因此室外场景依赖人工检测较多。但是，由于人的不确定因素较大，且需检测的区域较多，很难保证检测的及时性。而采用智能化检测设备进行烟雾检测，往往只提取烟雾的静态特征(颜色、形状、纹理等)作为判断依据，而烟雾的无规则运动及具有透明度的特点使得其静态特征表现能力较弱，因此智能化检测设备在烟雾检测上存在抗干扰能力差、烟雾特征提取不全、准确率低等问题。

发明内容

本发明的目的是提供一种基于目标检测和无序特征的烟雾检测方法，用于实现复杂环境下烟雾的有效检测。

为达到上述目的，本发明采用的技术方案是：

一种基于目标检测和无序特征的烟雾检测方法，包括如下步骤：

S1：获取待检测区域内监控视频中的当前帧图像；

S2：对获得的当前帧图像进行烟雾检测，包括：

(1)图像预处理，对获得的图像进行畸变矫正，

(2)采用烟雾目标检测神经网络模型提取图像中可能存在烟雾的候选区域，

(3)采用烟雾语义分割神经网络模型对候选区域进行像素分割，计算候选区域内烟雾的无序性特征指标，

(4)根据无序性特征指标判断候选区域是否有烟雾，

(5)保存检测结果；

S3：若烟雾检测结果为有烟雾，则发出警报，否则返回步骤S1继续检测。

优选地，在S2(1)中，畸变矫正采用径向畸变矫正公式为：

x₀＝x(1+k₁r²+k₂r⁴+k₃r⁶)，

y₀＝y(1+k₁r²+k₂r⁴+k_ar⁶)，

其中：

(x₀，y₀)为畸变像素点的原始位置，

(x，y)为畸变矫正后的位置，