[发明专利]一种远距离烟雾检测方法、系统、电子设备及介质

权利要求书

1.一种远距离烟雾检测方法，其特征在于：包括：

采集待检测图像，并基于暗通道去雾算法对所述待检测图像进行去雾处理，得到去雾后图像；

将所述去雾后图像输入训练后的目标检测模型中进行处理，以便确定所述去雾后图像中是否包括烟雾图像，如是则获取所述去雾后图像中的预判有烟区域，然后获取所述预判有烟区域的尺寸信息及其在所述去雾后图像中的位置信息；

将所述预判有烟区域输入分类器中进行处理，以便再次确定所述预判有烟区域内是否包括烟雾图像，如是则在所述待检测图像中标记出与其对应的预判有烟区域，得到标记后图像；

根据所述标记后图像、所述预判有烟区域的尺寸信息及其在所述去雾后图像中的位置信息进行烟雾报警。

2.根据权利要求1所述的方法，其特征在于：基于暗通道去雾算法对所述待检测图像进行去雾处理，得到去雾后图像，包括：

获取雾图生成模型；其中，所述雾图生成模型为：

I(x)＝J(x)t(x)+A(1-t(x))；

式中，I(x)表示待检测图像，x表示待检测图像I(x)中的任一像素点，J(x)表示去雾后图像，A表示全局大气光值，t(x)表示待检测图像I(x)的透射率；

对所述雾图生成模型进行变形，并对变形后模型进行两次最小值计算，得到所述雾图生成模型的简化模型；其中，所述简化模型为：

式中，x表示待检测图像中的任一像素点，Ω(x)表示以像素点x为中心的一个窗口，y表示窗口Ω(x)中的任一像素点，c表示RGB颜色通道，A^c表示RGB颜色通道c中的全局大气光值，J^c(y)表示窗口Ω(x)中的任一像素点RGB颜色通道c的去雾后图像，I^c(y)表示窗口Ω(x)中的任一像素点RGB颜色通道c的原图像，表示将窗口Ω(x)中的透射率t(x)进行假设的透射率常数；

计算所述待检测图像的暗通道函数；其中，所述暗通道函数为：

根据暗通道先验理论将所述暗通道函数设定为0，即J^dark(x)＝0；

将J^dark(x)＝0代入所述简化模型中，得到透射率常数；其中，所述透射率常数为：

根据所述透射率常数和所述雾图生成模型，得到去雾后图像。

3.根据权利要求2所述的方法，其特征在于：根据所述透射率常数和所述雾图生成模型，得到去雾后图像，包括：

设定透射率阈值t₀，并将所述透射率常数和透射率阈值t₀代入所述雾图生成模型中，得到去雾后图像；其中，所述去雾后图像为：

4.根据权利要求1所述的方法，其特征在于：所述目标检测模型采用YOLOv5s模型；对所述目标检测模型进行训练时的数据集中，任一训练数据的获取步骤如下：

获取背景图片；

对所述背景图片进行掩码处理，对所述背景图片中的指定区域进行标记；

基于C4D软件生成模拟烟雾图像；

在所述背景图片中随机获取多个像素点；

将多个像素点与所述背景图片进行对比，判断多个像素点中的任一像素点在所述背景图片中是否已被标记，如是，则舍弃该像素点，然后重新在所述背景图片中随机获取多个像素点；如否，则将所述模拟烟雾图像映射在多个像素点处，以便将所述模拟烟雾图像与所述背景图片进行合成，得到合成烟雾图片；

获取所述合成烟雾图片中所述模拟烟雾图像的位置信息，并生成烟雾标签数据，然后将所述合成烟雾图片和所述烟雾标签数据作为训练数据。

5.根据权利要求1所述的方法，其特征在于：所述分类器采用基于Inception结构与空间注意力网络的轻量化卷积神经网络模型。