烟雾检测方法及设备技术

本申请提供一种烟雾检测方法及设备，对待测视频进行处理，得到至少一帧待测烟雾图像；从所述待测烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述待测烟雾图像中的候选烟雾区域；将所述候选烟雾区域输入到卷积神经网络中，确定烟雾检测结果，其中，所述卷积神经网络是根据从已处理的烟雾视频中获取的烟雾区域和非烟雾区域进行训练所确定的。利用本申请实施例记载的烟雾检测方案，将颜色特征和运动特征判别与训练好的卷积神经网络提取区域的抽象特征相结合，实现烟雾检测。这里，卷积神经网络对特征的表达能力和鲁棒性能更好，可以提升烟雾检测方案的准确性。

【技术实现步骤摘要】
烟雾检测方法及设备
本申请涉及互联网信息处理技术以及计算机
，尤其涉及一种烟雾检测方法及设备。
技术介绍
在日常生活中，火灾对于人类的生命财产安全产生极大的威胁，尽早发现火情并及时处理，对于保护生命和财产安全有着重要的意义，因此基于视频监控的烟雾和火灾自动检测是目前工业界研究的热点之一。现有技术多通过烟雾检测来预测是否发生火灾，进而实现火灾预警救治。其中，现有技术中的烟雾检测方案，是对监控视频进行处理，根据监控视频中是否检测到烟雾特征来预测是否存在烟雾。但是，现有技术的烟雾检测方案的准确率不高。
技术实现思路
本申请实施例要解决的技术问题是，现有的烟雾检测方案的准确率不高。本申请实施例采用下述技术方案：本申请实施例提供一种烟雾检测方法，包括：对烟雾视频进行处理，得到至少一帧烟雾图像；从所述烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述烟雾图像中的烟雾区域和非烟雾区域；将所述至少一帧烟雾图像各自对应的所述烟雾区域和非烟雾区域输入到卷积神经网络中，确定所述卷积神经网络的参数值。本申请实施例还提供一种烟雾检测方法，包括：对待测视频进行处理，得到至少一帧待测烟雾图像；从所述待测烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述待测烟雾图像中的候选烟雾区域；将所述候选烟雾区域输入到卷积神经网络中，确定烟雾检测结果，其中，所述卷积神经网络是根据从已处理的烟雾视频中获取的烟雾区域和非烟雾区域进行训练所确定的。本申请实施例还提供一种烟雾检测设备，包括：处理模块，对烟雾视频进行处理，得到至少一帧烟雾图像；提取模块，从所述烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述烟雾图像中的烟雾区域和非烟雾区域；确定模块，将所述至少一帧烟雾图像各自对应的所述烟雾区域和非烟雾区域输入到卷积神经网络中，确定所述卷积神经网络的参数值。本申请实施例还提供一种烟雾检测设备，包括：处理模块，对待测视频进行处理，得到至少一帧待测烟雾图像；提取模块，从所述待测烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述待测烟雾图像中的候选烟雾区域；确定模块，将所述候选烟雾区域输入到卷积神经网络中，确定烟雾检测结果，其中，所述卷积神经网络是根据从已处理的烟雾视频中获取的烟雾区域和非烟雾区域进行训练所确定的。本申请实施例还提供一种电子设备，包括至少一个处理器及存储器，所述存储器存储有程序，并且被配置成由至少一个所述处理器执行上述任一所述的目标跟踪方法。本申请实施例还提供一种电子设备，一种计算机可读存储介质，其特征在于，包括与电子设备结合使用的程序，程序可被处理器执行以完成上述任一所述的目标跟踪方法。本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：在测试阶段，对待测视频进行处理，得到至少一帧待测烟雾图像；从所述待测烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述待测烟雾图像中的候选烟雾区域；将所述候选烟雾区域输入到卷积神经网络中，确定烟雾检测结果，其中，所述卷积神经网络是根据从已处理的烟雾视频中获取的烟雾区域和非烟雾区域进行训练所确定的。利用本申请实施例记载的烟雾检测方案，将颜色特征和运动特征判别与训练好的卷积神经网络提取区域的抽象特征相结合，实现烟雾检测。这里，卷积神经网络对特征的表达能力和鲁棒性能更好，可以提升烟雾检测方案的准确性。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例提供的一种烟雾检测方法中训练阶段和测试阶段的流程示意图；图2为本申请实施例提供的一种烟雾检测方法的流程示意图；图3为本申请实施例提供的一种烟雾检测方法的流程示意图；图4为本申请实施例提供的一种烟雾检测设备的结构示意图；图5为本申请实施例提供的一种烟雾检测设备的结构示意图；图6为图2所示烟雾检测方法中一个应用示例的流程示意图；图7为图2所示烟雾检测方法中待测区块所对应烟雾的运动方向示意图。具体实施方式对现有烟雾检测方案进行研究发现，现有基于监控视频的烟雾检测方法如下：a.筛选视频图像中的前景，使用支持向量机(英文：SupportVectorMachine，缩写：SVM)筛选出其中具有类似烟雾的区域；应用小波变换分析高频信号变化，筛选出其中背景是逐渐模糊变化的数字图像；使用Adaboost级联分类器对筛选出具有烟雾纹理特征的数字图像。其缺点在于：烟雾检测系统中各部分的性能相互影响，计算复杂度和部署复杂度较高，影响到烟雾检测结果的准确性。b.基于随机森林的烟雾检测方法：人工确定烟雾的四种特征作为随机森林模型的输入，经随机森林模型训练后进行特征降维后得到回归特征值；利用支持向量机结合回归特征，训练烟雾块和非烟雾块分类的模型。其缺点在于，特征提取过程相对复杂，造成烟雾检测的准确性低。c.针对视频是否为夜晚或白天的图像，对于夜晚和白天的视频分别使用近邻域搜索确定烟雾和火灾区域。其缺点在于，近邻域搜索的准确率不能保证，对于复杂的火灾情况较难处理。d.基于多特征融合的快速视频火焰探测，对图像建立高斯模型提取火焰运动区域。其缺点在于，对于火灾初期产生的大量烟雾无法准确预测，准确性及实用性都比较有限。为了实现本申请的目的，本申请实施例提出一种基于卷积神经网络(英文：ConvolutionalNeuralNetwork,缩写：CNN)的烟雾检测方法及设备。本申请实施例的目标检测方法可以分为两个阶段阐述。参照图1，图1为本申请实施例提出的一种目标检测方法的流程示意图。在训练阶段Ⅰ，首先，对于训练用的烟雾视频进行运预处理，解码为至少一帧烟雾图像；提取运动特征和颜色特征中的至少一种，确定烟雾图像中的烟雾区域和非烟雾区域；将分类好的烟雾区域和非烟雾区域输入卷积神经网络，训练卷积神经网络的参数，并存储卷积神经网络的参数θf用于后续的判别。在测试阶段Ⅱ，将待测视频经过预处理后，得到至少一帧待测图像；提取运动特征和颜色特征中的至少一种，确定待测烟雾图像中的候选烟雾区域。将候选烟雾区域输入到卷积神经网络中，利用在训练阶段存储的卷积神经网络参数θf判别该候选烟雾区域是否为烟雾区域。若为烟雾区域，则将该烟雾区域标注在原待测视频的相应位置并报警。为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。以下结合附图，详细说明本申请各实施例提供的技术方案。图2为本申请实施例提供的一种烟雾检测方法的流程示意图。所述方法可以如下所示。图2所述烟雾检测方法用于对卷积神经网络进行训练。本申请实施例的执行主体可以为烟雾检测系统或运行烟雾检测系统的设备。步骤201：对烟雾视频进行处理，得到至少一帧烟雾图像。这里烟雾视频包含烟雾图像，可以是真实火灾现场的监控视频，用来对卷积神经网络进行训练。烟雾图像中显示烟雾，烟雾图像可以是对烟雾视频进行解码得到的单帧烟雾图像雾。对一段烟雾视频可以解码得到多帧烟雾图像，这里可以对多段烟雾视频分别解本文档来自技高网...

【技术保护点】
1.一种烟雾检测方法，其特征在于，包括：对烟雾视频进行处理，得到至少一帧烟雾图像；从所述烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述烟雾图像中的烟雾区域和非烟雾区域；将所述至少一帧烟雾图像各自对应的所述烟雾区域和非烟雾区域输入到卷积神经网络中，确定所述卷积神经网络的参数值。

【技术特征摘要】
1.一种烟雾检测方法，其特征在于，包括：对烟雾视频进行处理，得到至少一帧烟雾图像；从所述烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述烟雾图像中的烟雾区域和非烟雾区域；将所述至少一帧烟雾图像各自对应的所述烟雾区域和非烟雾区域输入到卷积神经网络中，确定所述卷积神经网络的参数值。2.如权利要求1所述的烟雾检测方法，其特征在于，若所述运动特征包括烟雾的运动方向，则从所述烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述烟雾图像中的烟雾区域和非烟雾区域，包括：确定指定帧烟雾图像中的运动区域，所述指定帧烟雾图像与所述烟雾图像相隔预设时序；在所述烟雾图像中确定烟雾相对于所述运动区域的对应位置的运动方向；判断所述运动方向是否满足第一预设条件；若是，则根据所述运动方向确定所述烟雾图像中的所述烟雾区域；若否，则确定所述烟雾图像中的所述非烟雾区域。3.如权利要求2所述的烟雾检测方法，其特征在于，确定指定帧烟雾图像中的运动区域，包括：对所述指定帧烟雾图像进行处理，得到前景；根据所述前景确定所述指定帧烟雾图像中的运动区域。4.如权利要求3所述的烟雾检测方法，其特征在于，对所述指定帧烟雾图像进行处理，得到前景，包括：获取预设数量的烟雾图像的像素值，所述预设数量的烟雾图像的时序位于指定帧烟雾图像之前；根据所述预设数量的烟雾图像的像素值，生成高斯混合模型的概率分布；匹配所述指定帧烟雾图像与所述高斯混合模型的概率分布；根据匹配结果确定所述指定帧烟雾图像中的所述前景。5.如权利要求2所述的烟雾检测方法，其特征在于，在所述烟雾图像中确定烟雾相对于所述运动区域的对应位置的运动方向，包括：根据所述运动区域在所述指定帧烟雾图像中的位置，确定所述运动区域在所述烟雾图像中对应位置的目标区块；在与所述对应位置相距预设值的至少一个位置，在所述烟雾图像中提取待测区块；获取所提取的各个待测区块与所述目标区块之间的灰度差异值；根据各个待测区块对应的灰度差异值确定所述运动方向。6.如权利要求5所述的烟雾检测方法，其特征在于，判断所述运动方向是否满足第一预设条件，包括：从各个待测区块对应的灰度差异值中确定满足设定条件的灰度差异值；在所述烟雾图像中，判断满足设定条件的灰度差异值所对应的待测区块相对于所述目标区块是否位于上方。7.如权利要求6所述的烟雾检测方法，其特征在于，从所述烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述烟雾图像中的烟雾区域和非烟雾区域，还包括：从满足设定条件的灰度差异值所对应的待测区块中提取颜色特征；根据满足第二预定条件的颜色特征对应的待测区块，确定所述烟雾区域。8.如权利要求7述的烟雾检测方法，其特征在于，从满足设定条件的灰度差异值所对应的待测区块中提取颜色特征，包括：在满足设定条件的灰度差异值所对应的待测区块中提取HSV颜色空间的亮度值与饱和度；根据满足第二预定条件的颜色特征对应的待测区块，确定所述烟雾区域，包括：获取预设数量的烟雾图像的亮度平均值，所述预设数量的烟雾图像的时序位于所述颜色特征对应的烟雾图像之前；匹配所述亮度值与亮度平均值、和匹配所述饱和度与饱和度阈值；根据匹配结果确定所述烟雾区域。9.如权利要求1所述的烟雾检测方法，其特征在于，将所述至少一帧烟雾图像各自对应的所述烟雾区域和非烟雾区域输入到卷积神经网络中，包括：在所述至少一帧烟雾图像各自对应的所述烟雾区域和非烟雾区域中分别添加不同标签，所述标签用于区分所述烟雾区域和非烟雾区域；将携带标签的所述至少一帧烟雾图像各自对应的所述烟雾区域和非烟雾区域输入到卷积神经网络中。10.一种烟雾检测方法，其特征在于，包括：对待测视频进行处理，得到至少一帧待测烟雾图像；从所述待测烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述待测烟雾图像中的候选烟雾区域；将所述候选烟雾区域输入到卷积神经网络中，确定烟雾检测结果，其中，所述卷积神经网络是根据从已处理的烟雾视频中获取的烟雾区域和非烟雾区域进行训练所确定的。11.如权利要求10所述的烟雾检测方法，其特征在于，若所述运动特征包括运动方向，则从所述待测烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述待测烟雾图像中的候选烟雾区域，包括：确定指定帧待测烟雾图像中的运动区域，所述指定帧待测烟雾图像与所述待测烟雾图像相隔预设时序；在所述待测烟雾图像中确定烟雾相对于所述运动区域的对应位置的运动方向；判断所述运动方向是否满足第一预设条件；若是，则根据所述运动方向确定所述待测烟雾图像中的所述候选烟雾区域。12.如权利要求11所述的烟雾检测方法，其特征在于，确定指定帧待测烟雾图像中的运动区域，包括：对所述指定帧待测烟雾图像进行处理，得到前景；根据所述前景确定所述指定帧待测烟雾图像中的运动区域。13.如权利要求12所述的烟雾检测方法，其特征在于，对所述指定帧待测烟雾图像进行处理，得到前景，包括：获取预设数量的待测烟雾图像的像素值，所述预设数量的烟雾图像的时序位于指定帧待测烟雾图像之前；根据所述预设数量的待测烟雾图像的像素值，生成高斯混合模型的概率分布；匹配所述指定帧待测烟雾图像与所述高斯混合模型的概率分布；根据匹配结果确定所述指定帧待测烟雾图像中的所述前景。14.如权利要求11所述的烟雾检测方法，其特征在于，在所述待测烟雾图像中确定烟雾相对于所述运动区域的对应位置的运动方向，包括：根据所述运动区域在所述指定帧待测烟雾图像中的位置，确定所述运动区域在所述待测烟雾图像中对应位置的目标区块；在与所述对应位置相距预设值的至少一个位置，在所述待测烟雾图像中提取待测区块；获取所提取的各个待测区块与所述目标区块之间的灰度差异值；根据各个待测区块对应的灰度差异值确定所述运动方向。15.如权利要求14所述的烟雾检测方法，其特征在于，判断所述运动方向是否满足第一预设条件，包括：从各个待测区块对应的灰度差异值中确定满足设定条件的灰度差异值；在所述待测烟雾图像中，判断满足设定条件的灰度差异值所对应的待测区块相对于所述目标区块是否位于上方。16.如权利要求15所述的烟雾检测方法，其特征在于，从所述待测烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述待测烟雾图像中的候选烟雾区域，包括：从满足设定条件的灰度差异值所对应的待测区块中提取颜色特征；根据满足第二预定条件的颜色特征对应的待测区块，确定所述候选烟雾区域。17.如权利要求16述的烟雾检测方法，其特征在于，从满足设定条件的灰度差异值所对应的待测区块中提取颜色特征，包括：在满足设定条件的灰度差异值所对应的待测区块中提取HSV颜色空间的亮度值与饱和度；根据满足第二预定条件的颜色特征对应的待测区块，确定所述候选烟雾区域，包括：获取预设数量的烟雾图像的亮度平均值，所述预设数量的烟雾图像的时序位于所述颜色特征对应的烟雾图像之前；匹配所述亮度值与亮度平均值、和匹配所述饱和度与饱和度阈值；根据匹配结果确定所述候选烟雾图像。18.如权利要求10述的烟雾检测方法，其特征在于，还包括：若根据所述烟雾检测结果确定所述候选烟雾区域为烟雾区域，则生成报警信息。19.一种烟雾检测设备，其特征在于，包括：处理模块，对烟雾视频进行处理，得到至少一帧烟雾图像；提取模块，从所述烟雾图像中提取颜色特征和运动特征中的至少一种，确定所述烟雾图像中的烟雾区域和非烟雾...

【专利技术属性】
技术研发人员：郭宇，董远，白洪亮，熊风烨，
申请(专利权)人：北京飞搜科技有限公司，
类型：发明
国别省市：北京,11