【技术实现步骤摘要】
一种基于视频分析的烟雾检测算法
本专利技术属于深度学习与人工智能领域，特别是指一种图像识别算法，用于森林火灾预警。
技术介绍
火灾的起因和发生场所具有多样性，对火灾预警及扑救工作造成了阻碍。多年来，国内外均致力于火灾防治研究，进行了各种尝试。现阶段的各类火灾探测器主要有热感应式探测器、光感应式探测器以及烟感应式探测器。这些传统的探测器价格便宜、准确度高，但普遍存在一些难以解决的缺陷。例如由于烟雾传播和温度上升等现象的发生均需要相对较长的时间，使得传统传感器不可避免地会产生响应延迟,此外，传统传感器需要安装在起火点附近、长期接触大量粉尘等因素，使得传统传感器极易故障或失效，并且尤其不适用于高大空间或室外场景这些高火灾隐患场所的火灾检测。基于视频分析的烟雾检测技术是一种基于机器视觉、非接触的火灾探测技术，尤其适合解决大空间、室外等场所的火灾探测难题。这类方法具有响应快、不易受环境因素影响、适用面广、成本低等优势。
技术实现思路
鉴于上述研究背景，本专利技术的目的在于：提供一种基于FCN的烟雾疑似区域的提取算法，避免了传统算法因监控探头抖动或者旋转，不能完整的提取出烟雾疑似区域，提高监控探头的使用率。具体步骤如下：步骤1：训练集的制作，首先从现有森林烟雾视频中获取包含烟雾的图片，手动标注包含烟雾区域，制作label图像。步骤2:全卷机网络模型的训练步骤3：使用训练好的网络模型，获取单帧图像中的疑似烟区。步骤4：疑似烟区面积动态增长分析使用烟区的动态增长，去除干扰区域。在火灾的早期，由于火灾产生的热量及本身的扩散运动，使得烟区面积随着时间的推移变大。而常见的干扰物(如...
【技术保护点】
1.一种基于视频分析的烟雾检测算法，其特征在于该方法包含如下步骤：步骤1：训练集的制作，首先从现有森林烟雾视频中获取包含烟雾的图片，手动标注包含烟雾区域，制作label图像；步骤2:全卷机网络模型的训练；步骤3：使用训练好的网络模型，获取单帧图像中的疑似烟区；步骤4：疑似烟区面积动态增长分析，在火灾的早期，由于火灾产生的热量及本身的扩散运动，使得烟区面积随着时间的推移变大。而常见的干扰物(如穿灰色衣服的行人、灰色的汽车等)的轮廓是固定的，所以本文将疑似烟区的面积增长作为判别烟雾的标准。由于烟雾运动比较缓慢，使得相邻两帧对应烟雾区域的面积相差无几，受天气或系统误差的影响，烟区面积可能会出现负增长，本文针对上面所提及的问题，提出了疑似烟区面积动态增长分析的方法，计算连续视频序列对应疑似烟区面积和的公式为
【技术特征摘要】
1.一种基于视频分析的烟雾检测算法，其特征在于该方法包含如下步骤：步骤1：训练集的制作，首先从现有森林烟雾视频中获取包含烟雾的图片，手动标注包含烟雾区域，制作label图像；步骤2:全卷机网络模型的训练；步骤3：使用训练好的网络模型，获取单帧图像中的疑似烟区；步骤4：疑似烟区面积动态增长分析，在火灾的早期，由于火灾产生的热量及本身的扩散运动，使得烟区面积随着时间的推移变大。而常见的干扰物(如穿灰色衣服的行人、灰色的汽车等)的轮廓是固定的...
【专利技术属性】
技术研发人员：武传营，李凡平，石柱国，
申请(专利权)人：北京以萨技术股份有限公司，青岛以萨数据技术有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。