一种集成卷积神经网络的烟雾检测方法技术

本发明专利技术提供一种集成卷积神经网络的烟雾检测方法，包括疑似烟雾获取模块、疑似烟雾确认模块和烟雾报警模块，疑似烟雾获取模块将实时获取的图像通过Faster R‑CNN模型检测后，获取含有疑似烟雾的图像，疑似烟雾检测模块利用卷积神经网络对疑似烟雾图像的候选区进行检测，确定含有烟雾的图像，烟雾报警模块对疑似烟雾确认模块处理的结果进行应答，极大地降低了烟雾检测成本、提高识别效率和准确率，识别的灵活性高，没有额外的存储和计算开销，降低了系统的复杂性，高效且节能。

A smoke detection method based on convolutional neural network

【技术实现步骤摘要】
一种集成卷积神经网络的烟雾检测方法
本专利技术涉及利用计算机进行烟雾识别领域，特别是一种集成卷积神经网络的烟雾检测方法。
技术介绍
秸秆的露天焚烧属于低温焚烧，不完全燃烧，其烟气中含有大量的一氧化碳、二氧化碳、氮氧化物、光化学氧化剂和悬浮颗粒物等造成大气污染，且会在一定程度上加重雾霾的发生。不仅如此，各地区每到收获的季节因为焚烧秸秆而引发火灾的事情时有发生，每年夏秋季收获时节，环保部、农业部及各地政府都会投入大量的人力监控焚烧秸秆的情况，也会通过卫星来监测秸秆焚烧情况，并对监测到的火点进行汇总发布，但秸秆焚烧现象仍然屡禁不止，每年的秸秆中仍有3亿多吨被当作废弃物直接焚烧，给大气质量生态环境交通安全和火灾防护都造成了极大的危害。随着图像识别技术的发展，CNN（卷积神经网络）对图像特征进行提取从而进行识别，R-CNN、FastR-CNN和FasterR-CNN对CNN进行优化，逐步提高了图像检测的准确度和效率，在烟雾检测领域，运用卷积神经网络对秸秆燃烧时产生的烟雾进行实时监测，能够有效的解决秸秆燃烧检测不及时，耗费大量人力物力等问题。中国专利CN109389185A“使用三维卷积神经网络的视频烟雾识别方法”是通过在FasterR-CNN处理得到疑似烟雾区域结果框及烟雾评分，收集目标帧前后一定数量的图像为连续视频帧，再用三维卷积神经网络对视屏帧进行三维特征提取，将提取到的特征向量与结果框的烟雾评分组成新的输入到SVM分类器中，进行是否为烟雾的分类。这种方法复杂度高，需要较大的运算和存储成本，且在秸秆燃烧的检测领域并不一定适用。中国专利CN109490930A“一种秸秆燃烧定位系统及方法”采用监控中心，定位检测节点，路由检测节点，移动检测节点及移动检测节点和匹配的无人机进行秸秆燃烧的检测。这个方法不能实时的检测秸秆燃烧的情况，同时也需要较大的成本。
技术实现思路
本专利技术所要解决的技术问题是提供一种集成卷积神经网络的烟雾检测方法，能够通过摄像头拍摄的视频实时监测烟雾情况，并及时发出警告。解决了烟雾监测成本高、不及时、精度不够和效率不高的问题。为解决上述技术问题，本专利技术所采用的技术方案是：一种集成卷积神经网络的烟雾检测方法，包括疑似烟雾获取模块、疑似烟雾确认模块和烟雾报警模块，具体实现的步骤为：S1.疑似烟雾获取模块从将实时获取的图像通过FasterR-CNN模型检测后，获取含有疑似烟雾的图像；S2.疑似烟雾检测模块利用卷积神经网络对疑似烟雾图像的候选区进行检测，确定含有烟雾的图像；S3.烟雾报警模块对疑似烟雾确认模块处理的结果进行应答。优选的方案中，在FasterR-CNN模型原有的基础上进行网络结构的精简，将原来的13层卷积、13层ReLU函数减为10层卷积、10层ReLU函数。优选的方案中，步骤S1中疑似烟雾获取模块从通过FasterRCNN模型检测后获取含有疑似烟雾的图像的具体实现步骤为：S11.根据大量的烟雾数据样本通过FasterR-CNN网络训练后得到烟雾检测FasterR-CNN模型；S12.利用训练好的烟雾检测FasterR-CNN模型，对实时的视频目标图像进行检测，并得到疑似烟雾候选区的图像；S13.根据步骤S12获得包含有疑似烟雾候选框的图像，根据每个图像相对应烟雾相似度的分数，当分数大于某一阈值时，则判定为烟雾。优选的方案中，步骤S2中疑似烟雾检测模块对疑似烟雾图像的候选区进行检测的具体实现步骤为：S21.利用CNN模型对含步骤S1中有疑似烟雾图片的候选区再次进行烟雾检测；S22.在疑似烟雾图片中确定含有烟雾的图像。优选的方案中，步骤S3中烟雾报警模块进行应答的具体实现步骤为：S31.烟雾报警模块对步骤2中检测出含有烟雾的图像进行应答；S32.将报警信息以短信、邮件的方式传递给工作人员。优选的方案中，步骤S12中FasterR-CNN模型检测烟雾的具体实现步骤为：S21.对前一帧图像输进CNN，得到烟雾的FeatureMap；S22.卷积特征输入到RPN，得到候选框的特征信息；S23.对候选框中提取出的烟雾特征，使用分类器判别是否属于烟雾；S24.对于属于烟雾的候选框，用回归器进一步调整烟雾的位置。优选的方案中，在CNN模型中向CONV层引入了一个超参数；用于在更少的图层中合并输入更多的空间信息，提高FasterR-CNN对于小目标的检测准确度。优选的方案中，在原有的神经网络激活函数的基础上加入LeakyReLU函数，用于解决ReLU函数进入负区间后，神经元不学习的问题，在网络中向后推进计算相对于权重的误差梯度时执行反向优化，相应地使用梯度下降来优化权重以减少误差。优选的方案中，FasterR-CNN引入局部标注和时空上下文策略；用于降低遮挡物对烟雾检测的影响。优选的方案中，FasterR-CNN设定自适应阈值，用于通过压缩FasterR-CNN候选区域的数量，在确保检测准确度的同时提高了速度。本专利技术提供了一种集成卷积神经网络的烟雾检测方法，通过采用以上的方案，具有以下有益效果：1、极大地降低了烟雾检测成本。本专利技术提供的集成卷积神经网络的烟雾检测方法，利用神经网络FasterR-CNN，将采集到的实时图像进行处理，得到疑似烟雾的图像，再对疑似烟雾的图像通过卷积神经网络进行判定是否存在烟雾，最后进行结果的处理。有效的提高了秸秆燃烧检测的实时性，不需要使用无人机等方式，有效的减少人力物力财力的投入，节约资本。2、提高识别效率。本专利技术在FasterR-CNN模型原有的基础上进行网络结构的精简，将原来的13层卷积、13层ReLU激活函数减为10层卷积、10层ReLU激活函数，在保证准确率的同时极大提高了烟雾识别效率。3、识别的准确率高。疑似烟雾获取模块通过FasterR-CNN检测出疑似烟雾区域，疑似烟雾确认模块通过CNN对疑似烟雾区域进行确认，双重检测机制提高了烟雾检测的准确率。4、识别的灵活性高。能够根据不同摄像头的不同场景，有不同的处理，因地制宜，更具有科学性。在判断阶段，没有额外的存储和计算开销，降低了系统的复杂性，高效且节能。附图说明下面结合附图和实施例对本专利技术作进一步说明：图1为本专利技术的整体流程示意图。图2为本专利技术中FasterR-CNN模型示意图。图3为本专利技术中CNN模型示意图。图4为本专利技术中FasterR-CNN烟雾检测结果图像。图5为本专利技术中FasterR-CNN+CNN烟雾检测结果图像。具体实施方式实施例1：如图1、4~5所示，一种集成卷积神经网络的烟雾检测方法，包括疑似烟雾获取模块、疑似烟雾确认模块和烟雾报警模块，具体实现的步骤为：S1.疑似烟雾获取模块从将实时获取的图像通过FasterR-CNN模型检测后，获取含有疑似烟雾的图像；...

【技术保护点】
1.一种集成卷积神经网络的烟雾检测方法，其特征是：包括疑似烟雾获取模块、疑似烟雾确认模块和烟雾报警模块，具体实现的步骤为：/nS1.疑似烟雾获取模块从将实时获取的图像通过Faster R-CNN模型检测后，获取含有疑似烟雾的图像；/nS2.疑似烟雾检测模块利用卷积神经网络对疑似烟雾图像的候选区进行检测，确定含有烟雾的图像；/nS3.烟雾报警模块对疑似烟雾确认模块处理的结果进行应答。/n

【技术特征摘要】
1.一种集成卷积神经网络的烟雾检测方法，其特征是：包括疑似烟雾获取模块、疑似烟雾确认模块和烟雾报警模块，具体实现的步骤为：
S1.疑似烟雾获取模块从将实时获取的图像通过FasterR-CNN模型检测后，获取含有疑似烟雾的图像；
S2.疑似烟雾检测模块利用卷积神经网络对疑似烟雾图像的候选区进行检测，确定含有烟雾的图像；
S3.烟雾报警模块对疑似烟雾确认模块处理的结果进行应答。


2.根据权利要求1所述的一种集成卷积神经网络的烟雾检测方法，其特征是：在FasterR-CNN模型原有的基础上进行网络结构的精简，将原来的13层卷积、13层ReLU函数减为10层卷积、10层ReLU函数。


3.根据权利要求1所述的一种集成卷积神经网络的烟雾检测方法，其特征是：步骤S1中疑似烟雾获取模块从通过FasterRCNN模型检测后获取含有疑似烟雾的图像的具体实现步骤为：
S11.根据大量的烟雾数据样本通过FasterR-CNN网络训练后得到烟雾检测FasterR-CNN模型；
S12.利用训练好的烟雾检测FasterR-CNN模型，对实时的视频目标图像进行检测，并得到疑似烟雾候选区的图像；
S13.根据步骤S12获得包含有疑似烟雾候选框的图像，根据每个图像相对应烟雾相似度的分数，当分数大于某一阈值时，则判定为烟雾。


4.根据权利要求1所述的一种集成卷积神经网络的烟雾检测方法，其特征是：步骤S2中疑似烟雾检测模块对疑似烟雾图像的候选区进行检测的具体实现步骤为：
S21.利用CNN模型对含步骤S1中有疑似烟雾图片的候选区再次进行烟雾检测；
S22.在疑似烟雾图片中确定含有烟雾的图像。


5.根据权利要求1所述的一种集成卷积神经网络的烟雾检测方...

【专利技术属性】
技术研发人员：余锋，姜明华，周昌龙，马佩，宋坤芳，
申请(专利权)人：武汉纺织大学，
类型：发明
国别省市：湖北;42