一种基于卷积神经网络的视频烟雾检测方法技术

一种基于卷积神经网络的视频烟雾检测方法，属于图片识别领域。现有的火灾烟雾识别算法都有很强的场景针对性，特别容易受到环境的干扰的问题。一种基于卷积神经网络的视频烟雾检测方法，对获取的视频图像进行预处理的步骤；对预处理后的视频图像进行疑似烟雾区域提取的步骤；对获得的疑似烟雾区域，进行烟雾特征描述的步骤；基于卷积神经网络烟雾纹理识别框架，利用卷积神经网络方法对上一步获得的待测检测区域进行烟雾识别。将前景图像中的运动目标输入CNN模型进行烟雾识别，在减少静态物体干扰的同时，提高了烟雾检测的效率。

A video smoke detection method based on convolutional neural network

【技术实现步骤摘要】
一种基于卷积神经网络的视频烟雾检测方法
本专利技术涉及一种基于卷积神经网络的视频烟雾检测方法。
技术介绍
火灾的检测研究可追溯到30多年前，最早的学者采用火焰为研究对象，并且以火焰的颜色和亮度为主要特征，以此出现了在色彩预处理上的研究，从RGB颜色模型，HSV颜色模型，以及YCbCr，但是这类方法检测效果并不准确，往往在野外火灾发生范围广泛以后才会预警，后来逐渐开始探索伴随着火灾出现的烟雾。对于烟雾特征，在国内视频图像烟雾检测起步较晚，并逐渐形成了以不同侧重点的研究状况。YaqinZhao，袁非牛等人采用LBP、LBPV、颜色空间上提取局部特征进行识别。李笋等人通过暗通道先验，在RGB颜色空间上通过一定的公式进行色彩增强。不过对于烟雾检测在预处理时往往不会采用一类预处理。在特征选取方面，很多研究人员逐渐开始尝试特征融合来进行识别，包括：颜色、背景、动态特征、纹理、形态等。使用烟雾的时空特征结合动态纹理特征进行烟雾检测，例如根据实验和观察分析烟雾的运动状态，提出向上运动的特征对烟雾进行识别有效的减少了来自云层的干扰。在视频图像分块方面，采取以分块本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的视频烟雾检测方法，其特征在于：所述方法通过以下步骤实现：/n步骤一、对获取的视频图像进行预处理的步骤；/n步骤二、对预处理后的视频图像进行疑似烟雾区域提取的步骤；/n步骤三、对获得的疑似烟雾区域，进行烟雾特征描述的步骤；/n步骤四、基于卷积神经网络烟雾纹理识别框架，利用卷积神经网络方法对上一步获得的待测检测区域进行烟雾识别。/n

【技术特征摘要】
1.一种基于卷积神经网络的视频烟雾检测方法，其特征在于：所述方法通过以下步骤实现：
步骤一、对获取的视频图像进行预处理的步骤；
步骤二、对预处理后的视频图像进行疑似烟雾区域提取的步骤；
步骤三、对获得的疑似烟雾区域，进行烟雾特征描述的步骤；
步骤四、基于卷积神经网络烟雾纹理识别框架，利用卷积神经网络方法对上一步获得的待测检测区域进行烟雾识别。


2.根据权利要求1所述一种基于卷积神经网络的视频烟雾检测方法，其特征在于：所述的步骤一中，对获取的视频图像进行预处理的步骤是指，对输入的视频图像进行去噪，选择合适的颜色空间、提取关键帧等处理，提升目标区域的抗干扰能力，具体为：
首先，由摄像机获取烟雾场景视频图像；
然后，由背景减除法对采集的序列图像进行处理，初步提取出运动目标的前景图像；
最后，由形态学去除前景图像中的噪声干扰。


3.根据权利要求1或2所述一种基于卷积神经网络的视频烟雾检测方法，其特征在于：所述的步骤二中，对预处理后的视频图像进行疑似烟雾区域提取的步骤是指，分析烟雾运动特点，包括：火焰颜色、火焰灰度、延误面积、延误颜色、烟雾形状和烟雾辐射强度，以分割出待检测的区域。


4.根据权利要求3所述一种基于卷积神经网络的视频烟雾检测方法，其特征在于：所述的步骤三中，对获得的疑似烟雾区域，进行烟雾特征描述的步骤是指，选择识别的特征依据，输入待检测区域，具体为：
步骤三一、设计CNN网络模型结构，并对该网络模型进行训练和测试；其中，网络模型的结构参数和运行步骤依次如下：
(1)输入层：网络的输入为128×128的3通道RGB图像；
(2)第一层卷积层：由8个3×3的卷积核对输入图像进行卷积操作，卷积核的滑动步长为1；为保证输出图像尺寸不变，进行0填充操作，最终输出8张12...

【专利技术属性】
技术研发人员：贺雅楠，于洪丹，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙;23