火焰烟雾检测方法及装置制造方法及图纸

本发明专利技术实施例提供一种火焰烟雾检测方法及装置，方法包括：获取视频的每帧中火焰烟雾的动态特征，根据获取的每帧中的动态特征获取每帧中火焰烟雾的动态检测结果；获取所述视频的每帧中火焰烟雾的静态特征，根据每帧中火焰烟雾的静态特征确定每帧中火焰烟雾的静态区域，将所述静态区域输入到深度学习模型中，输出每帧中火焰烟雾的静态检测结果；根据每帧中火焰烟雾的动态检测结果和静态检测结果，确定所述火焰烟雾的最终检测结果。本发明专利技术实施例大大缩短火焰烟雾的检测时间，满足了火焰烟雾检测实时性的要求，而且检测的准确度也更高。

【技术实现步骤摘要】
火焰烟雾检测方法及装置
本专利技术属于智能安防
，尤其涉及一种火焰烟雾检测方法及装置。
技术介绍
火灾是日常生活中最常见的灾害之一，它往往给人们的生命财产造成巨大损失。因此，火灾的预防和检测非常重要。传统的火焰烟雾检测方法在检测火灾时往往会综合火焰烟雾的静态特征和动态特征进行检测。这种检测方式存在较大的弊端。原因在于火焰烟雾的静态特征和动态运动特征混合在一起检测时，会影响到动态特征检测所需要的图像信息的连续性，使得最终的实时检测效果并不是很理想，而且耗时较长。考虑到发生火灾时，火焰烟雾的移动具有一些独特的运动特征，传统的图像处理方法即可快速的对这些动态特征进行检测；而在某一场景下，发生火灾时，火焰烟雾的静态特征几乎不发生变化，或者发生的变化较小，其复杂性高，可辨识性差，采用传统的图像处理方法很难准确的对其进行检测。
技术实现思路
为克服上述现有的火焰烟雾检测方法检测效果差的问题或者至少部分地解决上述问题，本专利技术实施例提供一种火焰烟雾检测方法及装置。根据本专利技术实施例的第一方面，提供一种火焰烟雾检测方法，包括：获取视频的每帧中火焰烟雾的动态特征，根据获取的每帧中的动态特征获取每帧中火焰烟雾的动态检测结果；获取所述视频的每帧中火焰烟雾的静态特征，根据每帧中火焰烟雾的静态特征确定每帧中火焰烟雾的静态区域，将所述静态区域输入到深度学习模型中，输出每帧中火焰烟雾的静态检测结果；其中，所述深度学习模型根据火焰烟雾的图像样本和所述图像样本中火焰烟雾的静态检测结果进行训练获取；根据每帧中火焰烟雾的动态检测结果和静态检测结果，确定所述火焰烟雾的最终检测结果。具体地，获取视频的每帧中火焰烟雾的动态特征的步骤之前还包括：基于三帧插法检测出所述视频的每帧中火焰烟雾的运动区域；基于背景减法检测出所述视频的每帧中火焰烟雾的运动区域；将每帧中所述三帧插法和所述背景减法检测出的运动区域进行或运算，获取每帧中火焰烟雾的最终运动区域；相应地，获取视频的每帧中火焰烟雾的动态特征的步骤包括：获取每帧的火焰烟雾的最终运动区域中火焰烟雾的动态特征。具体地，基于三帧插法确定所述视频的每帧中火焰烟雾的运动区域的步骤包括：计算所述视频的当前帧与紧邻所述当前帧的前一帧之间的差分图像，以及紧邻所述当前帧的后一帧与所述当前帧之间的差分图像；对两个所述差分图像进行与操作；对与操作的结果进行二值化处理，对二值化处理的结果进行形态学处理，获取当前帧中所述三帧插法检测出的火焰烟雾的运动区域。具体地，通过以下公式基于背景减法检测出所述视频的每帧中火焰烟雾的运动区域：其中，P(x,y,i)为所述视频的第i帧中坐标为(x,y)的像素做背景减运算的结果，B(x,y,i)为所述视频的第i帧中坐标为(x,y)的像素的背景强度，B(x,y,i+1)所述视频的第i+1帧中坐标为(x,y)的像素的背景强度，T(x,y,i)为所述视频的第i帧中坐标为(x,y)的像素的运动阈值，f(x,y,i)所述视频的第i帧中坐标为(x,y)的像素值，λ为调节参数。具体地，获取每帧的火焰烟雾的最终运动区域中火焰烟雾的动态特征，根据获取的每帧中的动态特征获取每帧中火焰烟雾的动态检测结果的步骤包括：获取每帧中所述最终运动区域的位置，将相邻两帧之间所述最终运动区域的位置进行对比，判断所述最终运动区域是否符合火焰烟雾的整体移动稳定性的特征；统计相邻两帧中所述最终运动区域的面积，将连续的相邻两帧中所述最终运动区域的面积进行对比，判断所述最终运动区域的面积是否符合火焰烟雾的面积随时间逐步变大的特征；基于光流法获取所述最终运动区域的主运动方向，并判断所述主运动方向是否符合火焰烟雾由下向上运动的特征；若所述最终运动区域符合火焰烟雾的整体移动稳定性、面积随时间逐步变大和由下向上运动的特征，则获知所述最终运动区域为火焰烟雾区域，否则不是火焰烟雾区域。具体地，获取每帧中所述最终运动区域的位置，根据所述位置判断所述最终运动区域是否符合火焰烟雾的整体移动稳定性的特征的步骤包括：获取每帧中所述最终运动区域的中心点，以及位于所述最终运动区域的底部的像素点的正上方且距离所述底部的像素点为所述最终运动区域的高度的预设比例的目标像素点；计算相邻两帧中所述中心点在水平方向和垂直方向的相对运动速率，以及所述目标像素点在在水平方向和垂直方向的相对运动速率；若所述中心点在水平方向和垂直方向的相对运动速率，以及所述目标像素点在在水平方向和垂直方向的相对运动速率均在预设范围内，则获知所述最终运动区域符合火焰烟雾的整体移动稳定性的特征。具体地，获取所述视频的每帧中火焰烟雾的静态特征，根据每帧中火焰烟雾的静态特征确定每帧中火焰烟雾的静态区域的步骤包括：基于火焰烟雾的颜色模型获取所述视频的每帧中的火焰烟雾疑似区域；基于LBP方法获取所述火焰烟雾疑似区域的纹理特征；根据所述纹理特征获取所述火焰烟雾疑似区域中的火焰烟雾目标区域，将所述火焰烟雾目标区域作为所述火焰烟雾的静态区域。具体地，所述火焰烟雾的颜色模型为：R≥G＞B；R＞RT；|R-G|<IT；|R-B|<IT；|G-B|<IT；其中，R为火焰烟雾的像素在RGB颜色空间中的红色通道的值，G为火焰烟雾的像素在RGB颜色空间中的绿色通道的值，火焰烟雾的像素在RGB颜色空间中的蓝色通道的值，RT、ST和IT为预设阈值，S为火焰烟雾的像素的饱和度。根据本专利技术实施例第二方面提供一种火焰烟雾检测装置，包括：动态检测模块，用于获取视频的每帧中火焰烟雾的动态特征，根据获取的每帧中的动态特征获取每帧中火焰烟雾的动态检测结果；静态检测模块，用于获取所述视频的每帧中火焰烟雾的静态特征，根据每帧中火焰烟雾的静态特征确定每帧中火焰烟雾的静态区域，将所述静态区域输入到深度学习模型中，输出每帧中火焰烟雾的静态检测结果；其中，所述深度学习模型根据火焰烟雾的图像样本和所述图像样本中火焰烟雾的静态检测结果进行训练获取；融合检测模块，用于根据每帧中火焰烟雾的动态检测结果和静态检测结果，确定所述火焰烟雾的最终检测结果。根据本专利技术实施例的第三个方面，还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的火焰烟雾检测方法。本专利技术实施例提供一种火焰烟雾检测方法及装置，该方法通过采用两个异步线程实现对火焰烟雾静态特征和动态特征的分离检测，然后再在各个时间点采用第三个总体检测线程对动态检测结果和静态检测结果做综合判断，得到最终的火焰烟雾检测结果，大大缩短火焰烟雾的检测时间，满足了火焰烟雾检测实时性的要求，而且检测的准确度也更高。<本文档来自技高网...

【技术保护点】
1.一种火焰烟雾检测方法，其特征在于，包括：/n获取视频的每帧中火焰烟雾的动态特征，根据获取的每帧中的动态特征获取每帧中火焰烟雾的动态检测结果；/n获取所述视频的每帧中火焰烟雾的静态特征，根据每帧中火焰烟雾的静态特征确定每帧中火焰烟雾的静态区域，将所述静态区域输入到深度学习模型中，输出每帧中火焰烟雾的静态检测结果；/n其中，所述深度学习模型根据火焰烟雾的图像样本和所述图像样本中火焰烟雾的静态检测结果进行训练获取；/n根据每帧中火焰烟雾的动态检测结果和静态检测结果，确定所述火焰烟雾的最终检测结果。/n

【技术特征摘要】
1.一种火焰烟雾检测方法，其特征在于，包括：
获取视频的每帧中火焰烟雾的动态特征，根据获取的每帧中的动态特征获取每帧中火焰烟雾的动态检测结果；
获取所述视频的每帧中火焰烟雾的静态特征，根据每帧中火焰烟雾的静态特征确定每帧中火焰烟雾的静态区域，将所述静态区域输入到深度学习模型中，输出每帧中火焰烟雾的静态检测结果；
其中，所述深度学习模型根据火焰烟雾的图像样本和所述图像样本中火焰烟雾的静态检测结果进行训练获取；
根据每帧中火焰烟雾的动态检测结果和静态检测结果，确定所述火焰烟雾的最终检测结果。


2.根据权利要求1所述的火焰烟雾检测方法，其特征在于，获取视频的每帧中火焰烟雾的动态特征的步骤之前还包括：
基于三帧插法检测出所述视频的每帧中火焰烟雾的运动区域；
基于背景减法检测出所述视频的每帧中火焰烟雾的运动区域；
将每帧中所述三帧插法和所述背景减法检测出的运动区域进行或运算，获取每帧中火焰烟雾的最终运动区域；
相应地，获取视频的每帧中火焰烟雾的动态特征的步骤包括：
获取每帧的火焰烟雾的最终运动区域中火焰烟雾的动态特征。


3.根据权利要求2所述的火焰烟雾检测方法，其特征在于，基于三帧插法确定所述视频的每帧中火焰烟雾的运动区域的步骤包括：
计算所述视频的当前帧与紧邻所述当前帧的前一帧之间的差分图像，以及紧邻所述当前帧的后一帧与所述当前帧之间的差分图像；
对两个所述差分图像进行与操作；
对与操作的结果进行二值化处理，对二值化处理的结果进行形态学处理，获取当前帧中所述三帧插法检测出的火焰烟雾的运动区域。


4.根据权利要求2所述的火焰烟雾检测方法，其特征在于，通过以下公式基于背景减法检测出所述视频的每帧中火焰烟雾的运动区域：









其中，P(x,y,i)为所述视频的第i帧中坐标为(x,y)的像素做背景减运算的结果，B(x,y,i)为所述视频的第i帧中坐标为(x,y)的像素的背景强度，B(x,y,i+1)所述视频的第i+1帧中坐标为(x,y)的像素的背景强度，T(x,y,i)为所述视频的第i帧中坐标为(x,y)的像素的运动阈值，f(x,y,i)所述视频的第i帧中坐标为(x,y)的像素值，λ为调节参数。


5.根据权利要求2所述的火焰烟雾检测方法，其特征在于，获取每帧的火焰烟雾的最终运动区域中火焰烟雾的动态特征，根据获取的每帧中的动态特征获取每帧中火焰烟雾的动态检测结果的步骤包括：
获取每帧中所述最终运动区域的位置，将相邻两帧之间所述最终运动区域的位置进行对比，判断所述最终运动区域是否符合火焰烟雾的整体移动稳定性的特征；
统计相邻两帧中所述最终运动区域的面积，将连续的相邻两帧中所述最终运动区域的面积进行对比，判断所述最终运动区域的面积是否符合火焰烟雾的面积随时间逐步变大的特征；
基于光流法获取所述最终运动区域的主运动方向，并...

【专利技术属性】
技术研发人员：雷帮军，王峰，
申请(专利权)人：湖北九感科技有限公司，三峡大学，
类型：发明
国别省市：湖北;42