一种基于可变卷积核的烟雾明火检测算法制造技术

本发明专利技术提供一种基于可变卷积核的烟雾明火检测算法，包括以下步骤：步骤1：对采集的图像进行预处理和图片归一化处理，将图像通过图像灰度化和图像去噪，得到处理后的图像，并通过实施插值缩放将图像数据转化为与CNN兼容的形式；步骤2：通过提取烟雾颜色特征确定烟雾区域，并提取处理后图像内含有目标特征的区域；步骤3：将提取的目标特征区域图像数据进行扩大处理；步骤4：将处理后的图像数据通过CNN进行烟雾检测；本发明专利技术提高了算法的计算速度，避免了对烟雾目标检测时受到光照变化、视角变化以及自身的形变的影响，使卷积神经网络进行目标检测时，提高了检测效果。提高了检测效果。提高了检测效果。

【技术实现步骤摘要】
一种基于可变卷积核的烟雾明火检测算法


[0001]本专利技术涉及计算机视觉
，具体为一种基于可变卷积核的烟雾明火检测算法。

技术介绍

[0002]随着大数据时代的到来和深度学习等技术的快速发展，人们可以在强大的计算机算力的支持下，利用复杂的神经网络模型挖掘和提取海量数据中的关键信息。尤其在大规模的火灾监控中，成千上万的传感器每天会产生大量的数据，数据可能会存在火灾类别标记缺失或者类别标记太过笼统的问题，即含有效火灾类别标签的数据在总数据中占比较小，从而对于卷积神经网络(CNN)这种有监督的深度学习算法而言，处理这类数据可能就无法取得较为理想的效果。
[0003]烟雾目标在不同视角下的透视变换存在一定的差异性，导致在深度学习算法中，采用固定尺寸(长宽比)的卷积核进行火焰检测会存在当目标尺寸变化时，会融入背景信息，导致检测不准的问题。
[0004]烟雾目标检测的难点在于光照变化、视角变化以及自身的形变，在用卷积神经网络进行目标检测时，导致检测效果不理想，因此传统的烟雾目标检测方法存在不准确的缺陷。

技术实现思路

...

【技术保护点】

【技术特征摘要】
1.一种基于可变卷积核的烟雾明火检测算法，其特征在于，包括以下步骤：步骤1：通过摄像设备对行人的视频图像进行多方向采集，并发送至计算机数据库内；步骤2：对采集的多个视频图像数据分别进行预处理，突出视频图像中局部的行人图像；步骤3：对各个预处理后视频图像数据中行人的局部图像分别进行追踪，并对各个图像数据中的人脸图像进行特征提取；步骤4：将提取的多个特征与数据库内的数据进行对比，并完成对行人的身份认证；步骤5：将无法完成身份认证的人脸数据进行记录，并储存于数据库内。2.根据权利要求1所述的一种基于可变卷积核的烟雾明火检测算法，其特征在于：所述步骤1中，通过多个摄像头和照明灯对行人的视频图像数据进行采集，并通过yolov2算法对视频图像数据进行检测，并将检测有行人的视频图像数据进行记录，并通过网络发送至计算机内的数据库中。3.根据权利要求2所述的一种基于可变卷积核的烟雾明火检测算法，其特征在于：所述步骤2中，在计算机数据库中通过SVLM算法对采集的多个视频图像数据中行人的图像分别进行局部增强，并突出各个行人图像，先将彩色图像转化为灰度图像，计算公式如公式(1)所示：I(x,y)＝0.299
×
R(x,y)+0.578
×
G(x,y)+0.114
×
B(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中R(x,y)、G(x,y)、B(x,y)分别代表像素(x,y)处的红绿蓝灰度值，I(x,y)代表坐标(x,y)处的像素灰度值，将该灰度图像与二维高斯函数卷积，如公式(2)所示：其中L(x,y)为经过高斯滤波后的图像，F(x+i,y+j)代表尺度为m
×
n的二维高斯函数，该运算是一个低通滤波的过程，F(x,y)函数的定义如公式(3)所示：F<...

【专利技术属性】
技术研发人员：谭守标，朱兆亚，朱吕甫，
申请(专利权)人：安徽炬视科技有限公司，
类型：发明
国别省市：