本发明专利技术涉及一种基于计算机视觉的粉尘溯源方法方法及系统，属于粉尘溯源领域。方法包括以下步骤：获取施工现场图像及对应的风速向量，根据施工现场图像得到对应的无粉尘图像和粉尘图像；根据粉尘图像得到粉尘图像中各粉尘的灰度值和各粉尘的光流向量；根据第一置信度权重和第二置信度权重，得到粉尘图像中各粉尘的第三置信度权重；将粉尘图像中各粉尘沿着对应的光流方向的反方向做延长线，将延长线汇聚的位置作为粉尘源的位置；根据各粉尘源对应的所有粉尘的第三置信度权重，得到各粉尘源的置信度。本发明专利技术能够较为准确的反映粉尘源的准确位置，能够为后续抑尘作业提供重要的依据，提高抑尘作业的效率。高抑尘作业的效率。高抑尘作业的效率。
【技术实现步骤摘要】
一种基于计算机视觉的粉尘溯源方法及系统
[0001]本专利技术涉及粉尘溯源领域，具体涉及一种基于计算机视觉的粉尘溯源方法及系统。
技术介绍
[0002]随着社会的进步和发展，节能环保意识逐渐深入人心，而大多数城市处于城市建设的高峰期，城市内的建筑工地等施工现场在作业时经常会出现粉尘，而产生的粉尘会影响到城市的环境、市民的出行和工人的安全，因此需要利用抑尘装置进行降尘作业。
[0003]当前传统的降尘作业方法是直接利用粉尘浓度检测仪检测粉尘浓度，当检测到粉尘浓度大于设定浓度阈值时进行降尘作业；这种方式检测的只是粉尘浓度，并不检测粉尘源的位置，因此不能够针对性对粉尘源进行降尘，导致降尘作业效率低；如何确定粉尘源的位置，是提高降尘作业效率需要重点解决的问题之一。
技术实现思路
[0004]本专利技术提供一种基于计算机视觉的粉尘溯源方法及系统，用于解决现有不能准确反映粉尘源头的问题，所采用的技术方案具体如下：
[0005]第一方面，本专利技术一个实施例提供了一种基于计算机视觉的粉尘溯源方法及系统包括以下步骤：
[0006]获取施工现场图像及对应的风速向量，根据施工现场图像得到对应的无粉尘图像和粉尘图像；
[0007]根据所述粉尘图像得到所述粉尘图像中各粉尘的灰度值和各粉尘的光流向量；
[0008]根据所述粉尘图像中各粉尘的灰度值，得到粉尘图像中各粉尘的第一置信度权重；
[0009]根据所述粉尘图像中各粉尘的光流向量与对应的风速向量之间的相似性，得到粉尘图像中各粉尘的第二置信度权重；
[0010]根据所述第一置信度权重和所述第二置信度权重，得到所述粉尘图像中各粉尘的第三置信度权重；
[0011]将粉尘图像中各粉尘沿着对应的光流方向的反方向做延长线，将延长线汇聚的位置作为粉尘源的位置；根据各粉尘源对应的所有粉尘的第三置信度权重，得到各粉尘源的置信度。
[0012]本专利技术还提供了一种基于计算机视觉的粉尘溯源系统，包括存储器和处理器，以实现上述一种基于计算机视觉的粉尘溯源方法及施工现场图像的获取。
[0013]本专利技术的粉尘溯源方法和粉尘溯源系统的有益效果：本专利技术根据粉尘图像中各粉尘的灰度值和粉尘图像中各粉尘的光流向量与对应的风速向量之间的相似性得到粉尘图像中各粉尘的第三置信度权重，根据粉尘图像中各粉尘对应的光流方向的反方向延长线汇聚的位置作为粉尘源的位置并根据各粉尘源对应的所有粉尘的第三置信度权重，得到各粉
尘源的置信度；本专利技术将粉尘图像中各粉尘的第三置信度权重和粉尘图像中各粉尘对应的光流方向的反方向延长线汇聚的位置作为得到粉尘源的位置和粉尘源置信度的依据，能够较为准确的反映粉尘源的准确位置，能够为后续抑尘作业提供重要的依据，提高抑尘作业的效率。
[0014]优选的，得到对应的无粉尘图像和粉尘图像的方法，包括：
[0015]构建两个Encoder
‑
Decoder网络，所述两个Encoder
‑
Decoder网络权值共享；
[0016]获取训练样本集，训练样本集包括多个施工现场样本图像对；
[0017]对各训练样本集进行标注；
[0018]将所述训练样本集和标注数据输入到两个Encoder
‑
Decoder网络中，并采用重构损失函数、差异损失函数以及内容损失函数进行训练；
[0019]将施工现场图像输入到训练好的Encoder
‑
Decoder网络中，得到施工现场图像对应的的无粉尘图像和粉尘图像。
[0020]优选的，重构损失函数为：
[0021][0022]其中，l1为重构损失函数，N为施工现场样本图像对的总数量，W为施工现场样本图像的宽度值，H为施工现场样本图像的高度值，为第n个施工现场样本图像对中其中一个施工现场样本图像，为第n个施工现场样本图像对中其中一个施工现场样本图像的无粉尘图像，为第n个施工现场样本图像对中其中一个施工现场样本图像的粉尘图像，为第n个施工现场样本图像对中另外一个施工现场样本图像，为第n个施工现场样本图像对中另外一个施工现场样本图像的无粉尘图像，为第n个施工现场样本图像对中另外一个施工现场样本图像的粉尘图像。
[0023]优选的，差异损失函数为：
[0024][0025]其中，l2为差异损失函数，为第n个施工现场样本图像对中其中一个施工现场样本图像的粉尘图像的灰度值，为第n个施工现场样本图像对中另外一个施工现场样本图像的粉尘图像的灰度值。
[0026]优选的，内容损失函数为：
[0027][0028]其中，l3为内容损失函数。
[0029]优选的，得到粉尘图像中各粉尘的第一置信度权重的方法，包括如下步骤：
[0030]根据如下公式求粉尘图像中各粉尘的第一置信度权重：
[0031][0032]其中，β
1i
(x
i
,y
i
)为粉尘图像中第i个粉尘的第一置信度权重，g
i
(x
i
,y
i
)为粉尘图
像中第i个粉尘的灰度值，x
i
为粉尘图像中第i个粉尘的横坐标，y
i
为粉尘图像中第i个粉尘的纵坐标。
[0033]优选的，得到粉尘图像中各粉尘的第二置信度权重的方法，包括如下步骤：
[0034]根据如下公式求粉尘图像中各粉尘的第二置信度权重：
[0035][0036]其中，β
2i
(x
i
,y
i
)为粉尘图像中第i个粉尘的第二置信度权重，为粉尘图像中第i个粉尘的光流向量，为施工现场图像对应的风速向量，x
i
为粉尘图像中第i个粉尘的横坐标，y
i
为粉尘图像中第i个粉尘的纵坐标。
[0037]优选的，得到各粉尘源的置信度的方法，包括如下步骤：
[0038]根据如下公式求各粉尘源的置信度：
[0039][0040]其中，μ
j
为第j个粉尘源的置信度，E
j
为第j个粉尘源对应的所有粉尘像素点的集合，β
i
(x
i
,y
i
)为集合E
j
中第i个粉尘对应的第三置信度权重，x
i
为第j个粉尘源对应的第i个粉尘的横坐标，y
i
为第j个粉尘源对应的第i个粉尘的纵坐标。
附图说明
[0041]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0042]图1为本专利技术一个实施例所提供的一种基于计算机视觉的粉尘溯源方法的流程图。...
【技术保护点】
【技术特征摘要】
1.一种基于计算机视觉的粉尘溯源方法，其特征在于，该方法包括如下步骤：获取施工现场图像及对应的风速向量，根据施工现场图像得到对应的无粉尘图像和粉尘图像；根据所述粉尘图像得到所述粉尘图像中各粉尘的灰度值和各粉尘的光流向量；根据所述粉尘图像中各粉尘的灰度值，得到粉尘图像中各粉尘的第一置信度权重；根据所述粉尘图像中各粉尘的光流向量与对应的风速向量之间的相似性，得到粉尘图像中各粉尘的第二置信度权重；根据所述第一置信度权重和所述第二置信度权重，得到所述粉尘图像中各粉尘的第三置信度权重；将粉尘图像中各粉尘沿着对应的光流方向的反方向做延长线，将延长线汇聚的位置作为粉尘源的位置；根据各粉尘源对应的所有粉尘的第三置信度权重，得到各粉尘源的置信度。2.如权利要求1所述的一种基于计算机视觉的粉尘溯源方法，其特征在于，所述得到对应的无粉尘图像和粉尘图像的方法，包括：构建两个Encoder
‑
Decoder网络，所述两个Encoder
‑
Decoder网络权值共享；获取训练样本集，训练样本集包括多个施工现场样本图像对；对各训练样本集进行标注；将所述训练样本集和标注数据输入到两个Encoder
‑
Decoder网络中，并采用重构损失函数、差异损失函数以及内容损失函数进行训练；将施工现场图像输入到训练好的Encoder
‑
Decoder网络中，得到施工现场图像对应的的无粉尘图像和粉尘图像。3.如权利要求2所述的一种基于计算机视觉的粉尘溯源方法，其特征在于，所述重构损失函数为：其中，l1为重构损失函数，N为施工现场样本图像对的总数量，W为施工现场样本图像的宽度值，H为施工现场样本图像的高度值，为第n个施工现场样本图像对中其中一个施工现场样本图像，为第n个施工现场样本图像对中其中一个施工现场样本图像的无粉尘图像，为第n个施工现场图像对中其中一个施工现场样本图像的粉尘图像，为第n个施工现场样本图像对中另外一个施工现场样本图像，为第n个施工现场样本图像对中另外一个施工现场样本图像的无粉尘图像，为第n个施工现场样本图像对中另外一个施工现场样本图像的粉尘图像。4.如权利要求2或3所述的一种基于计算机视觉的粉尘溯源方法，其特征在于，所述差异损失函数为：
其中，l2为差异损失函数，为第n个施工现场样本图像对中其中一个施工现场样本图像的粉尘图像的灰度值，为第n个施工现场样本图像对中另外...
【专利技术属性】
技术研发人员：邹红来，
申请(专利权)人：江苏福鱼装饰材料有限公司，
类型：发明
国别省市：
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。