烟雾检测模型的训练方法、烟雾检测设备及系统技术方案

本发明专利技术实施例提供了一种烟雾检测模型的训练方法、烟雾检测设备及系统，涉及检测技术领域。烟雾检测模型的训练方法包括：构建训练集，所述训练集包括：对应于多种烟雾浓度类型的多组训练样本，每组训练样本包含N张样本图像以及对应的表征烟雾浓度的分类标签，N为大于1的整数；以所述样本图像的像素信息作为SVM模型的输入量、以表征烟雾浓度的分类标签作为所述SVM模型的输出量，利用构建的所述训练集对SVM模型进行训练；以训练得到的所述SVM模型作为烟雾检测模型。本发明专利技术中，烟雾检测模型在进行烟雾检测时，仅需读取烟雾图像的像素信息即可，计算量小，效率高，反应速度快，对设备处理性能要求较低。理性能要求较低。理性能要求较低。

Training method of smoke detection model, smoke detection equipment and system

【技术实现步骤摘要】
烟雾检测模型的训练方法、烟雾检测设备及系统


[0001]本专利技术涉及检测
，具体涉及一种烟雾检测模型的训练方法、烟雾检测设备及系统。

技术介绍

[0002]火灾是目前比较常见的对人类生命财产安全有威胁的灾害之一，小到个人家庭、建筑大楼起火，大到森林火灾。例如家庭用电、用火不当造成的火灾、家用电器设备出现故障造成的火灾、森林雷电引发的自然火灾。因此，如果能够及时发现火灾并进行报警是非常重要的，目前可以通过光感传感器、烟雾传感器、温度传感器等这一类设备来实现火灾的预警。
[0003]随着计算机视觉技术的不断发展，也有通过烟雾识别算法对摄像头采集的图像进行分析判断是否存在烟雾，进一步判断是否出现火灾，从而在火灾初期便能够及时进行火灾预警。
[0004]然而，常用的烟雾识别算法需要实时对图像分析处理进行特征提取后进行是否存在烟雾的判断，存在计算量大、算法结构复杂、效率低、反应速度较慢的问题，对设备处理性能要求较高。基于此，申请人提出了本专利技术的技术方案。

技术实现思路

[0005]本专利技术的目的是提供了一种烟雾检测模型的训练方法、烟雾检测设备及系统，在模型训练过程中所采用的是样本图像的像素信息作为SVM模型的输入量，训练得到结构简单且准确率较高的烟雾检测模型，并且烟雾检测模型在进行烟雾检测时，仅需读取烟雾图像的像素信息即可，计算量小，效率高，反应速度快，对设备处理性能要求较低。
[0006]为实现上述目的，本专利技术提供了一种烟雾检测模型的训练方法，包括：构建训练集，所述训练集包括：对应于多种烟雾浓度类型的多组训练样本，每组训练样本包含N张样本图像以及对应的表征烟雾浓度的分类标签，N为大于1的整数；以所述样本图像的像素信息作为SVM模型的输入量、以表征烟雾浓度的分类标签作为所述SVM模型的输出量，利用构建的所述训练集对SVM模型进行训练；以训练得到的所述SVM模型作为烟雾检测模型。
[0007]本专利技术还提供了一种烟雾检测方法，包括：将接收到的烟雾图像的像素信息输入到烟雾检测模型中，输出所述烟雾图像对应的烟雾值；所述烟雾检测模型基于上述的烟雾检测模型的训练方法构建；基于预设的烟雾值范围与烟雾浓度类型的对应关系，获取所述烟雾图像的烟雾浓度类型。
[0008]本专利技术还提供了一种烟雾检测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够上述的烟雾检测方法。
[0009]本专利技术还提供了一种烟雾检测系统，包括：图像采集装置、以及连接所述图像采集
装置的上述的烟雾检测设备；所述图像采集装置用于采集烟雾图像，并将采集的所述烟雾图像实时发送到所述烟雾检测设备。
[0010]本专利技术实施例提供了一种烟雾检测模型的训练方法，首先构建用于进行模型训练的训练集，构建的训练集包括：对应于多种烟雾浓度类型的多组训练样本，每组训练样本包含N张样本图像以及对应的表征烟雾浓度的分类标签(N为大于1的整数)，随后以所述样本图像的像素信息作为SVM模型的输入量、以表征烟雾浓度的分类标签作为所述SVM模型的输出量，利用所构建的所述训练集对SVM模型进行训练，训练得到的所述SVM模型便可以作为用来进行烟雾检测的烟雾检测模型；在模型训练过程中所采用的是样本图像的像素信息作为SVM模型的输入量，训练得到结构简单且准确率较高的烟雾检测模型，并且烟雾检测模型在进行烟雾检测时，仅需读取烟雾图像的像素信息即可，计算量小，效率高，反应速度快，对设备处理性能要求较低。
[0011]在一个实施例中，表征高烟雾浓度的分类标签为0.8，表征低烟雾浓度的分类标签为0.2，表征无烟雾的分类标签为0。
[0012]在一个实施例中，所述样本图像的像素信息包括一维化后的各个像素的RBG值。
[0013]在一个实施例中，在基于预设的烟雾值与烟雾浓度的对应关系，获取所述烟雾图像的烟雾浓度类型之后，还包括：存储各所述烟雾图像与所述烟雾图像的相关信息，所述相关信息包括：所述烟雾图像的烟雾值、所述烟雾图像的烟雾浓度类型以及所述烟雾图像的采集时间。
[0014]在一个实施例中，在所述将接收到的烟雾图像输入到烟雾检测模型中，输出所述烟雾图像对应的烟雾值之后，所述烟雾检测方法还包括：以当前的所述烟雾图像为起点，向前统计预设数量的所述烟雾图像对应的烟雾值，并将统计的预设数量的所述烟雾图像对应的烟雾值通过显示装置进行显示。
[0015]在一个实施例中，所述烟雾检测设备还包括：连接于所述处理器的显示装置；所述处理器还用于在所述将接收到的烟雾图像输入到烟雾检测模型中，输出所述烟雾图像对应的烟雾值之后，以当前的所述烟雾图像为起点，向前统计预设数量的所述烟雾图像对应的烟雾值，并将统计的预设数量的所述烟雾图像对应的烟雾值通过显示装置进行展示。
[0016]在一个实施例中，烟雾检测系统还包括：与所述烟雾检测设备通信连接的上位机；所述烟雾检测设备还用于存储各所述烟雾图像以及所述烟雾图像的相关信息，并将存储的各所述烟雾图像以及各所述烟雾图像的相关信息发送到所述上位机；所述相关信息包括：所述烟雾图像的烟雾值、所述烟雾图像的烟雾浓度类型以及所述烟雾图像的采集时间；所述上位机用于存储接收到的各所述烟雾图像以及各所述烟雾图像的相关信息；所述上位机还用于提供查询界面，并基于在所述查询界面接收到的输入查询信息，展示所述查询信息对应的烟雾图像列表；所述查询界面包括：基于图像采集时间的查询和/或基于图像的烟雾值的查询。
附图说明
[0017]图1是根据本专利技术第一实施例中的烟雾检测模型的训练方法的具体流程图；
[0018]图2是根据本专利技术第二实施例中的烟雾检测方法的具体流程图；
[0019]图3是根据本专利技术第三实施例中的烟雾检测方法的具体流程图；
[0020]图4是根据本专利技术第三实施例中的预设数量的烟雾图像对应的烟雾值在显示装置中显示的示意图；
[0021]图5是根据本专利技术第三实施例中的标记有烟雾值与烟雾浓度类型的烟雾图像的示意图；
[0022]图6是根据本专利技术第四实施例的烟雾检测设备的示意图；
[0023]图7是根据本专利技术第五实施例的烟雾检测设备的示意图；
[0024]图8是根据本专利技术第六实施例的烟雾检测系统的示意图；
[0025]图9是根据本专利技术第六实施例的烟雾检测系统的上位机的查询界面的示意图，其中查询界面为基于图像的烟雾值的查询；
[0026]图10是是根据本专利技术第六实施例的烟雾检测系统的上位机的查询界面的示意图，其中查询界面为基于图像采集时间的查询。
具体实施方式
[0027]以下将结合附图对本专利技术的各实施例进行详细说明，以便更清楚理解本专利技术的目的、特点和优点。应理解的是，附图所示的实施例并不是对本专利技术范围的限制，而只是为了说明本专利技术技术方案的实质精神。
[0028]在下文的描述中，出于说明各种公开的实施例的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烟雾检测模型的训练方法，其特征在于，包括：构建训练集，所述训练集包括：对应于多种烟雾浓度类型的多组训练样本，每组训练样本包含N张样本图像以及对应的表征烟雾浓度的分类标签，N为大于1的整数；以所述样本图像的像素信息作为SVM模型的输入量、以表征烟雾浓度的分类标签作为所述SVM模型的输出量，利用构建的所述训练集对SVM模型进行训练；以训练得到的所述SVM模型作为烟雾检测模型。2.根据权利要求1所述的烟雾检测模型的训练方法，其特征在于，表征高烟雾浓度的分类标签为0.8，表征低烟雾浓度的分类标签为0.2，表征无烟雾的分类标签为0。3.根据权利要求1所述的烟雾检测模型的训练方法，其特征在于，所述样本图像的像素信息包括一维化后的各个像素的RBG值。4.一种烟雾检测方法，其特征在于，包括：将接收到的烟雾图像的像素信息输入到烟雾检测模型中，输出所述烟雾图像对应的烟雾值；所述烟雾检测模型基于权利要求1至3中任一项所述的烟雾检测模型的训练方法构建；基于预设的烟雾值范围与烟雾浓度类型的对应关系，获取所述烟雾图像的烟雾浓度类型。5.根据权利要求4所述的烟雾检测方法，其特征在于，在基于预设的烟雾值与烟雾浓度的对应关系，获取所述烟雾图像的烟雾浓度类型之后，还包括：存储各所述烟雾图像与所述烟雾图像的相关信息，所述相关信息包括：所述烟雾图像的烟雾值、所述烟雾图像的烟雾浓度类型以及所述烟雾图像的采集时间。6.根据权利要求4所述的烟雾检测方法，其特征在于，在所述将接收到的烟雾图像输入到烟雾检测模型中，输出所述烟雾图像对应的烟雾值之后，所述烟雾检测方法还包括：以当前的所述烟雾图像为起点，向前统计预设数量的所述烟雾图像对应的烟雾值，并将统计的预设数量的所述烟...

【专利技术属性】
技术研发人员：滕飞，杨杰，
申请(专利权)人：苏州英特模汽车科技有限公司，
类型：发明
国别省市：