一种用于化学气体检测的方法技术

本申请提供了一种用于化学气体检测的方法，涉及气体检测领域。本申请本申请首先在帧间差分法的基础上背景建模，从而在mask上进行轮廓分析提取ROI，然后将这些ROI保存下来，这些ROI虽然干扰对象比较多，但能保证所有的气泡对象不会被漏检，并且该过程速度非常的块，将前面检测到的ROI全部输入到深度学习算法这个分类器中，分类器由于具有特征表述能力，可以识别ROI对象是不是气泡，这样可以筛选出实验需要的气泡对象，既兼顾了传统算法的普遍性，又吸收了深度学习算法优秀的特征提取能力，所有的检测对象都能很好的筛选出来。所有的检测对象都能很好的筛选出来。所有的检测对象都能很好的筛选出来。

【技术实现步骤摘要】
一种用于化学气体检测的方法


[0001]本专利技术涉及气体检测领域，具体而言，涉及一种用于化学气体检测的方法。

技术介绍

[0002]气体是指无形状有体积的可压缩和膨胀的流体，气体是物质的一个态，气体与液体一样是流体：它可以流动，可变形，与液体不同的是气体气体分子间距离很大，可以被压缩膨胀，假如没有限制（容器或力场）的话，气体可以膨胀，其体积不受限制，气态物质的原子或分子相互之间可以自由运动，气态物质的原子或分子的动能比较高， 气体形态可过通其体积、温度和其压强所影响。这几项要素构成了多项气体定律，而三者之间又可以互相影响。
[0003]现有技术中，气体的检测主要有基于传统的图像检测方法和基于深度学习的检测方法两种，其中：图像检测方法存在以下缺点：1.当运动物体有阴影时，由于阴影也在移动，情况会变的变得更加复杂；2.不能提取出运动对象的完整区域，仅能提取轮廓；3.算法效果严重依赖所选取的帧间时间间隔和分割阈值；而深度学习的检测方法需要大量的标签化数据，尤其是气体冒泡的数据不易采集和打标签；深度学习需要巨大的计算能力，训练模型也是时间比较长的过程。
[0004]例如：中国专利技术专利：CN201910185570.5，所公开的“一种运动目标监测系统监控装置及其监控方法”，其说明书公开：在机场或者车站等复杂场景中，光照变化、动态背景的扰动、目标阴影、目标运动状态的变化、运动目标自身色彩与背景图像相似性都会影响运动目标监测结果....；例如：中国专利技术专利：CN202180040287.9，所公开的“基于机器人过程自动化(RPA)的数据标记”，其说明书公开：对于由机器学习/深度学习应用实施的工业生产应用，需要大量数据来训练、验证和/或调整模型以更好地符合工业生产线的要求。通常，必须使用某些工具来标记数据，但是数据标记不仅相当耗时，而且还可能非常昂贵。考虑到获得和标记数据的成本，就自动化任务的预算而言成本可能会令人望而却步，或者可能会潜在地减缓生产周期....上述专利可以佐证现有技术存在的缺陷。因此我们对此做出改进，提出一种用于化学气体检测的方法。

技术实现思路

[0005]本专利技术的目的在于：针对目前存在的图像检测方法会受到阴影的干扰以及深度学习的检测方法需要巨大的计算能力以及训练时间长的问题。
[0006]为了实现上述专利技术目的，本专利技术提供了用于化学气体检测的方法，以改善上述问题。
[0007]本申请具体是这样的：
包括：对检测对象进行处理，消除背景，将所有的检测对象全部输入到分类算法的分类器，通过分类器识别ROI对象是否是气泡，若是气泡则对ROI对象进行保存，即检测到气体。
[0008]作为本申请优选的技术方案，通过分类器识别ROI对象是否是气泡时，若不是气泡则忽略该ROI对象。
[0009]作为本申请优选的技术方案，对检测对象的处理包括使用帧间差分法对视频流中视频图像序列的连续两帧图像做差分运算获取运动目标的轮廓，使用背景分割技术分离出运动的物体前景，绘制ROI对象。
[0010]作为本申请优选的技术方案，帧间差分法包括：当监控场景中出现异常目标运动时，相邻两帧图像之间会出现较为明显的差别，两帧相减，求得图像对应位置像素值差的绝对值，判断其是否大于某一阈值，进而分析视频或图像序列的物体运动特性，用公式描述如下：。
[0011]作为本申请优选的技术方案，D(x,y)为连续两帧图像之间的差分图像，I(t)和I(t
‑
1)分别为t和t
‑
1时刻的图像，T为差分图像二值化时选取的阈值，D(x,y) = 1表示前景，D(x,y) = 0表示背景。
[0012]作为本申请优选的技术方案，背景分割技术包括以下步骤：A、初始化背景建模对象GMM；B、读取视频一帧；C、使用背景建模消除生成mask；D、对mask进行轮廓分析提取ROI；E、绘制ROI对象。
[0013]作为本申请优选的技术方案，所述ROI对象为检测到的对象。
[0014]与现有技术相比，本专利技术的有益效果：在本申请的方案中：为了解决现有技术中图像检测方法会受到阴影的干扰以及深度学习的检测方法需要巨大的计算能力以及训练时间长的问题，本申请首先在帧间差分法的基础上背景建模，从而在mask上进行轮廓分析提取ROI，然后将这些ROI保存下来，这些ROI虽然干扰对象比较多，但能保证所有的气泡对象不会被漏检，并且该过程速度非常的块，将前面检测到的ROI全部输入到深度学习算法这个分类器中，分类器由于具有特征表述能力，可以识别ROI对象是不是气泡，这样可以筛选出实验需要的气泡对象，既兼顾了传统算法的普遍性，又吸收了深度学习算法优秀的特征提取能力，所有的检测对象都能很好的筛选出来。
附图说明
[0015]图1为本申请提供的用于化学气体检测的方法的示意图；图2为本申请提供的用于化学气体检测的方法的局部示意图；图3为本申请提供的用于化学气体检测的方法的背景分割技术的意图。
具体实施方式
[0016]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是
本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0017]如
技术介绍
所述的，现有技术中，气体的检测主要有基于传统的图像检测方法和基于深度学习的检测方法两种，其中：图像检测方法存在以下缺点：1.当运动物体有阴影时，由于阴影也在移动，情况会变的变得更加复杂；2.不能提取出运动对象的完整区域，仅能提取轮廓；3.算法效果严重依赖所选取的帧间时间间隔和分割阈值；而深度学习的检测方法需要大量的标签化数据，尤其是气体冒泡的数据不易采集和打标签；深度学习需要巨大的计算能力，训练模型也是时间比较长的过程。
[0018]为了解决此技术问题，本专利技术提供了一种用于化学气体检测的方法，其应用于气体的检测。
[0019]具体地，请参考图1
‑
2，所述用于化学气体检测的方法具体包括：对检测对象进行处理，消除背景，将所有的检测对象全部输入到分类算法的分类器，通过分类器识别ROI对象是否是气泡，若是气泡则对ROI对象进行保存，即检测到气体。
[0020]本专利技术提供的用于化学气体检测的方法，本申请首先在帧间差分法的基础上背景建模，从而在mask上进行轮廓分析提取ROI，然后将这些ROI保存下来，这些ROI虽然干扰对象比较多，但能保证所有的气泡对象不会被漏检，并且该过程速度非常的块，将前面检测到的ROI全部输入到深度学习算法这个分类器中，分类器由于具有特征表述能力，可以识别ROI对象是不是气泡，这样可以筛选出实验需要的气泡对象，既兼顾了传统算法的普遍性，又吸收了深度学习算法优秀的特征提取能力，所有的检测对象都能很好的筛选出来。
[0021]为了使本
的人员更好地理解本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于化学气体检测的方法，其特征在于，包括：对检测对象进行处理，消除背景，将所有的检测对象全部输入到分类算法的分类器，通过分类器识别ROI对象是否是气泡，若是气泡则对ROI对象进行保存，即检测到气体。2.根据权利要求1所述的一种用于化学气体检测的方法，其特征在于，通过分类器识别ROI对象是否是气泡时，若不是气泡则忽略该ROI对象。3.根据权利要求2所述的一种用于化学气体检测的方法，其特征在于，对检测对象的处理包括使用帧间差分法对视频流中视频图像序列的连续两帧图像做差分运算获取运动目标的轮廓，使用背景分割技术分离出运动的物体前景，绘制ROI对象。4.根据权利要求3所述的一种用于化学气体检测的方法，其特征在于，帧间差分法包括：当监控场景中出现异常目标运动时，相邻两帧图像之间会出现较为明显的差别，两帧相减，求得图像对应位置像素...

【专利技术属性】
技术研发人员：胡棚，刘建华，
申请(专利权)人：上海大风实验室设备有限公司，
类型：发明
国别省市：