基于图像处理的智慧厨房油烟检测识别方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及基于图像处理的智慧厨房油烟检测识别方法，包括：采集厨房图像，获取相邻帧厨房灰度图像的差值图像，根据每个差值图像中每个图像块的灰度均值获取每个图像块的灰度差异程度，结合每个图像块的向量获取相邻差值图像中同一图像块的变化相似程度，根据图像块与邻域图像块的DTW路径获取时间滞后性，进而得到图像块的异常变化程度，进一步获取图像块的权值，根据所有图像块的权值获取光照分量，根据光照分量对厨房图像进行增强，进行厨房油烟识别检测。本发明专利技术去除了厨房图像中水蒸汽的影响，增强效果更好，对厨房油烟识别检测结果更加准确。对厨房油烟识别检测结果更加准确。对厨房油烟识别检测结果更加准确。

【技术实现步骤摘要】
基于图像处理的智慧厨房油烟检测识别方法


[0001]本专利技术涉及图像数据处理
，具体涉及基于图像处理的智慧厨房油烟检测识别方法。

技术介绍

[0002]智慧厨房是基于物联网和人工智能技术的综合应用，通过连接各种智能设备和传感器，实现厨房内部的信息交互和自动化控制。智慧厨房可以监测环境数据、食材储存情况、烹饪过程和设备状态，并能根据用户的需求进行智能调控和提供个性化建议，为用户带来便利、舒适和安全的烹饪体验。
[0003]智慧厨房通过拍摄厨房图像来实现厨房油烟检测，实现无人自动化危险状况预警。但厨房图像中往往由于厨房空间内存在水蒸汽影响厨房图像中明火区域的识别，难以实现异常状况发生初期的微小异常程度的判断。
[0004]为了解决上述问题，目前通过Retinex算法进行图像增强来消除水汽对危险识别的影响，但是在利用Retinex算法进行图像增强时，光照分量难以确定。

技术实现思路

[0005]本专利技术提供基于图像处理的智慧厨房油烟检测识别方法，以解决现有的问题。
[0006]本专利技术的基于图像处理的智慧厨房油烟检测识别方法采用如下技术方案：本专利技术一个实施例提供了基于图像处理的智慧厨房油烟检测识别方法，该方法包括以下步骤：采集连续帧的厨房图像，对厨房图像进行灰度化，得到厨房灰度图像；获取相邻帧厨房灰度图像的差值图像，将每个差值图像划分为多个图像块；根据每个差值图像中每个图像块的灰度均值获取每个图像块的灰度差异程度；获取每个图像块的向量；根据相邻差值图像中同一图像块的向量以及每个图像块的灰度差异程度获取相邻差值图像中同一图像块的变化相似程度，将所有相邻差值图像中同一图像块的变化相似程度，构成图像块的时序变化相似程度序列；获取图像块的时序变化相似程度序列与每个邻域图像块的时序变化相似程度序列的路径；根据DTW路径获取图像块与每个邻域图像块的时间滞后性；根据时间滞后性获取图像块的异常变化程度；根据图像块的异常变化程度获取图像块的权值；根据所有图像块的权值获取光照分量；根据光照分量对每一帧厨房灰度图像进行增强，得到每一帧厨房灰度图像对应的清晰图像；根据清晰图像进行厨房油烟识别检测以及智能预警。
[0007]优选的，所述获取每个图像块的向量，包括的具体步骤如下：将图像块转化成图像块矩阵，图像块矩阵每个元素为图像块中对应位置的像素点的灰度值；对每个图像块矩阵进行奇异值分解，获得每个图像块的左奇异向量矩阵与
奇异值矩阵，预设置信阈值，对奇异值进行累计占比统计，取时的前项奇异值组成截断奇异矩阵与截断左奇异向量矩阵，其中为第项奇异值，为奇异值的个数；将截断奇异矩阵与截断左奇异向量矩阵的乘积按列连接扁平化成一个向量，作为图像块的向量。
[0008]优选的，所述根据相邻差值图像中同一图像块的向量以及每个图像块的灰度差异程度获取相邻差值图像中同一图像块的变化相似程度，包括的具体步骤如下：；其中，表示相邻差值图像中同一图像块的变化相似程度，表示相邻差值图像中第一个差值图像的对应图像块的向量，表示相邻差值图像中第二个差值图像的对应图像块的向量，表示相邻差值图像中同一图像块的灰度差异程度的差值绝对值，Exp()为以自然常数为底的指数函数。
[0009]优选的，所述根据DTW路径获取图像块与每个邻域图像块的时间滞后性，包括的具体步骤如下：根据图像块与邻域图像块的DTW路径，获取图像块的时序变化相似程度序列的初始点对应的邻域图像块的时序变化相似程度序列中点的个数，对所得结果进行归一化，将归一化结果作为图像块与邻域图像块的时间滞后性。
[0010]优选的，所述根据时间滞后性获取图像块的异常变化程度，包括的具体步骤如下：对图像块的时序变化相似程度序列进行线性插值，根据插值结果获取时序变化相似程度序列中每个变化相似程度的斜率；根据图像块与每个邻域图像块的时间滞后性以及图像块的时序变化相似程度序列中每个变化相似程度的斜率获取图像块的异常变化程度：；其中，为图像块的异常变化程度，表示的是图像块与第u个邻域图像块的路径上第v个对应点的变化相似程度的斜率之差，表示的是图像块与第u个邻域图像块的路径上对应点的个数，表示的是图像块与第u个邻域图像块的时间滞后性，为绝对值符号。
[0011]优选的，所述根据插值结果获取时序变化相似程度序列中每个变化相似程度的斜率，包括的具体步骤如下：；其中，表示图像块的时序变化相似程度序列中第个变化相似程度的斜率，表示图像块的时序变化相似程度序列中第个变化相似程度，表示图像块的时序变化相似程度序列中第个变化相似程度的左侧的插值，表示图像块的时序变化相似程度序列中第个变化相似程度的右侧的插值，为向下取整符号。
[0012]优选的，所述根据所有图像块的权值获取光照分量，包括的具体步骤如下：
；其中，为光照分量，为第个图像块，为第个图像块的高斯环绕函数，为第个图像块的权值，为图像块的个数。
[0013]优选的，所述根据清晰图像进行厨房油烟识别检测以及智能预警，包括的具体步骤如下：将厨房灰度图像对应的清晰图像输入到训练好的神经网络中，输出烟气弥漫程度等级，当烟气弥漫程度等级达到预设的等级阈值或大于预设的等级阈值时，发出警报，实现智能预警。
[0014]本专利技术的技术方案的有益效果是：本专利技术在对厨房图像进行图像处理的过程中，根据时序上的水蒸汽与烟气的灰度及形态分布变化特征，采用多尺度Retinex算法进行光照分量与反射分量的分离，实现光照分量中水蒸汽部分的精准分离，实现异常区域的增强处理。本专利技术能够根据图像块奇异值分解获取图像块区域时序上的不同类型区域变化特征的变化程度，根据其变化程度的变化速率获取异常变化程度，进而构建出自适应滤波权值，用于自适应调节多尺度Retinex中对于光照分量估计时的图像块区域由时序图像块异常变化程度区分水蒸气与烟气区域的不同权重，对光照分量中的水蒸气区域进行抑制，而烟气区域进得到增强，最终使得不同类型区域具有不同的自适应图像增强效果，从而保证整体增强效果最佳，降低了水汽对厨房油烟识别检测时的干扰。
附图说明
[0015]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，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地介绍，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他的附图。
[0016]图1为本专利技术的基于图像处理的智慧厨房油烟检测识别方法的步骤流程图；图2为厨房灰度图像；图3为差值图像；图4为图像块；图5为截断奇异矩阵与截断左奇异向量矩阵的乘积的可视化图像；图6为厨房灰度图像对应的清晰图像。
具体实施方式
[0017]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于图像处理的智慧厨房油烟检测识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像处理的智慧厨房油烟检测识别方法，其特征在于，该方法包括以下步骤：采集连续帧的厨房图像，对厨房图像进行灰度化，得到厨房灰度图像；获取相邻帧厨房灰度图像的差值图像，将每个差值图像划分为多个图像块；根据每个差值图像中每个图像块的灰度均值获取每个图像块的灰度差异程度；获取每个图像块的向量；根据相邻差值图像中同一图像块的向量以及每个图像块的灰度差异程度获取相邻差值图像中同一图像块的变化相似程度，将所有相邻差值图像中同一图像块的变化相似程度，构成图像块的时序变化相似程度序列；获取图像块的时序变化相似程度序列与每个邻域图像块的时序变化相似程度序列的路径；根据DTW路径获取图像块与每个邻域图像块的时间滞后性；根据时间滞后性获取图像块的异常变化程度；根据图像块的异常变化程度获取图像块的权值；根据所有图像块的权值获取光照分量；根据光照分量对每一帧厨房灰度图像进行增强，得到每一帧厨房灰度图像对应的清晰图像；根据清晰图像进行厨房油烟识别检测以及智能预警。2.根据权利要求1所述的基于图像处理的智慧厨房油烟检测识别方法，其特征在于，所述获取每个图像块的向量，包括的具体步骤如下：将图像块转化成图像块矩阵，图像块矩阵每个元素为图像块中对应位置的像素点的灰度值；对每个图像块矩阵进行奇异值分解，获得每个图像块的左奇异向量矩阵与奇异值矩阵，预设置信阈值，对奇异值进行累计占比统计，取时的前项奇异值组成截断奇异矩阵与截断左奇异向量矩阵，其中为第项奇异值，为奇异值的个数；将截断奇异矩阵与截断左奇异向量矩阵的乘积按列连接扁平化成一个向量，作为图像块的向量。3.根据权利要求1所述的基于图像处理的智慧厨房油烟检测识别方法，其特征在于，所述根据相邻差值图像中同一图像块的向量以及每个图像块的灰度差异程度获取相邻差值图像中同一图像块的变化相似程度，包括的具体步骤如下：；其中，表示相邻差值图像中同一图像块的变化相似程度，表示相邻差值图像中第一个差值图像的对应图像块的向量，表示相邻差值图像中第二个差值图像的对应图像块的向量，表示相邻差值图像中同一图像块的灰度差异程度的差值绝对值，Exp()为以自然常数为底的指数函数。4.根据权利要求1所述的基于图像处理的智慧厨房油烟检测识别方法，...

【专利技术属性】
技术研发人员：李新德，张传斌，李坚强，吴凯旋，
申请(专利权)人：山东传奇新力科技有限公司，
类型：发明
国别省市：