[发明专利]烟雾检测方法、烟雾检测系统及计算机装置

权利要求书

1.一种烟雾检测方法，其特征在于，包括：

获取烟雾、烟囱的图片数据集，并对所述图片数据集添加位置标签和类别标签；

将带有位置标签和类别标签的所述图片数据集作为训练样本集输入到CNN模型中进行训练，得到多个训练后的CNN模型，并在进行训练的同时计算损失函数；

根据所述损失函数在所述多个训练后的CNN模型中选取最优CNN模型对实时视频进行烟雾检测，以得到烟雾检测结果。

2.根据权利要求1所述的烟雾检测方法，其特征在于，所述获取烟雾、烟囱的图片数据集，并对所述图片数据集添加位置标签和类别标签的步骤，具体包括：

从收集的视频数据中获取所述烟雾、烟囱的图片数据集，在所述图片数据集中烟雾、烟囱所处的位置上添加位置标签和类别标签。

3.根据权利要求1或2所述的烟雾检测方法，其特征在于，所述将带有位置标签和类别标签的所述图片数据集作为训练样本集输入到CNN模型中进行训练，得到多个训练后的CNN模型，并在进行训练的同时计算损失函数的步骤，具体包括：

将带有位置标签和类别标签的烟雾图片与带有位置标签和类别标签的烟囱图片分别存储，并分别作为烟雾训练样本集和烟囱训练样本集输入到CNN模型中进行训练，分别得到多个训练后的烟雾CNN模型和多个训练后的烟囱CNN模型，并在进行训练的同时分别计算烟雾损失函数和烟囱损失函数；

将任一训练后的烟雾CNN模型与任一训练后的烟囱CNN模型相加得到所述多个训练后的CNN模型，将所述烟雾损失函数和所述烟囱损失函数相加得到所述损失函数；

其中，所述训练样本集由所述烟雾训练样本集和所述烟囱训练样本集组成。

4.根据权利要求3所述的烟雾检测方法，其特征在于，所述根据所述损失函数在所述多个训练后的CNN模型中选取最优CNN模型对实时视频进行烟雾检测，以得到烟雾检测结果的步骤，具体包括：

选取所述损失函数计算结果最小的训练后的CNN模型作为所述最优CNN模型，并利用所述最优CNN模型检测实时视频前后帧图片中烟雾位置移动的距离，将所述距离与预设阈值进行比较；

如果所述距离大于等于所述预设阈值，则认为检测到烟雾；

如果所述距离小于所述预设阈值，则认为没有检测到烟雾。

5.一种烟雾检测系统，其特征在于，包括：

获取单元，用于获取烟雾、烟囱的图片数据集，并对所述图片数据集添加位置标签和类别标签；

训练单元，用于将带有位置标签和类别标签的所述图片数据集作为训练样本集输入到CNN模型中进行训练，得到多个训练后的CNN模型，并在进行训练的同时计算损失函数；

检测单元，用于根据所述损失函数在所述多个训练后的CNN模型中选取最优CNN模型对实时视频进行烟雾检测，以得到烟雾检测结果。

6.根据权利要求5所述的烟雾检测系统，其特征在于，所述获取单元具体用于：

从收集的视频数据中获取所述烟雾、烟囱的图片数据集，在所述图片数据集中烟雾、烟囱所处的位置上添加位置标签和类别标签。

7.根据权利要求5或6所述的烟雾检测系统，其特征在于，所述训练单元具体包括：

计算单元，用于将带有位置标签和类别标签的烟雾图片与带有位置标签和类别标签的烟囱图片分别存储，并分别作为烟雾训练样本集和烟囱训练样本集输入到CNN模型中进行训练，分别得到多个训练后的烟雾CNN模型和多个训练后的烟囱CNN模型，并在进行训练的同时分别计算烟雾损失函数和烟囱损失函数；

求和单元，用于将任一训练后的烟雾CNN模型与任一训练后的烟囱CNN模型相加得到所述多个训练后的CNN模型，将所述烟雾损失函数和所述烟囱损失函数相加得到所述损失函数；

其中，所述训练样本集由所述烟雾训练样本集和所述烟囱训练样本集组成。