[发明专利]一种基于视频分析的烟雾检测算法

说明书

本发明涉及一种基于视频分析的烟雾检测算法，训练集的制作，首先从现有森林烟雾视频中获取包含烟雾的图片，手动标注包含烟雾区域，制作label图像，全卷机网络模型的训练，使用训练好的网络模型，获取单帧图像中的疑似烟区，疑似烟区面积动态增长分析，计算连续视频序列对应疑似烟区面积和的公式，计算疑似烟区面积的相对增长的公式。本发明实现了基于旋转镜头森林烟雾检测，对于森林火灾进行报警，达到对森林火灾进行早期预测的效果，减少因火灾造成的经济损失，带来更好的前景。

技术领域

本发明属于深度学习与人工智能领域，特别是指一种图像识别算法，用于森林火灾预警。

背景技术

火灾的起因和发生场所具有多样性，对火灾预警及扑救工作造成了阻碍。多年来，国内外均致力于火灾防治研究，进行了各种尝试。现阶段的各类火灾探测器主要有热感应式探测器、光感应式探测器以及烟感应式探测器。这些传统的探测器价格便宜、准确度高，但普遍存在一些难以解决的缺陷。例如由于烟雾传播和温度上升等现象的发生均需要相对较长的时间，使得传统传感器不可避免地会产生响应延迟,此外，传统传感器需要安装在起火点附近、长期接触大量粉尘等因素，使得传统传感器极易故障或失效，并且尤其不适用于高大空间或室外场景这些高火灾隐患场所的火灾检测。基于视频分析的烟雾检测技术是一种基于机器视觉、非接触的火灾探测技术，尤其适合解决大空间、室外等场所的火灾探测难题。这类方法具有响应快、不易受环境因素影响、适用面广、成本低等优势。

发明内容

鉴于上述研究背景，本发明的目的在于：提供一种基于FCN的烟雾疑似区域的提取算法，避免了传统算法因监控探头抖动或者旋转，不能完整的提取出烟雾疑似区域，提高监控探头的使用率。具体步骤如下：

步骤1：训练集的制作，首先从现有森林烟雾视频中获取包含烟雾的图片，手动标注包含烟雾区域，制作label图像。

步骤2:全卷机网络模型的训练

步骤3：使用训练好的网络模型，获取单帧图像中的疑似烟区。

步骤4：疑似烟区面积动态增长分析

使用烟区的动态增长，去除干扰区域。在火灾的早期，由于火灾产生的热量及本身的扩散运动，使得烟区面积随着时间的推移变大。而常见的干扰物(如穿灰色衣服的行人、灰色的汽车等)的轮廓是固定的，所以本文将疑似烟区的面积增长作为判别烟雾的标准。由于烟雾运动比较缓慢，使得相邻两帧对应烟雾区域的面积相差无几，受天气或系统误差的影响，烟区面积可能会出现负增长。本文针对上面所提及的问题，提出了疑似烟区面积动态增长分析的方法。

计算连续视频序列对应疑似烟区面积和的公式为

式中：At是t时刻前n帧对应烟雾区域面积之和；Ar_k是第k帧烟雾区域的面积。

计算疑似烟区面积的相对增长的公式为

|A_t+1-A_t|>Th₆ (2)

由式(2)即可衡量烟雾的扩散度。

与现有技术相比，本发明具有如下有益效果：

本发明中，基于视频分析的烟雾检测技术是一种基于机器视觉、非接触的火灾探测技术，尤其适合解决大空间、室外等场所的火灾探测难题，这类方法具有响应快、不易受环境因素影响、适用面广、成本低等优势，带来更好的使用前景。

附图说明

图1为本发明的烟区面积动态增长分析图。

图2为本发明的场景应用图。

具体实施方式