[发明专利]烟雾检测方法、装置、计算机及存储介质

权利要求书

1.一种烟雾检测方法，其特征在于，包括：

将视频采集到的图像均匀分成若干烟雾图像块和正常图像块；

将烟雾图像块作为正样本，正常图像块作为负样本生成训练样本矩阵；

利用字典学习算法对所述训练样本矩阵进行压缩，生成压缩字典；

对连续视频序列图像块利用低秩矩阵恢复进行重建，以使得所述重建的低秩矩阵的秩为1；

从重建后的低秩矩阵任意选取一列向量，利用所述压缩字典计算所述向量在压缩字典下的表示系数；

根据所述表示系数计算所述连续视频序列图像块的残差，并根据所述残差确定烟雾检测结果。

2.根据权利要求1所述的方法，其特征在于，所述利用字典学习算法对所述训练样本矩阵进行压缩，生成压缩字典，包括：

建立压缩字典的数学模型；

根据所述数学模型计算压缩字典的列向量；

采用所述列向量表达所述压缩字典；

所述建立压缩字典的数学模型，包括:

采用如下方式建立压缩字典的数学模型：

其中表示针对正样本数据字典X_smoke的压缩字典，Λ_smoke表示D_smoke在字典X_smoke下的编码系数，和Λ_nonsmoke分别表示针对负样本数据字典X_nonsmoke的压缩字典和编码系数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述数学模型计算压缩字典的列向量包括：

固定D_smoke,D_nonsmoke求解表示系数Λ_smoke,Λ_nonsmoke，转为求解下面的目标函数

得到闭式解为：

然后固定Λ_smoke,Λ_nonsmoke，求解压缩字典D_smoke,D_nonsmoke，转为求解下面的目标函数：

其中d_l为压缩字典的列向量，α_l为表示系数的行向量。求得d_l为：

d_l＝d_l/||d_l||₂。

4.根据权利要求1所述的方法，其特征在于，所述对连续视频序列图像块利用低秩矩阵恢复进行重建包括：

建立联合低秩矩阵恢复数学模型；

利用增广拉格朗日乘子方法计算联合低秩矩阵恢复数学模型参数；

根据所述联合低秩矩阵恢复数学模型参数对连续视频序列图像块利用低秩矩阵恢复进行重建；

所述建立联合低秩矩阵恢复数学模型,包括：

利用如下方式建立低秩矩阵恢复数学模型：

其中，Frobenius范数负责移除稠密噪声，||E||₁负责移除稀疏噪声，A表示低秩矩阵恢复后的视频序列块，λ₁,η表示正则化参数。

5.根据权利要求1所述的方法，其特征在于，所述利用所述压缩字典计算所述向量在压缩字典下的表示系数，包括：

利用如下方式计算表示系数：

所述压缩字典D∈R^m×k，从重建的秩为1的矩阵A中任意选择一列f。

6.根据权利要求1所述的方法，其特征在于，在将视频采集到的图像均匀分成若干烟雾图像块和正常图像块之前，所述方法还包括：

将图像分为若干等大小的图像块；

根据当前帧图像块与背景模型确定运动像素；

根据所述运动像素确定烟雾图像块和正常图像块。