[发明专利]烟雾检测方法、装置、计算机及存储介质

说明书

本发明实施例公开了一种烟雾检测方法、装置、计算机及存储介质，方法包括：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。通过对连续帧时空域进行烟雾静态和动态特征的联合分析，无需设定较多的图像特征即能实现烟雾的精准检测。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种烟雾检测方法、装置、计算机及存储介质。

背景技术

烟雾是火灾发生早期的重要标志之一，对烟雾的快速准确检测有助于采取及时有效的火灾救援措施。

现有技术中通常采用感烟探测器对烟雾进行检测，但室内感烟探测器由于实际应用环境中颗粒和灰尘的累积而容易产生误报和漏报。不仅如此，根据感烟探测器相关的规范规定，点型感烟火灾探测器不适用于高度超过12m的高大建筑空间。其并非适用于所有应用场景。并且感烟探测器的报警原理要求火灾产生的烟雾浓度达到预设定的阈值之后才触发报警，导致报警响应速度较慢。

目前，随着图像处理技术的发展，将图像识别引入烟雾检测能够有效弥补传统烟感探测器的不足。但发明人在实现本发明创造的过程中，发现现有技术中如下技术问题：为保证烟雾检测精度，设定的提取图像特征较多，相应的算法复杂，运算量大。如果减少相应的提取图像特征，则很难实现保证烟雾检测精度。

发明内容

本发明实施例提供了一种烟雾检测方法、装置、计算机及存储介质，以解决现有技术中烟雾图像检测过于依靠图像特征提取的技术问题。

第一方面，本发明实施例提供了一种烟雾检测方法，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后任意选取一列向量，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。

进一步的，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。

进一步的，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_smok在字典X_smok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。

进一步的，所述根据所述数学模型计算压缩字典的列向量包括：