[发明专利]一种图像式烟雾探测系统及方法

说明书

本发明提供了一种基于图像识别的烟雾探测系统及方法。该系统包括摄像单元，其用于捕捉图像；图像前处理单元，其用于将捕捉到的图像处理为二值图像；图像对比单元，包括烟雾静态特征识别模块和烟雾动态特征识别模块；图像存储单元，其用于存储所述捕捉到的图像；以及控制单元，该控制单元控制以上各单元以执行相应操作，并且在烟雾静态特征识别模块和烟雾动态特征识别模块两者都判断有烟的情况下生成烟雾报警信号。

技术领域

本发明涉及图像识别技术领域，更具体地，涉及一种基于图像识别的烟雾探测系统及方法。

背景技术

探测系统被用来监控是否存在着火征兆的烟雾存在，以使得监控者能够及时采取措施以防止发生火灾。当今，所使用的光电式烟雾探测器，利用烟雾对光的折射原理制成，容易受到空气杂质、羽毛和灰尘等干扰，统计表明误告警率高达90％。因此，在烟雾探测系统研制过程中，针对探测系统误告警率过高的问题，在本领域提出一种基于图像的烟雾探测系统及方法，具体如下：

专利US7542585于2005年11月公开一种通过识别图像中火和烟雾的像素的火灾探测方法。

专利CN101794450于2009年11月公开一种基于视频图像的序列帧间差分图像中各像素的光流方向，根据光流判断是否为烟雾点的方法。

专利CN102136059于2011年3月公开一种基于视频的烟雾检测方法，将背景建模提取运动对象、支持向量机SVM分类器筛选灰白色区域、小波变换高频信号变化分析、烟雾纹理特性级联分类器等多种手段融合并用，实现烟雾检测。

专利CN108985192于2018年6月公开一种基于多任务深度卷积神经网络的视频烟雾识别方法，采用一种由卷积层、全连接层、反卷积层组成的多任务深度学习架构，通过大量的训练样本，学习视频中单帧图像的静态信息和帧与帧之间的动态光流信息，进而判断测试视频帧中是否包含烟雾。

专利CN109977790于2019年3月公开了一种基于迁移学习的视频烟雾检测与识别方法，利用ImageNet图像数据集对改进的VGG-16网络进行预训练，让网络学习从自然图像中提取深度特征的能力，得到迁移特征；采用迁移学习方式在完成标注的烟雾数据集上训练Faster R-CNN网络，用于识别烟雾。

然而，以上方法和系统未包含用于排除由镜头集灰、雾气、振动等因素导致的虚警的步骤和单元，从而导致由于镜头积灰、雾气、振动等因素导致的误告警率居高不下。针对本领域内的上述缺陷，本发明提出一种改进的烟雾探测方法和系统，其由多组简单二分类神经网络经过逻辑运算组成复杂神经网络树，能够显著降低由于镜头集灰、雾气和振动造成的误告警概率。

发明内容

提供本发明内容来以简化形式介绍将在以下具体实施方式部分中进一步描述的一些概念。本发明内容并不旨在标识出所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。

传统光电式烟雾探测器，为接触式的点探测，而图像式探测器为非接触的空间探测。微型摄像组件配合电池，可以方便的布置在需要监控的各个位置，例如货舱壁板上。多组组件构成一个空间监控网络，在烟雾起燃阶段即能够捕捉到，不需要烟雾弥漫到探测器位置，提高了探测速度。工业应用非常成熟的微型摄像组件，价格特别低廉，相比光电式有极大的成本优势。

在本发明的一个实施例中，提供了一种用于图像式烟雾探测的系统，包括：

摄像单元，其用于捕捉图像；

图像前处理单元，其用于将捕捉到的图像处理为二值图像；

图像对比单元，包括：

烟雾静态特征识别模块，其包括用于对所述捕捉到的图像进行分类的四分类神经网络以及对经分类的图像进行有烟和无烟分类的相应的二分类神经网络，所述四分类神经网络将所述捕捉到的图像分类为镜头正常图像、镜头积灰图像、镜头起雾图像和镜头振动图像；以及