[发明专利]一种烟雾识别方法及识别装置

说明书

一种输电线路通道可视化烟雾识别的方法及装置，用以解决现有的对输电线路通道可视化图像烟雾识别技术中，烟雾检出率较低的问题。通过目标检测算法对烟雾图像样本中损失函数进行计算；通过烟雾图像样本，对所述目标检测算法进行训练后，得到烟雾图像检测模型，用以确定待测图像中烟雾区域的位置；对待测图像中烟雾区域进行图像分割，将分割后的图像的二值图像作为掩膜Mask图像，计算烟雾飘散方向；将待测图像中的烟雾区域从RGB颜色空间转到HSV颜色空间，计算分割后的图像在亮度V空间的像素值在掩膜Mask图像中，水平和垂直分别投影的累加值；通过烟雾飘散的方向与累加值确定烟雾浓度。本申请通过上述方法，提高了烟雾检出率，降低了误报率。

技术领域

本发明涉及信息处理技术领域，具体涉及一种输电线路通道可视化图像中烟雾识别方法及识别装置。

背景技术

当架空输电线路通道附近发生火灾时，极易导致输电线路绝缘间隙剧烈下降而诱发输电线路跳闸，进而引发大范围长时间停电事故。因此对输电线路通道进行火灾监测，并提高火灾监测的准确性，是确保电网可靠运行的有效保证。

现有的单张图像烟雾监测方法受限于烟雾形态的不确定，烟雾的形态中颜色、形状、面积和方向并不稳定，导致特征提取困难，且容易受到大气云雾干扰，尤其是梅雨季节或者西藏等地区，导致烟雾检测的漏报率和误报率均较高。并且，在野外环境下，例如在检测田地里秸秆焚烧时，由于干扰因素较多，单纯使用图像处理的方法并不能达到预期的准确率。

发明内容

本发明为了克服以上技术的不足，提供了一种降低烟雾识别装置在烟雾检测时漏报率及误报率的烟雾识别方法及识别装置。

本发明克服其技术问题所采用的技术方案是：

一种烟雾识别方法，包括如下步骤：

a)通过目标检测算法对输电线路通道可视化烟雾图像样本中的烟雾浓度中心点的损失函数，以及分类损失函数与回归损失函数进行计算，其中，所述烟雾浓度中心点为所述烟雾图像样本中预先标注出的烟雾浓度的最高点；

b)通过烟雾图像样本，对目标检测算法进行训练，得到训练后的烟雾图像检测模型；

c)根据训练后的烟雾图像检测模型，确定待测图像中烟雾区域的位置；

d)对待测图像中烟雾区域进行图像分割，并将分割后的图像的二值图像作为掩膜Mask图像，计算出烟雾飘散的方向；

e)将待测图像中的烟雾区域从RGB(Red,Green,Blue)颜色空间转到HSV Hue,Saturation,Value)颜色空间，计算所述分割后的图像在亮度V空间的像素值在所述掩膜Mask图像中，水平和垂直分别投影的累加值；

f)通过烟雾飘散的方向与所述累加值确定烟雾浓度。

本申请实施例在对目标检测算法进行改造时，通过对目标检测算法中中心点损失函数进行改造，即，采用预先标注的中心点直接进行计算。减少了计算步骤，缩短计算时间。并且，还通过烟雾飘散的方向与其在亮度空间像素的水平和垂直的投影，计算出烟雾的浓度值，通过对浓度值的计算对云朵、雾气等图像进行区分，减少误报率。本申请实施例通过基于卷积神经网络的深度学习烟雾检测方法，与基于形状和位置相关性的判别方法。先后采用上述两种方法对待测烟雾图像进行检测，保证对烟雾具有较高检出率的同时，也可以过滤掉部分误报。

进一步的，通过烟雾飘散的方向与所述累加值确定烟雾浓度之后，也就是步骤f)后还包括如下步骤：在检测到待测烟雾图像中待测区域自下而上的浓度值依次变小的情况下，则确定所述待测区域为烟雾区域。

进一步的，通过烟雾图像样本，对目标检测算法进行训练，具体的步骤a)中通过函数：