[发明专利]一种基于机器视觉和支持向量机的火焰热流实时检测方法在审
申请号: | 202111586042.4 | 申请日: | 2021-12-20 |
公开(公告)号: | CN114255446A | 公开(公告)日: | 2022-03-29 |
发明(设计)人: | 舒舜;张羽杨;丁小祥;张新;姜楠;陆梓萍;王董;杨立中 | 申请(专利权)人: | 黄浦区消防救援支队;中国科学技术大学 |
主分类号: | G06V20/52 | 分类号: | G06V20/52;G06V10/44;G06V10/764;G06K9/62;G01K17/00 |
代理公司: | 北京科迪生专利代理有限责任公司 11251 | 代理人: | 金怡 |
地址: | 200021*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 机器 视觉 支持 向量 火焰 热流 实时 检测 方法 | ||
1.一种基于机器视觉和支持向量机的火焰热流实时检测方法,其特征在于,该方法包括以下步骤:
S1:采集火焰视频;
S2:火焰视频预处理;
S3:计算火焰像素占比;
S4:数据集构建;
S5:支持向量机模型训练;
S6:输出火焰实时热流值。
2.根据权利要求1所述的一种基于机器视觉和支持向量机的火焰热流实时检测方法,其特征在于:
所述步骤S1中,在火源位置处设置可调节可燃气体流量的气体燃烧器,设置N种不同气体流量的火源,采用相同的相机姿势,在黑暗的环境中引燃气体燃烧器,调节相机曝光,使得所拍摄火焰的轮廓尽可能与周围环境形成高对比度,每种气体流量拍摄视频时长为T0,视频帧率为p,在M种距离火源不同距离的位置架设相机,重复该采集火焰视频操作。
3.根据权利要求2所述的一种基于机器视觉和支持向量机的火焰热流实时检测方法,其特征在于:
所述步骤S2中,将采集到的火焰视频数据传入计算机,选取火焰稳定燃烧阶段的视频,时长统一截取为为T1,并根据时间顺序将视频转化为p*T1张图像,总计N*M*p*T1张图像。
4.根据权利要求3所述的一种基于机器视觉和支持向量机的火焰热流实时检测方法,其特征在于:
所述步骤S3中,对于第k种气体流量qk,将所有图像由RGB空间图像转换为灰度空间图像Bk,0,根据火焰与背景的灰度差异选取一个灰度阈值I0,将像素点中灰度值小于I0的设置为0,大于等于I0的设置为1,以去除周围环境的影响,得到仅包含火焰形状的二值图像Bk,1;在二值图像Bk,1中遍历每一个像素点判断该像素点的灰度是否为0,如果该点的值为0,则判断该点为背景,如果该点的值为1,则判断该点为火焰,累计记录火焰占据的像素点数量,计算每张图像火焰占据的像素比例,其中,k=1、2…N。
5.根据权利要求4所述的一种基于机器视觉和支持向量机的火焰热流实时检测方法,其特征在于:
所述步骤S4中,利用热流计测量热流值,热流计的测量频率为每1秒记录一个,1s视频转化而成的25张图像对应同一个热流值;燃烧过程中火焰周期性的振荡造成火焰形状的不稳定性,从而导致火焰像素比与热流值之间的对应关系不唯一,为了消除火焰快速脉动带来的偶然性影响,将火焰像素占比在一段时间内的连续变化特征与热流值进行匹配对应;选取连续50张图像计算得到的火焰像素占比从小到大排序作为一组训练特征,测得的热流值作为该组训练特征对应的训练标签;将15个不同位置、8种不同气体流量得到的所有训练特征与训练标签相对应形成数据集。
6.根据权利要求5所述的一种基于机器视觉和支持向量机的火焰热流实时检测方法,其特征在于:
所述步骤S5中,将数据集输入支持向量机分类器中进行训练,训练得到模型Y。
7.根据权利要求6所述的一种基于机器视觉和支持向量机的火焰热流实时检测方法,其特征在于:
所述步骤S6中,在新的场景中重复步骤S1,采集数据集以外的火焰视频数据T3,采用步骤S2、S3进行视频数据处理,选取任意持续时长为T2的火焰视频根据步骤S4计算并排列p*T2个体积数据,输入到模型Y中,检测实时热流值,其中,T3T2。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于黄浦区消防救援支队;中国科学技术大学,未经黄浦区消防救援支队;中国科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111586042.4/1.html,转载请声明来源钻瓜专利网。