[發明專利]一種基于光流改進與Yolov3的煙霧檢測方法

在審

• 申請號: 202110295071.9
• 申請日: 2021-03-19
• 公開（公告）號: CN113052055A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 李偉;呂哲品
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于光流改進與Yolov3的煙霧檢測方法，其特征在于，所述方法包括以下步驟：

1)改進光流動態區域一次篩選：利用改進的光流算法對圖像中的動態前景進行框定，過濾掉靜態背景并減少靜態背景的誤檢；

2)模型訓練：收集大量的數據樣本，對樣本進行標定，對不同參數設定下的模型進行對比選定最終訓練參數和模型，為后續煙霧二次篩選做準備；

3)Yolov3模型二次篩選：對獲取到的動態前景輸入到訓練好的網絡模型，進行煙霧的二次篩選并最終框定煙霧區域。

2.如權利要求1所述的一種基于光流改進與Yolov3的煙霧檢測方法，其特征在于，所述步驟1)的處理過程為：

1.1)輸入視頻幀，對視頻中的圖像以左上角為原點O建立直角坐標系，計算超定方程組，記錄下每一個特征點橫坐標放入特征點坐標集合X:{x₁,x₂,x₃,...,x_n}縱坐標放入Y：{y₁,y₂,y₃,...,y_n}，估計光流的運動軌跡，同時顯示光流的運動軌跡；

1.2)通過集合X計算出相對于y軸的最近距離x_min和最遠距離x_max，同理，通過集合Y計算出相對于x軸的最近距離y_min和最遠距離y_max；

1.3)通過(x_min,y_min)和(x_max,y_max)兩組坐標劃定動態區域[x_max:x_min,y_max:y_min]為煙霧動態前景區域，考慮到由于煙霧本身的如濃度、速度等形態學特征導致光流算法特征點的漏檢情況，引進α和β兩個調節量用于擴大動態前景區，改進后的動態前景區域為[x_max+β:x_min-β,y_max+α:y_min-α]，當煙霧應用場景為室外等受風影響較大煙霧變化較快的場景α和β需設定較小，動態區域明顯；當煙霧檢測應用場景為室內等受風影響較小煙霧變化緩慢的場景α和β需設定較大來防止前景區域過小來帶的檢測不準的情況；經實驗發現根據α和β兩個調節量的改變可以更好地適合不同煙霧場景下的檢測以達到更好的效果；

1.4)將劃定后的區域作為第一次煙霧的疑似區域進行圖像分割，在原圖的基礎上提取出圖片中的動態前景區域，通過大量實驗表明，改進的光流算法可以有效準確地完成圖片的動態前景的提取。

3.如權利要求1或2所述的一種基于光流改進與Yolov3的煙霧檢測方法，其特征在于，所述步驟2)中，模型訓練的過程如下：

2.1)實驗數據集準備

該實驗的數據集一共含有6000張圖片，其中訓練集有4800張測試集1200張，數據集制作場景選取了操場、室內、樹林、大樓火災常發地點，利用煙餅道具制作煙霧，同時為了提高數據集的全面性，也加入了來源于網絡且符合實驗要的煙霧圖片；

2.2)實驗環境

本章實驗仿真結果基于Inter(R)Core(TM)i7-7700HQ@2.80GHz處理器，16GB內存，同時在硬件基礎上搭建了實驗所需的軟件環境：操作系統Ubuntu 16.04，編程語言Python 3.6、使用PyCharm 2018開發環境、OpenCV、CUDA和Keras；

2.3)模型訓練

通過對常見的火災場景進行數據采集和檢測實驗，最終選定4個場景的煙霧視頻進行切分成視頻幀、標定并制作成煙霧數據集；數據集中一共有4800張不同分辨率且場景各異的煙霧圖片，然后輸入到Yolov3網絡模型中進行訓練。