[發明專利]一種基于深度學習的煙霧檢測方法

在審

• 申請號: 202110542645.8
• 申請日: 2021-05-18
• 公開（公告）號: CN113537226A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 孟慶松;趙德偉
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于深度學習的煙霧檢測方法，涉及煙霧檢測技術領域；它的檢測方法如下：步驟一、改進的混合高斯與YOLOv3融合煙霧檢測算法；1.1、改進混合高斯煙霧前景提取；1.2、YOLOv3模型與訓練；步驟二、基于改進YOLOv3的煙霧檢測算法；本發明利用改進的混合高斯對煙霧前景進行提取，排除靜態干擾的同時縮小煙霧檢測的范圍；然后采用目標檢測算法提取，排除靜態干擾的同時縮小煙霧檢測的范圍；然后YOLOv3訓練數據并提取煙霧特征；最終把兩者進行融合，預測出煙霧的具體位置和范圍,并進行煙霧框定，完成對煙霧的檢測；能夠實現對復雜場景下煙霧快速、精準檢測。

技術領域

本發明屬于煙霧檢測技術領域，具體涉及一種基于深度學習的煙霧檢測方法。

背景技術

火災是由人們用火不當或者自然界自燃引起的一種災害，若火勢得不到及時控制，則會持續相當長的時間，對大范圍面積內的生命造成威脅，對自然環境也產生不可逆的影響。在各種自然災害中，火災是最普遍、最經常威脅公眾安全和社會發展的災害之一，而在火災發生的早期，會伴隨著煙霧的不斷產生和飄散，若能在此階段及時檢測到煙霧并進行有效撲救，就可以把財產損失和社會影響降到最低，所以火災早期的煙霧檢測至關重要。傳統的煙霧檢測方法大多基于物理傳感器的探測技術，包括離子式煙霧傳感器、光電式煙霧傳感器等，但并不適用于靈敏度要求高或復雜多樣、范圍較大的環境中。傳統的煙霧檢測裝置探測范圍小、設備成本高，且極易受天氣光照等影響，煙霧誤報率較高。

目前針對于火災檢測報警的設備應用最多就是煙霧感應器，一般安裝在容易發生火災的室內場所，比如停車場、工廠、企業辦公區域以及家居等環境中，因為它生產成本低且安裝簡單，所以被廣泛使用。這種檢測器的原理是根據火災發生時產生的煙霧濃度、環境溫度以及火勢變大后環境亮度的改變等條件，觸發其中的物理原件來感知火災的發生，其優點是隨及火勢變大后環境亮度的改變等條件，觸發其中的物理原件來感知火災的發生，其優點是對環境光線沒有要求，即使在暗光下發生的火災煙霧也可以被檢測出。但是其具有較大的局限性，因為只有當煙霧的濃度或者周邊環境溫度的上升達到一定的標準才能檢測出火災發生，所以一般只適用于較小空間內，另外其靈敏度會隨時間的推移而降低，導致即使在小空間內也無法檢測出火災，濃度等影響，傳感器信號的傳送速度較慢且信號變弱而失效，因此識別效果差、誤報率高從而失去最佳的救援和搶救時間。大致由兩個研究分支構成，一個是以火焰檢測為主，一個是以煙霧檢測為主。

從實際應用來看，以煙霧檢測為主的技術更具有優勢，因為火災發生的初期火焰一般不明顯，尤其是在森林等高大密集地帶，火焰很容易被遮擋，而火災產生的煙霧因其具有向上飄動且面積逐漸增大的性質，較容易被攝像機捕捉到。如果能及時將煙霧檢測出來，便可以提前采取措施將火災控制住。隨著圖像識別技術的發展和視頻監控設施的廣泛應用，基于視頻的煙霧識別方法成為國內外學者的研究熱點。但是，煙霧形態不固定，任意擴散，在煙霧現場存在較多像煙霧的目標，不利于真實煙霧的定位和檢測，誤報現象也居高不下。所以不斷提高煙霧視頻檢測的準確率，降低誤報率和漏報率，對及時有效的發現和抑制火災具有極高實用價值。基于視頻的煙霧識別方法成為國內外學者的研究熱點。

發明內容

為解決現有煙霧形態不固定，任意擴散，在煙霧現場存在較多像煙霧的目標，不利于真實煙霧的定位和檢測，誤報現象也居高不下的問題；本發明的目的在于提供一種基于深度學習的煙霧檢測方法。

本發明的一種基于深度學習的煙霧檢測方法，它的檢測方法如下：

步驟一、改進的混合高斯與YOLOv3融合煙霧檢測算法：