[发明专利]一种基于图像识别的烟雾浓度量化标准实验箱

权利要求书

1.一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于：包括：

封闭式箱体，所述封闭式箱体内部设有烟雾整流栅格，所述烟雾整流栅格将所述封闭式箱体分为第一腔体和第二腔体，所述烟雾整流栅格上设有若干个均匀分布的整流孔，所述第一腔体和所述第二腔体通过所述整流孔联通；所述第一腔体为烟雾发生室，用于放置烟雾弹，使得所述烟雾发生室充满合适烟雾浓度；所述第二腔体为测量室；

活塞组件，所述活塞组件设置于所述测量室内，所述活塞组件位于所述测量室的一侧，所述活塞组件可在所述测量室一侧到所述烟雾整流栅格之间作往复运动，使所述测量室内获得不同浓度的烟雾，实现连续性测试；

光源，所述光源设置于所述测量室内，所述光源为可调节亮度式光源，通过调节亮度用于模拟不同光线条件，获得不同光照条件下的烟雾呈现的图形；

图像获取单元，用于采集不同光线条件下、不同烟雾粒子条件下所述测量室内烟雾图像。

2.根据权利要求1所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，还包括：烟气回收管路、风扇、第一单向阀和第二单向阀，所述烟气回收管路的一端通过所述第一单向阀与所述烟雾发生室连接，另一端通过所述第二单向阀与所述测量室连接；所述风扇设置于所述烟气回收管路中，靠近所述第一单向阀处；通过所述烟气回收管路使烟雾在封闭的环境中，从所述烟雾发生室通过所述烟雾整流栅格进入所述测量室；通过所述风扇产生的负压，使多余烟气进入所述烟气回收管路，循环进入所述烟雾发生室，保证了烟雾的均匀性，可获得连续烟雾浓度的数据。

3.根据权利要求1所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，所述活塞组件包括内隔板、拉杆和旋钮，其中，所述拉杆的一端与所述内隔板连接，另一端由所述测量室的一侧面穿出；所述内隔板的形状大小与所述测量室的横截面的形状大小相匹配，所述内隔板可将所述测量室分为左侧腔体和右侧腔体，所述内隔板在所述拉杆的带动下可在所述测量室内活动；所述旋钮设置于所述测量室的外壁上，通过旋转所述旋钮调节所述拉杆在所述测量室内的伸缩长度，从而调节所述测量室的容积。

4.根据权利要求3所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，所述封闭式箱体由两端为敞口的长方体外壳、左侧盖子和右侧盖子装配成一体结构；

所述左侧盖子与所述长方体外壳铰接，所述左侧盖子为所述烟雾发生室的一侧面，通过打开所述左侧盖子，即打开所述烟雾发生室；

所述右侧盖子与所述长方体外壳采用可活动式连接，所述右侧盖子为所述测量室的一侧面，通过打开所述右侧盖子，即打开所述测量室；

所述右侧盖子上设有通孔，所述活塞组件的所述拉杆的另一端由所述通孔穿出到所述测量室的外部。

5.根据权利要求4所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，所述封闭式箱体还包括多个橡皮套，所述左侧盖子、所述右侧盖子上分别套设所述橡皮套，活塞外边缘上设置所述橡皮套，实现密封。

6.根据权利要求1所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，还包括：四个数字照度计，将四个所述数字照度计分别设置于测量室内，用于测量通过烟雾后的光照度。

7.根据权利要求1-6中任一项所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，还包括：烟雾浓度测量仪器，用于测量所述测量室内的烟雾浓度；所述烟雾浓度测量仪器设置于所述测量室内；

所述测量室的内壁上设有浓度检测孔，用于安装所述烟雾浓度测量仪器。

8.根据权利要求1-6中任一项所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，若干所述整流孔呈蜂窝状均匀分布于所述烟雾整流栅格上，使烟雾更加均匀稳定。

9.根据权利要求1-6中任一项所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，所述测量室的内壁上设有安装孔，用于安装所述图像获取单元。

10.根据权利要求1-6中任一项所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，还包括图像处理单元，所述图像处理单元与所述图像获取单元的输出端连接，用于对所述图像获取单元获取的烟雾图像进行识别并对其中的烟雾浓度进行量化；所述图像处理单元具体处理过程包括：

S1，输入视频序列或图片；

S2，对S1中输入的视频序列或图片提取运动区域：如果提取到运动区域，则执行S3，如果没有提取到运动区域，则判断为无烟雾；

S3，对S2中得到的运动区域提取烟雾疑似区域：如果提取到疑似区域，则执行S4，如果没有提取到疑似区域，则判断为无烟雾；

S4，通过形态学对S3中得到的烟雾疑似区域变换形成连通域；

S5，将S4中得到的连通域分割为若干个子块；

S6，将S5中得到的若干个子块输入至经过标准样本集训练获得的分类模型，该分类模型中将烟雾浓度作为数据标签，得到每一个子块的分类结果；其中，所述分类模型根据烟雾浓度的检测在工业领域的应用精度的要求，设置烟雾浓度的分类阈值和分类数量；

S7，设置一阈值，若S6中得到的子块分类结果中，被判别为烟雾的结果超过该阈值，则执行S8，同时将该连通域判定为烟雾区域，如果没有超过该阈值，则判断为无烟雾；

S8，将组成S7中判定为烟雾区域的若干个子块输入至回归模型进行图像特征提取以及烟雾浓度预测，其中：所述回归模型由回归神经网络与贝叶斯线性模型组成，所述回归神经网络通过图像特征提取，对判定为烟雾区域的若干个子块进行初级数据标签分类，确定烟雾浓度预测值，并将提取的图像特征向量作为烟雾位置信息；所述贝叶斯线性模型考虑先验数据的分类，在所述回归神经网络的分类结果基础上，提升烟雾浓度数据标签分类的精度；

S9，对S8中得到的各子块的烟雾浓度预测值取平均值，并将该平均值作为烟雾区域浓度值信息。