[发明专利]一种快速的烟雾动态遮挡区域检测和定位方法及其应用

说明书

本发明公开了快速的烟雾动态遮挡区域检测和定位方法及其应用，其步骤为：采集烟雾画面I后对其进行预处理；以预处理后的烟雾画面I作为输入，输入训练好的LiteFlowNet得到烟雾画面I的光流图像；利用LoG滤波器与前步得到的光流图像进行卷积得到滤波后的光流图像；在滤波后的图像中寻找零交叉位置，进而确定该图像上不同物体之间光流边缘的位置；引入图像语义信息判断前步确认的遮挡区域是否为烟雾；检测出动态遮挡产生的光流，并映射回LiteFlowNet处理所得的光流图像定位动态遮挡区域。本发明的方法，可有效将烟雾的动态遮挡区域检测出来，检测及定位准确度高，速度快，极具应用前景，电子设备成本低廉，应用前景好。

技术领域

本发明属于计算机视觉技术领域，涉及一种快速的烟雾动态遮挡区域检测和精确定位方法及其应用。

背景技术

火灾是一种失去控制的灾害性燃烧现象。全世界每年有大约0.1％的森林被烧毁，同时又有超过20％的二氧化碳源于火灾的排放。火灾的发生不但给人们的生活造成一定的危害，也会给人们的财产造成一定的损失。随着人类科学技术的进步和社会经济的发展，经济发达地区的人口密度日益增大。在这些高层建筑物中过大的人口密度给消防安全带来了极大的隐患。

烟雾先于火焰的发生，较早检测到烟雾可以及时的控制火灾的蔓延防止火灾的发生，以此保障人们的财产及人身安全。同时，烟雾的飘散性和扩散性使得烟雾本身面积比火焰大，增加了检测的概率。近年来，深度学习的方法在视频烟雾检测中盛行，检测的准确率较传统方法有了很大的提高。使用深度学习的方法来提高检测的准确率是当前国内外视频烟雾检测领域研究的重点之一。但烟雾检测也存在着许多弊端，烟雾丰富的运动特征导致了其特征较难被提取，增加了检测的难度。其次，在自然界中，烟雾的形态与水汽、雾气等较为相像，检测过程中极易被混淆，因而加大了检测难度。烟雾检测的基本框架由视频图像预处理、疑似烟雾区域预提取、烟雾特征提取和烟雾检测等几个部分组成。国内外研究学者致力于在这个框架的几个部分中不断探究、创新，以降低视频烟雾检测的误检率和漏检率，达到提高烟雾检测准确率的目的。

在野外烟雾监测视频中，遮挡分为静态遮挡(如建筑物)和动态遮挡(如人、树叶和汽车)两种类型。如果帧之间没有运动，静态遮挡不会产生光流。动态遮挡会产生明显的干涉光流，难以消除。

目前在烟雾动态遮挡区域检测方面，并没有得到重视与发展。甚至现在经过监控系统检测为疑似或者被遮挡烟雾的图像还得交给人工进行二次确认，这种方法并没有本质的将人类从简单枯燥的工作中解放出来。有一些手动提取特征来进行烟雾遮挡区域检测方法，比如有人将高斯混合模型和YUV颜色过滤规则结合来确定疑似被遮挡烟雾区域。但是这些方法在虽然一定程度解决了烟雾动态遮挡区域检测问题但其特征易被环境影响,因此在复杂环境中并没有取得很好的效果。

因此，开发一种能够有效消除动态遮挡带来的干涉的烟雾动态遮挡区域检测和精确定位方法极具现实意义。

发明内容

本发明的目的在于克服现有技术烟雾监测视频中因动态遮挡导致误检率和漏检率过高的缺陷，提供一种能够有效消除动态遮挡带来的干涉的烟雾动态遮挡区域检测和精确定位方法，应用本发明的方法还可帮助基于视频监控的烟雾浓度的准确量化的实现。本发明利用深度学习的优势，避免了传统视频烟雾检测方法中复杂的人工特征提取过程，大大提高了检测效率。

为实现上述目的，本发明提供如下技术方案：

一种快速的烟雾动态遮挡区域检测和定位方法，其步骤如下：

(1)实时采集烟雾画面I后对其进行预处理，所述预处理是指构建带有标注信息的烟雾信息数据即将烟雾画面I中的烟雾区域标注出来；

(2)以预处理后的烟雾画面I作为输入，输入训练好的LiteFlowNet得到所述烟雾画面I的光流图像；