[发明专利]基于红外特征、机器学习的小火焰检测方法及计算机装置

权利要求书

1.一种基于红外特征、机器学习的小火焰检测方法，其特征在于，所述方法包括：

从视频流中得到每帧红外图像及每帧可见光图像；

将所述每帧红外图像转换为灰度图像，并对所述灰度图像按照轮廓筛选条件进行轮廓查找和筛选得到所述每帧红外图像的第一关键区域；

将所述每帧可见光图像输入到颜色模型中，并根据所述颜色模型的颜色过滤条件和所述轮廓筛选条件从所述每帧可见光图像中分析得到所述可见光图像的第二关键区域；

根据相机参数和尺度因子得到所述每帧红外图像与所述每帧可见光图像之间的对应坐标关系，并根据所述对应坐标关系得到所述第一关键区域及所述第二关键区域之间的交集区域；

利用帧差法消除所述交集区域中的静止区块得到候选区域；

将所述候选区域送入训练好的机器学习模型进行检测得到检测结果；及

根据所述检测结果对所述每帧可见光图像或所述每帧红外图像的结果进行显示。

2.如权利要求1所述的基于红外特征、机器学习的小火焰检测方法，其特征在于，所述将所述每帧红外图像转换为灰度图像包括：

将所述每帧红外图像中的R分量亮度、G分量亮度及B分量亮度作为三个灰度图像的灰度值，并从所述三个灰度图像的灰度值中任选一个灰度值作为所述每帧红外图像的灰度值。

3.如权利要求1所述的基于红外特征、机器学习的小火焰检测方法，其特征在于，所述颜色模型为RGB颜色模型，所述根据所述颜色模型的颜色过滤条件和轮廓筛选条件从所述每帧可见光图像中分析得到所述每帧可见光图像的第二关键区域包括：

对所述每帧可见光图像按照颜色过滤条件进行RGB颜色过滤得到所述每帧可见光图像的模板；

对所述每帧可见光图像的模板进行膨胀；及

对膨胀后的模板按照所述轮廓筛选条件进行轮廓查找和过滤得到所述每帧可见光图像的第二关键区域。

4.如权利要求2所述的基于红外特征、机器学习的小火焰检测方法，其特征在于，所述轮廓筛选条件包括多边形拟合精度、轮廓长宽比、轮廓面积上下限、轮廓多边形拟合的顶点数及/或白色区域占比。

5.如权利要求1所述的基于红外特征、机器学习的小火焰检测方法，其特征在于，所述根据相机参数和尺度因子得到所述每帧红外图像与所述每帧可见光图像之间的对应坐标关系包括：

分别采用标定方法对所述每帧红外图像与所述每帧可见光图像进行相机标定得到所述相机参数及尺度因子，根据所述相机参数及尺度因子得到所述每帧红外图像相对于所述每帧可见光图像的坐标偏移量，根据所述坐标偏移量得到所述每帧红外图像与所述每帧可见光图像之间的对应坐标关系。

6.如权利要求5所述的基于红外特征、机器学习的小火焰检测方法，其特征在于，所述尺度因子根据如下方法得到：

提供一个标定板，所述标定板上包括多个圆心；

计算出所述标定板中的两个圆心对应在所述每帧红外图像中的第一像素差；

计算出所述标定板中的两个圆心对应在所述每帧可见光图像中的第二像素差；及

根据所述第一像素差与所述第二像素差的比值计算得到所述尺度因子。

7.如权利要求6所述的基于红外特征、机器学习的小火焰检测方法，其特征在于，所述根据所述相机参数及尺度因子得到所述每帧红外图像相对于所述每帧可见光图像的坐标偏移量包括：

根据所述尺度因子将所述每帧红外图像和所述每帧可见光图像缩放到统一大小；及

根据所述标定板的圆心在缩放后的每帧红外图像的像素坐标、所述标定板的圆心在缩放后的每帧可将光图像的像素坐标计算得到所述坐标偏移量。