[发明专利]微光环境下电缆沟道烟雾火情的智能图像检测方法

说明书

本发明公开了一种微光环境下电缆沟道烟雾火情的智能图像检测方法，其实现步骤为：获取训练样本集和测试样本集，构建用于提取特征的各个模块和注意力机制等模块，构建烟雾检测网络FSSD并进行迭代训练，对微光相机拍摄到的视频图像进行单高斯背景建模，中值滤波和限制对比度直方图均衡化的操作后送入训练好的网络中得到烟雾检测结果。本发明采用了单高斯背景建模、中值滤波和限制对比度自适应直方图均衡化结合的方法，使得微光环境下的烟雾图像得到了增强，并将该方法与加入了注意力机制的FSSD网络结合，提升了烟雾早期检测能力和检测精确度，降低了误检率。

技术领域

本发明属于图像处理技术领域，涉及一种烟雾火情的智能图像检测方法，具体涉及一种微光环境下电缆沟道烟雾火情的智能图像检测方法，可用于微光环境下电缆沟道烟雾火情的检测、预警等。

背景技术

随着人工智能的发展和图像识别技术的广泛普及，通过视频监控智能地进行烟雾火情监控将是未来火灾预警的重要手段。由于电缆沟道内的电缆在地面以下，环境漆黑，当电缆发生故障而引起火灾时，较难被工作人员发现，这就使得电缆沟火灾事故一旦发生将会造成严重的后果。而烟雾通常在火焰之前产生，因此如何识别微光环境下的烟雾，就直接影响到应急抢险的效率和成果。

近年来众多学者在烟雾检测方面做出了许多研究，并提出了许多检测方法和方案，主要包括传统算法和深度学习算法两大类。其中，传统算法如申请公布号CN111353334A，名称为“烟雾检测方法和装置”的专利申请，提出了一种烟雾检测方法和装置，包含以下步骤：首先在视频的多个帧图像中检测前景块，确定检测到的各个前景块的移动区域，然后计算各个前景块在至少两个帧图像中的重叠度，根据重叠度确定干扰前景块，最后在去除该干扰前景块的剩余前景块的移动区域中提取特征并检测烟雾。该方法可以避免水滴或光斑等干扰物造成的误检测，但需要手工提取特征并且不适用于微光环境。

现有的深度学习算法要优于传统算法，例如，申请公布号为CN111723656A,名称为“一种基于YOLO v3与自优化的烟雾检测方法”的专利申请，提出了一种基于YOLO v3与自优化的烟雾检测方法及装置，能够利用监控视频，采用深度学习与传统图像处理相结合的方法对烟雾进行检测，并将检测错误的样本与原始训练集合并成新的训练集，进行了自优化过程，一定程度上提高了烟雾检测能力。但由于该方法使用的YOLO v3网络并不使用于小目标的检测，容易错失烟雾火情的早期预警时间。

发明内容

本发明的目的在于提供一种微光环境下电缆沟道烟雾火情的智能图像检测方法，用于解决现有技术中存在的早期烟雾小目标的检测精确度较低和不适应微光环境下检测的技术问题。

为达到上述目的，本发明采用如下技术方案：

微光环境下电缆沟道烟雾火情的智能图像检测方法，包括以下步骤：

(1)获取训练样本集和测试样本集：