[发明专利]一种基于深度学习分割策略的智能黑烟检测方法和系统

权利要求书

1.一种基于深度学习分割策略的智能黑烟检测方法，其特征在于，包括：

获取实际监控视频中存在黑烟的图片样本；

对所述图片样本中的黑烟部分进行标注，建立黑烟检测数据集，其中，所述黑烟检测数据集包括第一黑烟数据集和第二黑烟数据集；

基于深度学习分割策略构建黑烟检测神经网络模型；

利用所述第一黑烟数据集和所述第二黑烟数据集对所述黑烟检测神经网络模型进行训练；

将待检测图片输入至训练完成的黑烟检测神经网络模型中，得到检测结果。

2.根据权利要求1所述的基于深度学习分割策略的智能黑烟检测方法，其特征在于，所述第一黑烟数据集为包含多个黑烟场景的基于矩形的黑烟检测数据集，所述第二黑烟数据集为包含多个黑烟场景的基于多边形的黑烟分割数据集。

3.根据权利要求1所述的基于深度学习分割策略的智能黑烟检测方法，其特征在于，所述存在黑烟的图片样本包括，但不限于森林黑烟图片样本、船舶黑烟图片样本和汽车尾气黑烟样本。

4.根据权利要求2所述的基于深度学习分割策略的智能黑烟检测方法，其特征在于，所述“利用所述第一黑烟数据集和所述第二黑烟数据集对所述黑烟检测神经网络模型进行训练”包括：

利用所述第一黑烟数据集对黑烟检测神经网络模型进行预训练；

利用所述第二黑烟数据集对黑烟检测神经网络模型进行深度训练。

5.根据权利要求5所述的基于深度学习分割策略的智能黑烟检测方法，其特征在于，所述“利用所述第一黑烟数据集对黑烟检测神经网络模型进行预训练”包括：

对所述第一黑烟数据集进行处理，根据所述黑烟检测神经网络模型确定第一缩小倍数；

按照所述第一缩小倍数将所述第一黑烟数据集的标注结果进行缩小处理以适应神经网络结构。

6.根据权利要求5所述的基于深度学习分割策略的智能黑烟检测方法，其特征在于，所述“利用所述第二黑烟数据集对黑烟检测神经网络模型进行深度训练”包括：

对所述第二黑烟数据集进行处理，根据所述黑烟检测神经网络模型确定第二缩小倍数；

按照所述第二缩小倍数将所述第二黑烟数据集的标注结果进行缩小处理以适应神经网络结构。

7.根据权利要求1所述的基于深度学习分割策略的智能黑烟检测方法，其特征在于，所述黑烟检测神经网络模型取消了上采样部分，自动根据下采样的倍数相应地改变标注结果的分辨率。

8.根据权利要求1所述的基于深度学习分割策略的智能黑烟检测方法，其特征在于，还包括：

将低分辨率检测结果还原为原图片尺寸得到黑烟区域检测结果。

9.根据权利要求3所述的基于深度学习分割策略的智能黑烟检测方法，其特征在于，所述黑烟检测神经网络模型利用基于块的分割方式进行检测。

10.一种基于深度学习分割策略的智能黑烟检测系统，其特征在于，包括：

样本获取单元，用于获取实际监控视频中存在黑烟的图片样本；

标注单元，用于对所述图片样本中的黑烟部分进行标注，建立黑烟检测数据集，其中，所述黑烟检测数据集包括第一黑烟数据集和第二黑烟数据集；

模型构建单元，用于基于深度学习分割策略构建黑烟检测神经网络模型；

模型训练单元，用于利用所述第一黑烟数据集和所述第二黑烟数据集对所述黑烟检测神经网络模型进行训练；

检测单元，用于将待检测图片输入至训练完成的黑烟检测神经网络模型中，得到检测结果。