[发明专利]基于深度学习的烟雾检测方法、装置、设备及存储介质

权利要求书

1.一种基于深度学习的烟雾检测方法，其特征在于，包括：

获取烟雾图像和室内图像，其中，所述烟雾图像包括烟雾透明度；

确定所述烟雾图像在所述室内图像的大小和位置关系，并基于所述烟雾图像在所述室内图像的大小和位置关系，对所述烟雾图像进行图像增强处理，得到基础烟雾图像；

获取所述基础烟雾图像对应位置上室内场景的光照图像，并基于所述光照图像，对所述基础烟雾图像进行色彩迁移处理，得到色彩迁移烟雾图像；

基于所述烟雾透明度，将所述色彩迁移烟雾图像叠加到所述室内图像中，得到初始图像，并对所述初始图像进行筛选处理和检测框更新处理，得到目标图像；

通过多层网络对所述目标图像进行特征提取，得到烟雾特征图像，并对所述烟雾特征图像进行层校准处理，得到烟雾校准特征图像；

按照逐级特征学习的方式，依次对所述烟雾校准特征图像进行分割处理、检测框预测处理、检测框分类处理以及图像分类处理，得到烟雾图像集，其中，所述烟雾图像集包括烟雾特征的置信度和交并参数；

基于所述烟雾特征的置信度和交并参数，对所述烟雾图像集进行筛选处理，得到目标烟雾图像，并基于所述目标烟雾图像，输出烟雾检测结果。

2.根据权利要求1所述的基于深度学习的烟雾检测方法，其特征在于，所述获取烟雾图像和室内图像，包括：

获取烟雾视频，并将所述烟雾视频返回开发端，以使得开发端根据预设的帧率对所述烟雾视频进行添加检测框标签，得到所述烟雾检测框；

通过预设的烟雾模拟软件产生所述烟雾数据，并通过预设的角度和预设的烟雾流量，获取所述烟雾数据对应的目标烟雾视频；

根据所述烟雾检测框和所述目标烟雾视频，生成所述烟雾图像和所述室内图像。

3.根据权利要求1所述的基于深度学习的烟雾检测方法，其特征在于，所述确定所述烟雾图像在所述室内图像的大小和位置关系，并基于所述烟雾图像在所述室内图像的大小和位置关系，对所述烟雾图像进行图像增强处理，得到基础烟雾图像，包括：

通过预设参数与所述室内图像的长和宽进行相乘处理，得到相乘结果，基于所述相乘结果，改变所述烟雾图像的尺寸，得到改变后的烟雾图像尺寸；

根据所述改变后的烟雾图像尺寸与所述室内图像进行对比，以确认所述烟雾图像在所述室内图像的大小，并在所述室内图像中叠加所述烟雾图像的位置，以确认所述烟雾图像在所述室内图像的位置；

基于所述烟雾图像在所述室内图像的大小和位置关系，将预设的烟雾图像尺寸作为高斯函数滤波的半径；

根据所述高斯函数滤波的半径，对每个颜色通道的所述烟雾图像进行滤波处理，得到滤波结果，其中，所述滤波结果包括不同颜色通道和不同滤波尺度的计算结果；

将同一颜色通道的不同滤波尺度的计算结果进行加权处理，得到所述基础烟雾图像。

4.根据权利要求1所述的基于深度学习的烟雾检测方法，其特征在于，所述获取所述基础烟雾图像对应位置上室内场景的光照图像，并基于所述光照图像，对所述基础烟雾图像进行色彩迁移处理，得到色彩迁移烟雾图像，包括：

获取所述基础烟雾图像对应位置上室内场景的光照图像，作为参考图像；

将所述参考图像与所述基础烟雾图像分别进行颜色空间转换，并统计所述参考图像与所述基础烟雾图像所有颜色通道的均值和标准差；

将所述基础烟雾图像中的每一像素值减去所述基础烟雾图像的均值，得到第一处理图像；

计算所述参考图像与所述基础烟雾图像标准差的比值，得到标准差比值，并将所述第一处理图像与所述标准差比值进行相乘处理，得到第二处理图像；

将所述第二处理图像与所述参考图像的均值相加处理，得到所述色彩迁移烟雾图像。