[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

说明书

本申请涉及一种基于深度学习的烟雾检测方法、装置、设备及存储介质，其中方法包括获取烟雾图像和室内图像；对烟雾图像进行图像增强处理和色彩迁移处理，得到色彩迁移烟雾图像；将色彩迁移烟雾图像叠加到室内图像中，得到初始图像，并对初始图像进行筛选处理和检测框更新处理，得到目标图像；通过对目标图像进行特征提取和层校准处理，得到烟雾校准特征图像；依次对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；对烟雾图像集进行筛选处理，得到目标烟雾图像，并输出烟雾检测结果。本发明实现烟雾数据集的收集和提高烟雾的检测精度。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于深度学习的烟雾检测方法、装置、设备及存储介质。

背景技术

传统的烟雾检测方法大多基于物理传感器的探测技术，包括离子式烟雾传感器、气敏式烟雾传感器、光电式烟雾传感器等，但烟雾传感器并不适用于灵敏度要求高或复杂多样、范围较大的环境中。如果通过视觉的方法解决检测烟雾，将可以保证响应速度，探测范围，且安装成本低。传统的烟雾检测的视觉方法侧重于学习烟雾的颜色纹理特征进行烟雾检测。通过烟雾的低级特征，包括颜色、纹理、运动方向等进行烟雾检测。这些算法大多存在两个问题。首先是鲁棒性较差，这些不同的方法能够在特定的图像数据集中能够获得良好的性能，而在不同的图像数据集中性能往往较差，因此这些方法在实际工程应用中很难消除复杂的干扰。其次是只能检测大块的近处的烟雾，对于刚刚产生的烟雾，或较远距离产生的烟雾，检测精度有限。

由于传统烟雾检测的弊端，基于深度学习的烟雾检测方法成为国内外研究的热点。但将深度学习应用到烟雾检测中还需要解决两个难点。其一是数据集的获取，室内燃放烟火存在安全隐患。而对于易燃易爆单位和一切禁烟区，需要先清理可能存在的安全隐患才能获取烟雾数据，这造成了数据获取的困难。其二，烟雾的自相似性和透明属性导致烟雾形状不固定。而烟雾的扩散会导致烟雾现场出现多团烟雾目标，不利于网络学习烟雾特征，导致误报率居高不下。现亟需一种能够收集烟雾数据集，并提高烟雾检测精度的方法。

发明内容

本申请实施例的目的在于提出一种基于深度学习的烟雾检测方法、装置、设备及存储介质，以实现收集烟雾数据集，并提高烟雾的检测精度。

为了解决上述技术问题，本申请实施例提供一种基于深度学习的烟雾检测方法，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。

为了解决上述技术问题，本申请实施例提供一种基于深度学习的烟雾检测装置，包括：

烟雾图像生成模块，用于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；