1.一种基于改进VGG16卷积网络的排烟视频检测方法，其特征在于，步骤如下：步骤1：生成烟囱排放图像数据集；

步骤1.1爬取烟囱排烟图像

从网页上下载烟囱排烟视频，截取图片帧；将烟囱排烟图像和图片帧整合生成数据集；

步骤1.2数据增强

对步骤1.1中整合生成的数据集进行数据增强；

步骤1.3特征标记

对增强后的数据集中的排烟图像的烟雾部分用矩形框进行特征标记，得到矩形框的坐标信息(x，y，w，h)，(x，y)为矩形框的中心坐标，(w，h)为矩形框的宽和高，将带有矩形框坐标信息的图像生成新的数据集A，该数据集A将用于改进VGG16卷积网络训练；

步骤2：获取最优权重模型；

将数据集A中标记图像分为训练集Q1、验证集Q2和测试集Q3；

步骤2.1训练生成多个权重模型将训练集Q1送入到改进VGG16卷积网络中进行训练，得到多个权重模型；

所述的改进VGG16卷积网络的主网络结构是VGG16，最后两个全连接层改成两层卷积层，用于多尺度提取烟囱图像特征，再连接全局均值池化层，生成1×1×N的矩阵用于结果输出，最后输入到损失函数softmax中进行分类，构造完整的网络结构；其中全局均值池化层在整个特征图上取均值，可大量减少模型的总参数量，提高检测速度；

所述步骤2.1中用改进VGG16卷积网络对训练集Q1进行训练的具体步骤如下：步骤2.1.1得到正负样本用于新网络训练default box是改进VGG16卷积网络自动标记的烟囱框，default box的面积Sk如下：其中，Smin表示最底层的面积；Smax表示最顶层的面积；

default box的宽为：其中，Δw为宽的偏移量；

default box的高为：其中，Δh为高的偏移量；

default box的长宽比ar有5种，ar＝{1,4/3,16/9,3/4,9/16}；

将default box的面积与训练集Q1中特征标记的矩形框进行比较，default box的面积与训练集Q1中特征标记的矩形框的重叠面积大于0.5，图像标记为正样本，小于0.3时标记为负样本，产生的正样本和负样本比为1：3；

步骤2.1.2获取default box的类别的置信度和坐标值将步骤2.1.1得到的正样本和负样本放入改进VGG16卷积网络训练，得到三层特征层；

用两个不同的3×3的卷积核对三层特征层进行卷积，得到两个1×1×N的矩阵输出，其中一个输出为分类用的置信度，即生成的每个default box的类别的置信度；另一个输出为回归用的定位，即每个default box的坐标值(x,y,w,h)；

步骤2.1.3模型调整

将三层特征层和训练集Q1送到改进VGG16卷积网络中，使用SmoothL1函数进行拟合，输出坐标向量；

将输出坐标向量、步骤2.1.2中得到的default box的类别的置信度和default box的坐标值使用Concat方法合并，然后用损失函数softmax进行模型调整，得到多个的default box；

步骤2.1.4生成多个权重模型使用非极大值抑制算法对步骤2.1.3中的多个default box进行筛选得到default box A，由default box A生成多个权重模型；

步骤2.2验证集调参

使用各个权重模型对验证集Q2进行预测，并记录权重模型的准确率；选出准确率最大的权重模型所对应的参数，用该参数生成最优权重模型；

步骤2.3衡量网络性能

使用测试集Q3对步骤2.2得到的最优权重模型进行预测，衡量改进VGG16卷积网络性能；

步骤3：对烟囱排放视频和图像进行测试；

将视频监控设备与计算机相连接，利用步骤2中生成的最优权重模型对监控的烟囱视频或图像进行检测，实时监控烟囱排烟状况，对有排烟视频进行矩形框标记并在计算机上显示。

2.如权利要求1所述的一种基于改进VGG16卷积网络的排烟视频检测方法，其特征在于，所述的步骤1.2中，数据增强包括旋转、反射变换、翻转变换、缩放变换、平移变换、尺度变换、对比度变换、噪声扰动和颜色变换。

3.如权利要求1或2所述的一种基于改进VGG16卷积网络的排烟视频检测方法，其特征在于，所述的步骤2中，设置训练集Q1占数据集A的60％；验证集Q2占数据集A的20％；测试集Q3占数据集A的20％。

4.如权利要求1或2所述的一种基于改进VGG16卷积网络的排烟视频检测方法，其特征在于，所述的步骤2.1.1中，Smin取值为0.2；Smax取值为0.9。

5.如权利要求3所述的一种基于改进VGG16卷积网络的排烟视频检测方法，其特征在于，所述的步骤2.1.1中，Smin取值为0.2；Smax取值为0.9。