欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022109386219
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.面向森林火灾的经验模型自演化的轻量化烟雾检测方法,其特征在于,针对目标森林区域,执行如下步骤S1-步骤S7,检测目标森林区域是否产生烟雾,进而判断是否发生火灾:步骤S1.实时采集目标森林区域的视频,并将视频转化为按时序排列的图像序列,分别将各帧图像划分为预设数量的图像块,然后进入步骤S2;

步骤S2.针对步骤S1所获得的图像序列中的第一帧图像,采用预训练好以图像中各图像块为输入、以图像中各图像块分别所对应用于表征各图像块是否包含烟雾的最终标识为输出的深度学习模型,判断第一帧图像中各图像块中是否包含烟雾,其中,最终标识为1表示其所对应的图像块中有烟雾,最终标识为0表示其所对应的图像块中无烟雾;

然后以图像序列中第二帧图像为起始,依次针对各帧图像执行如下步骤S3-步骤S7,实现对目标森林区域是否产生烟雾的检测:步骤S3:采用对经验样本数据统计直方图方法,分别构建以图像的R、G、B为条件的,以森林背景为发生事件E0、以烟雾前景为发生事件E1、以其他前景为发生事件E2的条件概率模型;

基于条件概率模型构建经验模型,根据经验模型,将图像中的各像素点划分为烟雾前景像素点、森林背景像素点、其他前景像素点,遍历图像的各图像块,统计各图像块中烟雾前景像素点、森林背景像素点、其他前景像素点的数量;

根据图像块中烟雾前景像素点、森林背景像素点、其他前景像素点的数量,判断图像块是否包含烟雾,并匹配图像块对应的初步标识,其中,初步标识为1表示其所对应的图像块中有烟雾,初步标识为0表示其所对应的图像块中无烟雾;

步骤S3中构建条件概率模型的具体步骤如下:

步骤S31.分别构建以图像的R、G、B为条件的,以森林背景为发生事件E0、以烟雾前景为发生事件E1、以其他前景为发生事件E2的条件概率模型:P(E0|R)、P(E1|R)、P(E2|R)、P(E0|G)、P(E1|G)、P(E2|G)、P(E2|G)、P(E1|B)、P(E2|B)、P(E2|B),其中R表示图像的红色色度颜色值,G表示图像的绿色色度颜色值,B表示图像的蓝色色度颜色值;

步骤S32.基于条件概率模型构建经验模型,满足下式条件的各像素点,将其划分为烟雾前景像素点:满足下式条件的各像素点,将其划分为森林背景像素点:

式中,α1、α2、α3分别表示对应于R、G、B条件概率的重要性系数,Th1为联合条件概率阈值,分别表示图像块森林背景对抗因子、烟雾前景对抗因子;

不满足上述条件的各像素点,将其划分为其他像素点;

步骤S33.统计图像块的森林背景像素点数量烟雾前景像素点数量其他像素点数量若满足下式条件:则判断图像块为烟雾前景区域,将图像块匹配初步标识表示图像块中有烟雾,否则将图像块匹配初步标识表示图像块中无烟雾;式中,Th2为烟雾场景像素点阈值;

步骤S34.重复步骤S33,遍历各图像块,直至图像中所有图像块判断完成;

步骤S4.分别针对图像中的各图像块的初步标识,执行图像块初步标识与相邻前一帧图像中相同位置图像块最终标识之间的比对,若两帧图像块中后图像块初步标识与前图像块最终标识不同,则判定后图像块为待确认区域,针对待确认区域,进入步骤S5,否则判定为确认区域,针对确认区域,进入步骤S6;

步骤S5.将待确认区域的图像块输入预训练好的深度学习模型,输出待确认区域的图像块的最终标识,并基于待确认区域的图像块的初步标识、最终标识,对经验模型进行演化更新,遍历所有待确认区域的图像块,完成经验模型的自演化,然后进行步骤S7;

步骤S5的具体步骤如下:

步骤S51.若图像块为待确认区域,则采用预训练好的深度学习模型判断图像块中是否包含烟雾,若判断图像块中有烟雾,则若判断图像块中无烟雾,则步骤S52.针对待确认区域的图像块基于初步标识最终标识进行经验模型的演化更新如下式:式中,Δ为演化因子,分别表示图像块在下一时刻的森林背景对抗因子、烟雾前景对抗因子;

步骤S53.重复步骤S52,直至遍历所有待确认区域的图像块,完成经验模型的自演化;

步骤S6.针对各确认区域的图像块,将初步标识作为最终标识输出,然后进行步骤S7;

步骤S7.基于各图像块判断结果的累积,采用预训练好的深度学习模型,对各图像块进行进一步核查。

2.根据权利要求1所述的面向森林火灾的经验模型自演化的轻量化烟雾检测方法,其特征在于,步骤S1中将各帧图像划分为预设数量的图像块的方法如下:图像序列中的各图像尺寸为256×256,针对图像序列中t时刻的图像It,将其划分为尺寸为8×8的图像块,图像It中的第i个图像块中包含32×32个像素点,1≤i≤64,以表示图像块中的第j个像素点,1≤j≤1024,以分别表示的红色色度颜色值、绿色色度颜色值、蓝色色度颜色值。

3.根据权利要求1所述的面向森林火灾的经验模型自演化的轻量化烟雾检测方法,其特征在于,步骤S4中待确认区域的判断方法如下式:式中,表示模2加操作,表示t-1时刻图像中第i个图像块的最终标识,若则表示前后两帧图像第i个图像块标识不同,即判断图像块为待确认区域,若则表示前后两帧图像第i个图像块标识相同,即判断图像块为确认区域,令为图像块的最终标识。

4.根据权利要求1所述的面向森林火灾的经验模型自演化的轻量化烟雾检测方法,其特征在于,步骤S7中采用预训练好的深度学习模型对各图像块的进一步核查的具体方法如下:若图像序列中的t时刻的图像It中不存在待确认区域的图像块,则认为经验模型判断无变化,经验模型的判断次数CR加1,否则CR加0;

若任意均为0,1≤i≤64,则当CR=N时,其中N为预设判断次数,且N为正整数,选取烟雾前景像素点数量最多的图像块,采用预训练好的深度学习模型,判断该图像块中是否包含烟雾,并采用步骤S5所述的方法进行经验模型的演化更新;

若存在为1,1≤i≤64,则当CR=2N时,选取烟雾前景像素点数量最少的图像块,采用预训练好的深度学习模型,判断该图像块中是否包含烟雾,并采用步骤S5所述的方法进行经验模型的演化更新。