【技术实现步骤摘要】
本专利技术涉及火灾检测领域，尤其涉及一种早期火灾的烟雾识别方法。
技术介绍
1、传统烟感设备误报率较高，因电路异常会频繁出现错误警报。而以人工实现的视频监控作为辅助手段的可靠性较低，烟雾辨认局限性较大，主观因素干扰明显，火灾响应不及时，难以满足安防需要。
技术实现思路
1、本专利技术主要解决的技术问题是提供一种早期火灾的烟雾识别方法，为解决传统烟感误报率高及影像监控可靠性弱之问题，以烟雾颜色特征、红外温度特征、动态纹理特征作参考获得疑似烟雾图像和lbp矩阵，并利用卷积神经网络作出分类，从而高效快速及时准确识别出早期火灾烟雾。
2、为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种早期火灾的烟雾识别方法，包括以下步骤：
3、步骤1，对图像进行烟雾的特征识别，所述烟雾的特征至少包括烟雾颜色特征、红外温度特征、动态纹理特征；
4、将同时满足烟雾颜色特征和红外温度特征的图像划分为疑似烟雾图像；
5、所述动态纹理特征以局部二值模式lbp来提取，得到lbp矩阵。
6、步骤2，将疑似烟雾图像与lbp矩阵作为输入，运用机器学习算法处理得到烟雾分类结果，所述的机器学习算法为不限于卷积神经网络的一种或多种深度学习算法；
7、步骤3，当在烟雾分类结果中检测到符合早期火灾所属类别的烟雾种类时报警。
8、在本专利技术一个较佳实施例中，步骤1所述烟雾颜色特征是在rgb颜色空间和his颜色空间中提取；
9、
10、在his空间中，以亮度范围作为阈值进行特征识别。
11、在本专利技术一个较佳实施例中，步骤1所述红外温度特征是在不限于红外成像仪的热成像系统中提取红外图像所得；
12、在红外图像中，以环境温度作为阈值进行特征识别。
13、在本专利技术一个较佳实施例中，步骤2所述卷积神经网络使用vgg-16架构，以13层卷积层、5层池化层对lbp矩阵进行特征提取，最后3层全连接层完成分类。
14、本专利技术的有益效果是：本专利技术提供的一种早期火灾的烟雾识别方法，为解决传统烟感误报率高及影像监控可靠性弱之问题，以烟雾颜色特征、红外温度特征、动态纹理特征作参考获得疑似烟雾图像和lbp矩阵，并利用卷积神经网络作出分类，从而高效快速及时准确识别出早期火灾烟雾。
本文档来自技高网...【技术保护点】
1.一种早期火灾的烟雾识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的早期火灾的烟雾识别方法，其特征在于，步骤1所述烟雾颜色特征是在RGB颜色空间和HIS颜色空间中提取；
3.根据权利要求1所述的早期火灾的烟雾识别方法，其特征在于，步骤1所述红外温度特征是在不限于红外成像仪的热成像系统中提取红外图像所得；
4.根据权利要求1所述的早期火灾的烟雾识别方法，其特征在于，步骤2所述卷积神经网络使用VGG-16架构，以13层卷积层、5层池化层对LBP矩阵进行特征提取，最后3层全连接层完成分类。
【技术特征摘要】
1.一种早期火灾的烟雾识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的早期火灾的烟雾识别方法，其特征在于，步骤1所述烟雾颜色特征是在rgb颜色空间和his颜色空间中提取；
3.根据权利要求1所述的早期火灾的烟雾识别方法，其特征在于，...
【专利技术属性】
技术研发人员：李国生，常远，郝福得，赵洪伟，
申请(专利权)人：火眼消防技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。