【技术实现步骤摘要】
本申请涉及气体检测，特别是涉及基于多数据混合的泄露气体的检测方法、装置及电子设备。
技术介绍
1、在工业生产、运输中和日常生活中，气体泄露可能会导致严重的安全事故或者环境污染，对人们的生命安全构成威胁以及造成财产损失。通过进行气体泄漏检测，可以及时发现并处理潜在的气体泄漏源，从而有效预防这些安全事故的发生。
2、相关技术中，气体泄露检测方法主要包括两类：第一类气体泄露检测方法是基于传统图像处理、机器学习实现的，其流程为：首先使用红外相机拍摄当前场景，得到视频成像数据，然后对视频图像进行增强处理，减弱噪声，增强气云特征，再基于相邻视频帧进行差分计算，获得运动目标区域，最后对运动目标区域进行分类，确定分类结果为气云并报警，但该类方法在场景复杂、低温差、环境光弱等复杂环境时检测效果较差，导致检测准确率较低；第二类气体泄露检测方案是通过引入处理能力较强的深度神经网络，同时处理当前场景的红外图像和可见光图像，其流程为：首先将红外图像送入泄露气体目标检测模型，获得泄露气体初步可疑位置，然后将可见光图像送入场景理解模型中，并根据输出的场景区域分割图，对上述泄露气体初步可疑位置进行筛选，去除特定区域内气体可疑位置，例如去除天空上气体可疑位置可以减少云彩造成的误报，以获得泄露气体高度可疑位置；再将红外通道时序多帧图像送入气体序列分类模型中，对上述泄露气体高度可疑位置进一步筛选，获得最终的泄露气体报警位置，该类方法是直接使用相机采集的原始数据或者是直接处理原始数据压缩后获得的图像数据，若使用相机采集的原始数据，可以实现模型性能的最优化，
3、可见，相关技术对泄露气体进行检测时，存在泄露气体检测准确率较低或检测效率较低的问题，如何对泄露气体进行快速准确地检测，成为相关领域亟待解决的技术问题。
技术实现思路
1、本申请实施例的目的在于提供基于多数据混合的泄露气体的检测方法、装置及电子设备，以实现对泄露气体进行快速准确地检测。具体技术方案如下：
2、第一方面，本申请实施例提供了一种基于多数据混合的泄露气体检测方法，所述方法包括：
3、获取对多个第一红外原始图像分别进行压缩得到的多个压缩图像，其中，所述第一红外原始图像为拍摄目标场景得到的未经压缩的红外图像；
4、根据所述多个压缩图像预测得到潜在泄露气体的位置，作为候选位置；
5、分别从多个第二红外原始图像中提取所述候选位置处的子图像，作为红外子图像，其中，所述第二红外原始图像为拍摄所述目标场景得到的未经压缩的红外图像，并且所述多个第一红外原始图像的拍摄时间跨度为所述多个第二红外原始图像的拍摄时间跨度的真子集；
6、根据所有所述红外子图像预测得到所述候选位置的第一分类结果，所述第一分类结果用于表示所述候选位置存在泄露气体，或者，所述候选位置不存在泄露气体。
7、在一种可能的实施方式中，所述根据所有所述红外子图像预测得到所述候选位置的第一分类结果，包括：
8、提取至少一个所述红外子图像的图像特征，作为红外空间特征；并提取由所有所述红外子图像按照拍摄时间的先后顺序排序形成的图像序列的序列特征，作为红外序列特征；
9、根据所述红外空间特征和所述红外序列特征，预测得到所述候选位置的第一分类结果。
10、在一种可能的实施方式中，所述提取至少一个所述红外子图像的图像特征，作为红外空间特征，包括：
11、分别预测得到所有所述红外子图像的气体得分，其中，所述气体得分与图像中包含的泄露气体的特征数目正相关；
12、从所有所述红外子图像中确定所述气体得分满足预设筛选条件的图像，作为目标红外子图像；
13、提取所述目标红外子图像的图像特征，作为红外空间特征。
14、在一种可能的实施方式中，所述方法还包括：
15、分别从多个可见光原始图像中提取所述候选位置处的子图像，作为可见光子图像，其中，所述可见光原始图像为拍摄所述目标场景得到的未经压缩的可见光图像，并且所述多个第二红外原始图像的拍摄时间跨度与所述多个可见光原始图像的拍摄时间跨度相同；
16、根据所有所述可见光子图像预测得到所述候选位置的第二分类结果，所述第二分类结果用于表示所述候选位置存在运动对象，或者，所述候选位置不存在运动对象；
17、若所述第二分类结果表示不存在运动对象，且所述第一分类结果表示存在泄露气体，则确定所述候选位置存在泄露气体。
18、在一种可能的实施方式中，所述根据所有所述可见光子图像预测得到所述候选位置的第二分类结果，包括：
19、提取目标可见光子图像的图像特征，作为可见光空间特征；并提取由所有所述可见光子图像按照拍摄时间的先后顺序排序形成的图像序列的序列特征，作为可见光序列特征；
20、根据所述可见光空间特征和所述可见光序列特征，预测得到所述候选位置的第二分类结果；
21、其中，所述目标可见光子图像为在所述图像序列中的顺位远离首尾的可见光子图像。
22、在一种可能的实施方式中，所述方法还包括：
23、获取从待检测时刻起始往前第一时长内拍摄目标场景得到的未经压缩的红外图像，作为第一红外原始图像；
24、获取从所述待检测时刻起往前第二时长内拍摄目标场景得到的未经压缩的红外图像，作为第二红外原始图像，其中，所述第二时长大于所述第一时长。
25、第二方面，本申请实施例提供了一种基于多数据混合的泄露气体检测装置，所述装置包括：
26、第一获取模块，用于获取对多个第一红外原始图像分别进行压缩得到的多个压缩图像，其中，所述第一红外原始图像为拍摄目标场景得到的未经压缩的红外图像；
27、位置预测模块，用于根据所述多个压缩图像预测得到潜在泄露气体的位置，作为候选位置；
28、第一提取模块，用于分别从多个第二红外原始图像中提取所述候选位置处的子图像，作为红外子图像，其中，所述第二红外原始图像为拍摄所述目标场景得到的未经压缩的红外图像，并且所述多个第一红外原始图像的拍摄时间跨度为所述多个第二红外原始图像的拍摄时间跨度的真子集；
29、第一分类模块，用于根据所有所述红外子图像预测得到所述候选位置的第一分类结果，所述第一分类结果用于表示所述候选位置存在泄露气体，或者，所述候选位置不存在泄露气体。
30、在一种可能的实施方式中，所述第一分类模块，包括：
31、第一分类子模块，用于提取至少一个所述红外子图像的图像特征，作为红外空间特征；并提取由所有所述红外子图像按照拍摄时间的先后顺序排序形成的图像序列的序列特征，作为红外序本文档来自技高网...
【技术保护点】
1.一种基于多数据混合的泄露气体检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所有所述红外子图像预测得到所述候选位置的第一分类结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述提取至少一个所述红外子图像的图像特征，作为红外空间特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所有所述可见光子图像预测得到所述候选位置的第二分类结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.一种基于多数据混合的泄露气体检测装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述第一分类模块，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法。
【技术特征摘要】
1.一种基于多数据混合的泄露气体检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所有所述红外子图像预测得到所述候选位置的第一分类结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述提取至少一个所述红外子图像的图像特征，作为红外空间特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所有所述可见光子图像预测得到...
【专利技术属性】
技术研发人员：朱义伟，陈晓，童俊艳，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
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。