【技术实现步骤摘要】
本专利技术属于只能检测，尤其涉及一种基于目标检测的隧道火灾烟雾识别方法。
技术介绍
1、随着隧道建设的快速发展，隧道火灾也日益增加。最早火灾烟雾实时检测的实质是利用传感器感知温度、烟雾、光照强度等,通过特定的阈值转换为报警信号。由于隧道中的跨度空间大,因此需要铺设大量的传感器。同时,鉴于传感器的准确度和灵敏度有限,且易受隧道自身环境和通行车辆的干扰,往往当隧道中火灾已经发生到一定程度才报警,已经很难满足当前隧道运营和安全保障的需求。
2、而后,随着计算机视觉图像处理快速发展,研究中心逐渐转移至基于视频图像的火灾烟雾检测。同传统火灾烟雾检测装置相比，具备监测范围广、准确率高等优点。然而，传统计算机视觉主要集中于提取火焰及烟雾区域，通过对火焰、烟雾的形状颜色和运动数据等进行识别。通常以火焰的颜色和亮度为主要特征，从rgb颜色模型，hsv颜色模型，以及ycbcr，但是这类方法检测效果并不准确，而且同样也是在火灾发生范围广泛以后才开始预警。
技术实现思路
1、专利技术目的：为了解决上述现有技术存在的问题，本专利技术提供了一种基于目标检测的隧道火灾烟雾识别方法。
2、技术方案：本专利技术公开了一种基于目标检测的隧道火灾烟雾识别方法，包括如下步骤：
3、步骤一：采集隧道图像，对数据集中的图像进行筛选，将图像中的火种区域及烟雾区域进行检测框标注，构建深度学习数据集；
4、步骤二：对数据集中的图像进行预处理，在对预处理后的数据集中有火灾区域或烟雾区域
5、步骤三：构建火种烟雾识别模型，并采用步骤二中增广后的数据集对火种烟雾识别模型进行训练；
6、步骤四：实时采集隧道内的场景图像，并对该图像进行预处理，将预处理后的图像传送至训练好的火种烟雾识别模型中，判断图像中是否存在火种区域和烟雾区域。
7、进一步的，所述步骤2和步骤4中的预处理包括图像去噪，图像滤波和图像增强。
8、进一步的，所述图像增强具体为：将图像分成r、g、b三通道图像，将每个通道图像转化为灰度图，每个灰度图进行导向滤波，得到图像亮度层图像lc(x,y)，其中c表示通道，原图像ic(x,y)减去亮度层图像lc(x,y)，得到细节层图像dc(x,y)，将亮度层图像和细节层图像乘以不同的拉伸因子进行加权求和，得到增强图像im_e。
9、进一步的，所述步骤二中的图像增广包括图像翻转，图像旋转，图像平移，图像cutmix和图像mixup。
10、进一步的，所述图像cutmix具体为：在图像a中切割出一块矩形图像，随机贴到图像b中，得到新的图像，计算切割出的图像面积占图像b面积的比例λ，原图像a的标签乘以(1-λ)，图像b的标签乘以λ，然后求和，得到新图像的标签。
11、进一步的，所述火种烟雾识别模型采用yolo模型作为架构，在yolo模型的骨干网络中最后一层使用spp模块，在neck中加入注意力机制模块，整个neck模块采用fpn+pan结构。
12、进一步的，该方法还包括根据检测到的火种区域和烟雾区域识别火灾等级，具体为：根据如下公式计算火灾得分score：
13、
14、其中，s为图像像素面积，area_f火种区域的面积，area_s为烟雾区域的面积，ω2和ω1均为权重；
15、设置火灾等级，每个等级对应不同的score范围。
16、有益效果：
17、1、本专利技术采用视觉与深度学习相结合的方式对隧道内火灾烟雾进行实时监测，智能化保证隧道安全。
18、2、本专利技术设计基于导向滤波的图像增强方式，在隧道暗环境下对采集到的图像进行亮度层与细节层的分离，并分别进行拉伸，以达到提亮图像的同时，增强图像细节信息。
19、3、设计基于yolo的深度学习检测网络，加入cbam、spp等模块，有效提高模型对小目标的识别能力，显著提高微小火种、烟雾的识别准确率，使算法具备较高的灵敏度，防患于未然，保障隧道安全。
本文档来自技高网...【技术保护点】
1.一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，所述步骤2和步骤4中的预处理包括图像去噪，图像滤波和图像增强。
3.根据权利要求3所述的一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，所述图像增强具体为：将图像分成R、G、B三通道图像，将每个通道图像转化为灰度图，每个灰度图进行导向滤波，得到图像的亮度层图像Lc(x,y)，其中c表示通道，原图像Ic(x,y)减去亮度层图像Lc(x,y)，得到细节层图像Dc(x,y)，将亮度层图像和细节层图像乘以不同的拉伸因子进行加权求和，得到增强图像Im_E。
4.根据权利要求1所述的一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，所述步骤二中的图像增广包括图像翻转，图像旋转，图像平移，图像cutmix和图像Mixup。
5.根据权利要求4所述的一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，所述图像cutmix具体为：在图像A中切割出一块矩形图像，随机贴到图像B中，得到新的图像，计算切割
6.根据权利要求1所述的一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，所述火种烟雾识别模型采用YOLO模型作为架构，在YOLO模型的骨干网络中最后一层使用SPP模块，在YOLO模型的Neck中加入注意力机制模块，整个Neck模块采用FPN+PAN结构。
7.根据权利要求1所述的一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，该方法还包括根据检测到的火种区域和烟雾区域识别火灾等级，具体为：根据如下公式计算火灾得分score：
...【技术特征摘要】
1.一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，所述步骤2和步骤4中的预处理包括图像去噪，图像滤波和图像增强。
3.根据权利要求3所述的一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，所述图像增强具体为：将图像分成r、g、b三通道图像，将每个通道图像转化为灰度图，每个灰度图进行导向滤波，得到图像的亮度层图像lc(x,y)，其中c表示通道，原图像ic(x,y)减去亮度层图像lc(x,y)，得到细节层图像dc(x,y)，将亮度层图像和细节层图像乘以不同的拉伸因子进行加权求和，得到增强图像im_e。
4.根据权利要求1所述的一种基于目标检测的隧道火灾烟雾识别方法，其特征在于，所述步骤二中的图像增广包括图像翻转，图像旋转，图像平移，图像cutmi...
【专利技术属性】
技术研发人员：资谊，刘岩，缪文雯，罗驰恒，王少锋，方若全，喻杨健，徐照，
申请(专利权)人：中铁第四勘察设计院集团有限公司，
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。