一种基于反向投影的施工场地烟尘检测方法

1.本发明涉及环境检测领域，特别涉及一种基于反向投影的施工场地烟尘检测方法。


背景技术：

3.传统的扬尘识别方法大多采用物理信号进行监测，如通过空气质量传感器检测空气中pm2.5、pm10的浓度反应空气中尘土含量，但此类方法识别距离有限，且比较依赖环境，容易受到环境干扰，从而导致烟尘检测距离短、准确率低。目前也有采用图像处理等手段如神经网络来实现扬尘图像的学习与识别，但该方法比较依赖数据集，然而由于训练集难以获取、扬尘面积难以划分，导致了烟尘检测准确率低的问题。


技术实现要素：

4.本发明目的是为了解决现有烟尘检测方法还存在检测距离短、检测准确率低的问题，而提出了一种基于反向投影的施工场地烟尘检测方法。
5.一种基于反向投影的施工场地烟尘检测方法具体过程为：
6.步骤一、获取样本图像，从而获得样本图像的分布概率形式直方图；
7.步骤二、通过交并运算、差运算对步骤一获得的样本图像的分布概率形式直方图进行学习，获得学习后的分布概率形式直方图；
8.步骤三、获取待测图像，利用步骤二获得的学习后的分布概率形式二维分布直方图对待测图像进行反向投影，获得目标概率分布矩阵p，然后利用高斯滤波算子对目标概率分布矩阵p进行卷积，提取区域目标分布概率信息；
9.步骤四、将步骤三获得的区域目标分布概率信息与预设阈值比较，将待测图像中概率大于预设阈值的区域的图像掩膜置1，将待测图像中概率小于等于预设阈值区域的图像掩膜置0，获得初步识别结果；然后通过滑动窗口对初始识别结果中掩膜进行区域生长，获得掩膜检测结果；
10.步骤五、利用步骤四获得的掩膜检测结果获得待测图像中的烟尘占比。
11.进一步地，所述步骤一中的获取样本图像，从而获得样本图像的分布概率形式直方图，具体为：
12.步骤一一、获取样本图像，并将样本图像转换为hsv数据格式，然后提取样本图像色相通道h、饱和度通道s；
13.所述样本图像包括：正例样本图像h
t
、反例样本图像hf；
14.所述正例样本图像为包含检测对象的样本图像；
15.所述反例样本图像为检测环境的样本图像；
16.步骤一二、将步骤一一提取出的样本图像色相通道h的范围缩放为0-360，以a为h通道单元间隔，作x轴；将饱和度通道s的范围缩放为0-255，以b为s通道间隔，作y轴，从而获得样本图像的hs通道二维分布直方图；
17.步骤一三、将步骤一二获得到的hs通道二维分布直方图转化为概率分布形式，获得样本图像的分布概率形式直方图。
18.进一步地，所述样本图像的分布概率形式直方图中每个位置的分布概率，通过以下公式获得：
[0019][0020]
其中，h1是hs通道二维分布直方图，(x，y)是二维分布直方图中的某点坐标，max(h1)是hs通道二维分布直方图中的最大值，h
′
(x，y)是(x，y)处的分布概率，min(h1)是hs通道二维分布直方图中的最小值，h1(x，y)是(x，y)处的是hs通道二维分布直方图。
[0021]
进一步地，所述步骤二中的通过交并运算、差运算对步骤一获得的样本图像的分布概率形式直方图进行学习，获得学习后的分布概率形式直方图，具体如下：
[0022]
步骤二一、对正例样本图像的分布概率形式直方图进行交集运算，如下式：
[0023][0024]
其中，n是样本图像的分布概率形式直方图中的区块总数，j是区块标号，h
t1
(j)是第t1个正例样本图像的分布概率形式直方图中的第j个区块，h
t2
(j)是第t2个正例样本图像的分布概率形式直方图中的第j个区块；
[0025]
步骤二二、对正例样本图像的分布概率形式直方图进行并集运算，如下式：
[0026][0027]
步骤二三、将正例样本图像的分布概率形式直方图与反例样本图像的分布概率形式直方图进行差运算，如下式：
[0028][0029]
进一步地，所述步骤三中的高斯滤波算子，如下式：
[0030][0031]
其中，σ2是滤波方差，x
′
是滤波器的横轴尺寸，y
′
是滤波器的纵轴尺寸。
[0032]
进一步地，所述步骤四中的通过滑动窗口对初始识别结果中掩膜进行区域生长，获得掩膜检测结果，如下式：
[0033][0034]
其中，m(x1，y1)通过阈值筛选的待测图像掩膜，为m的非，model为掩膜检测结果，beta是超参数，x1、y1滑动窗口内像素的横纵坐标，ave是均值，std是方差。
[0035]
进一步地，
[0036]
其中，num为掩膜m内标记像素的数量，w为滑动窗口长度。
[0037]
进一步地，
[0038]
进一步地，所述步骤五中的利用步骤四获得的掩膜检测结果获得待测图像中的烟尘占比，具体为：
[0039]
步骤五一、对步骤四获得的掩膜检测结果进行腐蚀与膨胀，去除检测噪点，获得去除检测噪点后的掩膜检测结果model
′
，具体为：
[0040]
采用半径为4的线性球形算子，分别对步骤四获得的掩膜检测结果采取一次开运算与闭运算，填补图像掩膜孔洞同时清除离散点，获得model
′
；
[0041]
步骤五二、利用去除检测噪点后的掩膜检测结果model
′
获得待测图像中的烟尘占比。
[0042]
进一步地，所述步骤五二中的利用去除检测噪点后的掩膜检测结果model
′
获得待测图像中的烟尘占比，如下式：
[0043][0044]
式中，row为待测图像的行数，col为待测图像的列数，sum()是求和函数。
[0045]
本发明的有益效果为：
[0046]
本发明通过直方图反向投影方法，将识别图像转化为目标分布的概率形式，通过卷积提取局部分布概率来反应出烟尘存在概率，通过生长算法拓展烟尘检测覆盖面积，通过腐蚀膨胀对空洞、噪点进行消除，最终得到看烟尘覆盖掩膜。本发明的正例样本图像根据检测烟尘特点选取相近的烟尘样本图像；反例模板从检测现场采集不含烟尘的环境图像，无需使用大量的数据样本进行训练。本发明通过烟尘的分割与定量计算，获得了烟尘占比，从而烟尘占比量化了烟尘的扩散程度。本发明检测距离长，同时并不依赖数据集划分扬尘面积，从而提升了烟尘检测准确率。
附图说明
[0047]
图1为本发明检测案例图像；
[0048]
图2为本发明检测过程中选用的正例模板；
[0049]
图3为模板图提取hs通道后计算得到的二维直方图；
[0050]
图4为检测图像经模板直方图反向投影得到的目标分布概率图像；
[0051]
图5为掩膜原始范围、经生长后的范围、经腐蚀与膨胀操作后的范围图像；
[0052]
图6为最终检测结果图像；
[0053]
图7为本发明流程图。
具体实施方式
[0054]
具体实施方式一：如图7所示，本实施方式一种基于反向投影的施工场地烟尘检测方法具体过程为：
[0055]
步骤一、获取样本图像，从而获得样本图像的分布概率形式直方图：
[0056]
步骤一一、根据检测的环境条件、检测的烟尘类型获取样本图像，将样本图像转换为hsv数据格式，然后提取样本图像色相通道h、饱和度通道s；
[0057]
所述样本图像包括：正例样本图像h
t
、反例样本图像hf；
[0058]
所述正例样本图像为包含检测对象的样本图像，如图2所示；
[0059]
所述反例样本图像为检测环境的样本图像；
[0060]
步骤一二、将步骤一一提取出的样本图像色相通道h的范围缩放为0-360，以2为h通道单元间隔，作x轴；将饱和度通道s的范围缩放为0-255，以1为s通道间隔，作y轴，从而获得样本图像的hs通道二维分布直方图，如图3所示；
[0061]
步骤一三、将步骤一二获得到的hs通道二维分布直方图转化为概率分布形式，获得样本图像的分布概率形式直方图，如图4所示；
[0062]
每个位置的分布概率通过以下公式获得：
[0063][0064]
其中，h1是hs通道二维分布直方图，(x，y)是二维分布直方图中的某点坐标，max(h1)是hs通道二维分布直方图中的最大值，h
′
(x，y)是(x，y)处的分布概率，min(h1)是hs通道二维分布直方图中的最小值，h1(x，y)是(x，y)处的是hs通道二维分布直方图。
[0065]
步骤二、通过交并运算、差运算对步骤一获得的样本图像的分布概率形式直方图进行学习，获得学习后的分布概率形式直方图，具体如下：
[0066]
步骤二一、对正例样本图像的分布概率形式直方图进行交集运算，以提取正例样本间的共同特征，如公式(2)所示：
[0067][0068]
其中，j是区块标号，n是直方图区块总数，h
t1
(j)是第t1个正例样本图像的分布概率形式直方图中的第j个区块，h
t2
(j)是第t2个正例样本图像的分布概率形式直方图中的第j个区块；通过交集运算能够提高检测的精度，减少因环境中相近的颜色造成的干扰。
[0069]
步骤二二、对正例样本图像的分布概率形式直方图进行并集运算，以泛化检测结果，提高模型对烟雾检出的敏感度，如公式(3)所示：
[0070][0071]
并集运算能使检测模板同时具有多个正例样本图像的特征，减少漏检的情况。
[0072]
步骤二三、将正例样本图像的分布概率形式直方图与反例样本图像的分布概率形式直方图进行差运算，减少模型对环境的错误识别，提高准确率，如公式(4)所示：
[0073][0074]
其中，h
t
(j)是正例样本图像的分布概率形式直方图中的第j个区块，hf(j)是反例样本图像的分布概率形式直方图中的第j个区块。
[0075]
差运算保留了模板中与环境中不相同的色相与饱和度区间，删除了与环境相同的部分，确保了在检测过程中不受到环境的干扰。
[0076]
步骤三、通过监控、航拍等途径采集施工现场视频用于识别检测，根据识别需求对视频进行抽帧采样，获得待测图像，如图1所示；利用步骤二获得的学习后的分布概率形式
二维分布直方图对待测图像进行反向投影，获得目标概率分布矩阵p，然后利用高斯滤波算子对目标概率分布矩阵进行卷积，提取区域目标分布概率信息；
[0077]
所述高斯滤波算子，如下式：
[0078][0079]
其中，滤波方差σ2取1，滤波器半径取3。滤波器半径可根据图像分辨率及需求进行调整，滤波器半径越大，过滤噪点能力越强，准确率越高，检测范围会缩小，x
′
是滤波器的横轴尺寸，y
′
是滤波器的纵轴尺寸。
[0080]
步骤四、将步骤三获得的区域目标分布概率信息与预设阈值比较，将待测图像中概率大于预设阈值区域的图像掩膜置1，小于等于预设阈值区域的图像掩膜保持0值，获得初步识别结果；然后通过滑动窗口对初始识别结果中掩膜进行区域生长，获得掩膜检测结果，如图5-6所示；
[0081]
滑动窗口取21
×
21的矩形窗口，对图像进行拓展后计算窗口内识别目标概率的均值与方差，通过下式(6)、(7)、(8)对包含在范围内的其余像素进行掩膜生长：
[0082][0083][0084][0085]
其中，p为反向投影得到的目标分布概率，m(x1，y1)通过阈值筛选的待测图像掩膜，为m的非，即未被检测到的待测图像掩膜，w为滑动窗口当前所在像素区间，num为掩膜m内标记像素的数量；model为最终检测的掩膜结果，beta是超参数，x1、y1滑动窗口内像素的横纵坐标，ave是均值，std是方差。
[0086]
步骤五、利用步骤四获得的掩膜检测结果获得待测图像中的烟尘占比，具体为：
[0087]
步骤五一、对步骤四获得的掩膜检测结果进行腐蚀与膨胀，去除检测噪点，获得去除检测噪点后的掩膜检测结果model
′
，具体为：
[0088]
腐蚀与膨胀算子采用线性、半径为4的球形算子，分别采取一次开运算与闭运算，填补图像掩膜孔洞同时清除离散点；
[0089]
步骤五二、计算待测图像烟尘占比c，计算公式如下式(9)：
[0090][0091]
式中，row为待测图像的行数，col为待测图像的列数，model
′
是去除检测噪点后的掩膜检测结果，sum()是求和函数。
[0092]
通过设定烟尘预警阈值，来判断当前图像中是否存在扬尘、火灾等情况，同时得到烟尘占比情况。

技术特征：
个正例样本图像的分布概率形式直方图中的第j个区块，h
t2
(j)是第t2个正例样本图像的分布概率形式直方图中的第j个区块；步骤二二、对正例样本图像的分布概率形式直方图进行并集运算，如下式：步骤二三、将正例样本图像的分布概率形式直方图与反例样本图像的分布概率形式直方图进行差运算，如下式：其中，h
t
(j)是正例样本图像的分布概率形式直方图中的第j个区块，h
f
(j)是反例样本图像的分布概率形式直方图中的第j个区块。5.根据权利要求4所述的一种基于反向投影的施工场地烟尘检测方法，其特征在于：所述步骤三中的高斯滤波算子，如下式：其中，σ2是滤波方差，x'是滤波器的横轴尺寸，y'是滤波器的纵轴尺寸。6.根据权利要求5所述的一种基于反向投影的施工场地烟尘检测方法，其特征在于：所述步骤四中的通过滑动窗口对初始识别结果中掩膜进行区域生长，获得掩膜检测结果，如下式：其中，m(x1,y1)通过阈值筛选的待测图像掩膜，为m的非，model为掩膜检测结果，beta是超参数，x1、y1滑动窗口内像素的横纵坐标，ave是均值，std是方差。7.根据权利要求6所述的一种基于反向投影的施工场地烟尘检测方法，其特征在于：其中，num为掩膜m内标记像素的数量，w为滑动窗口长度。8.根据权利要求7所述的一种基于反向投影的施工场地烟尘检测方法，其特征在于：9.根据权利要求8所述的一种基于反向投影的施工场地烟尘检测方法，其特征在于：所述步骤五中的利用步骤四获得的掩膜检测结果获得待测图像中的烟尘占比，具体为：步骤五一、对步骤四获得的掩膜检测结果进行腐蚀与膨胀，去除检测噪点，获得去除检测噪点后的掩膜检测结果model
′
，具体为：采用半径为4的线性球形算子，分别对步骤四获得的掩膜检测结果采取一次开运算与闭运算，填补图像掩膜孔洞同时清除离散点，获得model
′
；步骤五二、利用去除检测噪点后的掩膜检测结果model
′
获得待测图像中的烟尘占比。10.根据权利要求9所述的一种基于反向投影的施工场地烟尘检测方法，其特征在于：
所述步骤五二中的利用去除检测噪点后的掩膜检测结果model
′
获得待测图像中的烟尘占比，如下式：式中，row为待测图像的行数，col为待测图像的列数，sum()是求和函数。

技术总结
一种基于反向投影的施工场地烟尘检测方法，涉及环境检测领域。本发明是为了解决现有烟尘检测方法还存在检测距离短、模型精度依赖训练样本量，烟尘检测样本难以获取、检测准确率低的问题。本发明包括：获取样本图像的分布概率形式直方图；通过交并、差运算学习样本图像的分布概率；获取待测图像，利用学习后的分布概率直方图对待测图像反向投影，获得目标概率分布矩阵，利用高斯滤波算子对目标概率分布矩阵卷积，提取区域目标分布概率信息；将区域目标分布概率信息与预设阈值比较，获得初步识别结果；通过滑动窗口对初始识别结果中掩膜进行区域生长，获得掩膜检测结果，从而获得待测图像中的烟尘占比。本发明用于检测施工场地的烟尘占比。烟尘占比。烟尘占比。


技术研发人员：殷允飞 陈江川 于俊鹏 马宪永 董泽蛟
受保护的技术使用者：哈尔滨工业大学
技术研发日：2023.06.30
技术公布日：2023/10/5