买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜湖南云箭智能科技有限公司申请的专利一种瞬爆浓烟视觉检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118967685B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411445175.3，技术领域涉及：G06T7/00；该发明授权一种瞬爆浓烟视觉检测方法及系统是由曹美春;蔡宇设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本一种瞬爆浓烟视觉检测方法及系统在说明书摘要公布了：本发明属于计算机视觉技术领域，本发明公开了一种瞬爆浓烟视觉检测方法及系统，包括采集浓烟图像数据、时间序列图像数据和环境光线数据；对浓烟图像数据进行处理得到烟雾图像特征数据集，对时间序列图像数据进行处理得到烟雾动态变化数据集；将环境光线数据融合至烟雾图像特征数据集和烟雾动态变化数据集中，形成烟雾综合特征数据集；训练瞬爆浓烟预测模型，将烟雾综合特征数据集输入瞬爆浓烟预测模型，预测瞬爆浓烟的等级系数；对预测的瞬爆浓烟等级系数进行处理获取瞬爆浓烟危险程度；将预测的瞬爆浓烟危险程度与预设的瞬爆浓烟危险程度阈值相对比，判断是否生成火灾预警信息；有效的火灾预警和应对措施可以避免潜在的安全事故。

本发明授权一种瞬爆浓烟视觉检测方法及系统在权利要求书中公布了：1.一种瞬爆浓烟视觉检测方法，其特征在于，包括：S1、采集浓烟图像数据、时间序列图像数据和环境光线数据；S2、对浓烟图像数据进行处理得到烟雾图像特征数据集，对时间序列图像数据进行处理得到烟雾动态变化数据集；将环境光线数据融合至烟雾图像特征数据集和烟雾动态变化数据集中，形成烟雾综合特征数据集；S3、训练瞬爆浓烟预测模型，将烟雾综合特征数据集输入瞬爆浓烟预测模型，预测瞬爆浓烟的等级系数；S4、对预测的瞬爆浓烟等级系数进行处理获取瞬爆浓烟危险程度；将预测的瞬爆浓烟危险程度与预设的瞬爆浓烟危险程度阈值相对比，判断是否生成火灾预警信息；S5、烟雾控制终端根据生成的火灾预警信息，启动烟雾消防指令，对产生的瞬爆浓烟进行及时处理控制；所述浓烟图像数据包括色彩分布数据、纹理特征数据和形态特征数据；所述时间序列图像数据包括连续性图像数据、图像间烟雾变化特征数据和时间戳数据；环境光线数据包括光照强度数据、光照类型数据和光照变化数据；所述对浓烟图像数据进行处理得到烟雾图像特征数据集的方法包括：对浓烟图像数据进行处理包括对色彩分布数据、纹理特征数据和形态特征数据的处理；对色彩分布数据的处理：选取浓烟图像数据，浓烟图像数据中的每个像素点都由红色、绿色和蓝色三个颜色通道组成，三种颜色通道以不同的比例混合，三种颜色通道中的数值为0到255整数值之间；从浓烟图像数据中获取三个颜色通道的数值并组合在一起构成RGB色彩空间，将RGB色彩空间转换为LAB色彩空间；所述将RGB色彩空间浓烟图像转换为LAB色彩空间浓烟图像的过程为：通过伽马校正来消除三个颜色通道的非线性响应，使之线性化；矫正后每个通道的值为：；其中，为伽马值，通常取2.2；使用标准化的转换矩阵，将校正后的RGB值转换为XYZ值；转换公式为：；其中，、和为伽马校正后的RGB值；为转换矩阵中的系数；将XYZ值标准化，预设参考白点坐标为；XYZ标准化后的值为：；对标准化后的值应用函数，；其中，为已知数值，通常取0.008856；为标准化后的X、Y或Z分量；为当时，通过来模拟颜色通道亮区中的视觉非线性感应；为当时，通过来处理颜色通道暗区中的颜色感知不连续；用标准化且经过非线性处理的XYZ值计算LAB色彩空间的值；计算公式为：；其中，、和为标准化后的XYZ值；为LAB色彩空间中的亮度；和为LAB色彩空间中的颜色信息；对纹理特征数据的处理：将L、A和B三个通道记为、和；对于每一个通道，对图像中的每一个像素进行以下步骤：S31、对于图像中的每个像素点，将其定义为中心像素点，其在通道中的亮度值为，位置坐标为；S32、围绕中心像素点，选择个等间距的邻域像素，邻域像素点位于距离中心像素点的半径为圆周上，邻域像素点为；其中，；和和为邻域像素点的横纵坐标；对于每一个邻域像素点，与中心像素点比较亮度，比较公式为：；其中，为领域像素点与中心像素点的亮度比较；为邻域像素点的亮度大于等于中心像素点的亮度，输出为1；为邻域像素点的亮度小于中心像素点的亮度，输出为0；为每一个领域像素点；S33、对于中心像素的每个邻域像素点，应用比较公式得到的结果整合成一个位的二进制数，计算值；计算公式为：；其中，为中心像素点和邻域像素点纹理信息的一个数字编码；为在邻域内选取的邻域像素点的总数；为中心像素点到邻域像素点的距离；为邻域中点的数量；为将每个邻域像素点的比较结果位置化到一个二进制数中；对于每个通道得到的值，计算特征直方图：；其中，为直方图中第个柱，为对图像中的所有像素点进行遍历；和分别为像素在图像中的横纵坐标；和分别为图像的高度和宽度；为一个函数，用于判断坐标为的像素点的值是否等于特定的值；将L、A和B通道的特征直方图通过串联整合形成浓烟图像的纹理特征数据集；对形态特征数据的处理：对浓烟图像进行灰度化和去噪声预处理，对处理后的浓烟图像进行二值化，以分离浓烟图像中的烟雾对象和背景图像区域；通过骨架提取算法来获取浓烟图像中烟雾对象的骨架表示，基于骨架图像，提取有关浓烟对象形状特征；将处理后的色彩分布数据、纹理特征数据和形态特征数据整合形成烟雾图像特征数据集；所述对时间序列图像数据进行处理得到烟雾动态变化数据集的方法包括：通过监控摄像头定时拍摄区域内的浓烟视频图像，生成连续性图像数据；每张图像带有一个时间戳，记录拍摄时间；对收集到的烟雾图像进行灰度化处理，通过高斯滤波对图像进行去噪声处理；选择两个时间点t1和t2的图像帧；对t1和t2两个连续帧图像进行逐像素点比较，计算二者的差异值计算得到的每个像素点的差异值集合形成一个新的图像，称为差异图像；预设像素灰度值阈值，若一个像素的灰度值大于预设像素灰度值阈值，则该像素被标记为变化区域；若一个像素的灰度值小于等于预设像素灰度值阈值，则该像素被标记为非变化区域；通过阈值比较识别出烟雾动态变化区域；基于帧间差异值，提取图像间烟雾变化特征数据；图像间烟雾变化特征数据包括烟雾面积增减、烟雾扩散速度和方向；对烟雾面积增减的处理：预设差异图像中烟雾区域面积为：；其中，为在时刻的烟雾区域的面积；为差异图像中像素点的坐标；为被识别为烟雾的区域；为在烟雾区域计算面积时每个像素点所代表的数学计数单位值；两个连续帧之间面积变化量为：；其中，为时刻的烟雾区域面积；对烟雾扩散速度的处理：预设两个连续时刻和时的烟雾质心的坐标分别为和；则烟雾扩散距离为：；烟雾扩散速度为：；其中，为烟雾扩散速度；为烟雾扩散距离；对烟雾扩散方向的处理：烟雾移动方向的判定可以通过计算位移向量的方向角来计算；方向角为：；其中，为反正切函数；为位移向量横坐标；为位移向量纵坐标；位移向量横坐标为：；位移向量纵坐标为：；将处理完的连续性图像数据、图像间烟雾变化特征数据和时间戳数据组合成烟雾动态变化数据集；所述将环境光线数据融合至烟雾图像特征数据集和烟雾动态变化数据集中，形成烟雾综合特征数据集的方法包括：预设烟雾图像数据集为，烟雾动态变化数据集为，环境光线数据为，且、和在时间维度上对齐；通过多元线性回归模型来预测烟雾影响指数；多元线性回归模型为：；其中，为预测的烟雾影响指数；为烟雾图像数据集；为烟雾动态变化数据集；为环境光线数据；、、和为回归系数；为模型未能解释的变量和随机误差；通过构造目标函数来衡量多元线性回归模型预测的烟雾影响指数与实际的烟雾影响指数之间的差异；目标函数为：；其中，为目标函数；为数据点的总数量；为第个数据点的烟雾影响指数；为第个数据点的烟雾图像数据集；为第个数据点的烟雾动态变化数据集；为第个数据点的环境光线数据；通过对目标函数中的、、和为回归系数求偏导，并设置偏导数为0；；通过运算矩阵来解出上述偏导数为0的方程组来找到、、和的估计值；运算矩阵为：；其中，为一个包含所有回归系数、、和的向量；为一个运算矩阵，包含所有、和的值；为一个向量，包含所有、和的值；通过得到的回归系数、、和的估计值，量化了各个自变量、和对因变量烟雾影响指数的影响程度，从而完成烟雾综合特征数据集的构建；对构建的烟雾综合特征数据集进行标准差归一化处理，转换为均值为0和标准差为1的标准正态分布，消除数据之间的量纲影响，得到归一化后的烟雾综合特征数据集；将烟雾综合特征数据集采用密度聚类算法，识别出烟雾综合特征数据集中存在的异常值，将识别出的异常值剔除最终得到处理后的烟雾综合特征数据集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南云箭智能科技有限公司，其通讯地址为：410000 湖南省长沙市雨花区振华路199号湖南环保科技产业园创业中心101房；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。