具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示进一步阐述本发明。

参照图1，一种基于监控摄像头的森林防火烟雾检测方法，包括如下具体步骤：

S1，图像获取：获取视频图像作为参照图像，间隔预设时间后获取另一视频图像作为当前图像。

本步骤中，获取的视频图像是传统的网络监控摄像头发送的视频流数据得到的。首先在T1时刻获取视频图像1作为参照图像，再在间隔一定时间的T2时刻获取视频图像2作为当前图像。

在一个实施例中，本发明获取视频图像是以时间T作为时间周期进行获取，即初始时获取的视频图像作为参照图像P1，间隔时间T后获取的另一视频图像作为当前图像P2，间隔时间2T后获取新的视频图像时，将当前图像P2作为参照图像P1，新的视频图像作为新的当前图像P2；

且，T＝K*X；

其中，X为监控摄像头到监控画面中心距离，K为监控画面变化率，K可以为预设的一个阈值。

S2，相位相减：将当前图像与参照图像进行相位相减，并进行图像预处理，得到目标图像。

在一个实施例中，本步骤具体包括：

S201，将当前图像P2与参照图像P1通过图像帧差法进行相位相减，得到差分图像ΔP，即ΔP＝P2(2T)-P1(T)。

图像帧差法是一种通过对视频图像序列的两帧图像做差分运算获取运动目标轮廓的方法。当监控场景中出现异常目标运动时，两帧图像之间会出现较为明显的差别，两帧相减，求得图像对应位置像素值差的绝对值，判断其是否大于某一阈值，进而分析视频或图像序列的物体运动特性。其数学公式描述如下：

D(x，y)为两帧图像之间的差分图像，I(T2)和I(T1)分别为T2时刻和T1时刻的图像，即I(T2)为当前图像，I(T1)为参照图像，T为差分图像二值化时预设的阈值，D(x，y)＝1表示前景，D(x，y)＝0表示背景。

图像帧差法算法实现简单，程序设计复杂度低，运行速度快，动态环境自适应性强，对场景光线变化不敏感。由于本步骤中的参照图像和当前图像是之间是间隔一定时间获取的，因此也不会产生图像帧差法较为容易产生的“空洞”和“双影”现象，非常适合森林火灾监测场景中对当前图像与参照图像的差分计算。

S202，将差分图像进行图像预处理后得到目标图像。

本步骤中，预处理过程包括将差分图像进行信号放大、信号降噪、去除颗粒及连接相邻块后，得到处理后的差分图像。其中，连接相邻块是指对于差分图像中相领预设距离的两个前景块连接在一起作为一个前景块。

S203，将处理后的差分图像中的前景区域在对应的当前图像中进行提取，得到目标图像。

本步骤中，在对应的当前图像中进行提取时，提取范围为前景区域的最大矩形区域。

由于图像帧差法的前景区域可能是不规则轮廓，因此在根据前景区域进行图像提取时，采用前景区域的四个边角最大范围的矩形区域作为提取区域，最终提取得到目标图像。

S3，分类预测：通过预设的神经网络模型对目标图像进行分类预测，得到烟雾识别结果。

本步骤中的神经网络模型是预先存储在服务器中的一种分类模型，该神经网络模型是经过训练后的模型，训练时，采集多处森林火灾需要监测区域的大量图像，对采集的图像进行标注，分成训练组和测试组，对神经网络模型进行训练，调节模型内参数，使其能适用于森林火灾监测场景，最终得到训练后的神经网络模型。

该神经网络模型得到的烟雾识别结果分为是烟雾，或者不是烟雾。若烟雾识别结果是烟雾，则需要引起用户的注意，可以通过服务器进行报警提示或直接以信息的形式发送给预设人员，该信息包括当前图像对应的坐标或具体地址。

在一个实施例中，步骤S3后，包括：

在当前图像中标注目标图像对应的区域，并展示烟雾识别结果。

本实施例可以在得到烟雾识别结果后，不管结果是否是烟雾，都对当前图像通过标注醒目矩形框的形式进行展示，在当前图像上也一并展示烟雾识别结果，告知用户监控的森林区域当前情况。

在一个实施例中，参照图2，本发明的森林防火烟雾检测方法具体可以包括如下步骤：

1、获取图片1作为参照图像，间隔预设时间后获取图片2作为当前图像；

2、将当前图像与参照图像进行相位相减得到图片3作为差分图像；

3、对图片3进行信号放大，得到得到图片4，将图片4进行信号降噪、去除颗粒及连接相邻块后得到图片5；

4、在图片2中提取前景区域的最大矩形区域，得到图片6作为目标图像；

5、将图片6输入预设的神经网络模型进行分类预测，得到烟雾识别结果是烟雾；

6、将该最大矩形区域在图片2中进行醒目的标注得到图片7，将图片7进行展示。

参照图3，一种基于监控摄像头的森林防火烟雾检测系统，包括至少一个网络监控摄像头11和至少一台服务器12。网络监控摄像头11和服务器12通过内网或互联网实现无线信号连接，服务器12接收网络监控摄像头11发送的视频流数据。当网络监控摄像头11布置的较多时，可以根据森林监测地区分布的网络监控摄像头11与一台服务器12进行组合，不同森林监测地区的网络监控摄像头11与对应的一台服务器12进行无线信号连接。服务器12可以采用GPU服务器，一台GPU服务器便可接入数百路网络监控摄像头11进行识别。

每台服务器12内均设有：

图像获取模块，用于获取网络监控摄像头11发送的视频图像作为参照图像，间隔预设时间后获取网络监控摄像头11发送的另一视频图像作为当前图像；

相位相减模块，用于将当前图像与参照图像进行相位相减，并进行图像预处理，得到目标图像；

分类预测模块，用于通过预设的神经网络模型对目标图像进行分类预测，得到烟雾识别结果。

在一个实施例中，相位相减模块，包括：

帧差法单元，用于将当前图像与参照图像通过图像帧差法进行相位相减，得到差分图像；

预处理单元，用于将差分图像进行图像预处理后得到目标图像。

在一个实施例中，预处理单元：

用于将差分图像进行信号放大、信号降噪、去除颗粒及连接相邻块后，得到处理后的差分图像；将处理后的差分图像中的前景区域在对应的当前图像中进行提取，得到目标图像。

在一个实施例中，预处理单元在对应的当前图像中进行提取时，提取范围为前景区域的最大矩形区域。

在一个实施例中，每台服务器12内还设有：

结果展示模块，用于在当前图像中标注目标图像对应的区域，并展示烟雾识别结果。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。