视频烟雾检测基于监控视频数据实现,相较于传统传感器检测方法,视频烟雾检测具有覆盖面积广、响应速度快等优点。深度神经网络目前在人脸识别、目标追踪等多方面已有了广泛的应用,利用深度神经网络进行视频烟雾检测是烟雾检测技术研究的重点内容之一。本文通过运动目标检测对视频中包含运动目标的有效帧进行提取,利用语义分割网络从有效帧图像中分割出烟雾区域,再利用视频分割算法实现对视频中烟雾的像素级追踪,最终实现视频烟雾检测系统。本文的主要研究内容如下:(1)研究基于运动目标检测的视频有效帧提取算法。本文利用背景差分法,提取视频中存在运动目标的有效帧,以避免静止帧对烟雾检测产生干扰,提升烟雾检测系统的检测速率。(2)研究基于deeplabV3+的单帧图像烟雾区域分割算法。现有的视频烟雾检测方法仅判断烟雾是否存在或标注出烟雾的大致区域,无法得到烟雾的准确轮廓。本文利用deeplabV3+语义分割网络对有效帧进行分割,能够完成烟雾的识别与定位,并为后续视频分割提供标注信息,提升烟雾检测系统的检测精度。(3)研究基于半监督学习的视频烟雾分割算法。本文在公开数据集上训练基于mobilenetV2轻量级网络的视频目标分割模型,并利用语义分割网络的结果对模型进行微调,使模型能够将烟雾从后续视频帧中分离。通过为每个场景提供定制化分割模型,来提升其对场景的适应能力以及像素级烟雾追踪的准确率。(4)设计实现视频烟雾检测系统。结合废气排放监测的实际应用需求,分析了软件的功能模块构成,采用Html5设计实现图形用户界面,核心算法通过Python实现并通过Http请求调用,最后采用Mysql作为数据库存储结果。本文对算法及系统进行了测试,验证了本视频烟雾检测系统具有较高的准确率以及对场景的适应能力,对于视频烟雾检测的研究具有一定积极意义。