CN108827967A - 油烟图像采集方法及油烟浓度检测与干扰排除方法 - Google Patents

Abstract

油烟图像采集方法，包括如下步骤：步骤A1，将广角镜头安装于油烟机主体上；步骤A2，将红外补光灯安装在合适的位置，调整到最佳角度使红外光打在油烟上；步骤A3，开启广角镜头采集厨房灶台油烟图像。本发明的目的在于提出油烟图像采集方法及油烟浓度检测与干扰排除方法，该采集方式几乎不受检测距离的影响，可实现油烟浓度的非接触实时检测，具有高准确度和实时性等优点。

Description

油烟图像采集方法及油烟浓度检测与干扰排除方法

技术领域

本发明涉及油烟检测技术领域，尤其涉及油烟图像采集方法及油烟浓度检测与干扰排除方法。

背景技术

现阶段针对厨房灶台油烟图像并没有现成的采集方法，而针对灶台油烟浓度现阶段采用的方法主要有红外投射法和物理检测法，但这两种方法都有不足。红外投射法对安装位置要求较高，安装不便。物理检测法对远距离检测不适用，延迟性较大。

发明内容

本发明的内容在于解决上述问题提出油烟图像采集方法及油烟浓度检测与干扰排除方法，通过采用大广角、红外补光灯配合以及窄带滤光片结合的方式采集高质量的厨房灶台油烟灰度图像。

为了达到此目的，本发明采用以下技术方案：

油烟图像采集方法，包括如下步骤：

步骤A1，将广角镜头安装于油烟机主体上；

步骤A2，将红外补光灯安装在合适的位置，调整到最佳角度使红外光打在油烟上；

步骤A3，开启广角镜头采集厨房灶台油烟图像。

更优的，所述广角镜头为对角180度的广角镜头。

更优的，广角镜头上安装有窄带滤光片。

更优的，所述步骤A3采集厨房灶台油烟图像后还进行一次预处理，将图像边缘的畸变区域裁剪之后再作为厨房灶台油烟的采集图像，之后再传给下面的图像处理单元。

更优的，使用油烟图像采集方法的油烟浓度检测与干扰排除方法，包括以下步骤：

步骤B1，实时采集灶台上方的油烟图像；

步骤B2，图像处理单元对采集到的前后帧图像进行帧差运算，得到帧差后的动态区域图像；

步骤B3，图像处理单元对帧差后的图像进行开运算，去除图像噪点；

步骤B4，利用小波变换，检测帧差图高亮区域的边缘并进行标记，将标记出的区域设为感兴趣区域；

步骤B5，利用图像平滑度和灰度值阈值综合判断的方法来排除干扰，识别出油烟运动区域；

步骤B6，对识别出的油烟区域进行灰度直方图统计，判定油烟浓度等级。

更优的，所述步骤B3中还包括以下步骤：

步骤C1，对图像进行腐蚀操作，消除图像中的噪点和细小的尖刺，断开窄小的连接；

步骤C2，对腐蚀完的图像进行膨胀操作，恢复原帧差图像上的明显特征。

更优的，所述步骤B4还包括以下步骤：

步骤D1，根据边缘的特征设定一个3*3大小的滤波器，用滤波器遍历帧差图像；

步骤D2，计算每一位置中心像素点与领域内八个像素点的灰度值与滤波器内对应的值相乘并求总和作为中心像素点的边缘检测值；

步骤D3，若所述边缘检测值与领域内超过一半的像素点灰度值相差较大，则将这一像素点判定为边缘点，并进行标记；

步骤D4，待滤波器遍历完图像后，高亮区域的边缘会被检测并标记出来，作为下一步处理的感兴趣对象。

更优的，所述步骤B5排除干扰区域包括以下步骤：

步骤E1，找出油烟区域和干扰区域的分割阈值，当感兴趣区域的灰度均值大于设定的灰度阈值时，判定感兴趣区域为可能干扰区域；当感兴趣区域的灰度均值小于设定的灰度阈值时，判定感兴趣区域为可能油烟区域；

步骤E2，在区域灰度均值的基础上，计算各感兴趣区域的平滑度，若某个感兴趣区域的方差大于设定值时，判定感兴趣区域为可能干扰区域；若某个感兴趣区域的方差小于设定值时，判定感兴趣区域为可能油烟区域；

步骤E3，当步骤D1和步骤D2都为可能油烟区域时，则判定感兴趣区域为油烟区域，其他区域都判定为干扰区域。

本发明的目的在于提出油烟图像采集方法及油烟浓度检测与干扰排除方法，该采集方式几乎不受检测距离的影响，可实现油烟浓度的非接触实时检测，具有高准确度和实时性等优点。

附图说明

图1为本发明的一个实施例的流程图；

图2为本发明的一个实施例的流程图；

图3为本发明的一个实施例的油烟区域识别的示意图。

具体实施方式

下面结合附图并通过具体实施例方式来进一步说明本发明的技术方案。

如图1所示，油烟图像采集方法，包括如下步骤：

步骤A1，将广角镜头安装于油烟机主体上；

步骤A2，将红外补光灯安装在合适的位置，调整到最佳角度使红外光打在油烟上；

步骤A3，开启广角镜头采集厨房灶台油烟图像。

更进一步的说明，所述广角镜头为对角180度的广角镜头。为了能获取较全的厨房灶台油烟图像，采用较大广角的镜头，镜头的广角越大，采集到的灶台油烟信息越多，但同时图像中的无效(干扰)信息(如色彩、倒影、反光、畸变、噪点等)也会增多。

更进一步的说明，广角镜头上安装有窄带滤光片。为了排除倒影、反光对采集高质量灶台油烟图像的干扰，采用窄带滤光片，虑去大部分自然光，这样几乎就把外界环境光和倒影等干扰全部过滤掉了。这样采集到的图像为近黑色图像，这时搭配相应波长的红外补光灯，将补光灯安放在合适的位置，调整到最佳角度将红外光打在油烟上。在纯净的红外光的照射下，配有窄带滤光片的镜头可以捕捉到非常明显的厨房灶台油烟。

更进一步的说明，所述步骤A3采集厨房灶台油烟图像后还进行一次预处理，将图像边缘的畸变区域裁剪之后再作为厨房灶台油烟的采集图像，之后再传给下面的图像处理单元。广角镜头采集到的图像边缘处畸变明显，这一块的图像被压缩，丢失了大量的有效信息。为了排除广角镜头的畸变对采集到的图像以及后续图像处理的影响，本发明对采集到的厨房灶台油烟图像先进行一次预处理，将图像边缘畸变区域裁剪之后再作为厨房灶台油烟的采集图像，之后再传给下面的图像处理单元。

更进一步的说明，如图2所示，使用油烟图像采集方法的油烟浓度检测与干扰排除方法，包括以下步骤：

步骤B1，实时采集灶台上方的油烟图像；

步骤B2，图像处理单元对采集到的前后帧图像进行帧差运算，得到帧差后的动态区域图像；

步骤B3，图像处理单元对帧差后的图像进行开运算，去除图像噪点；

步骤B4，利用小波变换，检测帧差图高亮区域的边缘并进行标记，将标记出的区域设为感兴趣区域；

步骤B5，利用图像平滑度和灰度值阈值综合判断的方法来排除干扰，识别出油烟运动区域；

步骤B6，对识别出的油烟区域进行灰度直方图统计，判定油烟浓度等级。

所述步骤B2中图像处理单元会根据接收到的灰度图像的先后顺序，利用后一帧图像与前一帧图像做差。由于前后两帧图像中静态区域是不变的，动态区域(例如油烟飘散，人手挥动等)是变化的，所以帧差后静态区域呈现黑色，动态区域帧差后表现为边缘模糊的高亮区域，所以通过帧差可以得到动态区域高亮的帧差图像。

更进一步的说明，所述步骤B3中还包括以下步骤：

步骤C1，对图像进行腐蚀操作，消除图像中的噪点和细小的尖刺，断开窄小的连接；

步骤C2，对腐蚀完的图像进行膨胀操作，恢复原帧差图像上的明显特征。

利用开运算的方法去除帧差图像的噪点，具体操作是，先腐蚀再膨胀。先对图像进行腐蚀操作，可以消除图像中的噪点和细小的尖刺，断开窄小的连接。膨胀是腐蚀的对偶操作，对腐蚀完的图像进行膨胀操作，恢复原帧差图像上的明显特征。利用开运算可以消除图像噪点，在纤细点处分离物体，平滑较大的物体边界，同时可以保证原来图像中高亮区域的面积基本不变，保证后续检测的准确性不受影响。

更进一步的说明，所述步骤B4还包括以下步骤：

步骤D1，根据边缘的特征设定一个3*3大小的滤波器，用滤波器遍历帧差图像；

步骤D2，计算每一位置中心像素点与领域内八个像素点的灰度值与滤波器内对应的值相乘并求总和作为中心像素点的边缘检测值；

步骤D3，若所述边缘检测值与领域内超过一半的像素点灰度值相差较大，则将这一像素点判定为边缘点，并进行标记；

步骤D4，待滤波器遍历完图像后，高亮区域的边缘会被检测并标记出来，作为下一步处理的感兴趣对象。

更进一步的说明，所述步骤B5排除干扰区域包括以下步骤：

步骤E1，找出油烟区域和干扰区域的分割阈值，当感兴趣区域的灰度均值大于设定的灰度阈值时，判定感兴趣区域为可能干扰区域；当感兴趣区域的灰度均值小于设定的灰度阈值时，判定感兴趣区域为可能油烟区域；

步骤E2，在区域灰度均值的基础上，计算各感兴趣区域的平滑度，若某个感兴趣区域的方差大于设定值时，判定感兴趣区域为可能干扰区域；若某个感兴趣区域的方差小于设定值时，判定感兴趣区域为可能油烟区域；

步骤E3，当步骤D1和步骤D2都为可能油烟区域时，则判定感兴趣区域为油烟区域，其他区域都判定为干扰区域。

因为人在做菜操作时，手会一直挥动，帧差完之后的图像中会包含油烟和人手操作等运动物体的干扰区域，在进行油烟浓度识别之前需要排除干扰区域的影响，但是油烟的运动方向具有随机性，人手、锅铲的运动方向相对明确，从而如图3所示：A、帧差后的图像上油烟运动区域比人手、锅铲运动区域的亮度低，所以相应的油烟区域的灰度值均值也低于人手、锅铲的运动区域的灰度均值；B、帧差后的图像上油烟运动区域的灰度值分布较集中，而人手、锅铲的运动区域边界的灰度值较区域的中心区域跳跃较大，所以该区域的图像不够平滑，对应的灰度值的方差较大。根据A所述的特征，我们进行大量的试验，找出油烟区域和干扰区域的分割阈值，当感兴趣区域的灰度均值大于设定的灰度阈值时，判定该区域为可能干扰区域；当感兴趣区域的灰度均值小于设定的灰度阈值时，判定该区域为可能油烟区域。根据B所述的特征，在区域灰度均值的基础上，计算各感兴趣区域的平滑度，本发明中用灰度值方差表示，若某个感兴趣区域的方差大于设定值时，判定该区域为可能干扰区域；若某个感兴趣区域的方差小于设定值时，判定该区域为可能油烟区域。只有当两次判断(灰度均值和方差)都为可能油烟区域时，则判定该区域为油烟区域，其他感兴趣区域都判定为干扰区域。完成油烟区域的识别和干扰区域的排除。

本发明利用灰度直方图统计的方法，划定油烟浓度等级。灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。根据需要划分的浓度等级数量，可取10为区间长度，统计每个灰度区间内的像素点个数，达到设定的等级划分方案则划分油烟为相应的浓度等级。

以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (8)

1.油烟图像采集方法，其特征在于，包括如下步骤：

步骤A1，将广角镜头安装于油烟机主体上；

步骤A2，将红外补光灯安装在合适的位置，调整到最佳角度使红外光打在油烟上；

步骤A3，开启广角镜头采集厨房灶台油烟图像。

2.根据权利要求1所述的油烟图像采集方法，其特征在于：所述广角镜头为对角180度的广角镜头。

3.根据权利要求1所述的油烟图像采集方法，其特征在于：广角镜头上安装有窄带滤光片。

4.根据权利要求1所述的油烟图像采集方法，其特征在于：所述步骤A3采集厨房灶台油烟图像后还进行一次预处理，将图像边缘的畸变区域裁剪之后再作为厨房灶台油烟的采集图像，之后再传给下面的图像处理单元。

5.根据权利要求1-4中任意一项所述的使用油烟图像采集方法的油烟浓度检测与干扰排除方法，其特征在于，包括以下步骤：

步骤B1，实时采集灶台上方的油烟图像；

步骤B2，图像处理单元对采集到的前后帧图像进行帧差运算，得到帧差后的动态区域图像；

步骤B3，图像处理单元对帧差后的图像进行开运算，去除图像噪点；

步骤B4，利用小波变换，检测帧差图高亮区域的边缘并进行标记，将标记出的区域设为感兴趣区域；

步骤B5，利用图像平滑度和灰度值阈值综合判断的方法来排除干扰，识别出油烟运动区域；

步骤B6，对识别出的油烟区域进行灰度直方图统计，判定油烟浓度等级。

6.根据权利要求5所述的油烟浓度检测与干扰排除方法，其特征在于：所述步骤B3中还包括以下步骤：

步骤C1，对图像进行腐蚀操作，消除图像中的噪点和细小的尖刺，断开窄小的连接；

步骤C2，对腐蚀完的图像进行膨胀操作，恢复原帧差图像上的明显特征。

7.根据权利要求5所述的油烟浓度检测与干扰排除方法，其特征在于：所述步骤B4还包括以下步骤：

步骤D1，根据边缘的特征设定一个3*3大小的滤波器，用滤波器遍历帧差图像；

步骤D2，计算每一位置中心像素点与领域内八个像素点的灰度值与滤波器内对应的值相乘并求总和作为中心像素点的边缘检测值；

步骤D3，若所述边缘检测值与领域内超过一半的像素点灰度值相差较大，则将这一像素点判定为边缘点，并进行标记；

步骤D4，待滤波器遍历完图像后，高亮区域的边缘会被检测并标记出来，作为下一步处理的感兴趣对象。

8.根据权利要求5所述的油烟浓度检测与干扰排除方法，其特征在于：所述步骤B5排除干扰区域包括以下步骤：

步骤E1，找出油烟区域和干扰区域的分割阈值，当感兴趣区域的灰度均值大于设定的灰度阈值时，判定感兴趣区域为可能干扰区域；当感兴趣区域的灰度均值小于设定的灰度阈值时，判定感兴趣区域为可能油烟区域；

步骤E2，在区域灰度均值的基础上，计算各感兴趣区域的平滑度，若某个感兴趣区域的方差大于设定值时，判定感兴趣区域为可能干扰区域；若某个感兴趣区域的方差小于设定值时，判定感兴趣区域为可能油烟区域；

步骤E3，当步骤D1和步骤D2都为可能油烟区域时，则判定感兴趣区域为油烟区域，其他区域都判定为干扰区域。