CN109028226A - 基于双区域图像采集进行油烟浓度判断的油烟机 - Google Patents

Abstract

一种基于双区域图像采集进行油烟浓度判断的油烟机，一种基于双区域图像采集进行风速调节的油烟机，视觉成像模块设置有180°广角镜头的相机；图像处理模块通过人体模板成像比对判断成像图片的检测区域中是否有人体，如果有检测区域中存在人体则舍弃对应时刻的成像图片，以保留的检测区域中没有人体的成像图片作为初始成像图片，根据初始成像图片进行处理得到油烟浓度信息，将油烟浓度信息输送至风速控制模块。本发明通过180°广角镜头，可以实现对灶台区域及人体工作区域进行成像，图像处理模块对检测区域内存在人体的成像图片进行排除，并以排除人体的初始图片为基础进行油烟浓度判断，根据油烟浓度结果控制风速调节器，具有结果准确，油烟抽吸效果良好的特点。

Description

基于双区域图像采集进行油烟浓度判断的油烟机

技术领域

本发明涉及厨房油烟处理技术领域，特别是涉及一种基于双区域图像采集进行油烟浓度判断的油烟机。

背景技术

厨房是居家必备的配置之一，厨房油烟处理的效果直接影响人们的生活品质。传统吸抽油烟机对风速的控制主要是通过物理按键实现，该方法通过人为操控实现抽油烟机风速调节。此种方法在实际操作中有多种缺点：1.烟雾等级区分不明确，人为操作多会调节大功率防止大烟雾出现，故而造成电力资源极大浪费；2.人为调节抽油烟机风速会有延迟，影响操作体验。

现有自动调速抽油烟机实现了抽油烟机性能上的一大进步，多基于非视觉烟雾检测装置，可判断烟雾检测装置附近烟雾浓度，但该方法无法对整个灶台进行烟雾识别，无法确定烟雾范围，而且对水汽不敏感，故而造成对很小范围但浓度高的烟雾使用最大功率，产生虚警、误报、错报等情况，同时对水汽检测效果较差。

申请人研发针对油烟图像识别判断烟雾情况，为确保油烟图像识别的准确性，需要对油烟及作为干扰的人体进行分辨，得到准确的烟雾区域信息。

因此，针对现有技术不足，提供一种基于双区域图像采集进行油烟浓度判断的油烟机以克服现有技术不足甚为必要。

发明内容

本发明的目的在于避免现有技术的不足之处而提供一种基于双区域图像采集进行油烟浓度判断的油烟机，能够根对灶台区域和上部的外侧人体移动区域进行成像，对检测区域内存在人体的成像图片进行排除，以排除存在人体的初始图片为基础进行油烟浓度检测，根据烟雾浓度情况控制风速调节器进行风速调节。

本发明的目的通过以下技术措施实现。

提供一种基于双区域图像采集进行油烟浓度判断的油烟机，烟机主体设置有：

视觉成像模块，对目标区域进行连续成像，并将成像图片的视频流信息发送至处理模块；视觉成像模块设置有相机，所述相机内置于烟机主体的外壳，所述相机装配有180°广角镜头，180°广角镜头的一部分视觉区域覆盖灶台区域，180°广角镜头的一部分视觉区域覆盖灶台上方外侧的人体工作区域；

图像处理模块，接收视觉成像模块发送的成像图片的视频流信息，通过人体模板匹配的方式判断成像图片的检测区域中是否有人体，如果有检测区域中存在人体则舍弃对应时刻的成像图片，以保留的检测区域中没有人体的成像图片作为初始成像图片，根据初始成像图片进行处理得到油烟浓度信息，将油烟浓度信息输送至风速控制模块；

风速控制模块，根据处理模块发送的油烟浓度信息控制风速调节器进行风速调节。

优选的，所述视觉成像模块还设置有补光灯，补光灯的照射区域覆盖相机的成像视野范围，所述补光灯的光源波长为850-980nm。

优选的，所述补光灯为红外补光灯。

优选的，红外补光灯的光源波长为940nm，红外补光灯的功率为6w。

优选的，补光灯固定于烟机主体的外壳或者分布于相机两侧或者分布于相机周围或者补光灯与相机集成于一体或者补光灯设置为不在烟机主体、位于相机周围的位置。

优选的，图像处理模块以成像设备采集的成像图片作为基础进行处理，成像图片为灰度图，所采集的成像图片被序列化，将当前成像图片与人体模板图像进行匹配，判断当前成像图片中是否存在人体目标区域，若当前成像图片与人体模板图像匹配，则判定烟机下方存在人体，否则判定烟机下方没有人体；

当检测到当前成像图片存在人体目标区域时，将当前成像图片舍弃。

优选的，所述人体模板图像预先建立并存储于油烟机的处理模块。

优选的，人体模板图像包括多种姿态动作的人体模板图像。

优选的，图像处理模块以初始成像图片作为基础进行处理，所采集的初始成像图片被序列化，依次通过后帧的初始成像图片与前帧的初始成像图片进行处理，得到各个后帧初始成像图片所处时刻的当前厨房油烟浓度；

每次通过后帧的初始成像图片与前帧的初始成像图片进行处理，得到后帧初始成像图片所处时刻的当前厨房油烟浓度的步骤过程如下：

(1)将后帧的初始成像图片与前帧的初始成像图片进行帧差处理得到帧差图像；

(2)以开运算方式对帧差图像进行去噪处理，得到去噪图像；

(3)对去噪图像进行边缘检测，标记运动区域作为初始感兴趣区域；

(4)对初始感兴趣区域进行灰度均值计算和区域平滑度计算，将同时满足灰度均值和平滑度要求的区域作为下一步感兴趣区域，其它的区域作为干扰排除；

(5)对步骤(4)提取出的感兴趣区域分别进行统计，根据统计结果划分油烟浓度等级。

优选的，步骤(1)中，对采集到的初始成像图片进行帧差操作得到帧差图像具体是：图像处理模块根据接收到的初始成像图片的先后顺序，将后一帧图像与前一帧图像做差，得到动态区域高亮的帧差图像；

所述步骤(2)对帧差图像采用开运算进行去噪处理，得到去噪图像，具体通过如下方式进行：先对帧差图像进行腐蚀操作，以消除图像中的噪点和细小尖刺，断开窄小的连接；再对腐蚀后的图像进行膨胀操作，恢复原帧差图像中的烟雾特征；

所述步骤(3)对去噪图像进行边缘检测，标记运动区域作为初始感兴趣区域，具体是：检测帧差图像高亮区域的边缘并进行标记，将标记出的区域作为初始感兴趣区域；

所述步骤(4)具体是对每个初始感兴趣区域进行灰度均值、区域平滑度计算，得到每个初始感兴趣区域对应的灰度均值和灰度平滑度，将同时满足计算得到的灰度均值小于灰度阈值、灰度平滑度小于灰度平滑度阈值的初始感兴趣区域作为感兴趣区域，将其它初始感兴趣区域判定为干扰区域；

步骤(5)，对步骤(4)提取出的感兴趣区域分别进行灰度直方图统计，根据统计结果划分油烟浓度等级，具体是：

将感兴趣区域图像中的所有像素，按照灰度值的大小，统计其出现的频率；

再根据需要划分的浓度等级数量，统计每个灰度区间内的像素点个数，每个灰度区间内的像素点个数对应划分油烟为相应的浓度等级。

本发明的基于双区域图像采集进行油烟浓度判断的油烟机，烟机主体设置有：视觉成像模块，对目标区域进行连续成像，并将成像图片的视频流信息发送至处理模块；视觉成像模块设置有相机，所述相机内置于烟机主体的外壳，所述相机装配有180°广角镜头，180°广角镜头的一部分视觉区域覆盖灶台区域，180°广角镜头的一部分视觉区域覆盖灶台上方外侧的人体工作区域；图像处理模块，接收视觉成像模块发送的成像图片的视频流信息，通过人体模板匹配的方式判断成像图片的检测区域中是否有人体，如果有检测区域中存在人体则舍弃对应时刻的成像图片，以保留的检测区域中没有人体的成像图片作为初始成像图片，根据初始成像图片进行处理得到油烟浓度信息，将油烟浓度信息输送至风速控制模块；风速控制模块，根据处理模块发送的油烟浓度信息控制风速调节器进行风速调节。通过180°广角镜头，可以实现对灶台区域及人体工作区域进行成像，图像处理模块对检测区域内存在人体的成像图片进行排除，并以排除人体的初始图片为基础进行油烟浓度判断，根据油烟浓度结果控制风速调节器，具有结果准确，油烟抽吸效果良好的特点。

说明书附图

利用附图对本发明作进一步的说明，但附图中的内容不构成对本发明的任何限制。

图1是通过本发明一种基于双区域图像采集进行油烟浓度判断的油烟机的结构示意图。

图2是图1的另一角度的结构示意图。

在图1、图2中，包括：

烟机主体100、相机200、补光灯300、灶台400、人体工作区域500。

具体实施方式

结合以下实施例对本发明作进一步说明。

实施例1。

一种基于双区域图像采集进行油烟浓度判断的油烟机，如图1、图2所示，烟机主体100设置有：

视觉成像模块，装配于烟机主体，对目标区域进行连续成像，并将成像图片的视频流信息发送至处理模块。视觉成像模块设置有相机200，相机200内置于烟机主体100的外壳，相机装配有180°广角镜头，180°广角镜头的一部分视觉区域覆盖灶台400区域，180°广角镜头的一部分视觉区域覆盖灶台上方外侧的人体工作区域500。通过180°广角镜头，可以实现对灶台400区域及人体工作区域500进行成像，为油烟机处理模块提供了较宽广区域的成像信息。

图像处理模块，接收视觉成像模块发送的成像图片的视频流信息，通过人体模板匹配的方式判断成像图片的检测区域中是否有人体，如果有检测区域中存在人体则舍弃对应时刻的成像图片，以保留的检测区域中没有人体的成像图片作为初始成像图片，根据初始成像图片进行处理得到油烟浓度信息，将油烟浓度信息输送至风速控制模块。

风速控制模块，根据处理模块发送的油烟浓度信息控制风速调节器进行风速调节。

视觉成像模块进行目标区域成像，决定成像图片效果。视觉成像模块还设置有补光灯300，补光灯的照射区域覆盖相机的成像视野范围。补光灯的光源波长优选为850-980nm。

补光灯的设置，可在相机200成像时对成像区域进行照射，补光灯300可以让烟雾特征更加明显，在视觉中容易检测。没有补光灯300照射条件下烟雾特征不明显。需要说明的是，补光灯优选红外补光灯，当然也可以为其它的补光灯。本实施例中，补光灯的位置分布于相机两侧，补光灯也可以分布于相机周围，也可以与相机集成到一起，也可以设置为不在烟机主体、位于相机周围的其它位置。

此外，相机还装配有设置有防水、防雾、防油烟镜片，以适应厨房的油烟环境。

本实施例中视觉成像模块装配于烟机主体，需要说明的是，视觉成像模块的安装位置不局限于本实施例中烟机主体，也可以装配于者烟机安装的墙壁或者装配于灶台周围或者设置于其它烟机主体的周围位置，只要能够满足视觉成像模块能够对灶台对应位置的目标区域成像即可。

该基于双区域图像采集进行油烟浓度判断的油烟机，相机装配有180°广角镜头，180°广角镜头的一部分视觉区域覆盖灶台区域，180°广角镜头的一部分视觉区域覆盖灶台上方外侧的人体工作区域，可以实现对灶台区域及人体工作区域进行成像，为油烟机处理模块进行人体判断提供了重要信息。

图像处理模块以成像设备采集的成像图片作为基础进行处理，成像图片为灰度图，所采集的成像图片被序列化，将当前成像图片与人体模板图像进行匹配，判断当前成像图片中是否存在人体目标区域，若当前成像图片与人体模板图像匹配，则判定烟机下方存在人体，否则判定烟机下方没有人体；

当检测到当前成像图片存在人体目标区域时，将当前成像图片舍弃。

其中，人体模板图像预先建立并存储于油烟机的处理模块，人体模板图像包括多种姿态动作的人体模板图像。

排除检测区域有人体的成像图片后，基于没有人体的初始成像图片为基础进行厨房油烟浓度判断。

图像处理模块以初始成像图片作为基础进行处理，所采集的初始成像图片被序列化，依次通过后帧的初始成像图片与前帧的初始成像图片进行处理，得到各个后帧初始成像图片所处时刻的当前厨房油烟浓度；

每次通过后帧的初始成像图片与前帧的初始成像图片进行处理，得到后帧初始成像图片所处时刻的当前厨房油烟浓度的步骤过程如下：

(1)将后帧的初始成像图片与前帧的初始成像图片进行帧差处理得到帧差图像；

(2)以开运算方式对帧差图像进行去噪处理，得到去噪图像；

(3)对去噪图像进行边缘检测，标记运动区域作为初始感兴趣区域；

(4)对初始感兴趣区域进行灰度均值计算和区域平滑度计算，将同时满足灰度均值和平滑度要求的区域作为下一步感兴趣区域，其它的区域作为干扰排除；

(5)对步骤(4)提取出的感兴趣区域分别进行统计，根据统计结果划分油烟浓度等级。

具体的，步骤(1)中，对采集到的初始成像图片进行帧差操作得到帧差图像具体是：图像处理模块根据接收到的初始成像图片的先后顺序，将后一帧图像与前一帧图像做差，得到动态区域高亮的帧差图像；

所述步骤(2)对帧差图像采用开运算进行去噪处理，得到去噪图像，具体通过如下方式进行：先对帧差图像进行腐蚀操作，以消除图像中的噪点和细小尖刺，断开窄小的连接；再对腐蚀后的图像进行膨胀操作，恢复原帧差图像中的烟雾特征；

所述步骤(3)对去噪图像进行边缘检测，标记运动区域作为初始感兴趣区域，具体是：检测帧差图像高亮区域的边缘并进行标记，将标记出的区域作为初始感兴趣区域；

所述步骤(4)具体是对每个初始感兴趣区域进行灰度均值、区域平滑度计算，得到每个初始感兴趣区域对应的灰度均值和灰度平滑度，将同时满足计算得到的灰度均值小于灰度阈值、灰度平滑度小于灰度平滑度阈值的初始感兴趣区域作为感兴趣区域，将其它初始感兴趣区域判定为干扰区域；

步骤(5)，对步骤(4)提取出的感兴趣区域分别进行灰度直方图统计，根据统计结果划分油烟浓度等级，具体是：

将感兴趣区域图像中的所有像素，按照灰度值的大小，统计其出现的频率；

再根据需要划分的浓度等级数量，统计每个灰度区间内的像素点个数，每个灰度区间内的像素点个数对应划分油烟为相应的浓度等级。

本发明的油烟浓度检测方法，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。

处理模块可以选择型号为STM32的芯片，风速控制模块的具体结构为本领域公知常识，在此不再一一赘述。

本发明通过180°广角镜头，可以实现对灶台区域及人体工作区域进行成像，图像处理模块对检测区域内存在人体的成像图片进行排除，并以排除人体的初始图片为基础进行油烟浓度判断，根据油烟浓度结果控制风速调节器，具有结果准确，油烟抽吸效果良好的特点。

实施例2。

一种基于双区域图像采集进行油烟浓度判断的油烟机，其它特征与实施例1相同，不同之处在于：补光灯为红外补光灯，红外补光灯的光源波长为940nm，红外补光灯的功率为6w。

红外灯的设置，可在相机成像时对成像区域进行照射，红外补光灯可以让烟雾特征更佳明显，在视觉中更容易检测。没有红外补光灯照射条件下烟雾特征不明显。红外补光灯的通断可通过继电器控制，继电器与处理模块电连接并通过处理模块控制。实验发现，采用红外补光灯效果最好。

实施例3。

一种基于双区域图像采集进行油烟浓度判断的油烟机，其它特征与实施例1相同，本实施中的油烟浓度判断具体通过如下进行。

每次通过后帧的初始图像与前帧的初始图像进行处理，得到后帧初始图像所处时刻的当前厨房油烟浓度的步骤过程如下：

(1)将后帧的初始图像与前帧的初始图像进行帧差处理得到帧差图像；

(2)以开运算方式对帧差图像进行去噪处理，得到去噪图像；

(3)对去噪图像进行边缘检测，标记运动区域作为初始感兴趣区域；

(4)对初始感兴趣区域进行灰度均值计算和区域平滑度计算，将同时满足灰度均值和平滑度要求的区域作为下一步感兴趣区域，其它的区域作为干扰排除；

(5)对步骤(4)提取出的感兴趣区域分别进行统计，根据统计结果划分油烟浓度等级。统计方法可以为灰度直方图统计，也可以选择其他统计方法。

步骤(1)中，对采集到的初始图像进行帧差操作得到帧差图像具体是：图像处理单元根据接收到的初始图像的先后顺序，将后一帧图像与前一帧图像做差，得到动态区域高亮的帧差图像。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，故通过帧差可以得到动态区域高亮的帧差图像。

成像设备采集的目标区域以区域S表示，任意一帧初始图像为对应区域S的成像；初始图像由m*n个像素构成。

后帧初始图像A的像素的灰度值以矩阵AH表示，AH＝{ah_i,j}，ah_i,j代表后帧初始图像A中第i行、第j列像素对应的灰度值，i为像素所在的行，j为像素所在的列，1≤i≤m，1≤j≤n；后帧初始图像A中第i行、第j列像素所在的子区域为AS_i,j。

前帧初始图像B的像素的灰度值以矩阵BH表示，BH＝{bh_i,j}，bh_i,j代表前帧初始图像B中第i行、第j列像素对应的灰度值，前帧初始图像B中第i行、第j列像素所在的子区域为BS_i,j。

帧差图像D的像素灰度值以矩阵DH表示，DH＝{dh_i,j}＝{|ah_i,j-bh_i,j|}，dh_i,j代表帧差图像D中第i行、第j列像素对应的灰度值，帧差图像D中第i行、第j列像素所在的子区域为DS_i,j；

在帧差图像中，|dh_i,j|＝0的区域，呈黑色；|dh_i,j|≠0的区域呈高亮显示。

帧差操作后，进入步骤(2)。对帧差图像采用开运算进行去噪处理，得到去噪图像，具体通过如下方式进行：先对帧差图像进行腐蚀操作，以消除图像中的噪点和细小尖刺，断开窄小的连接；再对腐蚀后的图像进行膨胀操作，恢复原帧差图像中的明显特征。

步骤(2)中对帧差图像进行腐蚀操作，具体包括如下步骤：

2-11，任意定义一个卷积核θ；

2-12，将卷积核θ与帧差图像进行卷积；在卷积核θ遍历帧差图像时，提取卷积核所覆盖区域内卷积结果的像素灰度最小值p以及与卷积核中心重合的像素点C；

像素点C的灰度通过矩阵CH＝{c_k,q}表示，k、q为像素点C的行序号和列序号，

获得在卷积核θ遍历帧差图像过程中得到的卷积结果最小值像素点矩阵P，最小值像素点矩阵P的灰度通过矩阵PH＝{p_k,q}表示；

2-13将像素点矩阵P的灰度对应赋予像素点C，得到腐蚀图像。

步骤(2)中对腐蚀图像进行膨胀操作，具体包括如下步骤：

2-21，任意定义一个卷积核β；

2-22，将卷积核β与腐蚀图像进行卷积；在卷积核β遍历腐蚀图像时，提取卷积核所覆盖区域内卷积结果的像素灰度最大值o以及与卷积核中心重合的像素点R；

像素点R的灰度通过矩阵RH＝{r_l,v}表示，l、v为像素点R的行序号和列序号，

获得在卷积核β遍历腐蚀图像过程中得到的卷积结果最大值像素点矩阵O，最大值像素点矩阵O的灰度通过矩阵OH＝{o_l,v}表示；

2-13将最大值像素点矩阵O的灰度对应赋予像素点R，得到膨胀图像，得到的膨胀图像即为去噪图像。

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，同时也可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。

步骤(3)对去噪图像进行边缘检测，标记运动区域作为初始感兴趣区域，具体是：利用小波变换，检测帧差图像高亮区域的边缘并进行标记，将标记出的区域作为初始感兴趣区域。

由于图像边缘的灰度值与相邻像素点的灰度值会产生较大的灰度值梯度，根据边缘的这一特征，设定一个滤波器，用该滤波器遍历帧差图像。步骤(3)通过如下步骤进行：

3-1，定义一个滤波器Y，滤波器为t*t矩阵，t为奇数。滤波器选择奇数矩阵，以确保只有一个中心点，优选3*3矩阵，具有计算量小的特点。

3-2，使滤波器Y遍历去噪图像，计算滤波器在每一位置处的中心像素点所在的去噪图像的灰度值以及中心像素点邻域内其它像素点的灰度值，并根据公式(Ⅰ)计算滤波器在每一位置处的中心像素点的边缘检测值X_z，z为滤波器Y遍历去噪图像时的标记，

f、g为为像素点的矩阵序号，1≤f≤t，1≤g≤t，e为滤波器在每一位置处的像素点所在的去噪图像的灰度值；α为权重系数，与滤波器位置相对应。

3-3，将滤波器在每一位置处的中心像素点边缘检测值X_z与中心像素点邻域的其它像素点的灰度值相减，并判断差值的绝对值是否大于阈值Δ；

统计大于阈值的数量，如果数量超过判定滤波器所处位置的中心像素点对应的去噪图像的像素点位置为边缘点，并进行标记；

3-4，滤波器遍历完整个去噪图像，得到所有标记的边缘点，获得初步感兴趣区域。

因为人在做菜操作时，手会一直在挥动，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，这也是本发明专利的难点所在。

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且特征不同，在数值上表现就是灰度值差异较大，从而：

1)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、锅铲运动区域的灰度均值；

2)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。

利用这两个特性，步骤(4)具体是对每个初始感兴趣区域进行灰度均值、区域平滑度计算，得到每个初始感兴趣区域对应的灰度均值和灰度平滑度，将同时满足计算得到的灰度均值小于灰度阈值、灰度平滑度小于灰度平滑度阈值的初始感兴趣区域作为感兴趣区域，将其它初始感兴趣区域判定为干扰区域。

灰度阈值、灰度平滑度阈值的量值可以根据具体需要灵活设置，在此不再赘述。步骤(4)完成油烟区域的识别和干扰区域的排除。

步骤(5)中对步骤(4)提取出的感兴趣区域分别进行灰度直方图统计，根据统计结果划分油烟浓度等级，具体是：

将感兴趣区域图像中的所有像素，按照灰度值的大小，统计其出现的频率；

再根据需要划分的浓度等级数量，取10为区间长度，统计每个灰度区间内的像素点个数，每个灰度区间内的像素点个数对应划分油烟为相应的浓度等级。

需要说明的是，区间长度的选择不局限于10，也可以选择其他数量。

油烟浓度的划分标准可以具体设定，如设置浓烟、中等烟或者低烟等，具体数值以实际需求为准，在此不再赘述。

本实施例的厨房油烟浓度检测方法，提供了一种区别于红外投射法和物理检测法的一种油烟浓度检测方法。该基于图像处理的厨房油烟浓度检测方法，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。油烟浓度信息发送到风速控制模块，根据处理模块发送的油烟浓度信息控制风速调节器进行风速调节，能够精确调节风速情况，有效进行油烟抽吸。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (10)

1.一种基于双区域图像采集进行油烟浓度判断的油烟机，其特征在于，

烟机主体设置有：

视觉成像模块，对目标区域进行连续成像，并将成像图片的视频流信息发送至处理模块；视觉成像模块设置有相机，所述相机内置于烟机主体的外壳，所述相机装配有180°广角镜头，180°广角镜头的一部分视觉区域覆盖灶台区域，180°广角镜头的一部分视觉区域覆盖灶台上方外侧的人体工作区域；

图像处理模块，接收视觉成像模块发送的成像图片的视频流信息，通过人体模板匹配的方式判断成像图片的检测区域中是否有人体，如果有检测区域中存在人体则舍弃对应时刻的成像图片，以保留的检测区域中没有人体的成像图片作为初始成像图片，根据初始成像图片进行处理得到油烟浓度信息，将油烟浓度信息输送至风速控制模块；

风速控制模块，根据处理模块发送的油烟浓度信息控制风速调节器进行风速调节。

2.根据权利要求1所述的基于双区域图像采集进行油烟浓度判断的油烟机，其特征在于，所述视觉成像模块还设置有补光灯，补光灯的照射区域覆盖相机的成像视野范围，所述补光灯的光源波长为850-980nm。

3.根据权利要求2所述的基于双区域图像采集进行油烟浓度判断的油烟机，其特征在于，所述补光灯为红外补光灯。

4.根据权利要求3所述的基于双区域图像采集进行油烟浓度判断的油烟机，其特征在于，红外补光灯的光源波长为940nm，红外补光灯的功率为6w。

5.根据权利要求2至4任意一项所述的基于双区域图像采集进行油烟浓度判断的油烟机，其特征在于，补光灯固定于烟机主体的外壳或者分布于相机两侧或者分布于相机周围或者补光灯与相机集成于一体或者补光灯设置为不在烟机主体、位于相机周围的位置。

6.根据权利要求1所述的基于双区域图像采集进行油烟浓度判断的油烟机，其特征在于，图像处理模块以成像设备采集的成像图片作为基础进行处理，成像图片为灰度图，所采集的成像图片被序列化，将当前成像图片与人体模板图像进行匹配，判断当前成像图片中是否存在人体目标区域，若当前成像图片与人体模板图像匹配，则判定烟机下方存在人体，否则判定烟机下方没有人体；

当检测到当前成像图片存在人体目标区域时，将当前成像图片舍弃。

7.根据权利要求6所述的基于双区域图像采集进行油烟浓度判断的油烟机，其特征在于，所述人体模板图像预先建立并存储于油烟机的处理模块。

8.根据权利要求7所述的基于双区域图像采集进行油烟浓度判断的油烟机，其特征在于，人体模板图像包括多种姿态动作的人体模板图像。

9.根据权利要求7所述的基于双区域图像采集进行油烟浓度判断的油烟机，其特征在于，图像处理模块以初始成像图片作为基础进行处理，所采集的初始成像图片被序列化，依次通过后帧的初始成像图片与前帧的初始成像图片进行处理，得到各个后帧初始成像图片所处时刻的当前厨房油烟浓度；

每次通过后帧的初始成像图片与前帧的初始成像图片进行处理，得到后帧初始成像图片所处时刻的当前厨房油烟浓度的步骤过程如下：

(1)将后帧的初始成像图片与前帧的初始成像图片进行帧差处理得到帧差图像；

(2)以开运算方式对帧差图像进行去噪处理，得到去噪图像；

(3)对去噪图像进行边缘检测，标记运动区域作为初始感兴趣区域；

(4)对初始感兴趣区域进行灰度均值计算和区域平滑度计算，将同时满足灰度均值和平滑度要求的区域作为下一步感兴趣区域，其它的区域作为干扰排除；

(5)对步骤(4)提取出的感兴趣区域分别进行统计，根据统计结果划分油烟浓度等级。

10.根据权利要求9所述的基于双区域图像采集进行油烟浓度判断的油烟机，其特征在于，

步骤(1)中，对采集到的初始成像图片进行帧差操作得到帧差图像具体是：图像处理模块根据接收到的初始成像图片的先后顺序，将后一帧图像与前一帧图像做差，得到动态区域高亮的帧差图像；

所述步骤(2)对帧差图像采用开运算进行去噪处理，得到去噪图像，具体通过如下方式进行：先对帧差图像进行腐蚀操作，以消除图像中的噪点和细小尖刺，断开窄小的连接；再对腐蚀后的图像进行膨胀操作，恢复原帧差图像中的烟雾特征；

所述步骤(3)对去噪图像进行边缘检测，标记运动区域作为初始感兴趣区域，具体是：检测帧差图像高亮区域的边缘并进行标记，将标记出的区域作为初始感兴趣区域；

所述步骤(4)具体是对每个初始感兴趣区域进行灰度均值、区域平滑度计算，得到每个初始感兴趣区域对应的灰度均值和灰度平滑度，将同时满足计算得到的灰度均值小于灰度阈值、灰度平滑度小于灰度平滑度阈值的初始感兴趣区域作为感兴趣区域，将其它初始感兴趣区域判定为干扰区域；

步骤(5)，对步骤(4)提取出的感兴趣区域分别进行灰度直方图统计，根据统计结果划分油烟浓度等级，具体是：

将感兴趣区域图像中的所有像素，按照灰度值的大小，统计其出现的频率；

再根据需要划分的浓度等级数量，统计每个灰度区间内的像素点个数，每个灰度区间内的像素点个数对应划分油烟为相应的浓度等级。