CN109028236A - 一种自动识别油烟状况的抽油烟机 - Google Patents

Abstract

一种自动识别油烟状况的抽油烟机，视觉成像模块对灶台目标区域进行连续成像，并将成像图片发送至处理模块；处理模块接收视觉成像模块发送的成像图片并进行处理得到烟雾浓度及区域信息。理模块采集当前帧成像图片对应的左图片作为左图片对象、采集当前帧成像图片对应的右图片作为右图片对象，分别提取左图片对象、右图片对象的烟雾特征；分别对左图片对象、右图片对象进行烟雾等级判断，再将左图片对象、右图片对象得到的烟雾等级信息进行汇总，得到整体当前帧成像图片的烟雾信息。本发明的油烟机能够自动识别油烟状况，识别结果准确、计算量小。

Description

一种自动识别油烟状况的抽油烟机

技术领域

本发明涉及厨房油烟处理技术领域，特别是涉及一种自动识别油烟状况的抽油烟机。

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。传统吸抽油烟机通常都是设置按键控制风机进行抽风，不能自动判断灶台上方的油烟情况。

现有技术中，针对厨房油烟浓度的检测，主要有红外投射法和物理检测法。红外投射法通过一端发射红外光，另一端进行接收，通过接收到的红外光强度来判断油烟浓度大小。需在不同位置安装多个红外发射器才能保证油烟检测的相对准确，成本较高，对安装位置要求也较高。物理检测法类似于烟雾报警器的原理，通过检测空气中漂浮颗粒数来判断油烟浓度，但此法有两个缺点，一是必须当油烟接触到报警器时才能进行检测，不能实现远距离检测；二是当空气中飘浮的不是油烟而是水雾时就无法检测。

因此，针对现有技术不足，提供一种能够自动识别油烟状况的抽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自动识别油烟状况的抽油烟机，能够自动识别灶台区域的烟雾情况。

本发明的目的通过以下技术措施实现。

提供一种自动识别油烟状况的抽油烟机，视觉成像模块对灶台目标区域进行连续成像，并将成像图片发送至处理模块；

处理模块接收视觉成像模块发送的成像图片并进行处理得到烟雾浓度及区域信息。

优选的，上述处理模块将所接收的成像图片按照成像时刻和帧序进行标记，第y帧成像图片P对应的成像时刻是T_y、对应的帧序是y，y为自然数；

相机采集的灶台目标区域以区域S表示，将灶台目标区域分成左烟雾区域、中间无烟雾区域和右烟雾区域，左烟雾区域以区域L表示，右烟雾区域以区域R表示；任意一帧成像图片为对应区域S的成像，每一帧成像图片对应区域L的部分命名为左图片，对应区域R的部分命名为右图片；

处理模块采集当前帧成像图片对应的左图片作为左图片对象、采集当前帧成像图片对应的右图片作为右图片对象，分别提取左图片对象、右图片对象的烟雾特征；

分别对左图片对象、右图片对象进行烟雾等级判断，再将左图片对象、右图片对象得到的烟雾等级信息进行汇总，得到整体当前帧成像图片的烟雾信息。

优选的，上述的自动识别油烟状况的抽油烟机，对左图片对象进行烟雾等级判断的方法与对右图片对象进行烟雾等级判断的方法相同。

优选的，上述处理模块通过背景模型帧差法得到左图片对象的当前烟雾区域及当前烟雾区域对应的浓度，再根据烟雾浓度进行烟雾等级量化处理得到左图片对象的烟雾等级信息。

优选的，上述的自动识别油烟状况的抽油烟机，

左图片对象P由m*n个像素构成，左图片对象P的像素灰度值以矩阵PH表示，PH＝{Ph_i,j}，ph_i,j代表左图片对象P中第i行、第j列像素对应的灰度值，m、n均为自然数，1≤i≤m，1≤j≤n；

所述处理模块通过背景模型帧差法得到左图片对象的当前烟雾区域及当前烟雾区域对应的浓度，再根据烟雾浓度进行烟雾等级量化处理得到左图片对象的烟雾等级信息，具体是这样处理的：

a.背景建模

选取连续F帧成像图片对应的左图片作为背景建模采样图像组，选取背景建模采样图像中每个像素点处的灰度最小值，组成背景模型图像M；

背景建模采样图像组包括背景建模采样图像B₁、背景建模采样图像B₂、......、背景建模采样图像B_F，F为自然数且F不小于3，当前帧成像图片的帧序大于任意一个背景建模采样图像的帧序；

背景建模采样图像B₁的像素灰度值以矩阵B₁H表示，B₁H＝{b₁h_i,j}，b₁h_i,j代表背景建模采样图像B₁中第i行、第j列像素对应的灰度值；

背景建模采样图像B₂的像素灰度值以矩阵B₂H表示，B₂H＝{b₂h_i,j}，b₂h_i,j代表背景建模采样图像B₂中第i行、第j列像素对应的灰度值；

......

背景建模采样图像B_F的像素灰度值以矩阵B_FH表示，B_FH＝{b_Fh_i,j}，b_Fh_i,j代表背景建模采样图像B_F中第i行、第j列像素对应的灰度值；

背景模型图像M的像素灰度值以矩阵MH表示，MH＝{mh_i,j}，mh_i,j代表背背景模型图像M中第i行、第j列像素对应的灰度值；

mh_i,j＝min(b₁h_i,j、b₂h_i,j、......、b_Fh_i,j)；

b.做差处理

将当前帧成像图片与背景模型图像M做差，得到当前烟雾的区域与浓度，再根据烟雾浓度进行烟雾等级量化处理得到烟雾等级信息。

优选的，上述的自动识别油烟状况的抽油烟机，将左图片对象与背景模型图像M做差，得到当前帧成像图片的左图片烟雾的区域与浓度，再根据烟雾浓度进行烟雾等级量化处理得到烟雾等级信息，具体过程如下：

S1，将左图片对象分为K*Q个子区域，对每个子区域进行烟雾检测并判断每个子区域的油烟等级，得到每个子区域对应的油烟等级，K、Q均为自然数；

S2，根据所有子区域的油烟等级信息对整体区域的油烟等级进行加权求和，得到左图片对象对应的烟雾等级。

优选的，上述的自动识别油烟状况的抽油烟机，

步骤S1中，对每个子区域进行烟雾检测并判断油烟等级具体通过如下方式进行：

将左图片对象与与背景模型图像M进行帧差处理；

计算帧差后的子区域的灰度值均值，子区域的灰度值均值等于子区域中所有像素点的灰度值的绝对值之和与像素的总个数相除得到的商；

当子区域的灰度值均值小于a时，判定子区域的烟雾等级为无烟，以X1表示；

当子区域的灰度值均值为b时，判定子区域的烟雾等级为小烟，以X2表示；

当子区域的灰度值均值为c时，判定子区域的烟雾等级为中烟，以X3表示；

当子区域的灰度值均值大于d时，判定子区域的烟雾等级为大烟，以X4表示，其中，a、b、c、d均为正数，且a<b<c<d，a≤5，6≤b≤15，16≤c≤20。

优选的，步骤S2将整体左图片对象区域的油烟等级进行加权求和，具体通过如下公式进行：

T_L＝a₀*T₀+a₁*T₁+a₂*T₂+a₃*T₃；

其中，T_L为加权求和得到的左图片对象区域的等级结果，T₀是统计的所有子区域中油烟等级为X0的子区域数量，a₀为无烟的权重系数，T₁是统计的所有子区域中油烟等级为X1的子区域数量，a₁为小烟的权重系数，T₂是统计的所有子区域中油烟等级为X2的子区域数量，a₂为中烟的权重系数，T₃是统计的所有子区域中油烟等级为X3的子区域数量，a₃为大烟的权重系数。

优选的，所述的自动识别油烟状况的抽油烟机，计算左图片对象区域的等级结果T_L与右图片对象区域的等级结果T_R的平均值，作为整体当前帧成像图片的等级结果T。

优选的，所述的自动识别油烟状况的抽油烟机，

将T与整体油烟判定阈值进行比较，判断整体油烟等级；

整体油烟判定阈值为和和均为正数，当T小于时，判定整体油烟等级为无烟；

当T的范围在大于等于而小于时，判定整体油烟等级为小烟；

当T的范围在大于等于而小于时，判定整体油烟等级为中烟；

当T的范围在大于等于时，判定整体油烟等级为大烟；

的取值范围为90-110，的取值范围为130-170，的取值范围为280-320。

本发明的自动识别油烟状况的抽油烟机，通过视觉成像模块对灶台目标区域进行连续成像，并将成像图片发送至处理模块；处理模块接收视觉成像模块发送的成像图片并进行处理得到烟雾浓度及区域信息。能够自动识别油烟状况，为油烟处理提供参考依据。

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是通过本发明一种自动识别油烟状况的抽油烟机的结构示意图。

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。

一种自动识别油烟状况的抽油烟机，视觉成像模块对灶台目标区域进行连续成像，并将成像图片发送至处理模块；处理模块接收视觉成像模块发送的成像图片并进行处理得到烟雾浓度及区域信息。

视觉成像模块至少设置有相机，如图1所示，相机200内置于烟机主体100的壳体，且相机的镜头正对灶台400目标区域，相机的输出端与处理模块电连接。相机用于对灶台区域进行拍摄成像，并将所拍摄的图片发送至处理模块进行处理。

相机装配有防水、防雾、防烟镜片及防模糊玻璃，避免实际使用中烟罩上方的水汽、油烟对相机造成影响，防模糊玻璃能够确保相机在不同环境下都能够有效成像。处理模块可以为STM32型号的芯片或其它可行芯片。

该自动识别油烟状况的抽油烟机，开启后自动运行视觉模块。开启视觉模块后，视觉模块的相机不断获取当前灶台区域的图像信息。

处理模块将所接收的成像图片按照成像时刻和帧序进行标记，第y帧成像图片P对应的成像时刻是T_y、对应的帧序是y，y为自然数。

相机采集的灶台目标区域以区域S表示，将灶台目标区域分成左烟雾区域、中间无烟雾区域和右烟雾区域，左烟雾区域以区域L表示，右烟雾区域以区域R表示；任意一帧成像图片为对应区域S的成像，每一帧成像图片对应区域L的部分命名为左图片，对应区域R的部分命名为右图片。

处理模块采集当前帧成像图片对应的左图片作为左图片对象、采集当前帧成像图片对应的右图片作为右图片对象，分别提取左图片对象、右图片对象的烟雾特征；

再分别对左图片对象、右图片对象进行烟雾等级判断，然后将左图片对象、右图片对象得到的烟雾等级信息进行汇总，得到整体当前帧成像图片的烟雾信息。

对左图片对象进行烟雾等级判断的方法与对右图片对象进行烟雾等级判断的方法相同。

以对左图片对象进行烟雾等级判断为例具体说明。处理模块通过背景模型帧差法得到左图片对象的当前烟雾区域及当前烟雾区域对应的浓度，再根据烟雾浓度进行烟雾等级量化处理得到左图片对象的烟雾等级信息。

左图片对象P由m*n个像素构成，左图片对象P的像素灰度值以矩阵PH表示，PH＝{Ph_i,j}，ph_i,j代表左图片对象P中第i行、第j列像素对应的灰度值，m、n均为自然数，1≤i≤m，1≤j≤n。

处理模块通过背景模型帧差法得到左图片对象的当前烟雾区域及当前烟雾区域对应的浓度，再根据烟雾浓度进行烟雾等级量化处理得到左图片对象的烟雾等级信息，具体是这样处理的：

a.背景建模

选取连续F帧成像图片对应的左图片作为背景建模采样图像组，选取背景建模采样图像中每个像素点处的灰度最小值，组成背景模型图像M；

背景建模采样图像组包括背景建模采样图像B₁、背景建模采样图像B₂、......、背景建模采样图像B_F，F为自然数且F不小于3，当前帧成像图片的帧序大于任意一个背景建模采样图像的帧序；

背景建模采样图像B₁的像素灰度值以矩阵B₁H表示，B₁H＝{b₁h_i,j}，b₁h_i,j代表背景建模采样图像B₁中第i行、第j列像素对应的灰度值；

背景建模采样图像B₂的像素灰度值以矩阵B₂H表示，B₂H＝{b₂h_i,j}，b₂h_i,j代表背景建模采样图像B₂中第i行、第j列像素对应的灰度值；

......

背景建模采样图像B_F的像素灰度值以矩阵B_FH表示，B_FH＝{b_Fh_i,j}，b_Fh_i,j代表背景建模采样图像B_F中第i行、第j列像素对应的灰度值；

背景模型图像M的像素灰度值以矩阵MH表示，MH＝{mh_i,j}，mh_i,j代表背背景模型图像M中第i行、第j列像素对应的灰度值；

mh_i,j＝min(b₁h_i,j、b₂h_i,j、......、b_Fh_i,j)。

b.做差处理

将当前帧成像图片与背景模型图像M做差，得到当前烟雾的区域与浓度，再根据烟雾浓度进行烟雾等级量化处理得到烟雾等级信息，具体过程如下：

S1，将左图片对象分为K*Q个子区域，对每个子区域进行烟雾检测并判断每个子区域的油烟等级，得到每个子区域对应的油烟等级，K、Q均为自然数；

S2，根据所有子区域的油烟等级信息对整体区域的油烟等级进行加权求和，得到左图片对象对应的烟雾等级。

其中，步骤S1中，对每个子区域进行烟雾检测并判断油烟等级具体通过如下方式进行：

将左图片对象与与背景模型图像M进行帧差处理；

计算帧差后的子区域的灰度值均值，子区域的灰度值均值等于子区域中所有像素点的灰度值的绝对值之和与像素的总个数相除得到的商；

当子区域的灰度值均值小于a时，判定子区域的烟雾等级为无烟，以X1表示；

当子区域的灰度值均值为b时，判定子区域的烟雾等级为小烟，以X2表示；

当子区域的灰度值均值为c时，判定子区域的烟雾等级为中烟，以X3表示；

当子区域的灰度值均值大于d时，判定子区域的烟雾等级为大烟，以X4表示，其中，a、b、c、d均为正数，且a<b<c<d，a≤5，6≤b≤15，16≤c≤20。

步骤S2将整体左图片对象区域的油烟等级进行加权求和，具体通过如下公式进行：

T_L＝a₀*T₀+a₁*T₁+a₂*T₂+a₃*T₃；

其中，T_L为加权求和得到的左图片对象区域的等级结果，T₀是统计的所有子区域中油烟等级为X0的子区域数量，a₀为无烟的权重系数，T₁是统计的所有子区域中油烟等级为X1的子区域数量，a₁为小烟的权重系数，T₂是统计的所有子区域中油烟等级为X2的子区域数量，a₂为中烟的权重系数，T₃是统计的所有子区域中油烟等级为X3的子区域数量，a₃为大烟的权重系数。

同理，采用相同的方法计算得到右图片对象区域的等级结果T_R。

计算左图片对象区域的等级结果T_L与右图片对象区域的等级结果T_R的平均值，作为整体当前帧成像图片的等级结果T。将T与整体油烟判定阈值进行比较，判断整体油烟等级；

整体油烟判定阈值为和和均为正数，当T小于时，判定整体油烟等级为无烟；

当T的范围在大于等于而小于时，判定整体油烟等级为小烟；

当T的范围在大于等于而小于时，判定整体油烟等级为中烟；

当T的范围在大于等于时，判定整体油烟等级为大烟；

的取值范围为90-110，的取值范围为130-170，的取值范围为280-320。

本发明的自动识别油烟状况的抽油烟机，通过视觉成像模块对灶台目标区域进行连续成像，并将成像图片发送至处理模块；处理模块接收视觉成像模块发送的成像图片并进行处理得到烟雾浓度及区域信息。能够自动识别油烟状况，为油烟处理提供参考依据。

处理模块根据成像图片的成像时刻进行帧排列，通过将灶台目标区域分成三部门分别进行左油烟区域、右油烟区域油烟情况判断，再根据左油烟区域、右油烟区域油烟情况得到整体目标区域的油烟等级，具有判断准备、计算量小的特点。

需要说明的是，本发明提供的根据成像图片得到烟雾等级的方法只是一种实现方式，也可以选择其他方式。

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)

1.一种自动识别油烟状况的抽油烟机，其特征在于，视觉成像模块对灶台目标区域进行连续成像，并将成像图片发送至处理模块；

处理模块接收视觉成像模块发送的成像图片并进行处理得到烟雾浓度及区域信息。

2.根据权利要求1所述的自动识别油烟状况的抽油烟机，其特征在于，

所述处理模块将所接收的成像图片按照成像时刻和帧序进行标记，第y帧成像图片P对应的成像时刻是T_y、对应的帧序是y，y为自然数；

相机采集的灶台目标区域以区域S表示，将灶台目标区域分成左烟雾区域、中间无烟雾区域和右烟雾区域，左烟雾区域以区域L表示，右烟雾区域以区域R表示；任意一帧成像图片为对应区域S的成像，每一帧成像图片对应区域L的部分命名为左图片，对应区域R的部分命名为右图片；

处理模块采集当前帧成像图片对应的左图片作为左图片对象、采集当前帧成像图片对应的右图片作为右图片对象，分别提取左图片对象、右图片对象的烟雾特征；

分别对左图片对象、右图片对象进行烟雾等级判断，再将左图片对象、右图片对象得到的烟雾等级信息进行汇总，得到整体当前帧成像图片的烟雾信息。

3.根据权利要求2所述的自动识别油烟状况的抽油烟机，其特征在于，

对左图片对象进行烟雾等级判断的方法与对右图片对象进行烟雾等级判断的方法相同。

4.根据权利要求3所述的自动识别油烟状况的抽油烟机，其特征在于，

所述处理模块通过背景模型帧差法得到左图片对象的当前烟雾区域及当前烟雾区域对应的浓度，再根据烟雾浓度进行烟雾等级量化处理得到左图片对象的烟雾等级信息。

5.根据权利要求4所述的自动识别油烟状况的抽油烟机，其特征在于，

左图片对象P由m*n个像素构成，左图片对象P的像素灰度值以矩阵PH表示，PH＝{Ph_i,j}，ph_i,j代表左图片对象P中第i行、第j列像素对应的灰度值，m、n均为自然数，1≤i≤m，1≤j≤n；

所述处理模块通过背景模型帧差法得到左图片对象的当前烟雾区域及当前烟雾区域对应的浓度，再根据烟雾浓度进行烟雾等级量化处理得到左图片对象的烟雾等级信息，具体是这样处理的：

a.背景建模

选取连续F帧成像图片对应的左图片作为背景建模采样图像组，选取背景建模采样图像中每个像素点处的灰度最小值，组成背景模型图像M；

背景建模采样图像组包括背景建模采样图像B₁、背景建模采样图像B₂、......、背景建模采样图像B_F，F为自然数且F不小于3，当前帧成像图片的帧序大于任意一个背景建模采样图像的帧序；

背景建模采样图像B₁的像素灰度值以矩阵B₁H表示，B₁H＝{b₁h_i,j}，b₁h_i,j代表背景建模采样图像B₁中第i行、第j列像素对应的灰度值；

背景建模采样图像B₂的像素灰度值以矩阵B₂H表示，B₂H＝{b₂h_i,j}，b₂h_i,j代表背景建模采样图像B₂中第i行、第j列像素对应的灰度值；

......

背景建模采样图像B_F的像素灰度值以矩阵B_FH表示，B_FH＝{b_Fh_i,j}，b_Fh_i,j代表背景建模采样图像B_F中第i行、第j列像素对应的灰度值；

背景模型图像M的像素灰度值以矩阵MH表示，MH＝{mh_i,j}，mh_i,j代表背背景模型图像M中第i行、第j列像素对应的灰度值；

mh_i,j＝min(b₁h_i,j、b₂h_i,j、......、b_Fh_i,j)；

b.做差处理

将当前帧成像图片与背景模型图像M做差，得到当前烟雾的区域与浓度，再根据烟雾浓度进行烟雾等级量化处理得到烟雾等级信息。

6.根据权利要求5所述的自动识别油烟状况的抽油烟机，其特征在于，

将左图片对象与背景模型图像M做差，得到当前帧成像图片的左图片烟雾的区域与浓度，再根据烟雾浓度进行烟雾等级量化处理得到烟雾等级信息，具体过程如下：

S1，将左图片对象分为K*Q个子区域，对每个子区域进行烟雾检测并判断每个子区域的油烟等级，得到每个子区域对应的油烟等级，K、Q均为自然数；

S2，根据所有子区域的油烟等级信息对整体区域的油烟等级进行加权求和，得到左图片对象对应的烟雾等级。

7.根据权利要求6所述的自动识别油烟状况的抽油烟机，其特征在于，

步骤S1中，对每个子区域进行烟雾检测并判断油烟等级具体通过如下方式进行：

将左图片对象与与背景模型图像M进行帧差处理；

计算帧差后的子区域的灰度值均值，子区域的灰度值均值等于子区域中所有像素点的灰度值的绝对值之和与像素的总个数相除得到的商；

当子区域的灰度值均值小于a时，判定子区域的烟雾等级为无烟，以X1表示；

当子区域的灰度值均值为b时，判定子区域的烟雾等级为小烟，以X2表示；

当子区域的灰度值均值为c时，判定子区域的烟雾等级为中烟，以X3表示；

当子区域的灰度值均值大于d时，判定子区域的烟雾等级为大烟，以X4表示，其中，a、b、c、d均为正数，且a<b<c<d，a≤5，6≤b≤15，16≤c≤20。

8.根据权利要求7所述的自动识别油烟状况的抽油烟机，其特征在于，

步骤S2将整体左图片对象区域的油烟等级进行加权求和，具体通过如下公式进行：

T_L＝a₀*T₀+a₁*T₁+a₂*T₂+a₃*T₃；

其中，T_L为加权求和得到的左图片对象区域的等级结果，T₀是统计的所有子区域中油烟等级为X0的子区域数量，a₀为无烟的权重系数，T₁是统计的所有子区域中油烟等级为X1的子区域数量，a₁为小烟的权重系数，T₂是统计的所有子区域中油烟等级为X2的子区域数量，a₂为中烟的权重系数，T₃是统计的所有子区域中油烟等级为X3的子区域数量，a₃为大烟的权重系数。

9.根据权利要求8所述的自动识别油烟状况的抽油烟机，其特征在于，计算左图片对象区域的等级结果T_L与右图片对象区域的等级结果T_R的平均值，作为整体当前帧成像图片的等级结果T。

10.根据权利要求9所述的自动识别油烟状况的抽油烟机，其特征在于，

将T与整体油烟判定阈值进行比较，判断整体油烟等级；

整体油烟判定阈值为和和均为正数，当T小于时，判定整体油烟等级为无烟；

当T的范围在大于等于而小于时，判定整体油烟等级为小烟；

当T的范围在大于等于而小于时，判定整体油烟等级为中烟；

当T的范围在大于等于时，判定整体油烟等级为大烟；

的取值范围为90-110，的取值范围为130-170，的取值范围为280-320。