CN115661068A - 气体泄漏检测方法及装置、设备、存储介质 - Google Patents

Abstract

本发明公开了一种气体泄露检测方法及装置、设备、存储介质；所述方法包括：在相同时刻对包含待检测气体的采集区域进行图像采集，得到采集区域对应的可见光图像和红外图像；对可见光图像进行特征提取，得到第一运动特征图；对红外图像进行特征提取，得到第二运动特征图；基于第一运动特征图、第二运动特征图、可见光图像和红外图像，得到目标融合图像；确定待检测气体在目标融合图像中的泄露位置。这样，能够提高对气体泄露位置检测的准确度且适用于更多检测场景。

Description

气体泄漏检测方法及装置、设备、存储介质

技术领域

本申请实施例涉及图像处理技术，涉及但不限于一种气体泄露检测方法及装置、设备、存储介质。

背景技术

现今，随着现代工业技术的发展，工业气体种类繁多，且多数性质活跃，属于易燃易爆气体，一旦发生泄漏，将对环境和人员造成危害；及时发现工业气体泄漏对于石化等行业的正常、安全生产具有极重要的意义。有些工业气体无色，传统的检测方法无法直接判定泄漏位置。而利用红外热成像来识别气体的泄漏，可以准确的找出泄漏的位置。但现有的红外气体检测仪器，一方面，由于环境的干扰，无法适应户外情况下的气体泄漏自动识别。绝大多数情况下都是基于肉眼判断气体泄漏的位置，所以不能进行全天候的泄漏检测，这大大限制了红外气体检漏仪的应用场景；另一方面，在使用红外气体检测仪器检测泄露气体时，由于周边会存在干扰性的运动物体，容易将除气体外的其他运动物体误识别为泄露气体，也会导致检测结果不准确。

发明内容

有鉴于此，本申请实施例提供的气体泄露检测方法及装置、设备、存储介质，能够提高对气体泄露位置检测的准确度且使得检测方法适用于更多检测场景。本申请实施例提供的气体泄露检测方法及装置、设备、存储介质是这样实现的：

本申请实施例提供的气体泄露检测方法，包括：

在相同时刻对包含待检测气体的采集区域进行图像采集，得到采集区域对应的可见光图像和红外图像；

对可见光图像进行特征提取，得到第一运动特征图；

对红外图像进行特征提取，得到第二运动特征图；

基于第一运动特征图、第二运动特征图、可见光图像和红外图像，得到目标融合图像；

确定待检测气体在目标融合图像中的泄露位置。

在一些实施例中，基于第一运动特征图、第二运动特征图、可见光图像和红外图像，得到目标融合图像，包括：

基于预设融合规则对可见光图像和红外图像进行融合处理，得到第一融合图像；

对第一运动特征图和第二运动特征图进行差值处理，得到差值特征图；

对第一融合图像和差值特征图进行加权融合处理，得到目标融合图像。

在一些实施例中，基于预设融合规则对可见光图像和红外图像进行融合处理，得到第一融合图像，包括：

对可见光图像进行增强处理，得到增强图像；

将红外图像作为背景，将增强图像作为前景，对红外图像和增强图像进行融合处理，得到第一融合图像。

在一些实施例中，对可见光图像进行图像增强处理，得到增强图像，包括：

对可见光图像进行滤波处理，得到对应的滤波图像；

对可见光图像和滤波图像进行差值处理，得到增强图像。

在一些实施例中，对第一融合图像和差值特征图进行加权融合处理，得到目标融合图像，包括：

对差值特征图进行识别处理，得到差值特征图中的待检测气体的气体检测框；

对第一融合图像和携带有气体检测框的差值特征图进行加权融合处理，得到目标融合图像。

在一些实施例中，确定待检测气体在所述目标融合图像中的泄露位置，包括：

确定气体检测框在目标融合图像中的位置为泄露位置。

本申请实施例提供的气体泄露检测装置，包括：

采集模块，用于在相同时刻对包含待检测气体的采集区域进行图像采集，得到采集区域对应的可见光图像和红外图像；

提取模块，用于对可见光图像进行特征提取，得到第一运动特征图；以及对红外图像进行特征提取，得到第二运动特征图；

融合模块，用于基于第一运动特征图、第二运动特征图、可见光图像和红外图像，得到目标融合图像；

确定模块，用于确定待检测气体在目标融合图像中的泄露位置。

在一些实施例中，所述融合模块包括第一融合子模块、处理模块和第二融合子模块，其中：

所述第一融合子模块，用于基于预设融合规则对可见光图像和红外图像进行融合处理，得到第一融合图像；

所述处理模块，用于对第一运动特征图和第二运动特征图进行差值处理，得到差值特征图；

所述第二融合子模块，用于对第一融合图像和差值特征图进行加权融合处理，得到目标融合图像。

在一些实施例中，所述第一融合模块，具体用于：对可见光图像进行增强处理，得到增强图像；将红外图像作为背景，将增强图像作为前景，对红外图像和增强图像进行融合处理，得到第一融合图像。

在一些实施例中，所述第一融合模块，还用于：对可见光图像进行滤波处理，得到对应的滤波图像；对可见光图像和滤波图像进行差值处理，得到增强图像。

在一些实施例中，所述第二融合模块，具体用于：

对差值特征图进行识别处理，得到差值特征图中的待检测气体的气体检测框；

对第一融合图像和携带有气体检测框的差值特征图进行加权融合处理，得到目标融合图像。

在一些实施例中，所述确定模块，具体用于：

确定气体检测框在目标融合图像中的位置为泄露位置。

本申请实施例提供的计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请实施例所述的方法。

本申请实施例提供的计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的所述的方法。

本申请实施例所提供的气体泄露检测方法、装置、计算机设备和计算机可读存储介质，通过在相同时刻对包含待检测气体的采集区域进行图像采集，得到采集区域对应的可见光图像和红外图像；对可见光图像进行特征提取，得到第一运动特征图；对红外图像进行特征提取，得到第二运动特征图；基于第一运动特征图、第二运动特征图、可见光图像和红外图像，得到目标融合图像；确定待检测气体在目标融合图像中的泄露位置。这样，能够提高对气体泄露位置检测的准确度且使得检测方法适用于更多检测场景，从而解决背景技术中所提出的技术问题。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。

图1为本申请实施例提供的一种气体泄露检测系统的示意图；

图2为本申请实施例提供的一种气体泄露检测方法的实现流程示意图；

图3为本申请实施例提供的一种图像融合处理的实现流程示意图；

图4为本申请实施例提供的一种图像融合处理的实现流程示意图；

图5为本申请实施例提供的一种气体泄露检测方法的实现流程示意图；

图6为本申请实施例提供的气体泄露检测装置的结构示意图；

图7为本申请实施例提供的计算机设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

需要指出，本申请实施例所涉及的术语“第一\第二\第三”用以区别类似或不同的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。

(1)可见光图像，或称为BGR(Blue-Green-Red)图像，BGR图像中的每个像素在R(Red)、G(Green)、B(Blue)三个通道的颜色值均在0至255的范围内。例如：纯红色的R值为255，G值为0，B值为0；灰色的R、G、B三个通道的颜色值均相等(除了0和255)；白色的R、G、B三个通道的颜色值都为255；黑色的R、G、B三个通道的颜色值都为0。图像中的每个像素只使用三种颜色，就可以使每个像素按照不同的比例混合，以在屏幕上呈现16777216种颜色。

(2)红外图像，是用于记录地物辐射出来的人眼看不到的热红外辐射信息，并利用这种热红外信息来识别地物和反演地表参数(如温度、发射率、湿度、热惯量等)。一般使用红外热成像技术的成像仪器来采集获取红外图像。具体原理为，以红外焦平面器件为核心，将目标景物及其所处环境向外发射的红外辐射能量的差异转换为人眼可见的灰度图像。场景中红外辐射能量通过红外镜头投射到红外焦平面上，探测器将辐射转换为能够反映红外辐射能量强弱的电信号，实现由光到电的转换；随后通过电路系统对该电信号进行处理，并将处理后的红外数字电信号转换为可见光图像在显示器上显示，实现由电到光的转换，获得肉眼可见的灰度图像。

红外热成像技术以其距离远、非接触、普遍性和动态直观等显著优势，成为气体检测领域的重要研究方向。由于红外气体成像仪的易用性，其已常用于适用于各种场景下的气体检测。特别地，当危化品运输车辆在公路行驶，特别是进入服务站或收费站时，如果车辆存在危险气体泄露，会有重大的安全隐患，对于此类问题，相关技术中大多是利用红外技术观察检测区域，通过人眼观测拍摄结果判断其是否漏气。

但在实际应用中，一方面，由于环境的干扰，红外气体检测仪无法适应户外情况下的气体泄漏自动识别，绝大多数情况下都是基于肉眼判断气体泄漏的位置，所以不能进行全天候的泄漏检测，这大大限制了红外气体检漏仪的应用场景；另一方面，当车辆在公路行驶时，周边经常会存在干扰性的行驶车辆，这样，在使用红外气体检测仪器检测泄露气体时，容易将除泄露气体外的其他运动物体误识别为泄露气体，也会导致检测结果不准确。

有鉴于此，本申请实施例提供一种气体泄露检测方法，该方法应用于图1所述的气体泄露检测系统中，所述气体泄露检测气体中包括被检测物，可见光成像系统、红外成像系统和图像处理与显示系统。其中，可见光成像系统用于对所述被检测物进行拍摄成像，得到对应的可见光图像；红外成像系统用于对所述被检测物进行拍摄成像，得到对应的红外图像；图像处理与显示系统用于对拍摄得到的可见光图像和红外图像进行处理，得到被检测物中包含的待检测气体的泄露位置。且该方法所实现的功能可以通过图像处理与显示系统中的处理器调用程序代码来实现，当然程序代码可以保存在计算机存储介质中，可见，该图像处理与显示系统至少包括处理器和存储介质。

图2为本申请实施例提供的气体泄露检测方法的实现流程示意图，能够提高对气体泄露位置检测的准确度，且检测方法适用于更多检测场景。如图2所示，该方法可以包括以下步骤201至步骤204：

步骤201，在相同时刻对包含待检测气体的采集区域进行图像采集，得到采集区域对应的可见光图像和红外图像。

红外成像系统主要是靠目标与背景的辐射产生景物图像，但红外图像的对比度差，且只敏感于目标场景的辐射，对场景的亮度变化不敏感。与红外图像相比，可见光图像可以提供更多的目标细节，有利于人眼观察。因此，在本申请实施例中，提出同时获取包含待检测气体的采集区域的可见光图像和红外图像，基于可见光图像和红外图像共同确定气体泄露位置的方法。这样，同时利用了红外图像检测气体的能力和可见光图像检测其他运动物体的能力，可以实现在一幅图像中充分体现出多个传感器获得的多源图像间的信息冗余性和互补性，从而能够提高对气体泄露位置检测的准确度。

在本申请实施例中，对包含待检测气体的采集区域进行图像采集的采集设备的类型不做限定。例如，在一些实施例中，所述采集设备可以为双目摄像头，所述双目摄像头包括一个拍摄可见光摄像头和一个热红外摄像头，两个摄像头为同一区域同时进行拍照，分别采集可见光图像和热红外图像。

在本申请实施例中，对于获取可见光图像和红外图像后的处理方式也不做限定。例如，在一些实施例中，可以为在同一时刻获取到单帧可见光图像和红外图像后，即对获取到的单帧可见光图像和红外图像进行处理。在另一些实施例中，也可以为对预先获取的红外视频文件和可见光视频文件分别进行帧图像分割提取，得到同一时刻的红外图像和可见光图像。

步骤202，对可见光图像进行特征提取，得到第一运动特征图；对红外图像进行特征提取，得到第二运动特征图。

可以理解地，在对包含待检测气体的采集区域进行图像采集时，采集区域中除包含待检测气体外，还可能包含有其他运动物体或非运动物体，其中运动物体如行驶车辆等，非运动物体如树木等。这样，采集得到的采集区域对应的红外图像中，能够以温度分布呈现出待检测气体、行驶车辆等运动物体，以及树木等非运动物体，但对于同样表现为运动特征的待检测气体和行驶车辆等运动物体，仅凭借红外图像进行识别，容易识别出错；同时，采集得到的采集区域对应的可见光图像中，能够清晰表现出行驶车辆等运动物体和树木等非运动物体，但其并不能呈现出待检测气体。

基于上述原理，在本申请实施例中，在得到采集区域对应的红外图像和可见光图像后，通过对可见光图像进行特征提取，得到第一运动特征图，可见第一运动特征图中至少包括除待检测气体外的其他运动物体；通过对红外图像进行特征提取，得到第二运动特征图，可见第二运动特征图中至少包含待检测气体和除待检测气体外的其他运动物体。

在本申请实施例中，对于对红外图像和可见光图像中的运动特征进行提取的方式不做限定，例如，在一些实施例中，可以先对红外图像和可见光图像做目标识别，然后再判断识别出的目标对象是否为运动对象，将确定为运动对象的特征提取出来。

在一些实施例中，在对红外图像和可见光图像进行特征提取之前，还可以分别对红外图像和可见光图像进行预处理，如可以通过滤波方式预先对红外图像和可见光图像进行去噪处理。这里，对于滤波处理的方式不做具体限定，可以根据设备的使用环境，自由选择滤波方法进行单独处理或组合处理。例如，可以利用高斯滤波、中值滤波和/或维纳滤波等滤波方式，去除图像中的高斯噪声和椒盐噪声等。

步骤203，基于第一运动特征图、第二运动特征图、可见光图像和红外图像，得到目标融合图像。

在一些实施例中，如图3所示，可以通过执行如下实施例中的步骤301至步骤303来实现步骤203，即得到目标融合图像：

步骤301，基于预设融合规则对可见光图像和红外图像进行融合处理，得到第一融合图像。

这里对于预设融合规则的具体方式不做限定，例如，在一些实施例中，可以将预设融合规则设置为以可见光图像作为背景，以红外图像作为前景进行融合，这样，融合后得到的第一融合图像为一副具有可见光细节的图像，即，第一融合图像中即有待检测气体，也有采集区域中的其他运动物体和非运动物体。

其中，在一些实施例中，在以可见光图像作为背景，以红外图像作为前景进行融合处理时，还可以通过执行如下步骤401至步骤402来实现步骤301：

步骤401，对可见光图像进行增强处理，得到增强图像。

这里，在对可见光图像和红外图像进行融合之前，可以先对可见光图像进行增强处理，以突出可见光图像中的细节部分，再将得到的增强图像作为前景，将红外图像作为背景进行融合处理，得到第一融合图像。

在一可行的实施例中，为得到可见光图像对应的增强图像，可以通过执行如下实施例中的步骤4011至步骤4012来实现：

步骤4011，对可见光图像进行滤波处理，得到对应的滤波图像。

这里，对于对可见光图像进行滤波处理的方式不做具体限定，可以根据设备的使用环境，自由选择滤波方法进行单独处理或组合处理。例如，可以将可见光图像输入至滤波器中，得到滤波图。其中，滤波器可以为基于空间距离的低通滤波器，即一种不保护图像细节结构的低通滤波器，例如，高斯滤波、中值滤波以及均值滤波等。

步骤4012，对可见光图像和滤波图像进行差值处理，得到增强图像。

在一可行的实施例中，可以对可见光图像做各向同性滤波(如高斯滤波)，得到滤波图像(即低频信息图像)，再对可见光图像的灰度值和滤波图像(低频信息图)的灰度做差，得到包含噪声的高频信息图，即增强图像。在本实施例中，采用高斯滤波的方法，得到高斯滤波图。

步骤402，将红外图像作为背景，将增强图像作为前景，对红外图像和增强图像进行融合处理，得到第一融合图像。

在一些实施例中，在得到可见光图像对应的增强图像时，也可以同时对红外图像进行图像增强处理，以得到图像增强后的红外图像，将图像增强后的红外图像作为背景，将可见光图像对应的增强图像作为前景进行融合处理，得到第一融合图像。

在一可行的实施例中，为实现对红外图像的图像增强处理，可以先对红外图像进行多级二维离散小波变换，得到红外图像对应近似信号的低频子带和红外图像对应细节信号的高频子带。然后为了达到增强图像的同时减少噪音影响，可以对低频子带进行非线性图像增强，以实现图像对比度增强和抑制背景的效果；同时对高频子带进行小波去噪，以减少噪声对图像的影响。接着再根据图像增强后的低频子带和小波去噪后的高频子带进行小波重构，以得到图像增强后的红外图像。

在另一些实施例中，为实现对红外图像和可见光图像的融合，还可以利用非下采样剪切波变换(NSST)，或采用小波变换(Haar)，或采用非下采样轮廓波变换(NSCT)等算法将红外图像与可见光图像分别分解为一个低频分量和四个高频分量。然后将得到的红外图像与可见光图像的低频分量进行加权融合，如将红外光图像高频信息图像的像素值的绝对值和可见光图像高频信息图像中对应像素的像素值绝对值比较，哪一图像像素的绝对值较大，则在将两幅高频信息图像的对应像素融合时设置该图像的比重较大，这样能够保证第一融合图像的细节和锐利程度不会低于融合之前的图像；再将得到的红外图像与可见光图像的各方向高频分量分别进行融合，由于高频分量包含原始图像大部分的边缘及纹理细节信息，因此融合后的第一融合图像中包含了可见光图像以及红外图像的纹理细节信息，有利于人眼判读。

步骤302，对第一运动特征图和第二运动特征图进行差值处理，得到差值特征图。

可以理解地，在对可见光图像进行特征提取，得到第一运动特征图；对红外图像进行特征提取，得到第二运动特征图之后，第一运动特征图中至少包括除待检测气体外的其他运动物体，第二运动特征图中至少包含待检测气体和除待检测气体外的其他运动物体。因此，对第一运动特征图和第二运动特征图进行差值处理，得到差值特征图后，所述差值特征图中仅包含有待检测气体，从而能够滤除掉采集区域中除待检测气体外的其他运动物体，避免在后续识别时产生干扰，进而提高对待检测气体检测的准确度。

需要说明的是，对于步骤301和步骤302的执行顺序并不做限定，可以为先执行步骤301，再执行步骤302；也可以为先执行步骤302，再执行步骤301；还可以为对步骤301和步骤302并行执行。

步骤303，对第一融合图像和差值特征图进行加权融合处理，得到目标融合图像。

可以理解地，差值特征图中包含有待检测气体的特征，但其并不能够表示出待检测气体的具体位置；而第一融合图像中包含有待检测气体、除待检测气体外的其他运动物体以及其他非运动物体，但其并不能够较好地凸显出待检测气体。因此，对第一融合图像和差值特征图进行加权融合处理后，得到的目标融合图像中既能够凸显出待检测气体特征，又能够表示待检测气体在目标融合图像中的具体位置。

这里，对于第一融合图像和差值特征图的加权融合方式不做限定。例如，在一可行的实施例中，可以采样叠加融合方式，即对差值特征图(包含有待检测气体的特征)赋予权重值，所述权重值可以为大于1小于2.5的增强系数。

在一些实施例中，为使得在得到的目标融合图像中快速确定出待检测气体的位置，可以通过执行如下步骤3031至步骤3032来实现：

步骤3031，对差值特征图进行识别处理，得到差值特征图中的待检测气体的气体检测框。

在本申请实施例中，对于识别处理的具体方式不做限定，如可将差值特征图输入至预先训练好的识别模型中进行标记处理，得到待检测气体对应的气体检测框。

在本申请实施例中，对于气体检测框的形状也不做限定，例如气体检测框可以为矩形框、圆形框等，也可以是其它形状或者是包围目标对象的包络线等。

在确定待检测气体的位置信息时，可以根据气体检测框的形状来设定。例如，在一种实施例中，若气体检测框为矩形框，如长方形框或正方形框，气体检测框的位置信息可以包括气体检测框的左上角角点坐标和右下角角点坐标。在另一种实施例中，若气体检测框为圆形框，则气体检测框的位置信息可以包括该气体检测框的圆心坐标和半径长度。在又一种实施例中，若气体检测框为包围待检测气体的包络线，则可以根据包络线实际包围的区域的位置信息，确定气体检测框的位置信息。

步骤3032，对第一融合图像和携带有气体检测框的差值特征图进行加权融合处理，得到目标融合图像。

这里，目标融合图像中既有待检测气体以及用于标识其位置信息的气体检测框，又有采集区域中除待检测气体外的其他运动物体和非运动物体。

步骤204，确定待检测气体在目标融合图像中的泄露位置。

在一些实施例中，若执行如上实施例中的步骤3031至步骤3032中的确定方法，则在得到携带有气体检测框的差值特征图后，可以确定气体检测框在目标融合图像中的位置为泄露位置。

在本申请实施例中，通过在相同时刻对包含待检测气体的采集区域进行图像采集，得到采集区域对应的可见光图像和红外图像；对可见光图像进行特征提取，得到第一运动特征图；对红外图像进行特征提取，得到第二运动特征图；基于第一运动特征图、第二运动特征图、可见光图像和红外图像，得到目标融合图像；确定待检测气体在目标融合图像中的泄露位置。这样，同时利用了红外图像检测气体的能力和可见光图像检测其他运动物体的能力，一方面，能够实现全天候的泄露检测，大大增加了气体泄露检测的应用场景；另一方面，能够排除采集区域中除待检测气体外的干扰物体，从而能够提高对气体泄露位置检测的准确度。

下面将说明本申请实施例在一个实际的应用场景中的示例性应用。

图5为本申请实施例提供的气体泄露检测方法的总体流程。如图5所示，该方法包括如下步骤501至步骤508:

步骤501，读取实时可见光图像a和红外图像b；

步骤502，对可见光图像进行运动特征分割，以提取可见光图像的运动特征(即第一运动特征图)；以及对红外图像进行运动特征分割，以提取红外图像的运动特征(即第二运动特征图)；

步骤503，对可见光图像的运动特征和红外图像的运动特征进行对比分析；

步骤504，消除可见光图像的运动特征和红外图像的运动特征中的同等运动特征；

步骤505，对不同的运动特征(待检测气体特征)进行标记；

步骤506，对步骤501中得到的可见光图像和红外图像进行图像融合，得到第一融合图像；

步骤507，对步骤505中得到的标记后的运动特征和步骤506中得到的第一融合图像进行融合处理，得到第二融合图像；

步骤508，输出第二融合图像中的待检测气体的泄露位置。

应该理解的是，虽然图1至图5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1至图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

基于前述的实施例，本申请实施例提供一种气体泄露检测装置，该装置包括所包括的各模块、以及各模块所包括的各单元，可以通过处理器来实现；当然也可通过具体的逻辑电路实现；在实施的过程中，处理器可以为中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)等。

图6为本申请实施例提供的气体泄露检测装置的结构示意图，如图6所示，所述装置600包括采集模块601、提取模块602、融合模块603和确定模块604，其中：

采集模块，用于在相同时刻对包含待检测气体的采集区域进行图像采集，得到采集区域对应的可见光图像和红外图像；

提取模块，用于对可见光图像进行特征提取，得到第一运动特征图；以及对红外图像进行特征提取，得到第二运动特征图；

融合模块，用于基于第一运动特征图、第二运动特征图、可见光图像和红外图像，得到目标融合图像；

确定模块，用于确定待检测气体在目标融合图像中的泄露位置。

在一些实施例中，所述融合模块包括第一融合子模块、处理模块和第二融合子模块，其中：

所述第一融合子模块，用于基于预设融合规则对可见光图像和红外图像进行融合处理，得到第一融合图像；

所述处理模块，用于对第一运动特征图和第二运动特征图进行差值处理，得到差值特征图；

所述第二融合子模块，用于对第一融合图像和差值特征图进行加权融合处理，得到目标融合图像。

在一些实施例中，所述第一融合模块，具体用于：对可见光图像进行增强处理，得到增强图像；将红外图像作为背景，将增强图像作为前景，对红外图像和增强图像进行融合处理，得到第一融合图像。

在一些实施例中，所述第一融合模块，还用于：对可见光图像进行滤波处理，得到对应的滤波图像；对可见光图像和滤波图像进行差值处理，得到增强图像。

在一些实施例中，所述第二融合模块，具体用于：

对差值特征图进行识别处理，得到差值特征图中的待检测气体的气体检测框；

对第一融合图像和携带有气体检测框的差值特征图进行加权融合处理，得到目标融合图像。

在一些实施例中，所述确定模块，具体用于：

确定气体检测框在目标融合图像中的位置为泄露位置。

在本申请实施例中，通过在相同时刻对包含待检测气体的采集区域进行图像采集，得到采集区域对应的可见光图像和红外图像；对可见光图像进行特征提取，得到第一运动特征图；对红外图像进行特征提取，得到第二运动特征图；基于第一运动特征图、第二运动特征图、可见光图像和红外图像，得到目标融合图像；确定待检测气体在目标融合图像中的泄露位置。这样，能够提高对气体泄露位置检测的准确度且使得检测方法适用于更多检测场景。

以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

需要说明的是，本申请实施例中图6所示的气体泄露检测装置对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。也可以采用软件和硬件结合的形式实现。

需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得电子设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。

本申请实施例提供一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端应用程序通过网络连接通信。该计算机程序被处理器执行时以实现一种气体泄漏检测方法。

本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中提供的方法中的步骤。

本申请实施例提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法实施例提供的方法中的步骤。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的气体泄漏检测装置可以实现为一种计算机程序的形式，计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成该采样装置的各个程序模块，比如，图6所示的采集模块、提取模块、融合和确定模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的气体泄漏检测方法中的步骤。

这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质、存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”或“一些实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”或“在一些实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如对象A和/或对象B，可以表示：单独存在对象A，同时存在对象A和对象B，单独存在对象B这三种情况。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个模块或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的模块可以是、或也可以不是物理上分开的，作为模块显示的部件可以是、或也可以不是物理模块；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部模块来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能模块可以全部集成在一个处理单元中，也可以是各模块分别单独作为一个单元，也可以两个或两个以上模块集成在一个单元中；上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得电子设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。

本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。

本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。

以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种气体泄露检测方法，其特征在于，所述方法包括：

在相同时刻对包含待检测气体的采集区域进行图像采集，得到所述采集区域对应的可见光图像和红外图像；

对所述可见光图像进行特征提取，得到第一运动特征图；

对所述红外图像进行特征提取，得到第二运动特征图；

基于所述第一运动特征图、所述第二运动特征图、所述可见光图像和所述红外图像，得到目标融合图像；

确定所述待检测气体在所述目标融合图像中的泄露位置。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一运动特征图、所述第二运动特征图、所述可见光图像和所述红外图像，得到目标融合图像，包括：

基于预设融合规则对所述可见光图像和所述红外图像进行融合处理，得到第一融合图像；

对所述第一运动特征图和所述第二运动特征图进行差值处理，得到差值特征图；

对所述第一融合图像和所述差值特征图进行加权融合处理，得到所述目标融合图像。

3.根据权利要求2所述的方法，其特征在于，所述基于预设融合规则对所述可见光图像和所述红外图像进行融合处理，得到第一融合图像，包括：

对所述可见光图像进行增强处理，得到增强图像；

将所述红外图像作为背景，将所述增强图像作为前景，对所述红外图像和所述增强图像进行融合处理，得到所述第一融合图像。

4.根据权利要求3所述的方法，其特征在于，所述对所述可见光图像进行图像增强处理，得到增强图像，包括：

对所述可见光图像进行滤波处理，得到对应的滤波图像；

对所述可见光图像和所述滤波图像进行差值处理，得到所述增强图像。

5.根据权利要求3所述的方法，其特征在于，所述对所述第一融合图像和所述差值特征图进行加权融合处理，得到所述目标融合图像，包括：

对所述差值特征图进行识别处理，得到所述差值特征图中的待检测气体的气体检测框；

对所述第一融合图像和携带有所述气体检测框的所述差值特征图进行加权融合处理，得到所述目标融合图像。

6.根据权利要求5所述的方法，其特征在于，所述确定所述待检测气体在所述目标融合图像中的泄露位置，包括：

确定所述气体检测框在所述目标融合图像中的位置为所述泄露位置。

7.一种气体泄露检测装置，其特征在于，包括：

采集模块，用于在相同时刻对包含待检测气体的采集区域进行图像采集，得到所述采集区域对应的可见光图像和红外图像；

提取模块，用于对所述可见光图像进行特征提取，得到第一运动特征图；以及对所述红外图像进行特征提取，得到第二运动特征图；

融合模块，用于基于所述第一运动特征图、所述第二运动特征图、所述可见光图像和所述红外图像，得到目标融合图像；

确定模块，用于确定所述待检测气体在所述目标融合图像中的泄露位置。

8.根据权利要求7所述的装置，其特征在于，所述融合模块包括第一融合子模块、处理模块和第二融合子模块，其中：

所述第一融合子模块，用于基于预设融合规则对所述可见光图像和所述红外图像进行融合处理，得到第一融合图像；

所述处理模块，用于对所述第一运动特征图和所述第二运动特征图进行差值处理，得到差值特征图；

所述第二融合子模块，用于对所述第一融合图像和所述差值特征图进行加权融合处理，得到所述目标融合图像。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。

Images