CN101395643A - 利用摄像机检测烟雾 - Google Patents
利用摄像机检测烟雾 Download PDFInfo
- Publication number
- CN101395643A CN101395643A CNA200680053607XA CN200680053607A CN101395643A CN 101395643 A CN101395643 A CN 101395643A CN A200680053607X A CNA200680053607X A CN A200680053607XA CN 200680053607 A CN200680053607 A CN 200680053607A CN 101395643 A CN101395643 A CN 101395643A
- Authority
- CN
- China
- Prior art keywords
- smog
- video image
- moving region
- image
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000779 smoke Substances 0.000 title abstract description 7
- 238000001514 detection method Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims 1
- 230000001960 triggered effect Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 241000023320 Luma <angiosperm> Species 0.000 description 2
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Fire-Detection Mechanisms (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明描述了通过分析至少一个由监控一个地区的摄像机拍摄的视频图像来检测烟雾的方法和装置。按照本发明,通过确定至少一个视频图像的至少一个运动区域的方向和大小来检查该运动区域是否可能存在烟雾。在检查结果积极时,依据至少一个表征烟雾的信息来分析该至少一个运动区域的至少一部分是否存在烟雾。
Description
技术领域
本发明涉及通过分析至少一个由监控一个地区的摄像机拍摄的视频图像来检测烟雾的方法和装置。
背景技术
早期人们努力采用在大楼、通道等中为了安全监控而设置的视频系统来检测烟雾。由于这些视频图像对于观察者来说通常不感兴趣,此外烟雾只会在视频图像中引起非常小的变化,因此不能由人员在显示屏上进行监控。如果要这样进行,则该监控只能通过自动分析视频图像来进行。在公知的用于自动检查视频图像以查看是否出现烟雾的方法中,将前后连续的图像的各个像素的强度值相互比较。如果测量了代表由于存在烟雾而导致的更亮的图像的强度值,则推断出存在烟雾并触发警报。
在该方法中还存在以下问题:在亮的背景前无法识别出烟雾,而且甚至无法检测到仅产生少量烟雾的火灾。此外,例如由于摄像机的视场而移动的人员所导致的亮度改变也可能触发错误警报。人们尝试这样来解决该问题,即除了实际的监控区域之外还检查外部的区域,并且在该外部区域中发生变化时中断对该监控区域的观察。该方法的缺点是,可能在特定的延迟之后才检测到火灾,而且无法识别在除了监控区域之外还设置的外部区域中的烟雾源。
发明内容
本发明要解决的技术问题在于,提供一种有效的手段来借助至少一个由监控一个区域的摄像机拍摄的视频图像检测烟雾。
该技术问题按照本发明分别通过独立权利要求的内容解决。本发明的扩展在从属权利要求中给出。
本发明的核心在于,通过分析至少一个由监控一个区域的摄像机拍摄的视频图像来检测烟雾。在此,一个区域可以是房间、通道(通道的一部分)、停车场、街道或一段街道等。原则上,在第一步骤中通过确定至少一个视频图像的运动区域的方向和大小检查在该运动区域内是否可能存在烟雾。如果运动区域具有积极的检查结果,则可能存在烟雾。此后,依据至少一条表征烟雾的信息来分析运动区域的至少一部分是否存在烟雾。作为表征烟雾的信息,按照本发明是烟雾的速度、视频图像中描述该运动的像素的个数、至少一个视频图像涉及背景的亮度变化、运动烟雾的颜色变化以及烟雾的运动。
本发明方法或装置的一个优点在于,可以高效地检测到烟雾。尤其是通过分成两部分的分析以及通过适当选择表征烟雾的信息来实现。
附图说明
下面借助附图中的实施例详细解释本发明。在此
图1示出用于检测烟雾的本发明的框图,
图2示出视频图像的简化显示,
图3示出用于检测烟雾的判决图,
图4示出本发明的装置。
具体实施方式
图1示出本发明用于检测烟雾的框图。从以特定频率产生的至少一个视频图像中获得至少一个强度图像[Xij(t)]。视频图像在此例如具有352×288个像素的大小。下一步是预处理。预处理的目标是从视频图像中滤出对检测烟雾感兴趣的区域。为此首先产生背景累积矩阵[Bij(t)]。背景累积矩阵[Bij(t)]是从用加权因子加权的强度图像[Xij(t)]中获得的,其中给出加权因子α,其表示强度图像对累积矩阵[Bij(t)]的影响有多强烈。
累积矩阵如下确定:
Bij(t)=αBij(t-1)+(1-α)Xij(t),α=加权因子
然后为至少一个运动区域计算减法矩阵Dij(t)=|Bij(t)-Xij(t)|。通过对减法矩阵Dij(t)的颜色加权,最后可以获得颜色加权的减法矩阵[Sij(t)]。
该减法矩阵[Sij(t)]如下确定:
Sij(t)=Luma{Dij(t)}×{1-|ChromaU{Dij(t)}-ChromaV{Dij(t)}|}
其中Luma{Dij(t)}是Dij的亮度分量,ChromaU{Dij(t)}是Dij的U颜色分量,ChromaV{Dij(t)}是Dij的V颜色分量。
在位置(i,j)处出现烟雾的概率最后例如通过将经过颜色加权的减法矩阵[Sij(t)]投影到笛卡尔坐标系统的x/y轴上来确定。
投影到笛卡尔坐标系统在此如下进行:
[im,jm](t)={(i,j)|i=max{x-Sij(t)的投影},
j=max{y-Sij(t)的投影}}
x-Sij(t)的投影:pxi(t)=Si0(t)+si1(t)+si2(t)+...+siv(t)
y-Sij(t)的投影:pyj(t)=S0j(t)+s1j(t)+s2j(t)+...+sHj(t)
Sij在该示例中具有H×V(H=烟雾的速度×烟雾的运动=V)。当然坐标系的选择是任意的。因此还可以采用球坐标、柱坐标等。
借助颜色加权的减法矩阵[Sij(t)]可以在视频图像的运动区域中检查是否可能存在烟雾。在可能存在烟雾时,定义相对于原始图像减小的感兴趣视频图像区域(ROI=感兴趣区域)。当然还可以在一个视频图像或在多个信道中定义多个ROI区域。通过将数据减小到大约1:100,ROI的大小在此例如可以是8×128个像素,实际分析的处理器损耗会大大降低。在所拍摄的视频图像的运动区域中是否存在烟雾要借助至少一个表征烟雾的信息来解释。在该示例中,为了提高检测可靠度使用下面的5个信息。
作为表征烟雾的信息,采用烟雾的速度(烟雾的运动)、描述该运动的像素(有效像素)的个数、至少一个视频图像涉及背景的亮度变化、运动烟雾的颜色变化(颜色变换)以及烟雾的运动(直方图中的y位置)。
对于每个ROI区域,计算出下面表征烟雾的信息:
-SROI(t)的烟雾运动:v(t)=SROI(t)的y位置的时间相关,例如pyj(t),
-BROI(t)和XROI(t)的方差,用于确定相对于(正常)背景的亮度变化:1(t)=1-var{BROI(t)}/var{BROI(t)},
-SROI(t)的有效像素:a(t)=SROI(t)的值大于0的像素个数,
-颜色变换:c(t)={1-|ChromaU{DROI(t)}-ChromaV{DROI(t)}|}<阈值的像素的个数
-直方图中的y位置:h(t)=SROI(t)的y投影的值,例如将pyj(t)用于产生具有64个信道的直方图。
此后将表征烟雾的信息v(t),1(t),a(t),c(t)和h(t)关于特定的时间积分并由此关于多个图像积分。该函数例如如下所示:
由关于时间积分的信息确定下面的平均值。
烟雾运动的平均值 FV=V
亮度变换的平均值 FL=L
有效像素的平均值 FA=A
颜色变换的平均值 FC=C
直方图中y位置的平均值 FH=H
此后对于每个平均值计算烟雾存在的概率。这通过模板识别来进行。对于每个平均值确定识别器值ψ。阈值δ(或者概率函数)例如可以按照以下方式来定义识别器值:
对于亮度变化
或者。≤Γ(FL)≤1,其中Γ(x)是概率函数。
烟雾模板通过所有识别器的乘积来定义:
或者定义为所有识别器的平均值:
其中NF=5是信息的数量。
最后判断视频图像的运动区域是否是烟雾的成像。为此确定增加或减小了值σ的积分器I(t):
I(t=0)=0;
否则I(t)=I(t-1)-σ-(如果I(t)<S-则加上S-(通常为0))
其中σ+、σ-通常采用+1。
如果I(t)超过临界值k,则检测到烟雾并例如触发警报:
如果I(t)>k,则有烟雾
否则没有烟雾
图2示出视频图像VB的简化图。该图像包含应当是烟雾的运动区域。此外,该视频图像VB示出已根据图1的描述确定的ROI区域。
图3示出用于检测烟雾的判决图,如在图1中描述的。如果I(t)超过特定的阈值k则触发警报,从而以高的概率检测到烟雾。为了不让I(t)无限上升,从而让烟雾检测的反应时间不必要地下降,定义一个最大值IT。关键时间表示到触发警报为止的时间。该时间应当尽可能的短。
图4示出本发明的装置VR,具有用于例如与其他单元如传感器、中央单元等通信的接收单元E和发送单元S,以及具有用于执行图1的方法的处理单元V。该装置在此集成在摄像机、中央单元等中,或者是单独的单元。
Claims (15)
1.一种通过分析至少一个由监控一个地区的摄像机拍摄的视频图像来检测烟雾的方法,其特征在于,
通过确定至少一个视频图像的至少一个运动区域的方向和大小来检查该至少一个运动区域是否可能存在烟雾,
在检查结果积极时,依据至少一个表征烟雾的信息来分析该至少一个运动区域的至少一部分是否存在烟雾。
2.根据权利要求1所述的方法,其特征在于,作为表征烟雾的信息,是烟雾的速度、描述该运动的像素的个数、至少一个视频图像涉及背景的亮度变化、运动烟雾的颜色变化以及烟雾的运动。
3.根据权利要求1或2所述的方法,其特征在于,所述至少一个视频图像是以特定频率产生的,并从该至少一个视频图像中获得至少一个强度图像[Xij(t)]。
4.根据权利要求3所述的方法,其特征在于,产生背景累积矩阵[Bij(t)],其是从用加权因子加权的强度图像[Xij(t)]中获得的,其中给出加权因子,该加权因子表示强度图像对累积矩阵[Bij(t)]的影响有多强烈。
5.根据权利要求4所述的方法,其特征在于,借助减法矩阵Dij(t)=|Bij(t)-Xij(t)|确定至少一个运动区域。
6.根据权利要求5所述的方法,其特征在于,从减法矩阵Dij(t)中确定经过颜色加权的减法矩阵[Sij(t)]。
7.根据权利要求6所述的方法,其特征在于,借助经过颜色加权的减法矩阵[Sij(t)]检查在视频图像的运动区域中是否可能存在烟雾,在出现积极的检查结果时,定义相对于原始图像减小的感兴趣视频图像区域(ROI)。
8.根据权利要求7所述的方法,其特征在于,所述感兴趣视频图像区域(ROI)是视频图像的运动区域的至少一部分。
9.根据权利要求7所述的方法,其特征在于,所述感兴趣视频图像区域(ROI)作为矩形具有长/宽比16:1。
10.根据权利要求6所述的方法,其特征在于,在位置(i,j)处出现烟雾的概率通过将经过颜色加权的减法矩阵[Sij(t)]投影到笛卡尔坐标系统的x/y轴上来确定。
11.根据上述权利要求之一所述的方法,其特征在于,在感兴趣视频图像区域中分析所述至少一个表征烟雾的信息。
12.根据权利要求11所述的方法,其特征在于,将至少一个表征烟雾的信息关于特定的时间积分并由此关于多个图像积分,并确定它们的平均值,而且对于每个平均值计算烟雾存在的概率。
13.根据权利要求12所述的方法,其特征在于,通过与阈值δ的比较和/或通过概率函数Γ(x)确定烟雾存在的概率。
14.根据权利要求12或13所述的方法,其特征在于,由所述平均值的概率计算出在感兴趣视频图像区域中存在烟雾的总概率,将该总概率关于多个图像积分,并在积分值超过阈值(k)时触发警报。
15.一种通过分析至少一个由监控一个地区的摄像机拍摄的视频图像来检测烟雾的装置(VR),
具有用于例如与其他单元通信的接收单元(E)和发送单元(S),
具有处理单元(V),用于通过确定至少一个视频图像的至少一个运动区域的方向和大小来检查该至少一个运动区域是否可能存在烟雾,并在检查结果积极时,依据至少一个表征烟雾的信息来分析该至少一个运动区域的至少一部分是否存在烟雾。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2006/066718 WO2008037293A1 (de) | 2006-09-25 | 2006-09-25 | Detektion von rauch mit einer videokamera |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101395643A true CN101395643A (zh) | 2009-03-25 |
CN101395643B CN101395643B (zh) | 2011-12-14 |
Family
ID=38054757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200680053607XA Expired - Fee Related CN101395643B (zh) | 2006-09-25 | 2006-09-25 | 利用摄像机检测烟雾 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20090219389A1 (zh) |
KR (1) | KR20090086898A (zh) |
CN (1) | CN101395643B (zh) |
WO (1) | WO2008037293A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163360A (zh) * | 2011-03-24 | 2011-08-24 | 杭州海康威视系统技术有限公司 | 隧道烟雾的视频检测方法及其装置 |
CN101794450B (zh) * | 2009-11-13 | 2011-12-14 | 北京智安邦科技有限公司 | 视频图像序列中烟雾的检测方法及装置 |
CN103150549A (zh) * | 2013-02-05 | 2013-06-12 | 长安大学 | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 |
CN108898785A (zh) * | 2018-08-20 | 2018-11-27 | 合肥龙多电子科技有限公司 | 一种停车场监控系统 |
CN109074714A (zh) * | 2016-05-04 | 2018-12-21 | 罗伯特·博世有限公司 | 用于探测事件的探测装置、方法和计算机程序 |
CN109074713A (zh) * | 2016-05-04 | 2018-12-21 | 罗伯特·博世有限公司 | 烟雾探测设备、用于探测火灾的烟雾的方法以及计算机程序 |
CN109883907A (zh) * | 2017-12-06 | 2019-06-14 | 九阳股份有限公司 | 一种基于图像的烹饪烟雾检测方法和智能烟机 |
WO2021057790A1 (zh) * | 2019-09-24 | 2021-04-01 | 中科智云科技有限公司 | 用于确定烟雾的方法和设备 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011032117A1 (en) * | 2009-09-13 | 2011-03-17 | Delacom Detection Systems, Llc | Method and system for wildfire detection using a visible range camera |
CN101916372B (zh) * | 2010-09-08 | 2012-12-26 | 大连古野软件有限公司 | 基于视频的多特征融合的烟检测装置和方法 |
DE102013220553A1 (de) * | 2013-10-11 | 2015-04-16 | Robert Bosch Gmbh | Raucherkennungsvorrichtung, Verfahren zur Detektion von mindestens einem Rauchdetektionsmerkmal sowie Computerprogramm |
CN103632158B (zh) * | 2013-11-20 | 2017-04-12 | 北京环境特性研究所 | 森林防火监控方法及森林防火监控系统 |
DE102014219838A1 (de) | 2014-09-30 | 2016-03-31 | Robert Bosch Gmbh | Rauchdetektionsvorrichtung sowie Verfahren zur Detektion von Rauch eines Brandes und Computerprogramm |
US9805472B2 (en) * | 2015-02-18 | 2017-10-31 | Sony Corporation | System and method for smoke detection during anatomical surgery |
US9818277B1 (en) | 2015-07-27 | 2017-11-14 | Amazon Technologies, Inc. | Systems and methods for smoke detection |
US20190116341A1 (en) * | 2017-10-16 | 2019-04-18 | Alfaplus Semiconductor Inc. | Smart sensor apparatus |
CN109086647B (zh) * | 2018-05-24 | 2022-01-07 | 苏州飞搜科技有限公司 | 烟雾检测方法及设备 |
WO2020263549A1 (en) | 2019-06-27 | 2020-12-30 | Carrier Corporation | Spatial and temporal pattern analysis for integrated smoke detection and localization |
CN114414503B (zh) * | 2022-01-10 | 2024-05-07 | 武汉华信联创技术工程有限公司 | 潜在气体排放源检测方法、装置、设备及可读存储介质 |
CN115909220B (zh) * | 2023-01-07 | 2023-05-09 | 广州市云景信息科技有限公司 | 一种实现船舶大气污染智能管控的方法及系统 |
KR102683550B1 (ko) * | 2023-11-23 | 2024-07-10 | 주식회사우경정보기술 | 확산형 객체를 검출하는 방법 및 장치 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5153722A (en) * | 1991-01-14 | 1992-10-06 | Donmar Ltd. | Fire detection system |
US5237308A (en) * | 1991-02-18 | 1993-08-17 | Fujitsu Limited | Supervisory system using visible ray or infrared ray |
WO1997016926A1 (en) * | 1995-10-31 | 1997-05-09 | Sarnoff Corporation | Method and apparatus for determining ambient conditions from an image sequence |
GB9822956D0 (en) * | 1998-10-20 | 1998-12-16 | Vsd Limited | Smoke detection |
ATE340395T1 (de) * | 2000-02-07 | 2006-10-15 | Vsd Ltd | Rauch- und flammendetektion |
CN1168054C (zh) * | 2000-10-16 | 2004-09-22 | 中国科学技术大学 | 烟雾相对浓度图像探测器及其探测方法 |
AU2002220440B2 (en) * | 2000-12-28 | 2007-08-23 | Siemens Schweiz Ag | Video smoke detection system |
ATE298912T1 (de) * | 2001-02-26 | 2005-07-15 | Fastcom Technology Sa | Verfahren und einrichtung zum erkennung von fasern auf der grundlage von bildanalyse |
WO2003001187A1 (de) * | 2001-06-22 | 2003-01-03 | Siemens Building Technologies Ag | Video-rauchdetektionssystem und verfahren zu dessen überprüfung |
US7505604B2 (en) * | 2002-05-20 | 2009-03-17 | Simmonds Precision Prodcuts, Inc. | Method for detection and recognition of fog presence within an aircraft compartment using video images |
WO2005045775A1 (en) * | 2003-11-07 | 2005-05-19 | Axonx, L.L.C. | Smoke detection method and apparatus |
US7495573B2 (en) * | 2005-02-18 | 2009-02-24 | Honeywell International Inc. | Camera vision fire detector and system |
-
2006
- 2006-09-25 WO PCT/EP2006/066718 patent/WO2008037293A1/de active Application Filing
- 2006-09-25 US US12/095,937 patent/US20090219389A1/en not_active Abandoned
- 2006-09-25 KR KR1020087014634A patent/KR20090086898A/ko not_active Application Discontinuation
- 2006-09-25 CN CN200680053607XA patent/CN101395643B/zh not_active Expired - Fee Related
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794450B (zh) * | 2009-11-13 | 2011-12-14 | 北京智安邦科技有限公司 | 视频图像序列中烟雾的检测方法及装置 |
CN102163360A (zh) * | 2011-03-24 | 2011-08-24 | 杭州海康威视系统技术有限公司 | 隧道烟雾的视频检测方法及其装置 |
CN102163360B (zh) * | 2011-03-24 | 2013-07-31 | 杭州海康威视系统技术有限公司 | 隧道烟雾的视频检测方法及其装置 |
CN103150549A (zh) * | 2013-02-05 | 2013-06-12 | 长安大学 | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 |
CN103150549B (zh) * | 2013-02-05 | 2015-12-02 | 长安大学 | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 |
CN109074714A (zh) * | 2016-05-04 | 2018-12-21 | 罗伯特·博世有限公司 | 用于探测事件的探测装置、方法和计算机程序 |
CN109074713A (zh) * | 2016-05-04 | 2018-12-21 | 罗伯特·博世有限公司 | 烟雾探测设备、用于探测火灾的烟雾的方法以及计算机程序 |
CN109883907A (zh) * | 2017-12-06 | 2019-06-14 | 九阳股份有限公司 | 一种基于图像的烹饪烟雾检测方法和智能烟机 |
CN109883907B (zh) * | 2017-12-06 | 2022-02-01 | 九阳股份有限公司 | 一种基于图像的烹饪烟雾检测方法和智能烟机 |
CN108898785A (zh) * | 2018-08-20 | 2018-11-27 | 合肥龙多电子科技有限公司 | 一种停车场监控系统 |
WO2021057790A1 (zh) * | 2019-09-24 | 2021-04-01 | 中科智云科技有限公司 | 用于确定烟雾的方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
KR20090086898A (ko) | 2009-08-14 |
CN101395643B (zh) | 2011-12-14 |
US20090219389A1 (en) | 2009-09-03 |
WO2008037293A1 (de) | 2008-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101395643B (zh) | 利用摄像机检测烟雾 | |
Hashemzadeh et al. | Fire detection for video surveillance applications using ICA K-medoids-based color model and efficient spatio-temporal visual features | |
JP4705090B2 (ja) | 煙感知装置及びその方法 | |
Bird et al. | Real time, online detection of abandoned objects in public areas | |
US8243987B2 (en) | Object tracking using color histogram and object size | |
CN105554440B (zh) | 监控方法和设备 | |
US7859419B2 (en) | Smoke detecting method and device | |
KR102195706B1 (ko) | 침입 탐지방법 및 그 장치 | |
US20060170769A1 (en) | Human and object recognition in digital video | |
CN107679471B (zh) | 基于视频监控平台的室内人员空岗检测方法 | |
CN105405150B (zh) | 基于融合特征的异常行为检测方法和装置 | |
US20190258866A1 (en) | Human presence detection in edge devices | |
CN106897720A (zh) | 一种基于视频分析的烟火检测方法及装置 | |
US20120033083A1 (en) | Verfahren zur videoanalyse | |
US9569531B2 (en) | System and method for multi-agent event detection and recognition | |
EP2000998B1 (en) | Flame detecting method and device | |
EP2000952A2 (en) | Smoke detecting method and device | |
CN112396023A (zh) | 基于机器学习的火灾检测方法 | |
CN108830161B (zh) | 基于视频流数据的烟雾识别方法 | |
CN101316371A (zh) | 火焰侦测方法及装置 | |
JP2009506468A (ja) | イベント検出に関する改善 | |
CN111753587A (zh) | 一种倒地检测方法及装置 | |
EP1762995B1 (de) | Detektion von Rauch mit einer Videokamera | |
KR101467307B1 (ko) | 인공 신경망 모델을 이용한 보행자 계수 방법 및 장치 | |
CN112329499B (zh) | 一种图像处理方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
ASS | Succession or assignment of patent right |
Owner name: SIEMENS AG Free format text: FORMER OWNER: SIEMENS SWITZERLAND CO., LTD. Effective date: 20090605 |
|
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20090605 Address after: Munich, Germany Applicant after: Siemens AG Address before: Zurich Applicant before: Siemens Schweiz AG |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111214 Termination date: 20120925 |