CN103106766B - 林火识别方法与系统 - Google Patents
林火识别方法与系统 Download PDFInfo
- Publication number
- CN103106766B CN103106766B CN201310013814.4A CN201310013814A CN103106766B CN 103106766 B CN103106766 B CN 103106766B CN 201310013814 A CN201310013814 A CN 201310013814A CN 103106766 B CN103106766 B CN 103106766B
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- target area
- fire
- smog
- 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.)
- Active
Links
Landscapes
- Fire-Detection Mechanisms (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种林火识别方法与系统,对林区监测图像进行分析,提取图像特征,判断是否符合发生火情时的特点,若符合则判定为有疑似火点,实现了林火识别的目的,并可以进行报警,监测人员还可以通过目视辨别有疑似火点的图像,确认该区域是否发生了森林火灾。本方法与系统具有林火自动识别功能,还可以对火情自动报警,结合GIS系统,对着火点精确定位,清晰成像,避免了原始人工了望观察火情的局限,实现了林区管理数字化、科学化,大大减少了林业部门的费用支出和管理成本,提高了林区企业的效应。
Description
技术领域
本发明涉及森林防火技术领域,特别是涉及一种林火识别方法与系统。
背景技术
随着造林事业的不断发展,林地面积、林业蓄积量逐年增加,防火工作成为首要任务。森林火灾是世界性的林业重要灾害之一,年年都有一定数量的发生,造成森林资源的重大损失和全球性的环境污染。森林火灾具有突发性、灾害发生的随机性、短时间内能造成巨大损失的特点。因此一旦有火警发生,就必须以极快的速度采取扑救措施,而扑救是否及时,决策是否得当,重要原因都取决于对林火行为的发现是否及时,分析是否准确合理,决策措施是否得当。
然而,目前森林火险的发现还依赖于人工瞭望,造成林火发现不及时、着火点位置判断不准确等问题,不利于预警与救灾,给森林资源造成极大损害。
发明内容
基于上述情况,本发明提出了一种林火识别方法与系统,以提高林火识别的时效性和准确性。
一种林火识别方法,包括步骤:
获取森林监测视频,从中提取每一帧图像;
对提取的图像进行火焰检测,
所述火焰检测包括如下步骤:
将图像转到HIS空间,统计每个像素的H值,将H值小于等于30的像素标记为红色像素;
将图像划分为预定大小的图像块;
统计每个图像块中红色像素的数目,若超过预定数目,则将该图像块标记为有疑似火焰;
对标记为有疑似火焰的图像块中的像素的像素值进行统计,比较与前一帧图像中对应像素的像素值的差值,若差值超过阈值,则将该像素标记为闪烁像素,若标记为有疑似火焰的图像块中闪烁像素的个数小于阈值,则判定该图像块中没有火焰,去除该图像块有疑似火焰的标记;
将连续预定次数被标记为有疑似火焰的图像块判定为有火焰。
一种林火识别系统,包括:
图像获取单元,用于获取森林监测视频,从中提取每一帧图像;
火焰检测单元,用于对提取的图像进行火焰检测,
所述火焰检测单元包括:
颜色检测模块,用于将图像转到HIS空间,统计每个像素的H值,将H值小于等于30的像素标记为红色像素;
图像分块模块,用于将图像划分为预定大小的图像块;
色彩判断模块,用于统计每个图像块中红色像素的数目,若超过预定数目,则将该图像块标记为有疑似火焰;
闪烁频率统计模块,用于对标记为有疑似火焰的图像块中的像素的像素值进行统计,比较与前一帧图像中对应像素的像素值的差值,若差值超过阈值,则将该像素标记为闪烁像素,若标记为有疑似火焰的图像块中闪烁像素的个数小于阈值,则判定该图像块中没有火焰,去除该图像块有疑似火焰的标记;
火焰判定模块,用于将连续预定次数被标记为有疑似火焰的图像块判定为有火焰。
本发明林火识别方法与系统,对林区监测图像进行分析,提取图像特征,判断是否符合发生火情时的特点,若符合则判定为有火焰,实现了林火识别的目的。避免了原始人工瞭望观察火情的局限,实现了林区管理数字化、科学化,大大减少了林业部门的费用支出和管理成本,提高了林区企业的效应。
附图说明
图1为本发明林火识别方法的流程示意图;
图2为本发明林火识别方法中烟雾检测的流程示意图;
图3为本发明林火识别系统的结构示意图;
图4为本发明林火识别系统中烟雾检测单元的结构示意图。
具体实施方式
本发明对林区图像进行分析,找出可能的火点,再发给工作人员进行确认并进行相应处理,下面结合附图详细解释本发明。
本发明林火识别方法,如图1所示,包括步骤:
步骤S101、获取森林监测视频,从中提取每一帧图像。摄像机、镜头系统和云台等安装在铁塔上,摄像机在云台的控制下对森林进行监测,录制视频,本步骤从获取的视频中提取图像,从而按照后续步骤对图像进行分析,进行林火识别。
步骤S102、对提取出的每帧图像进行分析,检测是否存在火焰。
步骤S102具体包括如下步骤:
步骤S1021、颜色检测。将图像转到HIS空间,火焰通常为红色,而红色转到HIS空间后H值小于等于30,故将H值满足此条件的像素标记为红色。
步骤S1022、图像分块。将图像划分为预定大小的图像块,如分为10*10大小的图像块;
步骤S1023、色彩判断。统计每个图像块中红色像素的数目,若红色像素占大多数,则将该图像块标记为有疑似火焰;
步骤S1024、统计闪烁频率。由于火焰存在闪烁,故其像素值是不稳定的,与前一帧图像比较,像素值差异较大。据此,对标记为有疑似火焰的图像块中的像素的像素值进行统计,比较与前一帧图像中对应像素的像素值的差值,若差值超过阈值,则将该像素标记为闪烁像素,若标记为有疑似火焰的图像块中闪烁像素的个数小于阈值,则判定该图像块中没有火焰,去除该图像块有疑似火焰的标记;
步骤S1025、将连续预定次数被标记为有疑似火焰的图像块判定为有火焰。
可知,本方法利用火焰的颜色及变化特点,对图像进行分析,判断是否符合发生火情时的特点,从而对林火进行识别。
以上步骤是对明火进行识别,实际情况中,火灾现场除了明火还伴有烟雾,若能识别出烟雾也说明可能有火灾发生。因此,作为一个优选的实施例,本方法还可以对图像中的烟雾进行检测,烟雾检测可以在火焰检测之前或之后进行,如图2所示,其包括以下步骤:
步骤S1031、背景建模。利用CODEBOOK算法,根据预定帧图像,如前20-30帧图像,建立背景模型,此处的背景为非烟雾的森林背景。
步骤S1032、变化检测。对于所述预定帧图像后面的每帧图像,用每个像素的R、G、B值与所述背景模型中相应像素的R、G、B值进行比对,若差值超过阈值则将该像素标记为前景,否则标记为背景。
步骤S1033、区域提取。生成一幅标记图像,所述标记图像的前景像素灰度值为255,背景像素灰度值为0,对所述标记图像进行中值滤波去掉孤立点,提取每个前景区域,作为目标区域,并计算其面积和圆形度,去掉面积或圆形度小于阈值的目标区域,对于剩余的每个目标区域,若其像素的R、G、B值中任意两个值的差值小于阈值,则将该像素判定为灰色像素,而林火烟雾一般为灰色,故统计每个目标区域内灰色像素的数目,并与目标区域面积进行比较然后计算该目标区域为烟雾的权值。
步骤S1034、跟踪区域。跟踪每个目标区域,并与前一帧图像相应的目标区域进行比较,若两目标区域有重叠,根据重叠区域的比例计算一个面积权值累加到该目标区域的烟雾权值上,考虑到烟雾一般呈扩散和上升状态,根据前后两帧图像对应目标区域的面积和高度计算一个权值再次累加到后帧图像目标区域的烟雾权值上。
步骤S1035、若目标区域的烟雾权值大于阈值,则说明该区域可能为烟雾,将该目标区域标记为可能有烟雾,考虑到烟雾的连续性,若目标区域连续预定次数被标记为可能有烟雾,则判定该目标区域为烟雾。
作为一个优选的实施例,本方法还可以对提取的图像先进行预处理再进行火焰检测和烟雾检测,以排除干扰。所述预处理的过程包括:
利用高斯函数对获取的图像进行平滑去噪;
以第一帧图像为基础,利用直方图规定化对图像的色彩和亮度进行调整;
利用图像金字塔在预设的阈值范围内对图像进行抖动改正。
采用以上步骤,识别出火焰或烟雾后,作为一个优选的实施例,还可以包括以下步骤:
图像块被判定为有火焰或目标区域被判定为烟雾后,发出报警;
将判定为有火焰的图像块和被判定为烟雾的目标区域在图像中标识出来,给出确认提示;
若未接到确认命令,则解除报警,若接到确认命令,则向云台控制模块发出锁定云台的指令,所述云台控制模块为录制所述森林监测视频的云台的控制模块。
通过图像分析识别出可疑火点和烟雾后,还给出提示,提示监测人员确认是否是火点和烟雾,以进一步提高林火识别的准确性。监测人员目视确认林火“是”或“否”;如果接到“是”,就向云台控制模块发送锁定云台的指令;如果接到“否”,则解除报警,返回到单帧图像处理的开始阶段,循环进行图像识别。
如果经过人工交互识别后确认为“是”林火,通过带实时角度信息回传的云台,结合GIS工作站,将每个火情点的地理位置准确的显示在三维电子地图上,云台工作时实时将摄像机的水平及俯仰角度回传至防火指挥中心,送入GIS系统进行实时解算,利用数据库中的DEM和ArcGIS的空间分析功能通过软件来实现定位,当云台的视线和DEM相交时,根据水平及俯仰角度和监控点的已知位置就可将发生火情的确切位置在GIS上显示出来。同时还显示着火点的三维地形地貌,林火类型。预留读取火灾现场移动气象站数据,以及通往火场的主要道路及通行能力,防火隔离带的位置及阻火能力,距着火点最近的消防队伍的具体位置及赶赴火场所需要的时间等重要指挥信息。
本发明林火识别系统,如图3所示,包括:
图像获取单元,用于获取森林监测视频,从中提取每一帧图像;
火焰检测单元,用于对提取的图像进行火焰检测,
所述火焰检测单元包括:
颜色检测模块,用于将图像转到HIS空间,统计每个像素的H值,将H值小于等于30的像素标记为红色像素;
图像分块模块,用于将图像划分为预定大小的图像块;
色彩判断模块,用于统计每个图像块中红色像素的数目,若超过预定数目,则将该图像块标记为有疑似火焰;
闪烁频率统计模块,用于对标记为有疑似火焰的图像块中的像素的像素值进行统计,比较与前一帧图像中对应像素的像素值的差值,若差值超过阈值,则将该像素标记为闪烁像素,若标记为有疑似火焰的图像块中闪烁像素的个数小于阈值,则判定该图像块中没有火焰,去除该图像块有疑似火焰的标记;
火焰判定模块,用于将连续预定次数被标记为有疑似火焰的图像块判定为有火焰。
作为一个优选的实施例,如图4所示,本系统还可以包括烟雾检测单元,用于对提取的图像进行烟雾检测,
所述烟雾检测单元包括:
背景建模模块,用于利用CODEBOOK算法,根据预定帧图像建立背景模型;
变化检测模块,用于对于所述预定帧图像之后的每帧图像,用每个像素的R、G、B值与所述背景模型中相应像素的R、G、B值进行比对,若差值超过阈值则将该像素标记为前景,否则标记为背景;
区域提取模块,用于生成一幅标记图像,所述标记图像的前景像素灰度值为255,背景像素灰度值为0,对所述标记图像进行中值滤波去掉孤立点,提取每个前景区域,作为目标区域,并计算其面积和圆形度,去掉面积或圆形度小于阈值的目标区域,对于剩余的每个目标区域,若其像素的R、G、B值中任意两个值的差值小于阈值,则将该像素判定为灰色像素,统计目标区域中灰色像素的数目,并与该目标区域的面积比较得出该目标区域为烟雾的权值;
区域跟踪模块,用于跟踪每个目标区域,并与前一帧图像相应的目标区域进行比较,若两目标区域有重叠,根据重叠区域的比例计算一个面积权值累加到该目标区域的烟雾权值上,根据前后两帧图像对应目标区域的面积和高度计算一个权值再次累加到后帧图像目标区域的烟雾权值上;
烟雾判定模块,用于在目标区域的烟雾权值大于阈值时,将该目标区域标记为可能有烟雾,在目标区域连续预定次数被标记为可能有烟雾时,判定该目标区域为烟雾。
作为一个优选的实施例,本系统还可以包括预处理单元,用于对提取的图像先进行预处理再进行火焰检测和烟雾检测,所述预处理单元包括:
去噪模块,用于利用高斯函数对获取的图像进行平滑去噪;
色亮度调整模块,用于以第一帧图像为基础,利用直方图规定化对图像的色彩和亮度进行调整;
抖动改正模块,用于利用图像金字塔在预设的阈值范围内对图像进行抖动改正。
作为一个优选的实施例,本系统还可以包括:
报警模块,用于在图像块被判定为有火焰或目标区域被判定为烟雾后,发出报警;
人工交互模块,用于将判定为有火焰的图像块和被判定为烟雾的目标区域在图像中标识出来,给出确认提示;
确认命令处理模块,用于在未接到确认命令时,解除报警,在接到确认命令后,向云台控制模块发出锁定云台的指令,所述云台控制模块为录制所述森林监测视频的云台的控制模块。
作为一个优选的实施例,本系统还可以包括:
着火点位置确定模块,用于在所述确认命令处理模块发出锁定云台的指令后,获取云台摄像机的水平及俯仰角度,利用GIS系统的空间分析功能,确定着火点的确切位置,并在GIS系统的三维地图上显示出来;
救灾方案显示模块,用于在GIS系统的三维地图上还显示着火点的三维地形地貌、林火类型、气象站数据,以及通往着火点的主要道路及通行能力、防火隔离带的位置及阻火能力、距着火点最近的消防队伍的具体位置及赶赴着火点所需要的时间。
本系统是基于图像分析的林火识别系统,由以上实施例可知,本系统除了可以自动对林火进行识别外,还可以进行预警、交互、火点定位及后续处理。相比人工瞭望的方法,本系统能够及时发现火情,准确定位着火点,并给出相应解决方案,实现了林区管理数字化、科学化,大大减少了林业部门的费用支出和管理成本,提高了林区企业的效应。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种林火识别方法,其特征在于,包括步骤:
获取森林监测视频,从中提取每一帧图像;
对提取的图像进行火焰检测,
所述火焰检测包括如下步骤:
将图像转到HIS空间,统计每个像素的H值,将H值小于等于30的像素标记为红色像素;
将图像划分为预定大小的图像块;
统计每个图像块中红色像素的数目,若超过预定数目,则将该图像块标记为有疑似火焰;
对标记为有疑似火焰的图像块中的像素的像素值进行统计,比较与前一帧图像中对应像素的像素值的差值,若差值超过阈值,则将该像素标记为闪烁像素,若标记为有疑似火焰的图像块中闪烁像素的个数小于阈值,则判定该图像块中没有火焰,去除该图像块有疑似火焰的标记;
将连续预定次数被标记为有疑似火焰的图像块判定为有火焰;
对提取的图像进行烟雾检测,
所述烟雾检测包括如下步骤:
利用CODEBOOK算法,根据预定帧图像建立背景模型;
对于所述预定帧图像之后的每帧图像,用每个像素的R、G、B值与所述背景模型中相应像素的R、G、B值进行比对,若差值超过阈值则将该像素标记为前景,否则标记为背景;
生成一幅标记图像,所述标记图像的前景像素灰度值为255,背景像素灰度值为0,对所述标记图像进行中值滤波去掉孤立点,提取每个前景区域,作为目标区域,计算目标区域的面积和圆形度,去掉面积或圆形度小于阈值的目标区域,对于剩余的每个目标区域,若其像素的R、G、B值中任意两个值的差值小于阈值,则将该像素判定为灰色像素,统计目标区域中灰色像素的数目,并与该目标区域的面积比较得出该目标区域为烟雾的权值;
跟踪每个目标区域,并与前一帧图像相应的目标区域进行比较,若两目标区域有重叠,根据重叠区域的比例计算一个权值累加到该目标区域的烟雾权值上,根据前后两帧图像对应目标区域的面积和高度计算一个权值再次累加到后帧图像目标区域的烟雾权值上;
若目标区域的烟雾权值大于阈值,则将该目标区域标记为可能有烟雾,若目标区域连续预定次数被标记为可能有烟雾,则判定该目标区域为烟雾。
2.根据权利要求1所述的林火识别方法,其特征在于,对提取的图像先进行预处理再进行火焰检测和烟雾检测,所述预处理的过程包括:
利用高斯函数对获取的图像进行平滑去噪;
以第一帧图像为基础,利用直方图规定化对图像的色彩和亮度进行调整;
利用图像金字塔在预设的阈值范围内对图像进行抖动改正。
3.根据权利要求1或2所述的林火识别方法,其特征在于,还包括步骤:
图像块被判定为有火焰或目标区域被判定为烟雾后,发出报警;
将判定为有火焰的图像块和被判定为烟雾的目标区域在图像中标识出来,给出确认提示;
若未接到确认命令,则解除报警,若接到确认命令,则向云台控制模块发出锁定云台的指令,所述云台控制模块为录制所述森林监测视频的云台的控制模块。
4.根据权利要求3所述的林火识别方法,其特征在于,发出锁定云台的指令后,获取云台上摄像机的水平及俯仰角度,利用GIS系统的空间分析功能,确定着火点的确切位置,并在GIS系统的三维地图上显示出来,
在GIS系统的三维地图上还显示着火点的三维地形地貌、林火类型、气象站数据,以及通往着火点的主要道路及通行能力、防火隔离带的位置及阻火能力、距着火点最近的消防队伍的具体位置及赶赴着火点所需要的时间。
5.一种林火识别系统,其特征在于,包括:
图像获取单元,用于获取森林监测视频,从中提取每一帧图像;
火焰检测单元,用于对提取的图像进行火焰检测,
所述火焰检测单元包括:
颜色检测模块,用于将图像转到HIS空间,统计每个像素的H值,将H值小于等于30的像素标记为红色像素;
图像分块模块,用于将图像划分为预定大小的图像块;
色彩判断模块,用于统计每个图像块中红色像素的数目,若超过预定数目,则将该图像块标记为有疑似火焰;
闪烁频率统计模块,用于对标记为有疑似火焰的图像块中的像素的像素值进行统计,比较与前一帧图像中对应像素的像素值的差值,若差值超过阈值,则将该像素标记为闪烁像素,若标记为有疑似火焰的图像块中闪烁像素的个数小于阈值,则判定该图像块中没有火焰,去除该图像块有疑似火焰的标记;
火焰判定模块,用于将连续预定次数被标记为有疑似火焰的图像块判定为有火焰;
烟雾检测单元,用于对提取的图像进行烟雾检测,
所述烟雾检测单元包括:
背景建模模块,用于利用CODEBOOK算法,根据预定帧图像建立背景模型;
变化检测模块,用于对于所述预定帧图像之后的每帧图像,用每个像素的R、G、B值与所述背景模型中相应像素的R、G、B值进行比对,若差值超过阈值则将该像素标记为前景,否则标记为背景;
区域提取模块,用于生成一幅标记图像,所述标记图像的前景像素灰度值为255,背景像素灰度值为0,对所述标记图像进行中值滤波去掉孤立点,提取每个前景区域,作为目标区域,计算目标区域的面积和圆形度,去掉面积或圆形度小于阈值的目标区域,对于剩余的每个目标区域,若其像素的R、G、B值中任意两个值的差值小于阈值,则将该像素判定为灰色像素,统计目标区域中灰色像素的数目,并与该目标区域的面积比较得出该目标区域为烟雾的权值;
区域跟踪模块,用于跟踪每个目标区域,并与前一帧图像相应的目标区域进行比较,若两目标区域有重叠,根据重叠区域的比例计算一个权值累加到该目标区域的烟雾权值上,根据前后两帧图像对应目标区域的面积和高度计算一个权值再次累加到后帧图像目标区域的烟雾权值上;
烟雾判定模块,用于在目标区域的烟雾权值大于阈值时,将该目标区域标记为可能有烟雾,在目标区域连续预定次数被标记为可能有烟雾时,判定该目标区域为烟雾。
6.根据权利要求5所述的林火识别系统,其特征在于,还包括预处理单元,用于对提取的图像先进行预处理再进行火焰检测和烟雾检测,所述预处理单元包括:
去噪模块,用于利用高斯函数对获取的图像进行平滑去噪;
色亮度调整模块,用于以第一帧图像为基础,利用直方图规定化对图像的色彩和亮度进行调整;
抖动改正模块,用于利用图像金字塔在预设的阈值范围内对图像进行抖动改正。
7.根据权利要求5或6所述的林火识别系统,其特征在于,还包括:
报警模块,用于在图像块被判定为有火焰或目标区域被判定为烟雾后,发出报警;
人工交互模块,用于将判定为有火焰的图像块和被判定为烟雾的目标区域在图像中标识出来,给出确认提示;
确认命令处理模块,用于在未接到确认命令时,解除报警,在接到确认命令后,向云台控制模块发出锁定云台的指令,所述云台控制模块为录制所述森林监测视频的云台的控制模块。
8.根据权利要求7所述的林火识别系统,其特征在于,还包括:
着火点位置确定模块,用于在所述确认命令处理模块发出锁定云台的指令后,获取云台上摄像机的水平及俯仰角度,利用GIS系统的空间分析功能,确定着火点的确切位置,并在GIS系统的三维地图上显示出来,
救灾方案显示模块,用于在GIS系统的三维地图上还显示着火点的三维地形地貌、林火类型、气象站数据,以及通往着火点的主要道路及通行能力、防火隔离带的位置及阻火能力、距着火点最近的消防队伍的具体位置及赶赴着火点所需要的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310013814.4A CN103106766B (zh) | 2013-01-14 | 2013-01-14 | 林火识别方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310013814.4A CN103106766B (zh) | 2013-01-14 | 2013-01-14 | 林火识别方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103106766A CN103106766A (zh) | 2013-05-15 |
CN103106766B true CN103106766B (zh) | 2014-12-17 |
Family
ID=48314586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310013814.4A Active CN103106766B (zh) | 2013-01-14 | 2013-01-14 | 林火识别方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103106766B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400463B (zh) * | 2013-06-21 | 2016-08-10 | 广东省林业科学研究院 | 一种基于二维图像的林火定位方法和装置 |
CN105637322A (zh) * | 2013-08-23 | 2016-06-01 | 视野机器人有限公司 | 景点定位方法及其定位系统 |
CN103903020B (zh) * | 2014-04-22 | 2017-10-27 | 天津市协力自动化工程有限公司 | 一种基于CodeBook 的火灾图像识别方法及装置 |
CN105761275A (zh) * | 2015-11-03 | 2016-07-13 | 天津艾思科尔科技有限公司 | 带有双目视觉结构的消防预警飞行器 |
CN105512608A (zh) * | 2015-11-26 | 2016-04-20 | 北京电信易通信息技术股份有限公司 | 一种判定人为造成地貌特征变化的方法及系统 |
CN105741479A (zh) * | 2016-01-25 | 2016-07-06 | 赣州市金电电子设备有限公司 | 基于热成像和烟雾识别一体森林防火ia-pcnn算法 |
CN106254823A (zh) * | 2016-07-28 | 2016-12-21 | 广州紫川电子科技有限公司 | 基于红外热像仪的目标物闯入侦测方法、装置及系统 |
CN106289531A (zh) * | 2016-07-29 | 2017-01-04 | 国家电网公司 | 一种基于云台姿态角的高压输电走廊山火定位方法 |
CN106846699A (zh) * | 2017-03-10 | 2017-06-13 | 深圳实现创新科技有限公司 | 城市消防系统的事故定位方法及系统 |
CN106910310B (zh) * | 2017-05-09 | 2023-01-31 | 南京信息工程大学 | 森林防火应急报警装置 |
CN108629342A (zh) * | 2017-11-28 | 2018-10-09 | 广东雷洋智能科技股份有限公司 | 双目摄像头火焰距离测量方法及装置 |
CN110120142B (zh) * | 2018-02-07 | 2021-12-31 | 中国石油化工股份有限公司 | 一种火灾烟雾视频智能监控预警系统及预警方法 |
CN109612573B (zh) * | 2018-12-06 | 2021-01-12 | 南京林业大学 | 一种基于噪声频谱分析的树冠火和地面火检测方法 |
CN110032977A (zh) * | 2019-04-18 | 2019-07-19 | 北京华正明天信息技术股份有限公司 | 一种基于深度学习图像火灾识别的安全预警管理系统 |
CN110766915A (zh) * | 2019-09-19 | 2020-02-07 | 重庆特斯联智慧科技股份有限公司 | 一种用于识别消防通道状态的报警方法及系统 |
CN111462443A (zh) * | 2020-04-03 | 2020-07-28 | 宜家智能科技(广州)有限公司 | 一种基于视频图像分析的火灾预警方法 |
CN111739251A (zh) * | 2020-07-02 | 2020-10-02 | 湖南翰坤实业有限公司 | 一种火源探测及定位系统、方法 |
CN112257523A (zh) * | 2020-10-09 | 2021-01-22 | 营口新山鹰报警设备有限公司 | 一种图像型火灾探测器的烟雾识别方法及识别系统 |
CN112201000A (zh) * | 2020-10-10 | 2021-01-08 | 广东省构建工程建设有限公司 | 一种应用于施工阶段的火灾动态监测系统及方法 |
CN112257575B (zh) * | 2020-10-21 | 2022-11-01 | 中国人民解放军火箭军工程大学 | 一种固定点位森林林火定位方法 |
CN112562244B (zh) * | 2020-12-03 | 2022-06-14 | 广东电网有限责任公司电力科学研究院 | 一种输电线路山火识别方法和系统 |
CN113283276A (zh) * | 2020-12-30 | 2021-08-20 | 四川弘和通讯有限公司 | 一种联动热成像自学习火点检测方法及系统 |
CN113554845B (zh) * | 2021-06-25 | 2022-09-30 | 东莞市鑫泰仪器仪表有限公司 | 一种用于森林防火热成像装置 |
CN114216563B (zh) * | 2021-11-16 | 2024-05-28 | 青岛星科瑞升信息科技有限公司 | 一种阈值自动生成的火灾遥感监测方法 |
CN115376269B (zh) * | 2022-10-21 | 2022-12-30 | 南京信大卫星应用研究院有限公司 | 一种基于无人机的火灾监控系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1404021A (zh) * | 2001-09-06 | 2003-03-19 | 松莲科技股份有限公司 | 可视化火灾监测报警方法与装置 |
CA2675705A1 (en) * | 2007-01-16 | 2008-07-24 | Utc Fire & Security Corporation | System and method for video based fire detection |
EP2000998B1 (en) * | 2007-05-31 | 2013-01-02 | Industrial Technology Research Institute | Flame detecting method and device |
CN101751755B (zh) * | 2010-01-05 | 2011-12-14 | 重庆英卡电子有限公司 | 森林防火预警系统 |
CN101853512B (zh) * | 2010-05-13 | 2011-11-16 | 电子科技大学 | 一种基于视频时间和空间信息的火焰检测方法 |
-
2013
- 2013-01-14 CN CN201310013814.4A patent/CN103106766B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103106766A (zh) | 2013-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103106766B (zh) | 林火识别方法与系统 | |
CN108062349B (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
CN108053427B (zh) | 一种基于KCF与Kalman的改进型多目标跟踪方法、系统及装置 | |
CN111967393B (zh) | 一种基于改进YOLOv4的安全帽佩戴检测方法 | |
CN103069434B (zh) | 用于多模式视频事件索引的方法和系统 | |
KR102122859B1 (ko) | 교통 영상감시시스템의 멀티 표적 추적 방법 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN103208126B (zh) | 一种自然环境下运动物体监测方法 | |
CN104200466B (zh) | 一种预警方法及摄像机 | |
CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
CN103824070A (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN113850123A (zh) | 基于视频的公路监控方法及装置、存储介质和监控系统 | |
KR101853903B1 (ko) | Cctv, 드론 및 광펜스를 포함한 침입 감지 방법 및 시스템 | |
CN101872526A (zh) | 基于可编程摄像技术的烟火智能识别方法 | |
CN106331636A (zh) | 基于行为事件触发的输油管道智能视频监控系统及方法 | |
CN104881643B (zh) | 一种快速的遗留物检测方法及系统 | |
KR102122850B1 (ko) | 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션 | |
CN109631848A (zh) | 输电线路异物入侵检测系统和检测方法 | |
CN111753651A (zh) | 一种基于车站二维人群密度分析的地铁群体异常行为检测方法 | |
CN114202646A (zh) | 一种基于深度学习的红外图像吸烟检测方法与系统 | |
CN112287823A (zh) | 一种基于视频监控的面部口罩识别方法 | |
CN112541439A (zh) | 一种电厂智能视频监控方法与系统 | |
CN110852179A (zh) | 基于视频监控平台的可疑人员入侵的检测方法 | |
Yoon et al. | An intelligent automatic early detection system of forest fire smoke signatures using Gaussian mixture model | |
CN112532921A (zh) | 一种水利系统智能化监控实现方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |