CN104346618B - 用于从图像检测烟雾的方法和设备 - Google Patents

用于从图像检测烟雾的方法和设备 Download PDF

Info

Publication number
CN104346618B
CN104346618B CN201410350222.6A CN201410350222A CN104346618B CN 104346618 B CN104346618 B CN 104346618B CN 201410350222 A CN201410350222 A CN 201410350222A CN 104346618 B CN104346618 B CN 104346618B
Authority
CN
China
Prior art keywords
feature
input picture
image
fire detection
detection equipment
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
Application number
CN201410350222.6A
Other languages
English (en)
Other versions
CN104346618A (zh
Inventor
金之湖
李铉男
裴纯敏
黄淳愍
崔种元
李俊荣
吴台铉
权仁昭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hanhua Vision Co ltd
Korea Advanced Institute of Science and Technology KAIST
Original Assignee
Korean Academy Of Science And Technology
Hanwha Techwin Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Korean Academy Of Science And Technology, Hanwha Techwin Co Ltd filed Critical Korean Academy Of Science And Technology
Publication of CN104346618A publication Critical patent/CN104346618A/zh
Application granted granted Critical
Publication of CN104346618B publication Critical patent/CN104346618B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Fire-Detection Mechanisms (AREA)

Abstract

提供一种用于从图像检测烟雾的方法和设备。提供一种用于检测火灾的火灾检测设备及其方法，所述方法包括如下操作：通过使用输入图像的像素之间的亮度差异的值或通过使用输入图像的RGB值来提取输入图像中的至少一个对象的特征；将提取的所述至少一个对象的特征转换为N维特征；以及对所述至少一个对象的N维特征执行支持向量机(SVM)学习。

Description

用于从图像检测烟雾的方法和设备
本申请要求于2013年7月23日提交到韩国知识产权局的第10-2013-0086984号韩国专利申请的优先权，所述专利申请的公开通过引用全部合并于此。
技术领域
与示例性实施例一致的设备和方法涉及一种从输入图像检测烟雾或火焰的方法。
背景技术
由于由基于传感器的火灾检测系统的传感器检测到的噪声，因此基于传感器的火灾检测系统可能在室外环境中无法被有效使用。因为基于视觉的火灾检测系统从一般由安装在固定位置的相机获得的图像检测火灾，所以基于视觉的火灾检测系统可能在移动系统中无法被有效使用。
诸如闭路电视(CCTV)系统的静态监控设备可能具有盲点，并且为了观察大的区域，不得不使用大量的相机。为了解决以上问题，期望在不远的将来使用移动监控系统。
发明内容
一个或更多个示例性实施例提供一种用于从输入图像检测火灾的火灾检测设备及其方法。
一个或更多个示例性实施例提供一种从由移动系统获得的输入图像检测火灾的方法。
其他方面将在下面的描述中被部分阐述，并且部分将从描述中是清楚的，或者可通过呈现的实施例的实践而得知。
根据示例性实施例的一方面，一种火灾检测设备可包括：对象特征提取单元，提取输入图像中的至少一个对象的特征；转换单元，通过使用内核映射方法将提取的所述至少一个对象的特征转换为N维特征，其中，N是自然数；以及机器学习单元，基于N维特征的坐标值，对所述至少一个对象的N维特征执行支持向量机(SVM)机器学习。
对象特征提取单元可通过使用输入图像的像素之间的亮度差异的值或通过使用输入图像的RGB值来提取所述至少一个对象的特征。
当输入图像包含烟雾图像时，对象特征提取单元可通过使用方向梯度直方图(HoG)来提取所述至少一个对象的特征。
当输入图像包含火焰图像时，对象特征提取单元可通过使用输入图像的方向梯度直方图(HoG)和RGB值来提取所述至少一个对象的特征。
根据示例性实施例的一方面，提供一种检测火灾的方法，所述方法可包括如下操作：提取输入图像中的至少一个对象的特征；通过使用内核映射方法将提取的所述至少一个对象的特征转换为N维特征，其中N是自然数；以及基于N维特征的坐标值，对所述至少一个对象的N维特征执行支持向量机(SVM)机器学习。
附图说明
从以下结合附图对示例性实施例的描述中，这些和/或其他方面将变得清楚和更易于理解，其中：
图1示出根据示例性实施例的火灾检测设备的内部结构；
图2示出根据示例性实施例的涉及通过使用输入图像的方向梯度直方图(HoG)来提取对象的特征的示例；
图3示出根据示例性实施例的涉及通过使用输入图像的HoG和输入图像的RGB值来提取对象的特征的示例；以及
图4示出根据示例性实施例的涉及通过使用内核映射方法来转换提取的对象的特征的示例。
具体实施方式
除非另外明确描述，否则包括在此使用的描述性术语或技术术语的全部术语应被解释为具有对本领域的普通技术人员而言显而易见的含义。另外，在一般字典中定义的并在以下描述中使用的术语应被解释为具有与在相关描述中使用的含义等同的含义，并且除非另外在此明确描述，否则这些术语不应被解释为是理想的或过度正式的。
另外，当在此使用的技术术语是不能正确描述本发明构思的一个或更多个实施例的技术上错误的术语时，其应被替换为本领域的普通技术人员可正确理解的另一技术术语。另外，在此使用的一般术语应根据字典中的定义或根据先前或之后的上下文来解释，而不应被解释为是过度缩少的。
现在将详细说明在附图中示出的示例性实施例，其中，相同的参考标号始终表示相同的元件。在这方面，这些实施例可具有不同的形式并且不应被解释为限于在此阐述的描述。因此，通过参照附图，仅在下面描述实施例以解释本描述的多个方面。
图1示出根据示例性实施例的火灾检测设备100的内部结构。
火灾检测设备100包括：对象特征提取单元110、转换单元120和机器学习单元130。火灾检测设备100通过使用火灾检测设备100检测烟雾图像或火焰图像是否在单个图像中。
根据一个或更多个示例性实施例的火灾检测设备100可应用于图像记录设备、用户设备(UE)、移动设备(ME)、移动站(MS)、用户终端(UT)、用户站(SS)、移动用户站(MSS)、无线装置、手持装置、接入终端(AT)等，并且还可应用于监控相机或闭路电视(CCTV)系统、移动电话、蜂窝电话、智能电话、个人数字助理(PDA)、便携式多媒体播放器(PMP)、平板装置、计算机或多媒体装置。
在本实施例中，火灾检测设备100被实施为通过支持向量机(SVM)机器学习来学习在输入图像中存在的烟雾图案和火焰图案，并根据学习的标准检测输入图像中的火焰。
对象特征提取单元110通过使用输入图像的像素之间的亮度差异的值或通过使用关于输入图像的色彩信息(RGB)的特性来提取对象的特征。
在本实施例中，方向梯度直方图(HoG)用于获得输入图像的像素之间的亮度差异的值。现在将参照图2描述涉及通过使用HoG提取对象的特征的示例。
对象特征提取单元110获得关于输入图像210的差分图像220，并且随后针对差分图像220的每个像素计算权重和差分方向。然后，对象特征提取单元110针对所述权重对与计算的差分方向相关的直方图进行归一化以产生归一化图像230，并因此提取如特征图像240中所示的对象的特征。在本实施例中，获得输入图像210的像素之间的差分值和差分方向值以产生差分图像220，并且根据指定的胞元尺寸(cell size)通过使用HoG来提取每个位置的特征。
根据示例性实施例，当输入图像210包括烟雾图像(参见图2的参考标号211)时，对象特征提取单元110通过使用输入图像210的HoG提取对象的特征。
根据另一示例性实施例，当输入图像包括火焰图像时，对象特征提取单元110通过使用输入图像的HoG特征和输入图像的RGB值的全部来提取对象的特征。下面将参照图3描述此实施例。
当输入图像310包括火焰图像311时，对象特征提取单元110获得关于输入图像310的差分图像320以便使用HoG特征。
根据示例性实施例，为了使用HoG特征，火灾检测设备100通过使用归一化图像330，从差分图像320识别方向特征，并参照与差分图像320连接的直方图来识别每个像素的方向特征。
基于差分图像320，对象特征提取单元110针对差分图像320中的每个像素计算权重和差分方向，并且随后针对所述权重对与计算的差分方向相关的直方图进行归一化以产生归一化图像330。
根据另一示例性实施例，使用通过将时间的变化添加到HoG特征而获得的时间上的HoG。为了使用自由变化的火焰或烟雾的特征，使用时间上的HoG以充分地研究和确定火焰或烟雾所产生的区域的方向变化。对象特征提取单元110还将输入图像310的RGB值应用于差分图像320以产生RGB图像325。更详细地说，对象特征提取单元110计算在输入图像310中的与输入图像310的火焰部分311相应的像素的RGB值。
然后，如特征图像340中所示，对象特征提取单元110通过将关于针对输入图像310中的每个像素的通过使用HoG所计算的权重的信息和关于输入图像310的色彩信息的特性进行整合来提取输入图像310中的对象的特征。
转换单元120通过使用内核映射方法将由对象特征提取单元110提取的对象的特征转换为N维特征(其中，N是自然数)。
图4示出根据示例性实施例的内核映射方法。
转换单元120通过使用内核映射方法将对象的特征转换为N维特征。这里，通过下面的等式1执行内核映射方法。通过使用内核映射方法，对象的特征的维数是初始维数的三倍，以使基于初始维度非线性区分的特征被线性区分。因此，之后可使用线性机器学习。
[等式1]
机器学习单元130基于已经由转换单元120通过使用内核映射方法转换的坐标值，对由对象特征提取单元110提取的对象的特征执行SVM机器学习。然后，火灾检测设备100基于由机器学习单元130对火灾检测设备100训练的火灾图像标准，从输入图像检测火灾。
如上所述，根据以上实施例中的一个或更多个的火灾检测设备及其方法被用于使用输入图像的差分图像的值的基于单个图像的系统中，从而可制造低成本芯片解决方案。另外，火灾检测设备及其方法可在没有另外设备的帮助下，仅通过使用从移动系统输入的单个图像来检测火灾。
以上实施例还可被实现为计算机可读记录介质上的计算机可读代码。计算机可读记录介质是能够存储其后可由计算机系统读取的数据的任何数据存储装置。计算机可读记录介质的示例包括：只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘、光学数据存储装置等。计算机可读记录介质还可分布在联网的计算机系统中，使得计算机可读代码以分布式方式被存储和执行。例如，根据示例性实施例，包括在如图1所示的火灾检测设备100中的对象特征提取单元110、转换单元120和机器学习单元130可被实现为执行上述的各个功能的各种数量的硬件、软件和/或固件结构。例如，这些单元110、120和130可使用可通过一个或更多个微处理器或其他控制设备的控制来执行各个功能的直接的电路结构，诸如存储器、处理、逻辑、查找表等。这些单元110、120和130可由包含用于执行特定逻辑功能的一个或更多个可执行指令的模块、程序或部分代码专门实现。
应理解的是，以上实施例应仅被视为描述性意义而不是为了限制的目的。对每个实施例中的特征或方面的描述通常应被视为可用于其他实施例中的其他类似的特征或方面。
虽然已经参照附图对一个或更多个实施例进行了描述，但是本领域的普通技术人员将理解，在不脱离由权利要求限定的本发明构思的精神和范围的情况下，可在形式和细节上进行各种改变。

Claims (14)

1.一种火灾检测设备，包括：
对象特征提取单元，被配置为提取输入图像中的至少一个对象的特征；
转换单元，被配置为将提取的所述至少一个对象的特征转换为N维特征，其中，N是自然数；以及
机器学习单元，被配置为基于N维特征的坐标值对所述至少一个对象的N维特征执行机器学习以检测火焰和/或烟雾，
其中，对象特征提取单元还被配置为：获得输入图像的差分图像，针对差分图像的每个像素计算权重和差分方向，通过针对所述权重对与差分方向相关的直方图进行归一化来生成归一化图像，从归一化图像提取所述至少一个对象的特征。
2.根据权利要求1所述的火灾检测设备，其中，对象特征提取单元通过使用输入图像的像素之间的亮度差异的值或通过使用输入图像的RGB值来提取所述至少一个对象的特征。
3.根据权利要求2所述的火灾检测设备，其中，对象特征提取单元通过使用方向梯度直方图(HoG)来计算输入图像的像素之间的亮度差异的值。
4.根据权利要求1所述的火灾检测设备，其中，当输入图像包含烟雾图像时，对象特征提取单元通过使用方向梯度直方图(HoG)来提取所述至少一个对象的特征。
5.根据权利要求1所述的火灾检测设备，其中，当输入图像包含火焰图像时，对象特征提取单元通过使用输入图像的方向梯度直方图(HoG)和RGB值来提取所述至少一个对象的特征。
6.根据权利要求1所述的火灾检测设备，其中，转换单元被配置为通过使用内核映射方法将提取的所述至少一个对象的特征转换为N维特征，
其中，机器学习是支持向量机学习。
7.根据权利要求1所述的火灾检测设备，其中，输入图像是在移动装置正在运动时由移动装置获得的图像。
8.一种检测火灾的方法，所述方法由火灾检测设备执行，并且包括以下步骤：
提取输入图像中的至少一个对象的特征；
将提取的所述至少一个对象的特征转换为N维特征，其中，N是自然数；以及
基于N维特征的坐标值，对所述至少一个对象的N维特征执行机器学习以检测火焰和/或烟雾，
其中，提取的步骤包括：
获得输入图像的差分图像；
针对差分图像的每个像素计算权重和差分方向；
通过针对所述权重对与差分方向相关的直方图进行归一化来生成归一化图像；
从归一化图像提取所述至少一个对象的特征。
9.根据权利要求8所述的方法，其中，所述提取步骤包括：通过使用输入图像的像素之间的亮度差异的值或通过使用输入图像的RGB值来提取所述至少一个对象的特征。
10.根据权利要求9所述的方法，其中，所述提取步骤包括：通过使用方向梯度直方图(HoG)来计算输入图像的像素之间的亮度差异的值。
11.根据权利要求8所述的方法，其中，当输入图像包含烟雾图像时，所述提取步骤包括：通过使用方向梯度直方图(HoG)提取所述至少一个对象的特征。
12.根据权利要求8所述的方法，其中，当输入图像包含火焰图像时，所述提取步骤包括：通过使用输入图像的方向梯度直方图(HoG)和RGB值来提取所述至少一个对象的特征。
13.根据权利要求8所述的方法，其中，通过使用内核映射方法执行将提取的所述至少一个对象的特征转换为N维特征的步骤，
其中，机器学习是支持向量机学习。
14.根据权利要求8所述的方法，其中，输入图像是在移动装置正在运动时由移动装置获得的图像。
CN201410350222.6A 2013-07-23 2014-07-22 用于从图像检测烟雾的方法和设备 Active CN104346618B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2013-0086984 2013-07-23
KR1020130086984A KR101932543B1 (ko) 2013-07-23 2013-07-23 화재검출 방법 및 장치

Publications (2)

Publication Number Publication Date
CN104346618A CN104346618A (zh) 2015-02-11
CN104346618B true CN104346618B (zh) 2019-10-25

Family

ID=52390571

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410350222.6A Active CN104346618B (zh) 2013-07-23 2014-07-22 用于从图像检测烟雾的方法和设备

Country Status (3)

Country Link
US (1) US9443149B2 (zh)
KR (1) KR101932543B1 (zh)
CN (1) CN104346618B (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101689863B1 (ko) * 2015-05-21 2016-12-26 주식회사 에스원 부분 영역 기반의 화염 탐지 장치 및 방법
US9712985B2 (en) * 2015-08-26 2017-07-18 Razer (Asia-Pacific) Pte. Ltd. Repurposing a mobile device
CN105469105A (zh) * 2015-11-13 2016-04-06 燕山大学 一种基于视频监控的香烟烟雾检测方法
CN105701489B (zh) * 2016-01-14 2020-03-17 云南大学 一种新型的数字提取和识别的方法及系统
CN106355812A (zh) * 2016-08-10 2017-01-25 安徽理工大学 基于温度场的火灾隐患预测方法
WO2018079400A1 (ja) * 2016-10-24 2018-05-03 ホーチキ株式会社 火災監視システム
CN108255890B (zh) * 2016-12-29 2020-08-11 腾讯科技（深圳）有限公司 页面的处理方法和装置
WO2019048604A1 (de) 2017-09-09 2019-03-14 Fcm Dienstleistungs Ag Automatische früherkennung von rauch, russ und feuer mit erhöhter erkennungssicherheit durch maschinelles lernen
US11093747B2 (en) * 2018-04-16 2021-08-17 Peerwell, Inc. Hazard recognition
CN108985144B (zh) * 2018-05-29 2022-04-12 湖北德强电子科技有限公司 一种高效低成本图像火灾自动识别方法及装置
CN109920199B (zh) * 2018-06-06 2020-12-08 安徽省华腾农业科技有限公司经开区分公司 基于参数提取的辐射设备报警系统
CN109359554A (zh) * 2018-09-21 2019-02-19 南京信息工程大学 一种基于多合成图像处理技术的森林火灾识别方法
US11151380B2 (en) * 2019-01-30 2021-10-19 International Business Machines Corporation Augmented reality risk vulnerability analysis
JP7170574B2 (ja) * 2019-03-28 2022-11-14 能美防災株式会社 異常検出装置
JP7156152B2 (ja) * 2019-04-17 2022-10-19 日本電信電話株式会社 危険予知方法及び危険予知装置
CN110211323A (zh) * 2019-05-29 2019-09-06 广州澳盾智能科技有限公司 基于级联分类的森林火灾识别方法
KR102030006B1 (ko) 2019-06-05 2019-11-11 주식회사 리트코이엔에스 도로 터널의 지능형 통합 화재소화시스템
CN110264404B (zh) * 2019-06-17 2020-12-08 北京邮电大学 一种超分辨图像纹理优化的方法和装置
US20210133483A1 (en) * 2019-11-01 2021-05-06 XNOR.ai, Inc. Object detection based on pixel differences
US11462089B1 (en) * 2020-02-24 2022-10-04 General Cybernation Group, Inc. Smoke auto-detection and control for industrial flares
KR20230101461A (ko) 2021-12-29 2023-07-06 아이브스 주식회사 생활안전 위험상황 인지를 위한 딥러닝을 이용한 화재 인지 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100918436B1 (ko) * 2007-11-27 2009-09-24 계명대학교 산학협력단 비전 기반의 화재 감지 시스템 및 방법
CN101770644A (zh) * 2010-01-19 2010-07-07 浙江林学院 森林火灾远程视频监控烟火识别方法
CN102567713A (zh) * 2010-11-30 2012-07-11 富士重工业株式会社 图像处理装置以及图像处理方法
CN102013008B (zh) * 2010-09-16 2012-10-31 北京智安邦科技有限公司 一种基于支持向量机的烟雾检测方法及装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6035057A (en) * 1997-03-10 2000-03-07 Hoffman; Efrem H. Hierarchical data matrix pattern recognition and identification system
CN1879553B (zh) * 2005-06-15 2010-10-06 佳能株式会社 在胸部图像中检测边界的方法及装置
US8392418B2 (en) * 2009-06-25 2013-03-05 University Of Tennessee Research Foundation Method and apparatus for predicting object properties and events using similarity-based information retrieval and model
KR100837406B1 (ko) * 2006-11-13 2008-06-12 삼성전자주식회사 영상 감시 장치를 포함한 휴대 단말기 및 이를 이용한 영상감시 방법, 및 영상 감시 시스템
US7859419B2 (en) * 2006-12-12 2010-12-28 Industrial Technology Research Institute Smoke detecting method and device
US20080137906A1 (en) 2006-12-12 2008-06-12 Industrial Technology Research Institute Smoke Detecting Method And Device
KR100912281B1 (ko) 2007-07-06 2009-08-17 세종대학교산학협력단 영상 처리 기법을 이용한 고속 연기 탐지 기법 및 장치
WO2009136894A1 (en) * 2008-05-08 2009-11-12 Utc Fire & Security System and method for ensuring the performance of a video-based fire detection system
KR100987786B1 (ko) 2008-07-23 2010-10-13 (주)에이치엠씨 연기검출을 이용한 화재감지 시스템
US10419722B2 (en) * 2009-04-28 2019-09-17 Whp Workflow Solutions, Inc. Correlated media source management and response control
KR101204259B1 (ko) 2010-10-06 2012-11-23 (주)에이치엠씨 화재 검출 방법
KR101081051B1 (ko) * 2010-11-16 2011-11-09 계명대학교 산학협력단 퍼지 유한상태 오토마타를 이용한 화재 불꽃 감지 방법
US8922657B2 (en) * 2011-03-08 2014-12-30 Bank Of America Corporation Real-time video image analysis for providing security
US9250135B2 (en) * 2011-03-16 2016-02-02 Honeywell International Inc. MWIR sensor for flame detection
KR101237089B1 (ko) * 2011-10-12 2013-02-26 계명대학교 산학협력단 랜덤 포레스트 분류 기법을 이용한 산불연기 감지 방법
KR101224494B1 (ko) 2012-05-29 2013-01-21 (주)에이치엠씨 촬영 대상의 명도 및 채도 변화에 강건한 영상 기반 연기 검출 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100918436B1 (ko) * 2007-11-27 2009-09-24 계명대학교 산학협력단 비전 기반의 화재 감지 시스템 및 방법
CN101770644A (zh) * 2010-01-19 2010-07-07 浙江林学院 森林火灾远程视频监控烟火识别方法
CN102013008B (zh) * 2010-09-16 2012-10-31 北京智安邦科技有限公司 一种基于支持向量机的烟雾检测方法及装置
CN102567713A (zh) * 2010-11-30 2012-07-11 富士重工业株式会社 图像处理装置以及图像处理方法

Also Published As

Publication number Publication date
CN104346618A (zh) 2015-02-11
US20150030203A1 (en) 2015-01-29
US9443149B2 (en) 2016-09-13
KR20150011884A (ko) 2015-02-03
KR101932543B1 (ko) 2018-12-28

Similar Documents

Publication Publication Date Title
CN104346618B (zh) 用于从图像检测烟雾的方法和设备
US8792722B2 (en) Hand gesture detection
TWI587205B (zh) Method and system of three - dimensional interaction based on identification code
US9098888B1 (en) Collaborative text detection and recognition
US8750573B2 (en) Hand gesture detection
CN107077589B (zh) 基于图像的生物计量中的面部假冒检测
CN109684980B (zh) 自动阅卷方法及装置
CN107679447A (zh) 面部特征点检测方法、装置及存储介质
CN110046529A (zh) 二维码识别方法、装置及设备
CN109919002B (zh) 黄色禁停线识别方法、装置、计算机设备及存储介质
CN106326802B (zh) 二维码校正方法、装置及终端设备
CN109074497B (zh) 使用深度信息识别视频图像序列中的活动
WO2014094627A1 (en) System and method for video detection and tracking
CN101324954A (zh) 图像处理设备、图像显示设备、成像设备、其图像处理方法和程序
CN105224913A (zh) 一种物品数量检测方法及装置
US20150186731A1 (en) Full-automatic detection method and system for static characteristic information in dynamic image
CN109063558A (zh) 一种图像分类处理方法、移动终端及计算机可读存储介质
CN106462768A (zh) 使用图像特征从图像提取视窗
US20170041597A1 (en) Head mounted display and method for data output
CN110858277A (zh) 一种获得姿态分类模型的方法以及装置
CN108647264A (zh) 一种基于支持向量机的图像自动标注方法及装置
US10296802B2 (en) Image processing device, image processing method, and computer program product
CN112200230A (zh) 一种训练板的识别方法、装置及机器人
KR101586071B1 (ko) 마커리스 증강현실 서비스 제공 장치 및 이를 위한 촬영 위치 추정 방법
US9311563B2 (en) Method and apparatus for generating hierarchical saliency images detection with selective refinement

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Gyeongnam Changwon City, South Korea

Applicant after: HANWHA TECHWIN Co.,Ltd.

Applicant after: KOREA ADVANCED INSTITUTE OF SCIENCE AND TECHNOLOGY

Address before: Gyeongnam Changwon City, South Korea

Applicant before: Samsung Techwin Co.,Ltd.

Applicant before: KOREA ADVANCED INSTITUTE OF SCIENCE AND TECHNOLOGY

COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM:

Free format text: CORRECT: APPLICANT; FROM: SAMSUNG TAI KEWEI CO., LTD. TO: HANWHA TECHWIN CO., LTD.

C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Gyeongnam Changwon City, South Korea

Patentee after: Hanhua Vision Co.,Ltd.

Patentee after: KOREA ADVANCED INSTITUTE OF SCIENCE AND TECHNOLOGY

Address before: Gyeongnam Changwon City, South Korea

Patentee before: HANWHA TECHWIN Co.,Ltd.

Patentee before: KOREA ADVANCED INSTITUTE OF SCIENCE AND TECHNOLOGY