CN104737202A - 火灾检测方法和装置 - Google Patents
火灾检测方法和装置 Download PDFInfo
- Publication number
- CN104737202A CN104737202A CN201380053987.7A CN201380053987A CN104737202A CN 104737202 A CN104737202 A CN 104737202A CN 201380053987 A CN201380053987 A CN 201380053987A CN 104737202 A CN104737202 A CN 104737202A
- Authority
- CN
- China
- Prior art keywords
- fire
- index
- pixel
- value
- moving objects
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Abstract
本发明涉及一种用于准确地检测火灾的火灾检测方法和装置。该火灾检测方法包括以下步骤:从图像获得RGB数据;利用所获得的RGB数据计算与火灾属性有关的至少一个指标;以及利用所述指标判定火灾的发生。
Description
技术领域
本公开涉及一种能够准确地检测火灾发生的火灾检测方法和装置。
背景技术
目前,存在用于检测火灾的火灾检测装置,但传统的火灾检测装置在火灾检测方面准确性低。因此,即使在实际火灾还没有发生时,经常发生错误地检测为火灾的情况。当发生了火灾时,灭火系统被直接驱动。因此,当灭火系统由于错误检测为火灾(尽管没有火灾)而操作时,在灭火系统已经操作的区域对制成品造成严重损失。
发明内容
技术问题
各种实施方式针对提供一种能够准确地检测火灾发生的火灾检测方法和装置。
技术方案
为了实现上述目的,根据本发明的一个方面,提供了一种火灾检测方法,包括:从图像获取RGB数据;利用所获取的RGB数据获得与火灾属性有关的一个或多个指标;以及利用所述指标确定是否发生了火灾。
根据本发明的另一方面,提供了一种火灾检测方法,包括:将图像划分为包括多个帧的块;确定相对于所述块是否怀疑有火灾;以及当确定为怀疑是火灾的块连续存在,且所述块的数量等于或大于火灾参考值时确定火灾已发生。
根据本发明的又一个方面,提供了一种火灾检测装置,包括:指标单元,用于利用从图像获取的RGB数据生成与火灾属性有关的一个或多个指标;以及火灾确定单元,用于利用已经由指标单元生成的指标确定是否发生火灾。
有益效果
根据本发明的火灾检测方法和装置,由于利用与火灾属性有关的指标来检测火灾,所以可以准确地检测火灾,并且可以实际上检测不是实际火灾但可能被误认为是火灾的非火灾。
附图说明
图1是示意性示出根据本发明的实施方式的火灾检测过程的流程图;
图2是示意性示出根据本发明的实施方式的火灾检测方法的视图;
图3是示意性示出根据本发明的实施方式的指标生成过程的流程图;
图4是示出根据本发明的实施方式的HSL数据的视图;
图5是示出根据本发明的实施方式的用于检查火灾颜色区域的周期性的过程的视图;
图6是示出根据本发明的实施方式的闪烁变化的视图;
图7是示出根据本发明的实施方式的火灾检测过程的流程图;以及
图8是示出根据本发明的实施方式的火灾检测装置的结构框图。
具体实施方式
以下,将参考附图详细描述本发明的示例性实施方式。
本发明涉及一种火灾检测方法和装置。该火灾检测装置可以是用于只检测火灾的装置,或者可以是连接到CCTV并且可以检测与其相连的CCTV的入侵者和火灾两者的装置。此外,该火灾检测装置可以是接收来自外部相机的图像、分析所接收到的图像并检测是否发生火灾的装置。也就是说,根据本发明的火灾检测装置并不限于特定的装置,并且只是必须分析图像和检测火灾。
以下,将描述火灾检测方法,然后再描述火灾检测装置。
首先,将描述火灾检测方法。
图1是示意性示出根据本发明的实施方式的火灾检测过程的流程图,并且图2是示意性示出根据本发明的实施方式的火灾检测方法的视图。
参照图1,在步骤S100中,火灾检测装置获取由传感器(例如,相机等)捕获的图像,该图像可以是由火灾检测装置直接捕获的图像,或者可以是由另一装置捕获然后传送的图像。
接着,在步骤S102中,火灾检测装置从图像获取RGB数据并将RGB数据转换成色调、饱和度和亮度(HSL)数据。这里,色调表示颜色,饱和度表示色度,且亮度表示光度。
然后,在步骤S104中,火灾检测装置利用RGB数据和HSL数据计算待用于火灾判定的各个指标。例如,火灾检测装置可以利用RGB数据和HSL数据生成将在后面描述的周期性指标、运动对象指标、零交叉指标等。
随后,在步骤S106中,火灾检测装置利用所生成的各个指标计算火灾怀疑计数。例如,火灾检测装置可确定每个块是否怀疑有火灾,并且可以对怀疑有火灾的块指定为高(即“1”),并对没有怀疑火灾的块指定为低(即“0”)。这里,图像被划分成多个块,并且每个块包括多个帧,例如30帧。当一个块具有“1”的值时,火灾检测装置增加火灾怀疑计数,并且当一个块具有“0”的值时,初始化火灾怀疑计数。也就是说,火灾怀疑计数仅在帧块连续地具有“1”的值时可以增加。
然后,在步骤S108中,火灾检测装置判定火灾怀疑计数是否等于或大于火灾参考值。例如,火灾检测装置确定火灾怀疑计数是否等于或大于6。当6个连续的块具有“1”的值时,如图2中所示,火灾检测装置判定已经发生火灾。不言而喻,用于判定是否已经发生火灾的准则可以进行各种改变。然而,由于在发生火灾时被怀疑有火灾的块必须连续存在,所以当被怀疑有火灾的连续的块的数量等于或大于火灾参考值时,可以有效地判定已经发生了火灾。当使用这种方法时,虽然在对于特定的块进行火灾判定时发生了错误,但这种错误很难对检测火灾和非火灾造成影响。
当火灾怀疑计数小于火灾参考值时,再次执行步骤S100。
相比之下,在步骤S110中,当火灾怀疑计数等于或大于火灾参考值时,火灾检测装置可以生成火灾警报。例如,火灾检测装置可以在显示器上显示火灾是否已经发生,并且可以生成警报声音。不言而喻,火灾检测装置可以通知另一装置已发生了火灾。
总之,根据本发明的火灾检测方法和装置被实施为利用RGB数据和HSL数据生成各个指标,并利用所生成的指标判定是否发生了火灾。
传统的火灾检测装置在火灾检测方面准确性低,并且即使在没有实际发生火灾时经常错误地判定为火灾。由于火灾的特性,无论何时判定已发生火灾,灭火系统就操作。一旦灭火系统操作,可能对存在于判定已经发生火灾的区域中的设备造成严重损失。因此,需要能够准确地检测火灾是否已发生的装置。
根据本发明的火灾检测方法,由于利用了与火灾属性有关的各个指标,所以可以准确地检测实际的火灾,并且可以准确地检测可能被怀疑火灾但尚未发生实际火灾的情况。尤其是,根据本发明的火灾检测方法,由于火灾的各种属性被反映为指标,所以可以实现比传统方法中更准确的火灾检测,其通过模拟已被证实。
以下,将描述用于生成火灾检测的各个指标的过程,然后将描述实际火灾检测过程。
首先,将描述指标生成过程。为了便于描述,HSL等级被假定为在0到255的范围内。
图3是示出根据本发明的实施方式的指标生成过程的流程图,图4是示出根据本发明的实施方式的HSL数据的视图,图5是示出根据本发明的实施方式的用于检查火灾颜色区域的周期性的过程的视图,以及图6是示出根据本发明的实施方式的闪烁变化的视图。
参照图3,在步骤S300中,火灾检测装置将图像的RGB数据转换成(图像的)HSL数据。多数火灾具有255的饱和度等级。然而,当火灾区域中的红(R)、绿(G)和蓝(B)的值彼此相等且接近255时,其中的饱和度可能为零。因此,在这种情况下,对应区域中的饱和度变为255。R、G和B超过阈值(例如240)时,可以假定为火灾饱和度。
然后,在步骤S302中,火灾检测装置从HSL数据生成表示火灾颜色区域的第一火灾颜色数据。具体地,火灾检测装置将当前帧中的确定为火灾颜色区域的像素设定为高(即“1”),并将未确定为火灾颜色区域的像素设定为低(即“0”),从而生成第一火灾颜色数据。因此,火灾颜色数据可以表示为如图4(A)所示。
随后,在步骤S304中,火灾检测装置可以通过校正第一火灾颜色数据来生成第二火灾颜色数据。例如,火灾检测装置可以在第一阈值(其是一个相对高的值)的基础上生成第一火灾颜色数据,然后在第二阈值(其比第一阈值低)的基础上生成第二火灾颜色数据。第二火灾颜色数据可以通过将第一火灾颜色数据中不是火灾颜色区域的像素改变为火灾颜色区域来获得。优选地,当像素不是第一火灾颜色数据中的火灾颜色区域但被火灾颜色区域包围时,可以将该像素变为第二火灾颜色数据中的火灾颜色区域。例如,在生成第一火灾颜色数据的步骤中,仅当H、S和L中的每一个都大于阈值并因此所有的H、S和L具有“1”的值时,火灾检测装置将相应像素设定为“1”。相比之下,在生成第二火灾颜色数据的步骤中,虽然像素的H、S和L中的至少一个,优选只有一个,不具有“1”的值,但是当包围该像素的像素具有“1”的值时,火灾检测装置可以将该像素从“0”变为“1”,如图4中所示。作为模拟的结果,可以确认,维持H、S和L中的S和L的标准以及缓解并施加色度(H)的标准实际上适于校正火灾颜色区域。也就是说,当S和L中的每一个都等于或大于初始阈值并且H小于第一阈值但大于第二阈值时,可以应用校正处理。可以应用这样的HSL数据校正处理,因为由火灾颜色区域包围的像素是火灾颜色区域的概率很高。
然后,在步骤S306中,火灾检测装置检查火灾颜色区域的周期性。具体地,火灾检测装置备份当前帧Img+0,并且计算所备份的当前帧Img+0的灰度值与包含在与当前帧相同的块中的其它帧Img+1至Img+n的灰度值之间的差。例如,如图5中所示,火灾检测装置可以通过在当前帧Img+0上执行值为“-1”的2×2掩模操作获得用于火灾颜色区域(即,其中HSL是“1”的像素)的第一操作值“结果1”,并且可以通过在下一帧Img+1上执行值为“1”的2×2掩模操作获得第二操作值“结果2”。然后,火灾检测装置将操作值彼此相加并将所相加的值被2除,从而获得差值“Diff”,即Diff=(结果1+结果2)/2。相对于包含在与当前帧Img+0相同的块中的其它帧Img+1至Img+n中的每一个,执行这种获得差值“Diff”的操作。因此,可以在火灾颜色区域中生成与包含在一个块中的帧的数量一样多的不同差值“Diff”。火灾检测装置计算所生成的差值“Diff”的标准方差和平均值,通过将标准方差除以平均值获得周期性指标,并在周期性指标大于预定阈值时判定该块的火灾颜色区域是周期性。检查火灾颜色区域的周期性,执行如上所述以区分不是火灾但可能被怀疑为火灾的情况,诸如前灯的光。通常,火灾具有火灾颜色区域非周期性地出现的特征,而前灯等的光具有火灾颜色区域周期性地出现的特征。因此,当检查火灾颜色区域的周期性时,可以区分非火灾。在通过检查一个块的周期性而检测出非火灾的情况下,给出了上面的描述。然而,根据本发明的另一实施方式,当判定例如两个连续的块对于检测安全性而言是周期性时,这种情况可被判定为非火灾。
接着,在步骤S308中,火灾检测装置提取火灾颜色区域的运动区域。具体地,计算像素值Pixel_value和方差,如下面的公式1所表示的。根据每个像素获得像素值Pixel_value,并且方差是通过从每一像素值Pixel_value减去底色(background)获得的值。这里,底色是指前一帧中的对应像素值和相应方差的平均值。每当方差大于预定阈值时,运动对象像素计数就增加1。也就是说,相对于包含在同一块中的多个帧计算根据像素的方差,每个方差与阈值相比较,每当方差大于阈值时,运动对象像素计数就增加1。因此,当对包含在同一块中的所有帧执行上述过程时,可以获得与最终计数对应的运动对象像素计数(即,运动对象指标)。因此,对于多个帧,当对包含在一个块中的所有帧执行上述过程时,可以获取具有根据像素的运动对象像素计数的一个帧。例如,当一个帧包括30帧时,像素可具有的最大运动对象像素计数为“30”。火灾具有在每个R、G和B表现出很大变化的属性。因此,当火灾颜色区域中的运动对象像素计数较小时,这意味着变化较小,并且因此,火灾检测装置判定没有发生实际火灾。相比之下,当火灾颜色区域中的像素的运动对象像素计数大于预定阈值时,火灾检测装置可判定火灾颜色区域是火灾怀疑区域。因此,火灾检测装置可以通过运动对象指标甚至相对于火灾颜色区域检测非火灾。
Pixel_value=(R+G+B)/3
方差=Pixel_value-底色…………………………(1)
底色=(底色+方差)/2
然后,在步骤S310中,火灾检测装置计算零交叉计数。具体地,火灾检测装置利用以下公式2计算闪烁变化值Flick_var。例如,火灾检测装置可以根据每个像素相对于一个块的相应帧计算闪烁变化值Flick_var,特别是相对于火灾颜色区域的像素。因此,根据一帧的每个像素生成闪烁变化值Flick_var,并且鉴于一个块单元,可以示出根据每个像素的闪烁变化值Flick_var,如图6中所示。在这种情况下,每当特定像素的闪烁变化值Flick_var超出相应帧中的上限值“TH”或下限值“-TH”,进而分别超出下一帧中的下限值或上限值时,火灾检测装置将零交叉计数增加1。也就是说,火灾检测装置计数在一个状态相对于特定像素通过零的次数,在该状态超出了下限值和上限值。火灾检测装置计数图6中的箭头的数量。因此,当对包含在一个块中的所有帧执行零交叉计数时,可以生成表示根据每个像素的计数值的零交叉计数。火灾具有闪烁特性,并在闪烁时显示出巨大变化。因此,当火灾颜色区域中的零交叉计数超过预定阈值时,火灾检测装置可以判定火灾颜色区域为火灾怀疑区域。虽然已经给出关于将零“0”设定为偏置值的情况的上面的描述,但另一值也可以被设定为偏置值。
flick_var=-pre_pre*0.25+pre*0.25-cur*0.25…………………(2)
这里,“pre_pre”表示前前帧的RGB的灰度值,“pre”表示前一帧的RGB的灰度值,而“cur”表示当前帧的RGB的灰度值。
总之,根据依照本发明实施方式的火灾检测方法和装置,利用RGB数据和HSL数据检测火灾颜色区域;然后生成周期性指标、运动对象指标、零交叉指标等。也就是说,根据本火灾检测方法和装置,利用RGB数据和HSL数据生成与至少一个火灾属性相关的指标,然后判定是否已经发生了火灾。因此,该火灾检测装置能够准确地检测是否已经发生了火灾,并且能够准确地提取非火灾的情况。
图3中的步骤S306、S308和S310不限于图3中所示的顺序。
下面,将参照附图详细描述根据本发明实施方式的火灾检测方法。
图7是示出根据本发明的实施方式的火灾检测过程的流程图。
参照图7,根据依照本发明实施方式的火灾检测方法,获得各个指标,然后在步骤S700中检查火灾颜色区域的运动区域的面积。具体地,根据本火灾检测方法,每当通过公式1获得的方差超出预定阈值时,运动对象像素计数在增加1的同时被计数。因此,可根据每个像素相对于同一块的所有帧获得所累积的运动对象像素计数。
根据本火灾检测方法,当火灾颜色区域中的运动对象像素计数为零时,它表示没有运动的情况。因此,在这种情况下,可以确定没有发生火灾,并且火灾怀疑计数被初始化。也就是说,火灾检测方法从图像获取步骤重新开始。
相比之下,根据本火灾检测方法,当火灾颜色区域中的运动对象像素计数不是零时,判定发生了运动,并且判定运动对象像素计数是否大于预定阈值。根据本火灾检测方法,当运动对象像素计数大于预定阈值时,运动对象被设定为高(即“1”),而当运动对象像素计数等于或小于预定阈值时,运动对象被设定为低(即“0”)。
然后,根据本火灾检测方法,在步骤S702,判定火灾颜色区域中的运动对象是否具有高值。
根据本火灾检测方法,当火灾颜色区域中的运动对象具有低值而不是高值时,判定没有发生火灾,并且因此火灾怀疑计数被初始化。
相比之下,根据本火灾检测方法,当火灾颜色区域中的运动对象具有高值时,则判定为怀疑有火灾,计算火灾颜色区域中的各自的RGB的平均值,并在步骤S704中检查所述平均值是否分别大于相应的阈值。
根据本火灾检测方法,当RGB的各个平均值中的至少一个等于或小于相应阈值时,则判定未发生火灾,并且因此火灾怀疑计数被初始化。相比之下,根据本火灾检测方法,当RGB的所有平均值分别大于相应阈值时,则判定为怀疑有火灾,在步骤S706中,判定运动对象与火灾颜色区域中的饱和度之间的距离,并判定所计算的距离是否小于阈值。根据本发明的实施方式,根据本火灾检测方法,相对于火灾颜色区域中具有高值的运动对象的像素,计算与具有大于阈值的饱和度值的像素的最小距离,然后计算最小距离的总和。此后,根据本火灾检测方法,通过将最小距离的总和除以具有高值的运动对象的像素的数量来计算最小距离平均值。随后,根据本火灾检测方法,当最小距离平均值等于或大于预定阈值时,则判定未发生火灾,并且因此火灾怀疑计数被初始化。
相比之下,根据本火灾检测方法,当最小距离平均值小于预定阈值时,则判定为怀疑有火灾,在步骤S708中,计算当前运动对象与先前运动对象之间的距离,并且检查该距离是否小于预定阈值。具体地,根据本火灾检测方法,假设火灾的位置是不变的,则获得从当前运动对象为高的像素到先前运动对象为高的像素的最小距离,然后计算最小距离的平均值,即最小距离平均值。根据本火灾检测方法,当最小距离平均值等于或大于预定阈值时,则判定未发生火灾,且火灾怀疑计数被初始化。
相比之下,根据本火灾检测方法,当最小距离平均值小于预定阈值时,则判定为怀疑有火灾,并在步骤S710中检查零交叉计数是否大于阈值。
根据本火灾检测方法,当对应于一个块的所有帧的零交叉计数等于或小于预定阈值时,则判定未发生火灾,且火灾怀疑计数被初始化。
相比之下,根据本火灾检测方法,当存在零交叉计数大于预定阈值的像素时,则判定为怀疑有火灾,并在步骤S712中检查闪烁变化不是零的区域中的面积变化量。
根据本火灾检测方法,当面积变化量等于或大于预定阈值时,则判定未发生火灾,且火灾怀疑计数被初始化。
相比之下,根据本火灾检测方法,当面积变化量小于预定阈值时,则判定为怀疑有火灾,在步骤S714中,计算根据周期性检查的差值“Diffs”的标准方差和平均值,通过将标准方差除以平均值来计算周期性指标,并检查周期性指标是否小于预定阈值。
根据本火灾检测方法,当周期性指标等于或大于预定阈值时,则判定未发生火灾,且火灾怀疑计数被初始化。
相比之下,根据本火灾检测方法,当周期性指标小于预定阈值时,则在步骤S716中根据每个帧计算运动区域的平均面积和面积变化,并检查面积变化是否小于预定阈值。
根据本火灾检测方法,当根据多个帧通过火灾颜色区域中的R、G和B的方差而计算的运动区域的面积变化(即,运动对象像素计数)等于或大于预定阈值时,则判定未发生火灾,且火灾怀疑计数被初始化。
相比之下,当运动区域的面积变化(即,运动对象像素计数)小于预定阈值时,在步骤S718中火灾怀疑计数增加。
随后,根据本火灾检测方法,在步骤S720中判定火灾怀疑计数是否等于或大于火灾参考值。
当火灾怀疑计数小于火灾参考值时,该过程从步骤S700重新开始。
相比之下,根据本火灾检测方法,当火灾怀疑计数等于或大于火灾参考值时,在步骤S722中最终判定为已经发生了火灾,并生成警报声音等。例如,根据本火灾检测方法,当在六个连续块中怀疑有火灾且因此火灾怀疑计数等于火灾参考值“6”时,则最终判定为已经发生了火灾。
总之,根据依照本发明实施方式的火灾检测方法,通过相对于每个块依次检查与火灾属性相关的各个指标,判定是否怀疑有火灾,并且当判定连续的块中怀疑有火灾多达预定的火灾参考值时,则判定已经发生了火灾。
上述判定与火灾属性相关的各指标的顺序不限于图7中所示的顺序,且可以有各种变化。
图8是示出根据本发明的实施方式的火灾检测装置的结构框图。
参照图8,根据本发明的火灾检测装置包括控制器800、RGB单元802、HSL单元804、指标单元806、火灾判定单元808、警报单元810和存储单元812。
RGB单元802控制RGB数据和灰度值。
HSL单元804将RGB数据转换成HSL数据并控制HSL数据。
指标单元806利用RGB数据和HSL数据计算与火灾属性相关的各指标。
火灾判定单元808利用所计算的指标判定是否发生了火灾。
当判定已经发生了火灾时,警报单元810可以生成警报声音等。
存储单元812存储RGB数据、HSL数据、各个指标等。
控制器800控制火灾检测装置的各部件的全部操作。
尽管上面未描述,但本火灾检测装置可以另外包括能够与外部装置通信的通信单元或获取图像的传感器单元。
本领域技术人员将理解的是,所描述的本发明的实施方式仅是示例性的。本领域技术人员将理解的是,在不会背离由所附权利要求限定的本发明的精神和范围下可以进行形式和细节上的各种修正、改变和增加,并且这些修正、改变和增加应当被解释为包括在本发明的范围内。
Claims (25)
1.一种火灾检测方法,包括:
从图像获取RGB数据;
利用所获取的RGB数据获得与火灾属性有关的一个或多个指标;以及
利用所述指标判定是否发生了火灾。
2.根据权利要求1所述的方法,其中,获得一个或多个指标包括:
将所述RGB数据转换成HSL数据;
校正所转换的HSL数据;
从所校正的HSL数据中提取火灾颜色区域;以及
利用所述RGB数据和所校正的HSL数据获得所述指标。
3.根据权利要求2所述的方法,其中,当所述HSL数据的所有H、S和L为高时,相应像素为火灾颜色区域且因此被设定为高;并且当H、S和L中的至少一个为低时,相应像素被设定为低,
其中,当H、S和L中的仅一个为低且包围该像素的像素为高时,所述HSL数据的校正包括将相应像素从低变为高。
4.根据权利要求2所述的方法,其中,所述指标包括表示所述火灾颜色区域的周期性的周期性指标、表示所述火灾颜色区域的运动区域的运动对象指标、以及表示所述火灾颜色区域中的闪烁变化的零交叉指标。
5.根据权利要求4所述的方法,其中,以如下方式生成所述周期性指标:通过相对于属于一个块的当前帧的掩模操作获得第一操作值,通过相对于属于所述块的其他帧的掩模操作获得第二操作值,获得所述第一操作值和所述第二操作值之间的差,以及获得所述差的标准方差和所述差的平均值的比率。
6.根据权利要求4所述的方法,其中,通过以如下方式累加相应块中的所有帧的运动对象像素计数来生成所述运动对象指标:相对于当前帧的各像素获得RGB平均值,根据每个像素获得与所获得的RGB平均值和前一帧的对应像素的RGB平均值之间的差对应的方差,以及当所述方差超出预定阈值时将所述运动对象像素计数增加1。
7.根据权利要求4所述的方法,其中,通过以如下方式累加相应块中的所有帧的零交叉计数来生成所述零交叉指标:通过前前帧、前一帧和当前帧相对于特定像素的灰度值生成闪烁变化值;并在当前帧中的闪烁变化值分别超出上限值或下限值的状态下,当下一帧中的闪烁变化值超出下限值或上限值时,将所述零交叉计数增加1。
8.根据权利要求1所述的方法,其中,判定是否发生了火灾包括:
将周期性指标与相应阈值比较;
将运动对象指标与相应阈值比较;
将零交叉指标与相应阈值比较;
当在所有比较中判定为怀疑有火灾时,判定在相应块中怀疑有火灾;以及
当被判定为怀疑有火灾的块连续存在且连续块的数量等于或大于预定火灾参考值时,判定已经发生了火灾。
9.根据权利要求8所述的方法,其中,判定是否发生了火灾还包括:
检查所述运动对象与相应饱和度之间的距离;以及
检查所述运动对象与前一运动对象之间的距离。
10.一种火灾检测方法,包括:
将图像划分为包括多个帧的块;
判定相对于所述块是否怀疑有火灾;以及
当被判定为怀疑有火灾的块连续存在并且块的数量等于或大于火灾参考值时,判定已发生了火灾。
11.根据权利要求10所述的方法,其中,利用与火灾属性有关的指标执行判定所述块中是否怀疑有火灾。
12.根据权利要求10所述的方法,其中,判定是否怀疑有火灾包括:
从所述图像获取RGB数据;
利用所获取的RGB数据获得与火灾属性有关的一个或多个指标;以及
利用所述指标确定是否怀疑有火灾。
13.根据权利要求12所述的方法,其中,获得一个或多个指标包括:
将所述RGB数据转换成HSL数据;
校正所转换的HSL数据;
从所校正的HSL数据中提取火灾颜色区域;以及
利用所述RGB数据和所校正的HSL数据获得所述指标。
14.根据权利要求13所述的方法,其中,当所述HSL数据的所有H、S和L为高时,相应像素为火灾颜色区域且因此被设定为高;并且当H、S和L中的至少一个为低时,相应像素被设定为低,
其中,当H、S和L中的仅一个为低且包围该像素的像素为高时,所述HSL数据的校正包括将相应像素从低变为高。
15.根据权利要求13所述的方法,其中,所述指标包括表示所述火灾颜色区域的周期性的周期性指标、表示所述火灾颜色区域的运动区域的运动对象指标、以及表示所述火灾颜色区域中的闪烁变化的零交叉指标。
16.根据权利要求15所述的方法,其中,以如下方式生成所述周期性指标:通过相对于属于一个块的当前帧的掩模操作获得第一操作值,通过相对于属于所述块的其他帧的掩模操作获得第二操作值,获得所述第一操作值和所述第二操作值之间的差,以及获得所述差的标准方差和所述差的平均值的比率。
17.根据权利要求15所述的方法,其中,通过以如下方式累加相应块中的所有帧的运动对象像素计数来生成所述运动对象指标:相对于当前帧的各像素获得RGB平均值,根据每个像素获得与所获得的RGB平均值和前一帧的对应像素的RGB平均值之间的差对应的方差,以及当所述方差超出预定阈值时将所述运动对象像素计数增加1。
18.根据权利要求15所述的方法,其中,通过以如下方式累加相应块中的所有帧的零交叉计数来生成所述零交叉指标:通过前前帧、前一帧和当前帧相对于特定像素的灰度值生成闪烁变化值;并在当前帧中的闪烁变化值分别超出上限值或下限值的状态下,当下一帧中的闪烁变化值超出下限值或上限值时,将所述零交叉计数增加1。
19.一种火灾检测装置,包括:
指标单元,用于利用从图像获取的RGB数据生成与火灾属性有关的一个或多个指标;以及
火灾判定单元,用于利用已经由所述指标单元生成的指标判定是否发生火灾。
20.根据权利要求19所述的装置,还包括将所述RGB数据转换成HSL数据并校正所转换的HSL数据的HSL单元,
其中,在所校正的HSL数据中,与火灾颜色区域对应的像素被设定为高,而其他像素被设定为低。
21.根据权利要求20所述的装置,其中,所述指标包括表示所述火灾颜色区域的周期性的周期性指标、表示所述火灾颜色区域的运动区域的运动对象指标、以及表示所述火灾颜色区域中的闪烁变化的零交叉指标。
22.根据权利要求21所述的装置,其中,以如下方式生成所述周期性指标:通过相对于属于一个块的当前帧的掩模操作获得第一操作值,通过相对于属于所述块的其他帧的掩模操作获得第二操作值,获得所述第一操作值和所述第二操作值之间的差,以及获得所述差的标准方差和所述差的平均值的比率。
23.根据权利要求21所述的装置,其中,通过以如下方式累加相应块中的所有帧的运动对象像素计数来生成所述运动对象指标:相对于当前帧的各像素获得RGB平均值,根据每个像素获得与所获得的RGB平均值和前一帧的对应像素的RGB平均值之间的差对应的方差,以及当所述方差超出预定阈值时将所述运动对象像素计数增加1。
24.根据权利要求21所述的装置,其中,通过以如下方式累加相应块中的所有帧的零交叉计数来生成所述零交叉指标:通过前前帧、前一帧和当前帧相对于特定像素的灰度值生成闪烁变化值;在当前帧中的闪烁变化值分别超出上限值或下限值的状态下,当下一帧中的闪烁变化值超出下限值或上限值时,将所述零交叉计数增加1。
25.根据权利要求19所述的装置,其中,所述火灾判定单元利用所述指标根据所述图像的每个块判定是否怀疑有火灾;以及当被判定为怀疑有火灾的块连续存在且所述块的数量等于或大于预定火灾参考值时判定是否发生了火灾。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2012-0114756 | 2012-10-16 | ||
KR1020120114756A KR101245057B1 (ko) | 2012-10-16 | 2012-10-16 | 화재 감지 방법 및 장치 |
PCT/KR2013/009198 WO2014061964A1 (ko) | 2012-10-16 | 2013-10-15 | 화재 감지 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104737202A true CN104737202A (zh) | 2015-06-24 |
CN104737202B CN104737202B (zh) | 2018-01-30 |
Family
ID=48182149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380053987.7A Active CN104737202B (zh) | 2012-10-16 | 2013-10-15 | 火灾检测方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9747501B2 (zh) |
KR (1) | KR101245057B1 (zh) |
CN (1) | CN104737202B (zh) |
WO (1) | WO2014061964A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110546693A (zh) * | 2017-04-27 | 2019-12-06 | 深田工业株式会社 | 异常检测器 |
CN111249660A (zh) * | 2020-02-21 | 2020-06-09 | 成都领派科技有限公司 | 消防自动灭火智能控制系统及自动灭火方法 |
CN112132035A (zh) * | 2020-09-23 | 2020-12-25 | 平安国际智慧城市科技股份有限公司 | 火情监测方法、装置、电子设备及存储介质 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101245057B1 (ko) * | 2012-10-16 | 2013-03-18 | (주)아이아이에스티 | 화재 감지 방법 및 장치 |
US9501915B1 (en) | 2014-07-07 | 2016-11-22 | Google Inc. | Systems and methods for analyzing a video stream |
US10140827B2 (en) | 2014-07-07 | 2018-11-27 | Google Llc | Method and system for processing motion event notifications |
US9420331B2 (en) | 2014-07-07 | 2016-08-16 | Google Inc. | Method and system for categorizing detected motion events |
US10127783B2 (en) | 2014-07-07 | 2018-11-13 | Google Llc | Method and device for processing motion events |
USD782495S1 (en) | 2014-10-07 | 2017-03-28 | Google Inc. | Display screen or portion thereof with graphical user interface |
WO2016074169A1 (zh) * | 2014-11-12 | 2016-05-19 | 深圳市大疆创新科技有限公司 | 一种对目标物体的检测方法、检测装置以及机器人 |
US9361011B1 (en) | 2015-06-14 | 2016-06-07 | Google Inc. | Methods and systems for presenting multiple live video feeds in a user interface |
US10506237B1 (en) | 2016-05-27 | 2019-12-10 | Google Llc | Methods and devices for dynamic adaptation of encoding bitrate for video streaming |
US10380429B2 (en) | 2016-07-11 | 2019-08-13 | Google Llc | Methods and systems for person detection in a video feed |
US10192415B2 (en) | 2016-07-11 | 2019-01-29 | Google Llc | Methods and systems for providing intelligent alerts for events |
US10957171B2 (en) | 2016-07-11 | 2021-03-23 | Google Llc | Methods and systems for providing event alerts |
US11783010B2 (en) | 2017-05-30 | 2023-10-10 | Google Llc | Systems and methods of person recognition in video streams |
US10410086B2 (en) | 2017-05-30 | 2019-09-10 | Google Llc | Systems and methods of person recognition in video streams |
US11134227B2 (en) | 2017-09-20 | 2021-09-28 | Google Llc | Systems and methods of presenting appropriate actions for responding to a visitor to a smart home environment |
US10664688B2 (en) | 2017-09-20 | 2020-05-26 | Google Llc | Systems and methods of detecting and responding to a visitor to a smart home environment |
CN111539239B (zh) * | 2019-01-22 | 2023-09-22 | 杭州海康微影传感科技有限公司 | 明火检测的方法、装置及存储介质 |
CN114269436B (zh) * | 2019-05-17 | 2023-04-04 | 泰科消防产品有限合伙公司 | 灭火系统配置的系统和方法 |
WO2021011300A1 (en) | 2019-07-18 | 2021-01-21 | Carrier Corporation | Flame detection device and method |
KR20210055935A (ko) * | 2019-11-08 | 2021-05-18 | 한국전자통신연구원 | 딥러닝 기반의 화재 감지를 위한 시퀀스 영상 이미지 전처리 시스템 및 방법 |
US11893795B2 (en) | 2019-12-09 | 2024-02-06 | Google Llc | Interacting with visitors of a connected home environment |
KR102242421B1 (ko) * | 2020-12-04 | 2021-04-20 | (주)아이아이에스티 | 재난을 감지하는 방법 및 이를 수행하는 전자 장치 |
CN116433035B (zh) * | 2023-06-13 | 2023-09-15 | 中科数创(临沂)数字科技有限公司 | 一种基于人工智能的建筑电气火灾风险评估预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101106727A (zh) * | 2007-08-09 | 2008-01-16 | 山东省科学院自动化研究所 | 利用火焰颜色模板进行火灾探测的方法 |
US20100073477A1 (en) * | 2007-01-16 | 2010-03-25 | Utc Fire & Security Corporation | System and method for video detection of smoke and flame |
KR20110048417A (ko) * | 2009-11-02 | 2011-05-11 | 계명대학교 산학협력단 | 퍼지 규칙을 이용한 화재 불꽃 감지 방법 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4111660B2 (ja) * | 2000-07-18 | 2008-07-02 | 富士通株式会社 | 火災検出装置 |
KR100477647B1 (ko) * | 2002-06-01 | 2005-03-23 | 삼성전자주식회사 | 영상의 움직임 보정 장치 및 방법 |
US7098796B2 (en) * | 2004-05-13 | 2006-08-29 | Huper Laboratories Co., Ltd. | Method and system for detecting fire in a predetermined area |
KR100699261B1 (ko) * | 2005-06-24 | 2007-03-27 | 삼성전자주식회사 | 움직임 에러 검출장치와 이를 포함하는 움직임 에러보정장치와 이에 의한 움직임 에러 검출방법 및 움직임에러 보정방법 |
US20080137906A1 (en) | 2006-12-12 | 2008-06-12 | Industrial Technology Research Institute | Smoke Detecting Method And Device |
KR100918436B1 (ko) | 2007-11-27 | 2009-09-24 | 계명대학교 산학협력단 | 비전 기반의 화재 감지 시스템 및 방법 |
EP2178056B1 (en) * | 2008-10-14 | 2012-02-01 | Nohmi Bosai Ltd. | Smoke detecting apparatus |
KR20110022133A (ko) * | 2009-08-27 | 2011-03-07 | 삼성전자주식회사 | 영상의 움직임 추정방법 및 영상처리장치 |
US8532336B2 (en) * | 2010-08-17 | 2013-09-10 | International Business Machines Corporation | Multi-mode video event indexing |
KR101245057B1 (ko) * | 2012-10-16 | 2013-03-18 | (주)아이아이에스티 | 화재 감지 방법 및 장치 |
-
2012
- 2012-10-16 KR KR1020120114756A patent/KR101245057B1/ko active IP Right Grant
-
2013
- 2013-10-15 CN CN201380053987.7A patent/CN104737202B/zh active Active
- 2013-10-15 US US14/434,041 patent/US9747501B2/en active Active
- 2013-10-15 WO PCT/KR2013/009198 patent/WO2014061964A1/ko active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100073477A1 (en) * | 2007-01-16 | 2010-03-25 | Utc Fire & Security Corporation | System and method for video detection of smoke and flame |
CN101106727A (zh) * | 2007-08-09 | 2008-01-16 | 山东省科学院自动化研究所 | 利用火焰颜色模板进行火灾探测的方法 |
KR20110048417A (ko) * | 2009-11-02 | 2011-05-11 | 계명대학교 산학협력단 | 퍼지 규칙을 이용한 화재 불꽃 감지 방법 |
Non-Patent Citations (2)
Title |
---|
胡燕 等: "基于块分割和SVM的视频火灾烟雾识别", 《计算机仿真》 * |
陈娟: "基于多特征融合的视频火焰探测方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110546693A (zh) * | 2017-04-27 | 2019-12-06 | 深田工业株式会社 | 异常检测器 |
CN111249660A (zh) * | 2020-02-21 | 2020-06-09 | 成都领派科技有限公司 | 消防自动灭火智能控制系统及自动灭火方法 |
CN111249660B (zh) * | 2020-02-21 | 2022-03-29 | 成都领派科技有限公司 | 消防自动灭火智能控制系统及自动灭火方法 |
CN112132035A (zh) * | 2020-09-23 | 2020-12-25 | 平安国际智慧城市科技股份有限公司 | 火情监测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20150242687A1 (en) | 2015-08-27 |
US9747501B2 (en) | 2017-08-29 |
KR101245057B1 (ko) | 2013-03-18 |
WO2014061964A1 (ko) | 2014-04-24 |
CN104737202B (zh) | 2018-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104737202A (zh) | 火灾检测方法和装置 | |
JP4705090B2 (ja) | 煙感知装置及びその方法 | |
CN102236947B (zh) | 基于视频摄像机的火焰监测方法与系统 | |
KR101822924B1 (ko) | 영상기반 화재 감지 시스템, 방법 및 프로그램 | |
JP5218906B2 (ja) | 煙検出装置及び煙検出方法 | |
CN106897720A (zh) | 一种基于视频分析的烟火检测方法及装置 | |
CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
CN109815787B (zh) | 目标识别方法、装置、存储介质及电子设备 | |
JP2008262533A (ja) | 火炎検出方法及びその装置 | |
JP2015062121A5 (zh) | ||
CN105405150A (zh) | 基于融合特征的异常行为检测方法和装置 | |
CN106709521A (zh) | 基于卷积神经网络和动态跟踪的火焰预警方法和系统 | |
CN104811586A (zh) | 场景变换视频智能分析方法、装置、网络摄像机及监控系统 | |
JP2010097412A (ja) | 煙検出装置 | |
CN108629254B (zh) | 一种运动目标的检测方法及装置 | |
CN104658008A (zh) | 一种基于视频图像的人员聚集检测方法 | |
CN114973065B (zh) | 一种基于视频智能分析的物品搬移、遗留检测方法及系统 | |
CN109905670A (zh) | 一种多级平台监控系统 | |
CN111553305A (zh) | 一种违章视频识别系统和方法 | |
KR101270718B1 (ko) | 영상에서 화재를 검출하기 위한 영상처리 장치 및 방법 | |
CN113408479A (zh) | 火焰检测方法、装置、计算机设备和存储介质 | |
CN117037065A (zh) | 火焰烟雾浓度检测方法、装置、计算机设备和存储介质 | |
CN115394034A (zh) | 火灾风险的确定方法、装置、系统和机器人 | |
CN115311563A (zh) | 面向森林火灾的经验模型自演化的轻量化烟雾检测方法 | |
KR100860358B1 (ko) | 가변 정보 표지판의 픽셀 오류 검출 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |