CN104978733B - 烟雾检测方法以及装置 - Google Patents

烟雾检测方法以及装置 Download PDF

Info

Publication number
CN104978733B
CN104978733B CN201410145845.XA CN201410145845A CN104978733B CN 104978733 B CN104978733 B CN 104978733B CN 201410145845 A CN201410145845 A CN 201410145845A CN 104978733 B CN104978733 B CN 104978733B
Authority
CN
China
Prior art keywords
candidate region
motion
smog
candidate
change
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
CN201410145845.XA
Other languages
English (en)
Other versions
CN104978733A (zh
Inventor
白向晖
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.)
Fujitsu Ltd
Original Assignee
Fujitsu 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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to CN201410145845.XA priority Critical patent/CN104978733B/zh
Publication of CN104978733A publication Critical patent/CN104978733A/zh
Application granted granted Critical
Publication of CN104978733B publication Critical patent/CN104978733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明实施例提供一种烟雾检测方法以及装置。所述烟雾检测方法包括:对于待检测图像的多帧进行特征提取,获得所述待检测图像中用于检测运动物体的一个或多个候选区域;分析所述候选区域在所述多个帧中的面积变化、运动方向以及形状变化;根据分析结果判断所述候选区域是否存在烟雾。通过本发明实施例,可以基于视频快速准确地对烟雾进行检测。

Description

烟雾检测方法以及装置
技术领域
本发明涉及图像处理技术领域,尤其涉及一种烟雾检测方法以及装置。
背景技术
目前,在视频监控中需要对烟雾进行检测。例如当大楼的某一处发生火灾时,如果能通过视频图像自动检测出该区域出现烟雾,则可以尽快进行火灾报警,减少火灾带来的损失。
但是,现有技术中对视频图像进行检测来判断是否存在烟雾的技术方案均存在检测准确性不高、不能快速准确地进行检测的问题。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
本发明实施例提供一种烟雾检测方法以及装置,能够通过视频图像快速准确地对烟雾进行检测。
根据本发明实施例的一个方面,提供一种烟雾检测方法,所述烟雾检测方法包括:
对于待检测图像的多帧进行特征提取,获得所述待检测图像中用于检测运动物体的一个或多个候选区域;
分析所述候选区域在所述多个帧中的面积变化、运动方向以及形状变化;
根据分析结果判断所述候选区域是否存在烟雾。
根据本发明实施例的另一方面,提供一种烟雾检测装置,所述烟雾检测装置包括:
获取单元,对于待检测图像的多帧进行特征提取,获得所述待检测图像中用于检测运动物体的一个或多个候选区域;
分析单元,分析所述候选区域在所述多个帧中的面积变化、运动方向以及形状变化;
判断单元,根据分析结果判断所述候选区域是否存在烟雾。
本发明的有益效果在于:通过特征提取获得候选区域,并分析候选区域在多个帧中的面积变化、运动方向以及形状变化,可以基于视频快速准确地对烟雾进行检测。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明实施例1的烟雾检测方法的一流程示意图;
图2是本发明实施例1的获取候选区域的一流程示意图;
图3是本发明实施例1的方向定义的一示意图;
图4是本发明实施例2的烟雾检测装置的一构成示意图;
图5是本发明实施例2的获取单元的一构成示意图;
图6是本发明实施例2的分析单元的一构成示意图;
图7是本发明实施例3的电子设备的一构成示意图。
具体实施方式
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
实施例1
本发明实施例提供一种烟雾检测方法。图1是本发明实施例的烟雾检测方法的一流程示意图,如图1所示,所述烟雾检测方法包括:
步骤101,对于待检测图像的多帧进行特征提取,获得所述待检测图像中用于检测运动物体的一个或多个候选区域;
步骤102,分析所述候选区域在所述多个帧中的面积变化、运动方向以及形状变化;
步骤103,根据分析结果判断所述候选区域是否存在烟雾。
在本实施例中,可以通过对视频中的慢速运动物体进行提取,通过候选区域来跟踪运动物体的轨迹,并分析该运动物体所在候选区域的面积变化、运动方向以及形状变化等信息,从而判断该候选区域中是否存在烟雾。
图2是本发明实施例的获取候选区域的一流程示意图,如图2所示,步骤101对于待检测图像的多帧进行特征提取,获得所述待检测图像中用于检测运动物体的一个或多个候选区域,具体可以包括:
步骤201,对每一帧进行背景建模以获得所述帧的二值图像;
例如,可以采用基于高斯混合模型(GMM,Gaussian Mixture Model))的背景建模方法,对输入视频的灰度图像进行背景建模,然后计算前景(运动)区域。获得的前景图以二值图像方式表示,即前景部分的像素值为“1”,背景部分的像素值为“0”。但本发明不限于此,还可以采用现有其他的方式来计算二值图像。
步骤202,在所述二值图像上获得一个或多个连通域;
例如,在二值图上像素值为“1”且相互连通的像素将被整合成为若干个像素集合,即连通域。关于连通域的概念,对于本领域的技术人员是清楚的,可以参考相关技术。每一幅二值图中可以提取出一个或若干个不同大小的连通域。
步骤203,对所述一个或多个连通域进行筛选以获得所述一个或多个候选区域。
可以对连通域进行筛选来降低噪声的干扰,进一步提高检测的准确度以及降低计算的复杂度。此外,当仅由一个连通域的情况下,可以直接将该连通域作为候选区域。
在一个实施方式中,对于每一连通域计算面积,可以筛选掉面积小于预设阈值的连通域。例如,如果一个连通域的面积(即该连通域内的包含的像素数目)小于一定的预设阈值,则该连通域将被忽略而不作处理。关于该预设阈值,可以根据经验值预先确定。
在另一个实施方式中,对于每一连通域计算平均颜色深度,可以筛选掉平均颜色深度在预设范围之外的连通域。例如,可以获取连通域中的像素在原始图像中对应像素的y,cb,cr三个通道的值,然后计算整个连通域的像素在y,cb,cr三个通道中的均值。此外,对于y,cb,cr三个通道,可以分别预设三个取值范围:[ymin,ymax],[cbmin,cbmax],[crmin,crmax]。如果一个连通域的像素对应的原始图像区域在三个通道中的均值都落在三个取值范围之内,则该连通域被保留,否则该连通域将被忽略而不作处理。
值得注意的是,以上仅对如何筛选连通域进行了示意性说明,但本发明不限于此,还可以采用其他的方式进行筛选。此外,上述实施方式可以单独进行,也可以结合起来使用,即将经过面积筛选以及颜色筛选后保留下来的连通域作为视频中该帧图像进行烟雾检测的“候选区域”。
在本实施例中,对于当前帧的每一个“候选区域”,可以在之前一帧图像的“候选区域”中寻找与其对应的“候选区域”。寻找的方法例如是比较两个“候选区域”的重叠面积,与当前“候选区域”重叠面积最大的那个前一帧图像中的“候选区域”被视作当前连通域在前一帧中对应的“候选区域”。由此,通过寻找对应“候选区域”,可以对每个“候选区域”在连续的多个视频帧中进行跟踪,从而分析每个“候选区域”的变化特征。以下对于分析候选区域在多个帧中的面积变化、运动方向以及形状变化进行详细说明。
在本实施例中,可以通过计数器计算候选区域在多个帧中的面积变化。
具体地,可以为每个“候选区域”设置一个计数器来记录“候选区域”面积变化的情况。如果当前“候选区域”的面积(即该“候选区域”包含的像素个数)大于其在前一帧中对应的那个“候选区域”的面积,则计数器的值加1;如果当前“候选区域”的面积(即该“候选区域”包含的像素个数)小于其在前一帧中对应的那个“候选区域”的面积,则计数器的值减1;如果二者面积相等,则计数器值保持不变。如果当前“候选区域”在前一帧图像中没有对应的“候选区域”,则计数器值被重置为0。
在本实施例中,可以计算候选区域的质心在多个帧中的运动方向,记录每个运动方向出现的频率,以及将出现频率最高的运动方向作为候选区域的主运动方向。
具体地,可以通过下式(1)计算当前帧中“候选区域”的质心Mc(Xc,Yc)
其中,N是“候选区域”包含的像素个数,p∈component是指“候选区域”包含像素p,p.x是指像素p的x坐标,p.y是指像素p的y坐标。
假设当前帧“候选区域”的质心为Mc(Xc,Yc),在该当前帧之前若干帧(例如之前第5帧或者第10帧)中对应的“候选区域”的重心为Mp(Xp,Yp),则计算如下的值:
ΔX=Xc-Xp
ΔY=Yc-Yp
图3示出了本发明实施例的方向的示意图,如图3所示,可以定义8个方向。但本发明不限于此,例如还可以定义更多或者更少的方向,可以根据实际情况具体进行定义。
如果ΔX>0且ΔY=0,则运动方向为1;
如果ΔX>0且ΔY<0,则运动方向为2;
如果ΔX=0且ΔY<0,则运动方向为3;
如果ΔX<0且ΔY<0,则运动方向为4;
如果ΔX<0且ΔY=0,则运动方向为5;
如果ΔX<0且ΔY>0,则运动方向为6;
如果ΔX=0且ΔY>0,则运动方向为7;
如果ΔX>0且ΔY>0,则运动方向为8。
可以记录“候选区域”在连续若干帧中的运动方向,并记录每个运动方向出现的频率,然后出现频率最高的那个运动方向被视作该“候选区域”的主运动方向。
在本实施例中,可以计算候选区域的质心到候选区域的几何中心的质心方向,以分析候选区域的形状变化。
具体地,可以定义质心方向为“候选区域”的质心到“候选区域”的几何中心的方向。“候选区域”的几何中心Gc(Xg,Yg)定义如下:
Xg=(Xmin+Xmax)/2;Yg=(Ymin+Ymax)/2;
然后计算如下的值:
ΔX=Xc-Xg
ΔY=Yc-Yg
如果ΔX>0且ΔY=0,则运动方向为1;
如果ΔX>0且ΔY<0,则运动方向为2;
如果ΔX=0且ΔY<0,则运动方向为3;
如果ΔX<0且ΔY<0,则运动方向为4;
如果ΔX<0且ΔY=0,则运动方向为5;
如果ΔX<0且ΔY>0,则运动方向为6;
如果ΔX=0且ΔY>0,则运动方向为7;
如果ΔX>0且ΔY>0,则运动方向为8。
在本实施例中,可以将当前帧与之前一帧(例如之前第5帧)进行比较,或者将当前帧与之前几帧(例如之前第5帧、第10帧等)进行比较,可以根据实际情况确定具体的帧。值得注意的是,以上仅对面积变化、运动方向以及形状变化的具体实施进行了示意性说明,但本发明不限于此,还可以根据实际场景进行适当的变型或者变换。
在本实施例中,步骤103根据分析结果判断所述候选区域是否存在烟雾,具体可以包括:在记录所述面积变化的计数器大于预设阈值,所述候选区域的主运动方向为向上或平移,以及所述质心方向与所述主运动方向一致的情况下,判断所述候选区域存在烟雾。
具体地,如果“候选区域”均满足以下特征,则判断该候选区域为烟雾区域:
(a)记录面积变化的计数器的值大于某个阈值;其中该阈值可以根据经验值预先设置。
(b)“候选区域”的主运动方向在1-5之间;即主运动方向是向上或平移的。
(c)“候选区域”的质心方向与主运动方向一致。
值得注意的是,以上仅对如何判断是否存在烟雾进行了示意性说明,但本发明不限于此,还可以根据实际场景适当改变判断的条件。
由上述实施例可知,通过特征提取获得候选区域,并分析候选区域在多个帧中的面积变化、运动方向以及形状变化,可以基于视频快速准确地对烟雾进行检测。
实施例2
本发明实施例提供一种烟雾检测装置,对应于实施例1中的烟雾检测方法,相同的内容不再赘述。
图4是本发明实施例的烟雾检测装置的一构成示意图,如图4所示,烟雾检测装置400包括:获取单元401、分析单元402和判断单元403;
其中,获取单元401对于待检测图像的多帧进行特征提取,获得所述待检测图像中用于检测运动物体的一个或多个候选区域;分析单元402分析所述候选区域在所述多个帧中的面积变化、运动方向以及形状变化;判断单元403根据分析结果判断所述候选区域是否存在烟雾。
图5是本发明实施例的获取单元的一构成示意图,如图5所示,获取单元401具体可以包括:建模单元501、域计算单元502和过滤单元503;
其中,建模单元501对每一帧进行背景建模以获得所述帧的二值图像;域计算单元502在所述二值图像上获得一个或多个连通域;过滤单元503对所述一个或多个连通域进行筛选,以获得所述一个或多个候选区域。
其中,所述过滤单元503可以对于每一连通域计算面积,筛选掉面积小于预设阈值的连通域;和/或所述过滤单元503可以对于每一连通域计算平均颜色深度,筛选掉平均颜色深度在预设范围之外的连通域。
图6是本发明实施例的分析单元的一构成示意图,如图6所示,分析单元402具体可以包括:面积计算单元601、方向计算单元602和形状计算单元603;
其中,面积计算单元601通过计数器计算所述候选区域在所述多个帧中的面积变化;方向计算单元602计算所述候选区域的质心在所述多个帧中的运动方向,记录每个运动方向出现的频率,以及将出现频率最高的运动方向作为所述候选区域的主运动方向;形状计算单元603计算所述候选区域的质心到所述候选区域的几何中心的质心方向,以分析所述候选区域的形状变化。
在本实施例中,所述判断单元403在记录所述面积变化的计数器大于预设阈值,所述候选区域的主运动方向为向上或平移,以及所述质心方向与所述主运动方向一致的情况下,判断所述候选区域存在烟雾。
由上述实施例可知,通过特征提取获得候选区域,并分析候选区域在多个帧中的面积变化、运动方向以及形状变化,可以基于视频快速准确地对烟雾进行检测。
实施例3
本发明实施例提供一种电子设备,该电子设备包括如实施例2所述的烟雾检测装置400。
图7是本发明实施例的电子设备的一构成示意图。如图7所示,电子设备700可以包括:中央处理器(CPU)100和存储器110;存储器110耦合到中央处理器100。其中该存储器110可存储各种数据;此外还存储信息处理的程序,并且在中央处理器100的控制下执行该程序。
在一个实施方式中,烟雾检测装置400的功能可以被集成到中央处理器100中。其中,中央处理器100可以被配置为实现如实施例1所述的烟雾检测方法。
在另一个实施方式中,烟雾检测装置400可以与中央处理器100分开配置,例如可以将烟雾检测装置400配置为与中央处理器100连接的芯片,通过中央处理器100的控制来实现烟雾检测装置400的功能。
此外,如图7所示,电子设备700还可以包括:输入输出(I/O)设备120和显示器130等;其中,上述部件的功能与现有技术类似,此处不再赘述。值得注意的是,电子设备700也并不是必须要包括图7中所示的所有部件;此外,电子设备700还可以包括图7中没有示出的部件,可以参考现有技术。
本发明实施例还提供一种计算机可读程序,其中当在电子设备中执行所述程序时,所述程序使得计算机在所述电子设备中执行实施例1所述的烟雾检测方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在电子设备中执行实施例1所述的烟雾检测方法。
本发明以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。

Claims (8)

1.一种烟雾检测方法,其特征在于,所述烟雾检测方法包括:
对于待检测图像的多帧进行特征提取,获得所述待检测图像中用于检测运动物体的一个或多个候选区域;
分析所述候选区域在所述多个帧中的面积变化、运动方向以及形状变化;
根据分析结果判断所述候选区域是否存在烟雾,
其中,分析所述候选区域在所述多个帧中的面积变化、运动方向以及形状变化,具体包括:
通过计数器计算所述候选区域在所述多个帧中的面积变化;
计算所述候选区域的质心在所述多个帧中的运动方向,记录每个运动方向出现的频率,以及将出现频率最高的运动方向作为所述候选区域的主运动方向;
计算所述候选区域的质心到所述候选区域的几何中心的质心方向,以分析所述候选区域的形状变化。
2.根据权利要求1所述的烟雾检测方法,其中,对于待检测图像的多帧进行特征提取,获得所述待检测图像中用于检测运动物体的一个或多个候选区域,具体包括:
对每一帧进行背景建模以获得所述帧的二值图像;
在所述二值图像上获得一个或多个连通域;
对所述一个或多个连通域进行筛选以获得所述一个或多个候选区域。
3.根据权利要求2所述的烟雾检测方法,其中,对所述一个或多个连通域进行筛选以获得所述一个或多个候选区域,具体包括:
对于每一连通域计算面积,筛选掉面积小于预设阈值的连通域;和/或
对于每一连通域计算平均颜色深度,筛选掉平均颜色深度在预设范围之外的连通域。
4.根据权利要求1所述的烟雾检测方法,其中,根据分析结果判断所述候选区域是否存在烟雾,具体包括:
在记录所述面积变化的计数器大于预设阈值,所述候选区域的主运动方向为向上或平移,所述质心方向与所述主运动方向一致的情况下,判断所述候选区域存在烟雾。
5.一种烟雾检测装置,其特征在于,所述烟雾检测装置包括:
获取单元,对于待检测图像的多帧进行特征提取,获得所述待检测图像中用于检测运动物体的一个或多个候选区域;
分析单元,分析所述候选区域在所述多个帧中的面积变化、运动方向以及形状变化;
判断单元,根据分析结果判断所述候选区域是否存在烟雾,
其中,所述分析单元包括:
面积计算单元,通过计数器计算所述候选区域在所述多个帧中的面积变化;
方向计算单元,计算所述候选区域的质心在所述多个帧中的运动方向,记录每个运动方向出现的频率,以及将出现频率最高的运动方向作为所述候选区域的主运动方向;
形状计算单元,计算所述候选区域的质心到所述候选区域的几何中心的质心方向,以分析所述候选区域的形状变化。
6.根据权利要求5所述的烟雾检测装置,其中,所述获取单元具体包括:
建模单元,对每一帧进行背景建模以获得所述帧的二值图像;
域计算单元,在所述二值图像上获得一个或多个连通域;
过滤单元,对所述一个或多个连通域进行筛选,以获得所述一个或多个候选区域。
7.根据权利要求6所述的烟雾检测装置,其中,所述过滤单元对于每一连通域计算面积,筛选掉面积小于预设阈值的连通域;和/或
所述过滤单元对于每一连通域计算平均颜色深度,筛选掉平均颜色深度在预设范围之外的连通域。
8.根据权利要求5所述的烟雾检测装置,其中,所述判断单元在记录所述面积变化的计数器大于预设阈值,所述候选区域的主运动方向为向上或平移,所述质心方向与所述主运动方向一致的情况下,判断所述候选区域存在烟雾。
CN201410145845.XA 2014-04-11 2014-04-11 烟雾检测方法以及装置 Active CN104978733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410145845.XA CN104978733B (zh) 2014-04-11 2014-04-11 烟雾检测方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410145845.XA CN104978733B (zh) 2014-04-11 2014-04-11 烟雾检测方法以及装置

Publications (2)

Publication Number Publication Date
CN104978733A CN104978733A (zh) 2015-10-14
CN104978733B true CN104978733B (zh) 2018-02-23

Family

ID=54275214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410145845.XA Active CN104978733B (zh) 2014-04-11 2014-04-11 烟雾检测方法以及装置

Country Status (1)

Country Link
CN (1) CN104978733B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6620888B2 (ja) 2015-11-20 2019-12-18 富士通株式会社 煙検出装置、方法及び画像処理装置
CN105869184B (zh) * 2016-04-06 2019-06-28 北京林业大学 基于路径分析的林火烟雾图像检测方法
JP6718646B2 (ja) * 2016-04-15 2020-07-08 ホーチキ株式会社 火災検知装置及び火災検知方法
CN106778488B (zh) * 2016-11-22 2019-07-16 中国民航大学 基于图像相关性的低照度烟雾视频检测方法
CN111353334A (zh) 2018-12-21 2020-06-30 富士通株式会社 烟雾检测方法和装置
CN112150438B (zh) * 2020-09-23 2023-01-20 创新奇智(青岛)科技有限公司 断线检测方法、装置、电子设备及存储介质
CN113378629A (zh) * 2021-04-27 2021-09-10 阿里云计算有限公司 一种排烟异常车辆的检测方法、装置
CN116824514B (zh) * 2023-08-30 2023-12-08 四川弘和数智集团有限公司 一种目标识别方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393603A (zh) * 2008-10-09 2009-03-25 浙江大学 一种识别和检测隧道火灾火焰的方法
CN101515326A (zh) * 2009-03-19 2009-08-26 浙江大学 一种适用于识别和检测大空间火灾火焰的方法
CN101908141A (zh) * 2010-08-04 2010-12-08 丁天 一种基于混合高斯模型和形态特征的视频烟雾检测方法
CN101916372A (zh) * 2010-09-08 2010-12-15 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
CN102509078A (zh) * 2011-10-28 2012-06-20 北京安控科技股份有限公司 基于视频分析的烟火检测装置
CN103425959A (zh) * 2012-05-24 2013-12-04 信帧电子技术(北京)有限公司 一种识别火灾的火焰视频检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393603A (zh) * 2008-10-09 2009-03-25 浙江大学 一种识别和检测隧道火灾火焰的方法
CN101515326A (zh) * 2009-03-19 2009-08-26 浙江大学 一种适用于识别和检测大空间火灾火焰的方法
CN101908141A (zh) * 2010-08-04 2010-12-08 丁天 一种基于混合高斯模型和形态特征的视频烟雾检测方法
CN101916372A (zh) * 2010-09-08 2010-12-15 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
CN102509078A (zh) * 2011-10-28 2012-06-20 北京安控科技股份有限公司 基于视频分析的烟火检测装置
CN103425959A (zh) * 2012-05-24 2013-12-04 信帧电子技术(北京)有限公司 一种识别火灾的火焰视频检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于烟雾动态特征分析的实时火灾检测;王欣刚 等;《计算机技术与发展》;20081130;第18卷(第11期);论文第1-4节 *
基于累积量和主运动方向的视频烟雾检测方法;袁非牛 等;《中国图象图形学报》;20080430;第12卷(第4期);论文第2-5节 *

Also Published As

Publication number Publication date
CN104978733A (zh) 2015-10-14

Similar Documents

Publication Publication Date Title
CN104978733B (zh) 烟雾检测方法以及装置
US10846867B2 (en) Apparatus, method and image processing device for smoke detection in image
Li et al. Finding the secret of image saliency in the frequency domain
AU2009243442B2 (en) Detection of abnormal behaviour in video objects
US9600760B2 (en) System and method for utilizing motion fields to predict evolution in dynamic scenes
CN108647649B (zh) 一种视频中异常行为的检测方法
CN105631399A (zh) 用于体育视频识别的快速对象跟踪框架
CN104823444A (zh) 用于视频监控系统的图像稳定技术
CN102084397A (zh) 图像处理设备、方法和程序
CN103685866B (zh) 视频稳像方法及其装置
WO2018028102A1 (zh) 一种仿记忆引导的模式识别方法
Fradi et al. Spatio-temporal crowd density model in a human detection and tracking framework
CN107944499A (zh) 一种针对前景背景同时建模的背景检测方法
Liu et al. Spatial-temporal motion information integration for action detection and recognition in non-static background
Nawaz et al. PFT: A protocol for evaluating video trackers
Lejmi et al. Challenges and methods of violence detection in surveillance video: A survey
US20170103536A1 (en) Counting apparatus and method for moving objects
Yang et al. Full reference image quality assessment by considering intra-block structure and inter-block texture
CN106611165B (zh) 一种基于相关滤波和颜色匹配的汽车车窗检测方法及装置
CN106127810B (zh) 一种视频宏块角点光流的录播系统图像跟踪方法和装置
CN103092925B (zh) 一种视频摘要生成方法和装置
CN106157328B (zh) 运动判定装置、运动判定方法
CN106604057A (zh) 视频处理方法及装置
CN108280388A (zh) 训练面部检测模型的方法和装置以及面部检测方法和装置
US10438066B2 (en) Evaluation of models generated from objects in video

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