CN105512667A - 红外和可见光视频图像融合识别火灾的方法 - Google Patents
红外和可见光视频图像融合识别火灾的方法 Download PDFInfo
- Publication number
- CN105512667A CN105512667A CN201410484286.5A CN201410484286A CN105512667A CN 105512667 A CN105512667 A CN 105512667A CN 201410484286 A CN201410484286 A CN 201410484286A CN 105512667 A CN105512667 A CN 105512667A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- flame
- frame
- infrared image
- 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
Landscapes
- Fire-Detection Mechanisms (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及一种红外和可见光视频图像融合识别火灾的方法,通过红外图像预处理模块、判断可疑红外图像模块、确定红外图像中存在火焰模块和融合可见光综合判断模块进行识别。红外图像预处理模块对图像进行灰度化处理,区域联通,二值化和膨胀运算。判断可疑红外图像模块对灰度图和二值化图像做差值运算,确定场景有变化的可疑图像。确定红外图像中存在火焰模块对前后帧可疑图像做相似度计算,确认火焰是否存在。融合可见光综合判断模块结合火焰在RGB颜色空间的模型,判断相应可见光图像上的RGB值是否满足火焰的颜色模型,终判火情是否发生。本发明实现了红外图像和可见光图像的融合识别,避免了火灾的漏报和误报,提高了火情识别的准确性。
Description
技术领域
本发明属于生产安全监测技术领域,涉及一种红外和可见光视频图像融合识别火灾的方法。
背景技术
目前预防火灾发生有多种技术和手段,应用比较广泛的有烟雾报警器、紫外火焰探测器等。烟雾报警器适合室内烟雾的监测和预警,但不适合视频监控和户外使用。紫外火焰探测器探测波长200~300nm以下的引起的高温火灾,用于检测热油快速燃烧引起的火焰,对瞬时强光发出时监测火焰非常有效,适合爆炸性火灾的监测和预警,但是紫外火焰探测器器监测场景角度窄,在强太阳光下误报率较高。因此两种火灾探测仪器自都有局限性。采用红外技术进行火灾探测近几年探索较多,但市场应用尚不成熟,识别方法局限在实验室内或者近距离火焰的探测识别。
目前尚未有红外图像融合可见光图像进行火灾识别的算法,多数利用红外图像识别火焰后,在可见光图像上显示出着火点的位置,提供给使用者清晰的现场视频。专利和非专利文献公布其红外图像识别火灾是在实验室中实现的,从识别图片看,火焰在图片中占至少30%的面积,这样的算法对于室外、复杂背景或者远距离的小火点等识别率很低。
火灾监测如果只是用可见光图像进行识别,算法设计复杂、识别耗时长,且判断结果容易受外界光线和背景的影响,如局部出现强烈阳光可能就会引起误报,而且小火焰在强烈阳光下也不易被识别,容易出现漏报。若只采用红外图像进行识别,同样存在因为信息单一引起的误报,如灯光容易被误判成火焰点。
发明内容
本发明的目的是提供一种红外和可见光视频图像融合识别火灾的方法,避免火灾的漏报和误报。
本发明的技术方案是:红外和可见光视频图像融合识别火灾的方法,红外摄像机检测火情时发出红外线,通过光学成像体系形成红外图像。利用计算机建立红外图像预处理模块、判断可疑红外图像模块、确定红外图像中存在火焰模块和融合可见光综合判断模块进行识别。红外图像预处理模块根据红外图像的特征及目标的特点进行灰度化处理、区域联通、二值化和膨胀运算。判断可疑红外图像模块利用红外图像进行火焰的识别,分别对灰度图和二值化图像做差值运算,确定场景有变化的可疑图像。确定红外图像中存在火焰模块对前后帧可疑图像做相似度计算,计算两帧图像中火焰可疑区的相似度,确认火焰是否存在。融合可见光综合判断模块结合火焰在RGB颜色空间的模型,在红外图像火焰出现后,判断相应可见光图像上的RGB值是否满足火焰的颜色模型,如果可见光图像上的RGB值满足火焰的颜色模型,终判火情发生。
差值运算包括两组图像差值。一组是前后两帧红外图像灰度图做差值,一组是红外图像二值化后的两帧图像做差值,差值运算的过程为:
⑴第i和第i+k帧灰度图做差值:
式中:
Tr为差值图像二值化阈值;Tr的范围为0~255,根据实际需要确定一个合理值;
G(i,x,y)为第i帧红外图像的灰度图;
G(i+k,x,y)为第i+k帧红外图像的灰度图;
G(i,i+k,x,y)为结果图像,其像素值为1的区域表示G(i,x,y)和G(i+k,x,y)两帧图像有较大差异,该区域有较强亮光或红外辐射出现。
⑵第i和第i+k帧二值化图像做差值,即异或运算:
Pr(i,i+k,x,y)=P(i,x,y)∧P(i+k,x,y)
式中:
P(i,x,y)为第i帧红外图像的二值图;
P(i+k,x,y)为第i+k帧红外图像的二值图;
P(i,i+k,x,y)为差值结果图像,其像素值为1的区域表示P(i,x,y)和两帧图像有较大差异;此图像的二值化使用直方图分割方法;
⑶对以上(1)和(2)的结果图像G(i,i+k,x,y)和P(i,i+k,x,y)做与运算,得到结果图像R(i,i+k,x,y),
R(i,i+k,x,y)=Gr(i,i+k,x,y)∩Pr(i,i+k,x,y)
R(i,i+k,x,y)中像素值为1的区域表示i和i+k帧红外图像明显差异,然后统计差异区域的大小,进行以下计算:
Sun(i,i+k)=∑R(i,i+k,x,y)
Sum(i,i+k)表示R(i,i+k,x,y)中像素值是1的像素个数;如果第i和i+k帧图像的场景差别较大,那么Sum(i,i+k)的值较大,当大于门限值SumT时,可以怀疑场景内有火焰出现,即:
Sum(i,i+k)≥SumT,则第i帧红外图像G(i,x,y)为可疑图像;而中值为1的像素点区域即为可疑火焰区域;
若Sum(i,i+k)<SumT则G(i,x,y)为正常图像,此时将基准图像调整为G(i+k,x,y),重新进行判断。
前后帧可疑图像相似度计算为:
如果第i帧红外图像可疑,那么继续用以上(1)(2)(3)的步骤判断后续帧是否也可疑。如果不可疑,放弃以前的结果,将基准图像调整为后续图像,从步骤(1)重新开始判断。如果可疑,对第i帧R(i,i+k,x,y)和帧R(l,i+k,x,y)做开运算,去除图像内零散、面积较小的可疑区域,连通图像面积较大的可能火焰区域,两幅图像的可疑区域做相似度计算,根据相似度判别是否火焰出现;
(1)相似度计算为:
式中:
ε为R(i,i+k,x,y)和帧R(l,I+k,x,y);
相似度判断
如果:
ε>E0表示前后帧图像i和l可疑火焰区域高度匹配,认为可疑火焰为固定红外光源;
如果:ε
E1<ε<E0表示i帧和k帧可疑火焰区域匹配度较高,认为火焰出现;
如果:
ε<E1表示i帧和l帧可疑或吸烟区域匹配度低,认为移动光源出现;
其中:
E0、E1分别为判断相似度的上下门限。
融合可见光综合判断的方法为由第三模块得到的有火焰的红外图像帧找到此帧图像对应的可见光图像帧F(i,x,y),判断F(i,x,y)中对应红外图像火焰区域的像素R、G、B值是否满足火焰空间颜色模型,如果满足则认为模块三确定的可疑图像的确发生了火情,否则没有出现火情。火焰空间颜色模型为:RG和≥G>B,其中:R为红色,G为绿色,B为蓝色。
本发明红外和可见光视频图像融合识别火灾的方法通过红外图像预处理模块、判断可疑红外图像模块、确定红外图像中存在火焰模块和融合可见光综合判断模块相结合,红外图像和可见光图像融合识别火灾的方利用红外图像去除大部分场景影响,初步判断出火焰是否存在,然后融合可见光图像最终综合判断火灾是否发生,实现了红外图像和可见光图像的融合识别,避免了使用某一种图像所导致的漏报和误报。采用红外摄像机和普通监控摄像机相结合的方式实时监测火灾,能监控室内和近距离火灾,也适用于户外、较远距离等情况,不受光线、天气变化、环境亮度变化等因素影响影响,运行行速度快,可在火灾发生早期及时准确的预警。本发明利用红外成像的特点,选用合适的红外镜片组合,拍摄的红外图像上只有很少的背景信息,更多的保留了有效信息,先采用红外图像初步判断出起火视频图像后,再根据火焰颜色模型,利用可见光图像进一步确认火灾发生的图像,提高了识别的准确性。
附图说明
图1为本法本发明红外和可见光视频图像融合识别火灾的流程示意图;
图2为第一组两帧红外图像G(1,x,y)和G(2,x,y);
图3为第一组二值化后红外图像R(1,x,y)和R(2,x,y);
图4为第一组二值化图像差值运算的Pr(1,2,x,y)结果图像;
图5为第一组红外图像直接差值运算的Gr(1,2,x,y)结果图像;
图6为第二组两帧红外图像G(100,x,y)和G(102,x,y);
图7为第二组二值化后红外图像R(100,x,y)和R(102,x,y);
图8为第二组二值化图像差值运算的Pr(100,102,x,y)结果图像;
图9为第二组红外图像直接差值运算的Gr(100,102,x,y)结果图像。
其中:
1—红外图像预处理模块、2—判断可疑红外图像模块、3—确定红外图像中存在火焰模块、4—融合可见光综合判断模块。
具体实施方式
下面结合实施例和附图对本发明进行详细说明。本发明保护范围不限于实施例,本领域技术人员在权利要求限定的范围内做出任何改动也属于本发明保护的范围。
本发明红外和可见光视频图像融合识别火灾的方法,通过与计算机相连接的红外图像预处理模块1、判断可疑红外图像模块2、确定红外图像中存在火焰模块3和融合可见光综合判断模块4进行识别。如图1所示,①利用红外摄像机检测火情时发出红外线,光学成像形成红外图像。②红外图像预处理模块根据红外图像的特征及目标的特点进行灰度化处理、二值化、区域联通。③判断可疑红外图像模块利用红外图像进行火焰的识别,分别对灰度图和二值化图像做差值运算,确定场景有变化的可疑图像。④确定红外图像中存在火焰模块对前后帧可疑图像做相似度计算,计算两帧图像中火焰可疑区的相似度,确认火焰是否存在。⑤融合可见光综合判断模块结合火焰在RGB颜色空间的模型,在红外图像确定火焰出现后,判断相应可见光图像上的RGB值是否满足火焰的颜色模型,如果可见光图像上的RGB值满足火焰的颜色模型,终判火情发生。
差值运算包括两组图像差值,一组是前后两帧红外图像灰度图做差值,一组是红外图像二值化后的两帧图像做差值,差值运算的过程为:
⑴第i和第i+k帧灰度图做差值:
像素值为1的区域表示图像有较大差异,该区域有较强亮光或红外辐射出现。
⑵第i和第i+k帧二值化图像做差值,即异或运算:
Pr(i,i+k,x,y)=P(i,x,y)∧P(i+k,x,y)
像素值为1的区域表示两帧图像有较大差异。
⑶对两组差值图像做与运算,得到结果图像R(i,i+k,x,y)
R(i,i+k,x,y)=Gr(i,i+k,x,y)∩Pr(i,i+k,x,y)
R(i,i+k,x,y)中像素值为1的区域表示i和i+k帧图像有明显差异,进行以下计算:
Sun(i,i+k)=∑R(i,i+k,x,y)
Sun(i,i+k)表示R(i,i+k,x,y)中像素值是1的像素个数。如果第i和i+k帧图像的场景差别较大,那么的值较大,当大于门限值时,可以怀疑场景内有火焰出现,即:
若:≥SunT则第i真红外图像G(i,x,y)为可疑图像。而R(i,i+k,x.y)中值为1的像素点区域即为可疑火焰区域。
若:<SunT则G(i,x,y)为正常图像,此时也将基准图像调整为G(i+k,x.y),重新判断。
⑷前后帧可疑图像相似度计算包括:对第i帧R(i,i+k,x.y)和R(I,I+k,x.y)做开运算,去除图像内零散、面积较小的可疑区域,连通图像面积较大的可能火焰区域,两幅图像的可疑区域做相似度计算,根据相似度判别是否火焰出现。
①相似度计算为:
式中:
ε为R(i,i+k,x,y)和帧R(l,I+k,x,y);
相似度判断
如果:
ε>E0表示前后帧图像i和l可疑火焰区域高度匹配,认为可疑火焰为固定红外光源;
如果:ε
E1<ε<E0表示i帧和k帧可疑火焰区域匹配度较高,认为火焰出现;
如果:
ε<E1表示i帧和l帧可疑或吸烟区域匹配度低,认为移动光源出现;
其中:
E0、E1分别为判断相似度的上下门限。
融合可见光综合判断的方法为由确定红外图像中存在火焰模块3得到的有火焰的红外图像帧,找到此帧图像对应的可见光图像帧F(i,x,y),判断F(i,x,y)中对应红外图像火焰区域像素R、G、B值是否满足火焰空间颜色模型,如果满足则认为由确定红外图像中存在火焰模块确定的可疑图像的确发生了火情,否则没有出现火情。
火焰空间颜色模型为:RG和≥G>B,其中:R为红色,G为绿色,B为蓝色。
实施例
㈠第一组实验图像
⑴利用红外摄像机检测火情时发出红外线,光学成像形成红外图像,如图2所示,两帧红外图像G(1,x,y)和G(2,x,y)。
⑵据红外图像的特征及目标的特点进行灰度化处理、二值化处理,如图3所示,二值化处理后红外图像R(1,x,y)和R(2,x,y)。
⑶分别对灰度图和二值化图像做差值运算,确定场景有变化的可疑图像。将二值化图像R(1,x,y)、R(2,x,y)做差值运算,得到结果图像Pr(1,2,x,y)如图4所示;红外图像G(1,x,y)和G(2,x,y)直接差值运算,得到的结果图像Gr(1,2,x,y),如图5所示。
⑷对Pr(1,2,x,y)和Gr(1,2,x,y)做与运算,然统计白色区域的像素数,得:
Sum(1,2)=1339。
这里设定门限值:SunT=100。
由于Sum(1,2>SunT,因此认为红外图像G(1,x,y)可疑。
㈡第二组实验图像
⑴利用红外摄像机检测火情时发出红外线,光学成像形成红外图像,如图2所示,两帧红外图像G100,x,y))和G(102,x,y)。
⑵据红外图像的特征及目标的特点进行灰度化处理、二值化处理,如图3所示,二值化处理后红外图像R(100,x,y)和R(102,x,y)。
⑶分别对灰度图和二值化图像做差值运算,确定场景有变化的可疑图像。将二值化图像R(100,x,y)、R(102,x,y)做差值运算,得到结果图像Pr(100,102,x,y)如图4所示;红外图像G(1,x,y)和G(2,x,y)直接差值运算,得到的结果图像Gr(100,102,x,y),如图5所示。
⑷对Pr(100,102,x,y)和Pr(100,102,x,y)做与运算,然统计白色区域的像素数,得:
Sum(100,102)=1339;
这里设定门限值:SunT=100;
由于Sum(100,102>SunT,因此认为红外图像G(100,x,y)可疑。
㈢综合判断
经过以上计算得出,3秒钟内的两帧红外图像G(1,x,y)、G(100,x,y)都可疑,则推断出红外图像G(1,x,y)确有火灾发生。G(1,x,y)对应的可见光图像是Kj(1,x,y),验证Kj(1,x,y)图中对应红外图像火焰区域像素R、G、B值是否满足火焰空间颜色模型。如果满足则认为由确定红外图像中存在火焰模块确定的可疑图像的确发生了火情,否则没有出现火情。
Claims (5)
1.一种红外和可见光视频图像融合识别火灾的方法,红外摄像机检测火情时发出红外线,通过光学成像体系形成红外图像,其特征是:利用计算机建立红外图像预处理模块(1)、判断可疑红外图像模块(2)、确定红外图像中存在火焰模块(3)和融合可见光综合判断模块(4)进行识别;所述红外图像预处理模块根据红外图像的特征及目标的特点进行灰度化处理、区域联通、二值化和膨胀运算;所述判断可疑红外图像模块利用红外图像进行火焰的识别,分别对灰度图和二值化图像做差值运算,确定场景有变化的可疑图像;所述确定红外图像中存在火焰模块对前后帧可疑图像做相似度计算,计算两帧图像中火焰可疑区的相似度,确认火焰是否存在;所述融合可见光综合判断模块结合火焰在RGB颜色空间的模型,在红外图像火焰出现后,判断相应可见光图像上的RGB值是否满足火焰的颜色模型,如果可见光图像上的RGB值满足火焰的颜色模型,终判火情发生。
2.根据权利要求1所述的红外和可见光视频图像融合识别火灾的方法,其特征是:所述差值运算包括两组图像差值;一组是前后两帧红外图像灰度图做差值,一组是红外图像二值化后的两帧图像做差值,差值运算的过程为:
⑴第i和第i+k帧灰度图做差值:
式中:
Tr为差值图像二值化阈值;Tr的范围为0~255,根据实际需要确定一个合理值;
G(i,x,y)为第i帧红外图像的灰度图;
G(i+k,x,y)为第i+k帧红外图像的灰度图;
G(i,i+k,x,y)为结果图像,其像素值为1的区域表示G(i,x,y)和G(i+k,x,y)两帧图像有较大差异,该区域有较强亮光或红外辐射出现;
⑵第i和第i+k帧二值化图像做差值,即异或运算:
Pr(i,i+k,x,y)=P(i,x,y)∧P(i+k,x,y)
式中:
P(i,x,y)为第i帧红外图像的二值图;
P(i+k,x,y)为第i+k帧红外图像的二值图;
P(i,i+k,x,y)为差值结果图像,其像素值为1的区域表示P(i,x,y)和两帧图像有较大差异;此图像的二值化使用直方图分割方法;
⑶对以上(1)和(2)的结果图像G(i,i+k,x,y)和P(i,i+k,x,y)做与运算,得到结果图像R(i,i+k,x,y),
R(i,i+k,x,y)=Gr(i,i+k,x,y)∩Pr(i,i+k,x,y)
R(i,i+k,x,y)中像素值为1的区域表示i和i+k帧红外图像明显差异,然后统计差异区域的大小,进行以下计算:
Sun(i,i+k)=∑R(i,i+k,x,y)
Sum(i,i+k)表示R(i,i+k,x,y)中像素值是1的像素个数;如果第i和i+k帧图像的场景差别较大,那么Sum(i,i+k)的值较大,当大于门限值SumT时,可以怀疑场景内有火焰出现,即:
Sum(i,i+k)≥SumT,则第i帧红外图像G(i,x,y)为可疑图像;而中值为1的像素点区域即为可疑火焰区域;
若Sum(i,i+k)<SumT则G(i,x,y)为正常图像,此时将基准图像调整为G(i+k,x,y),重新进行判断。
3.根据权利要求1所述的红外和可见光视频图像融合识别火灾的方法,其特征是:所述前后帧可疑图像相似度计算:
对第i帧R(i,i+k,x,y)和帧R(l,I+k,x,y)做开运算,去除图像内零散、面积较小的可疑区域,连通图像面积较大的可能火焰区域,两幅图像的可疑区域做相似度计算,根据相似度判别是否火焰出现;
相似度计算为:
式中:
ε为R(i,i+k,x,y)和帧R(l,I+k,x,y);
相似度判断
如果:
ε>E0表示前后帧图像i和l可疑火焰区域高度匹配,认为可疑火焰为固定红外光源;
如果:ε
E1<ε<E0表示i帧和k帧可疑火焰区域匹配度较高,认为火焰出现;
如果:
ε<E1表示i帧和l帧可疑或吸烟区域匹配度低,认为移动光源出现;
其中:
E0、E1分别为判断相似度的上下门限。
4.根据权利要求1所述的红外和可见光视频图像融合识别火灾的方法,其特征是:所述融合可见光综合判断的方法为由第三模块得到的有火焰的红外图像帧找到此帧图像对应的可见光图像帧F(i,x,y),判断F(i,x,y)中对应红外图像火焰区域的像素R、G、B值是否满足火焰空间颜色模型,如果满足则认为模块三确定的可疑图像的确发生了火情,否则没有出现火情。
5.根据权利要求4所述的红外和可见光视频图像融合识别火灾的方法,其特征是:所述火焰空间颜色模型为:RG和≥G>B,其中:R为红色,G为绿色,B为蓝色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410484286.5A CN105512667B (zh) | 2014-09-22 | 2014-09-22 | 红外和可见光视频图像融合识别火灾的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410484286.5A CN105512667B (zh) | 2014-09-22 | 2014-09-22 | 红外和可见光视频图像融合识别火灾的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105512667A true CN105512667A (zh) | 2016-04-20 |
CN105512667B CN105512667B (zh) | 2019-01-15 |
Family
ID=55720634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410484286.5A Active CN105512667B (zh) | 2014-09-22 | 2014-09-22 | 红外和可见光视频图像融合识别火灾的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512667B (zh) |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056594A (zh) * | 2016-05-27 | 2016-10-26 | 四川桑莱特智能电气设备股份有限公司 | 一种基于双光谱的可见光图像提取系统与方法 |
CN106683039A (zh) * | 2016-11-21 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种生成火情态势图的系统 |
CN106778582A (zh) * | 2016-12-07 | 2017-05-31 | 哈尔滨工业大学 | 基于rgb重构的森林图像切割后的火焰/烟雾识别方法 |
CN107095384A (zh) * | 2017-04-26 | 2017-08-29 | 长春理工大学 | 一种基于wifi传输的智能消防头盔装置 |
CN107663918A (zh) * | 2017-09-30 | 2018-02-06 | 山东万得福装饰工程有限公司 | 用于吊顶的集成设备带 |
CN107861655A (zh) * | 2017-11-01 | 2018-03-30 | 平安科技(深圳)有限公司 | 控件匹配方法、装置、计算机设备和存储介质 |
CN108537202A (zh) * | 2018-04-19 | 2018-09-14 | 广州林邦信息科技有限公司 | 森林火灾识别装置及系统 |
CN108806165A (zh) * | 2018-08-15 | 2018-11-13 | 重庆英卡电子有限公司 | 拍照式火焰探测系统及其控制方法 |
CN108961647A (zh) * | 2018-08-15 | 2018-12-07 | 重庆英卡电子有限公司 | 拍照式火焰探测器及其控制方法 |
CN108986379A (zh) * | 2018-08-15 | 2018-12-11 | 重庆英卡电子有限公司 | 带红外拍照的火焰探测器及其控制方法 |
CN109029731A (zh) * | 2018-05-24 | 2018-12-18 | 河海大学常州校区 | 一种基于多目视觉的电力设备异常监测系统及方法 |
CN109118702A (zh) * | 2018-09-29 | 2019-01-01 | 歌尔股份有限公司 | 火灾检测方法、装置和设备 |
CN109147259A (zh) * | 2018-11-20 | 2019-01-04 | 武汉理工光科股份有限公司 | 一种基于视频图像的远程火灾探测系统及方法 |
WO2019141074A1 (en) * | 2018-01-17 | 2019-07-25 | Zhejiang Dahua Technology Co., Ltd. | Method and system for identifying light source and application thereof |
CN110097030A (zh) * | 2019-05-14 | 2019-08-06 | 武汉高德红外股份有限公司 | 一种基于红外和可见光图像的突出标识方法及系统 |
CN110717419A (zh) * | 2019-09-25 | 2020-01-21 | 浙江万胜智能科技股份有限公司 | 一种从视频图像中提取火焰特征的方法 |
CN110837822A (zh) * | 2019-12-09 | 2020-02-25 | 国网智能科技股份有限公司 | 基于多目视觉的消防机器人喷射曲线调整方法及装置 |
CN110930375A (zh) * | 2019-11-13 | 2020-03-27 | 广东国地规划科技股份有限公司 | 一种土地覆盖变化监测方法、系统、装置及存储介质 |
CN111659059A (zh) * | 2020-05-08 | 2020-09-15 | 北京南瑞怡和环保科技有限公司 | 预装式涡扇炮泡沫-细水雾灭火系统 |
CN112560657A (zh) * | 2020-12-12 | 2021-03-26 | 南方电网调峰调频发电有限公司 | 烟火识别方法、装置、计算机设备和存储介质 |
CN112699970A (zh) * | 2021-02-26 | 2021-04-23 | 江苏昂内斯电力科技股份有限公司 | 一种多特征信息融合的火焰检测系统及其方法 |
CN112990244A (zh) * | 2019-12-17 | 2021-06-18 | 深圳君正时代集成电路有限公司 | 一种区分红外图像数据和可见光图像数据的方法 |
CN113188165A (zh) * | 2020-01-14 | 2021-07-30 | 宁波方太厨具有限公司 | 一种吸油烟机 |
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 |
CN113537204A (zh) * | 2020-04-20 | 2021-10-22 | 富华科精密工业(深圳)有限公司 | 基于红外特征、机器学习的小火焰检测方法及计算机装置 |
CN113834586A (zh) * | 2021-09-26 | 2021-12-24 | 中国兵器装备集团上海电控研究所 | 具有镜面防结露功能的火焰探测器 |
CN114187735A (zh) * | 2021-12-03 | 2022-03-15 | 武汉理工光科股份有限公司 | 基于多模式的火灾报警方法、装置、电子设备及存储介质 |
CN115346328A (zh) * | 2022-08-12 | 2022-11-15 | 国网四川省电力公司绵阳供电公司 | 一种输配电线路山火预警方法及预警系统 |
US11651670B2 (en) | 2019-07-18 | 2023-05-16 | Carrier Corporation | Flame detection device and method |
CN116168345A (zh) * | 2023-04-21 | 2023-05-26 | 深圳开鸿数字产业发展有限公司 | 火灾检测方法及相关设备 |
CN116246215A (zh) * | 2023-05-11 | 2023-06-09 | 小手创新(杭州)科技有限公司 | 基于视觉算法的识别新进物品的方法、桶盖及智能回收桶 |
CN116543378A (zh) * | 2023-07-05 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 一种图像识别方法、装置、电子设备及存储介质 |
CN116913033A (zh) * | 2023-05-29 | 2023-10-20 | 东莞市众可智能科技有限公司 | 一种火灾大数据远程探测与预警系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6696958B2 (en) * | 2002-01-14 | 2004-02-24 | Rosemount Aerospace Inc. | Method of detecting a fire by IR image processing |
CN101441712A (zh) * | 2008-12-25 | 2009-05-27 | 北京中星微电子有限公司 | 一种火焰的视频识别方法和一种火灾监控方法及其系统 |
CN104036611A (zh) * | 2014-06-24 | 2014-09-10 | 北京中恩时代科技有限责任公司 | 一种火灾探测报警的方法及其探测报警器 |
-
2014
- 2014-09-22 CN CN201410484286.5A patent/CN105512667B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6696958B2 (en) * | 2002-01-14 | 2004-02-24 | Rosemount Aerospace Inc. | Method of detecting a fire by IR image processing |
CN101441712A (zh) * | 2008-12-25 | 2009-05-27 | 北京中星微电子有限公司 | 一种火焰的视频识别方法和一种火灾监控方法及其系统 |
CN104036611A (zh) * | 2014-06-24 | 2014-09-10 | 北京中恩时代科技有限责任公司 | 一种火灾探测报警的方法及其探测报警器 |
Non-Patent Citations (2)
Title |
---|
王进成 等: ""可见光与红外的视频火灾探测器设计"", 《单片机与嵌入式系统应用》 * |
米锐: ""火灾图像自动监测技术的研究与开发"", 《中文学术论文全文数据库》 * |
Cited By (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056594A (zh) * | 2016-05-27 | 2016-10-26 | 四川桑莱特智能电气设备股份有限公司 | 一种基于双光谱的可见光图像提取系统与方法 |
CN106683039A (zh) * | 2016-11-21 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种生成火情态势图的系统 |
CN106778582A (zh) * | 2016-12-07 | 2017-05-31 | 哈尔滨工业大学 | 基于rgb重构的森林图像切割后的火焰/烟雾识别方法 |
CN106778582B (zh) * | 2016-12-07 | 2020-06-09 | 哈尔滨工业大学 | 基于rgb重构的森林图像切割后的火焰/烟雾识别方法 |
CN107095384A (zh) * | 2017-04-26 | 2017-08-29 | 长春理工大学 | 一种基于wifi传输的智能消防头盔装置 |
CN107095384B (zh) * | 2017-04-26 | 2023-11-24 | 左志权 | 一种基于wifi传输的智能消防头盔装置 |
CN107663918B (zh) * | 2017-09-30 | 2019-05-21 | 山东万得福装饰工程有限公司 | 用于吊顶的集成设备带 |
CN107663918A (zh) * | 2017-09-30 | 2018-02-06 | 山东万得福装饰工程有限公司 | 用于吊顶的集成设备带 |
CN107861655A (zh) * | 2017-11-01 | 2018-03-30 | 平安科技(深圳)有限公司 | 控件匹配方法、装置、计算机设备和存储介质 |
US11743419B2 (en) | 2018-01-17 | 2023-08-29 | Zhejiang Dahua Technology Co., Ltd. | Method and system for identifying light source and application thereof |
US11218628B2 (en) | 2018-01-17 | 2022-01-04 | Zhejiang Dahua Technology Co., Ltd. | Method and system for identifying light source and application thereof |
WO2019141074A1 (en) * | 2018-01-17 | 2019-07-25 | Zhejiang Dahua Technology Co., Ltd. | Method and system for identifying light source and application thereof |
CN108537202A (zh) * | 2018-04-19 | 2018-09-14 | 广州林邦信息科技有限公司 | 森林火灾识别装置及系统 |
CN109029731A (zh) * | 2018-05-24 | 2018-12-18 | 河海大学常州校区 | 一种基于多目视觉的电力设备异常监测系统及方法 |
CN108986379A (zh) * | 2018-08-15 | 2018-12-11 | 重庆英卡电子有限公司 | 带红外拍照的火焰探测器及其控制方法 |
CN108961647A (zh) * | 2018-08-15 | 2018-12-07 | 重庆英卡电子有限公司 | 拍照式火焰探测器及其控制方法 |
CN108806165A (zh) * | 2018-08-15 | 2018-11-13 | 重庆英卡电子有限公司 | 拍照式火焰探测系统及其控制方法 |
CN109118702A (zh) * | 2018-09-29 | 2019-01-01 | 歌尔股份有限公司 | 火灾检测方法、装置和设备 |
CN109147259A (zh) * | 2018-11-20 | 2019-01-04 | 武汉理工光科股份有限公司 | 一种基于视频图像的远程火灾探测系统及方法 |
CN110097030A (zh) * | 2019-05-14 | 2019-08-06 | 武汉高德红外股份有限公司 | 一种基于红外和可见光图像的突出标识方法及系统 |
US11651670B2 (en) | 2019-07-18 | 2023-05-16 | Carrier Corporation | Flame detection device and method |
CN110717419A (zh) * | 2019-09-25 | 2020-01-21 | 浙江万胜智能科技股份有限公司 | 一种从视频图像中提取火焰特征的方法 |
CN110930375A (zh) * | 2019-11-13 | 2020-03-27 | 广东国地规划科技股份有限公司 | 一种土地覆盖变化监测方法、系统、装置及存储介质 |
CN110837822A (zh) * | 2019-12-09 | 2020-02-25 | 国网智能科技股份有限公司 | 基于多目视觉的消防机器人喷射曲线调整方法及装置 |
CN110837822B (zh) * | 2019-12-09 | 2022-09-09 | 国网智能科技股份有限公司 | 基于多目视觉的消防机器人喷射曲线调整方法及装置 |
CN112990244A (zh) * | 2019-12-17 | 2021-06-18 | 深圳君正时代集成电路有限公司 | 一种区分红外图像数据和可见光图像数据的方法 |
CN113188165B (zh) * | 2020-01-14 | 2022-08-12 | 宁波方太厨具有限公司 | 一种吸油烟机 |
CN113188165A (zh) * | 2020-01-14 | 2021-07-30 | 宁波方太厨具有限公司 | 一种吸油烟机 |
CN113537204A (zh) * | 2020-04-20 | 2021-10-22 | 富华科精密工业(深圳)有限公司 | 基于红外特征、机器学习的小火焰检测方法及计算机装置 |
CN111659059A (zh) * | 2020-05-08 | 2020-09-15 | 北京南瑞怡和环保科技有限公司 | 预装式涡扇炮泡沫-细水雾灭火系统 |
CN112560657A (zh) * | 2020-12-12 | 2021-03-26 | 南方电网调峰调频发电有限公司 | 烟火识别方法、装置、计算机设备和存储介质 |
CN112560657B (zh) * | 2020-12-12 | 2023-05-30 | 南方电网调峰调频发电有限公司 | 烟火识别方法、装置、计算机设备和存储介质 |
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 |
CN112699970A (zh) * | 2021-02-26 | 2021-04-23 | 江苏昂内斯电力科技股份有限公司 | 一种多特征信息融合的火焰检测系统及其方法 |
CN113834586A (zh) * | 2021-09-26 | 2021-12-24 | 中国兵器装备集团上海电控研究所 | 具有镜面防结露功能的火焰探测器 |
CN114187735A (zh) * | 2021-12-03 | 2022-03-15 | 武汉理工光科股份有限公司 | 基于多模式的火灾报警方法、装置、电子设备及存储介质 |
CN114187735B (zh) * | 2021-12-03 | 2024-04-23 | 武汉理工光科股份有限公司 | 基于多模式的火灾报警方法、装置、电子设备及存储介质 |
CN115346328A (zh) * | 2022-08-12 | 2022-11-15 | 国网四川省电力公司绵阳供电公司 | 一种输配电线路山火预警方法及预警系统 |
CN116168345A (zh) * | 2023-04-21 | 2023-05-26 | 深圳开鸿数字产业发展有限公司 | 火灾检测方法及相关设备 |
CN116246215A (zh) * | 2023-05-11 | 2023-06-09 | 小手创新(杭州)科技有限公司 | 基于视觉算法的识别新进物品的方法、桶盖及智能回收桶 |
CN116246215B (zh) * | 2023-05-11 | 2024-01-09 | 小手创新(杭州)科技有限公司 | 基于视觉算法的识别新进物品的方法、桶盖及智能回收桶 |
CN116913033A (zh) * | 2023-05-29 | 2023-10-20 | 东莞市众可智能科技有限公司 | 一种火灾大数据远程探测与预警系统 |
CN116913033B (zh) * | 2023-05-29 | 2024-04-05 | 深圳市兴安消防工程有限公司 | 一种火灾大数据远程探测与预警系统 |
CN116543378A (zh) * | 2023-07-05 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 一种图像识别方法、装置、电子设备及存储介质 |
CN116543378B (zh) * | 2023-07-05 | 2023-09-29 | 杭州海康威视数字技术股份有限公司 | 一种图像识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105512667B (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512667A (zh) | 红外和可见光视频图像融合识别火灾的方法 | |
CN103761826B (zh) | 一种热成像视频双鉴林火识别系统的识别方法 | |
CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
CN104971458B (zh) | 基于自动跟踪定位射流灭火装置的多火源识别方法 | |
WO2010006361A1 (en) | Detection of vehicles in images of a night time scene | |
US20230015771A1 (en) | Methods for detecting phantom projection attacks against computer vision algorithms | |
CN104168478A (zh) | 基于Lab空间及相关性函数的视频图像偏色检测方法 | |
CN112257554B (zh) | 基于多光谱的森林火灾识别方法、系统、程序及存储介质 | |
CN108198175B (zh) | 检测方法、检测装置、计算机设备和计算机可读存储介质 | |
TWI826723B (zh) | 用於產生物件之物件分類的方法和裝置 | |
KR20180021521A (ko) | 열화상카메라를 이용한 화재감지 시스템 | |
WO2021114965A1 (zh) | 一种投影显示控制方法、装置及投影系统 | |
KR101224548B1 (ko) | 화재 영상 감지시스템 및 그 방법 | |
Celik et al. | Computer vision based fire detection in color images | |
KR101476764B1 (ko) | 카메라의 명암 영상신호를 이용한 화염 검출방법 | |
Jeong et al. | Probabilistic method to determine human subjects for low-resolution thermal imaging sensor | |
JP2015158796A (ja) | 物体検出装置 | |
Buemi et al. | Efficient fire detection using fuzzy logic | |
CN103020588A (zh) | 基于视频图像分析的火焰检测方法 | |
CN112446304A (zh) | 一种火焰检测方法及其系统 | |
CN104378629B (zh) | 一种摄像机故障的检测方法 | |
Thepade et al. | Fire detection system using color and flickering behaviour of fire with kekre's luv color space | |
CN102339377B (zh) | 一种快速人眼定位方法及装置 | |
Anton et al. | Real-time smoke detection in video sequences: Combined approach | |
CN202795630U (zh) | 一种热成像视频双鉴林火识别系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |