CN105528581B - 基于仿生颜色感应模型的视频烟雾事件智能检测方法 - Google Patents

基于仿生颜色感应模型的视频烟雾事件智能检测方法 Download PDF

Info

Publication number
CN105528581B
CN105528581B CN201510911179.0A CN201510911179A CN105528581B CN 105528581 B CN105528581 B CN 105528581B CN 201510911179 A CN201510911179 A CN 201510911179A CN 105528581 B CN105528581 B CN 105528581B
Authority
CN
China
Prior art keywords
image
video
color histogram
frame
difference
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
CN201510911179.0A
Other languages
English (en)
Other versions
CN105528581A (zh
Inventor
黄翰
许秋劲
梁椅辉
郝志峰
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201510911179.0A priority Critical patent/CN105528581B/zh
Publication of CN105528581A publication Critical patent/CN105528581A/zh
Application granted granted Critical
Publication of CN105528581B publication Critical patent/CN105528581B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/43—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of news video content

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供基于仿生颜色感应模型的视频烟雾事件智能检测方法，该方法中，用户选择一个源视频，采用基于仿生颜色感应模型的视频烟雾事件智能检测方法对视频进行烟雾检测，在检测到烟雾时进行警报，并将视频该帧图片保存到指定的路径，同时记录在视频中具体时间点检测到烟雾，记录信息在检测完成后以txt文档形式保存。本发明跟传统的传感器火灾报警方法不同，不受空间高度、热障、易爆、有毒等环境条件的限制，能在视频中烟雾出现的短时间内及时进行警报，能够适用于森林、田野等多种室外视频场景。

Description

基于仿生颜色感应模型的视频烟雾事件智能检测方法
技术领域
本发明一般涉及计算机智能监控视频处理领域，具体涉及基于仿生颜色感应模型的视频烟雾事件智能检测方法。
背景技术
火灾是指在时间或空间上失去控制的燃烧所造成的灾害。在各种灾害中，火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一。火灾对人类生命财产和社会安全构成了极大的威胁，给人类社会生产生活带来了巨大损失，由此引发的重大安全事故比比皆是。为了防止火灾发生和减少火灾危害，保护人民生命和财产安全，人们对自动火灾检测系统的需求日益增长。这些系统的成功，取决于烟雾、气体、温度等物理量的适当检测，因为这些物理量可提供火灾初期的快速、可靠的报警信号。目前应用比较广泛的火灾烟雾检测器，大致有离子式烟雾检测器、吸气式烟雾检测器、二极管式光电烟雾检测器、反射光式烟雾检测器等。这些监测方法容易受空间高度、热障、易爆、有毒等环境条件的限制，并且对森林、田野等室外场景适用性不强。本发明提出的基于仿生颜色感应模型的视频烟雾事件智能检测方法，能够应用在监控摄像头进行实时监控，对视频监控区域内出现的烟雾能在短时间内及时准确地进行警报，适用于多种室外场景，且不受空间、热障等环境条件的限制，具有报警速度快、准确率高、适用性强等特点，能大大减少火灾造成的损失，保障人民的生命财产安全。
发明内容
本发明针对当前火灾烟雾检测技术的不足，提供了基于仿生颜色感应模型的视频烟雾事件智能检测方法。本发明的目的在于短时间内对视频中出现的烟雾进行智能检测，及时进行警报，应用场景不受空间、热障等环境条件影响，具体技术方案如下。
基于仿生颜色感应模型的视频烟雾事件智能检测方法，包括以下步骤：
(a)从本地磁盘读入一个视频文件，支持avi/flv/mp4/rmvb/rm格式视频；
(b)使用高斯混合背景建模方法进行背景建模；
(c)使用步骤(b)得到的背景模型对当前帧进行前景提取；
(d)对步骤(c)中提取的前景目标进行初步判断，利用帧差结果排除静止的前景，设定饱和度阈值去除非烟雾干扰物；
(e)在步骤(d)中对前景目标筛选完毕后，进行前景的颜色直方图统计，利用颜色直方图统计结果特征最终判断前景是否为烟雾。
进一步地，步骤(b)具体包括以下步骤：
(b-7) 取视频开头的若干帧图像进行等权重图像混合；
(b-8) 将混合得到的图像进行高斯平滑；
(b-9) 再将图像转化为灰度图像；
(b-10)对灰度图像进行卷积操作计算一阶x-和y-方向的图像差分，x、y为图像坐标，将x- 和 y- 方向的图像差分结果等权重相加得到新的差分图像；
(b-11)将差分图像转化为RGB图像；
(b-12)用高斯混合模型对RGB图像进行背景建模。
上述基于仿生颜色感应模型的视频烟雾事件智能检测方法中，步骤(b)包括以下步骤：
(b-1) 取视频开头的若干帧图像进行等权重图像混合；
(b-2) 将混合得到的图像进行高斯平滑；
(b-3) 将图像转化为灰度图像；
(b-4) 对灰度图像进行卷积操作计算一阶 x- 和 y- 方向的图像差分，将x- 和y- 方向的图像差分结果等权重相加得到新的差分图像；
(b-5) 将差分图像转化为RGB图像；
(b-6) 对RGB图像进行高斯混合背景建模。
上述基于仿生颜色感应模型的视频烟雾事件智能检测方法中，步骤(c)包括以下步骤：
(c-1)将当前帧图像进行高斯平滑；
(c-2)将图像转化为灰度图像；
(c-3)对灰度图像进行卷积操作计算一阶x-和y-方向的图像差分，将x-和y- 方向的图像差分结果等权重相加得到新的差分图像；
(c-4)将差分图像转化为RGB图像；
(c-5)利用步骤(b)建立的背景模型对RGB图像进行前景提取；
(c-6)对前景图像进行中值滤波操作；
(c-7)对前景图像进行膨胀操作；
(c-8)填充前景图像，只保留前景图像中最大连通域作为前景目标。
上述基于仿生颜色感应模型的视频烟雾事件智能检测方法中，步骤(d)包括以下步骤：
(d-1) 记录当前帧及它之前的若干帧的前景图像，将这些前景图像进行与操作；
(d-2) 将当前帧图像与视频第一帧图像做差；
(d-3) 将前景相与结果图像对应差图像的部分进行平均饱和度计算，若饱和度在设定阈值之内，则初步判断为烟雾疑似物，继续进一步判断；否则不是，返回读取视频下一帧处理；
(d-4) 使用帧差法对当前帧和上一帧图像做差；
(d-5) 将帧差结果和前景相与结果再进行与操作，若相与结果为空，则认为前景是静止物体，返回读取视频下一帧处理；否则继续下面步骤判断处理；
(d-6) 记录当前帧的位置，与上一个通过上面步骤判断的帧的位置进行比较，若为相邻帧，继续进行烟雾判断；否则返回读取视频下一帧处理。
上述基于仿生颜色感应模型的视频烟雾事件智能检测方法中，步骤(e)包括以下步骤：
(e-1)将通过步骤(d)判断的图像转化为灰度图像；
(e-2)计算步骤(d)中前景相与结果对应的灰度图像的部分的颜色直方图；
(e-3)记录当前帧及它之前的若干帧的颜色直方图，计算当前帧的颜色直方图与之前的若干帧的颜色直方图的相似性，从而确定颜色直方图是否稳定；
(e-4)计算颜色直方图的分布宽度，确定颜色直方图是否分布较窄；
(e-5)计算颜色直方图的主要分布位置，确定颜色直方图是否偏右；
(e-6)如果颜色直方图稳定、分布较窄且偏右，或者颜色直方图不稳定、分布不窄且不偏右，则认为检测到烟雾，进行警报；否则不是烟雾。
上述基于仿生颜色感应模型的视频烟雾事件智能检测方法中，步骤(e-4)中，颜色直方图分布宽度的计算方法是计算颜色直方图的平均值与方差之和，如果和大于设定的阈值，则认为颜色直方图分布较窄，否则不是。
上述基于仿生颜色感应模型的视频烟雾事件智能检测方法中，步骤(e-5)中，颜色直方图分布位置的计算方法是统计颜色直方图中大于平均值的点的个数与它们的坐标之和，如果坐标之和除以个数的商大于直方图宽度的三分之二，则认为颜色直方图分布靠右，否则不是。
本发明采用高斯混合背景建模方法将视频中前景目标提取出来，这是烟雾智能检测的最基本操作；烟雾具有移动缓慢、饱和度低的特点，为了排除前景目标中的快速运动物体的干扰，取最新若干帧的前景进行与操作，然后进行饱和度的判断，同时为了排除视频中途出现的静止物体的干扰，取最近两帧帧差结果和前景相与的结果再做与操作，要求与的结果不为空；通过饱和度和帧差的判断之后，对前景相与的结果进行颜色直方图统计，根据观察，烟雾颜色分布较均匀，且趋于稳定，因此对颜色直方图进行分析，判断前景最终是否为烟雾。
与现有技术相比，本发明具有如下优点和技术效果：
现在的烟雾检测技术一般都是基于传感器获取烟雾的一些信息，再进行判断预警，容易受空间高度、热障、易爆、有毒等环境条件的限制，对室外场景适用性不强。本发明不受空间、热障等环境条件的限制，能够应用在监控摄像头进行实时监控，对视频监控区域内出现的烟雾能在短时间内及时准确地进行警报，适用于多种室外场景，且具有报警速度快、准确率高、适用性强等特点。
附图说明
图1为实施方式中基于仿生颜色感应模型的视频烟雾事件智能检测方法的流程图。
具体实施方式
以下结合附图对本发明的实施方式作进一步说明，但本发明的实施不限于此，需指出的是，以下若有未特别详细说明之过程，均是本领域技术人员可参照现有技术实现的。
如图1，基于仿生颜色感应模型的视频烟雾事件智能检测方法的主要流程包括以下步骤：
(a)读入一个视频文件；
(b)进行背景建模；
(c)提取前景目标；
(d)使用帧差和颜色饱和度信息进行初步判断处理；
(e)利用前景颜色直方图统计结果进一步判断处理。
步骤(a)允许用户通过文件选择窗口从本地硬盘选择一个视频文件，此视频文件可以是avi/flv/mp4/rmvb/rm编码格式。
步骤(b)采用高斯混合背景建模方法进行背景建模，其基本原理是：混合高斯背景建模是基于像素样本统计信息的背景表示方法，利用像素在较长时间内大量样本值的概率密度等统计信息(如模式数量、每个模式的均值和标准差)表示背景，然后使用统计差分(如3σ原则)进行目标像素判断，可以对复杂动态背景进行建模。
步骤(b)包括以下步骤：
(b-1) 取视频开头的15帧图像进行等权重图像混合；
(b-2) 将混合得到的图像进行高斯平滑；
(b-3) 将图像转化为灰度图像；
(b-4) 对灰度图像进行卷积操作计算一阶 x- 和 y- 方向的图像差分，将x- 和y- 方向的图像差分结果等权重相加得到新的差分图像；
(b-5) 将差分图像转化为RGB图像；
(b-6) 对RGB图像进行高斯混合背景建模。
步骤(c)使用步骤(b)建立的背景模型，对视频每隔0.2*fps帧读取一帧图像进行背景学习和前景目标的提取，其中fps为视频帧率，由于光照等条件影响，提取的前景会有较多噪声干扰点，因此对前景进行中值滤波操作去除噪声干扰，同时考虑到烟雾扩散的性质，进行了膨胀操作，使烟雾部分前景能形成一个联通域，具体步骤见权利要求3。
步骤(c)包括以下步骤：
(c-1)将当前帧图像进行高斯平滑；
(c-2)将图像转化为灰度图像；
(c-3)对灰度图像进行卷积操作计算一阶x-和y-方向的图像差分，将x-和y- 方向的图像差分结果等权重相加得到新的差分图像；
(c-4)将差分图像转化为RGB图像；
(c-5)利用步骤(b)建立的背景模型对RGB图像进行前景提取；
(c-6)对前景图像进行中值滤波操作；
(c-7)对前景图像进行膨胀操作；
(c-8)填充前景图像，只保留前景图像中最大连通域作为前景目标。
步骤(d)是在步骤(c)的基础上，记录最近的10帧前景图像，因为烟雾移动缓慢的特点，对这10帧前景图像进行与操作，相与的结果即为在这10帧中连续存在的前景目标。在进行前景目标对应原图部分饱和度计算之前，用当前帧减去第一帧图像做差，是为了减少背景的颜色干扰。继续用帧差结果和前景相与的结果进行与操作，是为了排除视频中后面出现的静止物体的影响，因为背景学习率的值设置较低时，后续出现的静止物体有可能被提取为前景。而相邻帧的判断是为了避免视频中时间秒钟变化的干扰。具体步骤见权利要求4。
步骤(d)包括以下步骤：
(d-1) 记录当前帧及它之前的9帧的前景图像，将这些前景图像进行与操作；
(d-2) 将当前帧图像与视频第一帧图像做差；
(d-3) 将前景相与结果图像对应差图像的部分进行平均饱和度计算，若饱和度在设定阈值之内，则初步判断为烟雾疑似物，继续进一步判断；否则不是，返回读取视频下一帧处理；
(d-4) 使用帧差法对当前帧和上一帧图像做差；
(d-5) 将帧差结果和前景相与结果再进行与操作，若相与结果为空，则认为前景是静止物体，返回读取视频下一帧处理；否则继续下面步骤判断处理；
(d-6) 记录当前帧的位置，与上一个通过上面步骤判断的帧的位置进行比较，若为相邻帧，继续进行烟雾判断；否则返回读取视频下一帧处理。
步骤(e)是在步骤(d)的基础上，对通过饱和度和帧差方法初步判断之后的前景目标继续进行分析判断。通过观察，可以发现烟雾的颜色整体变化不大，颜色较集中，并且趋于稳定，因此利用颜色直方图的统计结果进行分析，判断前景目标是否符合烟雾的特点。具体步骤见权利要求5。
步骤(e)包括以下步骤：
(e-1)将通过步骤(d)判断的图像转化为灰度图像；
(e-2)计算步骤(d)中前景相与结果对应的灰度图像的部分的颜色直方图；
(e-3)记录当前帧及它之前的若干帧的颜色直方图，计算当前帧的颜色直方图与之前的若干帧的颜色直方图的相似性，若直方图相似性都大于0.7，认为颜色直方图是稳定的，否则是不稳定的；
(e-4)计算颜色直方图的分布宽度，确定颜色直方图是否分布较窄；
(e-5)计算颜色直方图的主要分布位置，确定颜色直方图是否偏右；
(e-6)如果颜色直方图稳定、分布较窄且偏右，或者颜色直方图不稳定、分布不窄且不偏右，则认为检测到烟雾，进行警报；否则不是烟雾。
步骤(e-4)中，颜色直方图分布宽度的计算方法是计算颜色直方图的平均值与方差之和，如果和大于145，则认为颜色直方图分布较窄，否则不是。
步骤(e-5)中，颜色直方图分布位置的计算方法是统计颜色直方图中大于平均值的点的个数与它们的坐标之和，如果坐标之和除以个数的商大于直方图宽度的三分之二，则认为颜色直方图分布靠右，否则不是。

Claims (5)

1.基于仿生颜色感应模型的视频烟雾事件智能检测方法，其特征在于，包括以下步骤：
(a)从本地磁盘读入一个视频文件，支持avi/flv/mp4/rmvb/rm格式视频；
(b)使用高斯混合背景建模方法进行背景建模；具体包括以下步骤：
(b‐1)取视频开头的若干帧图像进行等权重图像混合；
(b‐2)将混合得到的图像进行高斯平滑；
(b‐3)再将图像转化为灰度图像；
(b‐4)对灰度图像进行卷积操作计算一阶x-和y-方向的图像差分，x、y为图像坐标，将x-和y-方向的图像差分结果等权重相加得到新的差分图像；
(b‐5)将差分图像转化为RGB图像；
用高斯混合模型对RGB图像进行背景建模；
(c)使用步骤(b)得到的背景模型对当前帧进行前景提取；
(d)对步骤(c)中提取的前景目标进行初步判断，利用帧差结果排除静止的前景，设定饱和度阈值去除非烟雾干扰物；
(e)在步骤(d)中对前景目标筛选完毕后，进行前景的颜色直方图统计，利用颜色直方图统计结果特征最终判断前景是否为烟雾。
2.根据权利要求1所述的基于仿生颜色感应模型的视频烟雾事件智能检测方法，其特征在于：步骤(c)包括以下步骤：
(c‐1)将当前帧图像进行高斯平滑；
(c‐2)将图像转化为灰度图像；
(c‐3)对灰度图像进行卷积操作计算一阶x-和y-方向的图像差分，将x-和y-方向的图像差分结果等权重相加得到新的差分图像；
(c‐4)将差分图像转化为RGB图像；
(c‐5)利用步骤(b)建立的背景模型对RGB图像进行前景提取，得前景图像；
(c‐6)对前景图像进行中值滤波操作；
(c‐7)再进行膨胀操作；
(c‐8)填充前景图像，只保留前景图像中最大连通域作为前景目标。
3.根据权利要求1所述的基于仿生颜色感应模型的视频烟雾事件智能检测方法，其特征在于：步骤(d)包括以下步骤：
(d‐1)记录当前帧及之前的若干帧的前景图像，将这些前景图像进行与操作，得前景相与结果图像；
(d‐2)将当前帧图像与视频第一帧图像做差，得差图像；
(d‐3)将前景相与结果图像对应差图像的部分进行平均饱和度计算，若饱和度在设定阈值之内，则初步判断为烟雾疑似物，继续进一步判断；否则判断为不是烟雾疑似物，返回读取视频下一帧处理；
(d‐4)使用帧差法对当前帧和上一帧图像做差；
(d‐5)将帧差结果和前景相与结果再进行与操作，若相与结果为空，则认为前景是静止物体，返回读取视频下一帧处理；否则继续下面步骤判断处理；
(d‐6)记录当前帧的位置，与上一个通过前述步骤判断的帧的位置进行比较，若为相邻帧，继续进行烟雾判断；否则返回读取视频下一帧处理。
4.根据权利要求1所述的基于仿生颜色感应模型的视频烟雾事件智能检测方法，其特征在于：步骤(e)包括以下步骤：
(e‐1)将通过步骤(d)判断的图像转化为灰度图像；
(e‐2)计算步骤(d)中前景相与结果对应的灰度图像的部分的颜色直方图；
(e‐3)记录当前帧及它之前的若干帧的颜色直方图，计算当前帧的颜色直方图与之前的若干帧的颜色直方图的相似性，从而确定颜色直方图是否稳定；
(e‐4)计算颜色直方图的分布宽度，确定颜色直方图是否分布较窄；颜色直方图分布宽度的计算方法是计算颜色直方图的平均值与方差之和，如果和大于设定的阈值，则认为颜色直方图分布较窄，否则不是；
(e‐5)计算颜色直方图的主要分布位置，确定颜色直方图是否偏右；
(e‐6)如果颜色直方图稳定、分布较窄且偏右，或者颜色直方图不稳定、分布不窄且不偏右，则认为检测到烟雾，进行警报；否则不是烟雾。
5.根据权利要求4所述的基于仿生颜色感应模型的视频烟雾事件智能检测方法，其特征在于，步骤(e‐5)中，颜色直方图分布位置的计算方法是统计颜色直方图中大于平均值的点的个数与这些点的坐标之和，如果坐标之和除以个数的商大于直方图宽度的三分之二，则认为颜色直方图分布靠右，否则不是。
CN201510911179.0A 2015-12-10 2015-12-10 基于仿生颜色感应模型的视频烟雾事件智能检测方法 Active CN105528581B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510911179.0A CN105528581B (zh) 2015-12-10 2015-12-10 基于仿生颜色感应模型的视频烟雾事件智能检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510911179.0A CN105528581B (zh) 2015-12-10 2015-12-10 基于仿生颜色感应模型的视频烟雾事件智能检测方法

Publications (2)

Publication Number Publication Date
CN105528581A CN105528581A (zh) 2016-04-27
CN105528581B true CN105528581B (zh) 2018-12-11

Family

ID=55770795

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510911179.0A Active CN105528581B (zh) 2015-12-10 2015-12-10 基于仿生颜色感应模型的视频烟雾事件智能检测方法

Country Status (1)

Country Link
CN (1) CN105528581B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108182679B (zh) * 2017-12-27 2020-07-28 上海传英信息技术有限公司 基于照片的雾霾检测方法和装置
CN108548199B (zh) * 2018-03-08 2019-12-03 佛山市云米电器科技有限公司 一种智能抽油烟机风速调级方法及装置
CN108765461B (zh) * 2018-05-29 2022-07-12 青鸟消防股份有限公司 一种消防火灾图像块提取和识别方法及其装置
CN111353334A (zh) 2018-12-21 2020-06-30 富士通株式会社 烟雾检测方法和装置
CN113628410A (zh) * 2020-05-07 2021-11-09 广东毓秀科技有限公司 基于嵌入式系统的烟雾识别摄像头

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101441771A (zh) * 2008-12-19 2009-05-27 中国科学技术大学 基于色彩饱和度与运动模式的视频火灾烟雾检测方法
CN102136059A (zh) * 2011-03-03 2011-07-27 苏州市慧视通讯科技有限公司 一种基于视频分析的烟雾检测方法
CN104794486A (zh) * 2015-04-10 2015-07-22 电子科技大学 基于多特征融合的视频烟雾检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI264684B (en) * 2004-11-16 2006-10-21 Univ Nat Kaohsiung Applied Sci Fire detection method and system applying with image acquisition

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101441771A (zh) * 2008-12-19 2009-05-27 中国科学技术大学 基于色彩饱和度与运动模式的视频火灾烟雾检测方法
CN102136059A (zh) * 2011-03-03 2011-07-27 苏州市慧视通讯科技有限公司 一种基于视频分析的烟雾检测方法
CN104794486A (zh) * 2015-04-10 2015-07-22 电子科技大学 基于多特征融合的视频烟雾检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于视频图像的火灾烟雾检测研究;虞燕凤;《中国优秀硕士学位论文全文数据库 信息科技辑》;20131215(第S1期);I138-578 *
融合多特征提取的视频火焰探测研究;侯国英;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120515(第05期);I138-1069 *

Also Published As

Publication number Publication date
CN105528581A (zh) 2016-04-27

Similar Documents

Publication Publication Date Title
CN105528581B (zh) 基于仿生颜色感应模型的视频烟雾事件智能检测方法
US9652863B2 (en) Multi-mode video event indexing
EP2801078B1 (en) Context aware moving object detection
Celik Fast and efficient method for fire detection using image processing
US8243987B2 (en) Object tracking using color histogram and object size
CN101908142A (zh) 一种基于特征分析的视频火焰检测方法
CN109389185B (zh) 使用三维卷积神经网络的视频烟雾识别方法
CN101916372B (zh) 基于视频的多特征融合的烟检测装置和方法
CN103455997B (zh) 一种遗弃物检测方法及系统
CN111723656B (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
CN108230607B (zh) 一种基于区域特征分析的图像火灾探测方法
CN112699801A (zh) 基于视频图像的火灾识别方法及系统
KR102584708B1 (ko) 과소 및 과밀 환경을 지원하는 군중위험관리시스템 및 방법
CN114202646A (zh) 一种基于深度学习的红外图像吸烟检测方法与系统
CN107578595A (zh) 流动体分析装置
KR101366198B1 (ko) 가우시안 혼합 모델 및 에이치에스엘 색공간 분석을 이용한 산불 초기 자동 감지 화상 처리 시스템 및 그 방법
CN103489202A (zh) 基于视频的入侵检测方法
CN117789394B (zh) 一种基于运动历史图像的早期火灾烟雾检测方法
CN113052055A (zh) 一种基于光流改进与Yolov3的烟雾检测方法
CN106803937B (zh) 一种具有文本日志的双摄像头视频监控方法、系统和监控装置
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
CN103020587B (zh) 基于视频图像分析火焰的视图分析方法
CN104574340A (zh) 一种基于历史图像的视频入侵检测方法
CN107590418A (zh) 一种基于动态特征的视频烟雾识别方法
Santamaria-Guerrero et al. Smoke detection in video using a raspberry pi

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