CN105869334A - 一种火灾报警方法及系统 - Google Patents
一种火灾报警方法及系统 Download PDFInfo
- Publication number
- CN105869334A CN105869334A CN201610360551.8A CN201610360551A CN105869334A CN 105869334 A CN105869334 A CN 105869334A CN 201610360551 A CN201610360551 A CN 201610360551A CN 105869334 A CN105869334 A CN 105869334A
- Authority
- CN
- China
- Prior art keywords
- target
- gauss distribution
- target area
- movement locus
- pixel
- 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.)
- Pending
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
- 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
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- 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
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种火灾报警方法及系统,涉及监控领域,应用于火灾报警系统,所述系统包括:摄像头和远程处理器,所述方法包括:所述远程处理器获取所述摄像头采集的待检测区域的视频画面;所述远程处理器根据预设算法追踪所述待检测区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像;所述远程处理器判断所述运动目标的运动轨迹是否符合预设规律,若是,判定所述待检测区域发生火灾发出报警信息。本发明的目的在于提供一种火灾报警方法及系统,以提高火警报警的效果。
Description
技术领域
本发明涉及监控领域,具体而言,涉及一种火灾报警方法及系统。
背景技术
随着我国改革开放进一步深入和经济建设飞跃式的发展,各行各业都取得了很大的成就。特别是近些年来,建筑业十分兴旺,各种建筑物如雨后春笋迅速崛起于中华大地。其中高速公路隧道的数量在不断的增加,但高速公路隧道内部往往举架高、跨度大、比较封闭、逃生救援比较困难,此类建筑一旦着火,火势蔓延迅速,生成烟气毒性大,人员疏散难及火灾扑救困难,往往容易造成很大的经济损失和恶劣的社会影响,所以隧道防火是一项非常重要的工作,其目的是把已发生的火灾消灭在萌芽或发展的早期,把损失降到最小。
但是目前的火灾报警器多采用烟雾报警,这种方式的报警会存在很大的滞后问题,当报警器发出报警时,火势可能已经很大了,导致报警不及时。
发明内容
本发明的目的在于提供一种火灾报警方法及系统,以解决上述的问题。
第一方面,本发明实施例提供的一种火灾报警方法,应用于火灾报警系统,所述系统包括:摄像头和远程处理器,所述方法包括:
所述远程处理器获取所述摄像头采集的待检测区域的视频画面;
所述远程处理器根据预设算法追踪所述待检测区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像;
所述远程处理器判断所述运动目标的运动轨迹是否符合预设规律,若是,判定所述待检测区域发生火灾发出报警信息。
结合第一方面,本发明实施例还提供了第一方面的第一种可能实施方式,其中,所述方法还包括:
所述远程处理器获取所述摄像头采集的待检测区域的视频画面之后,根据预设条件在视频画面中标记出目标区域;
所述远程处理器根据预设算法追踪所述待检测区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像,包括:
所述远程处理器根据预设算法追踪所述目标区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像。
结合第一方面的第一种可能实施方式,本发明实施例还提供了第一方面的第二种可能实施方式,其中,所述远程处理器根据预设算法追踪所述目标区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像,包括:
根据高斯混合模型算法的前景预测算法获取目标区域的多个运动目标,获取所找到的运动目标的运动轨迹的每一个图像帧并保存。
结合第一方面的第二种可能实施方式,本发明实施例还提供了第一方面的第三种可能实施方式,其中,所述的通过基于高斯混合模型的前景预测算法找出所述目标区域的每个分割镜头的运动目标,对所找到的每个所述运动目标的运动轨迹跟踪,提取所找到的每个所述运动目标的运动轨迹的每一帧图像,包括:
计算获得所述目标区域的每个分割镜头的一个坐标位置对应的像素点在时间t的观测值为,所述像素点在不同时刻的一系列观测值为,高斯分布表示为:;
获得所述目标区域的坐标位置所对应的所有像素点的高斯分布;
建立高斯分布集合,所述高斯分布集合内存储所述目标区域的每个分割镜头的所有像素点的高斯分布;
按照预设比对规则将所有不符合所述高斯分布集合内的高斯分布的像素点保存为所述运动轨迹的一帧图像,其中,所述预设比对规则包括:判断当前时刻的所述目标区域的一个像素点是否满足,若是,认为所述像素点符合所述高斯分布集合内的高斯分布,若否,认为所述像素点不符合所述高斯分布集合内的高斯分布。
第二方面,本发明实施例提供了一种火灾报警系统,包括:摄像头和远程处理器,所述远程处理器包括:
获取单元,用于获取所述摄像头采集的待检测区域的视频画面;
追踪单元,用于根据预设算法追踪所述待检测区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像;
报警单元,用于判断所述运动目标的运动轨迹是否符合预设规律,若是,判定所述待检测区域发生火灾发出报警信息。
结合第二方面,本发明实施例还提供了第二方面的第一种可能实施方式,其中,所述远程处理器还包括:
标记单元,用于所述远程处理器获取所述摄像头采集的待检测区域的视频画面之后,根据预设条件在视频画面中标记出目标区域;
所述追踪单元还用于根据预设算法追踪所述目标区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像。
结合第二方面的第一种可能实施方式,本发明实施例还提供了第二方面的第二种可能实施方式,其中,所述追踪单元具体用于:根据高斯混合模型算法的前景预测算法获取目标区域的多个运动目标,获取所找到的运动目标的运动轨迹的每一个图像帧并保存。
结合第二方面的第二种可能实施方式,本发明实施例还提供了第二方面的第三种可能实施方式,其中,所述追踪单元包括:
第一计算子单元,用于计算获得所述目标区域的每个分割镜头的一个坐标位置对应的像素点在时间t的观测值为,所述像素点在不同时刻的一系列观测值为,高斯分布表示为:;
第二计算子单元,用于获得所述目标区域的坐标位置所对应的所有像素点的高斯分布;
第三计算子单元,用于建立高斯分布集合,所述高斯分布集合内存储所述目标区域的每个分割镜头的所有像素点的高斯分布;
第四计算子单元,用于按照预设比对规则将所有不符合所述高斯分布集合内的高斯分布的像素点保存为所述运动轨迹的一帧图像,其中,所述预设比对规则包括:判断当前时刻的所述目标区域的一个像素点是否满足,若是,认为所述像素点符合所述高斯分布集合内的高斯分布,若否,认为所述像素点不符合所述高斯分布集合内的高斯分布。
本发明实施例获取待检测区域的运动目标,提取每个所述运动目标的运动轨迹的每一帧图像,将所述运动目标的运动轨迹的每一帧图像都保存。本发明实施例预先采集火苗的运动轨迹,获取火苗运动轨迹的规律,例如采集大量的样本,通过支持向量机算法获取一个均值。
所述远程处理器将获取的运动目标的运动轨迹的每一帧的所有像素的做二值化处理,得到的像素的均值和分布规律,与预设的通过支持向量机算法统计的样本的分布规律相比对,如果误差满足阈值,则认为运动目标位火苗,则发出报警信息。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,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的前提下,还可以根据这些附图获得其他的附图。通过附图所示,本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本发明的主旨。
图1示出了本发明实施例提供的一种火灾报警方法的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
随着我国改革开放进一步深入和经济建设飞跃式的发展,各行各业都取得了很大的成就。特别是近些年来,建筑业十分兴旺,各种建筑物如雨后春笋迅速崛起于中华大地。其中高速公路隧道的数量在不断的增加,但高速公路隧道内部往往举架高、跨度大、比较封闭、逃生救援比较困难,此类建筑一旦着火,火势蔓延迅速,生成烟气毒性大,人员疏散难及火灾扑救困难,往往容易造成很大的经济损失和恶劣的社会影响,所以隧道防火是一项非常重要的工作,其目的是把已发生的火灾消灭在萌芽或发展的早期,把损失降到最小。
但是目前的火灾报警器多采用烟雾报警,这种方式的报警会存在很大的滞后问题,当报警器发出报警时,火势可能已经很大了,导致报警不及时。
为解决上述困难,如图1,本发明实施例提供了一种火灾报警方法,应用于火灾报警系统,所述系统包括:摄像头和远程处理器,所述方法包括:
S11:获取摄像头采集的待检测区域的视频画面;
S12:根据预设算法追踪所述待检测区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像;
S13:判断所述运动目标的运动轨迹是否符合预设规律,若是,判定所述待检测区域发生火灾发出报警信息。
其中,所述方法还包括:
所述远程处理器获取所述摄像头采集的待检测区域的视频画面之后,根据预设条件在视频画面中标记出目标区域;
所述远程处理器根据预设算法追踪所述待检测区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像,包括:
所述远程处理器根据预设算法追踪所述目标区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像。
其中,所述远程处理器根据预设算法追踪所述目标区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像,包括:
根据高斯混合模型算法的前景预测算法获取目标区域的多个运动目标,获取所找到的运动目标的运动轨迹的每一个图像帧并保存。
现有的对运动目标检测效果比较好的就是使用背景减除算法,这个算法之要将当前画面减去所构建的视频场景背景就可以得到相应的运动目标。在构建视频背景场景的算法中,其中高丝混合模型以及LBP纹理模型算法都能够取得很理想的算法。在本发明实施例中,使用的运动检测的算法就是基于高斯混合模型算法,下面对这个算法做详细的介绍。
在高斯混合模型中,其默认条件就是在视频帧的每个像素点的颜色值在时间轴上是符合高斯分布。并且由于局部场景的波动从而导致一个像素中的颜色值是会符合多分布,建立在这个条件之下,那么才利用这个模型完成对视频的背景构建。其主要步骤如下:
(1)模型定义
假设将视频帧中的某个像素点时间的观测值记为,对于给定点在不同时刻的一系列观测值,可以看作是一个与其他点独立的统计随机过程,则可用个高斯分布表示:
其中,。的取值由计算性能等因素决定,经过大量的实验证明,的取值为3 至7是最合理的。则时刻点的概率分布为:
其中,为时刻第个高斯分布的权值,它反映该高斯分布出现的比例,且;是时刻第个均值为、协方差为的概率密度函数:
(2)模型更新
如果当前像素值与某一高斯分布均值满足,则认为匹配成功,在经过大量实验证明, D取值2.5效果是最好的。如果有多个匹配,则选择最好的一个。匹配成功时,调整各个分布的权重值:
其中,为学习率,其值在之间,越大,权值更新的越快,否则反之; 对于匹配的分布,为1,其余不匹配的分布为0,这样可以导致匹配的分布权重值增加,减少不匹配分布权重值。
对于与当前像素相匹配的模型,其参数将做如下更新:
其中,为另一个学习率,其值为,为高斯概率密度函数。而对于没有匹配的分布,其参数保持不变。
(3)前景检测
根据值按由大到小对个高斯分布进行排序,排序越前的高斯分布,越适合描述背景。一般选取满足前个高斯分布被当成是对背景的描述:
其中,是背景模型比例阈值,如果设置较小,GMM 将退化为单高斯分布模型; 如果值较大,则可以为动态背景建立多个高斯分布的混合模型来模拟。通过大量实验证明,的经验值可取0.6,此时的效果相对来说是最好的。
提取出运动目标后,然后是运动目标的运动轨迹的获取。
运动目标跟踪,就是在图像序列中去找到与所需要的跟踪目标区最为相似的位置。在本文中,所需要跟踪的目标就是在上一节通过运动检测出来的运动目标,而目标跟踪就简单一句就是在图像序列将这运动目标定位出来。在运动目标跟踪是,要解决两个问题:一是将运动目标的模型有效表达出来;二是选择哪种目标特征去进行匹配。在如今运动目标跟踪的算法中,主要可分为相识度适量法以及搜索算法,这两种算法中一个是利用帧匹配以及背景匹配的方法去寻找跟踪目标,但是所涉及的问题都是处理冗余信息比较多,所以在本发明实施例中所选取的目标跟踪算法就是对收索范围进行优化的均值漂移法(meanshift算法),其算法的主要想法就是通过计算目标区域和候选区域内像素的特征值完成对目标和候选区域的模型,接着使用相识度函数去计算目标模型和候选区域的相识度。选择相识度最大的候选模型去建立相应的Meanshift向量,并且在重复着个过程,由于均值漂移算法本身就有收敛性这一特点,经过数次迭代,该算法能够找到运动目标的真实位置,从而达到跟踪运动目标。
通过运动检测确定目标在感兴区域出现的空间位置以及区域,假设在这个区域中存在着个像素,并用表示每个像素的位置。将目标区域进行颜色空间进行均匀划分,就可以得到个等同的数值间构成的直方图,则目标模型的队形的概率密度可以由下列公式表示,其中。
在上述公式中,其表示将这个区域像素以目标中心归一化后的位子,其中属于目标的中心坐标。是代表的核函数,在本文中选择的是Epanechikov函数,表示属于颜色区间的直方图的值,是作为直方图的颜色索引,而主要的作用就是判断是否属于这个单元,其中值只能为1或者0,最后一个参数是作为归一化系数。
在对第帧进行目标匹配的时候,是需要根据第的中心位置为收索窗口的中心,从而得到候选目标的中心坐标。在得到目标中心坐标坐标之后,对其整个区域的直方图。
在这个目标区域中,其像素坐标用表示,其预选区域像素的概率密度函数为
其中是作为核函数的尺度的大小,即窗口的大小,决定候选区域的每个像素的权重分布。
相似度来表示候选区域和跟踪目标的接近程度,在本文中,选取了Bhattacharyya系数函数作为描述候选区域和目标的相似程度,其定义如以下公式。
将第帧的中心位置作为第帧的收索窗口的初始位置的中心,然后在第帧帧中周围去寻找使得相识度值最大的候选区域。
Meanshift迭代过程
在均值漂移的迭代过程,同时也是寻找目标的收索过程,为了是最大,将Bhattacharyya系数函数进行泰勒展开,可以得到如下公式。
在以上公式中,只有第二项的值会随着变化而变化,在选择相识度极大化的过程就是由候选区域向真实区域靠近的过程,其主要是一开Meanshift的迭代方程去完成的,其迭代方程的公式如下所示。
在上述公式中,,在不断迭代的过程中,就是从开始不断向寻找颜色变化比较的区域,然后朝着那个位置移动,知道其两者的具体小于所设定的阈值,那么迭代结束,其现在处的位置就是在当前帧的目标的位置。
本发明实施例获取待检测区域的运动目标,提取每个所述运动目标的运动轨迹的每一帧图像,将所述运动目标的运动轨迹的每一帧图像都保存。本发明实施例预先采集火苗的运动轨迹,获取火苗运动轨迹的规律,例如采集大量的样本,通过支持向量机算法获取一个均值。
所述远程处理器将获取的运动目标的运动轨迹的每一帧的所有像素的做二值化处理,得到的像素的均值和分布规律,与预设的通过支持向量机算法统计的样本的分布规律相比对,如果误差满足阈值,则认为运动目标位火苗,则发出报警信息。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种火灾报警方法,其特征在于,应用于火灾报警系统,所述系统包括:摄像头和远程处理器,所述方法包括:
所述远程处理器获取所述摄像头采集的待检测区域的视频画面;
所述远程处理器根据预设算法追踪所述待检测区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像;
所述远程处理器判断所述运动目标的运动轨迹是否符合预设规律,若是,判定所述待检测区域发生火灾发出报警信息。
2.根据权利要求1所述的火灾报警方法,其特征在于,所述方法还包括:
所述远程处理器获取所述摄像头采集的待检测区域的视频画面之后,根据预设条件在视频画面中标记出目标区域;
所述远程处理器根据预设算法追踪所述待检测区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像,包括:
所述远程处理器根据预设算法追踪所述目标区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像。
3.根据权利要求2所述的火灾报警方法,其特征在于,所述远程处理器根据预设算法追踪所述目标区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像,包括:
根据高斯混合模型算法的前景预测算法获取目标区域的多个运动目标,获取所找到的运动目标的运动轨迹的每一个图像帧并保存。
4.根据权利要求3所述的火灾报警方法,其特征在于,所述的通过基于高斯混合模型的前景预测算法找出所述目标区域的每个分割镜头的运动目标,对所找到的每个所述运动目标的运动轨迹跟踪,提取所找到的每个所述运动目标的运动轨迹的每一帧图像,包括:
计算获得所述目标区域的每个分割镜头的一个坐标位置对应的像素点在时间t的观测值为,所述像素点在不同时刻的一系列观测值为,高斯分布表示为:;
获得所述目标区域的坐标位置所对应的所有像素点的高斯分布;
建立高斯分布集合,所述高斯分布集合内存储所述目标区域的每个分割镜头的所有像素点的高斯分布;
按照预设比对规则将所有不符合所述高斯分布集合内的高斯分布的像素点保存为所述运动轨迹的一帧图像,其中,所述预设比对规则包括:判断当前时刻的所述目标区域的一个像素点是否满足,若是,认为所述像素点符合所述高斯分布集合内的高斯分布,若否,认为所述像素点不符合所述高斯分布集合内的高斯分布。
5.一种火灾报警系统,其特征在于,包括:摄像头和远程处理器,所述远程处理器包括:
获取单元,用于获取所述摄像头采集的待检测区域的视频画面;
追踪单元,用于根据预设算法追踪所述待检测区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像;
报警单元,用于判断所述运动目标的运动轨迹是否符合预设规律,若是,判定所述待检测区域发生火灾发出报警信息。
6.根据权利要求5所述的火灾报警系统,其特征在于,所述远程处理器还包括:
标记单元,用于所述远程处理器获取所述摄像头采集的待检测区域的视频画面之后,根据预设条件在视频画面中标记出目标区域;
所述追踪单元还用于根据预设算法追踪所述目标区域的多个运动目标,提取每个所述运动目标的运动轨迹的每一帧图像。
7.根据权利要求6所述的火灾报警系统,其特征在于,所述追踪单元具体用于:根据高斯混合模型算法的前景预测算法获取目标区域的多个运动目标,获取所找到的运动目标的运动轨迹的每一个图像帧并保存。
8.根据权利要求7所述的火灾报警系统,其特征在于,所述追踪单元包括:
第一计算子单元,用于计算获得所述目标区域的每个分割镜头的一个坐标位置对应的像素点在时间t的观测值为,所述像素点在不同时刻的一系列观测值为,高斯分布表示为:;
第二计算子单元,用于获得所述目标区域的坐标位置所对应的所有像素点的高斯分布;
第三计算子单元,用于建立高斯分布集合,所述高斯分布集合内存储所述目标区域的每个分割镜头的所有像素点的高斯分布;
第四计算子单元,用于按照预设比对规则将所有不符合所述高斯分布集合内的高斯分布的像素点保存为所述运动轨迹的一帧图像,其中,所述预设比对规则包括:判断当前时刻的所述目标区域的一个像素点是否满足,若是,认为所述像素点符合所述高斯分布集合内的高斯分布,若否,认为所述像素点不符合所述高斯分布集合内的高斯分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610360551.8A CN105869334A (zh) | 2016-05-28 | 2016-05-28 | 一种火灾报警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610360551.8A CN105869334A (zh) | 2016-05-28 | 2016-05-28 | 一种火灾报警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105869334A true CN105869334A (zh) | 2016-08-17 |
Family
ID=56642143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610360551.8A Pending CN105869334A (zh) | 2016-05-28 | 2016-05-28 | 一种火灾报警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105869334A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106872973A (zh) * | 2017-04-26 | 2017-06-20 | 福建省龙岩市气象局 | 利用cinrad/sa天气雷达监测和跟踪林火回波的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101840571A (zh) * | 2010-03-30 | 2010-09-22 | 杭州电子科技大学 | 一种基于视频图像的火焰检测方法 |
CN103226701A (zh) * | 2013-04-24 | 2013-07-31 | 天津大学 | 一种视频语义事件建模方法 |
CN103632158A (zh) * | 2013-11-20 | 2014-03-12 | 北京环境特性研究所 | 森林防火监控方法及森林防火监控系统 |
JP2015052824A (ja) * | 2013-09-05 | 2015-03-19 | ホーチキ株式会社 | 火災検知装置及び火災検知方法 |
CN104867161A (zh) * | 2015-05-14 | 2015-08-26 | 国家电网公司 | 一种视频处理方法及装置 |
CN104899895A (zh) * | 2015-05-19 | 2015-09-09 | 三峡大学 | 一种输电线路通道烟火视频移动目标轨迹复杂度检测方法 |
US20160042640A1 (en) * | 2012-11-15 | 2016-02-11 | Avo Usa Holding 2 Corporation | Vehicle detection and counting |
-
2016
- 2016-05-28 CN CN201610360551.8A patent/CN105869334A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101840571A (zh) * | 2010-03-30 | 2010-09-22 | 杭州电子科技大学 | 一种基于视频图像的火焰检测方法 |
US20160042640A1 (en) * | 2012-11-15 | 2016-02-11 | Avo Usa Holding 2 Corporation | Vehicle detection and counting |
CN103226701A (zh) * | 2013-04-24 | 2013-07-31 | 天津大学 | 一种视频语义事件建模方法 |
JP2015052824A (ja) * | 2013-09-05 | 2015-03-19 | ホーチキ株式会社 | 火災検知装置及び火災検知方法 |
CN103632158A (zh) * | 2013-11-20 | 2014-03-12 | 北京环境特性研究所 | 森林防火监控方法及森林防火监控系统 |
CN104867161A (zh) * | 2015-05-14 | 2015-08-26 | 国家电网公司 | 一种视频处理方法及装置 |
CN104899895A (zh) * | 2015-05-19 | 2015-09-09 | 三峡大学 | 一种输电线路通道烟火视频移动目标轨迹复杂度检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106872973A (zh) * | 2017-04-26 | 2017-06-20 | 福建省龙岩市气象局 | 利用cinrad/sa天气雷达监测和跟踪林火回波的方法 |
CN106872973B (zh) * | 2017-04-26 | 2021-05-18 | 福建省龙岩市气象局 | 利用cinrad/sa天气雷达监测和跟踪林火回波的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527009B (zh) | 一种基于yolo目标检测的遗留物检测方法 | |
US20210248378A1 (en) | Spatiotemporal action detection method | |
Lim et al. | Background subtraction using encoder-decoder structured convolutional neural network | |
Zhao et al. | SVM based forest fire detection using static and dynamic features | |
CN103258193B (zh) | 一种基于kod能量特征的群体异常行为识别方法 | |
CN103093212B (zh) | 基于人脸检测和跟踪截取人脸图像的方法和装置 | |
Ko et al. | Spatiotemporal bag-of-features for early wildfire smoke detection | |
CN107491749B (zh) | 一种人群场景中全局和局部异常行为检测方法 | |
CN104680559B (zh) | 基于运动行为模式的多视角室内行人跟踪方法 | |
Yoshinaga et al. | Object detection based on spatiotemporal background models | |
CN109426793A (zh) | 一种图像行为识别方法、设备及计算机可读存储介质 | |
CN104966305A (zh) | 基于运动矢量划分的前景检测方法 | |
Ramirez-Alonso et al. | Temporal weighted learning model for background estimation with an automatic re-initialization stage and adaptive parameters update | |
Yadav | Efficient method for moving object detection in cluttered background using Gaussian Mixture Model | |
Li et al. | Robust object tracking via multi-feature adaptive fusion based on stability: contrast analysis | |
Lejmi et al. | A Novel Spatio-Temporal Violence Classification Framework Based on Material Derivative and LSTM Neural Network. | |
CN102663773A (zh) | 视频目标的双核式自适应融合跟踪方法 | |
CN106096496A (zh) | 一种火灾监测方法及系统 | |
Yang et al. | Combining Gaussian mixture model and HSV model with deep convolution neural network for detecting smoke in videos | |
Zhang et al. | Moving people tracking with detection by latent semantic analysis for visual surveillance applications | |
Yu | Moving target tracking based on improved Meanshift and Kalman filter algorithm | |
CN105869334A (zh) | 一种火灾报警方法及系统 | |
Wang et al. | Video Smoke Detection Based on Multi-feature Fusion and Modified Random Forest. | |
Padmashini et al. | Vision based algorithm for people counting using deep learning | |
CN115690692A (zh) | 一种基于主动学习和神经网络的高空抛物检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160817 |