CN106228540B - 一种多光谱视频火焰检测方法 - Google Patents
一种多光谱视频火焰检测方法 Download PDFInfo
- Publication number
- CN106228540B CN106228540B CN201610547376.3A CN201610547376A CN106228540B CN 106228540 B CN106228540 B CN 106228540B CN 201610547376 A CN201610547376 A CN 201610547376A CN 106228540 B CN106228540 B CN 106228540B
- Authority
- CN
- China
- Prior art keywords
- spectral coverage
- flame
- frame
- pixel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000003595 spectral effect Effects 0.000 claims abstract description 86
- 238000001228 spectrum Methods 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000007704 transition Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000005314 correlation function Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 5
- 230000004397 blinking Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 206010037660 Pyrexia Diseases 0.000 abstract description 2
- 230000004927 fusion Effects 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract 1
- 238000000605 extraction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 229910001415 sodium ion Inorganic materials 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 229910001414 potassium ion Inorganic materials 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明是一种多光谱视频火焰检测方法，其技术领域涉及一种基于多光谱视频的火焰检测方法。本专利的核心技术在于自动配准视频光谱的各谱段，以及利用同时光谱特征和视频运动特征，对发热、特征峰、闪烁这三个火焰本质属性进行检测，并有效融合三者的检测结果。本发明使用多谱段微透镜阵列式视频光谱数据作为输入，包括用于配准视频光谱图像各谱段空间位置的算法；用于区分火焰和其他相似颜色目标的多光谱特征峰识别算法；用于区分火焰和白炽灯等发光体的闪烁特征检测算法；用于融合多光谱特征和闪烁特征的信息融合算法。可用于检测诸如仓库、机房、厂房等区域的早期火情，配合自动报警装置可以及时通知消防、有效防止火势扩大。
Description
技术领域
本发明涉及火灾报警器或检测方法,尤其涉及一种多光谱视频火焰检测方法。
背景技术
目前的火焰检测主要是通过烟雾、温度报警器或热红外的方式。烟雾、温度报警器检测方法成本非常低，但是只有当火焰已产生很大烟雾，或者火焰已充分燃烧产生足够热量时，才可能触发报警。这种报警方式不利于检测早期火焰，无法确保及时有效的灭火。另一方面，热红外相机可以检测较小的着火点，能预报早期火焰，但是其成本昂贵，而且极易受到其他热源的影响，产生误报。近年来，利用彩色图像进行火焰检测的方式受到关注，但是彩色图像仅能从颜色或形状的特征区分火焰，误检率较高，而且运算量大，暂时难以作为产品推向市场。
发明内容
针对现有技术的上述缺陷和问题，本发明实施例的目的是提供一种多光谱视频火焰检测方法，解决现有火焰检测技术中存在误报率高，检测精度低的问题。
为了达到上述目的，本发明提供如下技术方案：
一种多光谱视频火焰检测方法，包括如下步骤：
S1：多光谱视频空间配准；
S2：提取火焰光谱特征；
S3：提取火焰闪烁特征；
S4：统计火焰像素点，判断是否存在火焰；若存在，则计算火焰位置。
其中，所述S1包括如下步骤:
S101：使用视频光谱仪采集若干距离图像；
S102：预设多光谱图像的单谱段尺寸，将第一谱段圆形成像区域内的内接矩形设置为第一谱段的区域范围；将其余谱段在原始图像中与所述第一谱段的区域范围相对应的区域设定为搜索区域；
S103：将步骤S101中采集的不同距离图像，选出图像信息量最丰富的图像作为模板区域；
S104：将选出的模板区域分别在根据步骤102设定的搜索区域中进行搜索，找出归一化互相关系数最大的区域作为匹配区域；
S105：根据第一谱段的区域范围，将选出的模板区域的位置以及其余谱段中模板匹配结果，计算出其余谱段的区域范围，形成若干位置系数；
S106:在实时获取的图像帧中，从第一个谱段区域中随机抽取20个预设大小的矩形区域，将轮廓特征最明显的一个区域作为匹配模板；
S107：根据第一个谱段的区域范围，模板区域的位置以及其他各个谱段中模板匹配结果，计算该帧中其余谱段的区域范围，完成实时配准。
其中，所述步骤S104中，归一化互相关系数的计算方法如下：
其中，I1和I2分别是模板区域图像和待配准区域图像。
其中，所述步骤S105中，其余谱段的区域范围的计算方法如下：
Xi＝X1-x1+xi,Yi＝Y1-y1+yi
其中，(Xi，Yi)为第i个谱段的位置，(xi，yi)为第i个谱段中模板匹配的位置，(x1，y1)为第一个谱段中的模板区域位置。
其中，所述步骤S107中，该帧中其余谱段的区域范围的计算方法与步骤S105计算出其余谱段的区域范围的方法一致。
其中，所述步骤S2包括如下步骤：
S201:取当前视频帧及步骤S107所述的该帧中其余谱段的区域范围，从原始视频帧中提取各个光谱谱段，构成光谱数据立方体；
S202：设置和光谱图像同样大小的二值图，设定所有像素的初始值为0；
S203：取730nm图像，判断每个像素的值是否大于阈值，当输入图像为10位时，阈值为500；
S204：分别计算589nm谱段图像和767nm谱段图像的第一均值，以及其他谱段图像的第二均值，计算第一均值和第二均值的比值，判断每个像素的计算结果是否大于3，将满足步骤S203以及当前判断条件的像素点作为火焰光谱特征检测候选像素点，在检测图中将对应点的像素设为1；
S205:计算730nm谱段图像与550nm谱段图像的差的绝对值，判断每个像素的计算结果是否大于3，将满足步骤S203以及当前判断条件的像素点作为火焰光谱特征检测候选像素点，在检测图中将对应点的像素设为1；
S206:对二值图使用大小为5的圆形二值模板进行“闭”运算，再使用同样的模板进行一次“开”运算，再使用大小为10的圆形二值模板进行一次“闭”运算。
其中，所述步骤S3包括如下步骤：
S301：取多光谱视频帧的750nm谱段，并计数，如果帧数小于10，则分别提取这几帧最大与最小响应矩阵，将最大和最小响应矩阵的均值记为平均矩阵；
S302：对于帧数大于10的帧，计算750nm谱段图像与均值矩阵的像素差值；
S303：根据设置的差值阈值大小，根据下式计算10帧图像中各像素的短时平均过零跳变次数，
其中，符号函数sgn的定义为：
其中，th为闪烁判断阈值，当输入图像为10位时，阈值一般设置为100；
S304：在步骤S303计算跳变次数的同时，对于该10帧，利用步骤S301的方法计算新的平均矩阵，用于下一个10帧窗口中跳变次数的计算。
其中，所述步骤S4包括如下步骤：
S401：若当前帧计数为10的整数倍，取当前10帧窗口中每一帧在步骤5中的检测结果，统计每个像素满足火焰光谱特征的帧数；
S402：如果像素在时间窗口内的跳变次数大于3，且满足火焰光谱特征的帧数大于5，则认为该像素点为火焰像素点；
S403：根据步骤S402的检测结果进行统计，若火焰像素点大于70个像素，则给出火焰报警，并将这些像素点的平均位置作为火焰检测的位置。
本发明的有益效果：
1、信息丰富:使用多光谱视频作为检测的信息源，其既能够检测特殊离子的特征峰，又能检测红外辐射，还可以检测火焰的闪烁跳动，能够很好的提高检测率，降低误检率；
2、成本适中：本方法所使用的设备为基于微透镜阵列原理的视频光谱仪，其成本大大低于红外热成像仪，效果又显著优于烟雾传感器，因此本方法是一种经济实用的火情探测手段；
3、实时响应：本方法根据火焰的光谱特征对其进行检测，能够在火势初期检测出火苗，快速对火情进行报警，有效避免经济财产损失；
4、本发明还提出了一种视频光谱仪空间位置配准的方法，其对于微透镜阵列视频光谱仪的其他应用也有借鉴意义。
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，下面将对实施例或现有技术描述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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的系统原理示意图；
图2是本发明采集到的原始多光谱视频帧；
图3是空间配准后的伪彩色图；
图4是本发明中多光谱火焰检测部分的算法框图；
图5是本发明中视频帧与火焰闪烁特征计算窗口之间的对应关系(其中F1～F10为时间窗口内第1～10帧)。
具体实施方式
下面将结合本发明的实施例，对本发明的技术方案进行清楚、完整地描述，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作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。
如图1-5所示，传统的火焰检测方法受到数据源单一，误报、漏报率较高，成本高等因素影响，而本发明所设计的多光谱视频火焰检测方法，利用了低成本的视频光谱成像仪，同时获得场景的多个光谱谱段信息以及运动视频信息。根据对燃烧物火焰特性的分析可知，火焰具有几个明显特征。首先是发热，表现在光谱特征上为近红外谱段的能量明显强于短波谱段；其次是特征峰，实验证明多数无机物(例如纸张、草木、纸制品)燃烧时，其内含的Na+、K+离子会在589nm和767nm光谱位置产生窄带的强光谱响应。这两个特征峰在彩色或全色相机中无法捕获，只有在细分谱段的多光谱图像中可以看出；最后，火焰燃烧是会产生闪烁和跳动，具有视频运动信息的多光谱视频可检测闪烁和跳动情况，排除其他类似物(如白炽灯)带来的干扰。
此外，由于视频光谱仪的成像特点，各个谱段的图像需要经过对准才能保证光谱曲线的正确提取。本发明提出了基于分块计算的视频光谱数据各个谱段自动配准方法。
多光谱视频火焰检测方法，包括多光谱视频自动配准，火焰光谱特征提取，火焰闪烁特征提取以及火焰特征融合，从而统计火焰像素点，判断是否存在火焰；若存在，则计算火焰位置。多光谱视频自动配准算法包括前期数据采集，配准系数库计算，分块配准方法；火焰光谱特征提取算法用于提取火焰中Na离子和K离子的特征峰，以及用于检测火焰的红外辐射特征；火焰闪烁特征提取算法用于计算每个像素点在一个周期内的闪烁次数，其中，仅当满足幅值变化达到一个设定的范围时才记为一次闪烁。火焰特征融合算法用于融合使用光谱特征和闪烁特征检测的结果，给出最终的火焰判断以及着火点位置。
本发明方法的系统原理框图如图1所示。
一、多光谱视频空间配准算法，其详细步骤如下：
步骤1：使用视频光谱仪，包括，图像探测器及微透镜阵列，采集不同距离的数据，例如从1米到15米每隔1米采集一帧，当距离大于8米后，采集间隔可以适当放大到2米或3米，所采集的定标物应具有明显的轮廓结构(例如窗户、车辆、自制定标物等)；
步骤2：根据不同谱段数以及不同排列方式的视频光谱仪，预设多光谱图像的单谱段尺寸，将第一个谱段圆形成像区域的内接矩形设置为第一个谱段的区域范围。设置其余各个谱段在原始图像中大致的范围作为搜索区域，原始图像如图3所示；
步骤3：对于每个距离采集到的图像，从中选出信息量丰富的一个小图像块作为模板区域。
步骤4：根据步骤2设置的搜索区域，将选出的模板分别在其他几个谱段的搜索区域中搜索，找到归一化互相关系数最大的区域作为匹配区域，归一化互相关系数的计算方式如下：
其中，I1和I2分别是模板区域图像和待配准区域图像。
步骤5：根据第一个谱段的区域范围，模板区域的位置以及其他各个谱段中模板匹配结果，计算出其他谱段的区域范围，计算方式如下：
Xi＝X1-x1+xi,Yi＝Y1-y1+yi
其中，(Xi，Yi)为第i个谱段的位置，(xi，yi)为第i个谱段中模板匹配的位置，(x1，y1)为第一个谱段中的模板区域位置；
步骤6：将各个距离计算出的谱段区域范围作为不同的位置系数，用于后面步骤中的快速配准。
步骤7：在实时获取的图像帧中，从第一个谱段区域中随机抽取20个预设大小的矩形区域，将轮廓特征最明显的一个区域作为匹配模板，选择依据是根据设置好的大小，根据图像标准差，选择一块信息最丰富(标准差最大)的区域作为模板；
步骤8：根据第一个谱段的区域范围，模板区域的位置以及其他各个谱段中模板匹配结果，使用步骤5的方法计算该帧中其他谱段的区域范围，完成实时配准。
二、多光谱视频火焰检测算法的框图如图4所示，其详细步骤如下，其中步骤1～步骤6为火焰光谱特征计算方法，步骤7～步骤10为火焰闪烁特征计算方法，步骤11～步骤13为特征融合方法，统计火焰像素点，判断是否存在火焰；若存在，则计算火焰位置：
步骤1：取当前视频帧，以及空间位置配准方法计算出的各个谱段区域范围，从原始视频帧中提取各个光谱谱段，构成光谱数据立方体；
步骤2：设置和光谱图像同样大小的二值图，所有像素的初始值为0。
步骤3：取730nm图像，判断每个像素的值是否大于阈值，当输入图像为10位时，阈值一般为500；
步骤4：分别计算589nm谱段图像和767nm谱段图像的第一均值，以及其他谱段图像的第二均值，计算第一均值和第二均值的比值，判断每个像素的计算结果是否大于3，将满足步骤3以及当前判断条件的像素点作为火焰光谱特征检测候选像素点，在检测图中将对应点的像素设为1；
步骤5：取730nm谱段图像，计算其和550nm谱段图像的差的绝对值，判断每个像素的计算结果是否大于3，将满足步骤3以及当前判断条件的像素点作为火焰光谱特征检测候选像素点，在检测图中将对应点的像素设为1；
步骤6：对二值图使用大小为5的圆形二值模板进行“闭”运算，再使用同样的模板进行一次“开”运算，再使用大小为10的圆形二值模板进行一次“闭”运算；
步骤7：取多光谱视频帧的750nm谱段，并计数，如果帧数小于10，则分别提取这几帧最大与最小响应矩阵ΔPmin，ΔPmax，将最大和最小响应矩阵的均值记为平均矩阵ΔPavg；
步骤8：对于帧数大于10的帧，计算当前帧单谱段(750nm)图像与均值矩阵的像素差值；
步骤9：根据设置的差值阈值大小，根据下式计算10帧图像中各像素的短时平均过零跳变次数，
其中，符号函数sgn的定义为：
其中，th为闪烁判断阈值，当输入图像为10位时，阈值一般设置为100。
步骤10：在步骤9计算跳变次数的同时，对于该10帧，利用步骤7的方法计算新的平均矩阵，用于下一个10帧窗口中跳变次数的计算；
步骤11：若当前帧计数为10的整数倍，取当前10帧窗口中每一帧在步骤5中的检测结果，统计每个像素满足火焰光谱特征的帧数。
步骤12：如果像素在时间窗口内的跳变次数大于3，且满足火焰光谱特征的帧数大于5，则认为该像素点为火焰像素点。
步骤13：根据步骤12的检测结果进行统计，若火焰像素点大于70个像素，则给出火焰报警，并将这些像素点的平均位置作为火焰检测的位置。
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 (4)
1.一种多光谱视频火焰检测方法，其特征在于，包括如下步骤：
S1：多光谱视频空间配准；
所述S1包括如下步骤:
S101：使用视频光谱仪采集若干距离图像；
S102：预设多光谱图像的单谱段尺寸，将第一谱段圆形成像区域内的内接矩形设置为第一谱段的区域范围；将其余谱段在原始图像中与所述第一谱段的区域范围相对应的区域设定为搜索区域；
S103：将步骤S101中采集的不同距离图像，选出图像信息量最丰富的图像作为模板区域；
S104：将选出的模板区域分别在根据步骤102设定的搜索区域中进行搜索，找出归一化互相关系数最大的区域作为匹配区域；
S105：根据第一谱段的区域范围，将选出的模板区域的位置以及其余谱段中模板匹配结果，计算出其余谱段的区域范围，形成若干位置系数；
S106:在实时获取的图像帧中，从第一个谱段区域中随机抽取20个预设大小的矩形区域，将轮廓特征最明显的一个区域作为匹配模板；
S107：根据第一个谱段的区域范围，模板区域的位置以及其他各个谱段中模板匹配结果，计算该帧中其余谱段的区域范围，完成实时配准；
S2：提取火焰光谱特征；
所述步骤S2包括如下步骤：
S201:取当前视频帧及步骤S107所述的该帧中其余谱段的区域范围，从原始视频帧中提取各个光谱谱段，构成光谱数据立方体；
S202：设置和光谱图像同样大小的二值图，设定所有像素的初始值为0；
S203：取730nm图像，判断每个像素的值是否大于阈值，当输入图像为10位时，阈值为500；
S204：分别计算589nm谱段图像和767nm谱段图像的第一均值，以及其他谱段图像的第二均值，计算第一均值和第二均值的比值，判断每个像素的计算结果是否大于3，将满足步骤S203以及当前判断条件的像素点作为火焰光谱特征检测候选像素点，在检测图中将对应点的像素设为1；
S205:计算730nm谱段图像与550nm谱段图像的差的绝对值，判断每个像素的计算结果是否大于3，将满足步骤S203以及当前判断条件的像素点作为火焰光谱特征检测候选像素点，在检测图中将对应点的像素设为1；
S206:对二值图使用大小为5的圆形二值模板进行“闭”运算，再使用同样的模板进行一次“开”运算，再使用大小为10的圆形二值模板进行一次“闭”运算；
S3：提取火焰闪烁特征；
所述步骤S3包括如下步骤：
S301：取多光谱视频帧的750nm谱段，并计数，如果帧数小于10，则分别提取这几帧最大与最小响应矩阵，将最大和最小响应矩阵的均值记为平均矩阵；
S302：对于帧数大于10的帧，计算750nm谱段图像与均值矩阵的像素差值；
S303：根据设置的差值阈值大小，根据下式计算10帧图像中各像素的短时平均过零跳变次数，
其中，符号函数sgn的定义为：
其中，th为闪烁判断阈值，当输入图像为10位时，阈值一般设置为100；
S304：在步骤S303计算跳变次数的同时，对于该10帧，利用步骤S301的方法计算新的平均矩阵，用于下一个10帧窗口中跳变次数的计算；
S4：统计火焰像素点，判断是否存在火焰；若存在，则计算火焰位置；
所述步骤S4包括如下步骤：
S401：若当前帧计数为10的整数倍，取当前10帧窗口中每一帧在步骤5中的检测结果，统计每个像素满足火焰光谱特征的帧数；
S402：如果像素在时间窗口内的跳变次数大于3，且满足火焰光谱特征的帧数大于5，则认为该像素点为火焰像素点；
S403：根据步骤S402的检测结果进行统计，若火焰像素点大于70个像素，则给出火焰报警，并将这些像素点的平均位置作为火焰检测的位置。
2.根据权利要求1所述的一种多光谱视频火焰检测方法，其特征在于，所述步骤S104中，归一化互相关系数的计算方法如下：
其中，I1和I2分别是模板区域图像和待配准区域图像。
3.根据权利要求2所述的一种多光谱视频火焰检测方法，其特征在于，所述步骤S105中，其余谱段的区域范围的计算方法如下：
Xi＝X1-x1+xi,Yi＝Y1-y1+yi
其中，(Xi，Yi)为第i个谱段的位置，(xi，yi)为第i个谱段中模板匹配的位置，(x1，y1)为第一个谱段中的模板区域位置。
4.根据权利要求3所述的一种多光谱视频火焰检测方法，其特征在于，所述步骤S107中，该帧中其余谱段的区域范围的计算方法与步骤S105计算出其余谱段的区域范围的方法一致。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610547376.3A CN106228540B (zh) | 2016-07-12 | 2016-07-12 | 一种多光谱视频火焰检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610547376.3A CN106228540B (zh) | 2016-07-12 | 2016-07-12 | 一种多光谱视频火焰检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106228540A CN106228540A (zh) | 2016-12-14 |
| CN106228540B true CN106228540B (zh) | 2019-04-16 |
Family
ID=57519732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610547376.3A Active CN106228540B (zh) | 2016-07-12 | 2016-07-12 | 一种多光谱视频火焰检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106228540B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110501914B (zh) * | 2018-05-18 | 2023-08-11 | 佛山市顺德区美的电热电器制造有限公司 | 一种安全监控方法、设备及计算机可读存储介质 |
| CN112634578A (zh) * | 2020-12-17 | 2021-04-09 | 招商局重庆交通科研设计院有限公司 | 隧道可变逃生指示系统 |
| CN114708559B (zh) * | 2022-05-31 | 2022-11-04 | 杭州微影软件有限公司 | 一种图像处理方法、装置、热成像设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104240429A (zh) * | 2014-08-27 | 2014-12-24 | 中国资源卫星应用中心 | 一种红外与多光谱波段组合监测森林火灾的方法 |
| CN104809463A (zh) * | 2015-05-13 | 2015-07-29 | 大连理工大学 | 一种基于密集尺度不变特征转换字典学习的高精度火灾火焰检测方法 |
| CN105225235A (zh) * | 2015-09-18 | 2016-01-06 | 北京航空航天大学 | 一种基于多光谱特征的视频火焰检测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002070953A1 (de) * | 2001-03-02 | 2002-09-12 | Powitec Intelligent Technologies Gmbh | MEssVORRICHTUNG, INSBESONDERE ZUR FLAMMENBEOBACHTUNG WÄHREND EINES VERBRENNUNGSPROZESSES |
| US20140184793A1 (en) * | 2012-12-31 | 2014-07-03 | Honeywell International Inc. | Multispectral flame detector |
| US10088426B2 (en) * | 2014-05-06 | 2018-10-02 | United Technologies Corporation | Chemiluminescence imaging system and method of monitoring a combustor flame of a turbine engine |
-
2016
- 2016-07-12 CN CN201610547376.3A patent/CN106228540B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104240429A (zh) * | 2014-08-27 | 2014-12-24 | 中国资源卫星应用中心 | 一种红外与多光谱波段组合监测森林火灾的方法 |
| CN104809463A (zh) * | 2015-05-13 | 2015-07-29 | 大连理工大学 | 一种基于密集尺度不变特征转换字典学习的高精度火灾火焰检测方法 |
| CN105225235A (zh) * | 2015-09-18 | 2016-01-06 | 北京航空航天大学 | 一种基于多光谱特征的视频火焰检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106228540A (zh) | 2016-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106295551B (zh) | 一种基于视频分析的人员安全帽佩戴情况实时检测方法 | |
| CN109147259B (zh) | 一种基于视频图像的远程火灾探测系统及方法 | |
| CN104751593B (zh) | 一种火灾探测、报警、定位、扑灭方法及系统 | |
| CN105512667B (zh) | 红外和可见光视频图像融合识别火灾的方法 | |
| CN101751744B (zh) | 一种烟雾检测和预警方法 | |
| TWI420423B (zh) | Machine vision flame identification system and method | |
| CN106373320B (zh) | 基于火焰颜色离散度和连续帧图像相似度的火灾识别方法 | |
| KR101822924B1 (ko) | 영상기반 화재 감지 시스템, 방법 및 프로그램 | |
| CN103646250B (zh) | 基于距离图像头肩特征的行人监测方法及装置 | |
| CN112069975A (zh) | 一种基于紫外、红外、视觉的综合火焰检测方法 | |
| CN105550670A (zh) | 一种目标物体动态跟踪与测量定位方法 | |
| KR101998639B1 (ko) | 열화상 카메라와 색상 카메라의 복합 영상을 이용한 지능형 발화지점 감시 시스템 | |
| CN106228540B (zh) | 一种多光谱视频火焰检测方法 | |
| CN107085714A (zh) | 一种基于视频的森林火灾检测方法 | |
| CN107437318A (zh) | 一种可见光智能识别算法 | |
| CN108389359A (zh) | 一种基于深度学习的城市火灾报警方法 | |
| CN108682105B (zh) | 一种基于多光谱的输电线路山火勘测预警装置及预警方法 | |
| CN110675447A (zh) | 一种基于可见光相机与热像仪结合的人数统计方法 | |
| CN110276265A (zh) | 基于智能三维立体监控设备的行人监测方法及装置 | |
| CN109034038B (zh) | 一种基于多特征融合的火灾识别装置 | |
| CN103049739A (zh) | 一种输电线路智能监控中树木检测方法 | |
| KR101196678B1 (ko) | 실시간 화재 감시 장치 및 방법 | |
| CN106872488A (zh) | 一种快速大面积透明基片双表面缺陷视觉检测方法及装置 | |
| CN105574468A (zh) | 视频火焰检测方法、装置及系统 | |
| CN113393486A (zh) | 一种异常事件监测方法、智能监测终端及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Multispectral Video Flame Detection Method Effective date of registration: 20231102 Granted publication date: 20190416 Pledgee: Xi'an innovation financing Company limited by guarantee Pledgor: XI'AN ZHONGKE INTEL SPECTRUM TECHNOLOGY CO.,LTD. Registration number: Y2023980063970 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |