CN107067412A - 一种多信息融合的视频火焰烟雾检测方法 - Google Patents
一种多信息融合的视频火焰烟雾检测方法 Download PDFInfo
- Publication number
- CN107067412A CN107067412A CN201710227030.XA CN201710227030A CN107067412A CN 107067412 A CN107067412 A CN 107067412A CN 201710227030 A CN201710227030 A CN 201710227030A CN 107067412 A CN107067412 A CN 107067412A
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- mtr
- flame
- msub
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 18
- 239000000779 smoke Substances 0.000 claims abstract description 13
- 230000008859 change Effects 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims abstract description 5
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000003909 pattern recognition Methods 0.000 description 5
- 235000019504 cigarettes Nutrition 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000003595 mist Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000010902 straw Substances 0.000 description 3
- 230000001788 irregular Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明公开一种多信息融合的火焰烟雾检测方法，包括以下步骤，首先，设计了一种变化像素检测方法用于提取前景像素，该方法受视频抖动影响极小；其次，对所有变化较大的像素进行颜色特性分析，得到所有符合火焰烟雾颜色的像素；对这些像素进行连通区域分割；然后，再对这些区域进行一系列的形状、面积、位置逻辑判断，排除一些明显不是火焰烟雾的区域，得到最终的火焰烟雾检测结果。本发明提高了传统火焰烟雾检测方法的准确率，降低了误检率，可以应用在复杂的视频监控环境中，具有较高的鲁棒性。
Description
技术领域
本发明属于计算机视觉与模式识别领域，特别涉及一种多信息融合的火焰烟雾检测方法。
背景技术
智能视频监控技术的行业应用在国内处于刚起步的状态。传统的视频监控行业需要大量的人力资源来人工观看各路网络摄像头，并判断是否有违法行为或者灾难事件的发生。这种监控模式不仅浪费了大量的人力财力，而且容易发生疏忽遗漏的情况。因此，把计算机视觉中的相关技术应用到视频监控领域，作为一种辅助手段来提高监控事件的准确性，减少人力资源的投入，是一种主流的行业趋势。
随着目前国内环境污染问题的凸显，国家开始对污染源进行控制，其中一项关键的政策就是禁止秸秆燃烧，秸秆燃烧所产生的有毒气体，不仅会加重雾霾状况，而且会对人类和其他生物的健康造成威胁。目前检测秸秆燃烧的方法是人工视频监控，这种方法不仅消耗大量人力财力，而且容易产生遗漏现象，如果能够利用机器学习和模式识别的理论来设计一种火焰和烟雾检测技术，让计算机来智能地检测这种状况，将大大的提高检测的鲁棒性，减少人力资源的投入。
火焰和烟雾检测虽然是两种不同的技术，但是两者具有相似的框架。这个框架通常包括 1)前景检测、2)模式识别。因为火焰和烟雾是运动的，通过前景检测能够消除静止的相似物体对于检测的影响，如天空中的云、红颜色衣服的房子。模式识别这一步通过对火焰(烟雾) 的特性进行多模式构建，来进一步的区别火焰(烟雾)与干扰物，提高检测的准确率，减少虚警概率。这一步往往是算法设计的核心，所设计模式的合适与否往往决定了算法的最终性能。
前景检测的方法有很多，一般分为背景建模、帧间差分和光流法等。一般在火焰和烟雾检测中所用到的前景检测算法都比较简单。在进行模式识别时，第一步就是目标特征模式的构建，特征的合适与否往往决定了我们能否把目标与背景区别开来。特征的设计有两种普遍的方法，第一种是人为设计，第二种就是让计算机自己去学习特征(如深度学习)。第二种方法需要巨大数量的训练样本，但是目前具有标签的火焰(烟雾)样本库很少，所以基本上没有文献采用这种方法去学习火焰(烟雾)的特征。
现存的一些火焰烟雾检测方法只采用较为单一的火焰烟雾特性进行检测，虽然它们在简单固定的环境中具有较好的检测效果，但是在自然场景中往往会产生较多的误检和漏检。为了使烟雾火焰检测可以正真应用到实际监控场景，而不是纸上谈兵，我们设计了一个多信息融合的火焰烟雾检测方法，对火焰烟雾的多种特性进行提取并融合，有利于减少实际场景中的误检，提高系统的鲁棒性。我们的火焰检测方法能够能够实时运行并且计算机资源占用率低，能够在一台普通的服务器虚拟机上并行运行100路。
发明内容
本发明的目的是克服现有技术的不足，提供一种多信息融合的火焰烟雾检测方法，以解决现有火焰烟雾检测方法在自然场景中检测准确率低的问题。
本发明采用的技术方案为：首先采用一种对视频抖动不敏感的变化像素检测方法对视频图像中有较大变化的像素进行检测，然后对这些像素进行颜色特性检测，得到所有符合火焰烟雾颜色的像素。再对这些像素进行连通区域分割，得到所有变化较大且符合火焰烟雾颜色特性的区域。对这些区域进行简单的形态学处理，再对这些区域的形状、面积、位置进行逻辑判断，剔除一些明显不是火焰烟雾的区域，得到最终的火焰烟雾检测结果。具体步骤如下：
步骤1：输入初始图像
输入第一帧初始图像并作为历史图像进行保存。
步骤2：变化像素检测
输入下一帧图像，把这幅图像中的每个像素点与历史图像中的邻域像素点进行差值计算并取绝对值，再取所有绝对值的最小值进行阈值比较，大于阈值的像素点被认为是前景点，小于阈值的像素点被认为是背景点。这样可以消除视频抖动对于前景点检测的干扰。判断公式如下：
其中，R表示坐标(x，y)的邻域，i表示时间，表示t时刻图像中(x，y)坐标处的像素值，thres 表示阈值。
步骤3：颜色特性检测
对步骤2中提取的所有前景点进行火焰烟雾颜色特性判断。烟雾的颜色偏白并且R、G、 B三个通道相似，它的灰度会随着背景关照变化而变化，所以采用相对值比较的方法。烟雾的颜色检测公式如下：
其中，Ix，y表示图像中(x，y)坐标处的像素灰度值，Iavg表示整幅图像的平均灰度值，R，G，B分别表示每个像素的三个颜色通道，thres1和thres2表示阈值。
火焰颜色偏红，因为火焰是光源，它的颜色基本不随背景光照变化而变化，所以采用绝对值比较。火焰的颜色检测公式如下：
其中，Ix，y表示图像中(x，y)坐标处的像素灰度值，R，G，B分别表示每个像素的三个颜色通道， thres1和thres2表示阈值。
通过颜色检测后，我们能够得到一幅二值图像，所有符合烟雾或者火焰颜色特性的像素点标记为1，其他点标记为0。然后我们对整幅图像进行分块，在每个分块里面统计烟雾火焰点的比例，大于一定比例的点被认为是正检点，这样可以排除部分噪声点对于检测的干扰。公式如下：
其中，R表示坐标(x，y)的邻域，thres表示阈值。
步骤4：连通区域分割
通过颜色检测以后，我们得到一幅二值图，每个像素表示它是否属于烟雾或者火焰，取值范围是[0，1]，1表示烟雾或火焰，0表示背景。但是我们无法通过单一的像素来判断是否是烟雾或者火焰，因此我们需要提取出成片的烟雾或者火焰，这里的联通区域分割就是提取出图像中所有的烟雾火焰块。对颜色检测后的二值图像提取轮廓，得到多个疑似烟雾或者火焰的区域。
步骤5：形状、面积、位置逻辑判断
烟雾火焰的形状一般都是不规则的，所以如果步骤4中得到的区域是矩形或者三角形，则认为干扰区域，直接排除；如果检测区域的面积过小，很可能也是干扰物，直接排除；如果检测区域位于整幅图像的边缘处，则可能由于图像边缘效应造成干扰，直接排除。
步骤6：综合判断
如果经过步骤2-5，我们检测到了火焰或者烟雾区域，则认为这幅图像中存在火焰或者烟雾，对所有烟雾区域用白色边缘进行标示，对所有火焰区域用红色边缘进行标示。
附图说明
图1为多信息融合的火焰烟雾检测方法的总体流程图。
图2为实施例中的火焰烟雾检测效果图。
具体实施方式
下面结合具体实施例，对本发明的技术方案做进一步的详细说明。
以下实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
本实施例对一段农田秸秆焚烧视频进行火焰烟雾检测，该视频从实际监控摄像头中获取，背景中具有较多的干扰物，图2消失了火焰烟雾的检测效果。具体的实施方法包括以下步骤：
步骤1：输入初始图像
提取视频中的第一帧图像进行输入，作为历史图像进行保存。
步骤2：变化像素检测
输入下一帧图像，把这幅图像中的每个像素点与历史图像中的邻域像素点进行差值计算并取绝对值，再取所有绝对值的最小值进行阈值比较，大于阈值的像素点被认为是前景点，小于阈值的像素点被认为是背景点。这样可以消除视频抖动对于前景点检测的干扰。判断公式如下：
其中，R表示坐标(x，y)的邻域，这里取9×9的邻域；t表示时间，表示t时刻图像中(x，y) 坐标处的像素值，thres表示阈值，这里取thres＝15。
步骤3：颜色特性检测
对步骤2中提取的所有前景点进行火焰烟雾颜色特性判断。烟雾的颜色偏白并且R、G、 B三个通道相似，它的灰度会随着背景关照变化而变化，所以采用相对值比较的方法。烟雾的颜色检测公式如下：
其中，Ix，y表示图像中(x，y)坐标处的像素灰度值，Iavg表示整幅图像的平均灰度值，R，G，B分别表示每个像素的三个颜色通道，thres1和thres2表示阈值，这里取thres1＝20，thres2＝0.15。
火焰颜色偏红，因为火焰是光源，它的颜色基本不随背景光照变化而变化，所以采用绝对值比较。火焰的颜色检测公式如下：
其中，Ix，y表示图像中(x，y)坐标处的像素灰度值，R，G，B分别表示每个像素的三个颜色通道， thres1、thres2和thres3表示阈值，这里取thres1＝200，thres2＝30。
通过颜色检测后，我们能够得到一幅二值图像，所有符合烟雾或者火焰颜色特性的像素点标记为1，其他点标记为0。然后我们对整幅图像进行分块，在每个分块里面统计烟雾火焰点的比例，大于一定比例的点被认为是正检点，这样可以排除部分噪声点对于检测的干扰。公式如下：
其中，R表示坐标(x，y)的邻域，thres表示阈值，这里取thres＝0.3。
步骤4：连通区域分割
通过颜色检测以后，我们得到一幅二值图，每个像素表示它是否属于烟雾或者火焰，取值范围是[0，1]，1表示烟雾或火焰，0表示背景。但是我们无法通过单一的像素来判断是否是烟雾或者火焰，因此我们需要提取出成片的烟雾或者火焰，这里的联通区域分割就是提取出图像中所有的烟雾火焰块。对颜色检测后的二值图像提取轮廓，得到多个疑似烟雾或者火焰的区域。
步骤5：形状、面积、位置逻辑判断
烟雾火焰的形状一般都是不规则的，所以如果步骤4中得到的区域是矩形或者三角形，则认为干扰区域，直接排除；如果检测区域的面积小于图像总面积的0.05％，很可能也是干扰物，直接排除；如果检测区域与图像的边缘的距离小于20像素，则可能由于图像边缘效应造成干扰，直接排除。
步骤6：综合判断
如果经过步骤2-5，我们检测到了火焰或者烟雾区域，则认为这幅图像中存在火焰或者烟雾，对所有烟雾区域用白色边缘进行标示，对所有火焰区域用红色边缘进行标示。最终的检测结果如图2所示。
以上所述仅为本发明的较佳实施例而已，并不以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种多信息融合的火焰烟雾检测方法，其特征在于，包含以下步骤：
1)设计了一种受视频抖动影响较小的变化像素检测方法用于提取前景像素；
2)对所有变化较大的像素进行颜色特性分析，得到所有符合火焰烟雾颜色的像素；
3)对这些像素进行连通区域分割，再对这些区域进行一系列的形状、面积、位置逻辑判断，排除一些明显不是火焰烟雾的区域；得到最终的火焰烟雾检测结果。
2.根据权利要求1所述的多信息融合的火焰烟雾检测方法，其特征在于，所述的步骤1)为：
把这幅图像中的每个像素点与历史图像中的邻域像素点进行差值计算并取绝对值，再取所有绝对值的最小值进行阈值比较，大于阈值的像素点被认为是前景点，小于阈值的像素点被认为是背景点。判断公式如下：
<mrow>
<msubsup>
<mi>C</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<munder>
<mi>min</mi>
<mrow>
<mi>p</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<mo>|</mo>
<msubsup>
<mi>I</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>I</mi>
<mi>p</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>|</mo>
<mo>></mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，R表示坐标(x，y)的邻域，t表示时间，表示t时刻图像中(x，y)坐标处的像素值，thres表示阈值。
3.根据权利要求1所述的多信息融合的火焰烟雾检测方法，其特征在于，所述的步骤2)为：
烟雾的颜色偏白并且R、G、B三个通道相似，它的灰度会随着背景关照变化而变化，所以采用相对值比较的方法。烟雾的颜色检测公式如下：
<mrow>
<msub>
<mi>ColorSmoke</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>></mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mfrac>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>R</mi>
<mo>,</mo>
<mi>G</mi>
<mo>,</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>M</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>R</mi>
<mo>,</mo>
<mi>G</mi>
<mo>,</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>R</mi>
<mo>,</mo>
<mi>G</mi>
<mo>,</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo><</mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mn>2</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，Ix，y表示图像中(x，y)坐标处的像素灰度值，Iavg表示整幅图像的平均灰度值，R，G，B分别表示每个像素的三个颜色通道，thres1和thres2表示阈值。
火焰颜色偏红，因为火焰是光源，它的颜色基本不随背景光照变化而变化，所以采用绝对值比较。火焰的颜色检测公式如下：
<mrow>
<msub>
<mi>ColorFire</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>I</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mo>></mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mn>1</mn>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>R</mi>
<mo>-</mo>
<mi>G</mi>
<mo>></mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mn>2</mn>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>G</mi>
<mo>></mo>
<mi>B</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，Ix，y表示图像中(x，y)坐标处的像素灰度值，R，G，B分别表示每个像素的三个颜色通道，thres1和thres2表示阈值。
通过颜色检测后，我们能够得到一幅二值图像，所有符合烟雾或者火焰颜色特性的像素点标记为1，其他点标记为0。然后我们对整幅图像进行分块，在每个分块里面统计烟雾火焰点的比例，大于一定比例的点被认为是正检点，这样可以排除部分噪声点对于检测的干扰。公式如下：
<mrow>
<msub>
<mi>Color</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>&Element;</mo>
<msub>
<mi>R</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
</mrow>
</munder>
<msub>
<mi>ColorSmoke</mi>
<mi>p</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mi>R</mi>
<mo>|</mo>
</mrow>
</mfrac>
<mo>></mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mi> </mi>
<mi>o</mi>
<mi>r</mi>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>&Element;</mo>
<msub>
<mi>R</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
</mrow>
</munder>
<msub>
<mi>ColorFire</mi>
<mi>p</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mi>R</mi>
<mo>|</mo>
</mrow>
</mfrac>
<mo>></mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
1
其中，R表示坐标(x，y)的邻域，thres表示阈值。
4.根据权利要求1所述的多信息融合的火焰烟雾检测方法，其特征在于，所述的步骤3)为：
对颜色检测后的二值图像提取轮廓，得到多个疑似烟雾或者火焰的区域。如果区域是矩形或者三角形，则认为干扰区域，直接排除；如果检测区域的面积过小，很可能也是干扰物，直接排除；如果检测区域位于整幅图像的边缘处，则可能由于图像边缘效应造成干扰，直接排除。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710227030.XA CN107067412A (zh) | 2017-04-01 | 2017-04-01 | 一种多信息融合的视频火焰烟雾检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710227030.XA CN107067412A (zh) | 2017-04-01 | 2017-04-01 | 一种多信息融合的视频火焰烟雾检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107067412A true CN107067412A (zh) | 2017-08-18 |
Family
ID=59601673
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710227030.XA Pending CN107067412A (zh) | 2017-04-01 | 2017-04-01 | 一种多信息融合的视频火焰烟雾检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107067412A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107688793A (zh) * | 2017-09-05 | 2018-02-13 | 国网安徽省电力公司检修公司 | 一种变电站室外火灾自动监测预警方法 |
| CN108921020A (zh) * | 2018-05-29 | 2018-11-30 | 北大青鸟环宇消防设备股份有限公司 | 一种消防火灾图像识别方法及其装置 |
| CN109142176A (zh) * | 2018-09-29 | 2019-01-04 | 佛山市云米电器科技有限公司 | 基于空间联系的烟雾子区域空间复检方法 |
| CN109855548A (zh) * | 2019-01-30 | 2019-06-07 | 中南大学 | 分析烧结杯试验的红火层厚度的方法及系统 |
| CN109961042A (zh) * | 2019-03-22 | 2019-07-02 | 中国人民解放军国防科技大学 | 结合深度卷积神经网络和视觉变化图的烟雾检测方法 |
| CN111462451A (zh) * | 2019-11-01 | 2020-07-28 | 武汉纺织大学 | 基于视频信息的秸秆焚烧检测报警系统 |
| WO2020214084A1 (en) * | 2019-04-17 | 2020-10-22 | Hendricks Corp Pte Ltd | Method and system for detecting fire and smoke |
| CN112654897A (zh) * | 2018-06-29 | 2021-04-13 | 物流及供应链多元技术研发中心有限公司 | 用于人群预筛查的多传感器盗窃/威胁检测系统 |
| CN113092481A (zh) * | 2021-03-11 | 2021-07-09 | 南京理工大学 | 一种扩散火焰碳烟生成转捩点的判别方法 |
| CN113673526A (zh) * | 2021-07-23 | 2021-11-19 | 浙江大华技术股份有限公司 | 气泡检测方法、终端及计算机可读存储介质 |
| US11210916B2 (en) | 2018-12-21 | 2021-12-28 | Fujitsu Limited | Smoke detection method and apparatus |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN102163358A (zh) * | 2011-04-11 | 2011-08-24 | 杭州电子科技大学 | 一种基于视频图像分析的烟雾/火焰检测方法 |
| CN105654494A (zh) * | 2016-01-04 | 2016-06-08 | 杭州中威电子股份有限公司 | 视频图像中烟雾检测方法 |
| CN105741480A (zh) * | 2016-03-17 | 2016-07-06 | 福州大学 | 基于图像识别的火灾和烟雾检测方法 |
-
2017
- 2017-04-01 CN CN201710227030.XA patent/CN107067412A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN102163358A (zh) * | 2011-04-11 | 2011-08-24 | 杭州电子科技大学 | 一种基于视频图像分析的烟雾/火焰检测方法 |
| CN105654494A (zh) * | 2016-01-04 | 2016-06-08 | 杭州中威电子股份有限公司 | 视频图像中烟雾检测方法 |
| CN105741480A (zh) * | 2016-03-17 | 2016-07-06 | 福州大学 | 基于图像识别的火灾和烟雾检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 桂斌: "基于ViBe的运动目标检测与阴影消除方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王世东: "视频中火焰和烟气探测方法的研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107688793A (zh) * | 2017-09-05 | 2018-02-13 | 国网安徽省电力公司检修公司 | 一种变电站室外火灾自动监测预警方法 |
| CN108921020A (zh) * | 2018-05-29 | 2018-11-30 | 北大青鸟环宇消防设备股份有限公司 | 一种消防火灾图像识别方法及其装置 |
| CN112654897A (zh) * | 2018-06-29 | 2021-04-13 | 物流及供应链多元技术研发中心有限公司 | 用于人群预筛查的多传感器盗窃/威胁检测系统 |
| CN109142176A (zh) * | 2018-09-29 | 2019-01-04 | 佛山市云米电器科技有限公司 | 基于空间联系的烟雾子区域空间复检方法 |
| CN109142176B (zh) * | 2018-09-29 | 2024-01-12 | 佛山市云米电器科技有限公司 | 基于空间联系的烟雾子区域空间复检方法 |
| US11210916B2 (en) | 2018-12-21 | 2021-12-28 | Fujitsu Limited | Smoke detection method and apparatus |
| CN109855548A (zh) * | 2019-01-30 | 2019-06-07 | 中南大学 | 分析烧结杯试验的红火层厚度的方法及系统 |
| CN109961042A (zh) * | 2019-03-22 | 2019-07-02 | 中国人民解放军国防科技大学 | 结合深度卷积神经网络和视觉变化图的烟雾检测方法 |
| WO2020214084A1 (en) * | 2019-04-17 | 2020-10-22 | Hendricks Corp Pte Ltd | Method and system for detecting fire and smoke |
| US12094310B2 (en) | 2019-04-17 | 2024-09-17 | Hendricks Corp Pte Ltd | Method and system for detecting fire and smoke |
| CN111462451B (zh) * | 2019-11-01 | 2022-04-26 | 武汉纺织大学 | 基于视频信息的秸秆焚烧检测报警系统 |
| CN111462451A (zh) * | 2019-11-01 | 2020-07-28 | 武汉纺织大学 | 基于视频信息的秸秆焚烧检测报警系统 |
| CN113092481A (zh) * | 2021-03-11 | 2021-07-09 | 南京理工大学 | 一种扩散火焰碳烟生成转捩点的判别方法 |
| CN113673526A (zh) * | 2021-07-23 | 2021-11-19 | 浙江大华技术股份有限公司 | 气泡检测方法、终端及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107067412A (zh) | 一种多信息融合的视频火焰烟雾检测方法 | |
| Gong et al. | A Real‐Time Fire Detection Method from Video with Multifeature Fusion | |
| CN111626188B (zh) | 一种室内不可控明火监测方法及系统 | |
| CN107609470B (zh) | 野外火灾早期烟雾视频检测的方法 | |
| CN105788142B (zh) | 一种基于视频图像处理的火灾检测系统及检测方法 | |
| 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 | |
| Khalil et al. | Fire detection using multi color space and background modeling | |
| CN107437318B (zh) | 一种可见光智能识别算法 | |
| CN106250845A (zh) | 基于卷积神经网络的火焰检测方法及装置 | |
| CN102982313A (zh) | 烟雾检测的方法 | |
| CN108009479A (zh) | 分布式机器学习系统及其方法 | |
| Chowdhury et al. | Computer vision and smoke sensor based fire detection system | |
| CN116543241B (zh) | 泄露气体云团的检测方法、装置、存储介质和电子设备 | |
| CN113989858B (zh) | 一种工作服识别方法及系统 | |
| CN113299034B (zh) | 一种适应多场景的火焰识别预警方法 | |
| CN114202646A (zh) | 一种基于深度学习的红外图像吸烟检测方法与系统 | |
| KR101196678B1 (ko) | 실시간 화재 감시 장치 및 방법 | |
| CN111127433B (zh) | 一种检测火焰的方法及装置 | |
| CN114885119A (zh) | 一种基于计算机视觉的智能监控报警系统及方法 | |
| CN104616034B (zh) | 一种烟雾检测方法 | |
| CN117789394B (zh) | 一种基于运动历史图像的早期火灾烟雾检测方法 | |
| CN106815567A (zh) | 一种基于视频的火焰检测方法及装置 | |
| CN114155457A (zh) | 基于火焰动态识别的控制方法及控制装置 | |
| Qiao et al. | FireFormer: an efficient Transformer to identify forest fire from surveillance cameras | |
| CN111914606A (zh) | 一种基于对透射率时空特征进行深度学习的烟雾检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| DD01 | Delivery of document by public notice |
Addressee: Jiangsu Mobile Information System Integration Co Ltd Document name: Notification of Passing Examination on Formalities |
|
| DD01 | Delivery of document by public notice | ||
| CB02 | Change of applicant information |
Address after: Hu Ju Road, Gulou District of Nanjing city of Jiangsu Province, No. 59 210029 Applicant after: Jiangsu Mobile Information System Integration Co Ltd Address before: 210012, 53 Ande Avenue, Yuhua District, Jiangsu, Nanjing Applicant before: Jiangsu Mobile Information System Integration Co Ltd |
|
| CB02 | Change of applicant information | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170818 |
|
| WD01 | Invention patent application deemed withdrawn after publication |