CN107123227A - 一种基于双波段的嵌入式图像火焰探测器及其识别方法 - Google Patents
一种基于双波段的嵌入式图像火焰探测器及其识别方法 Download PDFInfo
- Publication number
- CN107123227A CN107123227A CN201710548006.6A CN201710548006A CN107123227A CN 107123227 A CN107123227 A CN 107123227A CN 201710548006 A CN201710548006 A CN 201710548006A CN 107123227 A CN107123227 A CN 107123227A
- Authority
- CN
- China
- Prior art keywords
- flame
- image
- waveband
- infrared
- video
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000010191 image analysis Methods 0.000 claims abstract 2
- 238000000605 extraction Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000035040 seed growth Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000011800 void material Substances 0.000 claims 1
- 230000008030 elimination Effects 0.000 abstract 1
- 238000003379 elimination reaction Methods 0.000 abstract 1
- 238000003672 processing method Methods 0.000 abstract 1
- 238000004611 spectroscopical analysis Methods 0.000 abstract 1
- 238000001228 spectrum Methods 0.000 abstract 1
- 230000013011 mating Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008199 coating composition Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0014—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation from gases, flames
- G01J5/0018—Flames, plasma or welding
-
- 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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G06V20/48—Matching video sequences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Plasma & Fusion (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明公开了一种基于双波段的嵌入式图像火焰探测器及其识别方法。图像火焰探测器由双波段视频采集组件和嵌入式智能图像火焰分析平台构成。其中,双波段视频采集组件由一个加装红外滤光片的黑白CCD模组和一个高清彩色模组构成。双波段视频采集组件将采集到的两路视频信号输入到嵌入式智能图像火焰分析平台中,实现实时视频图像分析及火焰判决等功能。火焰图像处理方法采用近红外视频图像及彩色视频图像双波段光谱数据,完成红外数据与彩色数据的图像融合,并结合红外及彩色双波段光谱实现火灾火焰的准确识别及干扰排除,适应性、抗干扰能力强,并具备较高的智能化水平。
Description
技术领域
本发明涉及火灾探测及智能安防监控技术领域,具体是一种基于双波段的嵌入式图像火焰探测器及其识别方法。
背景技术
近年来,随着计算机视觉的发展,图像型火焰探测器的优势也逐渐显现出来,其应用场所也越来越广泛。目前,市场上应用较多的为基于红外视频图像的火焰探测器,这种类型产品的图像采集组件一般为普通CCD(黑白或彩色)和红外滤光片或滤光膜组成,红外滤光片能够将可见光中的阳光辐射等大部分干扰源滤除,视频图像背景简单,因此图像火焰算法复杂度一般较低,具有很好的实时性和很高的灵敏度,但这类产品一般需要配接彩色视频进行辅助监控,所采用的视频图像一般为模拟视频,其分辨率较低,同时也没有较好的利用彩色图像数据,结合近红外图像数据与彩色图像数据在实时高效的基础上提升抗干扰能力。
鉴于此,本发明提出了一种基于双波段的嵌入式图像火灾探测器及其识别方法,在近红外波段与彩色波段复合实时识别探测火焰目标,同时也不会增加过多的计算复杂度。
发明内容
本发明目的是提供本发明目的是提出了一种基于双波段的嵌入式图像火灾探测器及其识别方法,通过双波段视频图像预标定匹配,结合近红外波段与彩色波段实时数据识别探测火焰目标,同时也不会增加过多的计算复杂度。
为了解决上述技术问题,本发明采用的技术方案是:
一种基于双波段的嵌入式图像火焰探测器,包括外壳,所述外壳包含双波段视频采集组件和嵌入式智能火焰分析平台组成;其中双波段视频采集组件包括一个加装近红外滤光片的黑白CCD模组、一个高清彩色模组;双波段视频采集组件中的双模组位于外壳前端同一水平位置,并尽可能接近相邻,以减少双目视频图像的视场差;两个模组采用相同的定焦镜头,具有相同视场角范围;双波段视频采集组件与嵌入式智能图像火焰分析平台通过支架固定在一个外壳内,采集组件的视频输出连接至分析平台的视频采集接口,从而构成一个整体。
优选的,所述双波段视频采集组件采集的近红外图像数据,采用D1分辨率格式的黑白CCD模组前端加装近红外滤光片的方式实现;该黑白CCD的光谱响应范围为380nm~1100nm,加装的红外滤光片为截止型红外滤光片,截止中心频率为750nm,从而获取到750nm~1100nm的近红外图像数据;高清彩色模组分辨率为1080p,并具有日夜切换模式。
优选的,基于双波段的嵌入式图像火焰探测器的识别方法,所述识别方法通过下述步骤进行图像火焰识别:
a)嵌入式图像火焰探测器通过预标定匹配的形式进行近红外图像与高清彩色图像的空间匹配关系的预标定匹配;
b)实时监控过程中,双波段视频图像采集组件将实时采集到的现场视频信息传输至嵌入式智能图像分析平台,嵌入式智能图像分析平台先对近红外图像二值化处理,火焰目标提取,火焰目标跟踪,特征提取,火焰判决处理流程,得到近红外图像下的火焰空间定位信息与特征数据;
c)嵌入式智能图像分析平台根据近红外图像的火焰空间定位信息,通过预标定匹配关系,映射至高清彩色图像数据上进行二次图像火焰识别;
d)二次图像火焰识别在预标定匹配的高清彩色图像的兴趣子区域内,依据火焰颜色空间分布特征进行种子生长,修正并完整提取高清彩色图像下火焰目标,并完成特征提取与二次图像火焰判决;
e)二次图像火焰判决结合近红外图像火焰特征及高清彩色图像火焰特征进行复合判决,确定是否为火灾火焰目标,并通过嵌入式智能图像分析平台将实时现场高清视频及火灾火焰处理信息通过网络传输至监控室内,供现场监控人员观看,确认。
优选的,一种基于双波段的嵌入式图像火焰探测器的识别方法,其中双波段视频图像预标定匹配依据实时获取到的近红外视频图像与高清彩色图像数据进行特征点提取、匹配,自动建立空间映射预标定匹配模型。采用Harris角点检测的方法进行近红外待匹配特征点与高清彩色待匹配特征点的选取;采用绝对差值和(SAD)度量准则确定近红外特征点与高清彩色特征点的匹配关系;采用随机采样一致性方法(RANSAC)去除匹配特征点对中的异常值;最后根据待匹配特征点对的坐标数据,求解近红外图像空间坐标至高清彩色图像空间坐标的映射矩阵;求解得到的映射矩阵作为近红外图像至高清彩色图像的预标定匹配参数,存储至探测器参数设置内。
优选的,基于双波段的嵌入式图像火焰探测器的识别方法,其中近红外视频火焰目标提取,采用帧间差分法计算两帧图像的绝对差值图像,通过截断的OTSU方法计算二值化阈值,并完成二值化图像分割;
优选的,一种基于双波段的嵌入式图像火焰探测器的识别方法,其中截断的OTSU方法为避免二值化阈值陷入全局红外图像的噪声内,对原始数据去除小于阈值th1后的数据,对去除后的数据再采用OTSU的方法求得最佳二值化阈值;所述的近红外目标特征计算,依据每一帧火焰目标的重心坐标及面积特征进行目标匹配构建火焰特征时序链表;匹配原则为对重心坐标数据采用绝对差值和(SAD)度量准则确定匹配关系,同时检测匹配后的面积变化率,当最小绝对差值和大于th2或者面积变化率大于th3时,判定为新目标不进行匹配挂链;计算每一帧的火焰目标亮度均值,方差,面积,重心,长宽比,圆形度并加入火焰特征时序链表中构成疑似火焰目标的特征向量,当疑似火焰目标的特征向量与历史存储的火焰目标特征向量的距离度量小于设定的阈值th4时,该疑似目标为火焰目标,并将其目标的外接矩形框空间坐标映射至高清彩色视频图像中;
优选的,一种基于双波段的嵌入式图像火焰探测器的识别方法,其中高清彩色视频兴趣子区域目标提取,计算其R,G,B及S分量,其中R为红色通道分量值,B为蓝色通道分量值,G为绿色通道分量值,S为HSV模型下的纯度值;
当R≥B≥G,且R≥th5,S<th6时,该点为彩色图像下的火焰目标前景点;
对上述提取到的火焰目标前景点进行种子生长,用于消除预标定匹配误差及火焰目标内部孔洞;生长准则为8邻域连通且R0≥B0≥G0,且R0≥th7,且D0<th8;R0,B0,G0为待生长点的红蓝绿值,D0为待生长点与初始种子点的欧式距离;对每帧高清彩色视频兴趣子区域内提取到的火焰目标,分别计算其RGB三通道均值,重心,及目标面积值,圆形度构成彩色火焰目标特征向量,当该特征向量与历史存储的火焰目标特征向量的距离度量小于设定的阈值th9时,发出火灾报警信号,并输出火灾位置信息。
本发明的有益效果是:
本发明提出了一种基于双波段的嵌入式图像火灾探测器及其识别方法,在近红外波段与彩色波段复合实时识别探测火焰目标,可实现早期火灾探测,并且对环境的适应性较好,根据不同的环境可设置相应的探测级别;本发明利用多特征融合技术,误报率极低,具有较高的稳定性和实时性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明提出的基于双波段的嵌入式火焰探测器的组成框图。
图2是本发明的基于双波段的火焰判断方法流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
如图1所示,本发明公开一种基于双波段的嵌入式图像火焰探测器,包括外壳,所述外壳包含双波段视频采集组件和嵌入式智能火焰分析平台组成;其中双波段视频采集组件包括一个加装近红外滤光片的黑白CCD模组、一个高清彩色模组;双波段视频采集组件中的双模组位于外壳前端同一水平位置,并尽可能接近相邻,以减少双目视频图像的视场差;两个模组采用相同的定焦镜头,具有相同视场角范围;双波段视频采集组件与嵌入式智能图像火焰分析平台通过支架固定在一个外壳内,采集组件的视频输出连接至分析平台的视频采集接口,从而构成一个整体。
优选的,所述双波段视频采集组件采集的近红外图像数据,采用D1分辨率格式的黑白CCD模组前端加装近红外滤光片的方式实现;该黑白CCD的光谱响应范围为380nm~1100nm,加装的红外滤光片为截止型红外滤光片,截止中心频率为750nm,从而获取到750nm~1100nm的近红外图像数据;高清彩色模组分辨率为1080p,并具有日夜切换模式。
优选的,如图2基于双波段的嵌入式图像火焰探测器的识别方法,所述识别方法通过下述步骤进行图像火焰识别:
f)嵌入式图像火焰探测器通过预标定匹配的形式进行近红外图像与高清彩色图像的空间匹配关系的预标定匹配;
g)实时监控过程中,双波段视频图像采集组件将实时采集到的现场视频信息传输至嵌入式智能图像分析平台,嵌入式智能图像分析平台先对近红外图像二值化处理,火焰目标提取,火焰目标跟踪,特征提取,火焰判决处理流程,得到近红外图像下的火焰空间定位信息与特征数据;
h)嵌入式智能图像分析平台根据近红外图像的火焰空间定位信息,通过预标定匹配关系,映射至高清彩色图像数据上进行二次图像火焰识别;
i)二次图像火焰识别在预标定匹配的高清彩色图像的兴趣子区域内,依据火焰颜色空间分布特征进行种子生长,修正并完整提取高清彩色图像下火焰目标,并完成特征提取与二次图像火焰判决;
j)二次图像火焰判决结合近红外图像火焰特征及高清彩色图像火焰特征进行复合判决,确定是否为火灾火焰目标,并通过嵌入式智能图像分析平台将实时现场高清视频及火灾火焰处理信息通过网络传输至监控室内,供现场监控人员观看,确认。
优选的,一种基于双波段的嵌入式图像火焰探测器的识别方法,其中双波段视频图像预标定匹配依据实时获取到的近红外视频图像与高清彩色图像数据进行特征点提取、匹配,自动建立空间映射预标定匹配模型。采用Harris角点检测的方法进行近红外待匹配特征点与高清彩色待匹配特征点的选取;采用绝对差值和(SAD)度量准则确定近红外特征点与高清彩色特征点的匹配关系;采用随机采样一致性方法(RANSAC)去除匹配特征点对中的异常值;最后根据待匹配特征点对的坐标数据,求解近红外图像空间坐标至高清彩色图像空间坐标的映射矩阵;求解得到的映射矩阵作为近红外图像至高清彩色图像的预标定匹配参数,存储至探测器参数设置内。
优选的,基于双波段的嵌入式图像火焰探测器的识别方法,其中近红外视频火焰目标提取,采用帧间差分法计算两帧图像的绝对差值图像,通过截断的OTSU方法计算二值化阈值,并完成二值化图像分割;
优选的,一种基于双波段的嵌入式图像火焰探测器的识别方法,其中截断的OTSU方法为避免二值化阈值陷入全局红外图像的噪声内,对原始数据去除小于阈值th1后的数据,对去除后的数据再采用OTSU的方法求得最佳二值化阈值;所述的近红外目标特征计算,依据每一帧火焰目标的重心坐标及面积特征进行目标匹配构建火焰特征时序链表;匹配原则为对重心坐标数据采用绝对差值和(SAD)度量准则确定匹配关系,同时检测匹配后的面积变化率,当最小绝对差值和大于th2或者面积变化率大于th3时,判定为新目标不进行匹配挂链;计算每一帧的火焰目标亮度均值,方差,面积,重心,长宽比,圆形度并加入火焰特征时序链表中构成疑似火焰目标的特征向量,当疑似火焰目标的特征向量与历史存储的火焰目标特征向量的距离度量小于设定的阈值th4时,该疑似目标为火焰目标,并将其目标的外接矩形框空间坐标映射至高清彩色视频图像中;
优选的,一种基于双波段的嵌入式图像火焰探测器的识别方法,其中高清彩色视频兴趣子区域目标提取,计算其R,G,B及S分量,其中R为红色通道分量值,B为蓝色通道分量值,G为绿色通道分量值,S为HSV模型下的纯度值;
当R≥B≥G,且R≥th5,S<th6时,该点为彩色图像下的火焰目标前景点;
对上述提取到的火焰目标前景点进行种子生长,用于消除预标定匹配误差及火焰目标内部孔洞;生长准则为8邻域连通且R0≥B0≥G0,且R0≥th7,且D0<th8;R0,B0,G0为待生长点的红蓝绿值,D0为待生长点与初始种子点的欧式距离;对每帧高清彩色视频兴趣子区域内提取到的火焰目标,分别计算其RGB三通道均值,重心,及目标面积值,圆形度构成彩色火焰目标特征向量,当该特征向量与历史存储的火焰目标特征向量的距离度量小于设定的阈值th9时,发出火灾报警信号,并输出火灾位置信息。
以上所述的本发明实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (7)
1.一种基于双波段的嵌入式图像火焰探测器,包括外壳,其特征在于,所述外壳包含双波段视频采集组件和嵌入式智能火焰分析平台组成;其中双波段视频采集组件包括一个加装近红外滤光片的黑白CCD模组、一个高清彩色模组;双波段视频采集组件中的双模组位于外壳前端同一水平位置,并尽可能接近相邻,以减少双目视频图像的视场差;两个模组采用相同的定焦镜头,具有相同视场角范围;双波段视频采集组件与嵌入式智能图像火焰分析平台通过支架固定在一个外壳内,采集组件的视频输出连接至分析平台的视频采集接口,从而构成一个整体。
2.根据权利要求1所述一种基于双波段的嵌入式图像火焰探测器,其特征在于,所述双波段视频采集组件采集的近红外图像数据,采用D1分辨率格式的黑白CCD模组前端加装近红外滤光片的方式实现;该黑白CCD的光谱响应范围为380nm~1100nm,加装的红外滤光片为截止型红外滤光片,截止中心频率为750nm,从而获取到750nm~1100nm的近红外图像数据;高清彩色模组分辨率为1080p,并具有日夜切换模式。
3.根据权利要求1所述基于双波段的嵌入式图像火焰探测器的识别方法,所述识别方法通过下述步骤进行图像火焰识别:
a)嵌入式图像火焰探测器通过预标定匹配的形式进行近红外图像与高清彩色图像的空间匹配关系的预标定匹配;
b)实时监控过程中,双波段视频图像采集组件将实时采集到的现场视频信息传输至嵌入式智能图像分析平台,嵌入式智能图像分析平台先对近红外图像二值化处理,火焰目标提取,火焰目标跟踪,特征提取,火焰判决处理流程,得到近红外图像下的火焰空间定位信息与特征数据;
c)嵌入式智能图像分析平台根据近红外图像的火焰空间定位信息,通过预标定匹配关系,映射至高清彩色图像数据上进行二次图像火焰识别;
d)二次图像火焰识别在预标定匹配的高清彩色图像的兴趣子区域内,依据火焰颜色空间分布特征进行种子生长,修正并完整提取高清彩色图像下火焰目标,并完成特征提取与二次图像火焰判决;
e)二次图像火焰判决结合近红外图像火焰特征及高清彩色图像火焰特征进行复合判决,确定是否为火灾火焰目标,并通过嵌入式智能图像分析平台将实时现场高清视频及火灾火焰处理信息通过网络传输至监控室内,供现场监控人员观看,确认。
4.根据权利要求3所述基于双波段的嵌入式图像火焰探测器的识别方法,其中双波段视频图像预标定匹配依据实时获取到的近红外视频图像与高清彩色图像数据进行特征点提取、匹配,自动建立空间映射预标定匹配模型。采用Harris角点检测的方法进行近红外待匹配特征点与高清彩色待匹配特征点的选取;采用绝对差值和(SAD)度量准则确定近红外特征点与高清彩色特征点的匹配关系;采用随机采样一致性方法(RANSAC)去除匹配特征点对中的异常值;最后根据待匹配特征点对的坐标数据,求解近红外图像空间坐标至高清彩色图像空间坐标的映射矩阵;求解得到的映射矩阵作为近红外图像至高清彩色图像的预标定匹配参数,存储至探测器参数设置内。
5.根据权利要求3所述基于双波段的嵌入式图像火焰探测器的识别方法,其中近红外视频火焰目标提取,采用帧间差分法计算两帧图像的绝对差值图像,通过截断的OTSU方法计算二值化阈值,并完成二值化图像分割。
6.根据权利要求5所述基于双波段的嵌入式图像火焰探测器的识别方法,其中截断的OTSU方法为避免二值化阈值陷入全局红外图像的噪声内,对原始数据去除小于阈值th1后的数据,对去除后的数据再采用OTSU的方法求得最佳二值化阈值;所述的近红外目标特征计算,依据每一帧火焰目标的重心坐标及面积特征进行目标匹配构建火焰特征时序链表;匹配原则为对重心坐标数据采用绝对差值和(SAD)度量准则确定匹配关系,同时检测匹配后的面积变化率,当最小绝对差值和大于th2或者面积变化率大于th3时,判定为新目标不进行匹配挂链;计算每一帧的火焰目标亮度均值,方差,面积,重心,长宽比,圆形度并加入火焰特征时序链表中构成疑似火焰目标的特征向量,当疑似火焰目标的特征向量与历史存储的火焰目标特征向量的距离度量小于设定的阈值th4时,该疑似目标为火焰目标,并将其目标的外接矩形框空间坐标映射至高清彩色视频图像中。
7.根据权利要求3所述基于双波段的嵌入式图像火焰探测器的识别方法,其中高清彩色视频兴趣子区域目标提取,计算其R,G,B及S分量,其中R为红色通道分量值,B为蓝色通道分量值,G为绿色通道分量值,S为HSV模型下的纯度值;
当R≥B≥G,且R≥th5,S<th6时,该点为彩色图像下的火焰目标前景点;
对上述提取到的火焰目标前景点进行种子生长,用于消除预标定匹配误差及火焰目标内部孔洞;生长准则为8邻域连通且R0≥B0≥G0,且R0≥th7,且D0<th8;R0,B0,G0为待生长点的红蓝绿值,D0为待生长点与初始种子点的欧式距离;对每帧高清彩色视频兴趣子区域内提取到的火焰目标,分别计算其RGB三通道均值,重心,及目标面积值,圆形度构成彩色火焰目标特征向量,当该特征向量与历史存储的火焰目标特征向量的距离度量小于设定的阈值th9时,发出火灾报警信号,并输出火灾位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710548006.6A CN107123227A (zh) | 2017-07-06 | 2017-07-06 | 一种基于双波段的嵌入式图像火焰探测器及其识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710548006.6A CN107123227A (zh) | 2017-07-06 | 2017-07-06 | 一种基于双波段的嵌入式图像火焰探测器及其识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107123227A true CN107123227A (zh) | 2017-09-01 |
Family
ID=59730807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710548006.6A Pending CN107123227A (zh) | 2017-07-06 | 2017-07-06 | 一种基于双波段的嵌入式图像火焰探测器及其识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107123227A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108120514A (zh) * | 2017-12-22 | 2018-06-05 | 安徽龙运智能科技有限公司 | 一种烟火探测识别一体化装置 |
CN108765461A (zh) * | 2018-05-29 | 2018-11-06 | 北大青鸟环宇消防设备股份有限公司 | 一种消防火灾图像块提取和识别方法及其装置 |
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 |
CN111354152A (zh) * | 2018-12-24 | 2020-06-30 | 北京华航无线电测量研究所 | 一种火焰检测与定位系统 |
CN111353350A (zh) * | 2018-12-24 | 2020-06-30 | 北京华航无线电测量研究所 | 一种基于组合传感器图像融和技术的火焰检测与定位方法 |
CN112347942A (zh) * | 2020-11-09 | 2021-02-09 | 深圳英飞拓科技股份有限公司 | 一种火焰识别的方法及装置 |
CN113065421A (zh) * | 2021-03-19 | 2021-07-02 | 国网河南省电力公司电力科学研究院 | 一种充油设备多源光学火灾探测方法及系统 |
CN115083102A (zh) * | 2022-05-12 | 2022-09-20 | 成都雷探科技有限公司 | 基于灾情雷达的火灾灾情检测方法及系统 |
CN117451175A (zh) * | 2023-09-18 | 2024-01-26 | 南京审计大学 | 一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101458865A (zh) * | 2008-05-09 | 2009-06-17 | 丁国锋 | 一种火灾探测系统及方法 |
WO2012125731A3 (en) * | 2011-03-16 | 2012-12-27 | Honeywell International Inc. | Mwir sensor for flame detection |
CN103679720A (zh) * | 2013-12-09 | 2014-03-26 | 北京理工大学 | 一种基于小波分解与Harris角点检测的快速图像配准方法 |
CN104268853A (zh) * | 2014-03-06 | 2015-01-07 | 上海大学 | 一种红外图像与可见光图像配准方法 |
CN104971458A (zh) * | 2015-07-03 | 2015-10-14 | 合肥科大立安安全技术股份有限公司 | 基于自动跟踪定位射流灭火装置的多火源识别方法 |
CN105488941A (zh) * | 2016-01-15 | 2016-04-13 | 中林信达(北京)科技信息有限责任公司 | 基于红外-可见光图像的双光谱森林火情监测方法及装置 |
-
2017
- 2017-07-06 CN CN201710548006.6A patent/CN107123227A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101458865A (zh) * | 2008-05-09 | 2009-06-17 | 丁国锋 | 一种火灾探测系统及方法 |
WO2012125731A3 (en) * | 2011-03-16 | 2012-12-27 | Honeywell International Inc. | Mwir sensor for flame detection |
CN103679720A (zh) * | 2013-12-09 | 2014-03-26 | 北京理工大学 | 一种基于小波分解与Harris角点检测的快速图像配准方法 |
CN104268853A (zh) * | 2014-03-06 | 2015-01-07 | 上海大学 | 一种红外图像与可见光图像配准方法 |
CN104971458A (zh) * | 2015-07-03 | 2015-10-14 | 合肥科大立安安全技术股份有限公司 | 基于自动跟踪定位射流灭火装置的多火源识别方法 |
CN105488941A (zh) * | 2016-01-15 | 2016-04-13 | 中林信达(北京)科技信息有限责任公司 | 基于红外-可见光图像的双光谱森林火情监测方法及装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108120514A (zh) * | 2017-12-22 | 2018-06-05 | 安徽龙运智能科技有限公司 | 一种烟火探测识别一体化装置 |
CN108765461A (zh) * | 2018-05-29 | 2018-11-06 | 北大青鸟环宇消防设备股份有限公司 | 一种消防火灾图像块提取和识别方法及其装置 |
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 |
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 |
CN111354152A (zh) * | 2018-12-24 | 2020-06-30 | 北京华航无线电测量研究所 | 一种火焰检测与定位系统 |
CN111353350A (zh) * | 2018-12-24 | 2020-06-30 | 北京华航无线电测量研究所 | 一种基于组合传感器图像融和技术的火焰检测与定位方法 |
CN111353350B (zh) * | 2018-12-24 | 2023-05-12 | 北京华航无线电测量研究所 | 一种基于组合传感器图像融和技术的火焰检测与定位方法 |
CN112347942A (zh) * | 2020-11-09 | 2021-02-09 | 深圳英飞拓科技股份有限公司 | 一种火焰识别的方法及装置 |
CN113065421A (zh) * | 2021-03-19 | 2021-07-02 | 国网河南省电力公司电力科学研究院 | 一种充油设备多源光学火灾探测方法及系统 |
CN115083102A (zh) * | 2022-05-12 | 2022-09-20 | 成都雷探科技有限公司 | 基于灾情雷达的火灾灾情检测方法及系统 |
CN115083102B (zh) * | 2022-05-12 | 2024-03-19 | 成都雷探科技有限公司 | 基于灾情雷达的火灾灾情检测方法及系统 |
CN117451175A (zh) * | 2023-09-18 | 2024-01-26 | 南京审计大学 | 一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107123227A (zh) | 一种基于双波段的嵌入式图像火焰探测器及其识别方法 | |
CN106548467B (zh) | 红外图像和可见光图像融合的方法及装置 | |
WO2017059774A1 (en) | Methods and systems for fusion display of thermal infrared and visible image | |
CN108596849A (zh) | 一种基于天空区域分割的单幅图像去雾方法 | |
CN103164695B (zh) | 一种基于多源图像信息融合的果实识别方法 | |
CN103974053B (zh) | 一种基于灰点提取的自动白平衡矫正方法 | |
US20220254014A1 (en) | Information processing apparatus, information processing method, program, and sensing system | |
CN105225235B (zh) | 一种基于多光谱特征的视频火焰检测方法 | |
CN106537217B (zh) | 宽视野深度成像 | |
CN114821376B (zh) | 一种基于深度学习的无人机影像地质灾害自动提取方法 | |
CN102300100A (zh) | 一种白平衡控制装置及方法 | |
Kaizu et al. | A dual-spectral camera system for paddy rice seedling row detection | |
CN107707789A (zh) | 使用单色成像器和颜色映射传感器进行单色‑彩色映射 | |
CN107490967A (zh) | 适应光照度突变的采摘机器人目标自主识别系统及其方法 | |
Sánchez-González et al. | Basal area and diameter distribution estimation using stereoscopic hemispherical images | |
CN106911919A (zh) | 彩色图像传感器及彩色图像成像方法 | |
CN108012135B (zh) | 图像处理方法及装置、计算机可读存储介质和计算机设备 | |
Ding et al. | FCM image segmentation algorithm based on color space and spatial information | |
KR102047255B1 (ko) | 전천 영상을 이용한 구름량 자동 관측 방법 | |
Aghaei et al. | A flying gray ball multi-illuminant image dataset for color research | |
CN113762161A (zh) | 一种障碍物智能监测方法及系统 | |
CN114022820A (zh) | 一种基于机器视觉的航标灯灯质智能检测方法 | |
CN110909571A (zh) | 一种高精度面部识别空间定位方法 | |
CN103900498B (zh) | 一种棉田苗情自动探测方法及其探测装置 | |
CN108090910A (zh) | 一种基于信息熵梯度简化pcnn模型的夜间室外番茄植株图像分割算法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170901 |
|
RJ01 | Rejection of invention patent application after publication |