CN107346421A - 一种基于颜色不变性的视频烟雾检测方法 - Google Patents
一种基于颜色不变性的视频烟雾检测方法 Download PDFInfo
- Publication number
- CN107346421A CN107346421A CN201710487585.8A CN201710487585A CN107346421A CN 107346421 A CN107346421 A CN 107346421A CN 201710487585 A CN201710487585 A CN 201710487585A CN 107346421 A CN107346421 A CN 107346421A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- image
- mtr
- 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.)
- Granted
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
- 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
-
- 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
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提出了一种基于颜色不变性的视频烟雾检测方法，首先自适应更新图像序列的背景，获得实时背景图像；然后对当前图像和背景图像做归一化处理，获得具有平移不变性和尺度缩放不变性的图像；接着对归一化后的当前图像和背景图像利用光学增益检测运动区域，利用烟雾光学特性滤除不具有烟雾颜色的运动区域；最后对具有烟雾颜色的运动区域通过颜色不变性描述子最终确认烟雾区域。本方法计算量小，实时高效，对户外监控视频中经常遇到的光照变化和噪声腐蚀有很好的鲁棒性。
Description
技术领域
本发明属于模式识别领域，特别涉及一种基于颜色不变性的视频烟雾检测方法。
背景技术
全世界每天发生火灾上万起，造成数百人死亡。为了能够及时发现火灾，相关企业根据烟雾、气体、温度等物理量变化，设计了感温、感烟、感光等多种烟雾探测器。火灾规律表明，火情烟雾的出现早于明火的出现，火焰较小时容易被树遮挡，但烟雾不容易被遮挡，因此烟雾在早期火灾检测中起着重要作用，基于视频监控的烟雾检测已经引起广泛关注。
专利申请号为CN201510170159.2，发明名称为“基于多特征融合的视频烟雾检测方法”的中国专利，首先对训练视频序列提取运动目标，对疑似烟雾区域提取形状不规则特征、面积增长特征和K个背景模糊特征，进行判定是否为烟雾。专利申请号为CN201610657250.1，发明名称为“一种基于颜色混合模型和多特征组合的视频烟雾检测方法”的中国专利，首先提取疑似烟雾区域，然后根据运动速度均值与方差、烟雾的运动方向、烟雾面积增长率对疑似烟雾区域进行烟雾识别。上述两种方法主要依赖烟雾的运动特征，对烟雾颜色这一本质特征运用较少，且运动区域的提取只靠简单的背景减法，在光照变化强烈的时候，运动区域的检测准确率会大大降低，从而烟雾检测准确率会降低。
发明内容
本发明所解决的技术问题在于提供一种基于颜色不变性的视频烟雾检测方法，提高了烟雾检测准确率，适用于光照变化强烈的情况。
该方法首先通过归一化，使RGB图像获得平移不变性和尺度缩放不变性，从而对户外监控视频中经常遇到的光照变化和噪声腐蚀有很好的鲁棒性。其次，利用光学增益，大大提高运动区域检测的准确率。同时，本发明还提出一种新的基于YUV颜色空间的烟雾颜色特征。
实现本发明目的的技术解决方案为：一种基于颜色不变性的视频烟雾检测方法，包含以下步骤：
步骤1、读取视频图像序列；
步骤2、自适应更新图像序列的背景，获得实时背景图像；
步骤3、对当前图像和背景图像做归一化处理，获得具有平移不变性和尺度缩放不变性的图像；
步骤4、对归一化后的当前图像和背景图像利用光学增益检测运动区域；
步骤5、利用烟雾光学特性滤除不具有烟雾颜色的运动区域；
步骤6、对具有烟雾颜色的运动区域通过颜色不变性描述子最终确认烟雾区域。
本发明与现有技术相比，其显著优点是：(1)本发明方法建立了自适应背景更新模型，有效解决了光照随时间产生局部变化的问题；(2)本发明方法以Diagonal-offset模型为理论基础，对RGB图像进行归一化处理，获得了平移不变性和尺度缩放不变性，对光照变化和噪声具有很好的鲁棒性；(3)本发明方法利用光学增益，大大提高了运动区域检测的准确率；(4)本发明方法计算量小，实时高效。
附图说明
图1是本发明的方法流程图。
图2是本发明的算法流程图。
图3是本发明的RGB图像归一化后的效果图，(a)为原图像，(b)为归一化后的图像。
图4是本发明的运动区域检测的效果图。
图5是RGB颜色空间转换到YUV颜色空间的效果图，(a)为RGB图像，(b)为Y分量图像，(c)为U分量图像，(d)为V分量图像。
图6是与图5对应的U-V统计直方图，(a)为烟雾颜色区域的统计直方图，(b)为非烟雾颜色区域的统计直方图。
图7是本发明的颜色不变描述子图。
图8是本发明实施例的结果图。
具体实施方式
下面结合附图和具体实施方式进一步阐述本发明方案。
如图1-2所示，基于颜色不变性的视频烟雾检测方法，包含以下步骤：
步骤1，读取视频图像序列n(n＝1,2,…,N)；
步骤2，建立鲁棒的自适应背景更新模型：自适应更新图像序列的背景，获得实时背景图像，具体的：
令I(x,y,n)表示第n帧图像上像素点(x,y)的强度值，通过下列不等式确定该像素点是否运动，若满足：
|I(x,y,n)-I(x,y,n-1)|＞T(x,y,n)，
则判定该像素点为运动点，否则判定该像素点不是运动点，式中，T(x,y,n)是描述像素点(x,y)强度变化的阈值。
阈值T(x,y,n)通过下式实现自适应更新：
式中，b为阈值更新速率，c为大于1的实数值，B(x,y,n)为(x,y)处预估的背景强度值，
背景图像B(x,y,n+1)由下式预估：
式中，a为背景更新速率。
步骤3，照度不变颜色表述：对归一化后的当前图像和背景图像利用光学增益检测运动区域，具体的：
以著名的Diagonal-offset模型为理论基础，对RGB图像归一化，从而获得平移不变性和尺度缩放不变性。
Diagonal-offset模型：
对RGB图像的三个通道分别被归一化：
式中，μc和σc分别是图像在通道c上的均值和标准差，R'、G'、B'分别是归一化后的三个通道。图3是RGB图像归一化后的效果图，可以看出光照较暗或较亮时，图像归一化结果相同。
步骤4，运动区域检测：对归一化后的当前图像和背景图像利用光学增益检测运动区域，具体的：
先对图像做8×8的分块处理，然后对每一个分块利用光学增益检测运动区域，对于每个通道c∈{R',G',B'}，计算光学增益的公式为：
式中，和分别是当前图像和背景图像在通道c的强度值，表示在通道c背景图像和当前图像差分的绝对值；
最后根据判断模块是否为运动块：
式中，|bi,j|为模块bi,j的面积，Tr为阈值，Tr取值0.3。图4是运动区域检测的效果图，可以看出利用光学增益检测运动区域的准确率很高。
步骤5，利用烟雾的光度特性，滤除不属于烟雾颜色的运动像素点，具体的：
首先，将图像从RGB颜色空间转换到YUV颜色空间：
Y＝0.299R+0.587G+0.114B
U＝-0.1687-0.3313G+0.5B+128
V＝0.5R-0.4187G-0.813B+128
图5是RGB颜色空间转换到YUV颜色空间的效果图，图6是对应的U-V的统计直方图，可以看出，烟雾区域和非烟雾区域的U-V有很大差别，因此利用阈值可以滤除非烟雾区域；
然后，根据U值和V值判断运动区域是否为烟雾，若满足：
则判定是烟雾，否则判定不是烟雾，式中，TU为烟雾的U值阈值，取值60，TUV为烟雾的UV差值阈值，取值70。
步骤6，对具有烟雾颜色的运动区域通过颜色不变性描述子最终确认烟雾区域，具体的：
首先，分别计算前景和背景的两个颜色不变颜色描述子，即色调方向梯度直方图，如图7所示，横坐标为梯度方向，纵坐标为对应梯度方向上梯度大小的求和；
然后，计算对应直方图的卡方距离
式中，为当前景的色调方向梯度直方图，为背景的色调方向梯度直方图，图7上D即为所求卡方距离；
最后，最终确认烟雾区域：
式中，Tg为距离阈值，取值0.25。
下面结合具体实施例对本发明作进一步详细描述。
实施例1
利用来自毕尔肯大学的真实烟雾视频来检测本文方法。所用视频来源于网络公共视频库http://signal.ee.bilkent.edu.tr/VisiFire/Demo/SmokeClips。共用6组不同环境下视频序列来检测，分别为：sWindow.avi、sBehindtheFence.avi、sEmptyR1.avi、sMoky.avi、sWasteBasket.avi、sBtFence2.avi。这些视频包含在光照变化条件下的户外环境和户内环境。检测效果如图8所示，可以看出，本发明方法烟雾检测准确率很高，性能稳定，有效的排除了刚性运动物体(如人)和相似颜色(如天空)的干扰。
Claims (6)
1.一种基于颜色不变性的视频烟雾检测方法，包含以下步骤：
步骤1、读取视频图像序列；
步骤2、自适应更新图像序列的背景，获得实时背景图像；
步骤3、对当前图像和背景图像做归一化处理，获得具有平移不变性和尺度缩放不变性的图像；
步骤4、对归一化后的当前图像和背景图像利用光学增益检测运动区域；
步骤5、利用烟雾光学特性滤除不具有烟雾颜色的运动区域；
步骤6、对具有烟雾颜色的运动区域通过颜色不变性描述子最终确认烟雾区域。
2.根据权利要求1所述的基于颜色不变性的视频烟雾检测方法，其特征在于，步骤2获得实时背景图像的具体方法为：
步骤2.1、确定像素点是否运动，令I(x,y,n)表示第n帧图像上像素点(x,y)的强度值，若满足
|I(x,y,n)-I(x,y,n-1)|＞T(x,y,n)
则判定该像素点为运动点，否则判定该像素点不是运动点，式中，T(x,y,n)是描述像素点(x,y)强度变化的阈值；
步骤2.2、更新阈值T(x,y,n+1)：
式中，b为阈值更新速率，c为大于1的实数值，B(x,y,n)为(x,y)处预估的背景强度值；
步骤2.3、更新第n+1帧的背景图像B(x,y,n+1)：
式中，a为背景更新速率。
3.根据权利要求1所述的基于颜色不变性的视频烟雾检测方法，其特征在于，步骤3归一化处理的具体方法为：对R、G、B图像的三个通道分别进行归一化：
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msup>
<mi>R</mi>
<mo>&prime;</mo>
</msup>
</mtd>
</mtr>
<mtr>
<mtd>
<msup>
<mi>G</mi>
<mo>&prime;</mo>
</msup>
</mtd>
</mtr>
<mtr>
<mtd>
<msup>
<mi>B</mi>
<mo>&prime;</mo>
</msup>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<mi>R</mi>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>R</mi>
</msub>
</mrow>
<msub>
<mi>&sigma;</mi>
<mi>R</mi>
</msub>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mi>G</mi>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>G</mi>
</msub>
</mrow>
<msub>
<mi>&sigma;</mi>
<mi>G</mi>
</msub>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mi>B</mi>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>B</mi>
</msub>
</mrow>
<msub>
<mi>&sigma;</mi>
<mi>B</mi>
</msub>
</mfrac>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中，μc和σc分别是图像在通道c上的均值和标准差，R'、G'、B'分别是归一化后的三个通道。
4.根据权利要求1所述的方法，其特征在于，步骤4检测运动区域的具体方法为：
步骤4.1、对图像做8×8的分块处理；
步骤4.2、对每一个分块利用光学增益检测运动区域，对于每个通道c∈{R',G',B'}，计算光学增益的公式为：
式中，和分别是当前图像和背景图像在通道c的强度值，表示在通道c背景图像和当前图像差分的绝对值；
步骤4.3、根据判断模块是否为运动块：
<mrow>
<msub>
<mi>r</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mfrac>
<mn>1</mn>
<mrow>
<mo>|</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>|</mo>
</mrow>
</mfrac>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
<mo>&Element;</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</munder>
<msub>
<mi>&Lambda;</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>></mo>
<msub>
<mi>T</mi>
<mi>r</mi>
</msub>
</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>
式中，|bi,j|为模块bi,j的面积，Tr为阈值。
5.根据权利要求1所述的方法，其特征在于，步骤5中滤除不属于烟雾颜色的运动像素点的具体方法为：
步骤5.1、将图像从RGB颜色空间转换到YUV颜色空间：
Y＝0.299R+0.587G+0.114B
U＝-0.1687-0.3313G+0.5B+128
V＝0.5R-0.4187G-0.813B+128
步骤5.2、根据U值和V值判断运动区域是否为烟雾，若满足：
Rule I:
Rule II:
则判定是烟雾，否则判定不是烟雾，式中，TU为烟雾的U值阈值，TUV为烟雾的UV差值阈值。
6.根据权利要求1所述的方法，其特征在于，步骤6最终确认烟雾区域的具体方法为：
步骤6.1、分别计算当前景和背景图像的色调方向梯度直方图和
步骤6.2、计算当前景和背景直方图的卡方距离
<mrow>
<msup>
<mi>&chi;</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>H</mi>
<mi>F</mi>
<mi>g</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>H</mi>
<mi>B</mi>
<mi>g</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mi>&Sigma;</mi>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>H</mi>
<mi>F</mi>
<mi>g</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>H</mi>
<mi>B</mi>
<mi>g</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<msubsup>
<mi>H</mi>
<mi>F</mi>
<mi>g</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>H</mi>
<mi>B</mi>
<mi>g</mi>
</msubsup>
</mrow>
</mfrac>
</mrow>
步骤6.3、根据卡方距离和距离阈值最终确认烟雾区域：
Rule:
式中，Tg为距离阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710487585.8A CN107346421B (zh) | 2017-06-23 | 2017-06-23 | 一种基于颜色不变性的视频烟雾检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710487585.8A CN107346421B (zh) | 2017-06-23 | 2017-06-23 | 一种基于颜色不变性的视频烟雾检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107346421A true CN107346421A (zh) | 2017-11-14 |
| CN107346421B CN107346421B (zh) | 2021-05-04 |
Family
ID=60256619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710487585.8A Active CN107346421B (zh) | 2017-06-23 | 2017-06-23 | 一种基于颜色不变性的视频烟雾检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107346421B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109883907A (zh) * | 2017-12-06 | 2019-06-14 | 九阳股份有限公司 | 一种基于图像的烹饪烟雾检测方法和智能烟机 |
| CN110765982A (zh) * | 2019-11-07 | 2020-02-07 | 中国人民解放军国防科技大学 | 基于变化累积图和级联深度网络的视频烟雾检测方法 |
| CN114187734A (zh) * | 2021-12-01 | 2022-03-15 | 深圳市中西视通科技有限公司 | 一种用于烟雾报警的图像识别方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106339664A (zh) * | 2016-08-10 | 2017-01-18 | 杭州电子科技大学 | 一种基于颜色混合模型和多特征组合的视频烟雾检测方法 |
| CN106355566A (zh) * | 2016-10-10 | 2017-01-25 | 浙江树人大学 | 一种应用于固定摄像机动态视频序列的烟雾与火焰探测方法 |
-
2017
- 2017-06-23 CN CN201710487585.8A patent/CN107346421B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106339664A (zh) * | 2016-08-10 | 2017-01-18 | 杭州电子科技大学 | 一种基于颜色混合模型和多特征组合的视频烟雾检测方法 |
| CN106355566A (zh) * | 2016-10-10 | 2017-01-25 | 浙江树人大学 | 一种应用于固定摄像机动态视频序列的烟雾与火焰探测方法 |
Non-Patent Citations (4)
| Title |
|---|
| FINLAYSON G D ET AL: "Convex programming colour constancy with a diagonal-offset model", 《IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
| LEONE A ET AL: "Shadow detection for moving objects based on texture analysis", 《PATTERN RECOGNITION》 * |
| PELE O ET AL: "The quadratic-chi histogram distance family", 《PROC OF ECCV 》 * |
| 王习越等: "基于多特征融合的户外视频烟雾检测算法", 《图形图像》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109883907A (zh) * | 2017-12-06 | 2019-06-14 | 九阳股份有限公司 | 一种基于图像的烹饪烟雾检测方法和智能烟机 |
| CN110765982A (zh) * | 2019-11-07 | 2020-02-07 | 中国人民解放军国防科技大学 | 基于变化累积图和级联深度网络的视频烟雾检测方法 |
| CN114187734A (zh) * | 2021-12-01 | 2022-03-15 | 深圳市中西视通科技有限公司 | 一种用于烟雾报警的图像识别方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107346421B (zh) | 2021-05-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
| CN107609470B (zh) | 野外火灾早期烟雾视频检测的方法 | |
| CN110135269B (zh) | 一种基于混合颜色模型与神经网络的火灾图像检测方法 | |
| CN105279787B (zh) | 基于拍照的户型图识别生成三维房型的方法 | |
| CN105719247B (zh) | 基于特征学习的单幅图像去雾方法 | |
| CN109558806B (zh) | 高分遥感图像变化的检测方法 | |
| CN110188835B (zh) | 基于生成式对抗网络模型的数据增强行人再识别方法 | |
| CN110889813A (zh) | 基于红外信息的低光图像增强方法 | |
| CN103093198B (zh) | 一种人群密度监测方法及装置 | |
| CN102567722B (zh) | 一种基于码本模型和多特征的早期烟雾检测方法 | |
| CN103679704B (zh) | 一种基于光照补偿的视频运动阴影检测方法 | |
| CN105913441A (zh) | 一种用于改善视频中目标检测性能的阴影去除方法 | |
| CN106204594A (zh) | 一种基于视频图像的弥散性运动物体的方向检测方法 | |
| CN114202646A (zh) | 一种基于深度学习的红外图像吸烟检测方法与系统 | |
| CN103093203A (zh) | 一种人体再识别方法以及人体再识别系统 | |
| CN106296744A (zh) | 一种结合自适应模型和多阴影属性的运动目标检测方法 | |
| CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
| CN104835145A (zh) | 基于自适应Codebook背景模型的前景检测方法 | |
| Huerta et al. | Exploiting multiple cues in motion segmentation based on background subtraction | |
| CN107346421A (zh) | 一种基于颜色不变性的视频烟雾检测方法 | |
| CN111985314B (zh) | 一种基于ViBe与改进LBP的烟雾检测方法 | |
| CN115393774A (zh) | 一种轻量化的火灾烟雾检测方法、终端设备及存储介质 | |
| CN111460964A (zh) | 一种广电传输机房低照度条件下运动目标检测方法 | |
| CN107274374A (zh) | 一种基于计算机视觉技术的烟雾监测方法 | |
| CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Guo Shanhong Inventor after: Zhou Wenzhong Inventor after: Xie Renhong Inventor after: Rui Yibin Inventor after: Li Peng Inventor after: Wang Hui Inventor before: Zhou Wenzhong Inventor before: Guo Shanhong Inventor before: Xie Renhong Inventor before: Rui Yibin Inventor before: Li Peng Inventor before: Wang Hui |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |