CN107704820A - 一种有效的煤矿火灾检测系统 - Google Patents
一种有效的煤矿火灾检测系统 Download PDFInfo
- Publication number
- CN107704820A CN107704820A CN201710901987.8A CN201710901987A CN107704820A CN 107704820 A CN107704820 A CN 107704820A CN 201710901987 A CN201710901987 A CN 201710901987A CN 107704820 A CN107704820 A CN 107704820A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- image
- mfrac
- 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
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000013459 approach Methods 0.000 claims abstract description 5
- 238000004519 manufacturing process Methods 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 5
- 210000000352 storage cell Anatomy 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 239000003245 coal Substances 0.000 abstract description 7
- 238000005286 illumination Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 abstract description 4
- 239000000428 dust Substances 0.000 abstract description 3
- 238000011897 real-time detection Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000000779 smoke Substances 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
Abstract
一种有效的煤矿火灾检测系统,包括视频图像采集模块、图像处理模块和远程监控中心,所述视频图像采集模块用于采集井下监控区域的视频图像,所述图像处理模块用于对所述视频图像进行处理,从而进行火灾检测,所述远程监控中心用于将图像处理模块的处理结果以及所述视频图像进行显示和存储,并在检测到火灾发生时进行报警。本发明的有益效果为:提出一种基于图像特征的煤矿火灾检测系统,针对煤矿井图像噪声大、对比度低以及多粉尘的特点,采用一种基于模糊算法的图像增强方法,实现低照度、光照不均匀情况下的图像增强,从而能够准确、实时的检测煤矿井下的火焰、烟雾目标,从而避免火灾的发生。
Description
技术领域
本发明创造涉及煤矿安全监测技术领域,具体涉及一种有效的煤矿火灾检测系统。
背景技术
近年来,随着煤矿综采工作面的增加和采掘机电设备的高度集中,以及胶带输送机的大量使用,致使矿井火灾危害日趋严重,火灾发生的比例大幅度增加。目前,矿井内采用的火灾检测设备通常采用基于电信号传感器的测温系统,存在着易受电磁干扰,效率不高,需要人工操作,不能在线测量的缺陷,因此,研究一种新的矿井火灾检测系统,对于我国煤矿的安全生产具有重要的意义。
人类获取信息的主要来源之一是视觉信息,随着图像识别技术的发展和完善,基于图像型的火灾检测装置具有非接触性、直观性和远距离等优势,因此,现在发展成一种新型的、有效的检测方式,本系统提出一种基于图像特征的煤矿火灾监测系统,通过实时采集煤矿井下的视频图像信息,并基于视频图像处理、模式识别等技术对火灾隐患进行智能检测,并在异常情况时进行预警,从而实现了煤矿的实时火灾检测。
发明内容
针对上述问题,本发明旨在提供一种有效的煤矿火灾检测系统。
本发明创造的目的通过以下技术方案实现:
一种有效的煤矿火灾检测系统,包括视频图像采集模块、图像处理模块和远程监控中心,所述视频图像采集模块用于采集井下监控区域的视频图像,所述图像处理模块用于对所述视频图像进行处理,从而进行火灾检测,所述远程监控中心用于将图像处理模块的处理结果以及所述视频图像进行显示和存储,并在检测到火灾发生时进行报警。
本发明创造的有益效果:提出一种基于图像特征的煤矿火灾检测系统,针对煤矿井图像噪声大、对比度低以及多粉尘的特点,采用一种基于模糊算法的图像增强方法,实现低照度、光照不均匀情况下的图像增强,从而能够准确、实时的检测煤矿井下的火焰、烟雾目标,从而避免火灾的发生。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图;
附图标记:
视频图像采集模块1;图像处理模块2;远程监控中心3;图像预处理单元21;特征提取单元22;图像识别单元23;结果显示单元31;数据存储单元32;火灾报警单元33。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种有效的煤矿火灾检测系统,包括视频图像采集模块1、图像处理模块2和远程监控中心3,所述视频图像采集模块1用于采集井下监控区域的视频图像,所述图像处理模块2用于对所述视频图像进行处理,从而进行火灾检测,所述远程监控中心3用于将图像处理模块2的处理结果以及所述视频图像进行显示和存储,并在检测到火灾发生时进行报警。
优选地,所述视频图像采集模块1包括CCD摄像头和视频采集卡,所述CCD摄像头用于采集监控区域内的视频图像,所述视频采集卡用于将所述视频图像转换为数字图像信号,并将所述数字图像信号传入图像处理模块2。
优选地,所述远程监控中心3包括结果显示单元31、数据存储单元32以及火灾报警单元33,所述结果显示单元31用于将图像处理模块2的处理结果以及视频监控信息进行显示,所述数据存储单元32用于存储所述处理结果和视频监控信息,所述火灾报警单元33用于在检测到火灾发生时进行报警。
本优选实施例提出的一种基于图像特征的煤矿火灾检测系统,针对煤矿井图像噪声大、对比度低以及多粉尘的特点,采用一种基于模糊算法的图像增强方法,实现低照度、光照不均匀情况下的图像增强,从而能够准确、实时的检测煤矿井下的火焰、烟雾目标,从而避免火灾的发生。
优选地,所述图像处理模块2用于对所述数字图像进行处理,包括图像预处理单元21、特征提取单元22和图像识别单元23,所述图像预处理单元21用于对所述数字图像进行增强处理,并对目标进行分割,提取出目标区域,所述特征提取单元22在所述目标区域中提取火灾的动静态特征,所述图像识别单元23用于根据提取的火灾的动静态特征进行火灾检测。
优选地,所述图像预处理单元21采用一种改进的模糊算法进行图像增强,具体为:
a.定义新的模糊隶属度函数:
式中,uij是像素点(i,j)的隶属度,xij是像素点(i,j)的灰度级,Xmin时所述视频图像的最小灰度值,Xmax是所述视频图像的最大灰度值,是所述视频图像的平均灰度值;
b.定义模糊变换函数:
uij′=Ir(uij)=Ir(Ir-1(uij)),r=1,2,3…
式中,r为迭代次数,uc为图像增强的模糊阈值,uij是像素点(i,j)的隶属度;
c.选取图像增强的模糊阈值uc,定义所述视频图像的灰度级为[0,L-1],阈值c将图像中的像素按其灰度级划分为C0={0,1,…,c}和C1={c+1,c+2,…,L-1},则最佳的模糊阈值uc为:
式中,pi为灰度级为i的像素出现的概率,ω0(c)和ω1(c)分别为C0和C1类的像素数占总像素的概率,μ0(c)和μ1(c)分别为C0和C1类中像素的平均灰度值。
本优选实施例采用改进的隶属度函数,在函数中引进了帧中的最大、最小和平均灰度值,降低井下图像的强光区亮度,增强低照度部分的像素亮度,改善了井下图像中光照分布不均匀的现象;采用改进增强算子在图像的模糊特征平面上对uij进行非线性变换,从而起到了增强大于uc的uij的值,衰减了小于uc的uij的值;采用改进的OTSU算法进行模糊阈值的选择,摆脱了图像处理过程中的人工干预,实现了模糊增强阈值的自动选取。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (5)
1.一种有效的煤矿火灾检测系统,其特征是,包括视频图像采集模块、图像处理模块和远程监控中心,所述视频图像采集模块用于采集井下监控区域的视频图像,所述图像处理模块用于对所述视频图像进行处理,从而进行火灾检测,所述远程监控中心用于将图像处理模块的处理结果以及所述视频图像进行显示和存储,并在检测到火灾发生时进行报警。
2.根据权利要求1所述的一种有效的煤矿火灾检测系统,其特征是,所述视频图像采集模块包括CCD摄像头和视频采集卡,所述CCD摄像头用于采集监控区域内的视频图像,所述视频采集卡用于将所述视频图像转换为数字图像信号,并将所述数字图像信号传入图像处理模块。
3.根据权利要求2所述的一种有效的煤矿火灾检测系统,其特征是,所述远程监控中心包括结果显示单元,数据存储单元以及火灾报警单元,所述结果显示单元用于将图像处理模块的处理结果以及视频监控信息进行显示,所述数据存储单元用于存储所述处理结果和视频监控信息,所述火灾报警单元用于在检测到火灾发生时进行报警。
4.根据权利要求3所述的一种有效的煤矿火灾检测系统,其特征是,所述图像处理模块用于对所述数字图像进行处理,包括图像预处理单元、特征提取单元和图像识别单元,所述图像预处理单元用于对所述数字图像进行增强处理,并对目标进行分割,提取出目标区域,所述特征提取单元在所述目标区域中提取火灾的动静态特征,所述图像识别单元用于根据提取的火灾的动静态特征进行火灾检测。
5.根据权利要求4所述的一种有效的煤矿火灾检测系统,其特征是,所述图像预处理单元采用一种改进的模糊算法进行图像增强,具体为:
a.定义新的模糊隶属度函数:
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mfrac>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>X</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mi>min</mi>
</msub>
</mrow>
</mfrac>
</mtd>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>></mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中,uij是像素点(i,j)的隶属度,xij是像素点(i,j)的灰度值,Xmin时所述视频图像的最小灰度值,Xmax是所述视频图像的最大灰度值,是所述视频图像的平均灰度值;
b.定义模糊变换函数:
uij′=Ir(uij)=Ir(Ir-1(uij)),r=1,2,3…
<mrow>
<msub>
<mi>I</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<mn>2</mn>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>u</mi>
<mi>c</mi>
</msub>
</mrow>
</mfrac>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mi>c</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mn>2</mn>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>u</mi>
<mi>c</mi>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mi>c</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中,r为迭代次数,uc为图像增强的模糊阈值,uij是像素点(i,j)的隶属度;
c.选取图像增强的模糊阈值uc,定义所述视频图像的灰度级为[0,L-1],阈值c将图像中的像素按其灰度级划分为C0={0,1,…,c}和C1={c+1,c+2,…,L-1},则最佳的模糊阈值uc为:
<mrow>
<msub>
<mi>u</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>c</mi>
<mo>&Element;</mo>
<mi>L</mi>
</mrow>
</munder>
<mfrac>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msub>
<mi>&mu;</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&mu;</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&mu;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>c</mi>
</munderover>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>c</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>c</mi>
</munderover>
<msub>
<mi>ip</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>c</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>ip</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,pi为灰度级为i的像素出现的概率,ω0(c)和ω1(c)分别为C0和C1类的像素数占总像素的概率,μ0(c)和μ1(c)分别为C0和C1类中像素的平均灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710901987.8A CN107704820A (zh) | 2017-09-28 | 2017-09-28 | 一种有效的煤矿火灾检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710901987.8A CN107704820A (zh) | 2017-09-28 | 2017-09-28 | 一种有效的煤矿火灾检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107704820A true CN107704820A (zh) | 2018-02-16 |
Family
ID=61175249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710901987.8A Pending CN107704820A (zh) | 2017-09-28 | 2017-09-28 | 一种有效的煤矿火灾检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107704820A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520200A (zh) * | 2018-03-06 | 2018-09-11 | 陈参 | 一种有效的煤矿火灾检测系统 |
CN109165575A (zh) * | 2018-08-06 | 2019-01-08 | 天津艾思科尔科技有限公司 | 一种基于ssd框架的烟火识别算法 |
CN109488383A (zh) * | 2018-12-27 | 2019-03-19 | 江苏三恒科技股份有限公司 | 智能视频分析系统及其应用方法 |
CN109886253A (zh) * | 2019-03-28 | 2019-06-14 | 南京智慧基础设施技术研究院有限公司 | 一种基于视频分析的建筑物安全检测系统 |
CN113391596A (zh) * | 2021-06-11 | 2021-09-14 | 赤峰山金红岭有色矿业有限责任公司 | 皮带矿粉泄露检测方法、系统、终端及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886344A (zh) * | 2014-04-14 | 2014-06-25 | 西安科技大学 | 一种图像型火灾火焰识别方法 |
CN103942557A (zh) * | 2014-01-28 | 2014-07-23 | 西安科技大学 | 一种煤矿井下图像预处理方法 |
CN106781195A (zh) * | 2016-12-15 | 2017-05-31 | 南通维新自动化科技有限公司 | 一种煤矿火灾烟雾监测系统 |
CN106781214A (zh) * | 2017-02-24 | 2017-05-31 | 深圳凯达通光电科技有限公司 | 一种高效的森林火灾监测系统 |
-
2017
- 2017-09-28 CN CN201710901987.8A patent/CN107704820A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942557A (zh) * | 2014-01-28 | 2014-07-23 | 西安科技大学 | 一种煤矿井下图像预处理方法 |
CN103886344A (zh) * | 2014-04-14 | 2014-06-25 | 西安科技大学 | 一种图像型火灾火焰识别方法 |
CN106781195A (zh) * | 2016-12-15 | 2017-05-31 | 南通维新自动化科技有限公司 | 一种煤矿火灾烟雾监测系统 |
CN106781214A (zh) * | 2017-02-24 | 2017-05-31 | 深圳凯达通光电科技有限公司 | 一种高效的森林火灾监测系统 |
Non-Patent Citations (2)
Title |
---|
FENG KANG, ET AL.: "The Enhancement of Fire Color Image Based on an Improved Fuzzy Algorithm", 《2009 INTERNATIONAL CONFERENCE ON INFORMATION ENGINEERING AND COMPUTER SCIENCE》 * |
王媛彬: "基于图像特征的煤矿火灾检测与识别研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520200A (zh) * | 2018-03-06 | 2018-09-11 | 陈参 | 一种有效的煤矿火灾检测系统 |
CN108520200B (zh) * | 2018-03-06 | 2019-08-06 | 陈参 | 一种有效的煤矿火灾检测系统 |
CN109165575A (zh) * | 2018-08-06 | 2019-01-08 | 天津艾思科尔科技有限公司 | 一种基于ssd框架的烟火识别算法 |
CN109165575B (zh) * | 2018-08-06 | 2024-02-20 | 天津艾思科尔科技有限公司 | 一种基于ssd框架的烟火识别算法 |
CN109488383A (zh) * | 2018-12-27 | 2019-03-19 | 江苏三恒科技股份有限公司 | 智能视频分析系统及其应用方法 |
CN109886253A (zh) * | 2019-03-28 | 2019-06-14 | 南京智慧基础设施技术研究院有限公司 | 一种基于视频分析的建筑物安全检测系统 |
CN113391596A (zh) * | 2021-06-11 | 2021-09-14 | 赤峰山金红岭有色矿业有限责任公司 | 皮带矿粉泄露检测方法、系统、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107704820A (zh) | 一种有效的煤矿火灾检测系统 | |
CN102708647B (zh) | 图像和多波段红外紫外复合型火灾探测方法 | |
US9330557B2 (en) | Cargo and door sensor | |
US11818493B2 (en) | Fire source detection method and device under condition of small sample size and storage medium | |
US20150287168A1 (en) | Duplicate check image resolution | |
EP3855354A2 (en) | Method and apparatus for recognizing abnormal license plate, device and readable storage medium | |
CN102937599A (zh) | 一种通过x射线检测含金属被测物的无损检测系统和方法 | |
US9438863B2 (en) | Location recognition apparatus and method | |
CN110211107A (zh) | 一种基于双波段红外图像的矿用胶带损伤检测方法 | |
CN102930253A (zh) | 一种基于图像离散多小波变换的煤岩识别方法 | |
CN104680145B (zh) | 一种门的开关状态变化检测方法及装置 | |
CN103679790B (zh) | 一种基于图像处理技术的井下煤仓煤位检测方法 | |
CN110728212B (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 | |
CN108510685A (zh) | 一种输电线路防入侵探测方法与装置 | |
CN114627623A (zh) | 一种基于时空大数据分析的地质灾害监测系统 | |
EP3376438A1 (en) | A system and method for detecting change using ontology based saliency | |
CN102542673A (zh) | 基于计算机视觉的atm机预警方法及系统 | |
CN104392201A (zh) | 一种基于全向视觉的人体跌倒识别方法 | |
CN104819382B (zh) | 一种用于光纤预警系统的自适应恒虚警率振源检测方法 | |
CN108520200B (zh) | 一种有效的煤矿火灾检测系统 | |
CN211047038U (zh) | 矿用智能视频摄像仪 | |
CN114663841A (zh) | 基于深度学习的移动目标识别方法及系统 | |
KR101519966B1 (ko) | 기준판 기반의 비전 인식 방법 및 시스템 | |
CN114352336A (zh) | 综采工作面智能控制系统和方法 | |
CN116030403A (zh) | 一种基于深度学习的氧气瓶与乙炔瓶同车运输检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |
|
RJ01 | Rejection of invention patent application after publication |