CN107967448B - 早期火灾烟雾实时检测方法及系统 - Google Patents
早期火灾烟雾实时检测方法及系统 Download PDFInfo
- Publication number
- CN107967448B CN107967448B CN201711134035.4A CN201711134035A CN107967448B CN 107967448 B CN107967448 B CN 107967448B CN 201711134035 A CN201711134035 A CN 201711134035A CN 107967448 B CN107967448 B CN 107967448B
- Authority
- CN
- China
- Prior art keywords
- smoke
- frame
- detection
- video
- video 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
Images
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
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- 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
Abstract
本发明属于火灾监测及报警的技术领域,具体涉及一种早期火灾烟雾实时检测方法及系统;解决的技术问题为:提供一种运算简单、检测速度快,且能有效去除非烟雾干扰物影响的早期火灾烟雾实时检测方法和系统,采用的技术方案为:早期火灾烟雾实时检测方法,包括:计算待测视频图像的总帧数,并将待测视频图像转换为灰度视频图像;读取视频当前帧,检测灰度视频图像的运动前景,将灰度视频图像的第一帧图像作为背景图像;将背景图像与运动前景fgmask做乘积运算;将当前帧与运动前景做乘积运算;计算视频每帧差值;选取检测周期用最小二乘法拟合变化率k的绝对值,并对烟雾报警信号进行判断。
Description
技术领域
本发明属于火灾监测及报警的技术领域,具体涉及一种早期火灾烟雾实时检测方法及系统。
背景技术
火灾的危害性不言而喻,无论城市还是森林,一旦发生火灾,所带来的损失是难以估计的;为减少火灾带来的损失,及时发现火灾并发出警报在火灾早期控制中至关重要。
传统的烟雾检测一般是通过采用温度感应、烟尘感应、光度感应、气味感应等,对烟雾的特殊颗粒、独特气体及温度变化等进行检测;如烟雾探测器,其工作过程为:将烟雾探测器被安装在目标对象的附近,需要烟雾到达后才能触发检测器,由于早期烟雾扩散速率通常是缓慢的,需要较长的时间到达检测器,使能烟雾监测效果不理想。
由于光的传播较之气体的传播更加快速,为提高烟雾检测的报警速度,基于图像视觉的烟雾预警系统应用而生;这类方法根据识别对象的不同可分为火焰探测和烟雾探测,在许多实际火灾发生中,阴燃烟雾往往出现在明火之前,特别是在高大空间及工业场所的实际运营中,往往存在或多或少的遮挡物,相对于火焰的面积小、蔓延速度慢,烟雾上升快,范围大更不容易被遮挡,因此烟雾探测相对于火焰探测能够更好实现早期火灾报警。
综合目前烟雾检测的主流方法,大体可以分为运动目标检测、特征提取和识别三个步骤,这些方法容易受环境因素影响,适应性不强,而且运算复杂,难以运用于实时视频火灾监测系统中;此外,上述方法均存在无法克服的缺陷就是容易受视频画面中的行人、汽车等非烟雾干扰物的影响,导致误判的情况(误报率较高),尤其在室外复杂环境中,误报率居高不下,难以实用化。
因此,一种运算简单、检测速度快,且能有效去除非烟雾干扰物影响的早期火灾烟雾实时检测方法就显得尤为重要。
发明内容
本发明克服现有技术存在的不足,所要解决的技术问题为:提供一种运算简单、检测速度快,且能有效去除非烟雾干扰物影响的早期火灾烟雾实时检测方法和系统。
为了解决上述技术问题,本发明采用的技术方案为:早期火灾烟雾实时检测方法,包括:S101,计算待测视频图像的总帧数,并将待测视频图像转换为灰度视频图像,所述的总帧数用n表示;S102,读取视频当前帧,所述当前帧用frame(i)表示,所述i变化区间为[1n];S103,检测灰度视频图像的运动前景,同时将灰度视频图像的第一帧图像作为背景图像;所述的运动前景用fgmask表示,所述的背景图像用Yframe表示;S104,将背景图像Yframe与运动前景fgmask(i)做乘积运算,乘积结果记为Yframe1(i);并统计Yframe1(i)图像在灰度区间内,所有像素总数Yh(i);S105,将当前帧frame(i)与运动前景fgmask(i)做乘积运算,乘积结果记为frame1(i);并统计frame1(i)图像在灰度区间内所有像素总数h(i);S106,计算视频每帧差值Δh(i);其中Δh(i)=h(i)-Yh(i);S107,从第一帧开始取10帧作为一检测周期,每一周期内用最小二乘法拟合Δh(1)~Δh(10)的变化率k的绝对值;S108,在待测视频所有帧中依次连续选取检测周期的变化率k1、k2、k3,并设置检测灵敏度,所述检测灵敏度用ρ表示,ρ的取值范围为[50 100];S109,根据判断原则,对烟雾报警信号进行判断,并输出火灾报警信号;所述的判断原则为:当k1>ρ且k2>ρ且k3>ρ且k2>k1时,即可判别在此3个周期中存在烟雾,发出火灾报警信号。
优选地,所述步骤S103中,检测灰度视频图像的运动前景,具体为:通过混合高斯背景建模方法检测待测灰度视频图像的运动前景。
优选地,所述步骤S108中,所述检测灵敏度ρ的值为100。
优选地,所述步骤S104、步骤S105中,所述的灰度区间均为[80 220]。
相应地,早期火灾烟雾实时检测系统,包括:预处理单元,用于计算待测视频图像的总帧数,并将待测视频图像转换为灰度视频图像,所述的总帧数用n表示;读取单元,用于读取视频当前帧,所述当前帧用frame(i)表示,所述i变化区间为[1n];检测单元,用于检测灰度视频图像的运动前景,并将灰度视频图像的第一帧图像作为背景图像,所述的运动前景用fgmask表示,所述的背景图像用Yframe表示;第一计算单元,用于将背景图像Yframe与运动前景fgmask做乘积运算,乘积结果记为Yframe1(i);并统计Yframe1(i)图像在灰度区间内,所有像素总数Yh(i);第二计算单元,用于将当前帧frame(i)与运动前景fgmask(i)做乘积运算,乘积结果记为frame1(i);并统计frame1(i)图像在灰度区间内所有像素总数h(i);差值计算单元,用于计算视频每帧差值Δh(i);其中:Δh(i)=h(i)-Yh(i);变化率计算单元,用于从第一帧开始取10帧作为一检测周期,每一周期内用最小二乘法拟合Δh(1)~Δh(10)的变化率k的绝对值;选取单元,用于在待测视频所有帧中依次连续选取检测周期的变化率k1、k2、k3,并设置检测灵敏度,所述检测灵敏度用ρ表示,ρ的取值范围为[50100];报警单元,用于根据判断原则,对烟雾报警信号进行判断,并输出火灾报警信号;所述的判断原则为:当k1>ρ且k2>ρ且k3>ρ且k2>k1时,即可判别在此3个周期中存在烟雾,发出火灾报警信号。
优选地,所述检测单元中,检测灰度视频图像的运动前景,具体为:通过混合高斯背景建模方法检测待测灰度视频图像的运动前景。
优选地,所述选取单元中,所述检测灵敏度ρ的值为100。
优选地,所述第一计算单元、第二计算单元中,所述的灰度区间均为[80 220]。
本发明与现有技术相比具有以下有益效果:
本发明的提供的早期火灾烟雾实时检测方法及系统,能够通过烟雾动态直方图特征对早期火灾烟雾视频进行检测,无需复杂特征的提取与识别算法,利用烟雾自身的颜色与扩散特性,设置一时间窗口,在时间窗口内通过拟合直线变化率的方法给出烟雾报警;该发明方法具有运算简单、检测速度快、效果明显且误报率极低主要优点,可有效克服行人、汽车等非烟雾干扰的影响,可广泛应用于森林、办公室、仓库、动车车厢等场所。
附图说明
下面结合附图对本发明做进一步详细的说明;
图1为本发明实施例一提供的早期火灾烟雾实时检测系统的结构示意图;
图2为本发明实施例一提供的早期火灾烟雾实时检测方法中烟雾检测实验结果图;
图3为本发明实施例一提供的早期火灾烟雾实时检测方法中实验一的烟雾检测实验结果图;
图4为本发明实施例一提供的早期火灾烟雾实时检测方法中实验二的烟雾检测实验结果图;
图5为本发明实施例一提供的早期火灾烟雾实时检测方法中实验三的烟雾检测实验结果图;
图中:101为预处理单元,102为读取单元,103为检测单元,104为第一计算单元,105为第二计算单元,106为差值计算单元,107为变化率计算单元,108为选取单元,109为报警单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,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。
图1为本发明实施例一提供的早期火灾烟雾实时检测系统的结构示意图,如图1所示,早期火灾烟雾实时检测系统,包括:预处理单元101,用于计算待测视频图像的总帧数,并将待测视频图像转换为灰度视频图像,所述的总帧数用n表示;读取单元102,用于读取视频当前帧,所述当前帧用frame(i)表示,所述i变化区间为[1n];检测单元103,用于检测灰度视频图像的运动前景,并将将灰度视频图像的第一帧图像作为背景图像,所述的运动前景用fgmask表示,所述的背景图像用Yframe表示;第一计算单元104,用于将背景图像Yframe与运动前景fgmask做乘积运算,乘积结果记为Yframe1(i);并统计Yframe1(i)图像在灰度区间内,所有像素总数Yh(i);第二计算单元105,用于将当前帧frame(i)与运动前景fgmask(i)做乘积运算,乘积结果记为frame1(i);并统计frame1(i)图像在灰度区间内所有像素总数h(i);差值计算单元106,用于计算视频每帧差值Δh(i);其中:Δh(i)=h(i)-Yh(i);变化率计算单元107,用于从第一帧开始取10帧作为一检测周期,每一周期内用最小二乘法拟合Δh(1)~Δh(10)的变化率k的绝对值;选取单元108,用于在待测视频所有帧中依次连续选取检测周期的变化率k1、k2、k3,并设置检测灵敏度,所述检测灵敏度用ρ表示,ρ的取值范围为[50 100];报警单元109,用于根据判断原则,对烟雾报警信号进行判断,并输出火灾报警信号;所述的判断原则为:当k1>ρ且k2>ρ且k3>ρ且k2>k1时,即可判别在此3个周期中存在烟雾,发出火灾报警信号。
具体地,所述检测单元103中,检测灰度视频图像的运动前景,具体为:通过混合高斯背景建模方法检测待测灰度视频图像的运动前景。
本实施例中的检测灵敏度ρ取值越大,去除人形、汽车等非烟雾干扰物能力越强,烟雾检测灵敏度越低;检测灵敏度ρ取值越小,去除人形、汽车等非烟雾干扰物能力越弱,烟雾检测灵敏度越高(可检测很稀薄的烟雾),本实施例中所述选取单元108中,所述检测灵敏度ρ的值优选为100。
更进一步地,所述第一计算单元104、第二计算单元105中,所述的灰度区间均为[80 220]。
本发明提供的早期火灾烟雾实时检测方法,包括:S101,计算待测视频图像的总帧数,并将待测视频图像转换为灰度视频图像,所述的总帧数用n表示;S102,读取视频当前帧,所述当前帧用frame(i)表示,所述i变化区间为[1n];S103,检测灰度视频图像的运动前景,同时将灰度视频图像的第一帧图像作为背景图像;所述的运动前景用fgmask表示,所述的背景图像用Yframe表示;S104,将背景图像Yframe与运动前景fgmask做乘积运算,乘积结果记为Yframe1(i);并统计Yframe1(i)图像在灰度区间内,所有像素总数Yh(i);S105,将当前帧frame(i)与运动前景fgmask(i)做乘积运算,乘积结果记为frame1(i);并统计frame1(i)图像在灰度区间内所有像素总数h(i);S106,计算视频每帧差值Δh(i);其中Δh(i)=h(i)-Yh(i);S107,从第一帧开始取10帧作为一检测周期,每一周期内用最小二乘法拟合Δh(1)~Δh(10)的变化率k的绝对值;S108,在待测视频所有帧中依次连续选取检测周期的变化率k1、k2、k3,并设置检测灵敏度,所述检测灵敏度用ρ表示,ρ的取值范围为[50 100];S109,根据判断原则,对烟雾报警信号进行判断,并输出火灾报警信号;所述的判断原则为:当k1>ρ且k2>ρ且k3>ρ且k2>k1时,即可判别在此3个周期中存在烟雾,发出火灾报警信号。
具体地,所述步骤S103中,检测灰度视频图像的运动前景,具体为:通过混合高斯背景建模方法检测待测灰度视频图像的运动前景。
进一步地,所述步骤S108中,所述检测灵敏度ρ的值为100;所述步骤S104、步骤S105中,所述的灰度区间均为[80 220]。
图2为本发明实施例一提供的早期火灾烟雾实时检测系统的实验结果图;其中,图2(a)为运动前景图,图2(b)为检测到烟雾视频帧图;经本发明早期火灾烟雾实时检测方法检测后,视频在第18.6秒检测出烟雾,烟雾检测准确无误。
此外,为检测本发明在去除人形、汽车等非烟雾干扰物影响,以及优越的烟雾检测能力,下面将分别实施3组实验;其中:实验中检测到烟雾时间为检测帧数减去3个检测周期视频帧(30帧)后除以帧速所得的时间。
1、实验一:待测视频图像针对含稀薄烟雾情形
本实验提供的实验一中三组视频内容描述表如表1所示;经过本发明检测后,实验一中三组视频实验结果表如表2所示;图3为本发明实施例一提供的早期火灾烟雾实时检测方法中实验一的烟雾检测实验结果图;其中:图3(a)、图3(c)、图3(e)分别为三组视频的背景图;图3(b)、图3(d)、图3(f)分别为三组视频检测到烟雾时视频帧;图3(b)为Videol中第8秒检测到烟雾时视频帧;图3(d)为Video2中第4秒检测到烟雾时视频帧;图3(f)为Video3中第3秒检测到烟雾时视频帧。
表1:实验一中三组视频内容描述表
视频 | 内容描述 |
Video1 | 点燃干草时产生的烟雾,没有风。 |
Video2 | 点燃塑料、废纸等产生的烟雾,有风。 |
Video3 | 雨天,点燃废纸产生的稀薄烟雾,有风。 |
表2:实验一中三组视频实验结果表
视频 | 第几秒产生烟雾 | 检测到烟雾的时间 | 误差时间 |
Video1 | 第7秒 | 第8秒 | 1秒 |
Video2 | 第3秒 | 第4秒 | 1秒 |
Video3 | 第2秒 | 第3秒 | 1秒 |
2、实验二:待测视频图像针对有烟雾情况下人或汽车等非烟雾干扰的情形
本实验提供的实验二中三组视频内容描述表如表3所示;经过本发明检测后,实验二中三组视频实验结果表如表4所示;图4为本发明实施例一提供的早期火灾烟雾实时检测方法中实验二的烟雾检测实验结果图;其中:图4(a)、图4(c)、图4(e)分别为三组视频的背景图;图4(b)、图4(d)、图4(f)分别为三组视频检测到烟雾时视频帧;图4(b)为Video4中第18秒检测到烟雾时视频帧;图4(d)为Video5中第19秒检测到烟雾时视频帧;图4(f)为Video6中第19秒检测到烟雾时视频帧。
表3:实验二中三组视频内容描述表
表4:实验二中三组视频实验结果表
视频 | 第几秒产生烟雾 | 检测到烟雾的时间 | 误差时间 |
Video4 | 第17秒 | 第18秒 | 1秒 |
Video5 | 第16秒 | 第19秒 | 3秒 |
Video6 | 第16秒 | 第19秒 | 3秒 |
3、待测视频图像针对无烟雾情况下人或汽车等非烟雾干扰的情形
本实验提供的实验三中三组视频内容描述表如表5所示;经过本发明检测后,实验三中三组视频实验结果表如表6所示;图5为本发明实施例一提供的早期火灾烟雾实时检测方法中实验三的烟雾检测实验结果图;其中:图5(a)、图5(b)、图5(c)分别为三组视频检测到非烟雾干扰物进入画面的视频帧。
表5:实验三中三组视频内容描述表
表6:实验三中三组视频实验结果表
视频 | 第几秒产生烟雾 | 检测到烟雾的时间 | 误差时间 |
Video7 | 无烟雾 | 未检测到 | |
Video8 | 无烟雾 | 未检测到 | |
Video9 | 无烟雾 | 未检测到 |
从上面三组实验看,第一组实验为稀薄烟雾视频,检测误差1秒,能够准确检测到烟雾视频帧;第二组实验为人或汽车等非烟雾干扰的烟雾视频,检测误差最大为3秒,比较准确的检测到烟雾视频帧;第3组为人或汽车等非烟雾干扰视频,本发明方法没有受干扰物的影响,未检测到烟雾。
综上所述,本发明方法能够有效检测火灾早期烟雾,检测误差最大时间为3秒,符合实时监测系统要求;本发明具有很好的抗干扰能力,能够有效避免行人、汽车等非烟雾干扰。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.早期火灾烟雾实时检测方法,其特征在于:包括:
S101,计算待测视频图像的总帧数,并将待测视频图像转换为灰度视频图像,所述的总帧数用n表示;
S102,读取视频当前帧,所述当前帧用frame(i)表示,所述i变化区间为[1 n];
S103,检测灰度视频图像的运动前景,同时将灰度视频图像的第一帧图像作为背景图像;所述的运动前景用fgmask表示,所述的背景图像用Yframe表示;
S104,将背景图像Yframe与运动前景fgmask做乘积运算,乘积结果记为Yframe1(i);并统计Yframe1(i)图像在灰度区间内,所有像素总数Yh(i);
S105,将当前帧frame(i)与运动前景fgmask(i)做乘积运算,乘积结果记为frame1(i);并统计frame1(i)图像在灰度区间内所有像素总数h(i);
S106,计算视频每帧差值Δh(i);其中Δh(i)=h(i)-Yh(i);
S107,从第一帧开始取10帧作为一检测周期,每一周期内用最小二乘法拟合Δh(1)~Δh(10)的变化率k的绝对值;
S108,在待测视频所有帧中依次连续选取检测周期的变化率k1、k2、k3,并设置检测灵敏度,所述检测灵敏度用ρ表示,ρ的取值范围为[50 100];
S109,根据判断原则,对烟雾报警信号进行判断,并输出火灾报警信号;所述的判断原则为:当k1>ρ且k2>ρ且k3>ρ且k2>k1时,即可判别在此3个周期中存在烟雾,发出火灾报警信号;
所述步骤S104、步骤S105中,所述的灰度区间均为[80 220]。
2.根据权利要求1所述的早期火灾烟雾实时检测方法,其特征在于:所述步骤S103中,检测灰度视频图像的运动前景,具体为:
通过混合高斯背景建模方法检测待测灰度视频图像的运动前景。
3.根据权利要求1所述的早期火灾烟雾实时检测方法,其特征在于:所述步骤S108中,所述检测灵敏度ρ的值为100。
4.早期火灾烟雾实时检测系统,其特征在于:包括:
预处理单元(101),用于计算待测视频图像的总帧数,并将待测视频图像转换为灰度视频图像,所述的总帧数用n表示;
读取单元(102),用于读取视频当前帧,所述当前帧用frame(i)表示,所述i变化区间为[1 n];
检测单元(103),用于检测灰度视频图像的运动前景,并将将灰度视频图像的第一帧图像作为背景图像,所述的运动前景用fgmask表示,所述的背景图像用Yframe表示;
第一计算单元(104),用于将背景图像Yframe与运动前景fgmask做乘积运算,乘积结果记为Yframe1(i);并统计Yframe1(i)图像在灰度区间内,所有像素总数Yh(i);
第二计算单元(105),用于将当前帧frame(i)与运动前景fgmask(i)做乘积运算,乘积结果记为frame1(i);并统计frame1(i)图像在灰度区间内所有像素总数h(i);
差值计算单元(106),用于计算视频每帧差值Δh(i);其中:Δh(i)=h(i)-Yh(i);
变化率计算单元(107),用于从第一帧开始取10帧作为一检测周期,每一周期内用最小二乘法拟合Δh(1)~Δh(10)的变化率k的绝对值;
选取单元(108),用于在待测视频所有帧中依次连续选取检测周期的变化率k1、k2、k3,并设置检测灵敏度,所述检测灵敏度用ρ表示,ρ的取值范围为[50 100];
报警单元(109),用于根据判断原则,对烟雾报警信号进行判断,并输出火灾报警信号;所述的判断原则为:当k1>ρ且k2>ρ且k3>ρ且k2>k1时,即可判别在此3个周期中存在烟雾,发出火灾报警信号;
所述第一计算单元(104)、第二计算单元(105)中,所述的灰度区间均为[80 220]。
5.根据权利要求4所述的早期火灾烟雾实时检测系统,其特征在于:所述检测单元(103)中,检测灰度视频图像的运动前景,具体为:
通过混合高斯背景建模方法检测待测灰度视频图像的运动前景。
6.根据权利要求4所述的早期火灾烟雾实时检测系统,其特征在于:所述选取单元(108)中,所述检测灵敏度ρ的值为100。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711134035.4A CN107967448B (zh) | 2017-11-16 | 2017-11-16 | 早期火灾烟雾实时检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711134035.4A CN107967448B (zh) | 2017-11-16 | 2017-11-16 | 早期火灾烟雾实时检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107967448A CN107967448A (zh) | 2018-04-27 |
CN107967448B true CN107967448B (zh) | 2021-05-18 |
Family
ID=62001074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711134035.4A Active CN107967448B (zh) | 2017-11-16 | 2017-11-16 | 早期火灾烟雾实时检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107967448B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258479B (zh) * | 2020-10-22 | 2023-10-27 | 中国人民解放军63620部队 | 基于图像特征的t0检测方法、装置和存储介质 |
CN113657238B (zh) * | 2021-08-11 | 2024-02-02 | 南京精益安防系统科技有限公司 | 基于神经网络的火灾早期预警方法、存储介质及终端设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908141A (zh) * | 2010-08-04 | 2010-12-08 | 丁天 | 一种基于混合高斯模型和形态特征的视频烟雾检测方法 |
CN102509078A (zh) * | 2011-10-28 | 2012-06-20 | 北京安控科技股份有限公司 | 基于视频分析的烟火检测装置 |
CN103020628A (zh) * | 2012-11-30 | 2013-04-03 | 北京理工大学 | 一种基于rgb对比图像与目标形状的烟雾检测方法 |
CN103956016A (zh) * | 2014-04-25 | 2014-07-30 | 蚌埠依爱消防电子有限责任公司 | 一种基于视频图像的烟雾火焰复合式自动检测方法 |
CN105046218A (zh) * | 2015-07-09 | 2015-11-11 | 华南理工大学 | 一种基于串并行处理的多特征交通视频烟雾检测方法 |
CN205302539U (zh) * | 2015-12-11 | 2016-06-08 | 苏州大学 | 一种新型烟雾报警系统 |
CN106778488A (zh) * | 2016-11-22 | 2017-05-31 | 中国民航大学 | 基于图像相关性的低照度烟雾视频检测方法 |
CN107274624A (zh) * | 2017-08-21 | 2017-10-20 | 肇庆高新区黑阳科技有限公司 | 一种烟雾警报装置 |
CN206672314U (zh) * | 2017-04-12 | 2017-11-24 | 北京建自凯科系统工程有限公司 | 智能安防报警系统 |
-
2017
- 2017-11-16 CN CN201711134035.4A patent/CN107967448B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908141A (zh) * | 2010-08-04 | 2010-12-08 | 丁天 | 一种基于混合高斯模型和形态特征的视频烟雾检测方法 |
CN102509078A (zh) * | 2011-10-28 | 2012-06-20 | 北京安控科技股份有限公司 | 基于视频分析的烟火检测装置 |
CN103020628A (zh) * | 2012-11-30 | 2013-04-03 | 北京理工大学 | 一种基于rgb对比图像与目标形状的烟雾检测方法 |
CN103956016A (zh) * | 2014-04-25 | 2014-07-30 | 蚌埠依爱消防电子有限责任公司 | 一种基于视频图像的烟雾火焰复合式自动检测方法 |
CN105046218A (zh) * | 2015-07-09 | 2015-11-11 | 华南理工大学 | 一种基于串并行处理的多特征交通视频烟雾检测方法 |
CN205302539U (zh) * | 2015-12-11 | 2016-06-08 | 苏州大学 | 一种新型烟雾报警系统 |
CN106778488A (zh) * | 2016-11-22 | 2017-05-31 | 中国民航大学 | 基于图像相关性的低照度烟雾视频检测方法 |
CN206672314U (zh) * | 2017-04-12 | 2017-11-24 | 北京建自凯科系统工程有限公司 | 智能安防报警系统 |
CN107274624A (zh) * | 2017-08-21 | 2017-10-20 | 肇庆高新区黑阳科技有限公司 | 一种烟雾警报装置 |
Non-Patent Citations (6)
Title |
---|
Visual-Based Smoke Detection Using Support Vector Machine;Jing Yang等;《2008 Fourth International Conference on Natural Computation》;20081107;第301-305页 * |
基于视频图像的烟雾识别算法研究;肖林厂;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121015(第10期);第I138-2682页 * |
基于视频的实时烟雾检测算法;张建明等;《计算机应用与软件》;20161215;第33卷(第12期);第248-252页 * |
基于视频的烟雾实时监测方法研究;张建明;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170215(第02期);第I138-2792页 * |
视频图像火灾烟雾识别仿真研究;陈洁等;《计算机仿真》;20150915;第32卷(第9期);第382-386页 * |
视频烟雾的多特征检测算法研究;唐维;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140415(第4期);第I138-842页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107967448A (zh) | 2018-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109028233B (zh) | 厨房油烟浓度划分方法及油烟图像识别系统及油烟机 | |
Rafiee et al. | Fire and smoke detection using wavelet analysis and disorder characteristics | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN106682635B (zh) | 一种基于随机森林特征选择的烟雾检测方法 | |
JP2015062121A5 (zh) | ||
CN103903008A (zh) | 一种基于图像识别输电线路的雾等级的方法以及系统 | |
CN105447471A (zh) | 基于红外检测的设备气体泄漏识别方法和装置 | |
CN111523397B (zh) | 一种智慧灯杆视觉识别装置、方法及其系统和电子设备 | |
CN112069975A (zh) | 一种基于紫外、红外、视觉的综合火焰检测方法 | |
CN103778418A (zh) | 一种输电线路杆塔图像监测系统的山火图像识别方法 | |
CN107633212A (zh) | 一种基于视频图像的烟火检测方法和装置 | |
CN107967448B (zh) | 早期火灾烟雾实时检测方法及系统 | |
CN105424655A (zh) | 一种基于视频图像的能见度检测方法 | |
Wang et al. | Fire detection based on flame color and area | |
Huang et al. | A fire-alarming method based on video processing | |
CN108898782B (zh) | 用于隧道防火的红外图像温度信息识别的烟雾探测方法及系统 | |
KR101196678B1 (ko) | 실시간 화재 감시 장치 및 방법 | |
CN108363992B (zh) | 一种基于机器学习监测视频图像烟雾的火情预警方法 | |
CN107346421B (zh) | 一种基于颜色不变性的视频烟雾检测方法 | |
CN203825644U (zh) | 一种基于图像识别输电线路的雾等级的系统 | |
CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
CN103020588A (zh) | 基于视频图像分析的火焰检测方法 | |
Wang et al. | A new fire recognition model based on the dispersion of color component | |
JP2010218046A (ja) | 煙検出装置 | |
Khan et al. | Real-time fire detection using enhanced color segmentation and novel foreground extraction |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |