CN108898782A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108898782A CN108898782A CN201810803207.0A CN201810803207A CN108898782A CN 108898782 A CN108898782 A CN 108898782A CN 201810803207 A CN201810803207 A CN 201810803207A CN 108898782 A CN108898782 A CN 108898782A
- Authority
- CN
- China
- Prior art keywords
- shape
- smog
- infrared image
- gravity
- area
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000004079 fireproofing Methods 0.000 title claims abstract description 24
- 239000000779 smoke Substances 0.000 title claims abstract description 24
- 230000005484 gravity Effects 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 33
- 239000000443 aerosol Substances 0.000 claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 239000000284 extract Substances 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 235000019504 cigarettes Nutrition 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fire-Detection Mechanisms (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种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，其中方法包括以下步骤：周期获取隧道内的红外图像；将红外图像的灰度值转化成温度值，获取红外图像的温度分布图；从温度分布图中提取形状特征，获取相邻两帧图像的烟雾形状；根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾；若根据判定结果存在火灾烟雾，则计算两个烟雾形状区域重心，判定两个重心的相离度是否小于预设阈值；若两个重心的相离度小于预设阈值，则判断两个烟雾形状区域重心重合，发出火灾预警信号和火灾源位置信息。本发明有效解决了隧道环境中可见光图像效果不清晰的问题；同时有效解决了现有二值法提取特征不准确的问题。
Description
技术领域
本发明涉及火灾烟雾探测领域，尤其涉及一种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。
背景技术
随着公路建设规模的扩大，我国的隧道规模已成为世界上数量最多，条件最复杂的国家。隧道内的车辆行驶速度以及车流密度加大，致使隧道火灾事故成明显上升趋势。隧道环境比较特殊，对隧道的火灾监测显得尤为重要。
然而传统的烟雾探测器、温感探测器采集的数据容易受到周围环境因素的影响，会大大降低火灾探测的准确度，并且无法准确定位火灾发生位置。另外采用可见光图像探测器进行火灾监测，可以准确定位火灾发生位置，但是在夜间、雨雾天气，会严重影响可见光图像的清晰度，尤其在隧道内，更是无法正常有效工作。现有的基于图像的烟雾识别技术都是采用色彩特征，对彩色图像进行二值处理，通过设定阈值将彩色图像转化成黑白色彩。经过二值处理的图像，包含信息会减少，导致其结果的精确性不高。
发明内容
本发明对的发明目的在于将红外图像信息融合技术应用于隧道防火，解决烟雾识别与判定精确性不高的问题。
为达上述目的，本发明提供一种用于隧道防火的红外图像融合信息识别的烟雾探测方法，包括以下步骤：
S1、周期获取隧道内的红外图像；
S2、将红外图像的灰度值转化成温度值，获取红外图像的温度分布图；
S3、从温度分布图中提取形状特征，获取相邻两帧图像的烟雾形状S1和S2；
S4、根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾；
S5、若根据判定结果存在火灾烟雾，则计算两个烟雾形状区域重心，判定两个重心的相离度是否小于预设阈值；
S6、若两个重心的相离度小于预设阈值，则判断两个烟雾形状区域重心重合，发出火灾预警信号和火灾源位置信息。
接上述技术方案，步骤S3中具体利用Harris算法提取形状特征的方法如下：
S1＝Harris(TEMP)
其中TEMP是温度分布图。
接上述技术方案，步骤S4中根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾的方法具体如下：
R＝Area(S1)-Area(S2)
其中Area为烟雾形状区域面积，当R≥C判定为二者的形状有变化；当R＜C，二者没有变化，C为预设设置的形状变化阈值；其中Area的计算方法如下：
Area＝Count(Pixel(Si))
通过此公式计算Si区域内的像素数目，其中i＝1,2。
接上述技术方案，步骤S5中计算两幅图像烟雾形状区域重心相离度的方法如下：
L＝G(X1，Y1)-G(X2，Y2)
其中L≥D判定为二者重心偏离；否则，二者重心重合，D为预设的重心变化阈值判定阈值；G(X,Y)为烟雾形状区域重心点坐标，计算方法如下：
其中,x,y分别为区域内每个像素的横纵坐标值，n是该区域内的像素个数，i＝1,2...,n，X和Y为相应形状区域的重心坐标。
接上述技术方案，步骤S2中灰度值和温度值之间的转换方法如下：
TEMP＝INT(GRAY(255/(t0-t1)))
其中GRAY是红外图像的灰度值，TEMP是转换后的温度值，[t0，t1]为温度分布区间。
本发明还提供了一种用于隧道防火的红外图像温度信息识别的烟雾探测系统，包括：
红外图像获取模块，用于周期获取隧道内的红外图像；
温度转换模块，用于将红外图像的灰度值转化成温度值，获取红外图像的温度分布图；
烟雾形状获取模块，用于从温度分布图中提取形状特征，获取相邻两帧图像的烟雾形状S1和S2；
火灾烟雾形状判定模块，用于根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾；
火灾烟雾重心判定模块，用于在根据判定结果存在火灾烟雾的情况下，判定两个烟雾形状区域重心相离度是否小于预设阈值，若是，则判定两个烟雾形状区域重心重合；
火灾报警模块，用于根据判定结果发出火灾预警信号和火灾源位置信息。
接上述技术方案，烟雾形状获取模块具体利用Harris算法提取形状特征的方法如下：
S1＝Harris(TEMP)
其中TEMP是温度分布图。
接上述技术方案，火灾烟雾形状判定模块根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾的方法具体如下：
R＝Area(S1)-Area(S2)
其中Area为烟雾形状区域面积，当R≥C判定为二者的形状有变化；当R＜C，二者没有变化，C为预设设置的形状变化阈值；其中Area的计算方法如下：
Area＝Count(Pixel(Si))
通过此公式计算Si区域内的像素数目，其中i＝1,2。
接上述技术方案，火灾烟雾重心判定模块计算两幅图像烟雾形状区域重心相离度的方法如下：
L＝G(X1，Y1)-G(X2，Y2)
其中L≥D判定为二者重心偏离；否则，二者重心重合，D为预设的重心变化阈值判定阈值；G(X,Y)为烟雾形状区域重心点坐标，计算方法如下：
其中,x,y分别为区域内每个像素的横纵坐标值，n是该区域内的像素个数，i＝1,2...,n，X和Y为相应形状区域的重心坐标。
本发明还提供了一种计算机可读存储介质，其具有可被处理器执行的计算机程序，该计算机程序执行上述技术方案的用于隧道防火的红外图像温度信息识别的烟雾探测方法的步骤。
本发明产生的有益效果是：本发明将红外图像转化为温度分布图，根据温度分布图提取烟雾形状特征，对烟雾形状特征对比，得到烟雾报警的结果。本发明借助红外图像，有效解决了隧道环境中可见光图像效果不清晰的问题；同时通过温度分布图提取特征，有效利用隧道局部环境中温度分布差异不大的天然优势，有效解决了现有二值法提取特征不准确的问题。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例用于隧道防火的红外图像融合信息识别的烟雾探测方法流程图；
图2是本发明实施例用于隧道防火的红外图像融合信息识别的烟雾探测系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
当前，隧道的火灾主要来源有车辆自身故障、车辆交通事故及其它原因。隧道火灾的烟雾大、温度高；容易爆炸，火势蔓延迅速；成灾过程快，持续时间长；洞内空间狭长密闭，人员逃生和疏散较为困难，应急救援难度大；容易造成交通堵塞，引发二次火灾；具有随机性和不可预见性。现有的可见光火灾识别技术，对于光照环境不好的隧道而言，存在一定的误差。针对隧道特定环境以及火灾特点，本发明利用红外图像，根据温度分布信息精准识别烟雾火灾，定位火灾源坐标，有效做到火灾预防。
如图1所示，本发明实施例用于隧道防火的红外图像融合信息识别的烟雾探测方法，基于红外图像信息融合技术，其烟雾探测识别步骤是：
(一)周期获取隧道内的红外图像(步骤S1)
1、通过在隧道内放置红外摄像头，获取红外视频。
2、以当前时间为基准T0，过T1时长后为T1时刻，获取T0和T1时刻两幅红外图像，分别为IR0和IR1。
(二)将红外图像的灰度值转化成温度值，获取红外图像的温度分布图(步骤S2)
1、对红外图像IR0进行处理，获取温度分布图IT0；
2、对红外图像IR1进行处理，获取温度分布图IT1。
3、温度图像获取方法如下：灰度值分布范围为[0，255],温度值为[t0,t1]。将红外图像的灰度值转化成温度值，即可获取红外图像的温度分布图，其中灰度值和温度计算方法如下：
TEMP＝INT(GRAY(255/(t0-t1)))
其中GRAY是红外图像的灰度值，TEMP是转化为后的温度值，[t0，t1]为温度分布区间。
(三)从温度分布图中提取形状特征，获取相邻两帧图像的烟雾形状(步骤S3)
1、对温度分布图IT0进行处理，获取该图像的烟雾形状S1；
2、对温度分布图IT1进行处理，获取该图像的烟雾形状S2。
3、利于Harris算法提取形状特征方法如下：
S1＝Harris(TEMP)
其中TEMP是温度分布图。
(四)判定结果
对S1和S2进行处理，处理过程如下：
1、根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾(步骤S4)
计算S1和S2的连通域面积，有两种情况：二者相等和二者不等。其中面积相差10以内，判定为二者相等；否则，判定为二者不等。当判定结果为二者相等时，不存在烟雾，结束处理；当判定结果为不等时，进行重心相离度判定，比较形状变化的方法如下：
R＝Area(S1)-Area(S2)
其中S1和S2分别是两幅图像的形状区域，Area对形状区域计算面积。当R≥C判定为二者的形状有变化；当R＜C，二者没有变化。其中Area的计算方法如下：
Area＝Count(Pixel(Si)),i＝1,2
通过此公式计算S1区域内的像素数目，其中C是设定的一个阈值，该阈值可以根据实际情况进行调整，以达到最优效果。
2、计算两个烟雾形状区域重心，判定两个重心的相离度是否小于预设阈值(步骤S5)
计算S1和S2的重心位置，当二者的重心位置相差5个像素以内的半径周期中，判定为重心重合，重心重合位置即为火灾发生的坐标；否则判定为重心相离。当重心相离时，不存在烟雾，结束处理；当重心重合时，存在烟雾扩散想象，判定为有火灾隐患。
其中，计算两幅图像形状的重心相离程度方法如下：
L＝G(X1，Y1)-G(X2，Y2)
其中L≥D判定为二者重心偏离；否则，二者重心重合。G(X,Y)为计算重心点坐标的，计算方法如下：
其中,x,y分别为区域内每个像素的横纵坐标值，n是该区域内的像素个数，X和Y为相应形状区域的重心坐标，D是设定的一个判定阈值，可以根据实际情况进行调整。
(五)根据判定结果发出火灾报警信号和火灾源位置信息(步骤S6)。
本发明一较佳实施例用于隧道防火的红外图像融合信息识别烟雾探测方法具体包括如下步骤：
步骤一红外图像的获取方式通过隧道内安装红外摄像头，设置图像的采样间隔为1s。
步骤二中，对时间间隔为1s的两幅红外图像，通过灰度值转化为温度分布图，本发明主要用于探测烟雾，因此将温度值的范围确定为[0,100],其中计算温度值计算方法如下：
TEMP＝INT(GRAY*100/255)
其中GRAY是红外图像的灰度值，TEMP是转化为后的温度值，INT为取整算法。
步骤三中，通过Harris算法从温度分布图中，提取形状特征，获取两幅图像的形状S1和S2。
步骤四中，设置判定两幅红外图像的烟雾形状是否有变化的阈值C＝30此时Area≥30，判定为形状有变化；否则形状没有变化，此时识别算法结束，不存在火灾烟雾。
步骤五中，当步骤四中判定结果为形状存在变化时，设置判定两个形状区域重心相离度的阈值为10，经过计算，
L＝G(X1，Y1)-G(X2，Y2)
当L＜10时，两个形状区域重心重合，此时发出火灾预警信号和火灾源位置信息；否则不存在火灾烟雾，识别算法结束。
本发明的系统适用于隧道环境，隧道内局部的温度变化不大，当出现火灾时，温度会迅速上升，导致局部温度较高，利用隧道火灾烟雾大温度高特点，充分利用温度特征，进行烟雾识别，做到早发现，早行动，减少人员财产伤亡。
本发明还提供了一种用于隧道防火的红外图像温度信息识别的烟雾探测系统，如图2所示，系统具体包括：
红外图像获取模块，用于周期获取隧道内的红外图像；本发明采用红外图像探测器，其利用物体的热辐射进行成像，红外图像反映的温度信息，在隧道昏暗环境中，依然能够正常工作。
温度转换模块，用于将红外图像的灰度值转化成温度值，获取红外图像的温度分布图；
烟雾形状获取模块，用于从温度分布图中提取形状特征，获取相邻两帧图像的烟雾形状S1和S2；
火灾烟雾形状判定模块，用于根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾；
火灾烟雾重心判定模块，用于在根据判定结果存在火灾烟雾的情况下，判定两个烟雾形状区域重心相离度是否小于预设阈值，若是，则判定两个烟雾形状区域重心重合；
火灾报警模块，用于根据判定结果发出火灾预警信号和火灾源位置信息。
进一步地，烟雾形状获取模块具体利用Harris算法提取形状特征的方法如下：
S1＝Harris(TEMP)
其中TEMP是温度分布图。
进一步地，烟雾形状获取模块根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾的方法具体如下：
R＝Area(S1)-Area(S2)
其中Area为烟雾形状区域面积，当R≥C判定为二者的形状有变化；当R＜C，二者没有变化，C为预设设置的形状变化阈值；其中Area的计算方法如下：
Area＝Count(Pixel(Si))
通过此公式计算Si区域内的像素数目，其中i＝1,2。
进一步地，火灾烟雾重心判定模块计算两幅图像烟雾形状区域重心相离度的方法如下：
L＝G(X1，Y1)-G(X2，Y2)
其中L≥D判定为二者重心偏离；否则，二者重心重合，D为预设的重心变化阈值判定阈值；G(X,Y)为烟雾形状区域重心点坐标，计算方法如下：
其中,x,y分别为区域内每个像素的横纵坐标值，n是该区域内的像素个数，i＝1,2...,n，X和Y为相应形状区域的重心坐标。
本发明还提供一种计算机可读存储介质，其具有可被处理器执行的计算机程序，该计算机程序执行上述实施例的用于隧道防火的红外图像温度信息识别的烟雾探测方法的步骤。
综上，本发明将红外图像转化为温度分布图，根据温度分布图提取烟雾形状特征，对烟雾形状特征对比，得到烟雾报警的结果。本发明借助红外图像，有效解决了隧道环境中可见光图像效果不清晰的问题；同时通过温度分布图提取特征，有效利用隧道局部环境中温度分布差异不大的天然优势，有效解决了现有二值法提取特征不准确的问题。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种用于隧道防火的红外图像温度信息识别的烟雾探测方法，其特征在于，包括以下步骤：
S1、周期获取隧道内的红外图像；
S2、将红外图像的灰度值转化成温度值，获取红外图像的温度分布图；
S3、从温度分布图中提取形状特征，获取相邻两帧图像的烟雾形状S1和S2；
S4、根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾；
S5、若根据判定结果存在火灾烟雾，则计算两个烟雾形状区域重心，判定两个重心的相离度是否小于预设阈值；
S6、若两个重心的相离度小于预设阈值，则判断两个烟雾形状区域重心重合，发出火灾预警信号和火灾源位置信息。
2.根据权利要求1所述的用于隧道防火的红外图像温度信息识别的烟雾探测方法，其特征在于，步骤S3中具体利用Harris算法提取形状特征的方法如下：
S1＝Harris(TEMP)
其中TEMP是温度分布图。
3.根据权利要求1所述的用于隧道防火的红外图像温度信息识别的烟雾探测方法，其特征在于，步骤S4中根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾的方法具体如下：
R＝Area(S1)-Area(S2)
其中Area为烟雾形状区域面积，当R≥C判定为二者的形状有变化；当R＜C，二者没有变化，C为预设设置的形状变化阈值；其中Area的计算方法如下：
Area＝Count(Pixel(Si))
通过此公式计算Si区域内的像素数目，其中i＝1,2。
4.根据权利要求1所述的用于隧道防火的红外图像温度信息识别的烟雾探测方法，其特征在于，步骤S5中计算两幅图像烟雾形状区域重心相离度的方法如下：
L＝G(X1，Y1)-G(X2，Y2)
其中L≥D判定为二者重心偏离；否则，二者重心重合，D为预设的重心变化阈值判定阈值；G(X,Y)为烟雾形状区域重心点坐标，计算方法如下：
其中,x,y分别为区域内每个像素的横纵坐标值，n是该区域内的像素个数，i＝1,2...,n，X和Y为相应形状区域的重心坐标。
5.根据权利要求1所述的用于隧道防火的红外图像温度信息识别的烟雾探测方法，其特征在于，步骤S2中灰度值和温度值之间的转换方法如下：
TEMP＝INT(GRAY(255/(t0-t1)))
其中GRAY是红外图像的灰度值，TEMP是转换后的温度值，[t0，t1]为温度分布区间。
6.一种用于隧道防火的红外图像温度信息识别的烟雾探测系统，其特征在于，包括：
红外图像获取模块，用于周期获取隧道内的红外图像；
温度转换模块，用于将红外图像的灰度值转化成温度值，获取红外图像的温度分布图；
烟雾形状获取模块，用于从温度分布图中提取形状特征，获取相邻两帧图像的烟雾形状S1和S2；
火灾烟雾形状判定模块，用于根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾；
火灾烟雾重心判定模块，用于在根据判定结果存在火灾烟雾的情况下，判定两个烟雾形状区域重心相离度是否小于预设阈值，若是，则判定两个烟雾形状区域重心重合；
火灾报警模块，用于根据判定结果发出火灾预警信号和火灾源位置信息。
7.根据权利要求6所述的用于隧道防火的红外图像温度信息识别的烟雾探测系统，其特征在于，烟雾形状获取模块具体利用Harris算法提取形状特征的方法如下：
S1＝Harris(TEMP)
其中TEMP是温度分布图。
8.根据权利要求6所述的用于隧道防火的红外图像温度信息识别的烟雾探测系统，其特征在于，火灾烟雾形状判定模块根据预先设置的烟雾形状变化的阈值判定是否存在火灾烟雾的方法具体如下：
R＝Area(S1)-Area(S2)
其中Area为烟雾形状区域面积，当R≥C判定为二者的形状有变化；当R＜C，二者没有变化，C为预设设置的形状变化阈值；其中Area的计算方法如下：
Area＝Count(Pixel(Si))
通过此公式计算Si区域内的像素数目，其中i＝1,2。
9.根据权利要求6所述的用于隧道防火的红外图像温度信息识别的烟雾探测系统，其特征在于，火灾烟雾重心判定模块计算两幅图像烟雾形状区域重心相离度的方法如下：
L＝G(X1，Y1)-G(X2，Y2)
其中L≥D判定为二者重心偏离；否则，二者重心重合，D为预设的重心变化阈值判定阈值；G(X,Y)为烟雾形状区域重心点坐标，计算方法如下：
其中,x,y分别为区域内每个像素的横纵坐标值，n是该区域内的像素个数，i＝1,2...,n，X和Y为相应形状区域的重心坐标。
10.一种计算机可读存储介质，其特征在于，其具有可被处理器执行的计算机程序，该计算机程序执行如权利要求1-5中任一项所述的用于隧道防火的红外图像温度信息识别的烟雾探测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810803207.0A CN108898782B (zh) | 2018-07-20 | 2018-07-20 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810803207.0A CN108898782B (zh) | 2018-07-20 | 2018-07-20 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108898782A true CN108898782A (zh) | 2018-11-27 |
| CN108898782B CN108898782B (zh) | 2020-12-11 |
Family
ID=64352048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810803207.0A Active CN108898782B (zh) | 2018-07-20 | 2018-07-20 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108898782B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899459A (zh) * | 2020-07-27 | 2020-11-06 | 山东工商学院 | 一种基于区域特征分析的图像火灾探测方法 |
| CN112235539A (zh) * | 2020-10-11 | 2021-01-15 | 任晓娇 | 一种基于物联网的安防监测系统与监测方法、介质 |
| CN113701820A (zh) * | 2021-08-31 | 2021-11-26 | 石家庄铁道大学 | 一种适用于对运营中隧道结构进行图像勘察以及红外探水探火的装置 |
| CN115063942A (zh) * | 2022-08-04 | 2022-09-16 | 广东广宇科技发展有限公司 | 消防火灾复燃监测预警方法、装置、电子设备及存储介质 |
Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11126287A (ja) * | 1997-10-24 | 1999-05-11 | Fujitsu Ltd | 火災自動検出方法及び火災自動検出装置 |
| US20060209184A1 (en) * | 2004-11-16 | 2006-09-21 | Chao-Ho Chen | Early fire detection method and system based on image processing |
| CN1924561A (zh) * | 2006-10-12 | 2007-03-07 | 王海燕 | 烟雾自适应检测方法及系统 |
| CN101726357A (zh) * | 2008-10-14 | 2010-06-09 | 能美防灾株式会社 | 烟检测装置 |
| CN201780648U (zh) * | 2010-07-23 | 2011-03-30 | 北京交通大学 | 一种基于分布式光纤光栅传感器的隧道防火监测系统 |
| JP2011215809A (ja) * | 2010-03-31 | 2011-10-27 | Nohmi Bosai Ltd | 煙検出装置 |
| CN102982313A (zh) * | 2012-10-31 | 2013-03-20 | 深圳辉锐天眼科技有限公司 | 烟雾检测的方法 |
| CN103150549A (zh) * | 2013-02-05 | 2013-06-12 | 长安大学 | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 |
| CN103413395A (zh) * | 2013-08-15 | 2013-11-27 | 北京声迅电子股份有限公司 | 烟气智能检测预警方法及装置 |
| US20140232876A1 (en) * | 2013-02-20 | 2014-08-21 | Thomas P. Dougherty | Thermal imaging beacon, smoke detector and system |
| CN104410830A (zh) * | 2014-12-01 | 2015-03-11 | 天津艾思科尔科技有限公司 | 一种基于视频烟雾检测的装置与方法 |
| CN104715559A (zh) * | 2015-03-06 | 2015-06-17 | 温州大学 | 一种基于轨迹辨识的烟雾检测及火灾预警方法 |
| CN205121786U (zh) * | 2015-10-13 | 2016-03-30 | 中冶(北京)交通科技发展有限公司 | 隧道视频火灾报警系统 |
| CN106023513A (zh) * | 2016-06-25 | 2016-10-12 | 河北中核石辐科技有限责任公司 | 冗余烟雾探测器及系统 |
| CN106169215A (zh) * | 2012-06-08 | 2016-11-30 | 爱克斯崔里斯科技有限公司 | 多模式检测 |
| CN206058455U (zh) * | 2016-09-14 | 2017-03-29 | 吉林工程技术师范学院 | 一种具备三种等级烟雾识别的火灾图像识别系统 |
| CN106652314A (zh) * | 2016-12-14 | 2017-05-10 | 天津荣尧智慧科技股份有限公司 | 楼宇综合环境监控系统 |
| CN106887108A (zh) * | 2015-12-16 | 2017-06-23 | 天维尔信息科技股份有限公司 | 基于热成像的预警联动方法及系统 |
| CN106897720A (zh) * | 2017-01-11 | 2017-06-27 | 济南中维世纪科技有限公司 | 一种基于视频分析的烟火检测方法及装置 |
| DE102016208358B3 (de) * | 2016-05-13 | 2017-07-06 | Siemens Schweiz Ag | Brandmelder, insbesondere thermischer Melder, mit einer Photodiode zur Erfassung von Umgebungslicht, um davon abhängig die Ausgabe eines möglichen Brandalarms zu beschleunigen |
| CN107025753A (zh) * | 2017-06-05 | 2017-08-08 | 天津汉光祥云信息科技有限公司 | 一种基于多光谱图像分析的广域火灾报警装置 |
| CN206441312U (zh) * | 2017-02-10 | 2017-08-25 | 西安华鼎计算机信息技术有限公司 | 可见光与红外热成像双模式烟火识别系统 |
| CN206497545U (zh) * | 2017-02-27 | 2017-09-15 | 新鼎电子（深圳）有限公司 | 一种红外检查烟雾报警装置 |
-
2018
- 2018-07-20 CN CN201810803207.0A patent/CN108898782B/zh active Active
Patent Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11126287A (ja) * | 1997-10-24 | 1999-05-11 | Fujitsu Ltd | 火災自動検出方法及び火災自動検出装置 |
| US20060209184A1 (en) * | 2004-11-16 | 2006-09-21 | Chao-Ho Chen | Early fire detection method and system based on image processing |
| CN1924561A (zh) * | 2006-10-12 | 2007-03-07 | 王海燕 | 烟雾自适应检测方法及系统 |
| CN101726357A (zh) * | 2008-10-14 | 2010-06-09 | 能美防灾株式会社 | 烟检测装置 |
| JP2011215809A (ja) * | 2010-03-31 | 2011-10-27 | Nohmi Bosai Ltd | 煙検出装置 |
| CN201780648U (zh) * | 2010-07-23 | 2011-03-30 | 北京交通大学 | 一种基于分布式光纤光栅传感器的隧道防火监测系统 |
| CN106169215A (zh) * | 2012-06-08 | 2016-11-30 | 爱克斯崔里斯科技有限公司 | 多模式检测 |
| CN102982313A (zh) * | 2012-10-31 | 2013-03-20 | 深圳辉锐天眼科技有限公司 | 烟雾检测的方法 |
| CN103150549A (zh) * | 2013-02-05 | 2013-06-12 | 长安大学 | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 |
| US20140232876A1 (en) * | 2013-02-20 | 2014-08-21 | Thomas P. Dougherty | Thermal imaging beacon, smoke detector and system |
| CN103413395A (zh) * | 2013-08-15 | 2013-11-27 | 北京声迅电子股份有限公司 | 烟气智能检测预警方法及装置 |
| CN104410830A (zh) * | 2014-12-01 | 2015-03-11 | 天津艾思科尔科技有限公司 | 一种基于视频烟雾检测的装置与方法 |
| CN104715559A (zh) * | 2015-03-06 | 2015-06-17 | 温州大学 | 一种基于轨迹辨识的烟雾检测及火灾预警方法 |
| CN205121786U (zh) * | 2015-10-13 | 2016-03-30 | 中冶(北京)交通科技发展有限公司 | 隧道视频火灾报警系统 |
| CN106887108A (zh) * | 2015-12-16 | 2017-06-23 | 天维尔信息科技股份有限公司 | 基于热成像的预警联动方法及系统 |
| DE102016208358B3 (de) * | 2016-05-13 | 2017-07-06 | Siemens Schweiz Ag | Brandmelder, insbesondere thermischer Melder, mit einer Photodiode zur Erfassung von Umgebungslicht, um davon abhängig die Ausgabe eines möglichen Brandalarms zu beschleunigen |
| CN106023513A (zh) * | 2016-06-25 | 2016-10-12 | 河北中核石辐科技有限责任公司 | 冗余烟雾探测器及系统 |
| CN206058455U (zh) * | 2016-09-14 | 2017-03-29 | 吉林工程技术师范学院 | 一种具备三种等级烟雾识别的火灾图像识别系统 |
| CN106652314A (zh) * | 2016-12-14 | 2017-05-10 | 天津荣尧智慧科技股份有限公司 | 楼宇综合环境监控系统 |
| CN106897720A (zh) * | 2017-01-11 | 2017-06-27 | 济南中维世纪科技有限公司 | 一种基于视频分析的烟火检测方法及装置 |
| CN206441312U (zh) * | 2017-02-10 | 2017-08-25 | 西安华鼎计算机信息技术有限公司 | 可见光与红外热成像双模式烟火识别系统 |
| CN206497545U (zh) * | 2017-02-27 | 2017-09-15 | 新鼎电子（深圳）有限公司 | 一种红外检查烟雾报警装置 |
| CN107025753A (zh) * | 2017-06-05 | 2017-08-08 | 天津汉光祥云信息科技有限公司 | 一种基于多光谱图像分析的广域火灾报警装置 |
Non-Patent Citations (1)
| Title |
|---|
| 胡云: ""基于红外热成像技术的矿井火灾识别系统研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899459A (zh) * | 2020-07-27 | 2020-11-06 | 山东工商学院 | 一种基于区域特征分析的图像火灾探测方法 |
| CN112235539A (zh) * | 2020-10-11 | 2021-01-15 | 任晓娇 | 一种基于物联网的安防监测系统与监测方法、介质 |
| CN112235539B (zh) * | 2020-10-11 | 2023-04-21 | 合肥岭雁科技有限公司 | 一种基于物联网的安防监测系统与监测方法、介质 |
| CN113701820A (zh) * | 2021-08-31 | 2021-11-26 | 石家庄铁道大学 | 一种适用于对运营中隧道结构进行图像勘察以及红外探水探火的装置 |
| CN113701820B (zh) * | 2021-08-31 | 2024-04-09 | 石家庄铁道大学 | 一种适用于对运营中隧道结构进行图像勘察以及红外探水探火的装置 |
| CN115063942A (zh) * | 2022-08-04 | 2022-09-16 | 广东广宇科技发展有限公司 | 消防火灾复燃监测预警方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108898782B (zh) | 2020-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108898782A (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 | |
| CN110136447B (zh) | 行车变道检测及违法变道识别的方法 | |
| CN105512720B (zh) | 一种公交车辆客流统计方法和系统 | |
| CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
| CN100459704C (zh) | 基于全方位计算机视觉的智能隧道安全监控装置 | |
| KR101128906B1 (ko) | 영상처리기술을 이용한 좌회전 대기차량감응 신호 제어시스템 | |
| CN107437318B (zh) | 一种可见光智能识别算法 | |
| CN103150549B (zh) | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 | |
| US20170243073A1 (en) | Method and system to identify traffic lights by an autonomous vehicle | |
| CN107633212A (zh) | 一种基于视频图像的烟火检测方法和装置 | |
| CN103400111A (zh) | 基于视频检测技术的高速公路隧道火灾事件检测方法 | |
| CN103761529A (zh) | 一种基于多色彩模型和矩形特征的明火检测方法和系统 | |
| CN101553852A (zh) | 用于为交通控制检测交通工具的平均速度的系统和方法 | |
| CN102881106A (zh) | 一种热成像视频双鉴林火识别系统及其识别方法 | |
| CN110837800A (zh) | 一种面向港口恶劣天气的目标检测和识别的方法 | |
| CN104851288B (zh) | 一种交通灯定位方法 | |
| CN104240239A (zh) | 一种基于道路图像探测局域路段雾霾天气的检测方法 | |
| KR102434154B1 (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 | |
| CN110929676A (zh) | 一种基于深度学习的违章掉头实时检测方法 | |
| CN112071084A (zh) | 一种利用深度学习判断违章停车的方法和系统 | |
| CN106650730A (zh) | 汽车变道过程中的转向灯检测方法和系统 | |
| CN113449632A (zh) | 一种基于融合感知的视觉与雷达感知算法优化方法、系统及汽车 | |
| CN109741565A (zh) | 煤矿火灾识别系统及方法 | |
| CN207473847U (zh) | 夜间交叉口行人过街安全信号系统 | |
| CN104268548A (zh) | 一种基于道路图像的积雪检测方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191120 Address after: 430000 East Lake New Technology Development Zone, Wuhan City, Hubei Province, 301, 3rd floor, Science Park, Wuhan University of Technology Applicant after: Hubei Beacon Fire Safety Intelligent Fire Fighting Technology Co., Ltd. Applicant after: Wuhan Ligong Guangke Co., Ltd. Address before: 430223, No. 23, University Road, East Lake hi tech Zone, Hubei, Wuhan Applicant before: Wuhan Ligong Guangke Co., Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |