CN108921878A - 动目标低对比度下的危险气体泄漏红外视频检测方法 - Google Patents
动目标低对比度下的危险气体泄漏红外视频检测方法 Download PDFInfo
- Publication number
- CN108921878A CN108921878A CN201810406421.2A CN201810406421A CN108921878A CN 108921878 A CN108921878 A CN 108921878A CN 201810406421 A CN201810406421 A CN 201810406421A CN 108921878 A CN108921878 A CN 108921878A
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- background
- infrared
- difference
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
-
- 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
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种动目标低对比度下的危险气体泄漏红外视频检测方法,该方法首先对气体红外视频图像进行背景建模并利用建模所得背景对每帧红外图像进行差分处理,得到当前帧的前景,进行二值化;然后对连续多幅图像,每间隔固定帧进行两两差分,对得到的差分图像取均值,二值化,并对当前帧进行边缘提取,将二者进行逻辑“与”运算,即得到待测目标的边缘,将其和之前背景减除法得到的前景图像,进行逻辑“或”运算,将得到的二值图像,经过八邻域联通域算法,把不符合条件的图像噪声去除掉,最后对检测出的气体区域加上伪彩色处理。本方法高效、准确且具备实时性,能够获得完整、清晰的泄露疑似区域,实现了无色气体泄露区域的检测和定位。
Description
技术领域
本发明涉及图像处理及气体检测技术,尤其涉及一种动目标低对比度下的危险气体泄漏红外视频检测方法。
背景技术
各种气体在工业生产和人民日常生活中的应用范围越来越广泛,这其中不乏一些有毒,易燃易爆的气体。这些危险气体,一旦发生泄漏,将会对环境造成危害,甚至引发火灾、爆炸等灾害,严重威胁社会和人民的生命和财产安全。因此,如何能够快速地检测,并定位泄漏气体,以便相关部门和人员迅速采取有效措施,防止重大气体泄漏事故的发生,已经成为迫切需要解决的问题。
由于传统气体传感器的接触性原理,使得很多待检测的目标地点无法到达,而且其操作安全性大大降低。考虑到工业有害气体在中长波红外波段大多具有特征吸收光谱,因此,基于气体红外吸收原理的光谱检测技术成为一种快速有效的气体泄漏非接触检测技术。
气体泄漏被动式红外成像检测技术是近年来迅速发展的新型检测技术,具有显著的远距离探测能力,可检测的光谱范围大,可检测的气体种类多,系统不需要背景反射,无需辐射源,结构相对简单,可直接成像,但当气体发生泄漏初期,特别是微小区域的气体泄漏,气体红外成像后形成的图像具有浓度低、飘动方向随机变化、易受多种辐射源因素干扰的特点,另外看,画面中随机出现的行人和车辆,树枝草丛的晃动,等复杂动目标的干扰,使现有技术难以实现对泄漏气体的及时准确的判别和定位。
运用传统的运动目标检测算法只能得到部分离散的羽状疑似区域,不能得到一个完整、准确、能进行精确定位的疑似区域,同时也不能有效去除画面中动目标的干扰。我们针对这一难点,提出一种帧间差分和背景差分相结合的累积分析方法,此方法能获得较为完整准确的疑似区域,并有效去除动目标干扰。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种动目标低对比度下的危险气体泄漏红外视频检测方法。
本发明解决其技术问题所采用的技术方案是:一种动目标低对比度下的危险气体泄漏红外视频检测方法,包括以下步骤:
S1、建立RGB颜色查找表T;
S2、采集泄漏气体的红外视频图像序列,取当前帧的前N帧,计算其平均值,作为当前帧前一帧背景;
S3、捕获当前红外图像帧,记为第K帧,对当前红外图像帧进行GMM建模,获取当前红外图像帧的高斯背景;
S4、对当前帧前一帧背景与当前红外图像帧的高斯背景进行加权求和,以进行背景更新,获得第K帧背景,将更新后的背景与当前帧进行差分,得到第K帧前景图像;
S5、通过对第K帧背景进行自动阈值计算,使用得到的第K帧图像的阈值,对差分图像进行二值化处理,背景设为0,前景设为1;
S6、取一段帧间间隔[K-n,K],间隔内每m帧取一帧图像,可为Ik-n,Ik-n+m,…,Ik,此处所取的间隔m应保证两帧图像相异程度相对最高,对这些帧图像按顺序进行两两差分,得到帧间差分图像,对所有帧间差分图像计算平均值,得到多帧间差分运动目标图像;
S7、对多帧间运动差分目标图像进行自动阈值计算,利用得到的阈值,对该多帧间运动差分目标图像进行二值化处理,背景设为0,前景设为1,对得到的图像进行形态学滤波;
S8、对第K帧红外图像,进行Canny边缘检测,对得到的图像进行自动阈值计算,使用得到的阈值进行二值化处理,背景设为0,前景设为1,得到Canny边缘检测的二值化图像;
S9、将多帧间差分二值化图像与Canny边缘检测二值化图像进行逻辑“与”运算;
S10、将S9中得到的二值图像,与S5中背景减除法得到的前景二值图像,进行逻辑“或”运算,得到帧间差分法与背景减除法融合的二值化前景图像;
S11、利用8邻域的连通域算法对S10中得到的前景二值图像进行遍历,通过设置连通区域的横纵比和/或区域像素点,对多个连通域进行筛选,去除不符合泄露气体特征的区域;
S12、经过S11的8连通域去噪后,得到的像素为1的区域就是最终检测到的泄露气体区域,将该区域的像素坐标点位置映射到当前帧(即第K帧)红外图像中,用颜色查找表对这些点添加伪彩色,其他区域不做处理,按原始像素值输出显示,获得最终目标图像。
本发明产生的有益效果是:
1)精确度高。本发明将背景减除法和多帧间差分法结合起来使用,以及加入边缘检测算法,对三种方法多帧图像的信息进行融合,提高了检测的精度;
2)实时性强。本发明方法具备运算复杂度低,计算速度快的优点,可满足实际应用中的实时性要求。
3)鲁棒性良好:目前本发明提出的方法已在复杂背景环境下通过测试,处理的视频及实时处理时长超过1000小时,运行稳定,鲁棒性强,取得了满意的气体检测效果。
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是本发明实施例的方法流程图;
图2是本发明实施例的红外背景模型图像;
图3是本发明实施例的有气体泄漏的红外图像示例图;
图4是本发明实施例中利用图3与图2的红外背景模型进行背景减除后的差分图像;
图5是本发明实施例中经过阈值处理后的多帧间差分平均图像;
图6是本发明实施例中图5中的帧差分图像与图4中的背景差分图像进行或运算后得到的目标图像;
图7是本发明实施例中进过连通域去噪处理和伪彩色处理后得到的最终目标图像。
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。
如图1所示,一种动目标低对比度下的危险气体泄漏红外视频检测方法,包括以下步骤:
S1、建立RGB颜色查找表T;
S2、采集泄漏气体的红外视频图像序列,取当前帧的前N帧,计算其平均值,作为当前帧前一帧背景;,如图2;
S3、捕获当前红外图像帧,记为第K帧,对当前红外图像帧进行GMM建模,获取当前红外图像帧的高斯背景;当前红外图像帧如图3所示;
S4、对当前帧前一帧背景与当前红外图像帧的高斯背景进行加权求和,以进行背景更新,获得第K帧背景,将更新后的背景与当前帧进行差分,得到第K帧前景图像;
S5、通过对第K帧背景进行自动阈值计算,使用得到的第K帧图像的阈值,对差分图像进行二值化处理,背景设为0,前景设为1;如图4;
S6、取一段帧间间隔[K-n,K],间隔内每m帧取一帧图像,可为Ik-n,Ik-n+m,…,Ik,此处所取的间隔m应保证两帧图像相异程度相对最高,对这些帧图像按顺序进行两两差分,得到帧间差分图像,对所有帧间差分图像计算平均值,得到多帧间差分运动目标图像;如图5;
S7、对多帧间运动差分目标图像进行自动阈值计算,利用得到的阈值,对该多帧间运动差分目标图像进行二值化处理,背景设为0,前景设为1,对得到的图像进行形态学滤波;
S8、对第K帧红外图像,进行Canny边缘检测,对得到的图像进行自动阈值计算,使用得到的阈值进行二值化处理,背景设为0,前景设为1,得到Canny边缘检测的二值化图像;
S9、将多帧间差分二值化图像与Canny边缘检测二值化图像进行逻辑“与”运算;
S10、将S9中得到的二值图像,与S5中背景减除法得到的前景二值图像,进行逻辑“或”运算,得到帧间差分法与背景减除法融合的二值化前景图像;如图6;
S11、利用8邻域的连通域算法对S10中得到的前景二值图像进行遍历,通过设置连通区域的横纵比和/或区域像素点,对多个连通域进行筛选,去除不符合泄露气体特征的区域;
S12、经过S11的8连通域去噪后,得到的像素为1的区域就是最终检测到的泄露气体区域,将该区域的像素坐标点位置映射到当前帧(即第K帧)红外图像中,用颜色查找表对这些点添加伪彩色,其他区域不做处理,按原始像素值输出显示,获得最终目标图像,如图7。
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 (5)
1.一种动目标低对比度下的危险气体泄漏红外视频检测方法,其特征在于,包括以下步骤:
S1、建立RGB颜色查找表T;
S2、采集泄漏气体的红外视频图像序列,取当前帧的前N帧,计算其平均值,作为当前帧前一帧背景;
S3、捕获当前红外图像帧,记为第K帧,对当前红外图像帧进行GMM建模,获取当前红外图像帧的高斯背景;
S4、对当前帧前一帧背景与当前红外图像帧的高斯背景进行加权求和,以进行背景更新,获得第K帧背景,将更新后的背景与当前帧进行差分,得到第K帧前景图像;
S5、通过对第K帧背景进行自动阈值计算,使用得到的第K帧图像的阈值,对差分图像进行二值化处理,背景设为0,前景设为1;
S6、取一段帧间间隔[K-n,K],间隔内每m帧取一帧图像,对这些帧图像按顺序进行两两差分,得到帧间差分图像,对所有帧间差分图像计算平均值,得到多帧间差分运动目标图像;
S7、对多帧间运动差分目标图像进行自动阈值计算,利用得到的阈值,对该多帧间运动差分目标图像进行二值化处理,背景设为0,前景设为1,对得到的图像进行形态学滤波;
S8、对第K帧红外图像,进行边缘检测,对得到的图像进行自动阈值计算,使用得到的阈值进行二值化处理,得到边缘检测的二值化图像;
S9、将多帧间差分二值化图像与边缘检测二值化图像进行逻辑“与”运算;
S10、将S9中得到的二值图像,与S5中背景减除法得到的前景二值图像,进行逻辑“或”运算,得到帧间差分法与背景减除法融合的二值化前景图像;
S11、利用8邻域的连通域算法对S10中得到的前景二值图像进行遍历,通过设置连通区域的约束条件,对多个连通域进行筛选,去除不符合泄露气体特征的区域;
S12、经过S11的8连通域去噪后,得到的像素为1的区域就是最终检测到的泄露气体区域,将该区域的像素坐标点位置映射到当前帧红外图像中,用颜色查找表对这些点添加伪彩色,其他区域不做处理,按原始像素值输出显示,获得最终目标图像。
2.根据权利要求1所述的动目标低对比度下的危险气体泄漏红外视频检测方法,其特征在于,所述步骤S6中,m的取值为5。
3.根据权利要求1所述的动目标低对比度下的危险气体泄漏红外视频检测方法,其特征在于,所述步骤S6中,m的取值选取遵循以下原则:所取的间隔m使得所有相邻两帧图像相异程度的均值最高。
4.根据权利要求1所述的动目标低对比度下的危险气体泄漏红外视频检测方法,其特征在于,所述步骤S8中边缘检测采用Canny边缘检测。
5.根据权利要求1所述的动目标低对比度下的危险气体泄漏红外视频检测方法,其特征在于,所述步骤S11中连通区域的约束条件包括:横纵比和/或区域像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810406421.2A CN108921878A (zh) | 2018-04-30 | 2018-04-30 | 动目标低对比度下的危险气体泄漏红外视频检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810406421.2A CN108921878A (zh) | 2018-04-30 | 2018-04-30 | 动目标低对比度下的危险气体泄漏红外视频检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108921878A true CN108921878A (zh) | 2018-11-30 |
Family
ID=64403380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810406421.2A Pending CN108921878A (zh) | 2018-04-30 | 2018-04-30 | 动目标低对比度下的危险气体泄漏红外视频检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921878A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110470669A (zh) * | 2019-08-23 | 2019-11-19 | 吉林大学 | 一种水下管道的检漏方法、系统及相关装置 |
CN110705492A (zh) * | 2019-10-10 | 2020-01-17 | 北京北特圣迪科技发展有限公司 | 一种舞台移动机器人障碍目标检测方法 |
CN110930435A (zh) * | 2019-11-24 | 2020-03-27 | 北京长峰科威光电技术有限公司 | 多背景集成的红外序列运动物体检测方法 |
CN111507977A (zh) * | 2020-04-28 | 2020-08-07 | 同济大学 | 一种图像中钡剂信息提取方法 |
CN112184773A (zh) * | 2020-09-30 | 2021-01-05 | 华中科技大学 | 一种基于深度学习的安全帽佩戴检测方法及系统 |
CN112610905A (zh) * | 2020-12-25 | 2021-04-06 | 中法渤海地质服务有限公司 | 一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法 |
CN112733646A (zh) * | 2020-12-30 | 2021-04-30 | 大连海事大学 | 一种基于热成像的液态介质泄漏自动检测方法及系统 |
CN112767390A (zh) * | 2021-02-05 | 2021-05-07 | 安徽绿舟科技有限公司 | 一种基于红外检测输送管泄露的方法 |
CN112781791A (zh) * | 2020-12-30 | 2021-05-11 | 大连海事大学 | 一种基于光学气体成像的VOCs气体泄漏检测方法及系统 |
CN113031281A (zh) * | 2021-04-21 | 2021-06-25 | 南昌三极光电有限公司 | 一种光学系统 |
CN113538337A (zh) * | 2021-06-17 | 2021-10-22 | 杭州涂鸦信息技术有限公司 | 检测方法、检测装置及计算机可读存储介质 |
CN113780135A (zh) * | 2021-08-31 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 跨场景的VOCs气体泄漏检测方法、系统及存储介质 |
CN115690046A (zh) * | 2022-10-31 | 2023-02-03 | 江苏慧眼数据科技股份有限公司 | 一种基于单目深度估计的物品遗留检测与溯源方法及系统 |
CN116091491A (zh) * | 2023-04-03 | 2023-05-09 | 中国科学技术大学先进技术研究院 | VOCs气体检测方法、装置、设备及计算机可读存储介质 |
CN117237362A (zh) * | 2023-11-16 | 2023-12-15 | 山东嘉源复合材料有限公司 | 一种基于视觉的丙二醇二乙酸酯罐装密封检测方法 |
CN117788466A (zh) * | 2024-02-26 | 2024-03-29 | 国科大杭州高等研究院 | 一种非制冷红外视频序列危险气体成像泄漏检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160247266A1 (en) * | 2011-11-07 | 2016-08-25 | Flir Systems Ab | Gas visualization arrangements, devices, and methods |
CN106301480A (zh) * | 2016-08-01 | 2017-01-04 | 武汉工程大学 | 一种数据的发送方法及系统 |
CN106355602A (zh) * | 2016-08-26 | 2017-01-25 | 杨百川 | 一种多目标定位跟踪视频监控方法 |
CN107705288A (zh) * | 2017-09-04 | 2018-02-16 | 武汉工程大学 | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 |
-
2018
- 2018-04-30 CN CN201810406421.2A patent/CN108921878A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160247266A1 (en) * | 2011-11-07 | 2016-08-25 | Flir Systems Ab | Gas visualization arrangements, devices, and methods |
CN106301480A (zh) * | 2016-08-01 | 2017-01-04 | 武汉工程大学 | 一种数据的发送方法及系统 |
CN106355602A (zh) * | 2016-08-26 | 2017-01-25 | 杨百川 | 一种多目标定位跟踪视频监控方法 |
CN107705288A (zh) * | 2017-09-04 | 2018-02-16 | 武汉工程大学 | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 |
Non-Patent Citations (1)
Title |
---|
DING KANG: "《Dangerous gas detection based on infrared video》", 《PROC.SPIE 10611 MIPPR 2017》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110470669A (zh) * | 2019-08-23 | 2019-11-19 | 吉林大学 | 一种水下管道的检漏方法、系统及相关装置 |
CN110705492A (zh) * | 2019-10-10 | 2020-01-17 | 北京北特圣迪科技发展有限公司 | 一种舞台移动机器人障碍目标检测方法 |
CN110930435A (zh) * | 2019-11-24 | 2020-03-27 | 北京长峰科威光电技术有限公司 | 多背景集成的红外序列运动物体检测方法 |
CN110930435B (zh) * | 2019-11-24 | 2023-08-04 | 北京长峰科威光电技术有限公司 | 多背景集成的红外序列运动物体检测方法 |
CN111507977A (zh) * | 2020-04-28 | 2020-08-07 | 同济大学 | 一种图像中钡剂信息提取方法 |
CN111507977B (zh) * | 2020-04-28 | 2024-04-02 | 同济大学 | 一种图像中钡剂信息提取方法 |
CN112184773A (zh) * | 2020-09-30 | 2021-01-05 | 华中科技大学 | 一种基于深度学习的安全帽佩戴检测方法及系统 |
CN112610905A (zh) * | 2020-12-25 | 2021-04-06 | 中法渤海地质服务有限公司 | 一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法 |
CN112781791A (zh) * | 2020-12-30 | 2021-05-11 | 大连海事大学 | 一种基于光学气体成像的VOCs气体泄漏检测方法及系统 |
CN112733646B (zh) * | 2020-12-30 | 2021-11-23 | 大连海事大学 | 一种基于热成像的液态介质泄漏自动检测方法及系统 |
CN112733646A (zh) * | 2020-12-30 | 2021-04-30 | 大连海事大学 | 一种基于热成像的液态介质泄漏自动检测方法及系统 |
CN112767390A (zh) * | 2021-02-05 | 2021-05-07 | 安徽绿舟科技有限公司 | 一种基于红外检测输送管泄露的方法 |
CN113031281A (zh) * | 2021-04-21 | 2021-06-25 | 南昌三极光电有限公司 | 一种光学系统 |
CN113031281B (zh) * | 2021-04-21 | 2022-11-08 | 南昌三极光电有限公司 | 一种光学系统 |
CN113538337A (zh) * | 2021-06-17 | 2021-10-22 | 杭州涂鸦信息技术有限公司 | 检测方法、检测装置及计算机可读存储介质 |
CN113538337B (zh) * | 2021-06-17 | 2024-02-27 | 杭州涂鸦信息技术有限公司 | 检测方法、检测装置及计算机可读存储介质 |
CN113780135A (zh) * | 2021-08-31 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 跨场景的VOCs气体泄漏检测方法、系统及存储介质 |
CN113780135B (zh) * | 2021-08-31 | 2023-08-04 | 中国科学技术大学先进技术研究院 | 跨场景的VOCs气体泄漏检测方法、系统及存储介质 |
CN115690046B (zh) * | 2022-10-31 | 2024-02-23 | 江苏慧眼数据科技股份有限公司 | 一种基于单目深度估计的物品遗留检测与溯源方法及系统 |
CN115690046A (zh) * | 2022-10-31 | 2023-02-03 | 江苏慧眼数据科技股份有限公司 | 一种基于单目深度估计的物品遗留检测与溯源方法及系统 |
CN116091491A (zh) * | 2023-04-03 | 2023-05-09 | 中国科学技术大学先进技术研究院 | VOCs气体检测方法、装置、设备及计算机可读存储介质 |
CN117237362A (zh) * | 2023-11-16 | 2023-12-15 | 山东嘉源复合材料有限公司 | 一种基于视觉的丙二醇二乙酸酯罐装密封检测方法 |
CN117237362B (zh) * | 2023-11-16 | 2024-01-26 | 山东嘉源复合材料有限公司 | 一种基于视觉的丙二醇二乙酸酯罐装密封检测方法 |
CN117788466A (zh) * | 2024-02-26 | 2024-03-29 | 国科大杭州高等研究院 | 一种非制冷红外视频序列危险气体成像泄漏检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921878A (zh) | 动目标低对比度下的危险气体泄漏红外视频检测方法 | |
CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN109272489B (zh) | 基于背景抑制与多尺度局部熵的红外弱小目标检测方法 | |
Chen et al. | Depth image enhancement for Kinect using region growing and bilateral filter | |
CN103020628B (zh) | 一种基于rgb对比图像与目标形状的烟雾检测方法 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN108288264B (zh) | 一种广角摄像头模组脏污测试方法 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN106845346A (zh) | 一种用于机场跑道异物检测的图像检测方法 | |
CN105139347A (zh) | 一种结合暗通道先验原理的偏振成像去雾方法 | |
CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN114596329A (zh) | 一种气体图像增强及气体泄露检测方法和系统 | |
Choi et al. | Human detection using image fusion of thermal and visible image with new joint bilateral filter | |
CN114399507B (zh) | 一种手机外观质量检测方法、装置、电子设备及存储介质 | |
CN114359149A (zh) | 基于实时图像边缘增强的坝岸险情视频检测方法及系统 | |
CN116823839A (zh) | 基于热红外图像的管道泄漏检测方法 | |
CN112733646B (zh) | 一种基于热成像的液态介质泄漏自动检测方法及系统 | |
CN114913211A (zh) | 气体泄漏红外成像监测方法、装置、电子设备及存储介质 | |
CN104408432B (zh) | 一种基于直方图修正的红外图像目标检测方法 | |
CN106934789A (zh) | 基于三帧差分法的包装动态检测方法及装置 | |
CN108470342A (zh) | 一种红外图像边缘检测方法 | |
Ning et al. | Flame object segmentation by an improved frame difference method | |
CN114022468B (zh) | 一种安防监控中物品遗留丢失检测方法 |
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 |