CN109598193A - 一种基于人工智能的火焰图像识别方法 - Google Patents

一种基于人工智能的火焰图像识别方法 Download PDF

Info

Publication number
CN109598193A
CN109598193A CN201811248306.3A CN201811248306A CN109598193A CN 109598193 A CN109598193 A CN 109598193A CN 201811248306 A CN201811248306 A CN 201811248306A CN 109598193 A CN109598193 A CN 109598193A
Authority
CN
China
Prior art keywords
flame
image
fire
artificial intelligence
recognition methods
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
Application number
CN201811248306.3A
Other languages
English (en)
Inventor
储丹
沈凌楠
郑昕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Xinhao Information Technology Co Ltd
Original Assignee
Anhui Xinhao Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Xinhao Information Technology Co Ltd filed Critical Anhui Xinhao Information Technology Co Ltd
Priority to CN201811248306.3A priority Critical patent/CN109598193A/zh
Publication of CN109598193A publication Critical patent/CN109598193A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A62—LIFE-SAVING; FIRE-FIGHTING
    • A62C—FIRE-FIGHTING
    • A62C37/00—Control of fire-fighting equipment
    • 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
    • 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • 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

Abstract

本发明公开了一种基于人工智能的火焰图像识别方法，包括对火焰进行图像采集，将采集完的图像进行预处理，再将信息传递到单片机中，首先对火焰图像在静态及动态的过程中分别进行特征对比，静态的主要对比特征包括火焰平均灰度、火焰面积及火焰圆形度，动态的主要对比特征包括火焰高温区面积及质心偏移距离，其次基于火焰图像的颜色及火焰亮度进行对比，火焰的颜色主要包括颜色分量及火焰锋面，火焰亮度主要可以区分火焰的中心及火焰的边缘，通过上述对比可对火焰的图像进行初步判断，如果有火灾危险，则通过报警系统进行报警且采取灭火措施，如果没有火灾危险，则进行下一步骤的对比，通过单片机对生成的火焰图像进行分割。

Description

一种基于人工智能的火焰图像识别方法
技术领域
本发明涉及消防技术领域，具体来说，涉及一种基于人工智能的火焰图像识别方法。
背景技术
目前，随着社会科技的不断发展，人工智能系统是一种能模拟生物脑神经元在大脑中的真实链接，并对外来信号有自主分析能力的智能系统。然而，传统的火灾报警系统，一般由火灾探测器、区域报警器和集中报警器组成。
专利号为201520220816.5的专利文献公开了一种基于火焰图像识别自动对中消防装置，包括火焰图像数据收集单元、用于识别火焰图像数据并确定火焰位置中心点的单片机、用于驱动电机转动消防水炮至所述火焰位置中心点的驱动单元以及用于喷射水流的消防水炮；所述单片机输入端连接所述收集单元，输出端连接所述驱动单元，所述驱动单元连接所述消防水炮，上述专利虽然可以确认火焰位置，但是不能快速的识别火焰大小，且设备不够智能。
综上所述，如何能够快速的识别火焰大小，以及提高设备的智能化是目前急需解决的技术问题。
发明内容
本发明的技术任务是针对以上不足，提供一种基于人工智能的火焰图像识别方法，来解决快速的识别火焰大小，以及提高设备的智能化的问题。
本发明的技术方案是这样实现的：
一种基于人工智能的火焰图像识别方法，包括以下步骤：
对火焰进行图像采集，将采集完的图像进行预处理，再将信息传递到单片机中；
首先对火焰图像在静态及动态的过程中分别进行特征对比，静态的主要对比特征包括火焰平均灰度、火焰面积及火焰圆形度，动态的主要对比特征包括火焰高温区面积及质心偏移距离；
其次基于火焰图像的颜色及火焰亮度进行对比，火焰的颜色主要包括颜色分量及火焰锋面，火焰亮度主要可以区分火焰的中心及火焰的边缘；
通过上述对比可对火焰的图像进行初步判断，可知，如果有火灾危险，则通过报警系统进行报警且采取灭火措施，如果没有火灾危险，则进行下一步骤的对比；
通过单片机对生成的火焰图像进行分割，对每组小块的火焰图像进行对比；
将分割后的火焰局部图像的几何特征进行对比，几何特征包括火焰周长、火焰长度、火焰斜率及火焰重心；
再对每组火焰的进行火焰纹路对比，通过利用纹理统计工具对火焰图像的纹理特征进行获取；
通过上述对火焰的图像进行再次判断，可知有火灾危险，系统会直接报警且采取灭火措施；
因此基于人工智能可完成对火焰图像识别，判断是否有火灾危险。
进一步，火焰的颜色通过紫外火焰传感器与红外火焰传感器进行采集。
进一步，紫外火焰传感器可以探测波长范围在185～260nm的紫外火焰，红外火焰传感器可以探测波长范围在4.1～4.9μm的红外火焰。
进一步，火焰图像采集包括外置式拍照电子眼和广角监控摄像机。
进一步，单片机型号为STM32F103RB。
本发明的一种基于人工智能的火焰图像识别方法和现有技术相比，具有以下有益效果：
1、通过多种火焰图像特征进行火灾识别，减少误判的现象发送，综合利用多种特征判定火灾区域的真伪；
2、利用颜色、亮度、纹路及分割后的特征构造对火灾区域进行检测，提取混合图像特征，不仅加快了单片机的执行速度，而且能够捕捉到更多的图像细节；
3、可以在火情出现的第一时间对其做出快速反应，精确定位火源坐标，使火情在最初阶段就得到及时有效的控制，避免了火情的扩大，减少了灭火过程中的破坏性；
4、通过人工智能提高监测系统的灵敏度和准确性，减少了人员伤亡、并且减少消防人员出勤频率、降低消防人员风险；
5、该单片机并能通过分析和比对结果输出准确的控制信号，从而确保输出的控制信号的准确性，有效的减少了火灾的发生，降低财物损失；
本发明的人工智能的火焰图像识别能对图像采集器所采集的图像信号进行快速、准确的处理，使单片机输出的信号更加准确，进而设备更加智能化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种基于人工智能的火焰图像识别方法的流程图。
具体实施方式
在本发明的描述中，需要理解的是，术语“中心”、“横向”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。另外，术语“包括”及其任何变形，意图在于覆盖不排他的包含。
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示，根据本发明实施例的一种基于人工智能的火焰图像识别方法，包括以下步骤：
步骤S101，对火焰进行图像采集，火焰图像采集包括外置式拍照电子眼和广角监控摄像机，将采集完的图像进行预处理，再将信息传递到单片机中，单片机型号为STM32F103RB；
步骤S103，首先对火焰图像在静态及动态的过程中分别进行特征对比，静态的主要对比特征包括火焰平均灰度、火焰面积及火焰圆形度，动态的主要对比特征包括火焰高温区面积及质心偏移距离；
步骤S105，其次基于火焰图像的颜色及火焰亮度进行对比，火焰的颜色主要包括颜色分量及火焰锋面，火焰的颜色通过紫外火焰传感器与红外火焰传感器进行采集，紫外火焰传感器可以探测波长范围在185～260nm的紫外火焰，红外火焰传感器可以探测波长范围在4.1～4.9μm的红外火焰，火焰亮度主要可以区分火焰的中心及火焰的边缘；
步骤S107，通过上述对比可对火焰的图像进行初步判断，可知，如果有火灾危险，则通过报警系统进行报警且采取灭火措施，如果没有火灾危险，则进行下一步骤的对比；
步骤S109，通过单片机对生成的火焰图像进行分割，对每组小块的火焰图像进行对比；
步骤S111，将分割后的火焰局部图像的几何特征进行对比，几何特征包括火焰周长、火焰长度、火焰斜率及火焰重心；
步骤S113，再对每组火焰的进行火焰纹路对比，通过利用纹理统计工具对火焰图像的纹理特征进行获取；
步骤S115，通过上述对火焰的图像进行再次判断，可知有火灾危险，系统会直接报警且采取灭火措施；
步骤S117，因此基于人工智能可完成对火焰图像识别，判断是否有火灾危险。
综上所述，借助于本发明的上述技术方案，通过多种火焰图像特征进行火灾识别，减少误判的现象发送，综合利用多种特征判定火灾区域的真伪；利用颜色、亮度、纹路及分割后的特征构造对火灾区域进行检测，提取混合图像特征，不仅加快了单片机的执行速度，而且能够捕捉到更多的图像细节；可以在火情出现的第一时间对其做出快速反应，精确定位火源坐标，使火情在最初阶段就得到及时有效的控制，避免了火情的扩大，减少了灭火过程中的破坏性；通过人工智能提高监测系统的灵敏度和准确性，减少了人员伤亡、并且减少消防人员出勤频率、降低消防人员风险；该单片机并能通过分析和比对结果输出准确的控制信号，从而确保输出的控制信号的准确性，有效的减少了火灾的发生，降低财物损失；本发明的人工智能的火焰图像识别能对图像采集器所采集的图像信号进行快速、准确的处理，使单片机输出的信号更加准确。
通过上面具体实施方式，所述技术领域的技术人员可容易的实现本发明。但是应当理解，本发明并不限于上述的具体实施方式。在公开的实施方式的基础上，所述技术领域的技术人员可任意组合不同的技术特征，从而实现不同的技术方案。

Claims (5)

1.一种基于人工智能的火焰图像识别方法，其特征在于，包括以下步骤：
对火焰进行图像采集，将采集完的图像进行预处理，再将信息传递到单片机中；
首先对火焰图像在静态及动态的过程中分别进行特征对比，静态的主要对比特征包括火焰平均灰度、火焰面积及火焰圆形度，动态的主要对比特征包括火焰高温区面积及质心偏移距离；
其次基于火焰图像的颜色及火焰亮度进行对比，火焰的颜色主要包括颜色分量及火焰锋面，火焰亮度主要可以区分火焰的中心及火焰的边缘；
通过上述对比可对火焰的图像进行初步判断，可知，如果有火灾危险，则通过报警系统进行报警且采取灭火措施，如果没有火灾危险，则进行下一步骤的对比；
通过单片机对生成的火焰图像进行分割，对每组小块的火焰图像进行对比；
将分割后的火焰局部图像的几何特征进行对比，几何特征包括火焰周长、火焰长度、火焰斜率及火焰重心；
再对每组火焰的进行火焰纹路对比，通过利用纹理统计工具对火焰图像的纹理特征进行获取；
通过上述对火焰的图像进行再次判断，可知有火灾危险，系统会直接报警且采取灭火措施；
因此基于人工智能可完成对火焰图像识别，判断是否有火灾危险。
2.根据权利要求1所述的一种基于人工智能的火焰图像识别方法，其特征在于，火焰的颜色通过紫外火焰传感器与红外火焰传感器进行采集。
3.根据权利要求2所述的一种基于人工智能的火焰图像识别方法，其特征在于，紫外火焰传感器可以探测波长范围在185～260nm的紫外火焰，红外火焰传感器可以探测波长范围在4.1～4.9μm的红外火焰。
4.根据权利要求1所述的一种基于人工智能的火焰图像识别方法，其特征在于，火焰图像采集包括外置式拍照电子眼和广角监控摄像机。
5.根据权利要求1所述的一种基于人工智能的火焰图像识别方法，其特征在于，单片机型号为STM32F103RB。
CN201811248306.3A 2018-10-25 2018-10-25 一种基于人工智能的火焰图像识别方法 Pending CN109598193A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811248306.3A CN109598193A (zh) 2018-10-25 2018-10-25 一种基于人工智能的火焰图像识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811248306.3A CN109598193A (zh) 2018-10-25 2018-10-25 一种基于人工智能的火焰图像识别方法

Publications (1)

Publication Number Publication Date
CN109598193A true CN109598193A (zh) 2019-04-09

Family

ID=65958204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811248306.3A Pending CN109598193A (zh) 2018-10-25 2018-10-25 一种基于人工智能的火焰图像识别方法

Country Status (1)

Country Link
CN (1) CN109598193A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097732A (zh) * 2019-05-08 2019-08-06 江西省天眼科技有限公司 一种火焰探测监控装置及其处理方法
CN110566929A (zh) * 2019-10-17 2019-12-13 山东鸿源工业智能技术有限公司 一种双炉排工业锅炉实时控制方法
CN111686392A (zh) * 2020-06-23 2020-09-22 海南科技职业大学 一种全视场火情探测人工智能灭火系统
CN112233107A (zh) * 2020-11-04 2021-01-15 安徽大学 基于图像处理技术的葵花籽品级分类方法
CN112669369A (zh) * 2021-01-20 2021-04-16 中国科学院广州能源研究所 一种碳氢火焰黄焰程度量化判定方法
CN116543522A (zh) * 2023-06-06 2023-08-04 应急管理部沈阳消防研究所 一种基于ai图像复合的测温式电气火灾探测装置及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102784451A (zh) * 2012-08-06 2012-11-21 西安硅光电子科技有限公司 一种三维空间自动定位火焰探测系统
CN104299351A (zh) * 2014-10-22 2015-01-21 常州大学 智能预警灭火机器人
JP2015114930A (ja) * 2013-12-13 2015-06-22 ホーチキ株式会社 火災検知システム及び火災検知方法
CN106408846A (zh) * 2016-11-29 2017-02-15 周川 基于视频监控平台的图像火灾检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102784451A (zh) * 2012-08-06 2012-11-21 西安硅光电子科技有限公司 一种三维空间自动定位火焰探测系统
JP2015114930A (ja) * 2013-12-13 2015-06-22 ホーチキ株式会社 火災検知システム及び火災検知方法
CN104299351A (zh) * 2014-10-22 2015-01-21 常州大学 智能预警灭火机器人
CN106408846A (zh) * 2016-11-29 2017-02-15 周川 基于视频监控平台的图像火灾检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
龙铭等: "大空间火灾火焰图像分割区域的静态特征描述与提取", 《机械设计与制造》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097732A (zh) * 2019-05-08 2019-08-06 江西省天眼科技有限公司 一种火焰探测监控装置及其处理方法
CN110097732B (zh) * 2019-05-08 2021-07-20 江西省天眼科技有限公司 一种火焰探测监控装置及其处理方法
CN110566929A (zh) * 2019-10-17 2019-12-13 山东鸿源工业智能技术有限公司 一种双炉排工业锅炉实时控制方法
CN110566929B (zh) * 2019-10-17 2021-03-26 山东鸿源工业智能技术有限公司 一种双炉排工业锅炉实时控制方法
CN111686392A (zh) * 2020-06-23 2020-09-22 海南科技职业大学 一种全视场火情探测人工智能灭火系统
CN112233107A (zh) * 2020-11-04 2021-01-15 安徽大学 基于图像处理技术的葵花籽品级分类方法
CN112233107B (zh) * 2020-11-04 2022-10-25 安徽大学 基于图像处理技术的葵花籽品级分类方法
CN112669369A (zh) * 2021-01-20 2021-04-16 中国科学院广州能源研究所 一种碳氢火焰黄焰程度量化判定方法
CN116543522A (zh) * 2023-06-06 2023-08-04 应急管理部沈阳消防研究所 一种基于ai图像复合的测温式电气火灾探测装置及方法
CN116543522B (zh) * 2023-06-06 2024-02-09 应急管理部沈阳消防研究所 一种基于ai图像复合的测温式电气火灾探测装置及方法

Similar Documents

Publication Publication Date Title
CN109598193A (zh) 一种基于人工智能的火焰图像识别方法
CN101577812B (zh) 一种岗位监测的方法和系统
CN102982316A (zh) 一种对驾驶员非正常驾驶行为的识别装置和方法
CN101334924A (zh) 一种火灾探测系统及其火灾探测方法
CN102799893A (zh) 考场监控视频处理方法
CN108389359A (zh) 一种基于深度学习的城市火灾报警方法
CN209543514U (zh) 基于人脸识别的监控与报警系统
CN112184773A (zh) 一种基于深度学习的安全帽佩戴检测方法及系统
CN110889339A (zh) 基于头肩检测的危险区域分级预警方法与系统
CN102085099A (zh) 疲劳驾驶检测方法和装置
CN109740412A (zh) 一种基于计算机视觉的信号灯故障检测方法
CN113903058A (zh) 一种基于区域人员识别的智能控制系统
CN102494629B (zh) 流水线传动链检测方法及其装置
CN111064935A (zh) 一种智慧工地人员姿态检测方法及系统
CN208212008U (zh) 自测式视力检测系统
CN109881356B (zh) 基于svm图像分类的袜机织针在线检测装置及方法
CN107657782A (zh) 一种火情自动视觉检测系统
CN106803937A (zh) 一种具有文本日志的双摄像头视频监控方法及系统
CN104417504B (zh) 电动汽车电池更换系统的安防子系统
CN116363397A (zh) 设备故障排查方法、装置及巡检系统
CN114492656A (zh) 一种基于计算机视觉和传感器的疲劳度监测系统
CN109215292A (zh) 一种疲劳驾驶辅助方法及系统
CN109960990A (zh) 障碍物侦测可信度评估方法
CN113702764A (zh) 一种架空线缆断线监测与判别方法
CN105825631A (zh) 基于视频智能算法的疲劳检测方法及系统

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20230509

AD01 Patent right deemed abandoned