CN109598194A - 一种基于人工智能的火灾烟气图像识别方法 - Google Patents
一种基于人工智能的火灾烟气图像识别方法 Download PDFInfo
- Publication number
- CN109598194A CN109598194A CN201811248760.9A CN201811248760A CN109598194A CN 109598194 A CN109598194 A CN 109598194A CN 201811248760 A CN201811248760 A CN 201811248760A CN 109598194 A CN109598194 A CN 109598194A
- Authority
- CN
- China
- Prior art keywords
- image
- fire
- flue gas
- computer
- pixel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000000779 smoke Substances 0.000 title claims abstract description 19
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 14
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 29
- 239000003546 flue gas Substances 0.000 claims abstract description 29
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 9
- 239000000443 aerosol Substances 0.000 claims abstract description 9
- 238000004040 coloring Methods 0.000 claims abstract description 9
- 239000010959 steel Substances 0.000 claims abstract description 9
- 238000012512 characterization method Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000004913 activation Effects 0.000 claims abstract description 4
- 239000000284 extract Substances 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fire-Detection Mechanisms (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于人工智能的火灾烟气图像识别方法，包括以下步骤：启动系统；通过计算机读取视频图像数据；通过计算机分析得到烟气图像；将烟气图像在HIS模型中进行分割，并提取目标图像的青灰色分量及轮廓；利用图像预处理技术分析烟气图像以及干扰图像的特征；再将烟气轮廓的圆形度作为火灾的识别依据，如果判别为火灾烟雾，则计算机发出指令，控制报警器发出报警信号，并控制联动灭火装置迅速启动灭火功能；如果判别为非火灾烟雾，则返回第二步，计算机继续读取视频图像数据。有益效果：本发明方法能够准确的反映烟雾运动特征，使结果受相同像素的影响较小，可大大降低误报率，能够快速准确地实现火灾烟雾探测功能。
Description
技术领域
本发明涉及火灾探测技术领域，具体来说，涉及一种基于人工智能的火灾烟气图像识别方法。
背景技术
可视火灾探测技术根据探测对象及识别算法的不同，可分为火焰图像探测技术和烟雾图像探测技术。其中烟雾图像识别探测技术能够较早发现火灾，实现早期火灾探测。
专利号为CN02812437.5的专利文献公开了一种基于像素级的烟雾检验方法，可以通过检测监控图像的像素亮度值所在区间来识别烟雾，基于像素亮度的识别方法虽然识别速度较快，但由于很多环境物体和烟雾具有相近的色彩统计特征，因此误报相当严重。
综上所述，如何能够降低误报率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灾烟气图像识别方法，来解决如何降低误报率的问题。
本发明的技术方案是这样实现的：
一种基于人工智能的火灾烟气图像识别方法，包括以下步骤：
启动系统；
通过计算机读取视频图像数据；
通过计算机分析得到烟气图像；将烟气图像在HIS模型中进行分割，并提取目标图像的青灰色分量及轮廓；
利用图像预处理技术分析烟气图像以及干扰图像的特征；
再将烟气轮廓的圆形度作为火灾的识别依据，如果判别为火灾烟雾，则计算机发出指令，控制报警器发出报警信号，并控制联动灭火装置迅速启动灭火功能；如果判别为非火灾烟雾，则返回第二步，计算机继续读取视频图像数据。
进一步的，所述视频图像采集通过安装在被监控区域的监测摄像头完成，且视频图像数据通过数据采集卡或硬盘录像机传到视频监控计算机。
进一步的，火灾的识别依据为圆形度大于3的图像判定为火灾烟气图像，圆形度小于3的图像判定为非火灾烟气图像。
进一步的，所述目标图像的青灰色分量及轮廓的提取算法包括：
选择基准点，逐个扫描图像像素点X，得到对应像素点的R、G、B分量和色调H，保留色调H在175~185之间的点，并计算所保留点的α值，只要α在0~20之间的点就可以作为基准点A；
基准点的归一化，对选为基准点的A的像素点进行归一化；
计算基准点的HIS值，求出归一化的像素点的最小值和最大值，计算此点的HIS值；
计算下一个像素点的HIS值，继续扫描图像的下一个像素点B，计算此点的亮度、饱和度和色调的值；
计算AB两点之前的空间距离；
保留烟气像素点，空间距离D小于或者等于0.2的点，都可以作为初步的目标区域被保留下来，重复上述的步骤，扫描所有的像素点，得到的图像会有一些噪音，空间距离D小于或者等于0.2的点的R、G、B分量特征，可能不满足烟气颜色区域，将初步目标区域的取值范围0~20的像素点作为目标区域保留，其它像素点即作为白色背景，滤除干扰噪音。
进一步的，所述圆形度的计算公式为C=L2/4πA，其中L为形状的周长，A为形状的面积。
本发明提供了一种基于人工智能的火灾烟气图像识别方法，有益效果如下：
本发明方法通过将烟气图像在HIS模型中分割后，提取出目标图像的青灰色分量及轮廓，利用图像预处理技术分析烟气图像以及干扰图像的特征，在将烟气轮廓的圆形度作为火灾识别判据，该方法能够准确的反映烟雾运动特征，使结果受相同像素的影响较小，可大大降低误报率，能够快速准确地实现火灾烟雾探测功能。
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灾烟气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灾烟气图像识别方法，包括以下步骤：
步骤S101，启动系统；
步骤S103，通过计算机读取视频图像数据；
步骤S105，通过计算机分析得到烟气图像；
步骤S107，将烟气图像在HIS模型中进行分割，并提取目标图像的青灰色分量及轮廓；
步骤S109，利用图像预处理技术分析烟气图像以及干扰图像的特征；
步骤S111，再将烟气轮廓的圆形度作为火灾的识别依据，如果判别为火灾烟雾，则计算机发出指令，控制报警器发出报警信号，并控制联动灭火装置迅速启动灭火功能；如果判别为非火灾烟雾，则返回第二步，计算机继续读取视频图像数据。
具体的，步骤S103中的视频图像采集通过安装在被监控区域的监测摄像头完成，且视频图像数据通过数据采集卡或硬盘录像机传到视频监控计算机。
具体的，步骤S111中的火灾识别依据为圆形度大于3的图像判定为火灾烟气图像，圆形度小于3的图像判定为非火灾烟气图像。
具体的，步骤S107中的目标图像的青灰色分量及轮廓的提取算法包括：
选择基准点，逐个扫描图像像素点X，得到对应像素点的R、G、B分量和色调H，保留色调H在175~185之间的点，并计算所保留点的α值，其中，所述α值的计算公式为α=max（|R-G|，|G-B|，|B-R|），只要α∈[ 0，20]的点就可以作为基准点A；
基准点的归一化，对选为基准点的A的像素点（R、G、B）进行归一化，得到（MR，MG，MB），其中MR=R/255，MG=G/255，MB=B/255；
计算基准点的HIS值，求出（MR，MG，MB）的最小值为min（MR，MG，MB），求出（MR，MG，MB）的最大值标记为max（MR，MG，MB），计算此点的HIS值，公式如下：
I=max（MR，MG，MB），
S=1-min（MR，MG，MB）/max（MR，MG，MB），
，其中，
计算下一个像素点的HIS值，继续扫描图像的下一个像素点B，计算此点的亮度、饱和度和色调的值，分别记为i、s、h；
计算AB两点之前的空间距离，A、B两点之间的空间距离D的计算法法如下：
D=（V1+V2+V3）½，其中，V1=（I-i）2，V2=S×cosH-s×cosh×（S×cosH-s×cosh），V3=S×cosH-s×sinh×（S×sinH-s×sinh）；
保留烟气像素点，空间距离D小于或者等于0.2的点，都可以作为初步的目标区域被保留下来，重复上述的步骤，扫描所有的像素点，得到的图像会有一些噪音，空间距离D小于或者等于0.2的点的R、G、B分量特征，可能不满足烟气颜色区域，将初步目标区域的取值范围满足[ 0，20]的像素点作为目标区域保留，其它像素点为（255，255，255），即作为白色背景，滤除干扰噪音。
更加具体的，所述圆形度的计算公式为C=L2/4πA，其中L为形状的周长，A为形状的面积。
综上所述，借助于本发明的上述技术方案，通过将烟气图像在HIS模型中分割后，提取出目标图像的青灰色分量及轮廓，利用图像预处理技术分析烟气图像以及干扰图像的特征，在将烟气轮廓的圆形度作为火灾识别判据，该方法能够准确的反映烟雾运动特征，使结果受相同像素的影响较小，可大大降低误报率，能够快速准确地实现火灾烟雾探测功能。
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。
当然，本发明还可有其它多种实施例，在不背离本本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明权利要求的保护范围。
Claims (5)
1.一种基于人工智能的火灾烟气图像识别方法，其特征在于，包括以下步骤：
启动系统；
通过计算机读取视频图像数据；
通过计算机分析得到烟气图像； 将烟气图像在HIS模型中进行分割，并提取目标图像的青灰色分量及轮廓；
利用图像预处理技术分析烟气图像以及干扰图像的特征；
再将烟气轮廓的圆形度作为火灾的识别依据，如果判别为火灾烟雾，则计算机发出指令，控制报警器发出报警信号，并控制联动灭火装置迅速启动灭火功能；如果判别为非火灾烟雾，则返回第二步，计算机继续读取视频图像数据。
2.根据权利要求1所述的一种基于人工智能的火灾烟气图像识别方法，其特征在于，所述视频图像采集通过安装在被监控区域的监测摄像头完成，且视频图像数据通过数据采集卡或硬盘录像机传到视频监控计算机。
3.根据权利要求1所述的一种基于人工智能的火灾烟气图像识别方法，其特征在于，火灾的识别依据为圆形度大于3的图像判定为火灾烟气图像，圆形度小于3的图像判定为非火灾烟气图像。
4.根据权利要求1所述的一种基于人工智能的火灾烟气图像识别方法，其特征在于，所述目标图像的青灰色分量及轮廓的提取算法包括：
选择基准点，逐个扫描图像像素点X，得到对应像素点的R、G、B分量和色调H，保留色调H在175~185之间的点，并计算所保留点的α值，只要α在0~20之间的点就可以作为基准点A；
基准点的归一化，对选为基准点的A的像素点进行归一化；
计算基准点的HIS值，求出归一化的像素点的最小值和最大值，计算此点的HIS值；
计算下一个像素点的HIS值，继续扫描图像的下一个像素点B，计算此点的亮度、饱和度和色调的值；
计算AB两点之前的空间距离；
保留烟气像素点，空间距离D小于或者等于0.2的点，都可以作为初步的目标区域被保留下来，重复上述的步骤，扫描所有的像素点，得到的图像会有一些噪音，空间距离D小于或者等于0.2的点的R、G、B分量特征，可能不满足烟气颜色区域，将初步目标区域的取值范围0~20的像素点作为目标区域保留，其它像素点即作为白色背景，滤除干扰噪音。
5.根据权利要求1所述的一种基于人工智能的火灾烟气图像识别方法，其特征在于，所述圆形度的计算公式为C=L2/4πA，其中L为形状的周长，A为形状的面积。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811248760.9A CN109598194A (zh) | 2018-10-25 | 2018-10-25 | 一种基于人工智能的火灾烟气图像识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811248760.9A CN109598194A (zh) | 2018-10-25 | 2018-10-25 | 一种基于人工智能的火灾烟气图像识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109598194A true CN109598194A (zh) | 2019-04-09 |
Family
ID=65958179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811248760.9A Pending CN109598194A (zh) | 2018-10-25 | 2018-10-25 | 一种基于人工智能的火灾烟气图像识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109598194A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111899458A (zh) * | 2020-07-27 | 2020-11-06 | 山东工商学院 | 一种基于人工智能的火灾烟气图像识别方法 |
| CN113838121A (zh) * | 2021-11-24 | 2021-12-24 | 中国人民解放军海军工程大学 | 基于图像识别的烟气层高度检测方法及检测系统 |
| CN115223324A (zh) * | 2022-06-16 | 2022-10-21 | 中电云数智科技有限公司 | 一种烟雾实时监控方法及系统 |
| CN116777707A (zh) * | 2023-06-20 | 2023-09-19 | 浙江宏远智能科技有限公司 | 一种智慧社区管理系统和方法 |
-
2018
- 2018-10-25 CN CN201811248760.9A patent/CN109598194A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111899458A (zh) * | 2020-07-27 | 2020-11-06 | 山东工商学院 | 一种基于人工智能的火灾烟气图像识别方法 |
| CN113838121A (zh) * | 2021-11-24 | 2021-12-24 | 中国人民解放军海军工程大学 | 基于图像识别的烟气层高度检测方法及检测系统 |
| CN115223324A (zh) * | 2022-06-16 | 2022-10-21 | 中电云数智科技有限公司 | 一种烟雾实时监控方法及系统 |
| CN116777707A (zh) * | 2023-06-20 | 2023-09-19 | 浙江宏远智能科技有限公司 | 一种智慧社区管理系统和方法 |
| CN116777707B (zh) * | 2023-06-20 | 2023-12-01 | 浙江宏远智能科技有限公司 | 一种智慧社区管理系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109598194A (zh) | 一种基于人工智能的火灾烟气图像识别方法 | |
| US20190333241A1 (en) | People flow analysis apparatus, people flow analysis system, people flow analysis method, and non-transitory computer readable medium | |
| US9087258B2 (en) | Method for counting objects and apparatus using a plurality of sensors | |
| CN100520362C (zh) | 基于彩色ccd图像分析的森林火情烟雾检测方法 | |
| CN107085714B (zh) | 一种基于视频的森林火灾检测方法 | |
| US10691947B2 (en) | Monitoring device | |
| CN106295551A (zh) | 一种基于视频分析的人员安全帽佩戴情况实时检测方法 | |
| CN112133052A (zh) | 核电厂图像火灾探测方法 | |
| US8965068B2 (en) | Apparatus and method for discriminating disguised face | |
| CN110298837B (zh) | 基于帧间差分法的消防占道异常物体检测方法 | |
| CN104504382B (zh) | 一种基于图像处理技术的火焰识别算法 | |
| JPH1141589A (ja) | 移動物体の監視方法および装置 | |
| CN111428681A (zh) | 一种智能防疫系统 | |
| CN104866842B (zh) | 一种人体目标入侵检测方法 | |
| WO2019220589A1 (ja) | 映像解析装置、映像解析方法、及びプログラム | |
| CN109741565B (zh) | 煤矿火灾识别系统及方法 | |
| CN109034038B (zh) | 一种基于多特征融合的火灾识别装置 | |
| CN116403141A (zh) | 一种烟火检测方法、系统及存储介质 | |
| CN113657250A (zh) | 一种基于监控视频的火焰检测方法及系统 | |
| JP4789223B2 (ja) | 侵入者監視システム | |
| CN112364884A (zh) | 一种移动物体侦测的方法 | |
| KR100543706B1 (ko) | 비젼기반 사람 검출방법 및 장치 | |
| CN111402185B (zh) | 一种图像检测方法及装置 | |
| CN111597919A (zh) | 一种视频监控场景下的人体跟踪方法 | |
| Michael et al. | Fast change detection for camera-based surveillance systems |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190409 |