CN109726620A - 一种视频火焰检测方法及装置 - Google Patents
一种视频火焰检测方法及装置 Download PDFInfo
- Publication number
- CN109726620A CN109726620A CN201711047592.2A CN201711047592A CN109726620A CN 109726620 A CN109726620 A CN 109726620A CN 201711047592 A CN201711047592 A CN 201711047592A CN 109726620 A CN109726620 A CN 109726620A
- Authority
- CN
- China
- Prior art keywords
- frame image
- pixel
- current frame
- flame
- region
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本申请公开了一种视频火焰检测方法，该方法包括获取当前帧图像，根据当前帧图像和预设帧图像确定当前帧图像中的运动变化区域，根据火焰颜色及饱和度模型确定当前帧的火焰颜色区域，根据当前帧图像中的运动变化区域、当前帧图像中的火焰颜色区域以及前一帧图像中的火焰颜色区域，通过空间运动特征、火焰颜色特征以及时间延续性特征共同检测待检测视频中的火焰区域，检测方法简单，且综合考虑了火焰颜色、高亮度区域在空间上的变化以及视频帧间时间具有连续性等特点，使得检测视频中火焰区域更为准确。本申请还公开了一种视频火焰检测装置。
Description
技术领域
本申请涉及图像处理技术领域，具体涉及一种视频火焰检测方法及装置。
背景技术
火灾往往会给人们带来巨大的危害，尽早预防和避免火灾越来越受到关注，火焰检测也成为了安防中重要的一部分。目前使用的火灾探测系统一般是基于传感器技术，这些传感器通过对于空气中的温度、湿度、烟雾等物理采样方法进行检测，使用传感器的方法虽然成本低，但是存在适用空间有限、易受干扰、智能度低、不适合在恶劣环境下检测等局限性。
近年来随着视频监控设备的普及以及视频图像处理技术的发展，视频火焰检测越来越受到关注，视频火焰检测可以利用摄像机采集信号输入处理单元，利用图像处理、模式识别等方法判断是否有火灾发生，该类方法具有探测范围广、可扩展性强、对外界因素影响小以及可以与其他传感器联合判定的特点。
在现有技术中，视频火焰检测一般利用简单的颜色模型或者火焰结构特征等方式对火焰区域进行检测，但是上述方法对于一些过于明亮的区域、颜色以及与火焰形状、颜色相近的静态区域等情况识别鲁棒性不足，导致视频火焰检测准确率不高。
发明内容
有鉴于此，本申请提供一种视频火焰检测方法及装置，以解决现有技术中视频火焰检测准确率不高的技术问题。
为解决上述问题，本申请实施例提供的技术方案如下：
第一方面，本申请实施例公开了一种视频火焰检测方法，该方法包括：
获取待检测视频中的当前帧图像；
将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域；
利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域；
将当前帧图像中的运动变化区域与当前帧图像的前一帧图像中的火焰颜色区域取并集获得第一结果区域，将第一结果区域与当前帧图像中的火焰颜色区域取交集获得当前帧图像中的火焰区域。
可选的，将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域，包括：
将当前帧图像转换为灰度图，以预设灰度阈值将灰度图进行二值化，获得当前帧图像的二值化图像；
将当前帧图像的二值化图像与待检测视频中的预设帧图像的二值化图像进行逐像素比较，获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域，将第二结果区域作为当前帧图像中的运动变化区域。
可选的，在获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域之后，该方法还包括：
将第二结果区域进行图像腐蚀处理以及膨胀处理后作为当前帧图像中的运动变化区域。
可选的，利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域，包括：
将当前帧图像中满足火焰颜色及饱和度模型的预设条件的像素点，确定为当前帧图像中的火焰颜色区域；
火焰颜色及饱和度模型的预设条件包括：
像素点的红色像素值大于或等于像素点的蓝色像素值，像素点的绿色像素值大于或等于像素点的蓝色像素值；
像素点的饱和度值大于第一阈值；
像素点的红色像素值大于或等于第二阈值，像素点的绿色像素值大于或等于第三阈值；或者，第一颜色分量差值大于或等于第四阈值，第二颜色分量差值大于或等于第五阈值，第一颜色分量差值为像素点的红色像素值与像素点的绿色像素值的差值的绝对值，第二颜色分量差值为像素点的绿色像素值与像素点的蓝色像素值的差值的绝对值；
第二颜色分量差值与第三颜色分量差值之和大于或等于第六阈值，第三颜色分量差值为像素点的红色像素值与像素点的蓝色像素值的差值的绝对值。
可选的，该方法还包括：
将当前帧图像中的火焰区域进行膨胀处理，获取进行膨胀处理后的火焰区域的轮廓，将轮廓的最小外接矩形区域确定为当前帧图像的火焰识别结果。
第二方面，本申请实施例公开了一种视频火焰检测装置，该装置包括：
获取单元，用于获取待检测视频中的当前帧图像；
比较单元，用于将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域；
确定单元，用于利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域；
第一处理单元，用于将当前帧图像中的运动变化区域与当前帧图像的前一帧图像中的火焰颜色区域取并集获得第一结果区域，将第一结果区域与当前帧图像中的火焰颜色区域取交集获得当前帧图像中的火焰区域。
可选的，比较单元包括：
转换子单元，用于将当前帧图像转换为灰度图，以预设灰度阈值将灰度图进行二值化，获得当前帧图像的二值化图像；
比较子单元，用于将当前帧图像的二值化图像与待检测视频中的预设帧图像的二值化图像进行逐像素比较，获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域；
确定子单元，用于将第二结果区域作为当前帧图像中的运动变化区域。
可选的，确定子单元还用于将第二结果区域进行图像腐蚀处理以及膨胀处理后作为当前帧图像中的运动变化区域。
可选的，确定单元具体用于：
将当前帧图像中满足火焰颜色及饱和度模型的预设条件的像素点，确定为当前帧图像中的火焰颜色区域；
火焰颜色及饱和度模型的预设条件包括：
像素点的红色像素值大于或等于像素点的蓝色像素值，像素点的绿色像素值大于或等于像素点的蓝色像素值；
像素点的饱和度值大于第一阈值；
像素点的红色像素值大于或等于第二阈值，像素点的绿色像素值大于或等于第三阈值；或者，第一颜色分量差值大于或等于第四阈值，第二颜色分量差值大于或等于第五阈值，第一颜色分量差值为像素点的红色像素值与像素点的绿色像素值的差值的绝对值，第二颜色分量差值为像素点的绿色像素值与像素点的蓝色像素值的差值的绝对值；
第二颜色分量差值与第三颜色分量差值之和大于或等于第六阈值，第三颜色分量差值为像素点的红色像素值与像素点的蓝色像素值的差值的绝对值。
可选的，该装置还包括：
第二处理单元，用于将当前帧图像中的火焰区域进行膨胀处理后，获取进行膨胀处理后的火焰区域的轮廓，将轮廓的最小外接矩形区域确定为当前帧图像的火焰识别结果。
第三方面，本申请实施例提供了一种存储介质，具体如下：
存储介质包括存储的程序，其中，程序执行本申请实施例第一方面提供的视频火焰检测方法。
第四方面，本申请实施例提供了一种处理器，具体如下：
处理器用于运行程序，其中，程序运行时执行本申请实施例第一方面提供的视频火焰检测方法。
由此可见，本申请实施例具有如下有益效果：
本申请实施例根据当前帧图像中的运动变化区域、当前帧图像中的火焰颜色区域以及前一帧图像中的火焰颜色区域，通过空间运动特征、火焰颜色特征以及时间延续性特征共同检测待检测视频中的火焰区域，检测方法简单，且综合考虑了火焰颜色、高亮度区域在空间上的变化以及视频帧间时间具有连续性等特点，检测视频中火焰区域的方式更为准确。
附图说明
图1为本申请实施例提供的一种视频火焰检测方法的流程图；
图2为本申请实施例提供的一种确定当前帧图像运动变化区域的方法的流程图；
图3为本申请实施例提供的一种视频火焰检测装置的结构图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。
传统的视频火焰检测一般利用简单的颜色模型或者火焰结构特征等方式对火焰区域进行检测，但是上述方法对于一些过于明亮的区域、颜色以及与火焰形状、颜色相近的静态区域等情况识别鲁棒性不足，导致视频火焰检测准确率不高。
有鉴于此，本申请实施例提供了一种视频火焰检测方法。根据当前帧图像中的运动变化区域、当前帧图像中的火焰颜色区域以及前一帧图像中的火焰颜色区域，通过空间运动特征、火焰颜色特征以及时间延续性特征共同检测待检测视频中的火焰区域，检测方法简单，且综合考虑了火焰颜色、高亮度区域在空间上的变化以及视频帧间时间具有连续性等特点，使得检测视频中火焰区域更为准确。
下面结合附图，对本申请实施例提供的视频火焰检测方法进行介绍。
图1所示为本申请实施例提供的一种视频火焰检测方法的流程图。请参照以1，该方法包括：
S101：获取待检测视频中的当前帧图像。
待检测视频可以理解为一种需要检测被拍摄对象是否发生火灾或者是否存在火焰的视频。待检测视频可以通过调用监控设备获取，也可以通过摄像机等拍摄得到，获取待检测视频的方式可以根据需要灵活选择。
视频一般是由多帧连续的图像组成，可以将视频解析为多帧图像。对待检测视频进行解析，可以得到多帧图像，可以将多帧图像逐帧作为当前帧图像进行火焰检测。
S102：将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域。
由于待检测视频主要用于判断是否存在火焰发生。火灾的发生通常具有一个过程，火焰也通常是从无到有，逐渐变化的，因此可以将检测视频中的当前帧图像与未发生火灾、不具有火焰的图像对比，通过运动变化的判断作为判断是否待检测视频中是否存在火焰的检测标准之一。
在本步骤中，可以将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域。其中，预设帧图像为当前帧图像的比较对象，可以将待检测视频中，由起点开始的一段视频中的任意一帧图像作为预设帧图像，预设帧图像可以被认为是不具有火焰的图像。作为一种可能的实现方式，可以将待检测视频的第一帧图像作为预设帧图像。由于第一帧图像为待检测视频的最先拍摄的图像，而火焰具有从无到有的过程，针对任意一个待检测视频，第一帧图像可以被认为是不具有火焰的图像，可以作为预设帧图像。
图像可以视为通过多个像素点组成。为了获取当前帧图像中的变化区域，可以对当前帧图像和预设帧图像的各个像素点的灰度值进行比较，像素点的灰度值变化超出像素阈值，可以将该像素确定为运动变化区域内的像素。灰度值可以反映图像的亮度，但是在火焰检测中更为关注的是由暗转亮的过程，例如灰度值由20变化到70和由150变化到200，虽然变化量均为50，但是由20变化到70可以理解为由很暗变化到暗的过程，而由150变化到200可以理解为一个由暗到亮的过程，如果按照固定的灰度阈值，则可能将由20变化到70的像素点也标识为运动变化区域，为识别火焰带来干扰。
为此，在本实施例中可以将预设帧图像和当前帧图像转化为灰度图像，通过灰度阈值再将灰度图像转换为二值化图像，对预设帧图像和当前帧图像的二值化图像进行比较，以确定运动变化区域，其中灰度阈值可以认为是火焰的先验亮度信息，由于利用了火焰的先验亮度信息对图像进行了二值化，可以有效减少低灰度区域变化造成的干扰。
图2所示为根据二值化图像确定当前帧图像的运动变化区域的方法的流程图。在本申请实施例一些可能的实现方式中，将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域，可以包括如下步骤：
S1021：将当前帧图像转换为灰度图，以预设灰度阈值将灰度图进行二值化，获得当前帧图像的二值化图像。
从待检测视频中获取的当前帧图像一般可以为彩色图像，彩色图像的每个像素点包括R、G、B三个通道的值，可以将当前帧图像转化为灰度图，灰度图的每个像素点对应一个灰度值。以预设灰度阈值对灰度进行二值化，在实际应用中可以将大于预设灰度阈值的像素点的值确定为1，将小于预设灰度阈值的像素点的值确定为0，得到新的图像中的像素点的值仅包括0和1，从而实现了当前帧图像的二值化。将当前帧图像转化为二值化图像一方面可以减少低灰度区域变化造成的干扰，另一方面可以为了减少计算量，提高图像处理效率。
其中，预设灰度阈值可以根据经验值设定，本申请实施例对此不做限定。例如，预设灰度阈值可以为170。
S1022：将当前帧图像的二值化图像与待检测视频中的预设帧图像的二值化图像进行逐像素比较，获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域，将第二结果区域作为当前帧图像中的运动变化区域。
预设帧图像的二值化图像可以采用与当前帧图像相同的方式获得，这里不再赘述。当前帧图像和预设帧图像在同一位置的像素值不同时，可以视为该位置的像素发生了变化，可以将其确定为运动变化区域的像素点。基于此，可以将当前帧图像的二值化图像与待检测视频中的预设帧图像的二值化图像进行逐像素比较，获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同区域作为第二结果区域，可以将第二结果区域作为当前帧图像的变化区域。
下面结合具体示例说明，若预设帧图像两个像素点A和B的灰度值分别为20和150，当前帧图像对应位置的像素点A’和像素B’的灰度值分别为70和200，以170为预设灰度阈值，将预设帧图像和当前帧图像转化为二值化图像后，像素点A和像素点B的像素值为0和0，像素点A’和像素点B’的像素值为0或1，也就是像素点A的像素值由0变为0，像素点B的像素值由0变为1，将当前帧图像对应位置的像素点B’确定为运动变化区域的像素点，像素点A’不确定为运动变化区域的像素点，减少了低灰度区域变化造成的干扰。
在本申请实施例一些可能的实现方式中，为了使获取的运动变化区域更准确，还可以在获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域之后，将第二结果区域进行图像腐蚀处理以及膨胀处理后作为当前帧图像中的运动变化区域。图像腐蚀处理可以理解为对图像进行腐蚀，以去除图像中的噪点，减少对运动变化区域的干扰。膨胀可以视为腐蚀的一种对偶运算，对图像进行膨胀处理相当于将图像膨胀一圈，可以避免将属于运动变化区域的点遗漏，使得获取的运动变化区域更准确。
在本申请实施例一些可能的实现方式中，运动变化区域可以采用运动变化矩阵表示。运动变化矩阵可以是一种与当前帧图像大小相同的矩阵，若当前帧图像的像素点确定为运动变化区域，则在运动变化矩阵中，将与该像素点位置相同的元素确定为1或者255(若为二进制，可以表示为“11111111”)，否则将该像素点位置相同的元素确定为0。
S103：利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域。
本步骤中的火焰颜色及饱和度模型充分利用颜色空间信息和图像饱和度确定当前帧图像中的火焰颜色区域。由于本步骤中的火焰颜色及饱和度模型在一定程度上弱化了饱和度的判定，可以排除一些与火焰颜色相近的黄绿色颜色，使得获得的火焰颜色区域更为准确。
火焰颜色区域采用与当前帧图像大小相同的火焰颜色矩阵表示。在本申请实施例一些可能的实现方式中，根据火焰颜色及保护度模型确定像素点为火焰颜色区域，则在火焰颜色矩阵中，与该像素点对应位置的元素确定为1或255，若以二进制表示，可以为“11111111”的字符串。若根据火焰颜色及饱和度模型确定像素点不为火焰颜色区域，则在火焰颜色矩阵中，将与该像素点对应位置元素确定为0。可以理解，若当前帧图像中不存在火焰颜色区域，则火焰颜色矩阵所有元素均为0。
在本申请实施例一些可能的实现方式中，可以将当前帧图像中满足火焰颜色及饱和度模型的预设条件的像素点，确定为当前帧图像中的火焰颜色区域。
火焰颜色及饱和度模型的预设条件可以为：
像素点的红色像素值大于或等于像素点的蓝色像素值，像素点的绿色像素值大于或等于像素点的蓝色像素值；
像素点的饱和度值大于第一阈值；
像素点的红色像素值大于或等于第二阈值，像素点的绿色像素值大于或等于第三阈值；或者，第一颜色分量差值大于或等于第四阈值，第二颜色分量差值大于或等于第五阈值，第一颜色分量差值为像素点的红色像素值与像素点的绿色像素值的差值的绝对值，第二颜色分量差值为像素点的绿色像素值与像素点的蓝色像素值的差值的绝对值；
第二颜色分量差值与第三颜色分量差值之和大于或等于第六阈值，第三颜色分量差值为像素点的红色像素值与像素点的蓝色像素值的差值的绝对值。
以上条件均满足的像素点，可以确定为火焰颜色区域。
其中，像素点的饱和度可以通过如下公式计算：
在式(1)中，S表示饱和度，R、G、B分别表示红、绿、蓝三色像素的像素值，min(R，G，B)表示红、绿、蓝三色像素的像素值的最小值。
第一阈值可以根据经验值设定，例如可以为0.05。在本申请实施例一些可能的实现方式中，本步骤中的火焰颜色及饱和度模型可以通过如下方式表示：
在式(2)中，RTH表示第二阈值，GTH表示第三阈值，Diff 1表示第一颜色分量差值，Diff 2表示第二颜色分量差值，Diff 3表示第三颜色分量差值，Th 1表示第四阈值，Th2表示第五阈值，Th3表示第六阈值。
需要说明的是，本申请实施例对S102和S103的执行顺序不做限定，S102和S103可以同时执行，也可以先执行S103，再执行S102，本申请实施例对此不做限定。
S104：将当前帧图像中的运动变化区域与当前帧图像的前一帧图像中的火焰颜色区域取并集获得第一结果区域，将第一结果区域与当前帧图像中的火焰颜色区域取交集获得当前帧图像中的火焰区域。
由于火焰的变化具有空间运动性、时间连续性等特点，因此，在本申请实施例中可以根据当前帧图像与当前帧图像的前一帧图像共同确定当前帧图像中的火焰区域。可以理解，由于火焰是在不断变化的，例如火焰可以逐渐变大，若当前帧图像中的像素点既属于运动变化区域，也属于火焰颜色区域，根据运动特征和颜色特征，可以确定该像素点为火焰区域中的点，可以将其理解为在火焰变化过程中，新产生火焰的像素点。若当前帧图像中的像素点和当前帧图像的前一帧图像的像素点均为火焰颜色区域的点，可以表明，该像素点从前一帧开始即存在火焰，可以将该像素点确定为火焰区域中的点。符合以上任意一中条件的像素点组成了当前帧图像中的火焰区域。
因此，可以将当前帧图像中的运动变化区域与当前帧图像的前一帧图像中的火焰颜色区域取并集获得第一结果区域，将第一结果区域与当前帧图像中的火焰颜色区域取交集获得当前帧图像中的火焰区域。
在本申请实施例一些可能的实现方式中，可以将当前帧图像的运动变化矩阵和前一帧图像的火焰颜色矩阵按元素取“或”操作，将合并后的矩阵与当前帧图像火焰颜色矩阵按元素取“与”操作，得到火焰区域矩阵，可以将该矩阵映射到当前帧图像，得到当前帧图像的火焰区域。
在本申请实施例一些可能的实现方式中，还可以将当前帧图像中的火焰区域进行膨胀处理，获取进行膨胀处理后的火焰区域的轮廓，将轮廓的最小外接矩形区域确定为当前帧图像的火焰识别结果。其中，火焰区域是通过运动变化区域和火焰颜色区域确定的，在确定运动变化区域和火焰颜色区域时，处于临界位置的像素点可能存在未被确定为运动变化区域或火焰颜色区域的情况，为了使火焰识别更为准确，可以将火焰区域膨胀处理，囊括临界位置的像素点，获取膨胀后的轮廓，将轮廓的最小外接矩形作为当前帧图像的火焰识别结果，可以降低部分火焰区域未被识别出的几率，提高火焰识别的准确度。
本申请实施例根据当前帧图像中的运动变化区域、当前帧图像中的火焰颜色区域以及前一帧图像中的火焰颜色区域，通过空间运动特征、火焰颜色特征以及时间延续性特征共同检测待检测视频中的火焰区域，检测方法简单，且综合考虑了火焰颜色、高亮度区域在空间上的变化以及视频帧间时间具有连续性等特点，检测视频中火焰区域的方式更为准确。
以上为本申请实施例提供的一种视频火焰检测方法的具体实现方式，基于此，本申请实施例还提供了一种视频火焰检测装置。
图3所示为本申请实施例提供的一种视频火焰检测装置的结构图。请参照图3，该装置包括：
获取单元301，用于获取待检测视频中的当前帧图像；
比较单元302，用于将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域；
确定单元303，用于利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域；
第一处理单元304，用于将当前帧图像中的运动变化区域与当前帧图像的前一帧图像中的火焰颜色区域取并集获得第一结果区域，将第一结果区域与当前帧图像中的火焰颜色区域取交集获得当前帧图像中的火焰区域。
在本申请实施例一些可能的实现方式中，比较单元302包括：
转换子单元，用于将当前帧图像转换为灰度图，以预设灰度阈值将灰度图进行二值化，获得当前帧图像的二值化图像；
比较子单元，用于将当前帧图像的二值化图像与待检测视频中的预设帧图像的二值化图像进行逐像素比较，获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域；
确定子单元，用于将第二结果区域作为当前帧图像中的运动变化区域。
在本申请实施例一些可能的实现方式中，确定子单元，还用于将第二结果区域进行图像腐蚀处理以及膨胀处理后作为当前帧图像中的运动变化区域。
在本申请实施例一些可能的实现方式中，确定单元303具体用于：
将当前帧图像中满足火焰颜色及饱和度模型的预设条件的像素点，确定为当前帧图像中的火焰颜色区域；
火焰颜色及饱和度模型的预设条件包括：
像素点的红色像素值大于或等于像素点的蓝色像素值，像素点的绿色像素值大于或等于像素点的蓝色像素值；
像素点的饱和度值大于第一阈值；
像素点的红色像素值大于或等于第二阈值，像素点的绿色像素值大于或等于第三阈值；或者，第一颜色分量差值大于或等于第四阈值，第二颜色分量差值大于或等于第五阈值，第一颜色分量差值为像素点的红色像素值与像素点的绿色像素值的差值的绝对值，第二颜色分量差值为像素点的绿色像素值与像素点的蓝色像素值的差值的绝对值；
第二颜色分量差值与第三颜色分量差值之和大于或等于第六阈值，第三颜色分量差值为像素点的红色像素值与像素点的蓝色像素值的差值的绝对值。
在本申请实施例一些可能的实现方式中，该装置还包括：
第二处理单元，用于将当前帧图像中的火焰区域进行膨胀处理后，获取进行膨胀处理后的火焰区域的轮廓，将轮廓的最小外接矩形区域确定为当前帧图像的火焰识别结果。
本申请实施例提供了一种视频火焰检测装置，通过比较单元确定当前帧图像中的运动变化区域，确定单元确定当前帧图像中的火焰颜色区域，第一处理单元将当前帧图像中的运动变化区域、火焰颜色区域以及当前帧图像的前一帧图像中的火焰颜色区域确定火焰区域，由于综合考虑了火焰颜色、高亮度区域在空间上的变化以及视频帧间时间具有连续性等特点，使得检测视频中火焰区域更为准确。
视频火焰检测装置包括处理器和存储器，上述获取单元、比较单元、确定单元和第一处理单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来使视频火焰检测装置在运行过程中，可以对待检测视频中的当前帧图像与预设帧图像进行比较，确定运动变化区域，并根据火焰颜色及饱和度模型确定当前帧图像的火焰颜色区域，根据当前帧图像的运动变化区域、火焰颜色区域以及前一帧图像的火焰颜色区域确定火焰区域。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现视频火焰检测方法。
本申请实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行视频火焰检测方法。
本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：
获取待检测视频中的当前帧图像；
将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域；
利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域；
将当前帧图像中的运动变化区域与当前帧图像的前一帧图像中的火焰颜色区域取并集获得第一结果区域，将第一结果区域与当前帧图像中的火焰颜色区域取交集获得当前帧图像中的火焰区域。
在本申请实施例一些可能的实现方式中，将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域，包括：
将当前帧图像转换为灰度图，以预设灰度阈值将灰度图进行二值化，获得当前帧图像的二值化图像；
将当前帧图像的二值化图像与待检测视频中的预设帧图像的二值化图像进行逐像素比较，获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域，将第二结果区域作为当前帧图像中的运动变化区域。
在本申请实施例一些可能的实现方式中，在获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域之后，还包括：
将第二结果区域进行图像腐蚀处理以及膨胀处理后作为当前帧图像中的运动变化区域。
在本申请实施例一些可能的实现方式中，利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域，包括：
将当前帧图像中满足火焰颜色及饱和度模型的预设条件的像素点，确定为当前帧图像中的火焰颜色区域；
在本申请实施例一些可能的实现方式中，火焰颜色及饱和度模型的预设条件包括：
像素点的红色像素值大于或等于像素点的蓝色像素值，像素点的绿色像素值大于或等于像素点的蓝色像素值；
像素点的饱和度值大于第一阈值；
像素点的红色像素值大于或等于第二阈值，像素点的绿色像素值大于或等于第三阈值；或者，第一颜色分量差值大于或等于第四阈值，第二颜色分量差值大于或等于第五阈值，第一颜色分量差值为像素点的红色像素值与像素点的绿色像素值的差值的绝对值，第二颜色分量差值为像素点的绿色像素值与像素点的蓝色像素值的差值的绝对值；
第二颜色分量差值与第三颜色分量差值之和大于或等于第六阈值，第三颜色分量差值为像素点的红色像素值与像素点的蓝色像素值的差值的绝对值。
在本申请实施例一些可能的实现方式中，还包括：
将当前帧图像中的火焰区域进行膨胀处理，获取进行膨胀处理后的火焰区域的轮廓，将轮廓的最小外接矩形区域确定为当前帧图像的火焰识别结果。
获取待检测视频中的当前帧图像；
将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域；
利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域；
将当前帧图像中的运动变化区域与当前帧图像的前一帧图像中的火焰颜色区域取并集获得第一结果区域，将第一结果区域与当前帧图像中的火焰颜色区域取交集获得当前帧图像中的火焰区域。
在本申请实施例一些可能的实现方式中，将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域，包括：
将当前帧图像转换为灰度图，以预设灰度阈值将灰度图进行二值化，获得当前帧图像的二值化图像；
将当前帧图像的二值化图像与待检测视频中的预设帧图像的二值化图像进行逐像素比较，获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域，将第二结果区域作为当前帧图像中的运动变化区域。
在本申请实施例一些可能的实现方式中，在获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域之后，还包括：
将第二结果区域进行图像腐蚀处理以及膨胀处理后作为当前帧图像中的运动变化区域。
在本申请实施例一些可能的实现方式中，利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域，包括：
将当前帧图像中满足火焰颜色及饱和度模型的预设条件的像素点，确定为当前帧图像中的火焰颜色区域；
在本申请实施例一些可能的实现方式中，火焰颜色及饱和度模型的预设条件包括：
像素点的红色像素值大于或等于像素点的蓝色像素值，像素点的绿色像素值大于或等于像素点的蓝色像素值；
像素点的饱和度值大于第一阈值；
像素点的红色像素值大于或等于第二阈值，像素点的绿色像素值大于或等于第三阈值；或者，第一颜色分量差值大于或等于第四阈值，第二颜色分量差值大于或等于第五阈值，第一颜色分量差值为像素点的红色像素值与像素点的绿色像素值的差值的绝对值，第二颜色分量差值为像素点的绿色像素值与像素点的蓝色像素值的差值的绝对值；
第二颜色分量差值与第三颜色分量差值之和大于或等于第六阈值，第三颜色分量差值为像素点的红色像素值与像素点的蓝色像素值的差值的绝对值。
在本申请实施例一些可能的实现方式中，还包括：
将当前帧图像中的火焰区域进行膨胀处理，获取进行膨胀处理后的火焰区域的轮廓，将轮廓的最小外接矩形区域确定为当前帧图像的火焰识别结果。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
获取待检测视频中的当前帧图像；
将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域；
利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域；
将当前帧图像中的运动变化区域与当前帧图像的前一帧图像中的火焰颜色区域取并集获得第一结果区域，将第一结果区域与当前帧图像中的火焰颜色区域取交集获得当前帧图像中的火焰区域。
在本申请实施例一些可能的实现方式中，将当前帧图像与待检测视频中的预设帧图像进行比较，获取当前帧图像中的运动变化区域，包括：
将当前帧图像转换为灰度图，以预设灰度阈值将灰度图进行二值化，获得当前帧图像的二值化图像；
将当前帧图像的二值化图像与待检测视频中的预设帧图像的二值化图像进行逐像素比较，获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域，将第二结果区域作为当前帧图像中的运动变化区域。
在本申请实施例一些可能的实现方式中，在获取当前帧图像的二值化图像中与预设帧图像的二值化图像不同的区域作为第二结果区域之后，还包括：
将第二结果区域进行图像腐蚀处理以及膨胀处理后作为当前帧图像中的运动变化区域。
在本申请实施例一些可能的实现方式中，利用火焰颜色及饱和度模型确定当前帧图像中的火焰颜色区域，包括：
将当前帧图像中满足火焰颜色及饱和度模型的预设条件的像素点，确定为当前帧图像中的火焰颜色区域；
在本申请实施例一些可能的实现方式中，火焰颜色及饱和度模型的预设条件包括：
像素点的红色像素值大于或等于像素点的蓝色像素值，像素点的绿色像素值大于或等于像素点的蓝色像素值；
像素点的饱和度值大于第一阈值；
像素点的红色像素值大于或等于第二阈值，像素点的绿色像素值大于或等于第三阈值；或者，第一颜色分量差值大于或等于第四阈值，第二颜色分量差值大于或等于第五阈值，第一颜色分量差值为像素点的红色像素值与像素点的绿色像素值的差值的绝对值，第二颜色分量差值为像素点的绿色像素值与像素点的蓝色像素值的差值的绝对值；
第二颜色分量差值与第三颜色分量差值之和大于或等于第六阈值，第三颜色分量差值为像素点的红色像素值与像素点的蓝色像素值的差值的绝对值。
在本申请实施例一些可能的实现方式中，还包括：
将当前帧图像中的火焰区域进行膨胀处理，获取进行膨胀处理后的火焰区域的轮廓，将轮廓的最小外接矩形区域确定为当前帧图像的火焰识别结果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种视频火焰检测方法，其特征在于，所述方法包括：
获取待检测视频中的当前帧图像；
将所述当前帧图像与所述待检测视频中的预设帧图像进行比较，获取所述当前帧图像中的运动变化区域；
利用火焰颜色及饱和度模型确定所述当前帧图像中的火焰颜色区域；
将所述当前帧图像中的运动变化区域与所述当前帧图像的前一帧图像中的火焰颜色区域取并集获得第一结果区域，将所述第一结果区域与所述当前帧图像中的火焰颜色区域取交集获得所述当前帧图像中的火焰区域。
2.根据权利要求1所述的方法，其特征在于，所述将所述当前帧图像与所述待检测视频中的预设帧图像进行比较，获取所述当前帧图像中的运动变化区域，包括：
将所述当前帧图像转换为灰度图，以预设灰度阈值将所述灰度图进行二值化，获得所述当前帧图像的二值化图像；
将所述当前帧图像的二值化图像与所述待检测视频中的预设帧图像的二值化图像进行逐像素比较，获取当前帧图像的二值化图像中与所述预设帧图像的二值化图像不同的区域作为第二结果区域，将所述第二结果区域作为所述当前帧图像中的运动变化区域。
3.根据权利要求2所述的方法，其特征在于，在获取当前帧图像的二值化图像中与所述预设帧图像的二值化图像不同的区域作为第二结果区域之后，所述方法还包括：
将所述第二结果区域进行图像腐蚀处理以及膨胀处理后作为所述当前帧图像中的运动变化区域。
4.根据权利要求1所述的方法，其特征在于，所述利用火焰颜色及饱和度模型确定所述当前帧图像中的火焰颜色区域，包括：
将所述当前帧图像中满足火焰颜色及饱和度模型的预设条件的像素点，确定为所述当前帧图像中的火焰颜色区域；
所述火焰颜色及饱和度模型的预设条件包括：
像素点的红色像素值大于或等于像素点的蓝色像素值，像素点的绿色像素值大于或等于像素点的蓝色像素值；
像素点的饱和度值大于第一阈值；
像素点的红色像素值大于或等于第二阈值，像素点的绿色像素值大于或等于第三阈值；或者，第一颜色分量差值大于或等于第四阈值，第二颜色分量差值大于或等于第五阈值，所述第一颜色分量差值为像素点的红色像素值与像素点的绿色像素值的差值的绝对值，所述第二颜色分量差值为像素点的绿色像素值与像素点的蓝色像素值的差值的绝对值；
所述第二颜色分量差值与第三颜色分量差值之和大于或等于第六阈值，所述第三颜色分量差值为像素点的红色像素值与像素点的蓝色像素值的差值的绝对值。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述当前帧图像中的火焰区域进行膨胀处理，获取进行膨胀处理后的火焰区域的轮廓，将所述轮廓的最小外接矩形区域确定为所述当前帧图像的火焰识别结果。
6.一种视频火焰检测装置，其特征在于，所述装置包括：
获取单元，用于获取待检测视频中的当前帧图像；
比较单元，用于将所述当前帧图像与所述待检测视频中的预设帧图像进行比较，获取所述当前帧图像中的运动变化区域；
确定单元，用于利用火焰颜色及饱和度模型确定所述当前帧图像中的火焰颜色区域；
第一处理单元，用于将所述当前帧图像中的运动变化区域与所述当前帧图像的前一帧图像中的火焰颜色区域取并集获得第一结果区域，将所述第一结果区域与所述当前帧图像中的火焰颜色区域取交集获得所述当前帧图像中的火焰区域。
7.根据权利要求6所述的装置，其特征在于，所述比较单元包括：
转换子单元，用于将所述当前帧图像转换为灰度图，以预设灰度阈值将所述灰度图进行二值化，获得所述当前帧图像的二值化图像；
比较子单元，用于将所述当前帧图像的二值化图像与所述待检测视频中的预设帧图像的二值化图像进行逐像素比较，获取当前帧图像的二值化图像中与所述预设帧图像的二值化图像不同的区域作为第二结果区域；
确定子单元，用于将所述第二结果区域作为所述当前帧图像中的运动变化区域。
8.根据权利要求6所述的装置，其特征在于，所述确定单元具体用于：
将所述当前帧图像中满足火焰颜色及饱和度模型的预设条件的像素点，确定为所述当前帧图像中的火焰颜色区域；
所述火焰颜色及饱和度模型的预设条件包括：
像素点的红色像素值大于或等于像素点的蓝色像素值，像素点的绿色像素值大于或等于像素点的蓝色像素值；
像素点的饱和度值大于第一阈值；
像素点的红色像素值大于或等于第二阈值，像素点的绿色像素值大于或等于第三阈值；或者，第一颜色分量差值大于或等于第四阈值，第二颜色分量差值大于或等于第五阈值，所述第一颜色分量差值为像素点的红色像素值与像素点的绿色像素值的差值的绝对值，所述第二颜色分量差值为像素点的绿色像素值与像素点的蓝色像素值的差值的绝对值；
所述第二颜色分量差值与第三颜色分量差值之和大于或等于第六阈值，所述第三颜色分量差值为像素点的红色像素值与像素点的蓝色像素值的差值的绝对值。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至5中任意一项所述的视频火焰检测方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的视频火焰检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711047592.2A CN109726620B (zh) | 2017-10-31 | 2017-10-31 | 一种视频火焰检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711047592.2A CN109726620B (zh) | 2017-10-31 | 2017-10-31 | 一种视频火焰检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109726620A true CN109726620A (zh) | 2019-05-07 |
| CN109726620B CN109726620B (zh) | 2021-02-05 |
Family
ID=66293539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711047592.2A Active CN109726620B (zh) | 2017-10-31 | 2017-10-31 | 一种视频火焰检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109726620B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110555447A (zh) * | 2019-09-06 | 2019-12-10 | 深圳市瑞讯云技术有限公司 | 火灾的检测方法、装置及存储介质 |
| CN111339997A (zh) * | 2020-03-20 | 2020-06-26 | 浙江大华技术股份有限公司 | 火点区域的确定方法及装置、存储介质和电子装置 |
| CN111659059A (zh) * | 2020-05-08 | 2020-09-15 | 北京南瑞怡和环保科技有限公司 | 预装式涡扇炮泡沫-细水雾灭火系统 |
| CN111898549A (zh) * | 2020-07-31 | 2020-11-06 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的火情监测方法、装置、计算机设备和介质 |
| CN112487994A (zh) * | 2020-12-01 | 2021-03-12 | 上海鸢安智能科技有限公司 | 一种烟火检测方法及系统、存储介质及终端 |
| CN112598071A (zh) * | 2020-12-28 | 2021-04-02 | 北京市商汤科技开发有限公司 | 明火识别方法、装置、设备和存储介质 |
| CN112733766A (zh) * | 2021-01-15 | 2021-04-30 | 北京锐马视讯科技有限公司 | 基于像素技术的视频火焰检测方法及装置和设备 |
| CN113298027A (zh) * | 2021-06-15 | 2021-08-24 | 济南博观智能科技有限公司 | 一种火焰检测方法、装置、电子设备和存储介质 |
| CN113379999A (zh) * | 2021-06-22 | 2021-09-10 | 徐州才聚智能科技有限公司 | 火情检测方法、装置、电子设备及存储介质 |
| CN113537092A (zh) * | 2021-07-21 | 2021-10-22 | 中科曙光国际信息产业有限公司 | 烟火检测方法、装置、设备及存储介质 |
| CN116343040A (zh) * | 2023-03-29 | 2023-06-27 | 新创碳谷集团有限公司 | 一种氧化炉火焰识别检测方法、设备及存储介质 |
| CN117593588A (zh) * | 2023-12-14 | 2024-02-23 | 小黄蜂智能科技(广东)有限公司 | 火焰影像的智能识别方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101441712A (zh) * | 2008-12-25 | 2009-05-27 | 北京中星微电子有限公司 | 一种火焰的视频识别方法和一种火灾监控方法及其系统 |
| CN101853512A (zh) * | 2010-05-13 | 2010-10-06 | 电子科技大学 | 一种基于视频时间和空间信息的火焰检测方法 |
| US20150169984A1 (en) * | 2013-12-13 | 2015-06-18 | Michael Newton | Flame detection system and method |
| CN105741480A (zh) * | 2016-03-17 | 2016-07-06 | 福州大学 | 基于图像识别的火灾和烟雾检测方法 |
| CN106096603A (zh) * | 2016-06-01 | 2016-11-09 | 中国科学院自动化研究所 | 一种融合多特征的动态火焰检测方法及装置 |
| CN107025652A (zh) * | 2017-05-05 | 2017-08-08 | 太原理工大学 | 一种基于运动特性和颜色时空信息的火焰检测方法 |
-
2017
- 2017-10-31 CN CN201711047592.2A patent/CN109726620B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101441712A (zh) * | 2008-12-25 | 2009-05-27 | 北京中星微电子有限公司 | 一种火焰的视频识别方法和一种火灾监控方法及其系统 |
| CN101853512A (zh) * | 2010-05-13 | 2010-10-06 | 电子科技大学 | 一种基于视频时间和空间信息的火焰检测方法 |
| US20150169984A1 (en) * | 2013-12-13 | 2015-06-18 | Michael Newton | Flame detection system and method |
| CN105741480A (zh) * | 2016-03-17 | 2016-07-06 | 福州大学 | 基于图像识别的火灾和烟雾检测方法 |
| CN106096603A (zh) * | 2016-06-01 | 2016-11-09 | 中国科学院自动化研究所 | 一种融合多特征的动态火焰检测方法及装置 |
| CN107025652A (zh) * | 2017-05-05 | 2017-08-08 | 太原理工大学 | 一种基于运动特性和颜色时空信息的火焰检测方法 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110555447A (zh) * | 2019-09-06 | 2019-12-10 | 深圳市瑞讯云技术有限公司 | 火灾的检测方法、装置及存储介质 |
| CN111339997B (zh) * | 2020-03-20 | 2023-05-09 | 浙江大华技术股份有限公司 | 火点区域的确定方法及装置、存储介质和电子装置 |
| CN111339997A (zh) * | 2020-03-20 | 2020-06-26 | 浙江大华技术股份有限公司 | 火点区域的确定方法及装置、存储介质和电子装置 |
| CN111659059A (zh) * | 2020-05-08 | 2020-09-15 | 北京南瑞怡和环保科技有限公司 | 预装式涡扇炮泡沫-细水雾灭火系统 |
| CN111898549A (zh) * | 2020-07-31 | 2020-11-06 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的火情监测方法、装置、计算机设备和介质 |
| CN112487994A (zh) * | 2020-12-01 | 2021-03-12 | 上海鸢安智能科技有限公司 | 一种烟火检测方法及系统、存储介质及终端 |
| CN112598071A (zh) * | 2020-12-28 | 2021-04-02 | 北京市商汤科技开发有限公司 | 明火识别方法、装置、设备和存储介质 |
| CN112733766A (zh) * | 2021-01-15 | 2021-04-30 | 北京锐马视讯科技有限公司 | 基于像素技术的视频火焰检测方法及装置和设备 |
| CN113298027B (zh) * | 2021-06-15 | 2023-01-13 | 济南博观智能科技有限公司 | 一种火焰检测方法、装置、电子设备和存储介质 |
| CN113298027A (zh) * | 2021-06-15 | 2021-08-24 | 济南博观智能科技有限公司 | 一种火焰检测方法、装置、电子设备和存储介质 |
| CN113379999A (zh) * | 2021-06-22 | 2021-09-10 | 徐州才聚智能科技有限公司 | 火情检测方法、装置、电子设备及存储介质 |
| CN113379999B (zh) * | 2021-06-22 | 2024-05-24 | 徐州才聚智能科技有限公司 | 火情检测方法、装置、电子设备及存储介质 |
| CN113537092A (zh) * | 2021-07-21 | 2021-10-22 | 中科曙光国际信息产业有限公司 | 烟火检测方法、装置、设备及存储介质 |
| CN116343040A (zh) * | 2023-03-29 | 2023-06-27 | 新创碳谷集团有限公司 | 一种氧化炉火焰识别检测方法、设备及存储介质 |
| CN117593588A (zh) * | 2023-12-14 | 2024-02-23 | 小黄蜂智能科技(广东)有限公司 | 火焰影像的智能识别方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109726620B (zh) | 2021-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109726620A (zh) | 一种视频火焰检测方法及装置 | |
| US9852511B2 (en) | Systems and methods for tracking and detecting a target object | |
| Nonaka et al. | Evaluation report of integrated background modeling based on spatio-temporal features | |
| Spampinato et al. | A texton-based kernel density estimation approach for background modeling under extreme conditions | |
| KR20170018042A (ko) | 규칙 기반 비디오 중요도 분석 | |
| CN104637068B (zh) | 视频帧及视频画面遮挡检测方法及装置 | |
| CN110909712B (zh) | 运动目标检测方法、装置、电子设备及存储介质 | |
| US11269522B2 (en) | Private data analytics | |
| CN110060278B (zh) | 基于背景减法的运动目标的检测方法及装置 | |
| US20130101014A1 (en) | Layered Screen Video Encoding | |
| CN111860324A (zh) | 基于小波变换的高频分量检测及色彩识别的火灾预警方法 | |
| JP2015226326A (ja) | 映像解析方法及び映像解析装置 | |
| WO2019109722A1 (zh) | 隐私遮蔽处理方法、装置、电子设备及存储介质 | |
| KR20230049231A (ko) | 영상 개선 방법 및 장치 | |
| CN111369591A (zh) | 一种运动物体的跟踪方法、装置及设备 | |
| CN110147765A (zh) | 一种图像处理方法及装置 | |
| CN113628192B (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 | |
| US20140219516A1 (en) | System and method for iris detection in digital images | |
| US20220269784A1 (en) | N-dimensional model techniques and architectures for data protection | |
| CN110580706A (zh) | 一种视频背景模型的提取方法及装置 | |
| Wang et al. | Moving cast shadow detection using joint color and texture features with neighboring information | |
| CN113901464A (zh) | 基于服务编排的人工智能安全架构系统、方法及相关设备 | |
| CN108711164B (zh) | 一种基于LBP和Color特征的运动检测方法 | |
| CN110097493A (zh) | 用于生成具有减小的剪切区域的hdr图像的方法和装置 | |
| CN113643257B (zh) | 图像噪点检测方法、装置、设备、存储介质及程序产品 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100080 No. 401, 4th Floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing Applicant after: Beijing Guoshuang Technology Co.,Ltd. Address before: 100086 Beijing city Haidian District Shuangyushu Area No. 76 Zhichun Road cuigongfandian 8 layer A Applicant before: Beijing Guoshuang Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |