CN110120142A - 一种火灾烟雾视频智能监控预警系统及预警方法 - Google Patents

一种火灾烟雾视频智能监控预警系统及预警方法 Download PDF

Info

Publication number
CN110120142A
CN110120142A CN201810120007.5A CN201810120007A CN110120142A CN 110120142 A CN110120142 A CN 110120142A CN 201810120007 A CN201810120007 A CN 201810120007A CN 110120142 A CN110120142 A CN 110120142A
Authority
CN
China
Prior art keywords
fire hazard
aerosol fog
hazard aerosol
region
suspicious
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
Application number
CN201810120007.5A
Other languages
English (en)
Other versions
CN110120142B (zh
Inventor
穆波
王文正
高雪琦
崔靖文
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.)
Sinopec Management System Certification Qingdao Co ltd
China Petroleum and Chemical Corp
Sinopec Safety Engineering Research Institute Co Ltd
Original Assignee
China Petroleum and Chemical Corp
Sinopec Qingdao Safety Engineering Institute
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 China Petroleum and Chemical Corp, Sinopec Qingdao Safety Engineering Institute filed Critical China Petroleum and Chemical Corp
Priority to CN201810120007.5A priority Critical patent/CN110120142B/zh
Publication of CN110120142A publication Critical patent/CN110120142A/zh
Application granted granted Critical
Publication of CN110120142B publication Critical patent/CN110120142B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种火灾烟雾视频智能监控预警系统及预警方法，涉及化工厂区火灾烟雾监控技术领域。其包括主服务器和分析处理模块，分析处理模块通过对主服务器中的视频图像进行分析，利用视频图像中火灾烟雾的静态特征圈定出可疑烟雾范围，进而采用视频图像中烟雾的动态特性进行可疑烟雾区域的判定。当视频图像显示火灾烟雾边界区域不规则或/和火灾烟雾区上有像素点的灰度值时，则归为静态特征下可疑火灾烟雾区域的圈定。本发明在进行可疑火灾烟雾区域的圈定过程中，综合考虑了火灾烟雾区域边界不规则特性和区域灰度均一特性，能更加有效准确的进行可疑火灾烟雾区域的圈定。

Description

一种火灾烟雾视频智能监控预警系统及预警方法
技术领域
本发明涉及化工厂区火灾烟雾监控技术领域，具体涉及一种火灾烟雾视频智能监控预警系统及预警方法。
背景技术
化工厂区中装置工艺复杂、物料危险性大，且生产过程中存在高温高压的生产环境，易发生化工原料及泄漏物的燃烧爆炸。相关数据表明火灾、爆炸是造成化工厂区人员伤亡和财产损失的最主要因素。因此，针对化工厂区火灾发生早期产生的烟雾进行实时监控识别预警对于防止化工厂区火灾爆炸事故具有重要意义。目前传统的火灾探测器主要通过对火灾参量(气体产物、火灾烟雾、温度、光线等)的探测进行监控预警。而传统的火灾烟雾探测方法需要近距离开展探测工作，具有空间上的局限性，同时其自动化程度和监控报警准确性还有待进一步提高。
目前，已有相关研究采用视频图像分析技术针对火灾烟雾的监控问题开展了相关研究。CN104616024A通过对图像进行分割和映射图LBP特征的提取获得直方图序列LGNPHS，并采用Adaboost算法进行训练获得级联强分类器用以火灾烟雾的检测。然而，其监控报警准确性还有待提高。
发明内容
本发明的任务在于提供一种火灾烟雾视频智能监控预警系统及预警方法，其是从视频图像静态和动态特征角度出发，在进行可疑火灾烟雾区域圈定的基础上，根据其动态特征进行可疑火灾烟雾区域的判定，实现对火灾烟雾区域的实时监控预警。
一种火灾烟雾视频智能监控预警系统，其包括无线传输装置、探测装置、报警装置和监控装置，所述探测装置包括传感器感应模块，所述监控装置包括分析处理模块和主服务器，所述主服务器与传感器感应模块通过无线传输装置连接，所述传感器感应模块用于将感应的信号输送至主服务器，所述无线传输装置用于将视频图像传输至所述主服务器，所述主服务器与所述分析处理模块连接，并用于将所得视频图像输送至分析处理模块；所述分析处理模块用于对视频图像进行判定，所述的判定包括对静态特征下可疑火灾烟雾区域的圈定和动态特征下火灾烟雾区域的判定，当视频图像显示火灾烟雾边界区域不规则或/和火灾烟雾区上有像素点的灰度值时，则归为静态特征下可疑火灾烟雾区域的圈定；所述动态特征下火灾烟雾区域的判定以火灾烟雾边界区域的动态扩散特征为依据，所述静态特征下可疑火灾烟雾区域的圈定包括可疑火灾烟雾区域和无火灾烟雾区域，
所述分析处理模块连接所述报警装置，并将所得信号传输至所述报警装置。
优选的，火灾烟雾边界区域的动态扩散特征的判定方法如式(1)：
式(1)中，Vj+n和Vj是在视频图像中的第(j+n)帧图像和第j帧图像中可疑火灾烟雾区域总的像素个数；n是计算区间内视频图像变化的帧数；t变化每帧数的时间；T是计算区间内可疑火灾烟雾区域的像素变化率。
进一步的，所述探测装置还包括设置在监测区域的红外探测器或烟雾探测器。
进一步的，所述无线传输装置包括wifi模块。
一种火灾烟雾视频智能监控预警方法，依次包括以下步骤：
a静态特征下可疑火灾烟雾区域的圈定，包括以下子步骤：
a1火灾烟雾边界区域的不规则特征圈定，按照式(2)和式(3)进行圈定：
式(2)中，L为视频图像中可疑火灾烟雾边界周长；S为视频图像中可疑火灾烟雾面积；K为可疑火灾烟雾区域无量纲判定参数；
式(3)中，KT为无量纲判定参数阈值；P1为可疑火灾烟雾区域静态特征判定参量；
a2火灾烟雾区域的灰度均一性圈定，根据式(4)和式(5)进行圈定；
式(4)中，xi为可疑火灾烟雾区域第i个像素点的灰度值；为可疑火灾烟雾区域内像素灰度的平均值；N为可疑火灾烟雾区域内像素数量；W为可疑火灾烟雾范围内所有像素点的方差；
式(5)中，WT为像素点方差判定阈值；P2为可疑火灾烟雾区域静态特征判定参量；
a3火灾烟雾静态特征综合判定
根据视频图像中可疑火灾烟雾的静态特性，以判定参量P1和P2为基础，提出视频图像火灾烟雾可疑区域的综合判定参数P，通过式(6)来判定；
b动态特征下火灾烟雾区域的判定，
根据火灾烟雾边界区域的动态扩散特征，给出视频图像可疑火灾烟雾区域的判定方法如式(7)：
式(7)中，Vj+n和Vj是在视频图像中的第(j+n)帧图像和第j帧图像中可疑火灾烟雾区域总的像素个数；n是计算区间内视频图像变化的帧数；t变化每帧数的时间；T是计算区间内可疑火灾烟雾区域的像素变化率；
c火灾烟雾监测应急预警
通过给定火灾烟雾区域变化率的上下阈值Tmin和Tmax，当满足公式时，则可以判定可疑火灾烟雾区域存在火灾烟雾并及时进行火灾烟雾区域的视频输出和预警；
当不满足公式时，虽然未判定此可疑火灾烟雾区域存在火灾烟雾，但由于其可疑火灾烟雾静态特征，仍需确定现场火灾烟雾是否存在。
进一步的，步骤b中，通过对n帧图像内不同帧长的像素变化率分别进行了计算并平均，得到了可疑火灾烟雾区域的像素平均变化率如式(8)：
进一步的，步骤a2火灾烟雾区域的灰度均一性圈定中，在视频图像中存在火灾烟雾区域的颜色与浓度呈现正相关关系。
本发明所带来的有益技术效果为：
与现有技术相比，通过对火灾参量(燃烧气体、烟雾、温度)的探测进行火灾烟雾的监控识别，智能视频图像技术具有成本低、监控范围广、自动化程度高、报警准确性高、非接触等优点。
本发明针对化工厂区有毒区域火灾烟雾的监控预警问题，首先根据火灾烟雾的静态特征进行视频图像可疑火灾烟雾区域的圈定，再根据其动态特征对可疑火灾烟雾区域进行判定，实现对火灾烟雾区域的智能视频监控。
本发明在进行可疑火灾烟雾区域的圈定过程中，综合考虑了火灾烟雾区域边界不规则特性和区域灰度均一特性，可以更加有效准确的进行可疑火灾烟雾区域的圈定。
附图说明
下面结合附图对本发明做进一步说明：
图1为本发明火灾烟雾视频智能监控预警系统的结构框架图；
图2为本发明火灾烟雾视频智能监控预警实施流程图；
图中，1、探测装置，2、监控装置，3、主服务器，4、分析处理模块，5、传感器感应模块，6、报警装置。
具体实施方式
本发明提出了一种火灾烟雾视频智能监控预警系统及预警方法，为了使本发明的优点、技术方案更加清楚、明确，下面结合具体实施例对本发明做详细说明。
针对化工厂区有毒区域火灾烟雾的监测预警问题，本发明的技术构思是采用智能视频识别技术，首先利用视频图像中火灾烟雾的静态特征圈定出可疑烟雾范围，进而采用视频图像中烟雾的动态特性进行可疑烟雾区域的判定。
首先对本发明火灾烟雾视频智能监控预警系统做简要说明。
一种火灾烟雾视频智能监控预警系统，其包括无线传输装置、探测装置、报警装置和监控装置，探测装置包括传感器感应模块，监控装置包括分析处理模块和主服务器，主服务器与传感器感应模块通过无线传输装置连接，传感器感应模块用于将感应的信号输送至主服务器，无线传输装置用于将视频图像传输至主服务器，主服务器与分析处理模块连接，并用于将所得视频图像输送至分析处理模块。
分析处理模块连接报警装置，并将所得信号传输至报警装置。上述无线传输装置、探测装置、报警装置、监控装置的具体结构及运作方式，参见现有技术即可实现。作为主要改进点的分析处理模块，其包括对静态特征下可疑火灾烟雾区域的圈定和动态特征下火灾烟雾区域的判定，当主服务器内的视频图像显示火灾烟雾边界区域不规则或/和火灾烟雾区上有像素点的灰度值时，则归为静态特征下可疑火灾烟雾区域的圈定；动态特征下火灾烟雾区域的判定以火灾烟雾边界区域的动态扩散特征为依据，静态特征下可疑火灾烟雾区域的圈定包括可疑火灾烟雾区域和无火灾烟雾区域；
分析处理模块与报警装置连接，并将所得信号输送至报警装置并传送至相关部门。
本发明火灾烟雾视频智能监控预警方法，具体包括以下步骤：
步骤一、火灾烟雾静态特征
(a)火灾烟雾静态特征一
火灾烟雾在燃烧过程中会呈现明显的扩散趋势，从而导致烟雾轮廓呈现明显的不规则性。而且，火灾烟雾边界周长要明显大于同面积下圆的周长。利用火灾烟雾这一特性，我们提出以下公式：
其中，L为视频图像中可疑火灾烟雾边界周长；S为视频图像中可疑火灾烟雾面积；K为可疑火灾烟雾区域无量纲判定参数；KT为无量纲判定参数阈值；P1为可疑火灾烟雾区域静态特征判定参量。
(b)火灾烟雾静态特征二
同时存在火灾烟雾的视频图像中火灾烟雾区域的颜色变化不大，且与烟雾的浓度呈现正相关关系，在图像上表现为像素点的灰度值。根据火灾烟雾区域灰度均一的特性，提出以下公式：
其中，xi为可疑火灾烟雾区域第i个像素点的灰度值；为可疑火灾烟雾区域内像素灰度的平均值；N为可疑火灾烟雾区域内像素数量；W为可疑火灾烟雾范围内所有像素点的方差；WT为像素点方差判定阈值；P2为可疑火灾烟雾区域静态特征判定参量。
(c)火灾烟雾静态特征综合判定
根据视频图像中可疑火灾烟雾的静态特性，以判定参量P1和P2为基础，提出视频图像火灾烟雾可疑区域的综合判定参数P
通过视频图像中火灾烟雾区域的静态特征综合判定参数P可以圈定出火灾烟雾的可疑区域，再通过烟雾的动态特征对可疑区域进行进一步判定。在火灾发育过程中，火灾烟雾区域边界会随着时间不断扩散。根据火灾烟雾的这一动态变化特征，提出了可疑火灾烟雾区域的判定方法。
步骤二、火灾烟雾动态特征
根据火灾烟雾边界区域的动态扩散特征，给出视频图像可疑火灾烟雾区域的判定方法如下：
其中，Vj+n和Vj是在视频图像中的第(j+n)帧图像和第j帧图像中可疑火灾烟雾区域总的像素个数；n是计算区间内视频图像变化的帧数；t变化每帧数的时间；T是计算区间内可疑火灾烟雾区域的像素变化率。同时为了避免随机事件造成的计算误差，我们对n帧图像内不同帧长的像素变化率分别进行了计算并平均，得到了可疑火灾烟雾区域的像素平均变化率
步骤三、火灾烟雾监测应急预警
通过给定火灾烟雾区域变化率的上下阈值Tmin和Tmax，当满足公式时，则可以判定可疑火灾烟雾区域存在火灾烟雾并及时进行火灾烟雾区域的视频输出和预警，同时将相关火灾烟雾发生情况传送到厂区视频监控中心和厂区安全消防部门。
当不满足公式时，虽然未判定此可疑火灾烟雾区域存在火灾烟雾，但由于其可疑火灾烟雾静态特征，仍需派专职安全员进行现场巡检，确定现场火灾烟雾的存在情况。
结合图1和图2所示，本发明一种化工厂区有毒区域火灾烟雾视频智能识别监控预警方法，首先是进行视频图像的采集与输入、对静态特征下可疑火灾烟雾区域的圈定、动态特征下火灾烟雾区域的判定、然后火灾烟雾区域的输出与预警。
上述静态特征下可疑火灾烟雾区域的圈定包括火灾烟雾边界区域的不规则特性圈定、火灾烟雾区域的灰度均一性圈定、是否存在可疑火灾烟雾区域、进行下一帧图像处理。动态特征下火灾烟雾区域的判定包括可疑火灾烟雾区域的像素变化率计算、是否可判定为火灾烟雾区域。火灾烟雾区域的输出与预警包括厂区视频监控中心、厂区安全消防部门、通知安全员现场巡检。
实施例1：
以炼化厂区罐区泄露引发火灾烟雾的视频智能识别监控为实施例来说明本专利的具体实施方式。
步骤一、火灾烟雾静态特征判定
首先通过视频图像的采集与输入获得当前帧图像，然后同时进行火灾烟雾边界区域的不规则特性和火灾烟雾区域的灰度均一性圈定，通过开展是否存在可疑火灾烟雾区域的判定。
具体判定方法如下：
火灾烟雾在燃烧过程中会呈现明显的扩散趋势，从而导致烟雾轮廓呈现明显的不规则性。而且，火灾烟雾边界周长要明显大于同面积下圆的周长。利用火灾烟雾这一特性，提出以下公式：
其中，L为视频图像中可疑火灾烟雾边界周长；S为视频图像中可疑火灾烟雾面积；K为可疑火灾烟雾区域无量纲判定参数；KT为无量纲判定参数阈值；P1为可疑火灾烟雾区域静态特征判定参量。
同时存在火灾烟雾的视频图像中火灾烟雾区域的颜色变化不大，且与烟雾的浓度呈现正相关关系，在图像上表现为像素点的灰度值。根据火灾烟雾区域灰度均一的特性，提出以下公式：
其中，Xi为可疑火灾烟雾区域第i个像素点的灰度值；为可疑火灾烟雾区域内像素灰度的平均值；N为可疑火灾烟雾区域内像素数量；W为可疑火灾烟雾范围内所有像素点的方差；WT为像素点方差判定阈值；P2为可疑火灾烟雾区域静态特征判定参量。
根据视频图像中可疑火灾烟雾的静态特性，以判定参量P1和P2为基础，提出视频图像火灾烟雾可疑区域的综合判定参数P；
通过视频图像中火灾烟雾区域的静态特征综合判定参数P可以圈定出火灾烟雾的可疑区域，再通过烟雾的动态特征对可疑区域进行进一步判定。如果判定为不存在可疑火灾烟雾区域，程序则进行下一帧图像处理并返回视频图像的采集与输入。
步骤二、火灾烟雾动态特征判定
如果判定存在可疑火灾烟雾区域，则根据火灾烟雾的动态特征-可疑火灾烟雾区域的像素变化率进行火灾烟雾区域的判定：
其中，Vj+n和Vj是在视频图像中的第(j+n)帧图像和第j帧图像中可疑火灾烟雾区域总的像素个数；n是计算区间内视频图像变化的帧数；t变化每帧数的时间；T是计算区间内可疑火灾烟雾区域的像素变化率。同时为了避免随机事件造成的计算误差，对n帧图像内不同帧长的像素变化率分别进行计算并平均，得到可疑火灾烟雾区域的像素平均变化率。
步骤三、火灾烟雾判定应急响应
通过给定火灾烟雾区域变化率的上下阈值Tmin和Tmax，当满足公式时，则可以判定可疑火灾烟雾区域存在火灾烟雾并及时进行火灾烟雾区域的视频输出和预警，同时将相关火灾烟雾发生情况传送到厂区视频监控中心和厂区安全消防部门。
当不满足公式时，虽然未判定此可疑火灾烟雾区域存在火灾烟雾，但由于其可疑火灾烟雾静态特征，仍需派专职安全员进行现场巡检，确定现场火灾烟雾的存在情况。
需要说明的是，在本说明书的教导下本领域技术人员还可以做出这样或那样的容易变化方式，诸如等同方式，或明显变形方式。上述的变化方式均应在本发明的保护范围之内。

Claims (7)

1.一种火灾烟雾视频智能监控预警系统，其包括无线传输装置、探测装置、报警装置和监控装置，所述探测装置包括传感器感应模块，所述监控装置包括分析处理模块和主服务器，所述主服务器与传感器感应模块通过无线传输装置连接，所述传感器感应模块用于将感应的信号输送至主服务器，所述无线传输装置用于将视频图像传输至所述主服务器，所述主服务器与所述分析处理模块连接，并用于将所得视频图像输送至分析处理模块；其特征在于：
所述分析处理模块用于对视频图像进行判定，所述的判定包括对静态特征下可疑火灾烟雾区域的圈定和动态特征下火灾烟雾区域的判定，当视频图像显示火灾烟雾边界区域不规则或/和火灾烟雾区上有像素点的灰度值时，则归为静态特征下可疑火灾烟雾区域的圈定；所述动态特征下火灾烟雾区域的判定以火灾烟雾边界区域的动态扩散特征为依据，所述静态特征下可疑火灾烟雾区域的圈定包括可疑火灾烟雾区域和无火灾烟雾区域，
所述分析处理模块连接所述报警装置，并将所得信号传输至所述报警装置。
2.根据权利要求1所述的火灾烟雾视频智能监控预警系统，其特征在于：火灾烟雾边界区域的动态扩散特征的判定方法如式(1)：
式(1)中，Vj+n和Vj是在视频图像中的第(j+n)帧图像和第j帧图像中可疑火灾烟雾区域总的像素个数；n是计算区间内视频图像变化的帧数；t变化每帧数的时间；T是计算区间内可疑火灾烟雾区域的像素变化率。
3.根据权利要求1所述的火灾烟雾视频智能监控预警系统，其特征在于：所述探测装置还包括设置在监测区域的红外探测器或烟雾探测器。
4.根据权利要求1所述的火灾烟雾视频智能监控预警系统，其特征在于：所述无线传输装置包括wifi模块。
5.一种火灾烟雾视频智能监控预警方法，其特征在于，依次包括以下步骤：
a静态特征下可疑火灾烟雾区域的圈定，包括以下子步骤：
a1火灾烟雾边界区域的不规则特征圈定，按照式(2)和式(3)进行圈定：
式(2)中，L为视频图像中可疑火灾烟雾边界周长；S为视频图像中可疑火灾烟雾面积；K为可疑火灾烟雾区域无量纲判定参数；
式(3)中，KT为无量纲判定参数阈值；P1为可疑火灾烟雾区域静态特征判定参量；
a2火灾烟雾区域的灰度均一性圈定，根据式(4)和式(5)进行圈定；
式(4)中，xi为可疑火灾烟雾区域第i个像素点的灰度值；为可疑火灾烟雾区域内像素灰度的平均值；N为可疑火灾烟雾区域内像素数量；W为可疑火灾烟雾范围内所有像素点的方差；
式(5)中，WT为像素点方差判定阈值；P2为可疑火灾烟雾区域静态特征判定参量；
a3火灾烟雾静态特征综合判定
根据视频图像中可疑火灾烟雾的静态特性，以判定参量P1和P2为基础，提出视频图像火灾烟雾可疑区域的综合判定参数P，通过式(6)来判定；
b动态特征下火灾烟雾区域的判定，
根据火灾烟雾边界区域的动态扩散特征，给出视频图像可疑火灾烟雾区域的判定方法如式(7)：
式(7)中，Vj+n和Vj是在视频图像中的第(j+n)帧图像和第j帧图像中可疑火灾烟雾区域总的像素个数；n是计算区间内视频图像变化的帧数；t变化每帧数的时间；T是计算区间内可疑火灾烟雾区域的像素变化率；
c火灾烟雾监测应急预警
通过给定火灾烟雾区域变化率的上下阈值Tmin和Tmax，当满足公式时，则可以判定可疑火灾烟雾区域存在火灾烟雾并及时进行火灾烟雾区域的视频输出和预警；
当不满足公式时，虽然未判定此可疑火灾烟雾区域存在火灾烟雾，但由于其可疑火灾烟雾静态特征，仍需确定现场火灾烟雾是否存在。
6.根据权利要求5所述的一种火灾烟雾视频智能监控预警方法，其特征在于：步骤b中，通过对n帧图像内不同帧长的像素变化率分别进行了计算并平均，得到了可疑火灾烟雾区域的像素平均变化率如式(8)：
7.根据权利要求5所述的一种火灾烟雾视频智能监控预警方法，其特征在于：步骤a2火灾烟雾区域的灰度均一性圈定中，在视频图像中存在火灾烟雾区域的颜色与浓度呈现正相关关系。
CN201810120007.5A 2018-02-07 2018-02-07 一种火灾烟雾视频智能监控预警系统及预警方法 Active CN110120142B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810120007.5A CN110120142B (zh) 2018-02-07 2018-02-07 一种火灾烟雾视频智能监控预警系统及预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810120007.5A CN110120142B (zh) 2018-02-07 2018-02-07 一种火灾烟雾视频智能监控预警系统及预警方法

Publications (2)

Publication Number Publication Date
CN110120142A true CN110120142A (zh) 2019-08-13
CN110120142B CN110120142B (zh) 2021-12-31

Family

ID=67519986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810120007.5A Active CN110120142B (zh) 2018-02-07 2018-02-07 一种火灾烟雾视频智能监控预警系统及预警方法

Country Status (1)

Country Link
CN (1) CN110120142B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112036411A (zh) * 2020-08-26 2020-12-04 广东宝利建设有限公司 一种智能消防监测预警系统循环纠错的方法
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

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2359230B (en) * 1999-11-11 2004-02-11 Canon Kk Computer graphics apparatus
CN1852428A (zh) * 2006-05-25 2006-10-25 浙江工业大学 基于全方位计算机视觉的智能隧道安全监控装置
CN101339602A (zh) * 2008-07-15 2009-01-07 中国科学技术大学 一种基于光流法的视频火灾烟雾图像识别方法
US20090123074A1 (en) * 2007-11-13 2009-05-14 Chao-Ho Chen Smoke detection method based on video processing
CN101908142A (zh) * 2010-08-04 2010-12-08 丁天 一种基于特征分析的视频火焰检测方法
CN103106766A (zh) * 2013-01-14 2013-05-15 广东赛能科技有限公司 林火识别方法与系统
CN103886344A (zh) * 2014-04-14 2014-06-25 西安科技大学 一种图像型火灾火焰识别方法
CN105046218A (zh) * 2015-07-09 2015-11-11 华南理工大学 一种基于串并行处理的多特征交通视频烟雾检测方法
CN105336085A (zh) * 2015-09-02 2016-02-17 华南师范大学 一种基于图像处理技术的远程大空间火灾监测报警方法
CN105844295A (zh) * 2016-03-21 2016-08-10 北京航空航天大学 一种基于颜色模型与运动特征的视频烟雾精细分类方法
CN106845443A (zh) * 2017-02-15 2017-06-13 福建船政交通职业学院 基于多特征融合的视频火焰检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2359230B (en) * 1999-11-11 2004-02-11 Canon Kk Computer graphics apparatus
CN1852428A (zh) * 2006-05-25 2006-10-25 浙江工业大学 基于全方位计算机视觉的智能隧道安全监控装置
US20090123074A1 (en) * 2007-11-13 2009-05-14 Chao-Ho Chen Smoke detection method based on video processing
CN101339602A (zh) * 2008-07-15 2009-01-07 中国科学技术大学 一种基于光流法的视频火灾烟雾图像识别方法
CN101908142A (zh) * 2010-08-04 2010-12-08 丁天 一种基于特征分析的视频火焰检测方法
CN103106766A (zh) * 2013-01-14 2013-05-15 广东赛能科技有限公司 林火识别方法与系统
CN103886344A (zh) * 2014-04-14 2014-06-25 西安科技大学 一种图像型火灾火焰识别方法
CN105046218A (zh) * 2015-07-09 2015-11-11 华南理工大学 一种基于串并行处理的多特征交通视频烟雾检测方法
CN105336085A (zh) * 2015-09-02 2016-02-17 华南师范大学 一种基于图像处理技术的远程大空间火灾监测报警方法
CN105844295A (zh) * 2016-03-21 2016-08-10 北京航空航天大学 一种基于颜色模型与运动特征的视频烟雾精细分类方法
CN106845443A (zh) * 2017-02-15 2017-06-13 福建船政交通职业学院 基于多特征融合的视频火焰检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李婷雪: "基于亮度守恒假设的火灾图像运动特征提取", 《沈阳大学学报（自然科学版）》 *
薛 锐1，2，许厚谦，吴伟，李燕，朱晨光: "烟火药燃烧火焰流场的PIV 应用研究", 《火工品》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112036411A (zh) * 2020-08-26 2020-12-04 广东宝利建设有限公司 一种智能消防监测预警系统循环纠错的方法
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

Also Published As

Publication number Publication date
CN110120142B (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
KR101168760B1 (ko) 화염 검출 방법 및 장치
Ko et al. Fire detection based on vision sensor and support vector machines
US7542585B2 (en) Fire detection and smoke detection method and system based on image processing
CN101395643B (zh) 利用摄像机检测烟雾
CN109522819A (zh) 一种基于深度学习的火灾图像识别方法
CN106897720A (zh) 一种基于视频分析的烟火检测方法及装置
CN108389359B (zh) 一种基于深度学习的城市火灾报警方法
CN109637068A (zh) 智能烟火识别系统
KR20080054366A (ko) 연기 검출 방법 및 장치
CN103761826A (zh) 一种热成像视频双鉴林火识别系统的识别方法
KR20210097500A (ko) 화재감지장치 및 이를 포함하는 화재감지시스템
EP2000998B1 (en) Flame detecting method and device
KR20100116829A (ko) 씨씨티브이 카메라 영상에서의 특정 움직임 감지 장치 및 방법
CN111476964A (zh) 一种远程森林防火监控系统与方法
CN115660297A (zh) 一种工地安全自动ai预警系统及方法
CN110120142A (zh) 一种火灾烟雾视频智能监控预警系统及预警方法
CN108765833A (zh) 基于改进混合高斯与机器学习的早期火灾检测算法
Jakovčević et al. Notice of Violation of IEEE Publication Principles: Review of wildfire smoke detection techniques based on visible spectrum video analysis
Jun et al. Fire detection using multi-channel information and gray level co-occurrence matrix image features
CN108985144B (zh) 一种高效低成本图像火灾自动识别方法及装置
CN111127433B (zh) 一种检测火焰的方法及装置
Jiayun Real-time visual detection of early manmade fire
TWI807354B (zh) 基於人工智能及影像辨識的火災偵測系統及火災偵測方法
Narwade et al. Smoke detection in video for early warning using static and dynamic features
Sunny Survey On Various Fire Detection Methods

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: 20211208

Address after: No. 22, Chaoyangmen street, Chaoyang District, Beijing 100020

Applicant after: CHINA PETROLEUM & CHEMICAL Corp.

Applicant after: Sinopec Safety Engineering Research Institute Co.,Ltd.

Address before: Yanan City, Shandong province Qingdao City three road 266071 No. 218

Applicant before: CHINA PETROLEUM & CHEMICAL Corp.

Applicant before: SINOPEC Research Institute OF SAFETY ENGINEERING

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221130

Address after: No. 22, Chaoyangmen street, Chaoyang District, Beijing 100020

Patentee after: CHINA PETROLEUM & CHEMICAL Corp.

Patentee after: Sinopec Safety Engineering Research Institute Co.,Ltd.

Patentee after: Sinopec management system certification (Qingdao) Co.,Ltd.

Address before: No. 22, Chaoyangmen street, Chaoyang District, Beijing 100020

Patentee before: CHINA PETROLEUM & CHEMICAL Corp.

Patentee before: Sinopec Safety Engineering Research Institute Co.,Ltd.