CN110580449A - 一种图像型火焰识别检测方法 - Google Patents
一种图像型火焰识别检测方法 Download PDFInfo
- Publication number
- CN110580449A CN110580449A CN201910732425.4A CN201910732425A CN110580449A CN 110580449 A CN110580449 A CN 110580449A CN 201910732425 A CN201910732425 A CN 201910732425A CN 110580449 A CN110580449 A CN 110580449A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- area
- color
- calculation result
- 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
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明涉及火灾探测报警技术领域,尤其是涉及一种图像型火焰识别检测方法,其利用摄像机获取现场视频图像,通过计算机或嵌入式系统进行处理,同时采用RGB图像和灰度图像处理进行火焰识别检测,该方法简单实用,不需要复杂计算,适用范围广,可以广泛应用于各种基于计算机或嵌入式的系统,具有较强的实用性。
Description
技术领域
本发明涉及火灾探测报警技术领域,尤其是涉及一种图像型火焰识别检测方法。
背景技术
随着摄像机技术、计算机技术、图像识别技术和嵌入式技术的发展,利用图像处理进行火灾识别的技术和系统日趋成熟,具有无接触、速度快、可视化、保护范围广等优点。开发适用性广、兼容不同应用环境的火焰识别方法对此项技术的实用化和广泛应用具有重要价值。
发明内容
本发明的目的在于提供一种图像型火焰识别检测方法,该方法能够更好适应不同应用场所,有效提高系统的实用性。
为了实现上述目的,本发明所采用的技术方案如下:
一种图像型火焰识别检测方法,其特征在于利用摄像机获取现场视频图像,通过计算机或嵌入式系统进行处理,同时采用RGB图像和灰度图像处理进行火焰识别检测,具体包括以下步骤:
S1:将所获取的视频图像转化为RGB图像和灰度图像,并建立灰度背景图像;
S2:对于RGB图像,提取火焰颜色区域,并对火焰颜色区域进行灰度阈值判断和区域面积判断,形成彩色图像可疑区域;
S3:对于灰度图像,提取当前灰度图像与灰度背景图像差异区域,并对差异区域进行灰度阈值判断和区域面积判断,形成灰度图像可疑区域;
S4:分别对彩色图像可疑区域和灰度图像可疑区域计算面积,并进行累积,形成彩色可疑区域面积序列和灰度可疑区域面积序列;
S5:分别对彩色可疑区域面积序列和灰度可疑区域面积序列进行DFT傅里叶变换,并对结果采用专用公式进行计算得到计算结果;
S6:对专用公式计算得到的计算结果进行阈值判断,分别得到彩色图像计算结果和灰度图像计算结果,两幅图像相与得到火焰识别结果,同时根据灰度图像计算结果得到非可疑区域,并进行灰度背景图像更新。
在所述步骤S1中,所述建立灰度背景图像是将第五帧所述灰度图像作为所述灰度背景图像。
在所述步骤S2中,所述提取火焰颜色区域采用如下条件:R-G >= T1,R-B >= T2,G-B >= T3,以上条件都满足的视为火焰颜色区域,其中R、G、B为所述RGB图像的红绿蓝分量值,T1取值为50至80,T2取值为50至80,T3取值为10至30;
所述灰度阈值判断采用如下条件:Gcr>=T4,Gcr为所述火焰颜色区域内像素的灰度值,T4取值为120,不满足条件的像素被移出所述火焰颜色区域;
所述区域面积判断采用如下条件:Acr>=T5,Acr为所述火焰颜色区域内像素的数量,T5取值为20,不满足条件的区域被移出所述火焰颜色区域;
经过以上条件筛选,所有条件均满足的区域形成所述彩色图像可疑区域。
在所述步骤S3中,所述提取当前灰度图像与灰度背景图像差异区域采用如下条件:Dcb>= T6,以上条件满足的视为所述差异区域,其中Dcb为所述灰度图像和所述灰度背景图像每个像素的灰度值差异的绝对值,T6取值为10;
所述灰度阈值判断采用如下条件:Ggr>=T7,Ggr为所述差异区域内像素的灰度值,T7取值为160,不满足条件的像素被移出所述差异区域;
所述区域面积判断采用如下条件:Agr>=T8,Agr为所述差异区域内像素的数量,T8取值为20,不满足条件的区域被移出所述差异区域;
经过以上条件筛选,所有条件均满足的区域形成所述灰度图像可疑区域。
在所述步骤S4中,所述分别对彩色图像可疑区域和灰度图像可疑区域计算面积,是指计算所述彩色图像可疑区域和灰度图像可疑区域的像素数量,所述累积是指循环累积一段时间内的像素数量,形成所述彩色可疑区域面积序列和灰度可疑区域面积序列,序列长度为30至40。
在所述步骤S5中,所述专用公式为result = max(Rdft) * 3.3。Rdft为所述彩色可疑区域面积序列和灰度可疑区域面积序列进行DFT傅里叶变换后的变换序列,max()为取序列中的最大值操作,result为所述计算结果。
在所述步骤S6中,所述对专用公式计算得到的计算结果进行阈值判断采用如下条件:T9<= result <= T10,其中result为所述计算结果,T9取值为10,T10取值为30;
当彩色图像所述计算结果不满足条件时,所述彩色图像计算结果置为0,否则所述彩色图像计算结果为所述步骤S2中所述彩色图像可疑区域;当灰度图像所述计算结果不满足条件时,所述灰度图像计算结果置为0,否则所述灰度图像计算结果为所述步骤S3中所述灰度图像可疑区域;
所述两幅图像相与是指将彩色图像计算结果和灰度图像计算结果两幅图像相与,得到所述火焰识别结果;
所述非可疑区域是所述灰度图像计算结果取反得到;
所述进行灰度背景图像更新是指将所述灰度背景图像中的与所述非可疑区域匹配的区域的像素更新为灰度图像相应位置像素。
本发明的有益效果可以总结如下:
本发明提出一种图像型火焰识别检测方法,其利用摄像机获取现场视频图像,通过计算机或嵌入式系统进行处理,同时采用RGB图像和灰度图像处理进行火焰识别检测,该方法简单实用,不需要复杂计算,适用范围广,可以广泛应用于各种基于计算机或嵌入式的系统,具有较强的实用性。
附图说明
图1为本发明的图像型火焰识别检测方法流程图。
具体实施方式
下面将结合附图,对本发明的技术方案进行具体说明。
本发明提出一种图像型火焰识别检测方法,如图1所示,利用摄像机获取现场视频图像,通过计算机或嵌入式系统进行处理,同时采用RGB图像和灰度图像处理进行火焰识别检测,具体包括以下步骤:
S1:将所获取的视频图像转化为RGB图像和灰度图像,并建立灰度背景图像;
S2:对于RGB图像,提取火焰颜色区域,并对火焰颜色区域进行灰度阈值判断和区域面积判断,形成彩色图像可疑区域;
S3:对于灰度图像,提取当前灰度图像与灰度背景图像差异区域,并对差异区域进行灰度阈值判断和区域面积判断,形成灰度图像可疑区域;
S4:分别对彩色图像可疑区域和灰度图像可疑区域计算面积,并进行累积,形成彩色可疑区域面积序列和灰度可疑区域面积序列;
S5:分别对彩色可疑区域面积序列和灰度可疑区域面积序列进行DFT傅里叶变换,并对结果采用专用公式进行计算得到计算结果;
S6:对专用公式计算得到的计算结果进行阈值判断,分别得到彩色图像计算结果和灰度图像计算结果,两幅图像相与得到火焰识别结果,同时根据灰度图像计算结果得到非可疑区域,并进行灰度背景图像更新。
本方法处理对象为视频数据,是对视频数据中的每一帧进行处理,处理的帧数依次为第一帧、第二帧、以此类推,对每一帧数据按上述流程处理。
进一步的,在本实施例中,在步骤S1中,对视频数据按常规方法转化为RGB图像和灰度图像,并将第五帧灰度图像作为灰度背景图像。
进一步的,在本实施例中,在步骤S2中,提取火焰颜色区域采用如下条件:R-G >=T1,R-B >= T2,G-B >= T3,对当前处理帧的每一个像素进行上述判断,以上条件都满足的像素视为火焰颜色区域,其中R、G、B为RGB图像的红绿蓝分量值,T1取值为50至80,T2取值为50至80,T3取值为10至30;
灰度阈值判断采用如下条件:Gcr>=T4,Gcr为上述提取的火焰颜色区域内像素的灰度值,T4取值为120,不满足条件的像素被移出火焰颜色区域;
区域面积判断采用如下条件:Acr>=T5,Acr为上述火焰颜色区域内像素的数量,T5取值为20,对于存在多个火焰颜色区域的情况,对每个区域进行条件判断,不满足条件的区域被移出所述火焰颜色区域;
经过以上条件筛选,所有条件均满足的区域形成彩色图像可疑区域,在彩色图像可疑区域二值图像中,彩色图像可疑区域被标记为255,其他区域被标记为0。
在本发明的一实施例中,在所述步骤S3中,提取当前灰度图像与灰度背景图像差异区域采用如下条件:Dcb>= T6,以上条件满足的视为差异区域,其中Dcb为灰度图像和灰度背景图像每个像素的灰度值差异的绝对值,T6取值为10;
灰度阈值判断采用如下条件:Ggr>=T7,Ggr为上述差异区域内像素的灰度值,T7取值为160,不满足条件的像素被移出差异区域;
区域面积判断采用如下条件:Agr>=T8,Agr为上述差异区域内像素的数量,T8取值为20,对于存在多个差异区域的情况,对每个区域进行条件判断,不满足条件的区域被移出差异区域;
经过以上条件筛选,所有条件均满足的区域形成灰度图像可疑区域,在灰度图像可疑区域二值图像中,灰度图像可疑区域被标记为255,其他区域被标记为0。
进一步的,在本实施例中,在步骤S4中,分别对彩色图像可疑区域和灰度图像可疑区域计算面积,即分别计算彩色图像可疑区域二值图像和灰度图像可疑区域二值图像中值为255的像素数量,将得到的数值分别加入彩色可疑区域面积序列和灰度可疑区域面积序列;累积是指循环累积一段时间内的面积数值,形成序列长度为30至40,每处理一帧视频,形成序列中的一个数值,直到处理至序列长度的帧数,随后,再有新的数值生成时,所有序列数据移动一步,将最早移入的数值移出序列,将最新得到的数值加入序列,以此类推,最终得到固定长度的彩色可疑区域面积序列和灰度可疑区域面积序列。
进一步的,在本实施例中,在步骤S5中,专用公式为result = max(Rdft) * 3.3。Rdft为彩色可疑区域面积序列和灰度可疑区域面积序列进行DFT傅里叶变换后的变换序列,max()为取序列中的最大值操作,result为所述计算结果。
进一步的,在本实施例中,在步骤S6中,对专用公式计算得到的计算结果进行阈值判断采用如下条件:T9<= result <= T10,其中result为计算结果,T9取值为10,T10取值为30;
当彩色图像计算结果不满足条件时,彩色图像计算结果置为0,否则彩色图像计算结果为步骤S2中计算得到的彩色图像可疑区域二值图像;当灰度图像计算结果不满足条件时,灰度图像计算结果置为0,否则灰度图像计算结果为步骤S3中计算得到的灰度图像可疑区域二值图像;
将彩色图像计算结果和灰度图像计算结果两幅图像相与,只有数值均为255的像素置为255,其余像素置0,数值为255的像素组成的区域为火焰识别结果;
非可疑区域是将上述灰度图像计算结果取反得到,即数值为0的像素置为255,数值为255的像素置为0,最终得到的图像中像素值为255的区域为非可疑区域;
进行灰度背景图像更新是指将灰度背景图像中的与非可疑区域匹配的区域的像素更新为灰度图像相应位置像素。
以上仅是本发明较佳的实施例,并不用于限制本发明,凡是依据本发明技术方案所做的改变、等同替换、改进等,其产生的功能作用未超出本发明技术方案的范围时,均应属于本发明的保护范围内。
Claims (6)
1.一种图像型火焰识别检测方法,其特征在于利用摄像机获取现场视频图像,通过计算机或嵌入式系统进行处理,同时采用RGB图像和灰度图像处理进行火焰识别检测,具体包括以下步骤:
S1:将所获取的视频图像转化为RGB图像和灰度图像,并建立灰度背景图像;
S2:对于RGB图像,提取火焰颜色区域,并对火焰颜色区域进行灰度阈值判断和区域面积判断,形成彩色图像可疑区域;
S3:对于灰度图像,提取当前灰度图像与灰度背景图像差异区域,并对差异区域进行灰度阈值判断和区域面积判断,形成灰度图像可疑区域;
S4:分别对彩色图像可疑区域和灰度图像可疑区域计算面积,并进行累积,形成彩色可疑区域面积序列和灰度可疑区域面积序列;
S5:分别对彩色可疑区域面积序列和灰度可疑区域面积序列进行DFT傅里叶变换,并对结果采用专用公式进行计算得到计算结果;
S6:对专用公式计算得到的计算结果进行阈值判断,分别得到彩色图像计算结果和灰度图像计算结果,两幅图像相与得到火焰识别结果,同时根据灰度图像计算结果得到非可疑区域,并进行灰度背景图像更新;
在所述步骤S5中,所述专用公式为result = max(Rdft) * 3.3;
Rdft为所述彩色可疑区域面积序列和灰度可疑区域面积序列进行DFT傅里叶变换后的变换序列,max()为取序列中的最大值操作,result为所述计算结果。
2.根据权利要求1所述的图像型火焰识别检测方法,其特征在于,所述步骤S1中,所述建立灰度背景图像是将第五帧所述灰度图像作为所述灰度背景图像。
3.根据权利要求1所述的图像型火焰识别检测方法,其特征在于,所述步骤S2中,所述提取火焰颜色区域采用如下条件:R-G >= T1,R-B >= T2,G-B >= T3,以上条件都满足的视为火焰颜色区域,其中R、G、B为所述RGB图像的红绿蓝分量值,T1取值为50至80,T2取值为50至80,T3取值为10至30;
所述灰度阈值判断采用如下条件:Gcr>=T4,Gcr为所述火焰颜色区域内像素的灰度值,T4取值为120,不满足条件的像素被移出所述火焰颜色区域;
所述区域面积判断采用如下条件:Acr>=T5,Acr为所述火焰颜色区域内像素的数量,T5取值为20,不满足条件的区域被移出所述火焰颜色区域;
经过以上条件筛选,所有条件均满足的区域形成所述彩色图像可疑区域。
4.根据权利要求1所述的图像型火焰识别检测方法,其特征在于,所述步骤S3中,所述提取当前灰度图像与灰度背景图像差异区域采用如下条件:Dcb>= T6,以上条件满足的视为所述差异区域,其中Dcb为所述灰度图像和所述灰度背景图像每个像素的灰度值差异的绝对值,T6取值为10;
所述灰度阈值判断采用如下条件:Ggr>=T7,Ggr为所述差异区域内像素的灰度值,T7取值为160,不满足条件的像素被移出所述差异区域;
所述区域面积判断采用如下条件:Agr>=T8,Agr为所述差异区域内像素的数量,T8取值为20,不满足条件的区域被移出所述差异区域;
经过以上条件筛选,所有条件均满足的区域形成所述灰度图像可疑区域。
5.根据权利要求1所述的图像型火焰识别检测方法,其特征在于,所述步骤S4中,所述分别对彩色图像可疑区域和灰度图像可疑区域计算面积,是指计算所述彩色图像可疑区域和灰度图像可疑区域的像素数量,所述累积是指循环累积一段时间内的像素数量,形成所述彩色可疑区域面积序列和灰度可疑区域面积序列,序列长度为40至50。
6.根据权利要求1所述的图像型火焰识别检测方法,其特征在于,所述步骤S6中,所述对专用公式计算得到的计算结果进行阈值判断采用如下条件:T9<= result <= T10,其中result为所述计算结果,T9取值为10,T10取值为30;
当彩色图像所述计算结果不满足条件时,所述彩色图像计算结果置为0,否则所述彩色图像计算结果为所述步骤S2中所述彩色图像可疑区域;当灰度图像所述计算结果不满足条件时,所述灰度图像计算结果置为0,否则所述灰度图像计算结果为所述步骤S3中所述灰度图像可疑区域;
所述非可疑区域是所述灰度图像计算结果取反得到;
所述进行灰度背景图像更新是指将所述灰度背景图像中的与所述非可疑区域匹配的区域的像素更新为灰度图像相应位置像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910732425.4A CN110580449B (zh) | 2019-08-09 | 2019-08-09 | 一种图像型火焰识别检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910732425.4A CN110580449B (zh) | 2019-08-09 | 2019-08-09 | 一种图像型火焰识别检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110580449A true CN110580449A (zh) | 2019-12-17 |
CN110580449B CN110580449B (zh) | 2023-05-02 |
Family
ID=68810698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910732425.4A Active CN110580449B (zh) | 2019-08-09 | 2019-08-09 | 一种图像型火焰识别检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110580449B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340746A (zh) * | 2020-05-19 | 2020-06-26 | 深圳应急者安全技术有限公司 | 一种基于物联网的消防方法及消防系统 |
CN114345719A (zh) * | 2022-01-17 | 2022-04-15 | 青岛齐林智信自控技术有限公司 | 一种肠衣套缩管自动分级装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08173417A (ja) * | 1994-12-21 | 1996-07-09 | Ge Yokogawa Medical Syst Ltd | 画像生成方法および超音波診断装置 |
US20080191886A1 (en) * | 2006-12-12 | 2008-08-14 | Industrial Technology Research Institute | Flame detecting method and device |
CN101493980A (zh) * | 2009-03-05 | 2009-07-29 | 中国科学技术大学 | 一种基于多特征融合的快速视频火焰探测方法 |
CN104598895A (zh) * | 2015-02-10 | 2015-05-06 | 天津艾思科尔科技有限公司 | 一种基于视频图像分析的火焰检测方法与装置 |
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 |
US20160247375A1 (en) * | 2015-02-19 | 2016-08-25 | Russell P. Mills | Fire Detection Apparatus Utilizing A Camera |
CN108550138A (zh) * | 2018-03-14 | 2018-09-18 | 浙江大学山东工业技术研究院 | 基于频率域滤波增强的耐火砖表面划痕识别方法 |
-
2019
- 2019-08-09 CN CN201910732425.4A patent/CN110580449B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08173417A (ja) * | 1994-12-21 | 1996-07-09 | Ge Yokogawa Medical Syst Ltd | 画像生成方法および超音波診断装置 |
US20080191886A1 (en) * | 2006-12-12 | 2008-08-14 | Industrial Technology Research Institute | Flame detecting method and device |
CN101493980A (zh) * | 2009-03-05 | 2009-07-29 | 中国科学技术大学 | 一种基于多特征融合的快速视频火焰探测方法 |
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 |
CN104598895A (zh) * | 2015-02-10 | 2015-05-06 | 天津艾思科尔科技有限公司 | 一种基于视频图像分析的火焰检测方法与装置 |
US20160247375A1 (en) * | 2015-02-19 | 2016-08-25 | Russell P. Mills | Fire Detection Apparatus Utilizing A Camera |
CN108550138A (zh) * | 2018-03-14 | 2018-09-18 | 浙江大学山东工业技术研究院 | 基于频率域滤波增强的耐火砖表面划痕识别方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340746A (zh) * | 2020-05-19 | 2020-06-26 | 深圳应急者安全技术有限公司 | 一种基于物联网的消防方法及消防系统 |
CN114345719A (zh) * | 2022-01-17 | 2022-04-15 | 青岛齐林智信自控技术有限公司 | 一种肠衣套缩管自动分级装置 |
CN114345719B (zh) * | 2022-01-17 | 2024-06-11 | 青岛齐林智信自控技术有限公司 | 一种肠衣套缩管自动分级装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110580449B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10867166B2 (en) | Image processing apparatus, image processing system, and image processing method | |
JP7014161B2 (ja) | 画像処理装置、画像処理システム、および画像処理方法、並びにプログラム | |
CN107944359A (zh) | 基于视频的火焰检测方法 | |
JP4811653B2 (ja) | 物体検出装置 | |
CN107122758A (zh) | 一种车型识别和车流量检测方法 | |
CN106327488B (zh) | 一种自适应的前景检测方法及其检测装置 | |
CN110580449B (zh) | 一种图像型火焰识别检测方法 | |
CN111369529B (zh) | 一种物品丢失、遗留检测方法及其系统 | |
CN109178831B (zh) | 一种皮带机纵向撕裂检测方法 | |
CN107346421B (zh) | 一种基于颜色不变性的视频烟雾检测方法 | |
CN113868457A (zh) | 一种基于图像聚档的图像处理方法及相关装置 | |
JP5027201B2 (ja) | テロップ文字領域検出方法,テロップ文字領域検出装置およびテロップ文字領域検出プログラム | |
Lai et al. | Robust little flame detection on real-time video surveillance system | |
CN106021610B (zh) | 一种基于显著区域的视频指纹提取方法 | |
Liu et al. | An image mosaic block detection method based on fuzzy c-means clustering | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
Xie et al. | Robust vehicles extraction in a video-based intelligent transportation systems | |
JP5142416B2 (ja) | 物体検出装置 | |
CN111325073B (zh) | 基于运动信息聚类的监控视频异常行为检测方法 | |
CN108241837B (zh) | 一种遗留物检测方法和装置 | |
CN114882401A (zh) | 基于rgb-hsi模型和火焰初期生长特性的火焰检测方法及系统 | |
Tan et al. | Dynamic scene rain removal for moving cameras | |
TW201416995A (zh) | 偽造影像之自動式辨偽方法 | |
Wang et al. | Accurate silhouette extraction of a person in video data by shadow evaluation | |
Alexandropoulos et al. | A block-based clustering technique for real time object detection on a static background |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |