CN111008998A - 基于双目视觉的自动消防水炮的火焰检测方法 - Google Patents
基于双目视觉的自动消防水炮的火焰检测方法 Download PDFInfo
- Publication number
- CN111008998A CN111008998A CN201911353936.1A CN201911353936A CN111008998A CN 111008998 A CN111008998 A CN 111008998A CN 201911353936 A CN201911353936 A CN 201911353936A CN 111008998 A CN111008998 A CN 111008998A
- Authority
- CN
- China
- Prior art keywords
- flame
- area
- image
- region
- moving target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 241000876443 Varanus salvator Species 0.000 title claims description 11
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000010801 machine learning Methods 0.000 claims abstract description 7
- 230000003068 static effect Effects 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 239000000779 smoke Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fire-Detection Mechanisms (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于双目视觉的自动消防水炮的火焰检测方法,首先,利用高清摄像机,获取监测区域的高清图像并查找疑似运动目标区域,然后,通过对疑似运动目标区域进行车辆特征提取实现每帧图像的运动目标跟踪,跟踪过程中,若监测到前后两帧图像中运动目标的位置坐标没有发生改变,则认定有运动目标由运动状态变为静止状态,并将运动目标所在的区域设为感兴趣区域,之后,利用红外摄像机,获取所述感兴趣区域的红外图像,并根据所述红外图像判断该区域是否为疑似火焰区域,若是,则对火焰进行特征提取并利用机器学习的方法对提取的火焰特征进行决策分析,识别火焰。该方法可以更加直观的解决了隧道内车辆火灾的问题,准确率更高,速度更快。
Description
技术领域
本发明涉及隧道内的自动消防水炮灭火领域,特别提供了一种基于双目视觉的自动消防水炮的火焰检测方法。
背景技术
随着物流仓储、公路隧道、大型室内场所等设施的增多,消防安全问题也越来越突出,自动消防水炮灭火系统可自动触发火灾报警信号和定位火源,目前已得到广泛的应用。然而,现有的自动消防水炮灭火系统多利用烟雾传感器和温度传感器来探测火焰、定位火源,其中,烟雾传感器只能对达到一定浓度的烟雾进行报警,针对公路隧道内部,烟雾传感器报警的响应时间较长,无法做到实时准确;另外,温度传感器无法探测到较远距离的高温物体,只适应于在较小的空间内探测是否起火。
发明内容
鉴于此,本发明的目的在于提供一种基于双目视觉的自动消防水炮的火焰检测方法,以解决现有技术难以利用烟雾传感器和温度传感器检测隧道内火焰的问题。
本发明提供的技术方案是:基于双目视觉的自动消防水炮的火焰检测方法,包括如下步骤:
S1:利用固定设置于公路隧道内的高清摄像机,获取监测区域的高清图像S;
S2:利用帧差分法查找高清图像S中的疑似运动目标区域;
S3:对高清图像S中的疑似运动目标区域进行车辆特征提取,其中,提取的车辆特征包括车辆轮廓特征和车辆颜色特征;
S4:将提取的车辆轮廓特征与车辆颜色特征进行帧间目标的特征匹配,并以最优匹配实现每帧图像的运动目标跟踪,跟踪过程中,若监测到前后两帧图像中运动目标的位置坐标没有发生改变,则认定有运动目标由运动状态变为静止状态,并将运动目标所在的区域设为感兴趣区域ROI;
S5:利用红外摄像机,获取所述感兴趣区域ROI的红外图像,并根据所述红外图像判断该区域是否为疑似火焰区域,若是,则对火焰进行特征提取;
S6:利用机器学习的方法对提取的火焰特征进行决策分析,识别火焰。
优选,S2包括如下步骤:
S21:将相邻帧的图像的对应像素值相减,将其差值的绝对值设置为差分图像S0;
S22:对所述差分图像S0进行二值化处理,得到二值化图像S1;
S23:根据二值化图像S1的像素值确定背景像素和前景像素区域P,其中,所述前景像素区域P即为疑似运动目标区域。
进一步优选,S23中,背景像素和前景像素区域P的确定方法如下:
预设像素值变化阈值K1和K2,其中,K1小于K2,如果二值化图像S1的像素值小于像素值变化阈值K1,则认定其为背景像素;如果二值化图像S1中的像素值大于像素值变化阈值K2,则将对应区域标记为前景像素区域P,即:疑似运动目标区域。
进一步优选,S3中,轮廓特征利用Sobel算子提取,颜色特征利用HSV颜色特征提取法提取。
进一步优选,S5中,根据所述红外图像判断该区域是否为疑似火焰区域的方法如下:若连续至少10帧的红外图像存在温度高于设定温度阈值KT的像素点,则认定感兴趣区域ROI为疑似火焰区域SRoi。
进一步优选,S5中,提取的火焰特征包括火焰运动特征和火焰轮廓特征。
进一步优选,S5中,对火焰运动特征的提取方法如下:
a、利用Sobel算子提取疑似火焰区域SRoi的边缘信息,得到火焰连通域Q;
b、利用质心公式计算火焰的质心位置;
c、联合每帧图像火焰的质心位置,得到火焰质心运动轨迹Lxy;
其中,质心公式如下:
式中,Q表示火焰连通域,NQ表示火焰连通域Q中像素的个数,(xi,yi)为质心坐标。
进一步优选,S5中,对火焰轮廓特征的提取方法如下:
a、对疑似火焰区域SRoi进行中值滤波以降低红外图像的噪点,得到区域SRoi1;
b、利用Sobel算子对区域SRoi1进行边缘提取得到火焰的轮廓SRoi2。
进一步优选,S6中,将火焰的轮廓SRoi2的信息作为火焰的外部轮廓特征值,将火焰的质心运动轨迹Lxy信息作为火焰的运动信息。
进一步优选,机器学习的方法采用随机森林算法。
本发明提供的基于双目视觉的自动消防水炮的火焰检测方法,利用图像处理技术对火焰进行识别检测,通过高清摄像机锁定运动的车辆目标,通过对隧道内静止车辆区域进行基于红外的火焰监测,更加直观的解决了隧道内车辆火灾的问题,相较于烟雾传感器和温度传感器技术,准确率更高,速度更快。
具体实施方式
下面将结合具体的实施方案对本发明进行进一步的解释,但并不局限本发明。
本发明提供了一种基于双目视觉的自动消防水炮的火焰检测方法,包括如下步骤:
S1:利用固定设置于公路隧道内的高清摄像机,获取监测区域的高清图像S;
S2:利用帧差分法查找高清图像S中的疑似运动目标区域;
其中,帧差分法通过在图像序列相邻的两帧间采用基于像素的时间差分来实现;
通过图像序列逐帧的差分,可实现对图像序列在时域下高通滤波;
S2具体包括如下步骤:
S21:将相邻帧的图像的对应像素值相减,将其差值的绝对值设置为差分图像S0;
S22:对所述差分图像S0进行二值化处理,得到二值化图像S1;
S23:根据二值化图像S1的像素值确定背景像素和前景像素区域P,其中,所述前景像素区域P即为疑似运动目标区域;
具体地:背景像素和前景像素区域P的确定方法如下:
预设像素值变化阈值K1和K2,其中,K1小于K2,K1优选为20,K2优选为90,由于在隧道内周围环境亮度相对稳定,如果二值化图像S1的像素值小于像素值变化阈值K1,则认定其为背景像素;如果二值化图像S1中的像素值大于像素值变化阈值K2,则认定这是由图像中的运动目标引起的变化,并将像素值大于像素值变化阈值K2的区域标记为前景像素区域P,即:疑似运动目标区域;
S3:对高清图像S中的疑似运动目标区域进行车辆特征提取,其中,提取的车辆特征包括车辆轮廓特征和车辆颜色特征,优选,轮廓特征利用Sobel算子提取,颜色特征利用HSV颜色特征提取法提取;
S4:将提取的车辆轮廓特征与车辆颜色特征进行帧间目标的特征匹配,并以最优匹配实现每帧图像的运动目标跟踪,跟踪过程中,若监测到前后两帧图像中运动目标的位置坐标没有发生改变,则认定有运动目标由运动状态变为静止状态,并将运动目标所在的区域设为感兴趣区域ROI;
S5:利用红外摄像机,获取所述感兴趣区域ROI的红外图像,并根据所述红外图像判断该区域是否为疑似火焰区域,若是,则对火焰进行特征提取;
其中,根据所述红外图像判断该区域是否为疑似火焰区域的方法如下:
若连续至少10帧的红外图像存在温度高于设定温度阈值KT的像素点,则认定感兴趣区域ROI为疑似火焰区域SRoi,优选,所述温度阈值KTKT为110℃;
其中,提取的火焰特征优选包括运动特征和轮廓特征;
其中,对火焰运动特征的提取方法如下:
a、利用Sobel算子提取疑似火焰区域SRoi的边缘信息,得到火焰连通域Q;
b、利用质心公式计算火焰的质心位置;
c、联合每帧图像火焰的质心位置,得到火焰质心运动轨迹Lxy;
其中,质心公式如下:
式中,Q表示火焰连通域,NQ表示火焰连通域Q中像素的个数,(xi,yi)为质心坐标。
其中,对火焰轮廓特征的提取方法如下:
a、对疑似火焰区域SRoi进行中值滤波以降低红外图像的噪点,得到区域SRoi1;
b、利用Sobel算子对区域SRoi1进行边缘提取得到火焰的轮廓SRoi2;
S6:利用机器学习的方法对提取的火焰特征(轮廓特征和运动特征)进行决策分析,识别火焰。
优选,将火焰的轮廓SRoi2的信息作为火焰的外部轮廓特征值,将火焰的质心运动轨迹Lxy信息作为火焰的运动信息,机器学习的方法采用随机森林算法。
若识别为火焰目标,可向自动水炮系统提供疑似火焰区域SRoi的准确位置信息,以实现自动灭火。
本发明提供的基于双目视觉的自动消防水炮的火焰检测方法,利用高清摄像机采集的图像可确定出疑似运动目标区域,通过对疑似运动目标区域进行特征提取并进行帧间目标的特征匹配可实现对运动目标的跟踪,若其由运动状态转变为静止状态,则将该运动目标所在区域设为感兴趣区域,之后,通过红外摄像机获取所述感兴趣区域的红外图像,通过对所述红外图像进行分析,可判断该区域是否为疑似火焰区域,若是,则进一步提取火焰特征并分析,最终可识别火焰目标,识别火焰后,还可以向外界报警并提供火源位置信息。
本发明提供的基于双目视觉的自动消防水炮的火焰检测方法中采用的高清摄像机优选为具有一定透雾功能的星光级高清摄像机,采用红外摄像机,利用红外图像的温度信息,直接分析温度的跃变,可避免由于温度衰减而导致的温度传感器无法准确获取探测目标温度的问题,可以更加直观、快速的判断隧道内是否起火,还可以为自动水炮提供准确的火源位置信息。
上面对本发明的实施方式做了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (10)
1.基于双目视觉的自动消防水炮的火焰检测方法,其特征在于,包括如下步骤:
S1:利用固定设置于公路隧道内的高清摄像机,获取监测区域的高清图像S;
S2:利用帧差分法查找高清图像S中的疑似运动目标区域;
S3:对高清图像S中的疑似运动目标区域进行车辆特征提取,其中,提取的车辆特征包括车辆轮廓特征和车辆颜色特征;
S4:将提取的车辆轮廓特征与车辆颜色特征进行帧间目标的特征匹配,并以最优匹配实现每帧图像的运动目标跟踪,跟踪过程中,若监测到前后两帧图像中运动目标的位置坐标没有发生改变,则认定有运动目标由运动状态变为静止状态,并将运动目标所在的区域设为感兴趣区域ROI;
S5:利用红外摄像机,获取所述感兴趣区域ROI的红外图像,并根据所述红外图像判断该区域是否为疑似火焰区域,若是,则对火焰进行特征提取;
S6:利用机器学习的方法对提取的火焰特征进行决策分析,识别火焰。
2.按照权利要求1所述的基于双目视觉的自动消防水炮的火焰检测方法,其特征在于:S2包括如下步骤:
S21:将相邻帧的图像的对应像素值相减,将其差值的绝对值设置为差分图像S0;
S22:对所述差分图像S0进行二值化处理,得到二值化图像S1;
S23:根据二值化图像S1的像素值确定背景像素和前景像素区域P,其中,所述前景像素区域P即为疑似运动目标区域。
3.按照权利要求2所述的基于双目视觉的自动消防水炮的火焰检测方法,其特征在于:S23中,背景像素和前景像素区域P的确定方法如下:
预设像素值变化阈值K1和K2,其中,K1小于K2,如果二值化图像S1的像素值小于像素值变化阈值K1,则认定其为背景像素;如果二值化图像S1中的像素值大于像素值变化阈值K2,则将对应区域标记为前景像素区域P,即:疑似运动目标区域。
4.按照权利要求1所述的基于双目视觉的自动消防水炮的火焰检测方法,其特征在于:S3中,轮廓特征利用Sobel算子提取,颜色特征利用HSV颜色特征提取法提取。
5.按照权利要求1所述的基于双目视觉的自动消防水炮的火焰检测方法,其特征在于:S5中,根据所述红外图像判断该区域是否为疑似火焰区域的方法如下:若连续至少10帧的红外图像存在温度高于设定温度阈值KT的像素点,则认定感兴趣区域ROI为疑似火焰区域SRoi。
6.按照权利要求5所述的基于双目视觉的自动消防水炮的火焰检测方法,其特征在于:S5中,提取的火焰特征包括火焰运动特征和火焰轮廓特征。
8.按照权利要求7所述的基于双目视觉的自动消防水炮的火焰检测方法,其特征在于:S5中,对火焰轮廓特征的提取方法如下:
a、对疑似火焰区域SRoi进行中值滤波以降低红外图像的噪点,得到区域SRoi1;
b、利用Sobel算子对区域SRoi1进行边缘提取得到火焰的轮廓SRoi2。
9.按照权利要求8所述的基于双目视觉的自动消防水炮的火焰检测方法,其特征在于:S6中,将火焰的轮廓SRoi2的信息作为火焰的外部轮廓特征值,将火焰的质心运动轨迹Lxy信息作为火焰的运动信息。
10.按照权利要求1所述的基于双目视觉的自动消防水炮的火焰检测方法,其特征在于:机器学习的方法采用随机森林算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911353936.1A CN111008998A (zh) | 2019-12-25 | 2019-12-25 | 基于双目视觉的自动消防水炮的火焰检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911353936.1A CN111008998A (zh) | 2019-12-25 | 2019-12-25 | 基于双目视觉的自动消防水炮的火焰检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111008998A true CN111008998A (zh) | 2020-04-14 |
Family
ID=70117901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911353936.1A Pending CN111008998A (zh) | 2019-12-25 | 2019-12-25 | 基于双目视觉的自动消防水炮的火焰检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008998A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657275A (zh) * | 2021-08-16 | 2021-11-16 | 中国科学院空天信息创新研究院 | 一种林草火点自动检测方法 |
CN114723938A (zh) * | 2022-04-11 | 2022-07-08 | 四川西铧汽车科技服务有限公司 | 交通事故中火烧车快速确定发动机舱起火部位的方法 |
CN115700757A (zh) * | 2022-11-08 | 2023-02-07 | 中信重工开诚智能装备有限公司 | 消防水炮的控制方法、装置及电子设备 |
CN117121075A (zh) * | 2021-03-03 | 2023-11-24 | 日产自动车株式会社 | 物体检测方法以及物体检测装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400111A (zh) * | 2013-07-10 | 2013-11-20 | 重庆大学 | 基于视频检测技术的高速公路隧道火灾事件检测方法 |
CN105761275A (zh) * | 2015-11-03 | 2016-07-13 | 天津艾思科尔科技有限公司 | 带有双目视觉结构的消防预警飞行器 |
CN110263696A (zh) * | 2019-06-17 | 2019-09-20 | 沈阳天眼智云信息科技有限公司 | 基于红外视频的火焰探测方法 |
-
2019
- 2019-12-25 CN CN201911353936.1A patent/CN111008998A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400111A (zh) * | 2013-07-10 | 2013-11-20 | 重庆大学 | 基于视频检测技术的高速公路隧道火灾事件检测方法 |
CN105761275A (zh) * | 2015-11-03 | 2016-07-13 | 天津艾思科尔科技有限公司 | 带有双目视觉结构的消防预警飞行器 |
CN110263696A (zh) * | 2019-06-17 | 2019-09-20 | 沈阳天眼智云信息科技有限公司 | 基于红外视频的火焰探测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117121075A (zh) * | 2021-03-03 | 2023-11-24 | 日产自动车株式会社 | 物体检测方法以及物体检测装置 |
CN113657275A (zh) * | 2021-08-16 | 2021-11-16 | 中国科学院空天信息创新研究院 | 一种林草火点自动检测方法 |
CN114723938A (zh) * | 2022-04-11 | 2022-07-08 | 四川西铧汽车科技服务有限公司 | 交通事故中火烧车快速确定发动机舱起火部位的方法 |
CN115700757A (zh) * | 2022-11-08 | 2023-02-07 | 中信重工开诚智能装备有限公司 | 消防水炮的控制方法、装置及电子设备 |
CN115700757B (zh) * | 2022-11-08 | 2024-05-17 | 中信重工开诚智能装备有限公司 | 消防水炮的控制方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008998A (zh) | 基于双目视觉的自动消防水炮的火焰检测方法 | |
CN110516609B (zh) | 一种基于图像多特征融合的火灾视频检测及预警方法 | |
Fernández-Caballero et al. | Real-time human segmentation in infrared videos | |
CN101441771B (zh) | 基于色彩饱和度与运动模式的视频火灾烟雾检测方法 | |
US8218814B2 (en) | Image data processing apparatus and method for object detection and judging suspicious objects | |
JP3123587B2 (ja) | 背景差分による動物体領域抽出方法 | |
US10127448B2 (en) | Method and system for dismount detection in low-resolution UAV imagery | |
CN102881106B (zh) | 一种热成像视频双鉴林火识别系统及其识别方法 | |
KR101613740B1 (ko) | 활주로 감시 시스템 및 방법 | |
CN104410830A (zh) | 一种基于视频烟雾检测的装置与方法 | |
US10692225B2 (en) | System and method for detecting moving object in an image | |
KR20140043023A (ko) | 비디오에서 이동 물체들을 추적하기 위해 핑거프린트들을 이용하기 위한 방법 및 시스템 | |
KR101737430B1 (ko) | 동적 배경을 가진 영상의 대상 객체 검출 방법 | |
JP2006261761A (ja) | 画像信号処理装置 | |
RU2615063C2 (ru) | Способ и устройство для обнаружения движущихся объектов в последовательности видеоизображений | |
CN101930540A (zh) | 基于视频的多特征融合的火焰检测装置和方法 | |
JP4491360B2 (ja) | 画像信号処理装置 | |
JP3294468B2 (ja) | 映像監視装置における物体検出方法 | |
JP6275022B2 (ja) | 画像監視装置 | |
JPH06308256A (ja) | 雲霧検出方法 | |
CN111353350A (zh) | 一种基于组合传感器图像融和技术的火焰检测与定位方法 | |
Hadi et al. | Fusion of thermal and depth images for occlusion handling for human detection from mobile robot | |
St-Laurent et al. | Thermal imaging for enhanced foreground-background segmentation | |
CN109859149A (zh) | 一种设定目标查找区域小动物运动跟踪方法 | |
JP3736836B2 (ja) | 物体検出方法及び物体検出装置及びプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200414 |