CN111274896A - 一种烟火识别算法 - Google Patents

一种烟火识别算法 Download PDF

Info

Publication number
CN111274896A
CN111274896A CN202010041801.8A CN202010041801A CN111274896A CN 111274896 A CN111274896 A CN 111274896A CN 202010041801 A CN202010041801 A CN 202010041801A CN 111274896 A CN111274896 A CN 111274896A
Authority
CN
China
Prior art keywords
algorithm
firework
smoke
area
fire
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
CN202010041801.8A
Other languages
English (en)
Other versions
CN111274896B (zh
Inventor
隆昌荣
王亮
杨嘉盛
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.)
Shenzhen Shouhang Intelligent Technology Co Ltd
Original Assignee
Shenzhen Shouhang Intelligent Technology Co Ltd
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 Shenzhen Shouhang Intelligent Technology Co Ltd filed Critical Shenzhen Shouhang Intelligent Technology Co Ltd
Priority to CN202010041801.8A priority Critical patent/CN111274896B/zh
Publication of CN111274896A publication Critical patent/CN111274896A/zh
Application granted granted Critical
Publication of CN111274896B publication Critical patent/CN111274896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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

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

本发明涉及火焰检测的技术领域，特别是涉及一种烟火识别算法，可识别森林、工业、室内、购物广场、仓储中心、城市高空瞭望等多个场景的烟火情况，算法模型小巧、准确率高、可进行静动态识别、可靠性高、可提供java、C、C++、Python等API，便于前端设备、后端服务器等部署，可实时识别视频图像；包括以下步骤：S1、参数配置；S2、移动区域检测；S3、去雾；S4、画面增强；S5、RGB色值过滤；S6、区域形状分析；S7、深度学习算法。

Description

一种烟火识别算法
技术领域
本发明涉及火焰检测的技术领域，特别是涉及一种烟火识别算法。
背景技术
现如今人工智能的飞速发展，用途愈发的广泛，已经在逐步嵌入到各行各业，以计算机的视觉帮助企业解决一些员工难以解决或费时费力的问题。在烟火的识别方面，识别一直以来是业界的一个难题，运行速度慢、准确率低、适应能力差是最大的问题。
现有烟火识别的缺点：
1)需要收集各个场景的数据，操作比较麻烦。
2)应用场景泛化能力较差。
3)识别准确率低，误报情况多。
4)识别速度较慢。
发明内容
为解决上述技术问题，本发明提供一种烟火识别算法，可识别森林、工业、室内、购物广场、仓储中心、城市高空瞭望等多个场景的烟火情况，算法模型小巧、准确率高、可进行静动态识别、可靠性高、可提供java、C、C++、Python等API，便于前端设备、后端服务器等部署，可实时识别视频图像。
本发明的一种烟火识别算法，包括以下步骤：
S1、参数配置：配置摄像头信息、检测环境信息，生成配置文件；
S2、移动区域检测：根据图像成像情况采用高斯模糊或者中值模糊滤波，在摄像头未移动情况下，或者移动情况下发现疑似烟火后静止的情况下，再采用opencv中的KNN算法，判断差值大小及区域大小，确定是否有移动区域，提取移动候选框；
S3、去雾：一种基于暗通道去雾的算法，根据全局大气光与透射率关系进行优化，去雾后色彩还原度比较高，图片不会出现过于暗淡，速度快；
S4、画面增强：锐化图片，增加图片清晰度及对比度，提高烟火区域亮度；
S5、RGB色值过滤：烟雾基本属于白色或者类白色状态，通过RGB值的三通道差值判断选出类似烟火区域；
S6、区域形状分析：采用opencv进行轮廓提取，提取轮廓形状，烟火形状为不规则多边形，且形状变化，以凸包为主，所以根据这个性质可以进一步排除规则物体；
S7、深度学习算法：根据以上算法提取出的候选框区域，采用算法补充候选框，提取疑似烟火区域进行分类，根据分类情况将数据放回算法框，根据算法框位置、分类结果、对应关系确定最终烟火区域。
本发明的的一种烟火识别算法，基于一种烟火识别系统，该系统包括：
参数配置模块：确定摄像头是基于移动监测还是静态监测；
预处理模块：数据对比度增强、去雾、移动区域检测；
烟火预判模块：RGB色值过滤、区域形状分析；
深度学习算法模块：用于区分云、烟、火、雾。
与现有技术相比本发明的有益效果为：本发明可实现多场景动静态烟火识别，而且还可以针对特定场景优化，识别速度快，每一层算法都围绕烟火特性进行过滤，深度学习算法准确率达到了95％以上，泛化能力强，最后算法关系的应用确定了烟火周围的环境情况，增加烟火的判断准确率，算法整体可提供java端jar包、C端so库、python端api等，可部署于终端设备及后端服务器、可实现多路并发检测。
附图说明
图1是本发明的流程示意图；
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1所示，本发明的一种烟火识别算法，包括以下步骤：
S1、参数配置：配置摄像头信息、检测环境信息，生成配置文件；
S2、移动区域检测：根据图像成像情况采用高斯模糊或者中值模糊滤波，在摄像头未移动情况下，或者移动情况下发现疑似烟火后静止的情况下，再采用opencv中的KNN算法，判断差值大小及区域大小，确定是否有移动区域，提取移动候选框；
S3、去雾：一种基于暗通道去雾的算法，根据全局大气光与透射率关系进行优化，去雾后色彩还原度比较高，图片不会出现过于暗淡，速度快；
S4、画面增强：锐化图片，增加图片清晰度及对比度，提高烟火区域亮度；
S5、RGB色值过滤：烟雾基本属于白色或者类白色状态，通过RGB值的三通道差值判断选出类似烟火区域；
S6、区域形状分析：采用opencv进行轮廓提取，提取轮廓形状，烟火形状为不规则多边形，且形状变化，以凸包为主，所以根据这个性质可以进一步排除规则物体；
S7、深度学习算法：根据以上算法提取出的候选框区域，采用算法补充候选框，提取疑似烟火区域进行分类，根据分类情况将数据放回算法框，根据算法框位置、分类结果、对应关系确定最终烟火区域。
本发明的的一种烟火识别算法，基于一种烟火识别系统，该系统包括：
参数配置模块：确定摄像头是基于移动监测还是静态监测；
预处理模块：数据对比度增强、去雾、移动区域检测；
烟火预判模块：RGB色值过滤、区域形状分析；
深度学习算法模块：用于区分云、烟、火、雾。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (2)

1.一种烟火识别算法，其特征在于，包括以下步骤：
S1、参数配置：配置摄像头信息、检测环境信息，生成配置文件；
S2、移动区域检测：根据图像成像情况采用高斯模糊或者中值模糊滤波，在摄像头未移动情况下，或者移动情况下发现疑似烟火后静止的情况下，再采用opencv中的KNN算法，判断差值大小及区域大小，确定是否有移动区域，提取移动候选框；
S3、去雾：一种基于暗通道去雾的算法，根据全局大气光与透射率关系进行优化，去雾后色彩还原度比较高，图片不会出现过于暗淡，速度快；
S4、画面增强：锐化图片，增加图片清晰度及对比度，提高烟火区域亮度；
S5、RGB色值过滤：烟雾基本属于白色或者类白色状态，通过RGB值的三通道差值判断选出类似烟火区域；
S6、区域形状分析：采用opencv进行轮廓提取，提取轮廓形状，烟火形状为不规则多边形，且形状变化，以凸包为主，所以根据这个性质可以进一步排除规则物体；
S7、深度学习算法：根据以上算法提取出的候选框区域，采用算法补充候选框，提取疑似烟火区域进行分类，根据分类情况将数据放回算法框，根据算法框位置、分类结果、对应关系确定最终烟火区域。
2.如权利要求1所述的一种烟火识别算法，其特征在于，基于一种烟火识别系统，该系统包括：
参数配置模块：确定摄像头是基于移动监测还是静态监测；
预处理模块：数据对比度增强、去雾、移动区域检测；
烟火预判模块：RGB色值过滤、区域形状分析；
深度学习算法模块：用于区分云、烟、火、雾。
CN202010041801.8A 2020-01-15 2020-01-15 一种烟火识别算法 Active CN111274896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010041801.8A CN111274896B (zh) 2020-01-15 2020-01-15 一种烟火识别算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010041801.8A CN111274896B (zh) 2020-01-15 2020-01-15 一种烟火识别算法

Publications (2)

Publication Number Publication Date
CN111274896A true CN111274896A (zh) 2020-06-12
CN111274896B CN111274896B (zh) 2023-09-26

Family

ID=70998963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010041801.8A Active CN111274896B (zh) 2020-01-15 2020-01-15 一种烟火识别算法

Country Status (1)

Country Link
CN (1) CN111274896B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111967386A (zh) * 2020-08-17 2020-11-20 海南智盟物联科技有限公司 一种烟火图像智能识别的方法
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
CN113657264A (zh) * 2021-08-16 2021-11-16 北京林业大学 基于暗通道和knn算法融合的森林火灾烟雾根节点检测方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100073477A1 (en) * 2007-01-16 2010-03-25 Utc Fire & Security Corporation System and method for video detection of smoke and flame
CN101872526A (zh) * 2010-06-01 2010-10-27 重庆市海普软件产业有限公司 基于可编程摄像技术的烟火智能识别方法
CN107437318A (zh) * 2016-05-25 2017-12-05 知晓（北京）通信科技有限公司 一种可见光智能识别算法
CN107633212A (zh) * 2017-08-30 2018-01-26 清华大学苏州汽车研究院（吴江） 一种基于视频图像的烟火检测方法和装置
CN108460743A (zh) * 2018-03-19 2018-08-28 西安因诺航空科技有限公司 一种基于暗通道的无人机航拍图像去雾算法
CN109191761A (zh) * 2018-09-06 2019-01-11 中国石油大学(华东) 一种基于火焰多特征融合的火灾识别方法
CN109377703A (zh) * 2018-12-06 2019-02-22 河池学院 一种基于机器视觉的森林防火预警系统及其方法
CN109598891A (zh) * 2018-12-24 2019-04-09 中南民族大学 一种利用深度学习分类模型实现烟雾检测的方法和系统
CN109815863A (zh) * 2019-01-11 2019-05-28 北京邮电大学 基于深度学习和图像识别的烟火检测方法和系统
CN110032977A (zh) * 2019-04-18 2019-07-19 北京华正明天信息技术股份有限公司 一种基于深度学习图像火灾识别的安全预警管理系统
CN110084160A (zh) * 2019-04-16 2019-08-02 东南大学 一种基于运动和亮度显著性特征的视频森林烟火检测方法
CN110334660A (zh) * 2019-07-08 2019-10-15 天津城建大学 一种雾天条件下基于机器视觉的森林火灾监测方法
CN110490043A (zh) * 2019-06-10 2019-11-22 东南大学 一种基于区域划分和特征提取的森林烟火检测方法
CN110516609A (zh) * 2019-08-28 2019-11-29 南京邮电大学 一种基于图像多特征融合的火灾视频检测及预警方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100073477A1 (en) * 2007-01-16 2010-03-25 Utc Fire & Security Corporation System and method for video detection of smoke and flame
CN101872526A (zh) * 2010-06-01 2010-10-27 重庆市海普软件产业有限公司 基于可编程摄像技术的烟火智能识别方法
CN107437318A (zh) * 2016-05-25 2017-12-05 知晓（北京）通信科技有限公司 一种可见光智能识别算法
CN107633212A (zh) * 2017-08-30 2018-01-26 清华大学苏州汽车研究院（吴江） 一种基于视频图像的烟火检测方法和装置
CN108460743A (zh) * 2018-03-19 2018-08-28 西安因诺航空科技有限公司 一种基于暗通道的无人机航拍图像去雾算法
CN109191761A (zh) * 2018-09-06 2019-01-11 中国石油大学(华东) 一种基于火焰多特征融合的火灾识别方法
CN109377703A (zh) * 2018-12-06 2019-02-22 河池学院 一种基于机器视觉的森林防火预警系统及其方法
CN109598891A (zh) * 2018-12-24 2019-04-09 中南民族大学 一种利用深度学习分类模型实现烟雾检测的方法和系统
CN109815863A (zh) * 2019-01-11 2019-05-28 北京邮电大学 基于深度学习和图像识别的烟火检测方法和系统
CN110084160A (zh) * 2019-04-16 2019-08-02 东南大学 一种基于运动和亮度显著性特征的视频森林烟火检测方法
CN110032977A (zh) * 2019-04-18 2019-07-19 北京华正明天信息技术股份有限公司 一种基于深度学习图像火灾识别的安全预警管理系统
CN110490043A (zh) * 2019-06-10 2019-11-22 东南大学 一种基于区域划分和特征提取的森林烟火检测方法
CN110334660A (zh) * 2019-07-08 2019-10-15 天津城建大学 一种雾天条件下基于机器视觉的森林火灾监测方法
CN110516609A (zh) * 2019-08-28 2019-11-29 南京邮电大学 一种基于图像多特征融合的火灾视频检测及预警方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111967386A (zh) * 2020-08-17 2020-11-20 海南智盟物联科技有限公司 一种烟火图像智能识别的方法
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
CN113657264A (zh) * 2021-08-16 2021-11-16 北京林业大学 基于暗通道和knn算法融合的森林火灾烟雾根节点检测方法

Also Published As

Publication number Publication date
CN111274896B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
US10127448B2 (en) Method and system for dismount detection in low-resolution UAV imagery
CN111274896B (zh) 一种烟火识别算法
CN109815863B (zh) 基于深度学习和图像识别的烟火检测方法和系统
KR101589814B1 (ko) 연안에서의 객체 인식 장치 및 그 방법
CN109631848B (zh) 输电线路异物入侵检测系统和检测方法
CN111368771A (zh) 一种基于图像处理的隧道火灾预警方法、装置、计算机设备以及计算机可读存储介质
CN110490043A (zh) 一种基于区域划分和特征提取的森林烟火检测方法
JP2011216051A (ja) 信号灯識別プログラムおよび信号灯識別装置
KR101480220B1 (ko) 객체 인식 장치 및 그 방법
CN114202646A (zh) 一种基于深度学习的红外图像吸烟检测方法与系统
Wang et al. Real-time smoke detection using texture and color features
CN116071294A (zh) 一种光纤表面缺陷检测方法和装置
CN107038690B (zh) 一种基于多特征融合的运动阴影去除方法
Aung et al. Automatic license plate detection system for myanmar vehicle license plates
Soboleva et al. Raindrops on windshield: Dataset and lightweight gradient-based detection algorithm
CN112784675B (zh) 目标检测方法及装置、存储介质、终端
US20200394802A1 (en) Real-time object detection method for multiple camera images using frame segmentation and intelligent detection pool
CN117475353A (zh) 基于视频的异常烟雾识别方法及系统
CN116311000A (zh) 烟火检测方法、检测装置、设备及存储介质
CN110084160B (zh) 一种基于运动和亮度显著性特征的视频森林烟火检测方法
Gupta et al. Robust Object Detection in Challenging Weather Conditions
Małecki et al. Mobile system of decision-making on road threats
CN112287808B (zh) 运动轨迹分析告警方法、装置、系统及存储介质
Ghahremani et al. Cascaded CNN method for far object detection in outdoor surveillance
Kaimkhani et al. UAV with Vision to Recognise Vehicle Number Plates

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