CN111274896A - 一种烟火识别算法 - Google Patents
一种烟火识别算法 Download PDFInfo
- 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
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
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。
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)
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)
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 |
-
2020
- 2020-01-15 CN CN202010041801.8A patent/CN111274896B/zh active Active
Patent Citations (14)
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)
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 |