CN111539239A - 明火检测的方法、装置及存储介质 - Google Patents
明火检测的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111539239A CN111539239A CN201910059674.1A CN201910059674A CN111539239A CN 111539239 A CN111539239 A CN 111539239A CN 201910059674 A CN201910059674 A CN 201910059674A CN 111539239 A CN111539239 A CN 111539239A
- Authority
- CN
- China
- Prior art keywords
- images
- image
- suspected target
- suspected
- open 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
- G06V20/50—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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V20/48—Matching video sequences
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fire-Detection Mechanisms (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种明火检测的方法、装置及存储介质,属于安防领域。该方法包括:获取监控区中疑似目标的多帧第一图像;根据多帧第一图像,获取多帧第一图像的灰度变化特征和疑似目标的属性特征,其中,灰度变化特征用于表示疑似目标的温度变化;若多帧第一图像的灰度变化特征和疑似目标的属性特征均满足明火条件,确定监控区中疑似目标为明火。该方法能够精确地检测监控区内是否存在明火。
Description
技术领域
本发明涉及安防领域,特别涉及一种明火检测的方法、装置及存储介质。
背景技术
公共场所、工厂等均具有禁烟区,在禁烟区进行吸烟等行为不仅影响人体健康,还存在安全隐患,因此有必要对禁烟区内由于吸烟等行为引起的明火进行检测。
相关技术提供了一种明火检测方法,该方法包括:获取监控区中疑似目标的图像;根据疑似目标的图像,获取疑似目标的面积、形状、是否为动态这些特征,若这些特征均符合明火条件,则确定监控区内疑似目标为明火。
由于面积、形状、是否为动态这些特征均符合明火条件时,疑似目标不一定是明火,这使该方法检测的精确度差。
发明内容
本发明实施例提供了一种明火检测的方法、装置及存储介质,可解决上述技术问题。技术方案如下:
一方面,本发明实施例提供了一种明火检测的方法,所述方法包括:
获取监控区中疑似目标的多帧第一图像;
根据所述多帧第一图像,获取所述多帧第一图像的灰度变化特征和所述疑似目标的属性特征,其中,所述灰度变化特征用于表示所述疑似目标的温度变化;
若所述多帧第一图像的灰度变化特征和所述疑似目标的属性特征均满足明火条件,确定所述监控区中所述疑似目标为明火。
可选地,所述明火条件包括明火图像灰度变化曲线和明火的物理属性范围,所述若所述多帧第一图像的灰度变化特征和所述疑似目标的属性特征均满足明火条件,确定所述监控区中所述疑似目标为明火,包括:
若所述多帧第一图像的灰度变化特征符合所述明火图像灰度变化曲线、并且所述疑似目标的属性特征满足所述物理属性范围,确定所述监控区中所述疑似目标为明火。
可选地,所述明火图像灰度变化曲线包括时域变化曲线和/或频域变化曲线,所述多帧第一图像的灰度变化特征包括:所述多帧第一图像的灰度在时域的变化特征和/或所述多帧第一图像的灰度在频域的变化特征;确定所述监控区中所述疑似目标为明火包括:
在所述多帧第一图像的灰度变化特征包括所述多帧第一图像的灰度在时域的变化特征的情况下,若所述多帧第一图像的灰度在时域的变化特征满足所述时域变化曲线、并且所述疑似目标的属性特征满足所述物理属性范围,确定所述监控区中所述疑似目标为明火;
在所述多帧第一图像的灰度变化特征包括所述多帧第一图像的灰度在频域的变化特征的情况下,若所述多帧第一图像的灰度在频域的变化特征满足所述频域变化曲线、并且所述疑似目标的属性特征满足所述物理属性范围,确定所述监控区中所述疑似目标为明火;
在所述多帧第一图像的灰度变化特征包括所述多帧第一图像的灰度在频域的变化特征和所述多帧第一图像的灰度在时域的变化特征的情况下,若所述多帧第一图像的灰度在频域的变化特征和所述多帧第一图像的灰度在时域的变化特征分别满足所述频域变化曲线和所述时域变化曲线、并且所述疑似目标的属性特征满足所述物理属性范围,确定所述监控区中所述疑似目标为明火。
可选地,所述疑似目标的属性特征包括:所述疑似目标的面积、形状、所述疑似目标在相同位置停留的时间、所述疑似目标是否为动态中的至少一种;确定所述监控区中所述疑似目标为明火包括:
若所述疑似目标的属性特征满足相应的物理属性范围,确定所述监控区中所述疑似目标为明火,
其中,所述物理属性范围包括:所述明火的面积范围、形状、所述明火在相同位置停留的时长范围、所述明火为动态。
可选地,所述疑似目标的属性特征包括所述疑似目标在相同位置停留的时间,所述根据所述多帧第一图像,获取所述疑似目标的属性特征,包括:
确定每帧第一图像中疑似目标的位置;
获取所述疑似目标位置相同的至少两帧第一图像和相邻两帧第一图像的间隔时间;
将所述至少两帧第一图像中相邻两帧第一图像的间隔时间累加,得到所述疑似目标在相同位置停留的时间。
可选地,所述获取监控区中疑似目标的多帧第一图像,包括:
获取所述监控区的多帧第二图像,所述第二图像所显示的区域包括所述第一图像所显示的区域;
从所述第二图像中提取灰度值大于灰度阈值的区域,得到可疑区域的图像,所述疑似目标位于所述可疑区域;
从多帧所述可疑区域的图像中提取所述疑似目标的图像,得到所述多帧第一图像。
可选地,多个疑似目标位于所述可疑区域的图像中,所述从多帧所述可疑区域的图像中提取所述疑似目标的图像,得到多帧所述第一图像,包括:
获取所述可疑区域的图像中每个疑似目标分别与其他疑似目标之间的距离;
获取明火图像中每个明火分别与其他明火之间的距离范围;
若所述可疑区域的图像中疑似目标分别与其他疑似目标之间的距离在所述距离范围内,从每帧可疑区域的图像中分割出所述疑似目标的区域,得到多帧所述第一图像。
一方面,本发明实施例提供了一种明火检测的装置,所述装置包括:
第一获取模块,用于获取监控区中疑似目标的多帧第一图像;
第二获取模块,用于根据所述多帧第一图像,获取所述多帧第一图像的灰度变化特征和所述疑似目标的属性特征,其中,所述灰度变化特征用于表示所述疑似目标的温度变化;
第一确定模块,用于若所述多帧第一图像的灰度变化特征和所述疑似目标的属性特征均满足明火条件,确定所述监控区中所述疑似目标为明火。
一方面,本发明实施例提供了一种明火检测的装置,所述装置包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现上述提及的任一所述的明火检测的方法。
一方面,本发明实施例提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述提及的任一所述的明火检测的方法。
本发明实施例提供的技术方案带来的有益效果至少包括:
本发明实施例提供的明火检测的方法,通过获取监控区中疑似目标的多帧第一图像,即疑似目标的视频,利于精确地获取多帧第一图像的灰度变化特征和疑似目标的属性特征。根据第一图像的灰度变化特征能够精确地确定疑似目标的温度变化特征,结合疑似目标的温度变化特征和疑似目标的属性特征两方面来确定是否满足明火条件,使该方法能够精确地检测监控区内是否存在明火。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的实施环境的示意图;
图2是本发明实施例提供的一种明火检测的方法的流程图;
图3是本发明实施例提供的一种明火检测的装置的结构示意图;
图4是本发明实施例提供的第二获取模块的结构示意图;
图5是本发明实施例提供的第一获取模块的结构示意图;
图6是本发明实施例提供的第四获取单元的结构示意图;
图7是本发明实施例提供的一种明火检测的装置的结构示意图;
图8是本发明实施例提供的一种终端的结构示意图。
具体实施方式
除非另有定义,本发明实施例所用的所有技术术语均具有与本领域技术人员通常理解的相同的含义。为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
在禁烟区进行吸烟等行为引起的明火,不仅影响人体健康,还可能引发爆炸等事故,存在安全隐患。因此,禁烟区设有“禁止吸烟”、“禁止明火”、“严禁明火”等警示牌。然而,有些人忽视这些警示牌,进行吸烟等行为而引起明火,这影响了人体健康和安全,因此,有必要对禁烟区的明火进行检测。基于此,本发明实施例提供了一种明火检测的方法、装置及存储介质。
图1是根据一示例性实施例示出的一种实施环境的示意图,该实施环境包括:至少一个终端11和摄像装置12。其中,摄像装置12可以直接固定于终端11上,或者,摄像装置12也可以单独设置。如图1所示,以摄像装置12与终端11电性连接或无线连接为例。终端11通过摄像装置12来获取监控区的多帧图像。
其中,终端11可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品,例如PC(PersonalComputer,个人计算机)、手机、智能手机、PDA(PersonalDigital Assistant,个人数字助手)、可穿戴设备、掌上电脑PPC(Pocket PC)、平板电脑、智能车机、智能电视、智能音箱等。
摄像装置12为具有获取图像或视频功能的设备,例如其可以为红外相机或红外摄像头。
本领域技术人员应能理解上述终端11和摄像装置12仅为举例,其他现有的或今后可能出现的终端或服务器可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
基于上述实施环境,以下结合附图对本发明实施例提供的明火检测的方法进行详细介绍。
图2是根据一示例性实施例示出的一种明火检测的方法的流程图,应用于终端。如图2所示,该方法包括以下步骤:
步骤21、获取监控区中疑似目标的多帧第一图像。
可选地,步骤21包括但不限于以下子步骤:
步骤211、获取监控区的多帧第二图像,第二图像所显示的区域包括第一图像所显示的区域。
终端可以直接获取监控区的多帧第二图像;终端也可以在获取监控区的多帧第二图像之前,先通过温度检测装置来检测监控区内的温度,若监控区内存在温度高于温度阈值的区域时,终端获取监控区的多帧第二图像。若监控区内的温度低于温度阈值,终端不获取监控区的多帧第二图像。
需要说明的是,在该方法中,终端与图1中所述的终端相同。终端通过摄像装置来获取监控区的多帧第二图像,多帧第二图像形成连续画面,即视频。
终端获取的多帧第二图像所对应的数据可以称为裸数据。终端对多帧第二图像进行处理时,实质是对裸数据进行处理。
当摄像装置为红外相机时,终端获取的裸数据为热成像裸数据。终端可以将热成像裸数据换算为8位图像数据和全屏测温数据。终端通过8位图像数据可以获取图像的像素,终端通过全屏测温数据可以获取图像不同区域所对应灰度或温度。
其中,温度检测装置可以与终端信号连接,也可以直接固定于终端上。温度检测装置可以为多光辐射测温仪、数显温度计等。
步骤212、从每帧第二图像中提取灰度值大于灰度阈值的区域,得到可疑区域的图像,疑似目标位于可疑区域。
明火的温度与周围区域的温度不同,明火图像所对应的灰度与周围区域不同,灰度的变化能够表示温度的变化。基于此,终端可以通过灰度阈值分割法或温度阈值分割法将可疑区域的图像从第二图像中分割出。
以吸烟为例,点燃的烟头比周围区域的温度高。在每帧第二图像中提取出温度大于100℃的可疑区域,得到可疑区域的图像,点燃的烟头位于该可疑区域。
步骤213、从多帧可疑区域的图像中提取疑似目标的图像,得到多帧第一图像。
可选地,针对于多个疑似目标位于可疑区域的图像中的情形,步骤213包括但不限于以下子步骤:
步骤2131、获取可疑区域的图像中每个疑似目标分别与其他疑似目标之间的距离。
终端对每帧可疑区域的图像的8位图像数据进行处理,获取每个疑似目标的像素,每个像素均具有对应的坐标,终端根据像素的坐标可以确定每个疑似目标与其他疑似目标之间的距离。
由于每个疑似目标的像素可能为多个,终端可以选择中部像素或边界像素来确定疑似目标的位置。
步骤2132、获取明火图像中每个明火分别与其他明火之间的距离范围。
上述距离范围可以直接存储于终端中,终端也可以向其他设备中采集获取。
步骤2133、若可疑区域的图像中疑似目标分别与其他疑似目标之间的距离在上述距离范围内,从每帧可疑区域的图像中分割出疑似目标的区域,得到多帧第一图像。
举例来说,若检测到疑似目标分别与其他疑似目标之间的距离为3米,而点燃的烟头与其他点燃的烟头之间的距离范围为0.2-50米,则需要将该疑似目标从可疑区域的图像中分割出来,得到第一图像。
其中,可以通过蒙版方法将疑似目标的区域从可疑区域的图像中分割出来,得到多帧第一图像。
通过上述方法对待定疑似目标进行筛选,能够精确地确定疑似目标,利于提高该明火检测方法的精确度。
可选地,步骤213还包括:
获取可疑区域的图像中疑似目标的位置和/或疑似目标的像素个数;获取明火图像中明火的像素个数范围及明火的位置范围;若可疑区域的图像中疑似目标的位置在上述位置范围内,和/或,疑似目标的像素个数在上述像素个数范围内,从每帧可疑区域的图像中分割出该疑似目标的区域,得到多帧第一图像。
此外,该步骤还可以与步骤2131至步骤2133结合,若可疑区域的图像的上述三种特征中任一种对应满足明火图像的上述三种特征中任一种,则从每帧可疑区域的图像中分割出该疑似目标的区域,得到多帧第一图像。
步骤22、根据多帧第一图像,获取多帧第一图像的灰度变化特征和疑似目标的属性特征,其中,灰度变化特征用于表示疑似目标的温度变化。
其中,多帧第一图像的灰度变化特征包括:多帧第一图像的灰度在时域的变化特征和/或多帧第一图像的灰度在频域的变化特征。疑似目标的属性特征包括:疑似目标的面积、形状、疑似目标在相同位置停留的时间、疑似目标是否为动态中的至少一种。
可选地,多帧第一图像的灰度变化特征包括多帧第一图像的灰度在时域的变化特征,步骤22中根据多帧第一图像,获取多帧第一图像的灰度变化特征,包括但不限于以下子步骤:
步骤221、获取每帧第一图像的灰度和时间。
终端对每帧第一图像所对应的裸数据进行处理,以获取每帧第一图像的灰度。终端可以在获取每帧第一图像时进行计时,以获取每帧第一图像所对应的时间。
可以理解的是,多帧第一图像形成了疑似目标的视频,每帧第一图像之间间隔时间t,多帧第一图像分别对应的时间可以为0、t、2t、……。
步骤222、根据每帧第一图像的灰度和时间,获取多帧第一图像的灰度在时域的变化特征。
多帧第一图像的灰度在时域的变化特征可以为灰度在时域的变化曲线。例如:以每帧第一图像所对应的时间为横坐标,以每帧第一图像的灰度为纵坐标作图,得到灰度在时域的变化曲线。
可选地,多帧第一图像的灰度变化特征包括多帧第一图像的灰度在频域的变化特征,步骤22中根据多帧第一图像,获取多帧第一图像的灰度变化特征,包括但不限于以下子步骤:
步骤22a、获取每帧第一图像的灰度。
步骤22b、通过傅立叶变换公式将每帧第一图像的灰度变换到频域,得到多帧第一图像的灰度在频域的变化特征。
需要说明的是,步骤22b指的是:根据每帧第一图像的灰度,分别获取灰度相同的至少两帧第一图像,将至少两帧第一图像按照时间顺序排序后,通过傅立叶变换公式将每帧第一图像的灰度变换到频域。
其中,多帧第一图像的灰度在频域的变化特征可以为灰度在频域的变化曲线。举例来说,以第一图像的灰度值出现的频率为横坐标,以第一图像的灰度在频域的幅度值为纵坐标,建立第一图像的灰度在频域的变化特征。或者,以第一图像的灰度值为横坐标,以第一图像的灰度在频域的幅度值大于参考阈值的个数为纵坐标,建立第一图像的灰度在频域的变化特征。
可选地,疑似目标的属性特征包括疑似目标在相同位置停留的时间,步骤22中根据多帧第一图像,获取疑似目标的属性特征,包括但不限于以下子步骤:
步骤22A、确定每帧第一图像中疑似目标的位置。
通过终端获取每帧第一图像的像素,基于像素的坐标可以确定每帧第一图像的位置。
每帧第一图像可能包括多个像素,在确定其位置时,可以确定中部像素或边界像素的位置,并作为第一图像的位置。
步骤22B、获取疑似目标位置相同的至少两帧第一图像和相邻两帧第一图像的间隔时间。
步骤22C、将至少两帧第一图像中相邻两帧第一图像的间隔时间累加,得到疑似目标在相同位置停留的时间。
举例来说,相邻两帧第一图像的间隔时间为t,位置相同的第一图像的帧数为6。那么这6帧第一图像之间的间隔时间为5t。
可选地,疑似目标的属性特征包括疑似目标是否为动态,步骤22中根据多帧第一图像,获取疑似目标的属性特征,包括但不限于以下子步骤:
步骤I、获取每帧第一图像的像素。
步骤II、根据每帧第一图像的像素,确定每帧第一图像中疑似目标的位置。
步骤III、若至少两帧第一图像中疑似目标的位置不同,确定疑似目标为动态。
在确定每帧第一图像中疑似目标的位置后,若至少两帧第一图像中疑似目标的位置不同,说明疑似目标发生了移动,因此可以确定其为动态。若每帧第一图像中疑似目标的位置均相同,说明疑似目标没有发生移动。
可选地,疑似目标的属性特征包括疑似目标的面积,步骤22中根据多帧第一图像,获取疑似目标的属性特征,包括但不限于以下子步骤:
步骤A1、获取任一帧第一图像的像素个数和像素对应的尺寸。
终端可以通过每帧第一图像的8位图像数据来获取每帧第一图像的像素和像素对应的尺寸。
步骤A2、根据任一帧第一图像的像素个数和像素对应的尺寸,确定疑似目标的面积。
对任一帧第一图像,像素个数与像素对应的尺寸的乘积为疑似目标的面积。
可选地,疑似目标的属性特征包括疑似目标的形状,步骤22中根据多帧第一图像,获取疑似目标的属性特征,包括但不限于以下子步骤:
步骤B1、获取任一帧第一图像的边界像素。
步骤B2、根据任一帧第一图像的边界像素,确定疑似目标的形状。
根据任一帧第一图像的边界像素可以确定任一帧第一图像的边界位置,进而确定疑似目标的形状。
步骤23、若多帧第一图像的灰度变化特征和疑似目标的属性特征均满足明火条件,确定监控区中疑似目标为明火。
若第一图像的灰度变化特征中所有特征和疑似目标的属性特征中所有特征均满足明火条件,则确定监控区中疑似目标为明火。
可选地,明火条件包括明火图像灰度变化曲线和明火的物理属性范围,步骤23包括:
若多帧第一图像的灰度变化特征符合明火图像灰度变化曲线、并且疑似目标的属性特征满足物理属性范围,确定监控区中疑似目标为明火。
可选地,明火图像灰度变化曲线包括时域变化曲线和/或频域变化曲线,多帧第一图像的灰度变化特征包括:多帧第一图像的灰度在时域的变化特征和/或多帧第一图像的灰度在频域的变化特征;确定监控区中疑似目标为明火包括:
在多帧第一图像的灰度变化特征包括多帧第一图像的灰度在时域的变化特征的情况下,若多帧第一图像的灰度在时域的变化特征满足时域变化曲线、并且疑似目标的属性特征满足物理属性范围,确定监控区中疑似目标为明火;
在多帧第一图像的灰度变化特征包括多帧第一图像的灰度在频域的变化特征的情况下,若多帧第一图像的灰度在频域的变化特征满足频域变化曲线、并且疑似目标的属性特征满足物理属性范围,确定监控区中疑似目标为明火;
在多帧第一图像的灰度变化特征包括多帧第一图像的灰度在频域的变化特征和多帧第一图像的灰度在时域的变化特征的情况下,若多帧第一图像的灰度在频域的变化特征和多帧第一图像的灰度在时域的变化特征分别满足频域变化曲线和时域变化曲线、并且疑似目标的属性特征满足物理属性范围,确定监控区中疑似目标为明火。
需要说明的是,时域变化曲线指的是:明火图像的灰度在时域的变化曲线,即明火图像的灰度与时间之间的变化曲线。多帧第一图像的灰度在时域的变化特征满足时域变化曲线指的是:多帧第一图像灰度的时域变化曲线与明火图像灰度的时域变化曲线的趋势基本一致。
频域变化曲线指的是:明火图像的灰度在频域的变化曲线,即明火图像的灰度的频率与灰度在频域的幅度值之间的变化曲线。多帧第一图像的灰度在频域的变化特征满足频域变化曲线指的是:多帧第一图像灰度的频域变化曲线与明火图像灰度的频域变化曲线的趋势基本一致。
可选地,疑似目标的属性特征包括:疑似目标的面积、形状、疑似目标在相同位置停留的时间、疑似目标是否为动态中的至少一种;确定监控区中疑似目标为明火包括:
若疑似目标的属性特征满足相应的物理属性范围,确定监控区中疑似目标为明火,
其中,物理属性范围包括:明火的面积范围、形状、明火在相同位置停留的时长范围、明火为动态。
即,疑似目标的面积在明火的面积范围内、疑似目标的形状与明火的形状相匹配、疑似目标在相同位置停留的时间在明火在相同位置停留的时长范围内、疑似目标为动态中的至少一种,确定监控区中疑似目标为明火。
至此,通过上述步骤21至步骤23,实现对明火的检测。
可选地,本发明实施例提供的明火检测的方法还包括:
若多帧第一图像的灰度变化特征和疑似目标的属性特征中的任意一种特征不满足明火条件,确定监控区中不存在明火。
可以理解的是,多帧第一图像的灰度变化特征和疑似目标的属性特征中所有子特征中存在任意一种特征不满足明火条件时,确定监控区中疑似目标不是明火。
可选地,本发明实施例提供的明火检测的方法还包括:
在步骤23确定监控区中存在明火之后,发出报警信息。
终端在确定监控区存在明火之后,发出报警信息,利于及时阻止明火,避免影响人体健康及造成安全隐患。
终端可以只发一次报警信息,或者间隔第二参考时间发出多次报警信息。第二参考时间可以为3秒、5秒、10秒、15秒、20秒、30秒、35秒、40秒等。
其中,报警信息可以音频信息、警灯闪烁、图像显示信息。
本发明实施例提供的明火检测的方法,通过获取监控区中疑似目标的多帧第一图像,即疑似目标的视频,利于精确地获取疑似目标的多帧第一图像的灰度变化特征和疑似目标的属性特征。根据第一图像的灰度变化特征能够精确地确定疑似目标的温度变化特征,结合疑似目标的温度变化特征和疑似目标的属性特征两方面来确定是否满足明火条件,使该方法能够精确地检测监控区内是否存在明火。
基于与上述方法的相同构思,如图3所示,本发明实施例提供了一种明火检测的装置,该装置包括:
第一获取模块31,用于获取监控区中疑似目标的多帧第一图像。
第二获取模块32,用于根据多帧第一图像,获取多帧第一图像的灰度变化特征和疑似目标的属性特征,其中,灰度变化特征用于表示疑似目标的温度变化。
第一确定模块33,用于若多帧第一图像的灰度变化特征和疑似目标的属性特征均满足明火条件,确定监控区中疑似目标为明火。
可选地,明火条件包括明火图像灰度变化曲线和明火的物理属性范围,第一确定模块33用于:
若多帧第一图像的灰度变化特征符合明火图像灰度变化曲线、并且疑似目标的属性特征满足物理属性范围,确定监控区中疑似目标为明火。
可选地,明火图像灰度变化曲线包括时域变化曲线和/或频域变化曲线,多帧第一图像的灰度变化特征包括:多帧第一图像的灰度在时域的变化特征和/或多帧第一图像的灰度在频域的变化特征;确定监控区中疑似目标为明火包括:
在多帧第一图像的灰度变化特征包括多帧第一图像的灰度在时域的变化特征的情况下,若多帧第一图像的灰度在时域的变化特征满足时域变化曲线、并且疑似目标的属性特征满足物理属性范围,确定监控区中疑似目标为明火;
在多帧第一图像的灰度变化特征包括多帧第一图像的灰度在频域的变化特征的情况下,若多帧第一图像的灰度在频域的变化特征满足频域变化曲线、并且疑似目标的属性特征满足物理属性范围,确定监控区中疑似目标为明火;
在多帧第一图像的灰度变化特征包括多帧第一图像的灰度在频域的变化特征和多帧第一图像的灰度在时域的变化特征的情况下,若多帧第一图像的灰度在频域的变化特征和多帧第一图像的灰度在时域的变化特征分别满足频域变化曲线和时域变化曲线、并且疑似目标的属性特征满足物理属性范围,确定监控区中疑似目标为明火。
可选地,疑似目标的属性特征包括:疑似目标的面积、形状、疑似目标在相同位置停留的时间、疑似目标是否为动态中的至少一种;确定监控区中疑似目标为明火包括:
若疑似目标的属性特征满足相应的物理属性范围,确定监控区中疑似目标为明火,
其中,物理属性范围包括:明火的面积范围、形状、明火在相同位置停留的时长范围、明火是否为动态。
可选地,如图4所示,疑似目标的属性特征包括疑似目标在相同位置停留的时间,第二获取模块32,包括:
第一确定单元41,用于确定每帧第一图像中疑似目标的位置。
第一获取单元42,用于获取疑似目标位置相同的至少两帧第一图像和相邻两帧第一图像的间隔时间。
第二获取单元43,用于将至少两帧第一图像中相邻两帧第一图像的间隔时间累加,得到疑似目标在相同位置停留的时间。
可选地,如图5所示,第一获取模块31,包括:
第三获取单元51,用于获取监控区的多帧第二图像,第二图像所显示的区域包括第一图像所显示的区域。
第一提取单元52,用于从第二图像中提取灰度值大于灰度阈值的区域,得到可疑区域的图像,疑似目标位于可疑区域。
第四获取单元53,用于从多帧可疑区域的图像中提取疑似目标的图像,得到多帧第一图像。
可选地,多个疑似目标位于可疑区域的图像中,如图6所示,第四获取单元53,包括:
第一获取子单元61,用于获取可疑区域的图像中每个疑似目标分别与其他疑似目标之间的距离。
第二获取子单元62,用于获取明火图像中每个明火分别与其他明火之间距离范围。
第一分割子单元63,用于若可疑区域的图像中疑似目标分别与其他疑似目标之间的距离在距离范围内,从每帧可疑区域的图像中分割出疑似目标的区域,得到多帧第一图像。
可选地,如图7所示,本发明实施例提供的装置还包括:
第二确定模块71,用于若第一图像的灰度变化特征和疑似目标的属性特征中的任意一种特征不满足明火条件,确定监控区中不存在明火。
可选地,如图7所示,本发明实施例提供的装置还包括:
报警模块72,用于在第一确定模块确定监控区中存在明火之后,发出报警信息。
本发明实施例提供的明火检测的装置,通过第一获取模块31获取监控区中疑似目标的多帧第一图像,即疑似目标的视频,利于精确地获取第一图像的灰度变化特征和疑似目标的属性特征。根据第一图像的灰度变化特征能够精确地确定疑似目标的温度变化特征,结合疑似目标的温度变化特征和疑似目标的属性特征两方面来确定是否满足明火条件,使该装置能够精确地检测监控区内是否存在明火。
需要说明的是,上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
参见图8,其示出了本公开实施例提供的一种明火检测方法的终端800的结构示意图。该终端800可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(MovingPicture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端800还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端800包括有:处理器801和存储器802。
处理器801可以包括一个或多个处理核心,比如4核心处理器、7核心处理器等。处理器801可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器801可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器801还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器802可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的明火检测的方法。
在一些实施例中,终端800还可选包括有:外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地,外围设备包括:射频电路804、显示屏805、摄像头806、音频电路807、定位组件808和电源809中的至少一种。
外围设备接口803可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中,处理器801、存储器802和外围设备接口803被集成在同一芯片或电路板上;在一些其他实施例中,处理器801、存储器802和外围设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路804用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路804包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路804还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏805用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏805是触摸显示屏时,显示屏805还具有采集在显示屏805的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器801进行处理。此时,显示屏805还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏805可以为一个,设置终端800的前面板;在另一些实施例中,显示屏805可以为至少两个,分别设置在终端800的不同表面或呈折叠设计;在再一些实施例中,显示屏805可以是柔性显示屏,设置在终端800的弯曲表面上或折叠面上。甚至,显示屏805还可以设置成非矩形的不规则图形,也即异形屏。显示屏805可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件806用于采集图像或视频。可选地,摄像头组件806包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件806还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路807可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器801进行处理,或者输入至射频电路804以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端800的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器801或射频电路804的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路807还可以包括耳机插孔。
定位组件808用于定位终端800的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件808可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源809用于为终端800中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端800还包括有一个或多个传感器810。该一个或多个传感器810包括但不限于:加速度传感器811、陀螺仪传感器812、压力传感器813、指纹传感器814、光学传感器815以及接近传感器816。
加速度传感器811可以检测以终端800建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器811可以用于检测重力加速度在三个坐标轴上的分量。处理器801可以根据加速度传感器811采集的重力加速度信号,控制显示屏805以横向视图或纵向视图进行用户界面的显示。加速度传感器811还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器812可以检测终端800的机体方向及转动角度,陀螺仪传感器812可以与加速度传感器811协同采集用户对终端800的3D动作。处理器801根据陀螺仪传感器812采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器813可以设置在终端800的侧边框和/或显示屏805的下层。当压力传感器813设置在终端800的侧边框时,可以检测用户对终端800的握持信号,由处理器801根据压力传感器813采集的握持信号进行左右手识别或快捷操作。当压力传感器813设置在显示屏805的下层时,由处理器801根据用户对显示屏805的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器814用于采集用户的指纹,由处理器801根据指纹传感器814采集到的指纹识别用户的身份,或者,由指纹传感器814根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器801授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器814可以被设置终端800的正面、背面或侧面。当终端800上设置有物理按键或厂商Logo时,指纹传感器814可以与物理按键或厂商Logo集成在一起。
光学传感器815用于采集环境光强度。在一个实施例中,处理器801可以根据光学传感器815采集的环境光强度,控制显示屏805的显示亮度。具体地,当环境光强度较高时,调高显示屏805的显示亮度;当环境光强度较低时,调低显示屏805的显示亮度。在另一个实施例中,处理器801还可以根据光学传感器815采集的环境光强度,动态调整摄像头组件806的拍摄参数。
接近传感器816,也称距离传感器,通常设置在终端800的前面板。接近传感器816用于采集用户与终端800的正面之间的距离。在一个实施例中,当接近传感器816检测到用户与终端800的正面之间的距离逐渐变小时,由处理器801控制显示屏805从亮屏状态切换为息屏状态;当接近传感器816检测到用户与终端800的正面之间的距离逐渐变大时,由处理器801控制显示屏805从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图8中示出的结构并不构成对终端800的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例中实施例中,还提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令。所述至少一条指令经配置以由一个或者一个以上处理器执行,以实现上述明火检测的方法。
在示例性实施例中,还提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令在被计算机设备的处理器执行时实现上述明火检测的方法。
可选地,上述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
以上所述仅为本发明的说明性实施例,并不用以限制本发明的保护范围,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种明火检测的方法,其特征在于,所述方法包括:
获取监控区中疑似目标的多帧第一图像;
根据所述多帧第一图像,获取所述多帧第一图像的灰度变化特征和所述疑似目标的属性特征,其中,所述灰度变化特征用于表示所述疑似目标的温度变化;
若所述多帧第一图像的灰度变化特征和所述疑似目标的属性特征均满足明火条件,确定所述监控区中所述疑似目标为明火。
2.根据权利要求1所述的方法,其特征在于,所述明火条件包括明火图像灰度变化曲线和明火的物理属性范围,所述若所述多帧第一图像的灰度变化特征和所述疑似目标的属性特征均满足明火条件,确定所述监控区中所述疑似目标为明火,包括:
若所述多帧第一图像的灰度变化特征符合所述明火图像灰度变化曲线、并且所述疑似目标的属性特征满足所述物理属性范围,确定所述监控区中所述疑似目标为明火。
3.根据权利要求2所述的方法,其特征在于,所述明火图像灰度变化曲线包括时域变化曲线和/或频域变化曲线,所述多帧第一图像的灰度变化特征包括:所述多帧第一图像的灰度在时域的变化特征和/或所述多帧第一图像的灰度在频域的变化特征;确定所述监控区中所述疑似目标为明火包括:
在所述多帧第一图像的灰度变化特征包括所述多帧第一图像的灰度在时域的变化特征的情况下,若所述多帧第一图像的灰度在时域的变化特征满足所述时域变化曲线、并且所述疑似目标的属性特征满足所述物理属性范围,确定所述监控区中所述疑似目标为明火;
在所述多帧第一图像的灰度变化特征包括所述多帧第一图像的灰度在频域的变化特征的情况下,若所述多帧第一图像的灰度在频域的变化特征满足所述频域变化曲线、并且所述疑似目标的属性特征满足所述物理属性范围,确定所述监控区中所述疑似目标为明火;
在所述多帧第一图像的灰度变化特征包括所述多帧第一图像的灰度在频域的变化特征和所述多帧第一图像的灰度在时域的变化特征的情况下,若所述多帧第一图像的灰度在频域的变化特征和所述多帧第一图像的灰度在时域的变化特征分别满足所述频域变化曲线和所述时域变化曲线、并且所述疑似目标的属性特征满足所述物理属性范围,确定所述监控区中所述疑似目标为明火。
4.根据权利要求2或3所述的方法,其特征在于,所述疑似目标的属性特征包括:所述疑似目标的面积、形状、所述疑似目标在相同位置停留的时间、所述疑似目标是否为动态中的至少一种;确定所述监控区中所述疑似目标为明火包括:
若所述疑似目标的属性特征满足相应的物理属性范围,确定所述监控区中所述疑似目标为明火,
其中,所述物理属性范围包括:所述明火的面积范围、形状、所述明火在相同位置停留的时长范围、所述明火为动态。
5.根据权利要求1所述的方法,其特征在于,所述疑似目标的属性特征包括所述疑似目标在相同位置停留的时间,所述根据所述多帧第一图像,获取所述疑似目标的属性特征,包括:
确定每帧第一图像中疑似目标的位置;
获取所述疑似目标位置相同的至少两帧第一图像和相邻两帧第一图像的间隔时间;
将所述至少两帧第一图像中相邻两帧第一图像的间隔时间累加,得到所述疑似目标在相同位置停留的时间。
6.根据权利要求1所述的方法,其特征在于,所述获取监控区中疑似目标的多帧第一图像,包括:
获取所述监控区的多帧第二图像,所述第二图像所显示的区域包括所述第一图像所显示的区域;
从所述第二图像中提取灰度值大于灰度阈值的区域,得到可疑区域的图像,所述疑似目标位于所述可疑区域;
从多帧所述可疑区域的图像中提取所述疑似目标的图像,得到所述多帧第一图像。
7.根据权利要求6所述的方法,其特征在于,多个疑似目标位于所述可疑区域的图像中,所述从多帧所述可疑区域的图像中提取所述疑似目标的图像,得到多帧所述第一图像,包括:
获取所述可疑区域的图像中每个疑似目标分别与其他疑似目标之间的距离;
获取明火图像中每个明火分别与其他明火之间的距离范围;
若所述可疑区域的图像中疑似目标分别与其他疑似目标之间的距离在所述距离范围内,从每帧可疑区域的图像中分割出所述疑似目标的区域,得到多帧所述第一图像。
8.一种明火检测的装置,其特征在于,所述装置包括:
第一获取模块,用于获取监控区中疑似目标的多帧第一图像;
第二获取模块,用于根据所述多帧第一图像,获取所述多帧第一图像的灰度变化特征和所述疑似目标的属性特征,其中,所述灰度变化特征用于表示所述疑似目标的温度变化;
第一确定模块,用于若所述多帧第一图像的灰度变化特征和所述疑似目标的属性特征均满足明火条件,确定所述监控区中所述疑似目标为明火。
9.一种明火检测的装置,其特征在于,所述装置包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如权利要求1-7中任一所述的明火检测的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1-7中任一所述的明火检测的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910059674.1A CN111539239B (zh) | 2019-01-22 | 2019-01-22 | 明火检测的方法、装置及存储介质 |
US17/425,255 US20220092868A1 (en) | 2019-01-22 | 2019-12-26 | Method and apparatus for detecting open flame, and storage medium |
PCT/CN2019/128864 WO2020151453A1 (zh) | 2019-01-22 | 2019-12-26 | 明火检测的方法、装置及存储介质 |
EP19911262.4A EP3916619A4 (en) | 2019-01-22 | 2019-12-26 | METHOD AND DEVICE FOR OPEN FIRE DETECTION AND STORAGE MEDIA |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910059674.1A CN111539239B (zh) | 2019-01-22 | 2019-01-22 | 明火检测的方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539239A true CN111539239A (zh) | 2020-08-14 |
CN111539239B CN111539239B (zh) | 2023-09-22 |
Family
ID=71736137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910059674.1A Active CN111539239B (zh) | 2019-01-22 | 2019-01-22 | 明火检测的方法、装置及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220092868A1 (zh) |
EP (1) | EP3916619A4 (zh) |
CN (1) | CN111539239B (zh) |
WO (1) | WO2020151453A1 (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0818766A1 (fr) * | 1996-07-12 | 1998-01-14 | T2M Automation | Procédé de détection automatique de feux, notamment de feux de forêts |
WO2012064115A2 (ko) * | 2010-11-10 | 2012-05-18 | (주)선인유니텍 | 폐쇄회로 텔레비전 카메라를 이용한 실시간 화재 감시 시스템 및 그 방법 |
US20120195462A1 (en) * | 2011-01-27 | 2012-08-02 | Chang Jung Christian University | Flame identification method and device using image analyses in hsi color space |
CN102881106A (zh) * | 2012-09-10 | 2013-01-16 | 南京恩博科技有限公司 | 一种热成像视频双鉴林火识别系统及其识别方法 |
CN104853151A (zh) * | 2015-04-17 | 2015-08-19 | 张家港江苏科技大学产业技术研究院 | 一种基于视频图像的大空间火灾监测系统 |
US20150242687A1 (en) * | 2012-10-16 | 2015-08-27 | Iist Co., Ltd | Fire detection method and apparatus |
GB201516528D0 (en) * | 2015-09-17 | 2015-11-04 | Micropack Engineering Ltd | Flame detection in an image sequence |
CN105046868A (zh) * | 2015-06-16 | 2015-11-11 | 苏州华启智能科技股份有限公司 | 一种狭长环境中基于红外热像仪的火灾预警方法 |
JP2016110263A (ja) * | 2014-12-03 | 2016-06-20 | 能美防災株式会社 | 煙検出装置および煙検出方法 |
CN106096603A (zh) * | 2016-06-01 | 2016-11-09 | 中国科学院自动化研究所 | 一种融合多特征的动态火焰检测方法及装置 |
CN106997461A (zh) * | 2017-03-28 | 2017-08-01 | 浙江大华技术股份有限公司 | 一种烟火检测方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6184792B1 (en) * | 2000-04-19 | 2001-02-06 | George Privalov | Early fire detection method and apparatus |
JP4111660B2 (ja) * | 2000-07-18 | 2008-07-02 | 富士通株式会社 | 火災検出装置 |
US7868772B2 (en) * | 2006-12-12 | 2011-01-11 | Industrial Technology Research Institute | Flame detecting method and device |
US20080136934A1 (en) * | 2006-12-12 | 2008-06-12 | Industrial Technology Research Institute | Flame Detecting Method And Device |
US10002510B2 (en) * | 2015-12-09 | 2018-06-19 | Noah Lael Ryder | System and methods for detecting, confirming, classifying, and monitoring a fire |
CN108108695B (zh) * | 2017-12-22 | 2019-11-19 | 湖南源信光电科技股份有限公司 | 基于红外视频图像的火焰检测识别方法 |
US20220072350A1 (en) * | 2018-12-21 | 2022-03-10 | University Of Hawaii | Automated wildfire detection |
-
2019
- 2019-01-22 CN CN201910059674.1A patent/CN111539239B/zh active Active
- 2019-12-26 US US17/425,255 patent/US20220092868A1/en active Pending
- 2019-12-26 WO PCT/CN2019/128864 patent/WO2020151453A1/zh unknown
- 2019-12-26 EP EP19911262.4A patent/EP3916619A4/en active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0818766A1 (fr) * | 1996-07-12 | 1998-01-14 | T2M Automation | Procédé de détection automatique de feux, notamment de feux de forêts |
WO2012064115A2 (ko) * | 2010-11-10 | 2012-05-18 | (주)선인유니텍 | 폐쇄회로 텔레비전 카메라를 이용한 실시간 화재 감시 시스템 및 그 방법 |
US20120195462A1 (en) * | 2011-01-27 | 2012-08-02 | Chang Jung Christian University | Flame identification method and device using image analyses in hsi color space |
CN102881106A (zh) * | 2012-09-10 | 2013-01-16 | 南京恩博科技有限公司 | 一种热成像视频双鉴林火识别系统及其识别方法 |
US20150242687A1 (en) * | 2012-10-16 | 2015-08-27 | Iist Co., Ltd | Fire detection method and apparatus |
JP2016110263A (ja) * | 2014-12-03 | 2016-06-20 | 能美防災株式会社 | 煙検出装置および煙検出方法 |
CN104853151A (zh) * | 2015-04-17 | 2015-08-19 | 张家港江苏科技大学产业技术研究院 | 一种基于视频图像的大空间火灾监测系统 |
CN105046868A (zh) * | 2015-06-16 | 2015-11-11 | 苏州华启智能科技股份有限公司 | 一种狭长环境中基于红外热像仪的火灾预警方法 |
GB201516528D0 (en) * | 2015-09-17 | 2015-11-04 | Micropack Engineering Ltd | Flame detection in an image sequence |
CN106096603A (zh) * | 2016-06-01 | 2016-11-09 | 中国科学院自动化研究所 | 一种融合多特征的动态火焰检测方法及装置 |
CN106997461A (zh) * | 2017-03-28 | 2017-08-01 | 浙江大华技术股份有限公司 | 一种烟火检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
李福鹏等: "基于图像处理技术的险情识别智能巡检机器人的研究", 自动化与仪器仪表 * |
Also Published As
Publication number | Publication date |
---|---|
EP3916619A1 (en) | 2021-12-01 |
CN111539239B (zh) | 2023-09-22 |
WO2020151453A1 (zh) | 2020-07-30 |
US20220092868A1 (en) | 2022-03-24 |
EP3916619A4 (en) | 2022-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110798790B (zh) | 麦克风异常检测方法、装置及存储介质 | |
CN110839128B (zh) | 拍照行为检测方法、装置及存储介质 | |
CN111127509B (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
CN109922356B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN111447389B (zh) | 视频生成方法、装置、终端及存储介质 | |
CN111754386A (zh) | 图像区域屏蔽方法、装置、设备及存储介质 | |
CN110769120A (zh) | 进行消息提醒的方法、装置、设备及存储介质 | |
CN111931712B (zh) | 人脸识别方法、装置、抓拍机及系统 | |
CN111586279A (zh) | 确定拍摄状态的方法、装置、设备及存储介质 | |
CN111860064B (zh) | 基于视频的目标检测方法、装置、设备及存储介质 | |
CN108564196B (zh) | 预报洪水的方法和装置 | |
CN113706807B (zh) | 发出报警信息的方法、装置、设备及存储介质 | |
CN111741266B (zh) | 图像显示方法、装置、车载设备及存储介质 | |
CN114594885A (zh) | 应用图标的管理方法、装置、设备及计算机可读存储介质 | |
CN111539239B (zh) | 明火检测的方法、装置及存储介质 | |
CN111723615B (zh) | 对检测物图像进行检测物匹配判定的方法和装置 | |
CN111757146B (zh) | 视频拼接的方法、系统及存储介质 | |
CN113836426A (zh) | 一种信息推送的方法、装置及电子设备 | |
CN111860030A (zh) | 行为检测方法、装置、设备及存储介质 | |
CN111160248A (zh) | 物品跟踪的方法、装置、计算机设备及存储介质 | |
CN112135256A (zh) | 移动轨迹的确定方法、装置、设备及可读存储介质 | |
CN113627413B (zh) | 数据标注方法、图像比对方法及装置 | |
CN112804481B (zh) | 监控点位置的确定方法、装置及计算机存储介质 | |
CN111698453B (zh) | 视频处理的方法和装置 | |
CN108304241B (zh) | 一种显示对话框的方法和装置 |
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 |