CN111882807B - 一种识别区域火灾发生地方法及系统 - Google Patents
一种识别区域火灾发生地方法及系统 Download PDFInfo
- Publication number
- CN111882807B CN111882807B CN202010576298.6A CN202010576298A CN111882807B CN 111882807 B CN111882807 B CN 111882807B CN 202010576298 A CN202010576298 A CN 202010576298A CN 111882807 B CN111882807 B CN 111882807B
- Authority
- CN
- China
- Prior art keywords
- area
- smoke concentration
- heat
- identifying
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000000779 smoke Substances 0.000 claims abstract description 79
- 238000009826 distribution Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Emergency Management (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Chemical & Material Sciences (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Analytical Chemistry (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Fire Alarms (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明公开了一种识别区域火灾发生地方法及系统。其方法包括以下步骤:根据各区域的热量分布均匀度和/或烟雾浓度均匀度识别重点关注区域,根据重点关注区域内的热量信息和烟雾浓度信息识别火灾发生地。本发明的方法及系统解决了如何根据热量和/或烟雾的分布情况对各区域进行火灾监控的技术问题。
Description
技术领域
本发明属于智慧消防技术领域,特别是涉及一种识别区域火灾发生地方法及系统。
背景技术
目前的社区火灾主要根据传感器数据或图像采用火灾检测算法进行监测。现有的火灾检测技术,例如公开号为CN110992642A的中国专利《一种基于深度学习的火灾检测方法》提出将浅层特征与高层特征相融合,并利用具有几何形变能力的卷积神经网络,从而有效地解决了对于背景与火灾相类似场景以及火势蔓延变大前期的小火苗检测的误检率高以及准确率低的问题。公开号为CN109191761A的中国专利《一种基于火焰多特征融合的火灾识别方法》中提出首先进行运动检测筛选运动火灾像素与RGB颜色模型筛选火焰颜色像素结合作为图像预处理模块;然后根据火焰烟雾、面积变化以及形状变化性质利用火焰像素点数量、凸包以及尖角对火焰进行特征判断;最终结合成熟的支持向量机进行验证;满足以上条件进行报警。公开号为CN110852174A的中国专利《一种基于视频监控的早期烟雾检测方法》中提出从监控平台读取视频信息流并将信息流转为视频帧图像的格式;采用ViBe背景建模方法方法对帧图像进行背景建模提取出前景像素点区域;从对应的视频帧截取前景区域原图;然后送到训练好的深度神经网络,从而实现对烟雾的判断。
上述火灾检测技术主要通过火焰的形状特征、图像特征等进行火灾识别和检测,这些算法需要精细的火焰图像,但是当社区内某处发生火灾但无法准确识别火焰时,上述算法难以准确及时地发现社区火灾,不利于阻止社区火灾的蔓延。
目前还没有根据热量和/或烟雾的分布情况对各区域进行火灾监控的技术方案。为此提出一种识别区域火灾发生地方法及系统。
发明内容
本发明为了解决上述问题,提出一种识别区域火灾发生地方法及系统。
本发明依托区域内部署的环境监测传感器,包括温度传感器、烟雾浓度传感器等。
本发明的识别区域火灾发生地方法,其特征在于:
根据各区域的热量分布均匀度和/或烟雾浓度均匀度识别重点关注区域,根据重点关注区域内的热量信息和烟雾浓度信息识别火灾发生地。
具体描述如下:
所述根据各区域的热量分布均匀度和/或烟雾浓度均匀度识别重点关注区域包括:根据各区域的热量分布均匀度识别重点关注区域、根据各区域的烟雾浓度均匀度识别重点关注区域或根据各区域的热量分布均匀度和烟雾浓度均匀度识别重点关注区域。
优选地,所述各区域包括按区域消防结构划分的区域、按区域消防设施数量划分的区域、按区域住户分布划分的区域的任一项或多项。
优选地,所述热量分布均匀度是根据各区域内的热量信息计算表示热量分布的参数;所述热量信息包括空气温度数据、建筑物表面温度、地面温度的任一项或多项。
进一步优选地,所述根据各区域内的热量信息计算的表示热量分布的参数,包括步骤:
在各区域内设置多个热量采集点并获取各采集点的热量数据;
计算各区域内采集点的热量数据平均值和方差;
根据各区域内采集点的热量数据平均值计算区域热量参考值;
根据各区域内采集点的热量数据方差和区域热量参考值计算各区域内的热量分布均匀度。热量数据方差越小、区域热量参考值越小,则区域内的热量分布均匀度越大。
优选地,所述烟雾浓度均匀度是根据各区域内的烟雾浓度信息计算表示烟雾浓度分布的参数。
进一步优选地,所述根据各区域内的烟雾浓度信息计算表示烟雾浓度分布的参数,包括步骤:
在各区域内设置多个烟雾浓度采集点并获取各采集点的烟雾浓度数据;
计算各区域内采集点的烟雾浓度数据平均值和方差;
根据各区域内采集点的烟雾浓度数据平均值计算区域烟雾浓度参考值;
根据各区域内采集点的烟雾浓度数据方差和区域烟雾浓度参考值计算各区域内的烟雾浓度均匀度。烟雾浓度数据方差越小、区域烟雾浓度参考值越小,则区域内的烟雾浓度均匀度越大。
优选地,所述根据各区域的热量分布均匀度和/或烟雾浓度均匀度识别重点关注区域是识别各区域内热量分布均匀度小于事先设置的热量阈值的区域为重点关注区域、识别各区域内烟雾浓度均匀度小于事先设置的烟雾浓度阈值的区域为重点关注区域、识别各区域中热量分布均匀度小于事先设置的热量阈值且烟雾浓度均匀度小于事先设置的烟雾浓度阈值的区域为重点关注区域的任一项。
优选地,所述根据重点关注区域内的热量信息和烟雾浓度信息识别火灾发生地,包括步骤:
在重点关注区域内设置多个采集点;
获取各采集点的热量数据和烟雾浓度数据;
根据各采集点的热量数据和烟雾浓度数据计算各采集点的火灾危险值;采集点的热量数据和烟雾浓度数据越大,则火灾危险值越大;
识别重点关注区域内火灾危险值最大的采集点位置为火灾发生地。
一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使计算机执行上述方法。
一种识别区域火灾发生地系统,其特征在于包括:
环境监测传感器;
处理器;
存储器;
以及
一个或多个程序,其中所述一个或多个程序被存储在存储器中,并且被配置成由所述处理器执行,所述程序使计算机执行上述方法。
本发明的方法及系统具有的优点是:
(1)进行消防区域划分,可以通过不同消防区域内的数据对比有效识别异常。
(2)根据各消防区域内的热量信息和/或烟雾浓度信息识别热量和/或烟雾浓度分布明显不均的区域作为重点关注区域并识别重点关注区域内的火灾发生地,可以及时有效地识别区域内是否发生火灾及火灾位置。
附图说明
图1是本发明实施例的识别区域火灾发生地方法执行框图;
图2是本发明实施例的识别区域火灾发生地方法流程图。
具体实施方式
下面对本发明优选实施例作详细说明。
本发明实施例依托区域内部署的环境监测传感器,包括温度传感器、烟雾浓度传感器等。
本发明的识别区域火灾发生地方法,执行框图如图1所示,将某区域按照一定规则进行区域划分,各区域部署的环境监测传感器监测各区域的热量数据和/或烟雾浓度数据,根据各区域的热量分布均匀度和/或烟雾浓度均匀度识别重点关注区域,根据重点关注区域内的热量信息和烟雾浓度信息识别火灾发生地。
本发明的识别区域火灾发生地方法的实施例,流程图如图2所示,其特征在于:
根据各区域的热量分布均匀度和/或烟雾浓度均匀度识别重点关注区域,根据重点关注区域内的热量信息和烟雾浓度信息识别火灾发生地。
所述各区域包括按区域消防结构划分的区域、按区域消防设施数量划分的区域、按区域住户分布划分的区域的任一项或多项。
具体描述如下:
所述根据各区域的热量分布均匀度和/或烟雾浓度均匀度识别重点关注区域包括:根据各区域的热量分布均匀度识别重点关注区域、根据各区域的烟雾浓度均匀度识别重点关注区域或根据各区域的热量分布均匀度和烟雾浓度均匀度识别重点关注区域。
表A中A1~A3表示识别重点关注区域的不同实施方式
所述根据重点关注区域内的热量信息和烟雾浓度信息识别火灾发生地,包括步骤:
在重点关注区域内设置多个采集点;
获取各采集点的热量数据和烟雾浓度数据;
根据各采集点的热量数据和烟雾浓度数据计算各采集点的火灾危险值;采集点的热量数据和烟雾浓度数据越大,则火灾危险值越大;
识别重点关注区域内火灾危险值最大的采集点位置为火灾发生地。
其中,根据火灾危险值m与热量数据t和烟雾浓度数据w乘积和/或加权和的正相关关系计算各采集点的火灾危险值m。
一种优选实施方式中,所述计算各采集点的火灾危险值m=g1·t+g2·w,其中g1和g2是事先训练的计算系数。本实施例中,在重点关注区域内选取的某个采集点的热量数据t=40摄氏度,烟雾浓度数据w=5立方厘米/立方米,事先训练的计算系数g1=0.02,g2=0.1,计算该采集点的火灾危险值m=g1·t+g2·w=0.02×40+0.1×5=1.3。
另一种优选实施方式中,所述计算各采集点的火灾危险值m=g3·t·w,其中g3是事先训练的计算系数。本实施例中,在重点关注区域内选取的某个采集点的热量数据t=40摄氏度,烟雾浓度数据w=5立方厘米/立方米,事先训练的计算系数g3=0.01,计算该采集点的火灾危险值m=g3·t·w=0.01×40×5=2。
计算在重点关注区域内的各采集点的火灾危险值,识别火灾危险值m最大的采集点位置为火灾发生地。
一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使计算机执行上述实施例所述的方法。
本发明的识别区域火灾发生地系统的实施例,其特征在于包括:
环境监测传感器;
处理器;
存储器;
以及
一个或多个程序,其中所述一个或多个程序被存储在存储器中,并且被配置成由所述处理器执行,所述程序使计算机执行上述任一实施例的方法。
当然,本技术领域中的普通技术人员应当认识到,以上实施例仅是用来说明本发明的,而并非作为对本发明的限定,只要在本发明的范围内,对以上实施例的变化、变型都将落入本发明的保护范围。
Claims (6)
1.一种识别区域火灾发生地方法,其特征在于:
根据各区域的热量分布均匀度和/或烟雾浓度均匀度识别重点关注区域,根据重点关注区域内的热量信息和烟雾浓度信息识别火灾发生地;
所述热量分布均匀度是根据各区域内的热量信息计算表示热量分布的参数,包括步骤:在各区域内设置多个热量采集点并获取各采集点的热量数据;计算各区域内采集点的热量数据平均值μ和方差a;根据各区域内采集点的热量数据平均值a计算区域热量参考值b,b=k1·μ+k2,k1和k2是训练得到的计算系数;根据各区域内采集点的热量数据方差a和区域热量参考值b计算各区域内的热量分布均匀度x,或k3、k4和k5是训练得到的计算系数;
所述烟雾浓度均匀度是根据各区域内的烟雾浓度信息计算表示烟雾浓度分布的参数,包括步骤:在各区域内设置多个烟雾浓度采集点并获取各采集点的烟雾浓度数据;计算各区域内采集点的烟雾浓度数据平均值c和方差d;根据各区域内采集点的烟雾浓度数据平均值c计算区域烟雾浓度参考值r,r=f1·c+f2,f1和f2是训练得到的计算系数;根据各区域内采集点的烟雾浓度数据方差d和区域烟雾浓度参考值r计算各区域内的烟雾浓度均匀度y,或 f3、f4和f5是训练得到的计算系数;
所述根据各区域的热量分布均匀度和/或烟雾浓度均匀度识别重点关注区域是识别各区域内热量分布均匀度小于事先设置的热量阈值的区域为重点关注区域、识别各区域内烟雾浓度均匀度小于事先设置的烟雾浓度阈值的区域为重点关注区域、识别各区域中热量分布均匀度小于事先设置的热量阈值且烟雾浓度均匀度小于事先设置的烟雾浓度阈值的区域为重点关注区域的任一项。
2.根据权利要求1所述的识别区域火灾发生地方法,其特征在于,所述各区域包括按区域消防结构划分的区域、按区域消防设施数量划分的区域、按区域住户分布划分的区域的任一项或多项。
3.根据权利要求1所述的识别区域火灾发生地方法,其特征在于,所述热量信息包括空气温度数据、建筑物表面温度、地面温度的任一项或多项。
4.根据权利要求1所述的识别区域火灾发生地方法,其特征在于,所述根据重点关注区域内的热量信息和烟雾浓度信息识别火灾发生地,包括步骤:
在重点关注区域内设置多个采集点;
获取各采集点的热量数据和烟雾浓度数据;
根据各采集点的热量数据和烟雾浓度数据计算各采集点的火灾危险值;采集点的热量数据和烟雾浓度数据越大,则火灾危险值越大;
识别重点关注区域内火灾危险值最大的采集点位置为火灾发生地。
5.一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使计算机执行如权利要求1-4任一项所述的方法。
6.一种识别区域火灾发生地系统,其特征在于包括:
环境监测传感器;
处理器;
存储器;
以及
一个或多个程序,其中所述一个或多个程序被存储在存储器中,并且被配置成由所述处理器执行,所述程序使计算机执行如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010576298.6A CN111882807B (zh) | 2020-06-22 | 2020-06-22 | 一种识别区域火灾发生地方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010576298.6A CN111882807B (zh) | 2020-06-22 | 2020-06-22 | 一种识别区域火灾发生地方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111882807A CN111882807A (zh) | 2020-11-03 |
CN111882807B true CN111882807B (zh) | 2022-03-15 |
Family
ID=73156615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010576298.6A Active CN111882807B (zh) | 2020-06-22 | 2020-06-22 | 一种识别区域火灾发生地方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882807B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1107986A (zh) * | 1993-11-25 | 1995-09-06 | 能美防灾株式会社 | 火情检测设备 |
CN1299048A (zh) * | 1999-11-10 | 2001-06-13 | 能美防灾株式会社 | 光电烟雾检测装置 |
CN1975795A (zh) * | 2006-12-06 | 2007-06-06 | 中山大学 | 一种火灾应对措施辅助提醒系统 |
CN101833838A (zh) * | 2010-05-27 | 2010-09-15 | 王巍 | 一种大范围火灾分析预警系统 |
CN102842198A (zh) * | 2012-08-30 | 2012-12-26 | 广州中国科学院工业技术研究院 | 火灾识别方法和系统 |
CN105608814A (zh) * | 2015-08-31 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 火灾提示方法、火灾提示系统、服务器和终端 |
JP2018060578A (ja) * | 2012-08-31 | 2018-04-12 | 清水建設株式会社 | 火災時現場対応支援システム |
CN108777051A (zh) * | 2018-09-20 | 2018-11-09 | 广州通达汽车电气股份有限公司 | 火灾报警方法、装置、计算机设备和存储介质 |
JP2019117508A (ja) * | 2017-12-27 | 2019-07-18 | 能美防災株式会社 | 火災報知設備 |
CN110174173A (zh) * | 2019-05-24 | 2019-08-27 | 任运涛 | 火灾预防方法以及系统 |
CN110390788A (zh) * | 2019-08-21 | 2019-10-29 | 深圳云感物联网科技有限公司 | 一种森林防火烟火识别方法及其系统 |
CN110675588A (zh) * | 2019-09-30 | 2020-01-10 | 北方民族大学 | 一种森林火灾检测装置和方法 |
CN111161505A (zh) * | 2018-11-08 | 2020-05-15 | 北京航天长峰科技工业集团有限公司 | 一种通过视频监控进行火灾预警的方法 |
-
2020
- 2020-06-22 CN CN202010576298.6A patent/CN111882807B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1107986A (zh) * | 1993-11-25 | 1995-09-06 | 能美防灾株式会社 | 火情检测设备 |
CN1299048A (zh) * | 1999-11-10 | 2001-06-13 | 能美防灾株式会社 | 光电烟雾检测装置 |
CN1975795A (zh) * | 2006-12-06 | 2007-06-06 | 中山大学 | 一种火灾应对措施辅助提醒系统 |
CN101833838A (zh) * | 2010-05-27 | 2010-09-15 | 王巍 | 一种大范围火灾分析预警系统 |
CN102842198A (zh) * | 2012-08-30 | 2012-12-26 | 广州中国科学院工业技术研究院 | 火灾识别方法和系统 |
JP2018060578A (ja) * | 2012-08-31 | 2018-04-12 | 清水建設株式会社 | 火災時現場対応支援システム |
CN105608814A (zh) * | 2015-08-31 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 火灾提示方法、火灾提示系统、服务器和终端 |
JP2019117508A (ja) * | 2017-12-27 | 2019-07-18 | 能美防災株式会社 | 火災報知設備 |
CN108777051A (zh) * | 2018-09-20 | 2018-11-09 | 广州通达汽车电气股份有限公司 | 火灾报警方法、装置、计算机设备和存储介质 |
CN111161505A (zh) * | 2018-11-08 | 2020-05-15 | 北京航天长峰科技工业集团有限公司 | 一种通过视频监控进行火灾预警的方法 |
CN110174173A (zh) * | 2019-05-24 | 2019-08-27 | 任运涛 | 火灾预防方法以及系统 |
CN110390788A (zh) * | 2019-08-21 | 2019-10-29 | 深圳云感物联网科技有限公司 | 一种森林防火烟火识别方法及其系统 |
CN110675588A (zh) * | 2019-09-30 | 2020-01-10 | 北方民族大学 | 一种森林火灾检测装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111882807A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109147254B (zh) | 一种基于卷积神经网络的视频野外火灾烟雾实时检测方法 | |
Yuan et al. | Learning-based smoke detection for unmanned aerial vehicles applied to forest fire surveillance | |
CN110135269B (zh) | 一种基于混合颜色模型与神经网络的火灾图像检测方法 | |
KR101081051B1 (ko) | 퍼지 유한상태 오토마타를 이용한 화재 불꽃 감지 방법 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN103903008B (zh) | 一种基于图像识别输电线路的雾等级的方法以及系统 | |
CN106650584B (zh) | 火焰检测方法和系统 | |
CN104123544A (zh) | 基于视频分析的异常行为检测方法及系统 | |
CN104902265B (zh) | 一种基于背景边缘模型的摄像机异常检测方法及系统 | |
CN111882810B (zh) | 一种火灾识别与预警方法及其系统 | |
CN103425959B (zh) | 一种识别火灾的火焰视频检测方法 | |
CN102567722B (zh) | 一种基于码本模型和多特征的早期烟雾检测方法 | |
JP5388829B2 (ja) | 侵入物体検知装置 | |
CN110874592A (zh) | 一种基于总有界变分的森林火灾烟雾图像检测方法 | |
CN105469054B (zh) | 正常行为的模型构建方法及异常行为的检测方法 | |
CN109377713A (zh) | 一种火灾预警方法及系统 | |
CN104463869A (zh) | 一种视频火焰图像复合识别方法 | |
CN114202646A (zh) | 一种基于深度学习的红外图像吸烟检测方法与系统 | |
CN112257549B (zh) | 一种基于计算机视觉的楼面危险检测预警方法及系统 | |
CN110929608A (zh) | 安全帽佩带检测方法及系统 | |
KR20240028290A (ko) | 산불 검출 장치 및 방법 | |
CN107704818A (zh) | 一种基于视频图像的火灾检测系统 | |
CN111882807B (zh) | 一种识别区域火灾发生地方法及系统 | |
CN113723701A (zh) | 森林火灾监测预测方法及系统、电子设备及存储介质 | |
CN105741277A (zh) | 基于ViBe算法与SLIC超像素的背景差分法 |
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 |