CN111899459A - 一种基于区域特征分析的图像火灾探测方法 - Google Patents

一种基于区域特征分析的图像火灾探测方法 Download PDF

Info

Publication number
CN111899459A
CN111899459A CN202010730364.0A CN202010730364A CN111899459A CN 111899459 A CN111899459 A CN 111899459A CN 202010730364 A CN202010730364 A CN 202010730364A CN 111899459 A CN111899459 A CN 111899459A
Authority
CN
China
Prior art keywords
image
foreground
shape
adjacent frames
panoramic
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
Application number
CN202010730364.0A
Other languages
English (en)
Inventor
宋英杰
孙林昆
梁远扬
王治祥
陈向东
张斌
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.)
Shandong Technology and Business University
Original Assignee
Shandong Technology and Business University
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 Shandong Technology and Business University filed Critical Shandong Technology and Business University
Priority to CN202010730364.0A priority Critical patent/CN111899459A/zh
Publication of CN111899459A publication Critical patent/CN111899459A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
    • G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/20081—Training; Learning

Abstract

本发明属于火灾探测技术领域，公开了一种基于区域特征分析的图像火灾探测方法，包括如下步骤：步骤1.通过红外摄像头至少连续采集相邻三帧红外图像；步骤2.将相邻的至少三帧全景红外图像的灰度值转化成温度值，获取相邻的至少三帧所述全景红外图像的全景温度分布图；步骤3.从相邻的至少三帧全景温度分布图中依次提取温度差高于第一阈值的相邻的至少两帧前景图像；步骤4.在每帧前景图像中根据其温度分布计算对应的图像区域重心；步骤5.判断相邻的至少两帧所述前景图像对应的图像区域重心的相离度是否小于第二阈值；是，则判断前景图像所在区域发生火灾，并发出火灾警报；否，则重复步骤1；综上，有效实现火灾精准探测。

Description

一种基于区域特征分析的图像火灾探测方法
技术领域
本发明属于火灾探测技术领域，具体涉及一种基于区域特征分析的图像火灾探测方法。
背景技术
在现有技术中，常见的火灾探测装包括探测烟雾的感烟探测器、探测温度变化的感温探测器、探测火焰燃烧的光照强度和火焰的闪烁频率的火焰探测器、探测易燃或有毒气体的特殊气体探测器、探测火灾现场图像的图像型探测器等。
上述以图像型探测器为例，图像火灾探测技术，包括图像火焰探测、图像烟雾探测和图像温度探测三种。其中，图像火焰探测主要利用火灾发生时，物体燃烧过程中火焰图像的颜色特性、轮廓特性、频谱特性、纹理特性或运动特性等，使其模型化、过程化，形成计算机可识别的图像模式，从而快速、准确的识别火灾信息，完成火灾检测，并及时发出报警信号。但是，在实际探测时，其探测及计算模型常常容易受到环境干扰，使得其探测准确性较差；并且，在探测前还需构建火焰图像、烟雾图像、温度图像等基础模型，成本较高且应用繁琐。
另外，还出现了多种探测特征共同作用的图像型探测器，其存在算法过于复杂，计算量大的问题，难以满足图像火灾探测产品对于实时探测的要求。
发明内容
鉴于此，为解决现有技术中存在的缺陷，本发明的目的在于提供一种基于区域特征分析的图像火灾探测方法。
为实现上述目的，本发明提供如下技术方案：一种基于区域特征分析的图像火灾探测方法，包括如下步骤：
步骤1.通过红外摄像头至少连续采集相邻三帧红外图像；
步骤2.将相邻的至少三帧所述全景红外图像的灰度值转化成温度值，获取相邻的至少三帧所述全景红外图像的全景温度分布图；
步骤3.从相邻的至少三帧所述全景温度分布图中依次提取温度差高于第一阈值的相邻的至少两帧前景图像；
步骤4.在每帧前景图像中根据其温度分布计算对应的图像区域重心；
步骤5.判断相邻的至少两帧所述前景图像对应的图像区域重心的相离度是否小于第二阈值；是，则判断前景图像所在区域发生火灾，并发出火灾警报；否，则重复步骤1。
优选的，在所述步骤3中，所述第一阈值为温度差阈值，且第一阈值不低于20℃。
优选的，在所述步骤4中，计算每帧前景图像对应的图像区域重心时，其方式为：步骤41.提取每帧前景图像中温差最大的形状特征，获取形状特征中每个像素的坐标；步骤42.基于像素坐标计算对应的图像区域重心坐标。
优选的，在所述步骤41中，利用Harris算法提取形状特征的方式如下：S1＝Harris（TEMP）；其中S1为形状特征，TEMP为温度分布图。
优选的，在所述步骤42中，计算公式为：横坐标X＝（x1+……+xi+……+xn）/n；纵坐标Y＝（y1+……+yi+……+yn）/n；其中，x1……xi……xn为形状特征中每个像素的横坐标，y1……yi……yn为形状特征中每个像素的纵坐标，i＝1，2……n。
优选的，每帧前景图像中至少包括一个对应的图像区域重心。
优选的，基于像素坐标计算图像区域重心坐标之前，还包括：
将形状特征分割为至少一个独立形状，并获取每个独立形状的像素总数；
判断每个独立形状的像素总数是否满足Pi＞p，其中Pi为每个独立形状的像素总数，p为第三阈值，且第三阈值为数量阈值；
是，则基于该独立形状中的像素坐标计算至少一个对应的图像区域重心坐标。
优选的，在所述步骤5中，所述第二阈值为距离阈值，且第二阈值为相邻的至少两帧前景图像中第一前景图像对应的图像区域重心到其前景图像边缘的距离。
本发明与现有技术相比，具有以下有益效果：
本发明中，基于火灾热特性，判断相同区域内是否连续产生快速升温，若是，则判断该区域为火灾发生，由此能在未预先设定背景的情况下也能快速实现火灾探测和警报，并且还能有效摒除环境温度或设备温度所引起误报问题，从而有效提高本发明的探测准确性。
上述，在进行相同区域的判断及计算时，通过对相邻前景图像中图像区域重心的相离度进行判断，当相离度小于距离阈值时，则判断相邻前景图像处于相同区域，由此有效保证本发明对火灾的准确探测；并且，该距离阈值为相邻前景图像中第一前景图像对应的图像区域重心到其前景图像边缘的距离，由此能有效适应于不同情况下的探测，进一步提高本发明进行火灾探测的灵活性及准确性。
另外，在对相邻前景图像中图像区域重心的相离度进行判断，对每个前景图像中的温差最高的形状特征进行筛选，并以筛选后的形状特征作为图像区域重心的计算基础，由此既能保证准确定位火灾中心位置，又能降低整体过程中的计算量。
再另外，对筛选后不连续的形状特征进行独立分割，获得至少一个独立形状，且每个独立形状对应一个图像区域重心，由此使得本发明能同时探测至少一个火灾发生点，大大提高本发明的探测效率；并且，对于像素总量低于数量阈值的独立形状进行筛除，由此能进一步减少整体过程中的计算量。
附图说明
图1为本发明所提供的基于区域特征分析的图像火灾探测方法的流程图；
图2为本发明实施例中对形状特征进行分割的原理图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例中，提供了一种基于区域特征分析的图像火灾探测方法；
具体，请参阅图1所示，为本发明实施例中所提供的基于区域特征分析的图像火灾探测方法的流程图，由图可知，该火灾探测方法包括如下步骤：
步骤1.通过红外摄像头至少连续采集相邻三帧红外图像；
步骤2.将相邻的至少三帧全景红外图像的灰度值转化成温度值，获取相邻的至少三帧全景红外图像的全景温度分布图；
步骤3.从相邻的至少三帧全景温度分布图中依次提取温度差高于第一阈值的相邻的至少两帧前景图像；
步骤4.在每帧前景图像中根据其温度分布计算对应的图像区域重心；
步骤5.判断相邻的至少两帧前景图像对应的图像区域重心的相离度是否小于第二阈值；是，则判断前景图像所在区域发生火灾，并发出火灾警报；否，则重复步骤1。
综上，以连续采集相邻三帧红外图像为例，以如下实施例对上述火灾探测方法的流程进行进一步的详细解释：
实施例1
1）通过红外摄像头连续采集相邻三帧红外图像a/b/c。
2）将红外图像a/b/c的灰度值转化成温度值，获取相邻三帧全景温度分布图a1/b1/c1。
3）对于全景温度分布图b1与全景温度分布图a1上的温度分布情况，并计算两图中每个像素的温度差，判断每个像素的温度差是否高于第一阈值，否则将该像素记为背景，结合背景差分法，提取将全景温度分布图b1与全景温度分布图a1的前景图像d1，且该前景图像d1即表示为全景温度分布图b1与全景温度分布图a1对比后，温度差高于第一阈值的图像部分；基于相同的原理，获取全景温度分布图c1与全景温度分布图b1对比后的前景图像e1；
具体的，在本步骤中，第一阈值为温度差阈值，且第一阈值不低于20℃。
4）利用Harris算法，从前景图像d1中提取温差最大的形状特征d2，并获取该形状特征d2中每个像素的坐标；
具体的，在本步骤中，利用Harris算法提取形状特征的方式如下：
S1＝Harris（TEMP）
其中S1为形状特征，TEMP为温度分布图。
5）基于像素坐标计算对应的图像区域重心坐标；
具体的，在本步骤中，其计算公式为：
横坐标X＝（x1+……+xi+……+xn）/n
纵坐标Y＝（y1+……+yi+……+yn）/n
其中，x1……xi……xn为形状特征中每个像素的横坐标，y1……yi……yn为形状特征中每个像素的纵坐标，i＝1，2……n。
由上，获得形状特征d2中的图像区域重心坐标（Xd，Yd）。
6）基于4）与5）相同的原理，从前景图像e1中提取温差最大的形状特征e2，并计算获得形状特征e2中的图像区域重心坐标（Xe，Ye）。
7）根据坐标（Xd，Yd）与（Xe，Ye），计算两个图像区域重心的相离度，其计算方式为L2＝（Xd-Xe）2+（Yd-Ye）2，其中L为两个图像区域重心的相离度。
8）判断上述相离度L是否小于第二阈值，是，则判断前景图像所在区域发生火灾，并发出火灾警报；否，则重复1）；
具体的，在本步骤中，第二阈值为距离阈值，且第二阈值为相邻的至少两帧前景图像中第一前景图像对应的图像区域重心到其前景图像边缘的距离。
实施例2
1）通过红外摄像头连续采集相邻三帧红外图像a/b/c。
2）将红外图像a/b/c的灰度值转化成温度值，获取相邻三帧全景温度分布图a1/b1/c1。
3）对于全景温度分布图b1与全景温度分布图a1上的温度分布情况，并计算两图中每个像素的温度差，判断每个像素的温度差是否高于第一阈值，否则将该像素记为背景，结合背景差分法，提取将全景温度分布图b1与全景温度分布图a1的前景图像d1，且该前景图像d1即表示为全景温度分布图b1与全景温度分布图a1对比后，温度差高于第一阈值的图像部分；基于相同的原理，获取全景温度分布图c1与全景温度分布图b1对比后的前景图像e1；
具体的，在本步骤中，第一阈值为温度差阈值，且第一阈值不低于20℃。
4）利用Harris算法，从前景图像d1中提取温差最大的形状特征d2，并获取该形状特征d2中每个像素的坐标；
具体的，在本步骤中，利用Harris算法提取形状特征的方式如下：
S1＝Harris（TEMP）
其中S1为形状特征，TEMP为温度分布图。
5）将形状特征S1分割为至少一个独立形状，并获取每个独立形状的像素总数；
具体的，分割原理为：如图2中，包括3互不连续的独立区域，则将这个独立区域分别分割形成3个独立形状。在每个独立形状中，其满足前序条件的像素均是相邻且连续的，而在不同独立形状中，满足前序条件的像素是不连续的。
6）判断每个独立形状的像素总数是否满足Pi＞p，其中Pi为每个独立形状的像素总数，p为第三阈值，且第三阈值为数量阈值；
具体的，在本步骤中，第三阈值可进行人工预设，或者进行提前训练。且关于第三阈值的数量应为整数，且高于1。例如，取第三阈值为2，则表示为，最高温差像素总量小于2的独立形状不参与图像区域重心计算；基于此，能有效实现非火灾区域的筛选排除，达到降低计算量的效果。其原因是，在发生火灾时，其火灾中心范围基于火焰的燃烧温度会快速升高，且火焰燃烧会产生一定区域，当区域过小时，与火焰燃烧特征不对应，由此则能直接排出像素总量小于第三阈值的独立形状。
7）对于Pi＞p的独立形状，基于像素坐标计算对应的图像区域重心坐标，此时图像区域重心至少为一个；
具体的，在本步骤中，以仅有一个图像区域重心为例，其计算公式为：
横坐标X＝（x1+……+xi+……+xn）/n
纵坐标Y＝（y1+……+yi+……+yn）/n
其中，x1……xi……xn为形状特征中每个像素的横坐标，y1……yi……yn为形状特征中每个像素的纵坐标，i＝1，2……n。
由上，获得形状特征d2中的图像区域重心坐标（Xd，Yd）。
6）基于4）与5）相同的原理，从前景图像e1中提取温差最大的形状特征e2，并计算获得形状特征e2中的图像区域重心坐标（Xe，Ye）。
7）根据坐标（Xd，Yd）与（Xe，Ye），计算两个图像区域重心的相离度，其计算方式为L2＝（Xd-Xe）2+（Yd-Ye）2，其中L为两个图像区域重心的相离度。
8）判断上述相离度L是否小于第二阈值，是，则判断前景图像所在区域发生火灾，并发出火灾警报；否，则重复1）。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于区域特征分析的图像火灾探测方法，其特征在于，包括如下步骤：
步骤1.通过红外摄像头至少连续采集相邻三帧红外图像；
步骤2.将相邻的至少三帧所述全景红外图像的灰度值转化成温度值，获取相邻的至少三帧所述全景红外图像的全景温度分布图；
步骤3.从相邻的至少三帧所述全景温度分布图中依次提取温度差高于第一阈值的相邻的至少两帧前景图像；
步骤4.在每帧前景图像中根据其温度分布计算对应的图像区域重心；
步骤5.判断相邻的至少两帧所述前景图像对应的图像区域重心的相离度是否小于第二阈值；是，则判断前景图像所在区域发生火灾，并发出火灾警报；否，则重复步骤1。
2.根据权利要求1所述的一种基于区域特征分析的图像火灾探测方法，其特征在于，在所述步骤3中，所述第一阈值为温度差阈值，且第一阈值不低于20℃。
3.根据权利要求1所述的一种基于区域特征分析的图像火灾探测方法，其特征在于，在所述步骤4中，计算每帧前景图像对应的图像区域重心时，其方式为：
步骤41.提取每帧前景图像中温差最大的形状特征，获取形状特征中每个像素的坐标；
步骤42.基于像素坐标计算对应的图像区域重心坐标。
4.根据权利要求3所述的一种基于区域特征分析的图像火灾探测方法，其特征在于，在所述步骤41中，利用Harris算法提取形状特征的方式如下：
S1＝Harris（TEMP）
其中S1为形状特征，TEMP为温度分布图。
5.根据权利要求3所述的一种基于区域特征分析的图像火灾探测方法，其特征在于，在所述步骤42中，计算公式为：
横坐标X＝（x1+……+xi+……+xn）/n
纵坐标Y＝（y1+……+yi+……+yn）/n
其中，x1……xi……xn为形状特征中每个像素的横坐标，y1……yi……yn为形状特征中每个像素的纵坐标，i＝1，2……n。
6.根据权利要求3-5中任意一项所述的一种基于区域特征分析的图像火灾探测方法，其特征在于，每帧前景图像中至少包括一个对应的图像区域重心。
7.根据权利要求6所述的一种基于区域特征分析的图像火灾探测方法，其特征在于，基于像素坐标计算图像区域重心坐标之前，还包括：
将形状特征分割为至少一个独立形状，并获取每个独立形状的像素总数；
判断每个独立形状的像素总数是否满足Pi＞p，其中Pi为每个独立形状的像素总数，p为第三阈值，且第三阈值为数量阈值；
是，则基于该独立形状中的像素坐标计算至少一个对应的图像区域重心坐标。
8.根据权利要求7所述的一种基于区域特征分析的图像火灾探测方法，其特征在于，在所述步骤5中，所述第二阈值为距离阈值，且第二阈值为相邻的至少两帧前景图像中第一前景图像对应的图像区域重心到其前景图像边缘的距离。
CN202010730364.0A 2020-07-27 2020-07-27 一种基于区域特征分析的图像火灾探测方法 Pending CN111899459A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010730364.0A CN111899459A (zh) 2020-07-27 2020-07-27 一种基于区域特征分析的图像火灾探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010730364.0A CN111899459A (zh) 2020-07-27 2020-07-27 一种基于区域特征分析的图像火灾探测方法

Publications (1)

Publication Number Publication Date
CN111899459A true CN111899459A (zh) 2020-11-06

Family

ID=73190918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010730364.0A Pending CN111899459A (zh) 2020-07-27 2020-07-27 一种基于区域特征分析的图像火灾探测方法

Country Status (1)

Country Link
CN (1) CN111899459A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770644A (zh) * 2010-01-19 2010-07-07 浙江林学院 森林火灾远程视频监控烟火识别方法
CN101826153A (zh) * 2010-02-11 2010-09-08 上海交通大学 火灾检测方法
US20130242091A1 (en) * 2012-03-19 2013-09-19 Dong Kwon Park Method for sensing fire and transferring fire information
CN108230607A (zh) * 2018-01-23 2018-06-29 公安部沈阳消防研究所 一种基于区域特征分析的图像火灾探测方法
CN108898782A (zh) * 2018-07-20 2018-11-27 武汉理工光科股份有限公司 用于隧道防火的红外图像温度信息识别的烟雾探测方法及系统
CN109731258A (zh) * 2018-12-19 2019-05-10 沈阳天眼智云信息科技有限公司 基于红外技术的变压器着火点监测及灭火方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770644A (zh) * 2010-01-19 2010-07-07 浙江林学院 森林火灾远程视频监控烟火识别方法
CN101826153A (zh) * 2010-02-11 2010-09-08 上海交通大学 火灾检测方法
US20130242091A1 (en) * 2012-03-19 2013-09-19 Dong Kwon Park Method for sensing fire and transferring fire information
CN108230607A (zh) * 2018-01-23 2018-06-29 公安部沈阳消防研究所 一种基于区域特征分析的图像火灾探测方法
CN108898782A (zh) * 2018-07-20 2018-11-27 武汉理工光科股份有限公司 用于隧道防火的红外图像温度信息识别的烟雾探测方法及系统
CN109731258A (zh) * 2018-12-19 2019-05-10 沈阳天眼智云信息科技有限公司 基于红外技术的变压器着火点监测及灭火方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张斌，邢启江，宋英杰，潘文博，陈阳: "《基于多路径负载均衡的智能楼宇火灾应急疏散策略研究》", 《中国教育网络》 *

Similar Documents

Publication Publication Date Title
CN111179279A (zh) 一种基于紫外、双目视觉的综合火焰检测方法
JP6554169B2 (ja) 物体認識装置及び物体認識システム
CN112052797A (zh) 基于MaskRCNN的视频火灾识别方法及系统
JP2019505866A (ja) 通行人の頭部識別方法及びシステム
CN112069975A (zh) 一种基于紫外、红外、视觉的综合火焰检测方法
CN110874592B (zh) 一种基于总有界变分的森林火灾烟雾图像检测方法
CN111222478A (zh) 一种工地安全防护检测方法和系统
CN110189375B (zh) 一种基于单目视觉测量的图像目标识别方法
JP7143174B2 (ja) 煙検出装置及び煙識別方法
CN104463869A (zh) 一种视频火焰图像复合识别方法
CN111079518A (zh) 一种基于执法办案区场景下的倒地异常行为识别方法
CN109087295A (zh) 基于灰度值投影法的桥梁露筋视觉检测方法
CN108363992B (zh) 一种基于机器学习监测视频图像烟雾的火情预警方法
CN111222511B (zh) 一种红外无人机目标检测方法及系统
CN105976398A (zh) 一种白天火灾视频检测方法
CN115311623A (zh) 一种基于红外热成像的设备漏油检测方法及系统
CN112115878A (zh) 一种基于烟雾区域密度的森林火灾烟雾根节点检测方法
CN107704818A (zh) 一种基于视频图像的火灾检测系统
CN114170295A (zh) 一种基于混合视觉的高空抛物检测方法及装置
JP5286113B2 (ja) 煙検出装置
CN111582166B (zh) 基于高斯建模和YoLo V3目标检测的遗留物检测方法
CN111353350B (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
CN111899459A (zh) 一种基于区域特征分析的图像火灾探测方法
CN111461003A (zh) 基于视频图像序列特征提取的燃煤工况识别方法
CN109934126A (zh) 车辆尾烟检测方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201106