CN112258458B - 基于热成像识别的超高层混凝土泵管的检测方法及系统 - Google Patents
基于热成像识别的超高层混凝土泵管的检测方法及系统 Download PDFInfo
- Publication number
- CN112258458B CN112258458B CN202011048711.8A CN202011048711A CN112258458B CN 112258458 B CN112258458 B CN 112258458B CN 202011048711 A CN202011048711 A CN 202011048711A CN 112258458 B CN112258458 B CN 112258458B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- thermal imaging
- gray level
- images
- 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
- 238000001931 thermography Methods 0.000 title claims abstract description 78
- 239000004567 concrete Substances 0.000 title claims abstract description 74
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 230000008859 change Effects 0.000 claims abstract description 76
- 238000005086 pumping Methods 0.000 claims abstract description 51
- 238000006243 chemical reaction Methods 0.000 claims abstract description 34
- 230000008021 deposition Effects 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000009467 reduction Effects 0.000 claims description 27
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004574 high-performance concrete Substances 0.000 description 1
- 239000011372 high-strength concrete Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明的基于热成像识别的超高层混凝土泵管的检测方法及系统，针对现有检测方法无法提前预判及报警，而且增大了检测难度的问题。步骤如下：获得混凝土泵送管道的热成像视频，按设定频率提取热成像视频中的多帧热成像图像，将多帧热成像图像转换为灰度图像并降噪，对降噪灰度图像分别进行低频区域灰度值变化趋势分析及灰度变化频率近似程度分析，当低频区域灰度值变化趋势呈正增长以及灰度变化频率相似程度百分比超过设定阈值时，判断泵送管道出现局部沉积现象。检测系统包括依次信号连接的热成像设备、控制中心及报警装置，所述控制中心包括依次信号连接的图像转化单元、图像对比转换单元、图像识别单元和控制单元。
Description
技术领域
本发明涉及超高层建筑混凝土泵送技术领域，特别涉及一种基于热成像识别的超高层混凝土泵管的检测方法及系统。
背景技术
超高层建筑施工往往使用高强、高性能的混凝土，混凝土在较高泵送管道内的流动速度约0.3m/秒，由于泵送压力不足，且混凝土粘度大等原因，混凝土易出现局部沉积，导致泵送管道堵塞，严重影响施工进度和施工安全。
目前，对于实施混凝土泵送作业过程中的泵送管道尚缺乏实时的安全检测手段，当混凝土在泵送管道发生局部沉积现象时，只有在泵机压力和流速比出现明显变化的情况下，才使用压力传感方法确定泵送管道内混凝土发生局部沉积的位置，无法提前预测及报警，而且增大了检测难度。
发明内容
现有检测方法是在泵机压力和流速比出现明显变化的情况下，才使用压力传感方法确定泵送管道内混凝土发生局部沉积的位置，无法提前预判及报警，而且增大了检测难度的问题，本发明的目的是提供一种基于热成像识别的超高层混凝土泵管的检测方法及系统，能够对泵管内混凝土的局部沉积位置进行实时、安全及智能的检测及预警。
本发明解决其技术问题所采用的技术方案是：基于热成像识别的超高层混凝土泵管的检测方法，步骤如下：
S1：通过热成像设备对混凝土泵送管道进行持续监控获得热成像视频，按设定频率提取热成像视频中的多帧热成像图像，将多帧热成像图像均转换为灰度图像并降噪生成降噪灰度图像；
S2：对所述降噪灰度图像分别进行低频区域灰度值变化趋势分析及灰度变化频率近似程度分析，当低频区域灰度值变化趋势呈正增长，以及灰度变化频率相似程度百分比超过设定阈值时，判断所述泵送管道出现局部沉积现象，输出沉积区域的位置信息并发出预警信息。
本发明的基于热成像识别的超高层混凝土泵管的检测方法，首先，获得混凝土泵送管道的热成像视频，按设定频率提取热成像视频中的多帧热成像图像，将多帧热成像图像转换为灰度图像并降噪，然后，对降噪灰度图像分别进行低频区域灰度值变化趋势分析及灰度变化频率近似程度分析，当低频区域灰度值变化趋势呈正增长以及灰度变化频率相似程度百分比超过设定阈值时，判断泵送管道出现局部沉积现象；本发明基于混凝土泵送管道温度变化趋势与混凝土局部沉积的内在联系，通过对混凝土泵送管道中热辐射分布及局部极值的线性变化分析，对泵送过程中的混凝土局部沉积进行预测和报警，对堵管现象进行超前预判，实现对超长泵送管道的低成本智能预警，解决了超高层泵送管道难以实时检测的难题，相比传统的检测方式，该技术方案具有以下优点：
1、采用热成像技术获取泵送管道内混凝土的动态图像，成本较低，无额外辐射，且不受混凝土材质变化的影响，保证了监测数据的准确性；
2、利用降噪灰度图像灰度值的线性变化分析来判断混凝土温度的分布变化，外界干扰因素小，判断结果更为精准；
3、由于能够在与泵送管道远距离且无接触的情况下实施智能检测及预警，减少了人员投入，并降低了安全风险，还能够实现传统压力感应技术难以实施位置的实时检测。
优选的，所述步骤S1还包括：利用黑体校准单元对所述灰度图像进行降噪处理。
优选的，所述步骤S1中，设定频率为每间隔0.3秒～100秒提取热成像视频中的一帧热成像图像。
优选的，所述步骤S2中，降噪灰度图像的低频区域灰度值变化趋势分析步骤如下：
S2-1：将所述降噪灰度图像存储于第一图像库，对降噪灰度图像进行网格化数据分析，按时序进行前后帧比对，通过图像对比转换单元将前后帧图像的灰度变化转化为灰度特征图；
S2-2：对所述灰度特征图进行比对，如灰度特征图的灰度值变化率呈正向增长，判定当前检测区域存在混凝土局部沉积，其中，灰度值变化率＝(第n+1秒灰度值－第n秒灰度值)/第n秒灰度值。
优选的，所述步骤S2-1中，将所述降噪灰度图像中灰度值变化率高于设定值的部分转化为灰度a，将灰度值变化率低于设定值的部分转化为灰度b，其中，所述设定值为对泵送管道现场检测、大数据比对得出降噪灰度图像灰度值变化率的平均值，利用两种灰度信号将所述降噪灰度图像转化为所述灰度特征图。
优选的，所述步骤S2中，灰度变化频率图像近似程度分析步骤如下：
S201：利用图像对比转换单元将降噪灰度图像的对比度增强形成灰度变化频率图像，并存储于第二图像库；
S202：通过图像识别单元对所述灰度变化频率图像进行处理和分析，当前后帧相似程度百分比超过设定阈值时，判定当前检测区域存在混凝土局部沉积。
另外，本发明还提供了一种基于热成像识别的超高层混凝土泵管的检测系统，包括依次信号连接的热成像设备、控制中心及报警装置，所述控制中心包括依次信号连接的图像转化单元、图像对比转换单元、图像识别单元和控制单元；所述热成像设备用于拍摄混凝土泵送管道的热成像视频，所述图像转化单元用于提取热成像视频中的热成像图像并将其转换为灰度图像，对灰度图像降噪生成降噪灰度图像；所述图像对比转换单元用于将降噪灰度图像生成灰度变化频率图像；所述图像识别单元用于对灰度变化频率图像进行处理和分析，所述控制单元用于根据低频区域灰度值变化趋势及灰度变化频率近似程度判定当前检测区域是否存在混凝土局部沉积，如存在混凝土局部沉积则发送命令指示所述报警装置工作。
优选的，所述控制中心还包括与所述图像转化单元信号连接的黑体校准单元。
优选的，所述控制中心还包括与所述图像对比转换单元信号连接的边缘识别单元。
优选的，所述控制中心还包括分别与所述图像对比转换单元和所述图像识别单元信号连接的存储单元，其中，所述存储单元包括与所述图像对比转换单元连接的第一图像库，及与所述图像识别单元连接的第二图像库。
附图说明
图1为本发明的基于热成像识别的超高层混凝土泵管的检测方法一实施例的流程图；
图2为本发明一实施例中的灰度特征图；
图3为本发明的基于热成像识别的超高层混凝土泵管的检测系统的示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
本发明技术方案的核心思想在于：混凝土中的浆料和骨料在热成像模式下能够形成热成像图谱，混凝土泵送过程中按时序前后排列的热成像图谱必然会发生变化，一旦泵送管道内混凝土发生局部沉积，即意味着沉积区域的混凝土不会流动，其外部表现就是该沉积区域的热成像图谱会相对固定，基于泵送混凝土局部沉积时温差变化不明显，且属于持续性累积的特点，本发明的检测方法将分析目标集中在热成像图谱一定时间内的灰度变化趋势，并结合混凝土温度的变化规律，对泵送过程中混凝土的局部沉积进行预测和报警，对堵管现象进行超前预判。
下面结合图1和图2说明本发明的基于热成像识别的超高层混凝土泵管的检测方法，具体步骤如下：
S1：通过热成像设备对混凝土泵送管道进行持续监控获得热成像视频，通过图像转化单元按设定频率提取热成像视频中的多帧热成像图像，将多帧热成像图像均转换为灰度图像并降噪生成降噪灰度图像；
S2：对降噪灰度图像分别进行低频区域灰度值变化趋势分析及灰度变化频率近似程度分析，当低频区域灰度值变化趋势呈正增长，以及灰度变化频率相似程度百分比超过设定阈值时，判断泵送管道出现局部沉积现象，输出沉积区域的位置信息并发出预警信息。
本发明的基于热成像识别的超高层混凝土泵管的检测方法，首先，获得混凝土泵送管道的热成像视频，按设定频率提取热成像视频中的多帧热成像图像，将多帧热成像图像转换为灰度图像并降噪，然后，对降噪灰度图像分别进行低频区域灰度值变化趋势分析及灰度变化频率近似程度分析，当低频区域灰度值变化趋势呈正增长以及灰度变化频率相似程度百分比超过设定阈值时，判断泵送管道出现局部沉积现象；本发明基于混凝土泵送管道温度变化趋势与混凝土局部沉积的内在联系，通过对混凝土泵送管道中热辐射分布及局部极值的线性变化分析，对泵送过程中的混凝土局部沉积进行预测和报警，对堵管现象进行超前预判，实现对超长泵送管道的低成本智能预警，解决了超高层泵送管道难以实时检测的难题，相比传统的检测方式，该技术方案具有以下优点：
1、采用热成像技术获取泵送管道内混凝土的动态图像，成本较低，无额外辐射，且不受混凝土材质变化的影响，保证了监测数据的准确性；
2、利用降噪灰度图像灰度值的线性变化分析来判断混凝土温度的分布变化，外界干扰因素小，判断结果更为精准；
3、由于能够在与泵送管道远距离且无接触的情况下实施智能检测及预警，减少了人员投入，并降低了安全风险，还能够实现传统压力感应技术难以实施位置的实时检测。
如图1所示，所述步骤S1还包括，利用黑体校准单元对灰度图像进行降噪处理，通过黑体校准单元过滤外部温度变化产生的因素干扰，实现对灰度图像进行降噪的目的。
本实施例中，所述步骤S1中，设定频率提取热成像视频中的多帧图像，设定频率为每间隔0.3秒～100秒提取热成像视频中的一帧图像。
如图1所示，所述步骤S2中，降噪灰度图像的低频区域灰度值变化趋势分析步骤如下：
S2-1：将降噪灰度图像存储于第一图像库，应用图像识别算法对降噪灰度图像进行网格化数据分析，按时序进行前后帧比对，通过图像对比转换单元将前后帧图像的灰度变化转化为灰度特征图；
S2-2：通过图像对比算法对灰度特征图进行比对，如连续y个灰度特征图出现高度近似，灰度特征图的灰度值变化率呈正向增长，判定当前检测区域存在混凝土局部沉积，其中，灰度值变化率＝(第n+1秒灰度值－第n秒灰度值)/第n秒灰度值。
更进一步，上述步骤S2-1中，将降噪灰度图像中灰度值变化率高于设定值的部分转化为灰度a，将灰度值变化率低于设定值的部分转化为灰度b，其中，所述设定值为对泵送管道现场检测、大数据比对得出降噪灰度图像灰度值变化率的平均值，利用上述两种灰度信号将降噪灰度图像转化为灰度特征图，其相当于一个二维图像指纹，因此，可以方便、直观的得到热图谱特征的近似度比对结果。
步骤S2-2还包括：将降噪灰度图像中的灰度值填充到热成像图像低频区域的像素坐标中，并随机对低频区域n个像素坐标的像素变化进行分析，灰度线性增加的坐标点等同于该坐标点位置红外辐射增加，即温度升高，因为热量不像正常流动一样被不断带走，符合混凝土局部沉积后继续反应的表现。
如图1所示，所述步骤S2中，灰度变化频率图像近似程度分析步骤如下：
S201：利用图像对比转换单元将降噪灰度图像的对比度增强形成灰度变化频率图像，并存储于第二图像库，灰度变化频率指相邻区域之间灰度变化的快慢；
S202：通过图像识别单元对灰度变化频率图像进行处理和分析，当前后帧相似程度百分比x％超过设定阈值时，判定当前检测区域存在混凝土局部沉积。
上述通过降噪灰度图像的前后帧相似程度判断当前检测区域是否存在局部沉积，能够对降噪灰度图像实行降频，从而降低检测成本。
更佳的，步骤S201中，利用边缘识别单元对灰度变化频率图像进行边缘识别，通过识别灰度梯度变化最大的像素点从而检测出泵送管道中沉积混凝土的边缘。
结合图1和图3说明本发明的基于热成像识别的超高层混凝土泵送管道检测系统，包括依次信号连接的热成像设备、控制中心及报警装置，控制中心包括依次信号连接的图像转化单元、图像对比转换单元、图像识别单元、控制单元。
本发明的基于热成像识别的超高层混凝土泵送管道检测系统，通过热成像设备获取混凝土泵送管道的热成像视频，控制中心的图像转化单元按设定频率提取热成像视频中的多帧图像，将多帧图像转换为灰度图像并降噪，图像对比转换单元和图像识别单元对降噪灰度图像分别进行低频区域灰度值变化趋势分析及灰度变化频率近似程度分析，控制单元获取分析信息后进行判断，当低频区域灰度值变化趋势呈正增长以及灰度变化频率相似程度百分比超过设定阈值时，判断泵送管道出现局部沉积现象，并发送信息指示报警装置工作；本发明基于混凝土泵送管道温度变化趋势与混凝土局部沉积的内在联系，通过对混凝土泵送管道中热辐射分布及局部极值的线性变化分析，对泵送过程中的混凝土局部沉积进行预测和报警，对堵管现象进行超前预判，实现对超长泵送管道的低成本智能预警，解决了超高层泵送管道难以实时检测的难题。
请继续参考图3，控制中心还包括与图像转化单元信号连接的黑体校准单元，通过黑体校准单元过滤外部温度变化产生的因素干扰，实现对灰度图像进行降噪的目的。
更进一步，控制中心还包括与图像对比转换单元信号连接的边缘识别单元，通过识别灰度梯度变化最大的像素点从而检测出泵送管道中沉积混凝土的边缘。
更进一步，控制中心还包括分别与图像对比转换单元和图像识别单元信号连接的存储单元，其中，存储单元包括与图像对比转换单元连接的第一图像库，及与图像识别单元连接的第二图像库。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求范围。
Claims (10)
1.基于热成像识别的超高层混凝土泵管的检测方法，其特征在于，步骤如下：
S1：通过热成像设备对混凝土泵送管道进行持续监控获得热成像视频，按设定频率提取热成像视频中的多帧热成像图像，将多帧热成像图像均转换为灰度图像并降噪生成降噪灰度图像；
S2：对所述降噪灰度图像分别进行低频区域灰度值变化趋势分析及灰度变化频率近似程度分析，当低频区域灰度值变化趋势呈正增长，以及灰度变化频率相似程度百分比超过设定阈值时，判断所述泵送管道出现局部沉积现象，输出沉积区域的位置信息并发出预警信息。
2.根据权利要求1所述的基于热成像识别的超高层混凝土泵管的检测方法，其特征在于，所述步骤S1还包括：利用黑体校准单元对所述灰度图像进行降噪处理。
3.根据权利要求1所述的基于热成像识别的超高层混凝土泵管的检测方法，其特征在于：所述步骤S1中，设定频率为每间隔0.3秒～100秒提取热成像视频中的一帧热成像图像。
4.根据权利要求1所述的基于热成像识别的超高层混凝土泵管的检测方法，其特征在于：所述步骤S2中，降噪灰度图像的低频区域灰度值变化趋势分析步骤如下：
S2-1：将所述降噪灰度图像存储于第一图像库，对降噪灰度图像进行网格化数据分析，按时序进行前后帧比对，通过图像对比转换单元将前后帧图像的灰度变化转化为灰度特征图；
S2-2：对所述灰度特征图进行比对，如灰度特征图的灰度值变化率呈正向增长，判定当前检测区域存在混凝土局部沉积，其中，灰度值变化率＝(第n+1秒灰度值－第n秒灰度值)/第n秒灰度值。
5.根据权利要求4所述的基于热成像识别的超高层混凝土泵管的检测方法，其特征在于：所述步骤S2-1中，将所述降噪灰度图像中灰度值变化率高于设定值的部分转化为灰度a，将灰度值变化率低于设定值的部分转化为灰度b，其中，所述设定值为对泵送管道现场检测、大数据比对得出降噪灰度图像灰度值变化率的平均值，利用两种灰度信号将所述降噪灰度图像转化为所述灰度特征图。
6.根据权利要求1所述的基于热成像识别的超高层混凝土泵管的检测方法，其特征在于，所述步骤S2中，灰度变化频率图像近似程度分析步骤如下：
S201：利用图像对比转换单元将降噪灰度图像的对比度增强形成灰度变化频率图像，并存储于第二图像库；
S202：通过图像识别单元对所述灰度变化频率图像进行处理和分析，当前后帧相似程度百分比超过设定阈值时，判定当前检测区域存在混凝土局部沉积。
7.基于热成像识别的超高层混凝土泵管的检测系统，其特征在于：它包括依次信号连接的热成像设备、控制中心及报警装置，所述控制中心包括依次信号连接的图像转化单元、图像对比转换单元、图像识别单元和控制单元；所述热成像设备用于拍摄混凝土泵送管道的热成像视频，所述图像转化单元用于提取热成像视频中的热成像图像并将其转换为灰度图像，对灰度图像降噪生成降噪灰度图像；所述图像对比转换单元用于将降噪灰度图像生成灰度变化频率图像；所述图像识别单元用于对灰度变化频率图像进行处理和分析，所述控制单元用于根据低频区域灰度值变化趋势及灰度变化频率近似程度判定当前检测区域是否存在混凝土局部沉积，如存在混凝土局部沉积则发送命令指示所述报警装置工作。
8.根据权利要求7所述的基于热成像识别的超高层混凝土泵管的检测系统，其特征在于：所述控制中心还包括与所述图像转化单元信号连接的黑体校准单元。
9.根据权利要求7所述的基于热成像识别的超高层混凝土泵管的检测系统，其特征在于：所述控制中心还包括与所述图像对比转换单元信号连接的边缘识别单元。
10.根据权利要求7所述的基于热成像识别的超高层混凝土泵管的检测系统，其特征在于：所述控制中心还包括分别与所述图像对比转换单元和所述图像识别单元信号连接的存储单元，其中，所述存储单元包括与所述图像对比转换单元连接的第一图像库，及与所述图像识别单元连接的第二图像库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011048711.8A CN112258458B (zh) | 2020-09-29 | 2020-09-29 | 基于热成像识别的超高层混凝土泵管的检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011048711.8A CN112258458B (zh) | 2020-09-29 | 2020-09-29 | 基于热成像识别的超高层混凝土泵管的检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112258458A CN112258458A (zh) | 2021-01-22 |
| CN112258458B true CN112258458B (zh) | 2023-12-05 |
Family
ID=74234638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011048711.8A Active CN112258458B (zh) | 2020-09-29 | 2020-09-29 | 基于热成像识别的超高层混凝土泵管的检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112258458B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114820607B (zh) * | 2022-06-28 | 2022-09-09 | 南通佰瑞利电动工具有限公司 | 混凝土振动器自动控制方法、装置及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103473552A (zh) * | 2013-08-09 | 2013-12-25 | 上海臻厘信息科技有限公司 | 微通道管的图像识别系统 |
| CN104933868A (zh) * | 2015-06-17 | 2015-09-23 | 苏州大学 | 一种基于交通监控视频的实时在线交通状态检测方法 |
| CN105447890A (zh) * | 2015-12-08 | 2016-03-30 | 南京航空航天大学 | 一种抗光照影响的运动车辆检测方法 |
| CN109028227A (zh) * | 2018-09-29 | 2018-12-18 | 佛山市云米电器科技有限公司 | 智能油烟机及其移动人体检测方法 |
| CN109190624A (zh) * | 2018-09-29 | 2019-01-11 | 佛山市云米电器科技有限公司 | 基于图像处理的厨房油烟浓度检测方法 |
| CN110865418A (zh) * | 2019-12-05 | 2020-03-06 | 重庆商勤科技有限公司 | 污水违规排放监测方法、装置及计算机可读存储介质 |
-
2020
- 2020-09-29 CN CN202011048711.8A patent/CN112258458B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103473552A (zh) * | 2013-08-09 | 2013-12-25 | 上海臻厘信息科技有限公司 | 微通道管的图像识别系统 |
| CN104933868A (zh) * | 2015-06-17 | 2015-09-23 | 苏州大学 | 一种基于交通监控视频的实时在线交通状态检测方法 |
| CN105447890A (zh) * | 2015-12-08 | 2016-03-30 | 南京航空航天大学 | 一种抗光照影响的运动车辆检测方法 |
| CN109028227A (zh) * | 2018-09-29 | 2018-12-18 | 佛山市云米电器科技有限公司 | 智能油烟机及其移动人体检测方法 |
| CN109190624A (zh) * | 2018-09-29 | 2019-01-11 | 佛山市云米电器科技有限公司 | 基于图像处理的厨房油烟浓度检测方法 |
| CN110865418A (zh) * | 2019-12-05 | 2020-03-06 | 重庆商勤科技有限公司 | 污水违规排放监测方法、装置及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112258458A (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | HDCB-Net: A neural network with the hybrid dilated convolution for pixel-level crack detection on concrete bridges | |
| CN105574855B (zh) | 云背景下基于模板滤波和虚警抑制的红外小目标检测方法 | |
| CN107392885A (zh) | 一种基于视觉对比机制的红外弱小目标检测方法 | |
| CN104766079B (zh) | 一种远距离红外弱小目标检测方法 | |
| CN111353496B (zh) | 一种红外弱小目标实时检测方法 | |
| CN104050477A (zh) | 基于道路辅助信息和显著性检测的红外图像车辆检测方法 | |
| CN104965199A (zh) | 雷达视频运动目标特征融合判定方法 | |
| CN112258458B (zh) | 基于热成像识别的超高层混凝土泵管的检测方法及系统 | |
| CN107369164B (zh) | 一种红外弱小目标的跟踪方法 | |
| CN105976398A (zh) | 一种白天火灾视频检测方法 | |
| JPH06105312A (ja) | 静止物監視方法および装置 | |
| CN115409778A (zh) | 一种用于红外小目标背景抑制后图像的阈值分割方法 | |
| CN107369163B (zh) | 一种基于最佳熵双阈值分割的快速sar图像目标检测方法 | |
| CN101604380B (zh) | 人头识别直径搜索法 | |
| CN103413138A (zh) | 一种红外图像序列中点目标检测方法 | |
| CN104392201A (zh) | 一种基于全向视觉的人体跌倒识别方法 | |
| Lee et al. | Multiple object tracking for fall detection in real-time surveillance system | |
| CN111274872A (zh) | 基于模板匹配的视频监控动态不规则多监管区域判别方法 | |
| CN114663841A (zh) | 基于深度学习的移动目标识别方法及系统 | |
| CN115482489A (zh) | 基于改进YOLOv3的配电房行人检测和轨迹追踪方法及系统 | |
| CN112164097B (zh) | 一种船舶视频检测样本采集方法 | |
| CN113128439A (zh) | 一种基于视频图像序列的火焰实时检测算法及系统 | |
| CN110826503A (zh) | 基于多传感器信息融合的密闭管道人体探测方法及系统 | |
| Tian et al. | Joint spatio-temporal features and sea background prior for infrared dim and small target detection | |
| Liao et al. | Slip and fall events detection by analyzing the integrated spatiotemporal energy map |
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 |