CN112785809B - 一种基于ai图像识别火情复燃预测方法及系统 - Google Patents
一种基于ai图像识别火情复燃预测方法及系统 Download PDFInfo
- Publication number
- CN112785809B CN112785809B CN202011638658.7A CN202011638658A CN112785809B CN 112785809 B CN112785809 B CN 112785809B CN 202011638658 A CN202011638658 A CN 202011638658A CN 112785809 B CN112785809 B CN 112785809B
- Authority
- CN
- China
- Prior art keywords
- image
- thermal
- value
- video image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000000779 smoke Substances 0.000 claims abstract description 25
- 238000013459 approach Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 238000010438 heat treatment Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011410 subtraction method 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
- G08B17/12—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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Fire-Detection Mechanisms (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于AI图像识别火情复燃预测方法，获取同一地点在同一时间段的第一视频图像与第二视频图像，检测第一视频图像中热力区域是否随着拍摄时间的增加而增大，若是，将热力区域划分为n个热力块，基于热力块的热力值r，获得热力块的温度值H；将温度值H与预设温度比较，当温度值H超过预设温度时，发出预警警告，当温度值H趋近预设温度时，识别第二视频图像中是否存在烟雾图像，若第二视频图像中存在烟雾图像，则产生预警警告；本发明的有益效果为实现对监测地点在没有明火的情况下，是否有火情复燃的情况进行实时监测；通过检测火灾是否有复燃隐患，若有复燃隐患则提前进行预警，防止二次灾害。
Description
技术领域
本发明涉及AI图像处理技术领域，尤其涉及一种基于AI图像识别火情复燃预测方法及系统。
背景技术
专利号为CN201811248306.3的专利文献公开了一种基于人工智能的火焰图像识别方法与流程。其流程为:将采集完的图像进行预处理,再将信息传递到单片机中,首先对火焰图像在静态及动态的过程中分别进行特征对比,静态的主要对比特征包括火焰平均灰度、火焰面积及火焰圆形度,动态的主要对比特征包括火焰高温区面积及质心偏移距离,其次基于火焰图像的颜色及火焰亮度进行对比,火焰的颜色主要包括颜色分量及火焰锋面,火焰亮度主要可以区分火焰的中心及火焰的边缘,通过上述对比可对火焰的图像进行初步判断,如果有火灾危险,则通过报警系统进行报警且采取灭火措施,如果没有火灾危险,则进行下一步骤的对比,通过单片机对生成的火焰图像进行分割。
上述专利虽然可以智能识别火灾，但是不能监测出火灾被扑灭后是否有复燃隐患。而实际情况火灾被扑灭后有很大的复燃隐患；如何智能监测火灾复燃隐患，防止火情再次发生是需要解决的技术问题。
发明内容
本发明的目的在于提供一种基于AI图像识别火情复燃预测方法及系统，通过采集红外视频图像以及可见光视频图像看，并通过红外视频图像对热力区域的温度进行监测，通过可见光视频图像对热力区域的烟雾进行识别，将两种识别方法结合起来了，判断被监测地点的火情复燃情况。
本发明通过下述技术方案实现：一种基于AI图像识别火情复燃预测方法，包括以下步骤：
S1：获取同一地点在同一时间段的第一视频图像与第二视频图像，所述第一视频图像为红外视频，所述第二视频图像为可见光视频；
S2：检测第一视频图像中热力区域是否随着拍摄时间的增加而增大，若是，将热力区域划分为n个热力块，基于热力块的热力值r，获得热力块的温度值H；
S3：将温度值H与预设温度比较，当温度值H超过预设温度时，发出预警警告，当温度值H趋近预设温度时，识别第二视频图像中是否存在烟雾图像，若第二视频图像中存在烟雾图像，则产生预警警告。
优选地，所述步骤S2中，检测第一视频中的热力区域是否随着拍摄时间的增加而增大的具体步骤为：
将第一视频图像抽帧为帧图图片，并基于帧图图片的图像像素值计算帧图图片的热力区域；
选择第t秒帧图图片的热力区域，将该帧图图片中的热力区域分别与第t-1秒帧图图片中的热力区域、第t-5秒帧图图片中的热力区域以及第t-10秒帧图图片中的热力区域做差值运算，获得第一差值、第二差值以及第三差值，判断第一差值与第二差值与第三差值为正数的个数；
直到对所有帧图图片遍历完成，检测所得到的所有差值为正数值的个数是否达到预设个数P，若达到预设个数P，则第一视频中的热力区域随着拍摄时间的增加而增大。
优选地，所述热力区域计算表达式为：
P(i,j)为像素均值。
优选地，所述温度值H的计算表达式为：
r为热力块的热力均值。
优选地，所述r的计算表达式为：
Q为热力块的集合，qi是热力块中第i个点的热力值。
优选地，所述预设阈值T为150。
本发明还公开了一种基于AI图像识别火情复燃预测系统，所述系统包括：
图像采集模块，用于获取同一地点在同一时间段的第一视频图像与第二视频图像；
图像处理模块，用于检测第一视频图像中热力区域是否随着拍摄时间的增加而增大，若是，将热力区域划分为n个热力块，基于热力块的热力值r，获得热力块的温度值H；
预警分析模块，用于将温度值H与预设温度比较，当温度值H超过预设温度时，发出预警警告，当温度值H趋近预设温度时，识别第二视频图像中是否存在烟雾图像，若第二视频图像中存在烟雾图像，则产生预警警告。
优选地，所述图像采集模块包括红外摄像头与可见光摄像头。
本发明与现有技术相比，具有如下的优点和有益效果：
1、采用本发明提供的一种基于AI图像识别火情复燃预测方法及系统，通过将红外视频图像数据与可见光视频图像数据分析处理结合起来，实现对监测地点在没有明火是的情况下，是否有火情复燃的情况进行实时监测；
2、采用本发明提供的一种基于AI图像识别火情复燃预测方法及系统，通过检测火灾是否有复燃隐患，如有复燃隐患则提前进行预警，让相关责任人及时知晓预警，前往现场进行处理，防止二次灾害；
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为预警方法的示意图
图2为预警系统的示意图
图3为具体实施的时候界面展示图
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例一
本实施例公开了一种基于AI图像识别火情复燃预测方法，如图1所示，包括以下步骤：
S1：获取同一地点在同一时间段的第一视频图像与第二视频图像，所述第一视频图像为红外视频，所述第二视频图像为可见光视频；
在对同一地点进行监测的时候，同时对同一地点的红外图像以及可见光图像进行采集，并对红外图像和可见光图像进行分析，将对红外图像分析与可见光图像分析相结合起来，不经能够实现在没有明火的时候，对被监测地点的温度进行实时监控，还能够通过可见光视频图像实现对被监测地点在有明火的情况下进行识别。
S2：检测第一视频图像中热力区域是否随着拍摄时间的增加而增大，若是，将热力区域划分为n个热力块，基于热力块的热力值r，获得热力块的温度值H；
采集的第一视频红外图像中，是在没有明火的情况下进行采集的，且通过第一视频图像主要是对监测地点中的温度进行识别，在火灾发生之后被监测地点是没有明火存在的，此时就需要通过对被监测地点中的温度进行实时识别，判断被监测地点中的温度是否超过或趋近预设燃点的温度情况，来进行判别。
检测第一视频中的热力区域是否随着拍摄时间的增加而增大的具体步骤为：
将第一视频图像抽帧为帧图图片，并基于帧图图片的图像像素值计算帧图图片的热力区域；
选择第t秒帧图图片的热力区域，将该帧图图片中的热力区域分别与第t-1秒帧图图片中的热力区域、第t-5秒帧图图片中的热力区域以及第t-10秒帧图图片中的热力区域做差值运算，获得第一差值、第二差值以及第三差值，判断第一差值与第二差值与第三差值为正数的个数；
直到对所有帧图图片遍历完成，检测所得到的所有差值为正数值的个数是否达到预设个数P，若达到预设个数P，则第一视频中的热力区域随着拍摄时间的增加而增大。
对所有抽帧的帧图图片按照上面的计算方式进行热力偏差的计算，最终是要把所有计算差值的值的正数个数进行统计，如果正数的个数是超过了预设的个数，那么则代表被监测地点的热力区域是随着时间的增加而增大的，因此当判断被监测地点的热力区域在逐渐增大的时候，证明被监测地点具有火情复燃的情况发生，需要对热力区域中的温度进行计算。
热力区域计算表达式为：
P(i,j)为像素均值，预设阈值T为150。
S3：将温度值H与预设温度比较，当温度值H超过预设温度时，发出预警警告，当温度值H趋近预设温度时，识别第二视频图像中是否存在烟雾图像，若第二视频图像中存在烟雾图像，则产生预警警告。
将热力区域划分为多个热力块，在计算热力块中的热力值，并选取最大热力值的热力块，计算相应热力块的热力值，通过热力值对热力块的温度进行计算，判断温度值H与预设温度之间的关系，对被监测地点中此时此刻是否存在火情复燃的情况进行确认，且产生的预警信息直接被推送到web后台，web后台在将消息发送到PC端、APP以及微信公众号等公共平台上，提醒相关人员及时处理，以及关联触发预警的监控实时展示现场情况。web端能对预警的整个流程进行展示，管理人员可根据预警流程信息进行宏观分析及应急指挥。公众号及APP能及时收到预警提醒，也可展示预警信息，都需要经预警信息传输到防火监控平台。
温度值H的计算表达式为：
r为热力块的热力均值。
r的计算表达式为：
Q为热力块的集合，qi是热力块中第i个点的热力值。
对第二视频图像中的烟雾识别采用的是现有技术进行识别，将烟雾的颜色模型与背景减除法相结合的算法来提取视频图像中的疑似烟雾区域；提取烟雾的静态纹理特征,基于高斯金字塔的局部二值模式和局部二值模式的方差表示的方法来描述烟雾的纹理信息,得到烟雾得局部和全局纹理特征；然后利用图像分块处理技术与Lucas-Kanada光流法提取烟雾的运动特征，此方法不仅准确性高,而且降低了算法的复杂度与运算时间；最后将提取的多个特征输入SVM中作为火灾烟雾的识别判据,若是得到的特征满足烟雾的判别标准,则发出预警信号。
实施例二
本实施例公开了一种基于AI图像识别火情复燃预测系统，预测系统用于实现实施例一中的预测方法，如图2所示，系统包括：
图像采集模块，用于获取同一地点在同一时间段的第一视频图像与第二视频图像；图像采集模块包括红外摄像头与可见光摄像头，通过监控设备上的双光谱摄像机进行获取，识别到的监测地点的复燃率更高。
图像处理模块，用于检测第一视频图像中热力区域是否随着拍摄时间的增加而增大，若是，将热力区域划分为n个热力块，基于热力块的热力值r，获得热力块的温度值H；
预警分析模块，用于将温度值H与预设温度比较，当温度值H超过预设温度时，发出预警警告，当温度值H趋近预设温度时，识别第二视频图像中是否存在烟雾图像，若第二视频图像中存在烟雾图像，则产生预警警告。
如图3所示，020年11月16日08:17:22盐源县泸沽湖镇，基于本发明所属系统安装的名为“泸沽湖1号监控”的设备，通过前置流媒体程序将设备实时流转为帧图送与算法分析，算法识别到烟雾产生，遂通知流媒体截取预警视频，并推送预警消息到web后台，web后台程序将消息转发到PC端、APP、微信公众号，当地防火办及护林队员均收到预警消息，后来烟雾升级为火灾，所幸相关人员及时收到了预警，且迅速前往事发地在火焰较小时将其扑灭，未造成人员财产损失。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于AI图像识别火情复燃预测方法，其特征在于，包括以下步骤：
S1：获取同一地点在同一时间段的第一视频图像与第二视频图像，所述第一视频图像为红外视频，所述第二视频图像为可见光视频；
S2：检测第一视频图像中热力区域是否随着拍摄时间的增加而增大，若是，将热力区域划分为n个热力块，基于热力块的热力值r，获得热力块的温度值H；
S3：将温度值H与预设温度比较，当温度值H超过预设温度时，发出预警警告，当温度值H趋近预设温度时，识别第二视频图像中是否存在烟雾图像，若第二视频图像中存在烟雾图像，则产生预警警告；
所述步骤S2中，检测第一视频中的热力区域是否随着拍摄时间的增加而增大的具体步骤为：
将第一视频图像抽帧为帧图图片，并基于帧图图片的图像像素值计算帧图图片的热力区域；
选择第t秒帧图图片的热力区域，将该帧图图片中的热力区域分别与第t-1秒帧图图片中的热力区域、第t-5秒帧图图片中的热力区域以及第t-10秒帧图图片中的热力区域做差值运算，获得第一差值、第二差值以及第三差值，判断第一差值与第二差值与第三差值为正数的个数；
直到对所有帧图图片遍历完成，检测所得到的所有差值为正数值的个数是否达到预设个数P，若达到预设个数P，则第一视频中的热力区域随着拍摄时间的增加而增大；
所述r的计算表达式为：
Q为热力块的集合，qi是热力块中第i个点的热力值。
2.根据权利要求1所述的一种基于AI图像识别火情复燃预测方法，其特征在于，所述热力区域计算表达式为：
P(i,j)为像素均值，T为预设阈值。
3.根据权利要求1所述的一种基于AI图像识别火情复燃预测方法，其特征在于，所述温度值H的计算表达式为：
r为热力块的热力均值。
4.根据权利要求2所述的一种基于AI图像识别火情复燃预测方法，其特征在于，所述预设阈值T为150。
5.一种基于AI图像识别火情复燃预测系统，其特征在于，实现如权利要求1～4任一一种所述的检测方法，所述系统包括：
图像采集模块，用于获取同一地点在同一时间段的第一视频图像与第二视频图像；
图像处理模块，用于检测第一视频图像中热力区域是否随着拍摄时间的增加而增大，若是，将热力区域划分为n个热力块，基于热力块的热力值r，获得热力块的温度值H；
预警分析模块，用于将温度值H与预设温度比较，当温度值H超过预设温度时，发出预警警告，当温度值H趋近预设温度时，识别第二视频图像中是否存在烟雾图像，若第二视频图像中存在烟雾图像，则产生预警警告。
6.根据权利要求5所述的一种基于AI图像识别火情复燃预测方法，其特征在于，所述图像采集模块包括红外摄像头与可见光摄像头。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011638658.7A CN112785809B (zh) | 2020-12-31 | 2020-12-31 | 一种基于ai图像识别火情复燃预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011638658.7A CN112785809B (zh) | 2020-12-31 | 2020-12-31 | 一种基于ai图像识别火情复燃预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112785809A CN112785809A (zh) | 2021-05-11 |
| CN112785809B true CN112785809B (zh) | 2022-08-16 |
Family
ID=75755076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011638658.7A Active CN112785809B (zh) | 2020-12-31 | 2020-12-31 | 一种基于ai图像识别火情复燃预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112785809B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113393486B (zh) * | 2021-06-23 | 2023-02-03 | 英特灵达信息技术(深圳)有限公司 | 一种异常事件监测方法、智能监测终端及系统 |
| CN115063942B (zh) * | 2022-08-04 | 2022-11-29 | 广东广宇科技发展有限公司 | 消防火灾复燃监测预警方法、装置、电子设备及存储介质 |
| CN116543522B (zh) * | 2023-06-06 | 2024-02-09 | 应急管理部沈阳消防研究所 | 一种基于ai图像复合的测温式电气火灾探测装置及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2450975A1 (de) * | 1974-10-26 | 1976-04-29 | Preussag Ag Minimax | Eigenstaendige meldeeinrichtung fuer den feuer- oder diebstahlschutz |
| CN102163361A (zh) * | 2011-05-16 | 2011-08-24 | 公安部沈阳消防研究所 | 一种基于前景累积图像的图像型火灾探测方法 |
| CN103065124A (zh) * | 2012-12-24 | 2013-04-24 | 成都国科海博计算机系统有限公司 | 一种烟检测方法、装置及火灾检测装置 |
| CN106297142A (zh) * | 2016-08-17 | 2017-01-04 | 云南电网有限责任公司电力科学研究院 | 一种无人机山火勘探控制方法及系统 |
| CN108335454A (zh) * | 2018-01-15 | 2018-07-27 | 浙江大华技术股份有限公司 | 一种火情检测方法及装置 |
| CN110334685A (zh) * | 2019-07-12 | 2019-10-15 | 创新奇智(北京)科技有限公司 | 火焰检测方法、火焰检测模型训练方法、存储介质及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100538757C (zh) * | 2005-12-07 | 2009-09-09 | 浙江工业大学 | 基于全方位视觉传感器的火灾监控装置 |
| CN110060444A (zh) * | 2019-03-11 | 2019-07-26 | 视联动力信息技术股份有限公司 | 一种基于视联网的火灾预警系统和方法 |
| CN110174173A (zh) * | 2019-05-24 | 2019-08-27 | 任运涛 | 火灾预防方法以及系统 |
| CN111223152B (zh) * | 2019-11-18 | 2023-09-26 | 燕山大学 | 一种火源的识别方法及系统 |
-
2020
- 2020-12-31 CN CN202011638658.7A patent/CN112785809B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2450975A1 (de) * | 1974-10-26 | 1976-04-29 | Preussag Ag Minimax | Eigenstaendige meldeeinrichtung fuer den feuer- oder diebstahlschutz |
| CN102163361A (zh) * | 2011-05-16 | 2011-08-24 | 公安部沈阳消防研究所 | 一种基于前景累积图像的图像型火灾探测方法 |
| CN103065124A (zh) * | 2012-12-24 | 2013-04-24 | 成都国科海博计算机系统有限公司 | 一种烟检测方法、装置及火灾检测装置 |
| CN106297142A (zh) * | 2016-08-17 | 2017-01-04 | 云南电网有限责任公司电力科学研究院 | 一种无人机山火勘探控制方法及系统 |
| CN108335454A (zh) * | 2018-01-15 | 2018-07-27 | 浙江大华技术股份有限公司 | 一种火情检测方法及装置 |
| CN110334685A (zh) * | 2019-07-12 | 2019-10-15 | 创新奇智(北京)科技有限公司 | 火焰检测方法、火焰检测模型训练方法、存储介质及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 基于帧间差分的火灾预警研究;李延军等;《微计算机应用》;20101015;第31卷(第10期);1-4 * |
| 李延军等.基于帧间差分的火灾预警研究.《微计算机应用》.2010,第31卷(第10期),1-4. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112785809A (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112785809B (zh) | 一种基于ai图像识别火情复燃预测方法及系统 | |
| CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
| CN101334924B (zh) | 一种火灾探测系统及其火灾探测方法 | |
| CN103150856B (zh) | 火灾火焰视频监测预警系统 | |
| KR102407327B1 (ko) | 화재감지장치 및 이를 포함하는 화재감지시스템 | |
| CN111932709A (zh) | 一种基于ai识别实现加油站巡检作业违规安全监管的方法 | |
| CN113223046B (zh) | 一种监狱人员行为识别的方法和系统 | |
| CN108932814A (zh) | 一种嵌入式图像型厨房火灾报警装置 | |
| KR20200052418A (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
| CN116434533A (zh) | 一种基于5g的ai智慧公路隧道综合监测平台 | |
| CN212782246U (zh) | 一种基于人工智能的烟火识别系统 | |
| CN201091014Y (zh) | 一种火灾探测装置 | |
| CN110853287A (zh) | 一种基于物联网分布式架构的火焰实时监控系统及方法 | |
| KR20200017594A (ko) | 딥 러닝과 멀티 에이전트를 활용한 대규모 개체 식별 및 추적 방법 | |
| CN109145714A (zh) | 一种人脸图像识别对重点管控人员进行跟踪预警方法 | |
| Arul et al. | Fire detection system using machine learning | |
| KR20100036717A (ko) | 전력선통신기반의 화재 방어시스템 | |
| Kumar et al. | Computer vision-based early fire detection using machine learning | |
| KR20210013865A (ko) | 생성적 대립 네트워크를 이용한 사람의 비정상 행동 탐지 시스템 및 방법 | |
| CN116246401A (zh) | 一种社区公共区域管理的监控系统 | |
| KR102630275B1 (ko) | 다중카메라 화재감지기 | |
| CN116206253A (zh) | 基于深度学习的工地动火行为检测判断方法及系统 | |
| CN115457331A (zh) | 一种施工场所的智能巡检方法及系统 | |
| CN115762046A (zh) | 一种建筑物顶部轻生者预警与干预装置 | |
| KR102507540B1 (ko) | 인공지능 기반의 통합 화재 감시 시스템 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: No. 1, Floor 10, Building 2, No. 11, Wuke East 4th Road, Wuhou District, Chengdu, Sichuan, 610041 Patentee after: Sichuan Honghe Communication Group Co.,Ltd. Address before: No.1, 10th floor, building 2, No.11, Wuke Dongsi Road, Wuhou District, Chengdu, Sichuan 610000 Patentee before: SICHUAN HONGHE COMMUNICATION Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: No. 1, Floor 10, Building 2, No. 11, Wuke East 4th Road, Wuhou District, Chengdu, Sichuan, 610041 Patentee after: Sichuan Honghe Digital Intelligence Group Co.,Ltd. Address before: No. 1, Floor 10, Building 2, No. 11, Wuke East 4th Road, Wuhou District, Chengdu, Sichuan, 610041 Patentee before: Sichuan Honghe Communication Group Co.,Ltd. |