CN113379999A - 火情检测方法、装置、电子设备及存储介质 - Google Patents
火情检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113379999A CN113379999A CN202110694196.9A CN202110694196A CN113379999A CN 113379999 A CN113379999 A CN 113379999A CN 202110694196 A CN202110694196 A CN 202110694196A CN 113379999 A CN113379999 A CN 113379999A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- fire
- distance
- fire detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 28
- 239000000779 smoke Substances 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本申请提供了一种火情检测方法、装置、电子设备及存储介质,涉及火灾检测技术领域。方法包括通过火情检测模型对采集到的图像序列进行火情检测;当从图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像;从与第一图像帧相隔预设时间间隔且由摄像机以相同相机参数所采集到的第二图像帧中,提取出第一坐标区域内的第三图像以及第二坐标区域内的第四图像;计算第一图像与第三图像的第一图像距离以及第二图像与第四图像的第二图像距离;基于第一图像距离与第二图像距离的差值确定出当前是否发生火情。本申请提供的方案可以准确检测出是否发生火情,避免出现误检。
Description
技术领域
本申请涉及火灾检测技术领域,尤其涉及一种火情检测方法、装置、电子设备及存储介质。
背景技术
目前,对于火情检测常用的一种方式是通过目标检测从背景中分离出火焰或烟雾,从而识别出是否发生火情。然而,在光照较差或者较为复杂的环境中,其检测效果不佳,容易出现误检的情形。
因此,如何提供一种有效的方案,以便于对火情进行准确识别,已逐渐成为现有技术中一亟待解决的难题。
发明内容
第一方面,本申请实施例提供了一种火情检测方法,包括:
通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
在一个可能的设计中,当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,所述方法还包括:
记录所述摄像机采集所述第一图像帧时所对应的时间戳和相机参数;
基于所述时间戳和所述相机参数,控制所述摄像机在与所述时间戳相隔所述预设时间间隔后的时间点以所述相机参数采集图像。
在一个可能的设计中,所述基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情,包括:
当所述第一图像距离与所述第二图像距离的差值绝对值超过预设阈值,则判定当前已发生火情;
否则,判定当前未发生火情。
在一个可能的设计中,在判定当前已发生火情后,所述方法还包括:
根据所述相机参数估算出火情的位置信息;
向远端的终端设备发送报警信号,所述报警信号中携带有所述位置信息。
在一个可能的设计中,所述第一图像距离和所述第二图像距离均为汉明距离或欧式距离。
在一个可能的设计中,在通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测之前,所述方法还包括:
对所述图像序列中的各图像帧进行去抖动处理。
在一个可能的设计中,所述火情检测模型为R-CNN模型或YOLO模型。
第二方面,本申请实施例提供了一种火情检测装置,包括:
火情检测模块,用于通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
第一提取模块,用于当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
第二提取模块,用于从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算模块,用于计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
确定模块,用于基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
第三方面,本申请实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序,实现以下流程:
通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现以下流程:
通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
本申请一个或多个实施例采用的上述至少一个技术方案能够达到以下有益效果:
由于当从图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,从与第一图像帧相隔预设时间间隔且由摄像机以相同相机参数所采集到的第二图像帧中,提取出第一坐标区域内的第三图像以及第二坐标区域内的第四图像,并计算第一图像与第三图像的第一图像距离以及第二图像与第四图像的第二图像距离,然后基于第一图像距离与第二图像距离的差值确定出当前是否发生火情。如此,可在检测出表征存在火灾隐患的目标对象时,可通过提取图像并计算图像距离进行校验,从而准确检测出是否发生火情,避免出现误检的情形。
附图说明
此处所说明的附图用来提供对本文件的进一步理解,构成本文件的一部分,本文件的示意性实施例及其说明用于解释本文件,并不构成对本文件的不当限定。在附图中:
图1为本申请一个实施例提供的火情检测方法、装置、电子设备及存储介质的应用环境示意图。
图2为本申请一个实施例提供的火情检测方法的流程图。
图3为本申请一个实施例提供的电子设备的结构示意图。
图4为本申请一个实施例提供的火情检测装置的结构示意图。
具体实施方式
为了对火情进行准确检测,本申请实施例提供了一种火情检测方法、装置、电子设备及存储介质,该火情检测方法、装置、电子设备及存储介质可准确检测出是否发生火情,避免出现误检。
首先,为了更直观地理解本申请实施例提供的方案,下面结合图1,对本申请实施例提供的火情检测方案的系统架构进行说明。
如图1所示,是本申请一个或多个实施例提供的火情检测方法、装置、电子设备及存储介质的应用环境示意图。如图1所示,边缘计算设备与摄像机连接,并通过网络与远端的终端设备通信连接。所述边缘计算设备可以是,但不限于工控机、装有GPU的嵌入式系统等。所述终端设备可以是,但不限于控制中心的主机、智能手机、平板电脑等。
下面将对本申请实施例提供的火情检测方法进行详细说明。
本申请实施例提供的火情检测方法可应用于边缘计算设备。为便于描述,除特别说明外,本申请实施例均以边缘计算设备为执行主体进行说明。
可以理解,所述执行主体并不构成对本申请实施例的限定。
本申请实施例提供了一种火情检测方法,该方法用于对火情进行检测。如图2所示,本申请实施例提供的火情检测方法可以包括如下步骤:
步骤S201,通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测。
本申请实施例中,预先建立有用于火情检测的火情检测模型,该火情检测模型可以是以摄像机所采集的图像作为输入,图像中的表征存在火灾隐患的目标对象作为输出进行训练得到的,所述目标对象可以是火焰或烟雾。
在进行检测时,摄像机将获取到的视频发送给边缘计算设备,边缘计算设备提取出视频中的每帧图像得到图像序列,并将图像序列作为火情检测模型的输入,如果可能存在火情则输会出目标对象,如果不存在火情则无输出。其中,所述火情检测模型可以采用,但不限于R-CNN模型或YOLO模型等,本申请实施例中不做具体限定。
本申请实施例中,边缘计算设备在提取出视频中的每帧图像时,可通过但不限于OpenCV库或imageio库结合skimage库等方法按帧读取视频中的图像。
进一步的,在通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测之前,还可以对图像序列中的各图像帧进行去抖动处理,以避免由于风力过大导致摄像头抖动,从而导致图像抖动而无法准确检测出火情的问题。
步骤S202,当从图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像。
其中,第二坐标区域内为第一坐标区域之外的区域。
如果图像序列中的某一帧或多帧图像输入到火情检测模型后,输出表征存在火灾隐患的目标对象,则此时从该一帧或多帧图像中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像。为便于描述,本身实施例中将该一帧或多帧图像称之为第一图像帧。
为方便计算,本申请实施例中的第一坐标区域和第二坐标区域均设置为矩形区域。可以理解的,在其他的一些实施例中,第一坐标区域和第二坐标区域也可设置为其他形状,如圆形、椭圆形等。
步骤S203,从与第一图像帧相隔预设时间间隔且由摄像机以相同相机参数所采集到的第二图像帧中,提取出第一坐标区域内的第三图像以及第二坐标区域内的第四图像。
其中,所述相机参数包括相机角度和相机焦距。
具体的,当从图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,边缘计算设备会记录摄像机采集所述第一图像帧时所对应的时间戳和相机参数,然后根据所述时间戳和所述相机参数控制所述摄像机在与所述时间戳相隔所述预设时间间隔后的时间点以所述相机参数采集图像,所采集到的图像序列中该时间点所对应的图像帧即为第二图像帧。然后从第二图像帧中提取出第一坐标区域内的第三图像以及第二坐标区域内的第四图像。
例如,在一个实施例中,第一坐标区域为像素横坐标为[1,100],像素纵坐标为[101,200]的矩形区域,第二坐标区域为像素横坐标为[201,300],像素纵坐标为[301,400]的矩形区域。采集第一图像帧时所对应的时间戳为12时 34分56秒0毫秒,预设时间间隔为5秒,相机参数中的相机角度为60°、相机焦距为50mm。则边缘计算设备则会控制摄像机在12时35分1秒0毫秒时以60°相机角度、50mm焦距采集图像,并将12时35分1秒0毫秒时所采集到的那一帧图像作为第二图像帧。然后在第二图像帧中提取像素横坐标为[1, 100],像素纵坐标为[101,200]的矩形图像作为第三图像,在第二图像帧中提取像素横坐标为[201,300],像素纵坐标为[301,400]的矩形图像作为第四图像。
步骤S204,计算第一图像与第三图像的第一图像距离以及第二图像与第四图像的第二图像距离。
其中,第一图像距离和第二图像距离可以是,但不限于汉明距离或欧式距离。需要说明的是,第一图像距离与第二图像距离需为同类型的图像距离,例如当第一图像距离为欧式距离时,第二图像距离则也必然为欧式距离。
步骤S205,基于第一图像距离与第二图像距离的差值确定出当前是否发生火情。
具体的,边缘计算设备预先定义有一用于判定当前是否发生火情的预设阈值,在确定当前是否发生火情时,可计算第一图像距离与第二图像距离的差值绝对值,判断第一图像距离与第二图像距离的差值绝对值是否超过该预设阈值,如果第一图像距离与第二图像距离的差值绝对值超过该预设阈值,则说明第一坐标区域内的图像变化程度远超过第二坐标区域内的图像变化程度,符合火情发生时目标对象(火焰或烟雾)的变化规律,此时判定当前已发生火情。如果第一图像距离与第二图像距离的差值绝对值未超过该预设阈值,则说明第一坐标区域内的图像变化程度与第二坐标区域内的图像变化程度保持一致,不符合火情发生时目标对象的变化规律,此时判定当前未发生火情。
进一步的,本申请实施例中,在判定当前已发生火情后,还可根据相机参数估算出火情的位置信息,然后向远端的终端设备发送报警信号,所述报警信号中携带有所述位置信息,以便终端设备处的相关人员远程控制摄像机转动或变焦以获取该位置信息所对应位置的图像,以进一步确认火情。
综上所述,本申请实施例提供的火情检测方法,当从图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,从与第一图像帧相隔预设时间间隔且由摄像机以相同相机参数所采集到的第二图像帧中,提取出第一坐标区域内的第三图像以及第二坐标区域内的第四图像,并计算第一图像与第三图像的第一图像距离以及第二图像与第四图像的第二图像距离,然后基于第一图像距离与第二图像距离的差值确定出当前是否发生火情。如此,可在检测出表征存在火灾隐患的目标对象时,可通过提取图像并计算图像距离进行校验,从而准确检测出是否发生火情,避免出现误检的情形。同时,在通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测之前,还可以对图像序列中的各图像帧进行去抖动处理,以避免由于风力过大导致摄像头抖动,从而导致图像抖动而无法准确检测出火情的问题。另外,在判定当前已发生火情后,还可根据相机参数估算出火情的位置信息,并向远端的终端设备发送携带该位置信息的报警信号,以便终端设备处的相关人员远程控制摄像机转动或变焦以获取该位置信息所对应位置的图像,以进一步确认火情,方便相关人员进行火情确认和实时控制调节。
图3是本申请的一个实施例提供的电子设备的结构示意图。请参考图3,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成火情检测装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
上述如本申请图3所示实施例揭示的火情检测装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field -Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请一个或多个实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图2的方法,并实现火情检测装置在图3所示实施例的功能,本申请实施例在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图2所示实施例的方法,并具体用于执行以下操作:
通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
图4是本申请的一个实施例提供的火情检测装置的结构示意图。请参阅图 4,在一种软件实施方式中,火情检测装置包括:
火情检测模块,用于通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
第一提取模块,用于当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
第二提取模块,用于从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算模块,用于计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
确定模块,用于基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
总之,以上所述仅为本文件的较佳实施例而已,并非用于限定本文件的保护范围。凡在本文件的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本文件的保护范围之内。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本文件中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (10)
1.一种火情检测方法,其特征在于,包括:
通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
2.根据权利要求1所述的方法,其特征在于,当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,所述方法还包括:
记录所述摄像机采集所述第一图像帧时所对应的时间戳和相机参数;
基于所述时间戳和所述相机参数,控制所述摄像机在与所述时间戳相隔所述预设时间间隔后的时间点以所述相机参数采集图像。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情,包括:
当所述第一图像距离与所述第二图像距离的差值绝对值超过预设阈值,则判定当前已发生火情;
否则,判定当前未发生火情。
4.根据权利要求3所述的方法,其特征在于,在判定当前已发生火情后,所述方法还包括:
根据所述相机参数估算出火情的位置信息;
向远端的终端设备发送报警信号,所述报警信号中携带有所述位置信息。
5.根据权利要求1所述的方法,其特征在于,所述第一图像距离和所述第二图像距离均为汉明距离或欧式距离。
6.根据权利要求1所述的方法,其特征在于,在通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测之前,所述方法还包括:
对所述图像序列中的各图像帧进行去抖动处理。
7.根据权利要求1所述的方法,其特征在于,所述火情检测模型为R-CNN模型或YOLO模型。
8.一种火情检测装置,其特征在于,包括:
火情检测模块,用于通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
第一提取模块,用于当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
第二提取模块,用于从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算模块,用于计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
确定模块,用于基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序,实现以下流程:
通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
10.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现以下流程:
通过预先训练的火情检测模型对摄像机采集到的图像序列进行火情检测;
当从所述图像序列的第一图像帧中检测出表征存在火灾隐患的目标对象时,从所述第一图像帧中提取出目标对象所在的第一坐标区域内的第一图像以及第二坐标区域内的第二图像,所述第二坐标区域内为所述第一坐标区域之外的区域;
从与所述第一图像帧相隔预设时间间隔且由所述摄像机以相同相机参数所采集到的第二图像帧中,提取出所述第一坐标区域内的第三图像以及所述第二坐标区域内的第四图像,所述相机参数包括相机角度和相机焦距;
计算所述第一图像与所述第三图像的第一图像距离以及所述第二图像与所述第四图像的第二图像距离;
基于所述第一图像距离与所述第二图像距离的差值确定出当前是否发生火情;
其中,所述目标对象为火焰或烟雾。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694196.9A CN113379999B (zh) | 2021-06-22 | 2021-06-22 | 火情检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694196.9A CN113379999B (zh) | 2021-06-22 | 2021-06-22 | 火情检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113379999A true CN113379999A (zh) | 2021-09-10 |
CN113379999B CN113379999B (zh) | 2024-05-24 |
Family
ID=77578422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110694196.9A Active CN113379999B (zh) | 2021-06-22 | 2021-06-22 | 火情检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379999B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223324A (zh) * | 2022-06-16 | 2022-10-21 | 中电云数智科技有限公司 | 一种烟雾实时监控方法及系统 |
CN115880598A (zh) * | 2023-02-15 | 2023-03-31 | 深圳市蜉飞科技有限公司 | 一种基于无人机的地面图像检测方法及相关装置 |
CN117593588A (zh) * | 2023-12-14 | 2024-02-23 | 小黄蜂智能科技(广东)有限公司 | 火焰影像的智能识别方法及装置 |
CN117968851A (zh) * | 2023-12-29 | 2024-05-03 | 大湾区大学(筹) | 基于红外热成像协同传感的火灾定位方法、装置和介质 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002123833A (ja) * | 2000-10-18 | 2002-04-26 | Victor Co Of Japan Ltd | 画像処理装置 |
US20050117215A1 (en) * | 2003-09-30 | 2005-06-02 | Lange Eric B. | Stereoscopic imaging |
CN101807257A (zh) * | 2010-05-12 | 2010-08-18 | 上海交通大学 | 图像标签信息识别方法 |
CN102497509A (zh) * | 2011-12-14 | 2012-06-13 | 哈尔滨工业大学 | 森林火点去扰动单点定位装置及基于该装置的定位方法 |
KR20120089527A (ko) * | 2010-12-16 | 2012-08-13 | 김인선 | 홍채 인식 방법 및 시스템 |
US20140044361A1 (en) * | 2011-02-21 | 2014-02-13 | Enswers Co., Ltd. | Device and method for analyzing the correlation between an image and another image or between an image and a video |
KR101432440B1 (ko) * | 2013-04-29 | 2014-08-21 | 홍익대학교 산학협력단 | 화재 연기 감지 방법 및 장치 |
CN107025652A (zh) * | 2017-05-05 | 2017-08-08 | 太原理工大学 | 一种基于运动特性和颜色时空信息的火焰检测方法 |
KR20180098945A (ko) * | 2017-02-27 | 2018-09-05 | 주식회사 에스원 | 고정형 단일 카메라를 이용한 차량 속도 감지 방법 및 장치 |
CN108898185A (zh) * | 2018-07-03 | 2018-11-27 | 北京字节跳动网络技术有限公司 | 用于生成图像识别模型的方法和装置 |
CN109726620A (zh) * | 2017-10-31 | 2019-05-07 | 北京国双科技有限公司 | 一种视频火焰检测方法及装置 |
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 |
CN110688926A (zh) * | 2019-09-19 | 2020-01-14 | Oppo广东移动通信有限公司 | 主体检测方法和装置、电子设备、计算机可读存储介质 |
CN110796008A (zh) * | 2019-09-27 | 2020-02-14 | 天津大学 | 一种基于视频图像的早期火灾检测方法 |
CN111489342A (zh) * | 2020-04-09 | 2020-08-04 | 西安星舟天启智能装备有限责任公司 | 一种基于视频的火焰检测方法、系统及可读存储介质 |
CN112001375A (zh) * | 2020-10-29 | 2020-11-27 | 成都睿沿科技有限公司 | 一种火焰检测方法、装置、电子设备及存储介质 |
CN112132090A (zh) * | 2020-09-28 | 2020-12-25 | 天地伟业技术有限公司 | 一种基于yolov3的烟火自动检测预警方法 |
CN112132136A (zh) * | 2020-09-11 | 2020-12-25 | 华为技术有限公司 | 一种目标跟踪方法和装置 |
CN112954318A (zh) * | 2021-01-19 | 2021-06-11 | 西安万像电子科技有限公司 | 数据编码方法及装置 |
-
2021
- 2021-06-22 CN CN202110694196.9A patent/CN113379999B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002123833A (ja) * | 2000-10-18 | 2002-04-26 | Victor Co Of Japan Ltd | 画像処理装置 |
US20050117215A1 (en) * | 2003-09-30 | 2005-06-02 | Lange Eric B. | Stereoscopic imaging |
CN101807257A (zh) * | 2010-05-12 | 2010-08-18 | 上海交通大学 | 图像标签信息识别方法 |
KR20120089527A (ko) * | 2010-12-16 | 2012-08-13 | 김인선 | 홍채 인식 방법 및 시스템 |
US20140044361A1 (en) * | 2011-02-21 | 2014-02-13 | Enswers Co., Ltd. | Device and method for analyzing the correlation between an image and another image or between an image and a video |
CN102497509A (zh) * | 2011-12-14 | 2012-06-13 | 哈尔滨工业大学 | 森林火点去扰动单点定位装置及基于该装置的定位方法 |
KR101432440B1 (ko) * | 2013-04-29 | 2014-08-21 | 홍익대학교 산학협력단 | 화재 연기 감지 방법 및 장치 |
KR20180098945A (ko) * | 2017-02-27 | 2018-09-05 | 주식회사 에스원 | 고정형 단일 카메라를 이용한 차량 속도 감지 방법 및 장치 |
CN107025652A (zh) * | 2017-05-05 | 2017-08-08 | 太原理工大学 | 一种基于运动特性和颜色时空信息的火焰检测方法 |
CN109726620A (zh) * | 2017-10-31 | 2019-05-07 | 北京国双科技有限公司 | 一种视频火焰检测方法及装置 |
CN108898185A (zh) * | 2018-07-03 | 2018-11-27 | 北京字节跳动网络技术有限公司 | 用于生成图像识别模型的方法和装置 |
CN110688926A (zh) * | 2019-09-19 | 2020-01-14 | Oppo广东移动通信有限公司 | 主体检测方法和装置、电子设备、计算机可读存储介质 |
CN110796008A (zh) * | 2019-09-27 | 2020-02-14 | 天津大学 | 一种基于视频图像的早期火灾检测方法 |
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 |
CN111489342A (zh) * | 2020-04-09 | 2020-08-04 | 西安星舟天启智能装备有限责任公司 | 一种基于视频的火焰检测方法、系统及可读存储介质 |
CN112132136A (zh) * | 2020-09-11 | 2020-12-25 | 华为技术有限公司 | 一种目标跟踪方法和装置 |
CN112132090A (zh) * | 2020-09-28 | 2020-12-25 | 天地伟业技术有限公司 | 一种基于yolov3的烟火自动检测预警方法 |
CN112001375A (zh) * | 2020-10-29 | 2020-11-27 | 成都睿沿科技有限公司 | 一种火焰检测方法、装置、电子设备及存储介质 |
CN112954318A (zh) * | 2021-01-19 | 2021-06-11 | 西安万像电子科技有限公司 | 数据编码方法及装置 |
Non-Patent Citations (1)
Title |
---|
赵伟伟: "基于图像处理的火焰检测算法研究", 科学技术创新, 5 February 2020 (2020-02-05), pages 58 - 59 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223324A (zh) * | 2022-06-16 | 2022-10-21 | 中电云数智科技有限公司 | 一种烟雾实时监控方法及系统 |
CN115880598A (zh) * | 2023-02-15 | 2023-03-31 | 深圳市蜉飞科技有限公司 | 一种基于无人机的地面图像检测方法及相关装置 |
CN117593588A (zh) * | 2023-12-14 | 2024-02-23 | 小黄蜂智能科技(广东)有限公司 | 火焰影像的智能识别方法及装置 |
CN117968851A (zh) * | 2023-12-29 | 2024-05-03 | 大湾区大学(筹) | 基于红外热成像协同传感的火灾定位方法、装置和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113379999B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113379999B (zh) | 火情检测方法、装置、电子设备及存储介质 | |
CN109190539B (zh) | 人脸识别方法及装置 | |
CN108256404B (zh) | 行人检测方法和装置 | |
CN110659397B (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
WO2017107647A1 (zh) | 一种基于摄像机的监控方法、装置及系统 | |
CN111726689B (zh) | 一种视频播放控制方法及装置 | |
CN109086734B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
CN111935319B (zh) | 一种基于车辆终端系统的监控处理方法、系统及相关设备 | |
CN113628404A (zh) | 一种减少无效告警的方法及装置 | |
CN110969045B (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
CN112333356B (zh) | 一种证件图像采集方法、装置和设备 | |
US20150078618A1 (en) | System for tracking dangerous situation in cooperation with mobile device and method thereof | |
CN112215037A (zh) | 对象追踪方法及装置、电子设备及计算机可读存储介质 | |
CN105430247A (zh) | 一种利用摄像设备拍摄照片的方法与设备 | |
CN109102026A (zh) | 一种车辆图像检测方法、装置及系统 | |
CN115641701A (zh) | 一种事件提醒方法、装置、设备及存储介质 | |
CN111476132A (zh) | 视频场景识别方法、装置及电子设备、存储介质 | |
US10965858B2 (en) | Image processing apparatus, control method thereof, and non-transitory computer-readable storage medium for detecting moving object in captured image | |
CN114973053A (zh) | 检测方法、装置和系统、存储介质及计算机设备 | |
CN115883959B (zh) | 用于隐私保护的画面内容控制方法及相关产品 | |
CN111369750A (zh) | 一种检测方法、装置、系统和电子设备 | |
CN111813983A (zh) | 一种异常体温预警方法、装置及系统 | |
CN108737733B (zh) | 信息提示方法和装置、电子设备、计算机可读存储介质 | |
CN113378953B (zh) | 火灾检测模型的训练样本制作方法、装置、设备及介质 | |
CN115426350A (zh) | 图像上传方法、图像上传装置、电子设备和存储介质 |
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 |