CN113435393A - 森林火灾烟雾根节点检测方法、装置和设备 - Google Patents

森林火灾烟雾根节点检测方法、装置和设备 Download PDF

Info

Publication number
CN113435393A
CN113435393A CN202110786556.8A CN202110786556A CN113435393A CN 113435393 A CN113435393 A CN 113435393A CN 202110786556 A CN202110786556 A CN 202110786556A CN 113435393 A CN113435393 A CN 113435393A
Authority
CN
China
Prior art keywords
root node
smoke root
binary image
suspicious
image frame
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
Application number
CN202110786556.8A
Other languages
English (en)
Other versions
CN113435393B (zh
Inventor
程朋乐
孙冰剑
王强
闫磊
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.)
Beijing Forestry University
Original Assignee
Beijing Forestry 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 Beijing Forestry University filed Critical Beijing Forestry University
Priority to CN202110786556.8A priority Critical patent/CN113435393B/zh
Publication of CN113435393A publication Critical patent/CN113435393A/zh
Application granted granted Critical
Publication of CN113435393B publication Critical patent/CN113435393B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本公开的实施例公开了森林火灾烟雾根节点检测方法、装置和设备。该方法的一具体实施方式包括：对视频进行前景区域检测，得到二值图像帧集合；确定二值图像帧集合中目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合；若可疑烟雾根节点坐标集合为空集，则确定目标视频中不包括烟雾根节点，若为非空集，则进入下一步；基于可疑烟雾根节点坐标和可疑烟雾根节点坐标周围设定范围内的像素点坐标在目标视频的设定帧中的像素值，对可疑烟雾根节点坐标进行分类；基于可疑烟雾根节点坐标的类别，生成检测结果。该实施方式加速了烟雾根节点的检测，更能满足烟雾检测对实时性的要求。

Description

森林火灾烟雾根节点检测方法、装置和设备
技术领域
本公开的实施例涉及计算机技术领域，具体涉及一种基于时空域特征的森林火灾烟雾根节点检测方法、装置、设备和计算机可读介质。
背景技术
基于视频图像的烟检测技术主流方法大致可以分为基于颜色强度、基于动态检测、基于纹理检测三大种类。虽然在检测方法发展的过程中出现了特征融合、多特征提取、光流法等新种类检测方法，但究其根源依然是对颜色、动态、纹理三大特征的更新融合改进，基于这些特征的检测在保证检测效果的情况下难以保证检测的实时性。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了一种森林火灾烟雾根节点检测方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的一些实施例提供了一种森林火灾烟雾根节点检测方法，该方法包括：对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合；确定二值图像帧集合中的目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合；确定可疑烟雾根节点坐标集合是否为空集，若为空集，则确定目标视频中不包括烟雾根节点，若为非空集，则进入下一步；对于可疑烟雾根节点坐标集合中的每个可疑烟雾根节点坐标，基于可疑烟雾根节点坐标和可疑烟雾根节点坐标周围设定范围内的像素点坐标在目标视频的设定帧中的像素值，对可疑烟雾根节点坐标进行分类，得到可疑烟雾根节点坐标的类别；基于可疑烟雾根节点坐标的类别，生成检测结果。
第二方面，本公开的一些实施例提供了一种森林火灾烟雾根节点检测装置，装置包括：检测单元，被配置为对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合；第一确定单元，被配置为确定二值图像帧集合中的目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合；第二确定单元，被配置为确定可疑烟雾根节点坐标集合是否为空集，若为空集，则确定目标视频中不包括烟雾根节点，若为非空集，则进入下一步；分类单元，被配置为对于可疑烟雾根节点坐标集合中的每个可疑烟雾根节点坐标，基于可疑烟雾根节点坐标和可疑烟雾根节点坐标周围设定范围内的像素点坐标在目标视频的设定帧中的像素值，对可疑烟雾根节点坐标进行分类，得到可疑烟雾根节点坐标的类别；生成单元，被配置为基于可疑烟雾根节点坐标的类别，生成检测结果。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果：通过本公开的一些实施例的森林火灾烟雾根节点检测方法可以加速烟雾根节点的检测，更能满足烟雾检测对实时性的要求。具体来说，发明人发现，造成相关的烟雾检测方法检测速度慢的原因在于方法中使用的数据多、对数据的处理程序复杂。基于此，本公开的一些实施例的森林火灾烟雾根节点检测方法使用了相比纹理颜色等特征，更易于检测的烟雾根特征，并且进一步利用烟雾根的显著特征，包括烟雾根属于前景区域中更稳定的节点、烟雾根周围的像素点较亮，从而大量减少了待处理的数据，对特征进行了降维，在保证检测效果的前提下加快了烟雾的检测速度。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的森林火灾烟雾根节点检测方法的一个应用场景的示意图；
图2是根据本公开的森林火灾烟雾根节点检测方法的一些实施例的流程图；
图3是根据本公开的森林火灾烟雾根节点检测方法的另一些实施例的流程图；
图4是根据本公开的森林火灾烟雾根节点检测装置的一些实施例的结构示意图；
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的一些实施例的森林火灾烟雾根节点检测方法的一个应用场景的示意图。
在图1所示的应用场景中，首先，计算设备101可以对目标视频102进行前景区域检测，得到反映前景区域的二值图像帧集合103。然后，计算设备101可以确定二值图像帧集合103中的目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合104。之后，确定可疑烟雾根节点坐标集合104是否为空集，若为空集，则确定目标视频中不包括烟雾根节点，若为非空集，则进入下一步，在本实施例中，可疑烟雾根节点坐标集合为包括3个元素的非空集，其中，三个元素分别为像素点坐标(50,20)，(55,21)，(55,23)。接下来，对于可疑烟雾根节点坐标集合104中的每个可疑烟雾根节点坐标，基于可疑烟雾根节点坐标和可疑烟雾根节点坐标周围设定范围内的像素点坐标在目标视频的设定帧中的像素值105，对可疑烟雾根节点坐标进行分类，得到可疑烟雾根节点坐标的类别106，在本实施例中，设定范围是可疑烟雾根节点坐标正上方、正下方、正左方和正右方的四个像素点坐标，设定帧是目标视频中的第5帧和第10帧，例如，可疑烟雾根节点坐标(50,20)在目标视频第5帧中正上方的像素点的像素值为(155,15,166)，其中155是红色通道R的分量，15是绿色通道G的分量，166是蓝色通道B的分量。以及，在本实施例中，可疑烟雾根节点坐标集合中每个可疑烟雾根节点坐标的分类结果分别为(50,20)：烟雾根节点、(55,21)：非烟雾跟节点、(55,23)：烟雾根节点。最后，基于可疑烟雾根节点坐标的类别106，生成检测结果107，在本实施例中，对目标视频的检测结果为视频中包含烟雾根节点。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或电子设备组成的分布式集群，也可以实现成单个服务器或单个电子设备。当计算设备体现为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备101的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备101。
继续参考图2，示出了根据本公开的森林火灾烟雾根节点检测方法的一些实施例的流程200。该森林火灾烟雾根节点检测方法，包括以下步骤：
步骤201，对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合。
在一些实施例中，森林火灾烟雾根节点检测方法的执行主体(例如图1所示的计算设备)可以通过帧差法对上述视频进行前景区域检测，得到上述二值图像帧集合。
在一些实施例的可选的实施方式中，上述执行主体可以通过背景减除对上述视频进行前景区域检测，得到上述二值图像帧集合，作为示例，上述执行主体可以使用高斯混合模型对背景进行建模，进一步将背景减除，得到反映前景区域的二值图像帧集合。
在一些实施例的可选的实施方式中，上述执行主体还可以通过光流法对上述视频进行前景区域检测，得到上述二值图像帧集合。
步骤202，确定二值图像帧集合中的目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合。
在一些实施例中，上述执行主体可以通过依次判断每个像素点坐标在上述目标二值图像帧中是否均属于前景区域，若是，则将当前的像素点坐标存入上述可疑烟雾根节点坐标集合。
在一些实施例中，上述执行主体还可以首先将所有像素点坐标存入上述可疑烟雾根节点坐标集合，然后依次判断每个像素点坐标在上述目标二值图像帧中所属的区域，一旦检测到当前像素点在一个目标二值图像帧中不属于前景区域，则将该像素点在上述可疑烟雾根节点坐标集合中删除。
在一些实施例的一些可选的实施方式中，上述目标二值图像帧可以包括通过在上述二值图像帧集合中随机选取的目标数目个二值图像帧组成。
在一些实施例的一些可选的实施方式中，上述目标二值图像帧还可以包括通过在上述二值图像帧集合中以一定间隔选取的二值图像帧组成。
在一些实施例中，上述目标二值图像可以是上述二值图像帧集合中指定序号范围内的二值图像帧组成。
步骤203，确定可疑烟雾根节点坐标集合是否为空集，若为空集，则确定目标视频中不包括烟雾根节点，若为非空集，则进入下一步。
步骤204，对于可疑烟雾根节点坐标集合中的每个可疑烟雾根节点坐标，基于可疑烟雾根节点坐标和可疑烟雾根节点坐标周围设定范围内的像素点坐标在目标视频的设定帧中的像素值，对可疑烟雾根节点坐标进行分类，得到可疑烟雾根节点坐标的类别。
在一些实施例中，上述执行主体可以通过监督学习方法对上述可疑烟雾根节点坐标进行分类，例如通过将可疑烟雾根节点坐标和可疑烟雾根节点坐标周围设定范围内的像素点坐标在目标视频的设定帧中的像素值输入到预先训练好的逻辑回归模型，得到可疑烟雾根节点坐标的类别。
在一些实施例中，上述执行主体还可以通过无监督学习方法对上述可疑烟雾根节点坐标进行分类，例如通过对可疑烟雾根节点坐标进行聚类，得到可疑烟雾根节点坐标的类别。
步骤205，基于可疑烟雾根节点坐标的类别，生成检测结果。
在一些实施例的一些可选的实施方式中，上述执行主体可以首先确定上述可疑烟雾根节点坐标集合中属于目标类别的可疑烟雾根节点坐标的个数，然后基于上述个数与预设阈值的差值，生成上述检测结果。
在一些实施例中，上述执行主体可以通过确定上述可疑烟雾根节点坐标集合中是否包含属于目标类别的可疑烟雾根节点，生成上述检测结果。具体的，若上述可疑烟雾根节点坐标集合中包含属于目标类别的可疑烟雾根节点，则确定上述目标视频中包含烟雾根节点。
本公开的一些实施例提供的方法加速了烟雾根节点的检测，更能满足烟雾检测对实时性的要求。
进一步参考图3，其示出了森林火灾烟雾根节点检测方法的另一些实施例的流程300。该森林火灾烟雾根节点检测方法的流程300，包括以下步骤：
步骤301，对预先获取到的视频进行隔帧存储，得到目标视频。
在一些实施例中，森林火灾烟雾根节点检测方法的执行主体可以通过对预先获取到的视频中的视频帧随机地选择是否进行存储，从而得到上述目标视频。
在一些实施例中，上述执行主体还可以通过对上述预先获取到的视频中的视频帧按照其在视频帧序列中的位置进行选择性的存储，从而得到上述目标视频。作为示例，可以将位置序号为设定值整数倍的视频帧进行存储，其余视频帧不进行存储。
步骤302，通过背景减除对视频进行前景区域检测，得到二值图像帧集合。
在一些实施例中，上述执行主体可以使用高斯混合模型对视频中的背景区域进行建模，从而将背景减除得到前景区域。
在一些实施例中，上述执行主体还可以使用K近邻模型对视频中的背景区域进行建模，从而将背景减除得到前景区域。
步骤303，确定二值图像帧集合中的目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合。
步骤304，确定可疑烟雾根节点坐标集合是否为空集，若为空集，则确定目标视频中不包括烟雾根节点，若为非空集，则进入下一步。
步骤305，对于可疑烟雾根节点坐标集合中的每个可疑烟雾根节点坐标，获取可疑烟雾根节点坐标和可疑烟雾根节点坐标周围设定范围内的像素点坐标在目标视频的设定帧中的像素值，得到可疑烟雾根节点坐标的特征值。
在一些实施例中，步骤303-305的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤202-204，在此不再赘述。
步骤306，确定可疑烟雾根节点坐标集合中属于目标类别的可疑烟雾根节点坐标的个数。
步骤307，基于个数与预设阈值的差值，生成检测结果。
在一些实施例中，上述执行主体在上述个数小于上述预设阈值时，确定上述目标视频中不包含烟雾根节点，在上述个数不小于上述预设阈值时，确定上述目标视频中包含烟雾根节点。
在一些实施例中，上述执行主体在上述个数不大于上述预设阈值时，确定上述目标视频中不包含烟雾根节点，在上述个数大于上述预设阈值时，确定上述目标视频中包含烟雾根节点。
从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的森林火灾烟雾根节点检测方法的流程300体现了生成目标视频的步骤和生成检测结果的步骤。由此，这些实施例描述的方案可以通过将预先获取到的视频隔帧存储使得烟雾的运动在目标视频中更加显著，从而更好的在前景检测阶段检测出远距离场景中原本运动缓慢的烟雾。另外，通过基于个数和预设阈值的差值生成检测结果，可以根据实际的预警需要设定不同的阈值，从而影响不同检测结果的比例，例如，在一个场景中的需求是漏报的风险远远高于误报的风险，因此在该场景中将设定更低的阈值。
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种森林火灾烟雾根节点检测装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，一些实施例的森林火灾烟雾根节点检测装置400包括：检测单元401、第一确定单元402、第二确定单元403、分类单元404和生成单元405。其中，检测单元401被配置成对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合；第一确定单元402被配置成确定二值图像帧集合中的目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合；第二确定单元403被配置成确定可疑烟雾根节点坐标集合是否为空集，若为空集，则确定目标视频中不包括烟雾根节点，若为非空集，则进入下一步；分类单元404被配置成对于可疑烟雾根节点坐标集合中的每个可疑烟雾根节点坐标，基于可疑烟雾根节点坐标和可疑烟雾根节点坐标周围设定范围内的像素点坐标在目标视频的设定帧中的像素值，对可疑烟雾根节点坐标进行分类，得到可疑烟雾根节点坐标的类别；生成单元405被配置成基于可疑烟雾根节点坐标的类别，生成检测结果。
在一些实施例的可选实现方式中，装置400还可以包括：存储单元，被配置成对预先获取到的视频进行隔帧存储，得到目标视频。
在一些实施例的可选实现方式中，检测单元401进一步被配置成：通过背景减除对视频进行前景区域检测，得到二值图像帧集合。
在一些实施例的可选实现方式中，检测单元401进一步被配置成：通过光流法对视频进行前景区域检测，得到二值图像帧集合。
在一些实施例的可选实现方式中，生成单元405进一步被配置成：确定可疑烟雾根节点坐标集合中属于目标类别的可疑烟雾根节点坐标的个数；基于个数与预设阈值的差值，生成检测结果。
可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器或终端设备)500的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对视频进行前景区域检测，得到二值图像帧集合；确定二值图像帧集合中目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合；若可疑烟雾根节点坐标集合为空集，则确定目标视频中不包括烟雾根节点，若为非空集，则进入下一步；获取可疑烟雾根节点坐标集合中每个可疑烟雾根节点坐标的特征值；基于特征值，对可疑烟雾根节点坐标进行分类，生成检测结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括检测单元、第一确定单元、第二确定单元、分类单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，检测单元还可以被描述为“检测前景区域的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例，提供了一种森林火灾烟雾根节点检测方法，包括：对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合；确定二值图像帧集合中的目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合；确定可疑烟雾根节点坐标集合是否为空集，若为空集，则确定目标视频中不包括烟雾根节点，若为非空集，则进入下一步；对于可疑烟雾根节点坐标集合中的每个可疑烟雾根节点坐标，基于可疑烟雾根节点坐标和可疑烟雾根节点坐标周围设定范围内的像素点坐标在目标视频的设定帧中的像素值，对可疑烟雾根节点坐标进行分类，得到可疑烟雾根节点坐标的类别；基于可疑烟雾根节点坐标的类别，生成检测结果。
根据本公开的一个或多个实施例，在对目标视频进行前景检测，得到反映前景区域的二值图像帧集合之前，方法还包括：对预先获取到的视频进行隔帧存储，得到目标视频。
根据本公开的一个或多个实施例，对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合，包括：通过背景减除对视频进行前景区域检测，得到二值图像帧集合。
根据本公开的一个或多个实施例，对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合，包括：通过光流法对视频进行前景区域检测，得到二值图像帧集合。
根据本公开的一个或多个实施例，目标二值图像帧包括：通过在二值图像帧集合中随机选取的目标数目个二值图像帧组成。
根据本公开的一个或多个实施例，目标二值图像帧包括：通过在二值图像帧集合中以一定间隔选取的二值图像帧组成。
根据本公开的一个或多个实施例，基于可疑烟雾根节点坐标的类别，生成检测结果，包括：确定可疑烟雾根节点坐标集合中属于目标类别的可疑烟雾根节点坐标的个数；基于个数与预设阈值的差值，生成检测结果。
根据本公开的一个或多个实施例，提供了一种森林火灾烟雾根节点检测装置，包括：检测单元，被配置为对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合；第一确定单元，被配置为确定二值图像帧集合中的目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合；第二确定单元，被配置为确定可疑烟雾根节点坐标集合是否为空集，若为空集，则确定目标视频中不包括烟雾根节点，若为非空集，则进入下一步；分类单元，被配置为对于可疑烟雾根节点坐标集合中的每个可疑烟雾根节点坐标，基于可疑烟雾根节点坐标和可疑烟雾根节点坐标周围设定范围内的像素点坐标在目标视频的设定帧中的像素值，对可疑烟雾根节点坐标进行分类，得到可疑烟雾根节点坐标的类别；生成单元，被配置为基于可疑烟雾根节点坐标的类别，生成检测结果。
根据本公开的一个或多个实施例，装置还可以包括：存储单元，被配置成对预先获取到的视频进行隔帧存储，得到目标视频。
根据本公开的一个或多个实施例，检测单元进一步被配置成：通过背景减除对视频进行前景区域检测，得到二值图像帧集合。
根据本公开的一个或多个实施例，检测单元进一步被配置成：通过光流法对视频进行前景区域检测，得到二值图像帧集合。
根据本公开的一个或多个实施例，生成单元进一步被配置成：确定可疑烟雾根节点坐标集合中属于目标类别的可疑烟雾根节点坐标的个数；基于个数与预设阈值的差值，生成检测结果。
根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一的方法。
根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如上述任一的方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种森林火灾烟雾根节点检测方法，包括：对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合；确定所述二值图像帧集合中的目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合；确定所述可疑烟雾根节点坐标集合是否为空集，若为空集，则确定所述目标视频中不包括烟雾根节点，若为非空集，则进入下一步；对于所述可疑烟雾根节点坐标集合中的每个可疑烟雾根节点坐标，基于所述可疑烟雾根节点坐标和所述可疑烟雾根节点坐标周围设定范围内的像素点坐标在所述目标视频的设定帧中的像素值，对所述可疑烟雾根节点坐标进行分类，得到所述可疑烟雾根节点坐标的类别；基于所述可疑烟雾根节点坐标的类别，生成检测结果。
2.根据权利要求1所述的方法，其中，在所述对目标视频进行前景检测，得到反映前景区域的二值图像帧集合之前，所述方法还包括：对预先获取到的视频进行隔帧存储，得到所述目标视频。
3.根据权利要求1所述的方法，其中，所述对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合，包括：通过背景减除对所述视频进行前景区域检测，得到所述二值图像帧集合。
4.根据权利要求1所述的方法，其中，所述对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合，包括：通过光流法对所述视频进行前景区域检测，得到所述二值图像帧集合。
5.根据权利要求1所述的方法，其中，所述目标二值图像帧包括：通过在所述二值图像帧集合中随机选取的目标数目个二值图像帧组成。
6.根据权利要求1所述的方法，其中，所述目标二值图像帧包括：通过在所述二值图像帧集合中以一定间隔选取的二值图像帧组成。
7.根据权利要求1所述的方法，其中，所述基于可疑烟雾根节点坐标的类别，生成检测结果，包括：确定所述可疑烟雾根节点坐标集合中属于目标类别的可疑烟雾根节点坐标的个数；基于所述个数与预设阈值的差值，生成所述检测结果。
8.一种森林火灾烟雾根节点检测装备，包括：检测单元，被配置为对目标视频进行前景区域检测，得到反映前景区域的二值图像帧集合；第一确定单元，被配置为确定所述二值图像帧集合中的目标二值图像帧中前景区域的交集，得到可疑烟雾根节点坐标集合；第二确定单元，被配置为确定所述可疑烟雾根节点坐标集合是否为空集，若为空集，则确定所述目标视频中不包括烟雾根节点，若为非空集，则进入下一步；分类单元，被配置为对于所述可疑烟雾根节点坐标集合中的每个可疑烟雾根节点坐标，基于所述可疑烟雾根节点坐标和所述可疑烟雾根节点坐标周围设定范围内的像素点坐标在所述目标视频的设定帧中的像素值，对所述可疑烟雾根节点坐标进行分类，得到所述可疑烟雾根节点坐标的类别；生成单元，被配置为基于所述可疑烟雾根节点坐标的类别，生成检测结果。
9.一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202110786556.8A 2021-07-12 2021-07-12 森林火灾烟雾根节点检测方法、装置和设备 Active CN113435393B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110786556.8A CN113435393B (zh) 2021-07-12 2021-07-12 森林火灾烟雾根节点检测方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110786556.8A CN113435393B (zh) 2021-07-12 2021-07-12 森林火灾烟雾根节点检测方法、装置和设备

Publications (2)

Publication Number Publication Date
CN113435393A true CN113435393A (zh) 2021-09-24
CN113435393B CN113435393B (zh) 2023-05-09

Family

ID=77760065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110786556.8A Active CN113435393B (zh) 2021-07-12 2021-07-12 森林火灾烟雾根节点检测方法、装置和设备

Country Status (1)

Country Link
CN (1) CN113435393B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116416200A (zh) * 2022-01-12 2023-07-11 中国消防救援学院 基于区域匹配的森林火灾烟雾检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107274374A (zh) * 2017-07-03 2017-10-20 辽宁科技大学 一种基于计算机视觉技术的烟雾监测方法
CN110210428A (zh) * 2019-06-06 2019-09-06 北京林业大学 一种基于mser的远距离复杂环境下的烟雾根节点检测方法
CN111539277A (zh) * 2020-04-14 2020-08-14 华北电力大学（保定） 一种输电线路区域内施工机械的检测方法及系统
CN112115878A (zh) * 2020-09-21 2020-12-22 北京林业大学 一种基于烟雾区域密度的森林火灾烟雾根节点检测方法
WO2021103837A1 (zh) * 2019-11-29 2021-06-03 苏州科达科技股份有限公司 黑烟车检测方法、装置及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107274374A (zh) * 2017-07-03 2017-10-20 辽宁科技大学 一种基于计算机视觉技术的烟雾监测方法
CN110210428A (zh) * 2019-06-06 2019-09-06 北京林业大学 一种基于mser的远距离复杂环境下的烟雾根节点检测方法
WO2021103837A1 (zh) * 2019-11-29 2021-06-03 苏州科达科技股份有限公司 黑烟车检测方法、装置及电子设备
CN111539277A (zh) * 2020-04-14 2020-08-14 华北电力大学（保定） 一种输电线路区域内施工机械的检测方法及系统
CN112115878A (zh) * 2020-09-21 2020-12-22 北京林业大学 一种基于烟雾区域密度的森林火灾烟雾根节点检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YU GAO等: "Full-Scale Video-Based Detection of Smoke from Forest Fires Combining ViBe and MSER Algorithms", 《FIRE TECHNOLOGY》 *
任嘉锋;熊卫华;吴之昊;姜明;: "基于改进YOLOv3的火灾检测与识别", 计算机系统应用 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116416200A (zh) * 2022-01-12 2023-07-11 中国消防救援学院 基于区域匹配的森林火灾烟雾检测方法
CN116416200B (zh) * 2022-01-12 2023-10-27 中国消防救援学院 基于区域匹配的森林火灾烟雾检测方法

Also Published As

Publication number Publication date
CN113435393B (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
US11443438B2 (en) Network module and distribution method and apparatus, electronic device, and storage medium
CN110390493B (zh) 任务管理方法、装置、存储介质及电子设备
CN111784712B (zh) 图像处理方法、装置、设备和计算机可读介质
US20210279508A1 (en) Image processing method, apparatus and storage medium
CN114494298A (zh) 对象分割方法、装置、设备及存储介质
CN112418232B (zh) 图像分割方法、装置、可读介质及电子设备
CN115272182A (zh) 车道线检测方法、装置、电子设备和计算机可读介质
CN112085733B (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN113435393B (zh) 森林火灾烟雾根节点检测方法、装置和设备
US20240127406A1 (en) Image quality adjustment method and apparatus, device, and medium
CN111783889B (zh) 图像识别方法、装置、电子设备和计算机可读介质
CN110852242A (zh) 基于多尺度网络的水印识别方法、装置、设备及存储介质
CN112861687B (zh) 用于门禁系统的口罩佩戴检测方法、装置、设备和介质
CN117671476A (zh) 图像分层方法、装置、电子设备及存储介质
CN111784709B (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN113744259B (zh) 基于灰度值增加数量序列的森林火灾烟雾检测方法和设备
CN112070034A (zh) 图像识别方法、装置、电子设备和计算机可读介质
CN112085035A (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN112215789B (zh) 图像去雾方法、装置、设备和计算机可读介质
CN112581492A (zh) 一种运动目标检测方法和装置
CN114359673B (zh) 基于度量学习的小样本烟雾检测方法、装置和设备
CN111461964A (zh) 图片处理方法、装置、电子设备和计算机可读介质
CN117474845A (zh) 中药炒制适宜烟雾浓度判别区域检测方法、装置和设备
CN111815656B (zh) 视频处理方法、装置、电子设备和计算机可读介质
CN118212289A (zh) 森林火灾烟雾运动信息节点检测方法、装置和设备

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