CN113689650A - 基于监控摄像头的森林防火烟雾检测方法及系统 - Google Patents

基于监控摄像头的森林防火烟雾检测方法及系统 Download PDF

Info

Publication number
CN113689650A
CN113689650A CN202111042787.4A CN202111042787A CN113689650A CN 113689650 A CN113689650 A CN 113689650A CN 202111042787 A CN202111042787 A CN 202111042787A CN 113689650 A CN113689650 A CN 113689650A
Authority
CN
China
Prior art keywords
image
forest fire
current image
monitoring camera
current
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
CN202111042787.4A
Other languages
English (en)
Inventor
彭长生
王豪博
江文健
陈戈
杨建浩
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.)
Guangzhou Bonson Info System Co ltd
Original Assignee
Guangzhou Bonson Info System Co ltd
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 Guangzhou Bonson Info System Co ltd filed Critical Guangzhou Bonson Info System Co ltd
Priority to CN202111042787.4A priority Critical patent/CN113689650A/zh
Publication of CN113689650A publication Critical patent/CN113689650A/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
    • G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Alarm Systems (AREA)

Abstract

本发明属于环保技术领域，具体涉及一种森林防火烟雾检测方法及系统。其中基于监控摄像头的森林防火烟雾检测方法，包括：获取视频图像作为参照图像，间隔预设时间后获取另一视频图像作为当前图像；将当前图像与参照图像进行相位相减，并进行图像预处理，得到目标图像；通过预设的神经网络模型对目标图像进行分类预测，得到烟雾识别结果。本发明不需要对于摄像头进行更换，只需要一台服务器直接对接网络监控摄像头视频流数据便可实现森林防火烟雾识别功能。

Description

基于监控摄像头的森林防火烟雾检测方法及系统
技术领域
本发明属于环保技术领域，具体涉及一种森林防火烟雾检测方法及系统。
背景技术
目前森林防火基本使用双目热成像摄像头进行检测实现。但是热成像摄像头对烟雾识别居然如下明显的缺点：
1、价格昂贵：用于森林防火热成像摄像头动辄上数十万，对比普通监控摄像头差价近百倍，对于已安装普通摄像头的地区改造代价十分高昂。
2、不适用大面积推广：由于价格昂贵，所以在森林覆盖层面上非常难以大量推广。
3、火情识别时效性差：由于热成像摄像头像素低，再对刚燃烧的着火点存在无法识别的情况，需要燃烧发展到一定情况才可识别。
4、火情识别距离受限：对于2m*2m的火情需要在5km范围内。
5、火情识别场景受限：对于着火点被遮挡的情况，热成像摄像头将无法识别。
发明内容
本发明针对采用双目热成像摄像头对森林防火进行检测具有的上述明显缺点的技术问题，目的在于提供一种基于监控摄像头的森林防火烟雾检测方法及系统。
一种基于监控摄像头的森林防火烟雾检测方法，包括：
获取视频图像作为参照图像，间隔预设时间后获取另一视频图像作为当前图像；
将所述当前图像与所述参照图像进行相位相减，并进行图像预处理，得到目标图像；
通过预设的神经网络模型对所述目标图像进行分类预测，得到烟雾识别结果。
可选的，所述获取视频图像作为参照图像，间隔预设时间后获取另一视频图像作为当前图像，包括：
初始时获取的视频图像作为参照图像P1，间隔时间T后获取的另一视频图像作为当前图像P2，间隔时间2T后获取新的视频图像时，将当前图像P2作为参照图像P1，新的视频图像作为新的当前图像P2；
且，T＝K*X；
其中，X为监控摄像头到监控画面中心距离，K为监控画面变化率；
将所述当前图像与所述参照图像进行相位相减，并进行图像预处理，得到目标图像，包括：
将所述当前图像P2与所述参照图像P1通过图像帧差法进行相位相减，得到差分图像ΔP，即ΔP＝P2(2T)-P1(T)；
将所述差分图像进行图像预处理后得到目标图像。
可选的，将所述差分图像进行图像预处理后得到目标图像，包括：
将所述差分图像进行信号放大、信号降噪、去除颗粒及连接相邻块后，得到处理后的差分图像；
将处理后的差分图像中的前景区域在对应的所述当前图像中进行提取，得到目标图像。
可选的，在对应的所述当前图像中进行提取时，提取范围为所述前景区域的最大矩形区域。
可选的，通过预设的神经网络模型对所述目标图像进行分类预测，得到烟雾识别结果后，包括：
在所述当前图像中标注所述目标图像对应的区域，并展示所述烟雾识别结果。
一种基于监控摄像头的森林防火烟雾检测系统，包括：
至少一个网络监控摄像头，摄制面朝向森林中需要进行监控的区域；
至少一台服务器，与所述网络监控摄像头无线连接，接收所述网络监控摄像头发送的视频流数据；
所述服务器内设有：
图像获取模块，用于获取所述网络监控摄像头发送的视频图像作为参照图像，间隔预设时间后获取所述网络监控摄像头发送的另一视频图像作为当前图像；
相位相减模块，用于将所述当前图像与所述参照图像进行相位相减，并进行图像预处理，得到目标图像；
分类预测模块，用于通过预设的神经网络模型对所述目标图像进行分类预测，得到烟雾识别结果。
可选的，所述相位相减模块，包括：
帧差法单元，用于将所述当前图像与所述参照图像通过图像帧差法进行相位相减，得到差分图像；
预处理单元，用于将所述差分图像进行图像预处理后得到目标图像。
可选的，所述预处理单元，用于将所述差分图像进行信号放大、信号降噪、去除颗粒及连接相邻块后，得到处理后的差分图像；将处理后的差分图像中的前景区域在对应的所述当前图像中进行提取，得到目标图像。
可选的，所述预处理单元在对应的所述当前图像中进行提取时，提取范围为所述前景区域的最大矩形区域。
可选的，服务器内还设有：
结果展示模块，用于在所述当前图像中标注所述目标图像对应的区域，并展示所述烟雾识别结果。
本发明的积极进步效果在于：本发明采用基于监控摄像头的森林防火烟雾检测方法及系统，具有如下显著优点：
1、价格低廉：相比单个动辄数十万的热成像摄像头，本发明只需要一台服务器便可接入数百路监控摄像头进行识别；
2、易于推广升级：不需要对于摄像头进行更换，直接对接网络监控摄像头视频流数据便可实现森林防火烟雾识别功能；
3、火情识别时效性高：相比热成像摄像头像素，传统网络监控摄像头像素高百倍，对于微小火苗也能很好的识别；
4、火情识别距离更远：对于2m*2m的火情识别可以在10km范围，距离是热成像森林防火监控有效距离的两倍；
5、火情识别场景更适用于森林：对于着火点被遮挡的情况，热成像摄像头将无法识别，但是使用本发明则不存在该情况。
附图说明
图1为本发明的一种方法流程图；
图2为本发明的一种实施例过程图；
图3为本发明的一种系统连接图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示进一步阐述本发明。
参照图1，一种基于监控摄像头的森林防火烟雾检测方法，包括如下具体步骤：
S1，图像获取：获取视频图像作为参照图像，间隔预设时间后获取另一视频图像作为当前图像。
本步骤中，获取的视频图像是传统的网络监控摄像头发送的视频流数据得到的。首先在T1时刻获取视频图像1作为参照图像，再在间隔一定时间的T2时刻获取视频图像2作为当前图像。
在一个实施例中，本发明获取视频图像是以时间T作为时间周期进行获取，即初始时获取的视频图像作为参照图像P1，间隔时间T后获取的另一视频图像作为当前图像P2，间隔时间2T后获取新的视频图像时，将当前图像P2作为参照图像P1，新的视频图像作为新的当前图像P2；
且，T＝K*X；
其中，X为监控摄像头到监控画面中心距离，K为监控画面变化率，K可以为预设的一个阈值。
S2，相位相减：将当前图像与参照图像进行相位相减，并进行图像预处理，得到目标图像。
在一个实施例中，本步骤具体包括：
S201，将当前图像P2与参照图像P1通过图像帧差法进行相位相减，得到差分图像ΔP，即ΔP＝P2(2T)-P1(T)。
图像帧差法是一种通过对视频图像序列的两帧图像做差分运算获取运动目标轮廓的方法。当监控场景中出现异常目标运动时，两帧图像之间会出现较为明显的差别，两帧相减，求得图像对应位置像素值差的绝对值，判断其是否大于某一阈值，进而分析视频或图像序列的物体运动特性。其数学公式描述如下：
Figure BDA0003250017040000041
D(x，y)为两帧图像之间的差分图像，I(T2)和I(T1)分别为T2时刻和T1时刻的图像，即I(T2)为当前图像，I(T1)为参照图像，T为差分图像二值化时预设的阈值，D(x，y)＝1表示前景，D(x，y)＝0表示背景。
图像帧差法算法实现简单，程序设计复杂度低，运行速度快，动态环境自适应性强，对场景光线变化不敏感。由于本步骤中的参照图像和当前图像是之间是间隔一定时间获取的，因此也不会产生图像帧差法较为容易产生的“空洞”和“双影”现象，非常适合森林火灾监测场景中对当前图像与参照图像的差分计算。
S202，将差分图像进行图像预处理后得到目标图像。
本步骤中，预处理过程包括将差分图像进行信号放大、信号降噪、去除颗粒及连接相邻块后，得到处理后的差分图像。其中，连接相邻块是指对于差分图像中相领预设距离的两个前景块连接在一起作为一个前景块。
S203，将处理后的差分图像中的前景区域在对应的当前图像中进行提取，得到目标图像。
本步骤中，在对应的当前图像中进行提取时，提取范围为前景区域的最大矩形区域。
由于图像帧差法的前景区域可能是不规则轮廓，因此在根据前景区域进行图像提取时，采用前景区域的四个边角最大范围的矩形区域作为提取区域，最终提取得到目标图像。
S3，分类预测：通过预设的神经网络模型对目标图像进行分类预测，得到烟雾识别结果。
本步骤中的神经网络模型是预先存储在服务器中的一种分类模型，该神经网络模型是经过训练后的模型，训练时，采集多处森林火灾需要监测区域的大量图像，对采集的图像进行标注，分成训练组和测试组，对神经网络模型进行训练，调节模型内参数，使其能适用于森林火灾监测场景，最终得到训练后的神经网络模型。
该神经网络模型得到的烟雾识别结果分为是烟雾，或者不是烟雾。若烟雾识别结果是烟雾，则需要引起用户的注意，可以通过服务器进行报警提示或直接以信息的形式发送给预设人员，该信息包括当前图像对应的坐标或具体地址。
在一个实施例中，步骤S3后，包括：
在当前图像中标注目标图像对应的区域，并展示烟雾识别结果。
本实施例可以在得到烟雾识别结果后，不管结果是否是烟雾，都对当前图像通过标注醒目矩形框的形式进行展示，在当前图像上也一并展示烟雾识别结果，告知用户监控的森林区域当前情况。
在一个实施例中，参照图2，本发明的森林防火烟雾检测方法具体可以包括如下步骤：
1、获取图片1作为参照图像，间隔预设时间后获取图片2作为当前图像；
2、将当前图像与参照图像进行相位相减得到图片3作为差分图像；
3、对图片3进行信号放大，得到得到图片4，将图片4进行信号降噪、去除颗粒及连接相邻块后得到图片5；
4、在图片2中提取前景区域的最大矩形区域，得到图片6作为目标图像；
5、将图片6输入预设的神经网络模型进行分类预测，得到烟雾识别结果是烟雾；
6、将该最大矩形区域在图片2中进行醒目的标注得到图片7，将图片7进行展示。
参照图3，一种基于监控摄像头的森林防火烟雾检测系统，包括至少一个网络监控摄像头11和至少一台服务器12。网络监控摄像头11和服务器12通过内网或互联网实现无线信号连接，服务器12接收网络监控摄像头11发送的视频流数据。当网络监控摄像头11布置的较多时，可以根据森林监测地区分布的网络监控摄像头11与一台服务器12进行组合，不同森林监测地区的网络监控摄像头11与对应的一台服务器12进行无线信号连接。服务器12可以采用GPU服务器，一台GPU服务器便可接入数百路网络监控摄像头11进行识别。
每台服务器12内均设有：
图像获取模块，用于获取网络监控摄像头11发送的视频图像作为参照图像，间隔预设时间后获取网络监控摄像头11发送的另一视频图像作为当前图像；
相位相减模块，用于将当前图像与参照图像进行相位相减，并进行图像预处理，得到目标图像；
分类预测模块，用于通过预设的神经网络模型对目标图像进行分类预测，得到烟雾识别结果。
在一个实施例中，相位相减模块，包括：
帧差法单元，用于将当前图像与参照图像通过图像帧差法进行相位相减，得到差分图像；
预处理单元，用于将差分图像进行图像预处理后得到目标图像。
在一个实施例中，预处理单元：
用于将差分图像进行信号放大、信号降噪、去除颗粒及连接相邻块后，得到处理后的差分图像；将处理后的差分图像中的前景区域在对应的当前图像中进行提取，得到目标图像。
在一个实施例中，预处理单元在对应的当前图像中进行提取时，提取范围为前景区域的最大矩形区域。
在一个实施例中，每台服务器12内还设有：
结果展示模块，用于在当前图像中标注目标图像对应的区域，并展示烟雾识别结果。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种基于监控摄像头的森林防火烟雾检测方法，其特征在于，包括：
获取视频图像作为参照图像，间隔预设时间后获取另一视频图像作为当前图像；
将所述当前图像与所述参照图像进行相位相减，并进行图像预处理，得到目标图像；
通过预设的神经网络模型对所述目标图像进行分类预测，得到烟雾识别结果。
2.如权利要求1所述的基于监控摄像头的森林防火烟雾检测方法，其特征在于，所述获取视频图像作为参照图像，间隔预设时间后获取另一视频图像作为当前图像，包括：
初始时获取的视频图像作为参照图像P1，间隔时间T后获取的另一视频图像作为当前图像P2，间隔时间2T后获取新的视频图像时，将当前图像P2作为参照图像P1，新的视频图像作为新的当前图像P2；
且，T＝K*X；
其中，X为监控摄像头到监控画面中心距离，K为监控画面变化率；
所述将所述当前图像与所述参照图像进行相位相减，并进行图像预处理，得到目标图像，包括：
将所述当前图像P2与所述参照图像P1通过图像帧差法进行相位相减，得到差分图像ΔP，即ΔP＝P2(2T)-P1(T)；
将所述差分图像进行图像预处理后得到目标图像。
3.如权利要求2所述的基于监控摄像头的森林防火烟雾检测方法，其特征在于，所述将所述差分图像进行图像预处理后得到目标图像，包括：
将所述差分图像进行信号放大、信号降噪、去除颗粒及连接相邻块后，得到处理后的差分图像；
将处理后的差分图像中的前景区域在对应的所述当前图像中进行提取，得到目标图像。
4.如权利要求3所述的基于监控摄像头的森林防火烟雾检测方法，其特征在于，在对应的所述当前图像中进行提取时，提取范围为所述前景区域的最大矩形区域。
5.如权利要求1所述的基于监控摄像头的森林防火烟雾检测方法，其特征在于，所述通过预设的神经网络模型对所述目标图像进行分类预测，得到烟雾识别结果后，包括：
在所述当前图像中标注所述目标图像对应的区域，并展示所述烟雾识别结果。
6.一种基于监控摄像头的森林防火烟雾检测系统，其特征在于，包括：
至少一个网络监控摄像头，摄制面朝向森林中需要进行监控的区域；
至少一台服务器，与所述网络监控摄像头无线连接，接收所述网络监控摄像头发送的视频流数据；
所述服务器内设有：
图像获取模块，用于获取所述网络监控摄像头发送的视频图像作为参照图像，间隔预设时间后获取所述网络监控摄像头发送的另一视频图像作为当前图像；
相位相减模块，用于将所述当前图像与所述参照图像进行相位相减，并进行图像预处理，得到目标图像；
分类预测模块，用于通过预设的神经网络模型对所述目标图像进行分类预测，得到烟雾识别结果。
7.如权利要求6所述的基于监控摄像头的森林防火烟雾检测系统，其特征在于，所述图像获取模块，包括：
图像获取单元，用于初始时获取的视频图像作为参照图像P1，间隔时间T后获取的另一视频图像作为当前图像P2，间隔时间2T后获取新的视频图像时，将当前图像P2作为参照图像P1，新的视频图像作为新的当前图像P2；且，T＝K*X；其中，X为监控摄像头到监控画面中心距离，K为监控画面变化率；
所述相位相减模块，包括：
帧差法单元，用于将所述当前图像与所述参照图像通过图像帧差法进行相位相减，得到差分图像；
预处理单元，用于将所述差分图像进行图像预处理后得到目标图像。
8.如权利要求7所述的基于监控摄像头的森林防火烟雾检测系统，其特征在于，所述预处理单元，用于将所述差分图像进行信号放大、信号降噪、去除颗粒及连接相邻块后，得到处理后的差分图像；将处理后的差分图像中的前景区域在对应的所述当前图像中进行提取，得到目标图像。
9.如权利要求8所述的基于监控摄像头的森林防火烟雾检测系统，其特征在于，所述预处理单元在对应的所述当前图像中进行提取时，提取范围为所述前景区域的最大矩形区域。
10.如权利要求6所述的基于监控摄像头的森林防火烟雾检测系统，其特征在于，所述服务器内还设有：
结果展示模块，用于在所述当前图像中标注所述目标图像对应的区域，并展示所述烟雾识别结果。
CN202111042787.4A 2021-09-07 2021-09-07 基于监控摄像头的森林防火烟雾检测方法及系统 Pending CN113689650A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111042787.4A CN113689650A (zh) 2021-09-07 2021-09-07 基于监控摄像头的森林防火烟雾检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111042787.4A CN113689650A (zh) 2021-09-07 2021-09-07 基于监控摄像头的森林防火烟雾检测方法及系统

Publications (1)

Publication Number Publication Date
CN113689650A true CN113689650A (zh) 2021-11-23

Family

ID=78585544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111042787.4A Pending CN113689650A (zh) 2021-09-07 2021-09-07 基于监控摄像头的森林防火烟雾检测方法及系统

Country Status (1)

Country Link
CN (1) CN113689650A (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101059435A (zh) * 2007-05-17 2007-10-24 西北工业大学 基于彩色ccd图像分析的森林火情烟雾检测方法
KR101353952B1 (ko) * 2012-10-05 2014-01-23 계명대학교 산학협력단 시공간적 비오에프와 랜덤 포레스트를 이용한 산불 연기 감지 방법
CN103632158A (zh) * 2013-11-20 2014-03-12 北京环境特性研究所 森林防火监控方法及森林防火监控系统
CN106228140A (zh) * 2016-07-28 2016-12-14 国网湖南省电力公司 一种结合气象环境的输电线路山火烟雾判识方法
CN106408846A (zh) * 2016-11-29 2017-02-15 周川 基于视频监控平台的图像火灾检测方法
CN106845378A (zh) * 2017-01-03 2017-06-13 江苏慧眼数据科技股份有限公司 一种自对向图像中识别人体目标的方法
CN107529096A (zh) * 2017-09-11 2017-12-29 广东欧珀移动通信有限公司 图像处理方法及装置
CN107592491A (zh) * 2017-09-11 2018-01-16 广东欧珀移动通信有限公司 视频通信背景显示方法和装置
CN109350030A (zh) * 2018-08-17 2019-02-19 西安电子科技大学 基于相位放大处理人脸视频心率信号的系统及方法
CN111047818A (zh) * 2019-11-01 2020-04-21 浙江省林业技术推广总站(浙江省林业信息宣传中心) 一种基于视频图像的森林火灾预警系统
CN111461076A (zh) * 2019-11-01 2020-07-28 武汉纺织大学 帧差法与神经网络结合的烟雾检测方法和检测系统
CN111476964A (zh) * 2020-03-04 2020-07-31 宁波财经学院 一种远程森林防火监控系统与方法
CN113344967A (zh) * 2021-06-07 2021-09-03 哈尔滨理工大学 一种复杂背景下的动态目标识别追踪方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101059435A (zh) * 2007-05-17 2007-10-24 西北工业大学 基于彩色ccd图像分析的森林火情烟雾检测方法
KR101353952B1 (ko) * 2012-10-05 2014-01-23 계명대학교 산학협력단 시공간적 비오에프와 랜덤 포레스트를 이용한 산불 연기 감지 방법
CN103632158A (zh) * 2013-11-20 2014-03-12 北京环境特性研究所 森林防火监控方法及森林防火监控系统
CN106228140A (zh) * 2016-07-28 2016-12-14 国网湖南省电力公司 一种结合气象环境的输电线路山火烟雾判识方法
CN106408846A (zh) * 2016-11-29 2017-02-15 周川 基于视频监控平台的图像火灾检测方法
CN106845378A (zh) * 2017-01-03 2017-06-13 江苏慧眼数据科技股份有限公司 一种自对向图像中识别人体目标的方法
CN107529096A (zh) * 2017-09-11 2017-12-29 广东欧珀移动通信有限公司 图像处理方法及装置
CN107592491A (zh) * 2017-09-11 2018-01-16 广东欧珀移动通信有限公司 视频通信背景显示方法和装置
CN109350030A (zh) * 2018-08-17 2019-02-19 西安电子科技大学 基于相位放大处理人脸视频心率信号的系统及方法
CN111047818A (zh) * 2019-11-01 2020-04-21 浙江省林业技术推广总站(浙江省林业信息宣传中心) 一种基于视频图像的森林火灾预警系统
CN111461076A (zh) * 2019-11-01 2020-07-28 武汉纺织大学 帧差法与神经网络结合的烟雾检测方法和检测系统
CN111476964A (zh) * 2020-03-04 2020-07-31 宁波财经学院 一种远程森林防火监控系统与方法
CN113344967A (zh) * 2021-06-07 2021-09-03 哈尔滨理工大学 一种复杂背景下的动态目标识别追踪方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
pages: 13 *
彭雄婷: "图像型火灾烟雾探测技术算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》, 15 May 2015 (2015-05-15), pages 1 - 57 *
王媛彬: "基于图像型的火灾烟雾检测技术研究", 《消防科学与技术》 *
王媛彬: "基于图像型的火灾烟雾检测技术研究", 《消防科学与技术》, 15 September 2014 (2014-09-15) *

Similar Documents

Publication Publication Date Title
CN106650584B (zh) 火焰检测方法和系统
JP4705090B2 (ja) 煙感知装置及びその方法
CN102348128B (zh) 具有摄像机异常检测装置的监视用摄像机系统
WO2018056355A1 (ja) 監視装置
CN101908142A (zh) 一种基于特征分析的视频火焰检测方法
US20060056702A1 (en) Image processing apparatus and image processing method
CN108399359B (zh) 一种视频序列下实时火灾检测预警方法
CN104853151A (zh) 一种基于视频图像的大空间火灾监测系统
CN109377713B (zh) 一种火灾预警方法及系统
CN103324910A (zh) 一种基于视频检测的火灾报警方法
JP3486229B2 (ja) 画像変化検出装置
CN114885119A (zh) 一种基于计算机视觉的智能监控报警系统及方法
CN113343779A (zh) 环境异常检测方法、装置、计算机设备和存储介质
KR20090044957A (ko) 도난 및 방치 감시 시스템 및 도난 및 방치 검출 방법
KR101044903B1 (ko) 영상 감시 시스템에서 은닉 마르코프 모델을 이용한 불 검출방법
JP5142416B2 (ja) 物体検出装置
CN113657250A (zh) 一种基于监控视频的火焰检测方法及系统
CN103425958A (zh) 一种视频中不动物检测的方法
Lai et al. Robust little flame detection on real-time video surveillance system
CN117935452A (zh) 一种基于视觉多模态分析的车间安防系统和方法
Kumar et al. Computer vision-based early fire detection using machine learning
US20140147011A1 (en) Object removal detection using 3-d depth information
JP2010218046A (ja) 煙検出装置
CN113689650A (zh) 基于监控摄像头的森林防火烟雾检测方法及系统
JPH0514891A (ja) 画像監視装置

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

Application publication date: 20211123

RJ01 Rejection of invention patent application after publication