CN113744259B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN113744259B CN113744259B CN202111072896.0A CN202111072896A CN113744259B CN 113744259 B CN113744259 B CN 113744259B CN 202111072896 A CN202111072896 A CN 202111072896A CN 113744259 B CN113744259 B CN 113744259B
- Authority
- CN
- China
- Prior art keywords
- binary image
- smoke
- noise
- frame sequence
- 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.)
- Active
Links
- 239000000779 smoke Substances 0.000 title claims abstract description 320
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 148
- 230000004044 response Effects 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 abstract description 16
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了基于灰度值增加数量序列的森林火灾烟雾检测方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:确定目标视频中的可疑烟雾帧序列和噪声提取帧序列;确定可疑烟雾帧序列对应的候选区域二值图;确定噪声提取帧序列对应的噪声区域二值图;基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图。该实施方式能够更好的应对检测场景中云雾等形态的噪声。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及一种基于灰度值增加数量序列的森林火灾烟雾检测方法、装置、设备和计算机可读介质。
背景技术
现有基于视频的烟检测技术中,云、雾等类似形态的噪声对检测结果的干扰很大,使检测机器的误报率不理想。
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基于灰度值增加数量序列的森林火灾烟雾检测方法、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基于灰度值增加数量序列的森林火灾烟雾检测方法,该方法包括:确定目标视频中的可疑烟雾帧序列和噪声提取帧序列;确定可疑烟雾帧序列对应的候选区域二值图;确定噪声提取帧序列对应的噪声区域二值图;基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图。
第二方面,本公开的一些实施例提供了一种烟雾检测装置,装置包括:根据本公开的一个或多个实施例,提供了一种烟雾检测装置,包括:第一确定单元,被配置成确定目标视频中的可疑烟雾帧序列和噪声提取帧序列;第二确定单元,被配置成确定可疑烟雾帧序列对应的候选区域二值图;第三确定单元,被配置成确定噪声提取帧序列对应的噪声区域二值图;第四确定单元,被配置成基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图。
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基于灰度值增加数量序列的森林火灾烟雾检测方法可以更好的应对检测场景中云雾等形态的噪声。具体来说,发明人发现,造成相关的烟雾检测方法不能够很好的应对云雾等噪声的原因在于方法中使用的特征对烟和云雾的区分力度不够。基于此,本公开的一些实施例的基于灰度值增加数量序列的森林火灾烟雾检测方法使用了相比纹理颜色等特征,更能够区分烟和云雾的灰度值增加数量序列,并且基于此提出可疑烟雾帧和噪声提取帧,进一步筛查噪声像素点,从而大量减少了云雾等噪声对检测结果的干扰。
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基于灰度值增加数量序列的森林火灾烟雾检测方法的一个应用场景的示意图;
图2是根据本公开的基于灰度值增加数量序列的森林火灾烟雾检测方法的一些实施例的流程图;
图3是根据本公开的基于灰度值增加数量序列的森林火灾烟雾检测方法的另一些实施例的流程图;
图4是根据本公开的烟雾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基于灰度值增加数量序列的森林火灾烟雾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可以确定目标视频102中的可疑烟雾帧序列103和噪声提取帧序列104,然后确定上述可疑烟雾帧序列103对应的候选区域二值图104,确定上述噪声提取帧序列对应的噪声区域二值图105,最后基于上述候选区域二值图104和上述噪声区域二值图105,确定上述可疑烟雾帧序列103对应的烟雾区域二值图106。
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基于灰度值增加数量序列的森林火灾烟雾检测方法的一些实施例的流程200。该基于灰度值增加数量序列的森林火灾烟雾检测方法,包括以下步骤:
步骤201,确定目标视频中的可疑烟雾帧序列和噪声提取帧序列。
在一些实施例中,基于灰度值增加数量序列的森林火灾烟雾检测方法的执行主体(例如图1所示的计算设备)可以首先计算上述目标视频的每一帧中灰度值超过第一阈值的像素点的个数,然后将该个数超过第二阈值的帧确定为上述可疑烟雾帧序列,并且在其他帧中随机选取目标数目个帧作为上述噪声提取帧序列。
在一些实施例的可选的实施方式中,上述执行主体可以首选对上述目标视频进行采样,得到目标帧序列,然后,在上述目标帧序列中确定上述可疑烟雾帧,接下来将上述可疑烟雾帧与上述可疑烟雾帧之前的第一目标数目个帧组合起来得到上述可疑烟雾帧序列,最后,在上述目标帧序列中确定噪声提取帧。
在一些实施例中,上述执行主体还可以通过以下步骤在上述目标帧序列中确定上述可疑烟雾帧:
步骤一,确定上述目标帧序列中每一帧中灰度值超过第一阈值的像素点的个数;
步骤二,确定上述个数连续上升的次数;
步骤三,将次数超过第二阈值的位置对应的帧确定为上述可疑烟雾帧。
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以下步骤在上述目标帧序列中确定上述可疑烟雾帧:
步骤一,计算上述目标帧序列中的相邻两个目标帧中、在后的目标帧中的灰度值与在前的目标帧中的灰度值的差值大于第一增加阈值的像素点的数量,得到对应上述目标帧序列的灰度值增加数量序列;
步骤二,将上述灰度值增加序列中的、从前向后首次连续非降的次数超过预设次数阈值的目标灰度值增加数量对应的目标帧,确定上述可疑烟雾帧。
在一些实施例中,上述执行主体可以将上述目标帧序列中最前方的目标数目个帧确定为上述噪声提取帧序列。
在一些实施例的一些可选的实施方式中,上述执行主体可以将上述目标帧序列中,在上述可疑烟雾帧序列前方,且与上述可疑烟雾帧序列相邻的第二目标数目个帧确定为上述噪声提取帧序列。
步骤202,确定可疑烟雾帧序列对应的候选区域二值图。
在一些实施例中,上述执行主体可以通过以下步骤确定上述可疑烟雾帧序列对应的候选区域二值图:
步骤一,初始化上述候选区域二值图为像素值均为第一值的二值图,得到初始化的候选区域二值图;
步骤二,确定在上述可疑烟雾帧序列中每个可疑烟雾帧中灰度值均大于阈值的像素点坐标,得到目标像素点坐标集合;
步骤三,将上述初始化的候选区域二值图中的、上述目标像素点坐标集合中每个目标像素点坐标处的像素点更新为第二值,得到上述候选区域二值图。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤确定上述可疑烟雾帧序列对应的候选区域二值图:
步骤一,确定上述可疑烟雾帧序列中每个可疑烟雾帧对应的子候选区域二值图,得到上述可疑烟雾帧序列对应的子候选区域二值图集合;
步骤二,将上述子候选区域二值图进行合并,得到对应上述可疑烟雾帧序列的候选区域二值图。
在一些实施例中,上述执行主体可以通过以下步骤确定上述可疑烟雾帧序列中每个可疑烟雾帧对应的子候选区域二值图:
步骤一,初始化上述子候选区域二值图为像素值均为第一值的二值图,得到初始化的子候选区域二值图;
步骤二,确定上述可疑烟雾帧中灰度值超过阈值的像素点坐标,得到目标像素点坐标集合;
步骤三,将上述初始化的子候选区域二值图中的、上述目标像素点坐标集合中每个目标像素点坐标处的像素点更新为第二值,得到上述子候选区域二值图。
在一些实施例中的一些可选的实施方式中,上述执行主体可以通过以下步骤确定上述可疑烟雾帧序列中每个可疑烟雾帧对应的子候选区域二值图:
响应于上述可疑烟雾帧是上述可疑烟雾帧序列中的第一帧,将上述可疑烟雾帧对应的子候选区域二值图设置为像素值均为第一值的二值图;
否则将上述可疑烟雾帧对应的子候选区域二值图设置为在上述可疑烟雾帧的前一可疑烟雾帧和上述可疑烟雾帧之间、灰度值增加超过第二增加阈值的像素点为第二值,其他像素点为第一值的二值图。
步骤203,确定噪声提取帧序列对应的噪声区域二值图。
在一些实施例中,上述执行主体可以通过以下步骤确定上述噪声提取帧序列对应的噪声区域二值图:
步骤一,初始化上述噪声区域二值图为像素值均为第一值的二值图,得到初始化的噪声区域二值图;
步骤二,确定在上述噪声提取帧序列中每个噪声提取帧中灰度值均小于阈值的像素点坐标,得到目标像素点坐标集合;
步骤三,将上述初始化的噪声区域二值图中的、上述目标像素点坐标集合中每个目标像素点坐标处的像素点更新为第二值,得到上述噪声区域二值图。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤确定上述噪声提取帧序列对应的噪声区域二值图:
步骤一,确定上述噪声提取帧序列中每个噪声提取帧对应的子噪声区域二值图,得到对应上述噪声提取帧序列的子噪声区域二值图集合;
步骤二,将上述子噪声区域二值图集合中的子噪声区域二值图进行合并,得到上述噪声提取帧序列对应的噪声区域二值图。
在一些实施例中,上述执行主体可以通过以下步骤确定上述噪声提取帧序列中每个噪声提取帧对应的子噪声区域二值图:
步骤一,初始化上述子噪声区域二值图为像素值均为第一值的二值图,得到初始化的子噪声区域二值图;
步骤二,确定上述噪声提取帧中灰度值小于阈值的像素点坐标,得到目标像素点坐标集合;
步骤三,将上述初始化的子噪声区域二值图中的、上述目标像素点坐标集合中每个目标像素点坐标处的像素点更新为第二值,得到上述子噪声区域二值图。
在一些实施例中的一些可选的实施方式中,上述执行主体可以通过以下步骤确定上述噪声提取帧序列中每个噪声提取帧对应的子噪声区域二值图:
响应于上述噪声提取帧是上述噪声提取帧序列中的第一帧,将上述噪声提取帧对应的子噪声区域二值图设置为像素值均为第一值的二值图;
否则将上述噪声提取帧对应的子噪声区域二值图设置为在上述噪声提取帧的前一噪声提取帧和上述噪声提取帧之间、灰度值减少超过减少阈值的像素点为第二值,其他像素点为第一值的二值图。
步骤204,基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图。
在一些实施例中,上述执行主体可以将上述候选区域二值图和上述噪声区域二值图的差集确定为上述烟雾区域二值图。
在一些实施例中,上述执行主体还可以通过以下步骤确定上述烟雾区域二值图:
步骤一,确定滑动窗口的大小;
步骤二,初始化烟雾区域二值图为像素值均为第一值的二值图;
步骤三,使用上述滑动窗口分别在上述候选区域二值图、上述噪声区域二值图和上述烟雾区域二值图上同步滑动,得到对应的窗口候选区域二值图、窗口噪声区域二值图和窗口烟雾区域二值图组成的窗口二值图组合的集合;
步骤四,对上述窗口二值图组合集合中的每个窗口二值图组合,基于上述窗口候选区域二值图和上述窗口噪声区域二值图更新上述窗口烟雾区域二值图,得到更新后的烟雾区域二值图。
在一些实施例中,上述执行主体可以响应于上述窗口候选区域二值图中第二值像素的个数大于上述窗口噪声区域二值图中第二值像素的个数的目标数目倍,将上述窗口烟雾区域二值图更新为上述窗口候选区域二值图。
在一些实施例中,上述执行主体还可以响应于上述窗口候选区域二值图中第二值像素的个数大于上述窗口噪声区域二值图中第二值像素的个数,将上述窗口烟雾区域二值图更新为上述窗口候选区域二值图。
本公开的一些实施例提供的方法可以更好的应对检测场景中云雾等形态的噪声。
进一步参考图3,其示出了基于灰度值增加数量序列的森林火灾烟雾检测方法的另一些实施例的流程300。该基于灰度值增加数量序列的森林火灾烟雾检测方法的流程300,包括以下步骤:
步骤301,对目标视频进行采样,得到目标帧序列。
在一些实施例中,基于灰度值增加数量序列的森林火灾烟雾检测方法的执行主体可以通过对上述目标视频进行随机采样,得到上述目标帧序列。
在一些实施例中,基于灰度值增加数量序列的森林火灾烟雾检测方法的执行主体可以通过对上述目标视频进行间隔采样,得到上述目标帧序列。
步骤302,计算目标帧序列中的相邻两个目标帧中、在后的目标帧中的灰度值与在前的目标帧中的灰度值的差值大于第一增加阈值的像素点的数量,得到对应目标帧序列的灰度值增加数量序列。
步骤303,将灰度值增加数量序列中的、从前向后首次连续非降的次数超过预设次数阈值的目标灰度值增加数量对应的目标帧,确定为可疑烟雾帧。
步骤304,将可疑烟雾帧与可疑烟雾帧之前的第一目标数目个帧组合起来得到可疑烟雾帧序列。
步骤305,将目标帧序列中,在可疑烟雾帧序列前方,且与可疑烟雾帧序列相邻的第二目标数目个帧确定为噪声提取帧序列。
步骤306,对可疑烟雾帧序列中的每个可疑烟雾帧,响应于可疑烟雾帧是可疑烟雾帧序列中的第一帧,将可疑烟雾帧对应的子候选区域二值图设置为像素值均为第一值的二值图。
步骤307,否则将可疑烟雾帧对应的子候选区域二值图设置为在可疑烟雾帧的前一可疑烟雾帧和可疑烟雾帧之间、灰度值增加超过第二增加阈值的像素点为第二值,其他像素点为第一值的二值图,得到对应可疑烟雾帧序列的子候选区域二值图集合。
步骤308,将子候选区域二值图集合中的子候选区域二值图进行合并,得到可疑烟雾帧序列对应的候选区域二值图。
步骤309,对噪声提取帧序列中的每个噪声提取帧,响应于噪声提取帧是噪声提取帧序列中的第一帧,将噪声提取帧对应的子噪声区域二值图设置为像素值均为第一值的二值图。
步骤310,否则将噪声提取帧对应的子噪声区域二值图设置为在噪声提取帧的前一噪声提取帧和噪声提取帧之间、灰度值减少超过减少阈值的像素点为第二值,其他像素点为第一值的二值图,得到噪声提取帧序列对应的噪声区域二值图。
步骤311,基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图。
在一些实施例中,步骤311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204,在此不再赘述。
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基于灰度值增加数量序列的森林火灾烟雾检测方法的流程300体现了对目标视频进行采样、确定可疑烟雾帧序列和噪声提取帧序列、确定候选区域二值图和确定噪声区域二值图的步骤。由此,这些实施例描述的方案可以通过将目标视频进行采样减少计算量,从而加快检测速度。另外,通过基于灰度值增加数量序列确定可疑烟雾帧序列更好的反应了烟雾升起时像素灰度值的变化情况,从而检测效果更加优异。以及,通过将可疑烟雾帧序列中每一帧中满足要求的像素点加入到候选区域,保证了候选区域对烟雾区域覆盖的完整性,通过将噪声提取帧序列中每一帧中满足要求的像素点加入到噪声区域,保证了噪声区域强大的筛除功能。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种烟雾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,一些实施例的烟雾检测装置400包括:第一确定单元401、第二确定单元402、第三确定单元403和第四确定单元404。其中,根据本公开的一个或多个实施例,提供了一种烟雾检测装置,包括:第一确定单元401,被配置成确定目标视频中的可疑烟雾帧序列和噪声提取帧序列;第二确定单元402,被配置成确定可疑烟雾帧序列对应的候选区域二值图;第三确定单元403,被配置成确定噪声提取帧序列对应的噪声区域二值图;第四确定单元404,被配置成基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图。
在一些实施例的可选实现方式中,第二确定单元402进一步被配置成:确定可疑烟雾帧序列中每个可疑烟雾帧对应的子候选区域二值图,得到对应可疑烟雾帧序列的子候选区域二值图集合;将子候选区域二值图集合中的子候选区域二值图进行合并,得到可疑烟雾帧序列对应的候选区域二值图。
在一些实施例的可选实现方式中,第三确定单元403进一步被配置成:确定噪声提取帧序列中每个噪声提取帧对应的子噪声区域二值图,得到对应噪声提取帧序列的子噪声区域二值图集合;将子噪声区域二值图集合中的子噪声区域二值图进行合并,得到噪声提取帧序列对应的噪声区域二值图。
在一些实施例的可选实现方式中,第一确定单元401进一步被配置成:对目标视频进行采样,得到目标帧序列;在目标帧序列中确定可疑烟雾帧;将可疑烟雾帧与可疑烟雾帧之前的第一目标数目个帧组合起来得到可疑烟雾帧序列;在目标帧序列中确定噪声提取帧序列。
在一些实施例的可选实现方式中,第一确定单元401进一步被配置成:对目标视频进行采样,得到目标帧序列;计算目标帧序列中的相邻两个目标帧中、在后的目标帧中的灰度值与在前的目标帧中的灰度值的差值大于第一增加阈值的像素点的数量,得到对应目标帧序列的灰度值增加数量序列;将灰度值增加数量序列中的、从前向后首次连续非降的次数超过预设次数阈值的目标灰度值增加数量对应的目标帧,确定为可疑烟雾帧;将可疑烟雾帧与可疑烟雾帧之前的第一目标数目个帧组合起来得到可疑烟雾帧序列;在目标帧序列中确定噪声提取帧序列。
在一些实施例的可选实现方式中,第一确定单元401进一步被配置成:对目标视频进行采样,得到目标帧序列;在目标帧序列中确定可疑烟雾帧;将可疑烟雾帧与可疑烟雾帧之前的第一目标数目个帧组合起来得到可疑烟雾帧序列;将目标帧序列中,在可疑烟雾帧序列前方,且与可疑烟雾帧序列相邻的第二目标数目个帧确定为噪声提取帧序列。
在一些实施例的可选实现方式中,第二确定单元402进一步被配置成:响应于可疑烟雾帧是可疑烟雾帧序列中的第一帧,将可疑烟雾帧对应的子候选区域二值图设置为像素值均为第一值的二值图;否则将可疑烟雾帧对应的子候选区域二值图设置为在可疑烟雾帧的前一可疑烟雾帧和可疑烟雾帧之间、灰度值增加超过第二增加阈值的像素点为第二值,其他像素点为第一值的二值图,得到对应可疑烟雾帧序列的子候选区域二值图集合;将子候选区域二值图集合中的子候选区域二值图进行合并,得到可疑烟雾帧序列对应的候选区域二值图。
在一些实施例的可选实现方式中,第三确定单元403进一步被配置成:响应于噪声提取帧是噪声提取帧序列中的第一帧,将噪声提取帧对应的子噪声区域二值图设置为像素值均为第一值的二值图;否则将噪声提取帧对应的子噪声区域二值图设置为在噪声提取帧的前一噪声提取帧和噪声提取帧之间、灰度值减少超过减少阈值的像素点为第二值,其他像素点为第一值的二值图,得到对应噪声提取帧序列的子噪声区域二值图集合;将子噪声区域二值图集合中的子噪声区域二值图进行合并,得到噪声提取帧序列对应的噪声区域二值图。
在一些实施例的可选实现方式中,第四确定单元404进一步被配置成:确定滑动窗口的大小;初始化烟雾区域二值图为像素值均为第一值的二值图;使用滑动窗口分别在候选区域二值图、噪声区域二值图和烟雾区域二值图上同步滑动,得到对应的窗口候选区域二值图、窗口噪声区域二值图和窗口烟雾区域二值图组成的窗口二值图组合的集合;对窗口二值图组合集合中的每个窗口二值图组合,基于窗口候选区域二值图和窗口噪声区域二值图更新窗口烟雾区域二值图,得到更新后的烟雾区域二值图。
在一些实施例的可选实现方式中,第四确定单元404进一步被配置成:确定滑动窗口的大小;初始化烟雾区域二值图为像素值均为第一值的二值图;使用滑动窗口分别在候选区域二值图、噪声区域二值图和烟雾区域二值图上同步滑动,得到对应的窗口候选区域二值图、窗口噪声区域二值图和窗口烟雾区域二值图组成的窗口二值图组合的集合;对窗口二值图组合集合中的每个窗口二值图组合,响应于窗口候选区域二值图中第二值像素的个数大于窗口噪声区域二值图中第二值像素的个数,将窗口烟雾区域二值图更新为窗口候选区域二值图。
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:确定目标视频中的可疑烟雾帧序列和噪声提取帧序列;确定可疑烟雾帧序列对应的候选区域二值图;确定噪声提取帧序列对应的噪声区域二值图;基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图。
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:一种处理器包括第一确定单元、第二确定单元、第三确定单元和第四确定单元。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,第一确定单元还可以被描述为“确定帧序列的单元”。
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,提供了一种基于灰度值增加数量序列的森林火灾烟雾检测方法,包括:确定目标视频中的可疑烟雾帧序列和噪声提取帧序列;确定可疑烟雾帧序列对应的候选区域二值图;确定噪声提取帧序列对应的噪声区域二值图;基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图。
根据本公开的一个或多个实施例,确定可疑烟雾帧序列对应的候选区域二值图,包括:确定可疑烟雾帧序列中每个可疑烟雾帧对应的子候选区域二值图,得到对应可疑烟雾帧序列的子候选区域二值图集合;将子候选区域二值图集合中的子候选区域二值图进行合并,得到可疑烟雾帧序列对应的候选区域二值图。
根据本公开的一个或多个实施例,确定噪声提取帧序列对应的噪声区域二值图,包括:确定噪声提取帧序列中每个噪声提取帧对应的子噪声区域二值图,得到对应噪声提取帧序列的子噪声区域二值图集合;将子噪声区域二值图集合中的子噪声区域二值图进行合并,得到噪声提取帧序列对应的噪声区域二值图。
根据本公开的一个或多个实施例,确定目标视频中的可疑烟雾帧序列和噪声提取帧序列,包括:对目标视频进行采样,得到目标帧序列;在目标帧序列中确定可疑烟雾帧;将可疑烟雾帧与可疑烟雾帧之前的第一目标数目个帧组合起来得到可疑烟雾帧序列;在目标帧序列中确定噪声提取帧序列。
根据本公开的一个或多个实施例,确定目标视频中的可疑烟雾帧序列和噪声提取帧序列,包括:对目标视频进行采样,得到目标帧序列;计算目标帧序列中的相邻两个目标帧中、在后的目标帧中的灰度值与在前的目标帧中的灰度值的差值大于第一增加阈值的像素点的数量,得到对应目标帧序列的灰度值增加数量序列;将灰度值增加数量序列中的、从前向后首次连续非降的次数超过预设次数阈值的目标灰度值增加数量对应的目标帧,确定为可疑烟雾帧;将可疑烟雾帧与可疑烟雾帧之前的第一目标数目个帧组合起来得到可疑烟雾帧序列;在目标帧序列中确定噪声提取帧序列。
根据本公开的一个或多个实施例,确定目标视频中的可疑烟雾帧序列和噪声提取帧序列,包括:对目标视频进行采样,得到目标帧序列;在目标帧序列中确定可疑烟雾帧;将可疑烟雾帧与可疑烟雾帧之前的第一目标数目个帧组合起来得到可疑烟雾帧序列;将目标帧序列中,在可疑烟雾帧序列前方,且与可疑烟雾帧序列相邻的第二目标数目个帧确定为噪声提取帧序列。
根据本公开的一个或多个实施例,确定可疑烟雾帧序列对应的候选区域二值图,包括:响应于可疑烟雾帧是可疑烟雾帧序列中的第一帧,将可疑烟雾帧对应的子候选区域二值图设置为像素值均为第一值的二值图;否则将可疑烟雾帧对应的子候选区域二值图设置为在可疑烟雾帧的前一可疑烟雾帧和可疑烟雾帧之间、灰度值增加超过第二增加阈值的像素点为第二值,其他像素点为第一值的二值图,得到对应可疑烟雾帧序列的子候选区域二值图集合;将子候选区域二值图集合中的子候选区域二值图进行合并,得到可疑烟雾帧序列对应的候选区域二值图。
根据本公开的一个或多个实施例,确定噪声提取帧序列对应的噪声区域二值图,包括:响应于噪声提取帧是噪声提取帧序列中的第一帧,将噪声提取帧对应的子噪声区域二值图设置为像素值均为第一值的二值图;否则将噪声提取帧对应的子噪声区域二值图设置为在噪声提取帧的前一噪声提取帧和噪声提取帧之间、灰度值减少超过减少阈值的像素点为第二值,其他像素点为第一值的二值图,得到对应噪声提取帧序列的子噪声区域二值图集合;将子噪声区域二值图集合中的子噪声区域二值图进行合并,得到噪声提取帧序列对应的噪声区域二值图。
根据本公开的一个或多个实施例,基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图,包括:确定滑动窗口的大小;初始化烟雾区域二值图为像素值均为第一值的二值图;使用滑动窗口分别在候选区域二值图、噪声区域二值图和烟雾区域二值图上同步滑动,得到对应的窗口候选区域二值图、窗口噪声区域二值图和窗口烟雾区域二值图组成的窗口二值图组合的集合;对窗口二值图组合集合中的每个窗口二值图组合,基于窗口候选区域二值图和窗口噪声区域二值图更新窗口烟雾区域二值图,得到更新后的烟雾区域二值图。
根据本公开的一个或多个实施例,基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图,包括:确定滑动窗口的大小;初始化烟雾区域二值图为像素值均为第一值的二值图;使用滑动窗口分别在候选区域二值图、噪声区域二值图和烟雾区域二值图上同步滑动,得到对应的窗口候选区域二值图、窗口噪声区域二值图和窗口烟雾区域二值图组成的窗口二值图组合的集合;对窗口二值图组合集合中的每个窗口二值图组合,响应于窗口候选区域二值图中第二值像素的个数大于窗口噪声区域二值图中第二值像素的个数,将窗口烟雾区域二值图更新为窗口候选区域二值图。
根据本公开的一个或多个实施例,提供了一种烟雾检测装置,包括:第一确定单元,被配置成确定目标视频中的可疑烟雾帧序列和噪声提取帧序列;第二确定单元,被配置成确定可疑烟雾帧序列对应的候选区域二值图;第三确定单元,被配置成确定噪声提取帧序列对应的噪声区域二值图;第四确定单元,被配置成基于候选区域二值图和噪声区域二值图,确定可疑烟雾帧序列对应的烟雾区域二值图。
根据本公开的一个或多个实施例,第二确定单元进一步被配置成:确定可疑烟雾帧序列中每个可疑烟雾帧对应的子候选区域二值图,得到对应可疑烟雾帧序列的子候选区域二值图集合;将子候选区域二值图集合中的子候选区域二值图进行合并,得到可疑烟雾帧序列对应的候选区域二值图。
根据本公开的一个或多个实施例,第三确定单元进一步被配置成:确定噪声提取帧序列中每个噪声提取帧对应的子噪声区域二值图,得到对应噪声提取帧序列的子噪声区域二值图集合;将子噪声区域二值图集合中的子噪声区域二值图进行合并,得到噪声提取帧序列对应的噪声区域二值图。
根据本公开的一个或多个实施例,第一确定单元进一步被配置成:对目标视频进行采样,得到目标帧序列;在目标帧序列中确定可疑烟雾帧;将可疑烟雾帧与可疑烟雾帧之前的第一目标数目个帧组合起来得到可疑烟雾帧序列;在目标帧序列中确定噪声提取帧序列。
根据本公开的一个或多个实施例,第一确定单元进一步被配置成:对目标视频进行采样,得到目标帧序列;计算目标帧序列中的相邻两个目标帧中、在后的目标帧中的灰度值与在前的目标帧中的灰度值的差值大于第一增加阈值的像素点的数量,得到对应目标帧序列的灰度值增加数量序列;将灰度值增加数量序列中的、从前向后首次连续非降的次数超过预设次数阈值的目标灰度值增加数量对应的目标帧,确定为可疑烟雾帧;将可疑烟雾帧与可疑烟雾帧之前的第一目标数目个帧组合起来得到可疑烟雾帧序列;在目标帧序列中确定噪声提取帧序列。
根据本公开的一个或多个实施例,第一确定单元进一步被配置成:对目标视频进行采样,得到目标帧序列;在目标帧序列中确定可疑烟雾帧;将可疑烟雾帧与可疑烟雾帧之前的第一目标数目个帧组合起来得到可疑烟雾帧序列;将目标帧序列中,在可疑烟雾帧序列前方,且与可疑烟雾帧序列相邻的第二目标数目个帧确定为噪声提取帧序列。
根据本公开的一个或多个实施例,第二确定单元进一步被配置成:响应于可疑烟雾帧是可疑烟雾帧序列中的第一帧,将可疑烟雾帧对应的子候选区域二值图设置为像素值均为第一值的二值图;否则将可疑烟雾帧对应的子候选区域二值图设置为在可疑烟雾帧的前一可疑烟雾帧和可疑烟雾帧之间、灰度值增加超过第二增加阈值的像素点为第二值,其他像素点为第一值的二值图,得到对应可疑烟雾帧序列的子候选区域二值图集合;将子候选区域二值图集合中的子候选区域二值图进行合并,得到可疑烟雾帧序列对应的候选区域二值图。
根据本公开的一个或多个实施例,第三确定单元进一步被配置成:响应于噪声提取帧是噪声提取帧序列中的第一帧,将噪声提取帧对应的子噪声区域二值图设置为像素值均为第一值的二值图;否则将噪声提取帧对应的子噪声区域二值图设置为在噪声提取帧的前一噪声提取帧和噪声提取帧之间、灰度值减少超过减少阈值的像素点为第二值,其他像素点为第一值的二值图,得到对应噪声提取帧序列的子噪声区域二值图集合;将子噪声区域二值图集合中的子噪声区域二值图进行合并,得到噪声提取帧序列对应的噪声区域二值图。
根据本公开的一个或多个实施例,第四确定单元进一步被配置成:确定滑动窗口的大小;初始化烟雾区域二值图为像素值均为第一值的二值图;使用滑动窗口分别在候选区域二值图、噪声区域二值图和烟雾区域二值图上同步滑动,得到对应的窗口候选区域二值图、窗口噪声区域二值图和窗口烟雾区域二值图组成的窗口二值图组合的集合;对窗口二值图组合集合中的每个窗口二值图组合,基于窗口候选区域二值图和窗口噪声区域二值图更新窗口烟雾区域二值图,得到更新后的烟雾区域二值图。
根据本公开的一个或多个实施例,第四确定单元进一步被配置成:确定滑动窗口的大小;初始化烟雾区域二值图为像素值均为第一值的二值图;使用滑动窗口分别在候选区域二值图、噪声区域二值图和烟雾区域二值图上同步滑动,得到对应的窗口候选区域二值图、窗口噪声区域二值图和窗口烟雾区域二值图组成的窗口二值图组合的集合;对窗口二值图组合集合中的每个窗口二值图组合,响应于窗口候选区域二值图中第二值像素的个数大于窗口噪声区域二值图中第二值像素的个数,将窗口烟雾区域二值图更新为窗口候选区域二值图。
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 (2)
1.一种基于灰度值增加数量序列的森林火灾烟雾根节点检测方法,包括:确定目标视频中的可疑烟雾帧序列和噪声提取帧序列;确定所述可疑烟雾帧序列对应的候选区域二值图;确定所述噪声提取帧序列对应的噪声区域二值图;基于所述候选区域二值图和所述噪声区域二值图,确定所述可疑烟雾帧序列对应的烟雾区域二值图;所述确定所述可疑烟雾帧序列对应的候选区域二值图,包括:确定所述可疑烟雾帧序列中每个可疑烟雾帧对应的子候选区域二值图,得到所述可疑烟雾帧序列对应的子候选区域二值图集合;将所述子候选区域二值图集合中的子候选区域二值图进行合并,得到对应所述可疑烟雾帧序列的候选区域二值图;所述确定所述噪声提取帧序列对应的噪声区域二值图,包括:确定所述噪声提取帧序列中每个噪声提取帧对应的子噪声区域二值图,得到对应所述噪声提取帧序列的子噪声区域二值图集合;将所述子噪声区域二值图集合中的子噪声区域二值图进行合并,得到所述噪声提取帧序列对应的噪声区域二值图;所述确定目标视频中的可疑烟雾帧序列和噪声提取帧序列包括:对所述目标视频进行采样,得到目标帧序列;在所述目标帧序列中确定可疑烟雾帧;将所述可疑烟雾帧与所述可疑烟雾帧之前的第一目标数目个帧组合起来得到所述可疑烟雾帧序列;在所述目标帧序列中确定噪声提取帧序列;所述在所述目标帧序列中确定可疑烟雾帧,包括:计算所述目标帧序列中的相邻两个目标帧中、在后的目标帧中的灰度值与在前的目标帧中的灰度值的差值大于第一增加阈值的像素点的数量,得到对应所述目标帧序列的灰度值增加数量序列;将所述灰度值增加数量序列中的、从前向后首次连续非降的次数超过预设次数阈值的目标灰度值增加数量对应的目标帧,确定为所述可疑烟雾帧;所述在所述目标帧序列中确定噪声提取帧序列,包括:将所述目标帧序列中,在所述可疑烟雾帧序列前方,且与所述可疑烟雾帧序列相邻的第二目标数目个帧确定为所述噪声提取帧序列;所述确定所述可疑烟雾帧序列中每个可疑烟雾帧对应的子候选区域二值图,包括:响应于所述可疑烟雾帧是所述可疑烟雾帧序列中的第一帧,将所述可疑烟雾帧对应的子候选区域二值图设置为像素值均为第一值的二值图;否则将所述可疑烟雾帧对应的子候选区域二值图设置为在所述可疑烟雾帧的前一可疑烟雾帧和所述可疑烟雾帧之间、灰度值增加超过第二增加阈值的像素点为第二值,其他像素点为第一值的二值图;所述确定所述噪声提取帧序列中每个噪声提取帧对应的子噪声区域二值图,包括:响应于所述噪声提取帧是所述噪声提取帧序列中的第一帧,将所述噪声提取帧对应的子噪声区域二值图设置为像素值均为第一值的二值图;否则将所述噪声提取帧对应的子噪声区域二值图设置为在所述噪声提取帧的前一噪声提取帧和所述噪声提取帧之间、灰度值减少超过减少阈值的像素点为第二值,其他像素点为第一值的二值图;所述基于所述候选区域二值图和所述噪声区域二值图,确定所述可疑烟雾帧序列对应的烟雾区域二值图,包括:确定滑动窗口的大小;初始化烟雾区域二值图为像素值均为第一值的二值图;使用所述滑动窗口分别在所述候选区域二值图、所述噪声区域二值图和所述烟雾区域二值图上同步滑动,得到对应的窗口候选区域二值图、窗口噪声区域二值图和窗口烟雾区域二值图组成的窗口二值图组合的集合;对所述窗口二值图组合集合中的每个窗口二值图组合,基于所述窗口候选区域二值图和所述窗口噪声区域二值图更新所述窗口烟雾区域二值图,得到更新后的烟雾区域二值图;其中,所述基于所述窗口候选区域二值图和所述窗口噪声区域二值图更新所述窗口烟雾区域二值图,包括:响应于所述窗口候选区域二值图中第二值像素的个数大于所述窗口噪声区域二值图中第二值像素的个数,将所述窗口烟雾区域二值图更新为所述窗口候选区域二值图。
2.一种森林火灾烟雾检测装备,包括:第一确定单元,被配置成确定目标视频中的可疑烟雾帧序列和噪声提取帧序列;第二确定单元,被配置成确定所述可疑烟雾帧序列对应的候选区域二值图;第三确定单元,被配置成确定所述噪声提取帧序列对应的噪声区域二值图;第四确定单元,被配置成基于所述候选区域二值图和所述噪声区域二值图,确定所述可疑烟雾帧序列对应的烟雾区域二值图;所述确定所述可疑烟雾帧序列对应的候选区域二值图,包括:确定所述可疑烟雾帧序列中每个可疑烟雾帧对应的子候选区域二值图,得到所述可疑烟雾帧序列对应的子候选区域二值图集合;将所述子候选区域二值图集合中的子候选区域二值图进行合并,得到对应所述可疑烟雾帧序列的候选区域二值图;所述确定所述噪声提取帧序列对应的噪声区域二值图,包括:确定所述噪声提取帧序列中每个噪声提取帧对应的子噪声区域二值图,得到对应所述噪声提取帧序列的子噪声区域二值图集合;将所述子噪声区域二值图集合中的子噪声区域二值图进行合并,得到所述噪声提取帧序列对应的噪声区域二值图;所述确定目标视频中的可疑烟雾帧序列和噪声提取帧序列包括:对所述目标视频进行采样,得到目标帧序列;在所述目标帧序列中确定可疑烟雾帧;将所述可疑烟雾帧与所述可疑烟雾帧之前的第一目标数目个帧组合起来得到所述可疑烟雾帧序列;在所述目标帧序列中确定噪声提取帧序列;所述在所述目标帧序列中确定可疑烟雾帧,包括:计算所述目标帧序列中的相邻两个目标帧中、在后的目标帧中的灰度值与在前的目标帧中的灰度值的差值大于第一增加阈值的像素点的数量,得到对应所述目标帧序列的灰度值增加数量序列;将所述灰度值增加数量序列中的、从前向后首次连续非降的次数超过预设次数阈值的目标灰度值增加数量对应的目标帧,确定为所述可疑烟雾帧;所述在所述目标帧序列中确定噪声提取帧序列,包括:将所述目标帧序列中,在所述可疑烟雾帧序列前方,且与所述可疑烟雾帧序列相邻的第二目标数目个帧确定为所述噪声提取帧序列;所述确定所述可疑烟雾帧序列中每个可疑烟雾帧对应的子候选区域二值图,包括:响应于所述可疑烟雾帧是所述可疑烟雾帧序列中的第一帧,将所述可疑烟雾帧对应的子候选区域二值图设置为像素值均为第一值的二值图;否则将所述可疑烟雾帧对应的子候选区域二值图设置为在所述可疑烟雾帧的前一可疑烟雾帧和所述可疑烟雾帧之间、灰度值增加超过第二增加阈值的像素点为第二值,其他像素点为第一值的二值图;所述确定所述噪声提取帧序列中每个噪声提取帧对应的子噪声区域二值图,包括:响应于所述噪声提取帧是所述噪声提取帧序列中的第一帧,将所述噪声提取帧对应的子噪声区域二值图设置为像素值均为第一值的二值图;否则将所述噪声提取帧对应的子噪声区域二值图设置为在所述噪声提取帧的前一噪声提取帧和所述噪声提取帧之间、灰度值减少超过减少阈值的像素点为第二值,其他像素点为第一值的二值图;所述基于所述候选区域二值图和所述噪声区域二值图,确定所述可疑烟雾帧序列对应的烟雾区域二值图,包括:确定滑动窗口的大小;初始化烟雾区域二值图为像素值均为第一值的二值图;使用所述滑动窗口分别在所述候选区域二值图、所述噪声区域二值图和所述烟雾区域二值图上同步滑动,得到对应的窗口候选区域二值图、窗口噪声区域二值图和窗口烟雾区域二值图组成的窗口二值图组合的集合;对所述窗口二值图组合集合中的每个窗口二值图组合,基于所述窗口候选区域二值图和所述窗口噪声区域二值图更新所述窗口烟雾区域二值图,得到更新后的烟雾区域二值图;其中,所述基于所述窗口候选区域二值图和所述窗口噪声区域二值图更新所述窗口烟雾区域二值图,包括:响应于所述窗口候选区域二值图中第二值像素的个数大于所述窗口噪声区域二值图中第二值像素的个数,将所述窗口烟雾区域二值图更新为所述窗口候选区域二值图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111072896.0A CN113744259B (zh) | 2021-09-14 | 2021-09-14 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111072896.0A CN113744259B (zh) | 2021-09-14 | 2021-09-14 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113744259A CN113744259A (zh) | 2021-12-03 |
CN113744259B true CN113744259B (zh) | 2023-05-05 |
Family
ID=78738614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111072896.0A Active CN113744259B (zh) | 2021-09-14 | 2021-09-14 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113744259B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576952A (zh) * | 2009-03-06 | 2009-11-11 | 北京中星微电子有限公司 | 一种检测静止目标的方法和装置 |
CN101727666A (zh) * | 2008-11-03 | 2010-06-09 | 深圳迈瑞生物医疗电子股份有限公司 | 图像分割方法及装置、图像倒置判断及胸片前后区分方法 |
CN110166796A (zh) * | 2018-05-16 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 视频帧的处理方法、装置、计算机可读介质及电子设备 |
CN111723644A (zh) * | 2020-04-20 | 2020-09-29 | 北京邮电大学 | 一种监控视频遮挡检测方法及系统 |
JP2020194541A (ja) * | 2019-05-27 | 2020-12-03 | 株式会社Nttドコモ | 画像処理方法、装置及び機器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101283262B1 (ko) * | 2011-10-21 | 2013-07-11 | 한양대학교 산학협력단 | 영상 처리 방법 및 장치 |
-
2021
- 2021-09-14 CN CN202111072896.0A patent/CN113744259B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727666A (zh) * | 2008-11-03 | 2010-06-09 | 深圳迈瑞生物医疗电子股份有限公司 | 图像分割方法及装置、图像倒置判断及胸片前后区分方法 |
CN101576952A (zh) * | 2009-03-06 | 2009-11-11 | 北京中星微电子有限公司 | 一种检测静止目标的方法和装置 |
CN110166796A (zh) * | 2018-05-16 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 视频帧的处理方法、装置、计算机可读介质及电子设备 |
JP2020194541A (ja) * | 2019-05-27 | 2020-12-03 | 株式会社Nttドコモ | 画像処理方法、装置及び機器 |
CN111723644A (zh) * | 2020-04-20 | 2020-09-29 | 北京邮电大学 | 一种监控视频遮挡检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
Smoke detection based on image processing by using grey and transparency features;AHMED FAKHIR MUTAR;《Journal of theoretical and applied information technology》;第6995-7006页 * |
基于运动路径角的林火烟雾图像检测探究;乔元秀,程朋乐;《西北林学院学报》;第212-217页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113744259A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112418232B (zh) | 图像分割方法、装置、可读介质及电子设备 | |
CN110287810B (zh) | 车门动作检测方法、装置和计算机可读存储介质 | |
CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN111222509B (zh) | 目标检测方法、装置及电子设备 | |
CN111459364B (zh) | 图标更新方法、装置和电子设备 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
CN111163324A (zh) | 信息处理方法、装置和电子设备 | |
CN110795196A (zh) | 窗口显示方法、装置、终端及存储介质 | |
CN111915532B (zh) | 图像追踪方法、装置、电子设备及计算机可读介质 | |
CN111783889B (zh) | 图像识别方法、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 | |
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 | |
CN114187169B (zh) | 视频特效包的生成方法、装置、设备及存储介质 | |
CN114419292A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN112418233B (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN111461964B (zh) | 图片处理方法、装置、电子设备和计算机可读介质 | |
CN114419298A (zh) | 虚拟物体的生成方法、装置、设备及存储介质 | |
CN114359673B (zh) | 基于度量学习的小样本烟雾检测方法、装置和设备 | |
CN110991312A (zh) | 生成检测信息的方法、装置、电子设备和介质 | |
CN111489286B (zh) | 图片处理方法、装置、设备和介质 | |
CN112215789B (zh) | 图像去雾方法、装置、设备和计算机可读介质 | |
CN110838132B (zh) | 基于视频流的物体分割方法、装置、设备及存储介质 | |
CN111815656B (zh) | 视频处理方法、装置、电子设备和计算机可读介质 | |
CN112488943B (zh) | 模型训练和图像去雾方法、装置、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 |