CN114022451A - 一种基于图像分割识别的火焰智能检测方法 - Google Patents
一种基于图像分割识别的火焰智能检测方法 Download PDFInfo
- Publication number
- CN114022451A CN114022451A CN202111308443.3A CN202111308443A CN114022451A CN 114022451 A CN114022451 A CN 114022451A CN 202111308443 A CN202111308443 A CN 202111308443A CN 114022451 A CN114022451 A CN 114022451A
- Authority
- CN
- China
- Prior art keywords
- refers
- flame
- real
- preset
- image information
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000003709 image segmentation Methods 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 4
- 239000000446 fuel Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明公开了一种基于图像分割识别的火焰智能检测方法,包括:采集实时现场的图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y));调取预置现场的K(K1(x,y),K2(x,y),K3(x,y),K4(x,y)),K1(x,y)指预置火焰的颜色特征,K2(x,y)指预置火焰的运动特征,K3(x,y)指预置火焰的几何特征,K4(x,y)指预置火焰的纹理特征;所述预置现场是指正常运行无火灾的现场;计算相关度A=k1Q1+k2Q2+k3Q3+k4Q4,k1、k2、k3和k4均为权值;若A<A0,则进行火焰报警,A0为预设值,0.3≤A0≤0.4。本发明其能够自动识别火灾发生,识别效果好,且方便安全。
Description
技术领域
本发明属于图像识别技术领域,尤其涉及一种基于图像分割识别的火焰智能检测方法。
背景技术
电力系统中的燃料系统检修是日常检修中需要重点关注的地方,目前针对燃料系统检修动火点在施工结束后的1—16小时内,容易因为现场遗留的零星热源与煤粉接触后发生阴燃,引起设备火灾,但依靠人工检测,较难发现,且存在安全隐患。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于图像分割识别的火焰智能检测方法,其能够自动识别火灾发生,识别效果好,且方便安全。
为解决上述技术问题,本发明采用的技术方案是:一种基于图像分割识别的火焰智能检测方法,包括:
采集实时现场的图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y)),T1(x,y)指实时火焰的颜色特征,T2(x,y)指实时火焰的运动特征,T3(x,y)指实时火焰的几何特征,T4(x,y)指实时火焰的纹理特征;
调取预置现场的K(K1(x,y),K2(x,y),K3(x,y),K4(x,y)),K1(x,y)指预置火焰的颜色特征,K2(x,y)指预置火焰的运动特征,K3(x,y)指预置火焰的几何特征,K4(x,y)指预置火焰的纹理特征;所述预置现场是指正常运行无火灾的现场;
若A<A0,则进行火焰报警,A0为预设值,0.3≤A0≤0.4。
上述基于图像分割识别的火焰智能检测方法,所述采集实时现场的图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))时,包括:
对采集到的实时现场的图像信息进行滤波去噪和直方图均衡预处理;
然后,再识别图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))。
上述基于图像分割识别的火焰智能检测方法,所述采集实时现场的图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))时,还包括:对实时现场的图像信息进行分割,将火焰所在区域独立分割出来,然后再识别图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))。
上述基于图像分割识别的火焰智能检测方法,所述相关度A的计算频率为1次/s。
上述基于图像分割识别的火焰智能检测方法,所述采集实时现场的图像信息时,采用红外线摄像头进行图像采集。
上述基于图像分割识别的火焰智能检测方法,所述k1=0.4、k2=0.3、k3=0.4、k4=0.3。
本发明与现有技术相比具有以下优点:本发明通过对火焰的颜色特征、火焰的运动特征、火焰的几何特征、火焰的纹理特征等多个方面进行监测,从而能够很好的识别火灾发生,使工作人员不必再现场人工监测,避免了危险。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的方法流程图。
具体实施方式
如图1所示,一种基于图像分割识别的火焰智能检测方法,包括:
采集实时现场的图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y)),T1(x,y)指实时火焰的颜色特征,T2(x,y)指实时火焰的运动特征,T3(x,y)指实时火焰的几何特征,T4(x,y)指实时火焰的纹理特征;
调取预置现场的K(K1(x,y),K2(x,y),K3(x,y),K4(x,y)),K1(x,y)指预置火焰的颜色特征,K2(x,y)指预置火焰的运动特征,K3(x,y)指预置火焰的几何特征,K4(x,y)指预置火焰的纹理特征;所述预置现场是指正常运行无火灾的现场;
若A<A0,则进行火焰报警,A0为预设值,0.3≤A0≤0.4。
需要说明的是,实时现场的图像信息是通过部署在现场的红外线摄像头进行采集,然后传输至远程计算机进行分析计算,得到图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y)),具体的,T1(x,y)实时火焰的颜色特征,T2(x,y)实时火焰的运动特征,T3(x,y)实时火焰的几何特征,T4(x,y)实时火焰的纹理特征是通过预先训练好的机器学习模型进行采集,其中(x,y)是像素编码坐标信息,实际中优选地,所述A0=0.35。
本实施例中,所述采集实时现场的图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))时,包括:
对采集到的实时现场的图像信息进行滤波去噪和直方图均衡预处理;
然后,再识别图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))。
需要说明的是,通过滤波去噪和直方图均衡预处理可以使识别出的特征信息更加的精确。
本实施例中,所述采集实时现场的图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))时,还包括:对实时现场的图像信息进行分割,将火焰所在区域独立分割出来,然后再识别图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))。
需要说明的是,实际中,因为现场的场景较大,所以通过图像分割的方式,将火焰所在区域独立分割出来然后进行图像增强处理,再进行识别可以获得更准确的识别结果。
本实施例中,所述相关度A的计算频率为1次/s。
需要说明的是,实际中火灾的发送和传播速度有时会很快,所以采用较高的计算频率可以更快的发现并预警。
本实施例中,所述k1=0.4、k2=0.3、k3=0.4、k4=0.3。
需要说明的是,采用k1=0.4、k2=0.3、k3=0.4、k4=0.3,是经过对实际火焰发生变化并出现火灾情况的多次研究,所确定的权重值。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。
Claims (6)
1.一种基于图像分割识别的火焰智能检测方法,其特征在于,包括:
采集实时现场的图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y)),T1(x,y)指实时火焰的颜色特征,T2(x,y)指实时火焰的运动特征,T3(x,y)指实时火焰的几何特征,T4(x,y)指实时火焰的纹理特征;
调取预置现场的K(K1(x,y),K2(x,y),K3(x,y),K4(x,y)),K1(x,y)指预置火焰的颜色特征,K2(x,y)指预置火焰的运动特征,K3(x,y)指预置火焰的几何特征,K4(x,y)指预置火焰的纹理特征;所述预置现场是指正常运行无火灾的现场;
若A<A0,则进行火焰报警,A0为预设值,0.3≤A0≤0.4。
2.按照权利要求1所述的一种基于图像分割识别的火焰智能检测方法,其特征在于,所述采集实时现场的图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))时,包括:
对采集到的实时现场的图像信息进行滤波去噪和直方图均衡预处理;
然后,再识别图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))。
3.按照权利要求2所述的一种基于图像分割识别的火焰智能检测方法,其特征在于,所述采集实时现场的图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))时,还包括:对实时现场的图像信息进行分割,将火焰所在区域独立分割出来,然后再识别图像信息T(T1(x,y),T2(x,y),T3(x,y),T4(x,y))。
4.按照权利要求1所述的一种基于图像分割识别的火焰智能检测方法,其特征在于,所述相关度A的计算频率为1次/s。
5.按照权利要求1所述的一种基于图像分割识别的火焰智能检测方法,其特征在于,所述采集实时现场的图像信息时,采用红外线摄像头进行图像采集。
6.按照权利要求1所述的一种基于图像分割识别的火焰智能检测方法,其特征在于,所述k1=0.4、k2=0.3、k3=0.4、k4=0.3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111308443.3A CN114022451A (zh) | 2021-11-05 | 2021-11-05 | 一种基于图像分割识别的火焰智能检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111308443.3A CN114022451A (zh) | 2021-11-05 | 2021-11-05 | 一种基于图像分割识别的火焰智能检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114022451A true CN114022451A (zh) | 2022-02-08 |
Family
ID=80061475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111308443.3A Pending CN114022451A (zh) | 2021-11-05 | 2021-11-05 | 一种基于图像分割识别的火焰智能检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114022451A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324910A (zh) * | 2013-05-06 | 2013-09-25 | 南京新奕天智能视频技术有限公司 | 一种基于视频检测的火灾报警方法 |
CN104850826A (zh) * | 2015-04-23 | 2015-08-19 | 北京宇航时代科技发展有限公司 | 一种火灾红外波段检测方法 |
CN105718964A (zh) * | 2014-12-02 | 2016-06-29 | 中国科学院沈阳自动化研究所 | 一种输电线防振锤的视觉检测方法 |
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 |
CN108986379A (zh) * | 2018-08-15 | 2018-12-11 | 重庆英卡电子有限公司 | 带红外拍照的火焰探测器及其控制方法 |
CN111368771A (zh) * | 2020-03-11 | 2020-07-03 | 四川路桥建设集团交通工程有限公司 | 一种基于图像处理的隧道火灾预警方法、装置、计算机设备以及计算机可读存储介质 |
CN113128439A (zh) * | 2021-04-27 | 2021-07-16 | 云南电网有限责任公司电力科学研究院 | 一种基于视频图像序列的火焰实时检测算法及系统 |
-
2021
- 2021-11-05 CN CN202111308443.3A patent/CN114022451A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324910A (zh) * | 2013-05-06 | 2013-09-25 | 南京新奕天智能视频技术有限公司 | 一种基于视频检测的火灾报警方法 |
CN105718964A (zh) * | 2014-12-02 | 2016-06-29 | 中国科学院沈阳自动化研究所 | 一种输电线防振锤的视觉检测方法 |
CN104850826A (zh) * | 2015-04-23 | 2015-08-19 | 北京宇航时代科技发展有限公司 | 一种火灾红外波段检测方法 |
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 |
CN108986379A (zh) * | 2018-08-15 | 2018-12-11 | 重庆英卡电子有限公司 | 带红外拍照的火焰探测器及其控制方法 |
CN111368771A (zh) * | 2020-03-11 | 2020-07-03 | 四川路桥建设集团交通工程有限公司 | 一种基于图像处理的隧道火灾预警方法、装置、计算机设备以及计算机可读存储介质 |
CN113128439A (zh) * | 2021-04-27 | 2021-07-16 | 云南电网有限责任公司电力科学研究院 | 一种基于视频图像序列的火焰实时检测算法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600888B (zh) | 一种森林火灾自动检测方法及系统 | |
CN111462451B (zh) | 基于视频信息的秸秆焚烧检测报警系统 | |
CN110728223A (zh) | 一种基于深度学习的安全帽佩戴识别方法 | |
CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
CN110084196B (zh) | 一种用于云计算的监控视频识别系统 | |
CN103778418A (zh) | 一种输电线路杆塔图像监测系统的山火图像识别方法 | |
CN113903081A (zh) | 一种水电厂图像视觉识别人工智能报警方法及装置 | |
CN103425959B (zh) | 一种识别火灾的火焰视频检测方法 | |
CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
CN105096305A (zh) | 绝缘子状态分析的方法及装置 | |
CN110929608A (zh) | 安全帽佩带检测方法及系统 | |
CN110930632B (zh) | 一种基于人工智能的预警系统 | |
CN117576632B (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
Wang et al. | A safety helmet and protective clothing detection method based on improved-yolo v 3 | |
CN107704818A (zh) | 一种基于视频图像的火灾检测系统 | |
CN116977909B (zh) | 一种基于多模态数据的深度学习火灾强度识别方法及系统 | |
CN104392201B (zh) | 一种基于全向视觉的人体跌倒识别方法 | |
CN113179389A (zh) | 一种输电线路危险车辆吊车扬臂识别系统及识别方法 | |
CN113627321A (zh) | 基于人工智能的图像识别方法、装置及计算机设备 | |
CN114022451A (zh) | 一种基于图像分割识别的火焰智能检测方法 | |
CN117253191A (zh) | 一种基于detr模型的安全帽佩戴检测方法 | |
CN112488213A (zh) | 一种基于多尺度特征学习网络的火灾图片分类方法 | |
CN110992629A (zh) | 一种基于视频监控的检测静止人体方法 | |
CN103345625B (zh) | 一种三维图像分析方法及系统 |
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 |