CN115330779B - 民用爆破中基于火光和烟尘的爆破时刻确认方法及系统 - Google Patents
民用爆破中基于火光和烟尘的爆破时刻确认方法及系统 Download PDFInfo
- Publication number
- CN115330779B CN115330779B CN202211250273.2A CN202211250273A CN115330779B CN 115330779 B CN115330779 B CN 115330779B CN 202211250273 A CN202211250273 A CN 202211250273A CN 115330779 B CN115330779 B CN 115330779B
- Authority
- CN
- China
- Prior art keywords
- gray level
- blasting
- frame
- image data
- sum
- 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
- 238000005422 blasting Methods 0.000 title claims abstract description 112
- 239000000779 smoke Substances 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000000428 dust Substances 0.000 title claims abstract description 9
- 238000012790 confirmation Methods 0.000 title description 11
- 238000004880 explosion Methods 0.000 claims abstract description 27
- 230000001186 cumulative effect Effects 0.000 claims description 35
- 238000009825 accumulation Methods 0.000 claims description 19
- 239000002360 explosive Substances 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 7
- 238000010304 firing Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 16
- 239000007787 solid Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007717 exclusion Effects 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 by the use of histogram techniques
-
- G06T5/90—
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种民用爆破中基于火光和烟尘的爆破时刻确认方法及系统,所述方法包括获取第一图像数据,并生成第一图像数据中各帧的灰度直方图,其中第一图像数据为爆破前第一预设时间间隔内的图像数据;根据第一图像数据中各帧的灰度直方图生成背景图像的灰度直方图;获取第二图像数据,并生成第二图像数据中各帧的灰度直方图,然后逐帧执行烟尘跟踪子步骤和亮光跟踪子步骤,其中第二图像数据为爆破过程的图像数据;确定出爆破时刻帧图像。本发明实现了对无爆炸部分引起烟尘变化的跟踪检测和对有爆炸部分引起火光变化的跟踪检测,从大量爆炸图像数据中定位出爆破时刻帧图像,实现了爆炸点高效且便捷的检测。
Description
技术领域
本发明属于爆破分析技术领域,具体涉及一种民用爆破中基于火光和烟尘的爆破时刻确认方法及系统。
背景技术
在民用爆破场景中,炸药在接收到爆破指令后会经过一定的延迟,然后定时爆炸。在对爆破过程的爆炸状态进行分析时,通常需要对炸药的爆炸时刻是否准确以及爆炸时的各项参数指标是否符合要求等进行分析,因此需要对爆破过程中的爆炸前后时刻进行录像。
目前,一般使用高速相机对爆炸前后兴趣时刻进行录像和存储,然后对存储的录像进行事后分析和研判。在进行事后分析和研判时,需要人工干预地在存储下来的大量图像数据中查找出爆破过程中的爆破时刻帧图像,即从录像数据中定位出准确的爆炸点,耗时且费力。
发明内容
本发明的目的在于克服现有技术的一项或多项不足,提供一种民用爆破中基于火光和烟尘的爆破时刻确认方法及系统。
本发明的目的是通过以下技术方案来实现的:
本发明的第一方面提供了一种民用爆破中基于火光和烟尘的爆破时刻确认方法,包括如下步骤:
S1、获取第一图像数据,并生成第一图像数据中各帧的灰度直方图,其中第一图像数据为爆破前第一预设时间间隔内的图像数据;
S2、基于预设的背景图像生成算法,根据第一图像数据中各帧的灰度直方图生成背景图像的灰度直方图;
S3、获取第二图像数据,并生成第二图像数据中各帧的灰度直方图,然后逐帧执行烟尘跟踪子步骤和亮光跟踪子步骤,其中第二图像数据为爆破过程的图像数据;
所述烟尘跟踪子步骤具体为:计算背景图像的灰度直方图和当前帧的灰度直方图在各个灰度级的像素数量的差值,确定出目标灰度级,所述目标灰度级为所有差值中绝对值最大的差值所对应的灰度级;根据目标灰度级确定第一区间,且目标灰度级在第一区间内,并计算第一累加和与第二累加和,所述第一累加和为背景图像的灰度直方图在第一区间内的各个灰度级的像素数量累加和,所述第二累加和为当前帧的灰度直方图在第一区间内的各个灰度级的像素数量累加和;若第二累加和与第一累加和的比值大于第一阈值,则执行S6,否则执行S4;
所述亮光跟踪子步骤具体为:计算第三累加和与第四累加和,所述第三累加和为背景图像的灰度直方图在第二区间内的各个灰度级的像素数量累加和,所述第四累加和为当前帧的灰度直方图在第二区间内的各个灰度级的像素数量累加和,所述第二区间为大于等于第一预设灰度级且小于等于255的灰度级取值区间;若第四累加和与第三累加和的比值大于第二阈值,则执行S6,否则执行S5;
S4、针对第二图像数据的下一帧执行烟尘跟踪子步骤;
S5、针对第二图像数据的下一帧执行亮光跟踪子步骤;
S6、将当前帧确定为爆破时刻帧图像。
优选地,所述背景图像生成算法包括如下步骤:
选取第一图像数据中的N个帧图像,计算该N个帧图像的灰度直方图在每个灰度级的像素数量的平均值,根据所有平均值生成背景图像的灰度直方图。
优选地,所述N的取值为2的整数次方。
优选地,所述S6之后还包括如下步骤:
S7、标记爆破时刻帧图像;
S8、在标记后的爆破时刻帧图像的像素数据中嵌入标识数据,并对嵌入所述标识数据后的第二图像数据的所有像素数据进行存储,存储时根据所述标识数据识别该爆破时刻帧图像,然后记录该爆破时刻帧图像的存放位置。
优选地,所述第一预设时间间隔为爆破指令发出前的第一时间段和爆破指令发出至炸药接收该指令之间的延迟时间之和。
优选地,所述S8中,还对所述延迟时间内的第一图像数据的所有像素数据进行存储。
优选地,所述计算该N个帧图像的灰度直方图在每个灰度级的像素数量的平均值的公式为:
优选地,所述根据目标灰度级确定第一区间,且目标灰度级在第一区间内,并计算第一累加和与第二累加和,具体步骤如下:
所述计算第三累加和与第四累加和,具体步骤如下:
优选地,所述第一时间段为四秒。
本发明的第一方面带来的有益效果包括:
(1)、基于预设的背景图像生成算法得到背景图像的灰度直方图,然后对第一累加和与第二累加和进行逐帧的跟踪检测,实现了对无爆炸部分引起烟尘变化的跟踪检测,以及对第三累加和与第四累加和进行逐帧的跟踪检测,实现了对有爆炸部分引起火光变化的跟踪检测,最终从大量爆炸图像数据中提取出爆破时刻帧图像,实现了爆炸点高效且便捷的检测,提高了后期上位机等设备对爆炸状态进行分析的效率和准确度;
(2)、通过对爆破时刻帧图像的标记,以及在爆破时刻帧图像的像素数据中嵌入标识数据,方便存储时存储介质等对爆破时刻帧图像的识别,并给出存放位置,方便上位机便捷地通过存放放置获取到爆破时刻帧图像的帧号,进而在录像数据中定位到爆破时刻帧图像,进一步提高了后期上位机等设备对爆炸状态进行分析的效率;
(3)、通过对第一图像数据中的多帧求取灰度直方图的平均值,提高了生成的背景图像的准确度;
(4)、通过将N取值设为2的整数次方,避免在背景图像生成算法中使用除法操作,将除法操作变为了移位操作,提高了背景图像生成的效率;
(5)、通过将第一预设时间间隔定义为爆破指令发出前的第一时间段和爆破指令发出至炸药接收该指令之间的延迟时间之和,相比不考虑延迟时间而言,生成的背景图像的准确度更高。
本发明的第二方面提供了一种民用爆破中基于火光和烟尘的爆破时刻确认系统,所述确认系统使用第一方面所述的民用爆破中基于火光和烟尘的爆破时刻确认方法,所述确认系统用于与外部的上位机通信连接,所述上位机用于获取爆破时刻帧图像。
本发明的第二方面带来与第一方面相同的有益效果,在此不再赘述。
附图说明
图1为民用爆破中基于火光和烟尘的爆破时刻确认方法的一种示意性流程图;
图2为民用爆破中基于火光和烟尘的爆破时刻确认系统的一种组成框图。
具体实施方式
下面将结合实施例,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
参阅图1,本实施例提供了一种民用爆破中基于火光和烟尘的爆破时刻确认方法,包括如下步骤:
S1、获取第一图像数据,并生成第一图像数据中各帧的灰度直方图,其中第一图像数据为爆破前第一预设时间间隔内的图像数据。可选的,第一预设时间间隔为爆破指令发出前的第一时间段和爆破指令发出至炸药接收该指令之间的延迟时间之和。本实施例中第一时间段优选为4秒,延迟时间为10秒,因此第一图像数据为爆破指令发出前4秒和爆破指令发出后的10秒,共计14秒的图像数据。
S2、基于预设的背景图像生成算法,根据第一图像数据中各帧的灰度直方图生成背景图像的灰度直方图。预设的背景图像生成算法的实现基于背景图像生成模型的构建,然后进行背景图像生成模型的训练,训练后得到最终的背景图像生成模型。
可选的,背景图像生成算法的具体步骤如下:
S21、选取第一图像数据中的N个帧图像,计算该N个帧图像的灰度直方图在每个灰度级
的像素数量的平均值,根据所有平均值生成背景图像的灰度直方图。该平均值的计算公式如下:
,其中,i表示灰度级,0≤i≤255,表示第一帧图像的灰度直方图在灰度级i的像素数量,表示第二帧图像的灰度直方图在灰度级i的像素数量,表示第N帧图像的灰度直方图在灰度级i的像素数量,N的取值为2的整数次方。本实施例中N优选为1024。
S3、获取第二图像数据,并生成第二图像数据中各帧的灰度直方图,然后逐帧执行烟尘跟踪子步骤和亮光跟踪子步骤,其中炸药在接收到爆破指令后开启爆破过程,第二图像数据为该爆破过程的图像数据,即为从炸药爆破过程的初始时刻开始的所有图像数据。
烟尘跟踪子步骤具体为:计算背景图像的灰度直方图和当前帧的灰度直方图在各个灰度级的像素数量的差值,确定出目标灰度级,目标灰度级为所有差值中绝对值最大的差值所对应的灰度级;根据目标灰度级确定第一区间,且目标灰度级在第一区间内,并计算第一累加和与第二累加和,第一累加和为背景图像的灰度直方图在第一区间内的各个灰度级的像素数量累加和,第二累加和为当前帧的灰度直方图在第一区间内的各个灰度级的像素数量累加和;若第二累加和与第一累加和的比值大于第一阈值,则执行S6,否则执行S4。
亮光跟踪子步骤具体为:计算第三累加和与第四累加和,第三累加和为背景图像的灰度直方图在第二区间内的各个灰度级的像素数量累加和,第四累加和为当前帧的灰度直方图在第二区间内的各个灰度级的像素数量累加和,第二区间为大于等于第一预设灰度级且小于等于255的灰度级取值区间;若第四累加和与第三累加和的比值大于第二阈值,则执行S6,否则执行S5。
S4、针对第二图像数据的下一帧执行烟尘跟踪子步骤。
S5、针对第二图像数据的下一帧执行亮光跟踪子步骤。
S6、将当前帧确定为爆破时刻帧图像。
本方法中通过两种方式确定爆破时刻帧图像:
第一种方式为通过烟尘检测和跟踪进行判断:第一累加和为以目标灰度级为中心对背景图像的灰度直方图进行的局部累加,通过第一累加和来表征未爆破时的背景烟尘,第二累加和为以目标灰度级为中心对当前帧图像的灰度直方图进行的局部累加,通过第二累加和的变化来跟踪炸药中无爆炸部分引起的烟尘,当第二累加和大于第一累加和的第一阈值倍数时,表征当前帧中发生了爆炸,即可确定当前帧图像为爆破时刻帧图像。其中第一阈值根据不同类型的爆破炸药且依据经验进行设定。
第二种方式为通过亮光检测和跟踪进行判断:第三累加和为背景图像的灰度直方图的亮度部分的局部累加,其中亮度部分是指灰度级大于等于第一预设灰度级且小于等于255灰度级之间的灰度直方图区域,通过第三累加和来表征未爆破时的背景亮光,第四累加和为当前帧图像的灰度直方图的亮度部分的局部累加,通过第四累加和的变化来跟踪炸药中有爆炸部分引起的火光,当第四累加和大于第三累加和的第二阈值倍数时,表征当前帧中发生了爆炸,即可确定当前帧图像为爆破时刻帧图像。其中第一预设灰度级根据不同类型的爆破炸药且依据经验进行设定,第二阈值也根据不同类型的爆破炸药且依据经验进行设定。
因此,将第二累加和大于第一累加和的第一阈值倍数,或,第四累加和大于第三累加和的第二阈值倍数作为确定当前帧图像为爆破时刻帧图像的条件,实现了从大量第二图像数据中快速且精准的找到爆破时刻帧图像,即找到爆炸录像数据中的爆炸点。
具体的,根据目标灰度级确定第一区间,且目标灰度级在第一区间内,并计算第一累加和与第二累加和,具体步骤如下:
计算第三累加和与第四累加和,具体步骤如下:
实施例二
实施例二与实施例一的区别在于,在步骤S6之后还包括如下步骤:
S7、标记爆破时刻帧图像。
S8、在标记后的爆破时刻帧图像的像素数据中嵌入标识数据,并对嵌入标识数据后的第二图像数据的所有像素数据以及延迟时间内的第一图像数据的所有像素数据进行存储,存储时根据标识数据识别该爆破时刻帧图像,然后记录该爆破时刻帧图像的存放位置。将嵌入标识数据后的第二图像数据的所有像素数据以及延迟时间内的第一图像数据的所有像素数据作为目标图像数据。
在检测到爆破时刻帧图像后,通过对该帧图像进行标记,并在该帧图像的像素数据中嵌入标识数据,然后对嵌入标识数据后的第二图像数据的所有像素数据以及延迟时间内的第一图像数据的所有像素数据进行存储,存储介质通过该标识数据识别该帧图像,并在存储介质的文件列表中记录该帧图像的存放位置,方便上位机通过获取该存放位置,快速地得到该帧图像的帧号。上位机通过获取目标图像数据和该帧图像的帧号,从目标图像数据中快速地定位到爆破时刻帧图像,加快了上位机针对爆炸状态的分析效率,进而也提高了上位机针对爆炸状态的分析准确度。
实施例三
本实施例提供了一种民用爆破中基于火光和烟尘的爆破时刻确认系统,该确认系统使用了实施例二中的民用爆破中基于火光和烟尘的爆破时刻确认方法,该确认系统用于与外部的上位机通信连接,上位机用于获取爆破时刻帧图像。
如图2所示,民用爆破中基于火光和烟尘的爆破时刻确认系统具体包括:高速相机、采集板卡、火光和烟尘检测模块、DDR存储以及固态存储板,固态存储板用于与外部的上位机通信连接。
高速相机用于拍摄爆炸图像数据,优选的,高速相机为分辨率1920x1080 、拍摄速率为2000帧/秒的相机,拍摄的爆炸图像数据包括第一图像数据和第二图像数据,并将第一图像数据和第二图像数据通过full camera link输入到采集板卡。
采集板卡用于将第一图像数据和第二图像数据传输至DDR存储,由DDR存储进行缓存,在传输至DDR存储的同时,将第一图像数据和第二图像数据传送至火光和烟尘检测模块。
火光和烟尘检测模块用于从第一图像数据中选取N帧图像,计算该N个帧图像的灰度直方图在每个灰度级的像素数量的平均值,根据所有平均值生成背景图像的灰度直方图。
火光和烟尘检测模块还用于在生成背景图像的灰度直方图后,对第二图像数据进行预处理,预处理包括消隐,在消隐阶段,本系统同步进行DDR存储的清零初始化操作,并对预处理后的第二图像数据的每一帧均进行灰度直方图统计,生成第二图像数据每一帧的灰度直方图,然后逐帧执行烟尘跟踪子步骤和亮光跟踪子步骤,判断第二累加和是否大于第一累加和的第一阈值倍数,或,第四累加和是否大于第三累加和的第二阈值倍数,若是,则将当前帧确定为爆破时刻帧图像,否则针对第二图像数据的下一帧执行烟尘跟踪子步骤和亮光跟踪子步骤,当确定出爆破时刻帧图像后,火光和烟尘检测模块输出高电平的通信信号,并将该通信信号发送至DDR存储,DDR存储在对第一图像数据和第二图像数据存储过程中,若接收到该通信信号,则对爆破时刻帧图像进行标记,并将目标图像数据传输至固态存储板,在将目标图像数据传输至固态存储板时,在做了标记的爆破时刻帧图像的像素数据中嵌入标识数据。本实施例中标识数据为0xffff0000,且该标识数据位于爆破时刻帧图像的第0行前4个像素数据中。
固态存储板用于通过SRIO(串行RapidIO)接口接收目标图像数据时,对嵌入的标识数据进行检测,当检测到标识数据后,记录该帧图像在固态存储板的存放位置,并将存放位置信息存储在文件列表区。上位机读取固态存储板文件列表区的信息即可获取爆破时刻帧图像的帧号,可以在通过播放软件播放目标图像数据时,在播放软件中指定查看该帧号位置的图像。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (9)
1.民用爆破中基于火光和烟尘的爆破时刻确认方法,其特征在于,包括如下步骤:
S1、获取第一图像数据,并生成第一图像数据中各帧的灰度直方图,其中第一图像数据为爆破前第一预设时间间隔内的图像数据;
S2、基于预设的背景图像生成算法,根据第一图像数据中各帧的灰度直方图生成背景图像的灰度直方图;
S3、获取第二图像数据,并生成第二图像数据中各帧的灰度直方图,然后逐帧执行烟尘跟踪子步骤和亮光跟踪子步骤,其中第二图像数据为爆破过程的图像数据;
所述烟尘跟踪子步骤具体为:计算背景图像的灰度直方图和当前帧的灰度直方图在各个灰度级的像素数量的差值,确定出目标灰度级,所述目标灰度级为所有差值中绝对值最大的差值所对应的灰度级;根据目标灰度级确定第一区间,且目标灰度级在第一区间内,并计算第一累加和与第二累加和,所述第一累加和为背景图像的灰度直方图在第一区间内的各个灰度级的像素数量累加和,所述第二累加和为当前帧的灰度直方图在第一区间内的各个灰度级的像素数量累加和;若第二累加和与第一累加和的比值大于第一阈值,则执行S6,否则执行S4;
所述亮光跟踪子步骤具体为:计算第三累加和与第四累加和,所述第三累加和为背景图像的灰度直方图在第二区间内的各个灰度级的像素数量累加和,所述第四累加和为当前帧的灰度直方图在第二区间内的各个灰度级的像素数量累加和,所述第二区间为大于等于第一预设灰度级且小于等于255的灰度级取值区间;若第四累加和与第三累加和的比值大于第二阈值,则执行S6,否则执行S5;
S4、针对第二图像数据的下一帧执行烟尘跟踪子步骤;
S5、针对第二图像数据的下一帧执行亮光跟踪子步骤;
S6、将当前帧确定为爆破时刻帧图像;
所述背景图像生成算法包括如下步骤:
选取第一图像数据中的N个帧图像,计算该N个帧图像的灰度直方图在每个灰度级的像素数量的平均值,根据所有平均值生成背景图像的灰度直方图。
2.根据权利要求1所述的民用爆破中基于火光和烟尘的爆破时刻确认方法,其特征在于,所述N的取值为2的整数次方。
3.根据权利要求1所述的民用爆破中基于火光和烟尘的爆破时刻确认方法,其特征在于,所述S6之后还包括如下步骤:
S7、标记爆破时刻帧图像;
S8、在标记后的爆破时刻帧图像的像素数据中嵌入标识数据,并对嵌入所述标识数据后的第二图像数据的所有像素数据进行存储,存储时根据所述标识数据识别该爆破时刻帧图像,然后记录该爆破时刻帧图像的存放位置。
4.根据权利要求3所述的民用爆破中基于火光和烟尘的爆破时刻确认方法,其特征在于,所述第一预设时间间隔为爆破指令发出前的第一时间段和爆破指令发出至炸药接收该指令之间的延迟时间之和。
5.根据权利要求4所述的民用爆破中基于火光和烟尘的爆破时刻确认方法,其特征在于,所述S8中,还对所述延迟时间内的第一图像数据的所有像素数据进行存储。
7.根据权利要求6所述的民用爆破中基于火光和烟尘的爆破时刻确认方法,其特征在于,
所述根据目标灰度级确定第一区间,且目标灰度级在第一区间内,并计算第一累加和与
第二累加和,具体步骤如下:
所述计算第三累加和与第四累加和,具体步骤如下:
8.根据权利要求4所述的民用爆破中基于火光和烟尘的爆破时刻确认方法,其特征在于,所述第一时间段为四秒。
9.民用爆破中基于火光和烟尘的爆破时刻确认系统,其特征在于,所述确认系统使用权利要求1-8项任一项所述的民用爆破中基于火光和烟尘的爆破时刻确认方法,所述确认系统用于与外部的上位机通信连接,所述上位机用于获取爆破时刻帧图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211250273.2A CN115330779B (zh) | 2022-10-13 | 2022-10-13 | 民用爆破中基于火光和烟尘的爆破时刻确认方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211250273.2A CN115330779B (zh) | 2022-10-13 | 2022-10-13 | 民用爆破中基于火光和烟尘的爆破时刻确认方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115330779A CN115330779A (zh) | 2022-11-11 |
CN115330779B true CN115330779B (zh) | 2022-12-20 |
Family
ID=83915097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211250273.2A Active CN115330779B (zh) | 2022-10-13 | 2022-10-13 | 民用爆破中基于火光和烟尘的爆破时刻确认方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330779B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6496593B1 (en) * | 1998-05-07 | 2002-12-17 | University Research Foundation, Inc. | Optical muzzle blast detection and counterfire targeting system and method |
CN108846307A (zh) * | 2018-04-12 | 2018-11-20 | 中南大学 | 一种基于波形图像的微震与爆破事件识别方法 |
CN111062926A (zh) * | 2019-12-18 | 2020-04-24 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法、装置及存储介质 |
CN111724430A (zh) * | 2019-03-22 | 2020-09-29 | 株式会社理光 | 一种图像处理方法、装置及计算机可读存储介质 |
CN111951194A (zh) * | 2020-08-26 | 2020-11-17 | 重庆紫光华山智安科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN114549498A (zh) * | 2021-07-30 | 2022-05-27 | 北京中海技创科技发展有限公司 | 一种炮弹爆炸信息的检测方法、设备和存储介质 |
CN114943923A (zh) * | 2022-06-17 | 2022-08-26 | 中国人民解放军陆军炮兵防空兵学院 | 基于深度学习的视频识别炮弹爆炸火光烟雾方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6530213B2 (en) * | 2001-05-22 | 2003-03-11 | Lockheed Martin Corporation | Method and apparatus for ignition detection |
US9995843B2 (en) * | 2014-10-10 | 2018-06-12 | Austin Star Detonator Company | Methods and system for blasting video analysis |
US10403107B2 (en) * | 2016-07-07 | 2019-09-03 | Sri International | Passive optical detection method and system for vehicles |
US11747480B2 (en) * | 2020-08-18 | 2023-09-05 | IntelliShot Holdings, Inc. | Automated threat detection and deterrence apparatus |
-
2022
- 2022-10-13 CN CN202211250273.2A patent/CN115330779B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6496593B1 (en) * | 1998-05-07 | 2002-12-17 | University Research Foundation, Inc. | Optical muzzle blast detection and counterfire targeting system and method |
CN108846307A (zh) * | 2018-04-12 | 2018-11-20 | 中南大学 | 一种基于波形图像的微震与爆破事件识别方法 |
CN111724430A (zh) * | 2019-03-22 | 2020-09-29 | 株式会社理光 | 一种图像处理方法、装置及计算机可读存储介质 |
CN111062926A (zh) * | 2019-12-18 | 2020-04-24 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法、装置及存储介质 |
CN111951194A (zh) * | 2020-08-26 | 2020-11-17 | 重庆紫光华山智安科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN114549498A (zh) * | 2021-07-30 | 2022-05-27 | 北京中海技创科技发展有限公司 | 一种炮弹爆炸信息的检测方法、设备和存储介质 |
CN114943923A (zh) * | 2022-06-17 | 2022-08-26 | 中国人民解放军陆军炮兵防空兵学院 | 基于深度学习的视频识别炮弹爆炸火光烟雾方法及系统 |
Non-Patent Citations (4)
Title |
---|
Towards the Development of a Low Cost Airborne Sensing System to Monitor Dust Particles after Blasting at Open-Pit Mine Sites;Miguel Alvarado 等;《Sensors》;20150812;第15卷(第08期);19667-19687 * |
基于视听分层模型的实时爆炸场景识别;庄越挺 等;《计算机辅助设计与图形学学报》;20040120;第16卷(第01期);90-97 * |
基于视频图像的瓦斯和煤尘爆炸感知报警及爆源判定方法;孙继平 等;《工矿自动化》;20200629;第46卷(第07期);1-4 * |
爆炸过程相关参量的计算机图像测量方法;王锋 等;《光子学报》;20070515;第36卷(第05期);930-932 * |
Also Published As
Publication number | Publication date |
---|---|
CN115330779A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11765321B2 (en) | Intelligent video surveillance system and method | |
CN102891960B (zh) | 用于确定图像调整参数的方法和相机 | |
CN101742106B (zh) | 具有图像抖动检测功能的摄像装置 | |
US7982774B2 (en) | Image processing apparatus and image processing method | |
CN101170647B (zh) | 检测特定对象区域的方法和数码相机 | |
US20030082502A1 (en) | Digital target spotting system | |
CN111401246A (zh) | 一种烟雾浓度检测方法、装置、设备及存储介质 | |
US20050123052A1 (en) | Apparatus and method for detection of scene changes in motion video | |
CN105208293A (zh) | 数字摄像机的自动曝光控制方法及装置 | |
CN103093458A (zh) | 关键帧的检测方法及装置 | |
CN110287907A (zh) | 一种对象检测方法和装置 | |
CN112419261A (zh) | 具有异常点去除功能的视觉采集方法及装置 | |
CN115330779B (zh) | 民用爆破中基于火光和烟尘的爆破时刻确认方法及系统 | |
CN114495025A (zh) | 一种车辆识别方法、装置、电子设备及存储介质 | |
CN104182959B (zh) | 目标搜索方法及装置 | |
CN117132768A (zh) | 车牌及人脸检测和脱敏方法、装置、电子设备和存储介质 | |
CN107742115A (zh) | 一种基于视频监控的运动目标物检测追踪的方法及系统 | |
CN116246200A (zh) | 一种基于视觉识别的屏显信息偷拍检测方法及系统 | |
CN112015231B (zh) | 监控视频分区处理方法及系统 | |
CN112734719B (zh) | 一种图像传感器的坏点检测方法、存储介质以及拍摄装置 | |
CN111553408B (zh) | 视频识别软件自动测试的方法 | |
CN115035443A (zh) | 基于图片拍摄的落地垃圾检测方法、系统及装置 | |
US9129356B2 (en) | Shotspot system | |
US8594371B2 (en) | Subject tracking device and camera | |
CN113111888A (zh) | 一种图片判别方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |