CN116091959B - 基于全天候烟火的双光联动识别方法及装置 - Google Patents
基于全天候烟火的双光联动识别方法及装置 Download PDFInfo
- Publication number
- CN116091959B CN116091959B CN202211455171.4A CN202211455171A CN116091959B CN 116091959 B CN116091959 B CN 116091959B CN 202211455171 A CN202211455171 A CN 202211455171A CN 116091959 B CN116091959 B CN 116091959B
- Authority
- CN
- China
- Prior art keywords
- frame set
- visible
- infrared
- visible light
- image
- 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 93
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000003321 amplification Effects 0.000 claims abstract description 41
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000009792 diffusion process Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 18
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010039740 Screaming Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002060 circadian Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003517 fume Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及烟火识别技术领域,揭露了一种基于全天候烟火的双光联动识别方法,包括:若为白天,则判断可见光视频帧集中是否存在可见动态区域图像帧集,若不存在则未产生烟火,若存在则判断可见动态区域是否存在扩增现象,若存在则产生烟火,若不存在则未产生,若不为白天,则获取红外光视频帧集及红外光背景图像帧,判断红外光视频帧集中是否存在红外动态区域图像帧集,若不存在,则未产生烟火,若存在则判断红外动态区域帧集中是否存在红外火焰,若不存在则未产生烟火,若存在则产生烟火。本发明还提出一种基于全天候烟火的双光联动识别装置、电子设备以及计算机可读存储介质。本发明可以解决烟火监测方式存在检测效率低,效果差的问题。
Description
技术领域
本发明涉及烟火识别技术领域,尤其涉及一种基于全天候烟火的双光联动识别方法、装置、电子设备及计算机可读存储介质。
背景技术
火灾是威胁人们财产安全和生命安全的主要自然灾害之一,为了降低火灾造成的经济损失及人员伤亡,人们一直致力于研究火灾监控识别的方法。
当前人们对于火灾的监控主要是通过监控一定区域内的烟火情况来监控火灾的发生,白天和晚上都是通过识别是否产生烟雾或火焰来判断是否发生火灾,但这种方式只采用单一的可见光监测方式,因此这种烟火监测方式存在检测效率低,效果差等现象。
发明内容
本发明提供一种基于全天候烟火的双光联动识别方法、装置及计算机可读存储介质,其主要目的在于解决烟火监测方式存在检测效率低,效果差的问题。
为实现上述目的,本发明提供的一种基于全天候烟火的双光联动识别方法,包括:
获取可见光实时图像,将所述可见光实时图像转化为HSV图像;
根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天;
若所述可见光实时图像的录摄时间为白天,则获取可见光视频帧集及可见光背景图像帧;
根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集;
若所述可见光视频帧集中不存在可见动态区域图像帧集,则判断未产生烟火;
若所述可见光视频帧集中存在可见动态区域图像帧集,则利用预构建的可见动态区域分割公式,在所述可见动态区域图像帧集中分割出可见动态区域帧集,所述可见动态区域分割公式如下所示:
hi(x,y)=|gi(x,y)-b(x,y)|
其中hi(x,y)表示可见动态区域帧集中第i帧可见动态区域中坐标位置为x,y)的像素点的灰度值,gi(x,y)表示可见动态区域图像帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值;
判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象;
若所述可见动态区域帧集中的可见动态区域存在所述扩增现象,则判断产生烟火;
若所述可见动态区域帧集中的可见动态区域不存在所述扩增现象,则判断未发生烟火;
若所述可见光实时图像的录摄时间不为白天,则获取红外光视频帧集及红外光背景图像帧;
根据所述红外光视频帧集及红外光背景图像帧判断所述红外光视频帧集中是否存在红外动态区域图像帧集;
若所述红外光视频帧集中不存在红外动态区域图像帧集,则判断未产生烟火;
若所述红外光视频帧集中存在红外动态区域图像帧集,则在所述红外动态区域图像帧集中提取红外动态区域帧集;
利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰;
若所述红外动态区域帧集中不存在红外火焰,则判断未产生烟火;
若所述红外动态区域帧集中存在红外火焰,则判断产生烟火。
可选地,所述根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天,包括:
根据所述HSV图像中像素点的value值,计算所述HSV图像中像素点的平均value值;
判断所述平均value值是否大于预设的昼夜分界阈值;
若所述平均value值大于所述昼夜分界阈值,则判断所述可见光实时图像的录摄时间为白天;
若所述平均value值不大于所述昼夜分界阈值,则判断所述可见光实时图像的录摄时间不为白天。
可选地,所述可见光背景图像帧的获取过程,包括:
按照预定的序列数,获取含噪图像序列;
利用预构建的去噪公式去除所述含噪图像序列中的噪声,得到所述可见光背景图像帧,所述去噪公式如下所示:
其中,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值,M表示序列数,fi(x,y)表示第i帧原始图像中位置坐标为(x,y)的像素点的灰度值,ei(x,y)表示第i帧噪声图像中位置坐标为(x,y)的像素点的灰度值。
可选地,所述根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集,包括:
根据所述可见光视频帧集及可见光背景图像帧,利用预构建的可见动态区域判定公式判断所述可见光视频帧集中是否存在可见动态区域图像帧;
若所述可见光视频帧集中存在可见动态区域图像帧,则判断所述可见动态区域图像帧的帧数是否大于等于2;
若所述可见动态区域图像帧的帧数大于等于2,则所述可见光视频帧集中存在可见动态区域图像帧集;
若所述可见动态区域图像帧的帧数不大于等于2,则所述可见光视频帧集中不存在可见动态区域图像帧集。
可选地,所述可见动态区域判定公式如下所示:
其中,j表示可见光视频帧集中第i帧图像的像素点序数,n表示可见光视频帧集中第i帧图像的像素点总数,Gi(x,y)表示可见光视频帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,Dq表示动态区域判定阈值。
可选地,所述判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象,包括:
在所述可见动态区域帧集中依次提取相邻的可见动态区域;
利用预构建的动态区域面积增长公式,计算所述相邻的可见动态区域的面积增长率,得到面积增长率序列;
根据所述面积增长率序列判定所述可见动态区域是否存在所述扩增现象。
可选地,所述动态区域面积增长公式,如下所示:
其中,Gi表示所述面积增长率序列中第i个面积增长率,表示tm时刻的第i帧可见动态区域的面积,/>表示tn时刻第j帧可见动态区域的面积。
可选地,所述利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰,包括:
在所述红外动态区域帧集中的红外动态区域中提取尖角图元;
利用所述圆形度计算公式计算所述尖角图元的圆形度是否大于预设的圆形度阈值;
若所述尖角图元的圆形度不大于所述圆形度阈值,则判定所述红外动态区域是否为高温区域;
若所述红外动态区域为高温区域,则判定所述红外动态区域帧集中存在红外火焰;
若所述红外动态区域不为高温区域,则判定所述红外动态区域帧集中不存在红外火焰;
若所述尖角图元的圆形度大于所述圆形度阈值,则判定所述红外动态区域帧集中不存在红外火焰。
可选地,所述圆形度计算公式如下所示:
其中,Ck表示第k个尖角图元的圆形度,Ak表示第k个尖角图元的面积,pk表示第k个尖角图元的周长。
为了解决上述问题,本发明还提供一种基于全天候烟火的双光联动识别装置,所述装置包括:
录摄时间判定模块,用于获取可见光实时图像,将所述可见光实时图像转化为HSV图像;根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天;
可见动态区域图像帧集判定模块,用于若所述可见光实时图像的录摄时间为白天,则获取可见光视频帧集及可见光背景图像帧;根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集;
可见烟火识别模块,用于若所述可见光视频帧集中不存在可见动态区域图像帧集,则判断未产生烟火;若所述可见光视频帧集中存在可见动态区域图像帧集,则利用预构建的可见动态区域分割公式,在所述可见动态区域图像帧集中分割出可见动态区域帧集,所述可见动态区域分割公式如下所示:
hi(x,y)=|gi(x,y)-b(x,y)|
其中hi(x,y)表示可见动态区域帧集中第i帧可见动态区域中坐标位置为x,y)的像素点的灰度值,gi(x,y)表示可见动态区域图像帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值;判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象;若所述可见动态区域帧集中的可见动态区域存在所述扩增现象,则判断产生烟火;若所述可见动态区域帧集中的可见动态区域不存在所述扩增现象,则判断未发生烟火;
红外动态区域图像帧集判定模块,用于若所述可见光实时图像的录摄时间不为白天,则获取红外光视频帧集及红外光背景图像帧;根据所述红外光视频帧集及红外光背景图像帧判断所述红外光视频帧集中是否存在红外动态区域图像帧集;
红外烟火识别模块,用于若所述红外光视频帧集中不存在红外动态区域图像帧集,则判断未产生烟火;若所述红外光视频帧集中存在红外动态区域图像帧集,则在所述红外动态区域图像帧集中提取红外动态区域帧集;利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰;若所述红外动态区域帧集中不存在红外火焰,则判断未产生烟火;若所述红外动态区域帧集中存在红外火焰,则判断产生烟火。为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以实现上述所述的基于全天候烟火的双光联动识别方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于全天候烟火的双光联动识别方法。
相比于背景技术所述:烟火监测方式存在检测效率低,效果差的现象,本发明实施例通过可见光实时图像得到value值,再根据value判断所述可见光实时图像的录摄时间是否为白天,当录摄时间为白天时,则通过可见光监测烟雾来判断是否发生火灾,当摄录时间为夜晚时,则通过红外光监测火焰来判断是否发生火灾,通过可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集,若存在则分割出可见动态区域帧集,再根据扩增现象判断是否产生烟火,通过获取红外光视频帧集及红外光背景图像帧判断所述红外光视频帧集中是否存在红外动态区域图像帧集,再通过圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰,进而判断是否发生火灾。因此本发明提出的基于全天候烟火的双光联动识别方法、装置、电子设备及计算机可读存储介质,可以解决烟火监测方式存在检测效率低,效果差的问题。
附图说明
图1为本发明一实施例提供的基于全天候烟火的双光联动识别方法的流程示意图;
图2为本发明一实施例提供的基于全天候烟火的双光联动识别装置的功能模块图;
图3为本发明一实施例提供的实现所述基于全天候烟火的双光联动识别方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于全天候烟火的双光联动识别方法。所述基于全天候烟火的双光联动识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于全天候烟火的双光联动识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
参照图1所示,为本发明一实施例提供的基于全天候烟火的双光联动识别方法的流程示意图。在本实施例中,所述基于全天候烟火的双光联动识别方法包括:
S1、获取可见光实时图像,将所述可见光实时图像转化为HSV图像。
本发明实施例中,所述可见光实时图像指利用可见光监控摄录的RGB图像,利用所述RGB与HSV之间的转换关系,可以将所述可见光实时图像转化为HSV图像。
S2、根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天。
可解释的,所述HSV图像中像素点的value值指像素的value通道的亮度。
本发明实施例中,所述根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天,包括:
根据所述HSV图像中像素点的value值,计算所述HSV图像中像素点的平均value值;
判断所述平均value值是否大于预设的昼夜分界阈值;
若所述平均value值大于所述昼夜分界阈值,则判断所述可见光实时图像的录摄时间为白天;
若所述平均value值不大于所述昼夜分界阈值,则判断所述可见光实时图像的录摄时间不为白天。
应明白的,所述昼夜分界阈值可以根据所述可见光监控是否可以清晰地摄录景物所确定。
若所述可见光实时图像的录摄时间为白天,则执行S3、获取可见光视频帧集及可见光背景图像帧。
可解释的,所述可见光视频帧集指利用可见光监控拍摄下一定时段的视频帧集合,所述可见光背景图像帧指预先拍摄的不含运动物体的目标区域的图像帧,可以作为可见光视频帧的背景。
本发明实施例中,所述可见光背景图像帧的获取过程,包括:
按照预定的序列数,获取含噪图像序列;
利用预构建的去噪公式去除所述含噪图像序列中的噪声,得到所述可见光背景图像帧,所述去噪公式如下所示:
其中,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值,M表示序列数,fi(x,y)表示第i帧原始图像中位置坐标为(x,y)的像素点的灰度值,ei(x,y)表示第i帧噪声图像中位置坐标为(x,y)的像素点的灰度值。
可解释的,由于摄录的图像帧可能存在噪声,因此通过取平均值的方法,弱化噪声,达到减少图像噪声的目的。
S4、根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集。
可理解的,所述可见动态区域图像帧集指存在动态区域的可见光视频帧集合。例如:所述可见光视频帧中存在行走的行人,升腾起的烟雾等从而形成可见动态区域。
本发明实施例中,所述根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集,包括:
根据所述可见光视频帧集及可见光背景图像帧,利用预构建的可见动态区域判定公式判断所述可见光视频帧集中是否存在可见动态区域图像帧;
若所述可见光视频帧集中存在可见动态区域图像帧,则判断所述可见动态区域图像帧的帧数是否大于等于2;
若所述可见动态区域图像帧的帧数大于等于2,则所述可见光视频帧集中存在可见动态区域图像帧集;
若所述可见动态区域图像帧的帧数不大于等于2,则所述可见光视频帧集中不存在可见动态区域图像帧集。
可解释的,由于需要通过连续的图像帧来判断可见光视频帧集中是否存在可见动态区域图像帧,因此所述可见动态区域图像帧的帧数需要大于等于2。
详细地,所述可见动态区域判定公式如下所示:
其中,j表示可见光视频帧集中第i帧图像的像素点序数,n表示可见光视频帧集中第i帧图像的像素点总数,Gi(x,y)表示可见光视频帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,Dq表示动态区域判定阈值。
可解释的,所述动态区域判定阈值可以根据实际需要进行设定,当所述动态区域判定阈值越小,则判定越灵敏,需要的计算量也越大,当所述动态区域判定阈值越大,则判定越粗糙,计算量越小。
若所述可见光视频帧集中不存在可见动态区域图像帧集,则执行S5、判断未产生烟火。
若所述可见光视频帧集中存在可见动态区域图像帧集,则执行S6、利用预构建的可见动态区域分割公式,在所述可见动态区域图像帧集中分割出可见动态区域帧集。
详细地,所述可见动态区域分割公式如下所示:
hi(x,y)=|gi(x,y)-b(x,y)|
其中hi(x,y)表示可见动态区域帧集中第i帧可见动态区域中坐标位置为(x,y)的像素点的灰度值,gi(x,y)表示可见动态区域图像帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值。
可理解的,通过所述可见动态区域图像帧集中图像帧与所述可见光背景图像帧的区别,从而区分出可见动态区域,进而得到所述可见动态区域帧集。
S7、判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象。
可解释的,烟雾的扩增是存在一定的扩增速度的,因此可以利用扩增速度的特点进行烟雾的区分。
本发明实施例中,所述判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象,包括:
在所述可见动态区域帧集中依次提取相邻的可见动态区域;
利用预构建的动态区域面积增长公式,计算所述相邻的可见动态区域的面积增长率,得到面积增长率序列;
根据所述面积增长率序列判定所述可见动态区域是否存在所述扩增现象。
可解释的,由于大部分火灾中烟雾总是早于明火出现,因此可以利用检测烟雾的出现来判定是否发生火灾,提高应对火灾的速度。
详细地,所述动态区域面积增长公式,如下所示:
其中,Gi表示所述面积增长率序列中第i个面积增长率,表示tm时刻的第i帧可见动态区域的面积,/>表示tn时刻第j帧可见动态区域的面积。
可解释的,由于烟雾的扩散速度存在一定的特征,例如:每秒扩散的距离为0.5分米,随着时间的延长,扩增速度也会按照一定的加速度增加。
若所述可见动态区域帧集中的可见动态区域存在所述扩增现象,则执行S8、判断产生烟火。
若所述可见动态区域帧集中的可见动态区域不存在所述扩增现象,则执行S9、判断未发生烟火。
若所述可见光实时图像的录摄时间不为白天,则执行S10、获取红外光视频帧集及红外光背景图像帧。
可解释的,所述红外光视频帧集指利用红外光监控摄录的视频帧集,所述红外背景图像集指所述可见光背景图像帧对应在红外光监控下的图像。
S11、根据所述红外光视频帧集及红外光背景图像帧判断所述红外光视频帧集中是否存在红外动态区域图像帧集。
可解释的,所述红外动态区域图像帧集指存在动态侵入所述红外光背景图像帧中场景的图像帧集,例如:夜晚行人走动于所述红外光背景图像帧中的场景,火焰闪烁于所述红外光背景图像帧中的场景。
可解释的,类似于根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集的方式,利用所述红外光视频帧集中的每一图像帧与所述红外光背景图像帧的区别,进而判断所述所述红外光视频帧集中是否存在红外动态区域图像帧集。
若所述红外光视频帧集中不存在红外动态区域图像帧集,则执行S12、判断未产生烟火。
若所述红外光视频帧集中存在红外动态区域图像帧集,则执行S13、在所述红外动态区域图像帧集中提取红外动态区域帧集。
可解释的,所述红外动态区域帧集的提取过程与所述可见动态区域帧集的分割过程类似,在此不再赘述。
S14、利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰。
本发明实施例中,所述利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰,包括:
在所述红外动态区域帧集中的红外动态区域中提取尖角图元;
利用所述圆形度计算公式计算所述尖角图元的圆形度是否大于预设的圆形度阈值;
若所述尖角图元的圆形度不大于所述圆形度阈值,则判定所述红外动态区域是否为高温区域;
若所述红外动态区域为高温区域,则判定所述红外动态区域帧集中存在红外火焰;
若所述红外动态区域不为高温区域,则判定所述红外动态区域帧集中不存在红外火焰;
若所述尖角图元的圆形度大于所述圆形度阈值,则判定所述红外动态区域帧集中不存在红外火焰。
可解释的,所述尖角图元指所述红外动态区域中存在尖角的图像单元,例如:火焰闪烁过程中的尖角。
详细地,所述圆形度计算公式如下所示:
其中,Ck表示第k个尖角图元的圆形度,Ak表示第k个尖角图元的面积,pk表示第k个尖角图元的周长。
可解释的,所述尖叫单元的面积可以将所述尖角的两个底端点连接,得到一个类似三角形的尖角图元。
若所述红外动态区域帧集中不存在红外火焰,则执行S15、判断未产生烟火。
可解释的,由于夜晚火灾发生时,可能存在有高温但火焰被遮挡的情况发生,因此,夜晚利用可见光监测的方式存在一定的缺陷,而红外光可以根据火焰导致环境温度的变化,来判断是否发生火灾。
若所述红外动态区域帧集中存在红外火焰,则执行S16、判断产生烟火。
相比于背景技术所述:烟火监测方式存在检测效率低,效果差的现象,本发明实施例通过可见光实时图像得到value值,再根据value判断所述可见光实时图像的录摄时间是否为白天,当录摄时间为白天时,则通过可见光监测烟雾来判断是否发生火灾,当摄录时间为夜晚时,则通过红外光监测火焰来判断是否发生火灾,通过可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集,若存在则分割出可见动态区域帧集,再根据扩增现象判断是否产生烟火,通过获取红外光视频帧集及红外光背景图像帧判断所述红外光视频帧集中是否存在红外动态区域图像帧集,再通过圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰,进而判断是否发生火灾。因此本发明提出的基于全天候烟火的双光联动识别方法、装置、电子设备及计算机可读存储介质,可以解决烟火监测方式存在检测效率低,效果差的问题。
实施例2:
如图2所示,是本发明一实施例提供的基于全天候烟火的双光联动识别装置的功能模块图。
本发明所述基于全天候烟火的双光联动识别装置100可以安装于电子设备中。根据实现的功能,所述基于全天候烟火的双光联动识别装置100可以包括录摄时间判定模块101、可见动态区域图像帧集判定模块102、可见烟火识别模块103、红外动态区域图像帧集判定模块104及红外烟火识别模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述录摄时间判定模块101,用于获取可见光实时图像,将所述可见光实时图像转化为HSV图像;根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天;
所述可见动态区域图像帧集判定模块102,用于若所述可见光实时图像的录摄时间为白天,则获取可见光视频帧集及可见光背景图像帧;根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集;
所述可见烟火识别模块103,用于若所述可见光视频帧集中不存在可见动态区域图像帧集,则判断未产生烟火;若所述可见光视频帧集中存在可见动态区域图像帧集,则利用预构建的可见动态区域分割公式,在所述可见动态区域图像帧集中分割出可见动态区域帧集,所述可见动态区域分割公式如下所示:
hi(x,y)=|gi(x,y)-b(x,y)|
其中hi(x,y)表示可见动态区域帧集中第i帧可见动态区域中坐标位置为x,y)的像素点的灰度值,gi(x,y)表示可见动态区域图像帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值;判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象;若所述可见动态区域帧集中的可见动态区域存在所述扩增现象,则判断产生烟火;若所述可见动态区域帧集中的可见动态区域不存在所述扩增现象,则判断未发生烟火;
所述红外动态区域图像帧集判定模块104,用于若所述可见光实时图像的录摄时间不为白天,则获取红外光视频帧集及红外光背景图像帧;根据所述红外光视频帧集及红外光背景图像帧判断所述红外光视频帧集中是否存在红外动态区域图像帧集;
所述红外烟火识别模块105,用于若所述红外光视频帧集中不存在红外动态区域图像帧集,则判断未产生烟火;若所述红外光视频帧集中存在红外动态区域图像帧集,则在所述红外动态区域图像帧集中提取红外动态区域帧集;利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰;若所述红外动态区域帧集中不存在红外火焰,则判断未产生烟火;若所述红外动态区域帧集中存在红外火焰,则判断产生烟火。
详细地,本发明实施例中所述基于全天候烟火的双光联动识别装置100中的所述各模块在使用时采用与上述的图1中所述的基于全天候烟火的双光联动识别方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
实施例3:
如图3所示,是本发明一实施例提供的实现基于全天候烟火的双光联动识别方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于全天候烟火的双光联动识别程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于全天候烟火的双光联动识别程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于全天候烟火的双光联动识别程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于全天候烟火的双光联动识别程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取可见光实时图像,将所述可见光实时图像转化为HSV图像;
根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天;
若所述可见光实时图像的录摄时间为白天,则获取可见光视频帧集及可见光背景图像帧;
根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集;
若所述可见光视频帧集中不存在可见动态区域图像帧集,则判断未产生烟火;
若所述可见光视频帧集中存在可见动态区域图像帧集,则利用预构建的可见动态区域分割公式,在所述可见动态区域图像帧集中分割出可见动态区域帧集,所述可见动态区域分割公式如下所示:
hi(x,y)=|gi(x,y)-b(x,y)|
其中hi(x,y)表示可见动态区域帧集中第i帧可见动态区域中坐标位置为x,y)的像素点的灰度值,gi(x,y)表示可见动态区域图像帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值;
判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象;
若所述可见动态区域帧集中的可见动态区域存在所述扩增现象,则判断产生烟火;
若所述可见动态区域帧集中的可见动态区域不存在所述扩增现象,则判断未发生烟火;
若所述可见光实时图像的录摄时间不为白天,则获取红外光视频帧集及红外光背景图像帧;
根据所述红外光视频帧集及红外光背景图像帧判断所述红外光视频帧集中是否存在红外动态区域图像帧集;
若所述红外光视频帧集中不存在红外动态区域图像帧集,则判断未产生烟火;
若所述红外光视频帧集中存在红外动态区域图像帧集,则在所述红外动态区域图像帧集中提取红外动态区域帧集;
利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰;
若所述红外动态区域帧集中不存在红外火焰,则判断未产生烟火;
若所述红外动态区域帧集中存在红外火焰,则判断产生烟火。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取可见光实时图像,将所述可见光实时图像转化为HSV图像;
根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天;
若所述可见光实时图像的录摄时间为白天,则获取可见光视频帧集及可见光背景图像帧;
根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集;
若所述可见光视频帧集中不存在可见动态区域图像帧集,则判断未产生烟火;
若所述可见光视频帧集中存在可见动态区域图像帧集,则利用预构建的可见动态区域分割公式,在所述可见动态区域图像帧集中分割出可见动态区域帧集,所述可见动态区域分割公式如下所示:
hi(x,y)=|gi(x,y)-b(x,y)|
其中hi(x,y)表示可见动态区域帧集中第i帧可见动态区域中坐标位置为x,y)的像素点的灰度值,gi(x,y)表示可见动态区域图像帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值;
判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象;
若所述可见动态区域帧集中的可见动态区域存在所述扩增现象,则判断产生烟火;
若所述可见动态区域帧集中的可见动态区域不存在所述扩增现象,则判断未发生烟火;
若所述可见光实时图像的录摄时间不为白天,则获取红外光视频帧集及红外光背景图像帧;
根据所述红外光视频帧集及红外光背景图像帧判断所述红外光视频帧集中是否存在红外动态区域图像帧集;
若所述红外光视频帧集中不存在红外动态区域图像帧集,则判断未产生烟火;
若所述红外光视频帧集中存在红外动态区域图像帧集,则在所述红外动态区域图像帧集中提取红外动态区域帧集;
利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰;
若所述红外动态区域帧集中不存在红外火焰,则判断未产生烟火;
若所述红外动态区域帧集中存在红外火焰,则判断产生烟火。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (3)
1.一种基于全天候烟火的双光联动识别方法,其特征在于,所述方法包括:
获取可见光实时图像,将所述可见光实时图像转化为HSV图像;
根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天;
所述根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天,包括:根据所述HSV图像中像素点的value值,计算所述HSV图像中像素点的平均value值;判断所述平均value值是否大于预设的昼夜分界阈值;若所述平均value值大于所述昼夜分界阈值,则判断所述可见光实时图像的录摄时间为白天;若所述平均value值不大于所述昼夜分界阈值,则判断所述可见光实时图像的录摄时间不为白天;
若所述可见光实时图像的录摄时间为白天,则获取可见光视频帧集及可见光背景图像帧;
所述可见光背景图像帧的获取过程,包括:按照预定的序列数,获取含噪图像序列;利用预构建的去噪公式去除所述含噪图像序列中的噪声,得到所述可见光背景图像帧,所述去噪公式如下所示:
其中,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值,M表示序列数,fi(x,y)表示第i帧原始图像中位置坐标为(x,y)的像素点的灰度值,ei(x,y)表示第i帧噪声图像中位置坐标为(x,y)的像素点的灰度值;
根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集;
所述根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集,包括:根据所述可见光视频帧集及可见光背景图像帧,利用预构建的可见动态区域判定公式判断所述可见光视频帧集中是否存在可见动态区域图像帧;若所述可见光视频帧集中存在可见动态区域图像帧,则判断所述可见动态区域图像帧的帧数是否大于等于2;若所述可见动态区域图像帧的帧数大于等于2,则所述可见光视频帧集中存在可见动态区域图像帧集;若所述可见动态区域图像帧的帧数不大于等于2,则所述可见光视频帧集中不存在可见动态区域图像帧集;
所述可见动态区域判定公式如下所示:
其中,j表示可见光视频帧集中第i帧图像的像素点序数,n表示可见光视频帧集中第i帧图像的像素点总数,Gi(x,y)表示可见光视频帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,Dq表示动态区域判定阈值;
若所述可见光视频帧集中不存在可见动态区域图像帧集,则判断未产生烟火;
若所述可见光视频帧集中存在可见动态区域图像帧集,则利用预构建的可见动态区域分割公式,在所述可见动态区域图像帧集中分割出可见动态区域帧集,所述可见动态区域分割公式如下所示:
hi(x,y)=|gi(x,y)-b(x,y)|
其中hi(x,y)表示可见动态区域帧集中第i帧可见动态区域中坐标位置为(x,y)的像素点的灰度值,gi(x,y)表示可见动态区域图像帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值;
判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象;
所述判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象,包括:在所述可见动态区域帧集中依次提取相邻的可见动态区域;利用预构建的动态区域面积增长公式,计算所述相邻的可见动态区域的面积增长率,得到面积增长率序列;根据所述面积增长率序列判定所述可见动态区域是否存在所述扩增现象;
由于烟雾的扩散速度存在特定的特征,每秒扩散的距离为0.5分米,随着时间的延长,扩增速度也会按照一定的加速度增加;
所述动态区域面积增长公式,如下所示:
其中,Gi表示所述面积增长率序列中第i个面积增长率,表示tm时刻的第i帧可见动态区域的面积,/>表示tn时刻第j帧可见动态区域的面积;
若所述可见动态区域帧集中的可见动态区域存在所述扩增现象,则判断产生烟火;
若所述可见动态区域帧集中的可见动态区域不存在所述扩增现象,则判断未发生烟火;
若所述可见光实时图像的录摄时间不为白天,则获取红外光视频帧集及红外光背景图像帧;
根据所述红外光视频帧集及红外光背景图像帧判断所述红外光视频帧集中是否存在红外动态区域图像帧集;
若所述红外光视频帧集中不存在红外动态区域图像帧集,则判断未产生烟火;
若所述红外光视频帧集中存在红外动态区域图像帧集,则在所述红外动态区域图像帧集中提取红外动态区域帧集;
利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰;
所述利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰,包括:在所述红外动态区域帧集中的红外动态区域中提取尖角图元;利用所述圆形度计算公式计算所述尖角图元的圆形度是否大于预设的圆形度阈值;若所述尖角图元的圆形度不大于所述圆形度阈值,则判定所述红外动态区域是否为高温区域;若所述红外动态区域为高温区域,则判定所述红外动态区域帧集中存在红外火焰;若所述红外动态区域不为高温区域,则判定所述红外动态区域帧集中不存在红外火焰;若所述尖角图元的圆形度大于所述圆形度阈值,则判定所述红外动态区域帧集中不存在红外火焰;
若所述红外动态区域帧集中不存在红外火焰,则判断未产生烟火;
若所述红外动态区域帧集中存在红外火焰,则判断产生烟火。
2.如权利要求1所述的基于全天候烟火的双光联动识别方法,其特征在于,所述圆形度计算公式如下所示:
其中,Ck表示第k个尖角图元的圆形度,Ak表示第k个尖角图元的面积,pk表示第k个尖角图元的周长。
3.一种基于全天候烟火的双光联动识别装置,其特征在于,所述装置包括:
录摄时间判定模块,用于获取可见光实时图像,将所述可见光实时图像转化为HSV图像;根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天;
所述根据所述HSV图像中像素点的value值,判断所述可见光实时图像的录摄时间是否为白天,包括:根据所述HSV图像中像素点的value值,计算所述HSV图像中像素点的平均value值;判断所述平均value值是否大于预设的昼夜分界阈值;若所述平均value值大于所述昼夜分界阈值,则判断所述可见光实时图像的录摄时间为白天;若所述平均value值不大于所述昼夜分界阈值,则判断所述可见光实时图像的录摄时间不为白天;
可见动态区域图像帧集判定模块,用于若所述可见光实时图像的录摄时间为白天,则获取可见光视频帧集及可见光背景图像帧;根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集;
所述可见光背景图像帧的获取过程,包括:按照预定的序列数,获取含噪图像序列;利用预构建的去噪公式去除所述含噪图像序列中的噪声,得到所述可见光背景图像帧,所述去噪公式如下所示:
其中,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值,M表示序列数,fi(x,y)表示第i帧原始图像中位置坐标为(x,y)的像素点的灰度值,ei(x,y)表示第i帧噪声图像中位置坐标为(x,y)的像素点的灰度值;
所述根据所述可见光视频帧集及可见光背景图像帧判断所述可见光视频帧集中是否存在可见动态区域图像帧集,包括:根据所述可见光视频帧集及可见光背景图像帧,利用预构建的可见动态区域判定公式判断所述可见光视频帧集中是否存在可见动态区域图像帧;若所述可见光视频帧集中存在可见动态区域图像帧,则判断所述可见动态区域图像帧的帧数是否大于等于2;若所述可见动态区域图像帧的帧数大于等于2,则所述可见光视频帧集中存在可见动态区域图像帧集;若所述可见动态区域图像帧的帧数不大于等于2,则所述可见光视频帧集中不存在可见动态区域图像帧集;
所述可见动态区域判定公式如下所示:
其中,j表示可见光视频帧集中第i帧图像的像素点序数,n表示可见光视频帧集中第i帧图像的像素点总数,Gi(x,y)表示可见光视频帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,Dq表示动态区域判定阈值;
可见烟火识别模块,用于若所述可见光视频帧集中不存在可见动态区域图像帧集,则判断未产生烟火;若所述可见光视频帧集中存在可见动态区域图像帧集,则利用预构建的可见动态区域分割公式,在所述可见动态区域图像帧集中分割出可见动态区域帧集,所述可见动态区域分割公式如下所示:
hi(x,y)=|gi(x,y)-b(x,y)|
其中hi(x,y)表示可见动态区域帧集中第i帧可见动态区域中坐标位置为(x,y)的像素点的灰度值,gi(x,y)表示可见动态区域图像帧集中第i帧可见光图像中坐标位置为(x,y)的像素点的灰度值,b(x,y)表示可见光背景图像帧中坐标位置为(x,y)的像素点的灰度值;
判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象;若所述可见动态区域帧集中的可见动态区域存在所述扩增现象,则判断产生烟火;若所述可见动态区域帧集中的可见动态区域不存在所述扩增现象,则判断未发生烟火;
所述判断所述可见动态区域帧集中的可见动态区域是否存在预定的扩增现象,包括:在所述可见动态区域帧集中依次提取相邻的可见动态区域;利用预构建的动态区域面积增长公式,计算所述相邻的可见动态区域的面积增长率,得到面积增长率序列;根据所述面积增长率序列判定所述可见动态区域是否存在所述扩增现象;
由于烟雾的扩散速度存在特定的特征,每秒扩散的距离为0.5分米,随着时间的延长,扩增速度也会按照一定的加速度增加;
所述动态区域面积增长公式,如下所示:
其中,Gi表示所述面积增长率序列中第i个面积增长率,表示tm时刻的第i帧可见动态区域的面积,/>表示tn时刻第j帧可见动态区域的面积;
红外动态区域图像帧集判定模块,用于若所述可见光实时图像的录摄时间不为白天,则获取红外光视频帧集及红外光背景图像帧;根据所述红外光视频帧集及红外光背景图像帧判断所述红外光视频帧集中是否存在红外动态区域图像帧集;
红外烟火识别模块,用于若所述红外光视频帧集中不存在红外动态区域图像帧集,则判断未产生烟火;若所述红外光视频帧集中存在红外动态区域图像帧集,则在所述红外动态区域图像帧集中提取红外动态区域帧集;利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰;若所述红外动态区域帧集中不存在红外火焰,则判断未产生烟火;若所述红外动态区域帧集中存在红外火焰,则判断产生烟火;
所述利用预构建的圆形度计算公式,判断所述红外动态区域帧集中是否存在红外火焰,包括:在所述红外动态区域帧集中的红外动态区域中提取尖角图元;利用所述圆形度计算公式计算所述尖角图元的圆形度是否大于预设的圆形度阈值;若所述尖角图元的圆形度不大于所述圆形度阈值,则判定所述红外动态区域是否为高温区域;若所述红外动态区域为高温区域,则判定所述红外动态区域帧集中存在红外火焰;若所述红外动态区域不为高温区域,则判定所述红外动态区域帧集中不存在红外火焰;若所述尖角图元的圆形度大于所述圆形度阈值,则判定所述红外动态区域帧集中不存在红外火焰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211455171.4A CN116091959B (zh) | 2022-11-21 | 2022-11-21 | 基于全天候烟火的双光联动识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211455171.4A CN116091959B (zh) | 2022-11-21 | 2022-11-21 | 基于全天候烟火的双光联动识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116091959A CN116091959A (zh) | 2023-05-09 |
CN116091959B true CN116091959B (zh) | 2024-03-22 |
Family
ID=86209068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211455171.4A Active CN116091959B (zh) | 2022-11-21 | 2022-11-21 | 基于全天候烟火的双光联动识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116091959B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203563133U (zh) * | 2013-11-11 | 2014-04-23 | 成都市晶林电子技术有限公司 | 一种主动式红外摄像仪 |
CN103956016A (zh) * | 2014-04-25 | 2014-07-30 | 蚌埠依爱消防电子有限责任公司 | 一种基于视频图像的烟雾火焰复合式自动检测方法 |
CN106033636A (zh) * | 2015-03-10 | 2016-10-19 | 上海昕鼎网络科技有限公司 | 一种火灾监控方法及系统 |
CN107633212A (zh) * | 2017-08-30 | 2018-01-26 | 清华大学苏州汽车研究院(吴江) | 一种基于视频图像的烟火检测方法和装置 |
CN108082037A (zh) * | 2016-11-22 | 2018-05-29 | 福特全球技术公司 | 制动灯检测 |
CN109147259A (zh) * | 2018-11-20 | 2019-01-04 | 武汉理工光科股份有限公司 | 一种基于视频图像的远程火灾探测系统及方法 |
CN110310448A (zh) * | 2019-07-08 | 2019-10-08 | 国网湖南省电力有限公司 | 一种集烟雾和红外识别联动的输电线路山火监测方法 |
CN111739250A (zh) * | 2020-07-01 | 2020-10-02 | 广东工业大学 | 结合图像处理技术与红外传感器的火灾探测方法及系统 |
CN111881853A (zh) * | 2020-07-31 | 2020-11-03 | 中北大学 | 一种超大桥隧中异常行为识别方法和装置 |
CN112257523A (zh) * | 2020-10-09 | 2021-01-22 | 营口新山鹰报警设备有限公司 | 一种图像型火灾探测器的烟雾识别方法及识别系统 |
CN112560657A (zh) * | 2020-12-12 | 2021-03-26 | 南方电网调峰调频发电有限公司 | 烟火识别方法、装置、计算机设备和存储介质 |
CN112634577A (zh) * | 2019-09-24 | 2021-04-09 | 中科智云科技有限公司 | 用于烟雾报警的方法和设备 |
WO2021140721A1 (ja) * | 2020-01-06 | 2021-07-15 | 株式会社Jvcケンウッド | 画像処理装置、画像処理方法およびプログラム |
CN113177467A (zh) * | 2021-04-27 | 2021-07-27 | 上海鹰觉科技有限公司 | 火焰识别方法及系统、装置、介质 |
CN113298027A (zh) * | 2021-06-15 | 2021-08-24 | 济南博观智能科技有限公司 | 一种火焰检测方法、装置、电子设备和存储介质 |
CN113536984A (zh) * | 2021-06-28 | 2021-10-22 | 北京沧沐科技有限公司 | 一种基于无人机的图像目标识别与跟踪系统 |
-
2022
- 2022-11-21 CN CN202211455171.4A patent/CN116091959B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203563133U (zh) * | 2013-11-11 | 2014-04-23 | 成都市晶林电子技术有限公司 | 一种主动式红外摄像仪 |
CN103956016A (zh) * | 2014-04-25 | 2014-07-30 | 蚌埠依爱消防电子有限责任公司 | 一种基于视频图像的烟雾火焰复合式自动检测方法 |
CN106033636A (zh) * | 2015-03-10 | 2016-10-19 | 上海昕鼎网络科技有限公司 | 一种火灾监控方法及系统 |
CN108082037A (zh) * | 2016-11-22 | 2018-05-29 | 福特全球技术公司 | 制动灯检测 |
CN107633212A (zh) * | 2017-08-30 | 2018-01-26 | 清华大学苏州汽车研究院(吴江) | 一种基于视频图像的烟火检测方法和装置 |
CN109147259A (zh) * | 2018-11-20 | 2019-01-04 | 武汉理工光科股份有限公司 | 一种基于视频图像的远程火灾探测系统及方法 |
CN110310448A (zh) * | 2019-07-08 | 2019-10-08 | 国网湖南省电力有限公司 | 一种集烟雾和红外识别联动的输电线路山火监测方法 |
CN112634577A (zh) * | 2019-09-24 | 2021-04-09 | 中科智云科技有限公司 | 用于烟雾报警的方法和设备 |
WO2021140721A1 (ja) * | 2020-01-06 | 2021-07-15 | 株式会社Jvcケンウッド | 画像処理装置、画像処理方法およびプログラム |
CN111739250A (zh) * | 2020-07-01 | 2020-10-02 | 广东工业大学 | 结合图像处理技术与红外传感器的火灾探测方法及系统 |
CN111881853A (zh) * | 2020-07-31 | 2020-11-03 | 中北大学 | 一种超大桥隧中异常行为识别方法和装置 |
CN112257523A (zh) * | 2020-10-09 | 2021-01-22 | 营口新山鹰报警设备有限公司 | 一种图像型火灾探测器的烟雾识别方法及识别系统 |
CN112560657A (zh) * | 2020-12-12 | 2021-03-26 | 南方电网调峰调频发电有限公司 | 烟火识别方法、装置、计算机设备和存储介质 |
WO2022121129A1 (zh) * | 2020-12-12 | 2022-06-16 | 南方电网调峰调频发电有限公司 | 烟火识别方法、装置、计算机设备和存储介质 |
CN113177467A (zh) * | 2021-04-27 | 2021-07-27 | 上海鹰觉科技有限公司 | 火焰识别方法及系统、装置、介质 |
CN113298027A (zh) * | 2021-06-15 | 2021-08-24 | 济南博观智能科技有限公司 | 一种火焰检测方法、装置、电子设备和存储介质 |
CN113536984A (zh) * | 2021-06-28 | 2021-10-22 | 北京沧沐科技有限公司 | 一种基于无人机的图像目标识别与跟踪系统 |
Non-Patent Citations (7)
Title |
---|
Electronic Waste Reduction Through Devices and Printed Circuit Boards Designed for Circularity;Moupali Chakraborty;《IEEE Journal on Flexible Electronics 》;20220131;全文 * |
吴兆明 ; 郑嫦娥 ; 上官晓锐 ; .基于红外图像的林火识别方法及实现.中国农业资源与区划.2016,(第08期),全文. * |
基于视频图像的火灾识别研究;李玲;《中国优秀硕士论文电子期刊网》;20130115;全文 * |
早期火灾火焰尖角计算算法的研究;顾俊俊;赵敏;吴毅杰;;青岛大学学报(工程技术版);20100315(第01期);全文 * |
视频检测烟雾的研究现状;罗胜;Jiang Yuzheng;;中国图象图形学报;20131016(第10期);全文 * |
视频火灾烟雾检测相关方法研究;安闻川;《 中国优秀硕士论文电子期刊网》;20120515;全文 * |
视频火灾识别方法研究综述;卢胜男;冯建利;段沛沛;;电视技术;20130202(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116091959A (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596908B (zh) | Led显示屏检测方法、装置及终端 | |
CN112395928A (zh) | 一种设备状态运行自动检测的方法 | |
CN104769652A (zh) | 用于检测交通灯的方法和系统 | |
CN111814646B (zh) | 基于ai视觉的监控方法、装置、设备及介质 | |
CN113554008B (zh) | 静态物体区域内检测方法、装置、电子设备及存储介质 | |
CN109916415B (zh) | 道路类型确定方法、装置、设备及存储介质 | |
JP2007300531A (ja) | 物体検出装置 | |
CN112507923B (zh) | 证件翻拍检测方法、装置、电子设备及介质 | |
WO2022095359A1 (zh) | 基于防摄屏的信息安全保护方法、装置、电子设备及介质 | |
RU2019136604A (ru) | Платформа для управления и проверки достоверности контента видеоизображений, фотографий или аналогичного контента, сгенерированного различными устройствами | |
CN111950523A (zh) | 基于航拍的船只检测优化方法、装置、电子设备及介质 | |
CN114627561B (zh) | 动态手势识别方法、装置、可读存储介质及电子设备 | |
CN113792672B (zh) | 公共场所健康码获取方法、装置、设备及介质 | |
CN116091959B (zh) | 基于全天候烟火的双光联动识别方法及装置 | |
CN110033425B (zh) | 干扰区域检测装置及方法、电子设备 | |
CN117274107B (zh) | 低照度场景下端到端色彩及细节增强方法、装置及设备 | |
CN112528903B (zh) | 人脸图像获取方法、装置、电子设备及介质 | |
CN112861676B (zh) | 一种烟火识别标记方法、系统、终端及存储介质 | |
CN113887439A (zh) | 基于图像识别的自动预警方法、装置、设备及存储介质 | |
CN112633179A (zh) | 基于视频分析的农贸市场过道物体占道检测方法 | |
CN117041484A (zh) | 基于物联网的人流密集区域监控方法及系统 | |
KR102486562B1 (ko) | 전광 표지판의 오작동 여부를 분석하는 영상 분석 시스템, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체 | |
CN115760854A (zh) | 基于深度学习的电力设备缺陷检测方法、装置及电子设备 | |
CN112507903B (zh) | 假脸检测方法、装置、电子设备及计算机可读存储介质 | |
CN114359166A (zh) | 屏幕颜色检测方法、装置、设备及存储介质 |
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 |