CN116229668B - 基于红外视频监测的火灾定位系统 - Google Patents

基于红外视频监测的火灾定位系统 Download PDF

Info

Publication number
CN116229668B
CN116229668B CN202211546087.3A CN202211546087A CN116229668B CN 116229668 B CN116229668 B CN 116229668B CN 202211546087 A CN202211546087 A CN 202211546087A CN 116229668 B CN116229668 B CN 116229668B
Authority
CN
China
Prior art keywords
fire
data acquisition
data
area
marking
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
Application number
CN202211546087.3A
Other languages
English (en)
Other versions
CN116229668A (zh
Inventor
姜琳
黄自元
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.)
Jiangsu Hongye Environmental Protection Technology Industry Co ltd
Original Assignee
Jiangsu Hongye Environmental Protection Technology Industry 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 Jiangsu Hongye Environmental Protection Technology Industry Co ltd filed Critical Jiangsu Hongye Environmental Protection Technology Industry Co ltd
Priority to CN202211546087.3A priority Critical patent/CN116229668B/zh
Publication of CN116229668A publication Critical patent/CN116229668A/zh
Application granted granted Critical
Publication of CN116229668B publication Critical patent/CN116229668B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Fire-Detection Mechanisms (AREA)
  • Fire Alarms (AREA)

Abstract

本发明公开了基于红外视频监测的火灾定位系统，涉及消防监测技术领域，通过监测监控区域内的环境数据，并对环境数据进行处理和分析，并通过红外视频数据采集终端实时获取监控区域内的视频数据，并对所获得的视频数据进行处理，提取视频中的火焰特征，并将火焰特征区域进行标记，使得在发生火灾后，能够快速反应，并锁定火灾源点；若不存在火焰特征区域，则根据环境数据的分析结果，判断是否存在发生火灾的风险，并在存在火灾发生风险时，生成预警信息，从而既能够在发生火灾后，快速锁定火灾源点，也能在存在火灾发生风险前，获得造成火灾发生风险的大概位置。

Description

基于红外视频监测的火灾定位系统
技术领域
本发明涉及消防监测技术领域，具体是基于红外视频监测的火灾定位系统。
背景技术
火焰探测和智能视频监控在火灾监测领域具有广泛应用，但红外火焰探测难以滤除热源的干扰，在热源干扰比较严重的环境，误报率较高，智能视频监控则会受到实际环境光照变化、目标运动复杂性、遮挡等因素的影响，增加了火灾监测的难度。
现有火灾监测的方法是将红外火焰探测和智能视频监控进行简单的结合，这种方式对于已经发生火灾时能够进行检测，即只能在发生了火灾后，才能产生预警，而对于火灾发生前的预警，无法有效监控，为此，现提供基于红外视频监测的火灾定位系统。
发明内容
本发明的目的在于提供基于红外视频监测的火灾定位系统。
本发明的目的可以通过以下技术方案实现：基于红外视频监测的火灾定位系统，包括监控中心，所述监控中心通信连接有数据采集模块、数据处理模块、数据分析模块以及火源定位模块；
所述数据采集模块包括若干个红外视频数据采集终端和数据采集单元，根据实际需求，安装在室内不同的位置，通过红外视频数据采集终端和数据采集单元实时获取数据采集模块所在位置的环境数据，所述环境数据包括温度值和一氧化碳浓度值；
所述数据处理模块用于对红外视频采集终端所获取到的视频数据以及环境数据进行处理；
所述数据分析模块用于根据数据处理模块处理后的数据，对室内的各个区域是否存在火灾风险进行分析；
所述火源定位模块根据所接收到的火灾预警信息，对发生火灾或产生火灾风险的源头进行定位。
进一步的，所述数据采集模块获取视频数据和环境数据的过程包括：
通过红外视频数据采集终端实时获取其拍摄范围的视频数据以及其所安装位置的温度值；
通过数据采集单元获取一氧化碳浓度值。
进一步的，所述数据处理模块对所获得的视频数据的处理过程包括：
根据室内环境布局，构建二维空间模型，并将数据采集模块的安装位置在二维空间模型内对应的位置进行标记；
获取各个红外视频数据采集终端的画面拍摄范围，并将红外视频数据采集终端的画面拍摄范围在二维空间模型内分别进行标记，并与对应的红外视频数据采集终端关联；
将所获得的视频数据转化为图片帧，对所获得的图片帧进行栅格化处理，获得图片帧的红外灰度图像；
将红外灰度图像输入至卷积神经网络模型，获取红外灰度图像内的像素点对应的灰度值；
设置灰度值阈值范围，并将红外灰度图像内所获取到的像素点对应的灰度值与所设置的灰度值阈值范围进行匹配；
将灰度值处于灰度值阈值范围的像素点进行标记；
将由被标记的像素点组成的区域进行标记，记为特征区域，并获取每个特征区域内被标记的像素点的数量，并根据被标记的像素点的数量对特征区域进行筛选。
进一步的，所述数据处理模块对所获取到的环境数据的处理过程包括：
建立时间关于温度以及一氧化碳浓度的二维坐标系；
根据所获得的温度以及一氧化碳浓度分别生成温度变化曲线以及一氧化碳浓度变化曲线；
将所生成的各个变化曲线映射至二维坐标系内；
在二维坐标系内，生成时间轴，所述时间轴对应的时刻为当前时刻；
获取时间轴与各个变化曲线之间的交点，并获取各个交点对应的温度值以及一氧化碳浓度值；
得到当前时刻数据采集模块所在区域的消防安全系数。
进一步的，所述数据分析模块对室内各个区域是否存在火灾风险进行分析的过程包括：
设置消防安全系数阈值，将数据采集模块所在的区域的消防安全系数与消防安全系数阈值进行对比，根据对比结果判断对应区域是否存在火灾风险，并将存在火灾风险的区域进行标记；
根据被标记的区域是否存在特征区域，判断是否发生火灾，当存在火灾风险或存在火灾时，将对应的数据采集模块进行标记，并生成火灾预警信息。
进一步的，所述火源定位模块对发生火灾或产生火灾风险的源头进行定位的过程包括：
将被标记的数据采集模块在二维空间模型的对应位置以及关联的区域进行标记，并将根据被标记的数据采集模块所获得的数据得到的消防安全系数进行标记，按照数值由高到低进行排序，并将其中消防安全数值最高的对应区域的特征区域标记为火灾源点，若不存在特征区域，则将对应区域的中心点标记为火灾风险源点。
与现有技术相比，本发明的有益效果是：通过监测监控区域内的环境数据，并对环境数据进行处理和分析，并通过红外视频数据采集终端实时获取监控区域内的视频数据，并对所获得的视频数据进行处理，提取视频中的火焰特征，并将火焰特征区域进行标记，使得在发生火灾后，能够快速反应，并锁定火灾源点；若不存在火焰特征区域，则根据环境数据的分析结果，判断是否存在发生火灾的风险，并在存在火灾发生风险时，生成预警信息，从而既能够在发生火灾后，快速锁定火灾源点，也能在存在火灾发生风险前，获得造成火灾发生风险的大概位置。
附图说明
图1为本发明的原理图。
具体实施方式
如图1所示，基于红外视频监测的火灾定位系统，包括监控中心，所述监控中心通信连接有数据采集模块、数据处理模块、数据分析模块以及火源定位模块；
所述数据采集模块包括若干个红外视频数据采集终端和数据采集单元，根据实际需求，安装在室内不同的位置，通过红外视频数据采集终端和数据采集单元实时获取数据采集模块所在位置的一氧化碳浓度数据，具体过程包括：
通过红外视频数据采集终端实时获取其拍摄范围的视频数据，并将红外视频数据采集终端所获取到的数据实时传输至数据处理模块；
对安装在室内不同位置的数据采集模块进行标号，记为i，其中i＝1，2，……，n，n为整数；
通过红外视频数据采集终端实时获取其所安装位置的温度值以及通过数据采集单元获取一氧化碳浓度值；
将数据采集单元所获取到的数据发送至数据处理模块。
所述数据处理模块用于对红外视频采集终端所获取到的视频数据进行处理，具体处理过程包括：
根据室内环境布局，构建二维空间模型，并将数据采集模块的安装位置在二维空间模型内对应的位置进行标记；
获取各个红外视频数据采集终端的画面拍摄范围，并将红外视频数据采集终端的画面拍摄范围在二维空间模型内分别进行标记，并与对应的红外视频数据采集终端关联；
将标号为i的红外视频采集终端所获得的视频数据进行标记，并将所获得的视频数据转化为图片帧；
对所获得的图片帧进行栅格化处理，获得图片帧的红外灰度图像；
将红外灰度图像输入至卷积神经网络模型，获取红外灰度图像内的像素点对应的灰度值；
设置灰度值阈值范围，并将红外灰度图像内所获取到的像素点对应的灰度值与所设置的灰度值阈值范围进行匹配；
将灰度值处于灰度值阈值范围的像素点进行标记；
将由被标记的像素点组成的区域进行标记，记为特征区域，并获取每个特征区域内被标记的像素点的数量；需要进一步说明的是，在具体实施过程中，会同时存在多个由被标记的像素点所组成的特征区域，且每个特征区域内的被标记的像素点的数量可以不相同；
对被标记的像素点组成的特征区域进行标号，记为j，其中j＝0，1，……，m，m为整数；
将每个特征区域内被标记的像素点的数量记为XSj；
设置像素点数量阈值k，k＞0，并将XSj＜k的特征区域进行剔除；
获取剩余的特征区域的数量，若剩余的特征区域的数量不为0，则将剩余的特征区域进行输出，并映射至二维空间模型内的对应位置。
所述数据处理模块还用于对所获取到的温度值和一氧化碳浓度值进行处理，具体处理过程包括：
建立时间关于温度以及一氧化碳浓度的二维坐标系；
根据所获得的温度以及一氧化碳浓度分别生成温度变化曲线以及一氧化碳浓度变化曲线；
将所生成的各个变化曲线映射至二维坐标系内；
在二维坐标系内，生成时间轴，所述时间轴对应的时刻为当前时刻；
获取时间轴与各个变化曲线之间的交点，并获取各个交点对应的参数值；
分别将标号为i的数据采集模块对应的二维坐标系内各个交点所对应的温度值以及一氧化碳浓度值分别标记为WDi以及NDi
根据当前时刻各个交点对应的参数值，获得当前时刻数据采集模块所在区域的消防安全系数，并将标号为i的数据采集模块所在区域的消防安全系数记为XXi；
其中XXi＝(WDi-W0)/a+(NDi-N0)/b；其中a、b为权重系数，W0为温度阈值、N0为一氧化碳浓度阈值。
所述数据分析模块用于根据数据处理模块处理后的数据，对室内的各个区域是否存在火灾风险进行分析，具体分析过程包括：
设置消防安全系数阈值X0，则当标号为i的数据采集模块所在的区域的消防安全系数XXi≤X0时，表示该数据采集模块所对应的区域未检测到火灾风险；反之，当XXi＞X0时，则表示该数据采集模块所对应的区域存在火灾风险，并将此时该区域在二维空间模型中对应位置进行标记；
获取被标记的位置是否存在特征区域，若存在特征区域，则表示该区域存在火灾，则生成火灾预警信息；若不存在特征区域，则获取造成消防安全系数的影响权重，根据造成消防安全系数的影响权重，判断是否存在火灾风险，即
当WDi＞W0，且NDi≤N0时，则表示该区域不存在火灾风险；
当WDi≤W0，且NDi＞N0时，则表示该区域存在火灾风险；
当WDi＞W0，且NDi＞N0时，则表示该区域存在火灾风险；
当存在火灾风险时，将对应的数据采集模块进行标记，并生成火灾预警信息，并将火灾预警信息发送至监控中心和火源定位模块。
所述火源定位模块根据所接收到的火灾预警信息，对发生火灾的源头进行定位，具体过程包括：
将被标记的数据采集模块在二维空间模型的对应位置以及关联的区域进行标记，并将根据被标记的数据采集模块所获得的数据得到的消防安全系数进行标记，按照数值由高到低进行排序，并将其中消防安全数值最高的对应区域的特征区域标记为火灾源点，若不存在特征区域，则将对应区域的中心点标记为火灾风险源点；
需要进一步说明的是，在具体实施过程中，若仅存在一个数据采集模块对应的区域生成了火灾预警信息，获取该区域是否存在特征区域，若存在特征区域，则将该特征区域标记为火灾源点，若不存在特征区域，则获取与该数据采集模块距离最近的两个数据采集模块的位置，通过方向距离定位法，确定火灾风险源点的位置，即将生成火灾预警信息的数据采集模块的位置标记为A点，与其最近的两个数据采集模块分别为B点和C点；
分别以A点为起点，获得线段AB和线段AC，并分别作线段AB和线段AC的中垂线，将中垂线的交点进行标记，记为D点，并获得D点以A点为基点的对称点，记为d点；
若D点或d点处于生成火灾预警信息的数据采集模块对应的区域内，则将D点或d点标记为火灾源点；若D点不处于生成火灾预警信息的数据采集模块对应的区域内，则
连接A点与D点和d点连接获得线段AD和线段Ad，并分别获得其线段中点，若所获得的中点处于生成火灾预警信息的数据采集模块对应的区域内，则将其标记为火灾风险源点，若不在，继续取中，直至所获得的中点落入区域内。
以上实施例仅用以说明本发明的技术方法而非限制，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法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (1)

1.基于红外视频监测的火灾定位系统，包括监控中心，其特征在于，所述监控中心通信连接有数据采集模块、数据处理模块、数据分析模块以及火源定位模块；
所述数据采集模块包括若干个红外视频数据采集终端和数据采集单元，根据实际需求，安装在室内不同的位置，通过红外视频数据采集终端和数据采集单元实时获取数据采集模块所在位置的环境数据，所述环境数据包括温度值和一氧化碳浓度值；
所述数据处理模块用于对所获取到的视频数据以及环境数据进行处理；
所述数据分析模块用于根据数据处理模块处理后的数据，对室内的各个区域是否存在火灾风险进行分析；
所述火源定位模块根据所接收到的火灾预警信息，对发生火灾或产生火灾风险的源头进行定位；
所述数据采集模块获取视频数据和环境数据的过程包括：
通过红外视频数据采集终端实时获取其拍摄范围的视频数据以及其所安装位置的温度值；
通过数据采集单元获取一氧化碳浓度值；
所述数据处理模块对所获得的视频数据的处理过程包括：
根据室内环境布局，构建二维空间模型，并将数据采集模块的安装位置在二维空间模型内对应的位置进行标记；
获取各个红外视频数据采集终端的画面拍摄范围，并将红外视频数据采集终端的画面拍摄范围在二维空间模型内分别进行标记，并与对应的红外视频数据采集终端关联；
将所获得的视频数据转化为图片帧，对所获得的图片帧进行栅格化处理，获得图片帧的红外灰度图像；
将红外灰度图像输入至卷积神经网络模型，获取红外灰度图像内的像素点对应的灰度值；
设置灰度值阈值范围，并将红外灰度图像内所获取到的像素点对应的灰度值与所设置的灰度值阈值范围进行匹配；
将灰度值处于灰度值阈值范围的像素点进行标记；
将由被标记的像素点组成的区域进行标记，记为特征区域，并获取每个特征区域内被标记的像素点的数量，并根据被标记的像素点的数量对特征区域进行筛选；
所述数据处理模块对所获取到的环境数据的处理过程包括：
建立时间关于温度以及一氧化碳浓度的二维坐标系；
根据所获得的温度以及一氧化碳浓度分别生成温度变化曲线以及一氧化碳浓度变化曲线；
将所生成的各个变化曲线映射至二维坐标系内；
在二维坐标系内，生成时间轴，所述时间轴对应的时刻为当前时刻；
获取时间轴与各个变化曲线之间的交点，并获取各个交点对应的温度值以及一氧化碳浓度值；
得到当前时刻数据采集模块所在区域的消防安全系数；
所述数据分析模块对室内各个区域是否存在火灾风险进行分析的过程包括：
设置消防安全系数阈值，将数据采集模块所在的区域的消防安全系数与消防安全系数阈值进行对比，根据对比结果判断对应区域是否存在火灾风险，并将存在火灾风险的区域进行标记；
根据被标记的区域是否存在特征区域，判断是否发生火灾，当存在火灾风险或存在火灾时，将对应的数据采集模块进行标记，并生成火灾预警信息；
所述火源定位模块对发生火灾或产生火灾风险的源头进行定位的过程包括：
将被标记的数据采集模块在二维空间模型的对应位置以及关联的区域进行标记，并将根据被标记的数据采集模块所获得的数据得到的消防安全系数进行标记，按照数值由高到低进行排序，并将其中消防安全数值最高的对应区域的特征区域标记为火灾源点，若不存在特征区域，则将对应区域的中心点标记为火灾风险源点。
CN202211546087.3A 2022-12-05 2022-12-05 基于红外视频监测的火灾定位系统 Active CN116229668B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211546087.3A CN116229668B (zh) 2022-12-05 2022-12-05 基于红外视频监测的火灾定位系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211546087.3A CN116229668B (zh) 2022-12-05 2022-12-05 基于红外视频监测的火灾定位系统

Publications (2)

Publication Number Publication Date
CN116229668A CN116229668A (zh) 2023-06-06
CN116229668B true CN116229668B (zh) 2024-05-14

Family

ID=86571909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211546087.3A Active CN116229668B (zh) 2022-12-05 2022-12-05 基于红外视频监测的火灾定位系统

Country Status (1)

Country Link
CN (1) CN116229668B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116665136B (zh) * 2023-07-31 2023-10-31 山东长兴塑料助剂股份有限公司 一种化工生产安全风险实时监控系统
CN116758079B (zh) * 2023-08-18 2023-12-05 杭州浩联智能科技有限公司 一种基于火花像素的危害预警方法
CN117292311B (zh) * 2023-09-07 2024-06-07 江苏鑫赛德智慧建设有限公司 一种基于ai图像识别的消防火灾复燃预测系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108449555A (zh) * 2018-05-04 2018-08-24 北京化工大学 图像融合方法及系统
KR102087000B1 (ko) * 2019-08-13 2020-05-29 주식회사 지에스아이엘 화재 감지 방법 및 시스템
CN114887267A (zh) * 2022-04-21 2022-08-12 北京工业大学 一种综合管廊电力舱智能型火灾定位方法及分区灭火装置
CN115083096A (zh) * 2022-05-05 2022-09-20 上海电机学院 一种基于多传感器信息融合的火灾预警和定位系统
CN115077617A (zh) * 2022-06-16 2022-09-20 南京苏瑞科技实业有限公司 一种低压电气火灾监控系统
CN115271659A (zh) * 2022-07-28 2022-11-01 南京戴尔塔智能制造研究院有限公司 一种基于视频分析的城市火灾隐患预警方法及系统
CN115376269A (zh) * 2022-10-21 2022-11-22 南京信大卫星应用研究院有限公司 一种基于无人机的火灾监控系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7786877B2 (en) * 2008-06-20 2010-08-31 Billy Hou Multi-wavelength video image fire detecting system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108449555A (zh) * 2018-05-04 2018-08-24 北京化工大学 图像融合方法及系统
KR102087000B1 (ko) * 2019-08-13 2020-05-29 주식회사 지에스아이엘 화재 감지 방법 및 시스템
CN114887267A (zh) * 2022-04-21 2022-08-12 北京工业大学 一种综合管廊电力舱智能型火灾定位方法及分区灭火装置
CN115083096A (zh) * 2022-05-05 2022-09-20 上海电机学院 一种基于多传感器信息融合的火灾预警和定位系统
CN115077617A (zh) * 2022-06-16 2022-09-20 南京苏瑞科技实业有限公司 一种低压电气火灾监控系统
CN115271659A (zh) * 2022-07-28 2022-11-01 南京戴尔塔智能制造研究院有限公司 一种基于视频分析的城市火灾隐患预警方法及系统
CN115376269A (zh) * 2022-10-21 2022-11-22 南京信大卫星应用研究院有限公司 一种基于无人机的火灾监控系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
自然场景下火焰烟雾检测算法研究;陈勇涛;中国优秀硕士学位论文全文数据库 工程科技I辑;20220315(第3期);全文 *

Also Published As

Publication number Publication date
CN116229668A (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN116229668B (zh) 基于红外视频监测的火灾定位系统
CN108446630B (zh) 机场跑道智能监控方法、应用服务器及计算机存储介质
CN111739250B (zh) 结合图像处理技术与红外传感器的火灾探测方法及系统
CN104966304B (zh) 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法
CN109167997B (zh) 一种视频质量诊断系统及方法
CN110096945B (zh) 基于机器学习的室内监控视频关键帧实时提取方法
CN113947570B (zh) 一种基于机器学习算法和计算机视觉的裂纹辨识方法
CN116012780A (zh) 一种基于图像识别的火灾监控方法及系统
CN117079397B (zh) 一种基于视频监控的野外人兽安全预警方法
CN115049955A (zh) 一种基于视频分析技术的火灾探测分析方法及装置
US10880472B1 (en) Smart sensor measurement system
CN110659627A (zh) 一种基于视频分割的智能视频监控方法
CN113095160B (zh) 基于人工智能和5g的电力系统人员安全行为识别方法及系统
CN114445663A (zh) 检测对抗样本的方法、装置及计算机程序产品
CN113936252A (zh) 基于视频监控的电瓶车智能管理系统及方法
CN113723701A (zh) 森林火灾监测预测方法及系统、电子设备及存储介质
CN111460917B (zh) 基于多模态信息融合的机场异常行为检测系统及方法
CN109977962B (zh) 一种光缆故障隐患自动识别方法与系统
CN110751014A (zh) 一种火焰检测系统及方法
CN115909215A (zh) 一种基于目标检测的边缘入侵预警方法及系统
CN111881863B (zh) 一种区域群体异常行为检测方法
CN107862245A (zh) 一种客户端配电房的异常监测方法
CN113449588A (zh) 烟火检测方法
CN111460973A (zh) 烟火信号检测与图像可视化自动识别方法
CN115937601B (zh) 一种基于正常样本建模的变电站异常检测方法

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