CN117576872A - 一种报警技术误报甄别方法 - Google Patents
一种报警技术误报甄别方法 Download PDFInfo
- Publication number
- CN117576872A CN117576872A CN202311540103.2A CN202311540103A CN117576872A CN 117576872 A CN117576872 A CN 117576872A CN 202311540103 A CN202311540103 A CN 202311540103A CN 117576872 A CN117576872 A CN 117576872A
- Authority
- CN
- China
- Prior art keywords
- image
- alarm
- data
- color
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000001965 increasing effect Effects 0.000 claims description 17
- 239000003086 colorant Substances 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000012850 discrimination method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 8
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- -1 steam Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及报警甄别技术领域,提出了一种报警技术误报甄别方法,包括步骤:接收到探测器报警数据,并持续获取该探测器数据;持续获取报警现场其它探测器的数据,将探测器数据按照时间戳进行排列;持续调取报警现场摄像头图像信息,对图像信息进行预处理;提取图像的数据,对比相邻时间戳图像的数据;融合其它探测器数据、图像数据判断是否为真实报警。通过上述技术方案,以解决探测器误报的问题。
Description
技术领域
本发明涉及报警甄别技术领域,具体的,涉及一种报警技术误报甄别方法。
背景技术
火灾报警系统是保护生命和财产安全的关键组成部分,广泛应用于住宅、商业和工业场所。这些系统依赖于各种类型的探测器,如烟雾探测器、热感探测器和气体探测器,以及其他传感器,以检测火灾迹象并触发警报。然而,探测器误报问题一直是火灾报警系统面临的严重挑战之一。
探测器误报是指当没有真实火灾或火警情况时,探测器错误地触发了报警,导致不必要的紧急响应,浪费资源和时间,以及增加运营成本。这些误报可能由各种因素引起,如烟雾、蒸汽、灰尘、温度变化等。
火灾报警系统的误报问题不仅对终端用户造成困扰,还对应急响应机构产生负担,并可能减缓对真正火灾事件的响应速度。因此,有必要提出一种报警技术误报甄别方法,以减少探测器误报,提高火灾报警系统的可靠性和效率。
发明内容
本发明的目的在于提供一种报警技术误报甄别方法,以解决探测器误报的问题。
本发明的技术方案如下:
一种报警技术误报甄别方法,包括:
接收到探测器报警数据,并持续获取该探测器数据;
持续获取报警现场其它探测器的数据,将探测器数据按照时间戳进行排列;
持续调取报警现场摄像头图像信息,对图像信息进行预处理;
提取图像的数据,对比相邻时间戳图像的数据;
结合其它探测器数据、图像数据,如果其它探测器数据和图像数据均符合真实报警条件,则此次报警为真实报警。
进一步地,获取其它探测器的频率与获取发送报警数据的探测器的频率相同,将不同探测器同一时间戳的数据排列在同一行,再将每一行按照时间戳顺序排列。
进一步地,图像预处理包括:
对图像整体进行亮度、对比度调整,避免图像过曝、增强图像颜色,先按照原始图像大小将原始图像分成8×8或16×16像素块为一组的若干小块,再对每个小块进行直方图均衡化,然后裁剪掉每个小块内相同像素值数量超过预设的对比度限制数量的部分像素值,然后在相邻小块之间做平滑过渡处理,最后将处理过的小块重新组合成原始图像;
去除图像噪声,提高图像的清洗度,先按照原始图像大小确定一个滤波窗口,将滤波窗口中心点放置在图像边角第一个像素的位置上,获取滤波窗口内所有像素值按照亮度进行排序,将滤波窗口中间的像素值替换为排序后的像素值的中间值,完成上述操作后移动滤波窗口,并重复上述操作,直至滤波窗口遍历整个图像;
对图像进行锐化处理,增强图像细节,先对原始图像应用高斯滤波得到一份模糊图像,再从原始图像中减去模糊图像,生成高频细节图像,然后增强高频细节图像,最后将增强后的高频细节图像与原始图像相加,得到锐化图像。
进一步地,提取图像的数据与相邻时间戳图像数据对比包括:
提取图像的RGB颜色直方图,RGB颜色直方图分为红色通道的颜色直方图、绿色通道的颜色直方图、蓝色通道的颜色直方图;
红色通道的颜色直方图计算公式为:直方图值H(r)=∑∑δ(i-R),i∈[0,255],其中H(r)表示红色通道的颜色直方图值,R表示图像像素的红色通道值,δ表示Kroneckerdelta函数,它在i等于R是等于1,否则等于0;
绿色通道的颜色直方图计算公式为:直方图值H(g)=∑∑δ(i-G),i∈[0,255],其中H(g)表示绿色通道的颜色直方图值,G表示图像像素的绿色通道值,δ表示Kroneckerdelta函数,它在i等于R是等于1,否则等于0;
篮色通道的颜色直方图计算公式为:直方图值H(b)=∑∑δ(i-B),i∈[0,255],其中H(b)表示篮色通道的颜色直方图值,B表示图像像素的篮色通道值,δ表示Kroneckerdelta函数,它在i等于R是等于1,否则等于0;
对比每个相邻时间戳图像相同颜色通道的颜色直方图,若后者图像的颜色直方图的某个颜色通道的值大于前者图像的颜色直方图的相同颜色通道的值,且后续该颜色通道的值在不断增加或转为红色通道的值在不断增加,则说明现场有火灾的可能,需要进一步判断,若后者图像的颜色直方图的每个颜色通道的值与前者图像的颜色直方图的每个颜色通道的值差异范围在日常差异范围内没有明显变化,则判断此次报警为误报。
进一步地,提取图像的数据与相邻时间戳图像数据对比还包括:
获取图像的纹理特征,使用灰度共生矩阵方法捕捉图像的对比度(Contrast)特征、能量(Energy)特征;
对比度(Contrast)特征计算公式:Contrast=∑i,j(i-j)2·P(i,j),其中i和j是图像中的不同灰度级别,P(i,j)是灰度共生矩阵中出现i和j的概率,即灰度级别i和j共同出现的频率,∑i,j表示对所有可能的i和j进行求和;
能量(Energy)特征计算公式:Energy=∑i,jP(i,j)2,其中P(i,j)是灰度共生矩阵中出现i和j的概率,∑i,j表示对所有可能的i和j进行求和;
对比相邻时间戳图像的对比度纹理特征和能量纹理特征,若后者图像的对比度纹理特征和能量纹理特征高于前者图像的对比度纹理特征和能量纹理特征,且后续对比度纹理特征、能量纹理特征在不断增加,则说明现场有火灾的可能,需要进行下一步火灾判断,若后者图像的对比度纹理特征和能量纹理特征与前者图像的对比度纹理特征与能量纹理特征差异没有超出日常差异范围,则判断此次报警为误报。
进一步地,提取图像的数据与相邻时间戳图像数据对比还包括:
对相邻时间戳图像进行运动检测,计算相邻时间戳图像的像素差异,计算公式为:D(t)=∣I(t)-I(t+1)∣,其中I(t)和I(t+1)分别表示相邻时间戳的图像,D(t)为差异图像;
差异图像将会用不同颜色标识出运动物体与静止物体,若差异图像有运动物体对应的颜色出现,且对比后续差异图像运动物体对应的颜色在向外扩展,则说明有火焰运动的可能,若差异图像只有静止物体的颜色,则表明报警现场没有运动的物体,此次报警为误报。
进一步地,真实报警判断条件包括:
1、首次收到报警数据后,在其它探测器中,有一个或多个探测器有达到报警阈值的数据;
2、相邻时间戳的图像的RGB颜色直方图出现了某个颜色通道的的值超过日常差异范围的,且该颜色通道的值在不断变大或转为红色通道的值在不断增加;
3、相邻时间戳的图像的对比度纹理特征、能量纹理特征均有超出日常差异范围的增加,且后续在不断增加;
4、相邻时间戳的图像的差异图像中出现了运动物体对应的颜色,且在后续的差异图像中运动物体对应的颜色在向外扩展;
上述均符合即判断为真实报警,否则即判断此次报警为误报。
一种报警技术误报甄别装置,包括:数据接收模块、图像采集模块、图像预处理模块、图像数据提取模块、判断模块,所述数据接收模块用于获取报警数据和探测器的数据,并将探测器数据排序,所述图像采集模块用于获取报警现场摄像头图像信息,所述图像预处理模块用于对获取到的图像进行预处理,所述图像数据提取模块用于提取预处理后的图像中的信息,并进行初步判断,所述判断模块用于根据探测器数据和图像信息对报警数据的真伪进行甄别。
一种报警技术误报甄别系统,所述系统包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行如权利要求1至7中任意一项所述的方法。
一种计算机可读存储介质,所述计算机可读存储介质包括:
程序,当所述程序被处理器运行时,如权利要求1至7中任意一项所述的方法被执行。
本发明的工作原理及有益效果为:
本发明在多个探测器相互配合甄别报警数据的同时,加入图像分析判断,通过报警现场的摄像头获取现场图像,先对图像进行预处理,再提取图像中的数据,将相邻时间戳的图像数据进行对比,最后结合辅助探测器数据和图像对比结果判断报警数据是否为真实报警,本发明通过上述方法对探测器报警数据进行双重甄别,有效的杜绝了探测器误报。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明一种报警技术误报甄别方法的流程图;
图2为本发明一种报警技术误报甄别装置的示意图。
具体实施方式
下面将结合本发明实施例,对本发明实施例中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,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都涉及本发明保护的范围。
如图1所示,本实施例提出了一种报警技术误报甄别方法,包括:
s1、接收到探测器报警数据,并持续获取该探测器数据;
探测器通过物联网网关等设备上传报警数据。
s2、持续获取报警现场其它探测器的数据,将探测器数据按照时间戳进行排列;
获取其它探测器的频率与获取发送报警数据的探测器的频率相同,将不同探测器同一时间戳的数据排列在同一行,再将每一行按照时间戳顺序排列,方便判断探测器数据的变化。
s3、持续调取报警现场摄像头图像信息,对图像信息进行预处理;
对图像整体进行亮度、对比度调整,先按照原始图像大小将原始图像分成8×8或16×16像素块为一组的若干小块,再对每个小块进行直方图均衡化,然后裁剪掉每个小块内相同像素值数量超过预设的对比度限制数量的部分像素值,然后在相邻小块之间做平滑过渡处理,最后将处理过的小块重新组合成原始图像,对图像进行亮度、对比度调整能有效减少图像内的曝光、改善图像质量和可视化效果,有利于后续对图像数据的提取;
去除图像噪声,先按照原始图像大小确定一个滤波窗口,将滤波窗口中心点放置在图像边角第一个像素的位置上,获取滤波窗口内所有像素值按照亮度进行排序,将滤波窗口中间的像素值替换为排序后的像素值的中间值,完成上述操作后移动滤波窗口,并重复上述操作,直至滤波窗口遍历整个图像,去除图像的噪声可以提高图像的质量、增强图像的细节,使后续能从图像中提取到更准确的信息;
对图像进行锐化处理,先对原始图像应用高斯滤波得到一份模糊图像,再从原始图像中减去模糊图像,生成高频细节图像,然后增强高频细节图像,最后将增强后的高频细节图像与原始图像相加,得到锐化图像,锐化能增强图像的边缘和细节,从而提高图像的清晰度,有利于后续图像数据的提取。
s4、提取图像的数据,对比相邻时间戳图像的数据;
获取图像的RGB颜色直方图,对比相邻时间戳图像的RGB颜色直方图是否有差异,RGB颜色直方图共有三种颜色通道的颜色直方图,分别为红色通道的颜色直方图、绿色通道的颜色直方图、蓝色通道的颜色直方图;
红色通道的颜色直方图计算公式为:直方图值H(r)=∑∑δ(i-R),i∈[0,255],其中H(r)表示红色通道的颜色直方图值,R表示图像像素的红色通道值,δ表示Kroneckerdelta函数,它在i等于R是等于1,否则等于0;
绿色通道的颜色直方图计算公式为:直方图值H(g)=∑∑δ(i-G),i∈[0,255],其中H(g)表示绿色通道的颜色直方图值,G表示图像像素的绿色通道值,δ表示Kroneckerdelta函数,它在i等于R是等于1,否则等于0;
篮色通道的颜色直方图计算公式为:直方图值H(b)=∑∑δ(i-B),i∈[0,255],其中H(b)表示篮色通道的颜色直方图值,B表示图像像素的篮色通道值,δ表示Kroneckerdelta函数,它在i等于R是等于1,否则等于0;
通过上述公式计算出三个颜色通道的颜色直方图,将相邻时间戳的图像的三个颜色通道的颜色直方图进行一一对比,如果报警现场真实出现火灾那么在颜色直方图中应有展示。当报警现场出现火灾时,火焰在前期燃烧阶段会不断变大,此段时间的两张相邻时间戳的图像的红色通道的颜色直方图会有变化,后者红色通道值会大于前者红色通道值,在颜色直方图中展示即为后者红色通道的颜色直方图的红色像素值会大于前者红色通道的颜色直方图的红色像素值,但是在火灾开始的时候也会有例外的情况,例如火灾是由酒精燃烧引起的,那么在开始的时候酒精燃烧的火焰是偏向蓝色的,此时应为蓝色通道的直方图出现明显增加,再例如火灾开始时引起了铜等金属燃烧,那么火焰是偏向绿色的,此时应为绿色通道的直方图出现明显增加,但上述两种火焰颜色的例外都有可能会引起其它物体的燃烧,最后整体火焰颜色还是会偏向于红色,使得最终红色通道的颜色直方图会出现明显的增加,所以在火灾情况中,颜色直方图应该以红色通道的颜色直方图的变化为主,绿色通道的颜色直方图、蓝色通道的颜色直方图为辅进行判断。
获取图像的纹理特征,使用灰度共生矩阵方法捕捉图像的对比度(Contrast)特征、能量(Energy)特征;
对比度(Contrast)特征计算公式:Contrast=∑i,j(i-j)2·P(i,j),其中i和j是图像中的不同灰度级别,P(i,j)是灰度共生矩阵中出现i和j的概率,即灰度级别i和j共同出现的频率,∑i,j表示对所有可能的i和j进行求和;
能量(Energy)特征计算公式:Energy=∑i,jP(i,j)2,其中P(i,j)是灰度共生矩阵中出现i和j的概率,∑i,j表示对所有可能的i和j进行求和;
通过灰度共生矩阵计算出图像的对比度纹理特征、能量纹理特征,如果报警现场真实出现火灾,随着火焰的变大,火焰的亮度会明显高于周围环境的亮度,火焰在图像中展现出更多的细节,在相邻时间戳图像的对比度纹理特征和能量纹理特征中,后者图像的对比度纹理特征和能量纹理特征会高于前者图像的对比度纹理特征和能量纹理特征。
对相邻时间戳图像进行运动检测,计算相邻时间戳图像的像素差异,计算公式为:D(t)=∣I(t)-I(t+1)∣,其中I(t)和I(t+1)分别表示相邻时间戳的图像,D(t)为差异图像,根据差异图像判断图像中是否有物体移动;
差异图像会将两个相邻时间戳图像中运动的物体和静止的物体以不同颜色展示出来,当报警现场真实出现火灾,此时火焰相对于背景中其它的物体是运动的,那么在差异图像中就会出现运动物体对应的颜色,由于火焰变大后,焰心位置相对而言是静止的,所以在后续的差异图像中,运动物体对应的颜色应该是向外扩展的,其中间可能是静止物体对应的颜色。
s5、结合其它探测器数据、图像数据,如果其它探测器数据和图像数据均符合真实报警条件,则此次报警为真实报警;
真实报警判断条件:
1、首次收到报警数据后,在其它探测器中,有一个或多个探测器有达到报警阈值的数据;
初步甄别发出报警数据的探测器是否是因为探测器故障等原因而发出报警数据,因探测器之间位置不同的原因,判断时需要适当延长判断时间,提高准确度。
2、相邻时间戳的图像的RGB颜色直方图出现了某个颜色通道的的值超过日常差异范围的,且该颜色通道的值在不断变大或转为红色通道的值在不断增加;
通过RGB颜色直方图,可以发现报警环境中颜色的变化,提高报警甄别的准确度,但RGB颜色直方图主要关注颜色的分布,其在亮度、对比度或纹理的变化并不敏感,所以还需进一步甄别。
3、相邻时间戳的图像的对比度纹理特征、能量纹理特征均有超出日常差异范围的增加,且后续在不断增加;
通过捕捉图像的纹理信息,可以发现图像中纹理的变化,进而判断出报警现场的变化,提高报警甄别的准确度,但纹理特征有时候会受到光照等因素的影响而发生变化,所以还需进一步甄别。
4、相邻时间戳的图像的差异图像中出现了运动物体对应的颜色,且在后续的差异图像中运动物体对应的颜色在向外扩展;
通过运动检测,可以发现图像中运动的物体,进而判断出报警现场出现了异常,提高报警甄别的准确度。
当报警数据和报警现场图像均符合上述真实报警判断条件即判断此次探测器报警为真实报警,否则即判断此次报警为误报,通过结合多个探测器报警数据和现场图像判断能有效的降低探测器误报的情况,减少因误报而产生的资源浪费。
如图2所示,本实施例提出了一种报警技术误报甄别装置,包括:数据接收模块、图像采集模块、图像预处理模块、图像数据提取模块、判断模块,数据接收模块用于获取报警数据和探测器的数据,并将探测器数据排序;图像采集模块用于获取报警现场摄像头图像信息;图像预处理模块用于对获取到的图像进行预处理,使图像的内容更清晰,进而使后续提取的图像数据跟准确;图像数据提取模块用于提取预处理后的图像中的信息,并进行初步判断,判断相邻时间戳的图像之间是否有差异,例如颜色差异、纹理差异、图像中有运动的物体等;判断模块用于根据探测器数据和图像信息对报警数据的真伪进行甄别,判断模块根据真实报警判断条件进行甄别,当探测器数据和提取到的图像信息均符合真实报警判断条件,则此次报警为真实报警,否则此次报警即为误报。
本实施例提出了一种报警技术误报甄别系统,系统包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从存储器中调用并运行指令,执行如权利要求1至7中任意一项的方法。
本实施例提出了一种计算机可读存储介质,计算机可读存储介质包括:
程序,当程序被处理器运行时,如权利要求1至7中任意一项的方法被执行。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种报警技术误报甄别方法,其特征在于,包括:
接收到探测器报警数据,并持续获取该探测器数据;
持续获取报警现场其它探测器的数据,将探测器数据按照时间戳进行排列;
持续调取报警现场摄像头图像信息,对图像信息进行预处理;
提取图像的数据,对比相邻时间戳图像的数据;
结合其它探测器数据、图像数据,如果其它探测器数据和图像数据均符合真实报警条件,则此次报警为真实报警。
2.根据权利要求1所述的一种报警技术误报甄别方法,其特征在于,获取其它探测器的频率与获取发送报警数据的探测器的频率相同,将不同探测器同一时间戳的数据排列在同一行,再将每一行按照时间戳顺序排列。
3.根据权利要求1所述的一种报警技术误报甄别方法,其特征在于,图像预处理包括:
对图像整体进行亮度、对比度调整,避免图像过曝、增强图像颜色,先按照原始图像大小将原始图像分成8×8或16×16像素块为一组的若干小块,再对每个小块进行直方图均衡化,然后裁剪掉每个小块内相同像素值数量超过预设的对比度限制数量的部分像素值,然后在相邻小块之间做平滑过渡处理,最后将处理过的小块重新组合成原始图像;
去除图像噪声,提高图像的清洗度,先按照原始图像大小确定一个滤波窗口,将滤波窗口中心点放置在图像边角第一个像素的位置上,获取滤波窗口内所有像素值按照亮度进行排序,将滤波窗口中间的像素值替换为排序后的像素值的中间值,完成上述操作后移动滤波窗口,并重复上述操作,直至滤波窗口遍历整个图像;
对图像进行锐化处理,增强图像细节,先对原始图像应用高斯滤波得到一份模糊图像,再从原始图像中减去模糊图像,生成高频细节图像,然后增强高频细节图像,最后将增强后的高频细节图像与原始图像相加,得到锐化图像。
4.根据权利要求1所述的一种报警技术误报甄别方法,其特征在于,提取图像的数据与相邻时间戳图像数据对比包括:
提取图像的RGB颜色直方图,RGB颜色直方图分为红色通道的颜色直方图、绿色通道的颜色直方图、蓝色通道的颜色直方图;
红色通道的颜色直方图计算公式为:直方图值H(r)=∑∑δ(i-R),i∈[0,255],其中H(r)表示红色通道的颜色直方图值,R表示图像像素的红色通道值,δ表示Kronecker delta函数,它在i等于R是等于1,否则等于0;
绿色通道的颜色直方图计算公式为:直方图值H(g)=∑∑δ(i-G),i∈[0,255],其中H(g)表示绿色通道的颜色直方图值,G表示图像像素的绿色通道值,δ表示Kronecker delta函数,它在i等于R是等于1,否则等于0;
篮色通道的颜色直方图计算公式为:直方图值H(b)=∑∑δ(i-B),i∈[0,255],其中H(b)表示篮色通道的颜色直方图值,B表示图像像素的篮色通道值,δ表示Kronecker delta函数,它在i等于R是等于1,否则等于0;
对比每个相邻时间戳图像相同颜色通道的颜色直方图,若后者图像的颜色直方图的某个颜色通道的值大于前者图像的颜色直方图的相同颜色通道的值,且后续该颜色通道的值在不断增加或转为红色通道的值在不断增加,则说明现场有火灾的可能,需要进一步判断,若后者图像的颜色直方图的每个颜色通道的值与前者图像的颜色直方图的每个颜色通道的值差异范围在日常差异范围内没有明显变化,则判断此次报警为误报。
5.根据权利要求4所述的一种报警技术误报甄别方法,其特征在于,提取图像的数据与相邻时间戳图像数据对比还包括:
获取图像的纹理特征,使用灰度共生矩阵方法捕捉图像的对比度(Contrast)特征、能量(Energy)特征;
对比度(Contrast)特征计算公式:Contrast=∑i,j(i-j)2·P(i,j),其中i和j是图像中的不同灰度级别,P(i,j)是灰度共生矩阵中出现i和j的概率,即灰度级别i和j共同出现的频率,∑i,j表示对所有可能的i和j进行求和;
能量(Energy)特征计算公式:Energy=∑i,jP(i,j)2,其中P(i,j)是灰度共生矩阵中出现i和j的概率,∑i,j表示对所有可能的i和j进行求和;
对比相邻时间戳图像的对比度纹理特征和能量纹理特征,若后者图像的对比度纹理特征和能量纹理特征高于前者图像的对比度纹理特征和能量纹理特征,且后续对比度纹理特征、能量纹理特征在不断增加,则说明现场有火灾的可能,需要进行下一步火灾判断,若后者图像的对比度纹理特征和能量纹理特征与前者图像的对比度纹理特征与能量纹理特征差异没有超出日常差异范围,则判断此次报警为误报。
6.根据权利要求5所述的一种报警技术误报甄别方法,其特征在于,提取图像的数据与相邻时间戳图像数据对比还包括:
对相邻时间戳图像进行运动检测,计算相邻时间戳图像的像素差异,计算公式为:D(t)=∣I(t)-I(t+1)∣,其中I(t)和I(t+1)分别表示相邻时间戳的图像,D(t)为差异图像;
差异图像将会用不同颜色标识出运动物体与静止物体,若差异图像有运动物体对应的颜色出现,且对比后续差异图像运动物体对应的颜色在向外扩展,则说明有火焰运动的可能,若差异图像只有静止物体的颜色,则表明报警现场没有运动的物体,此次报警为误报。
7.根据权利要求1所述的一种报警技术误报甄别方法,其特征在于,真实报警判断条件包括:
1、首次收到报警数据后,在其它探测器中,有一个或多个探测器有达到报警阈值的数据;
2、相邻时间戳的图像的RGB颜色直方图出现了某个颜色通道的值超过日常差异范围的,且该颜色通道的值在不断变大或转为红色通道的值在不断增加;
3、相邻时间戳的图像的对比度纹理特征、能量纹理特征均有超出日常差异范围的增加,且后续在不断增加;
4、相邻时间戳的图像的差异图像中出现了运动物体对应的颜色,且在后续的差异图像中运动物体对应的颜色在向外扩展;
上述均符合即判断为真实报警,否则即判断此次报警为误报。
8.一种报警技术误报甄别装置,其特征在于,包括:数据接收模块、图像采集模块、图像预处理模块、图像数据提取模块、判断模块,所述数据接收模块用于获取报警数据和探测器的数据,并将探测器数据排序,所述图像采集模块用于获取报警现场摄像头图像信息,所述图像预处理模块用于对获取到的图像进行预处理,所述图像数据提取模块用于提取预处理后的图像中的信息,并进行初步判断,所述判断模块用于根据探测器数据和图像信息对报警数据的真伪进行甄别。
9.一种报警技术误报甄别系统,其特征在于,所述系统包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行如权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括:
程序,当所述程序被处理器运行时,如权利要求1至7中任意一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311540103.2A CN117576872A (zh) | 2023-11-20 | 2023-11-20 | 一种报警技术误报甄别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311540103.2A CN117576872A (zh) | 2023-11-20 | 2023-11-20 | 一种报警技术误报甄别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117576872A true CN117576872A (zh) | 2024-02-20 |
Family
ID=89892965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311540103.2A Pending CN117576872A (zh) | 2023-11-20 | 2023-11-20 | 一种报警技术误报甄别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576872A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101592383B1 (ko) * | 2014-10-15 | 2016-02-11 | 공주대학교 산학협력단 | 화염의 온도 분포 특성을 이용한 컬러 영상 기반의 화염 검출 방법 |
JP2016110262A (ja) * | 2014-12-03 | 2016-06-20 | 能美防災株式会社 | 煙検出装置および煙検出方法 |
CN107808504A (zh) * | 2017-12-14 | 2018-03-16 | 南京东屋电气有限公司 | 报警方法和报警系统 |
CN111429701A (zh) * | 2020-03-16 | 2020-07-17 | 理工雷科电子(天津)有限公司 | 报警方法、装置、设备及存储介质 |
CN113554845A (zh) * | 2021-06-25 | 2021-10-26 | 东莞市鑫泰仪器仪表有限公司 | 一种用于森林防火热成像装置 |
CN116781870A (zh) * | 2023-08-23 | 2023-09-19 | 北京大业桥科技股份有限公司 | 一种远程微波监控方法和系统 |
-
2023
- 2023-11-20 CN CN202311540103.2A patent/CN117576872A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101592383B1 (ko) * | 2014-10-15 | 2016-02-11 | 공주대학교 산학협력단 | 화염의 온도 분포 특성을 이용한 컬러 영상 기반의 화염 검출 방법 |
JP2016110262A (ja) * | 2014-12-03 | 2016-06-20 | 能美防災株式会社 | 煙検出装置および煙検出方法 |
CN107808504A (zh) * | 2017-12-14 | 2018-03-16 | 南京东屋电气有限公司 | 报警方法和报警系统 |
CN111429701A (zh) * | 2020-03-16 | 2020-07-17 | 理工雷科电子(天津)有限公司 | 报警方法、装置、设备及存储介质 |
CN113554845A (zh) * | 2021-06-25 | 2021-10-26 | 东莞市鑫泰仪器仪表有限公司 | 一种用于森林防火热成像装置 |
CN116781870A (zh) * | 2023-08-23 | 2023-09-19 | 北京大业桥科技股份有限公司 | 一种远程微波监控方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560657B (zh) | 烟火识别方法、装置、计算机设备和存储介质 | |
EP2461300B1 (en) | Smoke detecting apparatus | |
JP4729610B2 (ja) | 煙検出装置 | |
CN101908142A (zh) | 一种基于特征分析的视频火焰检测方法 | |
JP2010238032A (ja) | 煙検出装置 | |
JP2010097412A (ja) | 煙検出装置 | |
CN111860143B (zh) | 一种面向巡检机器人的火焰实时检测方法 | |
CN100469138C (zh) | 基于视频监控与图像识别的电力变压器风机状态识别方法 | |
CN111899210A (zh) | 一种基于图像识别的电弧检测方法 | |
CN110913209B (zh) | 摄像头遮挡检测方法、装置、电子设备及监控系统 | |
CN115049955A (zh) | 一种基于视频分析技术的火灾探测分析方法及装置 | |
CN113537092A (zh) | 烟火检测方法、装置、设备及存储介质 | |
JP2017102719A (ja) | 炎検出装置および炎検出方法 | |
JP2010218046A (ja) | 煙検出装置 | |
CN117576872A (zh) | 一种报警技术误报甄别方法 | |
CN112364884A (zh) | 一种移动物体侦测的方法 | |
CN116740885A (zh) | 烟雾火焰报警方法、装置、电子设备及存储介质 | |
CN113033505A (zh) | 基于动态分类检测的火焰检测方法、装置、系统与服务器 | |
CN114897766A (zh) | 一种码流异常检测方法、装置和计算机可读存储介质 | |
CN114694090A (zh) | 一种基于改进PBAS算法与YOLOv5的校园异常行为检测方法 | |
CN110211096B (zh) | 一种雾霾图像的检测方法 | |
JP6457728B2 (ja) | 層流煙検出装置および層流煙検出方法 | |
JP6457727B2 (ja) | 層流煙検出装置および層流煙検出方法 | |
CN115761604B (zh) | 炉口开闭状态识别方法及装置 | |
CN116486313B (zh) | 一种适应场景的视频分析系统及方法 |
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 |