TWI420423B - Machine vision flame identification system and method - Google Patents
Machine vision flame identification system and method Download PDFInfo
- Publication number
- TWI420423B TWI420423B TW100103079A TW100103079A TWI420423B TW I420423 B TWI420423 B TW I420423B TW 100103079 A TW100103079 A TW 100103079A TW 100103079 A TW100103079 A TW 100103079A TW I420423 B TWI420423 B TW I420423B
- Authority
- TW
- Taiwan
- Prior art keywords
- saturation
- brightness
- foreground
- image frame
- pixel
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 23
- 238000001914 filtration Methods 0.000 claims description 47
- 230000003068 static effect Effects 0.000 claims description 20
- 238000009825 accumulation Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000003321 amplification Effects 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 238000007596 consolidation process Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background 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
-
- 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
- G06T2207/30232—Surveillance
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Fire-Detection Mechanisms (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Description
本發明是有關於一種火焰辨識系統與方法，特別是指一種機器視覺火焰辨識系統與方法。
根據我國消防法規「各類場所消防安全設備設置標準」明訂應設置的火警探測器種類繁多，大致可區分為三大類：感熱式、偵煙式與火焰式。其中，感熱式探測器係感應火場之高溫或溫度上升速率而動作；偵煙式探測器則利用火災之濃煙以改變受光量或干擾離子電流來觸發動作；至於火焰式探測器則是以接受火焰發出之紅外光或紫外光達一定強度而動作。這些既有的探測器絕大多數都是火警自動警報設備的一環，必須安裝在架構於建築物整體的電氣系統電路上，無法單獨運作，安裝成本亦高，且對於多數場所環境有著特定的限制，例如室外、開放或大型挑高空間均力有未逮。
隨著監視器的普及與品質的提升，利用電腦視覺抽取火焰顏色的辨視方法，近幾年常運用在火焰偵測上，但單純地使用顏色來區分容易造成相同顏色的物體也被偵測為火焰，故需加上不同的演算法，來降低火焰偵測的失誤率。例如以快速傅立葉轉換得到火焰邊緣輪廓在頻域的響應模式，並以類神經網絡分析辨識此模式之真偽機率。但目前這些以頻率判定火災的方法，需要運算能力較為快之電腦設備，才能抓住火焰跳動速度。
因此，本發明之目的，即在提供一種方便使用且準確度佳之機器視覺火焰辨識系統。
本發明之另一目的在於提供一種方便使用且準確度佳之機器視覺火焰辨識方法。
於是，本發明機器視覺火焰辨識系統，適用於程式化建構在一電子計算機上，並可透過一影像擷取器擷取之影像畫格進行火焰即時辨識，該機器視覺火焰辨識系統包含：一參數累計模組、一亮度過濾模組、一飽和度過濾模組、一統計模組，及一火焰識別模組。該參數累計模組可擷取每一影像畫格之每一像素的亮度與飽和度。該亮度過濾模組可自目前擷取之第(n+1)張影像畫格中，將具有似火亮度表現的像素視為亮度前景像素而過濾出，並計算出所有亮度前景像素的面積和，而得到第(n+1)張影像畫格之亮度前景面積值，1<n。該飽和度過濾模組可自目前擷取之第(n+1)張影像畫格中，將具有弱火飽和度表現的每一像素視為前景並過濾出，而得到一第一飽和度前景像素，並計算出所有第一飽和度前景像素的面積和，而得到第(n+1)張影像畫格之第一飽和度前景面積值。該統計模組可彙整記錄每一張影像畫格之亮度前景面積值與第一飽和度前景面積值而定義出一筆二維平面之第一座標，並將多張影像畫格之第一座標一起進行線性迴歸分析而獲得一第一決定係數，且隨彙整之第一座標筆數的增加，持續更新該第一決定係數。該火焰識別模組可於該統計單元輸出之第一決定係數大於一警戒閥值，且持續超過一觀察時間時，對應發出一火警訊號。
於是，本發明機器視覺火焰辨識方法，包含以下步驟：(a)自目前擷取之第(n+1)張影像畫格的所有像素中，將具有似火亮度表現的像素視為似火前景並過濾出成為亮度前景像素，並計算出該第(n+1)張影像畫格中之所有亮度前景像素的面積和，而得一亮度前景面積值，1<n；(b)自目前擷取之第(n+1)張影像畫格的所有像素中，將具有弱火飽和度表現的像素視為弱火前景，並濾出成為第一飽和度前景像素，並計算出第(n+1)張影像畫格之該等第一飽和度前景像素的面積和，而得到一第一飽和度前景面積值；(c)彙整記錄第(n+1)張影像畫格之亮度前景面積值與第一飽和度前景面積值而定義出一筆二維平面之第一座標，並將多張影像畫格之第一座標一起進行線性迴歸分析而獲得一第一決定係數，且隨彙整之第一座標筆數的增加，持續更新該第一決定係數；及(d)於步驟(c)之連續多筆第一決定係數皆大於一警戒閥值時，發出一火警訊號。
本發明之功效：透過對多張影像畫格進行亮度前景面積、該第一飽和度前景面積值與第二飽和度前景面積值的線性迴歸分析的設計，能夠有效地辨別出真火及偽火，可大幅提高火災監控品質。
有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之一個較佳實施例的詳細說明中，將可清楚的呈現。
如圖1、2、3所示，本發明機器視覺火焰辨識系統2之較佳實施例，適用於程式化建構在一台電子計算機900上執行，可透過一影像擷取器901擷取之影像畫格902資料，辨識出影像畫格之影像中是否有出現即將引發火災之火焰800，例如汽油、紙箱等燃燒產生之火焰800，以便在火災發生初期及早發出警報。所述影像畫格902資料為HSI色彩屬性模式，是由色相(Hue，H
)、飽和度(Saturation，S
)及亮度(Intensity，I
)三種參數組成，所述影像畫格902是由多個畫素(圖未示)所構成。本發明主要是藉由分析該影像擷取器901即時擷取之影像畫格902的每一像素的亮度與飽和度變化，來即時判斷該影像畫格902中是否出現即將導致火災之火焰800，而及早發出警示訊息。
該機器視覺火焰辨識系統2包含一參數累計模組3、一亮度過濾模組4、一飽和度過濾模組5、一統計模組6，及一火焰識別模組7。
該參數累計模組3可供設定儲存預定參數，並可累計該等影像畫格902之亮度與飽和度資料，該參數累計模組3包括一參數資料庫31、一累計單元32、一亮度更新單元33，及一飽和度更新單元34。
該參數資料庫31可供設定儲存進行火焰辨識時所需使用之參數，包括亮度前景閥值、亮度平均變異閥值、亮度前景面積閥值、亮度平均變異最小值、飽和度平均變異閥值、飽和度上限值、飽和度下限值、飽和度平均變異最小值、權重、擴增倍率、警戒閥值與觀察時間…等。
該累計單元32是用以在正式進行火焰識別之前，預先進行一些初始基準資料的彙整作業，該累計單元32會先依序累計取得預定張數(預定為m張)的影像畫格902的亮度與飽和度資料，並分別計算出該等數影像畫格902之每一相同像素的亮度平均值、亮度變異量、亮度平均變異量、飽和度平均值、飽和度變異量，及飽和度平均變異量，並將該等計算結果儲存於該參數資料庫31中。
必須說明的是，以下所列各公式之計算值與所述各種參數之計算，皆是針對影像畫格之某一單獨畫素。
作為初始基準資料之亮度平均值與飽和度平均值的計算如式(1)所示，P
可分別帶入像素之亮度值與飽和度值。亮度變異量與飽和度變異量是分別定義為前後接續兩張影像畫格902之同一畫素的亮度差值與飽和度差值，如式(2)所示。該亮度平均變異量與飽和度平均變異量的計算如式(3)所示，但式(3)所得之亮度平均變異量與飽和度平均變異量僅是用以作為初始基準資料，在系統正式進行火焰辨識後，亮度平均變異量與飽和度平均變異量會持續被更新，但是更新方式不同於式(3)，容後說明。
ΔP
=P i +1
-P i
，1<i
≦m (2)
該亮度更新單元33與飽和度更新單元34會分別於系統正式辨識火焰時，依據式(4)計算方式，於每次完成一張影像畫格902之火燄辨識分析後，更新該參數資料庫31儲存之每一畫素的亮度平均值、亮度平均變異量、飽和度平均值與飽和度平均變異量。在式(4)中，n>m，依據帶入計算之資料為亮度值或飽和度值，與是分別代表第(n)張影像畫格902與第(n+1)張影像畫格902之某一畫素的亮度平均值或飽和度平均值，P n +1
為第(n+1)張影像畫格之某一像素的亮度值或飽和度值，與是分別代表第(n)張影像畫格902與第(n+1)張影像畫格902之某一畫素的亮度平均變異量或飽和度平均變異量，β為P n + 1
與間，及|P n +1
-|與間之權重。
該亮度過濾模組4包括一靜態亮度過濾單元41、一動態亮度過濾單元42、一亮度前景判定單元43、一亮度變異閥值決定單元44、一亮度前景面積單元45，及一似火框選單元46。
該靜態亮度過濾單元41是用以對每一影像畫格902進行靜態的高亮度像素搜尋過濾，會將影像畫格902之該等像素中，亮度值高於該亮度前景閥值之似火亮度表現的像素皆視為似火前景而濾出，並將其餘像素皆判定為背景而濾除。
該動態亮度過濾單元42是用以對每一影像畫格902進行動態亮度變化過濾，將似火前景過濾出。該動態亮度過濾單元42進行背景與似火前景之過濾分離時，是依據式(6)之判斷原則進行判斷，當第(n+1)張影像畫格902之一像素的亮度(P ( I ) n +1
)與該參數資料庫31儲存之亮度平均值()間的亮度差值(σ( I ) n +1
)，大於該亮度平均變異閥值()乘以一預定擴增倍率(B ( I )
)後的值時，該像素會被視為似火前景而濾出，當該亮度差值(σ( I ) n +1
)小於等於該亮度平均變異閥值乘以擴增倍率後的值時，該像素會被視為背景而濾除。
於該動態亮度過濾單元42完成似火前景之判斷後，該參數累計模組3之亮度更新單元33會於該像素被視為似火前景時，不執行前述式(4)、(5)之亮度平均值()與亮度平均變異值(σ( I ) n + 1
)之更新，也就是該參數資料庫儲存之第(n+1)張影像畫格902之對應像素的亮度平均值會採用第(n)張影像畫格902的亮度平均值()，亮度平均變異值()也會採用第(n)張影像畫格902之亮度平均變異值()。但是當該像素被視為背景時，該亮度更新單元33會執行前述式(4)、(5)，將該參數資料庫31原本儲存之亮度平均值()更新為第(n+1)張影像畫格902之亮度平均值()，並將亮度平均變異值()更新為第(n+1)張影像畫格902之亮度平均變異值()。
該亮度變異閥值決定單元43可就該參數資料庫31目前設定儲存之亮度平均變異最小值(σ( I ) m in
)與該亮度平均變異量()進行數值比較，並從中選出數值較大者，以該較大數值更新參數資料庫31儲存之亮度平均變異閥值，以作為該動態亮度過濾單元42進行第(n+2)張影像畫格902之似火前景判定之參考依據。
該亮度前景判定單元44會將前述第(n+1)張影像畫格902中同時被該靜態亮度過濾單元41與動態亮度過濾單元42視為似火前景之像素濾出，而成為亮度前景像素，且該等亮度前景像素會相配合構成一亮度過濾影像440(見圖3(b))。該亮度前景面積單元45可就該亮度過濾影像440計算出該等亮度前景畫素之面積總合，而得到該張影像畫格902之亮度前景面積值(ΣI ( n +1)
)。並於該亮度前景面積值大於參數資料庫31預設之亮度前景面積閥值時，記錄該亮度前景面積值。
該似火框選單元46會於該亮度前景面積值大於該亮度前景面積閥值時，依據該亮度過濾影像440之該等亮度前景像素之分布範圍，而於該第(n+1)張影像畫格902中標示出一涵蓋所有亮度前景像素之環狀似火區域461。在本實施例中，該似火區域461是呈矩形，但實施時也可改為方形、圓形或多邊形。
該飽和度過濾模組5包括一靜態飽和度過濾單元51、一動態飽和度過濾單元52、一飽和度前景判定單元54、一飽和度變異閥值決定單元53，及一飽和度面積單元。
該靜態飽和度過濾單元51是用以搜尋已被標示似火區域461之影像畫格902中，具有靜態弱火飽和度表現之像素，也就是，飽和度介於該飽和度上限值與飽和度下限值間的像素，並將此像素視為弱火前景，且將其餘像素視為背景而濾除。前述所謂具有弱火飽和度表現之像素是指位於高亮度之亮度過濾影像周圍的弱火反光區域的像素。
該動態飽和度過濾單元52是用以對每一影像畫格902進行動態飽和度變化過濾，將弱火前景過濾出，其過濾方式如式(7)所示，相同於式(6)。會自前述第(n+1)張影像畫格902位在該似火區域461範圍內之所有像素中，把飽和度(P ( S ) n +1
)與該參數資料庫31儲存之第(n)張影像畫格的對應像素的飽和度平均值()間的飽和度差值(σ( S ) n +1
)，大於該飽和度平均變異閥值()的像素視為弱火前景濾出，並將其餘像素視為背景而濾除。
該飽和度變異閥值決定單元53會就該參數資料庫31之飽和度平均變異最小值()與更新後的飽和度平均變異量()進行比較，並從中選出數值較大者，以該較大數值更新參數資料庫31儲存之飽和度變異閥值()，以作為該動態飽和度過濾單元52對第(n+2)張影像畫格902進行弱火前景判定之參考依據。
該飽和度前景判定單元54會將前述影像畫格902中，同時被該靜態飽和度過濾單元51與動態飽和度過濾單元52視為弱火前景之像素濾出作為第一飽和度前景像素，該等第一飽和度前景像素會相配合構成一飽和度過濾影像540(見圖3(c))。接著，會再自該等第一飽和度前景像素中，把與該亮度過濾模組4過濾出之亮度前景像素重疊的像素濾除，而得到第二飽和度前景像素。
該飽和度面積單元55會將所有第一飽和度前景像素加總而得到一第一飽和度前景面積值(ΣS (1) n +1
)，且會將所有第二飽和度前景像素加總而獲得一第二飽和度前景面積值(ΣS (2) n +1
)。
於該動態飽和度過濾單元52完成弱火前景之判斷後，該參數累計模組3之飽和度更新單元34同樣會於該像素被視為弱火前景時，不執行前述式(4)、(5)之飽和度平均值()與飽和度平均變異值()之更新，也就是該參數資料庫儲存之第(n+1)張影像畫格之對應像素的飽和度平均值會採用第(n)張影像畫格902之飽和度平均值()，飽和度平均變異值()也等於第(n)張影像畫格902之飽和度平均變異值()。但是當該像素被視為背景時，該飽和度更新單元34會執行前述式(4)、(5)，將該參數資料庫31儲存之該像素的飽和度平均值()更新為，並將飽和度平均變異值()更新為。
該統計模組6可彙整記錄前述第(n)張以後之每一張影像畫格902的亮度前景面積值、第一飽和度前景面積值與第二飽和度前景面積值，並以該亮度前景面積值與該第一飽和度前景面積值定義出一筆二維平面的第一座標(ΣI
，ΣS (1)
)，而以該亮度前景面積值與該第二飽和度前景面積值定義出另一筆二維平面的第二座標(ΣI
，ΣS (2)
)。且該統計模組6會於累計預定數量之第一座標與第二座標後，分別對該等第一座標與該等第二座標進行線性迴歸分析，而分別獲得一第一決定係數(R 1 2
)與一第二決定係數(R 2 2
)，且隨彙整之第一座標與第二座標筆數的增加，分別更新該第一決定係數與該第二決定係數。
該火焰識別模組7可接收分析該等第一決定係數與第二決定係數之變化趨勢，而判斷出該影像擷取器901擷取之影像畫格902所涵蓋之空間中影像是否有即將引發火災之火焰800，或者僅是一些淺色物體、反光物體或發光物體構成的偽火。該火焰識別模組7可於該第一決定係數與第二決定係數皆大於該警戒閥值時，發出一警戒訊號，並於第一決定係數與第二決定係數皆大於該警戒閥值，且持續超過一觀察時間(T)時，對應發出一火警訊號。但是當第一決定係數大於該預定警戒閥值，而第二決定係數小於該警戒閥值時，則會發出一偽火訊號。
該火焰識別模組7進行真火與偽火之判斷的設計原理說明如下。由於火焰增大時，其輻射亦會相對增加，會使得火焰之高亮度區域的亮度前景面積值與弱火反光區域的第一飽和度前景面積值應存在有正相關，亦即第一決定係數會大於一預設警戒閥值。
相反的，當影像畫格902中出現某一淺色且會反光物體或固定光源時，也就是出現偽火時，其部分像素亮度會被濾出成為亮度前景像素，且部分像素也會被視為具有弱火反光表現，而被萃取成為第一飽和度前景像素，雖然此亮度前景面積值與第一飽和度前景面積值間可能出現高相關性，進而將此淺色或反光物體誤判為即將引發火災之真火，但因出現前述淺色會反光之物體或固定光源時，會有許多亮度前景像素與第一飽和度前景像素相重疊的現象，所以本發明在前述計算第二飽和度面積值時，刻意排除其與亮度前景像素重疊之部分。如此修正後所得到之第二決定係數會大幅降低，且會低於該預設警戒閥值，但是在出現真火的情況下，此種修正得到之第二飽和度面積值，對第二決定係數的影響卻是微乎其微。因此，透過判斷第一決定係數與第二決定係數之變化趨勢，可更準確地分辨真火與偽火。
如圖2、3、4所示，以下接著說明本發明機器視覺火焰辨識系統進行火焰辨識的方法步驟。
在本發明機器視覺火焰辨識系統2開始執行前，可依據現場環境於該參數資料庫31中預設儲存亮度前景閥值、亮度平均變異閥值、亮度平均變異最小值、亮度前景面積閥值、飽和度上限值、飽和度下限值、飽和度平均變異閥值與飽、度平均變異最小值、警戒閥值與觀察時間…等，並設定該亮度更新單元33與飽和度更新單元34之權重(β)與擴增倍率(B)。
該系統開始正式進行火焰辨識的步驟前，於步驟101~103，該累計單元32會依序擷取預定之m張影像畫格902的亮度與飽和度資料，並於擷取過程中，依據式(1)、(2)與(3)累計更新每一像素之亮度平均值、亮度平均變異量、飽和度平均值與飽和度平均變異量，以作為進行後續火焰辨識時的初始基準資料。
當累計單元32累計超過預定之m張影像畫格902資料後，例如累計到第(n)張影像畫格902，其中n=m+1，會正式進入火焰辨識步驟。於步驟104~106，該靜態亮度過濾單元41與動態亮度過濾單元42會分別先依據該累計單元32目前儲存之累計到第(m)張影像畫格902之亮度平均值與亮度平均變異量，及該參數資料庫31儲存之亮度平均變異閥值，自該第(n)張影像畫格902中過濾出似火前景，然後，該亮度前景判定單元44會接續過濾出亮度前景像素。於步驟107，該亮度前景面積單元45會加總計算出該第(n)張影像畫格902之亮度前景面積值，於步驟108、109，當該亮度前景面積值超過預定之亮度前景面積閥值時，亮度前景面積單元45會記錄該第(n)張影像畫格902之亮度前景面積值，否則返回執行步驟101~107。於步驟110，該似火框選單元46會在該第(n)張影像畫格902上標示出涵蓋所有亮度前景像素之似火區域461。
接著，進行飽和度過濾步驟。於步驟111與112，該靜態飽和度過濾單元51與動態飽和度過濾單元52會分別依據該參數資料庫31目前儲存之累計到第(m)張影像畫格902之飽和度平均值、飽和度平均變異量與飽和度平均變異閥值，自該似火區域461涵蓋之第(n)張影像畫格902範圍中過濾出該等弱火前景。於步驟113，該飽和度前景判定單元54會接續過濾出第一飽和度前景像素與第二飽和度前景像素。接著，於步驟114，該飽和度前景面積單元55會分別計算出第(n)張影像畫格902之第一飽和度前景面積值與第二飽和度前景面積值。
完成飽和度過濾步驟後，於步驟115，該統計模組6會依據該第(n)張影像畫格902之亮度前景面積、第一飽和度前景面積與第二飽和度前景面積建立一第一座標與一第二座標，便完成第(n)張像畫格之資料的萃取，並會於累計之該等座標數量分別達一預定之N筆以上時，執行步驟116，否則便返回執行步驟101~114。步驟116會開始計算第一決定係數與第二決定係數，並隨著該等座標之數量的持續增加，持續計算更新第一決定係數與第二決定係數。
完成第一決定係數與第二決定係數之計算後，於步驟117，該火焰識別模組7會於該第一決定係數與第二決定係數皆大於預設之警戒閥值時，執行步驟118，對應發出一警戒訊號，接著於步驟119，當該等決定係數大於警戒閥值的情況持續超過一預定觀察時間(T)後，會執行步驟120，發出一火警訊號，驅使對應之火警系統(圖未示)作動。若第二決定係數未超過警戒閥值，或者是該等決定係數皆大於警戒閥值的時間，但未持續超過預定觀察時間時，則表示影像畫格902內之影像為偽火，不會發出警戒訊號與火警訊號，並分別返回重新執行步驟101~116。
在上述亮度過濾模組與飽和度過濾模組5過濾像素過程中，在完成步驟106之背景與亮度前景像素之判定後，會再同時執行步驟121，該亮度更新單元33會依據式(4)、(5)與(6)更新參數資料庫31之亮度平均值與亮度平均變異量，亮度變異閥值決定單元43也會依據更新後之亮度平均變異量與該亮度平均變異最小值數值大小，選擇以其中最大值者更新參數資料庫31原本儲存之亮度平均變異閥值，以供作為第(n+1)張影像畫格902之火焰辨識的參考數值。
同樣的，完成步驟113之背景、第一飽和度前景像素與第二飽和度前景像素之判定後，會同時執行步驟122，更新參數資料庫31之飽和度平均值、飽和度平均變異量與飽和度平均變異閥值。
所以當進行第(n+1)張影像畫格902之火焰辨識時，步驟104~106會分別以該參數資料庫31儲存之第(n)張影像畫格902的每一像素的亮度平均值、亮度平均變異量與亮度平均變異閥值作為似火前景之判斷基準，隨後於步驟121再次進行資料之更新。而於步驟110~112則是會分別以該參數資料庫31儲存之第(n)張影像畫格902的每一像素的飽和度平均值、飽和度平均變異量與飽和度平均變異閥值作為弱火前景之判斷基準，隨後於步驟122再次進行資料之更新。
如表1、2所示，分別為本系統進行火燄辨識時所使用之各參數預設值，及各種物質引燃之火焰、淺色與發光或反光物體產生之偽火辨識的第一定係數與第二決定係數資料。實施時，該等參數可依據實際使用情況進行調整，不以上述數值為限。
在本實施例中，是以第一決定係數與第二決定係數之警戒閥值為0.5，當該等決定係數超過0.5時，且持續超過10秒(約40影像畫格的時間)時，就會將影像畫格902中之高亮度影像識別為真火。由上述資料可證實，本發明於真火與偽火之辨識確實具有很好的識別效果。
如圖5所示，在偽火辨識部分，由於塑膠袋本身會反射光線，而會產生一高亮度區域，及一位於該高亮度區域周圍之弱光區，所以飽和度過濾模組5也會過濾出一包圍該亮度過濾影像440之第一飽和度過濾影像540，且當塑膠袋晃動時，亮度過濾影像440與第一飽和度過濾影像540也會隨之晃動，造成第一決定係數相當高，但是當將以修正後之第二飽和度前景像素來計算第二決定係數時，第二決定係數會大幅降低至0.1795，而成功將其判定為偽火，所以可藉由第二決定係數輔助辨識真火與偽火。
在本實施例中，是同時透過第一決定係數與第二決定係數之變化趨勢來辨識真火與偽火，但實施時，也可僅利用第一決定係數之變化趨勢來成功辨識出真火，也就是在第一決定係數大於一警戒閥值，且持續超過一觀察時間時，該火焰辨識模組7就可對應發出一火警訊號。
綜上所述，透過對多張影像畫格902進行亮度前景像素之過濾，及第一飽和度前景像素與第二飽和度前景像素之過濾，並分別對該等亮度前景面積440，及該第一飽和度前景面積值與第二飽和度前景面積值相配合構成之第一座標與第二座標進行線性迴歸分析後，以第一決定係數和第二決定係數之變化趨勢來識別影像畫格902中之影像為真火或偽火的設計，能夠有效地辨別出會引燃火災之真火，及辨識出淺色物體、發光或反光物體，及固定火光之火焰所構成之偽火，整體運算分析過程中，完全不需進行複雜的快速傅立葉轉換，所以不需搭配高效能之運算設備，且可直接搭配一般監視設備之影像擷取器使用，相當簡便。此外由於僅須進行每一像素之亮度與飽和度變化的統計分析，就可在火災發生初期準確辨識出真火與偽火，而及早發出火災警報，所以可使位於火焰現場的人員有較多的時間進行滅火作業或逃離火災現場，有助於提高公共場所或住家之火災監控與安全。因此，確實可達到本發明之目的。
惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。
2‧‧‧機器視覺火焰辨識系統
3‧‧‧參數累計模組
31‧‧‧參數資料庫
32‧‧‧累計單元
33‧‧‧亮度更新單元
34‧‧‧飽和度更新單元
4‧‧‧亮度過濾模組
41‧‧‧靜態亮度過濾單元
42‧‧‧動態亮度過濾單元
43‧‧‧亮度變異閥值決定單元
44‧‧‧亮度前景判定單元
440‧‧‧亮度過濾影像
45‧‧‧亮度前景面積單元
46‧‧‧似火框選單元
5‧‧‧飽和度過濾模組
51‧‧‧靜態飽和度過濾單元
52‧‧‧動態飽和度過濾單元
53‧‧‧飽和度變異閥值決定單元
54‧‧‧飽和度前景判定單元
540‧‧‧飽和度過濾影像
55‧‧‧飽和度前景面積單元
6‧‧‧統計模組
7‧‧‧火焰識別模組
800‧‧‧火焰
900‧‧‧電子計算機
901‧‧‧影像擷取器
902‧‧‧影像畫格
圖1是本發明機器視覺火焰辨識系統之一較佳實施例搭配一電子計算機與一影像擷取器使用時的示意圖；圖2是該較佳實施例的功能方塊圖；圖3(a)是以紙箱燃燒產生之火焰進行火焰辨識時之影像畫格，且當中標示有一矩形似火區域；圖3(b)是自圖3(a)擷取濾出之所有亮度前景像素分布圖；圖3(c)是自圖3(a)濾出之所有第一飽和度前景像素分布圖；圖3(d)是圖3(b)與圖3(c)之集合圖；圖4是該較佳實施例進行火焰辨識時之步驟流程圖；及圖5(a)是以塑膠袋進行火焰辨識時之影像畫格，且當中標示有一矩形似火區域；圖5(b)是自圖5(a)擷取濾出之所有亮度前景像素分布圖；圖5(c)是自圖5(a)濾出之所有第一飽和度前景像素分布圖；圖5(d)是圖5(b)與圖5(c)之集合圖。
2．．．機器視覺火焰辨識系統
3．．．參數累計模組
31．．．參數資料庫
32．．．累計單元
33．．．亮度更新單元
34．．．飽和度更新單元
4．．．亮度過濾模組
41．．．靜態亮度過濾單元
42．．．動態亮度過濾單元
43．．．亮度變異閥值決定單元
44．．．亮度前景判定單元
45．．．亮度前景面積單元
46．．．似火框選單元
5．．．飽和度過濾模組
51．．．靜態飽和度過濾單元
52．．．動態飽和度過濾單元
53．．．飽和度變異閥值決定單元
54．．．飽和度前景判定單元
55．．．飽和度前景面積單元
6．．．統計模組
7．．．火焰識別模組
Claims (22)
- 一種機器視覺火焰辨識系統，適用於程式化建構在一電子計算機上，並可透過一影像擷取器擷取之影像畫格進行火焰即時辨識，該機器視覺火焰辨識系統包含：一參數累計模組，可擷取每一影像畫格之每一像素的亮度與飽和度；一亮度過濾模組，可自目前擷取之第(n+1)張影像畫格中，將具有似火亮度表現的像素視為亮度前景像素而過濾出，並計算出所有亮度前景像素的面積和，而得到第(n+1)張影像畫格之亮度前景面積值，1<n；一飽和度過濾模組，可自目前擷取之第(n+1)張影像畫格中，將具有弱火飽和度表現的每一像素視為前景並過濾出，而得到一第一飽和度前景像素，並計算出所有第一飽和度前景像素的面積和，而得到第(n+1)張影像畫格之第一飽和度前景面積值；一統計模組，可彙整記錄每一張影像畫格之亮度前景面積值與第一飽和度前景面積值而定義出一筆二維平面之第一座標，並將多張影像畫格之第一座標一起進行線性迴歸分析而獲得一第一決定係數，且隨彙整之第一座標筆數的增加，持續更新該第一決定係數；及一火焰識別模組，可於該統計模組輸出之第一決定係數大於一警戒閥值，且持續超過一觀察時間時，對應發出一火警訊號。
- 根據申請專利範圍第1項所述之機器視覺火焰辨識系統 ，其中，該飽和度過濾模組還可自該等第一飽和度前景像素中將與該等亮度前景像素重疊的像素濾除，而得到第二飽和度前景像素，並計算該等第二飽和度前景像素之面積總合，而得到一第二飽和度前景面積值，該統計模組可彙整該亮度前景面積值與該第二飽和度前景面積值而構成一筆二維平面之第二座標，且會彙整多張影像畫格之第二座標並進行線性迴歸分析而得到一第二決定係數，且會隨彙整之第二座標筆數的增加，持續更新該第二決定係數，該火焰識別模組會於第一決定係數與第二決定係數皆大於該警戒閥值時發出一警戒訊號。
- 根據申請專利範圍第1項所述之機器視覺火焰辨識系統，其中，該參數累計模組包括一參數資料庫，該參數資料庫設定儲存有一亮度前景閥值，及累計到第(n)張影像畫格之一亮度平均變異閥值與一亮度平均值，該亮度過濾模組可將該第(n+1)張影像畫格的所有像素中，亮度高於該亮度前景閥值，且與該參數累計模組儲存之對應像素的亮度平均值間的亮度差值，也大於對應之亮度平均變異閥值的像素視為亮度前景像素而過濾出。
- 根據申請專利範圍第3項所述之機器視覺火焰辨識系統，其中，該亮度過濾模組包括一靜態亮度過濾單元、一動態亮度過濾單元、一亮度前景判定單元，及一亮度前景面積單元，該靜態亮度過濾單元可將該第(n+1)張影像畫格中，亮度值高於該亮度前景閥值的像素視為似火前景，該動態亮度過濾單元可將該第(n+1)張影像畫格中， 亮度差值大於第(n)張影像畫格之亮度平均變異閥值的像素視為似火前景，該亮度前景判定單元會將該第(n+1)張影像畫格中同時被靜態亮度過濾單元與動態亮度過濾單元視為似火前景之像素濾出，而作為該亮度前景像素，且該等亮度前景像素相配合構成一亮度過濾影像，該亮度前景面積單元可就該亮度過濾影像計算出該亮度前景面積值。
- 根據申請專利範圍第4項所述之機器視覺火焰辨識系統，其中，該參數資料庫還設定儲存有一亮度平均變異最小值，且儲存有累計到第(n)張影像畫格的每一像素的一亮度平均變異量，該亮度過濾模組還包括一亮度變異閥值決定單元，該亮度變異閥值決定單元會自該參數資料庫儲存之第(n)張影像畫格之亮度平均變異量與該亮度平均變異最小值中挑選出數值最大者，並乘以一擴增倍率後，作為該動態亮度過濾單元判定第(n+1)張影像畫格之似火前景所採用的亮度平均變異閥值。
- 根據申請專利範圍第5項所述之機器視覺火焰辨識系統，其中，該參數累計模組還包括一亮度更新單元，該亮度更新單元可於該第(n+1)張影像畫格之其中一像素的亮度差值小於該亮度平均變異閥值時，以該像素亮度與第(n)張影像畫格之亮度平均值各依一預定之權重加總後的值，更新該參數資料庫原本儲存之對應像素的亮度平均值，且會以該像素之亮度差值與第(n)張影像畫格之亮度平均變異量各依一預定之權重加總後的值，更新該參數 資料庫原本儲存之對應像素的亮度平均變異量，該亮度變異閥值決定單元會自該參數資料庫更新後之亮度平均變異量與該亮度平均變異最小值中挑選出數值最大者，並乘以該擴增倍率後，更新該參數資料庫原本儲存之亮度平均變異閥值。
- 根據申請專利範圍第6項所述之機器視覺火焰辨識系統，其中，該亮度過濾模組還包括一似火框選單元，該似火框選單元可於每一影像畫格中標示出一涵蓋該亮度過濾影像之所有亮度前景像素的似火區域，該飽和度過濾模組是就每一影像畫格位於似火區域範圍內的像素分別過濾出第一飽和度前景像素與第二飽和度前景像素。
- 根據申請專利範圍第7項所述之機器視覺火焰辨識系統，其中，該參數資料庫還設定儲存有累計到第(n)張影像畫格的每一像素的一飽合度平均值、一飽合度平均變異閥值，及一飽和度上限值與一飽和度下限值，該飽和度過濾模組可自該第(n+1)張影像畫格位在該似火區域範圍內之所有像素中，將飽和度介於該飽和度上限值與該飽和度下限值間，且與該累計單元儲存之第(n)張影像畫格之對應像素的飽和度平均值間的飽和度差值，也大於對應之飽和度平均變異閥值的像素視為弱火前景，並將該等弱火前景濾出成為第一飽和度前景像素。
- 根據申請專利範圍第8項所述之機器視覺火焰辨識系統，其中，該飽和度過濾模組包括一靜態飽和度過濾單元、一動態飽和度過濾單元、一飽和度前景判定單元，及 一飽和度前景面積單元，該靜態飽和度過濾單元可將第(n+1)張影像畫格位在該似火區域範圍內，且飽合度介於該飽和度上限值與該飽和度下限值間之像素視為弱火前景，該動態飽和度過濾單元可將第(n+1)張影像畫格位在該似火區域範圍內之所有像素中，飽和度差值大於第(n)張影像畫格之飽和度平均變異閥值的像素視為弱火前景，該飽和度前景判定單元會將該第(n+1)張影像畫格同時被該靜態飽和度過濾單元與動態飽和度過濾單元視為弱火前景之像素濾出作為第一飽和度前景像素，且該等第一飽和度前景像素相配合構成該第一飽和度過濾影像，該飽和度前景面積單元可就該第一飽和度過濾影像計算出該第一飽和度前景面積值。
- 根據申請專利範圍第9項所述之機器視覺火焰辨識系統，其中，該飽和度前景判定單元可再把與該等亮度前景像素重疊之第一飽和度前景像素濾除，而得到該等第二飽和度前景像素，該飽和度前景面積單元可就該等第二飽和度前景像素計算出該第二飽和度前景面積值。
- 根據申請專利範圍第10項所述之機器視覺火焰辨識系統，其中，該參數資料庫還設定儲存有一飽和度平均變異最小值，及累計到第(n)張影像畫格的每一像素的一飽和度平均變異量，該飽和度過濾模組還包括一飽和度變異閥值決定單元，該飽和度變異閥值決定單元會自該參數資料庫累計到第(n)張影像畫格之飽和度平均變異量與該飽和度平均變異最小值中挑選出數值最大者，並乘以一 預定擴增倍率後，作為該動態飽和度過濾單元判定該第(n+1)張影像畫格之弱火前景時所採用之飽和度平均變異閥值。
- 根據申請專利範圍第11項所述之機器視覺火焰辨識系統，其中，該參數累計模組還包括一飽和度更新單元，當該第(n+1)張影像畫格之其中一像素的飽和度差值小於該飽和度平均變異閥值時，該飽和度更新單元會以該像素飽和度與第(n)張影像畫格之飽合度平均值各依一預定之權重加總後的值，更新該參數資料庫原本儲存之對應像素的飽和度平均值，且會以該像素之飽和度差值與第(n)張影像畫格之飽和度平均變異量各依一預定之權重加總後的值，更新該參數資料庫原本儲存之對應像素的飽和度平均變異量，該飽和度變異閥值決定單元會自該參數資料庫更新後之飽和度平均變異量與該飽和度平均變異最小值中挑選出數值最大者，並乘以預定擴增倍率後，更新該參數資料庫原本儲存之飽和度平均變異閥值。
- 一種機器視覺火焰辨識方法，包含以下步驟：(a)自目前擷取之第(n+1)張影像畫格的所有像素中，將具有似火亮度表現的像素視為似火前景並過濾出成為亮度前景像素，並計算出該第(n+1)張影像畫格中之所有亮度前景像素的面積和，而得一亮度前景面積值，1<n；(b)自目前擷取之第(n+1)張影像畫格的所有像素中，將具有弱火飽和度表現的像素視為弱火前景，並濾出成為第一飽和度前景像素，並計算出第(n+1)張影像畫格之 該等第一飽和度前景像素的面積和，而得到一第一飽和度前景面積值；(c)彙整記錄第(n+1)張影像畫格之亮度前景面積值與第一飽和度前景面積值而定義出一筆二維平面之第一座標，並將多張影像畫格之第一座標一起進行線性迴歸分析而獲得一第一決定係數，且隨彙整之第一座標筆數的增加，持續更新該第一決定係數；及(d)於連續多筆第一決定係數皆大於一警戒閥值時，發出一火警訊號。
- 根據申請專利範圍第13項所述之機器視覺火焰辨識方法，還包含一步驟(b1)與一步驟(c1)，該步驟(b1)是自目前擷取之第(n+1)張影像畫格的所有像素中，將具有弱火飽和度表現的像素過濾出，再把與步驟(a)之亮度前景像素重疊的像素濾除而獲得第二飽和度前景像素，並計算出該第(n+1)張影像畫格之該等第二飽和度前景像素的面積和，而得到一第二飽和度前景面積值，該步驟(c1)會彙整記錄該第(n+1)張影像畫格之亮度前景面積值與第二飽和度前景面積值而定義出一筆二維平面之第二座標，並會彙整多張影像畫格之第二座標進行線性迴歸分析而獲得一第二決定係數，且隨彙整之第二座標筆數的增加，持續更新該第二決定係數，該步驟(d)是於該第一決定係數與第二決定係數皆大於該警戒閥值時，對應發出一警戒訊號，而於該第一決定係數大於該警戒閥值，但第二決定係數小於該警戒閥值時，發出一偽火訊號。
- 根據申請專利範圍第14項所述之機器視覺火焰辨識方法，還包含一步驟(a1)提供該第(n)張影像畫格的每一像素的一亮度平均值、一亮度前景閥值與一亮度平均變異閥值，步驟(a)會自目前擷取之第(n+1)張影像畫格的所有像素中，將亮度高於步驟(a1)對應之像素的前景亮度閥值，且與對應像素之亮度平均值間的亮度差值，也大於對應像素之亮度平均變異閥值的像素濾出成為亮度前景像素。
- 根據申請專利範圍第15項所述之機器視覺火焰辨識方法，其中，步驟(a1)還會提供該第(n)張影像畫格之每一像素的亮度平均變異量與一適用於所有像素之亮度平均變異最小值，步驟(a)會自該步驟(a1)之亮度平均變異量與亮度平均變異最小值中挑選出數值最大者，作為與第(n+1)張影像畫格之亮度差值進行比較的亮度平均變異閥值。
- 根據申請專利範圍第16項所述之機器視覺火焰辨識方法，還包含一步驟(a2)當該第(n+1)張影像畫格之其中一像素的亮度差值小於該亮度平均變異閥值時，會以該像素之亮度與第(n)張影像畫格之亮度平均值各依一預定之權重加總後的值，作為步驟(a)過濾出第(n+2)張影像畫格之亮度前景像素所採用之亮度平均值，且會以該像素之亮度差值與第(n)張影像畫格之亮度平均變異量各依一預定之權重加總後的值，作為步驟(a)過濾出第(n+2)張影像畫格之亮度前景像素所採用之亮度平均變異量，步驟(a)也 會自該步驟(a2)更新後之亮度平均變異量與亮度平均變異最小值中挑選出數值最大者，作為與第(n+2)張影像畫格之亮度差值進行比較的亮度平均變異閥值
- 根據申請專利範圍第17項所述之機器視覺火焰辨識方法，還包含一步驟(a3)於該第(n+1)影像畫格中標示出一涵蓋所有亮度前景像素的似火區域，步驟(b)是就該第(n+1)影像畫格位於該似火區域範圍內的像素過濾出第一飽和度前景像素。
- 根據申請專利範圍第18項所述之機器視覺火焰辨識方法，其中，該步驟(a1)再提供該第(n)張影像畫格之每一像素的一飽和度平均值、一飽和度平均變異閥值、一飽和度上限值與一飽和度下限值，步驟(b)是將該第(n+1)張影像畫格位在該似火區域範圍內之所有像素中，飽和度介於該飽和度上限值與該飽和度下限值間，且與第(n)張影像畫格之飽和度平均值間的飽和度差值也大於該飽和度平均變異閥值的像素視為第一飽和度前景像素而過濾出。
- 根據申請專利範圍第19項所述之機器視覺火焰辨識方法，其中，步驟(b1)是將該第(n+1)張影像畫格位在該似火區域範圍內之所有像素中，飽和度介於該飽和度上限值與該飽和度下限值間，且與第(n)張影像畫格之飽和度平均值間的飽和度差值，也大於該飽和度平均變異閥值的像素視為弱火前景而濾出，再把與步驟(a)之亮度前景像素重疊的像素濾除而獲得第二飽和度前景像素。
- 根據申請專利範圍第20項所述之機器視覺火焰辨識方法，其中，步驟(a1)再提供該第(n)張影像畫格的每一像素的飽和度平均變異量與一適用於所有像素之飽和度平均變異最小值，步驟(b)會自該飽和度平均變異量與飽和度平均變異最小值中挑選出數值最大者，並乘以一預定擴增倍率後，作為與第(n+1)張影像畫格之飽和度差值進行比較的飽和度平均變異閥值。
- 根據申請專利範圍第21項所述之機器視覺火焰辨識方法，還包含一步驟(b2)當該第(n+1)張影像畫格之其中一像素的飽和度差值小於該飽和度平均變異閥值時，會以該像素之飽和度與第(n)張影像畫格之對應像素的飽和度平均值各依一預定之權重加總後的值，作為步驟(b)與(b1)過濾出第(n+2)張影像畫格被視為弱火前景之像素所採用之飽和度平均值，且會以該像素之飽和度差值與第(n)張影像畫格之對應像素的飽和度平均變異量各依一預定之權重加總後的值，作為步驟(b)與(b1)過濾出第(n+2)張影像畫格被視為弱火前景之像素所採用之飽和度平均變異量。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW100103079A TWI420423B (zh) | 2011-01-27 | 2011-01-27 | Machine vision flame identification system and method |
| US13/229,153 US8538080B2 (en) | 2011-01-27 | 2011-09-09 | Flame identification method and device using image analyses in HSI color space |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW100103079A TWI420423B (zh) | 2011-01-27 | 2011-01-27 | Machine vision flame identification system and method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201232482A TW201232482A (en) | 2012-08-01 |
| TWI420423B true TWI420423B (zh) | 2013-12-21 |
Family
ID=46577392
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW100103079A TWI420423B (zh) | 2011-01-27 | 2011-01-27 | Machine vision flame identification system and method |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US8538080B2 (zh) |
| TW (1) | TWI420423B (zh) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9202115B2 (en) * | 2012-03-12 | 2015-12-01 | Hanwha Techwin Co., Ltd. | Event detection system and method using image analysis |
| TWI511091B (zh) * | 2013-04-30 | 2015-12-01 | Gkb Security Corp | 數位式警報轉接系統及其轉接方法 |
| US10041673B2 (en) * | 2013-07-25 | 2018-08-07 | Honeywell International Inc. | Flare stack monitoring |
| CN103473788B (zh) * | 2013-07-31 | 2016-09-07 | 中国电子科技集团公司第三十八研究所 | 一种基于高清视频图像的室内火灾火焰检测方法 |
| EP3080788B1 (en) * | 2013-12-13 | 2018-06-06 | Newton, Michael | Flame detection system and method |
| CN104392213B (zh) * | 2014-11-19 | 2017-12-19 | 郑可尧 | 一种适用于熔炼过程中的图像信息状态识别系统 |
| US9466195B1 (en) | 2015-08-06 | 2016-10-11 | State Farm Mutual Automobile Insurance Company | Video flame detection system and method for controlling a range |
| CN106558181B (zh) * | 2015-09-28 | 2019-07-30 | 东莞前沿技术研究院 | 火灾监测方法和装置 |
| WO2018116966A1 (ja) * | 2016-12-21 | 2018-06-28 | ホーチキ株式会社 | 火災監視システム |
| CN108230607B (zh) * | 2018-01-23 | 2020-02-21 | 应急管理部沈阳消防研究所 | 一种基于区域特征分析的图像火灾探测方法 |
| CN108985374A (zh) * | 2018-07-12 | 2018-12-11 | 天津艾思科尔科技有限公司 | 一种基于动态信息模型的火焰检测方法 |
| CN109377703A (zh) * | 2018-12-06 | 2019-02-22 | 河池学院 | 一种基于机器视觉的森林防火预警系统及其方法 |
| CN111539239B (zh) * | 2019-01-22 | 2023-09-22 | 杭州海康微影传感科技有限公司 | 明火检测的方法、装置及存储介质 |
| CN110298297B (zh) * | 2019-06-26 | 2023-07-18 | 湖北九感科技有限公司 | 火焰识别方法和装置 |
| CN110507941B (zh) * | 2019-08-21 | 2021-07-02 | 深圳供电局有限公司 | 一种火灾处理方法及其系统 |
| CN111144337B (zh) * | 2019-12-30 | 2023-07-25 | 河北科技大学 | 火灾检测方法、装置及终端设备 |
| CN111898463B (zh) * | 2020-07-08 | 2023-04-07 | 浙江大华技术股份有限公司 | 烟火检测识别方法和装置、存储介质及电子装置 |
| CN112242038B (zh) * | 2020-08-24 | 2022-10-04 | 烟台艾睿光电科技有限公司 | 一种火情确定方法、装置、设备及计算机可读存储介质 |
| CN113299034B (zh) * | 2021-03-31 | 2023-01-31 | 辽宁华盾安全技术有限责任公司 | 一种适应多场景的火焰识别预警方法 |
| CN114495020B (zh) * | 2022-04-15 | 2022-07-29 | 季华实验室 | 燃烧物识别方法、机器人灭火方法、及灭火机器人 |
| CN114998842B (zh) * | 2022-08-03 | 2022-12-30 | 广东电网有限责任公司肇庆供电局 | 一种基于扰动放大的电力机房烟雾检测方法及系统 |
| CN115575382B (zh) * | 2022-11-23 | 2023-03-28 | 江苏奥文仪器科技有限公司 | 一种提升火花直读光谱仪检测稳定性的火焰捕捉装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200530955A (en) * | 2004-03-09 | 2005-09-16 | Huper Lab Co Ltd | Method and system for detecting fire in a predetermined area |
| TW200834476A (en) * | 2007-02-14 | 2008-08-16 | Ind Tech Res Inst | A fire image detection method |
| US20100034420A1 (en) * | 2007-01-16 | 2010-02-11 | Utc Fire & Security Corporation | System and method for video based fire detection |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI264684B (en) * | 2004-11-16 | 2006-10-21 | Univ Nat Kaohsiung Applied Sci | Fire detection method and system applying with image acquisition |
| WO2009136895A1 (en) * | 2008-05-08 | 2009-11-12 | Utc Fire & Security | System and method for video detection of smoke and flame |
| US7786877B2 (en) * | 2008-06-20 | 2010-08-31 | Billy Hou | Multi-wavelength video image fire detecting system |
-
2011
- 2011-01-27 TW TW100103079A patent/TWI420423B/zh not_active IP Right Cessation
- 2011-09-09 US US13/229,153 patent/US8538080B2/en not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200530955A (en) * | 2004-03-09 | 2005-09-16 | Huper Lab Co Ltd | Method and system for detecting fire in a predetermined area |
| US20100034420A1 (en) * | 2007-01-16 | 2010-02-11 | Utc Fire & Security Corporation | System and method for video based fire detection |
| TW200834476A (en) * | 2007-02-14 | 2008-08-16 | Ind Tech Res Inst | A fire image detection method |
Also Published As
| Publication number | Publication date |
|---|---|
| US20120195462A1 (en) | 2012-08-02 |
| TW201232482A (en) | 2012-08-01 |
| US8538080B2 (en) | 2013-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI420423B (zh) | Machine vision flame identification system and method | |
| CN112133052B (zh) | 核电厂图像火灾探测方法 | |
| CN107609470B (zh) | 野外火灾早期烟雾视频检测的方法 | |
| CN106373320B (zh) | 基于火焰颜色离散度和连续帧图像相似度的火灾识别方法 | |
| CN109886999B (zh) | 位置确定方法、装置、存储介质和处理器 | |
| KR101822924B1 (ko) | 영상기반 화재 감지 시스템, 방법 및 프로그램 | |
| KR101953342B1 (ko) | 멀티 센서 화재감지 방법 및 시스템 | |
| US8159539B2 (en) | Smoke detecting method and system | |
| CN106682635A (zh) | 一种基于随机森林特征选择的烟雾检测方法 | |
| CN113643495B (zh) | 一种用于火灾原因调查的智能辅助分析系统及方法 | |
| CN105976365A (zh) | 一种夜间火灾视频检测方法 | |
| CN103324910A (zh) | 一种基于视频检测的火灾报警方法 | |
| CN103903020B (zh) | 一种基于CodeBook 的火灾图像识别方法及装置 | |
| CN113299034B (zh) | 一种适应多场景的火焰识别预警方法 | |
| CN110619287A (zh) | 室内火灾预警识别方法、装置、存储介质及电子设备 | |
| CN108230607A (zh) | 一种基于区域特征分析的图像火灾探测方法 | |
| KR101574176B1 (ko) | 불꽃 오감지 영역이 제거된 화재 영역 선정 방법, 이를 이용한 물대포 발사 목표점 또는 발사 순서 선정 및 화재 진압 방법 | |
| CN117789394B (zh) | 一种基于运动历史图像的早期火灾烟雾检测方法 | |
| CN107220623A (zh) | 一种人脸识别方法及系统 | |
| CN106228540B (zh) | 一种多光谱视频火焰检测方法 | |
| JP2017102719A (ja) | 炎検出装置および炎検出方法 | |
| CN118135475A (zh) | 一种基于物联网的消防隐患检测预警系统及方法 | |
| CN106530594A (zh) | 夜视场景下基于火焰检测的火灾识别方法 | |
| CN116740885A (zh) | 烟雾火焰报警方法、装置、电子设备及存储介质 | |
| Ho et al. | Nighttime fire smoke detection system based on machine vision |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |