TWI427563B - 機器視覺火災偵測方法及其產品 - Google Patents
機器視覺火災偵測方法及其產品 Download PDFInfo
- Publication number
- TWI427563B TWI427563B TW99114744A TW99114744A TWI427563B TW I427563 B TWI427563 B TW I427563B TW 99114744 A TW99114744 A TW 99114744A TW 99114744 A TW99114744 A TW 99114744A TW I427563 B TWI427563 B TW I427563B
- Authority
- TW
- Taiwan
- Prior art keywords
- fire
- feature
- video image
- color
- image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 230000033001 locomotion Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000010835 comparative analysis Methods 0.000 claims 1
- 239000000779 smoke Substances 0.000 description 38
- 230000000007 visual effect Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 235000017337 Persicaria hydropiper Nutrition 0.000 description 3
- 240000000275 Persicaria hydropiper Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Description
本發明為一種火災偵測的方法，尤其是關於一種利用拍攝的影像判斷火災發生的火災偵測方法。
近年來公共場所接連發生多次重大火災，均造成重大傷亡及上億元之財物損失，讓民眾深切感受到公共場所及居家是多麼不安全；若能在第一時間，對足以燎原的星星之火提出警示，將可大幅減少生命財產的損失。
然而，縱觀市面上所使用及販售的火災感測裝置的技術都是使用如粒子採樣分析、溫度採樣分析或是環境中的氣體濃度分析，因此非要等火災或煙霧所引起的粒子累積並散布到達感測裝置的感應範圍後，火警訊號才會發布，況且，傳統的火災感測裝置並不能夠提供引起火災的火燄位置、火燄大小、火燄燃燒程度等資訊。
如果使用傳統的視訊監控方式則需要使用安全人員整天的目視監視器，藉以達到防範火災的功效，則除需要耗費大量的人力之外，更需要儲存大量的視訊資料供日後檢索，在實務使用上而有點不切合實際。
為克服火災感測裝置只能侷限於點狀範圍的偵測，J. Fang等人因而提出使用多排列的光學感測裝置來增加火災煙霧的偵測範圍，但需要安裝多個紅外線陣列感測裝置，整個系統並要妥善的安裝，以達到效果。
為了解決前述的既有火災偵測技術或方法偵測速度太慢、無法偵測火災確切位置及火災發展程度…等之技術問題，本發明結合視訊系統(Video surveillance)與視覺伺服(Visual Servoing)判斷火災的位置、狀態，可解決傳統使用定點式的感測裝置來偵測火災如火燄感測器(Flame Sensor)、溫度感測器(Temperature Sensor)、氣體感測器(Gas Sensor)等等火警偵測手段之偵測速度太慢、無法偵測火災確切位置及發展程度之技術問題，而且可免除使用人員透過監視器去目視監控火警之煩冗、執行不易困擾。
本發明提供一種機器視覺之火災偵測方法，其步驟包含：分割一視訊影像中火災特徵的的可能範圍：對該視訊影像以一移動物體判斷手段擷取分割出該視訊影像中之一火災特徵可能範圍，其中，該移動物體判斷手段係判別該視訊影像中具備移動及抖動現象的標的物作為該火災特徵可能範圍；色彩轉換及火災特徵相關性比對：將該火災特徵可能範圍先經一色彩轉換，並依據色彩轉換後之結果與一比對樣板進行比較分析，並產生一顏色光譜相關係比對值；分析火災特徵的動態行為：判斷該火災特徵可能範圍是否具備一幾何拓撲形狀不規則性及一突然移動的特性，並計算該火災特徵可能範圍之一紊流比，將該顏色光譜相關性比對值及該紊流比經過一模糊邏輯演算取得一可能性指標，之後將具有最高可能性指標的一火災特徵可能範圍
進行時域性分析以及空間位置分析，找出火災特徵在視訊影像中的存在性與位置；及火災特徵影像區域追蹤：以一運動追蹤演算法對視訊影像追蹤該火災特徵在視訊影像之變化與位置。
其中：該分割一視訊影像中火災特徵的的可能範圍步驟中，進一步以一顏色框直接在視訊影像中標示找出的該火災特徵可能範圍；及完成該分析火災特徵的動態行為步驟後，對找出的該火災特徵於該視訊影像中直接標示之。
其中，該移動物體判斷手段為一移動歷史狀態影像的背景分割演算法。
進一步地，在該分析火災特徵的動態行為步驟或該火災特徵影像區域追蹤步驟找出該火災特徵之後，發佈一警示訊號。
本發明進一步提供一種內儲程式之電腦程式產品，當電腦載入該電腦程式並執行後，可完成該機器視覺之火災偵測方法。
藉此，本發明所提供的方法及程式產品可以即時分析、判斷讀取之視訊影像是否存在火災特徵，由於不需要透過複雜的偵測器，也不需要等待煙霧或火焰接近偵測器，因此，可以非常快速地進行火災偵測，同時判斷火災的確切位置，以及提供視訊監控人員即時火災判斷警示。
請參考第一圖及第二圖，其為本發明之機器視覺火災偵測方法之較佳實施流程範例，其步驟包含：
(51)讀取視訊影像：
由一影像擷取裝置連續且即時讀取一視訊影像60。實際執行時，可以為一電腦或微處理裝置等連接該影像擷取裝置以持續讀取該影像擷取裝置所拍攝的視訊影像60，其中，該影響擷取裝置可以是具備彩色錄像效果的監視器、攝影機或CCD(charge-coupled device)或CMOS等光感應元件。
(53)分割視訊影像中火災特徵可能範圍：
由所讀取之該視訊影像60以一移動物體判斷手段判斷並分割選取所擷取的視訊影像60中一火災特徵可能範圍681。
由於火災的產生是一種物質燃燒並有具有紊流行為的現象，火災之火燄本身具有特別的顏色、形狀及散布的型態，該些型態均提供了火警辨識的重要參考。火燄燃燒的過程包括了化學變化與紊流的行為，且火燄並具有會閃爍的特性，火燄的另一個特性是火燄的形狀會隨空氣中風的流動而改變，並會有劇烈的抖動與突然的移動現象等，因此火燄所產生的煙霧亦會隨著火燄的移動也產生抖動的現象。
因此，本實施例利用發生火災時可能產生的火災特徵(即火焰及煙霧)以及該火災特徵的移動、抖動等現象，在視訊影像60中找具備移動及抖動現象的標的物，並將該些標的物予以分割選擇作為該火災特徵可能範圍681。尋找並判別視訊影像60之移動物的演算方法很多，本實施例之該移
動物體判斷手段為一移動歷史狀態影像(Motion History Image, MHI)的背景分割演算法。MHI演算法主要是用於電腦視覺在手勢行為之分析與移動研究[J. Davis, "Recognizing movement using motion histograms," Technical Report 487, MIT Media Lab,1999.; J. W. Davis and A. Bobick, "The Representation and Recognition of Action Using Temporal Templates,” IEEE Transactions on Pattern Analysis and Machine, Intelligence, Vol. 23, No. 3, pp.257-267, 2001.; G. R. Bradski and J. W. Davis, "Motion segmentation and pose recognition with motion history gradients," Machine Vision and Applications, vol. 13, pp. 174-184, 2002.]，MHI演算法不僅可以用來決定當前的物體的位置，並且可以利用物體在視訊影像60訊號中場景內的運動資訊，來分割並量測這些運動。這些被分割的區域不是“運動塊”，而是自然的連接到物體的運動部分。移動歷史狀態影像(MHI)演算法主要用以描述影像中物體運動的狀態，並將其每一個像素採用顏色深淺來表示最近變動的情形。本實施例使用MHI演算法具有以下的特點：(1)可以將發生於標計一段時間內的移動歷史狀態影像用單一張的灰階影像來表示；(2)可以直接地標記運動的區域；(3)使用MHI計算的CPU運算量不大，因此可以實現火燄與煙霧的動態及時偵測。
進一步地，可以在此步驟完成之後，將所選出火災特徵可能範圍681以一顏色框直接標示於該視訊影像60中，讓使用者可以直接看到演算後、選擇的結果，藉以警示使
用者注意視訊影像60對應現場的各種可能狀況，如第二圖所示。第二圖所顯示的視訊影像60中包含兩個可能的火災特徵可能範圍681，分別為一火焰62(右側圖形)以及一紅色葉盆栽65(左側圖形)。舉例而言，該紅色葉盆栽可能因為隨風搖曳導致經過MHI演算法之後，與該火焰一起被判定、標示為火災特徵可能範圍681。
(55)色彩轉換及火災特徵之相關性比對
為了將火災特徵可能的火燄與煙霧的影像像素分割出來，本實施例將前一步驟(53)標記運動的區域(即前述的該火災特徵可能範圍681)，先經過一色彩轉換處理，將選出的該火災特徵可能範圍681之彩色影像資訊轉換為相對容易進行處理的色彩空間模式，藉以提昇後續運算的效能與效果。舉例而言，本實施例之色彩轉換處理即是將該火災特徵可能範圍681之色彩影像資訊轉成一HSI(Hue, Saturation, Intensity)的色彩空間模式。選擇HIS色彩空間係因為該HIS色彩空間是從人的視覺系統出發，以色調(Hue)、色飽和度(Saturation或Chroma)和亮度(Intensity或Brightness)來描述、定義色彩。用這種描述HSI色彩空間的圓錐模型相當複雜，但確能把色調、亮度和色飽和度的變化情形表現得很清楚。由於人的視覺對亮度的敏感程度遠優於對顏色濃淡的敏感程度，為了便於色彩處理和識別，人的視覺系統經常採用HSI色彩空間，它比RGB色彩空間更符合人的視覺特性。在影像處理和機器視覺中大量算法都可在HSI色彩空間中方便地使用，它們可以分開處理而且是相互獨立的。因此，本實施例使用HSI色彩空間
可以大大簡化影像分析和處理的工作量，可以實現火燄與煙霧的動態即時偵測。演算時，可將HSI色彩空間之參數分別正規化(normalized)到以下範圍：0°≦hue≦360°；0≦saturation≦255；及0≦intensity≦255。
為了找出的火燄與煙霧的HSI色彩分布範圍，可以將完成HIS轉換的該火災特徵可能範圍681與一比對樣板進行比較分析，藉以定義所擷取的該火災特徵可能範圍681的影像資訊是否確實為火焰或煙霧。其中，該比對樣板之建立，可以是預先對不同環境、條件產生的火災特徵擷取一組視訊影像60串流畫面。舉例而言，該比對樣板可以取自於室內、室外、不同材質燃燒物等環境或條件之下產生的火災特徵之HIS色彩空間資料庫。
換言之，在分析比較火燄與煙霧的樣板之後，就可以將即時的視訊輸入影像畫面與實驗統計所建立的該比對樣板，進行直方圖(histogram)的色彩相似度比對計算，得到相關性比對值，用以代表可能是火燄或是煙霧取得相似度的分數值。
(57)分析火災特徵的動態行為
1.火災特徵的紊流特性分析
為了降低與火燄與煙霧的顏色相似的區域或物體所造成的誤判，藉由分析所擷取的火災特徵可能範圍681之動態行為是用來區別具由相近顏色特徵之重要手段，以決定正確的火燄與煙霧的視訊中的影像區域。其中，火災特徵
之動態行為包括火燄與煙霧之一幾何拓撲形狀不規則性呈現，以及具備一突然移動的特性。由於火燄與煙霧都是流體，其會存在著不規則(幾何拓撲形狀不規則)的起伏和擾動的紊流(turbulent flow)現象，本實施例即是利用此一紊流現象，判定並區分真實發生的火燄與煙霧及和相似顏色的背景與物體(如穿著紅衣服移動的人)的重要依據，當火燄與煙霧的紊流現象增加時，視訊影像60之一紊流比Ω也會隨著增大。其中，該紊流比Ω之定義為：
其中，P為選取區域的週長(perimeter)，A為選取區域的面積。當選取區域的形狀複雜度上升(即P變大，A變小)，紊流比Ω則增大，因此，紊流比分析可用於所選取的該火災特徵可能範圍681是否確實為火焰或煙霧。
2.火災特徵的時域性分析
另外，火燄與煙霧會隨時間而閃爍的特性，亦是用來偵測火燄與煙霧的重要依據，因為閃爍的特性會造成視訊中的火燄與煙霧影像，會斷斷續續的不規則出現與消失；為了區分與火燄與煙霧的相似影像區域並分析火燄與煙霧會隨時間而閃爍的時域性質，本實施例使用模糊邏輯(fuzzy-logic-enhanced approach)來求出火燄與煙霧的一可能性指標u
，如第三圖所示。
本實施例使用的模糊邏輯有兩個輸入，分別是火燄與
煙霧的一顏色光譜相關性比對值S corr
及一紊流比Ω，其先將S corr
及Ω經過正規化至0~1之數值範圍，在經一模糊邏輯演算後產生火災特徵之可能性指標u
。其中，該顏色光譜相關性比對Scorr
之計算係依據下列公式：
其中，A、B分別代表待分析視訊影像中的火災特徵可能範圍以及該比對樣板統計結果，Ai代表統計結果的數值，A bar代表平均。
第三圖之功能方塊G s
和G Ω
是將輸入G s S corr
和G Ω
的值正規化到[0,1]的範圍，並產生火燄與煙霧的可能性指標u
。G s S corr
和G Ω
的值分別是由四個區域所組成並使用三角模糊函數，分別是ZE(zero，無)、PS(positive small，小)、PM(positive middle，中)、和PL(positive large，大)，並根據實驗分析而得的影像資料庫，建立模糊(Fuzzy)規則庫，如表1所示。模糊邏輯演算之輸出包含四個輸出值(singletons){μ 1,μ 2,μ 3,μ 4}。本實施例使用加權
平均之解模糊邏輯(Weighted average defuzzification)計算取得該可能性指標u
。該可能性指標u
之計算公式為：
其中Gu為另一常數(scaling constant)，μ
(ui
)則是前述的幾個關係參數所計算出來的結果(minimum implication operation)。
在實際演算方面，本實施例約取20個歷史影像框(historical frames)之可能性指標u藉以尋找視訊影像60中最可能的存在火災特徵之區域。如果某個區域得到最高的可能性，則該影像區域則繼續進行一時域性分析(temporal analysis)。
為了更能區別視訊影像60中與火災特徵具有相似特性的物體，本實施例利用一平均準位跨越率(Level Crossing Rate，LCR)演算法來來區分與火燄與煙霧具有相似特性的物體。所選取的影像區域中的每個像素(pixel)透過LCR演算以進行時域性分析：
其中，ut
是長度T的機率(a probability of length T)。II{Φ}是指示函數，其中當判斷元素(argument)Φ為真實(true)時指示函數為1，反之則為0。k
1是判斷臨界值(threshold value)。在本實施例中，用來進行LCR演算的影像長度T為40個影像框(frames)，該判斷臨界值k1是設定值。
因此，本實施例之視訊影像60之火災特徵之空間位置決定可以下列公式(4)：
其中，k2是實驗之臨界值，(x
,y
)代表火災特徵的空間位置。本實施例之k2臨界值是利用觀察12筆確實具有火災特徵之視訊影像60之後取得的實驗結果，於此，本實施例在進行煙霧判斷時數值為0.05，在進行火焰判斷時其數值為0.075。
藉由經過前述的判斷步驟，即可以有效判斷視訊影像60中的是否存在火焰或煙霧，以及火焰及煙霧的位置。
(59)火災特徵影像區域追蹤
經過前述的步驟，可以明確定義出視訊影像60中是否出現火災特徵以及其可能的範圍，為了能夠持續追蹤火災特徵的範圍與趨勢，讓觀看者可以能夠持續追蹤視訊影像60中的火災特徵之位置，本實施例以一運動追蹤演算法對視訊影像60持續追蹤火災特徵的位置，並適當地予以在視訊影像60予以標示，加強警示效果。
本實施例使用之該運動追蹤演算法為一連續適應性的均值追蹤演算法(CAMSHIFT，Continuously Adaptive Mean-Shift)，CAMSHIFT主要通過視訊影像60中運動物體的顏色資訊來達到追蹤的目的，CAMSHIFT演算法是採用色彩機率分佈及統計的方式持續的追蹤火燄與煙霧影像內的發生區域，所以CAMSHIFT演算法是利用色彩直方圖來計算出二維影像中色彩的機率分佈，CAMSHIFT演算法可
以處理動態的色彩分佈變化，其具體步驟包含：
步驟1. 將整個影像設為搜尋區域。
步驟2. 初始化追蹤影像圖框視窗的位置和大小。
步驟3. 計算追蹤影像圖框視窗內的色彩機率分佈，此區域的大小比追蹤影像圖框視窗較大一點。
步驟4. 操作運行Mean Shift演算法，獲得追蹤影像圖框視窗的新位置和大小。
步驟5. 在下一影像圖框的視訊影像60中，採用步驟3獲得的值初始化追蹤影像圖框視窗的位置和大小；並重複步驟3、4和5，實現對火災特徵目標(火燄與煙霧)的追蹤。以前述之第二圖作為範例說明，經過CAMSHIFT演算法之視訊影像60，可以在視訊影像中找到火災特徵682，並在視訊影像60中予以標示、追蹤其大小與位置。
綜合前述，本實施例以移動歷史狀態影像演算法(MHI)所分割的有效區域ROI(Region of Interest)，該有效區域即為前述的火災特徵可能範圍681，並再使用顏色光譜相關性比對值的相關性演算及空間中紊流比值後，再經火燄與煙霧的時域性分析來剔除視訊影像60中可能產生混淆的物件(如穿著紅色衣物到處移動的人或車等等)，最後使用CAMSHIFT演算法追蹤火燄與煙霧的影像運動區域。
進一步地，本實施例除了可以對視訊影像進行火焰與煙霧之位置進行醒目的標示之外，可於步驟(57)或(59)之後所找到火災特徵之後發佈一警示訊號(透過接收該視訊影像電腦以聲音或無線訊號發佈警示訊號)，如此，不僅可以讓需要持續監視的人員得到警示，藉以防範災情持
續擴大。
本實施例發展出一個使用機器視覺演算法來處理輸入彩色影像的視訊資料，發展出火燄與煙霧的偵測演算法，根據顏色特性、空間特性、時域特性來及時的偵測火災，並於偵測到火燄與煙霧訊號時，發出警報，若配合一內嵌式單晶片系統之軟硬體實現視覺伺服技術，也可達到遠端監控或甚至遠端監控控制滅火之技術效果。經過不同視訊影像60之測試，本實施例確實能夠快速、有效的偵測及追蹤視訊影像60中的火災特徵發生位置。
60‧‧‧視訊影像
62‧‧‧火焰
65‧‧‧紅色葉盆栽
681‧‧‧火災特徵可能範圍
682‧‧‧火災特徵
第一圖為本發明之較佳實施例流程圖。
第二圖為本發明之較佳實施例所處理之一視訊影像示意圖。
第三圖為本發明之較佳實施例之一模糊邏輯演算方塊示意圖。
Claims (7)
- 一種機器視覺火災偵測方法，其步驟包含：分割一視訊影像中火災特徵的的可能範圍：對該視訊影像以一移動物體判斷手段擷取分割出該視訊影像中之一火災特徵可能範圍，其中，該移動物體判斷手段係判別該視訊影像中具備移動及抖動現象的標的物作為該火災特徵可能範圍；色彩轉換及火災特徵相關性比對：將該火災特徵可能範圍先經一色彩轉換，並依據色彩轉換後之結果與一比對樣板進行比較分析，並產生一顏色光譜相關係比對值；分析火災特徵的動態行為：判斷該火災特徵可能範圍是否具備一幾何拓撲形狀不規則性及一突然移動的特性，並計算該火災特徵可能範圍之一紊流比，將該顏色光譜相關性比對值及該紊流比經過一模糊邏輯演算取得一可能性指標，其中在進行模糊邏輯演算時，係先將該顏色光譜相關性比對值及該紊流比分別經由一功能方塊進行正規化，再同時將該顏色光譜相關性比對值及該紊流比經正規化的值代入一模糊邏輯組合規則資料庫中，並以一加權平均之解模糊邏輯計算取得該可能性指標，之後將具有最高可能性指標的一火災特徵可能範圍進行時域性分析以及空間位置分析，找出火災特徵在視訊影像中的存在性與位置；及火災特徵影像區域追蹤：以一運動追蹤演算法對視訊影像追蹤該火災特徵在視訊影像之變化與位置。
- 如申請專利範圍第1項所述的該機器視覺火災偵測方法，其中： 該分割一視訊影像中火災特徵的的可能範圍步驟中，進一步以一顏色框直接在視訊影像中標示找出的該火災特徵可能範圍；及完成該分析火災特徵的動態行為步驟後，對找出的該火災特徵於該視訊影像中直接標示之。
- 如申請專利範圍第1或2項所述的該機器視覺火災偵測方法，其中，該移動物體判斷手段為一移動歷史狀態影像的背景分割演算法。
- 如申請專利範圍第3項所述的該機器視覺火災偵測方法，在該分析火災特徵的動態行為步驟或該火災特徵影像區域追蹤步驟找出該火災特徵之後，發佈一警示訊號。
- 如申請專利範圍第4項所述的該機器視覺火災偵測方法，該警示訊號為一聲音或一無線訊號。
- 如申請專利範圍第3項所述的該機器視覺火災偵測方法，該運動追蹤演算法為一連續適應性的均值追蹤演算法。
- 如申請專利範圍第5項所述的該機器視覺火災偵測方法，該運動追蹤演算法為一連續適應性的均值追蹤演算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW99114744A TWI427563B (zh) | 2010-05-10 | 2010-05-10 | 機器視覺火災偵測方法及其產品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW99114744A TWI427563B (zh) | 2010-05-10 | 2010-05-10 | 機器視覺火災偵測方法及其產品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201140506A TW201140506A (en) | 2011-11-16 |
| TWI427563B true TWI427563B (zh) | 2014-02-21 |
Family
ID=46760330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW99114744A TWI427563B (zh) | 2010-05-10 | 2010-05-10 | 機器視覺火災偵測方法及其產品 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI427563B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128439A (zh) * | 2021-04-27 | 2021-07-16 | 云南电网有限责任公司电力科学研究院 | 一种基于视频图像序列的火焰实时检测算法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101461986A (zh) * | 2008-12-29 | 2009-06-24 | 丁国锋 | 机器人、灭火系统及灭火方法 |
| TW200951887A (en) * | 2008-06-04 | 2009-12-16 | Univ Nat Chiao Tung | Intruder detection system and method |
-
2010
- 2010-05-10 TW TW99114744A patent/TWI427563B/zh not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200951887A (en) * | 2008-06-04 | 2009-12-16 | Univ Nat Chiao Tung | Intruder detection system and method |
| CN101461986A (zh) * | 2008-12-29 | 2009-06-24 | 丁国锋 | 机器人、灭火系统及灭火方法 |
Non-Patent Citations (1)
| Title |
|---|
| Chao-Ching Ho、Tzu-Hsin Kuo," Real-Time Video-Based Fire Smoke Detection System", 2009 IEEE/ASME International Conference on Advanced Intelligent Mechatronics Suntec Convention and Exhibition Center, July 14-17, 2009 * |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201140506A (en) | 2011-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110516609B (zh) | 一种基于图像多特征融合的火灾视频检测及预警方法 | |
| Gong et al. | A real-time fire detection method from video with multifeature fusion | |
| CN109117827B (zh) | 基于视频的工服工帽穿戴状态自动识别方法与报警系统 | |
| JP4705090B2 (ja) | 煙感知装置及びその方法 | |
| Qureshi et al. | QuickBlaze: early fire detection using a combined video processing approach | |
| EP2801078B1 (en) | Context aware moving object detection | |
| CN106650584B (zh) | 火焰检测方法和系统 | |
| Alamgir et al. | Combining multi-channel color space with local binary co-occurrence feature descriptors for accurate smoke detection from surveillance videos | |
| KR101081051B1 (ko) | 퍼지 유한상태 오토마타를 이용한 화재 불꽃 감지 방법 | |
| US20060170769A1 (en) | Human and object recognition in digital video | |
| KR101953342B1 (ko) | 멀티 센서 화재감지 방법 및 시스템 | |
| Khalil et al. | Fire detection using multi color space and background modeling | |
| CN110569772A (zh) | 一种泳池内人员状态检测方法 | |
| Cetin et al. | Methods and techniques for fire detection: signal, image and video processing perspectives | |
| Salehi et al. | An automatic video-based drowning detection system for swimming pools using active contours | |
| Verstockt et al. | State of the art in vision-based fire and smoke dectection | |
| TWI427562B (zh) | 機器視覺火災偵測及自動滅火系統 | |
| CN101316371B (zh) | 火焰侦测方法及装置 | |
| CN108230607A (zh) | 一种基于区域特征分析的图像火灾探测方法 | |
| Ho et al. | Real-time video-based fire smoke detection system | |
| TWI493510B (zh) | 跌倒偵測方法 | |
| Wang et al. | Early smoke detection in video using swaying and diffusion feature | |
| CN114140745A (zh) | 施工现场人员属性检测方法、系统、装置及介质 | |
| Thaman et al. | Face mask detection using mediapipe facemesh | |
| CN116761049B (zh) | 一种家用智能安防监控方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |