CN103956016A - 一种基于视频图像的烟雾火焰复合式自动检测方法 - Google Patents
一种基于视频图像的烟雾火焰复合式自动检测方法 Download PDFInfo
- Publication number
- CN103956016A CN103956016A CN201410172375.6A CN201410172375A CN103956016A CN 103956016 A CN103956016 A CN 103956016A CN 201410172375 A CN201410172375 A CN 201410172375A CN 103956016 A CN103956016 A CN 103956016A
- Authority
- CN
- China
- Prior art keywords
- video image
- flame
- smog
- night
- method based
- 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.)
- Granted
Links
Landscapes
- Fire-Detection Mechanisms (AREA)
- Alarm Systems (AREA)
Abstract
一种基于视频图像的烟雾火焰复合式自动检测方法，根据白天、夜晚视频图像的不同特点，应用不同的方法，对火焰和烟雾同时进行检测，综合判断，其特征在于：首先，针对输入的原始视频图像，进行处理判断，判断该视频图像为夜晚视频图像还是白天视频图像，结合对应的夜晚视频图像烟火检测算法和白天视频图像烟火检测算法进行处理检测。从而提高方法的处理效率，减少误报、漏报率，增大烟火检测效果的稳定性和准确性。
Description
技术领域
本发明属于图像型火灾检测技术领域，涉及一种视频图像烟火复合自动检测的方法。
背景技术
在人类日常生活中，火灾严重威胁着其生命、财产安全，因此尽可能早的发现火灾险情对保护人类的生命和财产是有非常重大的意义的。
比较传统的火灾检测方法主要是应用一些传感器进行烟火的检测，主要包括：感烟型火灾探测器、感温型火灾探测器、可燃气体传感探测器等检测方法。这类传统检测方法主要是需要在小空间中近距离的接触发生火灾时产生的高热气流、固体悬浮颗粒、燃烧气体等，在空间较大时很难达到实时、快速的检测火灾，且较难定位发生火灾的位置。相比于传统的火灾检测方法，视频图像型火灾检测是一种新型的火灾检测方法，其覆盖范围广、有效探测距离远、应用领域大，在实际生活和生产的火灾检测中有非常广阔的应用空间。
中国发明专利申请号为201210273296.5(公开日为2012年10月31日)，提出了一种基于边缘检测算子用火灾图像探测***，主要首先通过对图像进行一些增强、滤波等预处理，然后进行灰度拉伸提高图像的对比度，利用边缘算子对图像进行边缘检测，对检测后的数据进行计算火焰特征参数，从判断火焰信息。该方法设计简单、检测速度快，但是对疑似火焰的目标容易误检，检测准确率不高，同时只能取得火焰信息的轮廓信息，不能准确获取火焰的全部信息。
中国专利CN 101493980 B提供了一种基于多特征融合的快速视频火焰探测方法，首先通过对视频图像建立高斯模型，然后提取运动目标，再对提取的运动目标进行火焰颜色决策、闪动分析，从而提取出火焰区域。该方法检测速度快，准确率也较高，但是对火灾初期产生的烟雾不能准确识别，在实际火灾检测中应用有限。
中国发明专利申请号为20081012137.x(公开日为2009年3月25日)主要通过对火焰的颜色和频率进行火灾判定，虽然可以较快检测出火焰信息，但是误报率较高，对于室内某些可燃物(木板、棉絮等)在燃烧初期并不呈现明显的火焰，而是烟雾为主，因为烟雾特征与火焰特征存在明显的不同，从而该方法在火灾初期将不能准确识别烟雾，必然错过灭火的最佳时间。
在火灾的初期，往往没有产生明显的火焰，而是表现为烟雾形式，所以烟雾的检测对前期火灾的监控有着重大的意义。
姜海东等人提出了一种通过基于K均值聚类的分形编码技术进行视频烟雾检测的方法，该方法检测特征单一，且聚类的时候时间花费也较大，检测烟雾的效果一般，特别对于较复杂的场景检测效果不是很理想。
中国专利申请号为201210506158.7(公布日为2013.04.03)提出一种基于RGB对比度与目标形状的烟雾检测方法，该方法通过对前景区域的RGB对比图像进行二维离散小波变换分析，其次进行能量特征提取和视觉特征提取，获取烟雾信息。该方法检测效果不错可以区分烟雾和其他纯色物体，但是该方法在二维离散小波变换、基于块匹配的光流提取运动特征比较耗时，在实际应用中实时性受到限制。
现有技术存在的不足：目前基于视频图像的火灾监控方法主要从火焰与烟雾的颜色、纹理等静态特征和形状变化、运动趋向等动态特征进行烟火分析。往往判别特征比较单一，误报、漏报率较高，特别在复杂环境下检测效果不是很理想。
发明的内容
针对上述现有技术中火灾探测器的种种限制和不足，本发明提出一种基于视频图像的烟雾火焰复合式自动检测，根据白天、夜晚视频图像的不同特点，应用不同的方法，对火焰和烟雾同时进行检测，综合判断，从而提高方法的处理效率，减少误报、漏报率，增大烟火检测效果的稳定性和准确性。
本发明采用的技术方案如下：
一种视频图像烟火复合自动检测方法，根据白天、夜晚视频图像的不同特点，应用不同的方法，对火焰和烟雾同时进行检测，综合判断，其特征在于：首先，在RGB色彩空间中，判断三个通道亮度值差的绝对值是否都小于一个阈值Threshold1，然后统计满足这些条件的所有像素数目，当满足这些条件的像素数目占单帧图像总的数目的比例大于Threshold2，则判断为夜晚视频图像，其次根据当前帧图像中的亮度均值进行判断，小于设定的阈值Threshold3，则直接按照夜晚视频图像烟火检测算法进行处理；当亮度均值大于设定的阈值，则继续统计满足该条件的单帧中的像素占总共像素的比例，当大于Threshold4时，则按照白天视频图像烟火检测算法进行处理，这样将大大减少了方法的处理时间，提升了烟火检测的响应速度。
所述的白天视频图像烟火检测中，火焰检测和烟雾检测必须同时进行，只有两者同时报警才确定火灾报警，增强了消防报警领域火灾报警的准确度，减小了误报的概率。
在所述在火焰报警确认过程中，去除目标区域中的小面积噪声。由于目标区域中可能有很多类似火焰信息的小目标噪声，在形态学滤波处理后，继续进行连通区域检测，根据连通区域中目标的面积大小(区域中的像素数目)去除面积小于某个阈值的噪声区域，增加火焰检测的准确率。
在所述的烟雾报警确认过程中，在预处理提取目标区域后，立即对目标区域进行投影滤波处理，以去除目标区域中的连续孤立的噪声区域，便于后续进一步处理。
在所述的在烟雾报警确认过程中，局部邻域搜索相似目标。在投影滤波和形态学滤波处理后，为了更加精确的搜索到相似目标，应用基于局部邻域搜索的思想进行搜索：在当前帧图像中，按照块大小为block的矩形邻域进行搜索(矩形区域的大小为block×block像素)，在以当前像素点为中心的矩形邻域内，按照特征x进行搜索然后标记，即如果邻域内所有像素的x特征与当前像素的x特征满足一定的容差，则判断这两个像素为相似的目标，标记一致，否则不是相似目标，不同标记。如下式所示。
if|T(x0,y0)-T(x,y)|≤Threshold3
则标记(x,y)位置与(x0,y0)相似目标，否则标记为不相似目标。其中，(x0,y0)表示当前像素点的位置，(x,y)表示在以(x0,y0)点为中心，大小为block×block的局部邻域位置，T(x0,y0)、T(x,y)分别表示当前位置与局部邻域像素的特征值(特征值可以使用一个或多个特征同时满足)，Threshold3表示容差阈值。
所述的夜晚视频图像烟火检测中，由于夜晚图像的亮度值普遍偏低，所以只有当出现火灾时候图像的亮度值才会突然增大，这样我们可以检测图像的亮度以及亮度的变化值，可以通过检测夜晚视频图像中的火焰亮度信息(亮度信息选取YUV色彩空间的亮度分量Y进行分析，因为亮度能够比较准确地体现烟火颜色变化信息)已经亮度的变化值来检测火焰信息。
同时由于夜晚图像中，手电筒等光束容易产生误检，所以利用圆形度的特征对单帧视频图像中的目标区域进行检测，来确认火焰信息。(烟雾的不规则形状随着空气的流动发生改变，因此要对形状进行测量非常困难，因此一般采用圆形度来表征其形状的复杂程度，圆形度对圆形物体取最小值1，物体形状越复杂，其值越大。)
附图说明
图1火灾判断整体流程图；
图2白天视频图像烟火检测流程图；
图3夜晚视频图像火灾检测流程图。
具体实施方案
本发明是这样实现的，一种基于视频图像的烟雾火焰复合自动检测方法，其包括如下步骤：
(2)原始视频图像输入，在RGB色彩空间中统计每个像素点的三个通道亮度值的差的绝对值；
(3)统计满足图1中对应条件的像素数目占单帧图像总的数目的比例；
(4)彩色图像灰度化，计算灰度均值；
(5)统计单帧图像内灰度值大于均值的像素数目占总像素数目的比例；
(6)根据这几个判断，是按照白天视频图像烟火检测算法处理还是按照夜晚视频图像烟火检测算法单独处理。
所述的白天视频图像烟火检测算法，包括如下步骤：
(1)视频图像输入，建立背景图像，从视频图像中实时更新背景模型；
(2)通过背景差分法，检测运动目标区域；
(3)对运动目标区域进行预处理；
(4)分别进行火焰报警确认和烟雾报警确认；
(5)当火焰检测和烟雾检测同时报警，则认为发生火警。
火焰报警确认的过程，其包括如下步骤：
(1)目标区域颜色检测；
(2)震荡频率分析；
(3)形态学滤波处理；
(4)去除目标区域中的小面积噪声；
(5)中值滤波去除一些孤立噪声；
(6)计算目标区域的面积、周长
(7)形状因子和闪烁特性分析。
烟雾报警确认的过程，其包括如下步骤：
(1)投影滤波处理；
(2)形态学滤波处理；
(3)局部邻域搜索相似目标；
(4)去除目标区域中的小面积噪声；
(5)计算目标区域的面积、周长等；
(6)根据面积不断变大确认烟雾区域；
(7)根据轮廓周长不断变大确认烟雾区域。
夜晚视频图像烟火检测算法，其包括如下步骤：
(1)视频图像输入，进行亮度判断；
(2)进行颜色判断，获取疑似火灾区域；
(3)判断相邻几帧图像的亮度变化；
(4)检测单帧图像内目标圆形度。
Claims (6)
1.一种基于视频图像的烟雾火焰复合式自动检测方法，其特征在于：首先，针对输入的原始视频图像，进行初步处理判断，判断该视频图像为夜晚视频图像还是白天视频图像，结合对应的夜晚视频图像烟火检测算法和白天视频图像烟火检测算法进行处理检测。
2.根据权利要求1所述的一种基于视频图像的烟雾火焰复合式自动监测方法，其特征在于：所述的对原始视频图像的初步处理判断包括，针对输入的原始视频图像，获取视频图像数据并保存，在RGB色彩空间中，判断视频图像数据三个通道亮度值差的绝对值是否都小于一个阈值Threshold1，然后统计满足这些条件的所有像素数目，当满足这些条件的像素数目占单帧图像总的数目的比例大于Threshold2，则判断为夜晚视频图像；其次根据当前帧图像中的亮度均值进行判断，小于设定的阈值Threshold3，则直接按照夜晚视频图像烟火检测算法进行处理；当亮度均值大于设定的阈值，则继续统计满足该条件的单帧中的像素占总共像素的比例，当大于Threshold4时，则按照白天视频图像烟火检测算法进行处理。
3.根据权利要求1所述的一种基于视频图像的烟雾火焰复合式自动监测方法，其特征在于：所述的白天视频图像烟火检测算法包括，针对输入的视频图像，建立背景图像，从视频图像中实时更新背景模型；通过背景差分法，检测运动目标区域；对运动目标区域进行预处理；分别进行火焰报警确认和烟雾报警确认；当火焰检测和烟雾检测同时报警，则认为发生火警。
4.根据权利要求3所述的一种基于视频图像的烟雾火焰复合式自动监测方法，其特征在于：所述的火焰报警确认包括，对视频图像目标区域进行颜色检测、震荡频率分析和形态学滤波处理去除目标区域中的小面积噪声；再通过中值滤波去除一些孤立噪声；计算目标区域的面积、周长，分析形状因子和闪烁特性，根据面积、周长、形状因子、闪烁特性确定为火焰区域。
5.根据权利要求3所述的一种基于视频图像的烟雾火焰复合式自动监测方法，其特征在于：所述的烟雾报警确认包括对视频图像投影滤波处理和形态学滤波处理去除目标区域中的小面积噪声；并以局部邻域搜索相似目标，计算目标区域的面积、周长等，根据面积不断变大确认烟雾区域和轮廓周长不断变大确认烟雾区域。
6.根据权利要求1所述的一种基于视频图像的烟雾火焰复合式自动监测方法，其特征在于：所述的夜晚视频图像烟火检测算法，包括对输入视频图像进行亮度判断，在进行颜色判断，获取疑似火灾区域；判断相邻几帧图像的亮度变化并检测单帧图像内目标圆形度，根据相邻几帧图像的亮度的不规则变化以及单帧图像内目标圆形度的不规则判断火灾。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410172375.6A CN103956016B (zh) | 2014-04-25 | 一种基于视频图像的烟雾火焰复合式自动检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410172375.6A CN103956016B (zh) | 2014-04-25 | 一种基于视频图像的烟雾火焰复合式自动检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103956016A true CN103956016A (zh) | 2014-07-30 |
| CN103956016B CN103956016B (zh) | 2016-11-30 |
Family
ID=
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104501257A (zh) * | 2014-12-23 | 2015-04-08 | 浙江大学宁波理工学院 | 一种基于图像分析的吸油烟机自动调速控制方法和控制*** |
| CN105303569A (zh) * | 2015-10-19 | 2016-02-03 | 杭州中威电子股份有限公司 | 一种自动切换场景模式的目标检测方法与装置 |
| CN105575034A (zh) * | 2014-10-14 | 2016-05-11 | 哈尔滨新光光电科技有限公司 | 一种双波段森林防火智能监控软件图像处理分析方法 |
| CN105590401A (zh) * | 2015-12-15 | 2016-05-18 | 天维尔信息科技股份有限公司 | 基于视频图像的预警联动方法及*** |
| CN105654494A (zh) * | 2016-01-04 | 2016-06-08 | 杭州中威电子股份有限公司 | 视频图像中烟雾检测方法 |
| CN106384102A (zh) * | 2016-09-30 | 2017-02-08 | 深圳火星人智慧科技有限公司 | 一种带ir卡日夜两用数字网络摄像机火焰检测***及方法 |
| CN106897720A (zh) * | 2017-01-11 | 2017-06-27 | 济南中维世纪科技有限公司 | 一种基于视频分析的烟火检测方法及装置 |
| CN106997461A (zh) * | 2017-03-28 | 2017-08-01 | 浙江大华技术股份有限公司 | 一种烟火检测方法及装置 |
| CN107967448A (zh) * | 2017-11-16 | 2018-04-27 | 江苏理工学院 | 早期火灾烟雾实时检测方法及*** |
| CN108230608A (zh) * | 2018-01-31 | 2018-06-29 | 上海思愚智能科技有限公司 | 一种识别火的方法及终端 |
| CN109165575A (zh) * | 2018-08-06 | 2019-01-08 | 天津艾思科尔科技有限公司 | 一种基于ssd框架的烟火识别算法 |
| CN110390788A (zh) * | 2019-08-21 | 2019-10-29 | 深圳云感物联网科技有限公司 | 一种森林防火烟火识别方法及其*** |
| CN112466083A (zh) * | 2020-10-15 | 2021-03-09 | 中船重工远舟（北京）科技有限公司 | 一种船用火灾监测报警方法及*** |
| CN113792811A (zh) * | 2021-09-22 | 2021-12-14 | 湖南大学 | 一种基于混沌特性分析的火焰燃烧稳定性识别方法 |
| CN113807328A (zh) * | 2021-11-18 | 2021-12-17 | 济南和普威视光电技术有限公司 | 一种基于算法融合的目标检测方法、设备及介质 |
| CN114821446A (zh) * | 2022-05-17 | 2022-07-29 | 江苏三棱智慧物联发展股份有限公司 | 一种烟火识别方法、装置、电子设备及存储介质 |
| CN116091959A (zh) * | 2022-11-21 | 2023-05-09 | 武汉坤达安信息安全技术有限公司 | 基于全天候烟火的双光联动识别方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101587622A (zh) * | 2009-06-18 | 2009-11-25 | 任芳 | 基于视频图像智能分析的森林烟火检测与识别方法及设备 |
| CN101872526A (zh) * | 2010-06-01 | 2010-10-27 | 重庆市海普软件产业有限公司 | 基于可编程摄像技术的烟火智能识别方法 |
| CN101908141A (zh) * | 2010-08-04 | 2010-12-08 | 丁天 | 一种基于混合高斯模型和形态特征的视频烟雾检测方法 |
| US20120154160A1 (en) * | 2010-12-16 | 2012-06-21 | Piccolo Iii Joseph | Method and system for configuring fire alarm device groupings at the fire alarm device |
| CN102663869A (zh) * | 2012-04-23 | 2012-09-12 | 国家消防工程技术研究中心 | 基于视频监控平台的室内火灾检测方法 |
| CN103020628A (zh) * | 2012-11-30 | 2013-04-03 | 北京理工大学 | 一种基于rgb对比图像与目标形状的烟雾检测方法 |
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101587622A (zh) * | 2009-06-18 | 2009-11-25 | 任芳 | 基于视频图像智能分析的森林烟火检测与识别方法及设备 |
| CN101872526A (zh) * | 2010-06-01 | 2010-10-27 | 重庆市海普软件产业有限公司 | 基于可编程摄像技术的烟火智能识别方法 |
| CN101908141A (zh) * | 2010-08-04 | 2010-12-08 | 丁天 | 一种基于混合高斯模型和形态特征的视频烟雾检测方法 |
| US20120154160A1 (en) * | 2010-12-16 | 2012-06-21 | Piccolo Iii Joseph | Method and system for configuring fire alarm device groupings at the fire alarm device |
| CN102663869A (zh) * | 2012-04-23 | 2012-09-12 | 国家消防工程技术研究中心 | 基于视频监控平台的室内火灾检测方法 |
| CN103020628A (zh) * | 2012-11-30 | 2013-04-03 | 北京理工大学 | 一种基于rgb对比图像与目标形状的烟雾检测方法 |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105575034A (zh) * | 2014-10-14 | 2016-05-11 | 哈尔滨新光光电科技有限公司 | 一种双波段森林防火智能监控软件图像处理分析方法 |
| CN105575034B (zh) * | 2014-10-14 | 2019-06-07 | 哈尔滨新光光电科技有限公司 | 一种双波段森林防火智能监控软件图像处理分析方法 |
| CN104501257A (zh) * | 2014-12-23 | 2015-04-08 | 浙江大学宁波理工学院 | 一种基于图像分析的吸油烟机自动调速控制方法和控制*** |
| CN105303569A (zh) * | 2015-10-19 | 2016-02-03 | 杭州中威电子股份有限公司 | 一种自动切换场景模式的目标检测方法与装置 |
| CN105303569B (zh) * | 2015-10-19 | 2018-03-16 | 杭州中威电子股份有限公司 | 一种自动切换场景模式的目标检测方法与装置 |
| CN105590401A (zh) * | 2015-12-15 | 2016-05-18 | 天维尔信息科技股份有限公司 | 基于视频图像的预警联动方法及*** |
| CN105590401B (zh) * | 2015-12-15 | 2019-08-20 | 天维尔信息科技股份有限公司 | 基于视频图像的预警联动方法及*** |
| CN105654494B (zh) * | 2016-01-04 | 2018-09-21 | 杭州中威电子股份有限公司 | 视频图像中烟雾检测方法 |
| CN105654494A (zh) * | 2016-01-04 | 2016-06-08 | 杭州中威电子股份有限公司 | 视频图像中烟雾检测方法 |
| CN106384102A (zh) * | 2016-09-30 | 2017-02-08 | 深圳火星人智慧科技有限公司 | 一种带ir卡日夜两用数字网络摄像机火焰检测***及方法 |
| CN106897720A (zh) * | 2017-01-11 | 2017-06-27 | 济南中维世纪科技有限公司 | 一种基于视频分析的烟火检测方法及装置 |
| CN106997461A (zh) * | 2017-03-28 | 2017-08-01 | 浙江大华技术股份有限公司 | 一种烟火检测方法及装置 |
| US11532156B2 (en) | 2017-03-28 | 2022-12-20 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for fire detection |
| CN106997461B (zh) * | 2017-03-28 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种烟火检测方法及装置 |
| WO2018176624A1 (en) * | 2017-03-28 | 2018-10-04 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for fire detection |
| CN107967448A (zh) * | 2017-11-16 | 2018-04-27 | 江苏理工学院 | 早期火灾烟雾实时检测方法及*** |
| CN107967448B (zh) * | 2017-11-16 | 2021-05-18 | 江苏理工学院 | 早期火灾烟雾实时检测方法及*** |
| CN108230608A (zh) * | 2018-01-31 | 2018-06-29 | 上海思愚智能科技有限公司 | 一种识别火的方法及终端 |
| CN109165575A (zh) * | 2018-08-06 | 2019-01-08 | 天津艾思科尔科技有限公司 | 一种基于ssd框架的烟火识别算法 |
| CN109165575B (zh) * | 2018-08-06 | 2024-02-20 | 天津艾思科尔科技有限公司 | 一种基于ssd框架的烟火识别算法 |
| CN110390788A (zh) * | 2019-08-21 | 2019-10-29 | 深圳云感物联网科技有限公司 | 一种森林防火烟火识别方法及其*** |
| CN112466083B (zh) * | 2020-10-15 | 2023-01-31 | 中船重工远舟（北京）科技有限公司 | 一种船用火灾监测报警方法及*** |
| CN112466083A (zh) * | 2020-10-15 | 2021-03-09 | 中船重工远舟（北京）科技有限公司 | 一种船用火灾监测报警方法及*** |
| CN113792811A (zh) * | 2021-09-22 | 2021-12-14 | 湖南大学 | 一种基于混沌特性分析的火焰燃烧稳定性识别方法 |
| CN113792811B (zh) * | 2021-09-22 | 2024-04-30 | 湖南大学 | 一种基于混沌特性分析的火焰燃烧稳定性识别方法 |
| CN113807328A (zh) * | 2021-11-18 | 2021-12-17 | 济南和普威视光电技术有限公司 | 一种基于算法融合的目标检测方法、设备及介质 |
| CN114821446A (zh) * | 2022-05-17 | 2022-07-29 | 江苏三棱智慧物联发展股份有限公司 | 一种烟火识别方法、装置、电子设备及存储介质 |
| CN116091959A (zh) * | 2022-11-21 | 2023-05-09 | 武汉坤达安信息安全技术有限公司 | 基于全天候烟火的双光联动识别方法及装置 |
| CN116091959B (zh) * | 2022-11-21 | 2024-03-22 | 武汉坤达安信息安全技术有限公司 | 基于全天候烟火的双光联动识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108416968B (zh) | 火灾预警方法和装置 | |
| CN107609470B (zh) | 野外火灾早期烟雾视频检测的方法 | |
| CN102163361B (zh) | 一种基于前景累积图像的图像型火灾探测方法 | |
| JP4705090B2 (ja) | 煙感知装置及びその方法 | |
| KR101822924B1 (ko) | 영상기반 화재 감지 시스템, 방법 및 프로그램 | |
| CN101908142A (zh) | 一种基于特征分析的视频火焰检测方法 | |
| CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
| KR101953342B1 (ko) | 멀티 센서 화재감지 방법 및 시스템 | |
| CN103324910A (zh) | 一种基于视频检测的火灾报警方法 | |
| CN103400111A (zh) | 基于视频检测技术的高速公路隧道火灾事件检测方法 | |
| CN102881106A (zh) | 一种热成像视频双鉴林火识别***及其识别方法 | |
| Cho et al. | Image processing-based fire detection system using statistic color model | |
| CN114202646A (zh) | 一种基于深度学习的红外图像吸烟检测方法与*** | |
| CN109360370B (zh) | 一种基于机器人烟火检测的方法 | |
| CN107688793A (zh) | 一种变电站室外火灾自动监测预警方法 | |
| CN109034038B (zh) | 一种基于多特征融合的火灾识别装置 | |
| CN109741565A (zh) | 煤矿火灾识别***及方法 | |
| CN113361420A (zh) | 基于机器人的矿井火灾监测方法、装置、设备及存储介质 | |
| CN209657454U (zh) | 煤矿火灾识别*** | |
| CN103456123A (zh) | 一种基于流动和扩散特征的视频烟气探测方法 | |
| CN113299034B (zh) | 一种适应多场景的火焰识别预警方法 | |
| Lai et al. | Robust little flame detection on real-time video surveillance system | |
| Lei et al. | Early fire detection in coalmine based on video processing | |
| Lei et al. | A new fire detection method based on the centroid variety of consecutive frames | |
| CN106530594A (zh) | 夜视场景下基于火焰检测的火灾识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |