CN107025753B - 一种基于多光谱图像分析的广域火灾报警装置 - Google Patents
一种基于多光谱图像分析的广域火灾报警装置 Download PDFInfo
- Publication number
- CN107025753B CN107025753B CN201710411068.2A CN201710411068A CN107025753B CN 107025753 B CN107025753 B CN 107025753B CN 201710411068 A CN201710411068 A CN 201710411068A CN 107025753 B CN107025753 B CN 107025753B
- Authority
- CN
- China
- Prior art keywords
- fire
- multispectral
- vector
- alarm
- characteristic
- 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
Links
- 238000010191 image analysis Methods 0.000 title claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000001931 thermography Methods 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims description 31
- 239000000779 smoke Substances 0.000 claims description 25
- 230000033001 locomotion Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 12
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 abstract description 8
- 238000003703 image analysis method Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000003595 spectral effect Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors 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
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fire-Detection Mechanisms (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明一种基于多光谱图像分析的广域火灾报警装置，综合运用多种光谱图像分析技术克服了单一图像分析法火灾报警的不足；本发明有效解决可见光分析法的受燃烧的材质、背景光照、光照强度等因素造成的漏报、误报问题；本发明同时也解决了热像图分析法需要检测环境温度才能工作、因热成像图像中温度信息不准确而造成漏报、误报的问题。
Description
技术领域
本发明属于光谱分析领域，尤其涉及一种基于多光谱图像分析的广域火灾报警装置。
背景技术
森林或者是城域范围内的火灾报警不同于室内的火灾报警，它需要探测(监视)的面积达到十几甚至是几十平方公里。目前常规的做法一种是在制高点安装可见光摄像机对目标地域扫描，将扫描到的图像使用图像分析技术来检测火灾(我们称之为可见光图分析法)这种方法的做法是“获取视频图像及参考图像……，进行先烟雾预判断……，确定监控区域内是否有烟雾产生；确定有烟雾产生后……，再判断烟雾是否为真实烟雾；确定为真实烟雾后……进一步判断烟雾是否为火灾引起的烟雾；确定为火灾引起的烟雾，则进一步判断监控区域内是否存在火焰，若监控区域内存在火焰，则确定森林当前有火灾发生。”(陕西烽火实业有限公司.一种森林火灾自动检测方法及***[P].中国:CN201611256815.1,20170426)。另一种方法是在制高点安装热成像摄像机，通过解析图像中的温度信息监测是否发生火灾(我们称之为热像图分析法)。这种方法的做法是“利用红外热像仪、视频服务器、传输装置……，在待监控的森林区域中设置有对环境温度进行采集的温度检测装置，红外热像仪通过温度检测装置获取监控区域的环境温度值。……计算报警阈值……(利用图像分析技术)计算单元区域的温度值……(若温度超限则)发出报警信息并上传图像”。(山东神戎电子股份有限公司.一种阈值可变的森林防火热成像监控***[P].中国:CN201620084343.5,2016.11.09)。
这两种方法都存在各自缺陷：
一、可见光分析法
该方法分析的是可见光图像，在可见光图像中仅含有颜色、形态、纹理、面积、目标移动等图像模式特征信息，所以对于有着相似特征的云、雾气等非火灾图像则无法正确识别，会造成很高的火警误报率。
燃烧的材质、背景光照、风力大小、镜头焦距大小、光照强度等因素会对上述模式特征产生重大影响，造成很大漏报、误报。
二.热像图分析法
该方法需要检测环境温度，以设置恰当报警阈值，才能获得关于烟火的正确二值图像。否则会产生漏报或误报。实际上这种要求很不现实，对于动辄几十平方公里的森林、城域火灾报警来说安装这些环境温度探测装置根本行不通。
由于热像图分析法主要使用了图像里的温度信息，在背景温度很低环境下地热会引起误报。
对于楼宇林立的城域火灾报警而言，地面小火无法加热高层空间空气，所以无法从制高点发现早期火情。
发明内容
本发明的主要目的在于提供一种基于多光谱图像分析的广域火灾报警装置，综合运用多种光谱图像分析技术克服了单一图像分析法火灾报警的不足；本发明有效解决可见光分析法的受燃烧的材质、背景光照、光照强度等因素造成的漏报、误报问题；本发明同时也解决了热像图分析法需要检测环境温度才能工作、因热成像图像中温度信息不准确而造成漏报、误报的问题。
为实现上述目的，本发明采取的技术方案为：
一种基于多光谱图像分析的广域火灾报警装置，包括如下步骤：首先根据监视的森林面积或城域范围大小选择制高点，制高点的选择应遵循能够将火灾监视对象全部纳入视野的原则；
森林火灾报警中使用人工搭建的高于一切树种的高塔或自然山顶，城域火灾报警选择城域中最高建筑物的顶端；
将T1，T2等前端多光谱信号探测器安装在制高点上，并完成俯仰和方位角度的标定；
通过以太网将交换机N2汇集探测到的可见光和红外热成像的YUV数据，数据传递至火灾判定分析服务器E3中，通过火灾判定分析服务器E3的分析判定，如果发生火灾灾情则产生报警信号，同时将前端多光谱信号探测器T1，T2等反馈的方位信息发送报警联动伺服机构A4，报警联动伺服机构A4则驱动警灯警号发出声光报警，同时驱动相应防火分区的灭火装置开始灭火工作；
报警联动伺服机构A4除了驱动本发明中的集成的灭火装置外，还可以输出4路常开的开关量和包含Ti经纬度和俯仰方位信息的字符串供其他消防平台使用。
进一步地，服务器E3的火灾判定原理如下：
火灾判定服务器E3接收到前端多光谱信号探测器Ti中可见光摄像机产生的YUV数据后，
步骤1.1.YUV数据转化为RGB数据，进而将RGB数据转化为HSV数据，进而提取HSV空间的颜色特征；
步骤2.1将步骤1.1得到的RGB数据转成灰度图；
步骤3.1根据先验阈值将灰度图二值化，转换成二值图；本步骤中的先验阈值来自于本发明人的实验数据；
步骤4.1利用步骤3.1得到的二值图提取烟火的形态特征，包括圆形度特征、尖角特征、白区面积变化；
步骤5.1利用步骤3.1得到的二值图提取烟火的运动特征，包括质心运动特征、跳动频率特征；
步骤6.1将步骤1.1、步骤4.1、步骤5.1获得烟火特征值组成向量αl；
步骤7.1计算步骤6.1获得的向量αl和烟火的先验特征向量βl的距离Dl，如果Dl小于先验阈值dl则认为视场内发现疑似烟火并向“多光谱特征综合评价”步骤发送向量αl。本步骤烟火的先验特征向量βl，先验阈值dl均来自于发明人的实验数据。
与此同时，火灾判定服务器E3还接收到前端多光谱信号探测器Ti中的热成像摄像机的YUV数据，服务器E3同步开展如下步骤的工作：
步骤1.2提取YUV数据的Y通道数据；
步骤2.2根据温度与灰度映射谱选取阈值，将步骤1.2得到的图像二值化，得到二值图；
步骤3.2利用步骤2.2得到的二值图提取烟火的形态特征，包括圆形度特征、尖角特征、白区面积变化；
步骤4.2利用步骤2.2得到的二值图提取烟火的运动特征，包括质心运动特征、跳动频率特征；
步骤5.2将步骤3.2、步骤4.2获得烟火特征值组成向量αr；
步骤6.2计算步骤5.2获得的向量αr和烟火的先验特征向量βr的距离Dr，如果Dr小于先验阈值dr则认为视场内发现疑似烟火并向“多光谱特征综合评价”步骤发送向量αr。本步骤烟火的先验特征向量βr，先验阈值dr均来自于发明人的实验数据；
步骤7.多光谱特征综合评价。将αl和αr合成一个新的向量α；在此步骤中αr没有颜色特征分量，为了能和αl合成，我们补齐αr的颜色特征分量并全部置0；计算向量α和烟火的多光谱先验特征向量β的距离D，如果D小于先验阈值d则认为视场内发现烟火；本步骤烟火的先验特征向量β，先验阈值d均来自于发明人的实验数据；
步骤8.若视场内出现烟火，则产生报警信号，同时将前端多光谱信号探测器Ti反馈的方位信息一起打包发送给报警联动伺服机构A4。
进一步地，本算法提及的二值图设置前景为白。
与现有技术相比，本发明具有如下有益效果：无需在森林或城域内安装温度检测装置，综合运用可见光图像分析和红外热成像图像分析法，互相辅佐，互相补充，有效解决了单一方法的种种不足，降低了森林或城域火灾报警***成本和施工难度，提高了火灾报警的准确率。
附图说明
图1为本发明的中前端多光谱信号探测器实物图；
图2是本发明逻辑结构图。
图3是火灾判定分析服务器E3火灾判定原理图。
图中，P1是可见光摄像机；P2是热成像摄像机；P3是方位信息反馈转台。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
图中：
实施例：首先根据监视的森林面积或城域范围大小选择制高点，制高点的选择应遵循能够将火灾监视对象全部纳入视野的原则。森林火灾报警中一般使用人工搭建的高于一切树种的高塔或自然山顶，城域火灾报警选择城域中最高建筑物的顶端。将T1，T2等前端多光谱信号探测器安装在制高点上，并完成俯仰和方位角度的标定。通过以太网将交换机N2汇集探测到的可见光和红外热成像的YUV数据，数据传递至火灾判定分析服务器E3中，通过火灾判定分析服务器E3的分析判定，如果发生火灾灾情则产生报警信号，同时将前端多光谱信号探测器T1，T2等反馈的方位信息发送报警联动伺服机构A4，报警联动伺服机构A4则驱动警灯警号发出声光报警，同时驱动相应防火分区的灭火装置开始灭火工作。报警联动伺服机构A4除了驱动本发明中的集成的灭火装置外，还可以输出4路常开的开关量和包含Ti经纬度和俯仰方位信息的字符串供其他消防平台使用。
E3的火灾判定原理如下：
火灾判定服务器E3接收到前端多光谱信号探测器Ti中可见光摄像机产生的YUV数据后，
步骤1.1YUV数据转化为RGB数据，进而将RGB数据转化为HSV数据，进而提取HSV空间的颜色特征。
步骤2.1将步骤1.1得到的RGB数据转成灰度图。
步骤3.1根据先验阈值将灰度图二值化，转换成二值图
本步骤中的先验阈值来自于本发明人的实现数据。
步骤4.1利用步骤3.1得到的二值图提取烟火的形态特征，包括圆形度特征、尖角特征、白区面积变化。
步骤5.1利用步骤3.1得到的二值图提取烟火的运动特征，包括质心运动特征、跳动频率特征。
步骤6.1将步骤1.1、步骤4.1、步骤5.1获得烟火特征值组成向量αl。
步骤7.1计算步骤6.1获得的向量αl和烟火的先验特征向量βl的距离Dl，如果Dl小于先验阈值dl则认为视场内发现疑似烟火并向“多光谱特征综合评价”步骤发送向量αl。本步骤烟火的先验特征向量βl，先验阈值dl均来自于发明人的实验。
与此同时，火灾判定服务器E3还接收到前端多光谱信号探测器Ti中的热成像摄像机的YUV数据，E3同步开展如下步骤的工作：
步骤1.2提取YUV数据的Y通道数据。
步骤2.2根据温度与灰度映射谱选取阈值，将步骤1.2得到的图像二值化，得到二值图；
本步骤中的温度与灰度映射谱来自于本发明人的实验。(温度与灰度映射谱的绘制与使用是本发明的新颖性与创造性的集中体现。该映射谱解决了热像图分析法需要测量背景温度的不足。在选取灰度图像二值化阈值时，可以直接从映射谱中选择烟火温度对应的灰度，无需测量环境温度。由于人、动物、汽车等非火热源的温度也在本映射谱中，在选取灰度图像二值化阈值时可以直接避开他们的灰度值，所以利用本映射谱可以直接解决“一种用于森林防火的干扰源屏蔽方法”所面临的问题。
步骤3.2利用步骤2.2得到的二值图提取烟火的形态特征，包括圆形度特征、尖角特征、白区面积变化。
步骤4.2利用步骤2.2得到的二值图提取烟火的运动特征，包括质心运动特征、跳动频率特征。
步骤5.2将步骤3.2、步骤4.2获得烟火特征值组成向量αr。
步骤6.2计算步骤5.2获得的向量αr和烟火的先验特征向量βr的距离Dr，如果Dr小于先验阈值dr则认为视场内发现疑似烟火并向“多光谱特征综合评价”步骤发送向量αr。本步骤烟火的先验特征向量βr，先验阈值dr均来自于发明人的实验。
步骤7多光谱特征综合评价。将αl和αr合成一个新的向量α。在此步骤中αr没有颜色特征分量，为了能和αl合成，我们补齐αr的颜色特征分量并全部置0。
此方法屏蔽了由于燃烧的材质、背景光照、光照强度因素对烟火特征的影响，实现了由热成像图的烟火特征印证可见光图的烟火特征的功能，提高了烟火的识别率。
计算向量α和烟火的多光谱先验特征向量β的距离D，如果D小于先验阈值d则认为视场内发现烟火。本步骤烟火的先验特征向量β，先验阈值d均来自于发明人的实验数据。
步骤8若视场内出现烟火，则产生报警信号，同时将前端多光谱信号探测器Ti反馈的方位信息一起打包发送给报警联动伺服机构A4。
其中，本算法提及的二值图设置前景为白。
本发明所使用的温度与灰度谱为温度为28℃，波长为9.96678E-06M，灰度为9044；温度为29℃，波长为9.93377E-06，灰度为9367；温度为30℃，波长为9.90099E-06，灰度为9690；温度为31℃，波长为9.86842E-06，灰度为10013……温度为726℃，波长为3.003E-06，灰度为234498。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种基于多光谱图像分析的广域火灾报警装置，其特征在于：包括如下步骤：首先根据监视的森林面积或城域范围大小选择制高点，制高点的选择应遵循能够将火灾监视对象全部纳入视野的原则；
森林火灾报警中使用人工搭建的高于一切树种的高塔或自然山顶，城域火灾报警选择城域中最高建筑物的顶端；
将前端多光谱信号探测器Ti(i＝1、2、3…)安装在制高点上，并完成俯仰和方位角度的标定；
通过以太网将交换机N2汇集探测到的可见光和红外热成像的YUV数据传递至火灾判定分析服务器E3中，火灾判定分析服务器E3将进行分析判定，若发生火灾灾情则火灾判定分析服务器E3将产生报警信号并将前端多光谱信号探测器Ti反馈的方位信息发送至报警联动伺服机构A4，报警联动伺服机构A4将驱动警灯警号发出声光报警，同时驱动相应防火分区的灭火装置开始灭火工作；
报警联动伺服机构A4除了驱动集成的灭火装置外，还输出4路常开的开关量和包含前端多光谱信号探测器Ti的经纬度和俯仰方位信息的字符串供其他消防平台使用；
服务器E3的火灾判定原理如下：
火灾判定分析服务器E3接收到前端多光谱信号探测器Ti中可见光摄像机产生的YUV数据后，
步骤1.1.YUV数据转化为RGB数据，进而将RGB数据转化为HSV数据，进而提取HSV空间的颜色特征；
步骤2.1将步骤1.1得到的RGB数据转成灰度图；
步骤3.1根据先验阈值将灰度图二值化，转换成二值图；
步骤4.1利用步骤3.1得到的二值图提取烟火的形态特征，包括圆形度特征、尖角特征、白区面积变化；
步骤5.1利用步骤3.1得到的二值图提取烟火的运动特征，包括质心运动特征、跳动频率特征；
步骤6.1将步骤1.1、步骤4.1、步骤5.1获得烟火特征值组成向量αl；
步骤7.1计算步骤6.1获得的向量αl和烟火的先验特征向量βl的距离Dl，如果Dl小于先验阈值dl则认为视场内发现疑似烟火并向“多光谱特征综合评价”步骤发送向量αl；
与此同时，火灾判定分析服务器E3还接收到前端多光谱信号探测器Ti中的热成像摄像机的YUV数据，火灾判定分析服务器E3同步开展如下步骤的工作：
步骤1.2提取YUV数据的Y通道数据；
步骤2.2根据温度与灰度映射谱选取阈值，将步骤1.2得到的图像二值化，得到二值图；
步骤3.2利用步骤2.2得到的二值图提取烟火的形态特征，包括圆形度特征、尖角特征、白区面积变化；
步骤4.2利用步骤2.2得到的二值图提取烟火的运动特征，包括质心运动特征、跳动频率特征；
步骤5.2将步骤3.2、步骤4.2获得烟火特征值组成向量αr；
步骤6.2计算步骤5.2获得的向量αr和烟火的先验特征向量βr的距离Dr，如果Dr小于先验阈值dr则认为视场内发现疑似烟火并向“多光谱特征综合评价”步骤发送向量αr；
步骤7.多光谱特征综合评价,将αl和αr合成一个新的向量α；在此步骤中αr没有颜色特征分量，为了能和αl合成，我们补齐αr的颜色特征分量并全部置0；计算向量α和烟火的多光谱先验特征向量β的距离D，如果D小于先验阈值d则认为视场内发现烟火；
步骤8.若视场内出现烟火，则产生报警信号，同时将前端多光谱信号探测器Ti反馈的方位信息一起打包发送给报警联动伺服机构A4。
2.根据权利要求1所述的一种基于多光谱图像分析的广域火灾报警装置，其特征在于：本算法提取的二值图设置前景为白。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710411068.2A CN107025753B (zh) | 2017-06-05 | 2017-06-05 | 一种基于多光谱图像分析的广域火灾报警装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710411068.2A CN107025753B (zh) | 2017-06-05 | 2017-06-05 | 一种基于多光谱图像分析的广域火灾报警装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107025753A CN107025753A (zh) | 2017-08-08 |
| CN107025753B true CN107025753B (zh) | 2020-02-04 |
Family
ID=59529588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710411068.2A Active CN107025753B (zh) | 2017-06-05 | 2017-06-05 | 一种基于多光谱图像分析的广域火灾报警装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107025753B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107577997A (zh) * | 2017-08-21 | 2018-01-12 | 国家电网公司 | 一种输电线路通道内山火入侵的辨识方法 |
| CN108922098A (zh) * | 2018-05-04 | 2018-11-30 | 国网山西省电力公司电力科学研究院 | 一种基于红外引导及雷达探测的山火监测***及方法 |
| CN108898782B (zh) * | 2018-07-20 | 2020-12-11 | 湖北烽火平安智能消防科技有限公司 | 用于隧道防火的红外图像温度信息识别的烟雾探测方法及*** |
| CN110135266A (zh) * | 2019-04-17 | 2019-08-16 | 浙江理工大学 | 一种基于深度学习的双摄像头电气火灾防控方法及*** |
| CN111111049A (zh) * | 2019-12-19 | 2020-05-08 | 重庆特斯联智慧科技股份有限公司 | 一种智能物联消防装置和方法 |
| CN113076797B (zh) * | 2021-02-24 | 2022-01-18 | 江苏濠汉信息技术有限公司 | 基于智能视频识别的充电站电动车火灾报警方法及*** |
| DE102021116957A1 (de) | 2021-07-01 | 2023-01-05 | IQ Technologies for Earth and Space GmbH | Verfahren und Vorrichtung zur automatisierten Waldbrabdfrüherkennung mittels optischer Detektion von Rauchereignissen |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0432680A1 (en) * | 1989-12-11 | 1991-06-19 | Fujitsu Limited | Monitoring system employing infrared image |
| CN101673448A (zh) * | 2009-09-30 | 2010-03-17 | 青岛科恩锐通信息技术有限公司 | 一种森林火灾探测方法及*** |
| CN101989373A (zh) * | 2009-08-04 | 2011-03-23 | 中国科学院地理科学与资源研究所 | 基于可见光—热红外的多光谱多尺度森林火情监测方法 |
| CN104036611A (zh) * | 2014-06-24 | 2014-09-10 | 北京中恩时代科技有限责任公司 | 一种火灾探测报警的方法及其探测报警器 |
| CN105046868A (zh) * | 2015-06-16 | 2015-11-11 | 苏州华启智能科技股份有限公司 | 一种狭长环境中基于红外热像仪的火灾预警方法 |
-
2017
- 2017-06-05 CN CN201710411068.2A patent/CN107025753B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0432680A1 (en) * | 1989-12-11 | 1991-06-19 | Fujitsu Limited | Monitoring system employing infrared image |
| CN101989373A (zh) * | 2009-08-04 | 2011-03-23 | 中国科学院地理科学与资源研究所 | 基于可见光—热红外的多光谱多尺度森林火情监测方法 |
| CN101673448A (zh) * | 2009-09-30 | 2010-03-17 | 青岛科恩锐通信息技术有限公司 | 一种森林火灾探测方法及*** |
| CN104036611A (zh) * | 2014-06-24 | 2014-09-10 | 北京中恩时代科技有限责任公司 | 一种火灾探测报警的方法及其探测报警器 |
| CN105046868A (zh) * | 2015-06-16 | 2015-11-11 | 苏州华启智能科技股份有限公司 | 一种狭长环境中基于红外热像仪的火灾预警方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107025753A (zh) | 2017-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107025753B (zh) | 一种基于多光谱图像分析的广域火灾报警装置 | |
| US9465987B1 (en) | Monitoring and detecting weather conditions based on images acquired from image sensor aboard mobile platforms | |
| KR101353952B1 (ko) | 시공간적 비오에프와 랜덤 포레스트를 이용한 산불 연기 감지 방법 | |
| US10949677B2 (en) | Method and system for detecting concealed objects using handheld thermal imager | |
| CN105575034B (zh) | 一种双波段森林防火智能监控软件图像处理分析方法 | |
| CN108648400A (zh) | 一种基于多光谱的输电线路山火勘测预警装置及预警方法 | |
| CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
| KR101906900B1 (ko) | 열화상카메라를 이용한 화재감지 시스템 | |
| KR20140127574A (ko) | 화재 오보 감소를 위한 무인 비행체를 이용한 화재 감시 시스템 | |
| CN108682105B (zh) | 一种基于多光谱的输电线路山火勘测预警装置及预警方法 | |
| JP2009201064A (ja) | 関連領域特定装置及び方法、並びに画像認識装置及び方法 | |
| KR20070028813A (ko) | 산불 감지 방법 및 시스템 | |
| CN103400463B (zh) | 一种基于二维图像的林火定位方法和装置 | |
| RU2686566C2 (ru) | Способ для детектирования и классифицирования событий сцены | |
| KR101224494B1 (ko) | 촬영 대상의 명도 및 채도 변화에 강건한 영상 기반 연기 검출 방법 | |
| KR20130101873A (ko) | 열화상 카메라를 이용한 산불 감시 장치 및 그 방법 | |
| Hossain et al. | Wildfire flame and smoke detection using static image features and artificial neural network | |
| Yabuki et al. | Development of a cloud detection method from whole-sky color images | |
| KR101679148B1 (ko) | 깊이 카메라를 이용한 화재 감시 시스템 및 이를 이용한 화재 감시 방법 | |
| KR20210040258A (ko) | 객체에 대한 객체 분류를 출력하는 방법 및 장치 | |
| CN102928083A (zh) | 森林防火用红外测温仪及其测温方法 | |
| CN114998846A (zh) | 海上钻井平台智能化***的实现方法、***及相关组件 | |
| KR101366198B1 (ko) | 가우시안 혼합 모델 및 에이치에스엘 색공간 분석을 이용한 산불 초기 자동 감지 화상 처리 시스템 및 그 방법 | |
| KR101687712B1 (ko) | 분광장비를 이용하는 영상처리장치 및 그의 제어방법 | |
| CN106166356B (zh) | 一种三合一火灾定位方法 |
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 | ||
| CP03 | Change of name, title or address |
Address after: Building 501, Building 5, Huijin Plaza, No. 35 West Fifth Road, Tianjin Pilot Free Trade Zone (Airport Economic Zone), Binhai New Area, Tianjin, 300308 Patentee after: China Shipbuilding Hanguang (Tianjin) Information Technology Co.,Ltd. Address before: No.501, building 5, Huijin Plaza, 35 West Fifth Road, Airport Economic Zone, Binhai New Area, Tianjin Patentee before: TIANJIN HGXIANGYUN INFORMATION TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address |