CN108140291A - 烟雾检测装置、方法以及图像处理设备 - Google Patents
烟雾检测装置、方法以及图像处理设备 Download PDFInfo
- Publication number
- CN108140291A CN108140291A CN201580084015.3A CN201580084015A CN108140291A CN 108140291 A CN108140291 A CN 108140291A CN 201580084015 A CN201580084015 A CN 201580084015A CN 108140291 A CN108140291 A CN 108140291A
- Authority
- CN
- China
- Prior art keywords
- image
- smoke
- candidate region
- current
- smoke detection
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 16
- 239000003595 mist Substances 0.000 title abstract 2
- 239000000779 smoke Substances 0.000 claims abstract description 166
- 238000001514 detection method Methods 0.000 claims abstract description 102
- 230000009466 transformation Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005286 illumination Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 39
- 230000008859 change Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical 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
-
- 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- 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
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/435—Computation of moments
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Image Analysis (AREA)
- Fire-Detection Mechanisms (AREA)
- Alarm Systems (AREA)
Abstract
一种烟雾检测装置、方法以及图像处理设备。该烟雾检测方法包括:对当前图像进行背景图像建模以获取当前图像的前景图像和背景图像(101);基于前景图像获取当前图像中用于检测运动物体的一个或多个候选区域(102);计算某一候选区域对应于当前图像和/或背景图像的属性信息(103);以及根据该属性信息确定该候选区域中是否存在烟雾(104)。由此,不仅能够通过视频图像快速准确地对烟雾进行检测,而且可以提高基于视频的烟雾检测在光照变化以及复杂环境下的检测精度。
Description
本发明涉及图形图像技术领域,特别涉及一种烟雾检测装置、方法以及图像处理设备。
目前,在视频监控中需要对烟雾进行检测。例如当大楼的某一处发生火灾时,如果能通过视频图像自动检测出该区域出现烟雾,则可以尽快进行火灾报警,减少火灾带来的损失。
但是,由于烟雾运动具有弥漫性的特点,基于视频图像对烟雾进行准确的检测比较困难。现有技术中对视频图像进行检测来判断是否存在烟雾的技术方案均存在检测准确性不高、不能快速准确地进行检测的问题。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
本发明实施例提供一种烟雾检测装置、方法以及图像处理设备,能够通过视频图像快速准确地对烟雾进行检测,提高基于视频的烟雾检测在光照变化以及复杂环境下的检测精度。
根据本发明实施例的第一个方面,提供一种烟雾检测装置,其中,所述烟雾检测装置包括:
背景图像建模单元,对当前图像进行背景图像建模以获取所述当前图像的前景图像和背景图像;
候选区域获取单元,基于所述前景图像获取所述当前图像中用于检测运动物体的一个或多个候选区域;
属性信息计算单元,计算某一候选区域对应于所述当前图像和/或所述背景图像的属性信息;以及
烟雾确定确定单元,根据所述属性信息确定所述某一候选区域中是否存在烟雾。
根据本发明实施例的第二个方面,提供一种烟雾检测方法,其中,所述烟雾检测方法包括:
对当前图像进行背景图像建模以获取所述当前图像的前景图像和背景图像;
基于所述前景图像获取所述当前图像中用于检测运动物体的一个或多个候选区域;
计算某一候选区域对应于所述当前图像和/或所述背景图像的属性信息;以及
根据所述属性信息确定所述某一候选区域中是否存在烟雾。
根据本发明实施例的第三个方面,提供一种图像处理设备,其中,所述图像处理设备包括如上所述的烟雾检测装置。
根据本发明实施例的又一个方面,提供一种计算机可读程序,其中当在图像处理设备中执行所述程序时,所述程序使得计算机在所述图像处理设备中执行如上所述的烟雾检测方法。
根据本发明实施例的又一个方面,提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在图像处理设备中执行如上所述的烟雾检测方法。
本发明实施例的有益效果在于,基于前景图像获取一个或多个候选区域,计算某一候选区域对应于当前图像和/或背景图像的属性信息,以及根据该属性信息确定该候选区域中是否存在烟雾。由此,不仅能够通过视频图像快速准确地对烟雾进行检测,而且可以提高基于视频的烟雾检测在光照变化以及复杂环境下的检测精度。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
参照以下的附图可以更好地理解本发明的很多方面。附图中的部件不是成比例绘制的,而只是为了示出本发明的原理。为了便于示出和描述本发明的一些部分,附图中对应部分可能被放大或缩小。
在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外,在附图中,类似的标号表示几个附图中对应的部件,并可用于指示多于一种实施方式中使用的对应部件。
图1是本发明实施例1的烟雾检测方法的一示意图;
图2是本发明实施例1的提取出连通域的一示意图;
图3是本发明实施例1的烟雾检测方法的另一示意图;
图4是本发明实施例1的获取连续运动区域的一示意图;
图5是本发明实施例1的对某一候选区域进行烟雾检测的一示意图;
图6是本发明实施例1的方向的一示意图;
图7是本发明实施例1的对某一候选区域进行烟雾检测的另一示意图;
图8是本发明实施例1的对某一候选区域进行烟雾检测的另一示意图;
图9是本发明实施例1的对某一候选区域进行烟雾检测的另一示意图;
图10是本发明实施例1的对某一候选区域进行烟雾检测的另一示意图;
图11是本发明实施例1的获取剩余运动区域的一示意图;
图12是本发明实施例1的对某一候选区域进行烟雾检测的另一示意图;
图13是本发明实施例2的烟雾检测装置的一示意图;
图14是本发明实施例2的候选区域获取单元的一示意图;
图15是本发明实施例2的烟雾检测装置的另一示意图;
图16是本发明实施例2的属性信息计算单元的一示意图;
图17是本发明实施例2的属性信息计算单元的另一示意图;
图18是本发明实施例2的属性信息计算单元的另一示意图;
图19是本发明实施例2的属性信息计算单元的另一示意图;
图20是本发明实施例2的属性信息计算单元的另一示意图;
图21是本发明实施例2的属性信息计算单元的另一示意图;
图22是本发明实施例3的图像处理设备的一示意图。
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
实施例1
本发明实施例提供一种烟雾检测方法。图1是本发明实施例的烟雾检测方法的一示意图,如图1所示,所述烟雾检测方法包括:
步骤101,对当前图像进行背景图像建模以获取当前图像的前景图像和背景图像;
步骤102,基于前景图像获取当前图像中用于检测运动物体的一个或多个候选区域;
步骤103,计算某一候选区域对应于当前图像和/或背景图像的属性信息;以及
步骤104,根据该属性信息确定该候选区域中是否存在烟雾。
在本实施例中,可以使用摄像头等设备获得包含多个帧的视频。可以采用基于高斯混合模型(GMM,Gaussian Mixture Model)的背景图像建模方法,对输入视频的彩色的当前图像(或称为当前帧)进行背景建模后获取前景图像和背景图像。但本发明不限于此,可以采用背景图像建模的任意方法。
在本实施例中,可以基于前景图像获取一个或多个候选区域。具体地,可以将前景图像以二值图像的方式表示,获取前景图像的二值化图像;例如前景部分像素的像素值为“1”,背景部分像素的像素值为“0”。
在本实施例中,可以对该二值化图像进行中值滤波,去除小的噪声点。然后,将该二值化图像中像素值相同(例如为“1”)且相互连通的多个像素作为一个连通域,以获取该前景图像中表示运动物体的一个或多个连通域。例如可以从一幅二值化图像中提取出若干大小不同的连通域。
图2是本发明实施例的提取出连通域的一示意图,如图2所示,像素值例如为“1”且连通的多个像素可以形成一个连通域。该二值化图像中共可以提取出5个连通域,分别记为连通域201、连通域202、……连通域205。
在本实施例中,可以对一个或多个连通域进行选择以获取一个或多个候选区域。
例如,可以去掉面积小于或等于预设阈值(第一阈值)的连通域,和/或,可以去掉平均颜色深度在预设范围之外的连通域。其中第一阈值的具体数值例如可以根据经验值预先设定,本发明不对该第一阈值进行限制。
在如图2所述的示例中,例如连通域203和204的面积均小于第一阈值,而连通域201、202和205的面积均大于第一阈值,则可以将连通域201、202和205作为候选区域。
在本实施例中,可以对于每一个候选区域判断该候选区域中是否存在烟雾。例如,对于某一个候选区域,可以计算该候选区域对应于当前图像和/或背景图像的属性信息;以及根据该属性信息确定该候选区域中是否存在烟雾。
其中,属性信息可以包括如下的一种或多种:饱和度信息、灰度方差信息、梯度方向信息、灰度平均信息、运动方向信息。但本发明不限于此,还可以使用其他的对应于当前图像和/或背景图像的属性信息,本发明仅以上述属性信息为例进行说明。
由此,不仅能够通过视频图像快速准确地对烟雾进行检测,而且可以提高基于视频的烟雾检测在光照变化以及复杂环境下的检测精度。
图3是本发明实施例的烟雾检测方法的另一示意图,进一步使用基于候选区域的连续运动区域进行烟雾的检测。如图3所示,该烟雾检测方法包括:
步骤301,对当前图像进行背景图像建模以获取当前图像的前景图像和背景图像。
步骤302,基于前景图像获取当前图像中用于检测运动物体的一个或多个候选区域。
步骤303,选择某一个候选区域。
步骤304,根据该候选区域分别在多个图像帧中的位置获取该候选区域对应的连续运动区域;
在本实施例中,可以获取当前帧之前连续的多个(例如N个)图像帧,然后将这N+1个帧中对应的该候选区域进行合并,构造该候选区域对应的连续运动区域,即该连续运动区域为该候选区域在这N+1个图像帧中的“运动轨迹”。
图4是本发明实施例的获取连续运动区域的一示意图,如图4所示,当前帧记为第N帧,该第N帧到第0帧共N+1个图像帧中均存在候选区域401,该候选区域401在第0帧到第N帧中的位置和形状可能均不相同,通过将这些候选区域401合并起来可以得到连续运动区域402。
步骤305,基于该连续运动区域计算该候选区域对应于当前图像和/或背景图像的属性信息。
步骤306,根据该属性信息确定该候选区域中是否存在烟雾。
步骤307,判断是否还有其他候选区域;如果还有则执行步骤303选择另一候选区域,继续对该另一候选区域进行判断。
以上对于本发明实施例的烟雾检测方法的流程进行了示意性说明,以下再以运动方向信息、饱和度平均值、灰度方差值、梯度方向信息平均值、灰度平均值为例,对本发明中某一候选区域的烟雾检测进行进一步说明。对于如何获取候选区域以及如何获取连续运动区域,可以参考上述内容。
在一个实施方式(实施方式1)中,可以根据某一候选区域在多个图像帧中的主运动方向是否向下,确定该候选区域中是否存在烟雾。
图5是本发明实施例的对某一候选区域进行烟雾检测的一示意图,如图5所示,所述方法包括:
步骤501,基于该候选区域的质心位置和重心位置,计算该候选区域在多个图像帧中相对于当前图像的运动方向。
例如,可以通过下式(1)计算当前帧中“候选区域”的质心Mc(Xc,Yc)
其中,N是“候选区域”包含的像素个数,p∈component是指“候选区域”包含像素p,p.x是指像素p的x坐标,p.y是指像素p的y坐标。
假设当前帧“候选区域”的质心为Mc(Xc,Yc),在该当前帧之前若干帧(例如之前第5帧或者第10帧)中对应的“候选区域”的重心为Mp(Xp,Yp),则计算如下的值:
ΔX=Xc-Xp;
ΔY=Yc-Yp
图6示出了本发明实施例的方向的一示意图,如图6所示,可以定义8个方向。但本发明不限于此,例如还可以定义更多或者更少的方向,可以根据实际情况具体进行定义。
如果ΔX>0且ΔY=0,则运动方向为1;
如果ΔX>0且ΔY<0,则运动方向为2;
如果ΔX=0且ΔY<0,则运动方向为3;
如果ΔX<0且ΔY<0,则运动方向为4;
如果ΔX<0且ΔY=0,则运动方向为5;
如果ΔX<0且ΔY>0,则运动方向为6;
如果ΔX=0且ΔY>0,则运动方向为7;
如果ΔX>0且ΔY>0,则运动方向为8。
由此,可以获得该候选区域在每一个图像帧中相对于当前帧的运动方向。
步骤502,统计每个运动方向在多个图像帧中出现的频率。
步骤503,将出现频率最高的运动方向作为该候选区域的主运动方向。
在本实施方式中,可以记录“候选区域”在连续若干帧中的运动方向,并记录每个运动方向出现的频率,然后出现频率最高的那个运动方向被视作该“候选区域”的主运动方向。
步骤504,判断该主运动方向是否为向下;在主运动方向为向下的情况下执行步骤505;
步骤505,确定该候选区域中不存在烟雾。
在本实施方式中,例如如果“候选区域”的主运动方向为向下(例如如图6所示的6,7,8),则可以把当前帧的这个“候选区域”从“候选区域”列表中移除;即确定该候选区域中不存在烟雾。此外,在主运动方向不是向下的情况下,可以确定该候选区域中存在烟雾,或者为了使得检测结果更加精确,可以继续对该候选区域进行其他项目的检测。
在另一个实施方式(实施方式2)中,可以根据某一候选区域在连续运动区域中的饱和度信息是否小于预设阈值,确定该候选区域中是否存在烟雾。
图7是本发明实施例的对某一候选区域进行烟雾检测的另一示意图,如图7所示,所述方法包括:
步骤701,对当前图像进行色彩空间变换,并根据色彩分量计算饱和度色彩分量以获取当前图像的饱和度图;
例如,饱和度的计算公式如下式(2)所示:
上式仅示例性地说明如何计算某个像素的饱和度。关于饱和度具体如何计算,可以采用现有的任意方法,此处不再赘述。
步骤702,基于当前图像的饱和度图,计算该候选区域在连续运动区域中的当前饱和度平均值。
例如,该当前饱和度平均值的计算公式可以如下式(3)所示:
其中,Savg为该当前饱和度平均值,Ω为该连续运动区域,N为该连续运动区域的像素数目,i为该连续运动区域的某个像素,Si为该像素i的饱和度值。
上式仅示例性地说明如何计算当前饱和度平均值,但本发明不限于此,还可以根据实际情况进行适当地调整或者变型。
步骤703,判断当前饱和度平均值是否大于或等于预设阈值(第二阈值);在当前饱和度平均值大于或等于预设阈值的情况下执行步骤704;
在本实施方式中,第二阈值的具体数值例如可以根据经验值预先设定,本发明不对该第二阈值进行限制。
步骤704,确定该候选区域中不存在烟雾。
在本实施方式中,例如如果当前饱和度平均值大于或等于第二阈值,则说明该运动物体的饱和度较高,而一般烟雾的饱和度较低,因此可以确定该候选区域中不存在烟雾,可以把当前帧的这个“候选区域”从“候选区域”列表中移除。此外,在当前饱和度平均值小于第二阈值的情况下,可以确定该候选区域中存在烟雾,或者为了使得检测结果更加精确,可以继续对该候选区域进行其他项目的检测。
在另一个实施方式(实施方式3)中,可以根据某一候选区域在连续运动区域中的当前饱和度信息和背景饱和度信息的比较结果,确定该候选区域中是否存在烟雾。
图8是本发明实施例的对某一候选区域进行烟雾检测的另一示意图,如图8所示,所述方法包括:
步骤801,对当前图像进行色彩空间变换,并根据色彩分量计算饱和度色彩分量
以获取当前图像的饱和度图;
步骤802,基于当前图像的饱和度图,计算该候选区域在连续运动区域中的当前饱和度平均值。
步骤803,对背景图像进行色彩空间变换,根据色彩分量计算饱和度色彩分量以获取背景图像的饱和度图;
步骤804,基于背景图像的饱和度图,计算该候选区域在连续运动区域中的背景饱和度平均值。
在本实施方式中,该背景饱和度平均值的计算公式例如也可以使用公式(3)。
步骤805,判断该当前饱和度平均值是否大于或等于该背景饱和度平均值;在该当前饱和度平均值大于或等于该背景饱和度平均值的情况下执行步骤806;
步骤806,确定该候选区域中不存在烟雾。
在本实施方式中,例如如果当前饱和度平均值大于或等于背景饱和度平均值,则说明该候选区域的整体饱和度较高,而一般具有烟雾的区域的整体饱和度会较低,因此可以确定该候选区域中不存在烟雾,可以把当前帧的这个“候选区域”从“候选区域”列表中移除。此外,在当前饱和度平均值小于背景饱和度平均值的情况下,可以确定该候选区域中存在烟雾,或者为了使得检测结果更加精确,可以继续对该候选区域进行其他项目的检测。
在另一个实施方式(实施方式4)中,可以根据某一候选区域在连续运动区域中的灰度方差信息,确定该候选区域中是否存在烟雾。
图9是本发明实施例的对某一候选区域进行烟雾检测的另一示意图,如图9所示,所述方法包括:
步骤901,基于当前图像的灰度图,计算该候选区域在连续运动区域中的灰度方差值。
例如,该灰度方差值的计算公式可以如下式(4)所示:
其中,Ω为该连续运动区域,N为该连续运动区域的像素数目,i为该连续运动
区域的某个像素,Yi为该像素i的灰度值,Yavg为该连续运动区域的灰度平均值;Var为该灰度方差值。
上式仅示例性地说明如何计算该灰度方差值,但本发明不限于此,还可以根据实际情况进行适当地调整或者变型。此外,关于灰度图或灰度值具体如何计算,可以采用现有的任意方法,此处不再赘述。
步骤902,判断灰度方差值是否大于或等于预设阈值(第三阈值);在该灰度方差值大于或等于预设阈值的情况下执行步骤903;
在本实施方式中,第三阈值的具体数值例如可以根据经验值预先设定,本发明不对该第三阈值进行限制。
步骤903,确定该候选区域中不存在烟雾。
在本实施方式中,例如如果灰度方差值大于或等于第三阈值,则说明物体的纹理较高,而一般烟雾的纹理较低,因此可以确定该候选区域中不存在烟雾,可以把当前帧的这个“候选区域”从“候选区域”列表中移除。此外,在灰度方差值小于第三阈值的情况下,可以确定该候选区域中存在烟雾,或者为了使得检测结果更加精确,可以继续对该候选区域进行其他项目的检测。
在另一个实施方式(实施方式5)中,可以根据某一候选区域在连续运动区域中的灰度平均信息,确定该候选区域中是否存在烟雾。
图10是本发明实施例的对某一候选区域进行烟雾检测的另一示意图,如图10所示,所述方法包括:
步骤1001,从连续运动区域中去除该候选区域以获取剩余运动区域。
图11是本发明实施例的获取剩余运动区域的一示意图,示意性示出了在图4的基础上获得的剩余运动区域。如图11所示,可以从图4所示的连续运动区域402中去掉当前图像(第N帧)的候选区域401,从而得到剩余运动区域1101。
步骤1002,基于当前图像的灰度图,计算该剩余候选区域的当前灰度平均值;
例如,该当前灰度平均值的计算公式可以如下式(5)所示:
其中,Ω为该剩余运动区域,N为该剩余运动区域的像素数目,i为该剩余运动
区域的某个像素,Yi为该像素i在当前图像中的灰度值,Favg为该剩余运动区域的当前灰度平均值。
步骤1003,基于背景图像的灰度图,计算该剩余候选区域的背景灰度平均值。
例如,该背景灰度平均值的计算公式可以如下式(6)所示:
其中,Ω为该剩余运动区域,N为该剩余运动区域的像素数目,j为该剩余运动区域的某个像素,Yj为该像素j在背景图像中的灰度值,Bavg为该剩余运动区域的背景灰度平均值。
步骤1004,计算该当前灰度平均值与该背景灰度平均值的差值;
步骤1005,判断该差值是否小于或等于预设阈值(第四阈值);在该差值小于或等于预设阈值的情况下执行步骤1006;
在本实施方式中,第四阈值的具体数值例如可以根据经验值预先设定,本发明不对该第四阈值进行限制。
步骤1006,确定该候选区域中不存在烟雾。
在本实施方式中,例如如果该当前灰度平均值与该背景灰度平均值的差值小于或等于第四阈值,则说明该候选区域中的运动物体是刚性物体,而一般烟雾的具有弥漫发散的特点,因此可以确定该候选区域中不存在烟雾,可以把当前帧的这个“候选区域”从“候选区域”列表中移除。此外,在差值大于第四阈值的情况下,可以确定该候选区域中存在烟雾,或者为了使得检测结果更加精确,可以继续对该候选区域进行其他项目的检测。
在另一个实施方式(实施方式6)中,可以根据某一候选区域的梯度方向信息,确定该候选区域中是否存在烟雾。
图12是本发明实施例的对某一候选区域进行烟雾检测的另一示意图,如图12所示,所述方法包括:
步骤1201,对于该候选区域内的某一像素,基于当前图像的灰度图计算该像素的水平梯度和垂直梯度以获取该像素的当前图像梯度方向;
步骤1202,基于背景图像的灰度图计算该像素的水平梯度和垂直梯度以获取该
像素的背景图像梯度方向。
在本实施方式中,例如可以如下式(7)所述计算某一像素的水平梯度:
Gx=(-1)*f(x-1,y-1)+0*f(x,y-1)+1*f(x+1,y-1)
+(-2)*f(x-1,y)+0*f(x,y)+2*f(x+1,y)
+(-1)*f(x-1,y+1)+0*f(x,y+1)+1*f(x+1,y+1)
=[f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)] (7)
可以如下式(8)所述计算该像素的垂直梯度:
Gy=1*f(x-1,y-1)+2*f(x,y-1)+1*f(x+1,y-1)
+0*f(x-1,y)0*f(x,y)+0*f(x+1,y)
+(-1)*f(x-1,y+1)+(-2)*f(x,y+1)+(-1)*f(x+1,y+1)
=[f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)]-[f(x-1,y+1)+2*f(x,y+1)+f(x+1,y+1)] (8)
其中,f为该像素,x是指像素f的x坐标,y是指像素f的y坐标。
步骤1203,计算该像素的当前图像梯度方向和背景图像梯度方向的夹角相关值;
在本实施方式中,可以根据当前图像梯度方向和背景图像梯度方向获取夹角,然后计算该夹角的相关值(例如余弦值),但本实施方式不限于此,例如还可以是其他的相关值(例如余切值等),以下仅以夹角余弦值为例进行说明。
步骤1204,对该候选区域内多个像素(例如所有像素)的夹角相关值进行统计并平均,将该候选区域的平均夹角相关值作为梯度方向信息平均值。
步骤1205,判断该梯度方向信息平均值是否大于或等于预设阈值(第五阈值);在该梯度方向信息平均值大于或等于预设阈值的情况下执行步骤1206;
在本实施方式中,第五阈值的具体数值例如可以根据经验值预先设定,本发明不对该第五阈值进行限制。
步骤1206,确定该候选区域中不存在烟雾。
在本实施方式中,例如如果该梯度方向信息平均值大于或等于第五阈值,则说明该候选区域并非是由真正的运动物体产生的前景,而是光照变化而引起的伪前景,因此可以把当前帧的这个“候选区域”从“候选区域”列表中移除。此外,在梯度方向信息平均值小于第五阈值的情况下,可以确定该候选区域中存在烟雾,或者为了使得检测结果更加精确,可以继续对该候选区域进行其他项目的检测。
以上对于如何判断某一候选区域中存在烟雾进行了示意性说明,但本发明不限于
此,例如还可以使用其他的属性信息进行判断。并且上述公式(1)至(8)仅示意性对本发明进行了说明,但本发明不限于此,可以根据实际情况对上述公式(1)至(8)进行适当地变型。
此外可以采用上述实施方式1至6中的一种或多种,例如可以仅使用其中的某一实施方式,也可以使用上述全部的6种实施方式。并且上述实施方式之间也不存在执行顺序的限制;例如可以按照顺利分别执行实施方式1至6,也可以执行实施方式4之后再执行实施方式2,等等。在实际应用时,可以根据实际情况确定具体的检测方案。
由上述实施例可知,基于前景图像获取一个或多个候选区域,计算某一候选区域对应于当前图像和/或背景图像的属性信息,以及根据该属性信息确定该候选区域中是否存在烟雾。由此,不仅能够通过视频图像快速准确地对烟雾进行检测,而且可以提高基于视频的烟雾检测在光照变化以及复杂环境下的检测精度。
实施例2
本发明实施例提供一种烟雾检测装置,对应于实施例1所述的烟雾检测方法,其中相同的内容不再赘述。
图13是本发明实施例的烟雾检测装置的一示意图,如图13所示,烟雾检测装置1300包括:
背景图像建模单元1301,对当前图像进行背景图像建模以获取当前图像的前景图像和背景图像;
候选区域获取单元1302,基于前景图像获取当前图像中用于检测运动物体的一个或多个候选区域;
属性信息计算单元1303,计算某一候选区域对应于当前图像和/或背景图像的属性信息;以及
烟雾确定单元1304,根据该候选区域对应于当前图像和/或背景图像的属性信息,确定该候选区域中是否存在烟雾。
图14是本发明实施例的候选区域获取单元的一示意图,如图14所示,候选区域获取单元1302可以包括:
二值化图获取单元1401,获取前景图像的二值化图像;
连通域获取单元1402,将二值化图像中像素值相同且相互连通的多个像素作为一个连通域,以获取前景图像中表示运动物体的一个或多个连通域;
连通域选择单元1403,对连通域进行选择以获取一个或多个候选区域。
其中,连通域选择单元1403可以用于:去掉面积小于或等于预设阈值的连通域,和/或,去掉平均颜色深度在预设范围之外的连通域。但本发明不限于此,还可以根据其他规则对连通域进行筛选。
图15是本发明实施例的烟雾检测装置的另一示意图,如图15所示,烟雾检测装置1500包括:背景图像建模单元1301,候选区域获取单元1302,属性信息计算单元1303以及烟雾确定单元1304,如上所述。
如图15所示,烟雾检测装置1500还可以包括:
运动区域获取单元1501,根据该候选区域分别在包括当前图像的多个图像帧中的位置获取该候选区域对应的连续运动区域;
属性信息计算单元1303还可以用于:基于连续运动区域计算该候选区域对应于当前图像和/或背景图像的属性信息。
在一个实施方式中,可以根据某一候选区域在多个图像帧中的主运动方向是否向下,确定该候选区域中是否存在烟雾。
在本实施方式中,属性信息计算单元1303还可以用于:获取该候选区域在多个图像帧中的主运动方向;烟雾确定单元1304还可以用于:在该候选区域的主运动方向为向下的情况下,确定该候选区域中不存在烟雾。
图16是本发明实施例的属性信息计算单元的一示意图,如图16所示,属性信息计算单元1303可以包括:
运动方向计算单元1601,基于该候选区域的质心位置和重心位置,计算该候选区域在多个图像帧中相对于当前图像的运动方向;
运动方向统计单元1602,统计每个运动方向在多个图像帧中出现的频率;以及
主运动方向确定单元1603,将出现频率最高的运动方向作为该候选区域的主运动方向。
在另一个实施方式中,可以根据某一候选区域在连续运动区域中的饱和度信息是否小于预设阈值,确定该候选区域中是否存在烟雾。
图17是本发明实施例的属性信息计算单元的另一示意图,如图17所示,属性信
息计算单元133可以包括:
当前饱和度图获取单元1701,对当前图像进行色彩空间变换,并根据色彩分量计算饱和度色彩分量以获取当前图像的饱和度图;
当前饱和度计算单元1702,基于当前图像的饱和度图,计算该候选区域在连续运动区域中的当前饱和度平均值。
在本实施方式中,烟雾确定单元1304还可以用于:在当前饱和度平均值大于或等于预设阈值的情况下,确定该候选区域中不存在烟雾。
在另一个实施方式中,可以根据某一候选区域在连续运动区域中的当前饱和度信息和背景饱和度信息的比较结果,确定该候选区域中是否存在烟雾。
图18是本发明实施例的属性信息计算单元的另一示意图,如图18所示,属性信息计算单元1303可以包括:当前饱和度图获取单元1701和当前饱和度计算单元1702,如上所述。
如图18所示,属性信息计算单元1303还可以包括:
背景饱和度图获取单元1801,对背景图像进行色彩空间变换,根据色彩分量计算饱和度色彩分量以获取背景图像的饱和度图;
背景饱和度计算单元1802,基于背景图像的饱和度图,计算该候选区域在连续运动区域中的背景饱和度平均值。
在本实施方式中,烟雾确定单元1304还可以用于:在当前饱和度平均值大于或等于背景饱和度平均值的情况下,确定该候选区域中不存在烟雾。
在另一个实施方式中,可以根据某一候选区域在连续运动区域中的灰度方差信息,确定该候选区域中是否存在烟雾。
图19是本发明实施例的属性信息计算单元的另一示意图,如图19所示,属性信息计算单元1303可以包括:
方差值计算单元1901,基于当前图像的灰度图,计算该候选区域在连续运动区域中的灰度方差值。
在本实施方式中,烟雾确定单元1304还可以用于:在灰度方差值大于或等于预设阈值的情况下,确定该候选区域中不存在烟雾。
在另一个实施方式中,可以根据某一候选区域在连续运动区域中的灰度平均信息,确定该候选区域中是否存在烟雾。
图20是本发明实施例的属性信息计算单元的另一示意图,如图20所示,属性信息计算单元1303可以包括:
运动区域调整单元2001,从连续运动区域中去除该候选区域以获取剩余运动区域;
当前平均值计算单元2002,基于当前图像的灰度图,计算该剩余候选区域的当前灰度平均值;
背景平均值计算单元2003,基于背景图像的灰度图,计算该剩余候选区域的背景灰度平均值;以及
差值计算单元2004,计算该当前灰度平均值与该背景灰度平均值的差值。
在本实施方式中,烟雾确定单元1304还可以用于:在当前灰度平均值与背景灰度平均值的差值小于或等于预设阈值的情况下,确定该候选区域中不存在烟雾。
在另一个实施方式中,可以根据某一候选区域的梯度方向信息,确定该候选区域中是否存在烟雾。
在本实施方式中,属性信息计算单元1303还可以用于:计算该候选区域的梯度方向信息平均值;烟雾确定单元1304还可以用于:在梯度方向信息平均值大于或等于预设阈值的情况下,确定该候选区域中不存在烟雾。
图21是本发明实施例的属性信息计算单元的一示意图,如图21所示,属性信息计算单元1303可以包括:
当前梯度计算单元2101,对于该候选区域内的某一像素,基于当前图像的灰度图计算该像素的水平梯度和垂直梯度以获取该像素的当前图像梯度方向;
背景梯度计算单元2102,基于背景图像的灰度图计算该像素的水平梯度和垂直梯度以获取该像素的背景图像梯度方向;
夹角相关值计算单元2103,计算该像素的当前图像梯度方向和背景图像梯度方向的夹角相关值;以及
梯度平均值获取单元2104,对该候选区域内多个像素的夹角相关值进行统计并平均,将该候选区域的平均夹角相关值作为梯度方向信息平均值。
在本实施例中,属性信息可以包括如下的一种或多种:饱和度信息、灰度方差信息、梯度方向信息、灰度平均信息、运动方向信息。但本发明不限于此,例如还可以使用其他的属性信息进行判断。此外可以采用上述实施方式中的一种或多种,可以根
据实际情况确定具体的检测方案。
由上述实施例可知,基于前景图像获取一个或多个候选区域,计算某一候选区域对应于当前图像和/或背景图像的属性信息,以及根据该属性信息确定该候选区域中是否存在烟雾。由此,不仅能够通过视频图像快速准确地对烟雾进行检测,而且可以提高基于视频的烟雾检测在光照变化以及复杂环境下的检测精度。
实施例3
本发明实施例提供一种图像处理设备,该图像处理设备包括如实施例2所述的烟雾检测装置。
图22是本发明实施例的图像处理设备的一示意图。如图22所示,图像处理设备2200可以包括:中央处理器(CPU)100和存储器110;存储器110耦合到中央处理器100。其中该存储器110可存储各种数据;此外还存储信息处理的程序,并且在中央处理器100的控制下执行该程序。
在一个实施方式中,烟雾检测装置的功能可以被集成到中央处理器100中。其中,中央处理器100可以被配置为对实施例1所述的烟雾检测方法进行控制。
在另一个实施方式中,烟雾检测装置可以与中央处理器100分开配置,例如可以将烟雾检测装置配置为与中央处理器100连接的芯片,通过中央处理器100的控制来实现烟雾检测装置的功能。
在本实施例中,中央处理器100可以被配置为进行如下的控制:
对当前图像进行背景图像建模以获取当前图像的前景图像和背景图像;基于前景图像获取当前图像中用于检测运动物体的一个或多个候选区域;计算某一候选区域对应于当前图像和/或背景图像的属性信息;以及根据该属性信息确定该候选区域中是否存在烟雾。
进一步地,中央处理器100还可以被配置为进行如下的控制:根据该候选区域分别在多个图像帧中的位置获取该候选区域对应的连续运动区域;并基于该连续运动区域计算该候选区域对应于当前图像和/或背景图像的属性信息。
此外,如图22所示,图像处理设备2200还可以包括:输入输出(I/O)设备120和显示器130等;其中,上述部件的功能与现有技术类似,此处不再赘述。值得注意的是,图像处理设备2200也并不是必须要包括图22中所示的所有部件;此外,图像
处理设备2200还可以包括图22中没有示出的部件,可以参考现有技术。
本发明实施例提供一种计算机可读程序,其中当在图像处理设备中执行所述程序时,所述程序使得计算机在所述图像处理设备中执行如实施例1所述的烟雾检测方法。
本发明实施例提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在图像处理设备中执行如实施例1所述的烟雾检测方法。
本发明以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
针对附图中描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。针对附图描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
Claims (20)
- 一种烟雾检测装置,其中,所述烟雾检测装置包括:背景图像建模单元,其对当前图像进行背景图像建模,以获取所述当前图像的前景图像和背景图像;候选区域获取单元,其基于所述前景图像获取所述当前图像中用于检测运动物体的一个或多个候选区域;属性信息计算单元,其计算某一候选区域对应于所述当前图像和/或所述背景图像的属性信息;以及烟雾确定单元,其根据所述属性信息确定所述某一候选区域中是否存在烟雾。
- 根据权利要求1所述的烟雾检测装置,其中,所述烟雾检测装置还包括:运动区域获取单元,其根据所述某一候选区域分别在多个图像帧中的位置获取所述某一候选区域对应的连续运动区域;所述属性信息计算单元还用于:基于所述连续运动区域计算所述某一候选区域对应于所述当前图像和/或所述背景图像的属性信息。
- 根据权利要求2所述的烟雾检测装置,其中,所述属性信息计算单元包括:当前饱和度图获取单元,其对所述当前图像进行色彩空间变换,并根据色彩分量计算饱和度色彩分量以获取所述当前图像的饱和度图;当前饱和度计算单元,其基于所述当前图像的饱和度图,计算所述某一候选区域在所述连续运动区域中的当前饱和度平均值。
- 根据权利要求3所述的烟雾检测装置,其中,所述烟雾确定单元还用于:在所述当前饱和度平均值大于或等于预设阈值的情况下,确定所述某一候选区域中不存在烟雾。
- 根据权利要求3所述的烟雾检测装置,其中,所述属性信息计算单元还包括:背景饱和度图获取单元,其对所述背景图像进行色彩空间变换,根据色彩分量计算饱和度色彩分量以获取所述背景图像的饱和度图;背景饱和度计算单元,其基于所述背景图像的饱和度图,计算所述某一候选区域在所述连续运动区域中的背景饱和度平均值。
- 根据权利要求5所述的烟雾检测方法,其中,所述烟雾确定单元还用于:在 所述当前饱和度平均值大于或等于所述背景饱和度平均值的情况下,确定所述某一候选区域中不存在烟雾。
- 根据权利要求2所述的烟雾检测装置,其中,所述属性信息计算单元包括:方差值计算单元,其基于所述当前图像的灰度图,计算所述某一候选区域在所述连续运动区域中的灰度方差值。
- 根据权利要求7所述的烟雾检测装置,其中,所述烟雾确定单元还用于:在所述灰度方差值大于或等于预设阈值的情况下,确定所述某一候选区域中不存在烟雾。
- 根据权利要求2所述的烟雾检测装置,其中,所述属性信息计算单元包括:运动区域调整单元,其从所述连续运动区域中去除所述某一候选区域以获取剩余运动区域;当前平均值计算单元,其基于所述当前图像的灰度图,计算所述剩余候选区域的当前灰度平均值;背景平均值计算单元,其基于所述背景图像的灰度图,计算所述剩余候选区域的背景灰度平均值;以及差值计算单元,其计算所述当前灰度平均值与所述背景灰度平均值的差值。
- 根据权利要求9所述的烟雾检测装置,其中,所述烟雾确定单元还用于:在所述差值小于或等于预设阈值的情况下,确定所述某一候选区域中不存在烟雾。
- 根据权利要求1所述的烟雾检测装置,其中,所述属性信息计算单元包括:当前梯度计算单元,其对于所述某一候选区域内的某一像素,基于所述当前图像的灰度图计算所述某一像素的水平梯度和垂直梯度以获取所述某一像素的当前图像梯度方向;背景梯度计算单元,其基于所述背景图像的灰度图计算所述某一像素的水平梯度和垂直梯度以获取所述某一像素的背景图像梯度方向;夹角相关值计算单元,其计算所述某一像素的所述当前图像梯度方向和所述背景图像梯度方向的夹角相关值;以及梯度平均值获取单元,其对所述某一候选区域内多个像素的所述夹角相关值进行统计并平均,将所述某一候选区域的平均夹角相关值作为梯度方向信息平均值。
- 根据权利要求11所述的烟雾检测装置,其中,所述烟雾确定单元还用于: 在所述梯度方向信息平均值大于或等于预设阈值的情况下,确定所述某一候选区域中不存在烟雾。
- 根据权利要求1所述的烟雾检测装置,其中,所述候选区域获取单元包括:二值化图获取单元,其获取所述前景图像的二值化图像;连通域获取单元,其将所述二值化图像中像素值相同且相互连通的多个像素作为一个连通域,以获取所述前景图像中表示运动物体的一个或多个连通域;连通域选择单元,其对所述连通域进行选择以获取所述一个或多个候选区域。
- 根据权利要求13所述的烟雾检测装置,其中,所述连通域选择单元用于:去掉面积小于或等于预设阈值的所述连通域,和/或,去掉平均颜色深度在预设范围之外的所述连通域。
- 根据权利要求1所述的烟雾检测装置,其中,所述属性信息计算单元包括:运动方向计算单元,其基于所述某一候选区域的质心位置和重心位置,计算所述某一候选区域在所述多个图像帧中相对于所述当前图像的运动方向;运动方向统计单元,其统计每个运动方向在所述多个图像帧中出现的频率;以及主运动方向确定单元,其将出现频率最高的运动方向确定为所述某一候选区域的主运动方向。
- 根据权利要求15所述的烟雾检测装置,其中,所述烟雾确定单元还用于:在所述某一候选区域的主运动方向为向下的情况下,确定所述某一候选区域中不存在烟雾。
- 一种烟雾检测方法,其中,所述烟雾检测方法包括:对当前图像进行背景图像建模以获取所述当前图像的前景图像和背景图像;基于所述前景图像获取所述当前图像中用于检测运动物体的一个或多个候选区域;计算某一候选区域对应于所述当前图像和/或所述背景图像的属性信息;以及根据所述属性信息确定所述某一候选区域中是否存在烟雾。
- 根据权利要求17所述的烟雾检测方法,其中,所述方法还包括:根据所述某一候选区域分别在多个图像帧中的位置获取所述某一候选区域对应的连续运动区域;并且,基于所述连续运动区域计算所述某一候选区域对应于所述当前图像和/或 所述背景图像的属性信息。
- 根据权利要求18所述的烟雾检测方法,其中,所述属性信息包括如下的一种或多种:饱和度信息、灰度方差信息、梯度方向信息、灰度平均信息、运动方向信息。
- 一种图像处理设备,其中,所述图像处理设备包括如权利要求1所述的烟雾检测装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2015/095178 WO2017084094A1 (zh) | 2015-11-20 | 2015-11-20 | 烟雾检测装置、方法以及图像处理设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108140291A true CN108140291A (zh) | 2018-06-08 |
Family
ID=58717279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580084015.3A Pending CN108140291A (zh) | 2015-11-20 | 2015-11-20 | 烟雾检测装置、方法以及图像处理设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10846867B2 (zh) |
EP (1) | EP3379509A4 (zh) |
JP (1) | JP6620888B2 (zh) |
CN (1) | CN108140291A (zh) |
WO (1) | WO2017084094A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035666A (zh) * | 2018-08-29 | 2018-12-18 | 深圳市中电数通智慧安全科技股份有限公司 | 一种火烟检测方法、装置及终端设备 |
CN109028234A (zh) * | 2018-09-29 | 2018-12-18 | 佛山市云米电器科技有限公司 | 一种能够对烟雾等级进行标识的油烟机 |
CN113112453A (zh) * | 2021-03-22 | 2021-07-13 | 深圳市华启生物科技有限公司 | 胶体金检测卡识别方法、***、电子设备及存储介质 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107633212A (zh) * | 2017-08-30 | 2018-01-26 | 清华大学苏州汽车研究院(吴江) | 一种基于视频图像的烟火检测方法和装置 |
CN109142176B (zh) * | 2018-09-29 | 2024-01-12 | 佛山市云米电器科技有限公司 | 基于空间联系的烟雾子区域空间复检方法 |
CN111353334A (zh) | 2018-12-21 | 2020-06-30 | 富士通株式会社 | 烟雾检测方法和装置 |
CN111060442B (zh) * | 2019-04-30 | 2022-06-17 | 威海戥同测试设备有限公司 | 一种基于图像处理的油液颗粒检测方法 |
CN110263654A (zh) * | 2019-05-23 | 2019-09-20 | 深圳市中电数通智慧安全科技股份有限公司 | 一种火焰检测方法、装置及嵌入式设备 |
CN111144312B (zh) * | 2019-12-27 | 2024-03-22 | ***通信集团江苏有限公司 | 图像处理方法、装置、设备和介质 |
CN112115875B (zh) * | 2020-09-21 | 2024-05-24 | 北京林业大学 | 一种基于动静态结合区域层叠策略森林火灾烟雾根检测方法 |
US11908195B2 (en) | 2020-12-01 | 2024-02-20 | Devon Energy Corporation | Systems, methods, and computer program products for object detection and analysis of an image |
CN112616049B (zh) * | 2020-12-15 | 2022-12-02 | 南昌欧菲光电技术有限公司 | 监控设备水雾霜处理方法、装置、设备和介质 |
CN112819791A (zh) * | 2021-02-03 | 2021-05-18 | 广州市云景信息科技有限公司 | 环检线上的林格曼黑度检测方法、装置、检测仪及黑烟车识别*** |
KR102279627B1 (ko) | 2021-03-02 | 2021-07-21 | 한국콜마주식회사 | 내용물 용기 |
TWI793901B (zh) * | 2021-12-08 | 2023-02-21 | 威盛電子股份有限公司 | 煙霧偵測系統以及煙霧偵測方法 |
CN116433035B (zh) * | 2023-06-13 | 2023-09-15 | 中科数创(临沂)数字科技有限公司 | 一种基于人工智能的建筑电气火灾风险评估预测方法 |
CN116503388B (zh) * | 2023-06-25 | 2023-11-14 | 广东利元亨智能装备股份有限公司 | 缺陷检测方法、装置及存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101233541A (zh) * | 2006-04-26 | 2008-07-30 | 三菱电机株式会社 | 物体检测装置及电梯的物体检测装置 |
KR20080077481A (ko) * | 2007-02-20 | 2008-08-25 | (주)에이치엠씨 | 영상처리를 이용한 화재 감지 방법 및 시스템 |
CN101441771A (zh) * | 2008-12-19 | 2009-05-27 | 中国科学技术大学 | 基于色彩饱和度与运动模式的视频火灾烟雾检测方法 |
CN101609589A (zh) * | 2008-06-17 | 2009-12-23 | 侯荣琴 | 多频图像火灾探测*** |
CN101738394A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 室内烟雾检测方法及*** |
CN101751558A (zh) * | 2009-12-16 | 2010-06-23 | 北京智安邦科技有限公司 | 一种基于视频的隧道烟雾检测方法及装置 |
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 |
CN101916372A (zh) * | 2010-09-08 | 2010-12-15 | 大连古野软件有限公司 | 基于视频的多特征融合的烟检测装置和方法 |
CN102136059A (zh) * | 2011-03-03 | 2011-07-27 | 苏州市慧视通讯科技有限公司 | 一种基于视频分析的烟雾检测方法 |
JP4926603B2 (ja) * | 2006-08-17 | 2012-05-09 | 能美防災株式会社 | 煙検出装置 |
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 |
CN103983574A (zh) * | 2014-06-03 | 2014-08-13 | 上海安维尔信息科技有限公司 | 一种烟雾检测方法 |
CN104050480A (zh) * | 2014-05-21 | 2014-09-17 | 燕山大学 | 基于计算机视觉的吸烟烟雾检测方法 |
CN104316974A (zh) * | 2014-11-04 | 2015-01-28 | 无锡北斗星通信息科技有限公司 | 森林烟雾区域检测*** |
CN104408745A (zh) * | 2014-11-18 | 2015-03-11 | 北京航空航天大学 | 一种基于视频图像的实时烟雾场景检测方法 |
CN104978733A (zh) * | 2014-04-11 | 2015-10-14 | 富士通株式会社 | 烟雾检测方法以及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7859419B2 (en) * | 2006-12-12 | 2010-12-28 | Industrial Technology Research Institute | Smoke detecting method and device |
EP2000952B1 (en) * | 2007-05-31 | 2013-06-12 | Industrial Technology Research Institute | Smoke detecting method and device |
US7786877B2 (en) * | 2008-06-20 | 2010-08-31 | Billy Hou | Multi-wavelength video image fire detecting system |
US9082165B2 (en) * | 2010-05-31 | 2015-07-14 | Dvp Technologies Ltd. | Inspection of region of interest |
JP5697587B2 (ja) * | 2011-12-09 | 2015-04-08 | 三菱電機株式会社 | 車両火災検出装置 |
JP5971761B2 (ja) * | 2013-03-26 | 2016-08-17 | 能美防災株式会社 | 煙検出装置および煙検出方法 |
DE102013017395B3 (de) * | 2013-10-19 | 2014-12-11 | IQ Wireless Entwicklungsges. für Systeme und Technologien der Telekommunikation mbH | Verfahren und Vorrichtung zur automatisierten Waldbrandfrüherkennung mittels optischer Detektion von Rauchwolken |
-
2015
- 2015-11-20 CN CN201580084015.3A patent/CN108140291A/zh active Pending
- 2015-11-20 JP JP2018525692A patent/JP6620888B2/ja active Active
- 2015-11-20 EP EP15908590.1A patent/EP3379509A4/en not_active Withdrawn
- 2015-11-20 WO PCT/CN2015/095178 patent/WO2017084094A1/zh active Application Filing
-
2018
- 2018-05-14 US US15/978,817 patent/US10846867B2/en active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101233541A (zh) * | 2006-04-26 | 2008-07-30 | 三菱电机株式会社 | 物体检测装置及电梯的物体检测装置 |
JP4926603B2 (ja) * | 2006-08-17 | 2012-05-09 | 能美防災株式会社 | 煙検出装置 |
KR20080077481A (ko) * | 2007-02-20 | 2008-08-25 | (주)에이치엠씨 | 영상처리를 이용한 화재 감지 방법 및 시스템 |
CN101609589A (zh) * | 2008-06-17 | 2009-12-23 | 侯荣琴 | 多频图像火灾探测*** |
CN101441771A (zh) * | 2008-12-19 | 2009-05-27 | 中国科学技术大学 | 基于色彩饱和度与运动模式的视频火灾烟雾检测方法 |
CN101738394A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 室内烟雾检测方法及*** |
CN101751558A (zh) * | 2009-12-16 | 2010-06-23 | 北京智安邦科技有限公司 | 一种基于视频的隧道烟雾检测方法及装置 |
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 |
CN101916372A (zh) * | 2010-09-08 | 2010-12-15 | 大连古野软件有限公司 | 基于视频的多特征融合的烟检测装置和方法 |
CN102136059A (zh) * | 2011-03-03 | 2011-07-27 | 苏州市慧视通讯科技有限公司 | 一种基于视频分析的烟雾检测方法 |
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 |
CN104978733A (zh) * | 2014-04-11 | 2015-10-14 | 富士通株式会社 | 烟雾检测方法以及装置 |
CN104050480A (zh) * | 2014-05-21 | 2014-09-17 | 燕山大学 | 基于计算机视觉的吸烟烟雾检测方法 |
CN103983574A (zh) * | 2014-06-03 | 2014-08-13 | 上海安维尔信息科技有限公司 | 一种烟雾检测方法 |
CN104316974A (zh) * | 2014-11-04 | 2015-01-28 | 无锡北斗星通信息科技有限公司 | 森林烟雾区域检测*** |
CN104408745A (zh) * | 2014-11-18 | 2015-03-11 | 北京航空航天大学 | 一种基于视频图像的实时烟雾场景检测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035666A (zh) * | 2018-08-29 | 2018-12-18 | 深圳市中电数通智慧安全科技股份有限公司 | 一种火烟检测方法、装置及终端设备 |
CN109035666B (zh) * | 2018-08-29 | 2020-05-19 | 深圳市中电数通智慧安全科技股份有限公司 | 一种火烟检测方法、装置及终端设备 |
CN109028234A (zh) * | 2018-09-29 | 2018-12-18 | 佛山市云米电器科技有限公司 | 一种能够对烟雾等级进行标识的油烟机 |
CN113112453A (zh) * | 2021-03-22 | 2021-07-13 | 深圳市华启生物科技有限公司 | 胶体金检测卡识别方法、***、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP6620888B2 (ja) | 2019-12-18 |
JP2019504379A (ja) | 2019-02-14 |
EP3379509A4 (en) | 2019-10-30 |
US10846867B2 (en) | 2020-11-24 |
US20180260963A1 (en) | 2018-09-13 |
EP3379509A1 (en) | 2018-09-26 |
WO2017084094A1 (zh) | 2017-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108140291A (zh) | 烟雾检测装置、方法以及图像处理设备 | |
US10740652B2 (en) | Image processing apparatus, image processing system, image processing method, and storage medium | |
Camplani et al. | Depth-color fusion strategy for 3-D scene modeling with Kinect | |
US8989448B2 (en) | Moving object detecting device, moving object detecting method, moving object detection program, moving object tracking device, moving object tracking method, and moving object tracking program | |
US11037325B2 (en) | Information processing apparatus and method of controlling the same | |
JP6024658B2 (ja) | 物体検出装置、物体検出方法及びプログラム | |
JP6779699B2 (ja) | 画像処理装置、情報処理方法及びプログラム | |
US10102635B2 (en) | Method for moving object detection by a Kalman filter-based approach | |
JP2016085487A (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
JP5756709B2 (ja) | 身長推定装置、身長推定方法、及び身長推定プログラム | |
US20150146006A1 (en) | Display control apparatus and display control method | |
JPWO2016104395A1 (ja) | 群集監視システム | |
US10762372B2 (en) | Image processing apparatus and control method therefor | |
EP3772037A1 (en) | Image processing apparatus, method of tracking a target object, and program | |
US10719975B2 (en) | Information processing apparatus and method of generating three-dimensional model | |
US10593044B2 (en) | Information processing apparatus, information processing method, and storage medium | |
JPWO2014045479A1 (ja) | オブジェクト情報抽出装置、オブジェクト情報抽出プログラム、及びオブジェクト情報抽出方法 | |
US10573073B2 (en) | Information processing apparatus, information processing method, and storage medium | |
KR20110021500A (ko) | 이동객체의 실시간 추적과 거리 측정 방법 및 그 장치 | |
JP2018046501A (ja) | 情報処理装置、検出システムおよび情報処理方法 | |
JPWO2015198592A1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JPWO2018179119A1 (ja) | 映像解析装置、映像解析方法およびプログラム | |
JP2015507736A (ja) | ターゲットサイズを見積もるためのシステム及び方法 | |
JP2018197945A (ja) | 障害物検出装置および障害物検出方法 | |
JP5217917B2 (ja) | 物体検知追跡装置,物体検知追跡方法および物体検知追跡プログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180608 |
|
RJ01 | Rejection of invention patent application after publication |