CN109903507A - 一种基于深度学习的火灾智能监控***及其方法 - Google Patents
一种基于深度学习的火灾智能监控***及其方法 Download PDFInfo
- Publication number
- CN109903507A CN109903507A CN201910160596.4A CN201910160596A CN109903507A CN 109903507 A CN109903507 A CN 109903507A CN 201910160596 A CN201910160596 A CN 201910160596A CN 109903507 A CN109903507 A CN 109903507A
- Authority
- CN
- China
- Prior art keywords
- flame
- fire
- deep learning
- point
- location information
- 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
Landscapes
- Fire-Detection Mechanisms (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于深度学习的火灾智能监控***及其方法,包含:图像采集模块,通过双目摄像头进行实时监控;图像分析模块,利用深度学习模型对监控视频图像中的火焰实时检测;报警模块,提醒监控人员观察监控视频图像中的火情;火焰定位模块,接收深度学习模型检测到的火焰像素位置信息,利用双目立体视觉定位算法将火焰像素位置信息映射到空间,得到火焰空间位置信息;定点灭火模块,在报警模块无应答而导致持续报警的条件下,经过预设的间隔时间,接收火焰空间位置信息。本发明将深度学习和摄像头定位算法结合用于火焰识别,并提出新的卷积核模块,特征提取能力更强,还能在测到火焰时报警,在监控人员无反应情况自动对火焰区域定点灭火。
Description
技术领域
本发明涉及图像识别与计算机视觉领域,特别涉及一种基于深度学习的火灾智能监控***及其方法。
背景技术
火灾是最常见的灾害之一,如果不能在早期及时控制,进一步引起大面积火灾的发生,将会造成不可挽回的生命财产损失。尤其是在一些特殊的禁烟场所,如汽车站、加油站、物流仓库等,一旦因为人为吸烟或其他因素引起火灾,后果非常严重。因此对吸烟行为的监控和火灾的早期探测十分有必要。
火焰是火灾早期的物理现象,早期火焰探测技术主要有感温、感烟和感光三种,现已得到了广泛的应用,但依然存在灵敏度低、易受环境因素干扰、检测范围有限等技术缺陷,难以适应大空间或复杂环境的火焰探测要求。
图像型火焰探测技术是一种新型火焰探测技术,改善了早期火焰探测技术的缺陷,有效提高了火焰检测的准确度,减少了漏报和误报。图像型火焰检测技术主要利用模式识别的方法,需要人工设计火焰的特征提取器,但由于火焰的多变性、复杂性,往往提取到的特征不具有代表性,难以对小目标火焰和多类型火焰进行检测。
中国专利申请CN201510319446.5提出了“基于北斗***的火灾监控***”,其旨在保护生态环境,能够对森林火灾险情进行有效监控。但监控***中的图像处理单元依然采用人工提取火焰的形态学特征和颜色特征作为分类依据,难以对室内场所、禁烟场所小型火灾的发生做出有效监控。
综上所述,如何克服现有图像型火焰检测技术的不足以及提出一套完整的基于深度学习的火灾智能监控***十分有必要。
发明内容
本发明的目的在于提供一种基于深度学习的火灾智能监控***及其方法,将深度学习和摄像头定位算法进行结合用于火焰识别,进一步提出了新的卷积核模块,具有特征提取能力更强的优势,同时还设计了完整的禁烟场所火灾智能监控***,能够在检测到火焰时报警,并在监控人员没有反应的情况下自动对火焰区域进行定点灭火。
为了达到上述目的,本发明通过以下技术方案实现:
一种基于深度学习的火灾智能监控***,包含:
图像采集模块,通过双目摄像头在不同场所下进行实时监控,采集监控视频图像的数据;
图像分析模块,利用训练好的深度学习模型对所述监控视频图像中的火焰进行实时检测,判断是否出现火焰,若出现火焰,确定火焰区域,将所述火焰区域通过边界框方式进行标注,并将边界框点作为匹配点,得到火焰像素位置信息;
火焰定位模块,接收所述深度学习模型检测到的火焰像素位置信息,利用双目定位映射方法将所述火焰像素位置信息映射到空间,得到火焰空间位置信息,最终找到火焰位置。
优选地,所述双目定位映射方法进一步包含:
对于空间上的任意一火焰点P,所述火焰点P在第一摄像机C1下拍摄的图像平面上的投影是点CL,所述火焰点P在第二摄像机C2下拍摄的图像平面上的投影是点CR,其中,点C1和点CL相连的直线为l1,点C2和点CR相连的直线为l2,则火焰点P是直线l1和直线l2的交点,即空间的火焰点P的位置信息唯一确定。
优选地,当检测到火焰时,通过触发监控室的报警器,提醒监控人员观察所述监控视频图像中的火情。
优选地,所述的火灾智能监控***进一步包含定点灭火模块,所述定点灭火模块在所述报警器无人应答而导致持续报警的条件下,经过预设的间隔时间,接收所述火焰空间位置信息,通过控制器控制消防***来实现定点灭火。
优选地,所述深度学习模型为Mask R-CNN模型。
优选地,所述深度学习模型包含:
特征提取层,提取目标图像的特征信息并生成多尺度的特征图;
候选区域生成网络,用于生成目标图像的候选区域;
全连接层,用于目标分类和边界框回归;
RoIAlign层,其将得到的所述候选区域映射到特征图上的相对应区域,并对该区域进行下采样处理得到固定维度的特征向量,再将所述特征向量传入所述全连接层进行信息整理,最终实现目标分类和边界框回归。
优选地,所述特征提取层采用特征金字塔网络,所述特征金字塔网络由ResNet卷积神经网络搭建而成,所述ResNet卷积神经网络采用并行连接和跳远连接相结合的方式。
优选地,所述深度学习模型在所述RoIAlign层后增添一掩码分支,用于生成目标图像的分割掩码。
本发明还提供了一种基于如上文所述的火灾智能监控***的火灾智能监控方法,该方法包含以下过程:
通过双目摄像头在不同场所下进行实时监控,采集监控视频图像数据,并将采集的所述监控视频图像数据传入服务器上训练好的深度学习模型;
利用训练好的深度学习模型对所述监控视频图像数据中的火焰进行实时检测,判断是否出现火焰,若出现火焰,确定火焰区域,将所述火焰区域通过边界框方式进行标注,并将边界框点作为匹配点,得到火焰像素位置信息;
采用双目定位映射方法将所述火焰像素位置信息映射到空间得到火焰空间位置信息;
将所述火焰空间位置信息传递到一控制器,所述控制器控制消防***来实现定点灭火。
优选地,所述的火灾智能监控方法进一步包含:当检测到火焰时,通过触发监控室报警器,提醒监控人员观察监控视频中火情并进行处理;当无人应答所述报警器而导致持续报警时,经过预设的间隔时间,接收所述火焰空间位置信息,实现定点灭火。
与现有技术相比,本发明的有益效果为:(1)本发明提出了基于深度学习模型MaskR-CNN的火焰检测方法,改善了传统模式识别的方法提取特征不全、提取的特征不具有代表性、难以对多变的火焰进行识别的状况;并创新性地提出了结合现有ResNet和现有Inception特性的新卷积模块,相对单独的Inception卷积模块具有防止网络因层数过深出现过拟合的优点;相对单独的ResNet卷积模块,因为采用了并行连接网络的思想,用不同尺寸卷积核提取特征再进行通道融合,具有特征提取能力更强的优势;(2)本发明提出了基于深度学习的匹配算法,将深度学习模型和双目立体视觉算法结合,基于对传统立体匹配算法难以兼顾匹配精度和匹配速度的考虑,使用深度学习模型检测框的坐标进行立体匹配,在保证匹配精度的基础上,兼顾匹配速度,而传统定位方法找匹配点很重要,在背景复杂的情况下很难有效的找到匹配点,过程复杂且耗时;(3)本发明设计了完整的火灾智能监控***,该***不仅能够在检测到火焰时报警,而且能够在监控人员没有反应的情况下自动对火焰区域进行定点灭火。
附图说明
图1为本发明的基于深度学习的火灾智能监控***总体设计示意图;
图2为本发明的深度学习模型结构示意图;
图3为本发明的改进ResNet网络结构示意图;
图4为本发明的loss变化示意图;
图5为本发明的双目摄像头定位原理示意图;
图6为本发明的摄像头捕捉到的含有火焰的图像示意图;
图7为本发明的深度学习模型检测到火焰的图像示意图;
图8a为本发明第一个摄像头视角的火焰检测框像素坐标信息的示意图;
图8b为本发明第二个摄像头视角的火焰检测框像素坐标信息的示意图。
具体实施方式
为了使本发明更加明显易懂,以下结合附图和具体实施方式对本发明做进一步说明。
如图1所示,本发明公开了一种基于深度学习的火灾智能监控***,主要包含图像采集模块、图像分析模块、报警模块、火焰定位模块和定点灭火模块这五个模块。
所述图像采集模块通过双目摄像头在不同场所下进行实时监控,采集监控视频图像数据;所述图像分析模块主要是利用训练好的深度学习模型MaskR-CNN对监控视频图像数据中的火焰进行实时检测,并得到火焰像素位置信息;在所述报警模块中,一旦检测到火焰时便会触发监控室报警器,提醒监控人员观察监控视频中火情并进行处理;所述火焰定位模块接收深度学习模型检测到的火焰像素位置信息,利用双目定位映射算法将接收到的所述火焰像素位置信息映射到空间得到火焰空间位置信息;所述定点灭火模块在所述报警模块无人应答而导致持续报警的条件下,经过预设的间隔时间,接收所述火焰定位模块得到的火焰空间位置信息,并将火焰空间位置信息传递到控制器,通过控制器控制消防***(例如消防水炮)来实现定点灭火。
因此,本发明的深度学习模型的目的是判断视频图像中是否出现火焰以及火焰在图片中的位置信息。摄像头的作用主要是对禁烟场所进行实时监控,采集视频图像数据,并将数据传入服务器上训练好的深度学习模型,利用深度学习模型得到的火焰在图像中的位置信息,找到火焰在空间中的位置。
如图2所示为本发明的深度学习模型结构示意图,例如深度学习目标检测模型Mask R-CNN,主要包括特征提取层、候选区域生成网络(RegionProposal Network,RPN)、RoIAlign层和全连接层。
所述特征提取层采用特征金字塔网络(Feature Pyramid Network,FPN)提取目标图像的特征信息并生成多尺度的特征图(Feature Map);所述候选区域生成网络用于生成目标图像的候选区域;所述RoIAlign层将得到的候选区域映射到特征图上的相对应区域,并对该区域进行下采样处理得到固定维度的特征向量,然后将特征向量传入所述全连接层进行信息整理,最终实现目标分类和边界框回归。同时,深度学习模型还可在RoIAlign层后增添了一个掩码分支(Maskbranch),用于生成目标图像的分割掩码。
其中,所述特征金字塔网络是Mask R-CNN模型的核心组成部分,其可由ResNet等通用卷积神经网络(Convolution Neural Network,CNN)搭建而成,卷积层卷积神经网络(CNN)基于层级表达学习方式,具有高度的非线性表达能力,能够根据数据自适应的构造特征提取器。
示例地,本发明的特征金字塔网络可由改进的ResNet网络搭建而成,改进的ResNet网络采用了并行连接和跳远连接相结合的方式,具有特征提取能力强,防止网络因层数过深出现过拟合等优点。
如图3所示为本发明的改进ResNet结构示意图,具体如下:
(1)首先,本发明改进的ResNet网络采用并行连接的方式(类似于一条溪流分为三个支路,最后汇总在一起,这样的好处是在支路上可以有不同形状的卷积核,能够提取不同的特征,最后再进行通道融合,汇总在一起,特征提取能力变强)增强网络的特征提取能力。其中,1×1卷积核的作用是降维(控制输出的通道数),激活函数的作用是增加模型的非线性表达能力,3×3、5×5等是不同尺寸的卷积核,能提取不同的特征,最后将提取到的特征拼接融合。
(2)同时,本发明改进的ResNet网络结构中使用跳远连接的方式,即又保留了原有ResNet的优势,其中,F(x)-x即为残差映射,x为恒等映射,随着模型深度的增加,会出现梯度消失的问题(通常模型层数越深,模型参数量增加,表达能力或者特征提取能力变强),模型的性能反而降低,本发明的优势是通过跳远连接方式使这一状况得到有效地解决,能够使模型的收敛速度变快。
作为本发明的一个实施例,深度学习模型训练的步骤如下:
(a)深度学习训练数据、测试数据的获得与处理;
(b)建立深度学习模型;
(c)数据标注(例如labelme工具);
(d)基于迁移学习方法,采用大规模数据集ImageNet预训练参数作为深度学习模型的参数初始化,将标注后的训练数据、测试数据传入所述深度学习模型;并完成对深度学习模型的训练与评价;
(e)将训练好的深度学习模型储存在服务器中。
如图4所示为本发明的深度学习模型训练过程中的Loss值变化,其中,横坐标(Epoch)表示模型训练的迭代次数,纵坐标(Loss值)表示预测值与期望值之间的差异(预测值即模型的输出值,期望值是实际值,Validationloss是验证集的Loss,Train loss是训练集的Loss),Loss值越来越小,说明模型也逐渐收敛,模型训练完成。在手工标注数据时就已经确定实际值,实际值反映了图像中目标的位置、类别。
双目视觉类似于利用双眼获取环境的三维信息,由于双目定位技术从一个目标的两个不同角度拍摄照片上找匹配点,过程很复杂,也会受到环境因素的干扰。
由上可知,本发明的深度学习模型的作用是检测并判断摄像头拍摄图像中有没有出现火焰以及火焰的区域在哪里,如图6所示;若出现火焰,深度学习模型会将火焰的区域用矩形框(即边界框)标注出来,如图7所示,即本发明创新性提出了直接用深度学习模型检测出的边界框点作为匹配点,用于后续映射定位,其中,边界框的坐标为四个角点的坐标。
如图8a和图8b所示,基于双目摄像头定位,可得到两个不同视角的火焰检测框像素坐标信息,直接采用检测框的像素坐标信息作为匹配点,并利用双目定位映射算法映射到空间找到火焰位置。如图5所示为本发明的双目摄像头定位原理示意图,双目定位映射方法的原理如下:
空间上的火焰点P在一台摄像机C1拍摄的图像平面上的投影是CL,P与CL连接线上的点都投影在点CL上,无法根据CL这一单独的点坐标得出P的位置深度信息。如果再加上另一台摄像机C2,同时CR是P在摄像机C2拍摄的图像平面上的投影,那么P就是直线l1(即点C1和点CL相连所在的直线)和直线l2(即点C2和点CR相连所在的直线)的交点。所以,空间火焰点P的位置信息就能够唯一确定。
本发明提供了一种基于深度学习的火灾智能监控方法,该火灾智能监控方法包含以下过程:
图像采集模块通过双目摄像头在不同场所下进行实时监控,采集监控视频图像数据,并将数据传入服务器上训练好的深度学习模型;
图像分析模块利用训练好的深度学习模型对监控视频图像数据中的火焰进行实时检测,并得到火焰像素位置信息;
火焰定位模块接收深度学习模型检测到的火焰像素位置信息,利用双目立体视觉定位算法将接收到的火焰像素位置信息映射到空间得到火焰空间位置信息;其中,一旦检测到火焰时便会触发监控室报警器,提醒监控人员观察监控视频中火情并进行处理;
定点灭火模块在报警器无人应答而导致持续报警的条件下,经过预设的间隔时间,接收火焰定位模块得到的火焰空间位置信息,并将火焰空间位置信息传递到控制器,通过控制器控制消防***来实现定点灭火。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (10)
1.一种基于深度学习的火灾智能监控***,其特征在于,包含:
图像采集模块,通过双目摄像头在不同场所下进行实时监控,采集监控视频图像的数据;
图像分析模块,利用训练好的深度学习模型对所述监控视频图像中的火焰进行实时检测,判断是否出现火焰,若出现火焰,确定火焰区域,将所述火焰区域通过边界框方式进行标注,并将边界框点作为匹配点,得到火焰像素位置信息;
火焰定位模块,接收所述深度学习模型检测到的火焰像素位置信息,利用双目定位映射方法将所述火焰像素位置信息映射到空间,得到火焰空间位置信息,最终找到火焰位置。
2.如权利要求1所述的火灾智能监控***,其特征在于,
所述双目定位映射方法进一步包含:
对于空间上的任意一火焰点P,所述火焰点P在第一摄像机C1下拍摄的图像平面上的投影是点CL,所述火焰点P在第二摄像机C2下拍摄的图像平面上的投影是点CR,其中,点C1和点CL相连的直线为l1,点C2和点CR相连的直线为l2,则火焰点P是直线l1和直线l2的交点,即空间的火焰点P的位置信息唯一确定。
3.如权利要求1所述的火灾智能监控***,其特征在于,进一步包含:
当检测到火焰时,通过触发监控室的报警器,提醒监控人员观察所述监控视频图像中的火情。
4.如权利要求3所述的火灾智能监控***,其特征在于,进一步包含定点灭火模块,所述定点灭火模块在所述报警器无人应答而导致持续报警的条件下,经过预设的间隔时间,接收所述火焰空间位置信息,通过控制器控制消防***来实现定点灭火。
5.如权利要求1所述的火灾智能监控***,其特征在于,
所述深度学习模型为Mask R-CNN模型。
6.如权利要求1或5所述的火灾智能监控***,其特征在于,
所述深度学习模型包含:
特征提取层,提取目标图像的特征信息并生成多尺度的特征图;
候选区域生成网络,用于生成目标图像的候选区域;
全连接层,用于目标分类和边界框回归;
RoIAlign层,其将得到的所述候选区域映射到特征图上的相对应区域,并对该区域进行下采样处理得到固定维度的特征向量,再将所述特征向量传入所述全连接层进行信息整理,最终实现目标分类和边界框回归。
7.如权利要求6所述的火灾智能监控***,其特征在于,
所述特征提取层采用特征金字塔网络,所述特征金字塔网络由ResNet卷积神经网络搭建而成,所述ResNet卷积神经网络采用并行连接和跳远连接相结合的方式。
8.如权利要求6所述的火灾智能监控***,其特征在于,
所述深度学习模型在所述RoIAlign层后增添一掩码分支,用于生成目标图像的分割掩码。
9.一种基于如权利要求1-8任意一项所述的火灾智能监控***的火灾智能监控方法,其特征在于,该方法包含以下过程:
通过双目摄像头在不同场所下进行实时监控,采集监控视频图像数据,并将采集的所述监控视频图像数据传入服务器上训练好的深度学习模型;
利用训练好的深度学习模型对所述监控视频图像数据中的火焰进行实时检测,判断是否出现火焰,若出现火焰,确定火焰区域,将所述火焰区域通过边界框方式进行标注,并将边界框点作为匹配点,得到火焰像素位置信息;
采用双目定位映射方法将所述火焰像素位置信息映射到空间得到火焰空间位置信息;
将所述火焰空间位置信息传递到一控制器,所述控制器控制消防***来实现定点灭火。
10.如权利要求9所述的火灾智能监控方法,其特征在于,进一步包含:
当检测到火焰时,通过触发监控室报警器,提醒监控人员观察监控视频中火情并进行处理;
当无人应答所述报警器而导致持续报警时,经过预设的间隔时间,接收所述火焰空间位置信息,实现定点灭火。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910160596.4A CN109903507A (zh) | 2019-03-04 | 2019-03-04 | 一种基于深度学习的火灾智能监控***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910160596.4A CN109903507A (zh) | 2019-03-04 | 2019-03-04 | 一种基于深度学习的火灾智能监控***及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109903507A true CN109903507A (zh) | 2019-06-18 |
Family
ID=66946243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910160596.4A Pending CN109903507A (zh) | 2019-03-04 | 2019-03-04 | 一种基于深度学习的火灾智能监控***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903507A (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599489A (zh) * | 2019-08-26 | 2019-12-20 | 华中科技大学 | 一种目标空间定位方法 |
CN110675449A (zh) * | 2019-09-02 | 2020-01-10 | 山东科技大学 | 一种基于双目相机的离岸流检测方法 |
CN110728186A (zh) * | 2019-09-11 | 2020-01-24 | 中国科学院声学研究所南海研究站 | 一种基于多网融合的火灾检测方法 |
CN110765937A (zh) * | 2019-10-22 | 2020-02-07 | 新疆天业(集团)有限公司 | 一种基于迁移学习的煤场自燃检测方法 |
CN110975206A (zh) * | 2019-12-06 | 2020-04-10 | 北京南瑞怡和环保科技有限公司 | 一种智能细水雾灭火*** |
CN111145275A (zh) * | 2019-12-30 | 2020-05-12 | 重庆市海普软件产业有限公司 | 一种智能化自控森林防火监控***及方法 |
CN111258309A (zh) * | 2020-01-15 | 2020-06-09 | 上海锵玫人工智能科技有限公司 | 一种用于城市消防机器人的灭火方法 |
CN111289112A (zh) * | 2020-02-25 | 2020-06-16 | 安徽炬视科技有限公司 | 一种基于关系网络的电力监控视频火焰检测***及方法 |
CN111539264A (zh) * | 2020-04-02 | 2020-08-14 | 上海海事大学 | 一种船舶火焰探测定位***与探测定位方法 |
CN111582353A (zh) * | 2020-04-30 | 2020-08-25 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种图像特征检测方法、***、设备以及介质 |
CN111898523A (zh) * | 2020-07-29 | 2020-11-06 | 电子科技大学 | 一种基于迁移学习的遥感图像特种车辆目标检测方法 |
CN112052797A (zh) * | 2020-09-07 | 2020-12-08 | 合肥科大立安安全技术有限责任公司 | 基于MaskRCNN的视频火灾识别方法及*** |
KR20210017137A (ko) * | 2019-08-07 | 2021-02-17 | 주식회사 엘지유플러스 | 실시간 화재 감지 시스템 및 화재 감지 방법 |
CN112396026A (zh) * | 2020-11-30 | 2021-02-23 | 北京华正明天信息技术股份有限公司 | 基于特征聚合与密集连接的火灾图像特征提取方法 |
CN112465119A (zh) * | 2020-12-08 | 2021-03-09 | 武汉理工光科股份有限公司 | 一种基于深度学习的消防险情预警方法及装置 |
CN112633231A (zh) * | 2020-12-30 | 2021-04-09 | 珠海大横琴科技发展有限公司 | 一种火灾识别的方法和装置 |
CN112801148A (zh) * | 2021-01-14 | 2021-05-14 | 西安电子科技大学 | 基于深度学习的火情识别定位***及方法 |
CN113515989A (zh) * | 2020-07-20 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 移动对象、烟火检测方法、设备及存储介质 |
CN113705539A (zh) * | 2021-09-29 | 2021-11-26 | 内江师范学院 | 一种智能消防炮控制灭火方法及控制*** |
CN113713294A (zh) * | 2020-05-25 | 2021-11-30 | 中国石油化工股份有限公司 | 对移动式加油设备进行安全防护的方法、装置及*** |
CN114399719A (zh) * | 2022-03-25 | 2022-04-26 | 合肥中科融道智能科技有限公司 | 一种变电站火灾视频监测方法 |
CN114870312A (zh) * | 2022-04-28 | 2022-08-09 | 南通阳鸿石化储运有限公司 | 一种基于数字化模型的库区软管站智能灭火方法及其*** |
CN114943884A (zh) * | 2022-06-10 | 2022-08-26 | 慧之安信息技术股份有限公司 | 基于深度学习的设备保护方法 |
CN115797439A (zh) * | 2022-11-11 | 2023-03-14 | 中国消防救援学院 | 基于双目视觉的火焰空间定位***及方法 |
CN116665034A (zh) * | 2022-11-11 | 2023-08-29 | 中国消防救援学院 | 一种基于边缘特征的立体匹配及火焰空间定位方法 |
CN117726948A (zh) * | 2024-02-07 | 2024-03-19 | 成都白泽智汇科技有限公司 | 一种基于神经网络模型的双目图像处理方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298818A (zh) * | 2011-08-18 | 2011-12-28 | 中国科学技术大学 | 双目摄像火灾探测与定位装置及其火灾定位方法 |
CN108229442A (zh) * | 2018-02-07 | 2018-06-29 | 西南科技大学 | 基于ms-kcf的图像序列中人脸快速稳定检测方法 |
CN109376681A (zh) * | 2018-11-06 | 2019-02-22 | 广东工业大学 | 一种多人姿态估计方法及*** |
EP3561788A1 (en) * | 2016-12-21 | 2019-10-30 | Hochiki Corporation | Fire monitoring system |
-
2019
- 2019-03-04 CN CN201910160596.4A patent/CN109903507A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298818A (zh) * | 2011-08-18 | 2011-12-28 | 中国科学技术大学 | 双目摄像火灾探测与定位装置及其火灾定位方法 |
EP3561788A1 (en) * | 2016-12-21 | 2019-10-30 | Hochiki Corporation | Fire monitoring system |
CN108229442A (zh) * | 2018-02-07 | 2018-06-29 | 西南科技大学 | 基于ms-kcf的图像序列中人脸快速稳定检测方法 |
CN109376681A (zh) * | 2018-11-06 | 2019-02-22 | 广东工业大学 | 一种多人姿态估计方法及*** |
Non-Patent Citations (1)
Title |
---|
曹之乐: ""基于双目视觉的焦点定位方法研究与应用"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210017137A (ko) * | 2019-08-07 | 2021-02-17 | 주식회사 엘지유플러스 | 실시간 화재 감지 시스템 및 화재 감지 방법 |
KR102265291B1 (ko) * | 2019-08-07 | 2021-06-16 | 주식회사 엘지유플러스 | 실시간 화재 감지 시스템 및 화재 감지 방법 |
CN110599489A (zh) * | 2019-08-26 | 2019-12-20 | 华中科技大学 | 一种目标空间定位方法 |
CN110675449A (zh) * | 2019-09-02 | 2020-01-10 | 山东科技大学 | 一种基于双目相机的离岸流检测方法 |
CN110728186A (zh) * | 2019-09-11 | 2020-01-24 | 中国科学院声学研究所南海研究站 | 一种基于多网融合的火灾检测方法 |
CN110765937A (zh) * | 2019-10-22 | 2020-02-07 | 新疆天业(集团)有限公司 | 一种基于迁移学习的煤场自燃检测方法 |
CN110975206A (zh) * | 2019-12-06 | 2020-04-10 | 北京南瑞怡和环保科技有限公司 | 一种智能细水雾灭火*** |
CN110975206B (zh) * | 2019-12-06 | 2021-06-29 | 北京南瑞怡和环保科技有限公司 | 一种智能细水雾灭火*** |
CN111145275A (zh) * | 2019-12-30 | 2020-05-12 | 重庆市海普软件产业有限公司 | 一种智能化自控森林防火监控***及方法 |
CN111258309A (zh) * | 2020-01-15 | 2020-06-09 | 上海锵玫人工智能科技有限公司 | 一种用于城市消防机器人的灭火方法 |
CN111289112A (zh) * | 2020-02-25 | 2020-06-16 | 安徽炬视科技有限公司 | 一种基于关系网络的电力监控视频火焰检测***及方法 |
CN111539264A (zh) * | 2020-04-02 | 2020-08-14 | 上海海事大学 | 一种船舶火焰探测定位***与探测定位方法 |
CN111582353A (zh) * | 2020-04-30 | 2020-08-25 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种图像特征检测方法、***、设备以及介质 |
CN111582353B (zh) * | 2020-04-30 | 2022-01-21 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种图像特征检测方法、***、设备以及介质 |
CN113713294A (zh) * | 2020-05-25 | 2021-11-30 | 中国石油化工股份有限公司 | 对移动式加油设备进行安全防护的方法、装置及*** |
CN113515989A (zh) * | 2020-07-20 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 移动对象、烟火检测方法、设备及存储介质 |
CN111898523A (zh) * | 2020-07-29 | 2020-11-06 | 电子科技大学 | 一种基于迁移学习的遥感图像特种车辆目标检测方法 |
CN112052797A (zh) * | 2020-09-07 | 2020-12-08 | 合肥科大立安安全技术有限责任公司 | 基于MaskRCNN的视频火灾识别方法及*** |
CN112396026A (zh) * | 2020-11-30 | 2021-02-23 | 北京华正明天信息技术股份有限公司 | 基于特征聚合与密集连接的火灾图像特征提取方法 |
CN112396026B (zh) * | 2020-11-30 | 2024-06-07 | 北京华正明天信息技术股份有限公司 | 基于特征聚合与密集连接的火灾图像特征提取方法 |
CN112465119A (zh) * | 2020-12-08 | 2021-03-09 | 武汉理工光科股份有限公司 | 一种基于深度学习的消防险情预警方法及装置 |
CN112633231A (zh) * | 2020-12-30 | 2021-04-09 | 珠海大横琴科技发展有限公司 | 一种火灾识别的方法和装置 |
CN112801148A (zh) * | 2021-01-14 | 2021-05-14 | 西安电子科技大学 | 基于深度学习的火情识别定位***及方法 |
CN113705539B (zh) * | 2021-09-29 | 2023-05-05 | 内江师范学院 | 一种智能消防炮控制灭火方法及控制*** |
CN113705539A (zh) * | 2021-09-29 | 2021-11-26 | 内江师范学院 | 一种智能消防炮控制灭火方法及控制*** |
CN114399719A (zh) * | 2022-03-25 | 2022-04-26 | 合肥中科融道智能科技有限公司 | 一种变电站火灾视频监测方法 |
CN114870312A (zh) * | 2022-04-28 | 2022-08-09 | 南通阳鸿石化储运有限公司 | 一种基于数字化模型的库区软管站智能灭火方法及其*** |
CN114943884A (zh) * | 2022-06-10 | 2022-08-26 | 慧之安信息技术股份有限公司 | 基于深度学习的设备保护方法 |
CN114943884B (zh) * | 2022-06-10 | 2022-11-18 | 慧之安信息技术股份有限公司 | 基于深度学习的设备保护方法 |
CN115797439A (zh) * | 2022-11-11 | 2023-03-14 | 中国消防救援学院 | 基于双目视觉的火焰空间定位***及方法 |
CN116665034A (zh) * | 2022-11-11 | 2023-08-29 | 中国消防救援学院 | 一种基于边缘特征的立体匹配及火焰空间定位方法 |
CN116665034B (zh) * | 2022-11-11 | 2023-10-31 | 中国消防救援学院 | 一种基于边缘特征的立体匹配及火焰空间定位方法 |
CN117726948A (zh) * | 2024-02-07 | 2024-03-19 | 成都白泽智汇科技有限公司 | 一种基于神经网络模型的双目图像处理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109903507A (zh) | 一种基于深度学习的火灾智能监控***及其方法 | |
CN110569772B (zh) | 一种泳池内人员状态检测方法 | |
CN109117749A (zh) | 一种基于无人机巡检影像的异常目标监管方法及*** | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN111679695B (zh) | 一种基于深度学习技术的无人机巡航及追踪***和方法 | |
CN103413395B (zh) | 烟气智能检测预警方法及装置 | |
CN107589758A (zh) | 一种基于双源视频分析的智能化野外无人机搜救方法与*** | |
CN109358612A (zh) | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 | |
CN111339905B (zh) | 基于深度学习及多视角的cim井盖状态视觉检测*** | |
CN107392965A (zh) | 一种基于深度学习和双目立体视觉相结合的测距方法 | |
CN101167086A (zh) | 用于安全应用的人体检测和跟踪 | |
CN109784278A (zh) | 基于深度学习的海上弱小运动船舶实时检测方法 | |
CN106846375A (zh) | 一种应用于自主灭火机器人的火焰检测方法 | |
KR20180133745A (ko) | 라이다 센서 및 팬틸트줌 카메라를 활용한 비행체 식별 시스템 및 그 제어 방법 | |
CN109342423A (zh) | 一种基于机器视觉管道测绘的城市排水管道验收方法 | |
CN111539325A (zh) | 基于深度学习的森林火灾探测方法 | |
EP3239926A1 (en) | Position measuring equipment | |
CN114202646A (zh) | 一种基于深度学习的红外图像吸烟检测方法与*** | |
CN111539264A (zh) | 一种船舶火焰探测定位***与探测定位方法 | |
CN109741565A (zh) | 煤矿火灾识别***及方法 | |
CN113713292A (zh) | 一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置 | |
CN115880231A (zh) | 一种基于深度学习的输电线路隐患检测方法和*** | |
CN112016492A (zh) | 基于视觉的教学注意力监测***及方法 | |
CN110298864A (zh) | 一种高尔夫推杆设备的视觉感测方法及装置 | |
US20210201542A1 (en) | Building maintaining method and system |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |