CN110096942A - 一种基于视频分析的烟雾检测算法 - Google Patents

一种基于视频分析的烟雾检测算法 Download PDF

Info

Publication number
CN110096942A
CN110096942A CN201811591402.8A CN201811591402A CN110096942A CN 110096942 A CN110096942 A CN 110096942A CN 201811591402 A CN201811591402 A CN 201811591402A CN 110096942 A CN110096942 A CN 110096942A
Authority
CN
China
Prior art keywords
cigarette district
area
smog
doubtful
formula
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
Application number
CN201811591402.8A
Other languages
English (en)
Inventor
武传营
李凡平
石柱国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Isa Data Technology Co Ltd
Beijing Yisa Technology Co Ltd
Qingdao Yisa Data Technology Co Ltd
Original Assignee
Qingdao Isa Data Technology Co Ltd
Beijing Yisa Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Isa Data Technology Co Ltd, Beijing Yisa Technology Co Ltd filed Critical Qingdao Isa Data Technology Co Ltd
Priority to CN201811591402.8A priority Critical patent/CN110096942A/zh
Publication of CN110096942A publication Critical patent/CN110096942A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Fire-Detection Mechanisms (AREA)

Abstract

本发明涉及一种基于视频分析的烟雾检测算法，训练集的制作，首先从现有森林烟雾视频中获取包含烟雾的图片，手动标注包含烟雾区域，制作label图像，全卷机网络模型的训练，使用训练好的网络模型，获取单帧图像中的疑似烟区，疑似烟区面积动态增长分析，计算连续视频序列对应疑似烟区面积和的公式，计算疑似烟区面积的相对增长的公式。本发明实现了基于旋转镜头森林烟雾检测，对于森林火灾进行报警，达到对森林火灾进行早期预测的效果，减少因火灾造成的经济损失，带来更好的前景。

Description

一种基于视频分析的烟雾检测算法
技术领域
本发明属于深度学习与人工智能领域，特别是指一种图像识别算法，用于森林火灾预警。
背景技术
火灾的起因和发生场所具有多样性，对火灾预警及扑救工作造成了阻碍。多年来，国内外均致力于火灾防治研究，进行了各种尝试。现阶段的各类火灾探测器主要有热感应式探测器、光感应式探测器以及烟感应式探测器。这些传统的探测器价格便宜、准确度高，但普遍存在一些难以解决的缺陷。例如由于烟雾传播和温度上升等现象的发生均需要相对较长的时间，使得传统传感器不可避免地会产生响应延迟,此外，传统传感器需要安装在起火点附近、长期接触大量粉尘等因素，使得传统传感器极易故障或失效，并且尤其不适用于高大空间或室外场景这些高火灾隐患场所的火灾检测。基于视频分析的烟雾检测技术是一种基于机器视觉、非接触的火灾探测技术，尤其适合解决大空间、室外等场所的火灾探测难题。这类方法具有响应快、不易受环境因素影响、适用面广、成本低等优势。
发明内容
鉴于上述研究背景，本发明的目的在于：提供一种基于FCN的烟雾疑似区域的提取算法，避免了传统算法因监控探头抖动或者旋转，不能完整的提取出烟雾疑似区域，提高监控探头的使用率。具体步骤如下：
步骤1：训练集的制作，首先从现有森林烟雾视频中获取包含烟雾的图片，手动标注包含烟雾区域，制作label图像。
步骤2:全卷机网络模型的训练
步骤3：使用训练好的网络模型，获取单帧图像中的疑似烟区。
步骤4：疑似烟区面积动态增长分析
使用烟区的动态增长，去除干扰区域。在火灾的早期，由于火灾产生的热量及本身的扩散运动，使得烟区面积随着时间的推移变大。而常见的干扰物(如穿灰色衣服的行人、灰色的汽车等)的轮廓是固定的，所以本文将疑似烟区的面积增长作为判别烟雾的标准。由于烟雾运动比较缓慢，使得相邻两帧对应烟雾区域的面积相差无几，受天气或***误差的影响，烟区面积可能会出现负增长。本文针对上面所提及的问题，提出了疑似烟区面积动态增长分析的方法。
计算连续视频序列对应疑似烟区面积和的公式为
式中：At是t时刻前n帧对应烟雾区域面积之和；Ark是第k帧烟雾区域的面积。
计算疑似烟区面积的相对增长的公式为
|At+1-At|>Th6 (2)
由式(2)即可衡量烟雾的扩散度。
与现有技术相比，本发明具有如下有益效果：
本发明中，基于视频分析的烟雾检测技术是一种基于机器视觉、非接触的火灾探测技术，尤其适合解决大空间、室外等场所的火灾探测难题，这类方法具有响应快、不易受环境因素影响、适用面广、成本低等优势，带来更好的使用前景。
附图说明
图1为本发明的烟区面积动态增长分析图。
图2为本发明的场景应用图。
具体实施方式
下面结合附图对本发明作进一步描述,以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
实施例1
包括以下步骤：
步骤S1，标记样本的制作，将训练样本中烟区进行手工标记，生成其对应的label图。
步骤S2，训练全卷积网络，得到疑似烟区。
步骤S3，对疑似烟区进行面积动态增长分析。
本模型在不同的测试集中进行检测，结果(说明书附图)，表明本模型能够适应于多个不同的场景。
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 (1)

1.一种基于视频分析的烟雾检测算法，其特征在于该方法包含如下步骤：
步骤1：训练集的制作，首先从现有森林烟雾视频中获取包含烟雾的图片，手动标注包含烟雾区域，制作label图像；
步骤2:全卷机网络模型的训练；
步骤3：使用训练好的网络模型，获取单帧图像中的疑似烟区；
步骤4：疑似烟区面积动态增长分析，
在火灾的早期，由于火灾产生的热量及本身的扩散运动，使得烟区面积随着时间的推移变大。而常见的干扰物(如穿灰色衣服的行人、灰色的汽车等)的轮廓是固定的，所以本文将疑似烟区的面积增长作为判别烟雾的标准。由于烟雾运动比较缓慢，使得相邻两帧对应烟雾区域的面积相差无几，受天气或***误差的影响，烟区面积可能会出现负增长，本文针对上面所提及的问题，提出了疑似烟区面积动态增长分析的方法，
计算连续视频序列对应疑似烟区面积和的公式为
式中：At是t时刻前n帧对应烟雾区域面积之和；Ark是第k帧烟雾区域的面积，
计算疑似烟区面积的相对增长的公式为
|At+1-At|＞Th6 (2)
由式(2)即可衡量烟雾的扩散度。
CN201811591402.8A 2018-12-20 2018-12-20 一种基于视频分析的烟雾检测算法 Pending CN110096942A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811591402.8A CN110096942A (zh) 2018-12-20 2018-12-20 一种基于视频分析的烟雾检测算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811591402.8A CN110096942A (zh) 2018-12-20 2018-12-20 一种基于视频分析的烟雾检测算法

Publications (1)

Publication Number Publication Date
CN110096942A true CN110096942A (zh) 2019-08-06

Family

ID=67443718

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811591402.8A Pending CN110096942A (zh) 2018-12-20 2018-12-20 一种基于视频分析的烟雾检测算法

Country Status (1)

Country Link
CN (1) CN110096942A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126478A (zh) * 2019-12-19 2020-05-08 北京迈格威科技有限公司 卷积神经网络训练方法、装置和电子***
CN112257523A (zh) * 2020-10-09 2021-01-22 营口新山鹰报警设备有限公司 一种图像型火灾探测器的烟雾识别方法及识别***
CN113378629A (zh) * 2021-04-27 2021-09-10 阿里云计算有限公司 一种排烟异常车辆的检测方法、装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011032117A1 (en) * 2009-09-13 2011-03-17 Delacom Detection Systems, Llc Method and system for wildfire detection using a visible range camera
CN104794486A (zh) * 2015-04-10 2015-07-22 电子科技大学 基于多特征融合的视频烟雾检测方法
CN107025443A (zh) * 2017-04-06 2017-08-08 江南大学 基于深度卷积神经网络的堆场烟雾监测及在线模型更新方法
CN107609470A (zh) * 2017-07-31 2018-01-19 成都信息工程大学 野外火灾早期烟雾视频检测的方法
CN107749067A (zh) * 2017-09-13 2018-03-02 华侨大学 基于运动特性和卷积神经网络的火灾烟雾检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011032117A1 (en) * 2009-09-13 2011-03-17 Delacom Detection Systems, Llc Method and system for wildfire detection using a visible range camera
CN104794486A (zh) * 2015-04-10 2015-07-22 电子科技大学 基于多特征融合的视频烟雾检测方法
CN107025443A (zh) * 2017-04-06 2017-08-08 江南大学 基于深度卷积神经网络的堆场烟雾监测及在线模型更新方法
CN107609470A (zh) * 2017-07-31 2018-01-19 成都信息工程大学 野外火灾早期烟雾视频检测的方法
CN107749067A (zh) * 2017-09-13 2018-03-02 华侨大学 基于运动特性和卷积神经网络的火灾烟雾检测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
FEINIU YUAN 等: "Deep Smoke Segmentation", 《ARXIV》 *
THOU-HO (CHAO-HO) CHEN 等: "An Early Fire-Detection Method Based on Image Processing", 《ICIP 2004》 *
史劲亭 等: "视频烟雾检测研究进展", 《中国图象图形学报》 *
吴冬梅 等: "基于多特征融合的烟雾检测", 《图学学报》 *
杨冰 等: "基于监控平台的火灾烟雾监测***设计", 《中国优秀硕士学位论文全文数据库（电子期刊） 信息科技辑》 *
王娜娜: "基于视频的火灾烟雾检测算法研究", 《中国优秀硕士学位论文全文数据库（电子期刊） 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126478A (zh) * 2019-12-19 2020-05-08 北京迈格威科技有限公司 卷积神经网络训练方法、装置和电子***
CN111126478B (zh) * 2019-12-19 2023-07-07 北京迈格威科技有限公司 卷积神经网络训练方法、装置和电子***
CN112257523A (zh) * 2020-10-09 2021-01-22 营口新山鹰报警设备有限公司 一种图像型火灾探测器的烟雾识别方法及识别***
CN113378629A (zh) * 2021-04-27 2021-09-10 阿里云计算有限公司 一种排烟异常车辆的检测方法、装置

Similar Documents

Publication Publication Date Title
Gong et al. A Real‐Time Fire Detection Method from Video with Multifeature Fusion
CN108734125B (zh) 一种开放空间的吸烟行为识别方法
CN110096942A (zh) 一种基于视频分析的烟雾检测算法
CN101738394B (zh) 室内烟雾检测方法及***
CN106097346B (zh) 一种自学习的视频火灾探测方法
CN102867386B (zh) 一种基于智能视频分析的森林烟火探测方法及其专用装置
CN111626188B (zh) 一种室内不可控明火监测方法及***
CN102673979B (zh) 输送带跑偏判断方法及判断装置
CN101373553B (zh) 一种在动态场景中能免疫误报的早期烟雾视频检测方法
CN103150549A (zh) 一种基于烟雾早期运动特征的公路隧道火灾检测方法
CN105424655A (zh) 一种基于视频图像的能见度检测方法
CN109598700A (zh) 采用卷积神经网络的早期火灾检测方法
CN105574468B (zh) 视频火焰检测方法、装置及***
WO2006115676A3 (en) Video ghost detection by outline
CN104715559B (zh) 一种基于轨迹辨识的烟雾检测及火灾预警方法
CN104811586A (zh) 场景变换视频智能分析方法、装置、网络摄像机及监控***
CN108280953A (zh) 视频侦测报警方法及装置、存储介质、摄像头
CN107093179A (zh) 针对广域空间的双波段火灾搜索定位方法
CN108363992B (zh) 一种基于机器学习监测视频图像烟雾的火情预警方法
CN103152558B (zh) 基于场景识别的入侵检测方法
CN112906674A (zh) 一种基于双目视觉的矿井火灾识别与火源定位方法
CN114120171A (zh) 基于视频帧的火灾烟雾检测方法、装置、设备及存储介质
CN108830161A (zh) 基于视频流数据的烟雾识别方法
CN102609685B (zh) 一种图像型火灾探测器的遮挡判别方法
CN101916380B (zh) 基于视频的烟检测装置和方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190806

RJ01 Rejection of invention patent application after publication