CN111476142A - 一种视频图像检测方法和装置 - Google Patents

一种视频图像检测方法和装置 Download PDF

Info

Publication number
CN111476142A
CN111476142A CN202010256199.XA CN202010256199A CN111476142A CN 111476142 A CN111476142 A CN 111476142A CN 202010256199 A CN202010256199 A CN 202010256199A CN 111476142 A CN111476142 A CN 111476142A
Authority
CN
China
Prior art keywords
video image
fire
image detection
target area
suspicious
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
CN202010256199.XA
Other languages
English (en)
Inventor
宋佳城
万跃敏
江伟
徐淑
邹浩
赵书志
余燚斌
张瑞
李燕敏
朱雪莹
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.)
Shenzhen Institute Of Beidou Applied Technology
Tanda Technology Co ltd
Original Assignee
Shenzhen Institute Of Beidou Applied Technology
Tanda 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 Shenzhen Institute Of Beidou Applied Technology, Tanda Technology Co ltd filed Critical Shenzhen Institute Of Beidou Applied Technology
Priority to CN202010256199.XA priority Critical patent/CN111476142A/zh
Publication of CN111476142A publication Critical patent/CN111476142A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • 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
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Fire-Detection Mechanisms (AREA)

Abstract

本发明实施例提供了一种视频图像检测方法和***，其中一种视频图像检测方法包括：采集目标区域的视频图像；将所述视频图像划分为至少一个搜索块；根据预设多维特征寻找所述搜索块内的可疑块；对所述可疑块进行特征提取，得到视频图像检测数据。通过结合复杂环境下的多维特征及分块的视频图像，根据火焰时空的综合特征搜寻可疑块，可以提高复杂背景下火焰前景提取的准确性，同时克服环境因素带来的干扰。

Description

一种视频图像检测方法和装置
技术领域
本发明涉及图像技术领域，特别是涉及一种视频图像检测方法和一种视频图像检测装置。
背景技术
火灾监控和预警装置***在许多领域，包括大型建筑物防火，森林防火，自然环境监测中，起着非常重要的作用。传统的火灾监测技术和装置包括粒子型烟雾传感器、红外线和激光技术等。粒子型烟雾传感器需要烟雾颗粒进入传感器才能引起报警，红外线和激光技术也需要烟雾遮挡才能引发报警，另外，对大型空间的建筑物和室外环境，需要布局大量的传感器设备才能达到较高的监控覆盖率和监测精度，造成成本上升。
近年来随着视频监控***和计算机视觉识别技术的发展和提高，基于视频图像分析的火灾检测***正有取代传统装置的趋势，尤其在大型建筑物防火和室外环境监测中。在基于视频图像的火灾检测***的现有技术中，许多方法被提出和采用。
现有的视频图像检测方法架构复杂且误判率较高，在复杂背景下火焰前景提取不准确，算法质量低。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种视频图像检测方法和相应的一种视频图像检测装置。
为了解决上述问题，本发明实施例公开了一种视频图像检测方法，包括：
采集目标区域的视频图像；
将所述视频图像划分为至少一个搜索块；
根据预设多维特征寻找所述搜索块内的可疑块；
对所述可疑块进行特征提取，得到视频图像检测数据。
进一步地，所述根据预设多维特征寻找所述搜索块内的可疑块的步骤之前，包括：
在不同空间对火焰颜色进行分析，寻找出火焰像素值在空间的分布规律；
基于所述分布规律建立颜色模型，得到所述多维特征。
进一步地，所述对所述可疑块进行特征提取，得到视频图像检测数据的步骤之后，包括：
将所述图像检测数据与预设阈值比对，得到所述目标区域的消防安全检测结果。
进一步地，所述将所述图像检测数据与预设阈值比对，得到所述目标区域的消防安全检测结果的步骤之后，包括：
根据所述目标区域的消防安全检测结果，判断所述目标区域是否发生火灾；
若发生火灾，则联动消防报警***，并做出应急预案。
本发明实施例公开了一种视频图像检测装置，包括：
图像获取模块，用于采集目标区域的视频图像；
区域划分模块，用于将所述视频图像划分为至少一个搜索块；
可疑检测模块，用于根据预设多维特征寻找所述搜索块内的可疑块；
特征提取模块，用于对所述可疑块进行特征提取，得到视频图像检测数据。
进一步地，还包括：
多维度分析模块，用于在不同空间对火焰颜色进行分析，寻找出火焰像素值在空间的分布规律；
模型建立模块，用于基于所述分布规律建立颜色模型，得到所述多维特征。
进一步地，还包括：
数据分析模块，用于将所述图像检测数据与预设阈值比对，得到所述目标区域的消防安全检测结果。
进一步地，还包括：
火灾检测模块，用于根据所述目标区域的消防安全检测结果，判断所述目标区域是否发生火灾；
消防联动模块，用于若发生火灾，则联动消防报警***，并做出应急预案。
本发明实施例公开了一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述的视频图像检测方法的步骤。
本发明实施例公开了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上述的视频图像检测方法的步骤
本发明实施例包括以下优点：通过结合复杂环境下的多维特征及分块的视频图像，根据火焰时空的综合特征搜寻可疑块，可以提高复杂背景下火焰前景提取的准确性，同时克服环境因素带来的干扰。
附图说明
图1是本发明的一种视频图像检测方法实施例的步骤流程图；
图2是本发明的一种视频图像检测方法实施例的步骤流程图；
图3是本发明的一种视频图像检测装置实施例的结构框图；
图4是本发明的一种视频图像检测装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例的核心构思之一在于，提供了一种视频图像检测方法和***，其中一种视频图像检测方法包括：采集目标区域的视频图像；将视频图像划分为至少一个搜索块；根据预设多维特征寻找搜索块内的可疑块；对可疑块进行特征提取，得到视频图像检测数据。通过结合复杂环境下的多维特征及分块的视频图像，根据火焰时空的综合特征搜寻可疑块，可以提高复杂背景下火焰前景提取的准确性，同时克服环境因素带来的干扰。
参照图1-2，示出了本发明的一种视频图像检测方法实施例的步骤流程图，具体可以包括如下步骤：
S100，采集目标区域的视频图像；
S200，将视频图像划分为至少一个搜索块；
S300，根据预设多维特征寻找搜索块内的可疑块；
S400，对可疑块进行特征提取，得到视频图像检测数据。
参照上述步骤S100所述，采集目标区域的视频图像。通过图像采集装置进行目标区域的视频图像采集。
参照上述步骤S200所述，将视频图像划分为至少一个搜索块。引入分块的思想，根据火焰失控综合特征使用搜索块寻找可疑区块，避免在复杂背景下火焰前景提取不准确造成的算法质量降低的情况。
参照上述步骤S300所述，根据预设多维特征寻找搜索块内的可疑块，对火焰特征提取进行研究，设计了复杂环境下基于搜索块的火焰颜色显著性、空间和帧间梯度、闪烁、累计差分及质心运动方向等多维特征，用于火焰的表征和识别。
参照上述步骤S400所述，对可疑块进行特征提取，得到视频图像检测数据。分析火焰的动、静态特性，基于搜索块提取多维度的火焰特征，提高火焰检测的准确率。在分类检测过程中，对可疑区块进行特征提取，避免在复杂背景下火焰前景提取不准确造成的算法质量降低的情况。
通过智能识别技术，由图像序列直接探测火灾信息，利用数字图像处理技术提取火灾图像深层次特征信息，根据特征判断火灾是否发生；在发生火灾之后将自动进行报警、扑救等联动处理。
消防远程监控平台除了采集火灾报警数据、远程报警数据，还能与物业单位现有的视频监控***进行联网及控制，对消防重点部位进行重点关注，如：消防控制室、安全通道、重要出入口、消防危险源及消防取水点等进行视频监控并对运动目标进行检测。平台接入的数据繁多，通过统一数据接入解决方案。统一视频数据接入解决方案是一种分布式ETL解决方案，利用Hadoop技术对数据进行处理，能够有效的处理非结构化和半结构化的数据，灵活对海量视频数据进行处理。
针对目前颜色模型一般为某个颜色区间，无法精确表征火焰颜色特征的问题，在不同空间对火焰颜色进行分析，寻找火焰像素值在空间的分布规律，据此建立更精确的颜色模型；针对复杂场景下干扰物较多，可能存在的遮挡等火焰区域不完整的问题，研究适当的前景提取算法，充分利用火焰的静态和动态特征，克服环境带来的干扰；综合火焰的颜色及运动特性，引入分块的思想，根据火焰失控综合特征使用搜索块寻找可疑区块，在分类检测过程中，对可疑区块进行特征提取，避免在复杂背景下火焰前景提取不准确造成的算法质量降低的情况；分析火焰的动、静态特性，基于搜索块提取多维度的火焰特征，提高火焰检测的准确率。本申请通过智能识别技术由图像序列直接探测火灾信息，利用数字图像处理技术提取火灾图像深层次特征信息，根据特征判断火灾是否发生，或发生火灾将自动进行报警、扑救等联动处理。
在本实施例中，根据预设多维特征寻找搜索块内的可疑块的步骤S300之前，包括：
S500，在不同空间对火焰颜色进行分析，寻找出火焰像素值在空间的分布规律；
S600，基于分布规律建立颜色模型，得到多维特征。
参照上述步骤所述对火焰特征提取进行研究，设计了复杂环境下基于搜索块的火焰颜色显著性、空间和帧间梯度、闪烁、累计差分及质心运动方向等多维特征，用于火焰的表征和识别。
在本实施例中，对可疑块进行特征提取，得到视频图像检测数据的步骤S400之后，包括：
将图像检测数据与预设阈值比对，得到目标区域的消防安全检测结果。
在本实施例中，将图像检测数据与预设阈值比对，得到目标区域的消防安全检测结果的步骤之后，包括：
根据目标区域的消防安全检测结果，判断目标区域是否发生火灾；
若发生火灾，则联动消防报警***，并做出应急预案。
参照上述步骤所述，基于搜索块提取多维度的火焰特征，提高火焰检测的准确率。本申请通过智能识别技术由图像序列直接探测火灾信息，利用数字图像处理技术提取火灾图像深层次特征信息，根据特征判断火灾是否发生，或发生火灾将自动进行报警、扑救等联动处理。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图3-4，示出了本发明的一种视频图像检测装置实施例的结构框图，具体可以包括如下模块：
图像获取模块100，用于采集目标区域的视频图像；
区域划分模块200，用于将视频图像划分为至少一个搜索块；
可疑检测模块300，用于根据预设多维特征寻找搜索块内的可疑块；
特征提取模块400，用于对可疑块进行特征提取，得到视频图像检测数据。
在本实施例中，还包括：
多维度分析模块500，用于在不同空间对火焰颜色进行分析，寻找出火焰像素值在空间的分布规律；
模型建立模块600，用于基于分布规律建立颜色模型，得到多维特征。
在本实施例中，还包括：
数据分析模块，用于将图像检测数据与预设阈值比对，得到目标区域的消防安全检测结果。
在本实施例中，还包括：
数据分析模块，用于根据目标区域的消防安全检测结果，判断目标区域是否发生火灾；
消防联动模块，用于若发生火灾，则联动消防报警***，并做出应急预案。
本申请提供的一种视频图像检测装置，基于搜索块提取多维度的火焰特征，提高火焰检测的准确率。本申请通过智能识别技术由图像序列直接探测火灾信息，利用数字图像处理技术提取火灾图像深层次特征信息，根据特征判断火灾是否发生，或发生火灾将自动进行报警、扑救等联动处理。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例公开了一种电子设备，包括处理器、存储器及存储在存储器上并能够在处理器上运行的计算机程序，计算机程序被处理器执行时实现如上述的视频图像检测方法的步骤。
本发明实施例公开了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现如上述的视频图像检测方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种视频图像检测方法和一种视频图像检测装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种视频图像检测方法，其特征在于，包括：
采集目标区域的视频图像；
将所述视频图像划分为至少一个搜索块；
根据预设多维特征寻找所述搜索块内的可疑块；
对所述可疑块进行特征提取，得到视频图像检测数据。
2.根据权利要求1所述的方法，其特征在于，所述根据预设多维特征寻找所述搜索块内的可疑块的步骤之前，包括：
在不同空间对火焰颜色进行分析，寻找出火焰像素值在空间的分布规律；
基于所述分布规律建立颜色模型，得到所述多维特征。
3.根据权利要求1所述的方法，其特征在于，所述对所述可疑块进行特征提取，得到视频图像检测数据的步骤之后，包括：
将所述图像检测数据与预设阈值比对，得到所述目标区域的消防安全检测结果。
4.根据权利要求3所述的方法，其特征在于，所述将所述图像检测数据与预设阈值比对，得到所述目标区域的消防安全检测结果的步骤之后，包括：
根据所述目标区域的消防安全检测结果，判断所述目标区域是否发生火灾；
若发生火灾，则联动消防报警***，并做出应急预案。
5.一种视频图像检测装置，其特征在于，包括：
图像获取模块，用于采集目标区域的视频图像；
区域划分模块，用于将所述视频图像划分为至少一个搜索块；
可疑检测模块，用于根据预设多维特征寻找所述搜索块内的可疑块；
特征提取模块，用于对所述可疑块进行特征提取，得到视频图像检测数据。
6.根据权利要求5所述的装置，其特征在于，还包括：
多维度分析模块，用于在不同空间对火焰颜色进行分析，寻找出火焰像素值在空间的分布规律；
模型建立模块，用于基于所述分布规律建立颜色模型，得到所述多维特征。
7.根据权利要求5所述的装置，其特征在于，还包括：
数据分析模块，用于将所述图像检测数据与预设阈值比对，得到所述目标区域的消防安全检测结果。
8.根据权利要求7所述的装置，其特征在于，还包括：
火灾检测模块，用于根据所述目标区域的消防安全检测结果，判断所述目标区域是否发生火灾；
消防联动模块，用于若发生火灾，则联动消防报警***，并做出应急预案。
9.电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的视频图像检测方法的步骤。
10.计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的视频图像检测方法的步骤。
CN202010256199.XA 2020-04-02 2020-04-02 一种视频图像检测方法和装置 Pending CN111476142A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010256199.XA CN111476142A (zh) 2020-04-02 2020-04-02 一种视频图像检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010256199.XA CN111476142A (zh) 2020-04-02 2020-04-02 一种视频图像检测方法和装置

Publications (1)

Publication Number Publication Date
CN111476142A true CN111476142A (zh) 2020-07-31

Family

ID=71749639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010256199.XA Pending CN111476142A (zh) 2020-04-02 2020-04-02 一种视频图像检测方法和装置

Country Status (1)

Country Link
CN (1) CN111476142A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113209613A (zh) * 2021-05-19 2021-08-06 网易（杭州）网络有限公司 一种火焰图的分析方法、装置、电子设备和介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060215904A1 (en) * 2005-03-24 2006-09-28 Honeywell International Inc. Video based fire detection system
CN103020588A (zh) * 2012-11-15 2013-04-03 镇江石鼓文智能化***开发有限公司 基于视频图像分析的火焰检测方法
CN104091354A (zh) * 2014-07-30 2014-10-08 北京华戎京盾科技有限公司 一种基于视频图像的火灾检测方法及其火灾检测装置
CN105574468A (zh) * 2014-10-08 2016-05-11 深圳中兴力维技术有限公司 视频火焰检测方法、装置及***
CN110874592A (zh) * 2019-10-21 2020-03-10 南京信息职业技术学院 一种基于总有界变分的森林火灾烟雾图像检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060215904A1 (en) * 2005-03-24 2006-09-28 Honeywell International Inc. Video based fire detection system
CN103020588A (zh) * 2012-11-15 2013-04-03 镇江石鼓文智能化***开发有限公司 基于视频图像分析的火焰检测方法
CN104091354A (zh) * 2014-07-30 2014-10-08 北京华戎京盾科技有限公司 一种基于视频图像的火灾检测方法及其火灾检测装置
CN105574468A (zh) * 2014-10-08 2016-05-11 深圳中兴力维技术有限公司 视频火焰检测方法、装置及***
CN110874592A (zh) * 2019-10-21 2020-03-10 南京信息职业技术学院 一种基于总有界变分的森林火灾烟雾图像检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张慧珍等: "基于超像素分割与闪频特征判别的视频火焰检测", 《数据采集与处理》, vol. 33, no. 3, 31 May 2018 (2018-05-31), pages 512 - 520 *
李宏，***著: "《舰载飞机飞行试验测试工程》", 北京邮电大学出版社, pages: 114 - 115 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113209613A (zh) * 2021-05-19 2021-08-06 网易（杭州）网络有限公司 一种火焰图的分析方法、装置、电子设备和介质
CN113209613B (zh) * 2021-05-19 2024-05-28 网易（杭州）网络有限公司 一种火焰图的分析方法、装置、电子设备和介质

Similar Documents

Publication Publication Date Title
Qureshi et al. QuickBlaze: early fire detection using a combined video processing approach
RU2380758C2 (ru) Cпособ и устройство для обнаружения дыма
CN104680555B (zh) 基于视频监控的越界检测方法及越界监控***
US7859419B2 (en) Smoke detecting method and device
CN109766779B (zh) 徘徊人员识别方法及相关产品
KR101822924B1 (ko) 영상기반 화재 감지 시스템, 방법 및 프로그램
CN102521578B (zh) 一种入侵检测和识别方法
KR102195706B1 (ko) 침입 탐지방법 및 그 장치
CN111126293A (zh) 一种火焰和烟雾异常情况检测方法及***
EP2000952B1 (en) Smoke detecting method and device
CN113963301A (zh) 一种时空特征融合的视频火灾烟雾探测方法及***
US20140040173A1 (en) System and method for detection of a characteristic in samples of a sample set
CN112270253A (zh) 一种高空抛物的检测方法及装置
JP2010015469A (ja) 静止領域検出方法とその装置、プログラム及び記録媒体
CN115937746A (zh) 一种烟火事件监测方法、装置及存储介质
CN107704818A (zh) 一种基于视频图像的火灾检测***
CN111476142A (zh) 一种视频图像检测方法和装置
CN111753587A (zh) 一种倒地检测方法及装置
JP2007018324A (ja) 画像処理による侵入物体検出装置および方法およびプログラム
CN106803937B (zh) 一种具有文本日志的双摄像头视频监控方法、***和监控装置
CN107273781A (zh) 一种基于图像分析的人体行为识别算法
CN111191575B (zh) 一种基于火苗跳动建模的明火检测方法及***
Frejlichowski et al. Extraction of the foreground regions by means of the adaptive background modelling based on various colour components for a visual surveillance system
WO2020139071A1 (en) System and method for detecting aggressive behaviour activity
Machado People Counting System Using Existing Surveillance Video Camera

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