CN115223105B - 基于大数据的风险信息监控分析方法及*** - Google Patents
基于大数据的风险信息监控分析方法及*** Download PDFInfo
- Publication number
- CN115223105B CN115223105B CN202211140046.4A CN202211140046A CN115223105B CN 115223105 B CN115223105 B CN 115223105B CN 202211140046 A CN202211140046 A CN 202211140046A CN 115223105 B CN115223105 B CN 115223105B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- suspected smoke
- area
- dust
- obtaining
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000000779 smoke Substances 0.000 claims abstract description 142
- 239000000428 dust Substances 0.000 claims abstract description 105
- 238000010276 construction Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 73
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 8
- 238000013523 data management Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000010410 dusting Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- 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
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Emergency Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及数据监控管理技术领域,具体涉及一种基于大数据的风险信息监控分析方法及***。该方法对数据库中的监控视频进行调用,识别出监控视频中每帧监控图像的疑似烟雾区域、疑似烟雾区域位置和作业设备位置。通过相邻帧监控图像之间疑似烟雾区域的运动特征和面积扩散特征获得第一扬尘可能性。通过疑似烟雾区域与作业设备之间位置的分布关系获得第二扬尘可能性。结合第一扬尘可能性和第二扬尘可能性判断疑似烟雾区域是否为扬尘。本发明实现了在建筑工地中对烟雾与扬尘的区分,对于产生的火灾风险能够及时监控及预警管理。
Description
技术领域
本发明涉及数据监控管理技术领域,具体涉及一种基于大数据的风险信息监控分析方法及***。
背景技术
对于建筑工地的风险信息监控中,火灾风险为重要的监控目标之一。对于火灾风险而言,其发生的位置不确定,如果使用传感器感应火灾风险,则在建筑工地中需要部署大量的传感器,产生大量的成本,因此对火灾风险信息的监控管理手段中通常使用监控视频进行风险信息识别,减少风险数据的获取代价。
在现有技术中,通过明火识别判断当前是否发生火灾,没有考虑到明火受到遮挡的情况,导致火灾风险监控不准确。若通过烟雾识别判断是否发生火灾,则没有考虑到建筑工地扬尘的影响,导致把扬尘错误识别成烟雾,进行错误的风险信息判断。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于大数据的风险信息监控分析方法及***,所采用的技术方案具体如下:
本发明提出了一种基于大数据的风险信息监控分析方法,所述方法包括:
提取数据库中建筑工地的监控视频,获取所述监控视频中每帧监控图像的疑似烟雾区域、疑似烟雾区域位置和作业设备位置;
根据相邻帧监控图像之间所述疑似烟雾区域位置的差异,获得疑似烟雾运动向量;获得相邻帧监控图像之间的图像整体运动向量;获取所述疑似烟雾运动向量与所述图像整体运动向量的运动差异,获取相邻帧监控图像之间所述疑似烟雾区域之间的面积差异,根据所述运动差异和所述面积差异获得第一扬尘可能性;
获取所述疑似烟雾区域位置和所述作业设备位置之间的第一距离;获取相邻帧监控图像之间所述作业设备位置的第二距离;根据所述第一距离和所述第二距离获得第二扬尘可能性;
将所述第一扬尘可能性和所述第二扬尘可能性加权求和,获得扬尘可能性;根据扬尘可能性判断当前所述疑似烟雾区域是否为扬尘,若不为扬尘,则判断为烟雾区域,反馈预警信号。
进一步地,所述疑似烟雾区域的获取方法包括:
利用暗通道先验去雾算法处理所述监控图像,识别出所述疑似烟雾区域,根据所述疑似烟雾区域在所述监控图像中的位置,获得所述疑似烟雾区域位置。
进一步地,所述作业设备位置的获取方法包括:
通过作业设备上部署的传感器获得作业设备的真实位置信息,将真实位置信息标定至所述监控图像中,获得所述作业设备位置。
进一步地,所述根据相邻帧监控图像之间所述疑似烟雾区域位置的差异,获得疑似烟雾运动向量包括:
获取目标帧监控图像中的第一疑似烟雾区域边缘,获取所述目标帧监控图像的前一帧监控图像中的第二疑似烟雾区域边缘;
获取所述第二疑似烟雾区域边缘上每个像素点与所述第一疑似烟雾区域边缘的最小距离;以所述第二疑似烟雾区域边缘上每个像素点作为向量起点;以所述向量起点在所述第一疑似烟雾区域中对应所述最小距离的像素点作为向量终点;每组对应的所述向量起点和所述向量终点构成一个运动向量;选择模长最大的预设数量个所述运动向量作为参考运动向量,以所述参考运动向量的平均向量作为所述疑似烟雾运动向量。
进一步地,所述获得相邻帧监控图像之间的图像整体运动向量包括:
通过光流法获得相邻帧监控图像之间的所述图像整体运动向量。
进一步地,所述获取所述疑似烟雾运动向量与所述图像整体运动向量的运动差异包括:
以所述疑似烟雾运动向量与所述图像整体运动向量的夹角作为所述运动差异。
进一步地,所述根据所述运动差异和所述面积差异获得第一扬尘可能性包括:
获取所述面积差异与所述监控图像采样频率的比值,以所述比值与所述运动差异倒数的乘积作为所述第一扬尘可能性。
进一步地,所述根据所述第一距离和所述第二距离获得第二扬尘可能性包括:
根据第二扬尘可能性公式获得所述第二扬尘可能性,所述第二扬尘可能性公式包括:
其中,为所述第二扬尘可能性,为t时刻所述监控图像中作业设备的数量,为t时刻所述监控图像中第个作业设备的所述作业设备位置,时刻所述监控图像中第个作业设备的所述作业设备位置,为与之间的距离,为t时刻所述监控图像中的所述疑似烟雾区域位置,为t时刻所述监控图像中距离所述疑似烟雾区域位置最近的作业设备位置,为与之间的距离,为第一拟合系数。
进一步地,所述根据扬尘可能性判断当前所述疑似烟雾区域是否为扬尘包括:
若所述扬尘可能性大于预设可能性阈值,则认为当前时刻的监控图像中的所述疑似烟雾区域为扬尘。
本发明还提出了一种基于大数据的风险信息监控分析***,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种基于大数据的风险信息监控分析方法的步骤。
本发明具有如下有益效果:
本发明实施例通过对数据库中的监控视频进行分析,减少了数据采集装置的布设,缩减了监控成本。通过对监控图像中疑似烟雾区域进行提取并分析风险数据,避免了因为遮挡物影响使用明火识别时的漏识别现象。本发明实施例考虑到扬尘与烟雾的运动特征差异,通过对疑似烟雾区域的运动特征进行分析,获得第一扬尘可能性。进一步考虑到扬尘的产生与作业设备存在直接的关联关系,通过分析疑似烟雾区域位置与作业设备位置的分布获得第二扬尘可能性。结合第一扬尘可能性和第二扬尘可能性判断监控图像中的疑似烟雾区域是否为扬尘,进而实现准确的火灾风险监控及预警。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于大数据的风险信息监控分析方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于大数据的风险信息监控分析方法及***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于大数据的风险信息监控分析方法及***的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于大数据的风险信息监控分析方法流程图,该方法包括:
步骤S1:提取数据库中建筑工地的监控视频,获取所述监控视频中每帧监控图像的疑似烟雾区域、疑似烟雾区域位置和作业设备位置。
在本发明实施例中,为了实现对风险信息监控的分析及管理,需要建立大数据管理分析平台,将建筑工地中每个监控相机反馈的监控视频上传至大数据管理分析平台形成数据库,在执行风险信息监控分析时,从数据库中调用出实时的监控视频,对监控视频进行分析及管理,若识别出火灾风险,则反馈预警信号,通过大数据管理分析平台将预警信号反馈至工作人员。需要说明的是,在本发明实施例中,大数据管理分析平台中还可以通过神经网络的目标识别算法,对作业人员的违规行为进行识别,对于产生的违规行为同样反馈预警信号。
在对监控视频进行风险信息分析时,需要识别出每帧监控图像中的疑似烟雾区域、疑似烟雾区域位置和作业设备位置。
疑似烟雾区域的具体识别方法包括:利用暗通道先验去雾算法处理监控图像,识别出疑似烟雾区域,根据疑似烟雾区域在监控图像中的位置,获得疑似烟雾区域位置。在本发明实施例中,疑似烟雾区域位置为疑似烟雾区域中心点的位置。
需要说明的是,暗通道先验去雾算法为本领域技术人员熟知的技术手段,在此不做赘述。因为扬尘在图像中的特征仍会导致暗通道先验去雾算法对其识别,因此识别出的雾区域为疑似烟雾区域,需要经过分析后对其判断是否为火灾风险产生的烟雾或者是作业设备运动产生的扬尘。
作业设备位置的获取方法包括:
通过作业设备上部署的传感器获得作业设备的真实位置信息,将真实位置信息标定至监控图像中,获得作业设备位置。需要说明的是,真实位置信息在图像中的标定为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S2:根据相邻帧监控图像之间所述疑似烟雾区域位置的差异,获得疑似烟雾运动向量;获得相邻帧监控图像之间的图像整体运动向量;获取所述疑似烟雾运动向量与所述图像整体运动向量的运动差异,获取相邻帧监控图像之间所述疑似烟雾区域之间的面积差异,根据所述运动差异和所述面积差异获得第一扬尘可能性。
建筑工地中产生的扬尘通常是由作业设备产生的,例如一些运货车的行驶出现的扬尘等,因此扬尘具有成形快、扩散快且具有一定的运动特征等特点。而对于烟雾而言,烟雾是由火灾风险产生的,烟雾区域的形态是随着火势进行变化的,相对于扬尘而言,烟雾成形和扩散较慢,并且因为火源移动相对于作业设备而言更慢,在短时内可认为火源固定,因此烟雾的移动特征相对于扬尘而言不明显。因此结合扬尘和烟雾的扩散特征和运动特征,根据相邻帧监控图像之间疑似烟雾区域位置的差异,获得疑似烟雾运动向量,利用疑似烟雾运动向量表征连续的监控图像中疑似烟雾区域的运动特征。进一步获得相邻帧监控图像之间的图像整体运动向量,获取疑似烟雾运动向量与图像整体运动向量的运动差异,即运动差异越小,说明疑似烟雾区域的运动越符合图像中物体整体的运动趋势,即疑似烟雾区域越可能是由图像中移动物体产生的。进一步获取相邻帧监控图像之间疑似烟雾区域之间的面积差异,利用面积差异表示疑似烟雾区域的扩散特征,即面积差异越大,说明疑似烟雾区域扩散性越强,越可能是扬尘区域。根据运动差异和面积差异即可获得疑似烟雾区域的第一扬尘可能性。
优选的,根据相邻帧监控图像之间疑似烟雾区域位置的差异,获得疑似烟雾运动向量包括:
获取目标帧监控图像中的第一疑似烟雾区域边缘,获取目标帧监控图像的前一帧监控图像中的第二疑似烟雾区域边缘;
获取第二疑似烟雾区域边缘上每个像素点与第一疑似烟雾区域边缘的最小距离;以第二疑似烟雾区域边缘上每个像素点作为向量起点;以向量起点在第一疑似烟雾区域中对应最小距离的像素点作为向量终点;每组对应的向量起点和向量终点构成一个运动向量;选择模长最大的预设数量个运动向量作为参考运动向量,以参考运动向量的平均向量作为疑似烟雾运动向量。需要说明的是,在进行第二疑似烟雾区域边缘上每个像素点与第一疑似烟雾区域边缘的距离计算时,需要将两个疑似烟雾区域边缘放置在同个坐标系下。
在本发明实施例中,预设数量设置为8,即选择模长最大的8个运动向量作为参考运动向量。
需要说明的是,疑似烟雾区域的边缘获取方法可采用现有的边缘检测技术,且边缘像素点到另一个边缘的距离同样为现有技术手段,在此不做赘述。
优选的,获得相邻帧监控图像之间的图像整体运动向量包括:通过光流法获得相邻帧监控图像之间的图像整体运动向量。需要说明的是,光流法为本领域技术人员熟知的技术手段,在此不做赘述。
优选的,获取所述疑似烟雾运动向量与所述图像整体运动向量的运动差异包括:以疑似烟雾运动向量与图像整体运动向量的夹角作为运动差异,即夹角越大运动差异越大。
具体获得第一扬尘可能性的方法包括:获取面积差异与监控图像采样频率的比值,该比值表示了单位时间内的面积变化率,即面积变化率越高说明疑似烟雾区域的扩散性越强。以比值与运动差异倒数的乘积作为第一扬尘可能性。在本发明实施例中,第一扬尘可能性的表达式为:
其中,为第一扬尘可能性,为监控相机的采样频率,为t时刻下监控图像中疑似烟雾区域的面积,为t-1时刻下监控图像中疑似烟雾区域的面积,为运动差异,为第二拟合系数。在该表达式中,面积变化率越高,运动差异越小,则说明疑似烟雾区域的扩散性越强,运动特征越符合图像中运动物体的运动特征,疑似烟雾区域越可能为扬尘,第一扬尘可能性越大。第二拟合系数的目的在于防止分母为0,在本发明实施例中设置为1。
步骤S3:获取疑似烟雾区域位置和作业设备位置之间的第一距离;获取相邻帧监控图像之间作业设备位置的第二距离;根据第一距离和第二距离获得第二扬尘可能性。
根据步骤S2的分析和先验知识可知,扬尘的产生与作业设备的运动存在关联关系,因此需要进一步分析监控图像中疑似烟雾区域与作业设备位置的分布,即疑似烟雾区域位置与作业设备位置距离越近,则疑似烟雾区域越可能是移动的作业设备产生的扬尘。因此获取疑似烟雾区域位置和作业设备位置之间的第一距离。
进一步进行分析,考虑到作业设备移动的越剧烈,则越有可能在建筑工地中产生扬尘,因此获取相邻帧监控图像之间作业设备位置的第二距离。根据第一距离和第二距离获得第二扬尘可能性,具体包括:
根据第二扬尘可能性公式获得所述第二扬尘可能性,所述第二扬尘可能性公式包括:
其中,为所述第二扬尘可能性,为t时刻所述监控图像中作业设备的数量,为t时刻所述监控图像中第个作业设备的所述作业设备位置,为t-1时刻所述监控图像中第个作业设备的所述作业设备位置,为与之间的距离,为t时刻所述监控图像中的所述疑似烟雾区域位置,为t时刻所述监控图像中距离所述疑似烟雾区域位置最近的作业设备位置,为与之间的距离,为第一拟合系数。
在第二扬尘可能性公式中,考虑到了图像中可能不止一个作业设备,因此需要统计相邻帧之间每个作业设备的第二距离,第二距离表示每个作业设备的运动距离,即运动距离越大,运动的作业设备越多,越容易产生扬尘,第二扬尘可能性越大。在第二扬尘可能性公式中,以第一距离作为分母,即第一距离越小,说明疑似烟雾区域距离最近的作业设备越接近,疑似烟雾区域越可能是产生的扬尘,第二可能性越大。第一拟合系数的目的在于防止分母为0,在本发明实施例中,设置为1。
步骤S4:将第一扬尘可能性和第二扬尘可能性加权求和,获得扬尘可能性;根据扬尘可能性判断当前疑似烟雾区域是否为扬尘,若不为扬尘,则判断为烟雾区域,反馈预警信号。
将第一扬尘可能性和第二扬尘可能性结合,通过加权求和的方式获得扬尘可能性,即表达式为:
其中,为扬尘可能性,为第一扬尘可能性,为第一扬尘可能性对应的权重,为第二扬尘可能性,为第二扬尘可能性对应的权重。在本发明实施例中,将设置为0.4,设置为0.6。需要说明的是,在加权求和之前,需要将第一扬尘可能性与第二扬尘可能性分别进行归一化,将归一化后的结果进行加权求和,归一化方法为本领域技术人员熟知的技术手段,在此不做赘述。
根据扬尘可能性即可判断当前监控图像中疑似烟雾区域是否为扬尘,即若扬尘可能性大于预设可能性阈值,则认为当前时刻的监控图像中的疑似烟雾区域为扬尘。在本发明实施例中可能性阈值设置为0.7。
若疑似烟雾区域不为扬尘,则判断为烟雾区域,即认为当前监控图像中出现了火灾风险,需要及时反馈预警信号,实现风险信息的监控分析,通过工作人员对预警信号的反馈能够保障工作人员的人身安全和建筑工地的财务损失,保障施工建筑的安全稳定进行。
综上所述,本发明实施例对数据库中的监控视频进行调用,识别出监控视频中每帧监控图像的疑似烟雾区域、疑似烟雾区域位置和作业设备位置。通过相邻帧监控图像之间疑似烟雾区域的运动特征和面积扩散特征获得第一扬尘可能性。通过疑似烟雾区域与作业设备之间位置的分布关系获得第二扬尘可能性。结合第一扬尘可能性和第二扬尘可能性判断疑似烟雾区域是否为扬尘。本发明实现了在建筑工地中对烟雾与扬尘的区分,对于产生的火灾风险能够及时监控及预警管理。
本发明还提出了一种基于大数据的风险信息监控分析***,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现任意一项一种基于大数据的风险信息监控分析方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于大数据的风险信息监控分析方法,其特征在于,所述方法包括:
提取数据库中建筑工地的监控视频,获取所述监控视频中每帧监控图像的疑似烟雾区域、疑似烟雾区域位置和作业设备位置;
根据相邻帧监控图像之间所述疑似烟雾区域位置的差异,获得疑似烟雾运动向量;获得相邻帧监控图像之间的图像整体运动向量;获取所述疑似烟雾运动向量与所述图像整体运动向量的运动差异,获取相邻帧监控图像之间所述疑似烟雾区域之间的面积差异,根据所述运动差异和所述面积差异获得第一扬尘可能性,具体包括:获取所述面积差异与所述监控图像采样频率的比值,以所述比值与所述运动差异倒数的乘积作为所述第一扬尘可能性;
获取所述疑似烟雾区域位置和所述作业设备位置之间的第一距离;获取相邻帧监控图像之间所述作业设备位置的第二距离;根据所述第一距离和所述第二距离获得第二扬尘可能性,具体包括:根据第二扬尘可能性公式获得所述第二扬尘可能性,所述第二扬尘可能性公式包括:
其中,为所述第二扬尘可能性,为时刻所述监控图像中作业设备的数量,为时刻所述监控图像中第个作业设备的所述作业设备位置,为时刻所述监控图像中第个作业设备的所述作业设备位置,为与之间的距离,为时刻所述监控图像中的所述疑似烟雾区域位置,为时刻所述监控图像中距离所述疑似烟雾区域位置最近的作业设备位置,为与之间的距离,为第一拟合系数;
将所述第一扬尘可能性和所述第二扬尘可能性加权求和,获得扬尘可能性;根据扬尘可能性判断当前所述疑似烟雾区域是否为扬尘,若不为扬尘,则判断为烟雾区域,反馈预警信号。
2.根据权利要求1所述的一种基于大数据的风险信息监控分析方法,其特征在于,所述疑似烟雾区域的获取方法包括:
利用暗通道先验去雾算法处理所述监控图像,识别出所述疑似烟雾区域,根据所述疑似烟雾区域在所述监控图像中的位置,获得所述疑似烟雾区域位置。
3.根据权利要求1所述的一种基于大数据的风险信息监控分析方法,其特征在于,所述作业设备位置的获取方法包括:
通过作业设备上部署的传感器获得作业设备的真实位置信息,将真实位置信息标定至所述监控图像中,获得所述作业设备位置。
4.根据权利要求1所述的一种基于大数据的风险信息监控分析方法,其特征在于,所述根据相邻帧监控图像之间所述疑似烟雾区域位置的差异,获得疑似烟雾运动向量包括:
获取目标帧监控图像中的第一疑似烟雾区域边缘,获取所述目标帧监控图像的前一帧监控图像中的第二疑似烟雾区域边缘;
获取所述第二疑似烟雾区域边缘上每个像素点与所述第一疑似烟雾区域边缘的最小距离;以所述第二疑似烟雾区域边缘上每个像素点作为向量起点;以所述向量起点在所述第一疑似烟雾区域中对应所述最小距离的像素点作为向量终点;每组对应的所述向量起点和所述向量终点构成一个运动向量;选择模长最大的预设数量个所述运动向量作为参考运动向量,以所述参考运动向量的平均向量作为所述疑似烟雾运动向量。
5.根据权利要求1所述的一种基于大数据的风险信息监控分析方法,其特征在于,所述获得相邻帧监控图像之间的图像整体运动向量包括:
通过光流法获得相邻帧监控图像之间的所述图像整体运动向量。
6.根据权利要求1所述的一种基于大数据的风险信息监控分析方法,其特征在于,所述获取所述疑似烟雾运动向量与所述图像整体运动向量的运动差异包括:
以所述疑似烟雾运动向量与所述图像整体运动向量的夹角作为所述运动差异。
7.根据权利要求1所述的一种基于大数据的风险信息监控分析方法,其特征在于,所述根据扬尘可能性判断当前所述疑似烟雾区域是否为扬尘包括:
若所述扬尘可能性大于预设可能性阈值,则认为当前时刻的监控图像中的所述疑似烟雾区域为扬尘。
8.一种基于大数据的风险信息监控分析***,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~7任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211140046.4A CN115223105B (zh) | 2022-09-20 | 2022-09-20 | 基于大数据的风险信息监控分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211140046.4A CN115223105B (zh) | 2022-09-20 | 2022-09-20 | 基于大数据的风险信息监控分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115223105A CN115223105A (zh) | 2022-10-21 |
CN115223105B true CN115223105B (zh) | 2022-12-09 |
Family
ID=83617497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211140046.4A Active CN115223105B (zh) | 2022-09-20 | 2022-09-20 | 基于大数据的风险信息监控分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115223105B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116259005B (zh) * | 2023-02-04 | 2024-05-28 | 国网浙江省电力有限公司嘉兴供电公司 | 基于屋顶光伏消防的智能监控*** |
CN116453064B (zh) * | 2023-06-16 | 2023-08-18 | 烟台黄金职业学院 | 基于监控数据的隧道路段路况异常识别方法 |
CN118038627B (zh) * | 2024-04-15 | 2024-06-18 | 大连乾曜科技有限公司 | 基于车辆大数据的隧道路段安全监控方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982313A (zh) * | 2012-10-31 | 2013-03-20 | 深圳辉锐天眼科技有限公司 | 烟雾检测的方法 |
CN106897720A (zh) * | 2017-01-11 | 2017-06-27 | 济南中维世纪科技有限公司 | 一种基于视频分析的烟火检测方法及装置 |
CN106997461A (zh) * | 2017-03-28 | 2017-08-01 | 浙江大华技术股份有限公司 | 一种烟火检测方法及装置 |
JP2019179573A (ja) * | 2019-06-21 | 2019-10-17 | ホーチキ株式会社 | 火災検知システム及び火災検知方法 |
JP2020021300A (ja) * | 2018-08-01 | 2020-02-06 | 株式会社シー・イー・デー・システム | 火災監視装置、火災監視システム、および火災監視装置のプログラム |
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 |
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*** |
CN112634577A (zh) * | 2019-09-24 | 2021-04-09 | 中科智云科技有限公司 | 用于烟雾报警的方法和设备 |
CN113553985A (zh) * | 2021-08-02 | 2021-10-26 | 中再云图技术有限公司 | 一种基于人工智能高空烟雾检测识别方法,存储装置及服务器 |
WO2022121129A1 (zh) * | 2020-12-12 | 2022-06-16 | 南方电网调峰调频发电有限公司 | 烟火识别方法、装置、计算机设备和存储介质 |
CN114998737A (zh) * | 2022-06-08 | 2022-09-02 | 徐州才聚智能科技有限公司 | 一种远距离烟雾检测方法、***、电子设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516609B (zh) * | 2019-08-28 | 2022-04-22 | 南京邮电大学 | 一种基于图像多特征融合的火灾视频检测及预警方法 |
-
2022
- 2022-09-20 CN CN202211140046.4A patent/CN115223105B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982313A (zh) * | 2012-10-31 | 2013-03-20 | 深圳辉锐天眼科技有限公司 | 烟雾检测的方法 |
CN106897720A (zh) * | 2017-01-11 | 2017-06-27 | 济南中维世纪科技有限公司 | 一种基于视频分析的烟火检测方法及装置 |
CN106997461A (zh) * | 2017-03-28 | 2017-08-01 | 浙江大华技术股份有限公司 | 一种烟火检测方法及装置 |
JP2020021300A (ja) * | 2018-08-01 | 2020-02-06 | 株式会社シー・イー・デー・システム | 火災監視装置、火災監視システム、および火災監視装置のプログラム |
JP2019179573A (ja) * | 2019-06-21 | 2019-10-17 | ホーチキ株式会社 | 火災検知システム及び火災検知方法 |
CN112634577A (zh) * | 2019-09-24 | 2021-04-09 | 中科智云科技有限公司 | 用于烟雾报警的方法和设备 |
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 |
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*** |
WO2022121129A1 (zh) * | 2020-12-12 | 2022-06-16 | 南方电网调峰调频发电有限公司 | 烟火识别方法、装置、计算机设备和存储介质 |
CN113553985A (zh) * | 2021-08-02 | 2021-10-26 | 中再云图技术有限公司 | 一种基于人工智能高空烟雾检测识别方法,存储装置及服务器 |
CN114998737A (zh) * | 2022-06-08 | 2022-09-02 | 徐州才聚智能科技有限公司 | 一种远距离烟雾检测方法、***、电子设备及介质 |
Non-Patent Citations (3)
Title |
---|
Smoke vehicle detection based on robust codebook model and robust volume local binary count patterns;Huanjie Tao 等,;《Image and Vision Computing》;20190630;第86卷;全文 * |
基于视频的实时烟雾检测算法;张建明 等,;《计算机应用与软件》;20161231;第33卷(第12期);全文 * |
基于连续帧图像面积变化的火灾探测方法;刘伯运 等,;《消防科学与技术》;20161231;第35卷(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115223105A (zh) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115223105B (zh) | 基于大数据的风险信息监控分析方法及*** | |
JP6949988B2 (ja) | 領域特定方法、装置、記憶媒体及びプロセッサ | |
US9615064B2 (en) | Tracking moving objects using a camera network | |
JP2021514548A (ja) | 目標対象物の監視方法、装置及びシステム | |
US20080136934A1 (en) | Flame Detecting Method And Device | |
US20090220123A1 (en) | Apparatus and method for counting number of objects | |
KR101953342B1 (ko) | 멀티 센서 화재감지 방법 및 시스템 | |
US9858486B2 (en) | Device and method for detecting circumventing behavior and device and method for processing cause of circumvention | |
CN116092018B (zh) | 一种基于智慧建筑的消防隐患监测方法及*** | |
CN111191507A (zh) | 智慧社区的安全预警分析方法及*** | |
US11132532B1 (en) | System and method for facial recognition accuracy | |
KR101454644B1 (ko) | 보행자 추적기를 이용한 서성거림을 탐지하는 방법 | |
EP2000998B1 (en) | Flame detecting method and device | |
CN101315326B (zh) | 烟雾侦测方法与装置 | |
US7406216B2 (en) | Method and apparatus for distributed analyses of images | |
CN111652128B (zh) | 一种高空电力作业安全监测方法、***和存储装置 | |
KR101525915B1 (ko) | 대상물 정보제공시스템 및 대상물 정보제공장치와 대상물 정보제공방법 | |
CN110505438A (zh) | 一种排队数据的获取方法和摄像机 | |
CN115762043B (zh) | 一种智能楼宇消防指引*** | |
WO2022012573A1 (zh) | 图像处理方法及装置、电子设备、存储介质 | |
KR102081577B1 (ko) | Cctv를 활용한 지능형 화재 감지 시스템 | |
CN113392713A (zh) | 一种工衣工服穿戴识别方法 | |
CN117474983B (zh) | 一种基于光视联动的预警方法以及相关装置 | |
CN117237879B (zh) | 一种轨迹追踪方法和*** | |
KR102630545B1 (ko) | 잔디 상태에 따른 관리를 수행하는 로봇 및 로봇 제어방법 |
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 |