-
公开(公告)号：CN111310662A
公开(公告)日：2020-06-19
申请号：CN202010095917.X
申请日：2020-02-17
申请人： 淮阴工学院
摘要： 本发明公开了一种基于集成深度网络的火焰检测识别方法及系统，适用于对视频中的火焰实时检测识别。该方法通过公开的火焰视频数据，对U-net和Resnet-50网络进行训练，得到用于检测识别视频帧图像中火焰区域的模型；然后对摄像机获取的视频帧图像使用U-net模型得到火焰候选区域，将火焰候选区域利用邻域分割法得到火焰候选目标；再利用Resnet-50模型对火焰候选目标进一步识别，按照识别置信度进行删除操作得到火焰目标；最后记录并标记火焰目标在原视频帧中的位置。当视频流同一位置持续监测到火焰目标时，发出火焰警报。本发明可用于检测并识别视频中的火焰及其位置，识别率达到91.08％，火焰检测识别速度保持在25-31帧/s，且对灯光和小目标具有较好的鲁棒性。
-
公开(公告)号：CN111611866B
公开(公告)日：2021-09-24
申请号：CN202010329571.5
申请日：2020-04-23
申请人： 淮阴工学院
摘要： 本发明公开了一种基于YCrCb和LAB颜色空间的火焰检测识别方法及系统，适用于对视频中的火焰实时检测识别。该方法通过公开的火焰视频数据，对CNN网络进行训练，得到用于检测识别视频图像中火焰区域的模型；然后将摄像机获取的视频帧图像从RGB转化为YCrCb颜色空间和LAB颜色空间，在通过灰度化以及高斯滤波的后进行做差，对差值图像二值化后进行开闭运算并提取轮廓图得到火焰候选目标；再利用CNN模型对火焰候选目标进一步识别，按照识别置信度进行删除操作得到火焰目标；最后记录并标记火焰目标在原视频帧中的位置。本发明可用于实时检测并识别视频中的及其位置，识别率达到93.51％，火焰检测识别速度保持在27‑35帧/s。
-
公开(公告)号：CN111611866A
公开(公告)日：2020-09-01
申请号：CN202010329571.5
申请日：2020-04-23
申请人： 淮阴工学院
摘要： 本发明公开了一种基于YCrCb和LAB颜色空间的火焰检测识别方法及系统，适用于对视频中的火焰实时检测识别。该方法通过公开的火焰视频数据，对CNN网络进行训练，得到用于检测识别视频图像中火焰区域的模型；然后将摄像机获取的视频帧图像从RGB转化为YCrCb颜色空间和LAB颜色空间，在通过灰度化以及高斯滤波的后进行做差，对差值图像二值化后进行开闭运算并提取轮廓图得到火焰候选目标；再利用CNN模型对火焰候选目标进一步识别，按照识别置信度进行删除操作得到火焰目标；最后记录并标记火焰目标在原视频帧中的位置。本发明可用于实时检测并识别视频中的及其位置，识别率达到93.51％，火焰检测识别速度保持在27-35帧/s。
-
公开(公告)号：CN111310662B
公开(公告)日：2021-08-31
申请号：CN202010095917.X
申请日：2020-02-17
申请人： 淮阴工学院
摘要： 本发明公开了一种基于集成深度网络的火焰检测识别方法及系统，适用于对视频中的火焰实时检测识别。该方法通过公开的火焰视频数据，对U‑net和Resnet‑50网络进行训练，得到用于检测识别视频帧图像中火焰区域的模型；然后对摄像机获取的视频帧图像使用U‑net模型得到火焰候选区域，将火焰候选区域利用邻域分割法得到火焰候选目标；再利用Resnet‑50模型对火焰候选目标进一步识别，按照识别置信度进行删除操作得到火焰目标；最后记录并标记火焰目标在原视频帧中的位置。当视频流同一位置持续监测到火焰目标时，发出火焰警报。本发明可用于检测并识别视频中的火焰及其位置，识别率达到91.08％，火焰检测识别速度保持在25‑31帧/s，且对灯光和小目标具有较好的鲁棒性。
-
-
-
搜索结果
4 条记录 (耗时 0.017 秒)
