公开(公告)号：CN113963301B

公开(公告)日：2025-03-14

申请号：CN202111299102.4

申请日：2021-11-04

Applicant: 西安邮电大学 ,  西安中核核仪器股份有限公司

Inventor： 贾阳 ,  张歆萌 ,  陈伟光 ,  王刚 ,  王奔 ,  李晓贤

IPC: G06V20/40 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明涉及一种时空特征融合的视频火灾烟雾探测方法及系统，其方法包括：S1：收集烟雾和非烟雾视频数据构建样本集，对样本集进行标注；S2：利用改进的高斯混合模型对样本集中视频的运动目标区域进行提取，获取运动目标的检测框；S3：基于运动目标的检测框，利用光流算法提取两帧之间的光流特征，分别获取L张水平和垂直稠密光流图；将二者以时间顺序交叉进行堆叠，得到堆叠光流特征Fτ；步骤S4：将堆叠光流特征Fτ和Fτ对应的起始帧τ输入基于时空特征融合的视频火灾烟雾探测神经网络，输出火灾烟雾预测结果。本发明公开的方法同时利用视频的时域及空域特征进行烟雾识别，获取更丰富的火灾烟雾视频信息，实现准确、快速的火灾烟雾的自动检测。

公开(公告)号：CN116310927A

公开(公告)日：2023-06-23

申请号：CN202211099842.8

申请日：2022-09-09

Applicant: 西安中核核仪器股份有限公司

Inventor： 李晓贤 ,  王奔 ,  王刚 ,  杜梦岩 ,  谷陈丰 ,  张歆萌 ,  贾阳 ,  马扬

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G08B17/10

Abstract: 本发明涉及一种基于深度学习的多源数据分析火灾监测与识别方法及系统，其方法包括：S1：采集不同工况下火灾样本数据，得到样本集；步骤S2：对样本集进行预处理；得到预处理后的样本集，包括：由烟雾数据、温度数据、火焰辐射数据构建二维数组X，以及可见光视频特征图序列集合V和红外视频特征图序列集合I；步骤S3：将X经过特征提取网络a得到部分特征图Ca，将V和I分别经过视频处理网络和特征提取网络，分别得到可见光视频部分特征图Cv和红外视频部分特征图CI；将Ca和Cv、CI通过注意力理机制模块为其分配不同权重并进行融合，得到特征图C，基于C进行火灾预测。本发明提供的方法对不同类型的数据进行更好的融合，更快地进行报警。

公开(公告)号：CN115797820A

公开(公告)日：2023-03-14

申请号：CN202210801607.4

申请日：2022-07-08

Applicant: 西安中核核仪器股份有限公司

Inventor： 王奔 ,  李晓贤 ,  王刚 ,  杜梦岩 ,  刘义君 ,  王佩 ,  谷陈丰 ,  陈赫 ,  陈伟光 ,  张歆萌 ,  贾阳

IPC: G06V20/40 ,  G06T7/246 ,  G06T7/269 ,  G06V10/25 ,  G06V10/77 ,  G06V10/764 ,  G06V10/80 ,  G06V20/52

Abstract: 本发明提供一种基于时域特征引导的特征聚合烟雾检测方法及系统，包括获得烟雾光流特征；获得相邻视频帧图像特征；基于所述烟雾光流特征和所述相邻视频帧图像特征，获得聚合特征；基于所述聚合特征，完成特征聚合烟雾检测。通过视频的光流特征对单帧的图像特征进行补充增强，改善了单帧图像特征表达能力不足的缺陷，增强特征表达能力，从而提高了检测模型的鲁棒性。本申请还使用光流网络代替数学计算方法提取光流，提高了光流提取的速度，并且可以实现端到端的实时烟雾检测。本发明针对火灾烟雾探测问题，利用光流网络FlowNet完成对烟雾光流特征的提取，进行端到端的火灾探测识别，提高消防及火灾探测报警的自动化、智能化水平。

公开(公告)号：CN115083103A

公开(公告)日：2022-09-20

申请号：CN202210656259.6

申请日：2022-06-10

Applicant: 西安中核核仪器股份有限公司

Inventor： 李晓贤 ,  王奔 ,  王刚 ,  杜梦岩 ,  刘义君 ,  王嘉伟 ,  谷陈丰 ,  陈赫 ,  张歆萌 ,  邢琎 ,  王星星 ,  罗佳琪 ,  贾阳 ,  张伟

IPC: G08B17/12 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于深度学习的多波段红外热释电火焰探测器及探测方法，包括：数据采集单元、信号处理单元及模型监测单元；数据采集单元，用于对环境数据进行采集及标注，得到标注环境数据，其中环境数据包括日光数据、人体数据及火焰数据；信号处理单元，用于对标注环境数据进行预处理及构建深度学习模型；模型监测单元，用于基于深度学习模型进行火灾监测，得到监测结果。通过以上技术方案，本发明充分利用卷积神经网络在图像处理方面的优势，能够提高对火焰识别的准确率。

公开(公告)号：CN113963301A

公开(公告)日：2022-01-21

申请号：CN202111299102.4

申请日：2021-11-04

Applicant: 西安邮电大学 ,  西安中核核仪器股份有限公司

Inventor： 贾阳 ,  张歆萌 ,  陈伟光 ,  王刚 ,  王奔 ,  李晓贤

IPC: G06V20/40 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种时空特征融合的视频火灾烟雾探测方法及系统，其方法包括：S1：收集烟雾和非烟雾视频数据构建样本集，对样本集进行标注；S2：利用改进的高斯混合模型对样本集中视频的运动目标区域进行提取，获取运动目标的检测框；S3：基于运动目标的检测框，利用光流算法提取两帧之间的光流特征，分别获取L张水平和垂直稠密光流图；将二者以时间顺序交叉进行堆叠，得到堆叠光流特征Fτ；步骤S4：将堆叠光流特征Fτ和Fτ对应的起始帧τ输入基于时空特征融合的视频火灾烟雾探测神经网络，输出火灾烟雾预测结果。本发明公开的方法同时利用视频的时域及空域特征进行烟雾识别，获取更丰富的火灾烟雾视频信息，实现准确、快速的火灾烟雾的自动检测。