-
Patent Agency Ranking
公开(公告)号：CN110059613B
公开(公告)日：2021-08-10
申请号：CN201910302738.6
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于稀疏表示的视频图像烟火分离与检测方法，能够将早期烟从背景中分离出来并进行识别。该方法包括：学习烟雾完备字典Ds以及非烟完备字典Db；建立有背景的烟火和非烟数据集xs和xb；建立烟火背景分离模型；通过稀疏表示得到前景的烟火成分和非烟成分同时计算得到混合系数ω；训练SVM分类器；部署烟火检测模型；根据分块识别与分类结果，得到待检测区域烟火检测结果。本发明将纯净烟火与背景分离，避免了背景信息对烟火特征的干扰，从而提高了烟火识别与检测的准确率。
-
公开(公告)号：CN110084160B
公开(公告)日：2021-08-10
申请号：CN201910302743.7
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于运动和亮度显著性特征的视频森林烟火检测方法，包括读入原视频；将原视频图像转换成灰度图，按X‑Y‑T方向将连续帧图像重新整合，采用ROSL算法以及全局显著性算法得到全局显著性运动区域；采用运动显著性算法得到运动显著性运动区域；提取亮度显著性运动区域；计算显著性均值得到最终显著性区域显著特征值；基于得到的最终显著性区域显著特征值，采用组稀疏背景检测算法，得到视频显著性前景区域；提取得到的视频显著性前景区域的LBP特征，采用SVM分类器进行分类识别。本发明通过亮度和运动显著性算法，一方面去除了森林中非显著性运动目标干扰，另一方面将烟火区域从视频中分割出来，提高了烟火检测的正确率。
-
公开(公告)号：CN110490043A
公开(公告)日：2019-11-22
申请号：CN201910498449.8
申请日：2019-06-10
Applicant: 东南大学
Abstract: 本发明提供了一种基于区域划分和特征提取的森林烟火检测方法，属于计算机图像处理技术领域，包括：建立森林烟火样本数据集；选取合适的静态特征并训练级联神经网络；选取待处理视频的第一帧，进行自适应区域分割；对待处理视频进行运动检测；对疑似烟火区域进行预测分类。本发明方法计算简单，减少了运算量和大量误检，在计算速度不高的设备上有比较好的实时性，同时大幅降低误报率；本发明方法在森林烟火检测等方面有着重要的应用价值，在森林防火视频监控领域具有重要意义。
-
公开(公告)号：CN110084160A
公开(公告)日：2019-08-02
申请号：CN201910302743.7
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于运动和亮度显著性特征的视频森林烟火检测方法，包括读入原视频；将原视频图像转换成灰度图，按X-Y-T方向将连续帧图像重新整合，采用ROSL算法以及全局显著性算法得到全局显著性运动区域；采用运动显著性算法得到运动显著性运动区域；提取亮度显著性运动区域；计算显著性均值得到最终显著性区域显著特征值；基于得到的最终显著性区域显著特征值，采用组稀疏背景检测算法，得到视频显著性前景区域；提取得到的视频显著性前景区域的LBP特征，采用SVM分类器进行分类识别。本发明通过亮度和运动显著性算法，一方面去除了森林中非显著性运动目标干扰，另一方面将烟火区域从视频中分割出来，提高了烟火检测的正确率。
-
公开(公告)号：CN110059613A
公开(公告)日：2019-07-26
申请号：CN201910302738.6
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于稀疏表示的视频图像烟火分离与检测方法，能够将早期烟从背景中分离出来并进行识别。该方法包括：学习烟雾完备字典Ds以及非烟完备字典Db；建立有背景的烟火和非烟数据集xs和xb；建立烟火背景分离模型；通过稀疏表示得到前景的烟火成分 和非烟成分同时计算得到混合系数ω；训练SVM分类器；部署烟火检测模型；根据分块识别与分类结果，得到待检测区域烟火检测结果。本发明将纯净烟火与背景分离，避免了背景信息对烟火特征的干扰，从而提高了烟火识别与检测的准确率。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
