公开(公告)号：CN116863420A

公开(公告)日：2023-10-10

申请号：CN202310446024.9

申请日：2023-04-24

Applicant: 湖南工业大学

Inventor： 胡久松 ,  钟皓 ,  熊澳 ,  刘张弛

IPC: G06V20/56 ,  G06V10/20 ,  G06V10/28 ,  G06V10/30 ,  G06V10/36 ,  G06V10/42 ,  G06V10/56 ,  G06V10/60 ,  G06V10/80 ,  G06V10/96

Abstract: 本发明公开了一种结合热成像下分阶段的火焰识别方法。该方法首先利用热成像进行初步定位。接着分析火焰像素的静态特征，并使用K近邻聚合。最后采用Hu不变矩描述相邻帧的动态特征，实现火焰识别。具体采用分阶段识别技术，其实现过程如下：第一阶段发掘异常区域，利用热成像感知高温点，剪裁可疑火焰区域。第二阶段分析可疑区域，采用颜色补偿、自适应分割和区域聚合。第三阶段加强识别，根据区域大小判定火源，用红绿分量面积比识别大火源，用Hu矩特征描述轮廓变化识别小火源，最终标记火焰并计算火源重心。本发明能够更加快速、准确、全面地检测火焰，其算法复杂度低，可适用于低端处理器，因此更具实用性和普适性，值得广泛推广使用。

公开(公告)号：CN115835123A

公开(公告)日：2023-03-21

申请号：CN202211335411.7

申请日：2022-10-28

Applicant: 湖南工业大学

Inventor： 胡久松 ,  胡聪崴 ,  熊澳 ,  邹豪杰

IPC: H04W4/02 ,  H04W4/021 ,  H04W4/33

Abstract: 本发明公开了一种静止状态下基于移动窗信号处理的SAWKNN室内定位方法，具体采用移动窗和均值累计法提升位置指纹接收信号强度指数(Receive Signal Strength Index，RSSI)的稳定性，再利用自适应加权K最近邻(self‑adaptive Weight K‑nearest neighbor，SAWKNN)算法实现定位，以提高定位精度。其实现过程如下，离线阶段：一、在定位区域提前部署参考点和接入点(Across Point，AP)设备；二、在各参考点进行位置指纹采集工作；三、对采集的位置指纹进行异常处理，将处理后的RSSI取均值作为离线数据。在线阶段：一、移动终端采集在线位置指纹；二、采用移动窗和均值累计法处理原始指纹信号，提升位置指纹稳定性，再计算该指纹与离线指纹的相似度差异值dif；三、利用SAWKNN算法计算K值，并通过dif最小的K个参考点来计算定位坐标。