申请/专利权人：北京林业大学

申请日：2020-08-18

公开（公告）日：2024-05-17

公开（公告）号：CN111967394B

主分类号：G06V20/40

分类号：G06V20/40;G06V10/26;G06V10/28;G06T5/30

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2020.12.08#实质审查的生效;2020.11.20#公开

摘要：本发明公开了一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法，针对现有烟雾根节点检测方法无法通过运动检测和灰度检测得出完整烟雾轮廓的问题，提出了一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法，该算法首先通过Sobel算法提取烟雾静态特征，再通过Vibe算法提取烟雾动态特征，并将提取出的特征图像以网格策略相融合，获得烟雾图像，再提取骨骼及骨骼端点，获得烟雾根候选点。该算法通过融合烟雾动静态特征，改进了烟雾边缘和烟雾根部难以被动态提取算法识别的问题，同时简化了烟雾区域提取过程，极大提高了检测效率。

主权项：1.一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法，其特征在于，包含以下步骤：第一步，视频信息预处理，通过采集固定摄像头的连续帧烟雾图像，进行帧图像提取，并通过基本的图像处理方法，得到特定尺寸的单通道灰度图像；第二步，烟雾轮廓提取，对获得的单通道灰度帧图像用Sobel算法提取静态轮廓；Sobel算法的计算方法为,首先求解图像像素x方向梯度，当梯度大于设定的阈值时，认定该点为边缘点，遍历像素后获得烟雾竖直方向的边缘；其次求解图像像素y方向的梯度，当梯度大于设定阈值时，认定该点为边缘点，遍历像素后获得烟雾水平方向的边缘，最后，合并梯度，将竖直方向边缘图与水平方向边缘线性相加，获得该帧图像的Sobel轮廓图像，并对提取出的Sobel图像进行二值化，腐蚀操作，以过滤背景轮廓噪声；第三步，动态区域提取，对第一步中获得的单通道灰度帧图像通过Vibe算法进行动态区域提取，获得该帧图像的Vibe动态区域图像；第四步，图像融合，将每帧Sobel图像与该帧对应的Vibe图像进行融合，融合方法为，对每帧原始图像所对应的两帧图像进行网格分割操作，网格大小为20*20像素，每张图像共有24*16个网格区域，计算各个网格对应的Sobel图像与Vibe图像的像素值之和，以选定不同网格区域的融合方式进行图像融合；第五步，骨骼图像提取，对融合得到的单通道二值化连通域进行骨骼图像提取，并计算骨骼图相端点坐标，即为当前帧图像的烟雾根候选点坐标。

全文数据：

权利要求：

百度查询： 北京林业大学 一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD