- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法与编程之美
Python|燃气火焰检测主要步骤
问题描述 在现有的基础上，燃气火焰的检测主要是基于火焰颜色特征，由于燃气火焰不同于普通火焰，其中蓝色分量较多，一般的检测方法准确度不够，故采取其他方法来检测火焰，下面主要介绍4个步骤的思路和主要的python 解决方案 1 背景差分法分离火焰 (1)算法思路 背景差分法的主要思想是利用无火焰的背景图与含有火焰的图片作像素点对像素点的差分处理，需要注意的是，背景差分法运用时由于需要做差分处理，所以需要将三维的RGB 因为当相同背景的像素点做差分后该像素点的灰度值为0，也就是黑色，而有火焰的像素点和背景做差分后的灰度值不为零，也就将火焰部分分离了出来。 new_image[i][j]=abs(img1[i][j]-img2[i][j]) return np.uint8(new_image) 2 滤波增强火焰图像 (1)算法思路 差分法处理过的图像还存在一些噪声，所以需要对图像进行线性滤波；同时，由于图像火焰不够明显，所有还需要增强图像中的火焰区域。
1K31发布于 2020-06-10 - 来自专栏燧机科技-视频AI智能分析
智慧工地火焰烟火识别检测系统
智慧工地火焰烟火识别检测系统通过yolo网络模型深度学习技术，智慧工地火焰烟火识别检测系统对现场浓烟和烟火情况，智慧工地火焰烟火识别检测系统立即抓拍告警并进行存档。 YOLO 的核心思想就是把目标检测转变成一个回归问题，利用整张图作为网络的输入，仅仅经过一个神经网络，得到bounding box（边界框） 的位置及其所属的类别。 采用滑动窗口的目标检测算法思路非常简单，它将检测问题转化为了图像分类问题。 其基本原理就是采用不同大小和比例（宽高比）的窗口在整张图片上以一定的步长进行滑动，然后对这些窗口对应的区域做图像分类，这样就可以实现对整张图片的检测了。 YOLO 实时检测的平均精度是其他实时监测系统的两倍。迁移能力强，能运用到其他的新的领域（比如艺术品目标检测）。图片
47830编辑于 2023-02-17 - 来自专栏燧机科技-视频AI智能分析
智慧工地火焰烟火识别检测系统
智慧工地火焰烟火识别检测系统通过python+opencv网络模型算法分析技术，实现对现场画面中火焰烟雾进行7*24小时不间断识别，实时分析自动报警Python是一种由Guido van Rossum开发的通用编程语言
46800编辑于 2023-04-19 - 来自专栏机器学习AI算法工程
火灾火焰检测数据集和yolov4检测模型
开源1个火灾检测数据集(含标注)和预训练模型。 火灾检测数据集图像2059张：包含大火-小火，建筑起火、草原起火、森林起火、车辆(汽车、卡车、摩托车、电动车)起火、白天-黑夜起火等场景； 代码及运行教程，数据集 获取： 关注微信公众号 datayx
3.1K31发布于 2020-11-03 - 来自专栏OpenCV与AI深度学习
基于图像处理的火焰检测算法（颜色+边缘）
在本文中，我们提出了一种将火焰颜色信息与火焰边缘信息相结合的算法。然后，结合这两种技术的结果，创建一个参数，从图像中分割出必要的细节，以检测和识别火灾。 提议的算法 我们方法的第一步是检测火焰的颜色，火焰的颜色主要是红色。然后我们在原始图像上使用Sobel边缘检测来检测火灾的边缘，同时删除小于100的阈值。 在火焰颜色检测中，R 应该比其他分量更受重视，因此 R 成为火焰 RGB 图像中的主导颜色通道。 这对 R 施加了超过某个预定阈值 RTH 的条件。 Sobel边缘检测 下一步将使用Sobel边缘检测器来检测图像内火焰的变换。 该算法采用RGB颜色模型来检测火焰的颜色，主要通过红色分量R的强度来理解。使用Sobel边缘检测来检测火势的增长。
1.9K10编辑于 2024-05-15 - 来自专栏燧机科技-视频AI智能分析
停车场烟雾火焰自动检测系统
本文提出一种基于YOLOv11目标检测与CNN特征增强的烟雾火焰自动检测系统，通过“多场景视觉覆盖-特征融合研判-分级联动响应”机制，实现对停车场烟雾（薄烟/浓烟）、火焰（初期明火/蔓延火）的毫秒级识别与主动预警 （二）算法层：YOLOv11+CNN双模型协同分析 核心采用“YOLOv11目标检测+CNN特征增强”两级算法：YOLOv11目标检测：定位画面中“烟雾（颜色渐变特征、扩散形态）”“火焰（亮度突变、轮廓抖动 （三）低延迟联动响应逻辑 系统采用“边缘优先”策略，所有分析指令本地执行：YOLOv11检测到烟雾/火焰目标（置信度＞0.85）→ 提取ROI区域并缓存连续8帧； CNN模型判定风险等级（概率＞0.9） 停车场烟雾火焰自动检测系统支持 24 小时不间断监控，无论白天还是黑夜，都能时刻保持警惕。系统还会自动存储异常事件的录像，这些录像不仅为事后溯源提供了重要依据，还能帮助明确责任划分。 与传统的传感器相比，电动车充电桩烟火检测算法具有显著的优势。传统传感器往往只能在烟雾或火焰达到一定浓度或规模时才能触发警报，而基于深度学习的算法能够在烟雾和火焰初现时就迅速识别，大大缩短了反应时间。
37710编辑于 2025-12-31 - 来自专栏IT杂谈学习
用Python实现火焰效果：动态火焰动画制作
动态火焰效果是一种常见且具有视觉冲击力的特效。在这篇博客中，我们将使用Python和Matplotlib库来实现一个简单而逼真的动态火焰效果。 本文使用Matplotlib库来绘制和动画火焰效果。 NumPy用于生成随机数，以创建火焰的动态效果。 我们将使用随机数生成火焰的基础数据。 我们通过更新火焰数据来模拟火焰的跳动。
71810编辑于 2025-05-24 - 来自专栏Unity游戏开发
ShaderGraph-火焰特效
Voronoi.PNG Voronoi中的AngleOffset来模拟随机运动 UV采用事件控制Y方向上的变化，实现火焰不断向上 ?
1.6K30发布于 2019-06-16 - 来自专栏京程一灯
如何读懂火焰图？
火焰图（flame graph）是性能分析的利器。本文介绍它的基本用法。 ? 这个结果还是不易读，所以才有了火焰图。 二、火焰图的含义 火焰图是基于 perf 结果产生的 SVG 图片，用来展示 CPU 的调用栈。 ? y 轴表示调用栈，每一层都是一个函数。 四、火焰图示例 下面是一个简化的火焰图例子。 首先，CPU 抽样得到了三个调用栈。 六、Node 应用的火焰图 Node 应用的火焰图就是对 Node 进程进行性能抽样，与其他应用的操作是一样的。 它的下方就是火焰图。 ? 浏览器的火焰图与标准火焰图有两点差异：它是倒置的（即调用栈最顶端的函数在最下方）；x 轴是时间轴，而不是抽样次数。 ?
3.5K31发布于 2019-03-27 - 来自专栏巡天遥看一千河
perf火焰图 wiki
火焰图 wiki 火焰图的每个框代表一个栈里的一个函数，燃烧在火苗尖部的就是CPU正在执行的函数 纵轴代表调用栈的深度（栈桢数），火焰顶端显示正在运行的函数，这之下都是调用者。 使用perf 生成火焰图 # PID 指进程id， -F 指采样频率，高负载时最好指定，不然生成的文件很大 # -g 告诉 perf record 额外记录函数的调用关系 # -- sleep 表示 有些模块的火焰图中会出现一些函数框，这其实不是火焰图的锅，是perf采样的时候就有了，它找不到相应的符号表，无法解析调用栈。 假如框很少的话可以先不管；要是很多的话，可以在编译时加上编译选项-fno-omit-frame-pointer，重新编译程序，包括so文件，再重新采样生成火焰图。 假如火焰图的一些函数框里什么也没有，应该也是找不到符号信息，无法解析调用栈，所以在编译时记得加上-g参数，-O2也会优化掉调用栈信息，可以去掉，编译完成后也不要用strip命令清符号表信息。
2.9K30发布于 2020-11-19 - 来自专栏OpenCV与AI深度学习
YOLOv8自定义数据集训练实现火焰和烟雾检测
YOLOv8一个令人惊叹的物体检测人工智能模型。与 YOLOv5 及之前的版本不同，您不需要克隆存储库、设置需求或手动配置模型。 (1) 目标检测 (2) 图像分割 (3) 图像分类 目标检测 我们可以使用下表中的任何一种模型进行物体检测： 图像分割 也可以使用下表中的任何一种模型进行图像分割： 图像分类 该模型将在训练过程中使用这些图像来学习和提高其检测或分类对象的能力。 这些标签用于识别和区分模型正在学习检测或分类的对象。 该图像可能是一个混淆矩阵，它是机器学习模型性能的视觉表示，通常用于评估对象检测或分类任务的准确性。
2.9K11编辑于 2024-05-22 - 来自专栏火丁笔记
白话火焰图
Gregg 发明了火焰图，可以一针见血的指出程序的性能瓶颈，坏消息是除了 OpenResty 社区，很少看到还有其他人使用火焰图。 （DEMO） sample-bt-off-cpu：用来生成 Off-CPU 火焰图的采样数据（DEMO） 那么什么时候使用 On-CPU 火焰图？ 什么时候使用 Off-CPU 火焰图呢？取决于当前的瓶颈到底是什么，如果是 CPU 则使用 On-CPU 火焰图，如果是 IO 或锁 则使用 Off-CPU 火焰图。 ，此时适合使用 Off-CPU 火焰图。 如果还是确认不了，那么不妨 On-CPU 火焰图和 Off-CPU 火焰图都搞搞，正常情况下它们的差异会比较大，如果两张火焰图长得差不多，那么通常认为 CPU 被其它进程抢占了。
97730编辑于 2021-12-14 - 来自专栏顶级程序员
如何读懂火焰图？
这个结果还是不易读，所以才有了火焰图。 二、火焰图的含义 火焰图是基于 perf 结果产生的 SVG 图片，用来展示 CPU 的调用栈。 ? y 轴表示调用栈，每一层都是一个函数。 三、互动性 火焰图是 SVG 图片，可以与用户互动。 （1）鼠标悬浮 火焰的每一层都会标注函数名，鼠标悬浮时会显示完整的函数名、抽样抽中的次数、占据总抽样次数的百分比。下面是一个例子。 四、火焰图示例 下面是一个简化的火焰图例子。 首先，CPU 抽样得到了三个调用栈。 六、Node 应用的火焰图 Node 应用的火焰图就是对 Node 进程进行性能抽样，与其他应用的操作是一样的。 它的下方就是火焰图。 ? 浏览器的火焰图与标准火焰图有两点差异：它是倒置的（即调用栈最顶端的函数在最下方）；x 轴是时间轴，而不是抽样次数。 ?
1.2K70发布于 2018-05-03 - 来自专栏程序员奇点
如何看懂火焰图
如何看懂火焰图 火焰图官方主页 什么是火焰图 火焰图（Flame Graph）是由 Linux 性能优化大师 Brendan Gregg 发明的，和所有其他的 profiling 方法不同的是，火焰图以一个全局的视野来看待时间分布 火焰图 svg 文件可以通过浏览器打开，它对于调用图的优点是：可以通过点击每个方块来分析它上面的内容。 火焰图的调用顺序从下到上，每个方块代表一个函数，它上面一层表示这个函数会调用哪些函数，方块的大小代表了占用 CPU 使用的长短。火焰图的配色并没有特殊的意义，默认的红、黄配色是为了更像火焰而已。 横轴的意义是指：火焰图将采集的多个调用栈信息，通过按字母横向排序的方式将众多信息聚合在一起。需要注意的是它并不代表时间。 火焰图格子的颜色是随机的暖色调，方便区分各个调用信息。 其他的采样方式也可以使用火焰图， on-cpu 火焰图横轴是指 cpu 占用时间，off-cpu 火焰图横轴则代表阻塞时间。
95020发布于 2021-09-15 - 来自专栏程序员奇点
如何看懂火焰图
如何看懂火焰图 火焰图官方主页 什么是火焰图 火焰图（Flame Graph）是由 Linux 性能优化大师 Brendan Gregg 发明的，和所有其他的 profiling 方法不同的是，火焰图以一个全局的视野来看待时间分布 image.png 火焰图 svg 文件可以通过浏览器打开，它对于调用图的优点是：可以通过点击每个方块来分析它上面的内容。 火焰图的调用顺序从下到上，每个方块代表一个函数，它上面一层表示这个函数会调用哪些函数，方块的大小代表了占用 CPU 使用的长短。火焰图的配色并没有特殊的意义，默认的红、黄配色是为了更像火焰而已。 横轴的意义是指：火焰图将采集的多个调用栈信息，通过按字母横向排序的方式将众多信息聚合在一起。需要注意的是它并不代表时间。 火焰图格子的颜色是随机的暖色调，方便区分各个调用信息。 其他的采样方式也可以使用火焰图， on-cpu 火焰图横轴是指 cpu 占用时间，off-cpu 火焰图横轴则代表阻塞时间。
16.7K40发布于 2021-09-07 - 来自专栏LINUX阅码场
火焰图系列之使用火焰图隐藏功能提高绘制精度
(还不熟悉什么是火焰图的可以看看文章末尾火焰图系列文章汇总) 1.小实验 这是一个简单C程序，其实就是一个死循环，如下： #include<stdio.h> int globalv; void dosth < out.profile > out.svg 得到的火焰图： ? 我们可以看到，火焰图显示， func程序占用了近四分之一的CPU时间。 这样，我们绘制出来的火焰图是这个样子的： ? 嗯，的确有点丑，但是6.26%才是 func真正消耗了的CPU时间比例。 4.关于CPU时间准确性的讨论 怎样才算是绘制了准确的火焰图呢？ 算法2：如果按照上面第三节所描述的方法绘制火焰图，采样结果应该是 func1有大约990个样本， func2有大约 990/2/2=248个样本，绘制出来的火焰图 func占比为 (990+248)/31680
2K30发布于 2020-06-09 - 来自专栏阮一峰的网络日志
如何读懂火焰图？
$ sudo perf report -n --stdio 这个结果还是不易读，所以才有了火焰图。 二、火焰图的含义 火焰图是基于 perf 结果产生的 SVG 图片，用来展示 CPU 的调用栈。 四、火焰图示例 下面是一个简化的火焰图例子。 首先，CPU 抽样得到了三个调用栈。 六、Node 应用的火焰图 Node 应用的火焰图就是对 Node 进程进行性能抽样，与其他应用的操作是一样的。 它的下方就是火焰图。 浏览器的火焰图与标准火焰图有两点差异：它是倒置的（即调用栈最顶端的函数在最下方）；x 轴是时间轴，而不是抽样次数。 八、参考链接 火焰图的介绍论文 火焰图官方主页 火焰图生成工具 （完）
1.1K61发布于 2018-04-12 - 来自专栏让技术和时代并行
性能优化｜火焰图篇
Java 系统 CPU 占用分析工具 linux系统上，可以直接使用 perf 工具采样数据，然后用火焰图工具生成火焰图。那么Java是不是也可以使用perf呢？ 是的，也可以，但是需要安装一个perf-map-agent，把底层堆栈转换为Java可见代码，然后通过FlameGraph生成火焰图（profile是另外一个bcc的工具，性能消耗比perf还要低，也可以用 async-profiler 不使用侵入性的技术，例如字节码检测工具或者探针检测等，这也说明 async-profiler 的内存分配分析像 CPU 性能分析一样，不会产生太大的性能开销，同时也不用写出庞大的堆栈文件再去进行进一步处理 /profiler.sh -d 30 -f s1.html 1189878 打开s1.html 其中火焰图里，横条越长，代表使用的越多，从下到上是调用堆栈信息。 CPU线程占用（top -Hp pid） 第一列pid编号转换为16进制（printf "%x\n" 46924） jstack 46924 | grep e58f 总结 有效提高服务性能的方法就是通过火焰图或者其它工具找到生产环境中的热点代码
1.6K20编辑于 2023-03-18 - 来自专栏IT杂谈学习
Python模拟火焰文字效果：炫酷的火焰字动效
引言 火焰文字效果是一种炫酷的视觉效果，常用于广告、游戏和艺术设计中。在这篇博客中，我们将使用Python创建一个火焰文字的动画效果。通过利用Pygame库，我们可以实现这个动态的火焰字效果。 Pygame并设置屏幕的基本参数： pygame.init() screen = pygame.display.set_mode((800, 600)) pygame.display.set_caption("火焰文字效果 ") clock = pygame.time.Clock() 定义火焰效果类 我们创建一个FlameEffect类来定义火焰的属性和行为： class FlameEffect: def __init # 初始化Pygame pygame.init() screen = pygame.display.set_mode((800, 600)) pygame.display.set_caption("火焰文字效果 ") clock = pygame.time.Clock() # 火焰效果类定义 class FlameEffect: def __init__(self, text, font, color
36310编辑于 2025-05-23 - 来自专栏旅途散记
pprof新增的火焰图实现
. ---- 以下内容来自ChatGPT： 在这个提交中，添加了一个实验性的火焰图（flame graph）实现。 这个新视图类似于火焰图视图，但是它可以显示调用者信息。这样可以满足许多使用Graph和Peek视图的用户的需求。 让我们通过一个例子来说明。 2000 main-----------] [----------2000 bar------------] [----------2000 malloc---------] 然而，新视图将显示一个火焰图视图 新视图和火焰图之间的一些重要区别如下： 新视图的优势： 显示调用者，例如，所有通往malloc的路径。 使用不同的颜色饱和度清楚地显示自身开销。 字体大小调整以在方框中显示更多文本。
62120编辑于 2023-09-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号