• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.112-119
• /
• 2019

본 논문에서는 불꽃 감지를 위한 임베디드 시스템에 적합한 딥러닝 구조를 제안한다. 제안하는 딥러닝 구조의 불꽃 감지 과정은 불꽃 색깔 모델을 사용한 불꽃 영역 검출, 불꽃 색깔 특화 딥러닝 구조를 사용한 불꽃 영상 분류, 검출된 불꽃 영역의 $N{\times}N$ 셀 분리, 불꽃 모양 특화 딥러닝 구조를 사용한 불꽃 영상 분류 등의 4가지 과정으로 구성된다. 첫 번째로 입력 영상에서 불꽃의 색만을 추출한 다음 레이블링하여 불꽃 영역을 검출한다. 두 번째로 검출된 불꽃 영역을 불꽃 색깔에 특화 학습된 딥러닝 구조의 입력으로 넣고, 출력단의 불꽃 클래스 확률이 75% 이상에서만 불꽃 영상으로 분류한다. 세 번째로 앞 단에서 75% 미만 불꽃 영상으로 분류된 영상들의 검출된 불꽃 영역을 $N{\times}N$ 단위로 분할한다. 네 번째로 $N{\times}N$ 단위로 분할된 작은 셀들을 불꽃의 모양에 특화 학습된 딥러닝 구조의 입력으로 넣고, 각 셀의 불꽃 여부를 판단하여 50% 이상의 셀들이 불꽃 영상으로 분류될 경우에 불꽃 영상으로 분류한다. 제안된 딥러닝 구조의 성능을 평가하기 위하여 ImageNet의 불꽃 데이터베이스를 사용하여 실험하였다. 실험 결과, 제안하는 딥러닝 구조는 기존의 딥러닝 구조보다 평균 29.86% 낮은 리소스 점유율과 8초 빠른 불꽃 감지 시간을 나타내었다. 불꽃 검출률은 기존의 딥러닝 구조와 비교하여 평균 0.95% 낮은 결과를 나타내었으나, 이는 임베디드 시스템에 적용하기 위해 딥러닝 구조를 가볍게 구성한데서 나온 결과이다. 따라서 본 논문에서 제안하는 불꽃 감지를 위한 딥러닝 구조는 임베디드 시스템 적용에 적합함이 입증되었다.

• 인터넷정보학회논문지
• /
• 제14권2호
• /
• pp.45-51
• /
• 2013

본 논문에서는 자외선(UV, ultraviolet) 및 적외선(IR, infrared) 센서를 결합함으로서 불이 연소하면서 방출하는 빛의 파장을 활용한 영상신호를 검출하는 결합형 불꽃영상 검출시스템은 적외선 센서와 자외선 센서 기반의 신호처리 알고리즘 설계방안을 제안한다. 또한, 설계한 듀얼모드인 결합형 불꽃영상 검출시스템은 단독형 적외선 또는 자외선 센서 기반의 영상검출 알고리즘의 검출 성능결과를 비교한다.

• 한국지능시스템학회논문지
• /
• 제20권4호
• /
• pp.516-521
• /
• 2010

본 논문은 퍼지 칼라모델을 이용한 영상기반의 지능형 무인 화재감시 시스템을 제안한다. 일반적으로 화재 감시를 위해 열이나 연기를 감지하는 별도의 장치를 사용하지만, 널리 보급된 폐쇄회로를 이용하면 별도의 장치와 추가적인 비용 없이 화재를 감시할 수 있다. 이와 같이 영상만으로 화재를 감시하는 시스템은 주로 연기나 불꽃을 추출하는 방법을 사용한다. 그러나 연기검출 방식은 야간에 회색계열의 연기를 검출하기 곤란하고, 불꽃검출 방식은 온도, 인화물질, 화재규모 등에 따른 불꽃색상의 변화에 대응하지 못하는 문제점을 가지고 있다. 본 논문은 무인환경 특히 야간 및 다양한 불꽃색상의 변화에 대응할 수 있는 강인한 화재감시 시스템을 다룬다. 이를 위해 폐쇄회로의 입력영상으로부터 움직임 영역을 추출하고, 퍼지 칼라모델을 이용한 색상과 히스토그램을 이용한 모양을 통해 불꽃 여부을 판단하고, 이것의 확산이 확인될 경우, 화재경보를 발령하는 시스템을 구현한다. 마지막으로, 통제된 실제 화재 실험을 통해 제안하는 방법의 유효성을 검증한다.

• 해양환경안전학회지
• /
• 제25권4호
• /
• pp.476-481
• /
• 2019

화재의 초기 검출은 인명과 재화의 손실을 최소화하기 위한 중요한 요소이다. 불꽃과 연기를 신속하면서 동시에 검출해야 하며 이를 위해 영상 기반의 화재 검출에 관한 연구가 다양하게 진행되고 있다. 기존의 화재 검출은 불꽃과 연기의 특징을 추출하기 위해 여러 알고리즘을 거쳐서 화재의 검출 유무를 판단하므로 연산량이 많이 소모되었으나, 딥러닝 알고리즘인 합성곱 신경망을 이용하면 별도의 과정이 생략되므로 신속하게 검출할 수 있다. 본 논문에서는 선박 기관실에서 화재 영상을 녹화한 데이터로 실험을 수행하였다. 불꽃과 연기의 특징을 외각 상자로 추출한 후 합성곱 신경망 중 하나인 욜로(YOLO)를 이용하여 학습하고 결과를 테스트하였다. 실험 결과를 검출률, 오검출률, 정확도로 평가하였으며 불꽃은 0.994, 0.011, 0.998, 연기는 0.978, 0.021, 0.978을 나타내었고, 연산시간은 0.009s를 소모됨을 확인하였다.

• 전기저널
• /
• 7호통권127호
• /
• pp.100-102
• /
• 1987

변류기는 자가용 수전설비에서는 계측과 보호계전기를 동작시키기 위해 필요한 것이다. 변류기 중 CT라고 하는 것은 회로의 전류를 검출하여 전류계, 전력계, 역률계 등에 접속되는 외에 과전류계전기를 동작시켜 과부하나 단락사고시에 회로를 차단하여 고압기기를 보호한다. 또한 ZCT (영상변류기)는 지락전류는 검출하여 지락계전기를 동작시키는 역할을 한다. 여기서는 이와 같이 중요한 역할을 하는 변류기의 고장사례이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권11호
• /
• pp.607-614
• /
• 2016

본 논문에서는 컨볼루션 신경망 모델을 이용한 지능형 화재 학습 및 탐지 시스템을 제안한다. 제안하는 시스템에서 사용된 신경망의 컨볼루션 층을 통해 불꽃 이미지와 연기 이미지에 대한 특징맵을 생성하고, 생성된 특징맵에 대하여 불꽃과 연기를 분류하는 학습을 진행한다. 이렇게 학습된 신경망에 움직임 특징 및 색상 특징만을 이용한 간단한 처리를 통해 검출된 화재 후보 영역 이미지를 입력시키면 입력된 영역에 화재가 발생했는지의 여부를 알 수 있다. 다양한 영상을 대상으로 실험한 결과 학습된 신경망은 화재 후보 영역에서 불꽃과 연기를 분류하는데 뛰어난 효과를 보여줌을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제13권6호
• /
• pp.40-47
• /
• 2013

산불 발생 시, 조기 발견 여부는 피해 규모의 정도를 좌우하는 중요한 요소이다. 본 논문은 산불 초기 발견과 위치 및 규모를 효과적으로 파악하기 위하여 PAN/TILT 동작이 가능한 단일 카메라로부터 파노라믹 영상을 구성하여 효율적으로 산불을 모니터링 할 수 있는 시스템을 제안한다. 입력된 RGB 이미지를 YCrCb 이미지로 색상 변환한 후, 차영상을 추출하여 연기의 움직임 변화를 감지함으로써 산불 후보 영역을 추출한다. 산불 후보 영역은 히스토그램 분석을 통한 불꽃 검출로 화재 여부를 판단하도록 한다. 또한 SURF와 영상 접합을 이용한 파노라믹 이미지를 지원한다. 이는 다음과 같은 장점들을 가진다. 첫째, 한대의 카메라와 한 대의 모니터를 사용하므로 경제적인 시스템 구성이 가능하다. 둘째, 파노라믹 영상을 통해 넓은 뷰를 한 번에 확인함으로써 실재감 있는 규모 확인 및 조기발견이 가능하다. 셋째, 구축된 파노라믹 영상을 저장함으로써 데이터의 양을 줄일 수 있다.

• 한국화재소방학회논문지
• /
• 제27권5호
• /
• pp.15-18
• /
• 2013

본 연구는 자연 발생적인 화재 및 방화자에 의한 화재를 탐지하는 고효율 저비용의 옥외형 화재경보시스템으로 중소문화재, 천연기념물 및 옥외 시설물 등 화재 발생 시 관리 감시가 취약한 곳을 대상으로 한 소방시스템의 옥외 적용시 성능 및 시험에 대한 것이다. 재래적 화재감지시스템으로부터 탈피하여 지능적인 이동형 무인 화재감지시스템의 도입을 위해 화재경보시스템 성능시험, 기능시험, 옥외 환경시험, 불꽃시험 및 EMI/EMS 적합시험 등을 실시하였다. 성능시험, 기능시험, 불꽃시험 및 옥외방치시험을 3개월간 실시한바 양호하였고, 온도변화 성능시험도 $-30{\sim}70^{\circ}C$에서 양호하였으며 EMI/EMS 시험도 적합하였다. 불꽃검출거리는 75 m까지 증가되었고 대기모드 전원은 4시간 증가, 운영모드 전원에서의 동작시간은 3일까지 가능하였으며 센서뿐만 아니라 영상으로 상황을 인지하는데 적합함을 확인하였다.

• 전기전자학회논문지
• /
• 제22권4호
• /
• pp.1079-1087
• /
• 2018

최근 딥러닝(deep learning) 인공지능 기반의 컴퓨터 비전 분야는 각종 영상분석 분야에서 화제로 떠오르고 있다. 본 연구에서는 딥러닝 기반의 여러 이미지 인식 알고리즘 중 이미지 내에서 객체를 검출하는 데 사용되는 Faster R-CNN 알고리즘을 이용하여 화재 이미지에서 불꽃을 검출하고자 한다. 학습 과정에서 소량의 데이터셋을 통한 화재검출 정확도 향상을 위해 이미지 오그멘테이션(image augmentation) 기법을 이용하고, 이미지 오그멘테이션을 6가지 유형별로 나누어 학습하여 정확도, 정밀도, 검출률을 비교하였다. 그 결과, 이미지 오그멘테이션의 종류가 늘어날수록 검출률이 상승하지만, 다른 객체 검출 모델들의 일반적인 정확도와 검출률의 관계와 마찬가지로 오검출율 또한 10%에서 최대 30%까지 증가하게 됨을 확인하였다.

• 한국화재소방학회논문지
• /
• 제30권4호
• /
• pp.1-5
• /
• 2016

본 논문은 영상화재감지기(Video Fire Detector)의 시험 및 설치기준에 관한 연구로서 FM Approvals, UL, ISO7240 및 NFPA 72 기준들을 서로 비교분석하여 국가화재안전기준 203 (NFSC 203)에 반영되어야 할 기준들을 제안하였다. 영상화재감지기의 시험과 관계된 FM Approvals 기준에는 연기형, 불꽃형으로 분류되고 비화재보시험이 있었으나 UL 기준에는 연기형만 제시되어 있었다. 외국 기준인 ISO 7240에서는 화재현상 검출유형 등 6가지를, NFPA 72에서는 화재현상 검출유형 등 3가지를 조사하였다. CCTV 설치 표준공법에서는 영상화재감지기의 설치기준에 필요한 항목이 15가지가 있었으며 설치방법에 따라 각 분야별 기준이 제시되어 있었다. 영상화재감지기 적용을 위해서는 감지기 시험항목 중 용어의 정의, 감지기의 구분, 구조 및 기능에 관련항목을 삽입하고 감도조정, 비화재보방지, 주위온도시험, 유효감지거리 및 감도와 시야각, 노화시험, 살수시험, 내화시험의 7개 항목의 적용이 필요하다. 현장 설치를 위해서는 국가화재안전기준 203 (NFSC 203)에 작동환경 및 조도기준을 설정하고 음향장치, 표시등의 설치거리 등의 기준을 삽입하여야 한다.