• 한국컴퓨터정보학회논문지
• /
• 제27권1호
• /
• pp.1-8
• /
• 2022

본 논문에서는 실시간 객체 탐지(Real-time Object Detection)가 가능한 YOLOv4 모델과 DeepSORT 알고리즘을 활용한 객체 추적(Object Tracking) 기술을 활용하여 CCTV 영상 이미지 기반의 화재 탐지 시스템을 제안한다. 화재 탐지 모델은 10800장의 학습용 데이터로부터 학습되었으며 1000장의 별도 테스트 셋을 통해 검증되었다. 이후 DeepSORT 알고리즘을 통해 탐지된 화재 영역을 추적하여 단일 이미지 내의 화재 탐지율과 영상 내에서의 화재 탐지 유지성능을 증가시켰다. 영상 내의 한 프레임 혹은 단일 이미지에 대한 화재 탐지 속도는 장당 0.1초 이내로 실시간 탐지가 가능함을 확인하였으며 본 논문의 AI 화재 탐지 시스템은 기존의 화재 사고 탐지 시스템 보다 안정적이고 빠른 성능을 지니고 있어 화재현장에 적용 시 화재를 조기 발견하여 빠른 대처 및 발화단계에서의 진화가 가능할 것으로 예상된다.

• 한국재난정보학회:학술대회논문집
• /
• 한국재난정보학회 2023년 정기학술대회 논문집
• /
• pp.202-203
• /
• 2023

최근 화재 탐지 분야는 불꽃 연기의 특징과 인공지능 인식(Detection) 모델을 활용하여 탐지율을 높이려는 연구가 많이 진행되어 왔다. 기존 화재 탐지 정확도를 높이기 위한 모델 연구 이외에도 불꽃·연기의 특징을 다양한 방법으로 데이터 가공한 학습 데이터셋을 활용하는 연구들이 진행되고 있다. 본 논문에서는 화재 탐지시 불꽃/연기의 오탐지율이 높은 것을 확인하고 오탐지율을 낮추기 위해 화재 상황을 인식하여 분류하는 방법과 데이터셋을 제안한다. 제안한 모델은 동영상을 학습데이터로 활용하여 화재 상황의 특징을 추출하여 분류모델에 적용하였다. 평가는 한국정보화진흥원(NIA)에서 진행하는 화재 데이터셋을 이용하여 Yolov8, Slowfast의 모델 성능을 비교 및 분석하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (B)
• /
• pp.499-504
• /
• 2006

터널 내 화재 발생 시 대규모의 인명, 재산 피해가 발생하는데 이러한 상황을 조기에 탐지함으로써 피해를 최소화하기 위한 시스템이 필요하다. 또한 터널 내 설치된 CCTV를 사람이 24시간 감시하기에는 너무 어려운 점이 많다. 이에 따라 적절한 영상 처리를 통한 화염 및 연기 검출 시스템을 통해 경보를 알려줄 경우, 보다 편리하고 사람이 모니터 앞에 없을 때 화재 발생 시 화재를 검출할 수 있어 피해를 최소화 할 수 있다. 본 논문에서는 영상처리 기법을 이용하여 터널 안에서 발생한 화재 및 연기를 고속으로 탐지하기 위한 알고리즘을 제안하였다. 터널 안에서의 화재 탐지는 차량 조명 및 터널내의 조명등과 같은 여러 가지 상황에 의해 산불 탐지 알고리즘과 다른 독자적인 알고리즘의 개발이 요구된다. 본 논문에서 제시한 두 가지 알고리즘은 기존 알고리즘보다 정확한 위치 탐지와 초기 단계에서의 탐지가 가능하도록 되었다. 또한 우리는 실험 결과를 통해 각각의 성능을 비교함으로써 제시한 알고리즘의 타당성을 보여주었다.

• 한국재난정보학회 논문집
• /
• 제19권4호
• /
• pp.968-975
• /
• 2023

연구목적: 화재 탐지시 불꽃/연기의 오탐지율이 높은 것을 확인하고 오탐지율을 낮추기 위해 화재 상황을 인식하여 분류하는 방법과 데이터셋을 제안하고자 한다. 연구방법: 동영상을 학습데이터로 활용하여 화재 상황의 특징을 추출하여 분류모델에 적용하고, 평가는 한국정보화진흥원(NIA)에서 진행하는 화재 데이터셋을 이용하여 Yolov8, Slowfast의 모델 성능을 비교 및 분석하였다. 연구결과: YOLO는 배경의 영향에 따라 탐지 성능이 민감하게 변화하며, 화재의 규모가 너무 크거나 작을 때에도 화재를 제대로 감지하지 못했다. SlowFast는 동영상의 시간 축을 같이 학습하기 때문에 비정형 객체에 대해 주변이 흐리거나 밝아 형상을 명확하게 유추할 수 없는 상황에서도 우수하게 화재를 탐지하는 것을 확인했다. 결론: 화재 탐지율은 이미지 데이터 방식보다는 동영상 기반의 인공지능 인식(Detection) 모델을 활용했을 때 더 적절했음을 확인했다.

• 한국산업안전학회:학술대회논문집
• /
• 한국안전학회 1998년도 춘계 학술논문발표회 논문집
• /
• pp.119-124
• /
• 1998

방재에 있어서 화재의 초기감지가 얼마나 중요한 것인지를 우리는 잘 알고 있으나, 자동화재탐지설비에 대한 유지$\cdot$보수의 중요성에 대한 개념은 매우 미비하며, 이에 따른 연구도 빈약한 상태이다. 자동화재탐지설비는 건물내에 발생한 화재를 초기단계 즉 화재에 의하여 발생할 열 또는 연소생성물을 자동적으로 감지하고, 건물내의 관계자 및 거주자에게 음향장치에 의하여 화재의 발생을 알리는 설비이다. (중략)

• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.63-71
• /
• 2020

본 논문에서는 최근 가장 신뢰도 높은 인공지능 탐지 알고리즘인 YOLOv3와 EfficientDet을 이용한 화재 탐지 기술과 문자, 웹, 앱, 이메일 등 4종류의 알림을 동시에 전송하는 알림서비스 그리고 화재 탐지와 알림서비스를 연동하는 AWS 시스템을 제안한다. 우리의 정확도 높은 화재 탐지 알고리즘은 두 종류인데, 로컬에서 작동하는 YOLOv3 기반의 화재탐지 모델은 2000개 이상의 화재 데이터를 이용해 데이터 증강을 통해 학습하였고, 클라우드에서 작동하는 EfficientDet은 사전학습모델(Pretrained Model)에서 추가로 학습(Transfer Learning)을 진행하였다. 4종류의 알림서비스는 AWS 서비스와 FCM 서비스를 이용해 구축하였는데, 웹, 앱, 메일의 경우 알림 전송 직후 알림이 수신되며, 기지국을 거치는 문자시스템의 경우 지연시간이 1초 이내로 충분히 빨랐다. 화재 영상의 화재 탐지 실험을 통해 우리의 화재 탐지 기술의 정확성을 입증하였으며, 화재 탐지 시간과 알림서비스 시간을 측정해 화재 발생 후 알림 전송까지의 시간도 확인해보았다. 본 논문의 AI 화재 탐지 및 알림서비스 시스템은 과거의 화재탐지 시스템들보다 더 정확하고 빨라서 화재사고 시 골든타임 확보에 큰 도움을 줄 것이라고 기대된다.

• 지능정보연구
• /
• 제6권2호
• /
• pp.15-27
• /
• 2000

본 논문에서는 통합플랫폼관리체제하에서 선박에서 발생하는 화재를 탐지하기 위하여 규칙 및 사례기반의 하이브리드 화재진압통제 지능시스템(H-FFIS)을 제안한다·기존의 화재진압통제 지능시스템은 대부분 규칙기반 시스템인데, 실제로 화재를 탐지하는데 필요한 지식은 정형화된 규칙만으로 표현하기 어려우며, 과거의 화재 발생 사례를 기초로 탐지하는 경우가 적지 않다. 또한 시스템의 성능 향상을 위해서 규칙을 계속 수정하고 추가해야 하는 단점이 있으며, 예외적인 상황에서 화재 가 발생시 적시에 화재를 탐지하는데 문제점을 지니고 있다. 이러한 문제점들을 개선하기 위하여 규칙 및 사례 기반의 하이브리드 지능시스템을 설계하고 구현한다. 제안하는 시스템은 기존의 FFIS 와 비교해 볼 때 화재 탐지율을 향상시켰다.

• 한국화재소방학회논문지
• /
• 제22권4호
• /
• pp.42-49
• /
• 2008

본 연구에서는 기존의 자동화재탐지설비의 오동작(비화재보, 실보)과 빈번한 오동작으로 인한 전원의 차단 등의 문제점을 해결하고 보다 높은 신뢰성을 갖는 자동화재탐지설비를 구성하기 위한 방안을 제시한다. 제안된 방식은 다중센서를 이용한 마이크로프로세서-기반의 디지털 제어시스템으로서 화재 시 발생되는 여러 가지 연소생성물을 감지하기 위해서 열, 연기, CO 센서 등을 복합적으로 사용한다. 이와 같은 방식에 따라 자동화재탐지설비의 오동작 발생 가능성을 줄인 화재감지시스템을 구성하였고, 다중센서 화재감지장치의 화재 감지 및 판별 알고리즘에 의해서 화재발생의 여부를 디지털 제어시스템에 의해서 신뢰도 높게 판단함을 실제 시험을 통해 검증하였다. 실제 화재감지시스템을 구성하였고, 화재시험을 통해서 제안 된 방식의 향상된 신뢰도를 검증하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.303-306
• /
• 2000

본 논문에서는 선박에서 화재탐지를 위해서 규칙 기반 추론과 사례 기반 추론을 통합하는 방법에 대해서 논의하였다. 규칙은 어떤 영역에서 광범위한 경향을 표현하는데 적합하며 사례는 규칙에서 예외적인 상황을 다루는데 적합하다는 점에서 규칙과 사례는 상호 보완적이라 할 수 있다. 즉 어떤 행동이 충분히 반복되면 자연스럽게 규칙이 되며, 잘 확립된 규칙이 있다면 사례를 먼저 추론할 필요가 없다. 그러나 규칙이 실패하게 되면 실패를 만회하기 위해서 사례를 생성하는 것이 하나의 대안이 될 수 있다. 본 논문에서는 일반적인 화재탐지 지식은 규칙으로 표현하고, 예외적인 화재탐지 지식은 사례로 표현함으로써 규칙과 사례가 서로 보완적인 역할을 할 수 있는 통합 방법을 제안하였다. 또한 기존의 규칙 기반 FFES(Fire Fighting Expert System)와 사례기반 추론에 의해 확장된 C-FFES(Combined-Fire Fighting Expert System)를 비교를 통해, 제안한 접근 방법이 화재 탐지율을 향상시킴을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.69-71
• /
• 2022

오늘날 AI의 발전으로 인하여 AI 시장은 매우 커지고 있다. 그중 가장 많이 발전된 AI는 이미지 탐지이다. 그리하여 YOLOv5을 이용하는 많은 객체 탐지 모델이 존재한다. 하지만 AI의 대부분의 객체 탐지는 정형화된 객체 탐지에 중점이 잡혀 있으며 비정형 객체에 대한 연구는 상대적으로 적은 편이다. 따라서 본 논문에서는 YOLOv5을 이용한 화재 감시 시스템을 설계하여 비정형 화재 데이터를 탐지 및 분석하여 화재 탐지시스템을 설계하고 구현하였다.