• 한국산업정보학회논문지
• /
• 제23권4호
• /
• pp.41-53
• /
• 2018

최근 들어 머신 러닝 기술의 발달로 기존 영상 기반의 응용시스템에 딥러닝 기술을 적용하는 사례들이 늘고 있다. 이러한 맥락에서 화재 감지 분야에서도 CNN (Convolutional Neural Network)을 적용하는 시도들이 이루어지고 있다. 본 논문에서는 기존 전처리 방법과 특징 추출 방법이 CNN과 결합되었을 때 화재 탐지에 어떤 효과를 유발하는지를 검증하기 위해 인식 성능과 학습 시간을 평가해 보았다. VGG19 CNN 구조를 변경, 즉 컨볼루션층을 조금씩 늘리면서 실험을 진행한 결과, 일반적으로 전처리하지 않는 이미지를 사용한 경우가 성능이 훨씬 좋음을 확인할 수 있었다. 또한 성능적인 측면에서는 전처리 방법과 특징 추출 방법이 부정적인 영향을 미치지만 학습속도 측면에서는 많은 이득이 있음을 확인할 수 있었다.

• 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.

• 한국컴퓨터정보학회논문지
• /
• 제18권6호
• /
• pp.21-28
• /
• 2013

본 논문은 그레이레벨히스토그램을 이용한 움직임 영역검출, 퍼지 클러스터링을 이용한 칼라 분할, 그레이 레벨 동시발생 행렬을 이용한 특징 추출 및 서포터 벡터 머신을 이용한 화재 분류 등과 같은 다중 이종 알고리즘을 포함하고 있는 효과적인 화재 감지 방법을 제안한다. 제안한 방법은 움직임 영역을 검출하기 위해그레이레벨히스토그램에 기초한 최적의 임계값을 결정하고 난 후, CIE LAB 칼라 공간에서 퍼지 클러스터링을 적용하여 칼라 분할을 수행한다. 이러한 두 단계는 화재의 후보 영역을 기술하는데 도움이 된다. 다음으로 그레이 레벨 동시발생 행렬을 이용하여 화재의 특징을 추출하고, 이러한 특징들은 화재인지 아닌지를 분류하기 위해 서포터 벡터 머신의 입력으로 사용된다. 제안한 방법을 평가하기위해 기존의 두 알고리즘과 화재 검출율 및 오류 화재 검출율에서 비교하였다. 모의실험결과, 제안한 방법은 97.94%의 화재 검출율 및 4.63%의 오류 화재 검출율을 보임으로써 기존의 화재 감지 알고리즘보다 우수성을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제18권10호
• /
• pp.1-12
• /
• 2013

본 논문에서는 많은 연산량이 요구되는 화재 특징 추출 알고리즘을 위한 최적의 매니코어 프로세서에 대한 디자인 공간을 탐색한다. 최적의 매니코어 디자인 공간을 선택하기 위해 매니코어를 구성하는 프로세서 엘리먼트 (PE)의 개수와 로컬 메모리 사이즈를 변화시키면서 시뮬레이션을 수행하여 성능, 에너지 효율 및 시스템 면적 효율에서 최적인 매니코어 구조를 결정한다. 본 논문에서는 $256{\times}256$ 해상도의 30 프레임으로 구성된 화재/비화재 비디오 영상을 대상으로 하여 움직임 검출, 색상 분할 및 이산 웨이블릿 변환으로 구성된 화재 특징 추출 알고리즘을 여섯가지 매니코어 구조(PEs=16, 64, 256, 1,024, 4,096, 16,384)를 사용하여 모의 실험한 결과, 모든 화재/비화재 비디오 영상에 대해1,024개와 4,096개의 PE를 갖는 매니코어 구조가 각각 최적의 시스템 면적 효율과 에너지 효율을 보였다. 또한, 실험에서 사용한 여섯가지 매니코어 구조 모두가 실시간 비디오 처리에서 요구되는 초당 30 프레임 처리 기준을 만족하였다.

• 정보처리학회논문지B
• /
• 제18B권4호
• /
• pp.213-220
• /
• 2011

본 논문은 조기 화재 경보 시스템에서 예측하지 못한 위험요소들의 이벤트에 즉각 응답하는 비디오 기반의 효과적인 4단계 연기 감지 방법을 제안한다. 첫 번째 단계에서는 근사 미디언(approximate median) 방법을 사용하여 비디오의 현재 프레임에서 움직이는 영역들을 분리한다. 두 번째 단계에서는 연기의 칼라 기반 분리 기법을 사용하여 이러한 움직이는 영역들로부터 후보 연기 영역을 선택한다. 세 번째 단계에서는 특징추출 알고리즘을 사용하여 연기의 움직임이나 지역 불규칙성과 같은 후보 연기 영역들의 특징을 분석하여 연기의 다섯 가지 특징 파라미터를 추출한다. 네 번째 단계에서는 추출된 다섯 가지 특징 파라미터를 K-nearest neighbor (KNN) 알고리즘의 입력으로 사용하여 후보 연기 영역이 연기인지 아닌지를 구분한다. 모의실험 결과, 제안하는 4 단계 연기 감지 방법은 기존의 연기 감지 알고리즘들과 비교하여 연기감지의 정확도에서 우수한 성능을 보였고, 또한 오픈된 넓은 공간에서도 높은 신뢰성과 낮은 오류 경보율을 보였다.

• 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.

• 한국통신학회논문지
• /
• 제34권4C호
• /
• pp.388-396
• /
• 2009

본 연구는 CCD카메라로부터 입력된 영상을 분석하여 특징값을 추출하고, 패턴인식기술을 이용하여 화재연기영상을 감지하는 방법을 제안한다. 우선 CCD카메라로부터 획득된 영상들간의 차영상을 이용하여 움직임 영역만을 검출하고, 이후 연기색상모델을 적용하여 후보영역을 생성한다. 연기영역은 유사색상의 군집화를 이루고, 주변에 비해 단순한 질감을 가지며, 시간에 따른 모션정보의 상승 방향성을 가지는 특징을 가진다. 본 논문에서는 연기영역의 이러한 특성을 이용하여 학습영상으로부터 연기의 밝기, 웨이블릿 고주파 성분, 모션 벡터 등의 특징 값을 추출하고 이들 특징 값들에 대해 가우시안 확률 모델을 생성한다. 이렇게 추출된 확률모델은 연기영역의 시간적 연속성을 고려하기 위해 본 논문에서 새롭게 구성한 동적 베이지안 네트워크의 관찰노드에 적용된다. 본 논문에서 제안하는 방법은 산불을 비롯한 다양한 연기를 감지하였으며, 기존의 알고리즘에 비해 우수한 성능을 보여주었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 춘계학술대회
• /
• pp.594-597
• /
• 2010

본 논문에서는 기존 고가의 카메라센서 기반으로 화재를 검출하는 방법 대신 저가의 카메라 시각 기능만 사용하여 화재를 검출하는 방법을 제안하였다. 제안한 방법은 YCbCr과 YIQ 칼라모델을 사용하여 화재 후보영역을 검출하였다. 화재 후보영역에서 화재의 외부 경계추출, 노이즈 제거 등의 영역해석을 수행함으로써 화재를 검출하였다. 실험결과 제안한 방법은 주위환경의 변화에 무관하게 화재를 감지하는 매우 좋은 결과를 보여 준다.

• 한국전자통신학회논문지
• /
• 제12권2호
• /
• pp.331-336
• /
• 2017

화재 재해를 예방하기 위해 조기 화재 탐지 기술의 필요성이 증대되고 있다. 화염 및 연기를 감지하기 위해 열, 연기 및 불꽃에 대한 센서 감지 장치가 널리 사용되고 있으나, 이 시스템은 센서 주변 환경의 요소에 따라 제한된다. 이 문제들을 해결하기 위해 다수의 이미지 기반 화재 탐지 시스템이 개발되고 있다. 본 논문에서는 카메라 입력 이미지로 부터 합성곱 신경망을 이용하여 연기 이미지와 불꽃 이미지에 대한 학습을 통해 특징 맵을 추출하고, 이를 사용하여 다른 입력 이미지를 연기와 불꽃으로 분류하는 이미지 기반 화재 감지 시스템을 구현하였다. 다양한 조건의 이미지를 대상으로 실험한 결과 연기와 불꽃으로 분류하는데 우수한 성능을 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.