• 한국화재소방학회논문지
• /
• 제27권6호
• /
• pp.77-82
• /
• 2013

본 연구에서는 유무선 TCP/IP 기능과 Pan/Tilt 기능을 갖는 Charge-Coupled Device (CCD) 카메라를 이용하여 화재발생 위치를 추적하고, 스마트 모바일 통신 기능을 탑재한 안드로이드 시스템에 실시간으로 정보를 전달하여 원거리에서 화재를 인식하고 재난을 제어할 수 있는 스마트 화재 인식 시스템을 제안하였다. 제안한 방법을 구현하기 위하여 첫째, 입력영상을 hue saturation intensity (HSI) 변환하여 주변 밝기와 잡영상들을 제거하여 순수한 화염만을 분할하는 알고리즘을 제안하였다. 둘째, Pan/Tilt 기능으로 화재가 발생한 위치를 정확하게 추적하여 적절하게 화재 인식을 할 수 있도록 하였다. 셋째, 모바일 기능을 탑재한 안드로이드 통신시스템으로 화재상황을 원격지에서도 확인할 수 있는 스마트한 화재 인식 시스템을 구현할 수 있도록 하였다. 제안한 방법을 확인하기 위하여 10개의 화재 동영상을 입력하고 실험을 수행한 결과 10개의 동영상에서 화재영역을 분할하고 화재 위치를 모두 추적하였다.

• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.35-38
• /
• 2009

The paper presents an effective method to detect fire in video surveillance and monitoring system. The main contribution of this work is that we successfully use the Hidden Markov Models in the process of detecting the fire with a few preprocessing steps. First, the moving pixels detected from image difference, the color values obtained from the fire flames, and their pixels clustering are applied to obtain the image regions labeled as fire candidates; secondly, utilizing massive training data, including fire videos and non-fire videos, creates the Hidden Markov Models of fire and non-fire, which are used to make the final decision that whether the frame of the real-time video has fire or not in both temporal and spatial analysis. Experimental results demonstrate that it is not only robust but also has a very low false alarm rate, furthermore, on the ground that the HMM training which takes up the most time of our whole procedure is off-line calculated, the real-time detection and alarm can be well implemented when compared with the other existing methods.

• 한국위성정보통신학회논문지
• /
• 제6권2호
• /
• pp.41-45
• /
• 2011

본 논문에서는 컬러 화재영상에 포함된 화염의 색상 분석과 시공간적 특징 분석을 통하여 신뢰성 높은 화재 판정 조건을 제시한다. 이를 위하여 컬러영상에서 화염을 판정하는 컬러속성으로서 Y-휘도 성분과 Cr-색차 성분을 조합한 문턱치를 도출하고 화염 후보영역을 선정하였다. 선정된 화염 후보영역에 대해서는 화염의 공간적인 질감분석과 시간적인 동적변화를 DCT와 프레임간 휘도성분 변화량을 분석하여 최종 화염 판정 기준으로 제시하였다. 컴퓨터 모의실험을 통하여 제시한 화염 판정 조건의 신뢰성과 실용성을 검증하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권2호
• /
• pp.381-404
• /
• 2022

Forest fires inflict great losses of human lives and serious damages to ecological systems. Hence, numerous fire detection methods have been proposed, one of which is fire detection based on sensors. However, these methods reveal several limitations when applied in large spaces like forests such as high cost, high level of false alarm, limited battery capacity, and other problems. In this research, we propose a novel forest fire detection method based on image processing and correlation coefficient. Firstly, two fire detection conditions are applied in RGB color space to distinguish between fire pixels and the background. Secondly, the image is converted from RGB to YCbCr color space with two fire detection conditions being applied in this color space. Finally, the correlation coefficient is used to distinguish between fires and objects with fire-like colors. Our proposed algorithm is tested and evaluated on eleven fire and non-fire videos collected from the internet and achieves up to 95.87% and 97.89% of F-score and accuracy respectively in performance evaluation.

• 한국측량학회지
• /
• 제22권3호
• /
• pp.261-268
• /
• 2004

위성영상자료를 통해 각 파장대별로 기록된 지표면에 대한 반사특성정보로 정규산화율지수(NBR)나 정규식생지수(NDVI)를 구하여 산림에 대한 분석을 할 수 있다. 따라서 본 연구에서는 산불이 발생한 강릉시 사천면 지역을 중심으로 산불 발생이전 산림이 온전하였던 시기의 영상과 산불 발생 직 후, 발생 1년 후 그리고 2년 후의 영상으로 정규산화율지수와 정규식생지수를 각각 구하여 이 지수를 비교 분석함으로써 정규산화율지수의 효용성을 강조하였다. 그 결과 NBR영상간 차이가 NDVI영상간 차이보다 큰 범위의 동적변화를 보이고 있으므로 산불 피해강도나 식생회복상태 분석 시 NBR영상을 사용하는 것이 좋을 것으로 판단되며, 산불피해 지역에서도 NBR 영상이 NDVI영상보다 산림피해강도나 회복상태를 더욱 뚜렷하게 보여주고 있다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2009년도 춘계 종합학술대회 논문집
• /
• pp.79-82
• /
• 2009

본 논문에서는 화재 영상을 검출하기 위한 새로운 영상처리 기법을 제안한다. 카메라에서 획득한 영상에서 화재 영상 검출에 필요한 차영상, 이진화 영상, 윤곽선 검출, 노이즈 제거(열림, 닫힘 연산), 픽셀검사[1], 플리커링 검사[2]등 영상처리기법들을 구현하기 위하여 OpenCV라는 영상처리 라이브러리를 사용하였다.

• 한국컴퓨터정보학회논문지
• /
• 제23권10호
• /
• pp.95-101
• /
• 2018

In this paper, we propose an image-based synthesis method that can effectively represent the spark effect in fire simulation. We use the real flame image or animated image as inputs and perform the following steps : 1) extract feature vectors from the image, 2) calculate artificial buoyancy, and 3) generate and advect spark textures. We detect the edge from images and then calculate the feature vectors to calculate the buoyancy. In the next step, we compute the high-quality buoyancy vector field by integrating the two-dimensional feature vector and the fluid equation. Finally, the spark texture is advect by buoyancy field. As a result, our method is performed much faster than the previous approach and high-quality results can be obtained easily and stably.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2012년도 춘계학술대회 논문집
• /
• pp.305-306
• /
• 2012

• 한국항행학회논문지
• /
• 제27권5호
• /
• pp.685-689
• /
• 2023

The proposed system in the study aims to detect forest fires in real-time stream data received from the drone-camera. Recently, the number of wildfires has been increasing, and also the large scaled wildfires are frequent more and more. In order to prevent forest fire damage, many experiments using the drone camera and vision analysis are actively conducted, however there were many challenges, such as network speed, pre-processing, and model performance, to detect forest fires from real-time streaming data of the flying drone. Therefore, this study applied image data processing works to capture five good image frames for vision analysis from whole streaming data and then developed the object detection model based on YOLO_v2. As the result, the classification model performance of forest fire images reached upto 93% of accuracy, and the field test for the model verification detected the forest fire with about 70% accuracy.