• 한국화재소방학회논문지
• /
• 제19권4호
• /
• pp.64-68
• /
• 2005

본 논문에서는 방범 및 보안설비로 설치된 CCD카메라로 화재가 발생한 지역의 영상을 획득하였을 때, 빠른시간 안에 화재 발생위치를 인식하고 경보를 발령할 수 있는 시스템을 연구하였다. 화재발생 지역 중 불꽃부위만을 효과적으로 추출할 수 있는 방법으로 RED Filtering법을 제안하였고, 불꽃부위 경계를 추출하기 위하여 2치 영상기법을 적용하였으며, Mask추출과 정합을 이용하여 화재가 발생한 위치 및 지역을 인식할 수 있도록 하였다. 실험결과, 불꽃과 복잡한 경계부분도 효과적으로 추출되었으며 원영상과의 정합을 통해 화재 발생위치를 효과적으로 인식하여 제안한 알고리즘의 타당성을 확인하였다

• 토지주택연구
• /
• 제11권4호
• /
• pp.99-104
• /
• 2020

This paper presents the recent research developments identified through a review of literature on the application of artificial intelligence in developing automated designs of fire protection facilities. The literature review covered research related to image recognition and applicable neural networks. Firstly, it was found that convolutional neural network (CNN) may be applied to the development of automating the design of fire protection facilities. It requires a high level of object detection accuracy necessitating the classification of each object making up the image. Secondly, to ensure accurate object detection and building information, the data need to be pulled from architectural drawings. Thirdly, by applying image recognition and classification, this can be done by extracting wall and surface information using dimension lines and pixels. All combined, the current review of literature strongly indicates that it is possible to develop automated designs for fire protection utilizing artificial intelligence.

• 대한안전경영과학회지
• /
• 제24권4호
• /
• pp.143-148
• /
• 2022

This paper attempted to analyze the correlation between the risk image of the evacuees in the tunnel and the variables that affect the evacuation behavior due to the closed feeling. As to whether there is a difference in the level of recognizing the tunnel risk image according to the distribution of jobs, the null hypothesis was rejected at the significance probability of 0.002, so it can be said that the level of recognition of the tunnel risk image varies depending on the job group. In the distribution difference between gender and tunnel risk image recognition level, the significance probability was 0.012, indicating that the null hypothesis was rejected, indicating that the tunnel risk recognition distribution according to gender was different. As a result of analyzing the distribution difference between the tunnel's closed feeling and the tunnel risk perception level, the significance probability was 0.001, and the null hypothesis was rejected, indicating that there was a difference in the tunnel risk image level.

• 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.

• International Journal of Advanced Culture Technology
• /
• 제10권4호
• /
• pp.536-546
• /
• 2022

A society will lose a lot of something in this field when the forest fire broke out. If a forest fire can be detected in advance, damage caused by the spread of forest fires can be prevented early. So, we studied how to detect forest fires using CCTV currently installed. In this paper, we present a deep learning-based model through efficient image data construction for monitoring forest fire smoke, which is unstructured data, based on the deep learning model YOLOv5. Through this study, we conducted a study to accurately detect forest fire smoke, one of the amorphous objects of various forms, in YOLOv5. In this paper, we introduce a method of self-learning by producing insufficient data on its own to increase accuracy for unstructured object recognition. The method presented in this paper constructs a dataset with a fixed labelling position for images containing objects that can be extracted from the original image, through the original image and a model that learned from it. In addition, by training the deep learning model, the performance(mAP) was improved, and the errors occurred by detecting objects other than the learning object were reduced, compared to the model in which only the original image was learned.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2009년도 춘계 종합학술대회 논문집
• /
• pp.521-525
• /
• 2009

본 논문에서는 화재의 화재를 검출 하기 위한 시스템 및 화재 패턴을 인식하는 소프트웨어적 학습 알고리즘을 소개한다. 화재의 패턴 이라 함은 일반적으로 인식하는 불에 대한 주기적이고 일관적인 패턴을 나타내며 이를 정의 하여 소프트웨어적으로 처리 하고자 함이다. 또한 이에 대하여 학습은 일정 패턴에서 일부 벗어나더라도 이를 불로서 인식하기 위한 알고리즘으로 화재에 대한 정의 알고리즘을 통하여 스스로 패턴을 기억하고 스스로 화재를 인식 할 수 있도록 하는 시스템이다. 본 논문에서 제시하는 화재 검출용 학습 알고리즘은 기존 알고리즘 보다 정확하고 신속히 검출 능력을 키우기 위한 방법이며 정확한 위치 탐지와 초기단계에서 검출이 가능하도록 설계하였다. 또한 우리는 실험 결과를 통해 성능 향상을 위한 방법을 도출하였으며 이를 적용하여 조기 경보시스템으로서의 타당성을 보여 주었다.

• 전기전자학회논문지
• /
• 제23권3호
• /
• pp.777-784
• /
• 2019

인적이 드문 한적한 곳이나 산악 지역에서 화재가 발생 하였을 때 화재 상황을 정확하게 파악하고 적절한 초동 대처를 한다면 피해를 최소화할 수 있으므로 사전 화재인지시스템과 자동알림시스템이 요구된다. 본 연구에서는 객체인식을 위한 딥러닝 알고리즘 중 Faster-RCNN 및 SSD(single shot multibox detecter)을 사용한 화재 인식시스템을 전력선 통신과 연동하여 자동알림시스템을 시연하였으며 향 후 고압송전망을 이용한 산불화재 감시에 응용 가능함을 제시하였다. 학습된 모델을 장착한 라즈베리파이에 파이카메라를 설치하여 화재 영상인식을 수행하였으며, 검출된 화재영상은 유도형 전력선 통신망을 통하여 모니터링 PC로 전송하였다. 학습 모델별 라즈베리파이에서의 초당 프레임 율은 Faster-RCNN의 경우 0.05 fps, SSD의 경우 1.4 fps로 SSD의 처리속도가 Faster-RCNN 보다 28배 정도 빨랐다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.505-507
• /
• 2021

영상 인식 기술은 인공지능 기술을 기반으로 인식하고자하는 객체의 형상, 객체 주변의 환경변화 및 객체 회전에 의한 인식 능력 저하를 보완할 수 있는 객체특징점 및 특징 기술자를 생성하고, 생성된 특징 기술자를 이용하여, 영상 객체를 인식하는 기술로, 일반적으로 영상에 나타난 객체를 인식하는 기술을 뜻한다. 스마트 안전 축사에서 전력소비 및 화재 발생 복합 환경 분석을 위해 설치되는 전력화재 관리 디바이스를 통합 관리함으로써 축사 전력 사용의 효율성 향상 및 전기 사용의 과부화로 발생할 수 있는 사고를 방지하여 축산 농가의 이익 증대 및 피해를 최소화하고 안전하고 최적화된 지능형 스마트 안전 축사를 개발하여 보급하는데 요구되는 전력 관리 프레임워크를 구현하는데 목적이 있다.

• 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.

• 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.