• 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.

• 한국위성정보통신학회논문지
• /
• 제8권4호
• /
• pp.89-94
• /
• 2013

본 논문은 컬러 영상에서 화염검출 시 주기적으로 점멸하는 비화염 물체 검출을 제거하기 위해 웨이블렛 변환을 이용한 화염 검출 알고리즘을 제안한다. 기존 화염검출 알고리즘에서는 화염의 색상과 시간적인 변화와 공간적인 변화를 분석하고 이들을 조합하여 화염을 판정한다. 하지만 자동차 경광등, 방향지시등과 같이 점멸하면서 화염과 비슷한 특성을 보이는 물체를 화염으로 검출하는 문제점이 있다. 본 논문은 주기적으로 점멸하면서 화염과 비슷한 특성을 보이는 비화염 요소의 주기성을 판별하여 오검출을 감소시킨다. 제안하는 알고리즘은 화염의 색상과 영상 차분 기법으로 화염 후보영역을 선정하고 선정된 후보영역에 대하여 웨이블렛 변환 계수를 분석하여 주기성을 갖는 오검출 요소를 포함한 비화염 영역을 제거하는 알고리즘을 제안한다. 제안된 알고리즘의 모의실험 결과, 주기성을 갖는 비화염 영역을 제거하였고 97.9%의 검출율과 7.3%의 낮은 오검출율 성능을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권5호
• /
• pp.2156-2170
• /
• 2020

This paper presents a fire detection algorithm with a minimal false detection rate, intended for a thermal imaging surveillance environment, whose properties vary depending on temporal conditions of day or night and environmental changes. This algorithm was designed to minimize the false detection alarm rate while ensuring a high detection rate, as required in fire detection applications. It was necessary to reduce false fire detections due to non-flame elements occurring when existing fixed threshold-based fire detection methods were applied. To this end, adaptive flame thresholds that varied depending on the characteristics of input images, as well as the center of gravity of the heat-source and hot-source regions, were analyzed in an attempt to minimize such non-flame elements in the phase of selecting flame candidate blocks. Also, to remove any false detection elements caused by camera shaking, one of the most frequently raised issues at outdoor sites, preliminary decision thresholds were adaptively set to the motion pixel ratio of input images to maximize the accuracy of the preliminary decision. Finally, in addition to the preliminary decision results, the texture correlation and intensity of the flame candidate blocks were averaged for a specific period of time and tested for their conformity with the fire decision conditions before making the final decision. To verify the fire detection performance of the proposed algorithm, a total of ten test videos were subjected to computer simulation. As a result, the fire detection accuracy of the proposed algorithm was determined to be 94.24%, with minimum false detection, demonstrating its improved performance and practicality compared to previous fixed threshold-based algorithms.

• 한국위성정보통신학회논문지
• /
• 제9권2호
• /
• pp.33-37
• /
• 2014

본 논문은 컬러 영상에서 화염의 후보 영역을 검출하기 위해 화염의 온도 분포 특성을 이용하여 화염의 영역을 분할한다. 기존 화염 검출 알고리즘에서는 단순히 화염의 색상을 황색에서 적색사이를 화염 후보 영역으로 검출하여 많은 오검출을 포함한다. 하지만 실제 화재에서 화염은 백색에서 적색사이의 색상을 보이고 있고, 화염의 영역 위치에서 따라 서로 다른 색상을 보인다. 본 논문에서는 화염의 온도 분포에 따른 색상을 분리하여 오검출 요소를 최소화한다. 제안하는 방법은 화염의 온도 분포 특성을 표현할 수 있는 색상 모델을 찾고, 색상 모델의 값을 비선형 양자화 단계로 나누어 히스토그램으로 분석하여 화염 후보 영역을 결정한다. 제안된 방법은 기존의 수 작업한 결과와 비교하면 정합도가 71.8%가 되고, 비화염 화소의 비율은 기존의 방법 중 최대 비화염 화소 수와 비교하면 약 27배 개선된 성능을 확인하였다.

• 한국위성정보통신학회논문지
• /
• 제8권4호
• /
• pp.100-104
• /
• 2013

본 논문은 열영상 기반의 화염 검출을 위한 기존의 문턱치 설정 기법들을 분석하고 최적 문턱치 설정 방안을 제시한다. 기존의 열영상 기반의 화염검출 알고리즘들은 보통 고정 문턱치를 이용하여 화염 후보영역을 추출하고 후처리를 통해 화염 검출을 최종 판정하므로 화염 후보영역의 결정 과정은 최종 화재 검출 결과에 많은 영향을 준다. 따라서 카메라의 종류나 운영 환경에 따라 입력 영상의 대비와 밝기의 변화가 발생하기 때문에 화염 검출 문턱치는 입력영상의 특성에 연동하여 설정되어져야 한다. 따라서 최적 문턱치 설정 방안을 제시하기 위해 고정 명암도, 평균값, 표준편차 및 최대값을 이용한 문턱치 설정 기법들을 비교 분석하였다. 결론적으로 최적 문턱치는 평균과 표준편차의 합보다 크며 최대값 보다는 작은 값으로 설정 한다면 화염 검출 정확도가 기존 고정 문턱치 방식에 비해 크게 개선될 것으로 기대된다.

• 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.

• 한국전자통신학회논문지
• /
• 제6권4호
• /
• pp.479-485
• /
• 2011

비디오 기반 화염 감지 기법은 입력 비디오 영상에서 화염과 비슷한 색상을 가지고 움직임이 있는 영역에 대해서 화소 단위로 화염의 특성을 가지고 있는지를 시간적, 공간적 특징 분석을 통하여 확인한다. 비디오 기반 화염 감지 기법 연구의 가장 중요한 부분 중 하나는 화염 감지 성능이 저하되지 않고 어떻게 거짓 경보의 빈도를 줄일 수 있는가 하는 것이다. 기존의 방법들은 전기 장치로 만들어진 불빛들 중에서 자동차 전조등과 같은 일반적인 움직임을 가진 전기 불빛에 의한 거짓 경보는 쉽게 제거하고 있다. 그러나 경광등, 경고등 그리고 네온사인과 같이 깜빡거림이 있는 전기 불빛은 색상과 시간적, 공간적인 특징이 실제 화염과 비슷할 경우 거짓 경보를 발생시키는 요인이 되고 있다. 본 논문에서는 경광등, 경고등 그리고 네온사인과 같이 깜빡거림이 있는 전기 불빛 화소들의 주기 신호 검출을 통하여 진짜 화염이 아님을 확인하는 거짓 경보 제거 기능을 갖춘 비디오 화염 감지 기법을 제안한다. 실험 결과 화재 감지 성능은 기존의 방법과 비슷하였으나 기존의 방법이 거짓 경보를 발생시키는 시험 비디오에서 거짓 경보가 발생되지 않음을 볼 수 있었다.

• 한국위성정보통신학회논문지
• /
• 제9권4호
• /
• pp.91-96
• /
• 2014

본 논문은 적외선 열영상에서 영상의 밝기와 대비 변화에 따라 적응적으로 화염 후보 영역을 검출하기 위한 적응 문턱치를 제안한다. 현장에 사용 되고 있는 화재 검출 시스템은 카메라의 설치 장소에 따라 얻어지는 영상의 밝기나 대비의 변화가 발생 하여 고정된 문턱치를 적용하는 화재 검출 알고리즘의 성능이 변화하게 되므로 환경에 적응적인 문턱치가 필요하다. 제안하는 적응 문턱치를 이용한 화염 검출 알고리즘은 화염의 특성인 온도와 동적임 특성을 분석하여 화염을 검출 한다. 실험을 위해 고정 문턱치를 이용한 화염 검출 알고리즘과 비교 하였으며 제안된 적응 문턱치를 이용한 화염 검출 알고리즘은 화염 검출률 91.42%이며 고정 문턱치를 적용 하였을 때 보다 오검출률을 약 20%가 감소한다. 그리고 영상의 밝기와 대비 변화에 의한 검출 결과가 일정함을 보여 준다.

• 한국안전학회지
• /
• 제32권2호
• /
• pp.38-45
• /
• 2017

This paper is an experimental study to find an optimal detection method for detecting fire early in a rack-type warehouse stored with goods. In this study, we constructed rack-type structure with the fourth floor of 13.5 m high and conducted fire experiments which were to measure flow of heat/smoke in rack-type structure and response time of fire detectors. The detectors used at experiments were fixed temperature type detectors, rate of rise detectors, photoelectric smoke detectors, air sampling smoke detectors and flame detectors. The used ignition sources are n-heptane fire for response of heat detection and cotton fire for response of smoke detection. The fixed temperature type detectors, rate of rise detectors and photoelectric detectors were installed to every rack level respectively. The results show that the rate of rise detector should be installed every 2 levels and photoelectric smoke detector should be installed every 4 levels for the early stage fire detection. Air sampling smoke detectors can detect fire early in response to control of sensitivity, but there is a problem in false alarm. The fixed temperature detector is not suitable for early stage fire detection in warehouse and flame detector not worked if flame is not visible, so it need to install combination with other detector.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권3호
• /
• pp.1301-1314
• /
• 2018

In this paper, we present a low-cost fire detection system using a thermal camera and a smartphone. The developed system collects thermal and RGB videos from the developed camera. To detect fire, candidate fire regions are extracted from videos obtained using a thermal camera. The block mean of variation of adjacent frames is measured to analyze the dynamic characteristics of the candidate fire regions. After analyzing the dynamic characteristics of regions of interest, a fire is determined by the candidate fire regions. In order to evaluate the performance of our system, we compared with a smoke detector, a heat detector, and a flame detector. In the experiments, our fire detection system showed the excellent performance in detecting fire with an overall accuracy rate of 97.8 %.