본 논문에서는 적외선 영상에서 영역확장 및 온라인 분산을 이용한 화염검출 방법을 제안한다. 본 논문에서 제안된 화염검출 방법은 화염 후보영역을 효과적으로 검출하기 위하여, 먼저 적외선 자기 영상에 높은 임계값을 적용하여 초기 화염영역의 후보영역을 분할하고, 영역확장 방법을 이용하여 유사한 높은 값을 갖는 이웃영역으로 확장시켜 최종후보영역을 검출한다. 분할된 후보영역은 나대지 와 건물같은 비 화염 영역을 포함할 수 있기 때문에, 화염 영역을 검출하기 위하여 분할영역을 시간에 따라 추적하면서, 각 후보영역의 밝기 값의 변화 정도를 추적영역의 분산을 온라인 갱신에 의해 효과적으로 계산하였다. 적외선 영상에서의 실험을 통하여 영영 확장 방법과 온라인 분산에 의한 제안방법이 적외선 영상에서 효율적으로 화염을 검출함을 보였다.
본 논문에서는 적외선 영상에서 영역확장 및 온라인 분산을 이용한 화염검출 방법을 제안한다. 본 논문에서 제안된 화염검출 방법은 화염 후보영역을 효과적으로 검출하기 위하여, 먼저 적외선 자기 영상에 높은 임계값을 적용하여 초기 화염영역의 후보영역을 분할하고, 영역확장 방법을 이용하여 유사한 높은 값을 갖는 이웃영역으로 확장시켜 최종후보영역을 검출한다. 분할된 후보영역은 나대지 와 건물같은 비 화염 영역을 포함할 수 있기 때문에, 화염 영역을 검출하기 위하여 분할영역을 시간에 따라 추적하면서, 각 후보영역의 밝기 값의 변화 정도를 추적영역의 분산을 온라인 갱신에 의해 효과적으로 계산하였다. 적외선 영상에서의 실험을 통하여 영영 확장 방법과 온라인 분산에 의한 제안방법이 적외선 영상에서 효율적으로 화염을 검출함을 보였다.
In this paper, we propose a flame detection method using region expansions and on-line variances in outdoor infrared video sequences. To segment flame candidates' regions in infrared images, we first, extract initial regions by high threshold values in infrared images and then the segmented regions ...
In this paper, we propose a flame detection method using region expansions and on-line variances in outdoor infrared video sequences. To segment flame candidates' regions in infrared images, we first, extract initial regions by high threshold values in infrared images and then the segmented regions are expanded to their neighbors with similar high intensity values. The segmented regions could be non-flame areas like bare-grounds and buildings. Therefore, to detect flame regions in the segmented regions, the segmented regions which have high intensity values in infrared image, are tracked using bounding regions in frame sequences. Variances in the tracked regions are calculated effectively by on-line updates to measure intensity variations on the tracked regions. Experiments show that the proposed method, which is based on region expansions and the average of on-line variances in the regions, is efficient to detect flames in infrared image.
In this paper, we propose a flame detection method using region expansions and on-line variances in outdoor infrared video sequences. To segment flame candidates' regions in infrared images, we first, extract initial regions by high threshold values in infrared images and then the segmented regions are expanded to their neighbors with similar high intensity values. The segmented regions could be non-flame areas like bare-grounds and buildings. Therefore, to detect flame regions in the segmented regions, the segmented regions which have high intensity values in infrared image, are tracked using bounding regions in frame sequences. Variances in the tracked regions are calculated effectively by on-line updates to measure intensity variations on the tracked regions. Experiments show that the proposed method, which is based on region expansions and the average of on-line variances in the regions, is efficient to detect flames in infrared image.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 적외선 영상에서 영역확장에 의한 화염 후보영역 분할과 분할된 영역의 온라인 분산을 이용하여 화염을 검출하는 방법을 제안하였다. 화염 후보 영역을 효과적으로 검출하기 위하여 적외선 영상의 밝기 값에서 초기에는 높은 임계값을 적용하여 초기 후보영역을 분할하고, 초기 분할된 영역의 이웃 화소로 영역을 확장하는 방법을 사용하여 효과적으로 화염 후보영역을 검출하였으며, 화소별 밝기 값의 변화를 나타내는 분산을 온라인으로 효율적으로 계산하였으며, 임계값에 의해 분할된 영역내의 분산 평균값을 이용하여 화염영역과 비화염영역을 판단하여, 적외선 영상에서 높은 밝기 가지면서 밝기 값의 변화가 큰 영역을 화염영 역으로 판단하였다.
그러나 적외선 영상에서 화염 후보영역을 분할 할 때 임계 값을 낮게 설정하면 너무 많은 후보영역이 검출되고, 너무 높게 설정하면 화염영역이 후보영역에서 제외될 수 있는 단점이 있다. 본 논문에서는 화염 후보 영역을 효과적으로 검출하기 위하여 적외선 영상의 밝기 값에서 초기에는 비교적 높은 임계값을 적용하여 초기 후보영역을 검출한 다음 보다 정확하게 화염 후보 영역을 검출하기 위하여 초기 검출된 영역의 이웃 화소로 영역을 확장하는 방법을 사용하여 화염 후보 영역을 효과적으로 검출하였다. 다음 단계는 검출된 화염 후보영역으로 부터 복사열로 인하여 높은 밝기 값을 갖는 나대지, 건물의 지붕 등의 비 화염 영역으로부터 화염영역을 구분하기 위하여 영역의 밝기 값의 분산을 사용하였다.
제안 방법
본 논문에서는 화염 후보 영역을 효과적으로 검출하기 위하여 적외선 영상의 밝기 값에서 초기에는 비교적 높은 임계값을 적용하여 초기 후보영역을 검출한 다음 보다 정확하게 화염 후보 영역을 검출하기 위하여 초기 검출된 영역의 이웃 화소로 영역을 확장하는 방법을 사용하여 화염 후보 영역을 효과적으로 검출하였다. 다음 단계는 검출된 화염 후보영역으로 부터 복사열로 인하여 높은 밝기 값을 갖는 나대지, 건물의 지붕 등의 비 화염 영역으로부터 화염영역을 구분하기 위하여 영역의 밝기 값의 분산을 사용하였다. 시간에 따른 후보영 역의 분산 값이 크면 영역내의 밝기 값이 크게 변화하는 것으로 화염영역으로 판단하고, 영역의 분산이 작으면 밝기 값이 시간에 따라 일정하게 유지됨을 의미하므로 비 화염 영역으로 판단한다.
본 논문에서 제안된 화염검출 방법은 그림 1과 같이 가우시안 필터 링을 적용하여 잡음을 제거하고, 영상을 2x2 블록을 사용하여 다운 샘플링하고, 적외선 영상의 밝기 값에 높은 임계값을 적용하여 적외선 영상에서 높은 밝기 값을 갖는 초기 화염 후보영역의 이진 영상을 계산한다. 임계값에 의해 얻은 이진영상에 레이블링 알고리즘을 이용하여 초기 화염 후보영역을 분할한다.
본 논문에서 제안한 적외선 영상에서 온라인 분산을 이용한 화염 검출 방법을 인텔 펜티엄IV 2.4GHz 컴퓨터에서 VC++ 6을 이용하여 구현 및 실험하였다. 적외선 비디오 영상은 l-3COMMUNICATIONS사의 TSC-XP와 EYE-2000B 카메라로부터 산불 감시를 목적으로 설치된 장소에서 비디오 저장장치에 녹화된 720x480x24비트의 해상도와 15fps의 AVI 비디오 영상을 사용하였다.
본 논문에서는 시간 t + 1에 입력되는 적외선 영상의 화소별 평균가 분산을 시간 t까지의 평균과 분산을 이용하여 계산한다. 이와 같이 계산된 분산은 각 화소별 변화를 잘 나타내며, 임계값에 의해 분할된 화염 후보영역내의 분산 평균을 이용하여 화염 영역과 비화염 영역을 판단한다.
실험한 결과이다. 본 본문에서와 동일하게 가우시안 필터 링과 서브샘플링을 수행하였으며, 초기 화염 후보영역을 검출도 동일하게 수행하였으며, 본 논문에서 제시된 바와 같이 영역확장은 수행하지 않았다. 교차상관관계는 후보영역이 검출된 t 프레임의 후보 영역 사각형과 이전 프레임 t-1의 대응되는 사각 영역의 상관관계를 계산하였으며 ±4 화소의 변동을 가지고 25개의 교차상관 계수에서 최대값을 계산하였다.
적외선 영상의 밝기 값에 임계값을 적용하여 분할된 화염 후보영역은 실제 화염 영역과 나대지 및 인위적인 건물 등과 같이 주간에 촬영한 적외선 영상에서 높은 밝기 값을 갖는 비 화염영역도 포함하고 있다. 본 연구에서는 적외선 영상의 각 프레임 영상이 획득되면 각 화소별로 온라인 평균과 분산을 계산하여, 각 화소별로 시간에 따라 밝기 값의 변화정도를 계산하여, 복사열로 인하여 나대지 및 인위적인 물체에 의해 높은 밝기 값을 갖는 비화염 후보영역과 화염영역을 분할된 영역 내의 분산평균을 이용하여 구분하였다.
임계값에 의해 얻은 이진영상에 레이블링 알고리즘을 이용하여 초기 화염 후보영역을 분할한다. 임계값에 의해 분할된 초기 화염 후보영역의 경계선 위의 각 화소의 이웃화소를 조사하여 초기 분할된 밝기 값과 유사하게 높은 값을 갖는 영 역으로 후보 영역을 확장시켜 최종 화염 후보영역을 계산한다. 적외선 영상의 밝기 값에 임계값을 적용하여 분할된 화염 후보영역은 실제 화염 영역과 나대지 및 인위적인 건물 등과 같이 주간에 촬영한 적외선 영상에서 높은 밝기 값을 갖는 비 화염영역도 포함하고 있다.
계산한다. 임계값에 의해 얻은 이진영상에 레이블링 알고리즘을 이용하여 초기 화염 후보영역을 분할한다. 임계값에 의해 분할된 초기 화염 후보영역의 경계선 위의 각 화소의 이웃화소를 조사하여 초기 분할된 밝기 값과 유사하게 높은 값을 갖는 영 역으로 후보 영역을 확장시켜 최종 화염 후보영역을 계산한다.
적외선 비디오에서 획득한 각 영상 프레임에서 잡음 제거를 위해 가우시안 필터링을 적용하고, 가로 세로 방향에서 각각 1/2로 다운샘플링한 영상 Kx, y, t) 에서 식 ⑸과 같이 임계값 4보다 큰 값을 갖는 화염 후보 영역의 화소를 얻기 위해 이진영상 BI(gy、t、)을 생성하고, 모폴로지 연산인 침식 (erosion)과 팽창 (dilation)을 사용하여 후보영역내의 빈 공간을 채우는 동시에, 독립적으로 존재하는 작은 크기의 영역을 제거한다. 다음은 이진영상 에서 레이블링 알고리즘을 사용하여 화염 후보영역의 경계선 C(t, i) , i = 1 을 검줄한다.
적외선 영상에서 높은 밝기 값을 갖는 영역을 화염 후보영역으로 검출한 다음 해당 영역에서의 밝기 값의 변화를 온라인 분산으로 계산하고 분산 값이 크면 후보영역을 화염영역으로 판단한다. 화염 영역으로 판단되는 영역은 높은 밝기 값과 높은 분산을 갖는다.
적외선 영상의 밝기 값에 의하여 시간 t에서 검출된 m(t) 개의 후보영역의 경계선 E(Xi, t), i = 로부터, 경계선을 포함하는 최소사각형= 을 계산하고, 검출된 후보영역의 면적 크기 특징은 rectG, t)을 이용하여 근사적으로 계산한다. 식 (6)에 의해 계산한 후보영 역내의 밝기 값의 분산평균의 제곱근을 식 (7)과 같이 계산한다.
, Z~T 에 대하여 영역내의 분산평균이 mv(i, t) > 4 이 면 ALARM_FLAME<Q(s) 에 의해 해 당 영역을 화염영역으로 판단한다. 적외선 영상의 밝기 값에서 임계값과 경계선 영역확장을 통하여 검출된 후보 영역 反為*/ = 0, …, 은 충분히 높은 밝기 값을 가지고 있으므로 후보영역 중에서 화염영 역을 판단할 때는 영역에서 밝기 값이 변화하는지를 나타내는 분산평균만을 이용하여 판단하였다.
을 검출한다. 초기에 별+기영상에서 높은 임계값을 가는 영역을 검출하고 이웃화소로 확장하여 최종 화염후보영역을 효과적으로 검출한다. 그림 3(a)와 그림 3(c)는 적외선 영상의 밝기 영상에서 임계값 2] =200을 적용하고 경계선을 검출한 영상이다.
화염 후보 영역을 효과적으로 검출하기 위하여 적외선 영상의 밝기 값에서 초기에는 높은 임계값을 적용하여 초기 후보영역을 분할하고, 초기 분할된 영역의 이웃 화소로 영역을 확장하는 방법을 사용하여 효과적으로 화염 후보영역을 검출하였으며, 화소별 밝기 값의 변화를 나타내는 분산을 온라인으로 효율적으로 계산하였으며, 임계값에 의해 분할된 영역내의 분산 평균값을 이용하여 화염영역과 비화염영역을 판단하여, 적외선 영상에서 높은 밝기 가지면서 밝기 값의 변화가 큰 영역을 화염영 역으로 판단하였다. 후속 연구로는 카메라의 움직임을 고려하며 DSP 하드웨어에 구현 등은'후속 연구과제로 남긴다.
교차상관관계는 후보영역이 검출된 t 프레임의 후보 영역 사각형과 이전 프레임 t-1의 대응되는 사각 영역의 상관관계를 계산하였으며 ±4 화소의 변동을 가지고 25개의 교차상관 계수에서 최대값을 계산하였다. 화염영역과 비화염 영역의 판단은 최근 15 프레임까지의 후보영역을 추적하면서 이들 프레임에서의 교차상관 계수의 변동을 이용하여 화염을 판단하였다. 교차상관계수의 변동의 임계값은 5000으로 설정하였으며, 높은 밝기 값을 갖는 비디오 1에서의 나대지와 비디오 3에서 인공구조물에서 오 검출이 발견되었다.
시간에 따른 후보영 역의 분산 값이 크면 영역내의 밝기 값이 크게 변화하는 것으로 화염영역으로 판단하고, 영역의 분산이 작으면 밝기 값이 시간에 따라 일정하게 유지됨을 의미하므로 비 화염 영역으로 판단한다. 후보영역의 분산은 먼저 영상의 각 화소별로 평균과 분산을 새로운 영상 프레임이 입력될 때마다 온라인으로 계산하며, 임계값에 의해 검출된 영역 정보를 이용하여, 영역 내의 각 화소의 온라인 분산의 평균으로 후보영역의 변화 정도를 계산하는 방법을 사용한다.
대상 데이터
4GHz 컴퓨터에서 VC++ 6을 이용하여 구현 및 실험하였다. 적외선 비디오 영상은 l-3COMMUNICATIONS사의 TSC-XP와 EYE-2000B 카메라로부터 산불 감시를 목적으로 설치된 장소에서 비디오 저장장치에 녹화된 720x480x24비트의 해상도와 15fps의 AVI 비디오 영상을 사용하였다. 비디오1과 비디오 2는 인위적으로 발생시킨 화염을 포함하고 있으며, 비디오 3은 실제 화재를 촬영한 적외선 비디오이다.
데이터처리
본 본문에서와 동일하게 가우시안 필터 링과 서브샘플링을 수행하였으며, 초기 화염 후보영역을 검출도 동일하게 수행하였으며, 본 논문에서 제시된 바와 같이 영역확장은 수행하지 않았다. 교차상관관계는 후보영역이 검출된 t 프레임의 후보 영역 사각형과 이전 프레임 t-1의 대응되는 사각 영역의 상관관계를 계산하였으며 ±4 화소의 변동을 가지고 25개의 교차상관 계수에서 최대값을 계산하였다. 화염영역과 비화염 영역의 판단은 최근 15 프레임까지의 후보영역을 추적하면서 이들 프레임에서의 교차상관 계수의 변동을 이용하여 화염을 판단하였다.
성능/효과
또한 그림 7의 (b), (d), (f), (h)는 온라인 분산 영상 을 0에서 255 사이의 값으로 스케일링하여 표시한 결과이다. 나대지 또는 인위적인 물체에서 보다 매우 높은 분산을 갖는 것을 확인할 수 있다. 그림 &은 비디오 2에서의 화염 검출 실험결과이다.
본 논문에서 제시한 화염 후보영역 검출 및 영역의 온라인 분산에 의한 화염검출 방법은 효율적으로 화염 영역을 분할하며, 추적되는 후보영역사이의 분산 평균을 이용함으로써 화소단위 변화를 계산하는 방법에 비해 바람 등의 미세한 흔들림에도 추적되는 영역사이의 온라인 분산평균을 비교함으로써 효과적으로 화염 후보영역의 변화를 계산할 수 있는 장점이 있다.
실험한 결과이다. 화재의 크기는 크게 변하지 않으며 내부영역에서의 밝기 값의 변화가 크며, 카메라 가까이에 구조물이 위치하고 있어, 철탑 구조물에서 다수의 후보영역이 검출되고, 철탑 구조물 위에서 적외선 영상의 밝기 값은 크지 않으나, 분산 영상의 값이 크게 나타나는 영역이 있음을 확인할 수 있다. 적외선 밝기 값이 작은 곳은 후보영역으로 검출되지 않기 때문에 비록 분산영상의 값이 크더라도 화재로는 검출되지 않고, 적외선 밝기 값과 분산 영상의 값이 모두 큰 곳에서 만 화재 영역이 검출되었다.
후속연구
화염 후보 영역을 효과적으로 검출하기 위하여 적외선 영상의 밝기 값에서 초기에는 높은 임계값을 적용하여 초기 후보영역을 분할하고, 초기 분할된 영역의 이웃 화소로 영역을 확장하는 방법을 사용하여 효과적으로 화염 후보영역을 검출하였으며, 화소별 밝기 값의 변화를 나타내는 분산을 온라인으로 효율적으로 계산하였으며, 임계값에 의해 분할된 영역내의 분산 평균값을 이용하여 화염영역과 비화염영역을 판단하여, 적외선 영상에서 높은 밝기 가지면서 밝기 값의 변화가 큰 영역을 화염영 역으로 판단하였다. 후속 연구로는 카메라의 움직임을 고려하며 DSP 하드웨어에 구현 등은'후속 연구과제로 남긴다.
참고문헌 (19)
F.Gomez-Rodriguez et al, "Smoke Monitoring and measurement Using Image Processing. Application to Forest Fires," Automatic Target Recognition XIII, Proceedings of SPIE Vol.5094, pp. 404-411, 2003.
Nobuyuki Fujiwara, Kenji Terada, "Extraction of a Smoke Region Using Fractal Coding," International Symposium on Communications and Information Technologies, pp. 659-662, Sapporo, Japan, Oct. 26-29, 2004.
B.Ugur Toreyin et al, "Wavelet based real-time smoke detection in video," Signal Processing:Image Communication, EURASIP, Elsevier, Vol. 20, pp. 255-26, 2005.
W.Phillips III et al, "Flame Recognition in Video," In Fifth IEEE Workshop on Applications of Computer Vision, pp. 224-229, Dec. 2000.
Che-Bin Liu, "Vision Based Fire Detection:" icpr,pp.134-137, 17th International Conference on Pattern Recognition (ICPR'04) - Vol.4, 2004.
Thou- Ho Chen et al, "An intelligent Real-Time Fire-Detection Method Based on Video Processing:' Proceedings. IEEE 37th Annual 2003 International Carnahan Conference on Security Technology, pp.104-111, 2003.
Wen-Bing Horng et al, "A new image-based real-time flame detection method using color analysis," Proceedings of Networking, Sensing and Control, pp. 100-105, 2005.
A.Ollero et al, "Techniques for reducing false alarms in infrared forest-fire automatic detection systems:" Control Engineering Practice 7, pp. 123-131, 1999.
B.C.Arrue et al, "An Intelligent System for False Alarm Reduction in Infrared ForestFire Detection," IEEE Intelligent Systems, pp. 64-75, 2000.
Martinez-de Dios J.R. et al, "Distributed Inteligent Automatic Fire Detection System," INNOCAP'98, 28th of 29th of April, Grenoble, Spain.
Behcet Uur Toreyin, et al, "Fire detection in infrared video using wavelet analysis," Opt. Eng., Vol. 46, 2007.
S.Briz et al, "Reduction of false alarm rate in automatic forest fire infrared surveillance systems," Remote Sensing of Environment 86, pp. 19-29, 2003.
Li, Z. et al, "A review of AVHRR-based fire active fire detection algorithm: Principles, limitations, and recommendations," Global and Regional Vegetation Fire Monitoring from Space, Planning and Coordinated International Effort (Eds. F. Ahem, J,G. Goldammer, C. Justice), p. 199-225.
ANDJ DHUNGANA, B.E.E. "SEGMENTATION OF INFRARED IMAGES," Texas Tech University, Degree of MASTER OF SCIENCE, 2002.
Dr. S. C. Liew. "Electromagnetic Waves," Centre for Remote Imaging, Sensing and Processing. http://www.crisp.nus.edu.sg/ research/tutorial/em.htm
Vladik Kreinovich et al, "On-line algorithms for computing mean and variance of interval data, and their use in intelligent systems," Information Sciences: an International Journal, Vol. 177, PP. 3228-3238, Issue 16, 2007.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.