[논문]컨볼루션 신경망을 이용한 지능형 화재 학습 및 탐지 시스템

최경주; 전민성

doi:10.3745/ktsde.2016.5.11.607

초록
AI-Helper

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.

Abstract ▼ AI-Helper

In this paper, we propose an intelligent fire learning and detection system using convolutional neural networks (CNN). Through the convolutional layer of the CNN, various features of flame and smoke images are automatically extracted, and these extracted features are learned to classify them into fl...

In this paper, we propose an intelligent fire learning and detection system using convolutional neural networks (CNN). Through the convolutional layer of the CNN, various features of flame and smoke images are automatically extracted, and these extracted features are learned to classify them into flame or smoke or no fire. In order to detect fire in the image, candidate fire regions are first extracted from the image and extracted candidate regions are passed through CNN. Experimental results on various image shows that our system has better performances over previous work.

주제어

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 이러한 한계점을 극복하고자 심층학습(Deep Learning)이라는 새로운 접근법을 사용하고자 한다. 기계학습의 한 분야인 심층학습은 최근 빅데이터(big data)와 과적합(Overfitting) 방지, 하드웨어의 성능향상으로 인해 다양한 컴퓨터 비젼 분야에서 기존의 성능을 크게 넘어서고 있다.

제안 방법

본 논문에서는 컨볼루션 신경망을 이용하여 불꽃과 연기를 학습한 뒤, 추후 화재가 일어나는지를 탐지하기 위하여 입력 영상에 대하여 화재 후보 영역을 검출한 후, 검출된 영역을 학습되어진 신경망에 통과시켜 화재의 발생여부를 판별하는 시스템을 제안하였다. 실험결과로부터 알 수 있듯이 제안하는 시스템은 움직임과 색상만으로 간단하게 화재후보영역을 검출한 후, 이를 2개의 컨볼루션 층을 가지는 간단한 구조의 컨볼루션 신경망을 사용하였음에도 불구하고 성능이 우수함을 실험결과를 통해 확인할 수 있었다.

대상 데이터

학습에 사용된 영상은 32×32크기의 불꽃 영상 447개, 연기 영상 635개로 아래의 Fig. 6과 같은 영상들에서 32x32의 크기로 잘라 사용하였으며 총 1082장의 영상 데이터를 50%의 Drop-Out 확률을 가지는 컨볼루션 신경망에서 200번 반복 학습된 네트워크를 사용하여 학습시켰다. 화재가 아닌 영상의 경우에는 실제로 화재가 나지 않은 일반 영상을 대상으로 따로 학습키시키가 현시점에서 매우 어려웠기 때문에 학습을 따로 진행하지는 않았고, 윗 절에서도 언급했지만 인식 프로세스에서 불꽃, 연기로 계산되어진 2개의 결과확률값의 차이가 적을 경우에는 화재가 아닌 것으로 간주하도록 하였다.

데이터처리

성능 평가를 위해 화재가 발생한 프레임에 대하여 화재가 발생하였다고 인식했을 경우의 프레임 수의 비율인 화재 정탐지율(True Positive Rate)과 화재가 발생하지 않은 프레임을 화재가 발생하였다고 잘못 인식하였을 경우의 프레임 수의 비율인 화재 오탐지율(False Positive Rate), 화재가 발생한 프레임을 화재가 발생하지 않았다고 잘못 인식했을 경우의 프레임 수의 비율인 화재 미검출율(Missing Rate)을 성능평가척도로 사용하여 결과를 분석하였다.

성능/효과

본 논문에서는 컨볼루션 신경망을 이용하여 불꽃과 연기를 학습한 뒤, 추후 화재가 일어나는지를 탐지하기 위하여 입력 영상에 대하여 화재 후보 영역을 검출한 후, 검출된 영역을 학습되어진 신경망에 통과시켜 화재의 발생여부를 판별하는 시스템을 제안하였다. 실험결과로부터 알 수 있듯이 제안하는 시스템은 움직임과 색상만으로 간단하게 화재후보영역을 검출한 후, 이를 2개의 컨볼루션 층을 가지는 간단한 구조의 컨볼루션 신경망을 사용하였음에도 불구하고 성능이 우수함을 실험결과를 통해 확인할 수 있었다. 학습된 신경망은 산불 화재 후보 영역에서 불꽃과 연기를 검출하는데 특히 좋은 효과를 보여주었다.

후속연구

학습된 신경망은 산불 화재 후보 영역에서 불꽃과 연기를 검출하는데 특히 좋은 효과를 보여주었다. 또한 논문에서 제안한 시스템은 불꽃과 연기를 구분하여 인식하기 때문에 다른 후처리를 추가한다면 더욱 실용적인 시스템으로 구현될 가능성이 충분하며, 현재 충분치 않은 학습 데이터의 양을 늘리고 화재의 원인물질에 따른 불꽃의 색깔과 형태나, 연기의 색깔 등을 구분하여 학습시킨다면 단순한 화재 탐지 이상으로, 어떠한 화재이며 화재의 원인도 분석할 수 있는 좋은 수단이 될 것이다. 또한 컨볼루션 신경망의 구조를 개선하여 컨볼루션 층의 개수를 늘리고 특징을 결합하는 방법을 개발하여 다수의 최적화된 특징을 찾아낸다면 높은 정확도를 통하여 더 신뢰할 만한 여러 가지 분석을 할 수 있을 것이다.
형태와 색깔이 불분명하며 주변 환경에 쉽게 변하기 쉬운 불꽃과 연기에 대하여 컨볼루션 신경망이 보여준 학습의 효과를 본 논문에서의 결과로 보여주었기에, 화재의 판별 여부뿐만 아니라 더 복잡한 환경의 문제에서도 적용할 수 있는 좋은 접근 방법임을 알 수 있다. 차후 화재 후보영역을 검출하는 비전 처리에 대한 보정과, 입력과 출력 데이터의 형식, 신경망 구조에 대한 성능개선 연구가 지속적으로 필요하겠다.

질의응답

핵심어	질문	논문에서 추출한 답변
	컨볼루션 신경망이란?	컨볼루션 신경망은 인간의 시신경 구조를 모방한 기술로 영상처리에서 시작해 글자인식, 영상인식, 사물인식에 이르기까지 인식에 필요한 특징을 자동으로 학습하면서도 형태변이를 효과적으로 흡수할 수 있는 알고리즘이다[7]. 컨볼루션 신경망은 2차원 구조의 영상 데이터를 입력 데이터로 충분히 활용할 수 있고, 다른 심층학습 신경망 구조들과 비교해서 영상과 음성 분야에서 좋은 성능을 보여준다고 알려져있다.
	컨볼루션 신경망은 어디에 적합한가?	이동, 크기, 회전에 내성을 갖기 때문에 영상 데이터 학습과 분류에 적합하다. 본 논문에서는 이러한 컨볼루션 신경망을 이용하여 화재를 학습하고, 이를 탐지하는 시스템을 제안하고자 한다.
	본 연구에서 컨볼루션 신경망 모델을 이용한 지능형 화재 학습 및 탐지 시스템은 무엇을 분류하는데 뛰어난 효과를 보여주었는가?	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.

참고문헌 (10)

K. Cheoi, "An Intelligent Fire Leaning and Detection System," Journal of Korea Multimedia Society, Vol.18, No.3, pp.359-367, 2015.

원문보기 상세보기
T. Chen, Y. Yin, S. Huang, and Y. Yen, "The Smoke Detection for Early Fire-Alarming System Base on Video Processing," Intelligent Information Hiding and Multimedia Signal, pp.427-430, 2006.
J. Hwang, "Study on the 3-step Fire Detection Algorithm Based on Color Image Processing," Master's Thesis, Kongju University, 2012.
B. Lee, "A Study on Development of Tunnel Fire Detection Algorithm using the Image Processing," Master's Thesis, Sejong University, 2008.
D. Son, "Research of video based real-time fire detection algorithm using GPU," Master's Thesis, Ulsan University, 2015.
B. Toreyin, Y. Dedeoglu, and A. Cetin, "Contour based smoke detection in video using wavelets," Proceedings of 14th European Signal Processing Conference of EUSIPCO, pp.1-5, 2006.
Editorial department of Hayeon, "Business Trends of Deep Learning and Big Data," Hayeon Press, 2016.
I. Lee, B. Ko, and J. Nam, "Fire-Smoke Detection Based on Video using Dynamic Bayesian Networks," The Journal of Korea Information and Communication Society, Vol.34, Issue 4C, pp.388-396, 2009.
Index of /VisiFire/Demo/FireClips [Internet], http://signal.ee.bilkent.edu.tr/VisiFire/Demo/FireClips/.
Image Scaling using Deep Convolutional Neural Networks [Internet], http://engineering.flipboard.com/2015/05/scaling-convnets/.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

컨볼루션 신경망을 이용한 지능형 화재 학습 및 탐지 시스템
An Intelligent Fire Learning and Detection System Using Convolutional Neural Networks 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

컨볼루션 신경망을 이용한 지능형 화재 학습 및 탐지 시스템 An Intelligent Fire Learning and Detection System Using Convolutional Neural Networks 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

최경주 (21) 전민성 (1)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

컨볼루션 신경망을 이용한 지능형 화재 학습 및 탐지 시스템
An Intelligent Fire Learning and Detection System Using Convolutional Neural Networks 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper