[논문]PCA를 이용한 연기 영상의 가시도 측정

유영중; 문상호; 박성호

doi:10.6109/jkiice.2018.22.11.1474

PCA를 이용한 연기 영상의 가시도 측정
Measurement of the Visibility of the Smoke Images using PCA 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.22 no.11, 2018년, pp.1474 - 1480

유영중 (Department of Computer Engineering, Busan University of Foreign Studies) , 문상호 (Department of Computer Engineering, Busan University of Foreign Studies) , 박성호 (Information Technology Center, Pusan National University)

초록
AI-Helper

고층 빌딩에서 화재가 발생하는 경우 복잡한 구조로 인해 다양한 대피 통로가 존재하며 각 대피 통로의 안전성 여부를 파악하는 것이 어렵다. 고층 빌딩 화재 시 거주자들에게 신속히 탈출 경로를 제공하는 것이 필요하며 이를 위해서 대피 통로의 안정성 여부를 파악할 필요가 있다. 본 논문에서는 대피 통로의 안정성 여부 파악을 위해 영상을 분석하여 화재 시 발생하는 연기로 인한 대피 통로의 가시도를 측정하는 방법을 제안한다. 입력 영상에서 연기를 검출한 후 검출된 연기의 밀도를 알 수 있다면 가시도를 쉽게 측정할 수 있지만, 연기 검출이나 연기 밀도 측정에 관한 적절한 방법이 없어 이러한 접근법을 사용하기는 어렵다. 본 논문에서는 입력 영상에서 배경 영상을 추출하고 이를 학습 데이터로 하여 주성분 분석 학습을 한다. 이후 입력으로 주어지는 영상에서 배경 영상과 연기 영상을 추출하고 학습된 주성분 분석을 적용하여 새로운 특징 공간으로 사상한 후 변화량을 계산하여 연기로 인한 가시도를 측정한다.

Abstract ▼ AI-Helper

When fires occur in high-rise buildings, it is difficult to determine whether each escape route is safe because of complex structure. Therefore, it is necessary to provide residents with escape routes quickly after determining their safety. We propose a method to measure the visibility of the escape route due to the smoke generated in the fire by analyzing the images. The visibility can be easily measured if the density of smoke detected in the input image is known. However, this approach is difficult to use because there are no suitable methods for measuring smoke density. In this paper, we use principal component analysis by extracting a background image from input images and making it training data. Background images and smoke images are extracted from images given as inputs, and then the learned principal component analysis is applied to map of as a new feature space, and the change is calculated and the visibility due to the smoke is measured.

주제어

표/그림 (5)

그림 Fig. 1 Training data for principal component analysis separated from a background image
그림 Fig. 2 Restored image after applying the transform matrix U according to the dimension d of the separated background image at 800 frames
그림 Fig. 3 Noise image and Image restored after conversion using transformation matrix U
그림 Fig. 4 Visibility measurement results of image when applying different feature vector dimension
그림 Fig. 5 Visibility measurement results of image when the number of training data is different

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

감시카메라를 고층 빌딩의 다양한 위치에 설치하고 관제요원이 모니터링 할 수 있다. 감시카메라의 영상에서 연기로 인한 가시도 여부를 이용해 통로의 안전성을 판정하는 것이다. 이 경우의 문제점은 한 명의 관제요원이 담당해야 할 감시카메라의 수가 너무 많거나 관제요원의 숙련도 또는 주의력 여부에 따라 통로의 안정성 여부 판단의 신속성이 결정된다는 것이다.
본 논문에서는 화재 시 거주자의 안전한 대피 통로 확보를 목적으로 연기로 인한 대피 통로의 가시도를 측정 하는 방법을 제안하고 있다. 본 논문에서는 기존 특징들이 연기로 인해 변하는 정도를 이용해 가시도를 측정한다. 이를 위해 주성분 분석 기법에서 제공하는 특징 공간의 변환을 사용하였다.
본 논문에서는 영상의 시작 시점에서 추출한 한 프레임의 배경 이미지를 주성분 분석을 위한 훈련 집합으로 사용한다. 한 장의 이미지만으로는 주성분 분석 학습을 할 수 없으므로 그림 1과 같이 주어진 배경 이미지를 크기가 같은 여러 장의 부분 이미지로 분리하고, 분리된 각각의 이미지를 주성분 분석을 위한 훈련 데이터로 사용하였다.
본 논문에서는 화재 시 거주자의 안전한 대피 통로 확보를 목적으로 연기로 인한 대피 통로의 가시도를 측정 하는 방법을 제안하고 있다. 본 논문에서는 기존 특징들이 연기로 인해 변하는 정도를 이용해 가시도를 측정한다.
본 논문의 목적은 고층 빌딩 화재 시 거주자들의 대피 통로 확보를 위해 대피 통로의 안전 여부를 영상을 통해 자동으로 파악하고자 하는 것이다. 대피 통로의 안전 여부는 화재로 인한 화염이나 연기의 확산 정도로 측정할 수 있다.
본 논문의 목적은 입력으로 주어지는 영상으로부터 가시도를 측정하는 것이다. 세부적으로 연기로 인한 원 영상의 특징 손실 정도를 이용하여 가시도를 판단하고자 한다.
대피 통로의 안전 여부는 화재로 인한 화염이나 연기의 확산 정도로 측정할 수 있다. 세부적으로 연기로 인한 가시도의 변동 여부를 측정하여 안전성을 판단하고자 한다. Yu 등[12]은 연기로 인한 가시도 측정을 위해 에지 강도의 감소 여부를 측정하여 판단하였다.

가설 설정

이를 위해 주성분 분석 기법에서 제공하는 특징 공간의 변환을 사용하였다. 기존 이미지의 주요 특징들을 보존하면서 계산이 용이한 특징 공간으로 변환하여 변환된 특징 공간에서 특징 벡터들 간의 유클리드 거리를 사용하여 가시도를 측정하였다.
그러나 변환된 특징 벡터 # 와 # 사이의 거리 변화는 가시도 크기 변화만을 알려주므로 가시도를 수치 값으로 측정하기 위해서는 기준점으로부터 가시도가 0이 되는 최대 거리가 주어져야한다. 본 논문에서는 기준점으로부터 가시도가 0이 되는 최대거리를 훈련 데이터의 특징이 전혀 보존되지 않는 이미지의 특징 공간 변환 특징 벡터로 가정한다. 이를 위해 기존 특징이 보존되지 않는 이미지로 본 논문에서는 소금-후추 잡음 이미지를 사용하였다.

제안 방법

입력으로는 고층 빌딩의 대피 경로에 설치된 CCTV로부터 전송되는 영상을 이용한다. 그리고 이 영상에서 연기가 포함되어 있는 경우에 연기로 인한 가시도를 측정하여 가시도를 출력한다. 이 연기 가시도는 대피 경로의 안정성 여부를 파악하는데 중요하게 활용된다.
한 장의 이미지만으로는 주성분 분석 학습을 할 수 없으므로 그림 1과 같이 주어진 배경 이미지를 크기가 같은 여러 장의 부분 이미지로 분리하고, 분리된 각각의 이미지를 주성분 분석을 위한 훈련 데이터로 사용하였다. 본 논문에서는 영상 시작 시점에 학습을 통해 U를 계산한 후 더 이상의 학습은 진행하지 않고 이후의 가시도 계산에서는 최초에 학습한 U를 사용한다. 훈련 데이터의 차원 D는 각 부분 이미지의 픽셀의 수이고, 훈련 데이터의 수가 n일 경우 d(≤ n)를 임의로 정할 수 있다.
본 논문의 목적은 입력으로 주어지는 영상으로부터 가시도를 측정하는 것이다. 세부적으로 연기로 인한 원 영상의 특징 손실 정도를 이용하여 가시도를 판단하고자 한다. 이를 위해서는 배경 영상과 연기로 인해 변한 영상을 비교하여 변화한 정도를 계산하는 것이 필요하지만 입력 영상 그 자체로 이를 계산하는 것은 쉬운 문제가 아니다.
앞에서 설명한 바와 같이 영상의 시작 시점에 한 장의 배경 이미지에서 분리된 이미지들을 훈련 데이터로 사용하여 주성분 분석의 변환행렬 U를 계산한다. 변환행렬 U는 D차원의 특징 공간을 d차원으로 변환하며, n개의 D차원 특징 벡터를 훈련 데이터로 사용해서 계산되었다고 하자.
그러나 이들의 방법에서 에지가 존재하지 않거나 에지 강도가 증가한 경우는 측정에서 제외되는 단점을 가진다. 우리는 이런 단점을 극복하고자 영상의 전체적인 변화 여부를 분석할 수 있는 주성분 분석(Principal Component Analysis : PCA)에 기반한 가시도 측정 방법을 제안한다.
이를 위해서는 배경 영상과 연기로 인해 변한 영상을 비교하여 변화한 정도를 계산하는 것이 필요하지만 입력 영상 그 자체로 이를 계산하는 것은 쉬운 문제가 아니다. 이를 위해 우리는 주성분 분석 기법을 사용하고자 한다. 주성분 분석 기법은 고차원 데이터를 정보 손실을 최소화하며 저차원으로 변환해주는 기법이다[13].
본 논문에서는 기존 특징들이 연기로 인해 변하는 정도를 이용해 가시도를 측정한다. 이를 위해 주성분 분석 기법에서 제공하는 특징 공간의 변환을 사용하였다. 기존 이미지의 주요 특징들을 보존하면서 계산이 용이한 특징 공간으로 변환하여 변환된 특징 공간에서 특징 벡터들 간의 유클리드 거리를 사용하여 가시도를 측정하였다.
주성분 분석 기법은 고차원 데이터를 정보 손실을 최소화하며 저차원으로 변환해주는 기법이다[13]. 주성분 분석을 통해 주어진 특징 공간을 변환하고 변환된 특징 공간에서 영상의 변화 정도를 판단하여 연기로 인한 영상의 가시도를 계산한다.

대상 데이터

본 논문에서 실험에 사용한 영상의 크기는 640×480이다.
본 논문에서는 주성분 분석 기법의 변환행렬 U의 계산을 위해 입력으로 주어지는 영상의 배경 영상을 사용한다. 본 논문에서 영상의 배경을 추출하기 위해 사용한 기법은 KaewTraKullPong 등[14]에 의해 제안된 GMM을 이용한 배경 추출 방법이다.
본 논문에서는 기준점으로부터 가시도가 0이 되는 최대거리를 훈련 데이터의 특징이 전혀 보존되지 않는 이미지의 특징 공간 변환 특징 벡터로 가정한다. 이를 위해 기존 특징이 보존되지 않는 이미지로 본 논문에서는 소금-후추 잡음 이미지를 사용하였다. 소금-후추 잡음 이미지는 무작위로 소금과 후추 잡음이 뿌려지므로 배경 이미지의 특징이 존재하지 않아 특징 벡터 # 와의 거리가 최대가 되는 특징 벡터의 생성을 위해서 적합하다.
본 논문에서는 영상의 시작 시점에서 추출한 한 프레임의 배경 이미지를 주성분 분석을 위한 훈련 집합으로 사용한다. 한 장의 이미지만으로는 주성분 분석 학습을 할 수 없으므로 그림 1과 같이 주어진 배경 이미지를 크기가 같은 여러 장의 부분 이미지로 분리하고, 분리된 각각의 이미지를 주성분 분석을 위한 훈련 데이터로 사용하였다. 본 논문에서는 영상 시작 시점에 학습을 통해 U를 계산한 후 더 이상의 학습은 진행하지 않고 이후의 가시도 계산에서는 최초에 학습한 U를 사용한다.

이론/모형

본 논문에서는 주성분 분석 기법의 변환행렬 U의 계산을 위해 입력으로 주어지는 영상의 배경 영상을 사용한다. 본 논문에서 영상의 배경을 추출하기 위해 사용한 기법은 KaewTraKullPong 등[14]에 의해 제안된 GMM을 이용한 배경 추출 방법이다.

성능/효과

실험 결과에서 보는 바와 같이 훈련 데이터의 수를 달리하거나 특징 벡터 공간을 다르게 하더라도 연기로 인한 가시도 감소 효과를 확인할 수 있었다. 따라서 주성분 분석 기법을 이용한 가시도 측정은 안전한 대피 통로 확보를 위한 한 가지 방법으로 이용할 수 있음을 알 수 있다.

후속연구

따라서 주성분 분석 기법을 이용한 가시도 측정은 안전한 대피 통로 확보를 위한 한 가지 방법으로 이용할 수 있음을 알 수 있다. 그러나 본 논문에서 제시한 가시도 결과가 실제 사람이 체감하는 가시도와는 다를 수가 있으므로, 향후 실제 가시도 측정값과의 비교 분석을 통해 가시도 측정 결과를 사람의 체감도와 일치시키는 연구가 필요할 것으로 보인다. 또한 실험 결과에서 보인 바와 같이 훈련 데이터의 수나 특징 벡터의 차원에 따라 가시도 측정 결과가 다르므로 적정한 훈련 데이터의 수나 특징 벡터의 차원을 결정하는 문제에 대해서도 심도있는 연구가 필요하다.
이 경우의 문제점은 한 명의 관제요원이 담당해야 할 감시카메라의 수가 너무 많거나 관제요원의 숙련도 또는 주의력 여부에 따라 통로의 안정성 여부 판단의 신속성이 결정된다는 것이다. 따라서 감시카메라에서 획득한 영상을 자동으로 분석하고 대피 통로의 안정성 여부를 판단할 수있는 시스템이 사용될 수 있다면 앞선 단점을 보완할 수 있는 좋은 방법이 될 수 있을 것이다.
그러나 본 논문에서 제시한 가시도 결과가 실제 사람이 체감하는 가시도와는 다를 수가 있으므로, 향후 실제 가시도 측정값과의 비교 분석을 통해 가시도 측정 결과를 사람의 체감도와 일치시키는 연구가 필요할 것으로 보인다. 또한 실험 결과에서 보인 바와 같이 훈련 데이터의 수나 특징 벡터의 차원에 따라 가시도 측정 결과가 다르므로 적정한 훈련 데이터의 수나 특징 벡터의 차원을 결정하는 문제에 대해서도 심도있는 연구가 필요하다. 또한, 조명, 주간 및 야간 등의 환경 변화를 고려하여, 향후 연구에서는 다양한 시점의 프레임들을 훈련 영상으로 사용하는 것이 필요하다.
또한 실험 결과에서 보인 바와 같이 훈련 데이터의 수나 특징 벡터의 차원에 따라 가시도 측정 결과가 다르므로 적정한 훈련 데이터의 수나 특징 벡터의 차원을 결정하는 문제에 대해서도 심도있는 연구가 필요하다. 또한, 조명, 주간 및 야간 등의 환경 변화를 고려하여, 향후 연구에서는 다양한 시점의 프레임들을 훈련 영상으로 사용하는 것이 필요하다.
화재가 발생하면 많은 인명과 재산 피해가 발생하기 때문에, 화재를 예방하기 위한 다양한 방법들을 개발하고 이를 유용하게 사용하여 화재 발생을 미연에 방지할 수 있다면 최선의 방법일 것이다. 그러나 많은 화재 예방 노력에도 불구하고 매년 많은 건수의 화재가 실제로 발생하고 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	고층 빌딩에서 화재가 발생하는 경우 필요한 것은 무엇인가?	고층 빌딩에서 화재가 발생하는 경우 복잡한 구조로 인해 다양한 대피 통로가 존재하며 각 대피 통로의 안전성 여부를 파악하는 것이 어렵다. 고층 빌딩 화재 시 거주자들에게 신속히 탈출 경로를 제공하는 것이 필요하며 이를 위해서 대피 통로의 안정성 여부를 파악할 필요가 있다. 본 논문에서는 대피 통로의 안정성 여부 파악을 위해 영상을 분석하여 화재 시 발생하는 연기로 인한 대피 통로의 가시도를 측정하는 방법을 제안한다.
	발생하는 연기로 인한 대피 통로의 가시도를 측정하는 방법의 문제점은 무엇인가?	본 논문에서는 대피 통로의 안정성 여부 파악을 위해 영상을 분석하여 화재 시 발생하는 연기로 인한 대피 통로의 가시도를 측정하는 방법을 제안한다. 입력 영상에서 연기를 검출한 후 검출된 연기의 밀도를 알 수 있다면 가시도를 쉽게 측정할 수 있지만, 연기 검출이나 연기 밀도 측정에 관한 적절한 방법이 없어 이러한 접근법을 사용하기는 어렵다. 본 논문에서는 입력 영상에서 배경 영상을 추출하고 이를 학습 데이터로 하여 주성분 분석 학습을 한다.
	고층 빌딩에서 화재가 발생하는 경우 어떤 문제가 발생하는가?	고층 빌딩에서 화재가 발생하는 경우 복잡한 구조로 인해 다양한 대피 통로가 존재하며 각 대피 통로의 안전성 여부를 파악하는 것이 어렵다. 고층 빌딩 화재 시 거주자들에게 신속히 탈출 경로를 제공하는 것이 필요하며 이를 위해서 대피 통로의 안정성 여부를 파악할 필요가 있다.

참고문헌 (14)

B. Nadella, "Eye Detection and Tracking and Eye Gaze Estimation," Asia-pacific Journal of Convergent Research Interchange, vol. 1, no. 2, pp. 25-41, Aug. 2015.
N. Fujiwara, and K. Terada, "Extraction of a Smoke Region using Fractal Coding," in Proceedings of IEEE International Symposium on Communication and Information, pp.659-662, 2004.
I. Kopilovic, B. Vagvolgyi, and T. Sziranyi, "Application of Panoramic Annular Lens for Motion Analysis Tasks: Surveillance and Smoke Detection," in Proceedings of 15th International Conference on Pattern Recognition, pp. 714-717, 2004.
C. Yu, Z. Mei, and X. Zhang, "A Real-time Video Fire Flame and Smoke Detection Algorithm," in Proceedings of 9th Asia-Oceania Symposium on Fire Science and Technology, pp. 891-898, 2013.
B. D. Lucas, and T. Kanade, "An Iterative Image Registration Technique with an Application to Stereo Vision," in Proceedings of the 7th International Joint Conference on Artificial Intelligence, pp. 674-679, 1981.
B. U. Toreyin, Y. Dedeoglu, and A. E. Cetin, "Wavelet Based Real-time Smoke Detection in Video," in Proceedings of 13th European Signal Processing Conference, pp. 1-4, 2005.
A. Rafiee, and R. Tavakoli, "Fire and Smoke Detection using Wavelet Analysis and Disorder Characteristics," in Proceedings of 3rd International Conference on Computer Research and Development, pp.262-265, 2011.
J. S. Perez, E. Meinhardt-Llopis, and G. Facciolo, "Tv-l1 Optical Flow Estimation," Image Processing On Line, vol. 3, pp.137-150, Jul. 2013.
A. Stadler, and T. Ike, "Real Time Video Based Smoke Detection using Double Optical Flow Estimation," International Journal of Energy and Power Engineering, vol. 10, no. 9, pp. 1632-1637, Sep. 2016.
Y. Jia, J. Yuan, J. Wang, J. Fang, Q. Zhang and Y. Zhang, "A Saliency-Based Method for Early Smoke Detection in Video Sequences," Fire Technology, vol. 52, pp.1271-1292, Sep. 2016.

상세보기
G. Lin, Y. Zhang, Q. Zhang, Y. Jia, G. Xu, and J. Wang, "Smoke Detection in Video Sequences Based on Dynamic Texture using Volume Local Binary Patterns," Transactions on Internet and Information Systems, vol. 11, no. 11, pp. 5522-5536, Nov. 2017.
Y.J. Yu, S.H. Moon, S.H. Park, and C.G. Lee, "A Study on the Visibility Measurement of CCTV Video for Fire Evacuation Guidance," Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology, vol. 7, no. 12, pp. 947-954, Dec. 2017.
B. J. Kim, "Feature Extraction on High Dimensional Data using Incremental PCA," Journal of the Korea Institute of Information and Communication Engineering, vol. 8, no. 7, pp. 1475-1479, Aug. 2004.
P. KaewTraKullPong, and R. Bowden, "An Improved Adaptive Background Mixture Model for Real-time Tracking with Shadow Detection," in Video-based Surveillance Systems: Computer Vision and Distributed Processing, Kluwer Academic Pub., ch. 11, pp. 135-144, 2002.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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