최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.13 no.6, 2018년, pp.1257 - 1262
손금영 (경성대학교 전자공학과) , 박장식 (경성대학교 전자공학과)
In this paper, a deep learning method is proposed to detect the fire effectively by using video of surveillance camera. Based on AlexNet model, classification performance is compared according to kernel size and stride of convolution layer. Dataset for learning and interfering are classified into tw...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
센서를 이용한 화재 검출의 단점은? | 03초 이내에 누전을 차단하는 저항성 누전 차단기의 연구[7] 등이 진행되고 있다. 대체로 센서를 이용한 화재 검출은 초기 화재의 위치, 연기 전파 방향, 화재의 규모 정보를 제공할 수 없는 단점이 있다. | |
센서를 이용한 화재 검출 방법은? | 센서를 이용한 검출 방법은 일산화탄소 센서와 광전자 연기 검출 센서로 다중 센서 화재 검출시스템을 구현하고 화재 발생 및 위치를 전파하는 연구[2]와 배열 가스 검출 센서와 융합 알고리즘으로 방해물이 있는 상황에서 화재 검출 성능을 향상시키는 연구가 진행되었다[3]. DTS(: Distributed Temperature Sensing) 기술에 기반한 광섬유 센서를 활용하여 정교한 온도 측정 및 화재 위치 검출[4], 고성능 화재검출시스템 구현을 위해 금속 산화물을 기반으로 한 고감도 가스 센서를 연구[5], 가스 누출 등으로 위험 발생시 사용자에게 알람을 보내는 연구[6], 예방으로는 0. | |
보안 감시 카메라를 이용한 화재 검출 방법과 관련된 연구의 기대 효과는? | CNN(: Convolution Neural Network)으로 기반으로 연기, 화염을 검출하는 연구가 진행되었고[8], 합성곱 신경망을 이용하여 연기 이미지와 불꽃이미지의 특징을 추출하여 분류하는 연구[9], ViBe 알고리즘을 이용하여 동적, 정적 특징을 추출하여 화재 및 연기 영역를 검출하는 연구[10]와 YOLO 모델을 이용하여 불꽃 검출을 구현한 연구[11], 그리고 CNN을 이용하여 실내외 환경에서 화재 조기 검출 및 자동 대응을 위한 재난 관리 시스템 연구도 진행되었다[12]. 영상기반의 화재 상황을 직관적으로 관찰할 수 있으며 오검출을 줄일 수 있다. 또한 방범 등의 다른 용도로 기설치되어 있는 CCTV 장치로 얻는 영상을 이용해 화재 검출 시스템을 구현할 수 있어 비용을 절감할 수 있다[13]. |
National Security Agency, "Fire Safety Policy Implementation Plan for 2017 in accordance with the 1st Basic Fire Safety Policy Basic Plan (2017-2021)," 2017. Announcement No. 2016-344, in Korean.
H. Hu, G. Wang, and Q. Zhang, "Design wireless multi-sensor fire detection and alarm system based on ARM," In Proc. Int. Conf. on Electronic Measurement & Instruments, Beijing, China Aug. 2009, pp. 285-288.
A. Solorzano, J. Fonollosa, L. Fernandez, J. Eichmann, and S. Marco, "Fire detection using a gas sensor array with sensor fusion algorithms," In Proc. Int. Symposium on Olfaction and Electronic Nose(ISOEN), Montreal, Canada, May. 2007, pp. 1-3.
H. Hoff, "Using distributed fibre optic sensors for detecting fires and hot rollers on conveyor belts," In Proc. Int. Conf. for Fibre-optic and Photonic Sensors for Industrial and Safety Applications(OFSIS), Brisbane, Australia, Jan. 2017, pp. 70-76.
K. Lee, Y. Lee, Y. Shim, Y. Song, S. Han, and C. Kang, "Highly sensitive sensors based on metal-oxide nanocolumns for fire detection," J. of Sensors, vol. 17, no. 2 Feb. 2017, DOI:10.3390/s17020303
K. Kim, D. Wang, and S. Han, "Home Security System Based on IoT," J. of the Korea Institute of Electronic Communication Sciences, vol. 12, no. 1, 2017
H. Lee, "The development of resistive leakage current circuit breaker using a ARM processor," J. of the Korea Institute of Electronic Communication Sciences, vol. 12, no. 4, 2017, pp. 615-620.
S. Frizzi, R. Kaabi, M. Bouchouicha, J. Ginoux, E. Moreau, and F. Fnaiech, "Convolutional neural network for video fire and smoke detection," In Proc. Annual Conf. of the IEEE Industrial Electronics Society, Florence, Italy, Oct. 2016, pp. 877-882.
W. Sang, "Implementation of image based fire detection system using convolution neural Network," J. of the Korea Institute of Electronic Communication Sciences, vol. 12, no. 2, 2017, pp. 331-336.
X. Wu, X. Lu, and H. Leung, "An adaptive threshold deep learning method for fire and smoke detection," In Proc. Int. Conf. on Systems, Man, and Cybernetics(SMC), Banff, Canada, Oct. 2017, pp. 1954-1959.
D. Shen, X. Chen, M. Nguyen, and W. Q. Yan, "Flame detection using deep learning," In Proc. Int. Conf. on Control, Automation and Robotics(ICCAR), Auckland, New Zealand, Apr. 2018.
M. Khan, A. Jamil, and B. S. Wook, "Early fire detection using convolutional neural networks during surveillance for effective disaster management," J. of Neurocomputing, vol. 288, May, 2018, pp. 30-42.
Y. Do, "Visual sensing of fires using color and dynamic features," J. of Sensor Science and Technology, vol. 21, no. 3, 2012, pp. 211-216.
A. Krizhevsky, I. Sutskever, and G. E. Hinton, "ImageNet classification with deep convolutional neural networks," Advances in Neural Information Processing Systems(NIPS), vol. 1, Lake Tahoe, USA, Dec. 2012, pp. 1097-1105.
C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke, and A. Rabinovich, "Going deeper with convolutions," In Proc. Computer Vision and Pattern Recognition, Boston, USA, Sept. 2014, pp. 1-9.
X. Zhang, J. Zou, K. He, and J. Sun, "Accelerating very deep convolutional networks for classification and detection", IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 38, Nov. 2015. pp.1943-1955
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.