[논문]영상정보를 이용한 산불 감지 알고리즘

서민석; 이충호

초록
AI-Helper

영상정보에서 색상만을 이용하여 산불을 감지하는 것은 매우 어려운 이슈이다. 본 논문은 산불을 포함하고 있는 동영상에서 영역의 색상과 움직임을 분석하여 산불영역을 감지하는 알고리즘을 제안한다. 제안하는 알고리즘에서는 조명 상태에 의존하지 않고 배경 영역을 추출 가능한 가우시안 믹스쳐 기반의 배경 분할 알고리즘을 이용하여 제거한다. 또한 RGB채널을 HSV채널로 변경하여 색상 기반으로 화염 후보들을 추출한다. 그렇게 추출된 화염후보들은 라벨링 및 트래킹을 하면서 면적이 일정하면서 이동하면 화염이 아니라고 판단한다. 이런 방법으로 추출된 화염후보 영역들이 2분 이상 같은 위치에 있으면 화염으로 판단한다. 구현된 알고리즘을 이용하여 실험한 결과 그 유효성을 확인하였다.

Abstract ▼ AI-Helper

Detecting wildfire using only color in image information is a very difficult issue. This paper proposes an algorithm to detect forest fire area by analyzing color and motion of the area in the video including forest fire. The proposed algorithm removes the background region using the Gaussian Mixtur...

Detecting wildfire using only color in image information is a very difficult issue. This paper proposes an algorithm to detect forest fire area by analyzing color and motion of the area in the video including forest fire. The proposed algorithm removes the background region using the Gaussian Mixture based background segmentation algorithm, which does not depend on the lighting conditions. In addition, the RGB channel is changed to an HSV channel to extract flame candidates based on color. The extracted flame candidates judge that it is not a flame if the area moves while labeling and tracking. If the flame candidate areas extracted in this way are in the same position for more than 2 minutes, it is regarded as flame. Experimental results using the implemented algorithm confirmed the validity.

주제어

AI 본문요약
AI-Helper

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

문제 정의

이 장에서는 산불을 감지하는 다양한 접근 방법들을 소개하고 이런 방법들의 장단점을 설명한다. IoT, 인공 위성, 영상처리를 활용한 산불 감지 방법들을 소개한 다.

제안 방법

RGB 채널을 HSV 채널로 변경 후 화염 색상을 검출한다. HSV 채널로 변경하는 이유는 RGV 채널보다 더 세세한 정보를 HSV채널을 나타낼 수 있기 때문에 미세한 조정을 위하여 HSV 채널로 변경한다.
영상처리를 활용한 산불감지 알고리즘은 영상에인 접한 두 프레임 사이의 차 영상을 구하여 배경을 제거하고, RGB 영상을 HSV로 변경 후 화염의 색상을 기반 으로 화염을 검출하였다.
하지만 동영상의 특성을 이용한 배경추출 기술과 산불영역에 제한을 둠으로써 기존에 설치된 CCTV영상을 활용하여 추가 비용 없이 산불을 초기에 감지할 수 있다. 제안하는 알고리즘은 기존의 화염 색상만으로 화염을 감지하는 알고리즘[3-5]의 오차를 화염의 특성을 정의하고 이를 활용함으로써 보안하고 개선한다.
6에 보인 것과 같이 소금 후추 노이즈가 생성되고 색상을 알아볼 수 없는 상태가 된다. 첫 번째로는 미디안 블러를 사용하여 소금 후추 노이즈를 제거하고[8], 노이즈가 제거된 영상과 원본 영상을 비트별로 AND 연산하여, 그 값이 0 이면 0을 0이 아닌 값을 가지면 원본 영상을 덮어씌워서 원본영상에서 움직이는 타깃을 제외한 모든 배경을 0으로 만든다. 이런 환경을 만들면 움직이지 않는 배경의 붉은 것 들이 제외되기 때문에 오탐지를 줄일 수 있다.

대상 데이터

CCTV 영상에서 이미지 정보를 입력받아 512x512 픽셀로 크기를 조정한다. CCTV영상의 이미지정보는 실제로 이미지의 크기가 매우 크지만, 추후에 후처리를 해야 하는 과정에서 이미지의 크기가 너무 크면 계산시간이 많이 걸리는 오버헤드가 너무 심하여, 실시간으로 작동하기 매우 어렵기 때문이다.

이론/모형

가우시안 믹쳐스 기반의 배경 분할 알고리즘 (background subtract algorithm based on Gussian mixture model)[7]을 사용하여 움직이는 영상들을 제외한 모든 것들은 삭제한다. 그 이유는 화염은 끊임없이 움직인다고 판단하였기 때문이다.

성능/효과

YouTube에서 얻은 산불영상 50개를 기존의 색상 히스토그램을 통하여 산불을 감지하는 것과 우리가 제시한 알고리즘을 비교하여 본 결과, 기존 색상 히스토그램만 사용하여 산불을 감지하는 것은 많은 오차가 있었지만 우리의 알고리즘은 100%의 정확도를 보였다. 실제로 기존 방법은 Fig.
하지만 이러한 방법은 오검출 확률을 높일 수 있기 때문에 배경을 우선으로 제거한 후 색상으로 화염을 잡는다. 또한 물체를 트래킹 하고 라벨링하면서 물체의 면적도 고려하고 이동하는 속도 등을 고려하여 성능을 더욱더 높혔다. 물체를 트래킹 할 때에는 영상의 옵티컬 플로우(optical flow)를 활용하 여, 크기변환, 회전변환, 또는 부분적으로 가려지는 경우에도 안전하게 트래킹 할 수 있다.
하지만 문제점도 있었다. 블랙박스 영상, CCTV영상, 낮은 곳에서 촬영한 영상을 가지고 실험해 본 영상들에서는 모두 잘 화염을 찾았지만, 헬리콥터에서 촬영한 영상이나, 높은 타워와 같이 관점(view point)이 높은 곳에서 촬영한 영상에서는 매우 낮은 정확도를 보였다. 그 이유는 CCTV영상에서 제안한 알고리즘을 적용할 계획이었기 때문에 연기는 고려하지 않았기 때문이다.
산불이 특정 색상을 가지고 움직이지 않으면서, 일정한 영역에서 제한된 변화만을 가진다는 사실에 착안하여 간단하고 성능이 우수한 산불감지 알고리즘을 구현하고 실험을 통하여 유효성을 보였다. 제안한 방법은 기존 방법보다 간단하면서 동등 또는 그 이상의 성능을 보였다.
산불이 특정 색상을 가지고 움직이지 않으면서, 일정한 영역에서 제한된 변화만을 가진다는 사실에 착안하여 간단하고 성능이 우수한 산불감지 알고리즘을 구현하고 실험을 통하여 유효성을 보였다. 제안한 방법은 기존 방법보다 간단하면서 동등 또는 그 이상의 성능을 보였다. 오검출의 경우를 보완하기 위하여 제안된 알고리즘과 온도센서 등의 방법과 같이 활용된다면 유용할 것으로 기대된다.

후속연구

본 논문의 알고리즘 저위치 의 CCTV 동영상을 이용하여 산불을 감지하는 데 사용되나 연기는 고려하지 않았다. 높은 곳에 설치된 CCTV 동영상을 대상으로 연기감지 연구가 추후 연구 할 방향이다.
제안한 방법은 기존 방법보다 간단하면서 동등 또는 그 이상의 성능을 보였다. 오검출의 경우를 보완하기 위하여 제안된 알고리즘과 온도센서 등의 방법과 같이 활용된다면 유용할 것으로 기대된다. 본 논문의 알고리즘 저위치 의 CCTV 동영상을 이용하여 산불을 감지하는 데 사용되나 연기는 고려하지 않았다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인공위성을 활용한 산불 감지 방법의 장점은?	인공위성을 활용한 산불 감지 방법은 추가 비용이 거의 들지 않는다는 장점과 한 번에 넓은 지역을 감시할 수 있다는 장점을 가지고 있어 미국이나 중국과 같은 땅이 넓은 나라는 인공위성을 활용하는 방법을 선호하지만, 인공위성이 없는 나라는 대여하거나 사용하지 못한다는 단점이 있다. 또한 날씨에 영향을 많이 받고, 다소 실시간성이 떨어진다는 점에서 단점이 있다.
	인공위성을 활용한 산불 감지 방법의 단점은?	인공위성을 활용한 산불 감지 방법은 추가 비용이 거의 들지 않는다는 장점과 한 번에 넓은 지역을 감시할 수 있다는 장점을 가지고 있어 미국이나 중국과 같은 땅이 넓은 나라는 인공위성을 활용하는 방법을 선호하지만, 인공위성이 없는 나라는 대여하거나 사용하지 못한다는 단점이 있다. 또한 날씨에 영향을 많이 받고, 다소 실시간성이 떨어진다는 점에서 단점이 있다.
	IoT 화제감지센서중 대표적인 것은?	IoT 화제감지센서는 현재로서 가장 널리 활용되고 있는 방법이다. 스마트 더스트(smart dust)라는 센서를 활용한 산불을 감지 시스템이 가장 대표적이다.

참고문헌 (10)

S. Lee, H. Lee, "Analysis of Forest Fire Occurence in Korea," T. o Korean Institute of Fire & Eng., Vol. 20, No. 2, pp. 54-63, 2006.
K. Nakau, M. Fukuda, K. Kushida, "Forest Fire Detection Based on MODIS Satellite Imagery, and Comparison of NOAA Satellite Imagery with Fire Fighters' Information," Institute of Low Temperature Science Hokkaido University, Japan, 2005.
A. Alkhatib, "A Review on Forest Fire Detection Techniques," International Journal of Distributed Sensor Networks. March 2014.
T. Celik and H. Demirel, "Fire Detection in Video Sequences Using a Generic Color Model," Fire Safety Journal, Vol. 44, Issue 2, pp. 147-158, 2009.

상세보기
B.U. Toreyin, Y. Dedeoglu, U. Gudukbay, and A.E. Cetin, "Computer Vision Based Method for Real-time Fire and Flame Detection," Pattern Recognition Letters, Vol. 27, No. 1, pp. 49-58, 2005.

상세보기
W. Kim, D. Kim, "Implementation of Infrared Thermal Image Processing System for Disaster Monitoring", The Korea Institute of Convergence Signal Processing, Vol. 11, No.1, pp.9-12, 2010.
P. TraKuPong, R. Bowden, "An Improved Adaptive Background Mixture Model for Real-Time Tracking with Shadow Detection," In Proc. 2nd European Workshop on Advanced Video Based Surveillance Systems: Computer Vision and Distributed Processing, Kluwer Academic Publishers, pp. 1-5, Sept. 2001.
M. Sonka, V. Hlavac, and R. Boyle, Image Processing Analysis, and Machine Vision, PWS Publishing, Boston, Mass., 1999.
M. Sarazin and F. Roddier, "The ESO Differential Image Motion Monitor," Astron. Astrophys, Vol. 227, No. 1, pp. 294-300, 1990.
Harle. N and Min Xi, "Robot Vision System Using Differential Image Information and Geometrical Relations of Moving Edges," Signal Processing and Its Applications, Fourth International Symposium on, Vol. 2, pp. 573-574, 1996.

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

영상정보를 이용한 산불 감지 알고리즘
A Forest Fire Detection Algorithm Using Image Information 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

영상정보를 이용한 산불 감지 알고리즘 A Forest Fire Detection Algorithm Using Image Information 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

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

이충호 (13)

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

영상정보를 이용한 산불 감지 알고리즘
A Forest Fire Detection Algorithm Using Image Information 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper