$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

딥런닝 기반의 프레임 유사성을 이용한 화재 오탐 검출 개선 연구
Fase Positive Fire Detection Improvement Research using the Frame Similarity Principal based on Deep Learning 원문보기

전기전자학회논문지 = Journal of IKEEE, v.23 no.1, 2019년, pp.242 - 248  

이영학 (Dept. of Computer Engineering, Andong National University) ,  심재창 (Dept. of Computer Engineering, Andong National University)

초록
AI-Helper 아이콘AI-Helper

화염 및 연기 감지 알고리즘 연구는 다양한 모양, 빠른 확산 및 색상으로 인해 컴퓨터 비전에서 어려운 과제이다. 일반적인 센서 기반 화재 감지 시스템의 성능은 환경 요인(실내 및 화재발생 위치)에 따라 크게 제한된다. 이러한 문제를 해결하기위해 딥러닝 방법을 적용하였으며, 이것은 물체의 형상을 특징으로 추출하므로 비슷한 형상이 프레임내에 존재하면 오탐으로 검출 될 수 있다. 본 연구는 화재 오탐 검출 개선을 위해 딥런닝 사용 전과 후에 프레임 유사성을 이용하여 오탐을 줄이는 새로운 알고리즘을 제안한다. 실험결과 제안된 방법을 적용하여 화재 검출 성능은 유지를 하면서 오탐 부분이 최소 30% 까지 감소하는 결과를 얻을 수 있었다. 제안된 방법의 오탐 검출 성능이 뛰어나다는 것을 확인하였다.

Abstract AI-Helper 아이콘AI-Helper

Fire flame and smoke detection algorithm studies are challenging task in computer vision due to the variety of shapes, rapid spread and colors. The performance of a typical sensor based fire detection system is largely limited by environmental factors (indoor and fire locations). To solve this probl...

주제어

표/그림 (10)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 화재는 작은 불씨가 많은 재산과 생명을 앗아가는 무서운 자연환경이다. 본 논문은 딥런닝 기반으로 화재를 검출할 경우 오탐이 발생하는 부분을 줄이고자 새로운 알고리즘을 제안하였다. 일반적인 딥런닝 방법을 사용 할 경우, 영상 내에 연기혹은 불꽃과 비슷한 형상이 존재 할 경우 화재로 오탐이 발생한다.
  • 본 논문은 딥런닝 기반의 Onvif 카메라 이용 화재 감지 시스템에서 발생되는 오탐율을 최소화 하기위한 프레임내의 관심영역 유사성을 이용한 새로운 알고리즘을 제안하였다. 연구에서 사용된 시스템은 Intel Core i7-7700 (3.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
전통적인 화재 감지 방법의 단점은 무엇인가? 이 방법은 수십대의 카메라를 설치하여 중앙관제 싯템에서 여러 사람이 CCTV영상을 관찰하는 것이다. 센서 기 반은 화재의 위치에 따라 센서의 반응이 늦을 수도 있으며, CCTV인 경우는 항상 많은 모니터링 요원이 감시를 하고있어야하는 단점이 있다.
딥러닝을 사용한 화재 감지 시스템에서 일어날 수 있는 오류는? 일반적인 센서 기반 화재 감지 시스템의 성능은 환경 요인(실내 및 화재발생 위치)에 따라 크게 제한된다. 이러한 문제를 해결하기위해 딥러닝 방법을 적용하였으며, 이것은 물체의 형상을 특징으로 추출하므로 비슷한 형상이 프레임내에 존재하면 오탐으로 검출 될 수 있다. 본 연구는 화재 오탐 검출 개선을 위해 딥런닝 사용 전과 후에 프레임 유사성을 이용하여 오탐을 줄이는 새로운 알고리즘을 제안한다.
SSIM은 무엇인가? SSIM(Structural Similarity)[15]은 압축과 변환 으로 인한 왜곡과 원본 이미지의 유사도를 측정하는 방법이며, 이것은 MSE(Mean Square Error)와 Peak Signal 노이즈 비율(PSNR) 방법 보다 높은 정밀도를 나타낸다. 이것은 시각적 유사성을 정량 화하기 위한 원본 영상(Y)에 대한 테스트 영상(X) 의 평가이다.
질의응답 정보가 도움이 되었나요?

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로