$\require{mediawiki-texvc}$

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.

화재 현장 영상에서 연기 영역을 제외한 이미지 기반 불의 영역 검출 기법
Image-based fire area segmentation method by removing the smoke area from the fire scene videos 원문보기

컴퓨터그래픽스학회논문지 = Journal of the Korea Computer Graphics Society, v.28 no.4, 2022년, pp.23 - 30  

김승남 (고려대학교) ,  최명진 ,  김선정 (한림대학교) ,  김창헌 (고려대학교)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 불이 비슷한 색의 연기로 둘러싸여 있더라도 정확하게 검출할 수 있는 알고리즘을 제안한다. 기존 불 영역 검출 알고리즘들은 화재 이미지에서 불과 연기를 잘 분리해내지 못하는 문제점이 있었다. 본 논문에서는 불 영역 검출 알고리즘을 적용하기 전에 전처리 과정으로써 색상 보정 기법과 안개 제거 기법을 적용함으로써 성공적으로 불을 연기로부터 분리해냈다. 실제로 연기로 뒤덮인 화재 현장의 이미지들에서 기존 기법들보다 불을 더 효과적으로 검출하는 것을 확인할 수 있었다. 또한 제안한 화재 검출 알고리즘을 공장, 가정 등에서 효율적인 화재 탐지를 위해 사용할 수 있는 방법을 제안한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose an algorithm that can accurately segment a fire even when it is surrounded by smoke of a similar color. Existing fire area segmentation algorithms have a problem in that they cannot separate fire and smoke from fire images. In this paper, the fire was successfully separated...

주제어

#불 검출   #불   #화재 탐지   #연기 제거  

참고문헌 (29)

  1. S.-J. Chen, D. C. Hovde, K. A. Peterson, and A.W. Marshall, "Fire detection using smoke and gas sensors," Fire Safety Journal, vol. 42, no. 8, pp. 507-515, 2007. 

    상세보기

  2. D. Kang, E. Kim, P. Moon, W. Sin, and M.-g. Kang, "Design and analysis of flame signal detection with the combination of uv/ir sensors," Journal of Internet Computing and Services, vol. 14, no. 2, pp. 45-51, 2013. 

  3. B. C. Ko, K.-H. Cheong, and J.-Y. Nam, "Fire detection based on vision sensor and support vector machines," Fire Safety Journal, vol. 44, no. 3, pp. 322-329, 2009. 

    상세보기

  4. R. Xu, H. Lin, K. Lu, L. Cao, and Y. Liu, "A forest fire detection system based on ensemble learning," Forests, vol. 12, no. 2, p. 217, 2021. 

    상세보기

  5. R. Bogue, "Sensors for fire detection," Sensor Review, 2013. 

  6. T.-H. Chen, P.-H. Wu, and Y.-C. Chiou, "An early firedetection method based on image processing," in 2004 International Conference on Image Processing, 2004. ICIP'04., vol. 3. IEEE, 2004, pp. 1707-1710. 

  7. 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, 2006. 

    상세보기

  8. T. Celik and H. Demirel, "Fire detection in video sequences using a generic color model," Fire safety journal, vol. 44, no. 2, pp. 147-158, 2009. 

    상세보기

  9. A. Gunawaardena, R. Ruwanthika, and A. Jayasekara, "Computer vision based fire alarming system," in 2016 Moratuwa Engineering Research Conference (MERCon). IEEE, 2016, pp. 325-330. 

  10. W.-B. Horng, J.-W. Peng, and C.-Y. Chen, "A new imagebased real-time flame detection method using color analysis," in Proceedings. 2005 IEEE Networking, Sensing and Control, 2005. IEEE, 2005, pp. 100-105. 

  11. T. Celik, "Fast and efficient method for fire detection using image processing," ETRI journal, vol. 32, no. 6, pp. 881-890, 2010. 

    원문보기 상세보기

  12. C. E. Premal and S. Vinsley, "Image processing based forest fire detection using ycbcr colour model," in 2014 International Conference on Circuits, Power and Computing Technologies [ICCPCT-2014]. IEEE, 2014, pp. 1229-1237. 

  13. X. Chen, Q. An, K. Yu, and Y. Ban, "A novel fire identification algorithm based on improved color segmentation and enhanced feature data," IEEE Transactions on Instrumentation and Measurement, vol. 70, pp. 1-15, 2021. 

    상세보기

  14. S. Frizzi, R. Kaabi, M. Bouchouicha, J.-M. Ginoux, E. Moreau, and F. Fnaiech, "Convolutional neural network for video fire and smoke detection," in IECON 2016-42nd Annual Conference of the IEEE Industrial Electronics Society. IEEE, 2016, pp. 877-882. 

  15. F. N. Iandola, S. Han, M. W. Moskewicz, K. Ashraf, W. J. Dally, and K. Keutzer, "Squeezenet: Alexnet-level accuracy with 50x fewer parameters and 0.5 mb model size," arXiv preprint arXiv:1602.07360, 2016. 

  16. K. Muhammad, J. Ahmad, Z. Lv, P. Bellavista, P. Yang, and S. W. Baik, "Efficient deep cnn-based fire detection and localization in video surveillance applications," IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 49, no. 7, pp. 1419-1434, 2018. 

  17. S. Geetha, C. Abhishek, and C. Akshayanat, "Machine vision based fire detection techniques: a survey," Fire Technology, vol. 57, no. 2, pp. 591-623, 2021. 

    상세보기

  18. H. Koschmieder, "Theorie der horizontalen sichtweite," Beitrage zur Physik der freien Atmosphare, pp. 33-53, 1924. 

  19. K. He, J. Sun, and X. Tang, "Single image haze removal using dark channel prior," IEEE transactions on pattern analysis and machine intelligence, vol. 33, no. 12, pp. 2341-2353, 2010. 

  20. Q. Zhu, J. Mai, and L. Shao, "A fast single image haze removal algorithm using color attenuation prior," IEEE transactions on image processing, vol. 24, no. 11, pp. 3522-3533, 2015. 

    상세보기

  21. C. O. Ancuti and C. Ancuti, "Single image dehazing by multi-scale fusion," IEEE Transactions on Image Processing, vol. 22, no. 8, pp. 3271-3282, 2013. 

    상세보기

  22. C. Ancuti, C. O. Ancuti, C. De Vleeschouwer, and A. C. Bovik, "Night-time dehazing by fusion," in 2016 IEEE International Conference on Image Processing (ICIP). IEEE, 2016, pp. 2256-2260. 

  23. C. O. Ancuti, C. Ancuti, C. De Vleeschouwer, and M. Sbert, "Color channel compensation (3c): A fundamental preprocessing step for image enhancement," IEEE Transactions on Image Processing, vol. 29, pp. 2653-2665, 2019. 

  24. C. O. Ancuti, C. Ancuti, C. De Vleeschouwer, and P. Bekaert, "Color balance and fusion for underwater image enhancement," IEEE Transactions on image processing, vol. 27, no. 1, pp. 379-393, 2017. 

  25. K. He, J. Sun, and X. Tang, "Guided image filtering," IEEE transactions on pattern analysis and machine intelligence, vol. 35, no. 6, pp. 1397-1409, 2012. 

  26. M. T. Cazzolato, L. Avalhais, D. Chino, J. S. Ramos, J. A. de Souza, J. F. Rodrigues-Jr, and A. Traina, "Fismo: A compilation of datasets from emergency situations for fire and smoke analysis," in Brazilian Symposium on Databases-SBBD. SBC, 2017, pp. 213-223. 

  27. A. Saied, "Fire dataset." [Online]. Available: https://www.kaggle.com/datasets/phylake1337/fire-dataset 

  28. 조시훈, 김태영, et al., "카메라 기반 강화학습을 이용한 드론 장애물 회피 알고리즘," Journal of the Korea Computer Graphics Society, vol. 27, no. 5, pp. 63-71, 2021. 

  29. R. Adams and L. Bischof, "Seeded region growing," IEEE Transactions on pattern analysis and machine intelligence, vol. 16, no. 6, pp. 641-647, 1994. 

    상세보기

저자의 다른 논문 :

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