본 논문에서는 상황 인식 센서를 활용한 산불 감지 시스템을 제안한다. 기존 기상 및 비전 센서 기반의 산불 방재 시스템의 경우 카메라 센서로 획득한 영상을 조명변화에 강인한 색상공간인 HSI(Hue, Saturation, Intensity) 모형으로 변환시켜 처리하여 산불영역에 대한 특징을 추출하고 있다. 그러나 이 경우 단일 카메라 센서가 넓은 범위에 화재를 감지하기 때문에 넓은 범위의 화재가 발생하기 전까지는 화재발생을 감지하는데 어려움이 있다. 또한 복합적인 상황에서의 화재 감지가 힘들뿐만 아니라 별도의 지속적인 경계가 필요한 지역에 대한 설정이 어렵다. 따라서 본 논문에서는 센서를 활용하여 실시간으로 온도, 습도, Co2, 불꽃유무정보를 습득하고 이 데이터들을 복합적인 상황에 따라 비교, 분석하고 그에 따른 가중치를 부여하여 화재를 판단하는 알고리즘을 제안한다. 또한 화재 상태를 나누어 집중적인 화재 감지가 필요한 구역에 차별적인 관리가 가능하게 한다.
본 논문에서는 상황 인식 센서를 활용한 산불 감지 시스템을 제안한다. 기존 기상 및 비전 센서 기반의 산불 방재 시스템의 경우 카메라 센서로 획득한 영상을 조명변화에 강인한 색상공간인 HSI(Hue, Saturation, Intensity) 모형으로 변환시켜 처리하여 산불영역에 대한 특징을 추출하고 있다. 그러나 이 경우 단일 카메라 센서가 넓은 범위에 화재를 감지하기 때문에 넓은 범위의 화재가 발생하기 전까지는 화재발생을 감지하는데 어려움이 있다. 또한 복합적인 상황에서의 화재 감지가 힘들뿐만 아니라 별도의 지속적인 경계가 필요한 지역에 대한 설정이 어렵다. 따라서 본 논문에서는 센서를 활용하여 실시간으로 온도, 습도, Co2, 불꽃유무정보를 습득하고 이 데이터들을 복합적인 상황에 따라 비교, 분석하고 그에 따른 가중치를 부여하여 화재를 판단하는 알고리즘을 제안한다. 또한 화재 상태를 나누어 집중적인 화재 감지가 필요한 구역에 차별적인 관리가 가능하게 한다.
In this paper, we introduce a fire detection system using context-aware sensor. In existing weather and based on vision sensor of fire detection system case, acquired image through sensor of camera is extracting features about fire range as processing to convert HSI(Hue, Saturation, Intensity) model...
In this paper, we introduce a fire detection system using context-aware sensor. In existing weather and based on vision sensor of fire detection system case, acquired image through sensor of camera is extracting features about fire range as processing to convert HSI(Hue, Saturation, Intensity) model HSI which is color space can have durability in illumination changes. However, in this case, until a fire occurs wide range of sensing a fire in a single camera sensor, it is difficult to detect the occurrence of a fire. Additionally, the fire detection in complex situations as well as difficult to separate continuous boundary is set for the required area is difficult. In this paper, we propose an algorithm for real-time by using a temperature sensor, humidity, Co2, the flame presence information acquired and comparing the data based on multiple conditions, analyze and determine the weighting according to fire it. In addition, it is possible to differential management to intensive fire detection is required zone dividing the state of fire.
In this paper, we introduce a fire detection system using context-aware sensor. In existing weather and based on vision sensor of fire detection system case, acquired image through sensor of camera is extracting features about fire range as processing to convert HSI(Hue, Saturation, Intensity) model HSI which is color space can have durability in illumination changes. However, in this case, until a fire occurs wide range of sensing a fire in a single camera sensor, it is difficult to detect the occurrence of a fire. Additionally, the fire detection in complex situations as well as difficult to separate continuous boundary is set for the required area is difficult. In this paper, we propose an algorithm for real-time by using a temperature sensor, humidity, Co2, the flame presence information acquired and comparing the data based on multiple conditions, analyze and determine the weighting according to fire it. In addition, it is possible to differential management to intensive fire detection is required zone dividing the state of fire.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서 제안하는 알고리즘의 효율성을 증명하기 위하여 화재를 감지하고 화재 상태의 정확성을 확인하기 위하여 시뮬레이터를 제작하였다. 사용한 시뮬레이터는 C# 언어로 작성 되었으며 화재 발생지역 설정을 통해 화재 상태를 Green, Yellow, Red의 3가지 색으로 표시하여 화재의 상태를 확인한다.
본 논문에서는 화재가 발생한 상황에서 화재와 가장 밀접한 관계가 있는 요소인 온도, 습도, 이산화탄소, 불꽃의 여부를 확인하여 화재를 감지하는 알고리즘을 제안한다. 또한, 복합적인 상황에 맞춰 각 요소에 가중치를 다르게 설정함으로써 화재 감지의 신뢰성을 확보한다.
사용한 시뮬레이터는 C# 언어로 작성 되었으며 화재 발생지역 설정을 통해 화재 상태를 Green, Yellow, Red의 3가지 색으로 표시하여 화재의 상태를 확인한다. 시뮬레이션은 요소별 가중치를 다르게 부여함으로써 정확한 화재감지가 가능하다는 것을 증명하려 한다.
현재까지는 화재 감지 알고리즘을 구현한 것이 전부이지만 추후에는 상황인지 센서를 활용하여 화재감지 뿐만 아닌 복합적인 자연재해를 검출할 수 있도록 하는 것을 목표로 삼고 있다.
제안 방법
G값을 토대로 화재의 상태를 안전 상태 G(Green), 주의 상태 Y(Yellow), 위험 상태 R(Red) 3단계로 구분한다. 안전 상태의 경우 화재가 발생할 확률이 매우 미비한 경우를 뜻하고, 주의 상태는 화재가 발생할 수 있는 충분한 가능성이 있는 상태를 말하며, 위험 상태는 화재의 발생 확률이 매우 높거나 이미 발생한 상황이다.
본 논문에서는 화재가 발생한 상황에서 화재와 가장 밀접한 관계가 있는 요소인 온도, 습도, 이산화탄소, 불꽃의 여부를 확인하여 화재를 감지하는 알고리즘을 제안한다. 또한, 복합적인 상황에 맞춰 각 요소에 가중치를 다르게 설정함으로써 화재 감지의 신뢰성을 확보한다.
본 논문에서는 상황인지 센서를 활용한 화재감지 알고리즘과 이를 통해 화재 상태를 3단계를 나누는 기법을 제안하였다. 화재감지 알고리즘을 활용한다면 복합적인 상황에 국한하지 않고도 화재를 감지할 수 있고, 화재 상태를 3단계로 나눴을 경우 화재 상태에 따라 센싱 주기를 조절하여 데이터 부하 방지와 화재 위험지역에 대한 차별화 된 감지 시스템을 적용하여 집중적인 화재감지가 이루어질 것이라 기대한다.
본 논문에서 제안하는 알고리즘의 효율성을 증명하기 위하여 화재를 감지하고 화재 상태의 정확성을 확인하기 위하여 시뮬레이터를 제작하였다. 사용한 시뮬레이터는 C# 언어로 작성 되었으며 화재 발생지역 설정을 통해 화재 상태를 Green, Yellow, Red의 3가지 색으로 표시하여 화재의 상태를 확인한다. 시뮬레이션은 요소별 가중치를 다르게 부여함으로써 정확한 화재감지가 가능하다는 것을 증명하려 한다.
온도, 습도 데이터 분포를 기반으로 화재판단주기를 동적으로 설정한다. 설정된 주기 동안의 온도 변화를 기준 값과 비교하여 화재를 판단한다. 또한, 화재가 발생한 상황에서 온도상승이 유지될 경우 변화량이 기준 값을 초과하지 않으므로 화재임을 알 수 없으므로 임계 값 이상인 경우에도 화재 상황으로 판단한다.
실험 환경은 4월 30일 맑은 날의 일주일 간 서울의 오후 3시경의 온도, 습도, 이산화탄소의 평균값을 바탕으로 시뮬레이션 하였다. 시뮬레이션 상황은 화재로부터 거리가 가까울수록 온도의 변화량이 크기 때문에 온도에 대한 가중치를 높게 설정하고 화재와의 거리가 먼 경우 확산속도가 빠른 이산화탄소의 가중치를 높게 설정하였다.
대상 데이터
상황 1은 온도, 습도, 이산화탄소의 가중치를 모두 같게 설정한 경우이고 상황 2는 온도, 습도, 이산화탄소의 가중치를 다르게 설정한 경우이다. 실험 환경은 4월 30일 맑은 날의 일주일 간 서울의 오후 3시경의 온도, 습도, 이산화탄소의 평균값을 바탕으로 시뮬레이션 하였다. 시뮬레이션 상황은 화재로부터 거리가 가까울수록 온도의 변화량이 크기 때문에 온도에 대한 가중치를 높게 설정하고 화재와의 거리가 먼 경우 확산속도가 빠른 이산화탄소의 가중치를 높게 설정하였다.
성능/효과
그림 2에서 보는바와 같이 주황색 원은 화재위험범위에 대한 표시이고 노란색 선은 화재주의범위에 대한 표시이다. 그 결과 주의상태를 감지한 모듈은 2개, 위험상태를 감지한 모듈은 1개임을 확인할 수 있다.
또한 시뮬레이션을 통해 요소별로 가중치를 다르게 주는 것이 화재감지의 정확성을 높일 수 있음을 증명 하였다.
본 논문에서 제안하는 화재 감지 알고리즘은 복합적인 상황에 따라 가중치를 다르게 주는 방식으로 신뢰성 있는 화재 감지를 하며, 제안하는 알고리즘을 바탕으로 화재의 상태를 3간계로 나누어 화재 발생 위험지역에 차별성 있는 화재 감지를 할 수 있다.
후속연구
본 논문에서 센싱하는 데이터는 온도, 습도, 이산화탄소에 한정되어 있지만 추가로 화재와 관련된 요소를 센싱하고 싶은 경우 데이터 값과 특정 상황에서의 가중치를 구해 알고리즘에 적용할 수 있다. 또한, 가중치에 대한 조절이 가능함으로 특정 장소나 환경에 국한하지 않고 광범위한 상황에 적용 가능하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.