دوره 16، شماره 3 - ( 10-1398 )
جلد 16 شماره 3 صفحات 61-78 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
karimi zarchi F, derhami V, Latif A, ebrahimi A. Fire detection using video sequences in urban out-door environment. JSDP 2019; 16 (3) :78-61
URL: http://jsdp.rcisp.ac.ir/article-1-605-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-605-fa.html
کریمی زارچی فائزه، درهمی ولی، لطیف علی‌محمد، ابراهیمی علی. آشکارسازی رخداد آتش به‌کمک تصاویر ویدئویی در محیطهای سرباز شهری. پردازش علائم و داده‌ها. 1398; 16 (3) :78-61
دانشکده مهندسی کامپیوتر، دانشگاه یزد
چکیده: (3050 مشاهده)
سامانه‌های تشخیص حریق با توجه به قابلیت گسترش سریع و توانایی بالای آتش در تخریب، از اهمیت بالایی برخوردار هستند. روش‌های سنتی شناسایی آتش که بر مبنای اثرات ناشی از آتش مانند دود و حرارت هستند، در محیطهای بزرگ و سرباز کارایی لازم را ندارند. هدف از این مقاله ارائه روشی کارآمد برای تشخیص آتش به‌کمک تصاویر ویدئویی در محیطهای سرباز شهری با تمرکز بر انبار شرکت گاز با هزینه محاسباتی پایین است. در روش پیشنهادی از مؤلفه رنگ و ویژگی‌های زمانی و مکانی که خاصیت تفکیک‌کنندگی بالایی دارند، استفاده شده است. ابتدا نواحی نامزد آتش با کمک مدل رنگی انتخاب و ﺳﭙﺲ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻐﯿﯿﺮات ﻧﺎﻣﻨﻈﻢ ﭘﯿﻮﺳﺘﻪ ﺷﻌﻠﻪ آﺗﺶ در قاب‌های متوالی و ﭘﺮاﮐﻨﺪﮔﯽ ﺳﻄﻮح روﺷﻨﺎیﯽ ﮐﺎﻧﺎل ﻗﺮﻣﺰ، ﻧﻮاﺣﯽ آﺗﺶ در ﺗﺼﺎویﺮ اﺳﺘﺨﺮاج میشوند. آزمایش‌های انجام‌شده حاکی از آن است که روش پیشنهادی علاوه‌بر این‌که در نمونه ویدئوهای بررسی‌شده، قابلیت تشخیص صد‌درصدی وقوع آتش را در محیطهای سرباز شهری دارد، زمان تشخیص را در شرایط مشابه نسبت به روش مقاله پایه 35/87 درصد کاهش داده است.
نوع مطالعه: كاربردي |
موضوع مقاله:
مقالات پردازش تصویر
دریافت: 1395/8/14 | پذیرش: 1398/3/29 | انتشار: 1398/10/17 | انتشار الکترونیک: 1398/10/17
دریافت: 1395/8/14 | پذیرش: 1398/3/29 | انتشار: 1398/10/17 | انتشار الکترونیک: 1398/10/17
فهرست منابع
1. [1] Kh. Rezaee, M. Ghezelbash, and J. hadadnia, ”Accurate and intelligent fire monitoring system in various environments using image processing,” 20th Iranian Conference on Electric, 2012.
2. ]1[رضایی، خسرو، قزلباش، محمد راسق، حدادنیا، جواد، سیستم دقیق و هوشمند پایش آتش در محیطهای گوناگون با استفاده از پردازش تصویر، بیستمین کنفرانس مهندسی برق ایران، 1391.
3. [2] J. Chen, Y. He, and J. Wang, ”Multi-feature fusion based fast video flame detection, ”Building Environment Journal, vol. 45, no. 5, pp. 1113–1122, 2010.
4. [3] W. Wang, and H. Zhou, “Fire detection based on flame color and area,” International Conference on Computer Science and Automation Engineering, vol. 3, pp. 222–226,2012.
5. [4] Q. Zhou, X. Yang, and L. Bu, “Analysis of shape features of flame and interference image in video fire detection,” Chinese Automation Congress (CAC, pp. 633–637), 2015.
6. [5] A. E Cetin, et al,”Video fire detection - review,” Digital Signal Processes A Reveiw Journal, vol. 23, no.6, pp. 1827–1843, 2013.
7. [6] H. Chao, and K. Tzu-Hsin, “Real-time video-based fire smoke detection system,” International Conference on Advanced Inteliigent Mechatronics, pp.1845-1850, 2009.
8. [7] B. Ko, K. Cheong, and J, Nam,”Early fire detection algorithm based on irregular patterns of flames and hierarchical Bayesian Networks,” Fire Safety Journal, vol. 45, no.4, pp. 262-270, 2010.
9. [8] B. C. KO, K. H. Cheong, and J-. Nam,”Fire detection based on vision sensor and support vector machines,”Fire Safety Journal, vol. 44, no. 3, pp. 322–329, 2009.
10. [9] W. Phillips, and M. Shah, and N. D. V. Lob, “Flame recognition in video,” Pattern Recognition Letters, vol. 23, pp. 319-327, 2002.
11. [10] J. Seebamrungsat, S. Praising, and P. Riyamongkol,”Fire detection in the buildings using image processing,” Third ICT International Student Project Conference, pp. 95–98, 2014.
12. [11] G. F. Shidik, et al., “Multi color feature background subtraction and time frame selection for fire detection,” IEEE International Con-ference on Robotics, Biomimetics, and Inte-lligent Computational Systems (ROBIONETICS), pp. 115-120, 2013.
13. [12] T. Ceilik, H. Ozkaramanli, and H. Demirel, ”Fire pixel classification using fuzzy logic and statistical color model,” in IEEE Inter-national Conference on Acoustics, Speech and Signal Processing (ICASSP), vol. 1, pp. 1000–1205, 2007.
14. [13] B.-H. Cho, J.-W. Bae, and S.-H. Jung, ”Image processing-based fire detection system using statistic color model,” 8th International Conference on Advanced Language Processing and Web Information Technology, pp. 245–250, 2008.
15. [14] T-H. Chen, P-H. Wu, and Y. Chiou,”An early fire-detection method based on image processing,” in International Conference on Image Processing, (ICIP ’04), vol. 3, pp. 1707–1710, 2004.
16. [15] S. C. Pol, et al., "Fire detection using image processing and sensors," International Journal of Engineering Trends and Applications, vol. 3, pp. 85–87, 2016.
17. [16] 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, pp. 49–58, 2006.
18. [17] T. X. Truong, and J. Kim, ”Fire flame detection in video sequences using multi-stage pattern re-cognition techniques,” Engineering Applications of Artificial Intelligence, vol. 25, no. 7, pp. 1365-1372, 2012.
19. [18] Y. Zhao, and G. Tang, ”Fire video recognition based on flame and smoke characteristics, ” in The 2nd International Conference on Systems and Informatics (ICSAI 2014),pp. 113–118, 2014.
20. [19] K. Dimitropolos, P. Barmpoutis, N. Grammalidis, “Spatio-temporal flame modeling and dynamic texture analysis for automatic video-based fire detection,” IEEE transactions on circuits and systems for video technology, vol. 25, no. 2, pp.339-351, 2015.
21. [20] X-L. Zhou, et al.,”Early fire detection based on flame contours in video,” Information Tech-nology Journal, vol. 9, no. 5, pp. 899-908, 2010.
22. [21] M. Akarami, “Study and improvement of fire detection algorithm in video images”, M.S. Thesis, Faculty of Electrical and Computer Engineering, Yazd University, 2012.
23. ]21[ اکرمی، محمد، مطالعه و بهبود الگوریتم‌های تشخیص آتش در تصاویر ویدئویی، پایان‌نامه کارشناسی ارشد، دانشکده مهندس برق و کامپیوتر، دانشگاه یزد، 1391.
24. [22] B. U. Toreyin, Y. Dedeoglu, and A. E. Cetin, ”Flame detection in video using hidden Markov models, ” in IEEE International Conference on Image Processing, vol. 2, pp. 1230–1233, 2005.
25. [23] J. Rong, et al.,”Fire flame detection based on GICA and target tracking,” Optics &. Laser Technology, vol. 47, pp. 283–291, 2013.
26. [24] H. SunJae. ,K. Byoungchul, and N. Jae, “Fire-flame detection based on fuzzy finite automation,” 20th International Conference on Pattern Recognition(ICPR), pp.3919-3922, 2010.
27. [25] J. Z, et al., ”SVM based forest fire detection using static and dynamic features, ” Computer Science Information Systems Journal, vol. 8, no. 3, pp. 821–841, 2011.
28. [26] J. Antony, and J. C. Prasad, “Real Time Fire and smoke detection using multi-expert system for video-surveillance,” international journal for innovative research in science & technology, vol. 3, 2016.
29. [27] K. Muhammad, J. Ahmad, and S. Wookbaik, “Early fire detection using convolutional neural networks duringnsurveillance for effective disaster management,” Neurocomputing, vol. 288, pp. 30-42, 2018.
30. [28] H. Xian-Feng, et al., “Video fire detection based on gaussian mixture model and multi-color features,” Signal, Image and Video Processing, vol. 11, no. 8, pp. 1419-1425, 2017.
31. [29] M. Mahdavi, H. Ahaki, and B, NaserSharif, “Design of a currency recognition system based on neural network using image texture and color ”, Signal and Date Processing Journal, Issue. 7, No. 2, 2011.
32. ]29[ مهدوی، مهرگان، آهکی، حبیب، ناصرشریف، بابک، طراحی یک سیستم تشخیص اسکناس مبتنی بر شبکه عصبی با استفاده از مشخصه‌های بافت و رنگ تصویر، مجله پردازش علائم و داده‌ها، دوره 7، شماره 2، 1389.
33. [30] A. Feizy, “Application of Sparse representation and camera collaboration in visual surveillance systems,” Signal and Date Processing Journal, Issue. 15, No. 3, 2018.
34. ]30[ فیضی، اصغر، استفاده از نمایش پراکنده و همکاری دوربین‌ها برای کاربردهای نظارت بینایی، مجله پردازش علائم و داده‌ها، دوره 15، شماره 3، 1397.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
