ДЕТЕКТИРОВАНИЕ ДЫМА НА ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЯХ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ

##plugins.themes.bootstrap3.article.sidebar##

Просмотров аннотации: 87
Загрузок PDF: 49
pdf (rus)
Опубликован: окт 31, 2023
DOI: https://doi.org/10.52928/2070-1624-2023-41-2-2-8
Ключевые слова:
раннее обнаружение пожара, компьютерное зрение, пространственно-временной анализ видео, оптический поток, вейвлет-преобразование early fire detection, computer vision, spatio-temporal video analysis, optical flow, wavelet transform

##plugins.themes.bootstrap3.article.main##

Р. П. БОГУШ
Полоцкий государственный университет имени Евфросинии Полоцкой
Е. Р. АДАМОВСКИЙ
Полоцкий государственный университет имени Евфросинии Полоцкой
X. ЧЕН
Университет Чжэцзян Шурен, Китай

Аннотация

Рассматривается алгоритмическое и программное обеспечение для раннего обнаружения пожаров на основе выявления дыма по видеопоследовательностям, формируемым статической видеокамерой. Для детектирования областей с задымлением разработан алгоритм, позволяющий их выделять на кадрах видео по характерным признакам: наличию устойчивого направленного движения, соответствию цветовым характеристикам дыма, снижению значения энергии высокочастотных компонент относительно модели фона. Особенностью алгоритма является поэтапный пространственно-временной анализ областей-кандидатов, что обеспечивает удовлетворительные вычислительные затраты и работу в режиме реального времени на современных вычислительных средствах для кадров видео высокого разрешения. Алгоритм реализован с применением функций библиотеки компьютерного зрения OpenCV и многопоточной обработки. Приведены особенности и основной функционал программного обеспечения, реализованного в виде стационарного приложения. Представлены результаты экспериментальных исследований по оценке эффективности работы алгоритма и его быстродействия.

##plugins.themes.bootstrap3.article.details##

Как цитировать
БОГУШ, Р. П., АДАМОВСКИЙ, Е. Р., & ЧЕН X. (2023). ДЕТЕКТИРОВАНИЕ ДЫМА НА ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЯХ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ. Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки, (2), 2-8. https://doi.org/10.52928/2070-1624-2023-41-2-2-8
Выпуск
№ 2 (2023)
Раздел
Информатика, вычислительная техника и управление
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Биографии авторов

Р. П. БОГУШ, Полоцкий государственный университет имени Евфросинии Полоцкой

д-р техн. наук, доц.

X. ЧЕН, Университет Чжэцзян Шурен, Китай

Ph. D.

Библиографические ссылки

Cetin, A., Merci, B., Gunay, O., & Toreyin, B. U. (2016). Methods and Techniques for Fire Detection: Signal, Image and Video Processing Perspectives. Elsevier.

Pyataeva, A. V. (2017). Issledovanie metodov i razrabotka algoritmov obnaruzheniya dyma na otkrytykh prostranstvakh po videoposledovatel'nostyam: monografiya [Investigation of methods and development of smoke detection algorithms in open spaces from video sequences: monograph]. Krasnoyarsk: SibFU. (In Russ.).

Hashemzadeh, M., Farajzadeh, N., & Heydari, M. (2022). Smoke detection in video using convolutional neural networks and efficient spatio-temporal features. Applied Soft Computing, (128). DOI: 10.1016/j.asoc.2022.109496.

Bohush, R., Brovko, N., & Ablameyko, S. (2013). Fire Detection in Video Sequences Based on Static and Dynamic Features. Journal of Electrical Engineering, 1(1), 25–33. DOI: 10.17265/2328-2223/2013.12.004.

Bogush, R. P., Tychko, D. A. (2015). Algoritm kompleksnogo obnaruzheniya dyma i plameni na osnove analiza dannykh sistem videonablyudeniya [Comprehensive smoke and flame detection algorithm based on video surveillance data analysis]. Doklady BGUIR, 6(92), 65–71 (In Russ.)

Zivkovic, Z. (2004). Improved adaptive gaussian mixture model for background subtraction. In J. Kittler, M. Petrou, & M. Nixon (Eds.), Proceedings of the 17th International Conference on Pattern Recognition. ICPR 2004: vol. 2 (28–31). DOI: 10.1109/ICPR.2004.1333992.

Ye, S., Zhican, B., Chen, C., Bohush, R., & Ablameyko, S. (2017). An Effective Algorithm to Detect Both Smoke and Flame Using Color and Wavelet Analysis. Pattern Recognition and Image Analysis, 27(1), 131–138. DOI: 10.1134/S1054661817010138.

Farneback, G. (2003). Two-Frame Motion Estimation Based on Polynomial Expansion. In J. Bigun, T. Gustavsson (Eds.), Image Analysis. SCIA 2003. Lecture Notes in Computer Science: vol. 2749 (363–370). Berlin, Heidelberg: Springer. DOI: 10.1007/3-540-45103-X_50.