ДЕТЕКТИРОВАНИЕ ДЫМА НА ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЯХ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
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##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
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.
Рекомендуемые статьи автора (авторов)
- Д. О. ГЛУХОВ, Р. П. БОГУШ, Т. М. ГЛУХОВА, ПРЕДСТАВЛЕНИЕ РАЗРЕЖЕННЫХ МАТРИЦ С ИСПОЛЬЗОВАНИЕМ АССОЦИАТИВНЫХ КОНТЕЙНЕРОВ C++ БИБЛИОТЕКИ STL, Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки: № 12 (2020)
- Е. Р. АДАМОВСКИЙ, В. К. ЖЕЛЕЗНЯК, МАГНИТООПТИЧЕСКИЙ ЭФФЕКТ ФАРАДЕЯ ДЛЯ МОНИТОРИНГА КАНАЛОВ УТЕЧКИ ИНФОРМАЦИИ ВОЛОКОННО-ОПТИЧЕСКИХ ЛИНИЙ СВЯЗИ, Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки: № 12 (2021)
- Е. Р. АДАМОВСКИЙ, В. К. ЖЕЛЕЗНЯК , ВОЛОКОННО-ОПТИЧЕСКИЙ КАНАЛ ПЕРЕДАЧИ МАСКИРУЮЩЕГО СИГНАЛА, Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки: № 12 (2021)
- А. В. ХОДОСЕВИЧ, Р. П. БОГУШ, КЛИЕНТ-СЕРВЕРНАЯ СИСТЕМА УПРАВЛЕНИЯ ПАРКОВКАМИ НА ОСНОВЕ АНАЛИЗА ДАННЫХ СИСТЕМ ВИДЕОНАБЛЮДЕНИЯ, Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки: № 4 (2022)
- Р. П. БОГУШ, Е. Р. АДАМОВСКИЙ, В. М. ЧЕРТКОВ , СОСТАВ И ПРЕДСТАВЛЕНИЕ ДАННЫХ ДЛЯ МОДЕЛИ КОГНИТИВНОЙ СИСТЕМЫ СВЯЗИ НА БАЗЕ LTE, Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки: № 12 (2021)
- Р. П. БОГУШ, С. В. АБЛАМЕЙКО, И. Ю. ЗАХАРОВА, ВЫЧИСЛЕНИЕ И АНАЛИЗ ПРИЗНАКОВ ДВИЖУЩИХСЯ ОБЪЕКТОВ ДЛЯ СОПРОВОЖДЕНИЯ НА ВИДЕОПОСЛЕДОВАТЕЛЬНОСТИ, Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки: № 4 (2021)
- Р. П. БОГУШ, И. Ю. ЗАХАРОВА, КЛИЕНТ-СЕРВЕРНАЯ СИСТЕМА ДЛЯ ИДЕНТИФИКАЦИИ И МОНИТОРИНГА ПЕРЕМЕЩЕНИЯ ЛЮДЕЙ В ПОМЕЩЕНИЯХ НА ОСНОВЕ АНАЛИЗА ВИДЕОДАННЫХ, Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки: № 12 (2020)
- Р. П. БОГУШ, И. Ю. ЗАХАРОВА, Ю. Ф. ПАСТУХОВ, Д. Ф. ПАСТУХОВ, Н. М. НАУМОВИЧ, МОДЕЛИРОВАНИЕ СЖАТИЯ РАДИОЛОКАЦИОННЫХ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ НА ОСНОВЕ БЛОЧНОГО АДАПТИВНОГО КВАНТОВАНИЯ, Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки: № 4 (2019)
- Р. П. БОГУШ, И. Ю. ЗАХАРОВА, В. М. ЧЕРТКОВ, Н. М. НАУМОВИЧ, МОДЕЛИРОВАНИЕ АЛГОРИТМОВ ОБРАБОТКИ ДАННЫХ РАДАРА С СИНТЕЗИРОВАННОЙ АПЕРТУРОЙ КОСМИЧЕСКОГО АППАРАТА ДЛЯ ИХ ПЕРЕДАЧИ И ФОРМИРОВАНИЯ РАДИОЛОКАЦИОННОГО ИЗОБРАЖЕНИЯ, Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки: № 12 (2018)
- В. К. ЖЕЛЕЗНЯК, Е. Р. АДАМОВСКИЙ, МЕТОД АДАПТИВНОГО МАСКИРОВАНИЯ ВИДЕОКАДРА МАСКИРУЕМЫМ СИГНАЛОМ, Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки: № 4 (2019)