Fire detection algorithms using multimodal signal and image analysis
Çokkipli işaret ve imge çözümleme tabanlı yangın tespit algoritmaları
- Tez No: 246617
- Danışmanlar: PROF. DR. A. ENİS ÇETİN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Bilgisayarla görme, Yangın, Yangın algılayıcıları, Yangın kulesi, Computer vision, Fire, Fire sensors, Fire tower
- Yıl: 2009
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
- Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dinamik dokular doğa görüntülerinde yaygın olarak bulunmaktadır.Videodaki dinamik doku örnekleri arasında ateş, duman, bulutlar,kızılberisi videoda uçucu organik bileşik gazları, rüzgardasallanan ağaçlar, deniz ve okyanuslardaki dalgalar, vb.sayılabilir. Görüntü işleme ve bilgisayarlı gÖrÜ alan-larındaki araştırmacılar yaygın olarak iki boyutlu dokular veilgili problemleri çalışmışlardır. Öte yandan, videodakidinamik dokularla ilgili çalışma çok azdır. Bu tezde, Özel birçeşit dinamik doku tespiti için geliştirilen işaret ve imgeişleme yÖntemleri sunulmaktadır.GÖrÜnÜr ve kızılberisi videoda, kameraya en fazla 30m mesafadebulunan açık ve geniş alanlardaki alev ve dumanın tespiti içinişaret ve imge işleme yÖntemleri geliştirilmiştir. Duman,yangınların ilk safhalarında yarı saydamdır. Duman içeren imgeçerçevelerindeki ayrıtlar keskinliklerini kaybetmeye başlar ve buda imgenin yÜksek bant sıklık içeriğinde bir enerji azalmasınayol açar. Dalgacık etki alanındaki yerel en bÜyÜk değerler birimgedeki ayrıtlara karşılık gelmektedir. Bu ayrıtlarda meydanagelen enerji dÜşmesi, kameranın gÖrÜş alanı içinde dumanolduğunun Önemli bir gÖstergesidir. Alev içeren imge bÖlgeleri(kızılberisi) videoda (parlak) ateş-renginde gÖrÜnÜr. Hareket verenk (parlaklık) Özelliklerine ek olarak, alevdeki kırpışma,alevin zamansal hareketini betimleyen bir saklı Markov modelkullanılarak tespit edilmektedir. _Imge çerçeveleri uzamsal olarakda çÖzÜmlenmektedir. Alev çevritleri dalgacık domeninde temsiledilmektedir. Alevdeki kırpışmanın modellenmesi için ateşçevritinin yÜksek sıklık Özelliği de bir ipucu olarakkullanılmaktadır. Videodan çıkarılan zamansal ve uzamsal ipuçlarıson kararın alınması için birleştirilmektedir.Alevin pyro-elektrik kızılberisi algılayıcılar (PIR) tarafındantespit edilebilmesi için de işaret işleme yÖntemlerigeliştirilmiştir. Denetimsiz bir yangının alevlerindekikırpışma sÜreci ile insan ve diğer sıcak nesneler tarafındanyapılan sıradan hareketler, PIR algılayıcısı işaretine ait dalgacıkdÖnÜşÜmÜ katsayılarıyla eğitilen saklı Markov modelleriylemodellenmektedir. PIR algılayıcısının gÖrÜş alanı içinde birhareketlilik meydana geldiğinde, algılayıcı işareti dalgacık etkialanında çÖzÜmlenmekte ve dalgacık işaretleri bir dizi Markovmodeline beslenmektedir. Yangın var ya da yok kararı en yÜksekolasılık değerini Üreten Markov modeline gÖre alınmaktadır.Uzak mesafedeki (kameraya mesafesi 100m'den bÜyÜk) duman, kamerayadaha yakında cereyan eden bir yangın neticesinde oluşan dumandandaha farklı zamansal ve uzamsal Özellikler sergilemektedir. Bu dayakın mesafe dumanlarının tespiti için geliştirilen yÖntemlerikullanmak yerine, uzak mesafedeki duman tespiti için ÖzelyÖntemler geliştirilmesi gereğini doğurmaktadır. Ormanyangınlarından kaynaklanan dumanın tespit edilmesi için gÖrÜntÜtabanlı bir algoritma geliştirilmiştir. Ana tespit algoritması(i) yavaş hareket eden nesneleri, (ii) duman rengindeki bÖlgeleri,(iii) yÜkselen bÖlgeleri, ve (iv) gÖlgeleri tespit eden dÖrtalt-algoritmadan oluşmaktadır. Herbir alt-algoritma kendi kararını,gÜven seviyesinin bir gÖstergesi olarak sıfır ortalamalı gerçelbir sayı şeklinde Üretmektedir. Bu gÜven değerleri son kararınverilmesi için doğrusal olarak birleştirilmektedir.Bu tezin bir diğer katkısı da alt-algoritma kararlarının etkin birşekilde birleştirilmesi için bir çerçeve yapı Önermesidir.Bilgisayarlı gÖrÜ tabanlı pekçok tespit algoritması, son kararınverilmesinde ayrı ayrı kararlarının birleştirildiği çeşitlialt-algoritmalardan oluşmaktadır. Ä Onerilen uyarlanır birleştirmeyÖntemi en kÜçÜk-ortalama-kare algoritmasına dayanmaktadır.Herbir alt-algoritmaya ait ağırlık, eğitim (Öğrenme) aşamasındaçevrimiçi olarak uyarlanır yÖntemle gÜncellenmektedir. Uyarlanıreğitim sürecindeki hata fonksiyonu, karar değerlerinin ağırlıklıtoplamıyla kullanıcının kararı arasındaki fark olaraktanımlanmıştır. Önerilen karar birleştirme yÖntemi ormanyangını tespitinde kullanılmıştır.
Özet (Çeviri)
Dynamic textures are common in natural scenes. Examples of dynamic tex-tures in video include fire, smoke, clouds, volatile organic compound (VOC)plumes in infra-red (IR) videos, trees in the wind, sea and ocean waves, etc.Researchers extensively studied 2-D textures and related problems in the fieldsof image processing and computer vision. On the other hand, there is very littleresearch on dynamic texture detection in video. In this dissertation, signal andimage processing methods developed for detection of a specific set of dynamictextures are presented.Signal and image processing methods are developed for the detection of flamesand smoke in open and large spaces with a range of up to 30m to the camera invisible-range (IR) video. Smoke is semi-transparent at the early stages of fire.Edges present in image frames with smoke start loosing their sharpness and thisleads to an energy decrease in the high-band frequency content of the image.Local extrema in the wavelet domain correspond to the edges in an image.The decrease in the energy content of these edges is an important indicatorof smoke in the viewing range of the camera. Image regions containing flames appear asfire-colored (bright) moving regions in (IR) video. In addition to motion andcolor (brightness) clues, the flame flicker process is also detected by using a Hid-den Markov Model (HMM) describing the temporal behavior. Image frames arealso analyzed spatially. Boundaries of flames are represented in wavelet domain.High frequency nature of the boundaries of fire regions is also used as a clue tomodel the flame flicker. Temporal and spatial clues extracted from the video arecombined to reach a final decision.Signal processing techniques for the detection of flames with pyroelectric (pas-sive) infrared (PIR) sensors are also developed. The flame flicker process of anuncontrolled fire and ordinary activity of human beings and other objects aremodeled using a set of Markov models, which are trained using the wavelet trans-form of the PIR sensor signal. Whenever there is an activity within the viewingrange of the PIR sensor, the sensor signal is analyzed in the wavelet domain andthe wavelet signals are fed to a set of Markov models. A fire or no fire decision ismade according to the Markov model producing the highest probability.Smoke at far distances (> 100m to the camera) exhibits different temporal andspatial characteristics than nearby smoke and fire. This demands specific methodsexplicitly developed for smoke detection at far distances rather than using nearbysmoke detection methods. An algorithm for vision-based detection of smoke dueto wild fires is developed. The main detection algorithm is composed of foursub-algorithms detecting (i) slow moving objects, (ii) smoke-colored regions, (iii)rising regions, and (iv) shadows. Each sub-algorithm yields its own decision as azero-mean real number, representing the confidence level of that particular sub-algorithm. Confidence values are linearly combined for the final decision.Another contribution of this thesis is the proposal of a framework for activefusion of sub-algorithm decisions. Most computer vision based detection algo-rithms consist of several sub-algorithms whose individual decisions are integratedto reach a final decision. The proposed adaptive fusion method is based on theleast-mean-square (LMS) algorithm. The weights corresponding to individualsub-algorithms are updated on-line using the adaptive method in the training(learning) stage. The error function of the adaptive training process is definedas the difference between the weighted sum of decision values and the decisionof an oracle who may be the user of the detector. The proposed decision fusionmethod is used in wildfire detection.
Benzer Tezler
- Development of a robotic system with hybrid locomotion for both indoor and outdoor fire detection operations
Açık ve kapalı alanlarda yangın algıma yeteneğine sahip hibrit lokomosyonlu bir robot sisteminin geliştirilmesi
HİLMİ SAYGIN SUCUOĞLU
Doktora
İngilizce
2020
Makine MühendisliğiAydın Adnan Menderes ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL BÖĞREKCİ
- The development of fire detection robot
Yangın algılama robotunun geliştirilmesi
HİLMİ SAYGIN SUCUOĞLU
Yüksek Lisans
İngilizce
2015
Makine MühendisliğiAdnan Menderes ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL BÖĞREKCİ
- Derin öğrenme algoritmaları kullanarak insansız hava araçları ile silah tespiti
Weapon detection with unmanned air vehicle images through deep learning algorithms
MUSTAFA BURGAZ
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CAFER BUDAK
- Uydu görüntü verileri kullanılarak orman yangın analizi
Forest fire analysis using satellite images
ÇİĞDEM İNAN
Yüksek Lisans
Türkçe
2018
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- Dron kullanarak deprem sonrası hasar tespiti amacıyla yerleştirme ve rotalama problemi ve karınca kolonisi optimizasyonu ile çözümü: istanbul ilçeleri örneği
Location and routing problem for the detection of post-earthquake damage using drone and a solution approach by ant colony optimization: the case of istanbul districts
OKTAY YILMAZ
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEZİR AYDIN