객체 추적 알고리즘을 활용한 딥러닝 기반 실시간 화재 탐지 시스템
Deep-Learning Based Real-time Fire Detection Using Object Tracking Algorithm
1
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 논문에서는 실시간 객체 탐지(Real-time Object Detection)가 가능한 YOLOv4 모델과DeepSORT 알고리즘을 활용한 객체 추적(Object Tracking) 기술을 활용하여 CCTV 영상 이미지 기반의 화재 탐지 시스템을 제안한다. 화재 탐지 모델은 10800장의 학습용 데이터로부터 학습되었으며 1000장의 별도 테스트 셋을 통해 검증되었다. 이후 DeepSORT 알고리즘을 통해 탐지된 화재영역을 추적하여 단일 이미지 내의 화재 탐지율과 영상 내에서의 화재 탐지 유지성능을 증가시켰다. 영상 내의 한 프레임 혹은 단일 이미지에 대한 화재 탐지 속도는 장당 0.1초 이내로 실시간탐지가 가능함을 확인하였으며 본 논문의 AI 화재 탐지 시스템은 기존의 화재 사고 탐지 시스템보다 안정적이고 빠른 성능을 지니고 있어 화재현장에 적용 시 화재를 조기 발견하여 빠른 대처및 발화단계에서의 진화가 가능할 것으로 예상된다.
Abstract
In this paper, we propose a fire detection system based on CCTV images using an object tracking technology with YOLOv4 model capable of real-time object detection and a DeepSORT algorithm. The fire detection model was learned from 10800 pieces of learning data and verified through 1,000 separate test sets. Subsequently, the fire detection rate in a single image and fire detection maintenance performance in the image were increased by tracking the detected fire area through the DeepSORT algorithm. It is verified that a fire detection rate for one frame in video data or single image could be detected in real time within 0.1 second. In this paper, our AI fire detection system is more stable and faster than the existing fire accident detection system.
참고문헌 (17)
- BOCHKOVSKIY, Alexey, "Yolov4: Optimal speed and accuracy of object detection", ~ (2020)
- VEERAMANI, Balaji, "DeepSort: deep convolutional networks for sorting haploid maize seeds", BMC bioinformatics, 19(9), pp.1~9 (2018)
- FELZENSZWALB, Pedro, "A discriminatively trained, multiscale, deformable part model", 2008 IEEE conference on computer vision and pattern recognition, pp.1~8 (2008), Ieee
- XIONG, Huan, "On the number of linear regions of convolutional neural networks", International Conference on Machine Learning, pp.10514~10523 (2020), PMLR
- ALBAWI, Saad, "Understanding of a convolutional neural network", 2017International Conference on Engineering and Technology (ICET), pp.1~6 (2017), Ieee
- WELCH, Greg, "An introduction to the Kalman filter", ~ (1995)
- MCLACHLAN, Goeffrey J., "Mahalanobis distance", Resonance, 4(6), pp.20~26 (1999)
- The dynamic hungarian algorithm for the assignment problem with changing costs, "MILLS-TETTEY, G. Ayorkor", Robotics Institute, ~, pp.CMU-RI-TR-07-27 (2007)
- MILAN, Anton, "MOT16: A benchmark for multi-object tracking", ~ (2016)
- REZATOFIGHI, Hamid, "Generalized intersection over union: A metric and a loss for bounding box regression", Proceedings of the IEEE, 2019, 658~666
- ZHENG, Liang, "Scalable person re-identification: A benchmark", Proceedings of the IEEE international conference on computer vision, pp.1116~1124 (2015)
- PANG, Jiahao, "Cascade residual learning: A two-stage convolutional neural network for stereo matching", Proceedings of the IEEE International Conference on Computer Vision Workshops, pp.887~895 (2017)
- SENOUSSAOUI, Mohammed, "A study of the cosine distance-based mean shift for telephone speech diarization", IEEE, 2013, pp.22(1), 217~227
- RONQUIST, Fredrik, "Three-dimensional cost-matrix optimization and maximum cospeciation", Cladistics, 14(2), pp.167~172 (1998)
- 박경민, "합성곱 신경망을 이용한 선박 기관실에서의 화재 검출에 관한 연구", 해양환경안전학회지, 25(4), pp.476~481 (2019), 해양환경안전학회[DOI]
- 김정수, "딥러닝 기반 지하공동구 화재 탐지 모델 개발 : 학습데이터 보강 및 편향 최적화", 한국산학기술학회논문지, 21(12), pp.320~330 (2020), 한국산학기술학회[DOI]
- 유시영, "비디오 기반 딥러닝 융합 알고리즘에 의한 화재 감지 시스템에 관한 연구", 한국통신학회논문지, 46(9), pp.1487~1496 (2021), 한국통신학회[DOI]