logo
calendar2 август 2024
view2
Asosiy til:O'zbek

Анализ контуров и цветовых характеристик для повышения эффективности обнаружения пожара в видеонаблюдении

Fan yo'nalishi:
pdf

66ad29746784c.pdf

PDF

MAQOLA ANNOTATSIYASI

quote
Обнаружение пожара с помощью систем видеонаблюдения имеет решающее значение для быстрого реагирования на пожары и снижения потенциальных опасностей. В этом исследовании мы представляем инновационный подход к обнаружению пламени, который использует анализ формы, направленный на повышение точности и надежности механизмов обнаружения пожара. В отличие от традиционных методов, которые для обнаружения пламени полагаются исключительно на цветовые характеристики, наш подход включает в себя контурный анализ, позволяющий эффективно отличать настоящее пламя от нюансов окружающей среды. Подход включает в себя два основных алгоритма: один ориентирован на распознавание дыма и огня по цветовым признакам, а другой специализируется на распознавании дыма и огня путем анализа формы объектов. Предложенный метод прошел экспериментальную проверку на разнообразном наборе из двенадцати видео, которые включали различные сцены, такие как внутренние и внешние условия, а также условия в течение дня и ночи. Результаты эксперимента демонстрируют многообещающую производительность: результаты обнаружения варьируются от 91,4% до 99,6%. Предлагаемый метод демонстрирует высокие показатели обнаружения при минимизации ложных тревог, о чем свидетельствует низкий уровень ошибок как для упущений, так и для ложных тревог. Таким образом, результаты подчеркивают эффективность введенного метода обнаружения пламени в точном обнаружении пламени в видеопоследовательностях. Интеграция контурного анализа расширяет возможности системы отличать настоящее пламя от факторов окружающей среды, что приводит к повышению точности и надежности обнаружения. Это исследование способствует развитию технологий обнаружения пожара в системах видеонаблюдения, которые потенциально могут применяться для повышения безопасности и защищенности в различных средах.

MUALIFLAR

Teglar

# видеонаблюдение# обнаружение пожара# анализ контура# распознавание пламени# video surveillance# fire detection# contour analysis# flame detection

Maqolani baholang

0

0 ta

Maqola idintifikatorlari

Foydalanilgan adabiyotlar

Dener, M.; Özkök, Y.; Bostancıoğlu, C. Fire detection systems in wireless sensor networks. Procedia-Soc. Behav. Sci. 2015, 195, 1846–1850

Cruz, H.; Eckert, M.; Meneses, J.; Martínez, J.F. Efficient forest fire detection index for application in unmanned aerial systems (UASs). Sensors 2016, 16, 893

Ba, R.; Chen, C.; Yuan, J.; Song, W.; Lo, S. SmokeNet: Satellite Smoke Scene De-tection Using Convolutional Neural Network with Spatial and Channel-Wise Attention. Remote Sens. 2019, 11, 1702

Valikhujaev, Y.; Abdusalomov, A.; Cho, Y.I. Automatic Fire and Smoke Detection Method for Surveillance Systems Based on Dilated CNNs. Atmosphere 2020, 11, 1241

Barmpoutis, P.; Stathaki, T.; Dimitropoulos, K.; Grammalidis, N. Early Fire Detection Based on Aerial 360-Degree Sensors, Deep Convolution Neural Networks and Exploitation of Fire Dynamic Textures. Remote Sens. 2020, 12, 3177

Li, P.; Zhao, W. Image fire detection algorithms based on convolutional neural networks. Case Stud. Therm. Eng. 2020, 19, 100625

Muhammad, K.; Ahmad, J.; Mehmood, I.; Rho, S.; Baik, S.W. Convolutional Neural Networks Based Fire Detection in Surveillance Videos. IEEE Access 2018, 6, 18174–18183

Pan, H.; Badawi, D.; Cetin, A.E. Computationally Efficient Wildfire Detection Method Using a Deep Convolutional Network Pruned via Fourier Analysis. Sensors 2020, 20, 2891

Li, T.; Zhao, E.; Zhang, J.; Hu, C. Detection of Wildfire Smoke Images Based on a Densely Dilated Convolutional Network. Electronics 2019, 8, 1131

Kim, B.; Lee, J. A Video-Based Fire Detection Using Deep Learning Models. Appl. Sci. 2019, 9, 2862

Mukhiddinov, M.; Abdusalomov, A.B.; Cho, J. Automatic Fire Detection and Notification System Based on Improved YOLOv4 for the Blind and Visually Impaired. Sensors 2022, 22, 3307

Avazov, K.; Hyun, A.E.; S Sami, A.A.; Khaitov, A.; Abdusalomov, A.B.; Cho, Y.I. Forest Fire Detection and Notification Method Based on AI and IoT Approaches. Future Internet 2023, 15, 61

Gomez-Rodriguez F., Pascual-Pena S., Arrue B., Ollero A., Smoke detection us-ing image processing, in: Proceedings of 4th International Conference on Forest Fire Research & Wildland Fire Safety, November 2002, pp. 1–8

Freeman H. Shape Description via the Use of Critical points // Pattern Recognition. – 1978. – Vol. 10, №3. – P. 159-166

Gonzalez, R.C. and Woods, R.E. Digital Image Processing. 4th Edition, Pearson Education, New York, 2018. 1022 p

Andreev A. Yu., Bobkov S. P. Segmentation of characters in an image using a modified beetle method // Modern high-tech technologies. — 2014. — No. 1(37). — P. 85–88

Khamdamov R. K., Sakiev T. R., Rakhmanov K. E. Development and Implementation of the Data Structure and Analytical Applications of the System “Ziyrak” //INTERNATIONAL JOURNAL OF THEORETICAL AND APPLIED ISSUES OF DIGITAL TECHNOLOGIES. – 2023. – Т. 5. – №. 3. – С. 17-24

Dimitropoulos, K.; Barmpoutis, P.; Grammalidis, N. Spatiotemporal flame modeling and dynamic texture analysis for automatic video-based fire detec-tion. IEEE Trans. Circuits Syst. Video Technol. 2015, 25, 339–351

Gagliardi, A.; Saponara, S. AdViSED: Advanced Video SmokE Detection for Real-Time Measurements in Antifire In-door and Outdoor Systems. Energies 2020, 13, 2098

Toulouse, T.; Rossi, L.; Celik, T.; Akhloufi, M. Automatic fire pixel detection us-ing image processing: A comparative analysis of rule-based and machine learning-based methods. SIViP 2016, 10, 647–654

Avgeris, M.; Spatharakis, D.; Dechouniotis, D.; Kalatzis, N.; Roussaki, I.; Papavassiliou, S. Where There Is Fire There Is SMOKE: A Scalable Edge Computing Framework for Early Fire Detection. Sensors 2019, 19, 639

Zhang, Z.; Zhao, J.; Zhang, D.; Qu, C.; Ke, Y.; Cai, B. Contour based forest fire detection using FFT and wavelet. Proc. Int. Conf. CSSE 2008, 1, 760–763

Celik, T.; Demirel, H.; Ozkaramanli, H.; Uyguroglu, M. Fire detection using sta-tistical color model in video sequences. J. Vis. Commun. Image Represent. 2007, 18, 176–185.Article

Prema, C.E.; Vinsley, S.S.; Suresh, S. Efficient flame detection based on static and dynamic texture analysis in forest fire detection. Fire Technol. 2018, 54, 255–288

Vipin, P. Image processing based forest fire detection. Int. J. Emerg. Technol. Adv. Eng. 2012, 2, 87–95

public

SLIB.uz — O'zbekiston ilmiy jurnallari va maqolalar yagona tizimda ilmiy nashirlarni bir joyda ko'rish, izlash va ulardan foydalanish imkonini beruvchi zamonaviy platforma.

Ijtimoiy tarmoqlarda
instagramtelegramyoutubefacebook

Bog'lanish uchun

Manzil:Chilonzor tumani Qatortol ko'chasi 60B

Tel:+998(55)511-44-00

Savol-javob va takliflar uchun

© 2026 Barcha huquqlar himoyalangan.