[논문 리뷰] Early Fire Detection Using HEP and Space-time Analysis

Junzhou Chen, Yong Bin You|arXiv (Cornell University)|2013. 10. 07.

Fire Detection and Safety Systems참고 문헌 15인용 수 6

한 줄 요약

이 논문은 최적의 텍스처 특징 선택을 위한 등가 패턴의 히스토그램(HEP)과 연기 역학을 모델링하기 위해 블록 기반 상대 프레임 차이(BIFD) 및 개선된 LBP-TOP 변종을 융합한 새로운 공간-시간 특징을 사용하는 영상 기반 조기 연기 탐지 시스템을 제안한다. 연기 이력 이미지(SHI)를 통해 잡음 경고를 감소시켜 기존 최고 수준의 방법들보다 조기에 탐지하고 더 높은 정확도를 달성하며, 8개의 연기 영상에서 100% 탐지 성능을 보였고, 8개의 비연기 영상에서는 오직 3건의 잘못된 경고만 기록하였다.

ABSTRACT

In this article, a video base early fire alarm system is developed by monitoring the smoke in the scene. There are two major contributions in this work. First, to find the best texture feature for smoke detection, a general framework, named Histograms of Equivalent Patterns (HEP), is adopted to achieve an extensive evaluation of various kinds of texture features. Second, the \emph{Block based Inter-Frame Difference} (BIFD) and a improved version of LBP-TOP are proposed and ensembled to describe the space-time characteristics of the smoke. In order to reduce the false alarms, the Smoke History Image (SHI) is utilized to register the recent classification results of candidate smoke blocks. Experimental results using SVM show that the proposed method can achieve better accuracy and less false alarm compared with the state-of-the-art technologies.

연구 동기 및 목표

• flame이 나타나기 이르기 전에 연기를 식별할 수 있는 실시간 영상 기반 조기 연기 탐지 시스템을 개발하는 것.
• 포괄적인 평가 프레임워크를 통해 연기 탐지에 가장 효과적인 텍스처 특징을 식별하는 것.
• 고도로 발전된 운동 및 텍스처 기반 서술자를 사용하여 연기의 동적 공간-시간 특성을 모델링하는 것.
• 연기 이력 이미지(SHI)를 통한 시간적 일관성 도입을 통해 잘못된 경고를 줄이는 것.

제안 방법

• 각 영상 프레임을 겹치지 않는 블록으로 나누어 색상과 운동 기반 탐지 기법을 사용해 후보 연기 영역을 국소화하는 것.
• 다양한 텍스처 특징을 체계적으로 평가하여 최적의 연기 탐지 성능을 도출하기 위해 등가 패턴의 히스토그램(HEP)을 적용하는 것.
• 연기 영역 내의 운동 패턴을 포착하고 시간적 변화를 강조하기 위해 블록 기반 상대 프레임 차이(BIFD_CM)를 도입하는 것.
• 영상 시퀀스에서 공간-시간 텍스처 특징을 추출하기 위해 개선된 LBP-TOP 변종(EOH-TOP, BGC3-TOP, RTU-TOP)을 제안하는 것.
• 분류 결과의 시간적 흐름을 추적하여 일시적인 잘못된 경고를 걸러내기 위해 연기 이력 이미지(SHI)를 활용하는 것.
• 정확도를 높이기 위해 5개의 파라미터 조합(C, Gamma)을 사용한 서포트 벡터 머신(SVM)을 분류에 사용하며, 데이터셋의 절반을 학습용으로, 나머지를 테스트용으로 사용하고, 10겹 반복을 통해 안정성을 확보하는 것.

실험 결과

연구 질문

• RQ1 넓은 후보군 중에서 영상 시퀀스에서 연기와 비연기를 구분하는 데 가장 효과적인 텍스처 특징는 무엇인가?
• RQ2 특히 떨림과 확산 패턴을 포함한 연기의 운동 및 텍스처 변화의 동적 공간-시간 특성을 효과적으로 모델링하는 방법은 무엇인가?
• RQ3 연기 이력 이미지(SHI)와 같은 시간적 일관성 메커니즘은 복잡한 환경에서 잘못된 경고를 어느 정도 감소시킬 수 있는가?
• RQ4 기존 최고 수준의 영상 기반 연기 탐지 방법들과 비교했을 때, 제안된 시스템의 탐지 속도와 정확도는 어떠한가?

주요 결과

• 제안된 방법은 기존 최고 수준의 방법 [12]보다 조기에 경고 시간을 기록하였으며, 영상 (a)에서는 15프레임, 영상 (g)에서는 41프레임, 영상 (h)에서는 19프레임에 탐지되었고, [12]의 경우 각각 75, 74, 73프레임에 탐지되었다.
• 비연기 영상 8개에서 오직 3건의 잘못된 경고만 기록하였고, [12]의 경우 180건이었으므로 잘못된 경고 비율이 크게 감소하였다.
• 모든 8개의 연기 영상은 105프레임 이내에 탐지되었으며, 가장 이른 경고는 15프레임에서 발생하여 강력한 조기 탐지 능력을 입증하였다.
• 표준 PC에서 연기 프레임당 평균 처리 시간은 0.512초, 비연기 프레임당 0.451초였으며, C++ 최적화를 통해 실시간 구현 가능성이 확인되었다(15~30배 빠름).
• HEP 프레임워크는 가장 구분력 있는 텍스처 특징를 성공적으로 식별하여 분류 정확도 향상에 기여하였다.
• BIFD_CM과 개선된 LBP-TOP 특징의 통합은 특히 떨림과 확산 패턴을 포함한 연기의 동적 행동을 모델링하는 데 크게 기여하였다.