[论文解读] Deep Convolutional Generative Adversarial Networks Based Flame Detection in Video

Süleyman Aslan, Uğur Güdükbay+2 more|arXiv (Cornell University)|Feb 5, 2019

Fire Detection and Safety Systems参考文献 1被引用 6

一句话总结

本文提出了一种基于两阶段DCGAN的方法，通过利用时间切片图像捕捉时空动态，实现实时视频中的火焰检测。通过使用合成数据和真实非火焰数据联合训练判别器以区分火焰与非火焰序列，该方法实现了92.19%的命中率，且误报率仅为3.91%，显著低于标准CNN和DCGAN方法的误报率。

ABSTRACT

Real-time flame detection is crucial in video based surveillance systems. We propose a vision-based method to detect flames using Deep Convolutional Generative Adversarial Neural Networks (DCGANs). Many existing supervised learning approaches using convolutional neural networks do not take temporal information into account and require substantial amount of labeled data. In order to have a robust representation of sequences with and without flame, we propose a two-stage training of a DCGAN exploiting spatio-temporal flame evolution. Our training framework includes the regular training of a DCGAN with real spatio-temporal images, namely, temporal slice images, and noise vectors, and training the discriminator separately using the temporal flame images without the generator. Experimental results show that the proposed method effectively detects flame in video with negligible false positive rates in real-time.

研究动机与目标

• 开发一种鲁棒、实时的火焰检测系统，用于视频监控，且误报率极低。
• 通过将视频序列转换为时间切片图像，利用火焰的时空动态特性，特别是闪烁行为。
• 通过采用两阶段DCGAN训练框架，提升模型泛化能力和检测鲁棒性。
• 通过对抗训练和时间建模，减少对大规模标注数据集的依赖。
• 在检测准确率和误报率方面，优于标准CNN和DCGAN基线模型。

提出的方法

• 通过将64帧连续视频帧分组为空间列，构建时间切片图像，捕捉约6.5秒内的运动与闪烁动态。
• 首先使用真实火焰切片图像和随机噪声向量训练DCGAN，使判别器能够学习火焰特有的时空模式。
• 在第二阶段，冻结生成器，使用真实非火焰视频序列作为“假”数据，火焰切片图像作为“真实”数据，对判别器进行微调。
• 判别器通过两次随机梯度更新进行训练：第一次为初始对抗学习（SG1），第二次为精炼阶段（SG2），其中使用非火焰数据提升判别能力。
• 在生成器和判别器网络中均应用批量归一化、Dropout和MSRA权重初始化，以稳定训练过程。
• 采用Adam优化器进行随机优化，模型使用TensorFlow实现。

实验结果

研究问题

• RQ1 两阶段DCGAN训练策略是否可通过在判别器微调阶段引入真实非火焰视频数据，提升火焰检测的鲁棒性？
• RQ2 使用时间切片图像是否能有效捕捉火焰的闪烁动态，从而提升检测性能？
• RQ3 与标准CNN和DCGAN相比，该方法在误报率和检测准确率方面表现如何？
• RQ4 使用时间切片的对抗训练是否能减少对大量标注火焰数据的依赖？
• RQ5 利用时空演化特性在多大程度上提升了火焰检测的泛化能力？

主要发现

• 所提出的结合时间切片的DCGAN在测试集上实现了92.19%的真正例率（TPR）和96.09%的真负例率（TNR），表明检测准确率高且误报率低。
• 该方法将误报率降低至3.91%，显著优于使用时间切片的CNN（12.61%误报率）及其他DCGAN基线模型。
• 两阶段训练方法，特别是使用真实非火焰数据进行精炼的阶段，使TNR相比无精炼的DCGAN提升了9.48%。
• 使用时间切片图像使模型能够有效利用火焰闪烁动态，相比无时间信息的DCGAN，TNR提高了9.48%。
• 该方法在仅3.91%误报率下实现了92.19%的命中率，表明在相同数据集上相比标准CNN和DCGAN具有更优的鲁棒性。
• 结果证实，结合时间切片的对抗训练可增强特征表示，从而在真实世界视频监控中实现更可靠的火焰检测。