[论文解读] Industrial Smoke Detection and Visualization

Yen-Chia Hsu, Paul Dille+2 more|arXiv (Cornell University)|Sep 17, 2018

Video Surveillance and Tracking Methods参考文献 16被引用 11

一句话总结

本文提出了一款软件工具，通过变化检测和纹理分割技术自动检测并可视化时间延时视频中的工业烟雾，使公民科学家能够高效地检测和记录焦化厂的无组织排放。该系统整合了交互式时间轴、快进播放和自动化动画生成功能，用于叙事和社区参与。

ABSTRACT

As sensing technology proliferates and becomes affordable to the general public, there is a growing trend in citizen science where scientists and volunteers form a strong partnership in conducting scientific research including problem finding, data collection, analysis, visualization, and storytelling. Providing easy-to-use computational tools to support citizen science has become an important issue. To raise the public awareness of environmental science and improve the air quality in local areas, we are currently collaborating with a local community in monitoring and documenting fugitive emissions from a coke refinery. We have helped the community members build a live camera system which captures and visualizes high resolution timelapse imagery starting from November 2014. However, searching and documenting smoke emissions manually from all video frames requires manpower and takes an impractical investment of time. This paper describes a software tool which integrates four features: (1) an algorithm based on change detection and texture segmentation for identifying smoke emissions; (2) an interactive timeline visualization providing indicators for seeking to interesting events; (3) an autonomous fast-forwarding mode for skipping uninteresting timelapse frames; and (4) a collection of animated smoke images generated automatically according to the algorithm for documentation, presentation, storytelling, and sharing. With the help of this tool, citizen scientists can now focus on the content of the story instead of time-consuming and laborious works.

研究动机与目标

• 解决手动监控高分辨率时间延时视频中工业烟雾排放的挑战，该过程耗时且不切实际。
• 通过为非专业人士提供可访问的计算工具，支持基于社区的环境监测。
• 提高公众对焦化厂等工业设施无组织排放的认识并加强记录。
• 通过自动化检测与可视化，简化识别和分享空气污染证据的流程。
• 通过从检测事件自动生成烟雾动画，促进叙事和倡导。

提出的方法

• 应用变化检测和纹理分割算法，通过分析像素级的亮度和纹理变化，在视频帧中识别烟雾。
• 开发交互式时间轴可视化，突出显示潜在的烟雾事件，以实现快速导航和审查。
• 实现自主快进模式，基于低运动和低纹理内容跳过不引人注意的帧。
• 从检测到的事件自动生成动画烟雾图像序列，用于记录、展示和分享。
• 将该工具集成到面向社区的系统中，以支持公民科学家持续开展环境监测。
• 使用自2014年11月以来捕获的高分辨率时间延时图像作为检测与可视化流程的输入。

实验结果

研究问题

• RQ1 自动化计算机视觉技术如何在长时长工业现场时间延时视频中检测烟雾？
• RQ2 哪些交互式可视化方法可帮助公民科学家高效定位并审查烟雾排放事件？
• RQ3 自动化帧跳过如何在不遗漏关键事件的前提下提高大规模视频数据集的审查效率？
• RQ4 自动化动画生成在基于社区的环境监测中，能在多大程度上支持叙事和倡导？
• RQ5 此类系统如何有效集成到公民科学工作流程中，以支持现实世界中的空气质量监测？

主要发现

• 该软件工具通过自动化烟雾检测和帧导航，显著减少了手动审查时间延时视频的工作量。
• 变化检测和纹理分割算法在复杂背景场景中有效识别出烟羽。
• 交互式时间轴可视化使用户能够快速定位并聚焦于潜在的烟雾事件。
• 自主快进模式通过跳过无事件帧，显著加快了视频审查速度。
• 自动生成的动画烟雾序列提供了可重复使用、可共享的视觉证据，适用于记录和公众宣传。
• 该系统通过降低参与的技术门槛，支持了社区在环境监测中的持续参与。