Система визуализации для обнаружения пожара в видеорядах
| Parent link: | Научная визуализация=Scientific Visualization.— , 2009- Т. 13, № 2.— 2021.— [9 с.] |
|---|---|
| Corporate Author: | |
| Other Authors: | , , , , |
| Summary: | Заглавие с экрана Работа посвящена анализу визуальных изображений, полученных от систем пожарной сигнализации. Мы рассматриваем существующие подходы к анализу данных видеонаблюдения и предлагаем инструмент для разметки и визуализации данных. Предлагаемое решение для визуального анализа изображений основано на нейронной сети (технологии обнаружения объектов). Распознавание опасных мест осуществлялось с помощью модели EfficientDet-D1. Алгоритмы предварительной и постобработки видео были реализованы для улучшения визуальной классификации изображений. Предварительная обработка использовалась для создания кадра, сохраняющего черты объектов, которые динамически изменяются во времени. Постобработка объединяет результаты последовательного обнаружения характерных признаков на каждом кадре, в частности, признаков дымового облака. Представлены результаты работы системы. The paper deals with the analysis of the visual images obtained from fire detection systems. We review the existing approaches to the analysis of video surveillance data and propose a tool for data labeling and visualization. The proposed solution for visual image analysis is based on a neural network (object detection technology). Recognition of hazard locationswas carried out using the EfficientDet-D1 model. Video pre- and post-processing algorithmswere implemented to improve visual image classification. The pre-processing was used togenerate a frame preserving the features of objects that dynamically change over time. Thepost-processing combines the results of sequential detection of characteristic features on eachframe, in particular, features of a smoke cloud. The results of the system operation are presented: visual image classification accuracy was 81%, while localization accuracy was 87%. |
| Language: | Russian |
| Published: |
2021
|
| Subjects: | |
| Online Access: | https://doi.org/10.26583/sv.13.2.01 |
| Format: | Electronic Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=667327 |