نظام آلي لكشف وتحديد موقع الحريق بالإعتماد على تقنيات معالجة الصور

2024-05-12

رسالة ماجستير

اسم الباحث : زهراء شهاب احمد

اسم المشرف : ا.د. حيدر اسماعيل شهادي ; ا.د. حوراء حسن عباس

الكلمات المفتاحية : Fire detection, Smoke detection, CIE L*a*b* color space, HSV/YCbCr color space, PSO, FOA, Frame differences, Camera calibration

الكلية : كلية الهندسة

الاختصاص : علوم الهندسة الكهربائية

سنة نشر البحث : 2023

تحميل الملف : اضغط هنا لتحميل البحث

المشاهدات: 3

الخلاصة

أدى ارتفاع درجات حرارة المناخ إلى زيادة الحرائق في المباني والمزارع وحقول القمح. مستشعر الدخان القائم على الكشف عن الحرائق غير مناسب للمباني المفتوحة والكبيرة ، والمناطق الخارجية. تقترح هذه الرسالة نظامًا لاكتشاف الحرائق وتحديد موقعها استنادًا إلى كاميرا فيديو مناسبة للمناطق الداخلية والخارجية التي يمكنها تحمل التغيرات البيئية مثل الإضاءة والارتباط اللوني بألسنة اللهب والدخان.

يجمع الكشف عن الحرائق المقترح بين نهجين من أجل الحصول على كشف دقيق. يعتمد الأسلوب الأول على الكشف عن الألوان والثاني يعتمد على كشف الحركة سواء لهب النار أو الدخان. لكلا الطريقتين ، يتم التقاط فيديو إدخال RGB من الكاميرا ويتحلل باستخدام مستوى واحد من رفع تحويل الموجة (LWT) لتقليل البيانات المعالجة إلى 57٪ من حجم الإدخال دون فقدان ميزات النار. بعد ذلك ، يتم إدخال الإطارات المتحللة في خوارزميات الكشف عن اللون والحركة لتحقيق ميزات حريق محددة. بعد ذلك ، تتم معالجة إطارات الفيديو الناتجة بالعمليات المورفولجية لإزالة الكائنات غير المرغوب فيها. أخيرًا ، يتم حساب مساحة الحريق المكتشف وتحديدها بمربع إذا كانت ضمن شروط حد عتبة الحريق. تستخدم مناهج النظام المقترحة ثلاثة أنواع من حد العتبات مثل حد العتبة المتعددة الثابتة ، وحد العتبة غير التكيفية لمساحة الألوان المختلفة ، وحد العتبة التكيفية باستخدام خوارزمية تحسين سرب الجسيمات (PSO) وخوارزمية تحسين الغابة (FOA) المعتمدين على دالتي الهدف اوتسو(Otsu) وكابور(Kapur).

تم تحقيق تحديد موقع النار من خلال معايرة معلمات الكاميرا العكسية وموضع النار بالبكسل. يستخدم الأسلوب مصفوفة التحويل الإسقاطي التي يتم تعيينها بين بكسلات الإطار ومواضع العالم الحقيقي. في البداية ، يتم تدريب الخوارزمية على العديد من صور رقعة الشطرنج لتحقيق معلمات المعايرة التي تتناسب مع المواضع الحقيقية.

تستخدم MATLAB R2021b لتنفيذ نظام الكشف عن الحرائق المقترح. يتم تحقيق النتائج التجريبية للنظام المقترح للفيديوات المسجلة. تستخدم الاختبارات للفديوات المسجلة مجموعات البيانات ، بما في ذلك KUM و VisiFire و FireSense ، بالإضافة إلى مقاطع الفيديو المسجلة الخاصة بنا. تتضمن مجموعات البيانات التي تم تنزيلها 92 مقطع فيديو نار ، يعتمد على الدخان واللهب. حقق الاختبار في وضع عدم الاتصال حوالي 92.1٪ متوسط معدل الكشف الصحيح عن الحريق لنظام اكتشاف الدخان متعدد العتبات الثابت. في المقابل ، حققت العتبة غير التكيفية القائمة على نظام الكشف عن اللهب حوالي 94٪. علاوة على ذلك ، حقق نظام كشف اللهب التكيفي حوالي 96٪.

يتم اختبار الكشف عن الحرائق في الوقت الفعلي في الأماكن الداخلية والخارجية. كان متوسط الدقة في الأماكن المغلقة 90 ٪ لنظام الكشف عن الدخان متعدد العتبات الثابت و 97.5 ٪ لنظام اكتشاف اللهب التكيفي. كان متوسط دقة الكشف عن الحرائق الخارجية لنظام الكشف عن الدخان الثابت متعدد العتبات ، وأنظمة اكتشاف اللهب غير التكيفية والتكيفية 94.1٪ و 94.4٪ و 92.4٪ على التوالي. تم تحقيق خطأ تحديد موقع الحريق عند أقل من 0.42 متر.

يمكن استخدام النظام المقترح بنجاح لاكتشاف الحرائق في الوقت الفعلي وبدقة عالية ، سواء في الداخل أو الخارج ، ولظروف بيئية مختلفة.

An Automatic System for Fire Detection and Localization based on Image Processing Techniques

Abstract

The rise of climate temperatures has led to increase fires in buildings, farms, and wheat fields. Fire detection-based smoke sensor is unsuitable for open and large buildings, and outdoor areas. This thesis proposes a fire detection and localization system based on a suitable video camera for indoor and outdoor areas that can withstand environmental changes such as illuminance and color correlation to fire flames and smoke.
The proposed fire detection system combines color and motion detection approaches for accurate results. It uses RGB video input, which is decomposed using wavelet transform to reduce data processing while preserving fire features. The decomposed frames are then processing for color and motion detection to identify fire characteristics. Morphological post-processing removes unwanted pixels, and the detected fire area is calculated and bounded if it meets the threshold conditions. The system employs three threshold types, including static multi-threshold, non-adaptive threshold for different color spaces, and adaptive threshold using optimization algorithms based on objective functions like Otsu and Kapur.
The fire localization is achieved through the inverse camera parameters calibration and position of fire in pixels. The approach uses the projective transformation matrix that is mapped between frame pixels and real-world positions.
MATLAB R2021b used to implement the proposed fire detection system. The experimental results of the proposed system are achieved offline and online. The offline tests utilize the datasets, including KMU, VisiFire, and FireSense, as well as our recorded videos. The downloaded datasets include 92 fire videos, both smoke- and flame-based. The offline test achieved about 92.1% average rate of the correct fire detection for the static multi-threshold smoke detection system. In contrast, the flame detection system-based non-adaptive threshold achieved about 94%. Moreover, the adaptive thresholds flame detection system achieved approximately 96%.
Online fire detection is tested in indoor and outdoor places. The indoor average accuracy was 90% for the static multi-threshold smoke detection system and 97.5% for the adaptive threshold flame detection system. The average outdoor fire detection accuracy for the static multi-threshold smoke detection system, non-adaptive, and adaptive thresholds flame detection systems was 94.1%, 94.4%, and 92.4%, respectively. The error of fire localization is achieved at less than 0.42 meters.
The proposed system can be successfully used for fire detection in real-time with high accuracy, whether indoors or outdoors, and for different environmental conditions.