딥러닝 기술을 적용한 지능형 CCTV의 초기 화재 검출 방안에 관한 연구
Initial Fire Detection Method for Intelligent CCTV Using Deep Learning Technology
- 한국화재소방학회
- 한국화재소방학회논문지
- Vol.38 No.2
- 2024.04
- 9 - 16 (8 pages)
화재는 예방 단계에서 사전 예측 및 조기 감지가 매우 중요하기 때문에 딥러닝 AI 분석 기술이 접목된 지능형CCTV의 영상 분석 기술이 매우 활발하게 연구되고 있다. 현재 지능형 CCTV는 가시광선 영상 분석이 가능하지만,검출 대상의 정확도가 떨어진다. 이를 해결하기 위하여 가시광선 감지기와 열화상 감지기를 결합하여 이중 구조로구성하고, 알고리즘(algorithm)을 구현하여 사전에 예측하고 감지하도록 하였다. 본 연구에서는 RGB 감지기와 열화상 감지기를 통해 3가지 클래스(fire, smoke, person)를 검출할 수 있는 알고리즘을 구축하였으며, 분류 신경망을 구축하기 위해 CNN 딥러닝 방식과 YOLOv5 방식을 활용하였다. 이중 센싱 카메라를 통해 성능을 평가한 결과 화염의크기와 온도 변화 등을 대상으로 화재 예측을 감지하는 트리거 역할을 수행할 수 있었으며, 전용 서버를 통해 지속적인 업데이트가 수행될 경우 초기 화재 검출의 성능을 지속적으로 향상시킬 수 있을 것으로 판단된다.
Pre-prediction and early detection are important for the prevention of fires. Hence, the integration of intelligent CCTVimage analysis technology, deep learning, and artificial intelligence is actively being studied. Intelligent CCTV can analyzevisible light images of fires, but the accuracies of the detection targets are low. To solve this problem, a dual sensingexperimental device was constructed by combining a visible light sensor and a thermal image sensor, and an algorithm wasimplemented to predict fire events. An algorithm was constructed to detect three classes (Fire, Smoke, and Person) throughRGB sensors and thermal imaging sensors. Additionally, a CNN deep learning method and the YOLOv5 method were usedto build a classification neural network. The dual sensing device was able to act as a trigger to predict and detect a firebased on the size of the flame and changes in temperature.
1. 서 론
2. 관련 연구
3. 이중 감지기 CCTV의 구성
4. 화재 예측 분석 프로그램의 구조
5. 실험 결과
6. 결 론
후 기
References