http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
팬틸트 기반의 IR 카메라를 이용한 산불 위치 추정 방법
류진규,곽동걸,최승민 한국방재학회 2022 한국방재학회논문집 Vol.22 No.4
Forest fires are often enlarged over extended periods of time, but if they are detected through image-based real-time monitoring, this would shorten the response time of fire fighters, thereby preventing great damage. When a forest fire occurs, it is often difficult to access the area and to accurately identify the location of its occurrence through monitoring images only. To overcome these problems, this paper proposes a method of detecting forest fires using infrared cameras and estimating the location of the forest fire by applying the space forward intersection method. Additionally, practicality verification was conducted through an outdoor ignition experiment, and the measurement accuracy of distance was compared. 최근 발생하는 산불은 많은 수의 인력과 장비를 동원하여도 대형화 및 장기간으로 진행되는 경우가 많아 진화에 어려움이 많은 실정이다. 이러한 문제를 이미지 기반의 실시간 산불 감지를 통해 대응하거나 모니터링을 통해 감시한다면 산불의 큰 피해를 막는데 효과적일 것이다. 하지만 실제 산불 발생 시 해당 발생지역에 이동수단의 접근이 어렵거나 모니터링 영상만을 통해 발생 위치를 구체적으로 파악하기가 어려운 문제점이 있다. 이러한 문제를 해결하고자 본 논문에서는 IR (Infrared) 카메라 기반의 산불 감지를 진행하고, 공간전방교회법을 응용하여 산불의 발생 위치를 추정하는 방법을 제안하였다. 그리고 실외에서 발화 실험을 통해 실용성 검증을 진행하였으며, 거리별 측정 정확도를 비교하였다.
HSV 컬러 모델 및 코너 검출 알고리즘을 이용한 딥러닝 기반의 화염 감지에 관한 연구
류진규,곽동걸 한국화재소방학회 2021 한국화재소방학회논문지 Vol.35 No.2
Recently, many image classification or object detection models that use deep learning techniques have been studied;however, in an actual performance evaluation, flame detection using these models may achieve low accuracy. Therefore,the flame detection method proposed in this study is image pre-processing with HSV color model conversion and the Harriscorner detection algorithm. The application of the Harris corner detection method, which filters the output from the HSVcolor model, allows the corners to be detected around the flame owing to the rough texture characteristics of the flameimage. These characteristics allow for the detection of a region of interest where multiple corners occur, and finally classifythe flame status using deep learning-based convolutional neural network models. The flame detection of the proposed modelin this study showed an accuracy of 97.5% and a precision of 97%. 최근 딥러닝 기법을 이용한 이미지 분류 모델이나 객체 감지 모델이 많이 연구되고 있지만 적절한 전처리 방법을설계하지 않을 경우 성능 평가 결과 낮은 정확도를 얻을 수 있다. 따라서 본 연구에서 제안하는 효과적인 화염검출전처리 방법으로는 HSV 컬러 모델과 Harris 코너 검출 알고리즘을 적용한 이미지 전처리 방법이다. HSV 컬러 모델을 통해 화염이 존재하는 색상영역을 필터링하고, 필터링된 결과물에 대해 Harris 코너 검출 방법을 적용할 경우 화염 이미지의 거친 질감 특성 때문에 화염 주변에 집중적으로 코너가 검출되게 된다. 이러한 특성을 통해 코너가 다수발생한 영역을 관심영역으로 검출하여 딥러닝 기반의 합성곱신경망(Convolutional neural network, CNN) 모델을 통해최종적으로 화염 여부를 분류하도록 하였다. 그 결과 본 연구에서 제안한 모델의 화염 검출 결과 정확도는 97.5%정밀도는 97%로 나타났다.
딥러닝 기반의 합성곱 신경망을 이용한 화염 및 연기 감지 알고리즘에 관한 연구
류진규(Ryu, Jinkyu),곽동걸(Kwak, Dongkurl) 한국방재학회 2020 한국방재학회논문집 Vol.20 No.1
2017년 제천 스포츠센터 화재와 2018년 밀양 세종병원 화재 등 최근 들어 대형화재의 발생이 증가하고 있는 추세이다. 따라서기존의 화재감지 기법보다 진보된 새로운 화재감지 기법의 필요성이 절실하다. 이에 본 연구에서는 영상전처리를 통해 영상내에서 관심영역을 검출하고 해당 관심영역에 대해 화재 여부를 딥러닝 기반의 합성곱 신경망을 통해 추론하게 된다. 이때데이터셋은 화염, 연기 뿐만 아니라 기존방법으로는 영상 내에서 객체검출의 어려움이 있는 연무형태의 실내 연기 형성여부 또한 검출할 수 있도록 연무데이터셋을 추가하여 학습을 진행하였고, 평가결과 평균 92.3%의 정확도와 93.5%의 정밀도로화재를 검출할 수 있었다. Recently, cases of large-scale fires, such as those at Jecheon Sports Center in 2017 and Miryang Sejong Hospital in 2018, have been increasing. We require more advanced techniques than the existing approaches to better detect fires and avoid these situations. In this study, a procedure for the detection of fire in a region of interest in an image is presented using image pre-processing and the application of a convolutional neural network based on deep-learning. Data training based on the haze dataset is included in the process so that the generation of indoor haze smoke, which is difficult to recognize using conventional methods, is also detected along with flames and smoke. The results indicated that fires in images can be identified with an accuracy of 92.3% and a precision of 93.5%.
색공간 필터링 및 딥러닝 기반의 CNN 모델을 이용한 화염 감지에 관한 연구
류진규(Jin-Kyu Ryu),최승민(Seung-Min Choi),곽동걸(Dong-Kurl Kwak) 전력전자학회 2021 전력전자학술대회 논문집 Vol.2021 No.11
Technology development and social interest in fire prevention and safety are increasing, but currently installed fire detectors are steadily raising malfunction problems such as non-fire information through conventional sensors. This paper pre-processed an image using HSV color model and selective search, which is a candidate region proposal algorithm, and determined whether a flame occurred through a deep learning-based inference model to compensate for this problem. As a result, unnecessary background areas could be filtered in the input image, and the false detection rate could be reduced by effectively inferring the area where the flame exists.
형태학적 연산과 주기성 측정 함수를 이용한 아날로그 게이지 인식 시스템 개발
류진규(Jin-kyu Ryu),곽영태(Young-Tae Kwak) 한국컴퓨터정보학회 2018 韓國컴퓨터情報學會論文誌 Vol.23 No.2
In this paper, we propose a new method to read the hand of analog gauges to prepare for the smart factory. In addition, we suggest a new and improved method that can apply, in general, diverse analog gauges even if their scale types and ranges are various. Many companies are making great efforts to build smart factories that increase energy efficiency and automation. Managers use a variety of equipment and tools to manage the production process at the factory. In this kind of factory, analog gauges have been often used with many equipment and tools. Analog gauges are mostly circular in shape, and most papers use circular hough transform to find the center and radius of a circle. However, when the object to be found is not of the correct circle type, it takes a long time to recognize the circle using the circular hough transform, and the center and radius of the circle can not be calculated accurately. The proposed method was tested on various circular analog gauges. As a result, we confirmed that our method is outstanding.