Nighttime fire detection from video
Videodan gece yangın tespiti
- Tez No: 742492
- Danışmanlar: DR. ÖĞR. ÜYESİ KASIM TAŞDEMİR
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayarla görme, CNN, Derin öğrenme, Destek vektör makineleri, Uzun kısa süreli bellek, Computer vision, CNN, Deep learning, Support vector machines, Long- short term memory
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilgisayarlı Görü alanındaki son ilerlemeler, ImageNet, COCO, vb. doğal görüntü veri setleri üzerinde nesne tespiti, bölütlendirme, nesne takibi gibi merkezi işlemlerde tüm zamanların en yüksek doğruluklarına ulaşmaktadır. Fakat yetersiz ışığa sahip ortamlardan elde edilmiş dijital görüntüler üzerinde özünde var olan dezavantajlardan geleneksel yöntemler ciddi bir şekilde zorluk yaşamaktadır. Bu belirli problem henüz çözülememiştir. Özellikle ortam zifiri karanlık ve hedef nesne ışık yayıyorsa günümüz dijital kameraların dinamik menzili bu duruma yetersiz kalmakta ve elde edilmiş dijital görüntüler neredeyse hiç algılanabilir görsel doku taşımamaktadır. Buna önemli bir örnek, gece yangını videolarıdır. Bu tezde, düşük ışık şartlarında sahne algısı zorlu probleminin bir uygulaması olarak videolardan gece orman yangını tespiti sorunu üzerine gidilmiştir. Bu tezin ilk katkısı, karanlık ortamlarda parlayan nesnelerin takibini sağlayan bir algoritmanın geliştirilmesidir. Algoritma, yangın ve yangın olmayan nesnelerin video boyunca takibini sağlamaktadır. Tezin ikinci katkısı ise elle oluşturulmuş yeni öznitelikler ile işlenecek görsel doku neredeyse hiç olmadığından parıldayan nesnelerin zamansal ve uzamsal davranışını yakalanmasıdır. Sonuçlar göstermiştir ki bu öznitelikler yangını sahnedeki diğer çeldirici ışık kaynaklarından ayırt etmede yeterince betimleyicidir. Üçüncü katkı ise karanlık videolardan otomatik uzamsal öznitelik çıkarmak için CNN'ler, zamansal davranışı yakalayabilmek için de iki yönlü uzun kısa süreli bellek (BLSTM) kullanılmasıdır. Ampirik deney sonuçları göstermiştir ki CNN+BLSTM düzeneği gece yangınlarını etkin bir şekilde ve yüksek doğrulukta tespit edebilmektedir. Son olarak, 1358 pozitif video ve 334535 alev çerçevesinden oluşan kapsamlı bir gece orman yangını veri seti derlenmiş ve kullanışlı hale getirilmiştir.
Özet (Çeviri)
With the recent advancements in the field of Computer Vision, the central tasks such as object detection, segmentation or object tracking methods attain all-time high accuracies in natural image sets such as ImageNet, COCO, etc. However, due to the innate downsides of digital images acquired in insufficiently illuminated environments, the conventional methods suffer severely. This specific problem remains unsolved. Especially if the environment is pitch dark and the object of interest is emitting light, the dynamic range of the current digital cameras falls short in this situation and the generated digital image contains almost no perceptible visual texture. One prominent example of this is nighttime forest fire videos. In this thesis, detection of nighttime forest fires from video is addressed as an application of the challenging task, scene perception in low light conditions. The first contribution of this dissertation is developing a novel object tracking algorithm for glowing object in the dark environments. The algorithm allows to track fire and nonfire objects throughout the video. The second contribution of the thesis is proposal of new handcrafted features which are designed to capture spatio-temporal behavior of the glowing objects since there is little or no visual textures to be processed. The results showed that the features are descriptive enough to distinguish fire from the other deceptive light sources. The third contribution is employing deep learning models to automatically extract spatial features with CNNs, and temporal features from bidirectional Long Short-Term Memory (BLSTM) networks. The empirical test results show that a CNN + BLSTM pipeline can effectively detect fires at night with a high accuracy. Finally, a new comprehensive nighttime fire video dataset comprising 1358 positive videos and 334535 of fire frames is created.
Benzer Tezler
- Dynamic texture analysis in video with application to flame, smoke and volatile organic compound vapor detection
Videoda dinamik doku analizi ve alev, duman, uçucu organik bileşik buharı bulmaya uygulanması
OSMAN GÜNAY
Yüksek Lisans
İngilizce
2009
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. AHMET ENİS ÇETİN
- Sarıyer-Çayırbaşı karayolu tüneli elektrik sistemi harmonik analizi ve filtre tasarımı
Sariyer-Çayirbaşi road tunnel electrical system harmonic analysis and filter design
AHMET UĞUR BAĞATIR
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEN DEMİRÖREN
- Yangın algılama ve uyarı sistemleri ve bir uygulama
Başlık çevirisi yok
SERHAT NİZAMOĞLU
Yüksek Lisans
Türkçe
1996
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. M. EMİN TACER
- A framework for the use of wireless sensor networks in forest fire detection and monitoring
Kablosuz duyarga ağları kullanılarak orman yangınları izleme ve erkin tespit sistemi
YUNUS EMRE ASLAN
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. ÖZGÜR ULUSOY
YRD. DOÇ. DR. İBRAHİM KÖRPEOĞLU
- Muharip uçaklarda kullanılan radar görüntüleme yöntemlerinin incelenmesi
An investigation of radar imaging methods used in fighter aircraft
EMRAH ONAT
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YAKUP ÖZKAZANÇ