ДОКЛАДЫ АКАДЕМИИ НАУК
ВЫСШЕЙ ШКОЛЫ РОССИЙСКОЙ ФЕДЕРАЦИИ

ISSN: 1727-2769
English | Русский

Последний выпуск
№3(40) июль-сентябрь 2018

СИСТЕМА РАННЕГО ОБНАРУЖЕНИЯ ЛЕСНЫХ ПОЖАРОВ – АРХИТЕКТУРА И АЛГОРИТМЫ

Выпуск № 2 (27) апрель-июнь 2015
Авторы:

Васюков Василий Николаевич,
Зайцева Анна Юрьевна,
Бондаренко Валентин Викторович
DOI: http://dx.doi.org/10.17212/1727-2769-2015-2-43-56
Аннотация
Предлагаются принципы построения видеосистемы раннего обнаружения лесных пожаров, включая архитектуру, алгоритмы предварительной обработки изображений и анализа видеопоследовательности с целью обнаружения и распознавания дымового облака, являющегося первым признаком начинающегося пожара. Система включает совокупность видеокамер, установленных на возвышениях и объединенных в единую сеть с сервером, входящим в состав диспетчерского пункта. Камеры совершают круговой обзор с получением изображений лесного массива, смещенных относительно друг друга на фиксированный угол по азимуту (например, при смещении на 45° панорама содержит 8 изображений). Информативными признаками при обнаружении дымовых облаков являются яркостный контраст и движение облаков относительно фона. Фон, образованный изображениями деревьев, является неоднородным вследствие перспективных искажений при наблюдении под различными углами, а также ввиду различий яркости для переднего и заднего плана. Предварительная обработка изображений направлена на выравнивание фона по яркости и компенсацию перспективных искажений с целью обеспечения благоприятных условий для работы алгоритма контрастного обнаружения и алгоритма обнаружения движения. Алгоритм контрастного обнаружения основан на анализе динамики связных компонент пороговых множеств и обладает слабой чувствительностью к априорно неизвестным параметрам изображений, однако предполагает однородность фона, на котором наблюдается более яркое пятно неизвестной формы и размера (возможно, два или три таких пятна). Движение дымового облака обнаруживается на основе анализа разности двух изображений, полученных в соседних циклах обзора местности. Для исследования эффективности алгоритмов предложена методика на основе моделирования изображений дымовых облаков на динамическом фоне, включающем реальное изображение лесного массива с имитацией его движения. Приведены результаты сравнения эффективности разработанных и известных алгоритмов.
Ключевые слова: лесные пожары, раннее обнаружение, видеонаблюдение, облачная архитектура, имитационное моделирование

Список литературы
  1. Wildfire smoke detection using computational intelligence techniques / A. Genovese, R.D. Labati, V. Piuri, F. Scotti // Proceedings of the IEEE 2011 International Conference on Computational Intelligence for Measurement Systems and Applications (CIMSA 2011), Ottawa, Ontario, Canada, September 19–21, 2011. – Piscataway, New Jersey: IEEE, 2011. –
  2. P. 1–6. – doi: 10.1109/CIMSA.2011.6059930.
  3. Ollero A., Martínez-de-Dios J.R., Merino L. Unmanned aerial vehicles as tools for forest-fire fighting [Electronic resource] // Proceedings of the V International Conference on Forest Fire Research', 27–30 November 2006, Coimbra, Portugal / D.X. Viegas (ed.). – Amsterdam: Elsevier, 2006. – URL: http://grvc.us.es/publica/congresosint/documentos/2006VICFFR_ AOLLERO.pdf (accessed: 08.06.2015).
  4. Wildland fire detection from space: theory and application / D. Cahoon, B. Stocks, B. Alexander, A. Baum, J. Goldammer // Biomass Burning and its Inter-Relationships with the Climate System, Advances in Global Change Research Series / J.L. Innes, M.M. Verstraete, M. Beniston (eds.); series ed.: M. Beniston. – Dordrecht and Boston: Kluwer Academic Publishers, 2000. – P. 151–169.
  5. Stipaničev D., Vuko T., Štula M. Forest fire protection by advanced video detection system – Croatia experiences [Electronic resource] // Third TIEMS Workshop – Improvement of Disaster Management Systems – local and global trends, Trogir, Hrvatska, 26–27 September 2006. – Trogir: RCADR Divulje, 2006. – URL: https://bib.irb.hr/datoteka/279548. TIEMS_-_Stipanicev_i_ostali.pdf (accessed: 08.06.2015).
  6. Vries J.S. de. Autonomous wildfire surveillance // Proceedings of SPIE – The International Society for Optical Engineering. – 1993. – Vol. 2020: Infrared Technology. XIX. – P. 243–250. – doi: 10.1117/12.160577.
  7. Schroeder D. Evaluation of three wildfire smoke detection systems // Advantage. – 2004. –Vol. 5, N 24. – P. 1–8.
  8. Gomez-Rodriguez F., Arrue B.C., Ollero A. Smoke monitoring and measurement using image processing: application to forest fires // Proceedings of SPIE – The International Society for Optical Engineering. – 2003. – Vol. 5094: Automatic Target Recognition. XIII. – P. 404–411. – doi: 10.1117/12.487050.
  9. State of the art in vision-based fire and smoke detection / S. Verstockt, P. Lambert, R. van de Walle, B. Merci, B. Sette // 14th International Conference on Automatic Fire Detection, 8–10 September, 2009. – Duisburg, Germany: University of Duisburg-Essen, Department of Communication Systems, 2009. – Vol. 2. – P. 285–292.
  10. Васюков В.Н., Подовинников А.Н., Васюков В.В. Программное обеспечение диспетчерского пункта видеосистемы обнаружения лесных пожаров // Сборник научных трудов НГТУ. – 2007. – № 3 (49). – P. 69–74.
  11. Васюков В.Н., Бондаренко В.В. Архитектура программно-аппаратного комплекса автоматизированного обнаружения лесных пожаров // Современные проблемы радиоэлектроники: сборник научных трудов Всероссийской научно-технической конференции молодых ученых и студентов, посвященной 117 годовщине Дня радио, г. Красноярск, 3–4 мая 2012 г. – Красноярск: Изд-во СФУ, 2012. – С. 197–201.
  12. Бондаренко В.В., Васюков В.В. Программно-аппаратный комплекс автоматизированного обнаружения лесных пожаров // Материалы XI международной конференции «Актуальные проблемы электронного приборостроения»: АПЭП–2012, Новосибирск, 2–4 октября, 2012: в 7 т. – Новосибирск: Изд-во НГТУ, 2012. – Т. 1. – C. 138–142.
  13. Vasyukov V., Kalennikova E. An adaptive procedure of smoke and background discrimination in the early fire detection video system // Proceedings of the 6th International Forum on Strategic Technology, IFOST 2011, August 22–24, 2011. – Harbin, Heilongjiang, China, 2011. – Vol. 2. – P. 844–847. – doi: 10.1109/IFOST.2011.6021152.
  14. Васюков В.Н. Контрастное обнаружение объектов неопределенной формы на сложном фоне // Доклады Академии наук высшей школы Российской Федерации. – 2012. – № 1 (18). – С. 61–68.
  15. Васюков В.Н., Бондаренко В.В. Адаптивный выбор порога при контрастном обнаружении объектов неопределенной формы на неровном фоне // Доклады Академии наук высшей школы Российской Федерации. – 2013. – № 2 (21). – С. 34–45.
  16. Bondarenko V.V., Vasyukov V.N. Adaptive thresholding for contrast detection of objects of indefinite form // Proceedings of 14 International conference of Young Specialists on Micro/Nanotechnologies and Electron Devices (EDM 2013), Altai, Erlagol, 1–5 July 2013. – Novosibirsk: NSTU Publ., 2013. – P. 59–62. – doi: 10.1109/EDM.2013.6641941.
  17. Vasyukov V.N., Zaitseva A.Yu. Image analysis algorithms for forest fire monitoring systems // Proceedings of 12th International Conference APEIE 2014, 2–4 October 2014. – Novosibirsk, 2014. – Vol. 1. – P. 327–331. – doi: 10.1109/APEIE.2014.7040908.
  18. Васюков В.Н., Зайцева А.Ю. Алгоритмы анализа изображений для системы раннего обнаружения лесных пожаров // Доклады Академии наук высшей школы Российской Федерации. – 2014. – № 4 (25). – С. 57–69. – doi: 10.17212/1727-2769-2014-4-57-69.
  19. Gonzales R.C., Woods R.E. Digital image processing. – New Jersey: Prentice Hall, 2002. – 793 p.
  20. Vasyukov V.N., Podovinnikov A.N. Simulating 2D images of smoke clouds for the purpose of fire detection algorithms adjustment // Proceedings of the Third International Forum on Strategic Technology IFOST 2008, June 23–29, 2008. – Novosibirsk; Tomsk, 2008. – P. 369–370. – doi: 10.1109/IFOST.2008.4602977.
  21. Petrou M., Sevilla P.G. Image processing: dealing with texture. – Chichester, England: John Wiley & Sons, 2006. – P. 527–528.
Просмотров: 815