В настоящее время отсутствует промышленное аппаратно-программное решение для раннего обнаружения дыма и огня по видеоизображению, для которого были бы известны количественные и качественные показатели точности распознавания и ошибки второго рода (ложные срабатывания). Для создания эффективного программного и аппаратно-программного решения для раннего обнаружения задымлений и возгораний в как можно более различных условиях с использованием как можно меньших вычислительных ресурсов, мы предлагаем использовать следующие научно-технические решения:
  • для подтверждения факта возгорания / задымления использовать реккурентную нейросеть для анализа временных изменений (минимизация ложных срабатываний);
  • данные для анализа временных изменений получать путем преобразования набора изображений, отражающих изменения во времени регионов-кандидатов, в набор временных рядов числовых параметров региона (минимизация вычислительных ресурсов);
  • использование стереокамеры для определения места возгорания в 3D (повышает точность определения координат в разы по сравнению с обычной видеокамерой);
  • использование одноплатного компьютера с графическим процессором (GPU) в качестве аппаратной мощности детектора (достижение автономности системы).

На текущий момент создано ПО для помещений с малым количеством людей, зарегистрированы авторские права, Ведется работа над созданием ПАК, работающего в как можно более сложных условиях.


На рисунке изображена структурная схема детектора раннего обнаружения задымлений и возгораний с помощью интеллектуальной обработки видеоизображения:




Рис. 1. На рисунке представлена структурная схема детектора раннего обнаружения задымлений и возгораний с возможностью использования различных источников входного видеосигнала, а так же вариантами использования в виде ПАК или же отдельного программного модуля. Выходной сигнал детектора может быть привязан программными и аппаратными средствами ко многим промышленным, программным и радио- интерфейсам для передачи сигнала тревоги и сообщения о возможном возгорании.

Работа детектора построена на гипотезах, предложенных авторами в статье. Пример работы детектора показаны в ролике ниже:

1 1 1