Tato diplomová práce je zaměřena na analýzu existujících metod detekce ohně, které dokáží rozpoznat oheň v časných fázích, kdy ještě není možné jej zachytit pomocí klasických sen-zorů.
Na práci jsem spolupracovala se studenty doktorského studia, kteří ve svých disertačních pracích vyvíjí právě nové metody detekce ohně.
Pro testování správnosti detekce jsem vytvořila databázi videí, která obsahují oheň nebo ob-jekty podobné ohni s rizikem falešných detekcí a videí bez ohně.
Poté jsem na těchto videích testovala nový algoritmus detekce ohně a vyhodnotila jeho úspěšnost.
Kromě toho jsem pracovala také na zhotovení databáze tagovaných video rámců, které ob-sahují různé typy ohně. Tato další databáze je používána ke strojovému učení algoritmů s umělou inteligencí, které dokáží rozpoznat oheň v obraze.
Annotation in English
Find and study publications about detecting fire in video from normal cameras.
Create a testing set of tagged images of fires (the ground truth).
Use the testing set for evaluation of success rates of existing fire detection algorithms or systems.
Document the results and present them in graphical form.
If necessary, propose possible improvements of the current detection methods for increasing their success rates.
Fire detection, sensors, video, fire, detector, video-detector, fire-detector, detection.
Length of the covering note
64 p.
Language
AN
Annotation
Tato diplomová práce je zaměřena na analýzu existujících metod detekce ohně, které dokáží rozpoznat oheň v časných fázích, kdy ještě není možné jej zachytit pomocí klasických sen-zorů.
Na práci jsem spolupracovala se studenty doktorského studia, kteří ve svých disertačních pracích vyvíjí právě nové metody detekce ohně.
Pro testování správnosti detekce jsem vytvořila databázi videí, která obsahují oheň nebo ob-jekty podobné ohni s rizikem falešných detekcí a videí bez ohně.
Poté jsem na těchto videích testovala nový algoritmus detekce ohně a vyhodnotila jeho úspěšnost.
Kromě toho jsem pracovala také na zhotovení databáze tagovaných video rámců, které ob-sahují různé typy ohně. Tato další databáze je používána ke strojovému učení algoritmů s umělou inteligencí, které dokáží rozpoznat oheň v obraze.
Annotation in English
Find and study publications about detecting fire in video from normal cameras.
Create a testing set of tagged images of fires (the ground truth).
Use the testing set for evaluation of success rates of existing fire detection algorithms or systems.
Document the results and present them in graphical form.
If necessary, propose possible improvements of the current detection methods for increasing their success rates.
Fire detection, sensors, video, fire, detector, video-detector, fire-detector, detection.
Research Plan
Find and study publications about detecting fire in video from normal cameras.
Create a testing set of tagged images of fires (the ground truth).
Use the testing set for evaluation of success rates of existing fire detection algorithms or systems.
Document the results and present them in graphical form.
If necessary, propose possible improvements of the current detection methods for increasing their success rates.
Research Plan
Find and study publications about detecting fire in video from normal cameras.
Create a testing set of tagged images of fires (the ground truth).
Use the testing set for evaluation of success rates of existing fire detection algorithms or systems.
Document the results and present them in graphical form.
If necessary, propose possible improvements of the current detection methods for increasing their success rates.
Recommended resources
CETIN, A. Methods and techniques for fire detection: signal, image and video processing perspectives. ISBN 9780128023990.
LIU, Yan, Wei WU, Zhaohui WU a Zhong ZHOU. Fire Detection in Radiant Energy Domain for Video Surveillance. In: 2015 International Conference on Virtual Reality and Visualization (ICVRV) \matsymb{lbrack}online\matsymb{rbrack}. IEEE, 2015, s. 1-8 \matsymb{lbrack}cit. 2017-01-29\matsymb{rbrack}. DOI: 10.1109/ICVRV.2015.54. ISBN 978-1-4673-7673-0. Dostupné z: http://ieeexplore.ieee.org/document/7467203/
AUTHOR GEIR JENSEN. Minimum invasive fire detection for protection of heritage. Oslo: Riksantikvaren, 2006. ISBN 8275740401.
ZHAO, Yaqin. Candidate Smoke Region Segmentation of Fire Video Based on Rough Set Theory. Journal of Electrical and Computer Engineering \matsymb{lbrack}online\matsymb{rbrack}. 2015, 2015, 1-8 \matsymb{lbrack}cit. 2017-01-29\matsymb{rbrack}. DOI: 10.1155/2015/280415. ISSN 2090-0147. Dostupné z: http://www.hindawi.com/journals/jece/2015/280415/
MARTINEZ-DE DIOS, J.R., B.C. ARRUE, A. OLLERO, L. MERINO a F. GÓMEZ-RODRÍGUEZ. Computer vision techniques for forest fire perception. Image and Vision Computing \matsymb{lbrack}online\matsymb{rbrack}. 2008, 26(4), 550-562 \matsymb{lbrack}cit. 2017-01-29\matsymb{rbrack}. DOI: 10.1016/j.imavis.2007.07.002. ISSN 02628856. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0262885607001096
Recommended resources
CETIN, A. Methods and techniques for fire detection: signal, image and video processing perspectives. ISBN 9780128023990.
LIU, Yan, Wei WU, Zhaohui WU a Zhong ZHOU. Fire Detection in Radiant Energy Domain for Video Surveillance. In: 2015 International Conference on Virtual Reality and Visualization (ICVRV) \matsymb{lbrack}online\matsymb{rbrack}. IEEE, 2015, s. 1-8 \matsymb{lbrack}cit. 2017-01-29\matsymb{rbrack}. DOI: 10.1109/ICVRV.2015.54. ISBN 978-1-4673-7673-0. Dostupné z: http://ieeexplore.ieee.org/document/7467203/
AUTHOR GEIR JENSEN. Minimum invasive fire detection for protection of heritage. Oslo: Riksantikvaren, 2006. ISBN 8275740401.
ZHAO, Yaqin. Candidate Smoke Region Segmentation of Fire Video Based on Rough Set Theory. Journal of Electrical and Computer Engineering \matsymb{lbrack}online\matsymb{rbrack}. 2015, 2015, 1-8 \matsymb{lbrack}cit. 2017-01-29\matsymb{rbrack}. DOI: 10.1155/2015/280415. ISSN 2090-0147. Dostupné z: http://www.hindawi.com/journals/jece/2015/280415/
MARTINEZ-DE DIOS, J.R., B.C. ARRUE, A. OLLERO, L. MERINO a F. GÓMEZ-RODRÍGUEZ. Computer vision techniques for forest fire perception. Image and Vision Computing \matsymb{lbrack}online\matsymb{rbrack}. 2008, 26(4), 550-562 \matsymb{lbrack}cit. 2017-01-29\matsymb{rbrack}. DOI: 10.1016/j.imavis.2007.07.002. ISSN 02628856. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0262885607001096
