Um sistema de detecção de fogo baseado em vídeo

Abstract

A detecção automatizada de fogo é foco de pesquisa em visão computacional desde o início da década de 90. Neste trabalho, um novo método para a identificação de fogo baseado em vídeo é proposto e analisado. Algoritmos de detecção de fogo utilizando visão computacional são normalmente aplicados em cenários que utilizam câmeras estáticas, tais como circuitos fechados de TV utilizados em sistemas de vigilância. O método proposto, não se restringe apenas a estas condições, mas também possibilita a detecção automática de fogo em vídeos obtidos a partir de câmeras móveis. A utilização de câmeras móveis adiciona uma complexidade significativa ao incluir variação no background, movimento em três eixos, trepidação e iluminação não controlada. O método proposto utiliza características estatísticas do fogo e Random Forests para detectar potenciais regiões com fogo, suprimindo a dependência da dinâmica do movimento. Estas características incluem a cor, o formato, a dispersão e assimetria da intensidade. Para complementar a classificação atingida a partir das propriedade espaciais, o sistema utiliza-se também das propriedades de oscilação e pulsação ao longo de um curto período de tempo. Estas características temporais são fatores discriminantes, largamente empregados na bibliografia consultada, resultando em classificadores robustos. Os resultados apresentados demonstram a aplicabilidade do método, superando outros métodos anteriormente propostos.

Automated fire detection is a research focus in computer vision since the early 90s. In this paper, we introduce and evaluate a new Video Fire Detection method that aims to produce good results on steady and mobile cameras. Usually, computer vision based fire detection algorithms are applied in scenarios with static cameras, such as closed-circuit TV used in surveillance systems. The method we are proposing here, in contrast, was developed so that it can be used not only in these conditions, but also for automatic fire detection in videos obtained from mobile cameras. The use of mobile cameras adds a lot of complexity by bringing variation in background, movement in three axes, camera vibration and uncontrolled lighting conditions. The proposed method uses statistical characteristics of fire like regions as input data for a Random Forests classification model, frame-by-frame, in order to detect fire regions. These characteristics are the color, the shape, the color skewness and dispersion measures considering pixel value. In order to increase results given by the spatial properties,our method also uses the flickering over a short period of time. The flickering properties are widely used as a discriminant in the related bibliography, resulting in robust classifiers. The presented results illustrate the applicability of the method, significantly increasing the precision and recall metrics.