Dissertação

{en_GB=Analysis of Imagery Sensors and Methodologies Towards Early Fire Detection} {} CONFIRMED

{pt=Devido às alterações climáticas, as condições de risco de incêndio são mais frequentes o que precipita a maior ocorrência destes fenómenos. Com a escalada da gravidade destes eventos, existe uma maior urgência na diminuição do tempo de resposta das equipas de emergência, pelo que se torna imperativa a rápida detecção de focos de incêndio. Este trabalho visa estudar diferentes tipos de sensores e explorar técnicas de visão computacional para a detecção destes incidentes numa fase inicial. Duas linhas de investigação são examinadas, para compreender os méritos e limitações de câmaras de gama térmica e visível. Para a primeira abordagem, uma heurística de segmentação de cores foi concebida para compreender a resposta do sensor e a codificação RGB da câmara. Em segundo lugar, recorreu-se a uma abordagem de sistemas inteligentes centrada no estudo de imagens da gama visível usando uma rede neuronal profunda. Dado que este trabalho está inserido no Project Firecamp2, para avaliar o desempenho de ambas as metodologias, os resultados de teste são comparados para um conjunto de cenários experimentais com enfoque no risco de incêndio num contexto de campismo. Enquanto que a abordagem com imagem térmica estende a capacidade sensorial permitindo uma detecção mais rápida, a abordagem de aprendizagem profunda com imagens em cores tem potencial para proporcionar algoritmos mais robustos e com maior generalização. A análise comparativa entre as duas demonstrou que, para uma aplicação de detecção de fogo, o desenvolvimento de algoritmos deve abranger tanto imagens térmicas como da gama visível., en=Due to climate change, fire risk conditions are more frequent which precipitates the greater occurrence of these phenomena. With the escalation in the severity of these events, there is an increased urgency of diminishing the response time from emergency teams, so the rapid detection of fire outbreaks becomes imperative. This work aims to study different types of sensors and explore computer vision techniques to detect these incidents at an early stage. Two main lines of research are examined, to understand the merits and limitations of thermal and visible range cameras. For the first approach, a color segmentation heuristic was devised to understand the sensor response and the RGB encoding of the camera. Second, an intelligent systems approach centered on the study of visible range images using a deep neural network. Since this work is inserted in Project Firecamp2, to evaluate the performance of both methodologies, the test results are analyzed for a set of experimental scenarios with a focus on fire risk in a camping context. While the thermal imaging approach extends the sensing ability enabling faster detection, the deep learning approach with color images has the potential to provide more robust algorithms with greater generalization. Overall, the comparative analysis between the two approaches taken demonstrated that for a fire detection application the development of algorithms should encompass both thermal and visible range images.}
{pt=detecção de fogo, imagem térmica, imagem RGB, aprendizagem profunda, segmentação de cor, imagens aéreas, en=fire detection, thermal imaging, RGB imaging, deep learning, color segmentation, aerial images}

Novembro 20, 2017, 10:0

Orientação

ORIENTADOR

Alexandra Bento Moutinho

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar

ORIENTADOR

Miguel Abrantes de Figueiredo Bernardo de Almeida

Associação para o Desenvolvimento da Aerodinâmica Industrial

Investigador Principal