بررسی و توسعه ی الگوریتم های آشکارسازی رخداد آتش در تصاویر ویدئویی

با توجه به گسترش روز افزون سیستم های دیدبانی می توان از روش های پردازش تصویر برای آشکارسازی اتوماتیک بسیاری از رخدادها استفاده کرد. یکی از وقایع مهم که شناسایی آن در همه مکان ها مورد توجه است وقایع آتش سوزی است. در این پایان نامه روشی برای آشکارسازی آتش از روی تصاویر ویدئویی به کمک تکنیک های بازشناسی آماری الگو پیشنهاد می شود. در روش ارائه شده از ویژگی های مکانی مانند رنگ، ناهمگونی شکل، نامتقارنی در توزیع، پراکندگی در توزیع و از ویژگی های زمانی و فرکانسی مانند ویژگی های بردارهای حرکت، ضرایب مدل ar و تغییرات مساحت استفاده شده است. مدل رنگ به کار گرفته شده در این پروژه یک مدل گوسی در فضای رنگ ycbcr روی مولفه های رنگ cbcr است و معیار فاصله نقاط تصویر تا این مدل، فاصله ی ماهالانوبیس در نظر گرفته شده است. در مرحله تصمیم گیری به کمک شبکه عصبی، منطقه ی آتش از غیر آتش تشخیص داده می شود. نتایج شبیه سازی نشان می دهد که روش ارائه شده دارای نرخ تشخیص صحیح بالایی بوده و دارای قابلیت اطمینان زیادی می باشد؛ به طوریکه نرخ خطای مثبت (false positive) نسبت به یکی از روش های ارائه شده ی پیشین که نرخ خطای کمتری را نسبت به سایر روش ها ارائه کرده است، به اندازه ی 50% کاهش یافته است و همچنین نرخ تشخیص های صحیح (true positive) به اندازه ی 10% افزایش یافته است. در بین ویژگی های مکانی استخراج شده ممان مرتبه سوم (skewness) روی کانال رنگ قرمز، به عنوان بهترین ویژگی تفکیک کننده ی مناطق آتش از غیر آتش انتخاب شد. همچنین در بین طبقه بندی کننده های مورد استفاده که شامل ماشین بردار پشتیبان، طبقه بندی کننده ی بیز، طبقه بندی کننده ی نزدیکترین همسایگی و شبکه عصبی چند لایه است؛ شبکه عصبی با میانگین نرخ تشخیص های صحیح 6/95% و نرخ خطاهای مثبت 7/0% به عنوان دقیق ترین طبقه بندی کننده انتخاب شده است.