Détection de la fumée et du feu par réseau de neurones convolutifs

Résumé : La recherche dans le domaine de la détection du feu et de la fumée devient un sujet de plus en plus traité. Les algorithmes conventionnels utilisent exclusivement des modèles basés sur des vecteurs de caractéristiques. Ces vecteurs restent difficiles à définir et dépendent largement du type de feu observé. Ces méthodes donnent des résultats avec un faible taux de détection et un haut taux de fausse classification. Une approche innovante pour résoudre ce problème est d'utiliser un algorithme permettant de déterminer automatiquement les caractéristiques utiles pour classifier le feu et la fumée. Dans cet article, nous proposons un réseau de neurones convolutif pour identifier le feu et la fumée d'une vidéo en temps réel. Les réseaux de neurones convolutifs ont montré leur grande performance dans le domaine de la classification des objets. Testée sur des séquences vidéos réelles, l'approche proposée atteint une meilleure performance de classification que les méthodes conventionnelles. Ces résultats indiquent clairement que l'utilisation des réseaux de neurones convolutifs pour la détection du feu et de la fumée est très prometteuse. Mots Clef Feu, fumé, détection, réseau de neurones convolutifl, apprentissage profond, cartes de caractéristiques, dropout, maxpooling. Abstract Research on video analysis for fire detection has become a hot topic in computer vision. However, the conventional algorithms use exclusively rule-based models and features vector to classify whether a frame is fire or not. These features are difficult to define and depend largely on the kind of fire observed. The outcome leads to low detection rate and high false-alarm rate. A different approach for this problem is to use a learning algorithm to extract the useful features instead of using an expert to build them. In this paper, we propose a convolutional neural network (CNN) for identifying fire in videos. Convolutional neural network are shown to perform very well in the area of object classification. This network has the ability to perform feature extraction and classification within the same architecture. Tested on real video sequences, the proposed approach achieves better classification performance as some of relevant conventional video fire detection methods and indicates that using CNN to detect fire in videos is very promising. It's the English version of the abstract.
Document type :
Conference papers
Complete list of metadatas

Cited literature [15 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-01561518
Contributor : Sandra Bringay <>
Submitted on : Wednesday, July 12, 2017 - 9:36:42 PM
Last modification on : Tuesday, May 15, 2018 - 10:40:38 AM
Long-term archiving on : Thursday, January 25, 2018 - 1:15:47 AM

File

APIA_2017_paper_8.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01561518, version 1

Collections

Citation

Sébatien Frizzi, Rabeb Kaabi, Moez Bouchouicha, Jean-Marc Ginoux, Farhat Fnaiech, et al.. Détection de la fumée et du feu par réseau de neurones convolutifs. Conférence Nationale sur les Applications Pratiques de l’Intelligence Artificielle, Jul 2017, Caen, France. ⟨hal-01561518⟩

Share

Metrics

Record views

362

Files downloads

2628