publication . Doctoral thesis . 2017

Video based smoke detection by multiple motion estimation and adaptations for low smoke densities

Stadler, Anton;
Open Access German
  • Published: 20 Jun 2017
  • Publisher: Technical University of Munich
  • Country: Germany
Abstract
In dieser Arbeit wird untersucht, wie Rauch mit videobasierten Methoden erfasst werden kann. Die Bewegungsschätzung erweist sich als effektivstes Merkmal. Strömungsmessungen zeigen, dass das Aufstiegsverhalten von Rauch detailliert erfasst wird. Ein Rauchdetektionsverfahren wird vorgestellt und für geringe Bewegungsgeschwindigkeiten sowie für geringe Rauchdichten optimiert. Ein Verfahren mit mehrfacher Bewegungsschätzung stellt für verschiedene Entfernungen und Rauchdichten geeignete Konfigurationen bereit und ermöglicht hohe Detektionsraten. This work analyzes how smoke can be detected using video based methods. Motion estimation proves most effective for this ...
Subjects
free text keywords: Videobasierte Branddetektion, Videobasierte Rauchdetektion, Optischer Fluss, Bewegungsschätzung, video based fire detection, video based smoke detection, optical flow, motion estimation, Informatik, Wissen, Systeme, ddc:000
Related Organizations
Download from
MediaTUM
Doctoral thesis . 2017
Provider: MediaTUM
22 references, page 1 of 2

3 Bildverarbeitungsmerkmale für die Rauchdetektion 23 3.1 Intensität und Farbe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2 Lokale Bildenergie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.3 Größe und Kontur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3.4 Aufwärtsbewegung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3.5 Bewertung der Merkmale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4 Bewegungsmodell für Rauch 39 4.1 Physikalische Eigenschaften der Verbrennung und Rauchausbreitung . . . . 39 4.2 Berechnung der Strömungsgeschwindigkeiten . . . . . . . . . . . . . . . . . 41 4.3 Bewegungsbeschreibung der Rauchsäule . . . . . . . . . . . . . . . . . . . . 42 4.3.1 Turbulenzverhalten und Sichtbarkeit der Rauchbewegung . . . . . . 42 4.3.2 Rekonstruktion der Bewegungsgeschwindigkeiten . . . . . . . . . . . 44 4.4 Verifikation der berechneten Strömungen . . . . . . . . . . . . . . . . . . . 45 4.5 Erwartete Bewegungsgeschwindigkeit in der Bildebene . . . . . . . . . . . . 46 4.6 Zusammenfassung des Bewegungsmodells . . . . . . . . . . . . . . . . . . . 47

5 Konzept eines Rauchdetektionsverfahrens 49 5.1 Vorfilterung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 5.1.1 Merkmale zur Bildfilterung . . . . . . . . . . . . . . . . . . . . . . . 50 5.1.2 Kategorisierung verschiedener Bildbereiche . . . . . . . . . . . . . . 51

7 Rauchdetektionssystem mit mehrfacher Bewegungsschätzung 87 7.1 Beschreibung des erweiterten Rauchdetektionsverfahrens . . . . . . . . . . 87 7.2 Vergleich mit dem Rauchdetektionskonzept . . . . . . . . . . . . . . . . . . 89 7.3 Systemevaluierung anhand des Testdatensatzes . . . . . . . . . . . . . . . . 90 7.3.1 Installationsbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . 90 7.3.2 Ergebnisse der Brandversuche . . . . . . . . . . . . . . . . . . . . . 92 7.3.3 Diskussion der Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . 92 7.3.4 Auswertung der Robustheit gegenüber Störgrößen . . . . . . . . . . 93

8 Resümee 97 8.1 Zusammenfassung und Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . 97 8.2 Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 A Grundlagen der Bewegungsschätzung 101 A.1 Horn-Schunck-Verfahren als Ausgangspunkt differentieller Verfahren . . . . 103 A.2 Robuste differentielle Bewegungsschätzung . . . . . . . . . . . . . . . . . . 105 A.3 Brox-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 A.4 TVL1-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 A.5 Lucas-Kanade-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 A.6 Simple-Flow-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 e , ,

[16] Cetin, A. E., K. Dimitropoulos, B. Gouverneur, N. Grammalidis, O. Günay, Y. H. Habiboğlu, B. U. Töreyin und S. Verstockt: Video Fire Detection - Review . In: Digital Signal Processing , Bd. 23(6), S. 1827-1843, 2013.

[17] Chambolle, A.: An Algorithm for Total Variation Minimization and Applications . In: Journal of Mathematical Imaging and Vision , Bd. 20(1), S. 89-97, 2004. [OpenAIRE]

[18] Chen, T.-H., P.-H. Wu und Y.-C. Chiou: An Early Fire-Detection Method Based on Image Processing . In: International Conference on Image Processing 2004 , Bd. 3, S. 1707-1710, 2004.

[25] Deutsches Institut für Normung e. V.: EN 54-20:2006+AC:2008 Brandmeldeanlagen - Teil 20: Ansaugrauchmelder . 2009.

[27] Dinaburg, J. und D. T. Gottuk: Fire Detection in Warehouse Facilities . In: Springer Briefs in Fire, S. 1-59, 2012.

[38] Hohberg, S. P.: Wildfire Smoke Detection using Convolutional Neural Networks . Masterarbeit, www.inf.fu-berlin.de/inst/ag-ki/rojas_home/documents/ Betreute_Arbeiten/Master-Hohberg.pdf (eingesehen am 7.10.2016), Freie Universität Berlin, 2015.

[39] Horn, B. K. und B. G. Schunck: Determining Optical Flow . In: Artificial Intelligence, Bd. 17, S. 185-203, 1980.

[40] Hosser, D.: Leitfaden Ingenieurmethoden des Brandschutzes, VFDB TB 04-01 . Technisch-Wissenschaftlicher Beirat der Vereinigung zur Förderung des Deutschen Brandschutzes e.V., 3. Aufl., 2013.

[51] Lilienfeld, P.: Optical Detection of Particle Contamination on Surfaces: A Review . In: Aerosol Science and Technology , Bd. 5(2), S. 145-165, 1986.

[52] Liu, Z., A. Kashef, G. Crampton, G. Lougheed, Y. Ko, G. Hadjisophocleous und K. Almand: Findings of the International Road Tunnel Fire Detection Research Project . In: Fire Technology , Bd. 46(3), S. 697-718, 2010.

22 references, page 1 of 2
Abstract
In dieser Arbeit wird untersucht, wie Rauch mit videobasierten Methoden erfasst werden kann. Die Bewegungsschätzung erweist sich als effektivstes Merkmal. Strömungsmessungen zeigen, dass das Aufstiegsverhalten von Rauch detailliert erfasst wird. Ein Rauchdetektionsverfahren wird vorgestellt und für geringe Bewegungsgeschwindigkeiten sowie für geringe Rauchdichten optimiert. Ein Verfahren mit mehrfacher Bewegungsschätzung stellt für verschiedene Entfernungen und Rauchdichten geeignete Konfigurationen bereit und ermöglicht hohe Detektionsraten. This work analyzes how smoke can be detected using video based methods. Motion estimation proves most effective for this ...
Subjects
free text keywords: Videobasierte Branddetektion, Videobasierte Rauchdetektion, Optischer Fluss, Bewegungsschätzung, video based fire detection, video based smoke detection, optical flow, motion estimation, Informatik, Wissen, Systeme, ddc:000
Related Organizations
Download from
MediaTUM
Doctoral thesis . 2017
Provider: MediaTUM
22 references, page 1 of 2

3 Bildverarbeitungsmerkmale für die Rauchdetektion 23 3.1 Intensität und Farbe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2 Lokale Bildenergie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.3 Größe und Kontur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3.4 Aufwärtsbewegung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3.5 Bewertung der Merkmale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4 Bewegungsmodell für Rauch 39 4.1 Physikalische Eigenschaften der Verbrennung und Rauchausbreitung . . . . 39 4.2 Berechnung der Strömungsgeschwindigkeiten . . . . . . . . . . . . . . . . . 41 4.3 Bewegungsbeschreibung der Rauchsäule . . . . . . . . . . . . . . . . . . . . 42 4.3.1 Turbulenzverhalten und Sichtbarkeit der Rauchbewegung . . . . . . 42 4.3.2 Rekonstruktion der Bewegungsgeschwindigkeiten . . . . . . . . . . . 44 4.4 Verifikation der berechneten Strömungen . . . . . . . . . . . . . . . . . . . 45 4.5 Erwartete Bewegungsgeschwindigkeit in der Bildebene . . . . . . . . . . . . 46 4.6 Zusammenfassung des Bewegungsmodells . . . . . . . . . . . . . . . . . . . 47

5 Konzept eines Rauchdetektionsverfahrens 49 5.1 Vorfilterung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 5.1.1 Merkmale zur Bildfilterung . . . . . . . . . . . . . . . . . . . . . . . 50 5.1.2 Kategorisierung verschiedener Bildbereiche . . . . . . . . . . . . . . 51

7 Rauchdetektionssystem mit mehrfacher Bewegungsschätzung 87 7.1 Beschreibung des erweiterten Rauchdetektionsverfahrens . . . . . . . . . . 87 7.2 Vergleich mit dem Rauchdetektionskonzept . . . . . . . . . . . . . . . . . . 89 7.3 Systemevaluierung anhand des Testdatensatzes . . . . . . . . . . . . . . . . 90 7.3.1 Installationsbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . 90 7.3.2 Ergebnisse der Brandversuche . . . . . . . . . . . . . . . . . . . . . 92 7.3.3 Diskussion der Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . 92 7.3.4 Auswertung der Robustheit gegenüber Störgrößen . . . . . . . . . . 93

8 Resümee 97 8.1 Zusammenfassung und Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . 97 8.2 Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 A Grundlagen der Bewegungsschätzung 101 A.1 Horn-Schunck-Verfahren als Ausgangspunkt differentieller Verfahren . . . . 103 A.2 Robuste differentielle Bewegungsschätzung . . . . . . . . . . . . . . . . . . 105 A.3 Brox-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 A.4 TVL1-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 A.5 Lucas-Kanade-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 A.6 Simple-Flow-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 e , ,

[16] Cetin, A. E., K. Dimitropoulos, B. Gouverneur, N. Grammalidis, O. Günay, Y. H. Habiboğlu, B. U. Töreyin und S. Verstockt: Video Fire Detection - Review . In: Digital Signal Processing , Bd. 23(6), S. 1827-1843, 2013.

[17] Chambolle, A.: An Algorithm for Total Variation Minimization and Applications . In: Journal of Mathematical Imaging and Vision , Bd. 20(1), S. 89-97, 2004. [OpenAIRE]

[18] Chen, T.-H., P.-H. Wu und Y.-C. Chiou: An Early Fire-Detection Method Based on Image Processing . In: International Conference on Image Processing 2004 , Bd. 3, S. 1707-1710, 2004.

[25] Deutsches Institut für Normung e. V.: EN 54-20:2006+AC:2008 Brandmeldeanlagen - Teil 20: Ansaugrauchmelder . 2009.

[27] Dinaburg, J. und D. T. Gottuk: Fire Detection in Warehouse Facilities . In: Springer Briefs in Fire, S. 1-59, 2012.

[38] Hohberg, S. P.: Wildfire Smoke Detection using Convolutional Neural Networks . Masterarbeit, www.inf.fu-berlin.de/inst/ag-ki/rojas_home/documents/ Betreute_Arbeiten/Master-Hohberg.pdf (eingesehen am 7.10.2016), Freie Universität Berlin, 2015.

[39] Horn, B. K. und B. G. Schunck: Determining Optical Flow . In: Artificial Intelligence, Bd. 17, S. 185-203, 1980.

[40] Hosser, D.: Leitfaden Ingenieurmethoden des Brandschutzes, VFDB TB 04-01 . Technisch-Wissenschaftlicher Beirat der Vereinigung zur Förderung des Deutschen Brandschutzes e.V., 3. Aufl., 2013.

[51] Lilienfeld, P.: Optical Detection of Particle Contamination on Surfaces: A Review . In: Aerosol Science and Technology , Bd. 5(2), S. 145-165, 1986.

[52] Liu, Z., A. Kashef, G. Crampton, G. Lougheed, Y. Ko, G. Hadjisophocleous und K. Almand: Findings of the International Road Tunnel Fire Detection Research Project . In: Fire Technology , Bd. 46(3), S. 697-718, 2010.

22 references, page 1 of 2
Powered by OpenAIRE Open Research Graph
Any information missing or wrong?Report an Issue