Metodología para la identificación automática de flama/humo por medio de análisis de patrones dinámicos de imágenes digitales en entornos abiertos

Abstract

pesar de los avances en el campo de la visión artificial, los métodos computacionales para la detección de incendios desde imágenes en el rango espectral visible aun presentan tasas de falsas alarmas significativas. En este proyecto se propone una metodología para la detección automática de incendios en el rango espectral visible, a partir de la extracción de características para discriminar eventos de flama/humo y la selección de técnicas para el análisis y procesamiento de secuencias de imágenes. Se compararon varios modelos de color para establecer el espacio de representación más apropiado para la detección de flama/humo. Secuencias de imágenes se segmentaron con técnicas de detección de movimiento aplicando dos configuraciones: una topología en cascada y otra en paralelo, mezclando segmentación por movimiento y color. Para la segmentación por movimiento se usan dos funciones de Matlab, la función Riff que identifica las diferencias en valor absoluto de los frame y la función Bitxor que identifica la diferencia binaria entre los frame. Para la segmentación por color, se exploraron siete modelos de color RGB, YCbCr, CMY, CMYK, HSI, HSL, y HSV. Finalmente, con las imágenes segmentadas se generó una matriz de características a partir de las cuales se entrenó un clasificador y se realizó validación cruzada para determinar la mejor metodología para la detección de flama/humo en una secuencia de imágenes. Los resultados obtenidos demuestran que la detección de fuego en secuencias de imágenes logra una precisión del 93.1% al utilizar el modelo de color CMYK, usando la técnica de detección de movimiento Bitxor en la topología en paralelo