Yangın ve Güvenlik Dergisi 215. Sayı (Mayıs-Haziran 2020)

46 Yangın ve Güvenlik / Mayıs - Haziran 2020 yanginguvenlik.com.tr mesi için değişik algoritmalar entegre edilebilir. Arka planın çıkartılması yöntemi, geçici veya zamana göre farklılaştırma ve optik akış analizleri gibi [75–78]. Bir yangın tespit edilip teyit edildiğinde, yangın söndürme sistemi aktif hale gelebilir veya yangın bilgisi doğrudan uygun itfaiye departmanına ile- tilebilir. Marbach ve çalışma arkadaşları [79] gerçek zamanlı otomatik tespit için altında video görüntülerinde zamana bağlı alev yoğunluğu değişmesine dayanan bir görüntü işleme tekniği uyarlamışlardır. Alev rengindeki pikselleri ve her karedeki piksellerin geçici yani zamana bağlı deği- şikliklerinin tespit edilmesi için kullanılan yumuşatılmış bir Gauss renkli çubuk grafiği [80] geliştirilmişti. Tespit etme performansını en iyi duruma getirmek için, bir aşındırma operasyonu ve bölge geliştirme yöntemi entegre edilebilir [5]. Piksel yoğunluğu dünyanın hareketi ve alevin titreme- siyle değişebilir. Bu nedenle, alev rengi olmayan, ya da alev olmayan pikseller için piksel-piksek yoğunluk farkı şöyle bulunur; ilk olarak yangın olmayan piksellerin zamana bağlı değişmeleri için düzeltme yapılır, renk kullanan hangi piksel- lerin yangın adayı olduklarına karar verilir, tüm alev olmayan piksel adaylarının yoğunluklarındaki ortalama bulunur ve bu ortalama değer her mevkideki piksel farklılıklarından çıkartılır. Healy ve çalışma arkadaşları 6] renkli video girdisini kullanarak otomatik yangın tespiti için gerçek zamanlı bir sistem önermişlerdir. Bu sistemin geleneksel ultraviyole ve kızıl ötesi alev detektörlerine göre önemli üstünlükleri vardır. Bunlar arasında; geliştirilmiş tespit, daha az yanlış alarm ve yangının yeri, büyüklüğü ve gelişme oranı hakkında ilave tanımlayıcı bilgiler yer alır. Algoritmaları yangın olaylarının spektrumuna (tayfına), mekânsal (3 boyutlu) ve geçici yani zamana bağlı özelliklerine dayanarak geliştirilmiştir. [80] numaralı referansta belirtilen bu algoritma eğitim dizilerinin doğruluğunu artırmak için yumuşatılmış bir Gauss renkli çubuk grafiği yaratır. Töreyin ve çalışma arkadaşları [81] mekânsal (3 boyutlu) dalgacık dönüşümünü ve statik kamera kontrol sistemini duman sınırlarındaki periyodik davranışı ve duman bölgelerinin konveksitesini (dış bükeyliğini) analiz etmek için uyarlamışlardır. Kenarlar, görüntüdeki yüksek frekanslı içeriği azaltan keskinlikleri ve dalgacık etkinlik ala- nında (domeyninde) yerel extrema (maksimum ve minimum odaklar) ürettikleri için önemli olarak kabul edilmiştir. Töre- yin ve çalışma arkadaşları [81] yerel extrema değerlerinde bir azalmanın bir duman göstergesi olduğunu örneklerle açıklamışlardır, dumanın olduğu sahne grileşmekte ve bu da piksellerin renklilik değerlerinde bir azalmaya neden olmak- tadır. Qi ve Elbert [71] çubuk grafiğe dayanan bir yaklaşım kullanan mekânsal (3 boyutlu) farklılık analizini önermişlerdir, bu analiz yeşil renk bandının standart sapmasına odakla- nıştır. Qi ve Elbert yeşil renk bandının alevlerim mekânsal renk değiştirmesinde en ayırt edici olduğunu bulmuşlardır. Bu aynı zamanda çubuk grafiklerin analiziyle de görülebilir: yeşil değerler kırmız ve mavi değerlerden daha fazla değiş- mektedir. Eğer yeşil rengin standart sapması 50’yi geçerse, o bölge yangın mahalli adayı olarak etiketlenir. Duman tespiti için, bu teknik her zaman uygulanabilir değildir, zira duman bölgeleri sıklıkla bu kadar yüksek mekânsal renk oynaması göstermez ve yanlış tespitlere de yol açabilir. Zamana bağlı Fourier analizleri titreme yapan alevler için alternatif bir yaklaşımdır, burada Fourier domeyni enerjisinde [5-10] Hz arasında herhangi bir yükselme alevlerin bir göstergesidir. Video dizilerinden alev özelliklerini çıkartmak için Verstockt [82] tarafından geliştirilmiş Geçici Olarak Uzatılmış Norma- lize Kovaryans Tanımlayıcılar (temporally extended normali- zed covariance descriptors (TENCD)) uyguladık . TENCD’ler hem zamana hem de mekâna ait video bloklarını tanımlamak için tasarlanmışlardır. Burada I(i, j, n) videodaki zaman ve mekâna ait videonun ninci görüntü karesinin (i, j)inci pikselin yoğunluğudur. Bazı özellik parametreleri mekân- sal (3 boyutlu) bilgiyi temsil eden kovaryans matrisinden belirlenmiştir [69]. Video ölçüsü 10 x 10 x Frate (hız) olan bloklara bölünmüştür, burada Frate videonun kare oranı yani kare akış hızıdır. Hesaplamaların verimini artırmak için, normalleştirilmiş kovaryans (ortak değişke) parametreleri bloklar için tanımlanmış maskenin sıfır olmayan pikselleri için hesaplanır [82]. Burada M(… , …, n) renk algılama ve hareketli obje algı- lama algoritmasından elde iki elemanlı maskedir edilen. Renk şartını karşılayan her bir piksel için özellik parametreleri (Property parameters) kullanılacaktır. Hesaplamalı maliyeti azaltmak için, piksel özellik vektörlerinin normalleştirilmiş kovaryans değerleri ayrı olarak hesaplanır. Korelasyon yön- teminin uygulanması sırasında, görüntünün birinci türevi görüntüyü [1 0 1] ve ikinci türev görüntüyü [1 -2 1] filtreleri ile sırasıyla filtre ederek hesaplanır. Alev ve duman tespiti algoritması pikseller ve kara-kare esaslıdır. Algoritma RGB (Red, Green, Blue _ Kırmızı, Yeşil, Mavi), HSV (Hue, Satura- tion, Value _ Renk tonu doyma derecesi değeri) ve YCbCr (non-linear RGB or Luminance, Chrominance _doğrusal olmayan RGB veya Aydınlık, Renk canlılığı) renk alanına [6, 71, 83] ve bunun yanında mini Arducam ile yayılan video dizilerinden gelen hareket bilgisine dayanır. (8) MAKALE