Please use this identifier to cite or link to this item: http://hdl.handle.net/10316/92216
Title: Intelligent System for Fire Detection
Other Titles: Sistema Inteligente para Deteção de Incêndios
Authors: Madeira, Ana Abrantes de Abreu
Orientador: Ribeiro, Bernardete Martins
Keywords: Deep Learning; Reconhecimento de objetos em imagens; Redes Neuronais Convolucionais; Transfer Learning; Residual Networks; Deep Learning; Image Recognition; Convolutional Neural Networks; Transfer Learning; Residual Networks
Issue Date: 18-Sep-2020
Serial title, monograph or event: Intelligent System for Fire Detection
Place of publication or event: DEI-FCTUC
Abstract: A detecção de um incêndio na sua fase inicial pode mitigar amplamente as suas consequências. Com os desenvolvimentos na área da tecnologia de captura de imagens e a consequente melhoria da qualidade das imagens obtidas, torna-se hoje em dia possível o desenvolvimento de sistemas de identificação visual de incêndios. O presente trabalho apresenta um sistema inteligente de reconhecimento de fumo e fogo que pode ser aplicado a imagens capturadas por câmaras de smartphones. Este sistema destina-se a ser integrado numa aplicação que permitirá reportar incêndios por meio de dados crowdsourced. No âmbito do desenvolvimento do sistema, diferentes técnicas de deep learning para classificação de imagens e detecção de objetos foram implementadas e testadas, considerando duas abordagens distintas de reconhecimento de objetos de imagem: classificação de imagens e detecção de objetos. As fases de treino e avaliação dos modelos são também documentadas no presente trabalho, assim como todas as etapas de pré e pós-processamento consideradas. Para o desenvolvimento das diferentes abordagens de detecção de objetos e classificação de imagens, são propostos diferentes datasets para o treino e avaliação dos modelos ResNet e YOLO, específicos para o problema de reconhecimento de fumo e fogo em imagens. Destacam-se os datasets anotados propostos para treino e teste de modelos YOLO, que podem ser usados em futuros projetos de deteção de fumo e fogo. O sistema proposto apresenta resultados promissores para a detecção de objetos das classes Fire e Smoke em imagens estáticas. Com a abordagem de detecção proposta, é também possível obter bons resultados na classificação das imagens, atribuindo uma classe a cada imagem com base nos objetos detectados, através do método de pós-processamento proposto.
The early detection of a fire can largely mitigate its harmful consequences. With the developments in the area of image capture technology and the consequent improvement in image quality, it is now possible to develop systems for visual identification of fire indicators. The present work presents an intelligent fire and smoke recognition system that can be applied to images captured by smartphone cameras. This system is to be integrated into an application that will allow the reporting of fires using crowdsourced data.Different deep learning techniques for image classification and object detection were implemented and tested, considering two distinct image object recognition approaches: image classification and object detection. The models' training and evaluation phases are documented in the present thesis as well as all the pre-processing and post-processing steps that were taken into account. As part of the development of fire detection and classification approaches, different datasets are proposed to train and evaluate ResNet and YOLO models, specific to the fire and smoke recognition problem. The proposed annotated datasets for YOLO models stand out, which can be used in future smoke and fire detection projects. The proposed system presents promising results for detecting objects of the Fire and Smoke classes in still images. With the proposed detection approach, it is also possible to obtain good results for image classification, assigning a class to each image based on the detected objects with the proposed post-processing method.
Description: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
URI: http://hdl.handle.net/10316/92216
Rights: openAccess
Appears in Collections:UC - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat
AnaMadeira_2014226191.pdf21.31 MBAdobe PDFView/Open
Show full item record

Page view(s)

11
checked on Jan 14, 2021

Download(s)

19
checked on Jan 14, 2021

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons