Zamansal Bilgiden Faydalanarak Videodan Orman Yangınlarının Erken Tespiti

Abstract

Forest fires are considered as the major threats to lives, properties and to the integrity of the ecosystem around the world. In most cases, the fire damage can be reduced, when the initial signs of the fire are detected in a timely manner. Since smoke is considered as the first visual sign of fire, detection of smoke is vital. Hence, a successfully designed smoke detection system is essentially critical in the early detection of smoke for outdoor environments. The existing smoke detection methods suffer from high false alarm rates and cannot accurately detect smoke in hazy environments. To address these problems, this thesis is focused on smoke detection model at an early stage that utilizes deep learning (DL) based techniques for outdoor locations. This work contributes mainly to four aspects of smoke detection: (1) new datasets preparation for three smoke detection tasks classification, detection-segmentation, and video classification, (2) utilizing transfer learning to detect the smoke on the relatively small dataset, (3) image dehazing process that includes removing the haze from the dataset images to enhance the system performance, (4) designing a novel hybrid video classification model by combining the two DL based video classification structures. This work will be a resourceful reference for researchers working in the fields of forest fire or smoke detection studies at an early stage. The experiments, research findings, and enhanced performance of the smoke detection system provide a source of information about smoke detection. Current studies can be utilized to further improve the design of efficient and reliable fire safety models. Keywords: Deep Learning, Spatio-Temporal Information, Forest Fire Early Detection, Smoke Detection, Image Dehazing

Orman yangınları, tüm dünyada yaşamlara, mülklere ve ekosistem bütünlüğüne en büyük tehdit olarak kabul edilmektedir. Orman yangınlarının erken tespiti ile yangının yol açacağı hasarlar azaltılabilir. Duman, yangınların ilk görsel işareti olduğundan, dumanın tespiti oldukça önemlidir. Başarılı şekilde tasarlanmış bir duman algılama sistemi, dış ortamlarda dumanın erken tespitinde kritik öneme sahiptir. Mevcut duman algılama yöntemleri yüksek yanlış alarm problemi ile karşılaşmaktadır ve puslu ortamlarda duman tespiti konusunda tam olarak başarılı değildir. Bu tez, orman yangınlarının erken aşamada tespitindeki problemleri çözmek için derin öğrenme tabanlı yöntemlerin kullanılmasını önermektedir. Bu çalışma, dumanın tespiti için dört farklı öneri sunmaktadır. (1) Dumanın görüntüler üzerinde tespit edilebilmesinde kullanılan duman sınıflandırması, tam olarak yerinin belirlenmesi ve videodan dumanın tespiti gibi yöntemlerde kullanılmak üzere üç farklı veri setinin hazırlanması. (2) Nispeten daha küçük veri setleri için öğrenme aktarımı yönteminin kullanılması. (3) Sistem performansını artırmak için veri seti görüntülerinden bulanıklığın kaldırılması. (4) Derin öğrenme tabanlı iki farklı yapının kullanılarak hibrit bir video sınıflandırma modelinin tasarlanması. Bu çalışma, erken aşamada orman yangını veya duman algılama çalışmaları alanlarında çalışan araştırmacılar için kaynak niteliğinde olacaktır. Anahtar kelimeler: Derin Öğrenme, Mekan-Zamansal Bilgi, Erken Aşama Orman Yangınları Tespiti, Duman Tespiti, Görüntü Bulanıklığı Giderme