基于视觉的烟雾/火焰检测数据集整理(检测、识别、分割)

您所在的位置:网站首页 油烟监测方法有哪些 基于视觉的烟雾/火焰检测数据集整理(检测、识别、分割)

基于视觉的烟雾/火焰检测数据集整理(检测、识别、分割)

2023-08-27 13:15| 来源: 网络整理| 查看: 265

基于传感器的火灾预警系统,比较适用于较小空间。 随着视觉技术的发展,基于视觉的火灾预警系统,更适用于对森林等大范围场景进行 远距离监控1。

当前的烟雾火焰检测系统中,采用机器学习的视觉技术暂未广泛替代传感器,主要原因就在于其误报与漏报较高。

火灾初期通常会产生大量烟雾, 这一现象在很大程度上降低了用火焰检测进行火灾预警的有效性,所以现在很多方案通过对烟雾的监控和检测,实现早期火灾预警。

基于视觉的火灾预警任务可以分为火焰/烟雾识别、检测、分割这3类不同的粒度。相关的数据集整理如下:

数据集整理 fire-dunnings-dataset

在这里插入图片描述

数据集地址:https://collections.durham.ac.uk/files/r2d217qp536#.YG_uqsgzqkL这个数据集比较大,压缩包约10.4GB2,分为fire、nofire两类别,还有超像素分割后的火焰图像,可以进行定位和识别,比较适合用深度学习的方法。数据集的内容结构如下: ├── images-224x224 (5.4G / 70k PNG format files - the training and testing data sets for the binary full frame fire detection task with / without FURG data set) │ ├── furg │ ├── train │ ├── train_no_furg │ ├── testing │ └── testing_furg ├── superpixels (2.2G / 200k PNG format files - the training and testing data sets for the superpixel fire localization task) │ ├── isolated-superpixels │ │ ├── train │ │ └── testing │ └── original-full-images │ ├── train │ └── testing └── videos (4.3G / MP4 format video)我复现了数据集对应论文中的方法3,可视化效果不错,适合演示,但在实际应用中误报很高。 VisFire - Bilkent EE Signal Processing group 火焰、烟雾检测软件:http://signal.ee.bilkent.edu.tr/VisiFire/index.html视频数据:http://signal.ee.bilkent.edu.tr/VisiFire/Demo/采集自监控视频,比较早的一个数据集,包含森林中的火焰、烟雾视频。 在这里插入图片描述 KMU Fire & Smoke Database

在这里插入图片描述

https://cvpr.kmu.ac.kr/包含室内、室外烟雾与火焰、野外烟雾、类烟与类火的移动物体。这个组也发表了很多基于深度学习的火焰、烟雾检测论文,但是数据集压缩包里没有找到具体的标注文件。 BoWFire( best of both worlds fire detection)

在这里插入图片描述

https://bitbucket.org/gbdi/bowfire-dataset/downloads/

数据集包括发生火灾的不同紧急情况,例如建筑物着火,工业火灾,车祸和骚乱(./dataset/img)。其余图像包括没有可见火势的紧急情况,以及具有类似火的区域(例如日落)和红色或黄色物体的图像。4

数据集包含训练集、测试集。训练数据集(./train)包含240个50×50像素的图像:80张图像被分类为有火,160张图像被分类为非火。测试数据集(./dataset)包含226张不同分辨率的图像:119张包含火焰的图像和107张无火的图像。

数据集还包括火焰区域的分割,着火区域标记为白色,而非着火区域标记为黑色(./dataset/gt)。可以用于火焰检测和分割任务。

Mivia Fire &Smoke Detection Dataset https://mivia.unisa.it/datasets/video-analysis-datasets有火焰与烟雾视频数据集。火焰集中共有 31 段视频, 其中 14 段有火焰, 其他无火焰。烟雾集包含 149 段视频, 每一段 15 min 左右, 总时长超过 35 h, 大多是远镜头烟雾视频, 内含天空、云雾、强阳光等干扰。 在这里插入图片描述 中国科学技术大学火灾科学国家实验室的烟雾数据集 http://smoke.ustc.edu.cn/datasets.htmhttp://staff.ustc.edu.cn/~yfn/vsd.html其中含有真实烟雾、非烟雾图以及大量且多样的合成烟雾图。数据集经过人工标注, 该团队已利用数据集发表多篇基于深度的烟雾检测、分割论文,说明该数据集能够胜任深度网络的训练。 在这里插入图片描述 ViSOR ( video surveillance online repository) http://imagelab.ing.unimore.it/visor/index.asp视频种类较多,包含烟雾视频; 大部分烟雾;视频有逐帧 bounding box 级GT或逐帧全图类标 VSD Smoke Dataset http://staff.ustc.edu.cn/~yfn/vsd.html10段视频,分为有烟雾和无烟雾两个类别。 Fire Calorimetry Database (FCD) - 美国国家消防研究实验室

在这里插入图片描述

https://www.nist.gov/el/fire-research-division-73300非视觉任务的一个数据集。美国消防研究部开发,用测量和预测方法来量化火灾的行为,并采取措施减少火灾对人,财产和环境的影响。数据集(FCD)包含在NFRL进行的火灾实验的结果。该数据库中包含的标本包括单个燃烧物品,设施齐全的房间,可控燃烧器,特征明确的燃料和未知成分的真实复合燃料。 使用小结 当前很多火焰、烟雾数据集,缺少精细boundingbox和mask标注,需要巨大的人工标注工作量。火焰、烟雾边缘模糊,导致标注标准不一致,难以准确严谨地评估检测算法。且 烟雾跟天空中云朵的形态易发生混淆。数据集的多样性不足,在当前数据集上训练的火焰检测模型,在跨域应用中的泛化性不好。 资源下载

部分参考文献打包: https://download.csdn.net/download/Bit_Coders/16591997

第一个dunnings数据集的网盘地址: https://download.csdn.net/download/Bit_Coders/36130553

夏雪, 袁非牛, 章琳, et al. 从传统到深度:视觉烟雾识别、检测与分割[J]. 中国图象图形学报, 2019(10) ↩︎

https://blog.csdn.net/OyamingO/article/details/109230490 ↩︎

Experimentally Defined Convolutional Neural Network Architecture Variants for Non-temporal Real-time Fire Detection (Dunnings, A. and Breckon, T.P.) In Proc. International conference on Image Processing, pp. 1558-1562, IEEE, 2018. ↩︎

D. Y. T. Chino, L. P. S. Avalhais, J. F. Rodrigues and A. J. M. Traina, “BoWFire: Detection of Fire in Still Images by Integrating Pixel Color and Texture Analysis,” 2015 28th SIBGRAPI Conference on Graphics, Patterns and Images, Salvador, 2015, pp. 95-102. [doi: 10.1109/SIBGRAPI.2015.19] ↩︎



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3