Local Binary Pattern特徴量を用いたAdaBoostによる煙検出手法の検討(一般,メディア・コミュニケーションの品質と福祉,及び一般)

概要

論文の詳細を見る
煙は,炎と同時に発生し,煙自身の成長や風などの外因により形状が変化し拡散する特徴を持っているため,炎がカメラの視界に入らない場合でも観測が可能である。そのため,煙は火災検出において重要な特徴量の1つである。本稿では,火災の早期発見を目的とした,画像情報を用いた煙検出手法について検討する。カメラより取得した画像情報から煙を検出するために,特徴量としてLocal Binary Pattern (LBP)を用いる。分割したブロック毎に算出したLBPを用いてLBPヒストグラムを作成し,これを入力ベクトルとする。煙は,濃淡の差や透過性などの特徴を持つので,背景の影響を受けて検出結果が安定しないことがある。そこで,安定した検出結果の取得を行うために,AdaBoostを用いる。異なる環境条件で発生した煙データを手動で選択し,AdaBoostで学習を行う。学習により作成した識別器を用いて,分割したブロックが煙か煙以外かの2クラスの判別を行う。環境条件が異なる実環境データを用いて行った実験において,提案手法は安定した煙検出が可能であることを確認したので報告する。
2013-03-04