Název:
Detekce ohně a kouře ve videozáznamu
Překlad názvu:
Fire and smoke detection in video
Autoři:
Buzovský, Viktor ; Říha, Kamil (oponent) ; Přinosil, Jiří (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2023
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Práce pojednává o možnostech detekce ohně a kouře ve videozáznamu z reálného prostředí. Cílem práce je vybrat vhodný model, tento model natrénovat a jeho detekční schopnosti následně vylepšit přídavnou implementací. První část práce shrnuje potřebné teoretické znalosti, které jsou v kontextu práce využívány. Druhá, praktická část, pak představuje naučený model a jeho následné pokusy o vylepšení, jednak pomocí optického toku a dále pak pomocí přídavných klasifikačních sítí. Práce je zakončena finální implementací detektoru ohně a kouře a je představen návrh na jeho potenciální zlepšení. Součástí práce jsou mimo jiné i použité a vytvořené datasety.
Thesis deals with possibilities regarding detection of fire and smoke in real enviroment video. The main task is to choose suitable model, train this model, and improve detection capabilities of the model afterwards. First part of thesis is summary of theoritical knowledge needed to have understanding of discussed technical necessities. The second, practical part presents the learned model and its subsequent attempts at improvement, firstly using optical flow and then using additional classification networks. The work is concluded with a final implementation for the detector of fire and smoke, and a proposal for its potential improvement is presented. The work also includes the datasets used and created, among other things.
Klíčová slova:
detekce kouře; detekce objektů; detekce ohně; klasifikační neuronové sítě; konvoluční neuronové sítě; neuronové sítě; optický tok; počítačové vidění; trénování neuronových sítí; YOLOv7; computer vision; convolutional neural networks; fire detection; neural network training; neural networks; object detection; optical flow; smoke detection; YOLOv7
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/210849