Исследование возможностей создания нейросетевого программно-аппаратного комплекса для раннего видеообнаружения возгорания в режиме реального времени

В данной статье представлен метод, направленный на решение проблемы раннего обнаружения возгорания на видеоизображениях с камер наблюдения, основанный на временном анализе подозрительной области. Представленный метод позволяет проводить сжатие рассматриваемой области видеоизображения до временного ряда, который классифицируется рекуррентной нейросетью. Временной ряд собирается из метрик, снимаемых с самой области и окружения, которые отражают ее «мерцание». Анализ «мерцания» позволяет определить, содержит ли область огонь. Предложенный алгоритм позволяет значительно снизить количество ложных срабатываний при обнаружении огня благодаря анализу видеоизображения по времени. Способ сжатия исходных данных до временного ряда из набора характеристик области и окружения позволяет использовать небольшую рекуррентную нейросеть для классификации подозрительной области вне зависимости от ее размера. Эти особенности позволяют применить данную модель при создании автономного детектора для раннего обнаружения возгорания на основе одноплатного компьютера и видеокамеры. В статье приводится описание предложенной модели и обучения нейросети, оценки качества обучения и результаты экспериментов, а также примеры работы, выполненные на одноплатном компьютере Jetson Nano от NVIDIA.