Проблема
Пожар способен быстро распространяться, поэтому огромное значение имеет возможность быстрого и надежного обнаружения опасности. Если в помещении высокие потолки, обнаружение пожара до того, как он достигнет расположенного дымового извещателя, может сэкономить драгоценное время на реагирование. Не менее важно правильно отличать огонь и дым от других нарушений, вызывающих ложные тревоги.
Актуальность
Нет гарантии обнаружения пожара в любой обстановке только классической системой пожарной сигнализации. Система видеообнаружения пожара должна рассматриваться как система, которая повышает вероятность раннего обнаружения пожара. Чем выше вероятность раньше обнаружить пожар, тем выше шанс спасти чью-то собственность, а может даже и жизнь.
Решение
Решение – программно-аппаратный комплекс и управляющий софт. Управляющий софт состоит из набора модулей, которые подбираются под задачи проекта. Софт лучше расположить локально на микрокомпьютере.
Софт
Система видеообнаружения пожара – решение состоящее из корпуса с камерой, крепящегося на стене/потолке. Система должна работать автономно и сама обрабатывать данные.
Система должна обладать всеми возможностями функции Intelligent Video Analytics (видеоаналитика с помощью искусственного интеллекта), что позволит ей одновременно анализировать и оценивать движущиеся объекты: обнаруживать дым и пламя. Возможна реализация системы управления видеозаписью. Подключение камеры к Ethernet позволит легко задавать конфигурацию и отслеживать ситуацию с помощью ПК или мобильного устройства.
Устройство
Устройство состоит из камеры и микрокомпьютера. Важно добавить множество специальных входов/выходов и слота под карту памяти. Нужно добавить релейный выход для передачи сигналов тревоги. Он позволит камере стать контролирующим устройством, инициирующим передачу сигнала.
Присутствует возможность подключить функцию с помощью компьютерного зрения определять и нотифицировать факты опасного поведения (курения/поджога).
Для повышения надежности работы можно использовать источник бесперебойного питания. Это позволит избежать перерывов в работе камеры даже при кратковременном отключении питания.
Составные части устройства:
- – IP-камера (матрица, крепление, разъем, объектив);
- – мини-компьютер;
- – входы/выходы (аналоговый, линейный, аудио, тревожный, ethernet, порт данных);
- – локальное хранилище (внутренний RAM), слот для карты памяти;
- – корпус;
- – кронштейн;
- – датчик дыма (опционально: можно подключиться к установленным).
1. Скорость: быстрое реагирование сокращает потенциальные потери;
Ключевым качеством распознавания дыма или огня с помощью камеры является скорость реагирования. Компьютерное зрение быстрее детектирует появление дыма и огня на изображении, чем угарный газ достигает датчиков. Система калибровки камеры на месте позволяет протестировать и подготовить решение к работе.
Пример: Использование системы детектирование дыма и огня с помощью компьютерного зрения особенно актуально для мест хранения: складов, ангаров, гаражей. Огромные площади не позволяют датчикам углекислого газа среагировать на угрозу. Система видеонаблюдения способна обнаружить начинающийся пожар всего за 10-30 секунд, в то время как датчикам дыма на это потребуется несколько минут.
Полезные ссылки:
Подробнее здесь (“Камеры могут распознать дым и огонь очень быстро – пока угарные газы не достигли датчиков, а значит пользователь получает больше времени на тушение, что сокращает потенциальные потери. Данный факт особенно важен для складов, где разгоревшийся огонь потушить будет либо очень сложно, либо невозможно”).
Подробнее здесь (“Противопожарные системы с видеонаблюдением более устойчивы к ложным срабатываниям. Интеллектуальная функция анализа изображения камеры позволяет очень точно различать дым и явления, квалифицируемые как помехи, и эффективно устраняет разнообразные искажения в кадре, возникающие из-за движения, бликов или изменяющихся условий освещения. Такие системы также легко масштабируются”).
2. Решение проблемы невозможности использовать датчики
Противопожарная защита требуется на объектах, где обнаружение дыма и огня невозможно с помощью датчиков. Это касается открытых площадок (парков, лесных зон и т.д.).
Пример: Лесные пожары наносят огромный экологический и экономический урон. Использование алгоритмов компьютерного зрения во время пожарного мониторинга МЧС или с использование БПЛА.
Полезные ссылки:
Подробнее здесь («Прометей» разрабатывался в сотрудничестве с Аргентинским пожарным департаментом и с помощью дронов и машинного зрения ищет источники возгорания).

Подробнее здесь (“Один из самых недорогих способов мониторинга лесных пожаров – это спутниковый мониторинг. Спутники с помощью сканеров делают снимки в инфракрасном спектре. Это позволяет узнать разницу температур и определить, где идут лесные пожары. Данные и снимки обрабатываются на космическом аппарате, где исправляют искажения, делают привязку к географическим точкам.”)
Подробнее здесь (“Новая система машинного обучения для раннего обнаружения лесных пожаров недорогим и точным способом. Соответственно, она направлена на то, чтобы привнести новую и определенную перспективу в визуальное обнаружение лесных пожаров. Для этой цели сконструирован беспилотный летательный аппарат”).
3. Точная классификация источника и объекта возгорания
Компьютерное зрение позволяет точно детектировать расположение источника и силу возгорания, а затем порекомендовать меры решения. Мгновенный анализ объекта возгорания позволяет определить опасность и назначить правильные меры устранения опасности. Сервисы в камере специально обучены для конкретной задачи.
Пример: Камеры позволяют детектировать и классифицировать опасность по типам – “возможно задымление”, “задымление”, “возгорание”. Затем отправляется нотификация “тревога” ответственному лицу. Если камера определяет, что дымится мусорное ведро, то программа порекомендует направить одного пожарного с пенным огнетушителем. Если определяет возгорание на стеллаже с фейерверками, то сразу порекомендует вызывать МЧС.
Подробнее здесь (“Промышленные предприятия в обязательном порядке оснащены охранно-пожарными системами и огнестойкими кабельными линиями, однако стандартные датчики обладают рядом серьезных недостатков. Так, знакомые всем «дымовики» в условиях большой запыленности могут выдавать большое число ложных срабатываний. Тепловые же извещатели, установленные на высокие потолки, могут отреагировать на возгорание тогда, когда предприятие уже понесло потери”).
Подробнее здесь (“Для срабатывания традиционных извещателей дым должен достичь их месторасположения. Видеообнаружение пожара является единственной технологией, обнаруживающей его в момент попадания дыма в зону обзора. Таким образом система может охватывать более обширные площади и объемы, что делает ее намного более экономичным решением для складов”).

Подробнее здесь (“С приближенным распределением признаков по недымным изображениям скорость распознавания обученной модели значительно улучшается по сравнению с моделью, обученной непосредственно на смешанном наборе данных синтетических и реальных изображений”).
Подробнее здесь (“Количество кадров тестовых видеопоследовательностей составило 6 853, общая продолжительность роликов 5 мин. Средняя по всем видеороликам точность обнаружения пламени составила 94,47 %, что является хорошим результатом и подтверждает эффективность предложенного алгоритма”)
С 2018 по 2023 год объем отечественного рынка решений в сфере компьютерного зрения увеличится в пять раз до 38 млрд рублей. Наибольшую долю в нем занимают решения в области видеонаблюдения и безопасности — 32%. Прогресс в данной области позволяет решать за секунды те задачи, которые ранее занимали часы: персональный сервис, усиление человеческих возможностей, решение рутинных задач и, конечно же, безопасность.
Более того, миллионы объектов уже сегодня используют видеосенсоры и видеоаналитику, что позволяет обрабатывать, анализировать и находить новые решения, упрощая и улучшая нашу повседневную жизнь.
Использование компьютерного зрения в создании систем пожарной безопасности актуально, что подтверждено спросом и выпуском на рынок продуктов крупными компаниями, например, Bosch. Компания “Эстесис” может взять на себя задачи по разработке модулей компьютерного зрения и написания ПО для обеспечения их работоспособности.