수집된 불꽃 및 연기에 관한 영상을 이용하여 데이터셋을 생성하는 단계;상기 데이터셋을 이용하여 불꽃 및 연기를 감지하도록 CNN(Convolutional Neural Network) 기반의 화재 감지 모델을 훈련시키는 단계; 및상기 화재 감지 모델의 성능을 테스트하는 단계를 포함하되,상기 CNN은 확장 합성곱 신경망(dilated CNN)이고,상기 화재 감지 모델에서 합성곱 레이어의 수는 4이고,상기 합성곱 레이어에서 커널의 사이즈는 3이고,상기 커널의 확장률(dilation rate)은 2인 것을 특징으로 하는,감시 방법.

수집된 불꽃 및 연기에 관한 영상을 이용하여 데이터셋을 생성하는 데이터 처리부;상기 데이터셋을 이용하여 불꽃 및 연기를 감지하도록 훈련되는 합성곱 신경망(Convolutional Neural Network, CNN) 기반의 화재 감지 모델과 이를 훈련시키는 학습부; 및상기 화재 감지 모델의 성능을 테스트하는 모델 검증부를 포함하도록 구성되되,상기 합성곱 신경망은 확장 합성곱 신경망(dilated CNN)이고,상기 화재 감지 모델에서 합성곱 레이어의 수는 4이고,상기 합성곱 레이어에서 커널의 사이즈는 3이고,상기 커널의 확장률(dilation rate)은 2인 것을 특징으로 하는,감시 시스템.

제 1 항에 있어서,상기 데이터셋에 포함된 불꽃 영상 및 연기 영상의 크기 및 데이터 용량에 따라 상기 CNN 기반의 화재 감지 모델에 포함된 레이어의 수 및 커널의 크기 중에서 적어도 하나를 결정하는 제어부를 더 포함하도록 구성되는,감시 시스템.

삭제

제 1 항에 있어서,상기 화재 감지 모델은,각 합성곱 레이어 사이에 Max-pooling Layer를 포함하도록 구성되는,감시 시스템.

삭제

제 1 항에 있어서,상기 합성곱 레이어는,333(가로세로컬러 채널)의 커널 사이즈의 필터를 포함하도록 구성되는,감시 시스템.

제 1 항에 있어서,상기 화재 감지 모델은,1차 및 2차 Fully Connected Layer를 포함하되,각 차수의 Fully Connected Layer 앞에 Dropout Layer를 더 포함하도록 구성되는,감시 시스템.

제 1 항에 있어서,상기 화재 감지 모델은,불꽃 또는 연기를 감지하는 분류 레이어(Classification Layer)를 포함하도록 구성되는,감시 시스템.

이미지 분석을 위해 데이터셋에 포함된 이미지의 픽셀 정보를 읽어 들이는 가로 및 세로 크기를 갖는 복수의 필터들; 각 필터를 통해 입력된 픽셀 정보를 분석하는 복수의 합성곱 레이어(Convolutional Layer); 및상기 합성곱 레이어에 의한 픽셀 분석을 기반으로 테스트 이미지 내에서 불꽃 및 연기 중에서 적어도 하나를 감지함으로써 화재를 자동으로 감지하는 Classification Layer를, 확장 합성곱 신경망의 구성요소로서 포함하도록 구성되되,상기 합성곱 레이어의 수는 4이고,상기 합성곱 레이어에서 커널의 사이즈는 3이고,상기 커널의 확장률(dilation rate)은 2인 것을 특징으로 하는,감시 시스템.

삭제

삭제