In this study, a novel method combining contour analysis with deep CNN is applied for fire detection. The method was made for fire detection using two main algorithms: one which detects the color properties of the fires, and another which analyzes the shape through contour detection. To overcome the disadvantages of previous methods, we generate a new labeled dataset, which consists of small fire instances and complex scenarios. We elaborated the dataset by selecting regions of interest (ROI) for enhanced fictional small fires and complex environment traits extracted through color characteristics and contour analysis, to better train our model regarding those more intricate features. Results of the experiment showed that our improved CNN model outperformed other networks. The accuracy, precision, recall and F1 score were 99.4%, 99.3%, 99.4% and 99.5%, respectively. The performance of our new approach is enhanced in all metrics compared to the previous CNN model with an accuracy of 99.4%. In addition, our approach beats many other state-of-the-art methods as well: Dilated CNNs (98.1% accuracy), Faster R-CNN (97.8% accuracy) and ResNet (94.3%). This result suggests that the approach can be beneficial for a variety of safety and security applications ranging from home, business to industrial and outdoor settings.

This article describes crop recognition methods from multispectral satellite imagery of Sentinel 2. The feature space includes taking into account parameters such as brightness and color of optical images over the entire channel of Sentinel 2 spectrozonal satellite imagery. The signs of multispectral images for various terrain classes in satellite images are analyzed. A comparative analysis of the classification results by the methods of “Expectation Maximization” and “k -means” has been compiled.

Analysis of video data related to the rapid detection of fires plays an important role in assessing the risk of exacerbation of situations, suppression or mitigation of their consequences. However, nowadays, most fire safety systems use “point detectors” that simply sound the alarm. This article discusses the contour method as an additional test to the fire detection method based on color pixel analysis. The contour analysis method complements the color analysis method and improves the result. Algorithms and hardware software for both methods were developed, as well as a comparative analysis of the methods presented in the article in the form of tables and graphs. The method based on the analysis of object contours increases the result of fire detection and reduces the number of false alarms.

Обнаружение пожара с помощью систем видеонаблюдения имеет решающее значение для быстрого реагирования на пожары и снижения потенциальных опасностей. В этом исследовании мы представляем инновационный подход к обнаружению пламени, который использует анализ формы, направленный на повышение точности и надежности механизмов обнаружения пожара. В отличие от традиционных методов, которые для обнаружения пламени полагаются исключительно на цветовые характеристики, наш подход включает в себя контурный анализ, позволяющий эффективно отличать настоящее пламя от нюансов окружающей среды. Подход включает в себя два основных алгоритма: один ориентирован на распознавание дыма и огня по цветовым признакам, а другой специализируется на распознавании дыма и огня путем анализа формы объектов. Предложенный метод прошел экспериментальную проверку на разнообразном наборе из двенадцати видео, которые включали различные сцены, такие как внутренние и внешние условия, а также условия в течение дня и ночи. Результаты эксперимента демонстрируют многообещающую производительность: результаты обнаружения варьируются от 91,4% до 99,6%. Предлагаемый метод демонстрирует высокие показатели обнаружения при минимизации ложных тревог, о чем свидетельствует низкий уровень ошибок как для упущений, так и для ложных тревог. Таким образом, результаты подчеркивают эффективность введенного метода обнаружения пламени в точном обнаружении пламени в видеопоследовательностях. Интеграция контурного анализа расширяет возможности системы отличать настоящее пламя от факторов окружающей среды, что приводит к повышению точности и надежности обнаружения. Это исследование способствует развитию технологий обнаружения пожара в системах видеонаблюдения, которые потенциально могут применяться для повышения безопасности и защищенности в различных средах.