Détection de la fumée et du feu par réseau de neurones convolutifs

La recherche dans le domaine de la detection du feu et de la fumee devient un sujet de plus en plus traite. Les algorithmes conventionnels utilisent exclusivement des modeles bases sur des vecteurs de caracteristiques. Ces vecteurs restent difficiles a definir et dependent largement du type de feu observe. Ces methodes donnent des resultats avec un faible taux de detection et un haut taux de fausse classification. Une approche innovante pour resoudre ce probleme est d'utiliser un algorithme permettant de determiner automatiquement les caracteristiques utiles pour classifier le feu et la fumee. Dans cet article, nous proposons un reseau de neurones convolutif pour identifier le feu et la fumee d'une video en temps reel. Les reseaux de neurones convolutifs ont montre leur grande performance dans le domaine de la classification des objets. Testee sur des sequences videos reelles, l'approche proposee atteint une meilleure performance de classification que les methodes conventionnelles. Ces resultats indiquent clairement que l'utilisation des reseaux de neurones convolutifs pour la detection du feu et de la fumee est tres prometteuse. Mots Clef Feu, fume, detection, reseau de neurones convolutifl, apprentissage profond, cartes de caracteristiques, dropout, maxpooling. Abstract Research on video analysis for fire detection has become a hot topic in computer vision. However, the conventional algorithms use exclusively rule-based models and features vector to classify whether a frame is fire or not. These features are difficult to define and depend largely on the kind of fire observed. The outcome leads to low detection rate and high false-alarm rate. A different approach for this problem is to use a learning algorithm to extract the useful features instead of using an expert to build them. In this paper, we propose a convolutional neural network (CNN) for identifying fire in videos. Convolutional neural network are shown to perform very well in the area of object classification. This network has the ability to perform feature extraction and classification within the same architecture. Tested on real video sequences, the proposed approach achieves better classification performance as some of relevant conventional video fire detection methods and indicates that using CNN to detect fire in videos is very promising. It's the English version of the abstract.