Automated Image-Based Identification and Consistent Classification of Fire Patterns with Quantitative Shape Analysis and Spatial Location Identification

要約

火災の挙動と発生源に関する洞察を提供する火災効果で構成される火災パターンは、従来、調査員の視覚的観察に基づいて分類されており、主観的な解釈につながります。
この研究では、一貫性と正確性を目指して、火災調査員をサポートするための定量的な火災パターン分類のフレームワークを提案します。
このフレームワークには 4 つのコンポーネントが統合されています。
まず、人間とコンピューターの対話を活用して表面から火災パターンを抽出し、調査員の専門知識とコンピューター分析を組み合わせます。
2 番目に、アスペクト比ベースのランダム フォレスト モデルを採用して、火災パターンの形状を分類します。
第三に、火災現場の点群セグメンテーションにより、火災の影響を受けたエリアを正確に特定し、2D 火災パターンを 3D シーンにマッピングできるようになります。
最後に、火災パターンと屋内要素の間の空間的関係は、火災現場の解釈をサポートします。
これらのコンポーネントは、定性的データと定量的データを統合する火災パターン分析の方法を提供します。
このフレームワークの分類結果は、合成データでは 93%、実際の火災パターンでは 83% の精度を達成しています。

要約(オリジナル)

Fire patterns, consisting of fire effects that offer insights into fire behavior and origin, are traditionally classified based on investigators’ visual observations, leading to subjective interpretations. This study proposes a framework for quantitative fire pattern classification to support fire investigators, aiming for consistency and accuracy. The framework integrates four components. First, it leverages human-computer interaction to extract fire patterns from surfaces, combining investigator expertise with computational analysis. Second, it employs an aspect ratio-based random forest model to classify fire pattern shapes. Third, fire scene point cloud segmentation enables precise identification of fire-affected areas and the mapping of 2D fire patterns to 3D scenes. Lastly, spatial relationships between fire patterns and indoor elements support an interpretation of the fire scene. These components provide a method for fire pattern analysis that synthesizes qualitative and quantitative data. The framework’s classification results achieve 93% precision on synthetic data and 83% on real fire patterns.

arxiv情報

著者 Pengkun Liu,Shuna Ni,Stanislav I. Stoliarov,Pingbo Tang
発行日 2024-10-30 15:15:41+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.HC パーマリンク