BoWFire-Datensatz Zur Branderkennungssegmentierung

Der BoWFire-Datensatz ist ein Bilddatensatz speziell für die Flammenerkennung, der die Genauigkeit der Branderkennung verbessern und Fehlalarme reduzieren soll. Der Datensatz enthält Brandbilder aus einer Vielzahl von Notfallsituationen, beispielsweise Gebäudebrände, Industriebrände, Autounfälle und Unruhen, sowie Notfallsituationen ohne sichtbares Feuer und mit brandähnlichen Bereichen (wie Sonnenuntergänge und Bilder von roten oder gelben Objekten).

Das Besondere am BoWFire-Datensatz ist, dass er nicht nur die Erkennungsbilder von Flammen enthält, sondern auch die Segmentierung von Flammenbereichen beinhaltet. Im Datensatz ist der brennende Bereich weiß und der nicht brennende Bereich schwarz markiert, was eine starke Unterstützung für Flammenerkennungs- und Segmentierungsaufgaben darstellt7. Darüber hinaus wird der Datensatz in Trainings- und Testsätze unterteilt. Der Trainingsdatensatz enthält 240 Bilder mit 50 × 50 Pixeln, von denen 80 als feuerbehaftet und 160 als feuerfrei klassifiziert werden. Der Testdatensatz enthält 226 Bilder unterschiedlicher Auflösung, darunter 119 Bilder mit Flammen und 107 Bilder ohne Feuer7.

Der BoWFire-Datensatz wird zur Entwicklung und Bewertung einer neuen Flammenerkennungsmethode verwendet, die durch die Kombination von Pixelfarb- und Texturanalyse die Genauigkeit der Flammenerkennung verbessert und Fehlalarme reduziert. Experimentelle Ergebnisse zeigen, dass diese Methode die Fehlalarmrate effektiv reduzieren kann, während gleichzeitig eine mit bestehenden Technologien vergleichbare Genauigkeit beibehalten wird.

Die Forscher führten außerdem detaillierte Konfigurationen und Experimente mit dem BoWFire-Datensatz durch und verwendeten dabei eine Vielzahl von Algorithmen, darunter den Naive-Bayes-Klassifikator und den KNN-Klassifikator zur Pixelfarbklassifizierung sowie den Superpixel-Algorithmus und das lokale Binärmuster (LBP) zur Texturklassifizierung. Versuchsergebnisse zeigen, dass die BoWFire-Methode eine hohe Flammenerkennungsgenauigkeit beibehält und gleichzeitig Fehlalarme reduziert.

Dieser Datensatz wurde 2015 von einem Forschungsteam der Universität von São Paulo veröffentlicht. Das zugehörige Papier trägt den Titel „BoWFire: Erkennung von Feuer in Standbildern durch Integration von Pixelfarb- und Texturanalyse"