Система детектирования дыма и саботажа на базе одноплатного компьютера для мониторинга пожаров в режиме реального времени

Авторы

  • Егор Русланович Адамовский Полоцкий государственный университет им. Евфросинии Полоцкой, ул. Блохина, 29, 211440, г. Новополоцк, Беларусь
  • Рихард Петрович Богуш Полоцкий государственный университет им. Евфросинии Полоцкой, ул. Блохина, 29, 211440, г. Новополоцк, Беларусь

Ключевые слова:

детектирование дыма, компьютерное зрение, системы видеонаблюдения, одноплатный компьютер

Аннотация

Представлена архитектура системы видеонаблюдения с использованием периферийных вычислений для обнаружения дыма и саботажа. Система состоит из параллельно функционирующих модулей, отвечающих за управление конфигурацией и обработку видеоданных, включая их прием, анализ и передачу. Детектирование дыма осуществляется с помощью алгоритмов компьютерного зрения и базируется на последовательном извлечении его визуальных признаков: направления движения, цветовых характеристик и влияния на фоновые объекты. Саботаж обнаруживается путем оценки резкости сцены с применением фильтра для выделения границ объектов. Обработка видеопотока высокого разрешения выполняется с использованием одноплатного компьютера, при этом производится распределение задач по ядрам на многоядерном процессоре для повышения производительности. Такое решение существенно снижает нагрузку на центральный узел системы, особенно при масштабировании на большое число камер. Результаты экспериментов демонстрируют высокую точность обнаружения дыма и саботажа, а также стабильную работу архитектуры в режиме реального времени.

Биографии авторов

  • Егор Русланович Адамовский, Полоцкий государственный университет им. Евфросинии Полоцкой, ул. Блохина, 29, 211440, г. Новополоцк, Беларусь

    старший преподаватель кафедры вычислительных систем и сетей факультета информационных технологий

  • Рихард Петрович Богуш, Полоцкий государственный университет им. Евфросинии Полоцкой, ул. Блохина, 29, 211440, г. Новополоцк, Беларусь

    доктор технических наук, профессор; заведующий кафедрой вычислительных систем и сетей факультета информационных технологий

Библиографические ссылки

  1. Chaturvedi Sh, Khanna P, Ojha A. A survey on vision-based outdoor smoke detection techniques for environmental safety. ISPRS Journal of Photogrammetry and Remote Sensing. 2022;185:158 –187. DOI: 10.1016/j.isprsjprs.2022.01.013.
  2. Adamovskiy Y, Bohush R. Real-time algorithm for light gray smoke detection in video sequences. In: Shmaliy YS, editor. 8 th International conference on computing, control and industrial engineering; 2024 June 21–22; Wuhan, China. Volume 1. Singapore: Springer; 2024. p. 535 –542 (Lecture notes in electrical engineering; volume 1252). DOI: 10.1007/978-981-97-6934-6_64.
  3. Vennam P, Pramod TC, Thippeswamy BM, Kim Y-G, Kumar PBN. Attacks and preventive measures on video surveillance systems: a review. Applied Sciences. 2021;11(12):5571. DOI: 10.3390/app11125571.
  4. Mahmoudi SA, Gloesener M, Benkedadra M, Lerat J-S. Edge AI system for real-time and explainable forest fire detection using compressed deep learning models. In: Bashford-Rogers T, Meneveaux D, Ammi M, Ziat M, Jänicke S, Purchase H, et al., editors. Proceedings of the 20th International joint conference on computer vision, imaging and computer graphics theory and applications; 2025 February 26–28; Porto, Portugal. Volume 3. Setubal: SciTePress; 2025. p. 847– 854. DOI: 10.5220/0013382500003912.
  5. Sharobiddinov D, Siddiqui HUR, Saleem AA, Mendez Mezquita G, Ramírez Vargas DL, de la Torre Díez I. Edge-based autonomous fire and smoke detection using MobileNetV2. Sensors. 2025;25(20):6419. DOI: 10.3390/s25206419.
  6. Liu B, Sun B, Cheng P, Huang Y. An embedded portable lightweight platform for real-time early smoke detection. Sensors. 2022;22(12):4655. DOI: 10.3390/s22124655.
  7. Gagliardi A, de Gioia F, Saponara S. A real-time video smoke detection algorithm based on Kalman filter and CNN. Journal of Real-Time Image Processing. 2021;18(6):2085 –2095. DOI: 10.1007/s11554-021-01094-y.
  8. Saponara S, Elhanashi A, Gagliardi A. Real-time video fire/smoke detection based on CNN in antifire surveillance systems. Journal of Real-Time Image Processing. 2021;18(3):889–900. DOI: 10.1007/s11554-020-01044-0.
  9. Peng R, Cui C, Wu Y. Real-time fire detection algorithm on low-power endpoint device. Journal of Real-Time Image Processing. 2025;22(1):29. DOI: 10.1007/s11554-024-01605-7.
  10. Ye J, Ioannou S, Nikolaou P, Raspopoulos M. CNN based real-time forest fire detection system for low-power embedded devices. In: Institute of Electrical and Electronics Engineers. Proceedings of the 31st Mediterranean conference on control and automation; 2023 June 26–28; Limassol, Cyprus. Piscataway: Institute of Electrical and Electronics Engineers; 2023. p. 137–143. DOI: 10.1109/MED59994.2023.10185692.
  11. Shamta I, Demir BE. Development of a deep learning-based surveillance system for forest fire detection and monitoring using UAV. PLoS ONE. 2024;19(3):0299058. DOI: 10.1371/journal.pone.0299058.
  12. Wang Y-K, Fan C-T, Cheng YK, Deng PS. Real-time camera anomaly detection for real-world video surveillance. In: Institute of Electrical and Electronics Engineers. Proceedings of the 2011 International conference on machine learning and cybernetics; 2011 July 10–13; Guilin, China. Volume 4. Piscataway: Institute of Electrical and Electronics Engineers; 2011. p. 1520–1525. DOI: 10.1109/ICMLC.2011.6017032.
  13. Mantini P, Shah SK. UHCTD: a comprehensive dataset for camera tampering detection. In: Institute of Electrical and Electronics Engineers. Proceedings of the 16 th IEEE International conference on advanced video and signal based surveillance; 2019 September 18 –21; Taipei, Taiwan. Piscataway: Institute of Electrical and Electronics Engineers; 2019. p. 1– 8. DOI: 10.1109/AVSS.2019.8909856.
  14. Ye S, Adamovskiy Y, Chen H, Bohush R, Ablameyko S. Real-time smoke detection in video based on two-step selection of regions of interest and directional movement analysis. Pattern Recognition and Image Analysis. 2025;34:1323–1332. DOI: 10.1134/S1054661824701396.
  15. Naimeng C, Wanjun Y, Xiaoyu W. Smoke detection for early forest fire in aerial photography based on GMM background and wavelet energy. In: Institute of Electrical and Electronics Engineers. Proceedings of the 2021 IEEE International conference on cower electronics, computer applications; 2021 January 22–24; Shenyang, China. Piscataway: Institute of Electrical and Electronics Engineers; 2021. p. 763 –765. DOI: 10.1109/ICPECA51329.2021.9362647.
  16. Fan X, Lei F, Yang K. Real-time detection of smoke and fire in the wild using unmanned aerial vehicle remote sensing imagery. Forests. 2025;16(2):201. DOI: 10.3390/f16020201.
  17. Ye S, Bai Z, Chen H, Bohush R, Ablameyko S. An effective algorithm to detect both smoke and flame using color and wavelet analysis. Pattern Recognition and Image Analysis. 2017;27(1):131–138. DOI: 10.1134/S1054661817010138.
  18. Wu Y, Chen M, Wo Y, Han G. Video smoke detection based on dense optical flow and convolutional neural network. Multimedia Tools and Applications. 2021;80(6):35887–35901. DOI: 10.1007/s11042-020-09870-x.
  19. Challapalli K, Kothamasu V, Garikapati H, Charan RS, Thota M, Anamalamudi S. Analysing lossless image compression techniques for IoT devices. In: Institute of Electrical and Electronics Engineers. Proceedings of the 2024 Third International conference on electrical, electronics, information and communication technologies; 2024 July 24 –26; Trichirappalli, India. Piscataway: Institute of Electrical and Electronics Engineers; 2024. p. 1– 6. DOI: 10.1109/ICEEICT61591.2024.10718516.

Загрузки

Дополнительные файлы

Опубликован

2026-06-04

Выпуск

№ 1 (2026): Журнал Белорусского государственного университета. Математика. Информатика

Раздел

Анализ данных

Лицензия

Copyright (c) 2026 Журнал Белорусского государственного университета. Математика. Информатика

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Авторы, публикующиеся в данном журнале, соглашаются со следующим:

  1. Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
  2. Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
  3. Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).

Как цитировать

[1]
Адамовский, Е.Р. и Богуш, Р.П. 2026. Система детектирования дыма и саботажа на базе одноплатного компьютера для мониторинга пожаров в режиме реального времени. Журнал Белорусского государственного университета. Математика. Информатика. 1 (июн. 2026), 108–120.