Wykorzystanie kamer termowizyjnych w systemach dozoru wizyjnego infrastruktury krytycznej sieci dystrybucyjnej gazu

• Autorzy: Jędrasiak, K. , Daniec , K. , Nawrat, A. , Koteras, R.

Warianty tytułu

EN

Application of thermovision camera in gas delivery stations

• Języki publikacji: PL

Abstrakty

PL

Obecnie nadzór oraz zabezpieczenie strategicznych miejsc, jak szczególnie narażone na uszkodzenia sieci dystrybucyjne gazu, jest niemal całkowicie zależny od pracowników ochrony i wizualnej oceny niebezpieczeństwa. Obserwacja szeregu kamer i dużej liczby czujników usytuowanych w różnych miejscach nadzorowanego obiektu jest czynnością monotonną obarczoną dużym ryzykiem wystąpienia niedopatrzeń i przeoczeń zagrożenia. Ze względu na ludzkie ograniczenia, jakość tak prowadzonego monitoringu pozostawia wiele do życzenia. W celu zwiększenia jakości nadzoru i lokalizacji zagrożeń zastosowano algorytm automatycznego wykrywania niepożądanych oraz anomalii, m.in. w przypadku rurociągów są to uszkodzenia rur i wyciek przenoszonego materiału. Zaprezentowany algorytm opiera się na systemie obrazowania termicznego oraz działa w czasie zbliżonym do rzeczywistego. W celu wykrycia zagrożenia w postaci wycieku wykrywane jest obszar rury, a następnie za pomocą kamery termowizyjnej przeprowadzana jest analiza gradientowa zmian temperatury w czasie. W celu wykrycia zagrożenia w postaci osób nieupoważnionych wymagane jest wykrycie cech antropomorficznych oraz analiza wzorców obrazów. Oba algorytmy zostały zaimplementowane i testowane z użyciem rzeczywistych sekwencji obrazu. Otrzymane w trakcie testów wyniki są obiecujące dla przyszłych wdrożeń.

EN

Security of endangered strategic areas like gas delivery stations is at the moment almost completely dependent on security officers and visual inspection of the scene. Observation of multiple screens displaying images captured from video cameras installed at the station is a monotonous task, theretore there is a great risk of occurring oversights. Oue to the human limitations the quality of such observations is far from being efficient and reliable. In order to increase the quality of detection potential threat an algorithm for automatic detection of potential anomalies like gas leaks and pipe demeqes. Presented algorithm is based on images acquired from thermovision cameras and is capable of processing up to date. In order to perform gas leaks detection, first an area of pipe is detected. Next step is to perform analysis of gradient changes over time. Trespassers detection is realized by detection of silhouettes, analysis of anthropomorphic features and pattern matching. Both algorithms were implemented and tested using real sequences. The acquired results are promising for future implementations. (Application of thermovision camera in gas dełivery stations)

Słowa kluczowe

PL

przetwarzanie obrazu; detekcja wycieków; gaz; kamery termowizyjne

EN

image processing; leak detection; gas; thermovision

• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2012
• Tom: R. 88, nr 10a
• Strony: 90-97
• Opis fizyczny: Bibliogr. 15 poz., rys.

Twórcy

autor

Jędrasiak, K.

autor

Daniec , K.

autor

Nawrat, A.

autor

Koteras, R.

• Politechnika Śląska, Instytut Automatyki

Bibliografia

• [1] R.T. Collins, A. J. Lipton, T. Kanade, H. Fujiyoshi, D. Duggins, Y.Tsin, D. Tolliver, N. Enomoto, O. Hasegawa, P. Burt, L. Wixson, A system for Video Surveillance and Monitoring, 2000,
• [2] D.B. Cist, A.E. Schutz, State of the art for pipe & leak detection, a low-cost GPR gas pipe & leak detector, Status assessment of a project in National Energy Technology Laboratory (2001),
• [3] T. Shehab-Eldeen, O. Moselhi, Automated Inspection of Utility Pipes: A Solution Strategy for Data Management,
• [4] J. Illingworth, J. Kittler, A Survey of the Hough Transform, Computer Vision Graphics and Image Processing, p. 87-116 (1988),
• [5] J. Canny. A computational approach to edge detection, Pattern Analysis and Machine Intelligence, IEEE Transactions, p.679–698 (1986),
• [6] S.K. Sinha, P. W. Fieguth, Automated detection of cracks in buried concrete pipe images, Automation in Construction, p. 47-57 (2006),
• [7] A.M.Baumberg, D.C. Hogg, An efficient method for contour tracking using active shape models, 1994,
• [8] Kass M., Witkin A., Terzopoulos D., Snakes: active contour models, First International Conference on Computer Vision, p.259-268, 1987,
• [9] R. Meinhold, N. Singpurwalla, Understanding the Kalman Filter, The American Statistician Vol. 37, No. 2, 1983, pp. 123-127.
• [10] C. Wren, A.Azarbayejani, T. Darrell, A. Pentland , Pfinder: Real-time tracking of the human body, 1997,
• [11] J. Davis, V. Sharma, Robust detection of people in thermal imagery, Pattern Recognition, 2004, ICPR 2004. Proceedings of the 17th International Conference on 23-26 Aug. 2004, Vol. 4, p. 713-716,
• [12] Scharr, Hanno, 2000, Dissertation (in German), Optimal Operators in Digital Image Processing,
• [13] D. H. Ballard, Generalizing the Hough Transform to Detect Arbitrary Shapes Pattern Recognition, 13(2):111-122, 1981.
• [14] M. Bertozzi, A. Broggi, A. Fascioli, T. Graf, M. Meinecke, Pedestrian Detection for Driver Assistance Using Multiresolution Infrared Vision, IEEE Transactions On Vehicular Technology, Vol. 53, No. 6, November 2004.
• [15] Anonymous, “Wikipedia entry for flood fill,” 2007. [Online]. Available: http://en.wikipedia.org/wiki/Flood fill.