Hierarchical detection of wildfire flame video from pixel level to semantic level

A Way to Automatically Generate Lane Level Traffic Data from Video in the Intersections

“…For instance, there are two equal distance ways from A to B; an average waiting time in the intersection is useful when recommending travel ways for drivers. Besides, authorities in high-traffic public places such as stadiums, airports, exhibition halls, entertainment parks, shopping malls, museums, libraries, and bus/railway stations greatly benefit from a traffic big data collection tool to implement better traffic management to achieve low congestion and optimization of traffic control devices to achieve optimum travel times [1][2][3].…”

Combining multi-channel color space with local binary co-occurrence feature descriptors for accurate smoke detection from surveillance videos

“…For negative video, the whole segment is used for calculating false alarm rate. The accuracy is measured by computing the true positive rate (TPR) of the methods [41].…”

“…Figure 9 illustrates the ROC curves of the proposed method which is obtained by plotting TPR against the False Positive Rate (FPR). The FPR can be defined as [41]: (7) It is found that the proposed approach generates a higher Area Under the Curve (AUC) of 0.8102 in comparison to the nearest one of RGB_LBP with an AUC of 0.7652. Hence, it is obvious that the proposed RGB_LBCoP performs better than the other feature extraction techniques.…”

Renksel Ve Dokusal Özelli̇kler Kullanarak Alev Ve Alev Olmayan Görüntü Kesi̇tleri̇ni̇n Siniflandirilmasi

“…Ormanlarda meydana gelen yangınların etkisini azaltmak için yangının erken tespit edilmesi gerekmektedir. Literatürde yangının tespit edilmesi ve doku özelliklerinin incelenmesi üzerinde [1][2][3][4][5][6] birçok çalışma bulunmaktadır. B.Toptas ve arkadaşları [7], HSI renk uzayında filtre oluşturarak video görüntüleri üzerinde alevi tespit etmeye çalışmışlardır.…”

“…Bu görüntü matrisi içerisindeki en büyük değer 6 olduğu için eş oluşum matrisi 6x6 boyutunda oluşturulmuştur. Görüntünün (1,1)'inci pikselinden (1,2)'inci pikseline geçen değer görüntü içerisinde sadece bir adet bulunduğu için eş oluşum matrisinin(1,6)'ıncı pikselinin değeri 1 olmuştur. Bu örnekte de ifade edildiği gibi, eş oluşum matrisinde görüntü içerisindeki gri değerlerin tekrar sayısı yazılmaktadır.GSEM matrisi oluşturulduktan sonra bu matris kullanılarak görüntü üzerinde dokuya ait birçok öznitelik çıkarılır.…”