Deteksi Asap dalam Pengamatan Video dengan Menerapkan Aliran Optik dan Teorema Green

1. Pendahuluan

Keadaan darurat adalah saat yang krusial. Bagaimana kita bisa menghindari bahaya adalah hal yang paling utama demi keselamatan. Maka dari itu, seperti kata pepatah, “Sediakan payung sebelum hujan,” kita dituntut untuk senantiasa menyiapkan segala sesuatunya sebelum hal buruk terjadi. Hal tersebutlah yang mengilhami sebuah sistem pengawasan dalam pendeteksi asap yang ada dalam artikel ilmiah yang akan dibahas pada esai ini. “Smoke Detection in Video Surveillance Using Optical Flow and Green’s Theorem”,  artikel ilmiah yang dibuat oleh Melih Altun dan Mehmet Celenk dari School of Electrical Engineering and Computer Science, Stocker Center, Ohio University, USA, menunjukkan sebuah metode baru yang memanfaatkan aliran optik (optical flow) dan teorema Green untuk mendeteksi dini adanya asap melalui video pengawasan.  

Pada pendeteksi asap biasa, detektor hanya mengukur kehadiran partikel dan kandungan kimia tertentu di udara. Di dalam ruangan kecil yang tertutup, partikel tersebut dengan cepat mencapai konsentrasi dengan cepat sehingga detektor dapat mendeteksi untuk mengaktifkan peringatan dini. Dengan begitu, sistem ini tidak berfungsi dengan baik pada area yang luas apalagi area outdoor. Detektor api dan asap berbasis video dikenal untuk mengatasi kekurangan tersebut, dengan kemampuannya yang dapat diakses dari jauh (remotely). Juga, detektor video juga dapat mengetahui informasi lokasi dengan tepat terjadinya proses api yang timbul.  

Sama-sama menggunakan video sebagai pengawas, ada beberapa metode yang digunakan dalam mendeteksi api. Seperti menggunakan metode visual dan kamera inframerah (IR) yang menggunakan fitur warna, bentuk dan dinamik seperti kedipan. Hanya saja ada kelemahan pada metode visual dan kamera IR tersebut yang mengharuskan visualisasi langsung api. Tentu saja pada kasus api yang tidak terlihat metode ini akan gagal dalam peringatan dini. Metode-metode lain yang biasa digunakan dalam mendeteksi asap biasanya berbasis wavelet, mengombinasi wavelet dengan Hidden Markov tree untuk meninjau karakteristik dinamik asap. Ada juga yang menggunakan aliran optik dan fitur dinamik lain seperti kecepatan histogram atau juga penggunaan warna dan estimasi gerakan dalam tangkapan video.  Pada metode menggunakan warna, tentu saja ada hal yang menjadi tentangan berupa warna benda di sekitar yang menyerupai asap atau bahkan api. Oleh karena itu, metode tersebut digunakan bersamaan dengan metode untuk mereduksi deteksi. Di artikel ilmiah ini, daripada menggunakan deteksi gerakan simpel, digunakan aliran optik untuk memodelkan perilaku asap secara tepat.

Pada artikel ini juga, akan dideskripsikan metode menggunakan aliran optik, karakteristik dinamik, juga filter warna untuk mengurangi potensial asap terukur. Setelah mengukur kandidat sumber asap, selanjutnya diterapkan teorama Green mengelilingi sumber terdeteksi untuk menguji kacakkan perilaku asap.  Lebih lagi, karena konveksi panas di atas sumber mengakibatkan asap naik, rerata pergerakan naik asap di atas sumber juga diukur untuk meningkatkan keakuratan deteksi.  

 .

2. Deskripsi Metode 

Color Filter : Warna asap dapat sangat bervariasi dari warna yang sangat gelap hingga hampir putih. Untuk memilih tingkat keabu-abuan itu dan mengeliminasi segmen gambar dengan warna-warna lain, kita menkonversi nilai RGB ke nilai HSL dan mempertimbangkan nilai S untuk pemilihan. Dikarenakan piksel abu-abu  memiliki tingkat saturasi yang rendah, kami mengambil piksel dengan nilai S kurang dari batas tertentu sebagai potensi piksel asap. Sama seperti yang telah dinyatakan pada artikel lain yang menggunakan metode filter warna(Yuan, 2008), terkadang asap dapat memiliki nada kebiru-biruan. Jadi, untuk piksel dimana nilai warna birunya lebih tinggi dari nilai warna merah dan hijaunya kami menggunakan sedikit batas saturasi yang lebih tinggi untuk memungkinkan tipe asap yang kebiruan. 

.

2.1 Optical Flow 

Untuk mendapatkan objek-objek latar depan di video dan secara akurat mengukur gerakannya dengan memanfaatkan Optical Flow. Metode Optical Flow yang cepat dan efisien penting untuk persyaratan deteksi real time (waktu sebenarnya). Kalkulasi Optical Flow kami Sebagian besar sama dengan metode dalam(Wei dkk, 2008). Pertama, gradien spatiotemporal dari urutan video I[(x,y,t)] diperoleh. Kemudian, filter 3D Gaussian diterapkan dengan linier konvolusi untuk menghaluskan gradien sama seperti persamaan (1) dan (2).

Dimana H adalah fungsi 3D Gaussian dan * adalah operasi convulasi. Kemudian, vektor gradien yang telah dihaluskan dikalikan dengan transposenya untuk mendapatkan matriks tensor T. 

             

Mengkuti perhitungan tensor-tensor, vektor-vektor kecepatanya dihitung menggunakan parameter t₁ hingga t₆, yang merupakan elemen-elemen dari tensor simetris matriks. 

   

Terakhir, vektor-vektor kecepatan untuk tiap koordinat piksel dihaluskan oleh filter median 2D (Lim, 1990) untuk mendapatkan nilai komponen x dan y akhir dari bidang vektor Optical Flow. Optical Flow untuk contoh frame-frame yang diberikan di Gambar 1 dapat dilihat di Gambar 2.

Oleh karena kami tertarik dalam gerakan asap dan bukan benda/objek lain, kami menutupi peta Optical Flow kami dengan sekelompok asap berwarna yang telah ditemukan oleh filter warna kami. Jadi, kita mendapatkan peta vektor yang hanya menampilkan gerakan dari daerah latar depan berwarna asap. Dikarenakan daerah-daerah ini dikelompokkan, kami dapat mendeteksi kemunculan gugus dan tandanya sebagai sumber asap. Persegi panjang hijau di Gambar 3 dan di gambar lain menunjukkan hasil deteksi yang menandakan sumber asap yang terdeteksi. 

.

2.2 Aplikasi Teorema Green 

Setelah menemukan sumber asap yang potensial berdasarkan karakteristik warna dan memperoleh bidang vektor aliran optik dengan menggunakan metode aliran optik pada bagian sebelumnya, maka dapat dilakukan pengujian karakteristik dinamis dari asap tersebut. Karakteristik dinamis pertama yang dapat diuji yaitu perbedaan kondisi dan perilaku asap di sekitar sumber asap tersebut. Salah satu cara untuk menguji karakteristik tersebut yaitu dengan menerapkan Teorema Green.  

Teorema Green menyatakan bahwa fluks yang keluar bidang vektor melintasi batas tertutup adalah sama dengan divergensi medan vektor yang terintegrasi di atas wilayah atau area yang dilingkupi oleh batas. Dalam konsep ini, dapat didefinisikan sebuah kurva tertutup sederhana seperti persegi panjang kecil di sekitar sumber asap, fluks yang keluar secara berkelanjutan di sepanjang area persegi panjang ini menunjukkan sember asap yang berbeda di dalamnya.  

Dalam hal ini, sudah diketahui komponen horizontal dan vertical bidang aliran optik. Divergensi medan secara sederhana ditunjukkan sesuai persamaan 6 berikut ini:   

Persamaan umum Teorema Green ditunjukkan dalam persamaan 7 di bawah ini: 

Dimana

Penggunaan Teorema Green dimaksudkan untuk menghitung fluks keluar hanya dengan menggunakan produk dalam dari vektor gerak dan vektor normal di atas persegi Panjang yang mengelilingi sumber asap potensial dan kemudian menjumlahkan nilainya. Dengan menerapkan Teorema Green perhitungan fluks yang keluar tidak perlu menghitung jumalh dari perbedaan di seluruh sumber area asap sehingga perhitungan fluks lebih mudah dan efisien untuk dilakukan.  

.

2.3 Rata-rata penyebaran asap di atas sumber 

Karakteristik dinamis lain dari asap yaitu asap akan naik tepat di atas sumbernya, hal ini disebabkan karena faktor konveksi yang terjadi pada asap. Dalam hal ini, pengamatan difokuskan pada area di atas sumber karena faktor dimana asap menyebar dari sumber kemudian menjadi dingin dan bergerak mengikuti arus udara di lingkungan tersebut. Asap cenderung akan menampilkan gerak Brownian secara acak jika tidak ada aliran udara yang dominan. Namun, gerakan tersebut dapat diprediksi saat asap tersebut mendekat ke sumber panas. Oleh karena itu, perhitungan mempertimbangkan daerah persegi panjang yang berada di atas dari prediksi kemungkinan sumber asap dan kemudian memeriksa aliran optik yang terjadi di daerah atau area persegi panjang ini. Dalam percobaan ini dilakukan pengambilan rata-rata komponen vertikal vektor aliran di area tersebut dan jika diperoleh hasil yang konsisten maka gerakan asap ke arah atas merupakan bukti yang kuat bahwa prediksi kemungkinan sumber asap tersebut merupakan sumber asap yang sebenarnya. Gerakan asap ke atas yang konsisten dalam berbagai kondisi dan perilaku asap yang divergen (berbeda) menunjukkan bahwa kluster (gugus) asap yang dipilih dalam bingkai video merupakan asap asli. 

 

3. Hasil Eksperimen 

Untuk mencoba metode pendeteksian asap dilakukan percobaan pendeteksian menggunakan sampel video dari Bilkent University Signal and Image Processing Group  dan Octec dataset. Untuk menunjukkan aliran optik dari sampel video, diperlihatkan dua bingkai gambar secara berurutan (gambar 1) dari sampel video pertama. 

 

(Gambar 1. dua bingkai secara berurutan dari sampel video pertama) 

.

Hasil dari aliran optik sampel video tersebut berupa gerakan dari meningkatnya asap dan orang yang sedang berlari (gambar 2). 

 

(Gambar 2. Hasil dari aliran optik. Di bagian kanan bawah merupakan HUE dan saturasi di bagian tengah mewakili magnitudo dari gerakan) 

Hasil dari pendeteksian asap (gambar 3) 

 

(Gambar 3. Hasil dari pendeteksian asap. Asap ditandai warna merah dengan bentuk kurva tertutup serta sumber asap berbentuk kotak persegi warna hijau) 

.

Rata-rata vektor aliran optik diperlihatkan pada gambar 4. 

 

(Gambar 4. Rata-rata peningkatan gerakan dari sumber asap pada sampel video pertama)

Kemudian pada (gambar 5) ditunjukkan pula total fluks keluar di sekitar sumber asap pada setiap bingkai video.

 

(Gambar 5. Total fluks keluar di sekitar sumber asap. Di sekitar  bingkai ke-41 fluks menukik tajam, hal ini karena orang yang berlari tadi berada di depan asap pada waktu tersebut)