Fire Detection for CCTV surveillance system using YOLOv2
Vous suivez désormais cette soumission
- Les mises à jour seront visibles dans votre flux de contenu suivi
- Selon vos préférences en matière de communication il est possible que vous receviez des e-mails
Demo for CCTV surveillance system using Deep Learning, typically YOLOv2 network training demo.
Key Objective for this demo
- Applying deep learning to Video streams from CCTV
- YOLOv2 deep learning model implemented to detect fire from video stream
Demo development Workflow
- Large dataset access : imagedatastore
- Labeling data : Automatic fire labeling class for image labeler defined using image processing apps, e.g. color thresholder, image segmenter
- Training : YOLOv2 training using feature extraction layers + yolov2 layers
- Deployment : Inference speed acceleration by generating CUDA mex file for real-time prediction
Dataset Used
- Cazzolato, Mirela T., et al. "FiSmo: A Compilation of Datasets from Emergency Situations for Fire and Smoke Analysis." Proceedings of the satellite events (2017).
Copyright 2019 The MathWorks, Inc.
Citation pour cette source
Wanbin Song (2026). Fire Detection for CCTV surveillance system using YOLOv2 (https://github.com/wanbin-song/FireDetectionYOLOv2), GitHub. Extrait(e) le .
Informations générales
Compatibilité avec les versions de MATLAB
- Compatible avec les versions R2019a et ultérieures
Plateformes compatibles
- Windows
- macOS
- Linux
Les versions qui utilisent la branche GitHub par défaut ne peuvent pas être téléchargées
| Version | Publié le | Notes de version | Action |
|---|---|---|---|
| 1.0.0.1 | Connected to Github |
||
| 1.0.0 |
