-
Die
Erfindung betrifft die Erkennung von Rauch und Flammen unter der
Verwendung einer Bildverarbeitungstechnologie.
-
Zur
zentralen Überwachung
ist es allgemein üblich,
in Gebäuden
und in ihrer Umgebung, in Verkehrseinrichtungen, wie z. B. Tunneln,
oder in Industrieanlagen CCTV-Kameras zu installieren. Diese Kameras können verwendet
werden, um Feuer zu erkennen und Feueralarminformationen bereitzustellen.
Vorteilhafterweise können
solche Kameras in ein automatisches Feuererkennungssystem integriert
werden, das ohne jegliches menschliches Eingreifen arbeiten kann
und dabei das Risiko von Fehlalarmen reduziert.
-
Es
ist bekannt, Bilderkennungssysteme zur Rauch- und Flammenerkennung
zu verwenden. Ein Beispiel für
ein Kamera-basiertes Rauchererkennungssystem ist in WO00/23959 (VSD
Limited) offenbart.
-
JP 10269471 stellt für den Anmelder
den nächstliegenden
Stand der Technik dar. Dieses Dokument offenbart ein Flammenerkennungssystem
mit mindestens einem Fotografiermittel oder einer CCD-Kamera; einem
Verfahren zum Analysieren von durch die Kamera aufgenommenen aufeinander
folgenden Einzelbildern; Vergleichen von einzelnen Pixeln; Analysieren
von aufeinander folgenden Einzelbildern; Beurteilen von Helligkeit,
um ein helles Feld zu erkennen; und nach der Isolierung eines hellen
Feldes (erneute) Beurteilung der Helligkeit in der Grenzregion eines
hellen Feldes mit dem Ziel der Raucherkennung, indem bestimmt wird,
ob die Grenzübereinstimmung
(engl.: boundary likeness) unter einem vorbestimmten Wert liegt.
-
Die
durch die vorliegende Erfindung gelöste Aufgabenstellung besteht
darin, wie das Auslösen
eines Signals „Rauch
vorhanden" und „Flamme
vorhanden" beschleunigt
werden kann, wobei die Genauigkeit, mit der die Flammen erkannt
werden, die Rauch abgeben, mindestens beibehalten oder verbessert
wird.
-
In
einem ersten weiten unabhängigen
Aspekt sieht die Erfindung ein kombiniertes Rauch- und Flammenerkennungssystem
vor, das mindestens eine Videokamera, einen Videoeinzelbild-Komparator
und eine Prozessor umfasst, wobei der Prozessor so eingerichtet
ist, dass er die von der einen oder von jeder Kamera erfassten aufeinander
folgenden Einzelbilder analysiert, indem er einzelne Pixel der Einzelbilder
gemäß mindestens
zwei vordefinierten Beziehungen miteinander vergleicht, um auf diese
Weise in der Lage zu sein, Rauch und Flammen zu erkennen und ein
Ausgabesignal zu erzeugen, welches das Vorhandensein von Rauch,
Flammen oder von Rauch und Flammen anzeigt, dadurch gekennzeichnet,
dass der Prozessor Mittel zum Filtern der durch das System produzierten
digitalisierten Bilder mithilfe eines ersten vordefinierten Algorithmus
einschließt,
sodass ausschließlich Änderungen
in den Pixelmerkmalen, die innerhalb eines vorbestimmten Frequenzbands
auftreten, dazu verwendet werden, eine Entscheidung „Flamme
vorhanden" zu treffen;
und wobei gleichzeitig ein zweiter vordefinierter Algorithmus verwendet
wird, so dass Pixelmerkmale beurteilt werden, um unabhängig von
der Entscheidung „Flamme
vorhanden" eine
Entscheidung „Rauch
vorhanden" zu treffen,
sowie Mittel zum Analysieren der durch den ersten und den zweiten
vordefinierten Algorithmus getroffenen Entscheidungen, um zu beurteilen,
ob ein Feuer vorliegt.
-
In
einem zweiten weiten Aspekt gibt die Erfindung das Verfahren zum
Erkennen von Rauch und Flammen an, wobei das Verfahren die folgenden
Schritte umfasst: Empfangen digitalisierter Bilder eines zu überwachenden
Bereichs; Vergleichen der Pixel von einem der Bilder mit Pixeln
eines anderen Bilds entsprechend zwei vorbestimmten Prozeduren,
um Entscheidungen „Flamme
vorhanden" und „Rauch
vorhanden" zu treffen; und
Bereitstellen eines Signals „Feuer
erkannt" entsprechend
den Entscheidungen „Rauch
vorhanden" und „Flamme
vorhanden"; gekennzeichnet
durch den Schritt des Filterns der durch das System produzierten
digitalisierten Bilder mithilfe einer vordefinierten Beziehung,
sodass ausschließlich Änderungen
in den Pixelmerkmalen, die innerhalb eines vorbestimmten Frequenzbands
auftreten, verwendet werden, um eine Entscheidung „Flamme
vorhanden" zu treffen;
und wobei gleichzeitig eine zweite vordefinierte Beziehung verwendet wird,
sodass Pixelmerkmale beurteilt werden, um zusätzlich zur oder anstelle der
Entscheidung „Flamme
vorhanden" eine
Entscheidung „Rauch
vorhanden" zu treffen.
-
Das
System und das Verfahren erzielen die folgenden einzigartigen Vorteile:
- (1) Die Erkennung von Rauch unabhängig von
Flammen, z. B. sogar in dunklen Tunnels,
- (2) Die Erkennung von Flammen unabhängig von Rauch, da das gewählte Frequenzband
zu einer bekannten Flamme gehören
kann,
- (3) Die Fähigkeit,
das Entstehen von Feuern zu erkennen, wenn vorwiegend Rauch erzeugt
wird – das
Feststellen von Licht ist zunächst
nicht notwendig, danach Grenzbeurteilung als ND1; das System bewältigt verschiedene
Entstehungsarten; es wird nicht nur mit Licht abgebenden Feuern
in einer ersten Phase fertig,
- (4) Fähigkeit
zur nahezu unverzögerten
Erwiderung auf eine Schutzüberwachung – ist eine
Rauchbeurteilung nicht erforderlich, wenn eine Flammenfrequenz erkannt
wird; im anderen Fall ist es nicht notwendig, Flammen zu beurteilen,
wenn Rauch festgestellt wird; und
- (5) Das System reagiert auf erfasste Ereignisse, sei das Ereignis
ein schnell entzündendes
Feuer, in dem wenig oder kein Rauch abgegeben wird, oder ein sich
langsam ausbreitendes Feuer.
-
Zum
guten Verständnis
der Erfindung werden nunmehr einige Ausführungen, die nur beispielhaft
angegeben sind, mit Bezug auf die Zeichnungen beschrieben, in denen
zeigen:
-
1 ein
Blockdiagramm, das ein Rauch- und Flammenerkennungssystem zeigt;
und
-
2 ein
Blockdiagramm, das Schritte eines Algorithmus zeigt, der von dem
in 1 gezeigtem System verwendet wurde; und
-
3 ein
Blockdiagramm, das einen anderen Algorithmus zur Verwendung in einem
Flammen- und Raucherkennungssystem darstellt.
-
Das
Rauch- und Flammenerkennungssystem 10 umfasst eine oder
mehrere Videokameras 12, die wechselnd auf eine oder mehrere
zu überwachende
Regionen gerichtet ist. Die Kameras übernehmen vorzugsweise auch
eine zweite Funktion als Teil eines Sicherheitssystems oder einer
anderen Form von Überwachungssystem.
Es versteht sich jedoch, dass eine oder mehrere Kameras nur für die Feuererkennung
vorgesehen werden könnten.
In der folgenden Beschreibung wird das System der Einfachheit wegen
als System beschrieben, das eine Kamera 12 hat.
-
Die
Kamera ist auf eine zu überwachende
Region oder einen Sichtbereich 14 gerichtet und gibt mit einer
Bildwechselfrequenz von 25Hz ein analoges Standard 625 Videosignal
aus. In der Praxis hat sich eine Standard-Videokamera von der Firma
Hitachi als geeignet erwiesen. Von der Kamera aufgenommene Bilder des
Sichtbereichs 14 werden mit einer minimalen Bildwechselfrequenz
von 5Hz, vorzugsweise mit etwa 10Hz, einer Einzelbild-Erfassungskarte 16 zugeführt. Die
Einzelbild-Erfassungskarte digitalisiert die Bilder bis zu einer
Auflösung
von 640 Pixeln pro Linie mit 480 Linien und führt mit der Bildwechselfrequenz
einem Prozessor 18 die digitalisierten Bilder zu. Die Einzelbild-Erfassungskarte
ist ein Standard Hardware-Teil. In der Praxis hat sich ein Gerät National
Instruments PCI 1411 als geeignet erwiesen, dass in den PCI-Bus eines Standard-PCs gesteckt
wird. Die Einzelbild-Erfassungskarte kann Scion Image Software verwenden.
-
Es
sollte ersichtlich sein, dass die Kamera eine Digitalkamera sein
kann. In diesem Fall müsste
die Einzelbild-Erfassungskarte die Bilder nicht digitalisieren,
sondern lediglich digitalisierte Bilder von der Kamera mit der notwendigen
Frequenz greifen und die Bilder dem Prozessor 18 zuführen.
-
Der
Prozessor 18 kann einen Standard-IBM PCTM,
der einen 750Hz Intel Pentium 3TM Prozessor
mit 128 MB RAM verwendet, umfassen. Es versteht sich jedoch, dass
dies nur ein Beispiel von vielen Prozessoren ist, die ebenso geeignet
wären.
-
Der
Prozessor 18 verarbeitet die digitalisierten Bilder, die
er von der Einzelbild-Erfassungskarte erhalten hat, mithilfe von
separaten Algorithmen 20, 22 für Rauch- und Flammenerkennung.
Einzelheiten zu den Algorithmen sind nachfolgend angegeben. Der
Prozessor verwendet eine mehrgängige
Verarbeitungsumgebung, wie z. B. Fenster, sodass gleichzeitig die
zwei Algorithmen laufen, um in dem digitalisierten Bild Rauch- oder
Flammbereiche zu erkennen.
-
Der
Prozessor analysiert die durch die Algorithmen erzeugten Daten,
um zu beurteilen, ob ein Feuer erkannt wurde. Der Prozessor kann
zu Beurteilung, ob ein Feuer erkannt wurde eine auf Abstimmung basierende
Analyse (engl.: vote based analysis) verwenden. Der Prozessor kann
beispielsweise ein Signal „Feuer erkannt" erzeugen, wenn eine
Entscheidung „Flamme
vorhanden" und eine
Entscheidung „Rauch
vorhanden" getroffen
wird. Dies würde
eine hochrangige Anzeige „Feuer
vorhanden" darstellen.
Im anderen Fall, wenn nur ein Algorithmus eine Ja-Entscheidung trifft,
kann der Prozessor eine Anzeige „Feuer vorhanden" mit niedrigerem
Rang bereitstellen. Eine weitere Möglichkeit besteht darin, eine
höherrangige
Anzeige „Feuer
vorhanden" zu erzeugen,
wenn beide Algorithmen eine Ja-Entscheidung treffen, und wenn einer
der beiden, z. B. der Algorithmus für die Flammenerkennung, eine
Ja-Entscheidung trifft, während
der andere eine Nein-Entscheidung trifft und eine Anzeige „Feuer
vorhanden" mit niedrigerem
Rang erzeugt, in dem nur der andere Algorithmus eine Ja-Entscheidung
trifft. Diese letzte Alternative kann vorteilhaft in einer Umgebung
verwendet werden, in der Rauch abgebende Feuer selten auftreten
und/oder es eine Wahrscheinlichkeit gibt, dass Ereignisse auftreten,
die eine fehlerhafte Entscheidung „Rauch vorhanden" auslösen. Ein
Beispiel für
eine solche Umgebung kann ein Bereich in einer Petrochemiefabrik
sein, in der Rauch freigesetzt werden kann. Es sollte selbstverständlich ersichtlich
sein, dass eine solche stimmenbasierte Analyse in vielerlei Hinsicht
verschieden sein kann, und dass beispielsweise die durch die Algorithmen
erzeugten Entscheidungen „Flamme
vorhanden" und „Rauch
vorhanden" eingestuft
werden können.
Die Abstimmung (engl.: vote) „Feuer
erkannt" könnte die
jeweiligen Einstufungen berücksichtigen,
indem sie beurteilt, ob ein Feuer erkannt wurde und welche Einstufung vorliegt,
falls die Anzeige „Feuer
vorhanden" eingestuft
wurde.
-
Alternativ
zu dem stimmenbasierten System kann der Prozessor die unter Verwendung
der Algorithmen erzeugten Daten nehmen und eine statistische Analyse
durchführen,
um zu beurteilen, ob ein Feuer erkannt wird. Eine solche Analyse
kann eine nicht-eingestufte Anzeige „Feuer erkannt" oder eine eingestufte
Anzeige „Feuer
vorhanden" erzeugen.
Es können
verschiedene Formen statistischer Analyse verwendet werden, darunter
Analysen, die auf frühere
Entscheidungen in einer vorbestimmten Zeitraum bezogen sind. Da
sie dem Fachmann ohne weiteres ersichtlich sind, werden diese Analysen
hier nicht detailliert beschrieben.
-
Wenn
die Entscheidung 26 ein Feuer feststellt, gibt der Prozessor
mithilfe einer Standard-Serienverbindung RS232 ein geeignetes Signal
aus. Das Signal kann verwendet werden, um für die Bedienperson eines herkömmlichen
PC-Bildschirms 28 eine
Bildschirm-Warnung anzugeben. Die Bedienperson kann daraufhin entscheiden,
ob ein Alarm ausgelöst
werden soll oder nicht oder ob eine genauere Untersuchung erfolgen
soll. Im anderen Fall, oder zusätzlich,
kann das Signal über
bekannte Schnittstellengeräte,
wie z. B. digitale bis analoge Schnittstellen, zugeführt werden,
um mithilfe einer herkömmlichen
Alarmeinrichtung 30 ein Alarmsignal zu erzeugen. Zusätzlich oder
alternativ könnte
ein digitales Alarmsignal zu einer digitalen Empfangseinrichtung der örtlichen
Feuerwehr geleitet werden. Es wäre
von Vorteil, wenn der Prozessor den Bestimmungsort des Ausgabesignals
gemäß der dem
Signal „Feuer
erkannt" zugeordneten
Einstufung (falls vorhanden) auswählt. Dadurch kann der Prozessor,
wenn das Signal „Feuer
erkannt" z. B. mit
einem niedrigem Rang eingestuft ist, bewirken, dass das Ausgabesignal
zu einer Anzeige geleitet wird und/oder zu einer Warneinrichtung
mit niedrigem Rang, um eine Bedienperson über die Möglichkeit eines Feuers zu alarmieren,
was die Bedienperson daraufhin manuell untersuchen sollte. In einem
solchen System kann der Prozessor veranlassen, dass das Ausgabesignal
zu einer Hauptalarmeinrichtung geleitet wird, wenn ein hochrangiges
Signal „Feuer
erkannt" erzeugt
wird. Während
bevorzugt wird, dass der Prozessor an einem gewissen Punkt das Ausgabesignal
ohne die Intervention einer Bedienperson an eine Alarmeinrichtung
weiterleitet, ist es ersichtlich, dass das System so konfiguriert
werden könnte,
dass es einfach als Warnsystem für
die Bedienperson wirkt, wenn der Benutzer dies wünscht.
-
Das
System umfasst eine Bedienerschnittstelle, z. B. eine Tastatur und/oder
eine Maus 34, mit dem eine Bedienperson die Verarbeitungsalgorithmen
beeinflussen kann, um das System durch Einstellen von Parametern,
welche die Algorithmen anwenden, kundenspezifisch zu gestalten mit
dem Ziel, die Erkennungsleistung zu verbessern und/oder die Fehlalarmrate
zu verringern. Mit der Bedienerschnittstelle ist es der Bedienperson
auch möglich,
dem System Befehle zuzuführen,
z. B. um einen Alarm zu beenden, der als falsch gilt. Die Bedienperson
kann beispielsweise das System so einstellen, dass es bestimmte
Zonen in einem speziellen Sichtbereich ignoriert, oder sie kann
für verschiedene
Abschnitte des Sichtbereiches voneinander abweichende Erkennungsparameter
zuordnen. Alternative Anzeigeformen und Eingabegeräte für das System
können
einen Berührungsbildschirm
einschließen.
Es sollte auch ersichtlich sein, dass das System ohne ein Bedienereingabegerät angegeben
werden kann, wenn es nicht nötig
oder nicht gewünscht
ist, dass die Bedienperson auf die Algorithmen zugreifen kann. In
diesem Fall kann das System so konfiguriert werden, dass es Daten
und Befehle von einem geeigneten tragbaren Computergerät empfängt, um
zu ermöglichen,
dass bevollmächtigte
Personen Einstellungen und Diagnosearbeiten durchführen können.
-
Das
System kann einen Ereignisspeicher 40 umfassen, der ein
fest eingebautes Teil des Prozessors oder ein Einzelplatzspeicher
ist. Dieser Ereignisspeicher kann verwendet werden, um Bilder anzuhalten,
die den Sichtbereich 14 zur Zeit der Erzeugung eines Signals „Feuer
erkannt" zeigen.
Solche Bilder können
zur Feineinstellung des Systems verwendet werden, wenn beispielsweise
eine beträchtliche
Anzahl von Fehlalarmen oder Fehlbedienwarnungen erzeugt wurden,
oder um über
die Zeit, den Ort und/oder die Ursache eines speziellen Feuers zu
berichten. Es sollte ersichtlich sein, dass das System so konfiguriert
werden kann, dass in Antwort auf Befehle vom Prozessor und/oder
Anweisungen von der Bedienperson im Ereignisspeicher 40 ein
Bild registriert wird.
-
Die
Verwendung von mehrgängigen
Verarbeitungen ermöglicht
einem Software-Programm und einem Prozessor die gleichzeitige Verarbeitung
von Rauch- und Feueralgorithmen sowie mehrerer Videokanäle. Zur Erhöhung der
Verarbeitungsgeschwindigkeit kann mehr als ein Prozessor verwendet
werden.
-
Die
Verwendung von gleichzeitiger Rauch- und Flammenerkennung verbessert
die Fähigkeit
des Systems, angemessene Antworten auf ein erkanntes Ereignis bereitzustellen,
sei dies nun ein schnell entzündendes
Feuer, bei dem nur wenig oder kein Rauch abgegeben wird, oder ein
langsam verbreitendes Feuer, wie solche, die Rauch abgeben. Wenn
z. B. ein System Rauch ohne Flamme in einer Zone erkennt, in der
ein Dampfleck ein anfängliches
Signal „Rauch
erkannt" auslösen kann,
kann ein Alarmereignis verhindert und/oder verzögert werden, bis eine Flamme
erkannt wird. Im anderen Fall, also in Umgebungen, wo eine Flammenerkennung
ohne das Vorhandensein von Feuer ausgelöst werden kann, z. B. dort,
wo herkömmliche Natriumbeleuchtung
vorhanden ist, kann ein Alarmsignal verzögert werden, bis Rauch erkannt
wird. Damit bietet das System größere Flexibilität und Empfindlichkeit
im Vergleich zu Systemen, die nur Rauch allein oder Feuer allein
erfassen. Es versteht sich, dass das System, da es gleichzeitig
das Vorhandensein von Rauch und Feuer überwachen kann, alle Arten
von Feuer erkennt, seien es sich schnell entzündende oder sich langsam ausbreitende
Feuer, die Rauch absondern.
-
Der
Algorithmus „Feuer
erkannt" 20,
den der Prozesser verwendet, um das Vorhandensein einer Flamme zu
erkennen, wird im Folgenden unter Bezugnahme auf 2 beschrieben.
Der Algorithmus wird in einer Mischung aus LabViewTM und
Microsoft® Visual++
verschlüsselt.
Der Algorithmus „Feuer
erkannt" umfasst
eine Reihe von Schritten S1 bis S7.
-
In
Schritt S1 wird das Videosignal in Form eines einfarbigen 640×480 Bildes
in den Algorithmus eingegeben, in dem jedes Bildpixel einen Intensitätswert von
8 Bits Auflösung
hat. Der Algorithmus verarbeitet mithilfe von linearen mathematischen
Prozessen jedes Pixel einzeln.
-
In
Schritt S2 wird das einfarbige 640×480 Bit Bild verwendet, um
zwei einzelne Bilder mit einer durchschnittlichen Auflösung von
640×489
Bit bereitzustellen, die schnell eintretende Ereignisse herausfiltern.
Dabei verwendet eines der Bilder einen 1.25 Hz eingestellten Filter
und das andere Bild einen 4.0 Hz eingestelltem Filter. Anschließend wird
die absolute Differenz zwischen Pixelwerten dieser zwei Bilder verwendet,
um ein Bewegungsband-Bild mit 640×480 8 Bit zu erhalten, das
Einheiten zeigt, die sich in dem Bild innerhalb eines Frequenzbands
zwischen 1.25 und 4.0 Hz bewegen. Dieses Frequenzband entspricht
dem Bereich der Bewegungsfrequenzen, die von Benzinflammen (engl.:
petrol flames) gezeigt werden, die empirisch beobachtet werden.
-
In
dem ersten Durchschnittsbild wird eine dimensionslose Zeitkonstante
k1 verwendet, um ein 640×480
8Bit Bild zu erzeugen, das Ereignisse herausfiltert, die schneller
als 4 Hz eintreten.
-
k1
wird nach der folgenden Beziehung berechnet: k1
= 1/(4 Hz × Zeit
in Sekunden zwischen aufeinander folgenden Einzelbildern)
-
Die
Konstante k1 wird dann verwendet, um auf folgende Weise ein Bild
zu erzeugen, das Ereignisse herausfiltert, die mit höheren Frequenzen
als 4 Hz eintreten: pM1 = k1 × (Live Pixel Bildwert) + (Wert
von pM1 vom vorhergehenden Einzelbild)wobei pM1 ein gleitender
Durchschnitt mit einem Anfangswert von Null ist. Jedes Pixel im
640×480
Live-Bild hat einen entsprechenden pM1-Wert, der zur Vervollständigung
des Durchschnittsbildes verwendet werden kann.
-
Im
zweiten Durchschnittsbild wird eine dimensionslose Zeitkonstante
k2 verwendet, um ein Bild mit einer Auflösung von 640×480 8 Bit
zu erzeugen, das Ereignisse herausfiltert, die schneller als mit
1.25 Hz eintreten.
-
k2
wird nach der folgenden Beziehung berechnet: k2
= 1/(1,25 Hz × Zeit
in Sekunden zwischen aufeinander folgenden Einzelbildern)
-
Die
Konstante k2 wird dann verwendet, um auf folgende Weise ein Bild
zu erzeugen, das Ereignisse herausfiltert, die mit höheren Frequenzen
als 1,25 Hz eintreten: pM2 = k2 ×(Live Pixel
Bildwert) + (1 – k2) × (Wert
von pM2 vom vorhergehenden Einzelbild)wobei pM2 ein gleitender
Durchschnitt mit einem Anfangswert Null ist. Jedes Pixel im 640×480 Bild
hat einen entsprechenden pM2-Wert, der zur Vervollständigung
des Durchschnittsbildes verwendet werden kann.
-
Wenn
die zwei 640×480
zeitgefilterten Bilder mit Pixelwerten, die gleich pM1 und pM2 sind,
erzeugt wurden, wird ein so genanntes Bewegungsband-Bild mit einer
Auflösung
von 640×480
erzeugt, indem jedes dieser Pixel dieser Durchschnittsbilder genommen
und die absolute Differenz zwischen pM1 und pM2 berechnet wird,
indem der Betrag der Differenz zwischen jedem der einzelnen Pixels
ermittelt wird, indem man pM1 von pM2 subtrahiert. Auf diese Weise erhält man ein
640×480
Bild, das nur Ereignisse zeigt, die im Frequenzband zwischen 1.25
Hz und 4.0 Hz eintreten. Jedes Pixel des Bewegungsband-Bildes hat
eine 8 Bit Auflösung.
-
In
Schritt 3 wird, wenn ein Bild unter Verwendung des Bewegungsbandes
gefiltert wurde, auf das gefilterte Bild ein Schwellenwert angewendet,
um in dem von k1 und k2 definiertem typischen Frequenzband einen
Kurvenverlauf von signifikanten Bewegungen zu erzeugen. Die Beobachtung
der zeitlichen Dynamiken dieser hervorgehobenen Pixel wird verwendet,
um zu entscheiden, ob in dem Videobild Flammen vorhanden sind oder
nicht. Der beste Wert für
diesen Schwellenwert, der auf der Beobachtung von Benzinflammen
im Außenbereich
basiert, entspricht einem Wert von 5 % des Dynamikbereichs von Werten,
in dem Bewegungsband-Bild mit 640×480 8 Bit, wo t1 = 13, der
auf die nächste
volle Zahl aufgerundet wird. In der in LabViewTM geschriebenen
Anwendung kann die Bedienperson des Systems diesen Wert mithilfe
der grafischen, vom LabViewTM bereitgestellten
Bedienerschnittfläche
auf einen beliebigen Wert zwischen 0 und 255 einstellen. Wenn ein
Pixelwert des Bewegungsband-Bildes größer als der Schwellenwert ist,
wird er als 1 in den Schwellenwert-Verlauf eingetragen. Wenn ein
Pixelwert des Bewegungsband-Bildes kleiner als der Schwellenwert
ist, wird er als 0 in den Schwellenwert-Verlauf eingetragen. Der
Schwellenwert-Verlauf ist ein Bool'sches-Bild mit 640×480 Pixeln, in dem Pixel,
die den Schwellenwert nicht überschreiten,
einen Wert von Null und Pixel, die den Schwellenwert überschreiten,
einen Wert von Eins haben.
-
In
Schritt S4 ist der „Erkennungs-Verlauf" (engl.: awareness
map) eine Teilmenge des „Schwellenwert-Verlaufs". Um den Sensibilisierungs-Verlauf
zu erzeugen hat jedes in Schritt S3 definierte Pixel im Schwellenwert-Verlauf
einen Erkennungspegel, der die Wahrscheinlichkeit dafür anzeigt,
dass die Flamme in diesem bestimmtem Pixel vorhanden ist. Wenn der
Erkennungspegel einen bedienerdefinierten Schwellenwert überschreitet,
der als Integer-Zahl t2 (Nominalwert von 40) definiert ist, dann
wird das Pixel, das den Schwellenwert überschreitet, mit einem Binärwert 1
im Sensibilisierungs-Verlauf
registriert.
-
Der
Sensibilisierungs-Verlauf ist ein Bool'sches 640×480 Bild. Für jedes
der Pixel im Sensibilisierungs-Verlauf wird eine Integer-Zahl erzeugt,
die als Erkennungspegel definiert ist. Der Wert des Erkennungspegels
wird berechnet, indem aufeinander folgende Einzelbilder des Sensibilisierungs-Verlaufs
verglichen werden, da jedes der Pixel gleich Null ist.
-
Wenn
sich im Sensibilisierungs-Verlauf zwischen aufeinander folgenden
Einzelbildern ein Pixel von 1 auf 0 oder von 0 auf 1 ändert, dann
wird für
dieses Pixel zu dem Wert des Erkennungspegels 2 hinzugefügt. Wenn
sich ein Pixel zwischen aufeinander folgenden Einzelbildern im Sensibilisierungs-Verlauf
nicht ändert
(z. B. bleibt 0 oder 1), dann wird vom Erkennungspegel 1 subtrahiert.
Der Minimalwert des Erkennungspegels ist Null, d.h. wenn der Erkennungspegel
negativ wird, wird dieser sofort auf Null gestellt.
-
Dies
bedeutet, dass Flackerbewegungen innerhalb des von k1 und k2 definierten
Frequenzbandes für jedes
einzelne Pixel einen raschen Anstieg im Erkennungspegel bewirken.
Beobachtungen zufolge sind diese Flackerbewegungen für Flammen
typisch.
-
In
Schritt S5 wird eine Anzahl von Parametern derart berechnet, dass
der Algorithmus entscheiden kann, ob in den verarbeiteten Videobildern
eine Flamme vorhanden ist. Diese Parameter können in einem Bewegungsdiagramm
dargestellt oder verwendet werden, um einen Vertrauenswert für ein Ereignis „Flamme
erkannt" zu bestimmen.
Der Parameter Plot0 ist eine Konstante, die einer Integer-Zahl – Alarmstufe
genannt – entspricht,
die vom Benutzer mit einem Standardwert 20 definiert wird. Wenn
der unten beschriebene Parameter Plot2 die Alarmstufe, die einen
Nominalwert 20 hat, überschreitet,
wird in dem System eine Flamme registriert. Niedrige Werte in der
Alarmstufe bedeuten, dass der Algorithmus schnell auf mögliche Flammen
in dem digitalisierten Bild reagiert, aber anfällig für Fehlentscheidungen ist. Hohe
Werte in der Alarmstufe bedeuten, dass der Algorithmus unempfänglich für Flammen-Fehlentscheidungen
ist, aber langsam auf mögliche
Flammen in dem digitalisiertem Bild reagiert.
-
Die
Parameter Plot1 und Plot2 werden folgendermaßen durch horizontales Abtasten
des Sensibilisierungs-Verlaufs berechnet. Wenn die Abtastung von
links nach rechts über
jede horizontale Linie des Sensibilisierungs-Verlaufs erfolgt, werden
die Werte benachbarter Pixel verglichen, und ein Wert in einen Kantenzähler (engl.:
edge counter) eingegeben, der bei einem Wert Null beginnt. Wenn
benachbarte Pixel gleich sind, wird zu dem Kantenzähler nichts
hinzugefügt.
Sind benachbarte Pixel unterschiedlich, wird zu dem Kantenzähler 1 hinzugefügt. Gleichzeitig
wird die Gesamtanzahl der Pixel mit dem Binärwert 1 gezählt und
in einen Pixelzähler
hinzugefügt.
Dieser Vorgang wird für
jede der 480 Linien des Bildes (von oben nach unten) durchgeführt, und
die Werte für
den Kantenzähler
und den Pixelzähler
werden zusammengezählt.
Diese sind:
Kantensumme = Summe der horizontalen Kantenübergänge in einem
Sensibilisierungs-Verlauf
Pixelsumme = Gesamtsumme der Pixel
mit einem Binärwert
1 im Sensibilisierungs-Verlauf
-
Parallel
dazu werden die Koordinaten der Pixel mit dem Binärwert 1
zur Kenntnis genommen. Unter Berücksichtigung
der folgenden Mengen wird eine Region definiert, die von Interesse
ist:
x1 = minimale x-Koordinate
x2 = maximale x-Koordinate
y1
= minimale y-Koordinate
y2 = maximale y-Koordinate
-
Der
Bereich der Region, die von Interesse ist, wird definiert als: ROIBereich = (x2 – x1) ×(y2 – y1)
-
Der
Parameter Plot1 wird folgendermaßen berechnet: Plot1
= (Pixelsumme – Kantensumme)/ROIBereich
-
Dies
ist ein Maß für die Spärlichkeit
des Flackerns im Bild und kann verwendet werden, um zwischen baumartigen
Objekten und dicht gepackter Flamme wie Objekte zu unterscheiden.
Wenn Plot1 kleiner als Null ist, dann ist das Bild spärlich; und
wenn Plot1 größer als
Null ist, ist das Bild dicht.
-
Der
Parameter Plot2 wird folgendermaßen berechnet: Plot2
= Pixelsumme/ROIBereich
-
In
Schritt S6 werden die oben beschriebenen „Plot"-Parameter unter Verwendung einer benutzerdefinierten,
dimensionslosen Zeitkonstante k3 mit einer Zeitkonstante von 8.0
Sekunden geglättet,
bevor die endgültige
Entscheidung „Flamme
vorhanden" getroffen
wird. K3 wird wie folgt berechnet: k3 = 8.0s/(Zeit
in Sekunden zwischen aufeinander folgenden Einzelbildern)
-
Die
Konstante k3 wird zwischen aufeinander folgenden Werten von Plot1
und Plot2 angewendet, die von aufeinander folgenden Videobildern
erhalten werden, welche die gleichen, oben beschriebenen Filtermethoden
verwenden wie k1 und k2. Dies verringert den Geräuschpegel in den grafisch dargestellten
Parametern und reduziert die Fehlalarmrate. Die Entscheidung, ob
in dem Videobild eine Flamme vorhanden ist, hat zwei Modi, welche
die Bedienperson auswählen
kann; einen Normalmodus und einen Baumfiltermodus.
-
Der
Normalmodus der Entscheidung „Flamme
vorhanden" kommt
zum Einsatz, wenn es in dem Bild keine baumähnlichen Objekte gibt. In diesem
Modus wird Plot1 ignoriert. Hier wird ein Alarm ausgelöst, wenn der
Parameter Plot2 größer als
der Parameter Plot1 ist.
-
Im
Baumfiltermodus wurde festgestellt, dass die von dem Algorithmus
erkannte Flackerbewegung für ein
baumähnliches
Objekt spärlich
verteilt und für
ein Feuer dicht verteilt war. Ein positiver Wert von Plot1 zeigt eine
dicht gepackte Anordnung von flackernden Pixeln (z. B. eine Flamme);
und ein negativer Wert von Plot1 zeigt eine spärlich gepackte Anordnung von
flackernden Pixeln (z. B. sich im Wind bewegende Blätter an
einen Baum).
-
Der
Alarm für
eine Flamme mit einem Baumfilter erfolgt nur, wenn Plot2 größer als
Plot0 und Plot1 größer als
Null ist.
-
Die
Erfinder haben herausgefunden, dass die Aufnahme eines Baumfilters
die Selektivität
des Systems erhöht,
aber auch die Menge Zeit erhöht.
Sie führt
jedoch auch dazu, dass mehr Zeit notwendig ist, um zu entscheiden,
ob in dem Bild eine Flamme vorhanden ist.
-
Der
oben beschriebene Algorithmus wurde durch empirische Methoden optimiert,
und die Konstanten, welche die Funktion des Algorithmus bestimmen,
können
so gewählt
werden, dass optimale Ergebnisse in der Szenenumgebung erreicht
werden.
-
Ferner
ist zu erkennen, dass Systeme, die farbige Videobilder oder unterschiedliche
Pixelauflösungen umfassen,
von solch einem Algorithmus verarbeitet werden können. Daher sind für den Fachmann
Erweiterungen zu dem Algorithmus ersichtlich.
-
Nunmehr
folgt eine Beschreibung eines geeigneten Raucherkennungsalgorithmus.
Für die
Zwecke dieses Algorithmus enthält
der Prozessor einen Komparator, der die Unterschiede zwischen verschiedenen Bildern
und die Pixel, aus denen das Bild besteht, analysiert. Zu diesem
Zweck vergleicht der Komparator zunächst das Bild mit vorherigen
Bildern und erhält
durch Subtraktion ein Signal, das den Unterschied zwischen aufeinander
folgenden Bildern darstellt. Das System enthält auch eine einstellbare Schwellenwert-Regulierung (engl.:
threshold control level) zur Empfindlichkeitseinstellung und Mittel,
mit denen Änderungen
eliminiert werden können,
die Signalgeräusche
darstellen.
-
Daraufhin
wird die Ausgabe des Komparators in Übereinstimmung mit dem Raucherkennungsalgorithmus
der Hauptverarbeitung des Signals ausgesetzt. Der Prozessor versucht
im Wesentlichen zu erkennen, ob in den einzelnen Pixeln eines Einzelbildes
und in den Unterschieden zwischen benachbarten Pixeln Veränderungen
auftreten, die durch Rauchpartikel verursacht werden könnten.
-
Der
Prozessor beinhaltet eine Anzahl an einzelnen Analysen, die mittels
geeigneter Computer Software eine mathematische Analyse im Signalprozess
als Teil der Ausstattung umfassen:
Das Signal verarbeitende
Mittel muss eine Hardware und/oder Software beinhalten, damit sie
die ausgewählten Änderungsbedingungen
erkennt, sodass das Vorhandensein einer Rauchbedingung erfasst werden
kann.
-
Die
Analyse kann auf dem Folgenden basieren:
-
Darstellung und Konzepte
-
Das
System hat zwei Bilder, mit denen es arbeitet, in dem ein Bild als
geordneter Satz von Pixelintensitäten definiert ist.
-
Zuerst
muss der Satz von möglichen
Pixelintensitätswerten
definiert werden
Z = <0,
1, 2, 3, ..., M>
wobei
M der maximale Pixelwert ist.
-
Ein
Bild ist definiert als ein geordneter Satz von Pixelwerten, wobei
ein Pixelwert definiert ist als:
ij ∊ Z
-
Daher
kann ein Bild wie folgt gekennzeichnet werden
I = ⟨i0, i1, i2,
i3, i4, ..., iN⟩
wobei N die Anzahl der Pixel
in einem Bild bezeichnet.
-
Das
System stellt zwei Bilder bereit, um die verschiedenen Änderungen
auszuwerten. Diese Bilder sind
R das Referenzbild,
C das
aktuelle Bild.
-
Wird
eine Änderung
erkannt, so wird diese Änderung
verwendet um eine Teilmenge der Bilder zu definieren. R∆ ⊆ R C∆ ⊆ C
-
Sind
diese Teilmengen definiert, so werden die folgenden Maße ausgewertet:
-
Konvergenz
zu einem gemeinsamen Mittelwert
-
Es
gibt das Referenzbild R und das aktuelle Bild C. Der Satz, bei dem
die Pixel als geändert
gelten, wird mit C∆ und R∆ gekennzeichnet.
-
m
sei der Mittelwert der Änderungen
in C, d. h.
wobei
#S die Anzahl
der Elemente in dem geordneten Satz S bezeichnet und
ΣS die Summe
aller Elemente in dem geordneten Satz S bezeichnet.
-
Sobald
der Wert m definiert ist, wird die Anzahl der Pixel, deren Intensität bezüglich ihres
jeweiligen Wertes im Referenzbild dem Wert m nahe kommt, ausgewertet.
Mit den gleichen Bildern wird auch die Anzahl der Pixel, deren Intensität von diesem
Mittelwert abweicht, berechnet.
nhin_zu
= Σ{Zeichen
(C_ – R)
= Zeichen (C_ – m)} nweg_von = Σ{Zeichen
(C_ – R
) ≠ Zeichen
(C_ – m)}wobei
die Funktion Zeichen für
Skalarwerte wie folgt definiert ist. Wenn sie an einen geordneten
Satz angewandt wird, ist sie als
definiert, um zu einem geordneten
Satz an Werten zurückzukehren.
-
Diese
zwei Werte stellen Maße
gemäß der „Konvergenz
zu einem gemeinsamen Mittelwert" bereit
und werden an das Entscheidungssystem weitergeleitet.
-
Aus statisch
wird dynamisch
-
Für jeden
untersuchten Bereich wird die Konsistenz des Änderungsbereichs im Zeitverlauf
ausgewertet, um zu beurteilen, ob dieser Bereich bezogen auf seine
Gesamtdarstellung dynamisch oder statisch ist. Beleuchtungsänderungen
verändern
das Bild, doch die Gesamtdarstellung ändert sich nicht. Die Korrelationsfunktion
wird verwendet, um diese Ähnlichkeit
im Zeitverlauf auszuwerten, da sie sowohl gegenüber Maßstabsänderungen als auch gegenüber Verstärkungsänderungen
unveränderlich
ist. Verdunkelt ein Objekt den Hintergrund, indem es sich in den
interessanten Bereich bewegt, so wird sich die Darstellung in dem
interessanten Bereich ändern.
Schwankt die Korrelation im Zeitverlauf ausreichend, so gilt der
Bereich als dynamisch. Diese Konsistenzmaßnahme wird an das Entscheidungssystem
weitergeleitet.
-
Kanteninhalt
-
Eine Änderung
der Kanteninformation wird als Änderung
beim Wert des Kantenmaßes
definiert. Das Kantenmaß ist
definiert als die Summe der Antworten eines Standardableitungsfilterkerns
(engl.: standard derivative filter kernel), bei dem durch den vorherigen
Schritt Änderungen
erkannt wurden. Ein einsetzbarer Standardfilter ist der Kantenfilter „Sobel". Dieses Maß an Kanteninhalt
wird an das Entscheidungssystem weitergeleitet.
-
Formeigenschaften
-
Verschiedene
Formeigenschaften werden verwendet, einschließlich Dichte und Bildseitenverhältnis (engl.:
aspect ratio).
- – Dichte ist definiert als
die durchschnittliche Anzahl der besetzten Nachbarn für alle Elemente
des Änderungssatzes.
Ein „Vierer-Konnektivitätsschema" (engl.: "four connectivity" scheme) wird angepasst
und entsprechend liegt der durchschnittliche Dichtewert im Bereich
von 0 bis 4.
- – Das
Bildseitenverhältnis
ist das Verhältnis
der Höhe
zur Breite der veränderten
Region.
-
Wenn
Dichte, Bildseitenverhältnis
und Pixelzahl (d. h. die Anzahl der veränderten Pixel in einem Bereich)
zusammengenommen werden, beschreiben sie einige der Formeigenschaften
des veränderten
Bereichs. Diese Werte werden an das Entscheidungssystem weitergeleitet.
-
Systembeschreibung
-
Die
Raucherfassungssoftware wurde in C++ geschrieben und unter Verwendung
des WATCOM C++ Compilers übersetzt.
Die Eigenschaften der unten beschriebenen Software sind in etwa
50 Quellcodedateien und weiteren 50 Kopfdateien enthalten und umfassen
insgesamt schätzungsweise
40 000 Codelinien.
-
ÜBERSICHT ÜBER DEN
RAUCHERFASSUNGSALGORITHMUS
-
Der
Raucherfassungsalgorithmus untersucht im Allgemeinen die folgenden
Merkmale eines digitalisierten Videostroms um festzustellen, ob
Rauch erkannt wurde:
Pixel (oder Gruppen von Pixeln), die sich
auf einen Mittelwert zubewegen;
Kanteninformation Kantendefinition – diese
können
zunehmen oder abnehmen, wenn Rauch auftritt (je nachdem, wie sie
zuvor waren);
Ob das Bild statisch oder dynamisch ist;
Auftreten
neuer Formen im Bild – Vergleich
charakteristischer Formen mit Rauch anzeigenden Formen.
-
Das
System erarbeitet die Unterschiede zwischen dem aktuellen Bild und
einem Referenzbild. Wichtige Teile der Analyse sind die folgenden:
Wo
sich die Bildpixel scheinbar geändert
haben, arbeiten die Algorithmen aus, ob die Bildpixel sich einem
gemeinsamen Mittelwert nähern
oder davon abweichen;
Kanten – Summe der Antworten eines
Standardabweichungsfilters, bei dem zuvor Änderungen erkannt wurden (Kantenfilter „Sobel");
Korrelationsfunktion
zur Bestimmung der Ähnlichkeit
im Zeitverlauf;
Form: Dichte der „veränderten" Region – die vier nächstmöglichen
Nachbarn;
Bildseitenverhältnis;
Gesamtbereich.
-
ZONEN
-
Zonen
sind rechteckige Regionen, die vom Benutzer aus dem Gesamtbild ausgewählt werden,
wenn das System installiert wird. Sie sind typischerweise so angeordnet,
dass sie wahrscheinliche Bereiche abdecken, an denen Rauch entstehen
kann, und (was noch wichtiger ist) Problembereiche der Szene nicht
abdecken. Jede Zone wird völlig
separat verarbeitet und die Ausgabeelemente jeder Zone können gegebenenfalls kombiniert
werden, um Alarm auszulösen.
Pixel in der Zone können
zudem so eliminiert werden, dass sie nicht in die Berechnung eingeschlossen
werden, zum Beispiel beim Glühfaden
einer Glühbirne
oder einem glänzenden
Metallgegenstand, der in der Sonne glitzert. Wiederum werden diese
vom Benutzer ausgewählt,
wenn das System in Auftrag gegeben wird. Zu jeder Zeit gibt es zwei
Hauptsätze
an Bilddaten für
die Zone – das
aktuelle Bild und das Referenzbild. Die Pixel in diesen Bildern
sind in nachstehender Erörterung
mit x bzw. xr gekennzeichnet.
-
In
jeder Zone wird ein Satz von n Parametern errechnet. Diese Parameter
werden in einen n-dimensionalen „Vektor" umgeformt, der einen „Merkmals-" Raum definiert.
-
Bilddaten (Ebenen), die
im Programm gespeichert sind
-
Die
folgenden Sätze
an Schlüsselbildebenen
(engl.: key image plane sets) sind von der Software für jede Zone
gespeichert:
| aktuell
(current) | Bilddaten |
| Referenz
(reference) | Referenzbilddaten |
| Änderung
(change) | rohe
veränderte
Pixel |
| Umgebung
(environment) | kantenempfindliche
Detektorwerte von Referenzbilddaten |
| Filter
(filter) | die
kombinierte „Maske" |
| vorherig
(previous) | vorheriger
Wert des „Filters" |
| entfernen
(eliminate) | Maske
der Pixel manuell entfernen |
-
Die
Bilder werden in regelmäßigen Abständen von
der Erfassungskarte erworben. Nach der Anpassung zur Normalisierung
von Helligkeit und Kontrast vergleicht das System das als letztes
erworbene Bild (das aktuelle) mit dem Referenzbild. Wenn sich die
Pixel um mehr als einen anpassbaren Schwellenwert unterscheiden
(Kamerageräusche
können
auch beachtet werden), dann gilt das Pixel als verändert.
-
Das
Referenzbild wird periodisch erworben, wenn das System keine Änderungen
in der Szene erkannt hat, und wenn das System feststellt, dass die
aktuelle Szene dem Referenzbild nicht mehr genug ähnelt. Dieses
Referenzbild wird analysiert, um unter Verwendung des nachstehend
beschriebenen KANTEN-Algorithmus
eine „Umgebungsmaske" zu erzeugen. Das
zeigt im Wesentlichen an, wo in der Zone ein Kantendetail ist.
-
Die
Konstruktion einer Pixel-für-Pixel „Filter"-Maske (engl.: pixel-by-pixel "filter" mask), die in den nachstehenden
Berechnungen verwendet wird, erfolgt durch Kombinieren der veränderten
Pixel mit der Umgebungsmaske. Die Maske der veränderten Pixel wird erst in
die endgültige
Filtermaske kopiert, wenn die Größe des Unterschieds
zwischen dem aktuellen und dem Referenzpixel den Kantendetail-Pixelwert übersteigt. Manuell
als problematisch ausgewählte
Pixel werden in diesem Stadium ebenfalls von dieser Maske entfernt.
-
Einfache Bildverarbeitungsvorgänge
-
Ein
großer
Satz verschiedener Bildverarbeitungsvorgänge wird anhand der Zonenbilddaten
ausgeführt.
In einigen Vorgängen
werden nur die unmaskierten Pixel verwendet, in anderen wird mit
dem gesamten Pixelsatz gearbeitet. Diese Parameter sind die Rohdaten,
die in die endgültigen
Rauch-Erfassungsalgorithmen eingegeben werden. Es handelt sich bei
allen um relativ einfache Bildverarbeitungsgrundelemente, doch sind die
in den Algorithmen verwendeten Definitionen nachstehend der Vollständigkeit
halber angeführt.
-
MITTELWERT
-
Dies
ist der einfache Mittelwert der N Pixelwerte x, in der Zone.
-
-
HIN_ZU_GEMEINSAMEM_MITTELWERT
-
Dieser
Parameter zählt
die Anzahl der unmaskierten Pixel im Bild, die vom Mittelwert mit
dem gleichen. Zeichen wie vom Referenzbild abweichen. HIN_ZU
= Σ[sign
(x – xr) = sign ((x) – xr)]
-
WEG_VON_GEMEINSAMEM_MITTELWERT
-
Dieser
Parameter zählt
die Anzahl der unmaskierten Pixel im Bild, die vom Mittelwert mit
dem entgegengesetzten Zeichen wie vom Referenzbild abweichen. WEG_VON = Σ[sign(x – xr) = sign((x) – xr)]
-
COFGX
-
Die
x-Koordinate des Mittelwerts der unmaskierten Pixel in der Zone
(sie verändert
sich, wenn Bereiche in der Zone ausmaskiert werden).
-
COFGY
-
Die
y-Koordinate des Mittelwerts der unmaskierten Pixel in der Zone
(sie verändert
sich, wenn Bereiche in der Zone ausmaskiert werden).
-
GRÖSSE
-
Die
Gesamtzahl der Pixel in der Zone, einschließlich der maskierten Pixel.
-
ZAHL
-
Die
Gesamtzahl der unmaskierten Pixel in der Zone (d. h. die maskierten
Pixel ausgenommen).
-
KANTE
-
Der
Kanteninhaltsalgorithmus betrachtet für jedes unmaskierte Pixel im
aktuellen Bild die vier benachbarten Pixel (oben/unten/links/rechts).
Er addiert die Summe der Größe der Unterschiede
zwischen dem linken und dem rechten, zwischen dem oberen und dem
unteren Pixel, sofern diese Pixel einen durch den Benutzer festgelegten
Schwellenwert übersteigen. KANTE = Σ[{Xoben – xunten| + |xlinks – xrechts|} (wenn > Schwellenwert)]
-
KANTEN_REF
-
Er
berechtet die KANTEN-Funktion, doch basierend auf den Referenzbildpixeln
anstatt basierend auf den Pixeln des aktuellen Bilds.
-
KORRELATION
-
Hierbei
handelt es sich um die Korrelation zwischen dem Referenz- und dem
aktuellen Bild. Sie wird wie folgt berechnet:
-
Die
Korrelationsfunktion wird als Gesamt-„Gate" (engl.: overall "gate")
zum Erfassungsvorgang verwendet. Ist diese Korrelation größer als
eine voreingestellte ÄHNLICHKEIT,
dann erfolgt in der Zone keine weitere Verarbeitung. Dies entspricht
dem Fall, dass das Bild im Wesentlichen gleich dem Referenzbild
ist.
-
KORRELATION_MASKIERT
-
Die
maskierte Korrelation berechnet die gleiche Funktion wie die vorstehende
Korrelationsfunktion unter Berücksichtigung
nur jener Pixel, die nicht maskiert sind.
-
VARIANZ
-
Hierbei
handelt es sich um die Standardvarianz des Pixelwerts x, einschließlich aller
Pixel, und wird wie folgt berechnet:
-
VARIANZ_REF
-
Hierbei
handelt es sich um die Standardvarianz der Pixelwerte x
r,
einschließlich
aller Pixel, und wird wie folgt berechnet:
-
SCHIEFE, KURTOSIS und
FÜNFTE
-
Diese
Parameter betrachten die Verteilung aller Pixelwerte im aktuellen
Bild. Als Beispiel können
die Pixelwerte eine Gauß'sche Verteilung um
den Pixelmittelwert herum aufweisen oder die Verteilung kann asymmetrisch
sein oder auch nicht gaußförmig. Die
Parameter wie Schiefe (engl.: skew), Kurtosis und Fünfte sind bekannte,
in der Statistik verwendete Parameter zur Analyse der nicht-Gauß'schen Form von Verteilungen.
Sie werden wie folgt berechnet:
-
SCHIEFE_REF, KURTOSIS_REF
und FÜNFTE_REF
-
Hierbei
wird, wie oben, die Verteilung im Referenzbild anstelle des aktuellen
Bildes betrachtet.
-
KOMPAKTHEIT
-
Bei
dieser Funktion werden zu jedem unmaskierten Pixel die vier nächsten Pixel
betrachtet und es wird die mittlere Anzahl der unmaskierten berechnet.
-
Die
Opazität
wird, nur für
die unmaskierten Pixel, wie folgt berechnet:
-
LAUFENDER_KORRELATIONS_MITTELWERT
-
Hierbei
handelt es sich um die Standardabweichung der vorstehend beschriebenen
KORRELATION. Dies ist ein laufender Mittelwert, da er einfach aus
einem Satz laufender Gesamtsummen berechnet wird.
-
LAUFENDER_MITTELWERT_MITTELWERT
-
Hierbei
handelt es sich um den Mittelwert der maskierten Korrelation – als laufender
Wert.
-
KANTEN_BEWEIS_BEWEIS
-
Dies
basiert auf einer Maske bestimmter Kanten im Bild. Diese Maske wird
von einem oder zwei Pixel überall
verkleinert. Die unmaskierten Pixel im aktuellen und im Referenzbild
werden unter Verwendung des oben beschriebenen KANTEN-Algorithmus
untersucht. Die Routine berechnet dann das mittlere Verhältnis der Pixel
im aktuellen KANTEN-Bild und im KANTEN-Referenzbild im unmaskierten
Bereich unter der Voraussetzung, dass das Referenzbild einen Wert
ungleich Null enthielt.
-
PROZENTSATZ_ÄNDERUNG_ÄNDERUNG
-
Hierbei
handelt es sich um eine Maßnahme
der Prozentsatzänderung
bei der Anzahl der maskierten Pixel zwischen der vorherigen und
der aktuellen „Filter-"Maske. Es handelt
sich um Boole'sche
Masken und die Prozentsatzänderung
wird einfach auf Grundlage der Anzahl der Pixel berechnet, die in
nur einem der zwei Bilder ungleich Null (WAHR) sind und sie werden
mit der Anzahl, die in einem oder beiden ungleich Null ist, normalisiert.
-
Die
Filtermasken werden vor dieser Berechnung „ausgehöhlt" unter Verwendung eines Algorithmus, der
nur WAHRE Pixel beibehält,
wenn alle ursprünglichen
vier Nachbarn ebenfalls WAHR waren. Dies ist eine Art des Filterns
zur Reduzierung des Lärms.
-
Regelbasierte
Analyse
-
Die
regelbasierte Analyse wird anfänglich
verwendet, um zu bestimmen, ob eine Änderung im Bild aufgetreten
ist und ob diese Änderung
signifikant ist. Wenn ja, wird eine weitere Analyse durchgeführt, um
zu sehen, ob die Änderung
mit Rauch zusammenhängen
könnte
oder ob sie beispielsweise mit einer vorbeilaufenden Person zusammenhängt.
-
Die
regelbasierte Analyse verwendet ein Speichersystem, bei dem für jede erfüllte Regel
Punkte zugeteilt werden. Übersteigt
die Gesamtzahl der Punkte ein (variables) Kriterium (typischerweise
90 % der Maximalpunktzahl), so bewegt sich die Analyse zur nächsten Stufe.
-
Die
Analyse wird für
einen Bereich durchgeführt,
der eine Teilmenge des Zonenbereichs ist und von den Kanten der
unmaskierten Pixel begrenzt wird.
-
Überprüfung der
Nicht-Korrelation
-
Ist
die laufende Korrelation für
diese Zone sehr klein (LAUFENDER_KORRELATIONS_MITTELWERT < 0,1), so bedeutet
dies, dass das Referenzbild und das aktuelle Bild sich nicht mehr
gleichen (z. B. weil sich die Kamera bewegt hat). Wenn sich das
Bild nicht bewegt (PROZENTSATZ_ÄNDERUNG < 0,3), dann ist
es Zeit, das Referenzbild der Zone zu aktualisieren und die aktuelle
Rauchüberprüfung zu
vernachlässigen.
-
Korrelation
unter dem Schwellenwert
-
Ist
die Korrelation niedriger als der benutzerdefinierte Schwellenwert,
so werden zwei Punkte erreicht, ansonsten wird die Überprüfung aufgegeben.
-
Hin zu oder
weg von gemeinsamem Mittelwert
-
Tendieren
die Pixelwerte zum gemeinsamen Mittelwert, so kann dies das Vorhandensein
von Rauch anzeigen (das ganze Bild wird gleichmäßig grau). Der Algorithmus
betrachtet das Verhältnis
zwischen den Bedingungen „hin
zu" und „weg von" und wenn dieses
ein vom Benutzer einstellbares Verhältnis übersteigt, so werden drei Punkte
erreicht.
-
Kantenanteil-anteil
-
Der „Kantenanteil" des Bereichs ist
das Verhältnis
der KANTEN zur ZAHL der Pixel im Bild. Dies wird sowohl für das aktuelle
als auch für
das Referenzbild berechnet. Befindet sich der Kantenanteil des aktuellen Bilds
außerhalb
eines voreingestellten Bandes, werden drei Punkte erreicht. Zusätzliche
drei Punkte werden erreicht, wenn der Kantenanteil vom Referenz-Kantenanteil
um mehr als einen voreingestellten Prozentsatz abweicht – selektiv
entweder nach oben oder nach unten.
-
Kompaktheit
-
Die
KOMPAKTHEIT (vorstehend definiert) muss innerhalb eines voreingestellten
Bandes liegen. Weicht sie davon ab, so werden drei Punkte erreicht.
-
Kantenbeweis
-
Der
KANTEN_BEWEIS wird durch das Vorhandensein von Rauch verringert.
Fällt er
unter einen voreingestellten Schwellenwert, so werden drei Punkte
erreicht.
-
Punktzahl
gegenüber
Kriterien
-
Beim
Aufstellen des Systems darf der Benutzer eine Teilmenge der erhältlichen
Tests festlegen, die ausgeführt
werden sollen. Die Maximalpunktzahl ist kleiner und dies sollte
bedacht werden, wenn festgelegt wird, ob die Punktzahl 90 % der
Maximalpunktzahl überschreitet.
Wenn es diese überschritten
hat, wird sodann eine Bayes'sche
Analyse durchgeführt.
-
Bayes'sche Analyse
-
Die
Bayes'sche Analyse
stellt ein gut begründetes
Entscheidungskriterium bereit, bei dem die Ko-Varianz der Merkmale
beachtet wird und sie sieht die Möglichkeit vor, zwischen verschiedenen
Ereignisklassen (Fehl- und richtiger Alarm) zu unterscheiden. Eine
wichtige Tatsache zur Festlegung der Merkmale, die bei der Bayes'schen Analyse verwendet
werden sollen, ist, dass die Merkmale gegenüber äußeren Einflüssen wie Hintergrund und Beleuchtung
unveränderlich
sein sollen. Der Algorithmus kann einige Varianz bewältigen, doch
sollten die Effekte äußerer Einflüsse im Allgemeinen
bei einem Minimum gehalten werden.
-
Bayes'sche Statistiken
sind ein nützliches
Werkzeug für
Entscheidungen in mehrdimensionalen Systemen wie diesem. Die Parameter
(MITTELWERT, HIN_ZU_GEMEINSAMEM_MITTELWERT etc.) werden miteinander
zu einem n-dimensionalen Vektor kombiniert. Diese Vektoren werden
verwendet, um das System zu „trainieren", indem ein Satz
Statistiken aufgebaut wird. Genauer gesagt, speichert das System
Daten für Fehl-
und richtigen Alarm in verschiedenen Klassen. Für einen n-dimensionalen Vektor
v werden die Summen s und S für
N verschiedene Alarmfälle
wie folgt berechnet (separat für
Fehl- bzw. richtigen
Alarm). s = Σv S = ΣvvT
-
Die
Bayes'sche Entscheidungsfunktion
nimmt einen Vektor v aus der aktuellen Zone/Region und berechnet
wie folgt einen realen Entscheidungswert d:
d wird für die zwei Referenzklassen
berechnet – Fehl-
und richtig – wodurch
sich d
n und d
r ergeben.
Ist d
r größer als d
n,
so signalisiert die Bayes'sche
Analyse einen Alarmzustand.
-
Ergeben
sich Probleme mit überlappenden
Antworten bei dn und dr,
so kann dies gelöst
werden, indem die Anzahl der Merkmale erhöht und damit zu einem höherdimensionalen
Raum übergegangen
wird (die Wahrscheinlichkeit, dass Wolken zufällig überlappen sinkt, wenn die Dimensionalität erhöht wird).
-
Kombination aus Regeln
und Bayes'scher
Analyse
-
Es
ist sehr wichtig, dass das Raucherfassungssystem Falschalarm verhindert.
Dies ist ein Schlüsselmerkmal
des Systems.
-
Daher
ist ein wichtiges Merkmal des Algorithmus die Kombination einer
regelbasierten Analyse mit einer statistikbasierten Analyse und
insbesondere mit einer auf der Bayes'schen Analyse basierten. Zuerst erfolgt
die regelbasierte Analyse und wenn bestimmte Kriterien erfüllt sind,
wird die Bayes'sche
Analyse angeregt.
-
Häufig stimmen
die Bayes'sche Analyse
und die regelbasierte Analyse nicht überein. In diesem Fall wird
das Vertrauen in die Bayes'sche
Analyse eingesetzt um festzustellen, ob der Alarm richtig oder falsch
ist. Die Unterscheidung zwischen richtig oder falsch beruht auf
Erfahrung und das System gewinnt im Zeitverlauf an Genauigkeit.
-
Wenn
die Bayes'sche Analyse
einen Alarm anzeigt, während
die regelbasierte Analyse keinen Alarm anzeigt, wird der Unterschied
zwischen den Werten dr und dn als
Vertrauensmaßstab
in den Alarm verwendet. Übersteigt
dieser die minimale Vertrauensstufe, so ist ein Alarm signalisiert,
obgleich die regelbasierte Analyse keinen Alarm herbeigeführt hat.
-
Wenn
die regelbasierte Analyse einen Alarm anzeigt, während die Bayes'sche Untersuchung
keinen Alarm anzeigt, und wenn dabei der Unterschied zwischen dn und dr größer als
die minimale Vertrauensstufe ist, so wird der Alarm abgebrochen.
-
Wenn
es keinen Alarm gibt, doch die Korrelation zwischen dem aktuellen
und dem Referenzbild klein ist und die Funktion der Prozentsatzänderung
gering ist, so wird das Referenzbild aktualisiert. Dadurch entsteht
eine wirksame Anpassung an Änderungen,
z. B. bei den Beleuchtungsstufen.
-
Obwohl
die Bayes'sche Analyse
zur Verhinderung von Fehlalarm wichtig ist, wird beabsichtigt, dass der
Raucherfassungsalgorithmus unter bestimmten Umständen eine zweite Analysestufe
auslassen und sich statt dessen auf die Ausgabe des Flammen-Erfassungsalgorithmus
verlassen kann, um so das Vorkommen von Fehlalarm zu verringern.
-
Ein
Feuer-Erfassungsalgorithmus 100 ist in 3 gezeigt.
Der Algorithmus ist in allgemeinen Begriffen beschrieben und in
einigen Schritten werden ein Schritt oder mehrere Schritte des Flammen-Erfassungsalgorithmus
und/oder des oben beschriebenen Rauch-Erfassungsalgorithmus 20 verwendet.
Die einzelnen Schritte, die im Algorithmus 100 enthalten
sind, sind in 3 gezeigt. Allgemein gesprochen,
analysiert der Algorithmus sich bewegende Teile in den von dem Prozessor
aufgenommenen Bildern, indem er den Unterschied zwischen aufeinander
folgenden Bildern oder einem aktuellen Bild und einem Referenzbild
untersucht, wobei das Referenzbild die Szene unter Bedingungen ohne
Feuer darstellt. Der gesamte Randbereich, die Position und die Dichte
der resultierenden Muster können
dann miteinander kombiniert werden, um quantitative Schätzungen
bestimmter Feuereigenschaften zu erzeugen und damit eine Entscheidung „Flamme
erkannt" herbeizuführen. In
der ersten Ordnung ist es möglich,
eine Schätzung
der Wahrscheinlichkeit zu erreichen, dass die Flamme vorkommt, indem
diese Schätzungen
oder Parameter für
jeden Einzelbildunterschied miteinander addiert werden.
-
Eine
Liste von Feuereigenschaften, die in Videobildern von Feuer vorkommen
und die verwendet werden können,
um festzustellen, ob Feuer in einem Bild zu sehen ist, umfasst die
folgenden Punkte:
- 1. Feuer strahlt mit einer
gut definierten Verteilung eines schwarzen Körpers Licht aus;
- 2. Die Form eines Feuers verändert
sich als Zeitfunktion;
- 3. Die Form eines Feuers hat eine komplizierte „fraktale" Struktur;
- 4. Einzelne Flammenzungen breiten sich mit großer Geschwindigkeit
aus;
- 5. Durch die Konvektion des Hitzestroms bewegt sich Feuer allgemein
nach oben; und
- 6. Rauch wird durch Feuer erzeugt.
-
Wie
in 3 gezeigt, kann der Feuer-Erfassungsalgorithmus
eine Farbkamera verwenden und der Algorithmus enthält einen
Schritt, in dem festgestellt wird, ob das zu verarbeitende Bild
von einer Farbkamera stammt. Wenn ja, kann ein Farbfilter Informationen
aus den roten, grünen
und blauen Kanälen
beziehen, um zu sehen, ob das Bild die Spektraleigenschaften eines
schwarzen Körpers
hat, der zwischen 2000K und 3000K strahlt. Da CCTV-Kameras auch
gegenüber
nahem Infrarot (≅ 900nm)
empfindlich sind, kann diese Information auch für den Vergleich mit einem geeigneten
Filter gesammelt werden.
-
Ein
Zeitfilter 48 wird erreicht, indem 1-P Mal ein Anfangsreferenzbild
zu P Mal dem N-ten Bild addiert wird, wobei P eine reelle Zahl zwischen
0 und 1 ist. Ist P = 1, so gibt es kein Zeitfiltern. Ist P = 0,5,
so ist das zeitgefilterte Bild unempfindlich gegenüber raschen Änderungen
im Einzelbild. Ist P = 0, so wird nur das Referenzbild verwendet.
Das Anfangsreferenzbild ist typischerweise ein Schnappschuss des
Sichtbereichs 14, wenn nichts passiert. Die spätere Anwendung
dieses Bildes stellt eine Referenzszene bereit, die allmähliche Änderungen
wie Dämmerung
einschließt,
jedoch rasche Änderungen
wie Feuerausbruch ignoriert. In der Praxis betrifft dies Werte von
P = 10 % oder 5 %.
-
Die
Regelanwendungsfunktion 50 wendet eine lineare Kombination
aus statistischen Parametern an. Zur Feststellung erster Ordnung
wird eine Summe aus Bereich, Rand und Zahl der sich bewegenden Partikel verwendet.
-
Die
verschiedenen Aspekte der Erfindung können beinhalten:
Einen
Flammen-Erfassungsalgorithmus, der eine Folge von Videobildern verarbeitet,
um Folgen von Bildern mit Flammen zu erkennen;
Ein System,
das den Flammen-Erfassungsalgorithmus anwendet, umfassend eine Videoquelle,
ein Einzelbilderfassungssystem und einen Prozessor sowie Mittel
zum Herbeiführen
eines externen Alarms, wenn eine Flamme erkannt wird;
Einen
Algorithmus zum Filtern von Live- oder aufgenommenen Videobildern,
so dass Änderungen
mit einem gut definierten Frequenzband, das für eine Flammenaktivität charakteristisch
ist, registriert werden;
Einen Algorithmus, der in einer Folge
von Bildern Änderungen
in die Bereiche flackerähnliches
Verhalten und nicht-flackerähnliches
Verhalten einordnet;
Einen Algorithmus mit Filtern, die in
einer Folge von Bildern ein binäres
Bild der Bereiche mit flammenähnlichem
Verhalten hervorbringen;
Einen Algorithmus zum Berechnen der
Parameter der Spärlichkeit
und des Verhältnisses
Kante-zu-Volumen in einem solchen binären Bild;
Einen weiteren
Algorithmus, der auf Basis der durch einen solchen Algorithmus ermittelten
Werte bestimmt, ob ein Alarm erzeugt werden soll oder nicht;
Einen
optimalen Satz an Parametern für
solche Algorithmen; und
Einen Algorithmus, der nacheinander
einen oder mehrere der oben genannten Algorithmen verwendet, um
Parameter zu erzeugen, die für
die Entscheidung, ob eine Flamme in einem Bild auftaucht, verwendet
werden können
und die zwischen sich im Wind bewegenden Bäumen und Flammen unterscheiden
können.
-
Einige
der Anmelder haben bereits Patentanmeldungen betreffend Feuererkennung
eingereicht. Diese Anmeldungen sind die folgenden:
Es wurde
herausgefunden, dass der Rauch-Erfassungsalgorithmus für sich allein
oder in Kombination mit dem Flammen-Erfassungsalgorithmus in einem Gas-Erfassungssystem
verwendet werden kann. Zum Beispiel könnte durch geeignete Modifikation
des Algorithmus/der Algorithmen Dampf erkannt werden. Dampf könnte anfangs ähnlich erkannt
werden wie das Vorhandensein von Rauch. Jedoch tendiert Dampf zur
Verdunstung und sollte in nachfolgenden Erfassungsfolgen nicht mehr
erkannt werden. Somit könnte
eine relativ kurze Dauer des Zeichens „Rauch erkannt" anzeigen, dass kein
Rauch, sondern vielmehr Dampf erkannt wurde. Ein Fehlen des Zeichens „Flamme
erkannt" in Kombination
mit dem Zeichen „Rauch
erkannt" könnte ebenfalls
anzeigen, dass es sich um eine Erfassung von Gas anstelle von Rauch/Feuer
handelt.
-
Der
Inhalt dieser Anmeldungen ist hier durch Bezugnahme aufgenommen
und die Anmelderin behält sich
das Recht vor, Material aus einer oder mehrerer jener Anmeldungen
in die vorliegende Anmeldung zu kopieren und eines oder mehrere
Merkmale oder Kombinationsmerkmale aus jenen Anmeldungen, entweder
allein oder in Kombination mit einem oder mehreren Merkmalen dieser
Anmeldung, zu beanspruchen.
