ES2277316T3 - Procedimiento y dispositivo para reconocimiento automatico de incendios forestales. - Google Patents
Procedimiento y dispositivo para reconocimiento automatico de incendios forestales. Download PDFInfo
- Publication number
- ES2277316T3 ES2277316T3 ES05090259T ES05090259T ES2277316T3 ES 2277316 T3 ES2277316 T3 ES 2277316T3 ES 05090259 T ES05090259 T ES 05090259T ES 05090259 T ES05090259 T ES 05090259T ES 2277316 T3 ES2277316 T3 ES 2277316T3
- Authority
- ES
- Spain
- Prior art keywords
- image
- smoke
- clusters
- procedure
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000000779 smoke Substances 0.000 claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 7
- 238000010845 search algorithm Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims abstract description 6
- 230000003287 optical effect Effects 0.000 claims abstract description 4
- 230000004913 activation Effects 0.000 claims abstract 4
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims abstract 2
- 238000009795 derivation Methods 0.000 claims abstract 2
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims 5
- 230000000875 corresponding effect Effects 0.000 claims 2
- 230000002596 correlated effect Effects 0.000 claims 1
- 239000011159 matrix material Substances 0.000 claims 1
- 230000008030 elimination Effects 0.000 abstract description 2
- 238000003379 elimination reaction Methods 0.000 abstract description 2
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 206010019345 Heat stroke Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 208000007180 Sunstroke Diseases 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Abstract
Procedimiento de reconocimiento automático de incendios forestales mediante un dispositivo de grabación óptica, dispuesto de manera giratoria sobre una plataforma, una unidad de análisis electrónica y un emisor o dispositivo local de alarma, comprendiendo los siguientes pasos de procedimiento: a) grabación y normalización de una imagen actual, b) determinación del horizonte a base de variables de estructura, c) repartición de la imagen en regiones encima y debajo del horizonte, d) determinación del primer plano directo en función de variables de estructura y derivación de una expansión mínima para el humo, e) detección de variables de estructura características para el humo, mediante operaciones no lineares en componentes de imagen en las diferentes zonas de acuerdo con c) y d), f) vinculación de las variables de estructura características detectadas mediante operadores algébricos y/o lógicos a una imagen estructural reagrupada, g) binarización de la imagen estructural reagrupada por comparación con un umbral, h) aplicación de un algoritmo de búsqueda de clústeres sobre la imagen binarizada de acuerdo con el paso de procedimiento g), j) formación de probabilidades para la valoración de los clústeres detectados en base a variables características así como la eliminación de clústeres debajo de un umbral de probabilidad, y k) activación de una alarma en caso de que la probabilidad de humo sobrepasa para al menos un cluster un umbral determinado.
Description
Procedimiento y dispositivo para reconocimiento
automático de incendios forestales.
El objeto de la presente invención es un
procedimiento y un dispositivo para el reconocimiento automático de
incendios forestales.
Debido a cambios climáticos y actuaciones e
intervenciones humanas, el riesgo de incendios en bosques y campos
no para de aumentar. En la mayoría de los casos, estos incendios
representan un peligro para las vidas humanas y causan grandes
daños económicos y ecológicos. Para restringir y luchar de manera
eficiente contra los incendios forestales, se precisa el
reconocimiento temprano. A este efecto existen varios
procedimientos, dependiendo del tipo y del tamaño de la región a
ser vigilada y del potencial del peligro. Llegan a utilizarse por
ejemplo aviones o centinelas sobre torres. Sobre todo en casos de
vigilancia de largo plazo sobre una torre se dan fallos de
reconocimiento por exceso de fatiga, falta de atención u factores
similares.
Por este motivo, ya se han propuesto unos
dispositivos automáticos para el reconocimiento de incendios
forestales en los cuales se examina el ambiente mediante un sistema
de cámaras en el alcance visible y/o en el alcance infrarrojo.
Especialmente en bosques densos el reconocimiento de humo en el
alcance espectral visible tiene una importancia decisiva ya que las
llamas abiertas a las cuales responden los sensores de infrarrojo
avisan del incendio demasiado tarde.
Un dispositivo de esta índole se conoce por
ejemplo por la patente US-5,237,308 donde la
existencia de humaredas se deduce mediante un análisis de
diferencia de imagen. En este caso se aprovecha del hecho que las
humaredas cambian su tamaño y forma con el tiempo. Para el análisis
de una zona, la cámara se instala fijamente y graba cierta escena.
En unos periodos determinados, la escena se vuelve a grabar.
Mediante la formación de la diferencia entre la escena original y
las escenas grabadas de nuevo, en el caso ideal se da una secuencia
de imágenes en blanco y negro en las cuales los objetos movidos
destacan en negro mientras que el fondo constante se neutraliza. A
través del cambio de forma y tamaño del objeto movido se deduce la
existencia de humaredas. Sin embargo, los cambios debidos a otros
motivos deben ser suprimidos de manera fiable. Estos cambios pueden
ser provocados por ejemplo por movimientos de personas, animales o
vehículos. Adicionalmente, los objetos normalmente fijos como
árboles pueden moverse por el viento. Otro motivo de error son
cambios en las condiciones de iluminación y reflejos. Para la
supresión de los errores que se deben a los movimientos se aprovecha
del hecho que solo cambian las coordenadas del objeto, pero no su
forma y tamaño. Los cambios en los reflejos o en las condiciones de
iluminación se suprimen por la reducción de los periodos ya que
estos cambios son muy poco probables dentro de periodos cortos. Una
humareda se determina esencialmente por tres parámetros, a saber,
las coordenadas de dirección, la forma y el tamaño. En caso de una
humareda se produce una superposición de las coordenadas de
dirección y la forma y el tamaño del objeto movido se modifican. Sin
embargo, el procedimiento conocido presenta unas desventajas. Así,
el procedimiento parte de la presunción de que la cámara está
colocada de modo fijo y estable en su posición. Sin embargo, a
efectos de obtener una visión suficiente sobre la zona a ser
observada, la cámara debe disponerse en una plataforma elevada o una
torre. No obstante, construcciones de este tipo están sometidas a
unas vibraciones inevitables, debido a las fuerzas de viento. La
consecuencia de ello es que las diversas grabaciones de la escena
no permiten la simple deducción una de la otra, puesto que, debido
a las vibraciones, cambia también el respectivo fondo normalmente
constante. Adicionalmente, el procedimiento conocido no permite la
vigilancia omnidireccional de una zona ya que, por una parte, se
necesita una multitud de grabaciones para determinar de modo fiable
una humareda de los tres parámetros de tamaño, forma y
desplazamiento porque debe existir permanentemente una imagen de
referencia sin humo ni objetos movidos. Por otra parte, para evitar
falsas alarmas, el umbral para una alarma puede ser puesto muy alto
ya que, en principio, existe una secuencia de imágenes que en un n
suficientemente grande reduce a un mínimo el peligro de descuidar
una humareda, debido al umbral alto. No obstante, esto ya no es el
caso para una vigilancia omnidireccional en la cual la cámara debe
girar.
Por la patente FR 2 696 939 se conoce un
procedimiento y un dispositivo para el reconocimiento automático de
incendios forestales, mediante un dispositivo de grabación óptica,
dispuesto de modo giratorio en una plataforma, una unidad local de
valoración, y un emisor o una alarma local, en cuyo caso se graba
una imagen actual y se calcula una imagen binar de cluster. Se
forman probabilidades para valorar los clústeres detectados en base
a unas variantes características, eliminando los clústeres debajo de
un umbral de probabilidad y activando una alarma en caso de que la
probabilidad de humo sobrepase el umbral determinado para al menos
un
cluster.
cluster.
Por la patente US-5,734,335 se
conoce un dispositivo para el reconocimiento automático de incendios
forestales, comprendiendo una cámara que está colocada de modo
giratorio de 360º y está conectada con una unidad de análisis,
estando asociado a la unidad de análisis un emisor para la
comunicación con una central.
S.Y.Foo: "A machine vision approach to detect
and categorize fires in aircraft dry bags and engine
compartments", Conference Record of the Industry Applications
Conference IEEE 1995, páginas 1557-1564 revela un
procedimiento para la localización de humo en salas de máquinas que
está basado en la calculación de valores estadísticos
característicos por el histograma de imagen y por lo tanto en el
análisis de características de textura.
La invención se basa por lo tanto en el problema
técnico de crear un procedimiento y un dispositivo para el
reconocimiento automático de incendios forestales, mediante los
cuales sea posible una vigilancia omnidireccional, pero se eviten
las falsas alarmas en la mayor medida posible.
Este problema técnico se resuelve mediante las
características de las reivindicaciones 1 y 4. Otras realizaciones
ventajosas de la invención resultan de las subreivindicaciones.
El procedimiento analiza la imagen actual
directamente mediante características de textura. Por lo tanto
pueden excluirse otros fenómenos dinámicos como vehículos movidos,
animales y nubes, como fuente de falsas alarmas.
Los procedimientos paralelamente aplicados en la
reivindicación 3 se aprovechan adicionalmente de la dinámica del
humo, causado por la convección turbulenta de los gases calientes y
del viento, para su reconocimiento. Por este motivo, estos
procedimientos necesitan unas imágenes de referencia adicionales. A
este efecto se pueden utilizar imágenes de la misma posición de un
ciclo precedente de vigilancia o bien una grabación adicional en la
posición actual. Posteriormente las imágenes se hacen congruentes lo
mejor posible mediante procedimientos de comparación. Gracias a
ello, se compensan tanto las vibraciones de la torre como las
divergencias inevitables de dirección, debidas a la exactitud
limitada de posicionamiento del sistema de cámara giratoria.
En el primer procedimiento se suprimen, mediante
filtraciones no lineares en la imagen de referencia, movimientos a
pequeña escala en la escena, como por ejemplo vibraciones de árboles
causadas por el viento, a través del desenfoque intencionado.
Posteriormente se calculan imágenes de diferencia a partir de
valores de gris y/o características estructurales entre la imagen
de referencia y la imagen actual, y las mismas se binarizan
mediante unos umbrales proporcionales con respecto a la divergencia
del estándar. A las imágenes binares se aplican algoritmos de
clústeres para identificar posibles humaredas. Después, los
clústeres detectados son analizados y valorados de acuerdo con
varios criterios como por ejemplo tamaño, forma y características
estructurales, en lo que se refiere a la probabilidad de humo. El
procedimiento es particularmente apropiado para el reconocimiento
de humo en el primer plano de la imagen ya que se suprimen las
vibraciones molestas en la escena aquí de modo eficiente.
En el procedimiento alternativo se genera una
imagen de diferencia con contraste normalizada. A través de una
filtración paso banda, las frecuencias espaciales no relevantes para
el humo son eliminadas. La imagen de diferencia filtrada se
binariza con umbrales de indicación calculados adaptándose en
función de la dispersión. Esta imagen binarizada se analiza
posteriormente en lo que se refiere a los clústeres. Debido a su
alta sensibilidad, este procedimiento trabaja de manera
especialmente eficiente en el reconocimiento de humaredas a gran
distancia.
De este modo, la aplicación paralela de los
procedimientos se aprovecha -como un observador humano- de las
características principales de humaredas, dinámica y estructura, de
manera óptima y aumenta de este modo la seguridad de detección. A
este efecto, los clústeres identificados con los diferentes
procedimientos son superpuestos y las diversas probabilidades
calculadas se centralizan como probabilidades condicionadas en una
probabilidad global. La misma puede ser pequeña por ejemplo cuando
los clústeres no se superponen en cierta parte de la imagen. Si la
probabilidad global para un cluster sobrepasa un umbral determinado,
se activa un aviso de alarma con indicaciones sobre la dirección,
la distancia y el tamaño. Si el análisis está terminado para una
imagen actual, en caso de detección no segura de humo se graba una
imagen adicional en la misma posición de la cámara o la cámara se
gira a la próxima posición.
A continuación, la invención se describe en
detalles en un ejemplo de realización preferente.
Las figuras muestran:
Las figuras muestran:
La figura 1 una primera escena sin humo como
imagen de referencia,
La figura 2 la imagen de referencia de acuerdo
con la figura 1 después de una filtración no linear,
La figura 3 una grabación de una imagen actual
en la escena,
La figura 4 una imagen binarizada de la
grabación actual con todos los clústeres,
La figura 5 una imagen binarizada según la
figura 4, después de eliminar los clústeres improbables,
La figura 6 una imagen de contraste
normalizada de las imágenes según la figura 1 y la figura 3,
La figura 7 la imagen de contraste normalizada
de acuerdo con la figura 6 después de una filtración paso banda,
La figura 8 la imagen de contraste normalizada
y binarizada según la figura 7,
La figura 9 la imagen binarizada según la
figura 8, después de eliminar las detecciones falsas,
La figura 10 la imagen actual según la figura 3
después de marcar cielo y edificios a través de un análisis
estructural,
La figura 11 la imagen actual después de marcar
la sección anterior del bosque,
La figura 12 reconocimiento del bosque en el
horizonte y del prado extendido delante a través de características
estructurales,
La figura 13 diferencias estructurales del
humo,
La figura 14 señalización del humo por
ocultación de las zonas consideradas como no esenciales, y
La figura 15 imagen binarizada de la imagen
estructural global.
En la figura 1 se representa una imagen de
referencia sin humo de una escena a ser analizada. Esta imagen de
referencia puede grabarse de antemano y utilizarse para el
respectivo análisis, o bien la imagen de referencia se graba poco
tiempo antes de la grabación esencial. En la imagen de referencia se
reconoce una región cubierta de bosques, situada en un primer plano
y el horizonte. Esta imagen de referencia se normaliza primero en lo
que se refiere a valores estándar como claridad media y
divergencias del estándar. Posteriormente el horizonte es
determinado y marcado, por ejemplo a través de una derivación
parcial en dirección Y. A efectos de suprimir eventuales
movimientos a pequeña escala en la imagen, por ejemplo causados por
las vibraciones de los árboles en el viento, las imágenes de
referencia son sometidas a un desenfoque. Esto se realiza mediante
una filtración no linear en una ventana de la imagen cuyo tamaño se
selecciona de tal modo que los movimientos posibles estén
contenidos en la misma. En el ejemplo de realización se utilizan los
valores locales máximo y mínimo en la ventana de la imagen. El
resultado para el máximo local de la imagen de referencia de la
figura 1 es representado en la figura 2.
En la figura 3 se representa una imagen de la
escena grabada actualmente, en la cual se encuentra una humareda, a
penas perceptible para el ojo humano. Antes de que la imagen actual
según la figura 3 pueda ser comparada con la imagen de referencia,
la imagen actual también se normaliza a unos valores estándar y se
sintoniza con la imagen de referencia. Posteriormente se calculan
imágenes diferenciales de la imagen actual y las imágenes filtradas
de referencia. Mediante unos umbrales de indicación se binariza la
imagen diferencial, es decir, se genera un uno lógico al sobrepasar
el umbral y un cero lógico al quedar debajo del umbral, de modo que
el resultado sea una imagen en blanco y negro como se representa en
la figura 4.
Posteriormente la imagen generada binarizada se
analiza mediante un algoritmo de búsqueda de clústeres. Los píxeles
de la imagen binaria reciben una etiqueta de la cual resulta su
apariencia a un determinado cluster. Los clústeres detectados se
analizan ahora en lo que se refiere a varias características como
tamaño, forma, estructura, grado de la divergencia de la imagen de
referencia y posición del cluster. Las diversas características se
ponderan entonces y se atribuye a los clústeres una probabilidad de
humo.
En un procedimiento alternativo el
reconocimiento de humaredas se produce también a través de las
modificaciones dinámicas de una imagen diferencial lo que se
describe con la ayuda de la misma imagen de referencia según la
figura 1 y la misma imagen actual según la figura 3. En este caso,
como en el procedimiento precedente, primero se normaliza la imagen
de referencia en lo que se refiere al valor medio y la divergencia
del estándar. Entonces, la imagen actual grabada se sintoniza con
la imagen de referencia, por ejemplo para compensar inexactitudes
de ángulo de la cámara y vibraciones de la torre. Posteriormente, la
imagen actual desplazada se normaliza como la imagen de referencia
en lo que se refiere a valores medios y divergencias del estándar. A
partir de las dos imágenes normalizadas se calcula a continuación
una imagen de diferencia con contraste normalizada, con
C =
\left|\frac{P-P_{ref}}{P+P_{ref}}\right|
y 0\leqC\leq1, designando P la
imagen actual y P_{ref} la imagen de referencia. La imagen de
diferencia con contraste normalizada que se produce está
representada en la figura 6. A continuación, la imagen de diferencia
con contraste normalizada de acuerdo con la figura 6 se somete a
una filtración paso banda para suprimir modificaciones con unas
frecuencias espaciales irrelevantes, especialmente de modificaciones
de gran espacio, por ejemplo causadas por un cambio de las
condiciones de la iluminación, lo que se ilustra en la figura 7. En
este sentido, una calculación adaptadora de un umbral de indicación
C_{min} se realiza en función de la desviación del estándar en
la imagen de diferencia con contraste normalizada de acuerdo con la
figura 6. Puesto que normalmente la dispersión en el cielo es
diferente de la dispersión por debajo del horizonte, de modo
correspondiente el umbral de indicación C_{min} puede elegirse
más bajo para las regiones encima del horizonte, de modo que se
aumente aun más la seguridad de reconocimiento de humaredas en
grandes distancias. Mediante el umbral calculado de indicación
C_{min} la imagen se binariza de acuerdo con la figura 7, lo que
es representado en la figura 8. Mediante el algoritmo de búsqueda
de clústeres antes mencionado se detectan los clústeres existentes.
Posteriormente se eliminan detecciones falsas formando coeficientes
de correlación para cada cluster en las coordenadas de las imágenes
originales normalizadas pertinentes. Puesto que la formación de humo
ocurre sin correlación, las detecciones falsas pueden ser
identificadas por los coeficientes de correlación K>K_{max}.
Adicionalmente, los clústeres por debajo de cierto tamaño mínimo
pueden ser eliminados en cuyo caso el tamaño mínimo puede ser
elegido de modo variable, en función de la distancia estimada y la
distancia puede ser determinada por la altura de la cámara así como
la coordenada Y del punto en la imagen. Los clústeres restantes
representan entonces con mucha probabilidad una humareda, siendo el
resultado de esta eliminación de detecciones falsas representado en
la figura 9. Para aumentar la seguridad, particularmente para
suprimir falsas alarmas causadas por un objeto movido en el campo
visual, puede servir la grabación y el análisis de otra imagen
adicional. En este caso, un objeto movido puede reconocerse en la
segunda imagen de diferencia con contraste normalizada por unas
coordenadas geográficas modificadas, mientras que una humareda
permanece esencialmente
estacionaria.
En otro procedimiento alternativo, una humareda
es reconocida de manera primordial mediante características
estructurales. En este sentido, primero se expondrán unas
reflexiones previas. En un principio, tanto una humareda como el
bosque están estructurados de manera relativamente uniforme. Sin
embargo, los mismos difieren por algunas características físicas.
Así, la humareda está configurada de modo típico como penacho que se
dirige hacia arriba. Las superficies libres en el bosque se
difieren de las humaredas por su estructura homogénea y sus líneas
cortadas en el borde superior. Inmediatamente encima del horizonte,
el humo se percibe de manera especialmente clara por una
modificación de la estructura e intensidad, ya que aquí el fondo
está estructurado de modo relativamente uniforme. Para reconocer el
horizonte, por una parte se puede volver a formar la derivación
parcial en dirección Y, o se puede determinar el horizonte mediante
la teoría estocástica por los valores de gris de la imagen. En una
proximidad inmediata del horizonte, las estructuras del cielo son
muy uniformes y difieren particularmente de la estructuración del
bosque. Estas estructuras son mucho más gruesas y se separan de
esta característica. Para detectar las diferencias de estructura, la
imagen se desplaza y se separa con la imagen original. Mediante un
umbral seleccionado se puede detectar en dirección perpendicular un
salto de los valores de gris en la línea horizontal.
Dentro de las zonas de la extensión mínima
esperada del fuego se forman diferencias de valores de gris con
respecto a los puntos vecinos pertinentes. Preferentemente, las
distancias de los puntos vecinos en este caso tienen
aproximadamente el doble diámetro de la extensión mínima esperada
del humo. Adicionalmente, las humaredas en el horizonte pueden
distinguirse teniendo en consideración la dirección preferente de
las estructuras. Mientras que las humaredas presentan incluso en el
viento una dirección perpendicular preferente de las estructuras
estocásticas, las distribuciones estructurales de las nubes
naturales en proximidad inmediata del horizonte están
preferentemente en dirección horizontal, o las mismas están difusas
y tienen unas estructuras esencialmente más pequeñas.
Adicionalmente, los valores de gris respectivos de los puntos
vecinos son ordenados por un punto asumido de referencia por bits o
por regiones, por valores de gris ascendentes. De ello resulta una
distribución que deja aparecer el fuego como un acontecimiento
único y característico.
A presente, el procedimiento se describe otra
vez mediante la imagen de referencia según la figura 1 y la imagen
actual según la figura 3. Primero se normaliza la claridad de la
imagen actual mediante una determinación de la suma de los valores
de gris y la comparación con la imagen de referencia. A continuación
se comprueba el horizonte, tal como se ha descrito anteriormente, y
se divide la imagen en regiones encima y debajo del horizonte. A
base de diferencias estructurales se distinguen también regiones de
bosque en la proximidad del horizonte, en el centro y en el primer
plano. Para determinar el inmediato primer plano, se utiliza por
ejemplo un cambio brusco a una estructura más gruesa. Esta
diferenciación tiene efectos sobre el tamaño esperado del humo, a
saber, los penachos de humo son más pequeños en el fondo que en el
primer plano. A efectos de la determinación de las particularidades
en la imagen en lo que se refiere a las características
estructurales y de valores de grises, en la imagen de referencia se
marcan ciertas superficies como por ejemplo edificios, prados,
campos, lagos y carreteras, que no se toman en consideración para
incendios. De este modo, en la figura 10 se representa la marcación
del cielo y de los edificios y en la figura 12 la marcación del
segmento anterior de bosque. La señalización del bosque al
horizonte y de los prados antepuestos se representa en la figura
12.
A efectos de comprobar las características
estructurales se realizan operaciones no lineares con los puntos
vecinos, como por ejemplo filtraciones no lineares, clasificación
según los valores de gris ascendentes, clasificación según el
ordenamiento, histogramas locales, formaciones de clústeres en base
a criterios no lineares en lo que se refiere a la distancia local,
vinculados con las distancias de los valores de gris. Se utilizan
aquí tanto los procedimientos paramétricos (determinación de
valores de probabilidad) como los procedimientos no paramétricos
tal como los algoritmos de ordenamiento. En la figura 13 se perciben
las diferencias estructurales del humo por la línea oscura debajo
del horizonte. Si se ocultan ahora las superficies ya consideradas
como no relevantes, resulta una representación de acuerdo con la
figura 14, donde el humo destaca sensiblemente de lo que le
rodea.
Las modificaciones locales de claridad, por
ejemplo causadas por diferencias de insolación con el cielo nublado,
se compensan en una gran medida a través de la forma de
distribución de grises en comparación con una imagen de referencia
y el desplazamiento de la distribución resultando de un
desplazamiento de la insolación.
Los cambios estructurales son representados en
forma de imágenes digitales. Mediante ligaduras algebraicas y/o
lógicas diversas características se reúnen para la identificación
del humo. La imagen estructural reunida de esta manera, presentando
sensibilidades optimizadas frente al humo, se representa mediante
umbrales como imagen binar en la cual el humo aparece como
superficie blanca en la figura 15.
Los procedimientos anteriormente descritos ya
tienen por sí solos la capacidad de detectar el humo. Un aumento de
la fiabilidad se logra mediante la aplicación paralela de los
procedimientos. Esto es facilitado sobre todo por el hecho que unos
pasos separados son idénticos para todos los procedimientos o que se
pueden utilizar pasos idénticos de procedimiento. Por ejemplo la
determinación del horizonte mediante características estructurales
puede aplicarse también a los demás procedimientos. Asimismo se
puede realizar una sintonización común de imágenes desde la imagen
actual hasta la imagen de referencia. Se puede aplicar también un
algoritmo común de búsqueda de clústeres.
Claims (5)
1. Procedimiento de reconocimiento automático de
incendios forestales mediante un dispositivo de grabación óptica,
dispuesto de manera giratoria sobre una plataforma, una unidad de
análisis electrónica y un emisor o dispositivo local de alarma,
comprendiendo los siguientes pasos de procedimiento:
a) grabación y normalización de una imagen
actual,
b) determinación del horizonte a base de
variables de estructura,
c) repartición de la imagen en regiones encima
y debajo del horizonte,
d) determinación del primer plano directo en
función de variables de estructura y derivación de una expansión
mínima para el humo,
e) detección de variables de estructura
características para el humo, mediante operaciones no lineares en
componentes de imagen en las diferentes zonas de acuerdo con c) y
d),
f) vinculación de las variables de estructura
características detectadas mediante operadores algébricos y/o
lógicos a una imagen estructural reagrupada,
g) binarización de la imagen estructural
reagrupada por comparación con un umbral,
h) aplicación de un algoritmo de búsqueda de
clústeres sobre la imagen binarizada de acuerdo con el paso de
procedimiento g),
j) formación de probabilidades para la
valoración de los clústeres detectados en base a variables
características así como la eliminación de clústeres debajo de un
umbral de probabilidad, y
k) activación de una alarma en caso de que la
probabilidad de humo sobrepasa para al menos un cluster un umbral
determinado.
2. Procedimiento de acuerdo con la
reivindicación 1, caracterizado por el hecho que se graba y
normaliza previamente una imagen de referencia que sirve para
detectar y ocultar superficies no relevantes dentro de la imagen
actual por comparación de valores de gris y variantes de
estructura.
3. Procedimiento de reconocimiento automático de
incendios forestales de acuerdo con las reivindicaciones 1 ó 2,
caracterizado por el hecho que se aplican paralelamente los
siguientes procedimientos:
a) grabación de una imagen de referencia de una
escena y determinación del horizonte
b) normalización de la imagen de referencia a un
valor medio y una desviación estándar y marcación de la región de
la imagen debajo del horizonte,
c) realización de una filtración no linear para
la supresión de posibles movimientos en la imagen de referencia
grabada normalizada.
d) almacenamiento temporal de la imagen de
referencia adquirida,
e) grabación de al menos una imagen actual de la
escena a ser analizada,
f) realización de una comparación de la imagen
actual con la imagen de referencia,
g) normalización de la imagen adquirida
comparada analógicamente con el paso de procedimiento b),
h) formación de umbrales proporcionalmente a la
desviación estándar normalizada,
i) comparación de la imagen actual de acuerdo
con el paso de procedimiento g) con la imagen de referencia
correspondiente de acuerdo con el paso de procedimiento d) y
creación de una imagen de diferencia binarizada con la ayuda de los
umbrales de acuerdo con el paso de procedimiento h),
j) aplicación de un algoritmo de búsqueda de
clústeres sobre la imagen de diferencia binarizada de acuerdo con
el paso de procedimiento i) para descubrir los clústeres
correlacionados.
k) formación de probabilidades para la
valoración de los clústeres encontrados sobre la base de
características variables y eliminación de clústeres debajo de un
umbral de probabilidad y
l) activación de una alarma en caso de que la
probabilidad de humo sobrepase para al menos un cluster un umbral
determinado, así como
- a)
- grabación de una imagen de referencia de una escena,
- b)
- normalización de la imagen de referencia a unos valores estándar,
- c)
- grabación de una imagen actual de la escena,
- d)
- realización de una comparación de la imagen actual con la imagen de referencia,
- e)
- normalización de la imagen comparada de acuerdo con el paso de procedimiento d) de modo análogo con el paso de procedimiento b),
- f)
- calculación de una imagen de diferencia con contraste normalizada C a partir de la imagen comparada normalizada P y una imagen de referencia normalizada P_{ref} con
C =
\left|\frac{P-P_{ref}}{P+P_{ref}}\right|
- g)
- realización de una filtración pasabanda de la imagen de diferencia con contraste normalizada,
- h)
- calculación adaptadora de un valor de umbral como función de dispersión en una imagen de diferencia con contraste normalizada,
- i)
- binarización de la imagen de diferencia con contraste normalizada, filtrada por comparación con el valor de umbral,
- j)
- aplicación de un algoritmo de búsqueda de clústeres sobre la imagen de diferencia con contraste normalizada de acuerdo con el paso de procedimiento i)
- k)
- calculación de un coeficiente de correlación para cada cluster con las coordenadas correspondientes de las imágenes originales asociadas según el paso de procedimiento b) y e),
- l)
- formación de probabilidades para la valoración de los clústeres detectados en base a variables características como coeficientes de correlación y contraste así como la eliminación de clústeres debajo de un umbral de probabilidad, y
- m)
- activación de una alarma en caso de que la probabilidad de humo sobrepasa para al menos un cluster un umbral determinado.
4. Dispositivo para realizar el procedimiento de
acuerdo con la reivindicación 1, comprendiendo una matriz CCD o una
cámara APS como aparato de grabación óptica que está colocado de
modo giratorio horizontalmente en 360º y está conectado con la
unidad de análisis electrónica, estando conectados la alarma local
y/o el emisor con una central para su comunicación.
5. Dispositivo de acuerdo con la reivindicación
4, caracterizado por el hecho que un filtro de paso de banda
estrecha rojo y/o infrarrojo está dispuesto delante de la óptica de
la cámara.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19840873A DE19840873A1 (de) | 1998-09-01 | 1998-09-01 | Verfahren und Vorrichtung zur automatischen Waldbranderkennung |
DE19840873 | 1998-09-01 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2277316T3 true ES2277316T3 (es) | 2007-07-01 |
Family
ID=7880147
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES05090259T Expired - Lifetime ES2277316T3 (es) | 1998-09-01 | 1999-07-16 | Procedimiento y dispositivo para reconocimiento automatico de incendios forestales. |
ES99250238T Expired - Lifetime ES2264242T3 (es) | 1998-09-01 | 1999-07-16 | Procedimiento y dispositivo para reconocimiento automatico de incendios forestales. |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES99250238T Expired - Lifetime ES2264242T3 (es) | 1998-09-01 | 1999-07-16 | Procedimiento y dispositivo para reconocimiento automatico de incendios forestales. |
Country Status (7)
Country | Link |
---|---|
EP (2) | EP1628260B1 (es) |
AT (2) | ATE348370T1 (es) |
CY (2) | CY1105279T1 (es) |
DE (3) | DE19840873A1 (es) |
ES (2) | ES2277316T3 (es) |
PT (2) | PT1628260E (es) |
SI (2) | SI1628260T1 (es) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10011411C2 (de) | 2000-03-09 | 2003-08-14 | Bosch Gmbh Robert | Bildgebender Brandmelder |
DE10022218A1 (de) * | 2000-05-04 | 2001-11-08 | Oezkan Mustafa | Dynamische Flächenüberwachung mit optischen Intensitäts-Scannern |
PT102617B (pt) | 2001-05-30 | 2004-01-30 | Inst Superior Tecnico | Sistema lidar controlado por computador para localizacao de fumo, aplicavel, em particular, a deteccao precoce de incendios florestais |
AT414055B (de) * | 2003-12-22 | 2006-08-15 | Wagner Sicherheitssysteme Gmbh | Verfahren und einrichtung zur branderkennung |
DE102004056958B3 (de) * | 2004-11-22 | 2006-08-10 | IQ wireless GmbH, Entwicklungsgesellschaft für Systeme und Technologien der Telekommunikation | Verfahren für die Überwachung von Territorien zur Erkennung von Wald- und Flächenbränden |
DE102004057855A1 (de) | 2004-11-30 | 2006-06-08 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Erkennung von heißen Zielen am Erdboden |
US7769204B2 (en) † | 2006-02-13 | 2010-08-03 | George Privalov | Smoke detection method and apparatus |
GB0606489D0 (en) | 2006-03-31 | 2006-05-10 | Qinetiq Ltd | System and method for processing imagery from synthetic aperture systems |
DE112009003247A5 (de) | 2008-11-03 | 2012-05-03 | IQ Wireless Entwicklungsges. für Systeme und Technologien der Telekommunikation mbH | Verfahren und vorrichtung zur nächtlichen erkennung von bränden und unterscheidung von künstlichen lichtquellen |
DE102009020709A1 (de) | 2009-05-11 | 2010-11-18 | Basso, Gertrud | Verfahren und Vorrichtung zur Überwachung und Detektion von Zuständen der Luft und Bewuchs in Waldgebieten mit selbstlernenden Analyseverfahren zur Generierung von Alarmwahrscheinlichkeiten |
DE102009024212B4 (de) | 2009-06-08 | 2012-03-01 | Adensis Gmbh | Verfahren und Vorrichtung zur Vermeidung einer drohenden Verminderung der Einspeiseleistung einer Photovoltaikanlage sowie Verwendung einer Vorrichtung zur Durchführung des Verfahrens |
DE102009048739B3 (de) * | 2009-07-14 | 2012-03-29 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur automatischen Waldbranderkennung |
DE102010026085B4 (de) * | 2010-07-05 | 2015-04-16 | Herrenknecht Ag | Verfahren zum Überwachen wenigstens eines Zahnrades eines im Betrieb befindlichen Getriebes |
AT510329B1 (de) * | 2010-08-27 | 2012-05-15 | Tissuegnostics Gmbh | Verfahren zur erkennung einer gewebestruktur |
CN102254398B (zh) * | 2011-06-13 | 2013-05-01 | 中国科学技术大学 | 一种森林火灾烟雾监测方法和系统 |
CN103377533B (zh) * | 2012-04-21 | 2015-10-28 | 鲍鹏飞 | 用于森林防火的彩色图像摄取处理识别的烟火探测方法 |
DE102013017395B3 (de) | 2013-10-19 | 2014-12-11 | IQ Wireless Entwicklungsges. für Systeme und Technologien der Telekommunikation mbH | Verfahren und Vorrichtung zur automatisierten Waldbrandfrüherkennung mittels optischer Detektion von Rauchwolken |
CN104408706A (zh) * | 2014-09-30 | 2015-03-11 | 天津艾思科尔科技有限公司 | 一种基于双波段图像的火灾检测及定位方法 |
CN105208325B (zh) * | 2015-08-26 | 2018-06-29 | 武汉大学 | 基于图像定点抓拍及比对分析的国土资源监控预警方法 |
DE102016207705A1 (de) * | 2016-05-04 | 2017-11-09 | Robert Bosch Gmbh | Rauchdetektionsvorrichtung, Verfahren zur Detektion von Rauch eines Brandes sowie Computerprogramm |
WO2019048604A1 (de) | 2017-09-09 | 2019-03-14 | Fcm Dienstleistungs Ag | Automatische früherkennung von rauch, russ und feuer mit erhöhter erkennungssicherheit durch maschinelles lernen |
WO2019048601A1 (de) | 2017-09-09 | 2019-03-14 | Fcm Dienstleistungs Ag | Automatische früherkennung von rauch, russ und feuer mit erhöhter erkennungssicherheit |
WO2019048603A1 (de) | 2017-09-09 | 2019-03-14 | Fcm Dienstleistungs Ag | Automatische früherkennung von rauch, russ und feuer mittels 3d-geländemodell |
CN108898159B (zh) * | 2018-05-31 | 2022-05-27 | 中南林业科技大学 | 基于dbscan算法的虚假林火热点过滤方法 |
CN108875806B (zh) * | 2018-05-31 | 2022-08-16 | 中南林业科技大学 | 基于时空数据的虚假林火热点挖掘方法 |
CN110084992A (zh) * | 2019-05-16 | 2019-08-02 | 武汉科技大学 | 基于无人机的古建筑群火灾报警方法、装置及存储介质 |
CN110765937A (zh) * | 2019-10-22 | 2020-02-07 | 新疆天业(集团)有限公司 | 一种基于迁移学习的煤场自燃检测方法 |
CN111968331A (zh) * | 2020-08-17 | 2020-11-20 | 国为(南京)软件科技有限公司 | 基于新一代信息技术平台的商场火警紧急处理方法 |
CN112258518B (zh) * | 2020-10-09 | 2022-05-03 | 国家海洋局南海调查技术中心(国家海洋局南海浮标中心) | 一种海天线提取方法及装置 |
CN112185086B (zh) * | 2020-10-12 | 2022-03-15 | 合肥弘恩机电科技有限公司 | 基于偏差分析的粮库安全预警系统 |
CN115311658B (zh) * | 2022-10-12 | 2023-01-10 | 四川三思德科技有限公司 | 森林防火烟雾报警抗干扰处理方法 |
CN115691026B (zh) * | 2022-12-29 | 2023-05-05 | 湖北省林业科学研究院 | 一种森林防火的智能预警监控管理方法 |
CN116740653A (zh) * | 2023-08-14 | 2023-09-12 | 山东创亿智慧信息科技发展有限责任公司 | 一种配电箱运行状态监测方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4937878A (en) * | 1988-08-08 | 1990-06-26 | Hughes Aircraft Company | Signal processing for autonomous acquisition of objects in cluttered background |
US5734335A (en) * | 1989-12-20 | 1998-03-31 | Finmeccanica S.P.A. | Forest surveillance and monitoring system for the early detection and reporting of forest fires |
US5583947A (en) * | 1990-05-18 | 1996-12-10 | U.S. Philips Corporation | Device for the detection of objects in a sequence of images |
US5237308A (en) * | 1991-02-18 | 1993-08-17 | Fujitsu Limited | Supervisory system using visible ray or infrared ray |
FR2674974B1 (fr) * | 1991-04-03 | 1993-07-30 | Nereides | Procede de classification automatique de l'etat nuageux du ciel et dispositif pour sa mise en óoeuvre. |
FR2696939B1 (fr) * | 1992-10-16 | 1995-01-06 | Bertin & Cie | Procédé et dispositif de détection automatique rapide de feux de forêt. |
-
1998
- 1998-09-01 DE DE19840873A patent/DE19840873A1/de not_active Withdrawn
-
1999
- 1999-07-16 EP EP05090259A patent/EP1628260B1/de not_active Expired - Lifetime
- 1999-07-16 PT PT05090259T patent/PT1628260E/pt unknown
- 1999-07-16 PT PT99250238T patent/PT984413E/pt unknown
- 1999-07-16 SI SI9930956T patent/SI1628260T1/sl unknown
- 1999-07-16 AT AT05090259T patent/ATE348370T1/de not_active IP Right Cessation
- 1999-07-16 DE DE59913428T patent/DE59913428D1/de not_active Expired - Lifetime
- 1999-07-16 ES ES05090259T patent/ES2277316T3/es not_active Expired - Lifetime
- 1999-07-16 DE DE59914062T patent/DE59914062D1/de not_active Expired - Lifetime
- 1999-07-16 SI SI9930912T patent/SI0984413T1/sl unknown
- 1999-07-16 AT AT99250238T patent/ATE326737T1/de not_active IP Right Cessation
- 1999-07-16 EP EP99250238A patent/EP0984413B1/de not_active Expired - Lifetime
- 1999-07-16 ES ES99250238T patent/ES2264242T3/es not_active Expired - Lifetime
-
2006
- 2006-08-16 CY CY20061101148T patent/CY1105279T1/el unknown
-
2007
- 2007-03-13 CY CY20071100355T patent/CY1106379T1/el unknown
Also Published As
Publication number | Publication date |
---|---|
EP1628260B1 (de) | 2006-12-13 |
SI0984413T1 (sl) | 2006-10-31 |
PT1628260E (pt) | 2007-02-28 |
ES2264242T3 (es) | 2006-12-16 |
PT984413E (pt) | 2006-08-31 |
CY1105279T1 (el) | 2010-03-03 |
ATE326737T1 (de) | 2006-06-15 |
EP1628260A1 (de) | 2006-02-22 |
ATE348370T1 (de) | 2007-01-15 |
DE19840873A1 (de) | 2000-03-09 |
DE59913428D1 (de) | 2006-06-22 |
CY1106379T1 (el) | 2011-10-12 |
SI1628260T1 (sl) | 2007-06-30 |
EP0984413A2 (de) | 2000-03-08 |
DE59914062D1 (de) | 2007-01-25 |
EP0984413A3 (de) | 2004-06-09 |
EP0984413B1 (de) | 2006-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2277316T3 (es) | Procedimiento y dispositivo para reconocimiento automatico de incendios forestales. | |
CN106558181B (zh) | 火灾监测方法和装置 | |
ES2410429T3 (es) | Sistema y método para detección por video de humo y llamas | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
US8744125B2 (en) | Clustering-based object classification | |
US6104831A (en) | Method for rejection of flickering lights in an imaging system | |
US5937092A (en) | Rejection of light intrusion false alarms in a video security system | |
CN109766779B (zh) | 徘徊人员识别方法及相关产品 | |
CN106485868B (zh) | 火情的监测方法、系统和火情的监测服务器 | |
US20180286075A1 (en) | Setting Different Background Model Sensitivities by User Defined Regions and Background Filters | |
US20130342692A1 (en) | Ptz video visibility detection method based on luminance characteristic | |
CN111339997A (zh) | 火点区域的确定方法及装置、存储介质和电子装置 | |
JP2004534315A (ja) | 移動対象物を監視する方法およびシステム | |
WO2022078182A1 (zh) | 抛出位置获取方法、装置、计算机设备及存储介质 | |
CN111163285A (zh) | 高空抛坠物监测方法及其系统、计算机可读存储介质 | |
Cetin et al. | Methods and techniques for fire detection: signal, image and video processing perspectives | |
CN107067412A (zh) | 一种多信息融合的视频火焰烟雾检测方法 | |
CN109377694B (zh) | 社区车辆的监控方法及系统 | |
CN110473375A (zh) | 森林火灾的监测方法、装置、设备和系统 | |
CN109961042A (zh) | 结合深度卷积神经网络和视觉变化图的烟雾检测方法 | |
CN112270253A (zh) | 一种高空抛物的检测方法及装置 | |
EP1010130A1 (en) | Low false alarm rate video security system using object classification | |
CN105448017A (zh) | 小区围栏报警系统 | |
EA029104B1 (ru) | Способ управления системой мониторинга и система для его реализации | |
CN109034038B (zh) | 一种基于多特征融合的火灾识别装置 |