ES2277316T3 - Procedimiento y dispositivo para reconocimiento automatico de incendios forestales. - Google Patents

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.

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:

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.