JP2015197788A - 層流煙検出装置および層流煙検出方法 - Google Patents
層流煙検出装置および層流煙検出方法 Download PDFInfo
- Publication number
- JP2015197788A JP2015197788A JP2014075340A JP2014075340A JP2015197788A JP 2015197788 A JP2015197788 A JP 2015197788A JP 2014075340 A JP2014075340 A JP 2014075340A JP 2014075340 A JP2014075340 A JP 2014075340A JP 2015197788 A JP2015197788 A JP 2015197788A
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- laminar smoke
- image
- smoke
- laminar
- 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.)
- Granted
Links
- 239000000779 smoke Substances 0.000 title claims abstract description 232
- 238000001514 detection method Methods 0.000 title claims abstract description 70
- 238000012544 monitoring process Methods 0.000 claims abstract description 89
- 238000002360 preparation method Methods 0.000 claims abstract description 36
- 238000000605 extraction Methods 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 description 44
- 238000004364 calculation method Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
- Fire-Detection Mechanisms (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】事前準備時に、複数の層流煙画像および複数の誤報源画像を対象画像として記憶するとともに基準画像を記憶し、監視時に撮像された監視対象画像を記憶する画像メモリ(10)と、対象画像ごとに基準画像との類似度を示すLBP特徴量を算出する特徴量抽出部(20a)と、複数の層流煙画像について算出されたLBP特徴量に関する層流煙特徴量ヒストグラムを作成するとともに、複数の誤報源画像について算出されたLBP特徴量に関する誤報源特徴量ヒストグラムを作成する特徴量ヒストグラム作成部(31)と、監視対象画像に対して算出されたLBP特徴量と、層流煙特徴量ヒストグラムおよび誤報源特徴量ヒストグラムとの相関関係から、監視対象画像において層流煙が発生しているか否かを判断する層流煙判定部(32)とを備える。
【選択図】図1
Description
1)監視カメラの画像を目視確認することで、遠隔地において煙検出状況の把握が可能となる。
2)すでに設置されている監視カメラを流用することが可能であり、効率的な設備を構築できる。
監視カメラの画像は、常に照明条件や視野が安定している環境で撮像されることが好ましい。しかしながら、監視場所によっては、必ずしもこのような好条件下ばかりでなく、監視範囲内には、人などの移動物が往来する場所、あるいは日照条件等が時間とともに変化する場所などがあり、これらが誤報源となる。
本実施の形態1においては、輝度ヒストグラム(濃淡ヒストグラム)を用いたテクスチャ解析に基づいて、層流煙の検出精度を向上させる方法について説明する。
特徴量抽出部20内の輝度ヒストグラム作成部21は、画像メモリ10に記憶された画像の、テクスチャ特徴を計測したい画像領域に対して、濃淡ヒストグラムH(l)(l=0、1、2、・・・、L−1)を求める。ここで、lは、濃淡レベルに相当し、256階調の場合には、L=256、l=0、1、・・・、255となる。
さらに、輝度ヒストグラム作成部21は、画像領域の画素数で各濃淡レベルの頻度H(l)を割り、総画素数が1.0になるように正規化し、P(l)とする。ここで、正規化するのは、テクスチャ特徴が計測する領域の面積に依存しないようにするためである。
特徴量抽出部20内のテクスチャ特徴量算出部22は、輝度ヒストグラム作成部21により正規化された頻度P(l)に基づいて、以下の5つのテクスチャ特徴量を算出する。
下式(1)により、テクスチャ特徴量1として、濃淡レベルの平均を算出する。この平均値は、画像領域内の濃淡レベルの単純平均に相当する。
下式(2)により、テクスチャ特徴量2として、濃淡レベルのコントラストを算出する。このコントラストの値は、分布が高いレベルに偏っていれば、大きな値をとることとなる。
下式(3)により、テクスチャ特徴量3として、濃淡レベルの分散を算出する。この分散の値は、平均値から離れた画素が多く存在すれば、大きな値をとることとなる。
下式(4)により、テクスチャ特徴量4として、濃淡レベルのエネルギーを算出する。このエネルギーの値は、特定の濃淡レベルに集中して画素が存在していると大きな値をとり、1に近づくこととなる。
下式(5)により、テクスチャ特徴量5として、濃淡レベルのエントロピーを算出する。このエントロピーの値は、多くの濃淡レベルの画素が多く存在すると大きな値をとる。
特徴量抽出部20は、事前準備段階においては、手順1〜手順3を繰り返すことで、実際の層流煙、および実際の誤報源のそれぞれについて撮像した複数の画像に対して、複数のテクスチャ特徴量を算出する。
図2(a):実際に層流煙が発生した際の複数の撮像画像における、テクスチャ特徴量1(平均)の算出結果に関する頻度分布データ
図2(b):実際に誤報源が発生した際の複数の撮像画像における、テクスチャ特徴量1(平均)の算出結果に関する頻度分布データ
図2(c):実際に層流煙が発生した際の複数の撮像画像における、テクスチャ特徴量3(分散)の算出結果に関する頻度分布データ
図2(d):実際に誤報源が発生した際の複数の撮像画像における、テクスチャ特徴量3(分散)の算出結果に関する頻度分布データ
図2(e):実際に層流煙が発生した際の複数の撮像画像における、テクスチャ特徴量5(エントロピー)の算出結果に関する頻度分布データ
図2(f):実際に誤報源が発生した際の複数の撮像画像における、テクスチャ特徴量5(エントロピー)の算出結果に関する頻度分布データ
上述した手順1〜4の事前準備段階におけるデータ収集結果に基づいて、実際の監視時には、以下の手順5(1)および手順5(2)に従って、層流煙の発生有無を判断する。
特徴量抽出部20は、実際の監視時に得られる撮像画像について、上述した手順1〜手順3に従って、テクスチャ特徴量1〜テクスチャ特徴量5を算出する。
層流煙発生検出部30内の層流煙判定部32は、手順5(1)において監視時の画像について、特徴量抽出部20によって求められた複数のテクスチャ特徴量のそれぞれについて、手順4で収集済みのそれぞれのテクスチャ特徴量に関する層流煙特徴量ヒストグラム(頻度分布)、および誤報源特徴量ヒストグラム(頻度分布)との相関関係を求める。
先の実施の形態1では、層流煙を検出するための特徴量として、輝度ヒストグラムに基づくテクスチャ特徴量を採用する場合について説明した。これに対して、本実施の形態2では、注目画素および周囲画素の輝度に着目し、事前に取得した基準画像と、監視時における取得画像との間の類似性に関する指標を、層流煙を検出するための特徴量として採用する場合について説明する。
図4は、本発明の実施の形態2における特徴量であるローカルバイナリパターン(LBP)に関する説明図である。図4(a)は、中心にある注目画素と、その周囲の8つ画素である周囲画素(1)〜(8)について、256階調中の輝度値(濃淡値)をそれぞれ示している。
図5は、本発明の実施の形態2におけるLBPデータに基づく特徴量の算出処理に関する説明図である。LBPデータ作成部23は、図4(b)に示した8ビットのLBPデータの作成を、監視時の監視対象画像で順次スキャンされた3×3の画素からなる取得データと、事前に取得済みの基準画像内で順次スキャンされた3×3の画素からなる基準データについて、順次行う。
特徴量抽出部20aは、事前準備段階においては、手順1、手順2を繰り返すことで、実際の層流煙、および実際の誤報源のそれぞれについて撮像した複数の画像に対して、LBP特徴量を算出する。
図6(a):実際に層流煙が発生した際の複数の撮像画像における、LBP特徴量の算出結果に関する頻度分布データ
図6(b):実際に誤報源が発生した際の複数の撮像画像における、LBP特徴量の算出結果に関する頻度分布データ
上述した手順1〜3の事前準備段階におけるデータ収集結果に基づいて、実際の監視時には、以下の手順4(1)および手順4(2)に従って、層流煙の発生有無を判断する。
特徴量抽出部20aは、実際の監視時に得られる撮像画像について、上述した手順1、手順2に従って、LBP特徴量を算出する。
層流煙発生検出部30内の層流煙判定部32は、手順4(1)において監視時の画像について、特徴量抽出部20aによって求められたLBP特徴量について、手順3で収集済みのLBP特徴量に関する層流煙特徴量ヒストグラム(頻度分布)、および誤報源特徴量ヒストグラム(頻度分布)との相関関係を求める。
本実施の形態3では、1つあるいは複数の特徴量のヒストグラムに対する、監視時に得られた特徴量の相関関係の度合を、「マハラノビス距離」を用いて定量的に評価する方法について説明する。すなわち、監視対象画像に基づいて算出された特徴量と、層流煙特徴量ヒストグラムおよび誤報源特徴量ヒストグラムとの相関関係を、「マハラノビス距離」を用いて定量的に評価する方法について詳述する。
MA=3.6458
MB=22.3125
UA=3.5355
UB=2.1213
Claims (4)
- 監視カメラにより撮像された画像に対して画像処理を施すことにより、層流煙の発生を検出する層流煙検出装置であって、
事前準備時に、検出対象である層流煙が実際に発生したときの複数の層流煙画像、誤報源が実際に存在する複数の誤報源画像、および前記層流煙および前記誤報源がともに存在しない基準画像を記憶するとともに、監視時に、前記監視カメラにより撮像された監視対象画像を記憶する画像メモリと、
前記画像メモリ内に記憶された画像ごとに、注目画素と前記注目画素の上下左右の4近傍の周囲画素、あるいは、前記注目画素と前記注目画素の左上、右上、左下、右下の4近傍の周囲画素でなる5画素の領域を順次スキャンし、それぞれの領域ごとに、前記注目画素の輝度に対する4近傍の前記周囲画素の輝度の大小関係を示す4ビットからなるローカルバイナリパターンデータを算出し、前記複数の層流煙画像、前記複数の誤報源画像、および前記監視対象画像の中のいずれか1つを対象画像として算出した第1のローカルバイナリパターンデータと、前記基準画像に対して算出した第2のローカルバイナリパターンデータとの排他的論理和をとり、一致したビット数を計数することで前記注目画素ごとに類似度を算出し、前記対象画像のそれぞれについて画像内の全ての注目画素に対応する前記類似度の平均値を算出することでLBP特徴量を算出する特徴量抽出部と、
前記事前準備時に前記画像メモリに記憶された前記複数の層流煙画像のそれぞれを前記対象画像として前記特徴量抽出部により算出された前記LBP特徴量について、前記複数の層流煙画像に関する層流煙特徴量ヒストグラムを作成するとともに、前記事前準備時に前記画像メモリに記憶された前記複数の誤報源画像のそれぞれを前記対象画像として前記特徴量抽出部により算出された前記LBP特徴量について、前記複数の誤報源画像に関する誤報源特徴量ヒストグラムを作成する特徴量ヒストグラム作成部と、
前記監視時に前記画像メモリに記憶された前記監視対象画像を前記対象画像として前記特徴量抽出部により算出された前記LBP特徴量と、前記特徴量ヒストグラム作成部により作成された前記層流煙特徴量ヒストグラムおよび前記誤報源特徴量ヒストグラムとの相関関係から、前記監視時に撮像された前記監視対象画像において層流煙が発生しているか否かを判断する層流煙判定部と
を備える層流煙検出装置。 - 請求項1に記載の層流煙検出装置において、
前記特徴量抽出部は、前記ローカルバイナリパターンデータを算出する際に、前記4近傍の周囲画素に対応して前記4ビットからなるローカルバイナリパターンデータを算出する代わりに、前記注目画素の上下左右、左上、右上、左下、右下の8近傍の周囲画素に対応して、8ビットからなるローカルバイナリパターンデータを算出する
層流煙検出装置。 - 請求項1または2に記載の層流煙検出装置において、
前記層流煙判定部は、前記特徴量ヒストグラム作成部により作成された前記層流煙特徴量ヒストグラムから、層流煙が発生した可能性が高い特徴量範囲を規定し、前記監視時に前記画像メモリに記憶された前記監視対象画像に対して前記特徴量抽出部により算出された前記LBPが、前記特徴量範囲に属している場合には、前記監視時に撮像された前記監視対象画像において層流煙が発生していると判断する
層流煙検出装置。 - 監視カメラにより撮像された画像に対して画像処理を施すことにより、層流煙の発生を検出する層流煙検出装置であって、
事前準備時に、検出対象である層流煙が実際に発生したときの複数の層流煙画像、誤報源が実際に存在する複数の誤報源画像、および前記層流煙および前記誤報源がともに存在しない基準画像を画像メモリに記憶するとともに、監視時に、前記監視カメラにより撮像された監視対象画像を前記画像メモリに記憶する記憶ステップと、
前記画像メモリ内に記憶された画像ごとに、注目画素と前記注目画素の上下左右の4近傍の周囲画素、あるいは、前記注目画素と前記注目画素の左上、右上、左下、右下の4近傍の周囲画素でなる5画素の領域を順次スキャンし、それぞれの領域ごとに、前記注目画素の輝度に対する4近傍の前記周囲画素の輝度の大小関係を示す4ビットからなるローカルバイナリパターンデータを算出し、前記複数の層流煙画像、前記複数の誤報源画像、および前記監視対象画像の中のいずれか1つを対象画像として算出した第1のローカルバイナリパターンデータと、前記基準画像に対して算出した第2のローカルバイナリパターンデータとの排他的論理和をとり、一致したビット数を計数することで前記注目画素ごとに類似度を算出し、前記対象画像のそれぞれについて画像内の全ての注目画素に対応する前記類似度の平均値を算出することでLBP特徴量を算出する特徴量抽出ステップと、
前記事前準備時に前記画像メモリに記憶された前記複数の層流煙画像のそれぞれを前記対象画像として前記特徴量抽出ステップにより算出された前記LBP特徴量について、前記複数の層流煙画像に関する層流煙特徴量ヒストグラムを作成するとともに、前記事前準備時に前記画像メモリに記憶された前記複数の誤報源画像のそれぞれを前記対象画像として前記特徴量抽出ステップにより算出された前記LBP特徴量について、前記複数の誤報源画像に関する誤報源特徴量ヒストグラムを作成する特徴量ヒストグラム作成ステップと、
前記監視時に前記画像メモリに記憶された前記監視対象画像を前記対象画像として前記特徴量抽出ステップにより算出された前記LBP特徴量と、前記特徴量ヒストグラム作成ステップにより作成された前記層流煙特徴量ヒストグラムおよび前記誤報源特徴量ヒストグラムとの相関関係から、前記監視時に撮像された前記監視対象画像において層流煙が発生しているか否かを判断する層流煙判定ステップと
を備える層流煙検出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014075340A JP6457728B2 (ja) | 2014-04-01 | 2014-04-01 | 層流煙検出装置および層流煙検出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014075340A JP6457728B2 (ja) | 2014-04-01 | 2014-04-01 | 層流煙検出装置および層流煙検出方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2015197788A true JP2015197788A (ja) | 2015-11-09 |
JP2015197788A5 JP2015197788A5 (ja) | 2017-06-08 |
JP6457728B2 JP6457728B2 (ja) | 2019-01-23 |
Family
ID=54547428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014075340A Active JP6457728B2 (ja) | 2014-04-01 | 2014-04-01 | 層流煙検出装置および層流煙検出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6457728B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648409A (zh) * | 2018-04-28 | 2018-10-12 | 北京环境特性研究所 | 一种烟雾检测方法及装置 |
CN114694103A (zh) * | 2022-05-27 | 2022-07-01 | 瞳见科技有限公司 | 一种基于深度学习的烟火识别系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08202967A (ja) * | 1995-01-27 | 1996-08-09 | Nagoya Denki Kogyo Kk | 火災検出装置 |
JP2010238032A (ja) * | 2009-03-31 | 2010-10-21 | Nohmi Bosai Ltd | 煙検出装置 |
-
2014
- 2014-04-01 JP JP2014075340A patent/JP6457728B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08202967A (ja) * | 1995-01-27 | 1996-08-09 | Nagoya Denki Kogyo Kk | 火災検出装置 |
JP2010238032A (ja) * | 2009-03-31 | 2010-10-21 | Nohmi Bosai Ltd | 煙検出装置 |
Non-Patent Citations (3)
Title |
---|
加藤 康博: "テクスチャ特徴と時系列特徴を用いた煙検出についての一考察", 映像情報メディア学会技術報告, vol. 第32巻,第54号, JPN6018018169, 28 November 2008 (2008-11-28), JP, pages 35 - 40 * |
秋山 実, 画像解析ハンドブック, vol. 第6版, JPN6018018172, 10 November 1995 (1995-11-10), pages p.475-480,517-522 * |
飯田 裕介: "Local Binary Pattern特徴量を用いたAdaBoostによる煙検出手法の検討", 電子情報通信学会技術研究報告, vol. 第112巻,第475号, JPN6018018170, 4 March 2013 (2013-03-04), JP, pages 57 - 62 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648409A (zh) * | 2018-04-28 | 2018-10-12 | 北京环境特性研究所 | 一种烟雾检测方法及装置 |
CN108648409B (zh) * | 2018-04-28 | 2020-07-24 | 北京环境特性研究所 | 一种烟雾检测方法及装置 |
CN114694103A (zh) * | 2022-05-27 | 2022-07-01 | 瞳见科技有限公司 | 一种基于深度学习的烟火识别系统及方法 |
CN114694103B (zh) * | 2022-05-27 | 2022-10-18 | 瞳见科技有限公司 | 一种基于深度学习的烟火识别系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6457728B2 (ja) | 2019-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516609B (zh) | 一种基于图像多特征融合的火灾视频检测及预警方法 | |
CN109902633B (zh) | 基于固定位摄像机监控视频的异常事件检测方法及装置 | |
US8208723B2 (en) | Smoke detecting apparatus | |
JP5518359B2 (ja) | 煙検出装置 | |
JP4729610B2 (ja) | 煙検出装置 | |
JP4653207B2 (ja) | 煙検出装置 | |
CN111179279A (zh) | 一种基于紫外、双目视觉的综合火焰检测方法 | |
CN114241370A (zh) | 基于数字孪生变电站的入侵识别方法、装置和计算机设备 | |
JP6617015B2 (ja) | 炎検出装置および炎検出方法 | |
JP6457728B2 (ja) | 層流煙検出装置および層流煙検出方法 | |
JP5302926B2 (ja) | 煙検出装置 | |
JP6457727B2 (ja) | 層流煙検出装置および層流煙検出方法 | |
WO2012081969A1 (en) | A system and method to detect intrusion event | |
KR101581162B1 (ko) | 실시간 영상 기반의 화염, 연기 및 물체 움직임 자동 감지 방법, 장치 및 시스템 | |
JP6140599B2 (ja) | 炎検出装置 | |
JP6138036B2 (ja) | 炎検出装置 | |
JP6166650B2 (ja) | 炎検出装置および炎検出方法 | |
JP6166651B2 (ja) | 炎検出装置および炎検出方法 | |
JP6457729B2 (ja) | 層流煙検出装置および層流煙検出方法 | |
JP6593791B2 (ja) | 炎検出装置および炎検出方法 | |
JP5309069B2 (ja) | 煙検出装置 | |
JP2015108922A (ja) | 炎検出装置および炎検出方法 | |
Liu et al. | Fire detection in radiant energy domain for video surveillance | |
CN117593330B (zh) | 一种可视化的实时振动监测方法 | |
CN117690273B (zh) | 烟雾报警器的复位方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170330 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170330 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20170330 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170417 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180418 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180522 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181204 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181221 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6457728 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |