JP2017102718A - 炎検出装置および炎検出方法 - Google Patents

Abstract

【課題】種々の誤検出要因を含む様々な設置環境において炎を高精度に検出する。【解決手段】時系列画像と基準画像を記憶する画像メモリと、１サイクル分の時系列画像に基づいて画像内に存在する移動体を抽出し、指向性特徴を算出すべき候補領域を特定するとともに移動体の重心位置を算出する前処理部と、候補領域に限定して指向性特徴の抽出処理を行うことで、炎の発生の有無を判断する炎検出部とを備え、炎検出部は、時系列画像のうちの隣接する画像間の差分として得られる時系列差分画像のそれぞれについて、あらかじめ設定した閾値以上の輝度値を有する画素を候補領域に限定して抽出し、重心位置を基準として、抽出した各画素の指向性特徴を算出し、指向性特徴が所定範囲内の指向性を有している場合には、抽出した移動体が炎である可能性が高いと判定する。【選択図】図１

Description

本発明は、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、炎を検出する炎検出装置に関し、特に、炎の一部が遮蔽された画像に基づいて炎を高精度に検出するためのアルゴリズムを備えた炎検出装置および炎検出方法に関する。

火災による死亡者数が依然として途絶えておらず、火災発生時の初期消火、あるいは火災事故における逃げ遅れの防止の観点から、火災の早期発見が非常に重要となっている。火災は、短時間で大きくなり、被害が甚大になってしまうため、早期発見・消火を行うことで、被害を抑えることが特に重要となる。人の目視や嗅覚等による発見は、確実であるが、見えない場所で発生すると発見に遅れてしまい、監視による労働力も大きい。

そこで、火災検出装置の分野においては、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で、火災要因の早期発見を行うことが研究されている。２次元画像から火災を検出する方法は、これまで多種多様な方法が提案されており、実用化されているものもある。また、火災の検出対象は、炎と煙に大別されるが、炎の存在を直接検出する火災検出装置も実用化されている。

その一例として、イルミネーション等の外乱光の影響を受けることなく、確実に火災による炎を画像処理により認識する従来技術がある（例えば、特許文献１参照）。この特許文献１による炎検出装置は、警戒区域の画像データに基づいた色温度の高い領域を検出する空間色温度検出処理に加え、特定のカラー成分について位置的な変化が大きい部分の密度分布である空間周波数を解析する空間周波数検出処理を備えている。このような構成を備えることで、イルミネーション等の外乱光を区別して火災による炎を確実に認識することができ、画像処理による炎判断の信頼性を大幅に向上させることができる。

特開平１０−１２６７６５公報

しかしながら、従来技術には次のような課題がある。
炎の検出精度に悪影響を与える要因としては、イルミネーション等の外乱光以外にも、種々の要因が考えられる。また、特許文献１の技術は、大規模な空間における炎を早期発見することは困難である。そのため、種々の外乱要因の影響を抑えるとともに、広い空間における炎の早期発見を、画像処理技術を用いて高精度に検出する炎検出装置が望まれている。

また、炎を検出するために取得した画像データは、必ずしも炎全体を正確に撮像できているとは限らず、炎と監視カメラとの間に何らかの遮蔽物が存在し、炎の一部が遮蔽物によって隠れてしまうことも考えられる。従って、このような遮蔽物の影響が無視できない条件下においても、炎の早期発見を、画像処理技術を用いて高精度に検出する炎検出装置が望まれている。

本発明は、上述のような課題を解決するためになされたものであり、種々の誤検出要因を含む様々な設置環境において炎を高精度に検出することのできる炎検出装置および炎検出方法を得ることを目的とする。

本発明に係る火災検出装置は、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、炎の発生を検出する炎検出装置であって、監視カメラにより時系列で撮像された複数の画像を時系列画像として記憶するとともに、検出対象である炎が発生していない基準画像を記憶する画像メモリと、画像メモリに記憶された複数Ｎフレーム（Ｎは、２以上の整数）からなる１サイクル分の時系列画像に基づいて、画像内に存在する移動体を抽出し、炎の発生の有無を判断する指標となる指向性特徴を算出すべき領域を、候補領域として特定する前処理部と、前処理部により候補領域が特定されたサイクルの次のサイクルにおいて、候補領域に限定して指向性特徴の抽出処理を行うことで、炎の発生の有無を判断する炎検出部とを備え、前処理部は、特定した候補領域内の各画素について、複数Ｎフレームからなる１サイクル分の時系列画像に基づいて、時系列画像と基準画像との差分として得られる背景差分画像の積算値に対する重心位置を算出し、炎検出部は、次のサイクルにおいて、時系列画像のうちの隣接する画像間の差分として得られる時系列差分画像のそれぞれについて、あらかじめ設定した閾値以上の輝度値を有する画素を候補領域に限定して抽出し、重心位置を基準としたときの、重心位置と抽出された各画素との位置関係から指向性特徴を算出し、算出した指向性特徴が所定範囲内の指向性を有している場合には、抽出した移動体が炎である可能性が高いと判定するものである。

また、本発明に係る炎検出方法は、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、炎の発生を検出する炎検出装置であって、監視カメラにより時系列で撮像された複数の画像を時系列画像として記憶するとともに、検出対象である炎が発生していない基準画像を記憶する画像メモリと、画像メモリに記憶された複数Ｎフレーム（Ｎは、２以上の整数）からなる１サイクル分の時系列画像に基づいて、画像内に存在する移動体を抽出し、炎の発生の有無を判断する指標となる指向性特徴を算出すべき領域を、候補領域として特定する前処理部と、前処理部により候補領域が特定されたサイクルの次のサイクルにおいて、候補領域に限定して指向性特徴の抽出処理を行うことで、炎の発生の有無を判断する炎検出部とを備え、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、炎の発生を検出する炎検出装置において実行される炎検出方法であって、前処理部において、複数Ｎフレームからなる１サイクル分の時系列画像に基づいて、時系列画像と基準画像との差分として得られる背景差分画像と、時系列画像のうちの隣接する画像間の差分として得られる時系列差分画像とに基づいて、それぞれのフレームごとに候補領域を抽出する第１ステップと、抽出したＮフレーム分の候補領域を論理和することで統合候補領域を特定するとともに、特定した統合候補領域内の各画素について、１サイクル内の背景差分画像の積算値に対する重心位置を算出する第２ステップとを有し、炎検出部において、次のサイクルにおいて、時系列画像のうちの隣接する画像間の差分として得られる時系列差分画像のそれぞれについて、あらかじめ設定した閾値以上の輝度値を有する画素を統合候補領域に限定して抽出し、重心位置を基準としたときの、重心位置と抽出された各画素との位置関係から指向性特徴を算出する第３ステップと、第３ステップで算出した指向性特徴が所定範囲内の指向性を有している場合には、抽出した移動体が炎である可能性が高いと判定する第４ステップとを有するものである。

本発明によれば、動きの指向性特徴を判定指標として算出し、指向性があると判定された移動体を炎として検出する構成を備えている。この結果、炎の一部が遮蔽された画像も含め、種々の誤検出要因を含む様々な設置環境において炎を高精度に検出することのできる炎検出装置および炎検出方法を得ることができる。

本発明の実施の形態１における炎検出装置の構成図である。 本発明の実施の形態１における炎検出装置の前処理部による移動体画素の抽出処理に関する説明図である。 本発明の実施の形態１において、移動体が炎である場合の極グラフに関する説明図である。 本発明の実施の形態１において、移動体が誤報源の回転灯である場合の極グラフに関する説明図である。 本発明の実施の形態１において、移動体が炎である場合の極グラフと回転灯である場合の極グラフに基づく炎判定方法に関する説明図である。

以下、本発明の炎検出装置および炎検出方法の好適な実施の形態につき図面を用いて説明する。
本発明は、炎特有の揺らぎを指向性特徴として定量的に抽出し、特に、炎の一部が遮蔽された画像に対しても、炎検出の精度向上を実現することを技術的特徴とするものである。

実施の形態１．
図１は、本発明の実施の形態１における炎検出装置の構成図である。本実施の形態１における炎検出装置は、画像メモリ１０、前処理部２０、および炎検出部３０を備えている。画像メモリ１０は、カメラ１により撮像された画像を、過去一定期間分、時系列データとして記憶できるように、複数フレーム分の画像メモリとして構成されている。

前処理部２０は、移動体抽出部２１、および候補領域生成部２２で構成される。そして、この前処理部２０は、画像メモリ１０に記憶された、カメラ１により撮像された過去一定期間（１サイクル）に含まれる各フレームの画像に基づいて、移動体と思われる部分の画素を抽出し、炎検出を行うための領域を候補領域として特定する機能を有している。さらに、前処理部２０は、指向性特徴を算出するための基準位置となる重心位置を算出する機能も有している。

また、炎検出部３０は、指向性特徴算出部３１、および炎判定部３２で構成される。そして、この炎検出部３０は、前処理部２０でサイクルごとに特定された候補領域および重心位置を用いて、炎の発生の有無を検出するための指向性特徴を算出し、算出結果に基づいて炎が発生しているか否かを判断する機能を有している。

ここで、本願発明の検出原理について、概略を説明する。
まず始めに、カメラ１から取得された画像に対して、移動体に対応する画素の抽出を行う（ステップ１）。次に、抽出された画素を元に、炎候補領域を作成するとともに、重心位置を算出する（ステップ２）。次に、作成した炎候補領域内で、抽出された移動体の指向性特徴を重心位置を基準として計算する（ステップ３）。そして、最後に、その指向性特徴から炎らしさを判別し、火災の判定を行うこととなる（ステップ４）。

ここで、本実施の形態１では、毎フレーム処理と毎サイクル処理に分けて行い、１サイクルを６４フレームとして処理する場合を例に説明する。本実施の形態１では、具体的には、炎候補領域を作成するまでのステップ１、２の処理を、毎フレーム処理として１サイクル分繰り返し行い、１サイクル処理した結果として抽出された炎候補領域について、次のサイクルでステップ３の指向性特徴の計算、およびステップ４の火災判定を行うこととなる。

そして、ステップ１の移動体抽出処理が、前処理部２０内の移動体抽出部２１で毎フレーム実行され、ステップ２の炎候補領域作成処理が、前処理部２０内の候補領域生成部２２で毎フレーム実行され、各サイクルの終了時点で、後段の炎検出部３０で使用する候補領域（最終候補領域）が特定される。また、ステップ３の指向性特徴計算処理が、炎検出部３０内の指向性特徴算出部３１で毎サイクル実行され、ステップ４の火災判定処理が、炎検出部３０内の炎判定部３２で毎サイクル実行される。そこで、前処理部２０により毎フレーム実行される処理と、炎検出部３０により毎サイクル実行される処理に分けて、以下に説明する。

（１）前処理部２０により毎フレーム実行される処理について
前処理部２０は、カメラ１により取得されたカメラ映像から、移動している物体の抽出を行なう。図２は、本発明の実施の形態１における炎検出装置の前処理部２０による移動体画素の抽出処理に関する説明図である。なお、図２では、説明をわかりやすくするために、本来の検出対象である炎の代わりに、歩行中の人を移動体として抽出する場合を示している。さらに、この移動体が、背景よりも明るいと仮定して説明する。

図２（ａ）には、カメラ１により取り込まれる画像として、次の３つの画像が示されている。
（画像ａ１）移動体が存在しない状態の基準画像（炎が存在しない背景画像に相当）であり、例えば、プログラム起動時などにあらかじめ取得される画像に相当する。
（画像ａ２）時系列で取得される１サイクル分の画像のうち、ある時刻ｔ−１に取得された画像であり、左側に移動体が撮像された画像を例示している。
（画像ａ３）時系列で取得される１サイクル分の画像のうち、ある時刻ｔに取得された画像であり、時刻ｔ−１において左側に存在した移動体が、中央寄りに移動した状態の画像を例示している。

次に、図２（ｂ）には、図２（ａ）の３つの画像に基づいて得られる、次の２種類の差分画像が示されている。
（画像ｂ１）画像ａ２と画像ａ３の差分画像であり、時系列差分画像を示している。具体的には、時系列である時刻ｔ−１の画像ａ２と時刻ｔの画像ａ３に基づいて、両画像の対応する画素ごとに、両画素の輝度値（濃淡値）の差分の絶対値を求めることで生成される画像を、時系列差分画像と称している。
（画像ｂ２）画像ａ１と画像ａ３の差分画像であり、背景差分画像を示している。具体的には、基準画像ａ１と時刻ｔの画像ａ３に基づいて、両画像の対応する画素ごとに、両画素の輝度値の差分の絶対値を求めることで生成される画像を、背景差分画像と称している。

次に、図２（ｃ）には、図２（ｂ）の２種類の差分画像のそれぞれに対して、所定の閾値で２値化することで得られる、次の２つの２値画像が示されている。
（画像ｃ１）画像ｂ１に関して所定の閾値により２値化して得られる２値画像であり、時系列差分画像として、所定の閾値以上の差分を有する画素が抽出されることとなる。従って、炎のように揺れている場合には、時刻ｔ−１と時刻ｔの画像で、一方の時刻のみ炎と検出された画素を抽出できることとなる。
（画像ｃ２）画像ｂ２に関して所定の閾値により２値化して得られる２値画像であり、背景差分画像として、所定の閾値以上の差分を有する画素が抽出されることとなる。従って、時刻ｔの画像で、炎と検出された画素を抽出できることとなる。

次に、図２（ｄ）には、画像ｃ１と画像ｃ２の論理和をとって得られる、次の２値画像が示されている。
（画像ｄ１）時系列差分に基づく２値画像ｃ１と、背景差分に基づく２値画像ｃ２に基づいて、少なくとも一方の画像で黒の画素を黒とし、両方の画像とも白の画素を白とすることで、炎検出領域を抽出することができる。

なお、炎として検出される画素は、所定の高輝度値以上を有することが前提となる。そこで、図２（ａ）の２つの画像に基づいて、時系列差分画像ｂ１あるいは背景差分画像ｂ２を算出する際には、少なくとも一方の画像において所定の高輝度値以上を有する画素のみを抽出して差分画像を生成することで、余分な領域を最終的に炎検出領域として抽出しないようにすることができる。

そして、前処理部２０内の移動体抽出部２１は、図２（ａ）〜図２（ｃ）に示した一連処理をフレームごとに繰り返し実行する。また、前処理部２０内の候補領域生成部２２は、図２（ｄ）としてフレームごとに抽出される炎検出領域について、１サイクル分（６４サイクル分）の論理和をとることで、最終的に１サイクル処理後の炎候補領域を特定することとなる。すなわち、候補領域生成部２２は、６４サイクルの中で１回でも炎候補領域として抽出された画素を集計し、炎候補領域を特定する。

さらに、候補領域生成部２２は、画素ごとに、１サイクル内において、炎候補領域として抽出された回数（以下、この回数のことを抽出回数と称す）をカウントすることで、画素ごとの抽出回数を算出しておくことができる。すなわち、この抽出回数は、６４フレーム中何フレームで炎候補領域として特定された画素に相当するかを示す指標となる。

そして、候補領域生成部２２は、抽出回数が所定回数未満の画素を候補領域から除外することもできる。

また、候補領域生成部２２は、１サイクル中の６４フレームの中で１回でも炎候補領域として抽出された画素のうち、隣接して１つの島を形成している画素の集合に対して、外接長方形を設定することで、矩形状の領域として炎候補領域を特定することもできる。

また、本実施の形態１における候補領域生成部２２は、後段の炎検出部３０で使用するための移動体の重心位置を、以下のようにして算出する。具体的には、候補領域生成部２２は、特定された炎候補領域内の各画素について、移動体抽出部２１によって１サイクル内で求められた６３個の背景差分画像の積算値を算出する。さらに、候補領域生成部２２は、炎候補領域内において算出した積算値の重心位置を算出する。

（２）炎検出部３０により毎サイクル実行される処理について
前処理部２０により１サイクル処理ごとに特定される炎候補領域に対して、本実施の形態１における炎検出部３０内の指向性特徴算出部３１は、以下の２つの指向性特徴に基づく炎判別処理を行うこととなる。
［炎判別処理１］時系列差分画像に対して、あらかじめ設定した閾値以上の輝度値を有する画素を抽出し、１サイクル間に求まった背景差分画像の重心位置の平均値を基準として、抽出された各画素までの距離に関する角度分布を、極グラフとして算出し、その距離分布状態から炎判別を行う。
［炎判別処理２］時系列差分画像に対して、あらかじめ設定した閾値以上の輝度値を有する画素を抽出し、重心位置を基準として、抽出された各画素の個数に関する角度分布を、極グラフとして算出し、その個数分布状態から炎判別を行う。

ここで、極グラフとは、重心位置を通る水平線を基準線として、重心位置と抽出された閾値以上の画素とを結ぶ線分の基準線に対する角度を求め、距離に関する角度分布あるいは個数に関して、０〜３６０度の角度分布として表したグラフのことである。具体例は、図３〜図５に示されており、詳細は、後述する。

そして、本実施の形態１における炎検出部３０内の炎判定部３２は、指向性特徴算出部３１による炎判別処理１、２の結果を統合処理して、最終的に炎判定を実行する。そこで、次に、炎判別処理１、２について、両者をまとめて詳細を説明する。

検出対象である炎は、先端方向に偏り（指向性）がみられるのに対し、回転灯のような誤検出要因は、このような指向性がみられない。そこで、このような炎固有の特性を利用して、炎判別処理１では、検出対象である移動体に距離分布の指向性がみられた場合に、移動体として検出したものが炎であると判別し、炎判別処理２では、検出対象である移動体に個数分布の指向性がみられた場合に、移動体として検出したものが炎であると判別している。そこで、以下に、極グラフの結果を用いた具体的な判別方法を説明する。

図３は、本発明の実施の形態１において、移動体が炎である場合の極グラフに関する説明図である。具体的には、図３（ａ）は、背景差分画像の積算値に基づいて算出された重心位置Ｃを示した図である。

また、図３（ｂ）は、時系列差分画像において移動体として抽出された各画素について、重心位置Ｃからの距離を求め、基準線からの角度を例えば１度毎にグループ化し、各グループ内の平均距離を求め、その距離分布状態を極グラフとしてまとめたものである。

さらに、図３（ｃ）は、時系列差分画像において移動体として抽出された各画素について、基準線からの角度を例えば角度分解能１度毎にグループ化し、各グループ内の個数（画素数）を求め、その個数分布状態を極グラフとしてまとめたものである。

一方、図４は、本発明の実施の形態１において、移動体が誤報源の回転灯である場合の極グラフに関する説明図である。具体的には、図４（ａ）は、背景差分画像の積算値に基づいて算出された重心位置Ｃを示した図である。

また、図４（ｂ）は、時系列差分画像において移動体として抽出された各画素について、重心位置Ｃからの距離を求め、基準線からの角度を例えば角度分解能１度毎にグループ化し、各グループ内の平均距離を求め、その距離分布状態を極グラフとしてまとめたものである。

さらに、図４（ｃ）は、時系列差分画像において移動体として抽出された各画素について、基準線からの角度を例えば角度分解能１度毎にグループ化し、各グループ内の個数（画素数）を求め、その個数分布状態を極グラフとしてまとめたものである。

本来の検出対象である炎は、重心位置から先端方向に向かって指向性を有する特徴がある。一方、誤報源である回転灯は、指向性を有さない。つまり、光を動かしていることにより、回転灯自体から全周囲について差分領域が抽出される特徴がある。

すなわち、図３からも明らかなように、炎は、重心位置Ｃから上方向に時系列差分抽出画素が分布し、極グラフ上でも、平均距離および個数が上方向に分布していることがわかる。

さらに、炎の指向性から、真上方向の角度における距離は相対的に大きく、真上方向から離れた角度における距離は相対的に小さくなり、最大距離と例えば３番目に大きい距離との差が、許容値よりも大きくなる傾向にある。

一方、図４からも明らかなように、回転灯は、周囲にわたって光が移動する距離が等しい傾向にあるため、距離の極グラフでは、最大距離と例えば３番目に大きい距離との差が、炎の場合と比較して、近い距離で分布している特徴がある。また、距離および個数の極グラフとも、全周囲にわたって存在し、炎の場合と比較して、指向性がないことがわかる。

図５は、本発明の実施の形態１において、移動体が炎である場合の極グラフと回転灯である場合の極グラフに基づく炎判定方法に関する説明図である。炎判定部３２は、一例として、以下のような定量的な評価により、指向性の有無を判断することができる。

［定量的な評価１］炎判定部３２は、個数の極グラフの中から、最も多い個数、２番目に多い個数、３番目に多い個数の３方向を特定する。そして、炎判定部３２は、距離の極グラフに関して、全角度での平均距離を求め、最も多い個数の分布に対応する方向の距離と平均距離との差の絶対値、および３番目に多い個数の分布に対応する方向の距離と平均距離との差の絶対値が、ともに所定の許容距離範囲内にある場合には、距離が似ていると判定し、検出した移動体が炎ではないと判断する。

一方、炎判定部３２は、最も多い個数の分布に対応する方向の距離と平均距離との差の絶対値、および３番目に多い個数の分布に対応する方向の距離と平均距離との差の絶対値の少なくともいずれか一方が所定の許容距離範囲内にない場合には、距離がばらついていると判定し、検出した移動体が炎である可能性が高いと判断する。

［定量的な評価２］距離の極グラフに基づく角度の指向性に関して、炎判定部３２は、最も大きい距離に対応する方向と２番目に大きい距離に対応する方向との角度差、および最も大きい距離に対応する方向と３番目に大きい距離に対応する方向との角度差が、ともに許容角度範囲内であれば、距離の極グラフが指向性を有していると判断する。その結果、指向性を有している場合、炎として判断する。

［定量的な評価３］個数の極グラフに基づく角度の指向性に関して、炎判定部３２は、最も多い個数に対応する方向と２番目に多い個数に対応する方向との角度差、および最も多い個数に対応する方向と３番目に多い個数に対応する方向との角度差が、ともに許容角度範囲内であれば、個数の極グラフが指向性を有していると判断する。その結果、指向性を有している場合、炎として判断する。

なお、許容角度範囲は、一例として、３０度以内といった値を設定することができ、監視環境に応じて適切な値を設定できる。

また、上述した定量的な評価１〜３は、単独で用いるだけでなく、２つ以上の評価を組み合わせて、炎判定を行うことも可能である。

また、上述した定量的な評価１〜３は、個数の多い順に１番目から３番目のデータを採用し、距離の大きい順に１番目から３番目のデータを採用する場合について説明した。しかしながら、これは、あくまでも一例であり、使用環境に応じて最小値も含めた適切なデータを採用することができる。

以上のように、実施の形態１によれば、前処理部の働きにより、直近の時系列画像データに基づいて、１サイクルごとに炎検出のための適切な候補領域、および重心位置を特定できる。さらに、前のサイクルで特定された候補領域および重心位置を用いて、次のサイクルで指向性特徴に基づく判断処理を行うことで、誤検出を抑制し、かつ、炎自体の検出精度を向上させることができる。

この結果、特に、炎の一部が遮蔽された画像に対しても、種々の誤検出要因を含む様々な設置環境において炎を高精度に検出することのできる炎検出装置および炎検出方法を実現できる。

なお、上述した実施の形態１では、１サイクル内での重心位置を特定し、重心位置を特定した次のサイクルで重心位置からの指向性特徴を評価することで、移動体が炎である可能性が高いか否かを判断する場合について説明した。しかしながら、本発明において指向性特性を算出するためには、必ずしも重心位置を求める必要はない。

本発明で、指向性を判断するためには、時系列差分画像のそれぞれについて、閾値以上の輝度値を有する画素として抽出した領域が、候補領域内でどのような位置を占める分布を示しているかが定量的に評価できればよい。

このような分布は、例えば、重心位置を用いずに候補領域内の位置として求めることもできる。あるいは、重心位置の代わりに、候補領域内の１以上のある特定の位置からの指向性を求めることによっても、移動体が炎である可能性が高いか否かを判断できる。

１ カメラ、１０ 画像メモリ、２０ 前処理部、２１ 移動体抽出部、２２ 候補領域生成部、３０ 炎検出部、３１ 指向性特徴算出部、３２ 炎判定部。

Claims (6)

1. 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、炎の発生を検出する炎検出装置であって、
   前記監視カメラにより時系列で撮像された複数の画像を時系列画像として記憶するとともに、検出対象である炎が発生していない基準画像を記憶する画像メモリと、
   前記画像メモリに記憶された複数Ｎフレーム（Ｎは、２以上の整数）からなる１サイクル分の時系列画像に基づいて、画像内に存在する移動体を抽出し、炎の発生の有無を判断する指標となる指向性特徴を算出すべき領域を、候補領域として特定する前処理部と、
   前記前処理部により特定された前記候補領域において、前記候補領域に限定して前記指向性特徴の抽出処理を行うことで、炎の発生の有無を判断する炎検出部と
   を備え、
   前記炎検出部は、前記時系列画像のうちの隣接する画像間の差分として得られる時系列差分画像のそれぞれについて、あらかじめ設定した閾値以上の輝度値を有する画素を前記候補領域に限定して抽出し、抽出した前記画素の前記候補領域内での分布から前記指向性特徴を算出し、算出した前記指向性特徴が所定範囲内の指向性を有している場合には、抽出した前記移動体が炎である可能性が高いと判定する
   炎検出装置。
2. 前記前処理部は、特定した前記候補領域内の各画素について、前記複数Ｎフレームからなる１サイクル分の時系列画像に基づいて、前記時系列画像と前記基準画像との差分として得られる背景差分画像の積算値に対する重心位置を算出し、
   前記炎検出部は、前記候補領域を特定したサイクルの次のサイクルにおいて、前記時系列画像のうちの隣接する画像間の差分として得られる時系列差分画像のそれぞれについて、あらかじめ設定した閾値以上の輝度値を有する画素を前記候補領域に限定して抽出し、前記重心位置を基準としたときの、前記重心位置と抽出された各画素との位置関係から前記指向性特徴を算出し、算出した前記指向性特徴が所定範囲内の指向性を有している場合には、抽出した前記移動体が炎である可能性が高いと判定する
   請求項１に記載の炎検出装置。
3. 前記炎検出部は、
   前記重心位置を基準としたときの抽出された各画素までの距離を算出するとともに、前記重心位置を通る水平線を基準線として、前記重心位置と前記抽出された各画素とを結ぶ線分の基準線に対する角度を算出し、それぞれの角度に応じた距離分布を距離の極グラフとして作成し、
   最も大きい距離に対応する方向と２番目に大きい距離に対応する方向との角度差、および最も大きい距離に対応する方向と３番目に大きい距離に対応する方向との角度差が、ともに第１許容角度範囲内であれば、前記距離の極グラフが指向性を有していると判断し、抽出した前記移動体が炎である可能性が高いと判定する
   請求項２に記載の炎検出装置。
4. 前記炎検出部は、
   前記重心位置を基準としたときの抽出された各画素までの距離を算出するとともに、前記重心位置を通る水平線を基準線として、前記重心位置と前記抽出された各画素とを結ぶ線分の基準線に対する角度を算出し、それぞれの角度に応じた距離分布を距離の極グラフとして作成し、
   前記基準線からの角度を角度分解能毎にグループ化し、各グループ内に存在する前記抽出された画素の個数を算出し、それぞれの角度に応じた個数分布を個数の極グラフとして作成し、
   前記個数の極グラフから、最も多い個数に対応する角度を第１角度、２番目に多い個数に対応する角度を第２角度、３番目に多い個数に対応する角度を第３角度として特定し、
   前記距離の極グラフに関して全角度での平均距離を求め、前記第１角度に対応する方向の距離と前記平均距離との差の絶対値、および前記第３角度に対応する方向の距離と平均距離との差の絶対値が、ともに所定の許容距離範囲内にある場合には、抽出した前記移動体が炎でないと判定する
   請求項２または３に記載の炎検出装置。
5. 前記炎検出部は、
   前記重心位置を通る水平線を基準線として、前記基準線からの角度を角度分解能毎にグループ化し、各グループ内に存在する前記抽出された画素の個数を算出し、それぞれの角度に応じた個数分布を個数の極グラフとして作成し、
   最も多い個数に対応する方向と２番目に多い個数に対応する方向との角度差、および最も多い個数に対応する方向と３番目に多い個数に対応する方向との角度差が、ともに第２許容角度範囲内であれば、前記個数の極グラフが指向性を有していると判断し、抽出した前記移動体が炎である可能性が高いと判定する
   請求項２から４のいずれか１項に記載の炎検出装置。
6. 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、炎の発生を検出する炎検出装置であって、
   監視カメラにより時系列で撮像された複数の画像を時系列画像として記憶するとともに、検出対象である炎が発生していない基準画像を記憶する画像メモリと、
   前記画像メモリに記憶された複数Ｎフレーム（Ｎは、２以上の整数）からなる１サイクル分の時系列画像に基づいて、画像内に存在する移動体を抽出し、炎の発生の有無を判断する指標となる指向性特徴を算出すべき領域を、候補領域として特定する前処理部と、
   前記前処理部により前記候補領域が特定されたサイクルの次のサイクルにおいて、前記候補領域に限定して前記指向性特徴の抽出処理を行うことで、炎の発生の有無を判断する炎検出部と
   を備え、前記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、炎の発生を検出する炎検出装置において実行される炎検出方法であって、
   前記前処理部において、
   前記複数Ｎフレームからなる１サイクル分の時系列画像に基づいて、前記時系列画像と前記基準画像との差分として得られる背景差分画像と、前記時系列画像のうちの隣接する画像間の差分として得られる時系列差分画像とに基づいて、それぞれのフレームごとに候補領域を抽出する第１ステップと、
   抽出したＮフレーム分の候補領域を論理和することで統合候補領域を特定するとともに、特定した前記統合候補領域内の各画素について、１サイクル内の背景差分画像の積算値に対する重心位置を算出する第２ステップと
   を有し、
   前記炎検出部において、
   前記次のサイクルにおいて、前記時系列画像のうちの隣接する画像間の差分として得られる時系列差分画像のそれぞれについて、あらかじめ設定した閾値以上の輝度値を有する画素を前記統合候補領域に限定して抽出し、前記重心位置を基準としたときの、前記重心位置と抽出された各画素との位置関係から指向性特徴を算出する第３ステップと、
   前記第３ステップで算出した前記指向性特徴が所定範囲内の指向性を有している場合には、抽出した前記移動体が炎である可能性が高いと判定する第４ステップと
   を有する炎検出方法。

Images