JP2020057236A - 煙検出装置及び煙識別方法 - Google Patents
煙検出装置及び煙識別方法 Download PDFInfo
- Publication number
- JP2020057236A JP2020057236A JP2018187833A JP2018187833A JP2020057236A JP 2020057236 A JP2020057236 A JP 2020057236A JP 2018187833 A JP2018187833 A JP 2018187833A JP 2018187833 A JP2018187833 A JP 2018187833A JP 2020057236 A JP2020057236 A JP 2020057236A
- Authority
- JP
- Japan
- Prior art keywords
- smoke
- cluster
- area
- optical flow
- image
- 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
Images
Landscapes
- Fire-Detection Mechanisms (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明は、煙検出装置に於いて、
監視領域を逐次撮像した画像を出力する撮像手段と、
撮像手段から出力された画像毎に、煙候補領域を抽出する候補領域抽出手段と、
煙候補領域に複数の候補点を設定し、候補点毎に時間的な動きを示すベクトルに基づくオプティカルフローを生成するオプティカルフロー生成手段と、
オプティカルフローを、移動量のx成分とy成分の二次元座標を持つ座標面上で1以上のクラスタにクラスタリングし、クラスタ毎に平均速度と速度ばらつき量を求めるクラスタリング処理手段と、
平均速度のx軸と速度ばらつき量のy軸の二次元座標面上で、予め設定された煙推定領域とクラスタの平均速度と速度ばらつき量を比較して比較結果を出力する煙判断手段と
が設けられたことを特徴とする。なお、比較結果の出力とは、クラスタが煙領域か非煙領域かを示す出力を意味する。
候補領域抽出手段は、
撮像手段から出力された画像から移動平均画像を差し引いて差分画像を生成する差分画像生成手段と、
差分画像生成手段で生成された差分画像の画素輝度が所定の閾値以上又は閾値を超えている場合は煙画素に、それ以外は背景画素に2値化する2値化画像生成手段と、
が設けられる。
差分画像生成手段は、移動平均画像を、現在の入力画像に所定の更新率を乗じた値に、1つ前の移動平均画像に更新率を1から差し引いた値を乗じて求めた値を加算して生成する。
オプティカルフロー生成手段は、候補点のオプティカルフローを生成した場合、所定の煙判定領域に存在する場合に有効なオプティカルフローと判定してクラスタリング処理手段に出力する。
クラスタリング処理手段は、オプティカルフローを所定の変分混合ガウス分布法(VBGMM法)、混合ガウスモデルによるクラスタリング法、k−平均法(k−means法)、又は平均シフト法(MeanShift法)によりクラスタリングして1以上のクラスタを生成する。
煙判断手段は、二次元座標面上で、煙推定領域を、原点に近い平均速度の所定の最小値を起点して所定の傾きで上昇した後に一定の傾きとなる煙推定領域下限ラインと、原点に近い速度ばらつき量の所定の最小値を起点として煙推定領域下限ラインより大きい所定の傾きで上昇する煙推定領域上限ラインの間に設定する。
煙判断手段は、
生成された所定数のクラスタに所定の重みを設定する重み設定手段と、
クラスタに含まれるオプティカルフローの数に重みを乗じた値をクラスタ毎に求めて総和を平均して判定値として算出する判定値算出手段と、
判定値が所定の判定閾値以上又は判定閾値を超えている場合にクラスタを煙領域と判定する煙領域判定手段と、
が設けられる。
重み設定手段は、
二次元座標面上で平均速度と速度ばらつき量によりプロットしたクラスタの位置の煙推定領域の下限に対する距離に応じて重みを設定する。
重み設定手段は、
二次元座標面上で平均速度と速度ばらつき量によりプロットしたクラスタの位置が煙推定領域にあれば重み1を設定し、煙推定領域になければ重み0を設定する。
重み設定手段は、
二次元座標面上で平均速度と速度ばらつき量によりプロットしたクラスタの位置の煙推定領域の下限に対する距離を、tanh関数又はsigmoid関数を含む所定の評価関数に入力して得られる値を重みに設定する。
重み設定手段は、平均速度と速度ばらつき量に対応して予め求められた煙の2次元確率密度関数に対し、クラスタの位置を中心とした所定の平均速度と速度ばらつき量の範囲の2次元確率密度関数の積分で算出される煙である確率を、クラスタの重みに設定する。
重み設定手段は、平均速度と速度ばらつき量に対応して予め求められた煙の2次元確率密度関数が設定されたルックアップテーブルを備え、クラスタの位置によるルックアップテーブルの参照で得られた2次元確率密度関数の出力を、クラスタの重みに設定する。
本発明は煙識別方法において、
撮像手段により、監視領域の画像を逐次撮像し、
候補領域抽出手段により、撮像手段から出力された画像毎に煙候補領域を抽出し、
オプティカルフロー生成手段により、煙候補領域に複数の候補点を設定し、候補点毎に時間的な動きを示すベクトルに基づいてオプティカルフローを生成し、
クラスタリング処理手段により、オプティカルフローを、移動量のx成分とy成分の二次元座標を持つ座標面上で1以上のクラスタにクラスタリングし、クラスタ毎に平均速度と速度ばらつき量を求め、
煙判断手段により、平均速度のx軸と速度ばらつき量のy軸の二次元座標面上で、予め設定された煙推定領域とクラスタの平均速度と速度ばらつき量を比較して比較結果を出力する。
本発明は、煙検出装置に於いて、監視領域を逐次撮像した画像を出力する撮像手段と、撮像手段から出力された画像毎に、煙候補領域を抽出する候補領域抽出手段と、煙候補領域に複数の候補点を設定し、候補点毎に時間的な動きを示すベクトルに基づくオプティカルフローを生成するオプティカルフロー生成手段と、オプティカルフローを、移動量のx成分とy成分の二次元座標を持つ座標面上で1以上のクラスタにクラスタリングし、クラスタ毎に平均速度と速度ばらつき量を求めるクラスタリング処理手段と、平均速度のx軸と速度ばらつき量のy軸の二次元座標面上で、予め設定された煙推定領域とクラスタの平均速度と速度ばらつき量を比較して比較結果を出力する煙判断手段とが設けられたため、撮像された監視画像における煙や湯気の動きからオプティカルフローを生成し、更に、オプティカルフローを統計的手法によりクラスタリングして煙グループとなるクラスタを生成し、二次元座標面上で予め設定された煙推定領域との関係を評価することで、湯気によるオプティカルフローのクラスタと煙によるオプティカルフローのクラスタを識別することが可能となり、監視カメラで撮像した画像の中の湯気(蒸気)と火災による煙を確実に識別して確実な火災判断が可能となる。
また、候補領域抽出手段は、前処理手段で入力された画像から移動平均画像を差し引いて差分画像を生成する差分画像生成手段と、差分画像生成手段で生成された差分画像の画素輝度が所定の閾値以上又は閾値を超えている場合は煙画素に、それ以外は背景画素に2値化する2値化画像生成手段とが設けられたため、撮像された監視画像の中の動きのない背景画像が除かれた差分画像が生成され、更に、差分画像につき所定輝度以上の画素を煙画素に2値化することで背景成分が確実に除かれた煙候補領域を抽出することができる。
また、差分画像生成手段は、移動平均画像を、現在の入力画像に所定の更新率を乗じた値に、1つ前の移動平均画像に更新率を1から差し引いた値を乗じて求めた値を加算して生成するようにしたため、画素単位に最新の画素輝度から過去の移動平均輝度を差し引いた差分輝度を求めて差分画像を生成していることから、画像全体の時間的な変化に追従して高い精度で差分画像を生成することができる。
また、オプティカルフロー生成手段は、候補点のオプティカルフローを生成した場合、所定の煙判定領域に存在する場合に有効なオプティカルフローと判定してクラスタリング処理手段に出力するようにしたため、オプティカルフローが生成される監視画面の二次元座標について、人や動かない物のオプティカルフローの存在する領域に対し煙のオプティカルフローの存在する煙判定領域が予め判明しており、このため生成されたオプティカルフローが煙判定領域に存在することを判定して次のクラスタリングを行うことで、明らかに煙ではないオプティカルフローに対するクラスタリングを不要にして処理負担を低減すると共に、クラスタリングによる煙領域の識別精度を高めることができる。
また。クラスタリング処理手段は、オプティカルフローを所定の変分混合ガウス分布法(VBGMM法)、混合ガウスモデルによるクラスタリング法、k−平均法(k−means法)、又は平均シフト法(MeanShift法)等の広く利用されている手法によりクラスタリングしてクラスタを生成するようにしたため、信頼性が高くライブラリが公開されているアルゴリズムを簡単に入手して利用することができる。
また、煙判断手段は、二次元座標面上で、煙推定領域を、原点に近い平均速度の所定の最小値を起点して所定の傾きで上昇した後に一定の傾きとなる煙推定領域下限ラインと、原点に近い度ばらつきの所定の最小値を起点として煙推定領域下限ラインより大きい所定の傾きで上昇する煙推定領域上限ラインの間に設定したため、クラスタの煙推定領域は、火災実験による煙画像、湯気画像、人が作業や生活している画像等を使用してオプティカルフローの生成とクラスタリングを行うことにより設定されることで、湯気のオプティカルフローによるクラスタを含まない煙クラスタが存在する煙推定領域が高精度に設定され、クラスタと比較することで、煙領域か否かの判断を高精度に行うことを可能とする。
また、煙判断手段は、生成された所定数のクラスタに所定の重みを設定する重み設定手段と、クラスタに含まれるオプティカルフローの数に重みを乗じた値をクラスタ毎に求めて総和を平均して判定値として算出する判定値算出手段と、判定値が所定の判定閾値以上又は判定閾値を超えている場合にクラスタを煙領域と判定する煙領域判定手段とが設けられたため、クラスタリングされたクラスタと煙推定領域の関係を数値化して、煙領域か否かを確実に判断することを可能とする。
また、重み設定手段は、二次元座標面上で平均速度と速度ばらつき量によりプロットしたクラスタの位置の煙推定領域の下限に対する距離に応じて重みを設定するようにしたため、二次元座標面上にプロットしたクラスタの位置と煙推定領域の下限に対する距離が短い場合は小さい重みを設定し、距離が長い場合は大きい重みを設定することで、クラスタが煙推定領域の下限から離れるほど、煙領域の判断される度合を高めることができる。
また、重み設定手段は、二次元座標面上で平均速度と速度ばらつき量によりプロットしたクラスタの位置が煙推定領域にあれば重み1を設定し、煙推定領域になければ重み0を設定するようにしたため、重みの設定が簡単であり、煙候補領域の火災判断の処理負担が低減できる。
また、重み設定手段は、二次元座標面上で平均速度と速度ばらつき量によりプロットしたクラスタの位置の煙推定領域の下限に対する距離を、tanh関数又はsigmoid関数を含む所定の評価関数に入力して得られる値を重みに設定するようにしたため、煙推定領域にあるか否かの重み設定は簡単であるが、煙領域の判断精度を高めるために、クラスタの煙推定領域の下限に対する距離をtanh関数又はsigmoid関数等の評価関数に入力して得られた値を重みとすることで、煙推定領域の火源から大きく離れているデータを過大に評価して、判断に悪影響を与えることを防ぐことができ、重み設定に戻づく煙領域か否かの判断精度を高めることができる。
また、重み設定手段は、平均速度と速度ばらつき量に対応して予め求められた煙の2次元確率密度関数に対し、クラスタの位置を中心とした所定の平均速度と速度ばらつき量の範囲の2次元確率密度関数の積分で算出される煙である確率を、クラスタの重みに設定するようにしたため、平均速度と速度ばらつき量による二次元座標面上に設定された煙推定領域について、予め2次元確率密度関数が求められている場合には、生成されたクラスタにより煙である確率が求まり、これを重みとすることで、より高精度の煙領域か否かの判断ができる。
また、重み設定手段は、平均速度と速度ばらつき量に対応して予め求められた煙の2次元確率密度関数が設定されたルックアップテーブルを備え、クラスタの位置によるルックアップテーブルの参照で得られた2次元確率密度関数の出力を、クラスタの重みに設定するようにしたため、平均速度と速度ばらつき量による二次元座標面上に設定された煙推定領域の2次元確率密度関数が予め求められている場合には、平均速度と速度ばらつき量に対応した2次元確率密度関数の値を設定したルックアップテーブルを準備しておくことで、クラスタが生成された場合には、その二次元座標面上の位置を中心とした所定範囲の平均速度と速度ばらつき量によるルックアップテーブルの参照で読み出した2次元確率密度関数の値の出力を求めることで、簡単に煙である確率を求めて重みを設定することができる。
本発明の別の形態は煙識別方法であって、撮像手段により、監視領域の画像を逐次撮像し、候補領域抽出手段により、撮像手段から出力された画像毎に煙候補領域を抽出し、オプティカルフロー生成手段により、煙候補領域に複数の候補点を設定し、補点毎に時間的な動きを示すベクトルに基づいてオプティカルフローを生成し、クラスタリング処理手段により、オプティカルフローを、移動量のx成分とy成分の二次元座標を持つ座標面上で1以上のクラスタにクラスタリングし、クラスタ毎に平均速度とばらつき量を求め、煙判断手段により、平均速度のx軸と速度ばらつき量のy軸の二次元座標面上で、予め設定された煙推定領域とクラスタの平均速度と速度ばらつき量を比較して比較結果を出力するようにしたため、前述した煙検出装置に示したと同様に効果を得ることができる。
図1は煙検出装置を設置した監視領域を透視して示した説明図である。図1に示すように、監視領域16には撮像手段として機能する監視カメラ10が設置され、監視カメラ10により監視領域16が撮像されている。
図2は煙検出装置の機能構成の概略を示したブロック図である。図2に示すように、煙検出装置12は、そのハードウェアとしてCPU、メモリ、各種の入出力ポート等を備えたコンピュータ回路等で構成され、CPUによるプログラムの実行により実現される機能として、前処理手段として機能する前処理部26、候補領域抽出手段として機能する候補領域抽出部28、特徴量抽出手段として機能する特徴量抽出部30、煙判断手段として機能する煙判断部32及び制御部34が設けられている。
前処理部26は監視カメラ10からのカラー動画のフレーム画像をグレースケール化して候補領域抽出部28に出力する。ここで、監視カメラ10で撮像されたカラーのフレーム画像のサイズは、例えば1280×720ピクセルの解像度であり、この解像度でも処理できるが、処理時間を低減したい場合には、前処理部26は、入力したフレーム画像に対し例えばガウシアンピラミッドで複数スケールの画像を作成し、煙の変化が抽出されるスケールに注目してグレースケール化し、例えば入力フレーム画像を1/4にスケール化して640×360ピクセルの解像度の1/4グレースケール画像を生成して候補領域抽出部28に出力するようにしても良い。
図3は候補領域抽出部の機能構成を示したブロック図である。候補領域抽出部28は、前処理部26から入力された画像毎に、煙候補領域を抽出するものであり、図3に示すように、差分画像生成手段として機能する差分画像生成部45、移動平均画像生成手段として機能する移動平均画像生成部46、及び2値化画像生成手段として機能する2値化画像生成部48で構成される。
(移動平均画像)=
(現在の入力画像)×(更新率)+(前回の移動平均画像)×(1−更新率)
この移動平均画像の生成は画素毎に行われる。例えば画素の輝度値は0〜256の階調値をもつことから、例えば、更新率を0.3、現在の画素値を70、前回の移動平均画素値を60とすると、移動平均画素値として63が求められる。
図2の特徴量抽出部30に設けられたオプティカルフロー生成部36は、候補領域抽出部28から出力された煙候補領域を例えばメッシュ状に区切ることで複数の候補点を設定し、候補点毎に時間的な動きを示すベクトルに基づくオプティカルフローを生成して、クラスタリング処理部38に出力する。
図4は候補領域から生成された複数のオプティカルフローとそのグループ分けを示した説明図である。
図2に示した煙判断部32は、図5に示したクラスタ座標面に予め設定された煙推定領域60とオプティカルフローのクラスタリングにより生成されたクラスタを比較してクラスタが煙領域か否か判断し、判断結果を出力する。煙判断部32には、重み設定部40、判定値算出部42及び判定部44が設けられている。
D=Σ(Wi・n)/k
として算出される。
本実施形態の重み設定部40は、クラスタの位置の煙推定領域の下限ラインに対する距離に応じて重みを設定する。
本実施形態の重み設定部40は、クラスタの位置が煙推定領域にあれば重み1を設定し、煙推定領域になければ重み0を設定する。このため図7(A)の場合は、クラスタ70−1〜70−5の全てに重み1を設定し、図7(B)の場合には、クラスタ72−1〜72−4に重み0を設定し、クラスタ72−5に重み1を設定する。本実施形態は重みの設定が簡単であり、クラスタの火災判断の処理負担が低減できる。
本実施形態の重み設定部40は、クラスタの位置が煙推定領域にあれば重み1をとし、煙推定領域になければ重み0をとし、更に、重み1及び重み0を、tanh関数又はsigmoid関数を含む所定の評価関数に入力して得られる値を重みに設定する。
本実施形態の重み設定部40は、平均速度と速度ばらつきに対応して予め求められた煙の2次元確率密度関数に対し、クラスタの位置を中心とした所定の平均速度と速度ばらつきの範囲の2次元確率密度関数の積分で算出される煙である確率を、クラスタの重みに設定する。
本実施形態の重み設定部40は、第4実施形態の重み設定を、ルックアップテーブルを用いて行うことを特徴とする。
図8は煙検出装置の処理制御を示したフローチャートであり、図2に示した制御部34による制御動作となる。
(クラスタリング)
上記の実施形態は、変分混合ガウス分布法(VBGMM法)によるオプティカルフローのクラスタリング法を例にとっているが、混合ガウスモデルによるクラスタリング法、k−平均法(k−means法)、又は平均シフト法(MeanShift法)等の広く利用されている手法によりクラスタリングしてクラスタを生成するようにしても良い。
上記の実施形態は、カラー動画を出力する監視カメラを使用したため、前処理部26でカラーのフレーム画像をグレースケール画像に変換しているが、モノクロ動画を出力する監視カメラを使用した場合には、画像入力部におけるグレースケール化は不要となる。
また、本発明は上記の実施形態に限定されず、その目的と利点を損なうことのない適宜の変形を含み、更に上記の実施形態に示した数値による限定は受けない。
12:煙検出装置
14:火災報知設備
16:監視領域
18:火源
20:煙
22:ポット
24:湯気
26:前処理部
28:候補領域抽出部
30:特徴量抽出部
32:煙判断部
34:制御部
36:オプティカルフロー生成部
38:クラスタリング処理部
40:重み設定部
42:判定値算出部
44:判定部
45:差分画像生成部
46:移動平均画像生成部
48:2値化画像生成部
56−1,56−2,70−1〜70−5,72−1〜72−5:クラスタ
60:煙推定領域
62:煙推定領域下限ライン
62−1:傾斜ライン
62−2:水平ライン
64:煙推定領域上限ライン
66:湯気推定領域
68:人推定領域
Claims (13)
- 監視領域を逐次撮像した画像を出力する撮像手段と、
前記撮像手段から出力された前記画像毎に、煙候補領域を抽出する候補領域抽出手段と、
前記煙候補領域に複数の候補点を設定し、前記候補点毎に時間的な動きを示すベクトルに基づくオプティカルフローを生成するオプティカルフロー生成手段と、
前記オプティカルフローを、移動量のx成分とy成分の二次元座標を持つ座標面上で1以上のクラスタにクラスタリングし、前記クラスタ毎に平均速度と速度ばらつき量を求めるクラスタリング処理手段と、
平均速度のx軸と速度ばらつき量のy軸の二次元座標面上で、予め設定された煙推定領域と前記クラスタの前記平均速度と前記速度ばらつき量を比較して比較結果を出力する煙判断手段と
が設けられたことを特徴とする煙検出装置。
- 請求項1記載の煙検出装置に於いて、前記候補領域抽出手段は、
前記撮像手段から出力された画像から移動平均画像を差し引いて差分画像を生成する差分画像生成手段と、
前記差分画像生成手段で生成された前記差分画像の画素輝度が所定の閾値以上又は前記閾値を超えている場合は煙画素に、それ以外は背景画素に2値化する2値化画像生成手段と、
が設けられたことを特徴とする煙検出装置。
- 請求項2記載の煙検出装置に於いて、前記差分画像生成手段は、前記移動平均画像を、現在の入力画像に所定の更新率を乗じた値に、1つ前の移動平均画像に前記更新率を1から差し引いた値を乗じて求めた値を加算して生成することを特徴とすることを特徴とする煙検出装置。
- 請求項3記載の煙検出装置に於いて、前記オプティカルフロー生成手段は、前記候補点のオプティカルフローを生成した場合、所定の煙判定領域に存在する場合に有効なオプティカルフローと判定して前記クラスタリング処理手段に出力することを特徴とする煙検出装置。
- 請求項3記載の煙検出装置に於いて、前記クラスタリング処理手段は、前記オプティカルフローを所定の変分混合ガウス分布法、混合ガウスモデルによるクラスタリング法、k−平均法又は平均シフト法によりクラスタリングして前記1以上のクラスタを生成することを特徴とする煙検出装置。
- 請求項1記載の煙検出装置に於いて、前記煙判断手段は、前記二次元座標面上で、前記煙推定領域を、原点に近い前記平均速度の所定の最小値を起点して所定の傾きで上昇した後に一定の傾きとなる煙推定領域下限ラインと、前記原点に近い前記速度ばらつき量の所定の最小値を起点として前記煙推定領域下限ラインより大きい所定の傾きで上昇する煙推定領域上限ラインの間に、設定したことを特徴とする煙検出装置。
- 請求項1記載の煙検出装置に於いて、
前記煙判断手段は、
生成された所定数のクラスタに所定の重みを設定する重み設定手段と、
前記クラスタに含まれる前記オプティカルフローの数に前記重みを乗じた値を前記クラスタ毎に求めて総和を平均して判定値として算出する判定値算出手段と、
前記判定値が所定の判定閾値以上又は前記判定閾値を超えている場合に前記クラスタを煙領域と判定する煙領域判定手段と、
が設けられたことを特徴とする煙検出装置。
- 請求項7記載の煙検出装置に於いて、
前記重み設定手段は、
前記二次元座標面上で、前記平均速度と前記速度ばらつき量によりプロットした前記クラスタの位置の前記煙推定領域の下限に対する距離に応じて前記重みを設定することを特徴とする煙検出装置。
- 請求項7記載の煙検出装置に於いて、
前記重み設定手段は、
前記二次元座標面上で前記平均速度と前記速度ばらつき量によりプロットした前記クラスタの位置が前記煙推定領域にあれば重み1を設定し、前記煙推定領域になければ重み0を設定することを特徴とする煙検出装置。
- 請求項7記載の煙検出装置に於いて、
前記重み設定手段は、
前記二次元座標面上で前記平均速度と前記速度ばらつき量によりプロットした前記クラスタの位置の前記煙推定領域の下限に対する距離を、tanh関数又はsigmoid関数を含む所定の評価関数に入力して得られる値を重みに設定することを特徴とすることを特徴とする煙検出装置。
- 請求項7記載の煙検出装置に於いて、
前記重み設定手段は、前記平均速度と前記速度ばらつき量に対応して予め求められた煙の2次元確率密度関数に対し、前記クラスタの位置を中心とした所定の前記平均速度と前記速度ばらつきの範囲の前記2次元確率密度関数の積分で算出される煙である確率を、前記クラスタの重みに設定することを特徴とする煙検出装置。
- 請求項7記載の煙検出装置に於いて、
前記重み設定手段は、前記平均速度と前記速度ばらつき量に対応して予め求められた煙の2次元確率密度関数が設定されたルックアップテーブルを備え、前記クラスタの位置による前記ルックアップテーブルの参照で得られた前記2次元確率密度関数の出力を、前記クラスタの重みに設定することを特徴とする煙検出装置。
- 撮像手段により、監視領域の画像を逐次撮像し、
候補領域抽出手段により、前記撮像手段から出力された画像毎に煙候補領域を抽出し、
オプティカルフロー生成手段により、前記煙候補領域に複数の候補点を設定し、前記候補点毎に時間的な動きを示すベクトルに基づくオプティカルフローを生成し、
クラスタリング処理手段により、前記オプティカルフローを、移動量のx成分とy成分の二次元座標を持つ座標面上で1以上のクラスタにクラスタリングし、前記クラスタ毎に平均速度と速度ばらつき量を求め
煙判断手段により、平均速度のx軸と速度ばらつき量のy軸の二次元座標面上で、予め設定された煙推定領域と前記クラスタの前記平均速度と前記速度ばらつき量を比較して比較結果を出力する、
ことを特徴とする煙識別方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018187833A JP7143174B2 (ja) | 2018-10-03 | 2018-10-03 | 煙検出装置及び煙識別方法 |
JP2022145846A JP7395684B2 (ja) | 2018-10-03 | 2022-09-14 | 煙検出装置及び煙識別方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018187833A JP7143174B2 (ja) | 2018-10-03 | 2018-10-03 | 煙検出装置及び煙識別方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022145846A Division JP7395684B2 (ja) | 2018-10-03 | 2022-09-14 | 煙検出装置及び煙識別方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020057236A true JP2020057236A (ja) | 2020-04-09 |
JP7143174B2 JP7143174B2 (ja) | 2022-09-28 |
Family
ID=70107347
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018187833A Active JP7143174B2 (ja) | 2018-10-03 | 2018-10-03 | 煙検出装置及び煙識別方法 |
JP2022145846A Active JP7395684B2 (ja) | 2018-10-03 | 2022-09-14 | 煙検出装置及び煙識別方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022145846A Active JP7395684B2 (ja) | 2018-10-03 | 2022-09-14 | 煙検出装置及び煙識別方法 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7143174B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553405A (zh) * | 2020-04-24 | 2020-08-18 | 青岛杰瑞工控技术有限公司 | 一种基于像素密度k均值聚类团雾识别算法 |
KR20220006770A (ko) * | 2020-07-09 | 2022-01-18 | 중앙대학교 산학협력단 | 딥러닝 기반 연기 및 화재 검출 방법 및 그 장치 |
CN116259005A (zh) * | 2023-02-04 | 2023-06-13 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于屋顶光伏消防的智能监控系统 |
WO2023127239A1 (ja) * | 2021-12-27 | 2023-07-06 | 株式会社Screenホールディングス | 動作監視方法および製造装置 |
CN117036361A (zh) * | 2023-10-10 | 2023-11-10 | 云南大学 | 一种电网输电线烟雾检测方法、系统、电子设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002090471A (ja) * | 2000-09-21 | 2002-03-27 | Kokusai Kogyo Co Ltd | 噴煙等の観測システム |
CN102201146A (zh) * | 2011-05-18 | 2011-09-28 | 中国科学技术大学 | 基于主动红外视频的零照度环境火灾烟雾识别方法 |
US20180047271A1 (en) * | 2016-08-10 | 2018-02-15 | Fujitsu Limited | Fire detection method, fire detection apparatus and electronic equipment |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04148283A (ja) * | 1990-10-08 | 1992-05-21 | Fujitsu Ltd | クラスタリングによる移動物体の分離処理方法 |
JP2870415B2 (ja) * | 1994-08-22 | 1999-03-17 | 日本電気株式会社 | 領域分割方法および装置 |
JP4266535B2 (ja) * | 2001-04-27 | 2009-05-20 | 株式会社シー・イー・デー・システム | 黒煙検知システム |
US7786877B2 (en) * | 2008-06-20 | 2010-08-31 | Billy Hou | Multi-wavelength video image fire detecting system |
CN101339602B (zh) * | 2008-07-15 | 2011-05-04 | 中国科学技术大学 | 一种基于光流法的视频火灾烟雾图像识别方法 |
JP2018005642A (ja) * | 2016-07-05 | 2018-01-11 | 株式会社日立製作所 | 流動物体解析装置 |
-
2018
- 2018-10-03 JP JP2018187833A patent/JP7143174B2/ja active Active
-
2022
- 2022-09-14 JP JP2022145846A patent/JP7395684B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002090471A (ja) * | 2000-09-21 | 2002-03-27 | Kokusai Kogyo Co Ltd | 噴煙等の観測システム |
CN102201146A (zh) * | 2011-05-18 | 2011-09-28 | 中国科学技术大学 | 基于主动红外视频的零照度环境火灾烟雾识别方法 |
US20180047271A1 (en) * | 2016-08-10 | 2018-02-15 | Fujitsu Limited | Fire detection method, fire detection apparatus and electronic equipment |
Non-Patent Citations (1)
Title |
---|
宮原 宏幸 HIROYUKI MIYAHARA: "オプティカルフローによる火災煙発見システム Detecting Fire Smoke By The Optical Flow", 電気学会研究会資料 THE PAPERS OF TECHNICAL MEETING ON INFORMATION ORIENTED INDUSTRIAL SYSTEM,IEE JA, JPN6022034383, 14 July 2003 (2003-07-14), JP, pages 39 - 44, ISSN: 0004856334 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553405A (zh) * | 2020-04-24 | 2020-08-18 | 青岛杰瑞工控技术有限公司 | 一种基于像素密度k均值聚类团雾识别算法 |
CN111553405B (zh) * | 2020-04-24 | 2023-08-18 | 青岛杰瑞工控技术有限公司 | 一种基于像素密度k均值聚类团雾识别算法 |
KR20220006770A (ko) * | 2020-07-09 | 2022-01-18 | 중앙대학교 산학협력단 | 딥러닝 기반 연기 및 화재 검출 방법 및 그 장치 |
KR102436752B1 (ko) * | 2020-07-09 | 2022-08-25 | 중앙대학교 산학협력단 | 딥러닝 기반 연기 및 화재 검출 방법 및 그 장치 |
WO2023127239A1 (ja) * | 2021-12-27 | 2023-07-06 | 株式会社Screenホールディングス | 動作監視方法および製造装置 |
CN116259005A (zh) * | 2023-02-04 | 2023-06-13 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于屋顶光伏消防的智能监控系统 |
CN116259005B (zh) * | 2023-02-04 | 2024-05-28 | 国网浙江省电力有限公司嘉兴供电公司 | 基于屋顶光伏消防的智能监控系统 |
CN117036361A (zh) * | 2023-10-10 | 2023-11-10 | 云南大学 | 一种电网输电线烟雾检测方法、系统、电子设备及介质 |
CN117036361B (zh) * | 2023-10-10 | 2024-02-20 | 云南大学 | 一种电网输电线烟雾检测方法、系统、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2022177147A (ja) | 2022-11-30 |
JP7395684B2 (ja) | 2023-12-11 |
JP7143174B2 (ja) | 2022-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7395684B2 (ja) | 煙検出装置及び煙識別方法 | |
KR101271092B1 (ko) | 감시 카메라 시스템에서 움직임을 검출하기 위한 실시간움직임 영역 분할 방법 및 장치 | |
US20160335491A1 (en) | Method and device for detecting gathering of objects based on stereo vision as well as non-transitory computer-readable medium | |
JP4689518B2 (ja) | 火災検出装置 | |
JP2012089929A (ja) | 物体検知装置、物体検知方法、監視カメラシステム、およびプログラム | |
JP5290227B2 (ja) | 対象物検知装置及びその学習装置 | |
KR20060008268A (ko) | 씨씨디 영상에서의 연기 검출방법 및 장치 | |
CN109635723B (zh) | 一种遮挡检测方法及装置 | |
JP7150934B2 (ja) | 火災検知装置及び火災検知方法 | |
US6956485B1 (en) | Fire detection algorithm | |
JP5647459B2 (ja) | 移動物体検出装置 | |
CN110211021B (zh) | 图像处理装置、图像处理方法和存储介质 | |
JP2020109644A (ja) | 転倒検出方法、転倒検出装置及び電子機器 | |
JP6617015B2 (ja) | 炎検出装置および炎検出方法 | |
JP6139982B2 (ja) | 火災検知装置及び火災検知方法 | |
JP6664689B2 (ja) | 炎検出装置 | |
JP5954212B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
JP5015838B2 (ja) | 煙検出装置 | |
KR101581162B1 (ko) | 실시간 영상 기반의 화염, 연기 및 물체 움직임 자동 감지 방법, 장치 및 시스템 | |
Nguyen-Ti et al. | Fire detection based on video processing method | |
CN101930541A (zh) | 基于视频的火焰检测装置和方法 | |
JP2017168117A (ja) | 火災検知装置及び火災検知方法 | |
JP2014229034A (ja) | 火災検知装置及び火災検知方法 | |
JP5309069B2 (ja) | 煙検出装置 | |
Lee et al. | Fire detection using color and motion models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210916 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220817 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220824 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220914 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7143174 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |