JP3688086B2 - 火災検出装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
この発明は火災検出に画像処理を用いた火災検出装置に関し、特に監視領域に監視対象である炎以外の光源が混在する場合等に用いて好適な火災検出装置に関するものである。
【０００２】
【従来の技術】
画像処理装置を利用して火災を検出する従来装置として、例えば特開平５−２０５５９号公報に記載されているようなものがある。このような従来装置の主な原理は、撮影される画像から所定の明度を有する領域を抽出することで、火災時の炎を捕らえるものである。
【０００３】
【発明が解決しようとする課題】
ところが、このような従来装置の場合、監視画像の輝度信号から輝度値の高い領域を抽出して火災と認識するようにしているので、監視領域、例えばトンネル内にこのような火災検出装置を設ける場合、所定の明度を有する光源として炎以外の例えば照明用人工光源（ナトリウム灯）、車両後部光源（テールランプ，ポジションランプ）、車両前部光源（ヘッドライト、ハロゲンランプ、フォグランプ）、或いは緊急車両光源（回転灯）等が存在するので、これらの光源を炎と認識し、誤報を発生する虞れがあるという問題点があった。
【０００４】
この発明はこのような問題点を解決するためになされたもので、炎の擬似光源に影響されることなく、炎のみを正確に捕らえることのできる火災検出装置を得ることを目的とするものである。
【０００５】
【課題を解決するための手段】
この発明に係わる火災検出装置は、画像から火災らしい領域を抽出する火災候補領域抽出手段と、所定時間に亙って前記火災らしい領域の特徴量を演算する抽出領域特徴量演算手段と、前記所定時間を複数個の異なる時間帯に分割して、時間軸に対する前記特徴量のデータを複数個作成する時間分割手段と、前記複数個のデータに対してそれぞれフーリエ変換を行い、周波数軸に対する強度を求めるフーリエ変換演算手段と、フーリエ変換された異なる時間帯における前記複数個のデータのそれぞれの対照度を判別するために、フーリエ変換された前記時間分割手段で分割された前記複数個のデータのそれぞれの正規化相関係数を演算する正規化相関係数演算手段と、該正規化相関係数演算手段で演算された正規化相関係数と所定値を比較して、正規化相関係数の値が所定値より小さいとき、前記火災らしい領域は本当の火災領域であると判別する火災判別手段とを備えたものである。
【００１１】
【発明の実施の形態】
以下、この発明の一実施の形態を図を参照して説明する。
先ず、各実施の形態を説明する前に、火災領域の検出原理について図１４を参照して説明する。
火災を検出するに当たって、先ず所定の明度を有する領域だけを監視画像から抽出する。この抽出された領域は、火災時の炎だけでなく、人口光源の場合もあるので、この抽出領域を火災らしい領域と呼ぶ。
通常、炎や炎以外の光源例えば移動光源（車両の光源）、固定光源（車両停止中の場合、または照明用光源）あるいは回転灯の抽出領域を輝度または面積の時間変化に伴う変化の仕方から見ると、それぞれ図１４に示すような特徴を有する。
即ち、先ず、炎の場合、その輝度と面積は絶えず変化し、その変化の仕方は不規則である。
また、移動光源の場合、その輝度と面積は変化するが、その変化の仕方は増加していくか、減少していくかである。
また、固定光源の場合、その輝度と面積は一定である。
さらに、回転灯の場合、その輝度と面積は絶えず変化し、その変化の仕方は一定の周期である。
【００１２】
このように炎は、火災らしい領域の輝度と面積は絶えず変化し、その変化の仕方は不規則である。
これに対し、例えば、車両の光源は、その車両が移動していれば（移動光源）、火災らしい領域の輝度と面積は変化するが、その変化の仕方は増加していくか、減少していくかであり、炎のように領域の輝度と面積の変化の仕方が不規則ではない。
また、その車両が停止していれば（固定光源）、輝度も面積も変化することなく、一定である。これは照明用光源でも同じことになる。さらに、回転灯の場合、炎と同様に火災らしい領域の輝度と面積は絶えず変化するが、その変化の仕方は一定の周期である点で炎と異なる。
そこで、以下の各実施の形態では、炎が、火災らしい領域の輝度と面積は絶えず変化し、その変化の仕方は不規則であるという特徴を持つことに着目して火災領域を検出する。
【００１３】
実施の形態１．
図１はこの発明の第１の実施の形態を示す構成図である。
図において、１は撮影手段としての監視カメラであって、例えばＣＣＤカメラなどが使用され、所定のサンプリング周期で監視領域を撮影するものである。この監視カメラ１は例えば監視領域としてのトンネル内の監視区域全体を見渡せる位置に設置され、トンネル内で発生する火災を監視し、撮影した画像内に火災の領域があるか否かは後述する画像処理部で検出される。
【００１４】
図２は、監視カメラ１により撮影された画像を示す図面で、この図からもわかるように監視カメラ１は車両Ｃが走り去って行く方向を映すように、例えばトンネル内の側壁上部に設置されている。これは、車両Ｃのヘッドライトが監視カメラ１に入射するのを防止するためで、このように設置することで画像処理する際にヘッドランプが火災領域として捕らえられることがなくなる。なお、図２において、ＣＴは車両のテールランプを表している。
【００１５】
２は監視カメラ１に接続されたアナログーデジタル変換器であって、監視カメラ１から得られた画像のそれぞれを画素単位で多階調、例えば２５５階調のデジタル信号に変換するものである。３はアナログーデジタル変換器２に接続され、デジタル化された画像を記憶する画像メモリであって、監視カメラ１で撮影された画像の１画面分を格納する。この画像メモリ３は複数の画像を格納できるようにするため図に示すように複数個で構成され、一番古い画像を削除しながら、順次新しい画像を更新格納していく。
【００１６】
４１は画像メモリ３に接続され、画像処理部４の構成要素の１つである火災候補領域抽出手段であって、この火災候補領域抽出手段４１は画像メモリ３から読み出された画像信号を所定値で二値化処理し、所定値を越える領域、つまり明るい領域を火災らしい領域（火災の可能性のある領域）として抽出する。即ち、火災らしい領域を“１”、画像のそれ以外の部分（所定値未満の部分）を“０”で表す。なお、以下の説明において、火災らしい領域を抽出領域と呼ぶ場合がある。この二値化処理で使用される所定値は、画像から所定の明るさを有する領域だけ抽出できるように設定された値であり、トンネルのように暗い環境下では例えば２００位（２５５階調の場合）に設定される。
なお、図３は図２の画像を二値化処理した二値化画像で、後述の二値化メモリに格納されている。このように二値化処理により所定の明るさをもつ領域だけが元の画像から抽出されることがわかる。
【００１７】
５は火災候補領域抽出手段４１に接続され、この火災候補領域抽出手段４１によって二値化された画像を格納するための二値化メモリであって、画像メモリ３と同様に複数個で構成され、実質的に画像メモリ３からの最新の画像を火災候補領域抽出手段４１を介して順次複数個分格納する。
６および７は上述の火災候補領域抽出手段４１等を含む画像処理部４にそれぞれ接続されたＲＯＭおよびＲＡＭであって、画像処理部４における各種演算処理等は、ＲＯＭ６に格納された後述のプログラム（図４参照）に基づいて行われ、その際、演算された値はＲＡＭ７に格納される。またＲＯＭ６は二値化処理をする際の所定値や火災判別をする際に使う所定値などが記憶されている。
【００１８】
４２は二値化メモリ５に接続された対応判別手段であって、監視カメラ１により周期的に撮影された画像に火災らしい領域が連続してある場合、つまり二値化メモリ５に火災らしい領域が連続して格納される場合に、ある時間の前後にわたる火災らしい領域同士の対応関係、即ち同じ炎により抽出された領域なのかどうかを判別する。この対応判別手段を設けることで、監視領域内に所定時間に亙って火災らしい領域が存在するかどうかを判別することが可能となる。
４３は二値化メモリ５および対応判別手段４２に接続された抽出領域特徴量演算手段であって、対応判別手段４２が所定時間に亙って火災らしい領域同士の対応関係を判別したとき、その対応関係がとれた火災らしい領域の特徴量としての例えば平均輝度または面積を演算する抽出領域特徴量演算手段である。
【００１９】
４４は抽出領域特徴量演算手段４３に接続され、この抽出領域特徴量演算手段４３で演算された特徴量の平均値を演算する特徴量平均値演算手段、４５は特徴量平均値演算手段４４に接続され、この特徴量平均値演算手段４４で演算された特徴量の平均値を用いて変化量としての特徴量の標準偏差または分散を演算する変化量演算手段としての特徴量変化量演算手段、４６は特徴量変化量演算手段４５に接続され、その出力に基づいて火災らしい領域が実際の火災領域であるか否かを判別する火災判別手段である。火災判別手段４６は、演算された特徴量例えば面積や平均輝度の変化量の値と所定値の大小関係を調べ、変化量の値が所定値以内にある場合に火災であると判定し、出力端子８を介して図示しない表示部や音響部から火災の発生を警報する。
なお、上述の構成要素４１〜４６により画像処理部４を構成し、この画像処理部４としては、例えばＭＰＵ（マイクロプロセッサ）が用いられる。
【００２０】
次に動作について、図４および図５を参照しながら説明する。
今、監視カメラ１が撮影した画像には、所定の明るさを有する光源として３つの明度を有するもの、例えば車両ＣのテールランプＣＴ、照明用のナトリウム灯Ｎ、火災時の炎Ｆが映し出されている（図２参照）。
監視カメラ１によって撮影された監視領域の画像は、カラー画像信号がアナログーデジタル変換器２によってデジタル化された後、画像メモリ３に取り込まれる（ステップＳ１）。
【００２１】
次いで画像メモリ３に取り込まれた画像は火災候補領域抽出手段４１に供給され、その出力された値を基に火災候補領域抽出手段４１により二値化処理が行われ、所定値以上の領域を火災らしい領域として抽出する（ステップＳ２）。この抽出された火災らしい領域は、何らかの光を放つ光源がある領域である。
二値化処理後の画像を二値化メモリ５に格納し（ステップＳ３）、この二値化メモリ５に所定数、例えば６枚の画像が格納されたかを判断する（Ｓ４）。もし６枚分の画像が格納されているならば、ステップＳ５において対応判別手段４２が抽出領域の対応判別を行う。なお火災候補領域抽出手段４１によって抽出され、二値化メモリ５に格納された抽出領域にはラベリング処理が行われる。つまりある時間に撮影した画像に火災らしい領域が複数ある場合、その領域毎に異なる番号（ラベル）を付与する。そしてこの後、行われる領域の平均輝度や面積の演算結果などは、この番号と共にＲＡＭ７に格納される。
【００２２】
ここで、対応判別手段４２における対応判別の仕方を図５を参照して説明する。
図５は監視カメラ１の画像を撮影するタイミング（図５ａ）と、そのタイミング（撮影時間）によって撮影され、火災候補領域抽出手段４１によって抽出され、さらに二値化メモリ５に格納された画像（図５ｂおよびｃ）を示すもので、ここではわかりやすくするために抽出領域の部分だけを拡大している。
なお、図５（ｂ）および（ｃ）に示す画像は、それぞれ一例として監視カメラ１によって移動光源と炎を、所定の撮影間隔をおきながら撮影したもので、移動光源に関する図５（ｂ）は車両が移動するにつれて、つまり撮影時間が異なると画像の大きさが大きく変化している状態を示しており(監視カメラとの距離が変化するため)、炎に関する図５（ｃ）は撮影時間が異なっても画像の大きさがそれほど変化せず、またその位置(場所)も変化していない状態を示している。
【００２３】
さて、対応判別手段４２は、二値化メモリ５に６枚の画像が格納されたら（ステップＳ４）、それらの画像に同じ光源により抽出された領域が存在するかどうかを判別する（ステップＳ５）。ここでは、一例として二値化メモリ５に、６枚画像が格納される度に直前の画像と今回の画像を重ね合わせて抽出領域同士が重なり合うかどうかを調べて、その抽出領域同士の対応関係を順次判別する。この６枚の画像に対する１回の判別処理を、以下、１処理という。
なお、図５において、撮影時間Ｔの後に続く２桁の数字のうち、前の数字は何回目の処理かを示す数字で、後の数字は１処理中における何枚目の画像かを示す数字である。例えばＴ１１なら１回目の処理の１枚目の画像を示す。従って、図５（ｂ）の左側部分は、代表的に１回目の撮影時間Ｔ１１〜Ｔ１６に対応する６枚の画像と２回目の撮影時間がＴ２１に対応する最初の画像を示し、その右側部分は１回目の最初の画像と２回目の最初の画像を対比して示しており、図５（ｃ）は炎を抽出領域とした場合で１回目の最初の画像と２回目の最初の画像を対比して示している。なお、図５（ｃ）において、撮影時間Ｔ１２〜Ｔ１６に対応する画像も撮影時間Ｔ１１およびＴ２１と殆ど同じ大きさで且つ殆ど同じ位置に現れるが、ここでは省略されている。
【００２４】
いま、撮影時間Ｔ１１〜Ｔ１６の画像を考えると、対応判別手段４２は、二値化メモリ５に６枚分（Ｔ１１〜Ｔ１６）の画像が格納されたのを判別したら、まず時間Ｔ１６と時間Ｔ１５で撮影された画像を比較し、対応関係を調べる。ここでは時間Ｔ１６と時間Ｔ１５の二値化メモリ５に格納された画像を重ね合わせ、それぞれ抽出された火災らしい領域同士がわずかでも重なり合えば、時間Ｔ１６の領域と時間Ｔ１５の領域とは対応関係があるものとし、同じ光源により抽出された領域であると判断する。
時間Ｔ１６と時間Ｔ１５の対応関係を判別したら、次は時間Ｔ１５と時間Ｔ１４の対応関係を判別し、順次、時間Ｔ１４と時間Ｔ１３、時間Ｔ１３と時間Ｔ１２、時間Ｔ１２と時間Ｔ１１まで対応関係を調べる。ここで、合わせて５つの対応関係が調べられ、この５つの全てが対応関係有りと判別されれば、時間Ｔ１１から時間Ｔ１６の間において、抽出された領域は、この１処理中において対応するものであると判別する。また５つのうち４つ以下しか対応関係がとれなかったものは、対応関係はないものと判別する。換言すれば、時間１１から時間１６の間において、連続して存在する抽出領域がないものと判別する。
【００２５】
さて、このようにして１処理中の対応判別が終わると、ステップＳ６において１処理中の全ての画像の対応がとれたか否かを判別する。そして、１処理中の全て、つまり上述の５回の画像の対応関係がとれているならば、前回処理の画像と対応するかを、１処理中の例えば最初の画像同士を比較（図５（ｂ）の右側部分または図５（ｃ）参照）して対応関係を判別する（ステップＳ７）。ここで対応関係がとれれば、前回処理（第１回目）と今回処理（第２回目）の画像は対応するものと判別する。即ち、その領域は、時間Ｔ１１〜時間Ｔ２６の間に亙って監視領域に存在するものであり、移動量の少ない光源と判断できる。
なお、最初の画像同士、つまり、時間Ｔ１１と時間Ｔ２１で対応関係がとられなかった場合には、時間Ｔ２１〜Ｔ２６の領域は今回新しく発生した領域として扱われ、ＲＡＭ７にそのラベリング番号と発生時期、つまり何回目の処理から出現した領域であるかが格納される（ステップＳ８）。すなわち、ステップＳ７で前処理の画像と対応関係がとれなかった場合には、ステップＳ８で今回処理における抽出領域は新しく発生したものとして新規に登録した後、ステップＳ１に戻る。換言すれば、たとえ直前の画像同士では対応するものと判断されても、直前の画像同士だけでなく、時間Ｔ１１と時間Ｔ２１のように時間間隔の空いた画像同士を比較することで、移動量の大きい光源は対応関係がとれないようにしている。つまり、移動光源は、この対応判別手段４２の判別により実質的に除去、つまり炎の領域でないと識別され、以後の処理では無視され、領域の特徴量としての面積などを演算する必要がなくなる。
【００２６】
このようにして第１回目の処理と第２回目の処理の対応関係の判別が終わり、この間に第３回目の処理分の６枚の画像が二値化メモリ５に格納されていれば、第２回目の処理と同様に第３回目の６枚の画像における対応関係を判別し、その最後に、第２回目の処理と第３回目のそれぞれ１処理中における例えば最初の画像同士の対応関係を判別する。このようにして火災らしい領域同士の対応する回数が連続して所定回、例えば１６回（画像の枚数にして９６枚）を越えたことを判別したら（ステップＳ９）、ステップＳ１０に進む。
一方、ここでまだ１５回以下しか対応関係がとれていない場合は、ステップＳ１に戻り新しい画像を取り込む。なおステップＳ４で二値化メモリ５に画像が所定数格納されていない場合やステップＳ６で１処理中の対応関係が４回以下しかとれない場合には、同様にステップＳ１に戻る。
【００２７】
次に、ステップＳ１０において、抽出領域特徴量演算手段４３は二値化メモリ５に格納された火災らしい領域の特徴量例えば平均輝度または面積を演算して、それらの値をＲＡＭ７に格納する。
ここで、抽出領域の面積、平均輝度の演算の仕方を簡単に説明する。先ず、火災候補抽出領域手段４１により抽出された領域を外接する矩形で囲む。そして、矩形内をラスタ走査して、二値化された“１”の画素の数を数える。この画素数の合計値が抽出領域の面積となる。
また、平均輝度の演算は、面積の場合と同様に先ず抽出領域を外接する矩形で囲む。そして、二値化された画像の領域に対する原画像を読み出して、抽出領域の輝度値を画素毎に加算していく。そして、その加算値を前述の面積で割った値が平均輝度の値となる。
次いで、特徴量平均値演算手段４４は抽出領域特徴量演算手段４３で演算された９６個分の特徴量の平均値を演算する（ステップＳ１１）。特徴量変化量演算手段４５は特徴量平均値演算手段４４で演算された平均値をもとに、特徴量と平均値のずれ、即ち特徴量の標準偏差や分散を算出する（ステップＳ１２）。
ここで、図１４を参照すると、炎、移動光源、固定光源の３つの領域では特徴量（平均輝度または面積）の標準偏差もしくは分散は、移動光源が一番大きく、逆に変化のない固定光源が一番小さく、炎は中間の値をとる。
【００２８】
火災判別手段４６は、演算された特徴量の変化量の値と所定値の大小関係を調べ（ステップＳ１３）、変化量の値が所定値以内の場合にはその抽出領域は炎であると判断し、出力端子８を介して図示しない表示部や音響部から火災の発生を警報する（ステップＳ１４）。一方、変化量の値が所定値以内でない場合には、その抽出領域は炎以外の光源例えば移動光源または固定光源であると判断する。 即ち、変化量の値が所定値以内でなく、所定値より大きい場合は移動光源、またほぼ０の場合は固定光源と判断する。そして、このステップＳ１３で変化量の値が所定値以内でない場合には、ステップＳ１に戻る。
【００２９】
このように本実施の形態では、炎は抽出領域における輝度や面積が絶えず不規則に変化することに着目し、撮影した画像の火災らしい領域の例えば平均輝度や面積等の特徴量の変化量に基づいて火災を検出するようにしたので、火災を確実に検出でき、特に炎以外の光源例えば移動光源や固定光源も判断できる。
なお、上述した変化量としての標準偏差または分散を演算する代わりに、特徴量変化量演算手段４５において、抽出領域特徴量演算手段４３が毎回特徴量を演算する度に前回と今回の特徴量の差を演算し、その差を順次加算した値を変化量としてもよい。
【００３０】
実施の形態２．
図６はこの発明の第２の実施の形態を示す構成図である。
図において、図１と対応する部分には同一符号を付し、その詳細説明を省略する。
図において、４Ａは上述の火災候補領域抽出手段４１等を含む画像処理部、６Ａは画像処理部４Ａに接続されたＲＯＭであって、画像処理部４Ａにおける各種演算処理等は、ＲＯＭ６Ａに格納された後述のプログラム（図８参照）に基づいて行われ、また、ＲＯＭ６Ａには二値化処理をする際の所定値や火災判別をする際に使う所定値などが記憶されている。４７は抽出領域特徴量演算手段４３に接続され、抽出領域特徴量演算手段４３で演算された特徴量例えば平均輝度や面積に対してフーリエ変換を行い、周波数軸に対する強度を求めるフーリエ変換演算手段、４８はフーリエ変換演算手段４７に接続され、周波数軸の特定の周波数に対してピーク値があるか否かを判別するピーク判別手段である。
なお、構成要素４１〜４３および４６〜４８は画像処理部４Ａを構成する。その他の構成は図１と同様である。
【００３１】
次に動作について、図７および図８を参照しながら説明する。
なお、ステップＳ１からステップＳ１０の動作については図４の場合と同様であるので、その説明を省略する。
ステップＳ１５において、フーリエ変換演算手段４７によりステップＳ１０で求められた抽出領域の特徴量、つまり図１４に示す時間軸に対する特徴量のデータに対してフーリエ変換を行い、周波数軸に対する強度を求める。
【００３２】
図７は所定のサンプリング周期でフーリエ変換した場合の炎（図７ａ）、固定光源（ナトリウム灯）（図７ｂ）および回転灯（図７ｃ）に関するパワースペクトルをそれぞれ示したものである。
この図７より炎の場合は、そのパワースペクトルは、そのレベルが大体低い周波数で大きく、高い周波数で小さくなっていて、低い周波数から高い周波数に亙ってパワースペクトルが現れることが分かる。一方、固定光源の場合は面積などの変化が全くないため、周波数帯域の全域に亙ってそのレベルは低くてほぼ０に近く、また、回転灯の場合は、周波数帯域の中央部分（特定周波数）に大きなレベル（ピーク値）が存在するが、その他の部分はこれよりかなり低いレベルでほぼ一定であることが分かる。
【００３３】
そこで、ステップＳ１６においてピーク判別手段４８によりフーリエ変換されたフーリエ変換演算手段４７からの出力に特定周波数においてピーク値があるか否かを判別し、ピーク値があれば、抽出領域は回転灯に関するものであると判断し、ステップＳ１に戻り、炎または固定光源に関するものであれば特にピーク値は存在しないのでステップＳ１７に進む。なお、抽出領域が移動光源の場合は、既に対応判別手段４２の判別により上述のごとく当該処理より除去されている。次いで、火災判別手段４６は、ピーク判別手段４８で判別された出力のレベル（強度）と所定値の大小関係を調べ（ステップＳ１７）、強度の値が所定値より大きい場合にはその抽出領域は炎であると判断し、出力端子８を介して図示しない表示部や音響部から火災の発生を警報する（ステップＳ１４）。一方、強度の値が所定値より小さい場合には、その抽出領域は炎以外の光源例えば固定光源であると判断し、ステップＳ１に戻る。
【００３４】
このように本実施の形態では、炎は抽出領域における輝度や面積が絶えず不規則に変化することに着目し、撮影した画像の火災らしい領域の例えば平均輝度や面積等の特徴量をフーリエ変換しそのピーク値が特定周波数のものであるか否かに応じて火災を検出するようにしたので、火災を確実に検出でき、特に炎以外の光源例えば移動光源や固定光源は勿論回転灯やウインカの点滅光源でさえも判断できる。
【００３５】
実施の形態３．
図９はこの発明の第３の実施の形態を示す構成図である。
図において、図１と対応する部分には同一符号を付し、その詳細説明を省略する。
４Ｂは上述の火災候補領域抽出手段４１等を含む画像処理部、６Ｂは画像処理部４Ｂに接続されたＲＯＭであって、画像処理部４Ｂにおける各種演算処理等は、ＲＯＭ６Ｂに格納された後述のプログラム（図１３参照）に基づいて行われ、また、ＲＯＭ６Ｂには二値化処理をする際の所定値や火災判別をする際に使う所定値などが記憶されている。
【００３６】
４９は抽出領域特徴量演算手段４３に接続され、その出力に関連して所定時間を複数個に分割し、時間軸に対する特徴量のデータを複数個作成する時間分割手段、４７は時間分割手段４９に接続され、その複数個のデータに対して、それぞれフーリエ変換を行うフーリエ変換演算手段、５０はフーリエ変換演算手段４７に接続され、フーリエ変換された複数個のデータのそれぞれの正規化相関係数を演算する正規化相関係数演算手段である。換言すれば、この正規化相関係数演算手段は、フーリエ変換された複数個のデータのそれぞれの対照度を判別する対照判別手段である。
なお、構成要素４１〜４３、４６、４７、４９および５０は画像処理部４Ｂを構成する。その他の構成は図１と同様である。
【００３７】
次に動作について、図１０〜図１３を参照しながら説明する。
なお、ステップＳ１からステップＳ１０の動作については図４の場合と同様であるので、その説明を省略する。
ステップＳ１８において、時間分割手段４９により抽出領域特徴量演算手段４３からの出力に関連して所定時間を複数個に分割し、時間軸に対する特徴量のデータを複数個作成する。つまり、例えば９６個のデータがある場合は、これらを３つに分け、３２個づつのデータとする。次いで、このステップ１８で作成された複数個の時間軸に対する特徴量のデータに対してフーリエ変換をフーリエ変換演算手段４７で行い、周波数軸に対する強度を求める（ステップＳ１９）。
【００３８】
図１０は所定のサンプリング周期でフーリエ変換した場合の炎（図１０ａ）、固定光源（ナトリウム灯）（図１０ｂ）および回転灯（図１０ｃ）に関するパワースペクトルをそれぞれ示したもので、複数枚例えば９６枚の画像を複数個例えば３つのグループに分割して時間軸に対して連続する３２個分のデータをフーリエ変換した状態をそれぞれ左から順に示している。
この図１０より炎の場合は、そのパワースペクトルはサンプリング時間によってばらついて周期性がなく、またそのレベルは大体低い周波数で大きく、高い周波数で小さいことが分かる。一方、固定光源の場合は、周波数帯域の全域に亙ってそのレベルは低くてほぼ０に近く、また、回転灯の場合は、周波数帯域の中央部分（特定周波数）に大きなレベル（ピーク値）が常に存在するが、その他の部分はこれよりかなり低いレベルでほぼ一定であり、しかもそのパワースペクトルはサンプリング時間に関係なく常に同じパターンの繰り返しで周期性を有することが分かる。
このことは、前述の図１４を用いた説明、つまり炎の領域の面積変化は時間経過に伴う周期性が全くない点、また逆に、回転灯の領域の面積は時間経過に伴い一定の周期で変化するという性質を有するものである。
【００３９】
次いで、ステップＳ２０において正規化相関係数演算手段５０によりフーリエ変換演算手段４７でフーリエ変換された複数個のデータのそれぞれの正規化相関係数を演算する。
この正規化相関係数演算手段５０の基本動作を図１１および図１２を参照して説明する。
正規化相関係数とは、２つのデータがどの程度マッチングしているかを示す指標であり、通常＋１〜−１の値で示される。２つのデータが同じであればある程、その値は＋１に近づき、逆に２つのデータが違う程、−１に近づく。
【００４０】
いま、図１１において、図１１（ａ）のパルス波形に対して図１１（ｂ）および（ｃ）のパルス波形はそれぞれ逆相および同相の関係にあるものとする。
先ず、図１１（ａ）と図１１（ｂ）の正規化相関係数を演算する。演算の仕方はそれぞれのパルス値を乗算していき、乗算値を加算し、最後に加算値の平均値を求める。
（イ）において、１×（−１）であり、（ロ）において、（−１）×１であり、（ハ）において、１×（−１）であり、（ニ）において、（−１）×１であり、（ホ）において、１×（−１）である。
よって、乗算値の加算値は（−５）となり、平均値即ち正規化相関係数は（−１）となり、２つのデータは全く異なっていることを示す。
【００４１】
次に、図１１（ａ）と図１１（ｃ）の正規化相関係数を演算する。この場合は、
（イ）において、１×１であり、（ロ）において、（−１）×（ー１）であり、（ハ）において、１×１であり、（ニ）において、（−１）×（−１）であり、（ホ）において、１×１である。
よって、乗算値の加算値は（＋５）となり、平均値即ち正規化相関係数は（＋１）となり、２つのデータが完全に同じであるることを示す。
従って、両者のパルス波形が一致する程、つまり正規化相関係数の値が大きくなる程、その対照度は高くなる。
以上が正規化相関係数の基本的な原理である。より具体的に演算する場合を以下に示す。
【００４２】
この正規化相関係数は、その値をＣ、２つの時系列データをそれぞれf(x)、ｇ(x)（ｘ＝１，２・・・ｎ）とすると、次式によって求めることができる。
【００４３】

【００４４】
但し、上記（１）式において、ｆ_a、ｇ_a、ｆ_b、ｇ_bはそれぞれ次式で表される。

【００４５】

【００４６】

【００４７】

【００４８】
さて、この基本動作を基に図１０を参照すると、炎の場合は低周波が大きく、高周波になるにつれて小さくなるという大まかな形状は、それぞれ３つのグループ共同じであるが、サンプリング毎にそのパワースペクトルが変化し周期性がないので、その対照度が低く正規化相関係数の値は１よりも小さいものとなる。一方、回転灯の場合は面積変化は周期性があるので、３つのグループ共その対照度が高く正規化相関係数の値は大きいものとなる。勿論、固定光源の場合も、そのパワースペクトルのレベルは小さいが、そのサンプリング毎にそのパターンは全く変化せず周期性があるので、その対照度が高く正規化相関係数の値は大きいものとなる。
換言すれば、炎の場合の正規化相関係数の値は、最大値（＋１）と最小値（−１）の間の０より大きな最大値寄りに存在し、−0.2〜0.8の値を持つ。回転灯（固定光源も含む）の場合の正規化相関係数の値は、＋１〜0.95である。
【００４９】
かくして、ステップＳ２０で正規化相関係数演算手段５０によりフーリエ変換演算手段４７からの複数個のデータのそれぞれの正規化相関係数が求められると、次に火災判別手段４６によりその正規化相関係数の値と所定値を比較する（ステップＳ２１）。ここで、火災判別手段４６における火災判別のための所定値ＴＨは、図１２に示すように例えば0.8程度とする。
そして、正規化相関係数の値が所定値より小さい場合は炎と見做し出力端子８を介して図示しない表示部や音響部から火災の発生を警報する（ステップＳ２１）。一方、正規化相関係数の値が所定値より大きい場合は炎以外の光源例えば回転灯であるのでステップＳ１に戻る。なお、移動光源は、既に対応判別手段４２の判別により上述のごとく当該処理より除去されている。
【００５０】
このように本実施の形態では、炎は抽出領域における輝度や面積が絶えず不規則に変化することに着目し、撮影した画像の火災らしい領域の例えば平均輝度や面積等の特徴量をフーリエ変換し、さらに正規化相関してその値に基づいて火災を判別するようにしたので、火災を確実に検出でき、特に炎以外の光源例えば移動光源や固定光源は勿論回転灯やウインカ等の点滅光源でさえも確実に判断できる。
【００５１】
なお、３つのグループに分割しているので、正規化相関係数は３つ（グループ１と２、グループ１と３、グループ２と３）、求めることが可能である。そこで、火災判別の際には、演算された３つの値の内、最も低い値と所定値（0.8）を比較して火災か否かの判別をする。このようにすることで、火災判別の精度が向上する。
また、一例として９６個のデータを３つに分けて３２個づつにした場合を示したが、例えば６４個のデータをサンプリングして、１〜３２番目のデータ、１７〜４８番目のデータ、３３〜６４番目のデータを使用して３つのグループに分割してもよい。
【００５２】
フーリエ変換する際のデータ数は、一般的に２のべき乗が好ましいので、３２個のデータをサンプリングするようにしているが、１６個や６４個でも構わない。
また、３つのグループでなく、２つまたは４つ以上のグループに分割するようにしてもよい。
なお、２つ以上のデータが互いにマッチングしているかどうかを調べる対照判別の方法としては次のような方法もある。
【００５３】
例えば、フーリエ変換して得られた２つの周波数軸に対する強度のデータを互いに差分して、差分した結果、殆どのパワースペクトルが打ち消しあって、パワースペクトルが殆どなくなれば、それら２つのデータは互いにマッチングした、即ちお互いに似たデータと言える。
一方、差分した結果、パワースペクトルが残っていれば、それぞれのパワースペクトルが異なる強度を有するものと判断でき、それら２つのデータは互いにマッチングしていない、即ち異なるデータと言える。
【００５４】
また、上記実施の形態１と組み合わせて、異なる時間帯における火災らしい領域の面積等の標準偏差（または分散）を少なくとも２つ演算するようにしてもよい。これら２つの標準偏差の値が殆ど同じなら、その火災らしい領域は回転灯、また異なる値なら火災であると判別する。このようにこの発明では、異なる時間帯における抽出領域のデータを少なくとも２つ演算し、それらの相関関係がとれないときに火災と判断するようにしたものである。
【００５５】
実施の形態４．
なお、上述の各実施の形態では、監視領域として例えばトンネルに監視カメラを設置した場合を説明したが、その他の監視領域例えば球場、アトリウムといった大空間に監視カメラを設けるようにしてもよい。また、上述の各実施の形態では、いくつかある光源から炎だけを検出する火災検出装置として説明したが、いくつかある光源から、それが何の光源であるかを識別できる光源識別装置としてこの発明を適用してもよい。
なお、これらの実施の形態を１つだけ使用して火災判別をするのではなく、いくつか組み合わせて火災判別をすればより火災判別の精度が向上する。
【００５６】
【発明の効果】
以上のように、この発明によれば、撮影された画像から１次的に火災らしい領域を抽出し、所定時間に亙って対応関係のとれたその火災らしい領域の特徴量としての平均輝度または面積を演算し、その変化量に基づいて火災らしい領域が本当の火災領域であるか否かを判別するので、火災を確実に検出でき、特に炎以外の光源例えば移動光源や固定光源も判断できるという効果がある。
【００５７】
また、この発明によれば、撮影された画像から１次的に火災らしい領域を抽出し、所定時間に亙って対応関係のとれたその火災らしい領域の特徴量としての平均輝度または面積を演算し、その特徴量に対してフーリエ変換を行い、周波数軸に対する強度を求め、そのピークがないとき、火災らしい領域は本当の火災領域であると判別するので、火災を確実に検出でき、特に炎以外の光源例えば移動光源や固定光源は勿論回転灯やウインカでさえも判断できるという効果がある。
【００５８】
また、この発明によれば、撮影された画像から１次的に火災らしい領域を抽出し、所定時間に亙って対応関係のとれたその火災らしい領域の特徴量としての平均輝度または面積を演算し、その特徴量のデータを複数個作成してそれぞれフーリエ変換を行い、そのフーリエ変換された複数個のデータのそれぞれの対照度を判別してデータの対照度が低いとき、火災らしい領域は本当の火災領域であると判別するので、火災を確実に検出でき、特に炎以外の光源例えば移動光源や固定光源は勿論回転灯やウインカでさえも確実に判断できるという効果がある。
【図面の簡単な説明】
【図１】 この発明の実施の形態１を示す構成図である。
【図２】 監視カメラにより映される画像（原画像）の一例を示す図である。
【図３】 二値化メモリに格納された画像処理（抽出処理）後の画像の一例を示す図である。
【図４】 この発明の実施の形態１の動作を説明するためのフローチャートである。
【図５】 抽出領域の二値化画像の対応関係を説明するための図である。
【図６】 この発明の実施の形態２を示す構成図である。
【図７】 所定のサンプリング周期でフーリエ変換されたの炎、固定光源および回転灯に関するパワースペクトルをそれぞれ示す図である。
【図８】 この発明の実施の形態２の動作を説明するためのフローチャートである。
【図９】 この発明の実施の形態３を示す構成図である。
【図１０】 所定のサンプリング周期で複数回異なる時間に亙ってフーリエ変換されたの炎、固定光源および回転灯に関するパワースペクトルをそれぞれ示す図である。
【図１１】 正規化相関に関する動作を説明するための図である。
【図１２】 正規化相関係数と火災判別に関する動作を説明するための図である。
【図１３】 この発明の実施の形態３の動作を説明するためのフローチャートである。
【図１４】 この発明における火災領域の検出原理を説明するための図である。
【符号の説明】
１ 監視カメラ、３ 画像メモリ、５ 二値化メモリ、６〜６Ｂ ＲＯＭ、７ＲＡＭ、４１ 火災候補領域抽出手段、４２ 対応判別手段、４３ 抽出領域特徴量演算手段、４４ 特徴量平均値演算手段、４５ 特徴量変化量演算手段、４６ 火災判別手段、４７ フーリエ変換演算手段、４８ ピーク判別手段、４９ 時間分割手段、５０ 正規化相関係数演算手段。

Claims (1)

1. 画像から火災らしい領域を抽出する火災候補領域抽出手段と、
   所定時間に亙って前記火災らしい領域の特徴量を演算する抽出領域特徴量演算手段と、
   前記所定時間を複数個の異なる時間帯に分割して、時間軸に対する前記特徴量のデータを複数個作成する時間分割手段と、
   前記複数個のデータに対してそれぞれフーリエ変換を行い、周波数軸に対する強度を求めるフーリエ変換演算手段と、
   フーリエ変換された異なる時間帯における前記複数個のデータのそれぞれの対照度を判別するために、フーリエ変換された前記時間分割手段で分割された前記複数個のデータのそれぞれの正規化相関係数を演算する正規化相関係数演算手段と、
   該正規化相関係数演算手段で演算された正規化相関係数と所定値を比較して、正規化相関係数の値が所定値より小さいとき、前記火災らしい領域は本当の火災領域であると判別する火災判別手段とを備えたことを特徴とする火災検出装置。

Images