JP3827426B2 - 火災検出装置 - Google Patents
火災検出装置 Download PDFInfo
- Publication number
- JP3827426B2 JP3827426B2 JP30468097A JP30468097A JP3827426B2 JP 3827426 B2 JP3827426 B2 JP 3827426B2 JP 30468097 A JP30468097 A JP 30468097A JP 30468097 A JP30468097 A JP 30468097A JP 3827426 B2 JP3827426 B2 JP 3827426B2
- Authority
- JP
- Japan
- Prior art keywords
- fire
- area
- image
- value
- wavelet transform
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Closed-Circuit Television Systems (AREA)
- Fire-Detection Mechanisms (AREA)
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）もしくは太陽光、太陽光の反射光等が存在するので、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、撮影手段により撮影された画像を画像メモリに格納し、該画像メモリに格納された画像を処理することにより火災を検出する火災検出装置において、画像から明度または色に基づいて火災らしい領域を抽出する火災候補領域抽出手段と、所定時間にわたって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、該抽出領域特徴量演算手段で演算された特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求めるウェーブレット変換演算手段と、該解析分布を基に、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火災判別手段と、解析分布を二値化して二値化画像を得る二値化手段と、二値化画像の画素の値を距離情報に変換して、主要な部分である骨格を抽出し、骨格の評価値を演算する骨格評価値演算手段とを備えたものである。
【００１０】
また、この発明に係わる火災検出装置は、撮影手段により撮影された画像を画像メモリに格納し、該画像メモリに格納された画像を処理することにより火災を検出する火災検出装置において、画像から明度または色に基づいて火災らしい領域を抽出する火災候補領域抽出手段と、所定時間にわたって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、該抽出領域特徴量演算手段で演算された特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求めるウェーブレット変換演算手段と、該解析分布を基に、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火災判別手段と、ウェーブレット変換演算手段から出力された解析分析の振幅を判別する振幅判別手段とを備え、該振幅判別手段により判別された振幅値が所定値より小さいとき、火災判別手段は、火災らしい領域を火災判別の対象から除外するものである。
【００１１】
また、この発明に係わる火災検出装置は、撮影手段により撮影された画像を画像メモリに格納し、該画像メモリに格納された画像を処理することにより火災を検出する火災検出装置において、画像から明度または色に基づいて火災らしい領域を抽出する火災候補領域抽出手段と、所定時間にわたって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、該抽出領域特徴量演算手段で演算された特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求めるウェーブレット変換演算手段と、該解析分布を基に、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火災判別手段と、ウェーブレット変換演算手段の出力の振幅の自己相関をとり、該自己相関値を正規化して評価値を生成する評価値生成手段とを備え、該評価値生成手段により生成された評価値が所定値より小さいとき、火災判別手段は、火災らしい領域が本当の火災領域であると判別するものである。
【００１２】
【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１０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、人工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１０の左側部分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するが、その変化の仕方は不規則である。
また、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。
【００１３】
このように抽出領域が炎である場合、その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、回転灯の場合、炎と同様に抽出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。
また、時間に対する輝度等の変化から従来フーリェ変換を用いて周波数解析をする方法がある。図１０の右側部分には、炎と回転灯に関してある一定時間ｔ1とｔ2の輝度または面積に対して周波数解析を行った結果を示している。これより、炎による火災らしい領域の輝度と面積の周波数スペクトルは一定時間内でまた一定時間毎に絶えず変化し、その変化の仕方は不規則である、つまり周波数スペクトルが時間と共に変化するが、回転灯の場合、炎と同様に火災らしい領域の輝度と面積の周波数スペクトルは一定時間内（ｔ1，ｔ2）で区切った場合、その周波数スペクトルは同じものとなる。つまり、周波数スペクトルが時間と共に変化することはない点で炎と異なる。
【００１４】
そこで、以下の各実施の形態では、火災らしい領域が炎である場合、その火災らしい領域の輝度と面積の周波数スペクトルは絶えず変化し、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、炎の時間的な揺らぎを迅速に解析できるいわゆるウェーブレット変換を用いて火災領域を検出する。
【００１５】
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は検出手段また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。
【００１６】
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、ＲＬは回転灯をそれぞれ表している。
【００１７】
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格納手段としての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。
【００１８】
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。
【００１９】
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。
【００２０】
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。
【００２１】
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４２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。
【００２２】
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で演算された二次元データ（時間軸に対する特徴量（面積等））に対してウェーブレット変換を行い、時間軸に対する解析分布（例えば周波数分布）を求めるウェーブレット変換演算手段、４５はウェーブレット変換演算手段４４に接続され、このウェーブレット変換演算手段４４で得られた多階調の解析分布を二値化して“１”、“０”で表される二値化画像を得る二値化手段、４６は二値化手段４５に接続され、二値化画像から主要な部分（骨格）を抽出し、その評価値を演算する骨格評価値演算手段である。
【００２３】
４７は骨格評価値演算手段４６に接続され、この骨格評価値演算手段４６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４７は、演算された評価値の値と所定値の大小関係を調べ、評価値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４１〜４７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。
【００２４】
次に動作について、図４〜図８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４つの明度を有するもの、例えば車両ＣのテールランプＣＴおよび回転灯ＲＬ、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）。
【００２５】
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。尚、画像メモリ３には、１／３０（ｓ）間隔で画像が取り込まれ、数十枚、例えば９０枚分の画像が格納される。
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（ステップ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。
【００２６】
ここで、対応判別手段４２における対応判別の仕方を説明する。
この対応関係をとる方法はいくつか考えられる。ここでは検出対象が炎であるので、ほとんど移動しない（位置が変わらない）という特徴を利用して、二値化メモリ５に格納された抽出領域の重なり具合を見ることで抽出領域同士の対応関係を判別する。つまり、ある時間における画像とその直前の画像を重ね合わせ、それぞれの抽出領域同士がわずかでも重なり合えば、その抽出領域同士は対応関係が有ると判断する。
【００２７】
なお、監視カメラ１が移動している車両を撮影し、火災候補領域抽出手段４１がその車両のランプ類（例えば、テールランプ）を抽出したとしても、この対応判別手段４２を設けることで、その抽出領域が炎によるものであると誤って判断することを防止できる。これは対応判別の方法が抽出領域の重なり具合を見るという方法をとるためで、移動中の車両のランプ類は抽出領域の重なりが生じないためである。
このように、対応関係がとられなかった抽出領域は、火災判別の対象外の領域とされ、後段の抽出領域特徴量演算手段による特徴量の演算は行われない。
【００２８】
対応判別手段４２は、所定数の画像の対応関係を判別し、その所定数の画像にわたって対応関係が有る抽出領域が存在する時、後段の抽出領域特徴量演算手段４３に対応がとれた旨を知らせる信号を出力する。例えば所定数を９０枚（画像メモリ３に格納されている）、撮影周期を１／３０（秒）とすると、３秒間にわたって、ある位置に連続して光源が存在する時にのみ、対応関係が有ると判別する。
なお、対応判別手段４２は、より少ない枚数、例えば６枚の画像の対応関係を判別する毎に、抽出領域特徴演算手段４３に信号を出力してもよい。この場合には、６枚の画像の対応関係を１５回判別することで、合計９０枚の画像の対応関係を判別することになるが、連続して９０枚の画像の対応関係を判別する場合に比べて、画像メモリ３の数を減らすことができる。
【００２９】
次に、ステップＳ６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。
【００３０】
次いで、ウェーブレット変換演算手段４４は抽出領域特徴量演算手段４３で演算された二次元データ（時間軸に対する特徴量（面積等）のデータ）に対してウェーブレット変換を行うことで、時間軸に対する周波数分布を得る（ステップＳ７）。
ここで、ウェーブレット変換演算手段４４におけるウェーブレット変換の処理の仕方について説明する。
いま、時間的に変化する信号ｘ(t)即ち抽出領域特徴量演算手段４３で演算された二次元データのある時刻、ある周波数の付近の成分を得ようとするとき、ウェーブレット変換では、先ず、時間的、周波数的に局在した関数ψ(t)を用意する。これをウエーブレット基底（アナライジングウェーブレット）と呼ぶ。ウエーブレット基底ψ(t)は、下記のアドミッシブル条件と呼ばれる条件を満たす必要がある。
【００３１】
∫ψ(t)ｄt＝０ （１）
【００３２】
つまり、ψ(t)の平均値が０である必要がある。また、ψ(t)は２乗可積分で、次式のように規格化するものとする。
【００３３】
∫｜ψ(t)｜2ｄt＝０ （２）
【００３４】
この関数と信号ｘ(t)のたたみ込み演算は、インパルス応答がψ＊(t)である
フィルタをかけることに相当する（＊は複素共役）。
また、異なる周波数成分を得るためには、次式に従いψ(t)の伸縮によって実現する。
【００３５】
ψa,b(t)＝１／√ａ・ψ［（ｔ−ｂ）／ａ］ （３）
【００３６】
上記（３）式において、ｂをシフト係数、ａをスケーリング係数と呼ぶ。
このときの信号ｘ(t)のウェーブレット変換は次式のように表される。
【００３７】
【数１】
【００３８】
因に、図５はウェーブレット変換演算手段４４で抽出領域特徴量演算手段４３により演算されたある二次元データに対してウェーブレット変換を施した後の結果を示した解析分析で、図５（ａ）は回転灯の場合、図５（ｂ）は炎の場合である。
図では、紙面に垂直な軸（Ｚ軸方向）は周波数のパワースペクトルを表し、色が白色に近い程、周波数のパワースペクトルが強い。このウェーブレット変換により、フーリエ変換では行えない、炎の時間的な揺らぎを解析することが可能となる。つまり、図５（ａ）の回転灯においては、時間が経過してもある特定の周波数を維持していることが分かる。これに対し、図５（ｂ）の炎においては、回転灯のように特定の周波数にのみピークが存在するということはなく、また、時間経過に伴い、周波数が変化していることが分かる。
【００３９】
次いで、二値化手段４５は、ウェーブレット変換演算手段４４におけるウェーブレット変換により得られた多階調の（周波数）解析分布を、“１”、“Ｏ”で表される二値化画像にする（ステップＳ８）。
この時基準となる二値化の閾値は、次式のようなクラス間分散の評価式を利用した判別分析により求められる。尚、ここでは、図５の白色部分を“１”とし、黒色の部分を“０”とする。
【００４０】
σB 2（k）＝ωo（μo−μr）2＋ω1（μ1−μr）2 （５）
【００４１】
即ち、効率的な処理を行うために、振幅の大きな領域と小さい領域に分割し、このとき、分割の閾値は特徴を効率よく保存するために判別分析を用いる。具体的には、２つのクラスに分割したとき、クラス間分散が最大となる値を求めることにより行う。つまり、上記（５）式において、σB 2（k）を最大とするｋを閾値とする。
このとき、振幅分布は、例えば１バイトで表現できるように最大値を２５５に正規化、量子化されているものとする。
なお、上記（５）式において、ωo，ω1，μo，μ1，μrは以下のように表される。
【００４２】
【数２】
【００４３】
また、上記において、ｎｉは濃度レベルｉの画素数、Ｎは全画素数、Ｐｉはｎｉ／Ｎ、Ｌは量子化レベルの最大値である。
また、分布を２つのクラスに分散するとき、それがどちらのクラスに属するかのあいまい度を最悪の分布即ち正規分布に対して最小にするために、次式で表されるＥ（ｋ）を最小にするｋを閾値としてもよい。
【００４４】
【００４５】
但し、上記（６）式において、σo(k)は小振幅クラスの分散、σ1(k)は大振幅クラスの分散である。そして、２つのクラスに分けられたそれぞれの値を“０”、“１”とし、この分布に対する骨格化をステップＳ９で次段の骨格評価値演算手段４６により行う。
図６（ａ）は図５（ａ）の回転灯の二値化画像に対する骨格を、図６（ｂ）は図５（ｂ）の炎の二値化画像に対する骨格をそれぞれ実質的に示す図である。
【００４６】
この骨格評価値演算手段４６における動作は、実質的に骨格の抽出と、評価値の演算の２つに分けられる。 この２つの動作を図７（骨格の抽出）および図８（評価値の演算）を参照しながら説明する。
骨格の抽出は、二値化手段４５からの二値化画像の“１”で表される領域から主要な部分（骨格）を抽出するもので、いま、一例として、図７（ａ）に示す画像を二値化手段４５からの二値化画像とし、この二値化画像に対して暗い部分（図面上ハッチングの無い部分）を“０”（黒画素）、明るい部分（図面上ハッチングの有る部分）を“１”（白画素）とした場合、“１”の白画素の部分にのみ次の処理を行う。
【００４７】
まず、対象となる画素に対して、黒画素までの距離を調べ、回りの８つの画素に１つでも黒画素がある場合には「１」とする（つまり、画素の値を距離情報に変換する）。回りの８つの画素が全部白画素なら、少なくとも「２」以上の値となる。この結果、図７（ｂ）に示すような画像が得られる。そして、この図７（ｂ）の画像において、「１」となった領域は削除する。この結果、図７（ｃ）に示すように、「２」の画素だけが最初の４×３のマトリクスの領域の骨格として抽出される。
【００４８】
因みに、監視対象の画像の領域が広くなると、結果として図７（ｂ）で得られる領域も広くなり、図７（ｂ）に示す「１」と「２」の外に白画素から黒画素までの距離に応じて「２」以上の値も存在するようになるが、その場合「２」以上の値を全て残すのでなく、極大値（最大値）をとる画素のみを骨格として抽出する。例えば、図７（ｂ）において１つの領域に「１」と「２」の外に「３」の値が存在するときは、その「３」の部分だけを骨格領域として残すことになる。
このように、骨格の抽出とは、二値化された白画素領域に対して画素単位で、周辺の黒画素との距離情報に置き換え、極大値（最大値）を示す領域（部分）だけを残す（抽出する）ものである。このため、図５（ａ）のようなある程度の幅を有する白画素領域に対してのみ骨格抽出を行うと、図６（ａ）の一部拡大図に示すように中心部分の画素のみが骨格として抽出される。
【００４９】
次に、評価値の演算は、上述のごとく得られた骨格（画像）を実質的に数値化して行うもので、時間軸および周波数軸に対する骨格画像の画素同士の連結方向をカウントし、方向別に重み付けを行い、最後にこれらの総和を求めるものである。
例えば、図８（ｂ）に示すように特に時間軸方向にのみ画素同士が連結している領域に正の数値例えば「＋１」を付与し、画素同士が時間軸方向と周波数軸方向に共に連結している領域に負の数値例えば「−１」を与え、画素同士が周波数軸方向にのみ連結している領域には「０」の値を付与する。そして、この付与した値を監視対象の画像毎に加算してその骨格画像に対する評価値とする。
尚、注目している画素の周りに、２つ以上の画素が連結している場合には、図８（ｃ）に示すような評価値が付与される。
【００５０】
このことを、図８（ａ）を参照して詳しく説明する。
いま、Ａ，Ｂ，Ｃ，Ｄは、抽出された骨格の領域に含まれる画素をそれぞれ表すものとする。これらの画素に対する値の付与の仕方を、上述の規則に従って行うとすれば、先ず、画素Ａの回りの８つの画素をみると、画素Ａに対して画素Ｂが時間軸方向に連結しており、従って、その値は「＋１」である。また、画素Ｂの回りの８つの画素をみると、画素Ｂに対して画素Ａが時間軸方向に連結し、且つ画素Ｃが周波数軸方向に連結しており、従って、その値は「ー１」である。同様に、画素Ｃの回りの８つの画素をみると、画素Ｃに対して画素Ｄが時間軸方向に連結し、且つ画素Ｂが周波数軸方向に連結しており、従って、その値は「ー１」である。また、画素Ｄの回りの８つの画素をみると、画素Ｄに対して画素Ｃが時間軸方向に連結しており、従って、その値は「＋１」である。そして、これらの各値の総和をとると０となり、この値０が画素Ａ，Ｂ，Ｃ，Ｄからなる骨格に対する評価値である。
【００５１】
次に、図６（ａ）を参照して、回転灯の骨格の評価値を演算してみる。回転灯の骨格は一部拡大図に示すように、時間軸方向に連結した画素が集まった領域である。このため、評価値を演算すると、ある程度の大きな正の数値となる。
これに対し、図６（ｂ）に示すように、炎の骨格は、時間軸方向に連結した画素は少なく、周波数軸方向に連結している画素の方が多い。このため、評価値を演算すると、ほとんど「０」か「−１」の値が付与され、その総和は小さな値となる。
【００５２】
次に、火災判別手段４７は、骨格評価値演算手段４６で演算された評価値の値と所定値の大小関係を調べ（ステップＳ１０）、評価値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Ｓ１１）。
一方、評価値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回転灯であると判断する。
そして、このステップＳ１０で評価値の値が所定値以内でない場合には、ステップＳ１に戻る。
【００５３】
このように本実施の形態では、二値化により抽出された火災らしい領域が炎の場合には、その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、炎の時間的な揺らぎを迅速に解析できるいわゆるウェーブレット変換を用いて火災領域を検出するようにしたので、火災を確実に検出でき、炎以外の光源、特に炎との識別が難しい回転灯が同じ監視領域に存在している場合でも迅速且つ確実に判断できる。
【００５４】
実施の形態２．
上述の実施の形態１は、炎以外の光源として特に炎のようにある大きな振幅を有する、つまり、明るさなどが大きく変化する回転灯の場合に付いて説明したが、炎以外の光源には照明用人工光源であるナトリウム灯（固定光源）のように、画像として見た場合にその振幅の小さいものもある。
従って、このようなナトリウム灯の二値化画像の特徴量を演算した場合、その面積や輝度の変化は殆どない（図９（ａ）参照）、つまり、ナトリウム灯は点滅せずに実質的に直流光源であるので、図９（ｂ）に示すように、フーリエ変換を行い周波数スペクトルを求めると、周波数帯域の全域に亙ってそのレベル（強度）は非常に小さい。
【００５５】
しかし、それでも僅かにそのレベルがあるので、これをウェーブレット変換演算手段４４でウェーブレット変換すると、図９（ｃ）に示すように、ノイズ領域として現れる。尚、図９（ｃ）において、時間軸方向に延びている横線部分が、ある程度の振幅（強度）を持った部分であり、それ以外の部分は全て黒画素である。つまり、横線部分は図５（ａ）の白画素の部分に相当するものであるが、回転灯の白画素領域に比べ幅が細く、且つ高さ（振幅）も低く、白画素というよりは、黒画素との中間、灰色画素に近い領域である。
【００５６】
そこで、本実施の形態では、このウェーブレット変換演算手段４４の後段に振幅判別手段４８を設け、ウェーブレット変換演算手段４４の出力の値（強度）がある一定以上の値かどうかを判別し、一定以上の値でなければナトリウム灯のような点滅しない光源と見做し、火災判別の対象から外すようにする。
即ち、振幅判別手段４８の出力を火災判別手段４７に供給し、火災判別手段４７では、骨格評価値演算手段４６の出力に基づいて上述のごとく火災判別を行うと共に、振幅判別手段４８の判別結果も加味する。つまり、ウエーブレット変換演算手段４４により演算された解析分析（画像）において、振幅判別手段４８により判別された振幅値（周波数の強度）が所定値より小さいとき、その領域は炎以外の特定の光源によるものと判断し、火災判別の対象から除外する。
なお、図９（ｂ）のウェーブレット変換の処理結果を示す図において、図面に垂直な軸即ちＺ軸は実質的にナトリウム灯の周波数の強度を表しており、この強度（ノイズレベル）を用いて振幅判別手段４８は振幅判別を行うことになる。
かくして、本実施の形態では、より正確な火災判別を行うことができる。
【００５７】
実施の形態３．
上述の各実施の形態では、ウェーブレット変換された画像情報を二値化し、その骨格を抽出して評価値を演算し、この評価値と所定値を比較して火災を判断する場合であったが、実質的にウェーブレット変換演算手段４４の出力に基づいて直接火災を判断するようにしてもよい。
即ち、時間軸方向のウェーブレット変換演算手段４４の出力（ウェーブレット振幅）の自己相関を次式に従って行う。
【００５８】
【数３】
【００５９】
上記（７）式において、Ａ，Ｂは自己相関の計算に用いるデータ数であり、φxx(t)を正規化し、評価値ｈを次式で表されるようなものとする。
【００６０】
ｈ＝φxx(t)／φxx(0) （８）
【００６１】
従って、上記（７）式および（８）式の演算は、一種の評価値生成手段を構成する。
そして、火災判別手段４７は、評価値ｈを時間軸について積分した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するようにする。
かくして本実施の形態では、実施の形態１で用いた二値化手段や骨格評価値演算手段を省略することができ、それだけ構成が簡単でまた処理時間も短縮できる。
なお、上述の各実施の形態では、検出手段として、監視カメラの場合について説明したが、これに限定されることなく、その他の検出手段例えば赤外線火災感知器や紫外線火災感知器等を用いてもよい。
【００６２】
実施の形態４．
この発明はウェーブレット変換演算手段を設けて、時間軸に対する周波数の解析分布を求め、その解析分布を基に火災か否かを判別するもので、その実施の形態は上述のものには限定されず、例えば以下のような形態も考えられる。
例えぱ図５に示した解析分布から明らかなように、回転灯の解析分布は、時間軸方向に延び、つまり時間が経過しても周波数の変化がないという特徴を有する。そこでウェーブレット変換演算手段の後段に二値化手段を設け、該二値化手段に、二値化領域の横方向最大長を演算する横最大長演算手段を設けて火災か否かの判別を行うようにしてもよい。
【００６３】
横最大長演算手段は、二値化手段によって二値化された白画素領域の横方向の長さ、特にその白画素領域における横方向の最大長（連続する白画素の最大長さ（白ラン））を演算するものである。つまり回転灯の二値化された解析画像においては、白画素の領域は時間軸方向に延ぴているから、このような横方向最大長を演算すると、大きい値となる。これに対し二値化された炎の解析画像はまだらであり、回転灯のように時間軸方向に連続して延びるということがないから、横方向最大長を演算すると、小さい値となる。よって横方向最大長を所定値と比較し、所定値より小さい場合には、火災判別手段が火災であると判別すればよい。
【００６４】
実施の形態５．
ウェーブレット変換演算手段による解析分布を時間軸に対して２分割し、両者を比較して左右が対称になっているかにより火災か否かの判別を行うようにしてもよい。
つまりウェーブレット変換演算手段の後段に二値化手段を設け、該二値化手段に、解析分布の二値化画像を時間軸に対して二分割する分割手段を設ける。つまり二値化された解析画像を周波数舳に平行な軸で左右に二分割する。そして、解析画像（二値化された解析分布）の左側部分と右側部分の相関関係を判別する相関関係判別手段を分割手段に接続する。相関関係判別手段は、分割手段によって分割された２つの画像が左右対称になっているかを判別するもので、その方法は特に限定されない。例えぼ解析画像の左側部分と右側部分のそれぞれの白画素の数を演算し、それらの数が等しげれば相関関係があるものと判別し、左側部分と右側部分が一致するものと判断してもよい。この時は、時間に対して変化がない訳であるから炎ではなく、回転灯であると判断する。またその数が一致しなけれぱ、時間に対して白画素が変化しているものと判断できる。つまり火災の可能性が高いと判断する。
【００６５】
なお一番簡単な判別方法は、左側の画像と右側の画像を重ね合わせる方法である。この時、白画素が重なり合えば、左右が対称、つまり相関関係があると判断し、後段の火災判別手段が火災てはないと判別する。
以上の各実施の形態で示したように、この発明はウェーブレット変換演算手段を設けて、時間軸に対する周波数の解析分布を求めるものであり、特に炎の解析分布では、「周波数の時間軸方向に対する変化が有る」というパターンが存在することを基に火災か否かを判別するもので、この点を利用したものはこの発明の技術範囲に属する。
【００６６】
【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明度または色に基づいて火災らしい領域を抽出し、抽出された火災らしい領域の特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求め、その解析分布を基に、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回転灯も判断できるという効果がある。
【００６７】
また、この発明によれば、二値化画像の骨格を抽出し、これより演算された評価値が所定値より小さいとき、火災らしい領域が本当の火災領域であると判別するので、より正確な火災判別ができるという効果がある。
【００６８】
また、この発明によれば、ウェーブレット変換された出力の振幅を判別し、その振幅値が所定値より小さいとき、炎以外の特定の光源、例えば振幅の小さなナトリウム灯であると判断し、その領域を火災判別の対象から除外するので、より正確で迅速な火災判別ができるという効果がある。
【００６９】
また、この発明によれば、ウェーブレット変換された出力の振幅の自己相関をとり、その値を正規化して評価値を生成し、その評価値が所定値より小さいとき、火災らしい領域が本当の火災領域であると判別するので、簡単な回路構成で、より正確で迅速な火災判別が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】 回転灯と炎に関するウェーブレット変換後の結果を示す図である。
【図６】 回転灯と炎に関するウェーブレット変換後の二値化画像に対する骨格を示す図である。
【図７】 骨格抽出に関する説明をするための図である。
【図８】 抽出された骨格に対する評価値の演算の仕方を説明するための図である。
【図９】 所定のサンプリング周期で、フーリエ変換されたの固定光源に関するパワースペクトルを示す図である。
【図１０】 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 ＲＯＭ、７ ＲＡＭ、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 ウェーブレット変換演算手段、４５ 二値化手段、４６ 骨格評価値演算手段、４７ 火災判別手段、４８ 振幅判別手段。
【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）もしくは太陽光、太陽光の反射光等が存在するので、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、撮影手段により撮影された画像を画像メモリに格納し、該画像メモリに格納された画像を処理することにより火災を検出する火災検出装置において、画像から明度または色に基づいて火災らしい領域を抽出する火災候補領域抽出手段と、所定時間にわたって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、該抽出領域特徴量演算手段で演算された特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求めるウェーブレット変換演算手段と、該解析分布を基に、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火災判別手段と、解析分布を二値化して二値化画像を得る二値化手段と、二値化画像の画素の値を距離情報に変換して、主要な部分である骨格を抽出し、骨格の評価値を演算する骨格評価値演算手段とを備えたものである。
【００１０】
また、この発明に係わる火災検出装置は、撮影手段により撮影された画像を画像メモリに格納し、該画像メモリに格納された画像を処理することにより火災を検出する火災検出装置において、画像から明度または色に基づいて火災らしい領域を抽出する火災候補領域抽出手段と、所定時間にわたって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、該抽出領域特徴量演算手段で演算された特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求めるウェーブレット変換演算手段と、該解析分布を基に、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火災判別手段と、ウェーブレット変換演算手段から出力された解析分析の振幅を判別する振幅判別手段とを備え、該振幅判別手段により判別された振幅値が所定値より小さいとき、火災判別手段は、火災らしい領域を火災判別の対象から除外するものである。
【００１１】
また、この発明に係わる火災検出装置は、撮影手段により撮影された画像を画像メモリに格納し、該画像メモリに格納された画像を処理することにより火災を検出する火災検出装置において、画像から明度または色に基づいて火災らしい領域を抽出する火災候補領域抽出手段と、所定時間にわたって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、該抽出領域特徴量演算手段で演算された特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求めるウェーブレット変換演算手段と、該解析分布を基に、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火災判別手段と、ウェーブレット変換演算手段の出力の振幅の自己相関をとり、該自己相関値を正規化して評価値を生成する評価値生成手段とを備え、該評価値生成手段により生成された評価値が所定値より小さいとき、火災判別手段は、火災らしい領域が本当の火災領域であると判別するものである。
【００１２】
【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１０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、人工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１０の左側部分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するが、その変化の仕方は不規則である。
また、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。
【００１３】
このように抽出領域が炎である場合、その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、回転灯の場合、炎と同様に抽出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。
また、時間に対する輝度等の変化から従来フーリェ変換を用いて周波数解析をする方法がある。図１０の右側部分には、炎と回転灯に関してある一定時間ｔ1とｔ2の輝度または面積に対して周波数解析を行った結果を示している。これより、炎による火災らしい領域の輝度と面積の周波数スペクトルは一定時間内でまた一定時間毎に絶えず変化し、その変化の仕方は不規則である、つまり周波数スペクトルが時間と共に変化するが、回転灯の場合、炎と同様に火災らしい領域の輝度と面積の周波数スペクトルは一定時間内（ｔ1，ｔ2）で区切った場合、その周波数スペクトルは同じものとなる。つまり、周波数スペクトルが時間と共に変化することはない点で炎と異なる。
【００１４】
そこで、以下の各実施の形態では、火災らしい領域が炎である場合、その火災らしい領域の輝度と面積の周波数スペクトルは絶えず変化し、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、炎の時間的な揺らぎを迅速に解析できるいわゆるウェーブレット変換を用いて火災領域を検出する。
【００１５】
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は検出手段また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。
【００１６】
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、ＲＬは回転灯をそれぞれ表している。
【００１７】
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格納手段としての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。
【００１８】
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。
【００１９】
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。
【００２０】
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。
【００２１】
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４２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。
【００２２】
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で演算された二次元データ（時間軸に対する特徴量（面積等））に対してウェーブレット変換を行い、時間軸に対する解析分布（例えば周波数分布）を求めるウェーブレット変換演算手段、４５はウェーブレット変換演算手段４４に接続され、このウェーブレット変換演算手段４４で得られた多階調の解析分布を二値化して“１”、“０”で表される二値化画像を得る二値化手段、４６は二値化手段４５に接続され、二値化画像から主要な部分（骨格）を抽出し、その評価値を演算する骨格評価値演算手段である。
【００２３】
４７は骨格評価値演算手段４６に接続され、この骨格評価値演算手段４６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４７は、演算された評価値の値と所定値の大小関係を調べ、評価値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４１〜４７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。
【００２４】
次に動作について、図４〜図８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４つの明度を有するもの、例えば車両ＣのテールランプＣＴおよび回転灯ＲＬ、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）。
【００２５】
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。尚、画像メモリ３には、１／３０（ｓ）間隔で画像が取り込まれ、数十枚、例えば９０枚分の画像が格納される。
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（ステップ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。
【００２６】
ここで、対応判別手段４２における対応判別の仕方を説明する。
この対応関係をとる方法はいくつか考えられる。ここでは検出対象が炎であるので、ほとんど移動しない（位置が変わらない）という特徴を利用して、二値化メモリ５に格納された抽出領域の重なり具合を見ることで抽出領域同士の対応関係を判別する。つまり、ある時間における画像とその直前の画像を重ね合わせ、それぞれの抽出領域同士がわずかでも重なり合えば、その抽出領域同士は対応関係が有ると判断する。
【００２７】
なお、監視カメラ１が移動している車両を撮影し、火災候補領域抽出手段４１がその車両のランプ類（例えば、テールランプ）を抽出したとしても、この対応判別手段４２を設けることで、その抽出領域が炎によるものであると誤って判断することを防止できる。これは対応判別の方法が抽出領域の重なり具合を見るという方法をとるためで、移動中の車両のランプ類は抽出領域の重なりが生じないためである。
このように、対応関係がとられなかった抽出領域は、火災判別の対象外の領域とされ、後段の抽出領域特徴量演算手段による特徴量の演算は行われない。
【００２８】
対応判別手段４２は、所定数の画像の対応関係を判別し、その所定数の画像にわたって対応関係が有る抽出領域が存在する時、後段の抽出領域特徴量演算手段４３に対応がとれた旨を知らせる信号を出力する。例えば所定数を９０枚（画像メモリ３に格納されている）、撮影周期を１／３０（秒）とすると、３秒間にわたって、ある位置に連続して光源が存在する時にのみ、対応関係が有ると判別する。
なお、対応判別手段４２は、より少ない枚数、例えば６枚の画像の対応関係を判別する毎に、抽出領域特徴演算手段４３に信号を出力してもよい。この場合には、６枚の画像の対応関係を１５回判別することで、合計９０枚の画像の対応関係を判別することになるが、連続して９０枚の画像の対応関係を判別する場合に比べて、画像メモリ３の数を減らすことができる。
【００２９】
次に、ステップＳ６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。
【００３０】
次いで、ウェーブレット変換演算手段４４は抽出領域特徴量演算手段４３で演算された二次元データ（時間軸に対する特徴量（面積等）のデータ）に対してウェーブレット変換を行うことで、時間軸に対する周波数分布を得る（ステップＳ７）。
ここで、ウェーブレット変換演算手段４４におけるウェーブレット変換の処理の仕方について説明する。
いま、時間的に変化する信号ｘ(t)即ち抽出領域特徴量演算手段４３で演算された二次元データのある時刻、ある周波数の付近の成分を得ようとするとき、ウェーブレット変換では、先ず、時間的、周波数的に局在した関数ψ(t)を用意する。これをウエーブレット基底（アナライジングウェーブレット）と呼ぶ。ウエーブレット基底ψ(t)は、下記のアドミッシブル条件と呼ばれる条件を満たす必要がある。
【００３１】
∫ψ(t)ｄt＝０ （１）
【００３２】
つまり、ψ(t)の平均値が０である必要がある。また、ψ(t)は２乗可積分で、次式のように規格化するものとする。
【００３３】
∫｜ψ(t)｜2ｄt＝０ （２）
【００３４】
この関数と信号ｘ(t)のたたみ込み演算は、インパルス応答がψ＊(t)である
フィルタをかけることに相当する（＊は複素共役）。
また、異なる周波数成分を得るためには、次式に従いψ(t)の伸縮によって実現する。
【００３５】
ψa,b(t)＝１／√ａ・ψ［（ｔ−ｂ）／ａ］ （３）
【００３６】
上記（３）式において、ｂをシフト係数、ａをスケーリング係数と呼ぶ。
このときの信号ｘ(t)のウェーブレット変換は次式のように表される。
【００３７】
【数１】
因に、図５はウェーブレット変換演算手段４４で抽出領域特徴量演算手段４３により演算されたある二次元データに対してウェーブレット変換を施した後の結果を示した解析分析で、図５（ａ）は回転灯の場合、図５（ｂ）は炎の場合である。
図では、紙面に垂直な軸（Ｚ軸方向）は周波数のパワースペクトルを表し、色が白色に近い程、周波数のパワースペクトルが強い。このウェーブレット変換により、フーリエ変換では行えない、炎の時間的な揺らぎを解析することが可能となる。つまり、図５（ａ）の回転灯においては、時間が経過してもある特定の周波数を維持していることが分かる。これに対し、図５（ｂ）の炎においては、回転灯のように特定の周波数にのみピークが存在するということはなく、また、時間経過に伴い、周波数が変化していることが分かる。
【００３９】
次いで、二値化手段４５は、ウェーブレット変換演算手段４４におけるウェーブレット変換により得られた多階調の（周波数）解析分布を、“１”、“Ｏ”で表される二値化画像にする（ステップＳ８）。
この時基準となる二値化の閾値は、次式のようなクラス間分散の評価式を利用した判別分析により求められる。尚、ここでは、図５の白色部分を“１”とし、黒色の部分を“０”とする。
【００４０】
σB 2（k）＝ωo（μo−μr）2＋ω1（μ1−μr）2 （５）
【００４１】
即ち、効率的な処理を行うために、振幅の大きな領域と小さい領域に分割し、このとき、分割の閾値は特徴を効率よく保存するために判別分析を用いる。具体的には、２つのクラスに分割したとき、クラス間分散が最大となる値を求めることにより行う。つまり、上記（５）式において、σB 2（k）を最大とするｋを閾値とする。
このとき、振幅分布は、例えば１バイトで表現できるように最大値を２５５に正規化、量子化されているものとする。
なお、上記（５）式において、ωo，ω1，μo，μ1，μrは以下のように表される。
【００４２】
【数２】
また、上記において、ｎｉは濃度レベルｉの画素数、Ｎは全画素数、Ｐｉはｎｉ／Ｎ、Ｌは量子化レベルの最大値である。
また、分布を２つのクラスに分散するとき、それがどちらのクラスに属するかのあいまい度を最悪の分布即ち正規分布に対して最小にするために、次式で表されるＥ（ｋ）を最小にするｋを閾値としてもよい。
【００４４】
但し、上記（６）式において、σo(k)は小振幅クラスの分散、σ1(k)は大振幅クラスの分散である。そして、２つのクラスに分けられたそれぞれの値を“０”、“１”とし、この分布に対する骨格化をステップＳ９で次段の骨格評価値演算手段４６により行う。
図６（ａ）は図５（ａ）の回転灯の二値化画像に対する骨格を、図６（ｂ）は図５（ｂ）の炎の二値化画像に対する骨格をそれぞれ実質的に示す図である。
【００４６】
この骨格評価値演算手段４６における動作は、実質的に骨格の抽出と、評価値の演算の２つに分けられる。 この２つの動作を図７（骨格の抽出）および図８（評価値の演算）を参照しながら説明する。
骨格の抽出は、二値化手段４５からの二値化画像の“１”で表される領域から主要な部分（骨格）を抽出するもので、いま、一例として、図７（ａ）に示す画像を二値化手段４５からの二値化画像とし、この二値化画像に対して暗い部分（図面上ハッチングの無い部分）を“０”（黒画素）、明るい部分（図面上ハッチングの有る部分）を“１”（白画素）とした場合、“１”の白画素の部分にのみ次の処理を行う。
【００４７】
まず、対象となる画素に対して、黒画素までの距離を調べ、回りの８つの画素に１つでも黒画素がある場合には「１」とする（つまり、画素の値を距離情報に変換する）。回りの８つの画素が全部白画素なら、少なくとも「２」以上の値となる。この結果、図７（ｂ）に示すような画像が得られる。そして、この図７（ｂ）の画像において、「１」となった領域は削除する。この結果、図７（ｃ）に示すように、「２」の画素だけが最初の４×３のマトリクスの領域の骨格として抽出される。
【００４８】
因みに、監視対象の画像の領域が広くなると、結果として図７（ｂ）で得られる領域も広くなり、図７（ｂ）に示す「１」と「２」の外に白画素から黒画素までの距離に応じて「２」以上の値も存在するようになるが、その場合「２」以上の値を全て残すのでなく、極大値（最大値）をとる画素のみを骨格として抽出する。例えば、図７（ｂ）において１つの領域に「１」と「２」の外に「３」の値が存在するときは、その「３」の部分だけを骨格領域として残すことになる。
このように、骨格の抽出とは、二値化された白画素領域に対して画素単位で、周辺の黒画素との距離情報に置き換え、極大値（最大値）を示す領域（部分）だけを残す（抽出する）ものである。このため、図５（ａ）のようなある程度の幅を有する白画素領域に対してのみ骨格抽出を行うと、図６（ａ）の一部拡大図に示すように中心部分の画素のみが骨格として抽出される。
【００４９】
次に、評価値の演算は、上述のごとく得られた骨格（画像）を実質的に数値化して行うもので、時間軸および周波数軸に対する骨格画像の画素同士の連結方向をカウントし、方向別に重み付けを行い、最後にこれらの総和を求めるものである。
例えば、図８（ｂ）に示すように特に時間軸方向にのみ画素同士が連結している領域に正の数値例えば「＋１」を付与し、画素同士が時間軸方向と周波数軸方向に共に連結している領域に負の数値例えば「−１」を与え、画素同士が周波数軸方向にのみ連結している領域には「０」の値を付与する。そして、この付与した値を監視対象の画像毎に加算してその骨格画像に対する評価値とする。
尚、注目している画素の周りに、２つ以上の画素が連結している場合には、図８（ｃ）に示すような評価値が付与される。
【００５０】
このことを、図８（ａ）を参照して詳しく説明する。
いま、Ａ，Ｂ，Ｃ，Ｄは、抽出された骨格の領域に含まれる画素をそれぞれ表すものとする。これらの画素に対する値の付与の仕方を、上述の規則に従って行うとすれば、先ず、画素Ａの回りの８つの画素をみると、画素Ａに対して画素Ｂが時間軸方向に連結しており、従って、その値は「＋１」である。また、画素Ｂの回りの８つの画素をみると、画素Ｂに対して画素Ａが時間軸方向に連結し、且つ画素Ｃが周波数軸方向に連結しており、従って、その値は「ー１」である。同様に、画素Ｃの回りの８つの画素をみると、画素Ｃに対して画素Ｄが時間軸方向に連結し、且つ画素Ｂが周波数軸方向に連結しており、従って、その値は「ー１」である。また、画素Ｄの回りの８つの画素をみると、画素Ｄに対して画素Ｃが時間軸方向に連結しており、従って、その値は「＋１」である。そして、これらの各値の総和をとると０となり、この値０が画素Ａ，Ｂ，Ｃ，Ｄからなる骨格に対する評価値である。
【００５１】
次に、図６（ａ）を参照して、回転灯の骨格の評価値を演算してみる。回転灯の骨格は一部拡大図に示すように、時間軸方向に連結した画素が集まった領域である。このため、評価値を演算すると、ある程度の大きな正の数値となる。
これに対し、図６（ｂ）に示すように、炎の骨格は、時間軸方向に連結した画素は少なく、周波数軸方向に連結している画素の方が多い。このため、評価値を演算すると、ほとんど「０」か「−１」の値が付与され、その総和は小さな値となる。
【００５２】
次に、火災判別手段４７は、骨格評価値演算手段４６で演算された評価値の値と所定値の大小関係を調べ（ステップＳ１０）、評価値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Ｓ１１）。
一方、評価値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回転灯であると判断する。
そして、このステップＳ１０で評価値の値が所定値以内でない場合には、ステップＳ１に戻る。
【００５３】
このように本実施の形態では、二値化により抽出された火災らしい領域が炎の場合には、その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、炎の時間的な揺らぎを迅速に解析できるいわゆるウェーブレット変換を用いて火災領域を検出するようにしたので、火災を確実に検出でき、炎以外の光源、特に炎との識別が難しい回転灯が同じ監視領域に存在している場合でも迅速且つ確実に判断できる。
【００５４】
実施の形態２．
上述の実施の形態１は、炎以外の光源として特に炎のようにある大きな振幅を有する、つまり、明るさなどが大きく変化する回転灯の場合に付いて説明したが、炎以外の光源には照明用人工光源であるナトリウム灯（固定光源）のように、画像として見た場合にその振幅の小さいものもある。
従って、このようなナトリウム灯の二値化画像の特徴量を演算した場合、その面積や輝度の変化は殆どない（図９（ａ）参照）、つまり、ナトリウム灯は点滅せずに実質的に直流光源であるので、図９（ｂ）に示すように、フーリエ変換を行い周波数スペクトルを求めると、周波数帯域の全域に亙ってそのレベル（強度）は非常に小さい。
【００５５】
しかし、それでも僅かにそのレベルがあるので、これをウェーブレット変換演算手段４４でウェーブレット変換すると、図９（ｃ）に示すように、ノイズ領域として現れる。尚、図９（ｃ）において、時間軸方向に延びている横線部分が、ある程度の振幅（強度）を持った部分であり、それ以外の部分は全て黒画素である。つまり、横線部分は図５（ａ）の白画素の部分に相当するものであるが、回転灯の白画素領域に比べ幅が細く、且つ高さ（振幅）も低く、白画素というよりは、黒画素との中間、灰色画素に近い領域である。
【００５６】
そこで、本実施の形態では、このウェーブレット変換演算手段４４の後段に振幅判別手段４８を設け、ウェーブレット変換演算手段４４の出力の値（強度）がある一定以上の値かどうかを判別し、一定以上の値でなければナトリウム灯のような点滅しない光源と見做し、火災判別の対象から外すようにする。
即ち、振幅判別手段４８の出力を火災判別手段４７に供給し、火災判別手段４７では、骨格評価値演算手段４６の出力に基づいて上述のごとく火災判別を行うと共に、振幅判別手段４８の判別結果も加味する。つまり、ウエーブレット変換演算手段４４により演算された解析分析（画像）において、振幅判別手段４８により判別された振幅値（周波数の強度）が所定値より小さいとき、その領域は炎以外の特定の光源によるものと判断し、火災判別の対象から除外する。
なお、図９（ｂ）のウェーブレット変換の処理結果を示す図において、図面に垂直な軸即ちＺ軸は実質的にナトリウム灯の周波数の強度を表しており、この強度（ノイズレベル）を用いて振幅判別手段４８は振幅判別を行うことになる。
かくして、本実施の形態では、より正確な火災判別を行うことができる。
【００５７】
実施の形態３．
上述の各実施の形態では、ウェーブレット変換された画像情報を二値化し、その骨格を抽出して評価値を演算し、この評価値と所定値を比較して火災を判断する場合であったが、実質的にウェーブレット変換演算手段４４の出力に基づいて直接火災を判断するようにしてもよい。
即ち、時間軸方向のウェーブレット変換演算手段４４の出力（ウェーブレット振幅）の自己相関を次式に従って行う。
【００５８】
【数３】
上記（７）式において、Ａ，Ｂは自己相関の計算に用いるデータ数であり、φxx(t)を正規化し、評価値ｈを次式で表されるようなものとする。
【００６０】
ｈ＝φxx(t)／φxx(0) （８）
【００６１】
従って、上記（７）式および（８）式の演算は、一種の評価値生成手段を構成する。
そして、火災判別手段４７は、評価値ｈを時間軸について積分した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するようにする。
かくして本実施の形態では、実施の形態１で用いた二値化手段や骨格評価値演算手段を省略することができ、それだけ構成が簡単でまた処理時間も短縮できる。
なお、上述の各実施の形態では、検出手段として、監視カメラの場合について説明したが、これに限定されることなく、その他の検出手段例えば赤外線火災感知器や紫外線火災感知器等を用いてもよい。
【００６２】
実施の形態４．
この発明はウェーブレット変換演算手段を設けて、時間軸に対する周波数の解析分布を求め、その解析分布を基に火災か否かを判別するもので、その実施の形態は上述のものには限定されず、例えば以下のような形態も考えられる。
例えぱ図５に示した解析分布から明らかなように、回転灯の解析分布は、時間軸方向に延び、つまり時間が経過しても周波数の変化がないという特徴を有する。そこでウェーブレット変換演算手段の後段に二値化手段を設け、該二値化手段に、二値化領域の横方向最大長を演算する横最大長演算手段を設けて火災か否かの判別を行うようにしてもよい。
【００６３】
横最大長演算手段は、二値化手段によって二値化された白画素領域の横方向の長さ、特にその白画素領域における横方向の最大長（連続する白画素の最大長さ（白ラン））を演算するものである。つまり回転灯の二値化された解析画像においては、白画素の領域は時間軸方向に延ぴているから、このような横方向最大長を演算すると、大きい値となる。これに対し二値化された炎の解析画像はまだらであり、回転灯のように時間軸方向に連続して延びるということがないから、横方向最大長を演算すると、小さい値となる。よって横方向最大長を所定値と比較し、所定値より小さい場合には、火災判別手段が火災であると判別すればよい。
【００６４】
実施の形態５．
ウェーブレット変換演算手段による解析分布を時間軸に対して２分割し、両者を比較して左右が対称になっているかにより火災か否かの判別を行うようにしてもよい。
つまりウェーブレット変換演算手段の後段に二値化手段を設け、該二値化手段に、解析分布の二値化画像を時間軸に対して二分割する分割手段を設ける。つまり二値化された解析画像を周波数舳に平行な軸で左右に二分割する。そして、解析画像（二値化された解析分布）の左側部分と右側部分の相関関係を判別する相関関係判別手段を分割手段に接続する。相関関係判別手段は、分割手段によって分割された２つの画像が左右対称になっているかを判別するもので、その方法は特に限定されない。例えぼ解析画像の左側部分と右側部分のそれぞれの白画素の数を演算し、それらの数が等しげれば相関関係があるものと判別し、左側部分と右側部分が一致するものと判断してもよい。この時は、時間に対して変化がない訳であるから炎ではなく、回転灯であると判断する。またその数が一致しなけれぱ、時間に対して白画素が変化しているものと判断できる。つまり火災の可能性が高いと判断する。
【００６５】
なお一番簡単な判別方法は、左側の画像と右側の画像を重ね合わせる方法である。この時、白画素が重なり合えば、左右が対称、つまり相関関係があると判断し、後段の火災判別手段が火災てはないと判別する。
以上の各実施の形態で示したように、この発明はウェーブレット変換演算手段を設けて、時間軸に対する周波数の解析分布を求めるものであり、特に炎の解析分布では、「周波数の時間軸方向に対する変化が有る」というパターンが存在することを基に火災か否かを判別するもので、この点を利用したものはこの発明の技術範囲に属する。
【００６６】
【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明度または色に基づいて火災らしい領域を抽出し、抽出された火災らしい領域の特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求め、その解析分布を基に、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回転灯も判断できるという効果がある。
【００６７】
また、この発明によれば、二値化画像の骨格を抽出し、これより演算された評価値が所定値より小さいとき、火災らしい領域が本当の火災領域であると判別するので、より正確な火災判別ができるという効果がある。
【００６８】
また、この発明によれば、ウェーブレット変換された出力の振幅を判別し、その振幅値が所定値より小さいとき、炎以外の特定の光源、例えば振幅の小さなナトリウム灯であると判断し、その領域を火災判別の対象から除外するので、より正確で迅速な火災判別ができるという効果がある。
【００６９】
また、この発明によれば、ウェーブレット変換された出力の振幅の自己相関をとり、その値を正規化して評価値を生成し、その評価値が所定値より小さいとき、火災らしい領域が本当の火災領域であると判別するので、簡単な回路構成で、より正確で迅速な火災判別が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】 回転灯と炎に関するウェーブレット変換後の結果を示す図である。
【図６】 回転灯と炎に関するウェーブレット変換後の二値化画像に対する骨格を示す図である。
【図７】 骨格抽出に関する説明をするための図である。
【図８】 抽出された骨格に対する評価値の演算の仕方を説明するための図である。
【図９】 所定のサンプリング周期で、フーリエ変換されたの固定光源に関するパワースペクトルを示す図である。
【図１０】 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 ＲＯＭ、７ ＲＡＭ、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 ウェーブレット変換演算手段、４５ 二値化手段、４６ 骨格評価値演算手段、４７ 火災判別手段、４８ 振幅判別手段。
Claims (3)
- 撮影手段により撮影された画像を画像メモリに格納し、該画像メモリに格納された画像を処理することにより火災を検出する火災検出装置において、
上記画像から明度または色に基づいて火災らしい領域を抽出する火災候補領域抽出手段と、
所定時間にわたって上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、
該抽出領域特徴量演算手段で演算された特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求めるウェーブレット変換演算手段と、
該解析分布を基に、上記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火災判別手段と、
上記解析分布を二値化して二値化画像を得る二値化手段と、
上記二値化画像の画素の値を距離情報に変換して、主要な部分である骨格を抽出し、該骨格の評価値を演算する骨格評価値演算手段と
を備えたことを特徴とする火災検出装置。 - 撮影手段により撮影された画像を画像メモリに格納し、該画像メモリに格納された画像を処理することにより火災を検出する火災検出装置において、
上記画像から明度または色に基づいて火災らしい領域を抽出する火災候補領域抽出手段と、
所定時間にわたって上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、
該抽出領域特徴量演算手段で演算された特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求めるウェーブレット変換演算手段と、
該解析分布を基に、上記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火災判別手段と、
上記ウェーブレット変換演算手段から出力された解析分析の振幅を判別する振幅判別手段とを備え、
該振幅判別手段により判別された振幅値が所定値より小さいとき、上記火災判別手段は、上記火災らしい領域を火災判別の対象から除外することを特徴とする火災検出装置。 - 撮影手段により撮影された画像を画像メモリに格納し、該画像メモリに格納された画像を処理することにより火災を検出する火災検出装置において、
上記画像から明度または色に基づいて火災らしい領域を抽出する火災候補領域抽出手段と、
所定時間にわたって上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、
該抽出領域特徴量演算手段で演算された特徴量に対してウェーブレット変換を行い、時間軸に対する周波数の解析分布を求めるウェーブレット変換演算手段と、
該解析分布を基に、上記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火災判別手段と、
上記ウェーブレット変換演算手段の出力の振幅の自己相関をとり、該自己相関値を正規化して評価値を生成する評価値生成手段とを備え、
該評価値生成手段により生成された評価値が所定値より小さいとき、上記火災判別手段は、上記火災らしい領域が本当の火災領域であると判別することを特徴とする火災検出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30468097A JP3827426B2 (ja) | 1997-11-06 | 1997-11-06 | 火災検出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30468097A JP3827426B2 (ja) | 1997-11-06 | 1997-11-06 | 火災検出装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11144167A JPH11144167A (ja) | 1999-05-28 |
| JP3827426B2 true JP3827426B2 (ja) | 2006-09-27 |
Family
ID=17935939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP30468097A Expired - Fee Related JP3827426B2 (ja) | 1997-11-06 | 1997-11-06 | 火災検出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3827426B2 (ja) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3965614B2 (ja) * | 1999-08-30 | 2007-08-29 | 富士通株式会社 | 火災検知装置 |
| US6879253B1 (en) * | 2000-03-15 | 2005-04-12 | Siemens Building Technologies Ag | Method for the processing of a signal from an alarm and alarms with means for carrying out said method |
| JP3933400B2 (ja) * | 2001-02-16 | 2007-06-20 | 能美防災株式会社 | 火災検出装置 |
| US6431953B1 (en) * | 2001-08-21 | 2002-08-13 | Cabot Microelectronics Corporation | CMP process involving frequency analysis-based monitoring |
| KR100429107B1 (ko) * | 2001-09-19 | 2004-04-29 | 전자부품연구원 | 웨이블릿 압축 데이터를 이용한 피사체의 움직임 검출방법및 검출장치 |
| KR100648319B1 (ko) * | 2005-12-13 | 2006-11-23 | 주식회사 센텍 | 화염의 동적 특성을 이용한 적외선 화재 감지 방법 및시스템 |
| JP4689518B2 (ja) * | 2006-03-31 | 2011-05-25 | 能美防災株式会社 | 火災検出装置 |
| JP4688720B2 (ja) * | 2006-04-24 | 2011-05-25 | 日立造船株式会社 | 放射エネルギー検出時における外乱判別方法およびこの判別方法を用いた温度計測方法 |
| JP4813289B2 (ja) * | 2006-08-17 | 2011-11-09 | 能美防災株式会社 | 煙検出装置 |
| JP2008046967A (ja) * | 2006-08-18 | 2008-02-28 | Nohmi Bosai Ltd | 火災検出装置 |
| US7868772B2 (en) | 2006-12-12 | 2011-01-11 | Industrial Technology Research Institute | Flame detecting method and device |
| US20080136934A1 (en) * | 2006-12-12 | 2008-06-12 | Industrial Technology Research Institute | Flame Detecting Method And Device |
| KR100918436B1 (ko) | 2007-11-27 | 2009-09-24 | 계명대학교 산학협력단 | 비전 기반의 화재 감지 시스템 및 방법 |
| JP4807354B2 (ja) * | 2007-12-25 | 2011-11-02 | 住友電気工業株式会社 | 車両検出装置、車両検出システム及び車両検出方法 |
| KR100948568B1 (ko) | 2008-04-04 | 2010-03-18 | 계명대학교 산학협력단 | 베이지안 네트워크를 이용한 화재 감지 장치 및 방법 |
| JP2010141755A (ja) * | 2008-12-15 | 2010-06-24 | Nippon Telegr & Teleph Corp <Ntt> | 道路監視システム、道路監視方法および道路監視プログラム |
| KR101204259B1 (ko) | 2010-10-06 | 2012-11-23 | (주)에이치엠씨 | 화재 검출 방법 |
| KR101148799B1 (ko) * | 2011-09-21 | 2012-05-24 | 주식회사 창성에이스산업 | 적외선 열영상 화재감지기 및 이를 이용한 화재 감지방법 |
| JP2014004495A (ja) * | 2012-06-21 | 2014-01-16 | Disco Abrasive Syst Ltd | 粉塵処理装置 |
| CN106408846A (zh) * | 2016-11-29 | 2017-02-15 | 周川 | 基于视频监控平台的图像火灾检测方法 |
| CN110428574B (zh) * | 2019-08-11 | 2021-12-31 | 南京中消安全技术有限公司 | 一种烟雾探测器及其烟雾探测方法 |
| KR102118113B1 (ko) * | 2019-11-26 | 2020-06-02 | 주식회사 유진시스템코리아 | 내부통제공간 감시 카메라용 인출식 점검장치 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2598840B2 (ja) * | 1991-01-18 | 1997-04-09 | ホーチキ株式会社 | 火災報知装置 |
| JPH04313253A (ja) * | 1991-04-11 | 1992-11-05 | Toshiba Corp | 欠陥検査装置 |
| JP3205417B2 (ja) * | 1993-03-18 | 2001-09-04 | 富士写真フイルム株式会社 | 画像処理方法 |
| JPH08305980A (ja) * | 1995-03-09 | 1996-11-22 | Nittan Co Ltd | 炎検知装置および炎検知方法 |
| JP3173963B2 (ja) * | 1995-03-27 | 2001-06-04 | 株式会社クボタ | ゴミ焼却装置 |
| JP3162601B2 (ja) * | 1995-05-19 | 2001-05-08 | 綜合警備保障株式会社 | 赤外線受光方式による火災検知方法 |
-
1997
- 1997-11-06 JP JP30468097A patent/JP3827426B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH11144167A (ja) | 1999-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3827426B2 (ja) | 火災検出装置 | |
| US5937092A (en) | Rejection of light intrusion false alarms in a video security system | |
| US6841780B2 (en) | Method and apparatus for detecting objects | |
| US6104831A (en) | Method for rejection of flickering lights in an imaging system | |
| Celik | Fast and efficient method for fire detection using image processing | |
| US8964030B2 (en) | Surveillance camera system having camera malfunction detection function to detect types of failure via block and entire image processing | |
| JP5518359B2 (ja) | 煙検出装置 | |
| US6812846B2 (en) | Spill detector based on machine-imaging | |
| JP3123587B2 (ja) | 背景差分による動物体領域抽出方法 | |
| JP6553624B2 (ja) | 計測機器、及びシステム | |
| JP3965614B2 (ja) | 火災検知装置 | |
| JP4689518B2 (ja) | 火災検出装置 | |
| JP2020021300A (ja) | 火災監視装置、火災監視システム、および火災監視装置のプログラム | |
| JP4587304B2 (ja) | 画像処理装置 | |
| JP5286113B2 (ja) | 煙検出装置 | |
| JP3688086B2 (ja) | 火災検出装置 | |
| JP3294468B2 (ja) | 映像監視装置における物体検出方法 | |
| JP4064556B2 (ja) | 降雨雪状況検出方法およびその装置 | |
| JP2000137877A (ja) | 火災検出装置 | |
| JP4641902B2 (ja) | 画像センサ | |
| JP2020030751A (ja) | 物体検出装置、物体検出方法、及び物体検出プログラム | |
| JP3626824B2 (ja) | 火災検出装置 | |
| JP3729562B2 (ja) | 自動監視装置 | |
| JP2008180622A (ja) | 路面積雪検出装置及び路面積雪検出方法 | |
| JP6093270B2 (ja) | 画像センサ |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050902 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050913 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20051111 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060207 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060410 |
|
| 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: 20060620 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060704 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100714 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110714 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120714 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120714 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130714 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |