JP5971761B2 - 煙検出装置および煙検出方法 - Google Patents

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、煙の発生を検出する煙検出装置に関し、特に、トンネル内での誤検出要因を抑制するための煙検出装置および煙検出方法に関する。

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、火災あるいは煙の早期発見が非常に重要となっている。そこで、煙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、煙の早期発見を行うことが研究されている。

その一例として、トンネル内などにカメラを設置し、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、煙を検出する従来の煙検出装置がある。煙を検出するための画像処理では、一般的に、基準となる画像（基準画像）をあらかじめ記憶しておき、最新の撮像画像と基準画像との差分画像を演算し、変化の生じた領域を抽出することで、煙を検出している（例えば、特許文献１参照）。

また、日照などの影響により基準画像が時間的に変化することに対応するために、基準画像を定期的に更新することが行われている。

このように、カメラにより撮像された画像に対して画像処理を施して煙検出を行うことで、次の２点のメリットが得られる。
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。

特許第３９０９６６５号公報

しかしながら、従来技術には次のような課題がある。
従来技術においては、煙を検出するために、フレーム差分画像あるいは背景画像からの輝度差が所定の閾値を超えた画素領域を抽出していた。しかしながら、トンネル内での煙検出を行う際には、「車の動き」、「反射したライトの動き」、「照明点灯の壁面反射」などが誤検出要因として挙げられる。そして、これらの誤検出要因は、トンネル内という環境においては、特別な状態で発生するものではなく、定常的に発生している事象である。従って、このようなトンネル内での定常的な事象を煙として誤検出しない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、トンネル内で定常的に発生し、煙検出の誤検出要因となる事象を検出することなく、高精度に本来の煙を検出することのできる煙検出装置および煙検出方法を得ることを目的とする。

本発明に係る煙検出装置は、監視カメラにより撮像された画像に対して、１画像内の検査領域を複数のエリアに分割し、各エリア単位で画像処理を施すことにより、煙の発生を検出する煙検出装置であって、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画像メモリと、画像メモリに記憶された時系列画像に基づいて、各エリア単位で、移動体に関する特徴量の現在の確率密度分布を時系列で算出するとともに、煙が発生していない正常状態における特徴量の定常時の確率密度分布をあらかじめ算出する前処理部と、各エリア単位で、前処理部により時系列で算出された現在の確率密度分布と、前処理部によりあらかじめ算出された定常時の確率密度分布に基づいて確率密度比を算出し、算出した確率密度比の中に特徴量に対応してあらかじめ設定した閾値以上の値が存在する場合には異常状態である判断し、異常状態であると判断したエリアを煙が発生したエリアであると特定する煙発生検出部とを備えるものである。

また、本発明に係る煙検出方法は、監視カメラにより撮像された画像に対して、１画像内の検査領域を複数のエリアに分割し、各エリア単位で画像処理を施すことにより、煙の発生を検出する煙検出方法であって、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画像メモリに記憶させるステップと、画像メモリに記憶された時系列画像に基づいて、各エリア単位で、移動体に関する特徴量の現在の確率密度分布を時系列で算出するとともに、煙が発生していない正常状態における特徴量の定常時の確率密度分布をあらかじめ算出する前処理ステップと、各エリア単位で、前処理ステップにより時系列で算出された現在の確率密度分布と、前処理ステップによりあらかじめ算出された定常時の確率密度分布に基づいて確率密度比を算出し、算出した確率密度比の中に特徴量に対応してあらかじめ設定した閾値以上の値が存在する場合には異常状態である判断し、異常状態であると判断したエリアを煙が発生したエリアであると特定する煙発生検出ステップとを備えるものである。

本発明によれば、時系列で取り込まれた複数の画像から、移動体の特徴量に関する定常時の確率密度分布と現在の確率密度分布の比に相当する確率密度比を算出し、あらかじめ設定した閾値以上の値を示す確率密度比が存在する場合には煙が発生したと判断することにより、トンネル内で定常的に発生し、煙検出の誤検出要因となる事象を検出することなく、高精度に本来の煙を検出することのできる煙検出装置および煙検出方法を得ることができる。

本発明の実施の形態１における煙検出装置の構成図である。 本発明の実施の形態１における異常状態の確率密度分布および確率密度比を説明するための図である。 本発明の実施の形態１における定常状態の確率密度分布および確率密度比を説明するための図である。 本発明の実施の形態１に係る煙検出装置において、「物体の移動方向」を特徴量とした場合の確率密度分布の一例を示した図である。 本発明の実施の形態１に係る煙検出装置において、「移動体の形状」を特徴量とした場合の確率密度分布の一例を示した図である。 本発明の実施の形態１に係る煙検出装置において、「基準画像と現画像のエッジ強度差」を特徴量とした場合の確率密度分布の一例を示した図である。

以下、本発明の煙検出装置および煙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。

実施の形態１．
図１は、本発明の実施の形態１における煙検出装置の構成図である。本実施の形態１における煙検出装置は、画像メモリ１０、前処理部２０、および煙発生検出部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、確率密度分布算出部２１を含んで構成される。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分の画像に基づいて、定常時の確率密度分布ｒ（ｘ）をあらかじめ算出して記憶しておく機能、および煙監視時において現在の確率密度分布ｐ（ｘ）を順次算出する機能を有している。

また、煙発生検出部３０は、確率密度比算出部３１、および煙判定部３２を含んで構成される。そして、この煙発生検出部３０は、前処理部２０で時系列に順次算出された現在の確率密度分布ｐ（ｘ）と、あらかじめ学習された定常時の確率密度分布ｒ（ｘ）とに基づいて、煙の発生を検出するための確率密度比を算出し、算出結果に基づいて煙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説明する。
発明が解決しようとする課題の欄で説明したように、トンネル内での「車の動き」「反射したライトの動き」「照明点灯の壁面反射」は、定常的に発生する事象であるとともに、いずれも検出対象である煙と同様に、移動体である。

そこで、本願発明では、画像を取得した後に、「物体の移動方向」、「移動体の形状」、および「基準画像と現画像とのエッジ強度差」という移動体に関する３つの特徴量を抽出し、抽出された特徴量の確率密度比から、現在の状態が定常状態であるのか異常状態であるのかを判断して、異常状態であれば、移動体が煙であると判定するものである。

換言すると、本願発明では、「車の動き」「反射したライトの動き」「照明点灯の壁面反射」といった誤検出要因が、確率密度比に基づく判定処理を行うことで定常状態と判断され、検出すべき煙と識別することが可能となっている。

本実施の形態１における煙検出装置は、一例として、１６０×１６０画素を１エリアとして、煙を検出するための特徴量の確率密度比を算出し、ある所定閾値以上の確率密度比が存在する場合には、煙による異常が発生したと判定している。

ここで、確率密度比は、以下の手順により算出される。
（手順１）あらかじめ定常時（煙が発生していない正常時に相当）に取得した時系列画像から抽出される特徴量に基づいて、定常時の確率密度分布ｒ（ｘ）を学習し、記憶しておく。なお、この定常時の確率密度分布ｒ（ｘ）は、定期的に更新することも可能である。
（手順２）煙発生を監視する際に、現在の時系列画像から抽出される特徴量に基づいて、現在の確率密度分布ｐ（ｘ）を算出する。
（手順３）下式（１）により、確率密度比を算出する。
確率密度比＝ｐ（ｘ）＊ｌｏｇ（ｐ（ｘ）／ｒ（ｘ）） （１）

確率密度比とは、確率密度分布の比のことであり、定常時の確率密度分布ｒ（ｘ）と現在の確率密度分布ｐ（ｘ）の２つの比に基づく、上式（１）によって算出される値として規定される。

図２は、本発明の実施の形態１における異常状態の確率密度分布および確率密度比を説明するための図である。具体的には、図２（ａ）は、定常時の確率密度分布ｒ（ｘ）と、現在の状態が異常状態であるときの確率密度分布ｐ（ｘ）の一例を示しており、図２（ｂ）は、図２（ａ）の確率密度分布に対応して上式（１）で求められる確率密度比を示している。

現在の状態が異常状態である場合には、本来ほとんど現れない所の確率密度分布ｐ（ｘ）の値が大きくなる（図２（ａ）の「Ａ１」部分参照）。よって、上式（１）による確率密度比を計算すると、確率密度分布ｐ（ｘ）の値が異常であった「Ａ１」に対応する部分においては、飛び抜けて大きな値になっていることがわかる（図２（ｂ）の「Ｂ１」部分参照）。

一方、図３は、本発明の実施の形態１における定常状態の確率密度分布および確率密度比を説明するための図である。具体的には、図３（ａ）は、定常時の確率密度分布ｒ（ｘ）と、現在の状態が定常状態（煙が発生していない正常な状態に相当）であるときの確率密度分布ｐ（ｘ）の一例を示しており、図３（ｂ）は、図３（ａ）の確率密度分布に対応して上式（１）で求められる確率密度比を示している。

現在の状態が定常状態である場合には、定常状態のときに現在の確率密度分布ｐ（ｘ）が変動しても（図３（ａ）の「Ａ２」部分参照）、「Ａ２」に対応する部分の確率密度比を計算すると小さい値になる（図３（ｂ）の「Ｂ２」部分参照）。

従って、図２（ｂ）および図３（ｂ）において、縦軸で示した確率密度比が、例えば０．６以上の部分が存在するか否かをチェックすることで、図２（ｂ）は異常状態であり、図３（ｂ）は定常状態であるとして、両者を識別することが可能となる。

以上のような検出原理を踏まえた上で、「物体の移動方向」、「移動体の形状」、および「基準画像と現画像とのエッジ強度差」という移動体に関する３つの特徴量に基づく確率密度比から、誤検出要因を排除した上で本来の煙のみの検出を行う具体的な処理内容について、詳細に説明する。

（１）「物体の移動方向」の確率密度比について
図４は、本発明の実施の形態１に係る煙検出装置において、「物体の移動方向」を特徴量とした場合の確率密度分布の一例を示した図である。トンネル内において、定常状態での物体（例えば車）の移動方向は、一定方向であり、定常状態の確率密度分布は、図４の定常時の確率密度分布ｒのような、一箇所にピークをもつ分布となる。

一方、異常状態（煙発生時）の確率密度分布ｐは、図４の●でプロットした曲線で示したように、定常時の確率密度分布ｒとは別の場所に、ピークを持つ分布となる（図４中の「Ａ３」部分参照）。この２つの確率密度分布から上式（１）に基づいて確率密度比を算出すると、先の図２で説明したように、飛び抜けて大きな値になっている部分が発生することとなる。

従って、煙判定部３２は、所定の閾値以上となる確率密度比が存在するか否かを判断することで、「物体の移動方向」の確率密度比に基づいた煙検出を行うことができる。なお、物体の移動方向の算出は、例えば従来技術であるモーションテンプレートを適用することによって移動方向を数値化している。

（２）「移動体の形状」の確立密度比について
図５は、本発明の実施の形態１に係る煙検出装置において、「移動体の形状」を特徴量とした場合の確率密度分布の一例を示した図である。本実施の形態１では、物体の形状を、高次局所自己相関特徴で用いられる２８の局所パターン（図５（ａ）参照）を用いて記述している。このような場合、前処理部２０は、エリア内に含まれる局所パターンの出現確率を確率密度分布として作成することとなる（図５（ｂ）参照）。
より詳細に述べると、９×９のグリッドで表現される高次局所自己相関特徴で用いられる２８の局所パターンの一つ一つを用いて、取得した画像内を走査することで、その存在数を抽出できる。そして、その存在数に基づいて確率密度分布を作成している。

定常時は、車の形や光による壁面の形状などが確立密度分布となる。一方、異常時（煙発生時）には、煙の形状が不定なため、さまざまな確率密度分布となる。この２つの確率密度分布から上式（１）に基づいて確率密度比を算出すると、先の図２で説明したように、定常時の確立密度分布ｒとは別の場所に飛び抜けて大きな値になっている部分が発生することとなる。

従って、煙判定部３２は、所定の閾値以上となる確率密度比が存在するか否かを判断することで、「物体の移動方向」を特徴量とした場合と同様に、「移動体の形状」を特徴量とした場合にも、確率密度比に基づいて、定常／異常判定を行うことができる。

（３）「基準画像と現画像のエッジ強度差」の確立密度比について
図６は、本発明の実施の形態１に係る煙検出装置において、「基準画像と現画像のエッジ強度差」を特徴量とした場合の確率密度分布の一例を示した図である。具体的には、基準画像と現画像とのエッジ強度の差を算出し、エリア内に含まれるエッジ強度差の出現確率を確率密度分布として作成している。

定常時は、図６の定常時の確率密度分布のように、ノイズがエッジ強度差の小さい所に多く分布して、車や光球（ライト）などが強いエッジ強度差を示してピークを持つ分布となる（図６中の「Ａ４」部分参照）。一方、異常時（煙発生時）は、煙がさまざまなエッジ強度を持っているため、図６の●でプロットした煙発生時の確率密度分布で示すように、全体的に出現確率が高い分布となる。この２つの確率密度分布から上式（１）に基づいて確率密度比を算出すると、負の方向に飛び抜けて大きな値になっている部分が発生することとなる。

従って、煙判定部３２は、所定の閾値以上となる確率密度比が存在するか否かを判断することで、「物体の移動方向」あるいは「移動体の形状」を特徴量とした場合と同様に、「基準画像と現画像のエッジ強度差」を特徴量とした場合にも、確率密度比に基づいて、定常／異常判定を行うことができる。

上述したように、本実施の形態１における確率密度比算出部３１は、「物体の移動方向」、「移動体の形状」、および「基準画像と現画像とのエッジ強度差」という移動体に関する３つの特徴量に基づく確率密度比を算出することができる。

そして、本実施の形態１における煙判定部３２は、それぞれの特徴量に対応する確率密度比に対して、それぞれ個別に設定された判定閾値以上の値となる部分があるか否かをチェックし、すべての特徴量で異常状態（煙発生時）であると判断した場合には、煙が発生したと判断することができる。

ただし、煙が連続して発生すると、煙が滞留して、移動方向を算出することができなくなる。従って、このような場合には、１番目の特徴量である「物体の移動方向」に関する確率密度比を用いて異常状態を適切に判定することができなくなる。そこで、煙判定部３２は、すべての特徴量で異常状態（煙発生時）であると判断した状態が所定時間継続した場合には、それ以降の異常状態判断においては、「物体の移動方向」に関する確率密度比は用いず、残り２つの特徴量を用いて、煙検出を行うことで、煙が滞留した場合にも、高精度に煙を検出することを継続できる。

なお、確率密度分布算出部２１は、定常時の確率密度分布および現在の確率密度分布の生成に当たっては、例えば、４秒間に取得した１２８枚分の時系列画像に基づいて、１６０×１６０画素を１エリアとして、エリアごとの確率密度分布を逐次計算することが考えられる。また、確率密度分布算出部２１は、定常時の確率密度分布に関しては、例えば、１時間ごとに更新することが考えられる。

また、煙判定部３２は、異常状態を判定するための閾値として、例えば、特徴量「物体の移動方向」に関する確率密度比に対しては０．４、特徴量「移動体の形状」に関する確率密度比に対しては０．５、そして特徴量「基準画像と現画像とのエッジ強度差」に関する確率密度比に対しては０．８を用いることが考えられる。

以上のように、実施の形態１によれば、時系列で取り込まれた複数の画像から、移動体に関する複数の特徴量のそれぞれに関して、確率密度比を算出している。そして、それぞれの特徴量に対して算出された確率密度比について、個別の閾値を用いて異常状態の有無を判断し、すべての特徴量で異常状態と判断されたエリアを、煙が発生したエリアとして特定している。この結果、「車の動き」、「反射したライトの動き」、「照明点灯の壁面反射」などの誤判定要因を除外した高精度な煙検出処理を実現できる煙検出装置および煙検出方法を得ることができる。

なお、上述した実施の形態１では、１画面内の検査領域を、１６０×１６０画素を１エリアとして複数のエリアに分割し、各エリア単位で煙検出処理を行う場合について説明したが、分割エリアは、必ずしも均等サイズに分割する必要はなく、検出対象となる環境や画像に応じて、適切に設定することができる。また、画像内で、煙が発生するおそれのないエリアを、検出対象外のエリアとして設定しておくことも可能である。

また、上述した実施の形態１では、特徴量に応じて個別に設定された閾値を用いているが、これらは、同一の特徴量に関して、分割エリアごとに個別の値として設定することも可能であり、検出対象となる環境や画像に応じて、適切に設定することができる。

１ カメラ、１０ 画像メモリ、２０ 前処理部、２１ 確率密度分布算出部、３０ 煙発生検出部、３１ 確率密度比算出部、３２ 煙判定部。

Claims (6)

1. 監視カメラにより撮像された画像に対して、１画像内の検査領域を複数のエリアに分割し、各エリア単位で画像処理を施すことにより、煙の発生を検出する煙検出装置であって、
   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画像メモリと、
   前記画像メモリに記憶された前記時系列画像に基づいて、前記各エリア単位で、移動体に関する特徴量の現在の確率密度分布を時系列で算出するとともに、煙が発生していない正常状態における前記特徴量の定常時の確率密度分布をあらかじめ算出する前処理部と、
   前記各エリア単位で、前記前処理部により時系列で算出された前記現在の確率密度分布と、前記前処理部によりあらかじめ算出された前記定常時の確率密度分布に基づいて確率密度比を算出し、算出した前記確率密度比の中に前記特徴量に対応してあらかじめ設定した閾値以上の値が存在する場合には異常状態であると判断し、前記異常状態であると判断したエリアを煙が発生したエリアであると特定する煙発生検出部と
   を備える煙検出装置。
2. 請求項１に記載の煙検出装置において、
   前記前処理部は、前記移動体に関する特徴量として複数の特徴量に関してそれぞれ個別に前記定常時の確率密度分布および現在の確率密度分布を算出し、
   前記煙発生検出部は、前記複数の特徴量に関してそれぞれ個別に前記確率密度比を算出し、前記複数の特徴量に関してそれぞれ個別にあらかじめ設定した前記閾値を用いて、異常状態であるか否かを個別に判断し、すべての特徴量に関して異常状態であると判断されたエリアを煙が発生したエリアであると特定する
   煙検出装置。
3. 請求項２に記載の煙検出装置において、
   前記前処理部は、前記複数の特徴量として、物体の移動方向を第１の特徴量として、移動体の形状を第２の特徴量として、基準画像と現画像とのエッジ強度差を第３の特徴量として採用し、モーションテンプレートを適用して前記第１の特徴量を抽出することで前記第１の特徴量に対応した確率密度分布を算出し、高次局所自己相関特徴で用いられる局所パターンを適用して前記第２の特徴量を抽出することで前記第２の特徴量に対応した確率密度分布を算出し、基準画像と現画像とのエッジ強度の差を算出し、エリア内に含まれるエッジ強度差の出現確率を前記第３の特徴量に対応した確率密度分布として算出する
   煙検出装置。
4. 請求項１から３のいずれか１項に記載の煙検出装置において、
   前記煙発生検出部は、前記現在の確率密度分布をｐ、前記定常時の確率密度分布をｒとしたときに、前記確率密度比を下式
   ｐ＊ｌｏｇ（ｐ／ｒ）
   を用いて算出する
   煙検出装置。
5. 請求項１から４のいずれか１項に記載の煙検出装置において、
   前記前処理部は、前記煙発生検出部により異常状態が検出されなかった際に算出した前記現在の確率密度分布により、定期的に前記定常時の確率密度分布を更新する
   煙検出装置。
6. 監視カメラにより撮像された画像に対して、１画像内の検査領域を複数のエリアに分割し、各エリア単位で画像処理を施すことにより、煙の発生を検出する煙検出方法であって、
   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画像メモリに記憶させるステップと、
   前記画像メモリに記憶された前記時系列画像に基づいて、前記各エリア単位で、移動体に関する特徴量の現在の確率密度分布を時系列で算出するとともに、煙が発生していない正常状態における前記特徴量の定常時の確率密度分布をあらかじめ算出する前処理ステップと、
   前記各エリア単位で、前記前処理ステップにより時系列で算出された前記現在の確率密度分布と、前記前処理ステップによりあらかじめ算出された前記定常時の確率密度分布に基づいて確率密度比を算出し、算出した前記確率密度比の中に前記特徴量に対応してあらかじめ設定した閾値以上の値が存在する場合には異常状態である判断し、前記異常状態であると判断したエリアを煙が発生したエリアであると特定する煙発生検出ステップと
   を備える煙検出方法。

Images