KR101075063B1 - Fire-Flame Detection Using Fuzzy Logic - Google Patents

Fire-Flame Detection Using Fuzzy Logic Download PDF

Info

Publication number
KR101075063B1
KR101075063B1 KR1020090105202A KR20090105202A KR101075063B1 KR 101075063 B1 KR101075063 B1 KR 101075063B1 KR 1020090105202 A KR1020090105202 A KR 1020090105202A KR 20090105202 A KR20090105202 A KR 20090105202A KR 101075063 B1 KR101075063 B1 KR 101075063B1
Authority
KR
South Korea
Prior art keywords
fire
change
motion
brightness
sum
Prior art date
Application number
KR1020090105202A
Other languages
Korean (ko)
Other versions
KR20110048417A (en
Inventor
황현재
고병철
강은희
남재열
Original Assignee
계명대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 계명대학교 산학협력단 filed Critical 계명대학교 산학협력단
Priority to KR1020090105202A priority Critical patent/KR101075063B1/en
Publication of KR20110048417A publication Critical patent/KR20110048417A/en
Application granted granted Critical
Publication of KR101075063B1 publication Critical patent/KR101075063B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
    • G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/52—Scale-space analysis, e.g. wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fire-Detection Mechanisms (AREA)
  • Fire Alarms (AREA)

Abstract

본 발명은 카메라로부터의 영상정보를 다수의 블록으로 분할하고, 상기 블록 단위로 화재 불꽃 판별을 위한 특징들을 검출하고, 상기 특징들을 퍼지 규칙에 따라 검증하는 퍼지 규칙을 이용한 화재 불꽃 감지 방법을 제공하는 것이다. 상기한 본 발명의 퍼지 규칙을 이용한 화재 불꽃 감지 방법은, 영상 정보를 미리 정해둔 크기로 분할하여 다수의 블럭을 생성하는 단계; 상기 다수의 블럭 각각에 대해 움직임 여부를 판별하여 움직임 블럭을 검출하는 단계; 상기 검출된 움직임 블럭 각각에 대해 화재 불꽃 색상 여부를 판별하여 후보 블럭을 검출하는 단계; 상기 검출된 후보 블럭 각각에 대해 명도 변화와 웨이블릿 계수들의 합 변화와 모션 변화가 화재 특성 모델에 대응되는지 여부를 검출하는 단계; 상기 명도 변화와 상기 웨이블릿 계수들의 합 변화와 상기 모션 변화가 화재 특성 모델에 대응되는지 여부를 퍼지 규칙의 입력 변수들로 입력받아, 미리 정해둔 퍼지 규칙에 따라 후보 블럭이 실제 화재 불꽃 블럭인지를 검증하는 단계;를 포함하는 것을 특징으로 한다. The present invention provides a method for detecting a fire flame using a fuzzy rule that divides image information from a camera into a plurality of blocks, detects features for determining a fire flame on a block basis, and verifies the features according to a fuzzy rule. will be. Fire flame detection method using the fuzzy rule of the present invention comprises the steps of generating a plurality of blocks by dividing the image information into a predetermined size; Detecting a motion block by determining whether to move each of the plurality of blocks; Detecting a candidate block by determining whether a fire flame color is detected for each of the detected motion blocks; Detecting whether a change in brightness and a sum of wavelet coefficients and a change in motion correspond to a fire characteristic model for each of the detected candidate blocks; Whether the brightness change, the sum of the wavelet coefficients, and the motion change correspond to a fire characteristic model as input parameters of a fuzzy rule, and verify whether the candidate block is a real fire flame block according to a predetermined fuzzy rule. It characterized in that it comprises a.

퍼지 규칙, 화재 불꽃, 명도, 모션 Fuzzy rules, fire flame, brightness, motion

Description

퍼지 규칙을 이용한 화재 불꽃 감지 방법{Fire-Flame Detection Using Fuzzy Logic}Fire-Flame Detection Using Fuzzy Logic}

본 발명은 화재 감시 기술에 관한 것으로, 더욱 상세하게는 카메라로부터의 영상정보로부터 화재 불꽃 판별을 위한 특징들을 검출하고 그 검출된 특징들을 퍼지 규칙에 따라 검증하는 퍼지 규칙을 이용한 화재 불꽃 감지 방법에 관한 것이다. The present invention relates to a fire monitoring technique, and more particularly, to a fire flame detection method using a fuzzy rule that detects features for fire flame discrimination from image information from a camera and verifies the detected features according to a fuzzy rule. will be.

건물의 대형화와 복잡화는 실생활의 편의성을 높이는 반면에 화재와 같은 안전사고에 있어서 막대한 재산 및 인명 피해를 야기한다. 이에따라 정확한 화재 경보 시스템 구축의 필요성이 대두되고 있다. The size and complexity of buildings increase the convenience of real life, while causing enormous property and human damage in safety accidents such as fire. Accordingly, there is a need for establishing an accurate fire alarm system.

종래 화재 경보 시스템은 열, 연기 등의 센서 기반 감지기들이 대부분으로, 이들 감지기는 화재가 발생한 후 일정 시간이 지나 열이나 연기가 확산되어 센서에 도달해야 비로소 감지를 할 수 있었다. 이러한 종래 방식들은 조기에 화재를 감지하지 못하는 문제점과 넓은 장소와 개방된 공간에서는 그 성능이 떨어지는 문제가 있다. Conventional fire alarm systems are mostly sensor-based detectors such as heat and smoke, and these detectors could not be detected until heat or smoke diffused and reached the sensor after a certain time. These conventional methods have a problem that early detection of fire and its performance in a large place and open space is poor.

이러한 문제를 해소하기 위하여 카메라를 채용한 화재 감지 시스템이 제안되었으며, 이 화재 감지 시스템은 건물 내외에 설치되어 있는 감시 카메라를 이용하 여 구현이 가능하므로 추가적인 비용이 들지 않고, 화재나 연기가 발생할 경우에도 열이나 연기의 확산을 기다릴 필요없이 카메라를 통해 원격지에서 즉각적인 감지가 가능한 장점이 있다.In order to solve this problem, a fire detection system using a camera has been proposed, and this fire detection system can be implemented by using a surveillance camera installed inside and outside the building, and therefore, there is no additional cost, and a fire or smoke occurs. The camera has the advantage of instant detection from a remote location without having to wait for heat or smoke to spread.

상기 카메라를 이용한 화재 감지 시스템과 관련된 연구를 위해 B. U. Toreyin은 움직임 영역 감지와 웨이블릿 변환을 통해 얻어진 웨이블릿 에너지를 이용한 화재 감지 방법을 제안하였고, T. Celik은 화재의 컬러 픽셀 통계치와 전경 물체 정보를 결합한 방법을 제안하였다. W. Phillips은 컬러와 프레임간 이미지의 시간적 변화량을 기반으로 하여 화재를 감지하는 알고리즘을 제안하였고, T. Chen 은 RGB/HIS 컬러 모델과 불꽃 영역이 불규칙적으로 확산된다는 정보를 이용하여 화재를 분석하는 방법을 제안하였다.For the study related to the fire detection system using the camera, BU Toreyin proposed a fire detection method using wavelet energy obtained through motion area detection and wavelet transform, and T. Celik combines the color pixel statistics of fire and foreground object information. A method was proposed. W. Phillips proposed a fire detection algorithm based on the temporal variation of color and frame-to-frame images, and T. Chen uses the RGB / HIS color model and information that the flame region is irregularly diffused to analyze the fire. A method was proposed.

상기한 바와 같이 컬러정보와 픽셀들의 시간적인 변화량을 이용하는 대부분의 비전 기반 방식들은 휴리스틱한 특성으로 인해서 제한적인 환경에서는 좋은 결과를 보이지만 일반적인 화재 환경에 대해서는 오검출율이 높은 문제가 있었다. 이를 해결하기 위해 K. Cheong은 10개의 연속된 프레임에서 화소들의 웨이블릿 변화를 모델링하고 이를 SVM(Support Vector Machine)에 적용하여 화재와 비-화재를 검증하는 방법을 제안하였지만, 이 방법은 성능의 우수함에 비해 많은 연산을 필요로 하기 때문에 실시간 화재 감지를 위해서는 적합하지 않은 문제가 있었다. As described above, most vision based methods using color information and temporal variation of pixels show good results in limited environments due to heuristic characteristics, but have a high false detection rate for general fire environments. To solve this problem, K. Cheong proposed a method of modeling wavelet changes of pixels in 10 consecutive frames and applying them to a support vector machine (SVM) to verify fire and non-fire. Because it requires more operation than, there was a problem that is not suitable for real-time fire detection.

본 발명은 카메라로부터의 영상정보를 다수의 블록으로 분할하고, 상기 블록 단위로 화재 불꽃 판별을 위한 특징들을 검출하고, 상기 특징들을 퍼지 규칙에 따라 검증하는 퍼지 규칙을 이용한 화재 불꽃 감지 방법을 제공하는 것을 그 목적으로 한다. The present invention provides a method for detecting a fire flame using a fuzzy rule that divides image information from a camera into a plurality of blocks, detects features for determining a fire flame on a block basis, and verifies the features according to a fuzzy rule. For that purpose.

상기한 목적을 달성하기 위한 본 발명의 퍼지 규칙을 이용한 화재 불꽃 감지 방법은, 영상 정보를 미리 정해둔 크기로 분할하여 다수의 블럭을 생성하는 단계; 상기 다수의 블럭 각각에 대해 움직임 여부를 판별하여 움직임 블럭을 검출하는 단계; 상기 검출된 움직임 블럭 각각에 대해 화재 불꽃 색상 여부를 판별하여 후보 블럭을 검출하는 단계; 상기 검출된 후보 블럭 각각에 대해 명도 변화와 웨이블릿 계수들의 합 변화와 모션 변화가 화재 특성 모델에 대응되는지 여부를 검출하는 단계; 상기 명도 변화와 상기 웨이블릿 계수들의 합 변화와 상기 모션 변화가 화재 특성 모델에 대응되는지 여부를 퍼지 규칙의 입력 변수들로 입력받아, 미리 정해둔 퍼지 규칙에 따라 후보 블럭이 실제 화재 불꽃 블럭인지를 검증하는 단계;를 포함하는 것을 특징으로 한다. Fire flame detection method using a fuzzy rule of the present invention for achieving the above object comprises the steps of: generating a plurality of blocks by dividing the image information into a predetermined size; Detecting a motion block by determining whether to move each of the plurality of blocks; Detecting a candidate block by determining whether a fire flame color is detected for each of the detected motion blocks; Detecting whether a change in brightness and a sum of wavelet coefficients and a change in motion correspond to a fire characteristic model for each of the detected candidate blocks; Whether the brightness change, the sum of the wavelet coefficients, and the motion change correspond to a fire characteristic model as input parameters of a fuzzy rule, and verify whether the candidate block is a real fire flame block according to a predetermined fuzzy rule. It characterized in that it comprises a.

본 발명은 카메라로부터의 영상정보를 블럭단위로 처리함으로써 화재 불꽃 감지 시간을 단축시킬 수 있는 효과가 있다. The present invention has the effect of reducing the fire flame detection time by processing the image information from the camera in blocks.

또한 본 발명은 블록단위로 화재 불꽃 판별을 위한 특징들을 검출하고, 상기 특징들을 퍼지 규칙에 따라 검증함으로써, 화재 불꽃 판별의 신뢰도를 높일 수 있다. In addition, the present invention can increase the reliability of fire flame determination by detecting features for fire flame determination in units of blocks and verifying the features according to a fuzzy rule.

도 1은 본 발명의 바람직한 실시예에 따른 퍼지 규칙을 이용한 화재 불꽃 감지장치의 구성도이다. 상기 화재 불꽃 감지장치는 제어모듈(100)과 메모리 장치(102)로 구성된다. 상기 제어모듈(100)은 본 발명의 바람직한 실시예에 따른 화재 불꽃 감지를 이행하며, 상기 메모리 장치(102)는 상기 제어모듈(100)의 처리 프로그램을 포함하는 다양한 정보를 저장한다. 1 is a block diagram of a fire flame detection device using a purge rule according to a preferred embodiment of the present invention. The fire flame detection device includes a control module 100 and a memory device 102. The control module 100 performs fire flame detection according to a preferred embodiment of the present invention, and the memory device 102 stores various information including a processing program of the control module 100.

상기한 퍼지 규칙을 이용한 화재 불꽃 감지장치의 동작을 도 2의 흐름도를 참조하여 상세히 설명한다. The operation of the fire flame detection apparatus using the above purge rule will be described in detail with reference to the flowchart of FIG. 2.

상기 제어모듈(100)은 영상정보를 입력받아 미리 정해둔 크기로 분할하여 다수의 블록을 생성한다(200단계). 상기한 바와 생성된 다수의 블록 각각에 대해 상기 제어모듈(100)은 움직임 여부를 판별하여 하나 이상의 움직임 블록을 검출한다(202단계). 상기 하나 이상의 움직임 블록이 검출되면, 상기 제어모듈(100)은 상기 하나 이상의 움직임 블록 각각의 색상정보를 토대로 하나 이상의 화재 불꽃 색상을 가지는 블록을 검출한다(204단계). 상기 화재 불꽃 색상을 가지는 블록이 검출되면, 상기 제어모듈(100)은 퍼지로직을 이용하여 화재 불꽃 색상이 가지는 블록에 대한 검증을 이행하여 화재 불꽃을 최종 판별한다(206단계). The control module 100 receives the image information and divides the image information into predetermined sizes to generate a plurality of blocks (step 200). For each of the plurality of blocks generated as described above, the control module 100 detects one or more movement blocks by determining whether to move (step 202). When the at least one motion block is detected, the control module 100 detects a block having at least one fire flame color based on color information of each of the at least one motion block (step 204). When the block having the fire flame color is detected, the control module 100 performs verification of the block having the fire flame color using fuzzy logic to finally determine the fire flame (step 206).

이하 상기한 퍼지 규칙을 이용한 화재 불꽃 감지 장치의 처리 과정을 상세히 설명한다.Hereinafter, a process of the fire flame detection apparatus using the above purge rule will be described in detail.

<움직임 블록 감지 과정><Motion block detection process>

본 발명에 따른 움직임 영역 감지는 명도 성분에 대한 3 프레임의 평균과 분산을 이용하여 이루어진다. 먼저 본 발명은 수학식 1을 이용하여 명도 왜곡 값을 산출한다. Motion region detection in accordance with the present invention is accomplished using the average and variance of three frames for the brightness component. First, the present invention calculates the brightness distortion value using Equation 1.

Figure 112009067401618-pat00001
Figure 112009067401618-pat00001

영상 내의 임의의 픽셀 p는 4-요소

Figure 112009067401618-pat00002
로 구성된다. 여기서,
Figure 112009067401618-pat00003
는 픽셀 p에서의 명도 평균 값,
Figure 112009067401618-pat00004
는 표준편차,
Figure 112009067401618-pat00005
는 명도 왜곡 파라미터,
Figure 112009067401618-pat00006
는 명도 왜곡(Brightness Distortion)이다. 상기 수학식 1에서
Figure 112009067401618-pat00007
값이 임계값 이상이면 움직임 픽셀로 선언하고, 선정된 블록 안에서의 움직임 픽셀의 비율이 미리 정해둔 값 이상이면 해당 블록을 움직임 블록으로 결정한다. Any pixel p in the image is a 4-element
Figure 112009067401618-pat00002
It consists of. here,
Figure 112009067401618-pat00003
Is the average brightness value at pixel p,
Figure 112009067401618-pat00004
Is the standard deviation,
Figure 112009067401618-pat00005
Is the brightness distortion parameter,
Figure 112009067401618-pat00006
Is the brightness distortion. In Equation (1)
Figure 112009067401618-pat00007
If the value is greater than or equal to the threshold, it is declared as a motion pixel. If the ratio of the motion pixel in the selected block is greater than or equal to a predetermined value, the corresponding block is determined as a motion block.

도 3은 본 발명의 바람직한 실시예에 따라 움직임 블록을 추출한 결과 화면 을 도시한 것이다. 3 illustrates a screen of a result of extracting a motion block according to a preferred embodiment of the present invention.

<화재 불꽃 색상 블록 감지 과정><Fire flame color block detection process>

본 발명에 따른 화재 불꽃 색상 감지는 RGB 색 공간에서 가우시안 모델을 구성하고 이로부터 화재 불꽃 여부를 판별함으로써 이루어진다. 여기서, 적(Red), 녹(Green), 청(Blue) 채널의 분포는 서로 독립적이고 가우시안 분포를 보인다고 가정하면, 수학식 2에 따라 화재 불꽃 색상 모델을 생성할 수 있다.Fire flame color detection according to the present invention is achieved by constructing a Gaussian model in the RGB color space and determining whether there is a fire flame. Here, assuming that the distributions of the red, green, and blue channels are independent of each other and show a Gaussian distribution, a fire flame color model may be generated according to Equation 2.

Figure 112009067401618-pat00008
Figure 112009067401618-pat00008

상기 수학식 2에서

Figure 112009067401618-pat00009
는 학습 데이터로부터 얻어진 i 색상 채널의 평균을 의미하며,
Figure 112009067401618-pat00010
은 i 색상 채널의 분산을 의미한다. 각 채널의 확률모델로부터 새로운 입력 픽셀
Figure 112009067401618-pat00011
의 채널 확률 값이 산출된다. 하기 수학식 3은 상기 수학식 2에서 얻어진 확률값을 이용하여 화재 불꽃 후보 픽셀 여부를 결정한다. In Equation 2
Figure 112009067401618-pat00009
Denotes the average of the i color channels obtained from the training data,
Figure 112009067401618-pat00010
Denotes the variance of the i color channel. New input pixel from the probability model of each channel
Figure 112009067401618-pat00011
The channel probability value of is calculated. Equation 3 below determines the fire flame candidate pixel using the probability value obtained in Equation 2.

Figure 112009067401618-pat00012
Figure 112009067401618-pat00012

상기 수학식 3에서

Figure 112009067401618-pat00013
는 상기 수학식 2에서 얻어진 적(Red), 녹(Green), 청(Blue) 값들의 확률 값이고, 그 값들의 곱이 임계값
Figure 112009067401618-pat00014
이상일 경우 화재 불꽃 후보 픽셀로 판단되며, 해당 블록내의 후보 픽셀의 비율이 미리 정해둔 값 이상이면 해당 블록을 화재 불꽃 후보 블록으로 결정한다.In Equation 3
Figure 112009067401618-pat00013
Is a probability value of Red, Green, and Blue values obtained in Equation 2, and the product of the values is a threshold value.
Figure 112009067401618-pat00014
If it is abnormal, it is determined as a fire flame candidate pixel, and if the ratio of candidate pixels in the block is equal to or greater than a predetermined value, the block is determined as a fire flame candidate block.

도 4는 본 발명에 따른 학습 데이터로 추출한 적(Red), 녹(Green), 청(Blue) 채널에 대한 가우시안 모델 그래프이고, 도 5는 본 발명에 따른 가우시안 모델링에 대한 화재 불꽃 후보 색상 블럭만 추출한 결과 화면이다. FIG. 4 is a Gaussian model graph of red, green, and blue channels extracted from training data according to the present invention, and FIG. 5 is only a fire flame candidate color block for Gaussian modeling according to the present invention. The extracted result screen.

<퍼지 규칙을 통한 검증과정><Verification process through fuzzy rule>

본 발명에 따른 화재 불꽃 후보 블럭에 대한 검증은, 화재 불꽃 후보 블럭에 대한 특징들을 분석하고, 이를 확률적으로 모델링하여 퍼지 규칙의 멤버십 함수로 적용하는 것이다. 상기한 화재 불꽃 후보 블럭에 대한 특징들은 시간축 상에서의 명도 변화, 웨이블릿 변환을 통한 3가지 고주파 성분인 LH, HL, HH 계수, 모션 변화를 채용한다. 여기서, 불꽃은 시간축 상의 불규칙한 움직임으로 현재 프레임에서 후보 화재 영역의 과거 100 프레임을 추적하여 특징값의 변화량을 왜도(Skewness) 값으로 표현하고 확률 분포로 모델링한다.The verification of the fire flame candidate block according to the present invention is to analyze features of the fire flame candidate block, and probabilistic model it and apply it as a membership function of the fuzzy rule. The characteristics of the above-mentioned fire flame candidate block adopt three kinds of high frequency components, LH, HL, HH coefficient and motion change through wavelet transform. Here, the flame tracks the past 100 frames of the candidate fire area in the current frame with irregular movement on the time axis, expresses the variation of the feature value as skewness value, and models the probability distribution.

도 6은 본 발명에 따라 100 프레임의 시간축 상에서 불꽃 영역의 명도(좌) 및 웨이블릿 계수(우) 특징 값의 변화를 도시한 것이고, 도 7은 본 발명에 따른 100 프레임의 시간축 상에서 물체 움직임 영역의 명도(좌) 및 웨이블릿 계수(우) 특징 값의 변화를 도시한 것이다. FIG. 6 illustrates changes in the brightness (left) and wavelet coefficient (right) feature values of a flame region on a time frame of 100 frames in accordance with the present invention, and FIG. 7 illustrates an object motion region on a time axis of 100 frames in accordance with the present invention. Changes in the brightness (left) and wavelet coefficient (right) feature values are shown.

상기 퍼지 규칙이 멤버십 함수로 채용되는 첫 번째 특징은 시간축 상에서의 명도 변화 정보를 이용하는 것으로, 변화량을 표현할 수 있는 왜도 값을 수학식 4를 토대로 산출한다. The first feature in which the fuzzy rule is employed as a membership function is to use brightness change information on the time axis, and a distortion value capable of expressing a change amount is calculated based on Equation 4.

Figure 112009067401618-pat00015
Figure 112009067401618-pat00015

상기 수학식 4에서

Figure 112009067401618-pat00016
는 평균을 의미하고
Figure 112009067401618-pat00017
은 표준 표준편차이며, 상기 측정한 왜도 값들은 0~1로 정규화하여 가우시안 확률 모델을 생성한다. In Equation 4
Figure 112009067401618-pat00016
Means mean
Figure 112009067401618-pat00017
Is a standard standard deviation, and the measured distortion values are normalized to 0 to 1 to generate a Gaussian probability model.

도 8은 본 발명에 따라 추출한 명도 변화량에 따른 왜도 값들을 정규화하여 가우시안 모델에 적용한 멤버십 함수를 화재시와 비화재시로 나누어 나타낸 것이다. FIG. 8 illustrates the membership function applied to the Gaussian model by normalizing the skewness values according to the brightness variation extracted according to the present invention, divided into fire and non-fire.

상기 퍼지 규칙이 멤버십 함수로 채용되는 두 번째 특징은 웨이블릿 변환을 통하여 고주파 성분에 해당하는 수평(LH), 수직(HL), 대각선(HH) 계수들의 합이며, 이는 수학식 4를 이용하여 산출한다. The second feature in which the fuzzy rule is employed as a membership function is a sum of horizontal (LH), vertical (HL), and diagonal (HH) coefficients corresponding to high frequency components through wavelet transform, which is calculated using Equation 4. .

상기 도 9는 본 발명에 따라 추출한 고주파 성분인 수평(LH), 수직(HL), 대각선(HH) 계수들의 합 변화량에 따른 왜도 값들을 정규화하여 가우시안 모델에 적용한 멤버십 함수를 화재시와 비화재시로 나누어 나타낸 것이다. FIG. 9 illustrates a membership function applied to a Gaussian model by applying the Gaussian model to fires and non-fires by normalizing distortion values according to the sum change amount of the horizontal (LH), vertical (HL), and diagonal (HH) coefficients, which are extracted according to the present invention. It is divided into poems.

상기 퍼지 규칙이 멤버십 함수로 채용되는 세번째 특징은 모션 정보로서, 상 기 모션 정보는 조명의 변화에 민감하고 속도가 빠른 3단계 탐색 알고리즘을 적용하여 추출하고, 수학식 5를 이용하여 모션 정보의 방향을 산출한다. The third feature in which the fuzzy rule is employed as a membership function is motion information. The motion information is extracted by applying a fast three-step search algorithm sensitive to a change in lighting and using the equation (5). To calculate.

Figure 112009067401618-pat00018
Figure 112009067401618-pat00018

여기서,

Figure 112009067401618-pat00019
는 x방향의 변위이고
Figure 112009067401618-pat00020
는 y방향의 변위를 나타내며, 모션벡터의 방향성을 0~360에서 0~7의 값으로 정규화한다.here,
Figure 112009067401618-pat00019
Is the displacement in the x direction
Figure 112009067401618-pat00020
Represents a displacement in the y direction, and normalizes the directionality of the motion vector from 0 to 360 to a value of 0 to 7.

일반적으로 불꽃은 특성상 상승하여 확산되는 경향을 보임으로 각 후보 영역에 속한 블록들에서 수학식 5를 이용하여

Figure 112009067401618-pat00021
을 구한 후, 이로부터 히스토그램(
Figure 112009067401618-pat00022
)을 생성하고 확률 값을 구하기 위해 수학식 6을 이용한다.In general, fireworks tend to rise and spread due to their characteristics.
Figure 112009067401618-pat00021
And then the histogram (
Figure 112009067401618-pat00022
) And use Equation 6 to calculate the probability value.

Figure 112009067401618-pat00023
Figure 112009067401618-pat00023

여기서,

Figure 112009067401618-pat00024
은 전체 방향 정보의 합이고,
Figure 112009067401618-pat00025
는 상승 방향을 나타내는 정보들의 합이다.here,
Figure 112009067401618-pat00024
Is the sum of all orientation information,
Figure 112009067401618-pat00025
Is the sum of the information indicating the upward direction.

도 10은 본 발명에 따른 추출한 모션 변화량 값들을 정규화하여 가우시안 모델에 적용한 확률 분포를 화재시와 비화재시로 나누어 나타낸 것이다. FIG. 10 illustrates the probability distribution applied to the Gaussian model by normalizing the extracted motion variation values according to the present invention, divided into fire and non-fire.

또한 불꽃의 모션은 특성상 화재의 경우에 비-화재의 경우보다 상승하는 경향이 있으므로 수학식 7을 이용하여 확률 분포 그래프를 퍼지 규칙의 멤버십 함수로 변형한다.In addition, since the motion of the flame tends to increase in the case of a fire than in the case of a fire, the probability distribution graph is transformed into a membership function of the fuzzy rule using Equation 7.

Figure 112009067401618-pat00026
Figure 112009067401618-pat00026

여기서,

Figure 112009067401618-pat00027
는 모션 방향에 대한 화재 및 비-화재 가우시안 확률 밀도함수의 평균과 분산을 의미하며,
Figure 112009067401618-pat00028
는 모션방향에서 화재와 비-화재에 대한 변형된 화재와 비-화재의 멤버십 함수를 의미한다.here,
Figure 112009067401618-pat00027
Is the mean and variance of the fire and non-fire Gaussian probability density functions for the motion direction,
Figure 112009067401618-pat00028
Means the membership function of the modified fire and non-fire for the fire and non-fire in the direction of motion.

도 11은 본 발명에 따른 모션 변화량의 확률 분포 그래프에 대한 멤버십 함수를 도시한 것이다. 11 illustrates a membership function for a probability distribution graph of motion variation according to the present invention.

이제 본 발명은 배경 모델링과 컬러 정보를 이용하여 추출된 불꽃 후보 영역에 대해 입력 변수가 연속적이고 수학적으로 모델링하기 힘들거나 불가능한 응용분야에 적합한 퍼지 규칙(Fuzzy Logic)을 이용하여 최종적으로 불꽃을 검증한다.Now, the present invention finally verifies the flame using Fuzzy Logic suitable for applications where input variables are continuous and difficult or impossible to model mathematically for the flame candidate region extracted using background modeling and color information. .

본 발명에 따른 불꽃을 검증하기 위한 퍼지 규칙의 멤버십 함수가 생성되면 출력 값을 예측하기 위한 퍼지 규칙을 생성한다. 상기 퍼지 규칙은 선행 명제에 해당하는 3가지의 명도 변화, 웨이블릿 계수들의 합 변화, 모션 변화를 토대로 5가지 의 결과(consequent)를 결정하며, 상기 5가지의 결과는 매우 높음(Very High), 높음(High), 중간(Median), 낮음(Low), 매우 낮음(Very Low)으로 구성된다. When a membership function of a fuzzy rule for verifying a flame according to the present invention is generated, a fuzzy rule for predicting an output value is generated. The fuzzy rule determines five results based on three brightness changes, a change in sum of wavelet coefficients, and a motion change corresponding to the preceding proposition, and the five results are very high and high. It consists of High, Median, Low, and Very Low.

도 12는 명도 변화(Y)와 웨이블릿 계수들의 합 변화(W)와 모션 변화(M)를 입력변수로 하여 퍼지 규칙에 적용할 퍼지 규칙을 나타낸 것이다. 좀 더 설명하면, 명도 변화(Y)와 웨이블릿 계수들의 합 변화(W)와 모션 변화(M)가 모두 화재를 나타내면 매우 높음, 명도 변화(Y)와 모션 변화(m)만 화재를 나타내면 높음, 웨이블릿 계수들의 합 변화(W)와 모션 변화(M)가 존재하면 높음, 명도 변화(Y)와 웨이블릿 계수들의 합 변화(W)가 화재를 나타내면 중간, 모션 변화(M)가 화재를 나타내면 중간, 명도 변화(Y)만 화재를 나타내면 낮음, 웨이블릿 계수들의 합 변화(W)만 화재를 나타내면 낮음, 명도 변화(Y)와 웨이블릿 계수들의 합 변화(W)와 모션 변화(M)가 모두 화재를 나타내지 않으면 매우 낮음으로 판단한다. FIG. 12 illustrates a fuzzy rule to be applied to a fuzzy rule using a change in brightness (Y), a change in sum of wavelet coefficients (W), and a change in motion (M) as input variables. In more detail, both the change in brightness (Y) and the change in sum (W) and motion (M) of the wavelet coefficients are very high if they represent a fire, and only if the change in brightness (Y) and a change of motion (m) are high, High if the sum change of wavelet coefficients (W) and motion change (M) are present, medium if brightness change (Y) and sum change of wavelet coefficients (W) indicate fire, medium if motion change (M) indicates fire, Low if only brightness change (Y) represents a fire; low if only sum change of wavelet coefficients (W) represents fire; low, if brightness change (Y) and sum of wavelet coefficients (W) and motion change (M) do not represent a fire If not, it is considered very low.

상기 본 발명에 따른 불꽃을 검증하기 위한 퍼지 규칙은 수학식 8의 Larsen Product implication을 적용한다.The fuzzy rule for verifying the flame according to the present invention applies the Larsen product implication of Equation (8).

Figure 112009067401618-pat00029
Figure 112009067401618-pat00029

여기서, 퍼지 규칙의 "and"는 퍼지 집합들의 곱(Product)으로 적용되고 "else"는 수학식 9와 같이 max(Union)연산으로 적용된다.Here, "and" of the fuzzy rule is applied as a product of fuzzy sets, and "else" is applied as a max (Union) operation as shown in Equation (9).

Figure 112009067401618-pat00030
Figure 112009067401618-pat00030

여기서, DOF(Degree of Fulfillment)는 퍼지 규칙에서 선행 명제에 대한 곱들을 의미한다.Here, the degree of fulfillment (DOF) means the products of the preceding proposition in the fuzzy rule.

본 발명에 따른 불꽃을 검증하기 위한 퍼지 규칙에 대한 결과(consequent)를 위한 멤버십 함수

Figure 112009067401618-pat00031
는 학습 데이터를 이용한 실험 결과에 의해 생성된다.Membership function for consequent to fuzzy rules for verifying sparks according to the present invention
Figure 112009067401618-pat00031
Is generated by the experimental result using the training data.

도 13은 화재를 위한 결과(consequent) 멤버십 함수들이다.13 is the resulting membership functions for fire.

도 14는 퍼지 규칙으로 생성된 최종 결과 값을 나타내는 그래프이다. 도 14를 참조하면 미리 정해진 8개의 퍼지 규칙과 입력 변수 값을 수학식 8을 이용하여 (a)와 같이 출력 함수를 생성하고, 각 출력 함수들에 대해 수학식 9의 max(Union) 연산을 수행하여 (b)와 같이 최종 출력함수를 생성한 다음 수학식 10을 적용하여 무게 중심을 구하고 최종 확률로 결정한다.14 is a graph showing the final result generated by the fuzzy rule. Referring to FIG. 14, an output function is generated as shown in (a) by using eight predetermined fuzzy rules and input variable values, and the max (Union) operation of Equation 9 is performed on each output function. After generating the final output function as shown in (b) to calculate the center of gravity by applying the equation (10) to determine the final probability.

Figure 112009067401618-pat00032
Figure 112009067401618-pat00032

여기서,

Figure 112009067401618-pat00033
는 불꽃 확률 값이고
Figure 112009067401618-pat00034
는 불꽃 확률 값에 대한 출력 함수 값이다.here,
Figure 112009067401618-pat00033
Is the flame probability value
Figure 112009067401618-pat00034
Is the output function value for the flame probability value.

도 15는 본 발명에 따른 불꽃 감지를 위한 결과를 가장 최근의 관련 연구인 Toeyin의 알고리즘을 이용한 실험결과와 비교한 그래프를 도시한 것이다. 여기서, Movie 1 내지 Movie 8은 도 15의 영상 번호이며, Average는 8개의 영상에 대한 평균 결과이다. 상기 도 15를 참조하면 본 발명은 평균 오검출율(False Positive)에 서 거의 비슷한 수치를 나타내지만, 평균 검출율(True Positive)과 평균 미검출율(Missing)에서 Toeyin의 알고리즘에 비해 우수한 성능을 나타낸다.15 shows a graph comparing the results for the flame detection according to the present invention with experimental results using the algorithm of Toeyin, which is the most recent related study. Here, Movie 1 to Movie 8 are video numbers of FIG. 15, and Average is an average result of eight pictures. Referring to FIG. 15, the present invention shows almost similar values in average false detection rate, but has superior performance compared to Toeyin's algorithm in average detection rate (True Positive) and average detection rate (Missing). Indicates.

도 16은 본 발명에 따른 화재 불꽃 감지 결과를 나타낸 도면이다.16 is a view showing a fire flame detection result according to the present invention.

도 1은 본 발명에 따른 퍼지 규칙을 이용한 화재 불꽃 감지 장치의 구성도. 1 is a block diagram of a fire flame detection device using a fuzzy rule according to the present invention.

도 2는 본 발명에 따른 퍼지 규칙을 이용한 화재 불꽃 감지 방법의 흐름도. 2 is a flow chart of a fire flame detection method using a fuzzy rule in accordance with the present invention.

도 3은 본 발명에 따른 움직임 블럭 추출결과를 예시한 도면.3 is a diagram illustrating a result of motion block extraction according to the present invention;

도 4는 본 발명에 따른 학습 데이터로 추출한 RGB 채널에 대한 가우시안 모델 그래프를 도시한 도면. 4 is a diagram illustrating a Gaussian model graph for an RGB channel extracted as training data according to the present invention.

도 5는 본 발명에 따른 불꽃 색상 블럭 추출결과를 예시한 도면. 5 is a view illustrating a flame color block extraction result according to the present invention.

도 6은 본 발명에 따른 시간축 상에서의 화재 불꽃 블럭에서의 명도(좌) 및 웨이블릿 계수(우) 특징 값의 변화 그래프를 도시한 도면. Fig. 6 is a graph showing the change in brightness (left) and wavelet coefficient (right) characteristic values in a fire flame block on the time axis according to the present invention.

도 7은 본 발명에 따른 시간축 상에서의 움직임 불꽃 블럭에서의 명도(좌) 및 웨이블릿 계수(우) 특징 값의 변화 그래프를 도시한 도면. Fig. 7 is a graph showing the change in brightness (left) and wavelet coefficient (right) characteristic values in a moving flame block on the time axis according to the present invention.

도 8은 본 발명에 따른 명도 변화량에 따른 왜도 값들의 가우시안 멤버십 함수 그래프를 도시한 도면. 8 is a diagram illustrating a Gaussian membership function graph of skewness values according to a change in brightness according to the present invention.

도 9는 본 발명에 따른 웨이블릿 계수들의 합에 따른 왜도 값들의 가우시안 멤버십 함수 그래프를 도시한 도면.9 illustrates a Gaussian membership function graph of skewness values according to the sum of wavelet coefficients in accordance with the present invention.

도 10은 본 발명에 따른 상승하는 모션 변화량에 따른 가우시안 모델 그래프를 도시한 도면. 10 is a diagram illustrating a Gaussian model graph with rising motion variation according to the present invention.

도 11은 본 발명에 따른 상승하는 모션 변화량에 따른 가우시안 모델 그래프를 변환한 가우시안 멤버십 함수 그래프를 도시한 도면. 11 is a diagram illustrating a Gaussian membership function graph obtained by converting a Gaussian model graph according to an amount of rising motion change according to the present invention.

도 12는 퍼지로직에 적용할 퍼지 규칙들을 도시한 도면. 12 shows fuzzy rules to be applied to fuzzy logic.

도 13은 본 발명에 따른 퍼지 규칙에 적용할 결과(consequent) 멤버십 함수를 도시한 도면. 13 illustrates a resultant membership function to apply to a fuzzy rule in accordance with the present invention.

도 14는 본 발명에 따른 퍼지 규칙에 적용한 역퍼지 과정 그래프를 도시한 도면. 14 is a graph illustrating a reverse purge process applied to a fuzzy rule according to the present invention.

도 15는 본 발명에 따른 불꽃 감지 알고리즘과 Toeyin의 알고리즘을 이용한 실험 결과 그래프를 도시한 도면. 15 is a graph showing experimental results using a flame detection algorithm and Toeyin's algorithm according to the present invention.

도 16은 본 발명에 따른 불꽃 감지 결과 화면을 도시한 도면. 16 is a view showing a flame detection result screen according to the present invention.

Claims (6)

퍼지 규칙을 이용한 화재 불꽃 감지 방법에 있어서,In the fire flame detection method using a fuzzy rule, 영상 정보를 미리 정해둔 크기로 분할하여 다수의 블럭을 생성하는 단계;Generating a plurality of blocks by dividing the image information into a predetermined size; 상기 다수의 블럭 각각에 대해 움직임 여부를 판별하여 움직임 블럭을 검출하는 단계;Detecting a motion block by determining whether to move each of the plurality of blocks; 상기 검출된 움직임 블럭 각각에 대해 화재 불꽃 색상 여부를 판별하여 후보 블럭을 검출하는 단계;Detecting a candidate block by determining whether a fire flame color is detected for each of the detected motion blocks; 상기 검출된 후보 블럭 각각에 대해 명도 변화와 웨이블릿 계수들의 합 변화와 모션 변화를 검출하고, 검출된 명도 변화와 웨이블릿 계수들의 합 변화와 모션 변화 각각이 화재 특성 모델에 대응되는지 여부를 검출하는 단계;Detecting a change in the sum of the brightness and wavelet coefficients and a motion change for each of the detected candidate blocks, and detecting whether each of the detected change in the brightness and the wavelet coefficients and the change in the motion correspond to a fire characteristic model; 상기 명도 변화와 상기 웨이블릿 계수들의 합 변화와 상기 모션 변화가 화재 특성 모델에 대응되는지 여부를 퍼지 규칙의 입력 변수들로 입력받아, 미리 정해둔 퍼지 규칙에 따라 후보 블럭이 실제 화재 불꽃 블럭인지를 검증하는 단계;Whether the brightness change, the sum of the wavelet coefficients, and the motion change correspond to a fire characteristic model as input parameters of a fuzzy rule, and verify whether the candidate block is a real fire flame block according to a predetermined fuzzy rule. Making; 를 포함하는 것을 특징으로 하는 퍼지 규칙을 이용한 화재 불꽃 감지 방법.Fire flame detection method using a fuzzy rule, characterized in that it comprises a. 제1항에 있어서, The method of claim 1, 상기 블록의 움직임 여부는, Whether the block is moving, 수학식 11에 따라 명도 성분에 대한 3 프레임의 평균과 분산을 이용하여 산출된 명도 왜곡 값으로 판단함을 특징으로 하는 퍼지 규칙을 이용한 화재 불꽃 감 지 방법.Fire flame detection method using a fuzzy rule characterized in that it is determined by the brightness distortion value calculated using the average and variance of three frames for the brightness component according to equation (11).
Figure 112009067401618-pat00035
Figure 112009067401618-pat00035
 상기 수학식 11에서
Figure 112009067401618-pat00036
는 픽셀 p에서의 명도 평균 값,
Figure 112009067401618-pat00037
는 표준편차,
Figure 112009067401618-pat00038
는 명도 왜곡 파라미터,
Figure 112009067401618-pat00039
는 명도 왜곡(Brightness Distortion)임. In Equation 11
Figure 112009067401618-pat00036
Is the average brightness value at pixel p,
Figure 112009067401618-pat00037
Is the standard deviation,
Figure 112009067401618-pat00038
Is the brightness distortion parameter,
Figure 112009067401618-pat00039
Is Brightness Distortion. 제1항에 있어서, The method of claim 1, 상기 후보 블록의 명도 변화로는, As the brightness change of the candidate block, 상기 후보 블록에 대한 명도 변화 정보를 추출한 후에, 수학식 12에 따라 산출된 상기 명도 변화 정보의 왜도 값이 이용됨을 특징으로 하는 퍼지 규칙을 이용한 화재 불꽃 감지 방법.And after extracting brightness change information of the candidate block, a distortion value of the brightness change information calculated according to Equation 12 is used.
Figure 112011040268871-pat00040
Figure 112011040268871-pat00040
 상기 수학식 12에서
Figure 112011040268871-pat00041
는 평균을 의미하고
Figure 112011040268871-pat00042
은 표준 표준편차임. In Equation 12
Figure 112011040268871-pat00041
Means mean
Figure 112011040268871-pat00042
Is the standard standard deviation. 제1항에 있어서, The method of claim 1, 상기 후보 블록의 웨이블릿 계수들의 합 변화로는,As a sum change of wavelet coefficients of the candidate block, 상기 후보 블록에 대한 웨이블릿 변환을 통하여 고주파 성분에 해당하는 수평, 수직, 대각선 계수들의 합을 산출하고, 수학식 13에 따라 산출된 상기 수평, 수직, 대각선 계수들의 합에 대한 왜도 값이 이용됨을 특징으로 하는 퍼지 규칙을 이용한 화재 불꽃 감지 방법. The sum of horizontal, vertical and diagonal coefficients corresponding to high frequency components is calculated through wavelet transform for the candidate block, and the distortion value of the sum of the horizontal, vertical and diagonal coefficients calculated according to Equation 13 is used. Fire flame detection method using a fuzzy rule characterized in that.
Figure 112009067401618-pat00043
Figure 112009067401618-pat00043
 상기 수학식 13에서
Figure 112009067401618-pat00044
는 평균을 의미하고
Figure 112009067401618-pat00045
은 표준 표준편차임.In Equation 13
Figure 112009067401618-pat00044
Means mean
Figure 112009067401618-pat00045
Is the standard standard deviation. 제1항에 있어서, The method of claim 1, 상기 후보 블록의 모션 변화로는, As the motion change of the candidate block, 상기 후보 블록 내의 픽셀들로부터 수학식 14에 따라 모션의 방향을 산출하고, Calculating a direction of motion from the pixels in the candidate block according to Equation 14, 미리 정해둔 수의 프레임에서의 상기 후보 블록 내의 픽셀들 각각에 대해 수학식 15에 따라 상승 확산 경향을 산출하고, Calculating a rising diffusion tendency according to equation (15) for each of the pixels in the candidate block in a predetermined number of frames, 상기 모션의 방향 및 상기 상승 확산 경향을 수학식 16에 따라 변환된 특징값이 이용됨을 특징으로 하는 퍼지 규칙을 이용한 화재 불꽃 감지 방법. Fire flame detection method using a fuzzy rule, characterized in that the direction of the motion and the rising diffusion tends to use a feature value converted according to equation (16).
Figure 112009067401618-pat00046
Figure 112009067401618-pat00046
 수학식 14에서
Figure 112009067401618-pat00047
는 모션 방향에 대한 화재 및 비-화재 가우시안 확률 밀도함수의 평균과 분산을 의미하며,
Figure 112009067401618-pat00048
는 모션방향에서 화재와 비-화재에 대한 변형된 화재와 비-화재의 멤버십 함수를 의미함. In equation (14)
Figure 112009067401618-pat00047
Is the mean and variance of the fire and non-fire Gaussian probability density functions for the motion direction,
Figure 112009067401618-pat00048
Means the membership function of the modified fire and non-fire for the fire and non-fire in the direction of motion.
Figure 112009067401618-pat00049
Figure 112009067401618-pat00049
 수학식 15에서
Figure 112009067401618-pat00050
는 x방향의 변위이고,
Figure 112009067401618-pat00051
는 y방향의 변위를 나타내 며, 모션 벡터의 방향성을 0~360에서 0~7의 값으로 정규화한 것임. In equation (15)
Figure 112009067401618-pat00050
Is the displacement in the x direction,
Figure 112009067401618-pat00051
Represents the displacement in the y direction, and normalized the direction of the motion vector from 0 to 360 to 0 to 7.
Figure 112009067401618-pat00052
Figure 112009067401618-pat00052
 수학식 16에서
Figure 112009067401618-pat00053
은 전체 방향 정보의 합이고,
Figure 112009067401618-pat00054
는 상승 방향을 나타내는 정보들의 합임. In equation (16)
Figure 112009067401618-pat00053
Is the sum of all orientation information,
Figure 112009067401618-pat00054
Is the sum of the information indicating the upward direction. 제1항에 있어서, The method of claim 1, 상기 퍼지 규칙은, The fuzzy rule is, 명도 변화(Y)와 웨이블릿 계수들의 합 변화(W)와 모션 변화(M)가 모두 화재를 나타내면 매우 높음, Very high if both the change in brightness (Y) and the change in sum (W) and motion (M) of wavelet coefficients indicate a fire, 명도 변화(Y)와 모션 변화(m)만 화재를 나타내면 높음, High if only brightness change (Y) and motion change (m) indicate fire, 웨이블릿 계수들의 합 변화(W)와 모션 변화(M)가 존재하면 높음, High if the sum change (W) and motion change (M) of wavelet coefficients are present, 명도 변화(Y)와 웨이블릿 계수들의 합 변화(W)가 화재를 나타내면 중간, 모션 변화(M)가 화재를 나타내면 중간, Medium if the change in brightness (Y) and the sum change of wavelet coefficients (W) represent a fire, and if the motion change (M) represents a fire, medium, 명도 변화(Y)만 화재를 나타내면 낮음, Low if only brightness change (Y) indicates fire, 웨이블릿 계수들의 합 변화(W)만 화재를 나타내면 낮음, Low if only the change in sum of wavelet coefficients (W) represents a fire, 명도 변화(Y)와 웨이블릿 계수들의 합 변화(W)와 모션 변화(M)가 모두 화재 를 나타내지 않으면 매우 낮음으로 판단하여 검증결과로 출력함을 특징으로 하는 퍼지 규칙을 이용한 화재 불꽃 감지 방법. A fire flame detection method using a fuzzy rule, characterized in that the brightness change (Y) and the sum change (W) and the motion change (M) of the wavelet coefficients do not indicate a fire, and are determined to be very low.
KR1020090105202A 2009-11-02 2009-11-02 Fire-Flame Detection Using Fuzzy Logic KR101075063B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090105202A KR101075063B1 (en) 2009-11-02 2009-11-02 Fire-Flame Detection Using Fuzzy Logic

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090105202A KR101075063B1 (en) 2009-11-02 2009-11-02 Fire-Flame Detection Using Fuzzy Logic

Publications (2)

Publication Number Publication Date
KR20110048417A KR20110048417A (en) 2011-05-11
KR101075063B1 true KR101075063B1 (en) 2011-10-19

Family

ID=44239570

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090105202A KR101075063B1 (en) 2009-11-02 2009-11-02 Fire-Flame Detection Using Fuzzy Logic

Country Status (1)

Country Link
KR (1) KR101075063B1 (en)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101512658B1 (en) * 2014-01-08 2015-04-16 계명대학교 산학협력단 A device and method for detecting for fire flame using stereo camera and fuzzy logic
KR102111566B1 (en) 2019-07-16 2020-05-18 주식회사 지에스아이엘 Multi-Dimensional Risk Matrix and Method for generating thereof
KR102087000B1 (en) 2019-08-13 2020-05-29 주식회사 지에스아이엘 Method And System for Monitoring Fire
KR20210009269A (en) 2019-07-16 2021-01-26 주식회사 지에스아이엘 Multi-Dimensional Risk Matrix
KR20210009267A (en) 2019-07-16 2021-01-26 주식회사 지에스아이엘 Method for generating Multi-Dimensional Risk Matrix
KR20210009268A (en) 2019-07-16 2021-01-26 주식회사 지에스아이엘 Method for generating Multi-Dimensional Risk Matrix
KR20210097500A (en) 2020-01-30 2021-08-09 주식회사 소이넷 Apparatus for Monitoring Fire And System having the same
KR20220055847A (en) 2020-10-27 2022-05-04 (주)컴퍼니에스 Disaster occurrence detection Method And System for rapid evacuation
KR20230115535A (en) 2022-01-27 2023-08-03 주식회사 소이넷 Method of operating data storage device

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101224534B1 (en) * 2011-06-15 2013-01-21 투아이시스(주) Fire detection device based on image processing with motion detect function
KR101371647B1 (en) * 2011-08-04 2014-03-10 울산대학교 산학협력단 Apparatus for detecting fire flame based image data and method of the same
KR101245057B1 (en) * 2012-10-16 2013-03-18 (주)아이아이에스티 Method and apparatus for sensing a fire
KR101309407B1 (en) * 2012-11-20 2013-09-17 신현기 The thermal and image of block image-based composite camera fire detector, fire detection system and method
KR101581162B1 (en) 2015-06-24 2015-12-31 전정희 Automatic detection method, apparatus and system of flame, smoke and object movement based on real time images
KR101967645B1 (en) 2017-03-16 2019-08-13 한국기술교육대학교 산학협력단 a Fire Detection Device and method based on the integration of fuzzy logic and deep learning
KR102174444B1 (en) * 2018-12-31 2020-11-04 주식회사 포스코아이씨티 Method for Gas Detection Model, System and Method for Detecting Gas Using Gas Detection Model

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101512658B1 (en) * 2014-01-08 2015-04-16 계명대학교 산학협력단 A device and method for detecting for fire flame using stereo camera and fuzzy logic
KR102111566B1 (en) 2019-07-16 2020-05-18 주식회사 지에스아이엘 Multi-Dimensional Risk Matrix and Method for generating thereof
KR20210009269A (en) 2019-07-16 2021-01-26 주식회사 지에스아이엘 Multi-Dimensional Risk Matrix
KR20210009267A (en) 2019-07-16 2021-01-26 주식회사 지에스아이엘 Method for generating Multi-Dimensional Risk Matrix
KR20210009268A (en) 2019-07-16 2021-01-26 주식회사 지에스아이엘 Method for generating Multi-Dimensional Risk Matrix
KR102087000B1 (en) 2019-08-13 2020-05-29 주식회사 지에스아이엘 Method And System for Monitoring Fire
KR20210097500A (en) 2020-01-30 2021-08-09 주식회사 소이넷 Apparatus for Monitoring Fire And System having the same
KR20220055847A (en) 2020-10-27 2022-05-04 (주)컴퍼니에스 Disaster occurrence detection Method And System for rapid evacuation
KR20230115535A (en) 2022-01-27 2023-08-03 주식회사 소이넷 Method of operating data storage device

Also Published As

Publication number Publication date
KR20110048417A (en) 2011-05-11

Similar Documents

Publication Publication Date Title
KR101075063B1 (en) Fire-Flame Detection Using Fuzzy Logic
JP4705090B2 (en) Smoke sensing device and method
US7868772B2 (en) Flame detecting method and device
KR100918436B1 (en) Fire detection system and method basedon visual data
KR100858140B1 (en) Method and system for detecting a fire by image processing
US8611664B2 (en) Method for detecting fire-flame using fuzzy finite automata
KR102195706B1 (en) Method and Apparatus for Detecting Intruder
US7859419B2 (en) Smoke detecting method and device
KR100982347B1 (en) smoke sensing method and system
KR20080054368A (en) Flame detecting method and device
KR101204259B1 (en) A method for detecting fire or smoke
JP2006268200A (en) Flame/gas smoke detecting system, and flame/gas smoke detecting method
CN104463253A (en) Fire fighting access safety detection method based on self-adaptation background study
EP2000998B1 (en) Flame detecting method and device
KR101441107B1 (en) Method and apparatus for determining abnormal behavior
KR101512658B1 (en) A device and method for detecting for fire flame using stereo camera and fuzzy logic
Wang et al. Early smoke detection in video using swaying and diffusion feature
Saglam et al. Real-time adaptive camera tamper detection for video surveillance
KR101044903B1 (en) Fire detecting method using hidden markov models in video surveillance and monitoring system
KR101270718B1 (en) Video processing apparatus and method for detecting fire from video
Poobalan et al. Fire detection based on color filters and Bag-of-Features classification
US8311345B2 (en) Method and system for detecting flame
KR101300130B1 (en) System and method for detecting smoke using surveillance camera
KR101371647B1 (en) Apparatus for detecting fire flame based image data and method of the same
JP2012099940A (en) Photographic obstruction detection method, obstruction detection device, and monitoring camera system

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140922

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150917

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160927

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170926

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20181002

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20191002

Year of fee payment: 9