KR101168760B1 - 화염 검출 방법 및 장치 - Google Patents

화염 검출 방법 및 장치 Download PDF

Info

Publication number
KR101168760B1
KR101168760B1 KR1020070129375A KR20070129375A KR101168760B1 KR 101168760 B1 KR101168760 B1 KR 101168760B1 KR 1020070129375 A KR1020070129375 A KR 1020070129375A KR 20070129375 A KR20070129375 A KR 20070129375A KR 101168760 B1 KR101168760 B1 KR 101168760B1
Authority
KR
South Korea
Prior art keywords
image
moving area
flame
area image
analysis
Prior art date
Application number
KR1020070129375A
Other languages
English (en)
Other versions
KR20080054368A (ko
Inventor
하오-팅 차오
충-시엔 루
유-렌 수
센-쿠엔 창
이-치 첸
쿤-린 후앙
쳉-웨이 왕
Original Assignee
인더스트리얼 테크놀로지 리서치 인스티튜트
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 인더스트리얼 테크놀로지 리서치 인스티튜트 filed Critical 인더스트리얼 테크놀로지 리서치 인스티튜트
Publication of KR20080054368A publication Critical patent/KR20080054368A/ko
Application granted granted Critical
Publication of KR101168760B1 publication Critical patent/KR101168760B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Fire-Detection Mechanisms (AREA)
  • Image Analysis (AREA)
  • Control Of Combustion (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

화염 검출의 정확도를 향상시키고 가짜 화재 경보의 확률을 감소시키기 위해 화염 검출 방법 및 장치가 제공된다. 화염 검출 방법 및 장치는 감시 영역의 복수의 이미지를 캡쳐하고, 복수의 이미지에 움직이는 영역 이미지가 존재하는지를 판단하고, 제1 분석 결과를 발생하기 위해 상기 움직이는 영역 이미지의 컬러 모델을 분석하여 상기 제1 분석 결과와 기준 화염 이미지의 특징을 비교하고, 제2 분석 결과를 발생하기 위해 상기 움직이는 영역 이미지의 위치와 영역의 변화 중 적어도 하나를 분석하여 상기 제2 분석 결과와 제2 임계값을 비교하고, 상기 비교 단계들의 결과들에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단한다.
화염 검출, 움직이는 영역 이미지, 분석 결과, 컬러 모델, 화염 이미지

Description

화염 검출 방법 및 장치{FLAME DETECTING METHOD AND DEVICE}
본 발명은 화염 검출 방법 및 장치에 관한 것으로, 특히 이미지 분석 기술을 이용한 화염 검출 방법 및 장치에 관한 것이다.
사무실이나 공장의 규모가 점점 커지고 그 높이도 점점 높아짐에 따라, 그 구조물들이 점점 더 특수해지고 시설들은 점점 더 복잡해져, 종래 소방 시설들은 이러한 상황에서 효과적이지 않다. 이미지들을 캡쳐하고 분석해서 특별한 알고리즘을 통해 건물 내부에 화염이 있는지를 판단하기 위해 종래의 감시 시스템을 향상시킬 수 있는 경우에는, 화재를 조기에 효율적으로 바로 검출하여 통제할 수 있다.
이미지 판단 방법은 알고리즘의 여러 단계를 통해 화염을 인식하는 것이다. 제1 단계는 감시 시스템을 통해 이미지들을 캡쳐하는 것이다. 다음에, 컴퓨터 및 디지털 신호 처리기(DSP)와 같은 산출 프로세서로 이미지들 내의 오브젝트들의 움직임 및 컬러 모델을 분석한다. 배경 감산법, 통계법, 시차법 및 광학적 흐름법과 같은 종래의 인식법들은 픽셀 특성차가 이미지들의 임계값을 초과하는 픽셀들을 가려내고 이들 픽셀을 화염 컬러 모델과 비교하는 것이다. 이미지들 내의 오브젝트들의 조건들이 화염 특징들을 충족하면, 오브젝트들은 화염인 것으로 식별될 수 있다. 이들 종래의 인식법들은 비교 근거로서 RGB 컬러 모델을 이용한다. 그러나, RGB 컬러 모델의 컬러 인식 정확도는 충분하지 않다. 그러므로, 화염과 유사한 컬러를 가진 오브젝트들이 화염 특성을 가진 것으로 식별된다.
또한, 종래의 인식법들은 움직임 검출 및 컬러 모델 인식을 이용할 뿐이며, 따라서 인식 오류가 쉽게 생겨 식별의 정확도가 떨어진다. 예컨대, 한 남자가 빨간 옷을 입고 감시 영역을 지나가면, 그는 화염 특성의 적색 요소를 가진 움직이는 오브젝트로서 식별되어 화염인 것으로 판단되며, 잘못된 경보가 발생한다.
미국 특허 제6,184,792호 및 제6,956,485호에는 감시 영역에서 화재를 조기에 검출하는 일부 알고리즘이 개시되어 있다. 미국 특허 제6,184,792호에는 일시적으로 변하는 픽셀 세기에 대해 고속 푸리에 변환(Fast Fourier Transform: FFT)을 수행함으로써 비디오 이미지의 휘도 변화를 분석하는 감시 영역 내의 조기 화재 검출 방법 및 장치가 개시되어 있어 있다. 미국 특허 제6,956,485호에는 필터-분석 기술에 의해 주파수 변화를 분석하는 화염 검출 알고리즘이 개시되어 있다. 그러나, 이들 특허에는 검출 방법의 정확도가 언급되어 있지 않고, 다른 분석 기술, 예컨대 색차 변화 분석도 적용되어 있지 않다.
종래 기술의 단점을 해결하기 위해, 화염 검출 방법 및 장치가 제공된다.
본 발명은 위에서 설명된 문제점을 해결할 뿐만 아니라, 구현하기도 쉽다. 따라서, 본 발명은 산업상 이용가능성이 있다.
본 발명의 일 측면은 제때 경보를 활성화하여 화염을 진압하기 위해 화염이 존재하는지를 감시 및 판단하는 화염 검출 방법 및 장치를 제공하기 위한 것이다. 또한, 화염 검출 방법 및 그 장치는 화염 검출의 정확도를 향상시키고, 잘못된 경보의 가능성을 감소시킨다.
본 발명의 일 측면에 따라, 화염 검출 방법이 제공된다. 화염 검출 방법은 감시 영역의 복수의 이미지를 캡쳐하는 단계; 복수의 이미지에 움직이는 영역 이미지가 존재하는지를 판단하는 단계; 제1 분석 결과를 생성하기 위해 상기 움직이는 영역 이미지의 컬러 모델을 분석하고, 상기 제1 분석 결과와 기준 화염 이미지의 제1 특징을 비교하되, 상기 컬러 모델은 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델 중 적어도 하나를 적용하는 단계; 및 상기 비교 단계의 결과에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단하는 단계를 포함한다.
본 발명의 다른 측면에 따라, 화염 검출 방법이 제공된다. 화염 검출 방법은 감시 영역의 복수의 이미지를 캡쳐하는 단계; 복수의 이미지에 움직이는 영역 이미지가 존재하는지를 판단하는 단계; 제1 분석 결과를 생성하기 위해 상기 움직이는 영역 이미지의 플리커링 주파수를 분석하는 단계; 및 상기 제1 분석 결과에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단하는 단계를 포함한다.
본 발명의 또 다른 측면에 따라, 화염 검출 방법이 제공된다. 화염 검출 방 법은 감시 영역의 복수의 이미지를 캡쳐하는 단계; 제1 분석 결과를 생성하기 위해 복수의 이미지 내의 움직이는 영역 이미지의 위치를 분석하는 단계; 상기 제1 분석 결과에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단하는 단계를 포함한다.
본 발명의 또 다른 측면에 따라, 화염 검출 방법이 제공된다. 화염 검출 방법은 감시 영역의 복수의 이미지를 캡쳐하는 단계; 제1 분석 결과를 생성하기 위해 상기 복수의 이미지 내의 움직이는 영역 이미지의 영역을 분석하는 단계; 및 상기 제1 분석 결과에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단하는 단계를 포함한다.
본 발명의 또 다른 측면에 따라, 화염 검출 장치가 제공된다. 화염 검출 장치는 복수의 이미지를 캡쳐하는 이미지 캡쳐 유닛; 제1 분석 결과를 생성하기 위해, 상기 복수의 이미지 내의 움직이는 영역 이미지의 컬러 모델을 분석하되, 상기 컬러 모델은 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델 중 적어도 하나를 적용하는 제1 분석 유닛; 및 상기 제1 분석 결과를 기준 화염 특징과 비교하는 비교 유닛을 포함한다.
본 발명의 또 다른 측면에 따라, 화염 검출 장치가 제공된다. 화염 검출 장치는 복수의 이미지를 캡쳐하는 이미지 캡쳐 유닛; 제1 분석 결과를 생성하기 위해, 상기 복수의 이미지 내의 움직이는 영역 이미지의 플리커링 주파수를 분석하는 제1 분석 유닛; 및 상기 제1 분석 결과를 기준 화염 특징과 비교하는 비교 유닛을 포함한다.
본 발명의 또 다른 측면에 따라, 화염 검출 장치가 제공된다. 화염 검출 장치는 복수의 이미지를 캡쳐하는 이미지 캡쳐 유닛; 제1 분석 결과를 생성하기 위해, 상기 움직이는 영역 이미지의 위치 변화를 분석하는 위치 분석 유닛; 및 상기 영역 분석 유닛에 연결되어, 상기 제1 분석 결과를 미리 결정된 제1 임계값과 비교하는 비교 유닛을 포함한다.
본 발명의 또 다른 측면에 따라, 화염 검출 장치가 제공된다. 화염 검출 장치는 복수의 이미지를 캡쳐하는 이미지 캡쳐 유닛; 상기 이미지 캡쳐 유닛에 연결되어, 제1 분석 결과를 생성하기 위해, 상기 움직이는 영역 이미지의 영역 변화를 분석하는 영역 분석 유닛; 및 상기 영역 분석 유닛에 연결되어, 상기 제1 분석 결과를 미리 결정된 제1 임계값과 비교하는 비교 유닛을 포함한다.
본 발명의 다른 이용 가능 범위는 후술되는 상세한 설명으로부터 명백할 것이다. 당업자에게는 본 발명의 취지 및 범위 내에서 상세한 설명으로부터 다양한 변화 및 변형이 명백할 것이므로, 본 발명의 바람직한 실시예를 나타내는 상세한 설명 및 특정 예는 단지 예로서 제공되는 것임을 이해해야 한다.
본 발명은 후술되는 상세한 설명 및 단지 예시로서 제공되고 따라서 본 발명을 한정하는 것이 아닌 첨부 도면으로부터 보다 완전하게 이해될 것이다.
위치 분석 유닛 및 영역 분석 유닛의 구성에 따라, 화염은 상기 장치들에 의해 보다 정확하게 검출될 수 있고, 가짜 경보가 줄어든다.
이제, 첨부 도면을 참조하여 본 발명을 상세히 설명하며, 첨부 도면에서는 동일 또는 유사한 구성 요소를 나타내기 위해 여러 도면에 걸쳐서 동일한 참조 부호를 사용할 것이다. 참조 부호를 따라 도면을 보아야 함에 주의해야 한다.
종래의 검출 방법의 부정확한 식별로 인한 잘못된 경보 및 화염 진압의 지연 문제를 해결하기 위해, 화염 검출 방법 및 그 장치가 제공된다.
도 1은 본 발명의 일 실시예에서의 화염 검출 방법의 플로 차트를 도시한다. 먼저, 복수의 이미지가 캡쳐되고(단계 41), 여기서 복수의 이미지는 다른 시간에서의 감시 영역에 기록된 이미지이다. 예컨대, 제1 이미지는 제1 캡쳐 시간에서 얻고, 제2 이미지는 제2 캡쳐 시간에서 얻는다. 다음에, 복수의 이미지에 움직이는 영역 이미지가 존재하는지를 분석하기 위해(단계 421), 움직임 검출이 수행된다(단계 42). 움직이는 영역 이미지는 제1 이미지 및 제2 이미지 내에 서로 다른 이미지들을 가진 특정 이미지 커버 영역이다. 움직이는 영역 이미지는 제1 캡쳐 시간과 제2 캡쳐 시간간의 시간 간격으로 감시 영역 내에서 움직이는 오브젝트라고도 한다.
움직이는 영역 이미지가 존재하지 않으면, 프로세스는 화염이 검출되지 않음을 나타내는 단계 49로 진행한다. 움직이는 영역 이미지가 존재하면, 프로세스는 컬러 모델 분석을 위해 단계 44로 진행한다. 컬러 모델 분석은 움직이는 영역 이미지의 컬러 모델을 분석하고, 기준 화염 컬러 특징을 만족하는지를 판단한다(단계 441). 예이면, 플리커링 주파수 분석을 위해 프로세스가 단계 45로 진행하고, 아니오이면, 프로세스는 단계 49로 진행한다. 단계 45에서, 플리커링 주파수 분석은 움직이는 영역 이미지의 플리커링 주파수를 분석하고, 기준 화염 플리커링 특징을 만족하는지를 판단한다(단계 451). 예이면, 프로세스는 중심이 움직이는 자취 및 영역 변화 분석을 위해 단계 46으로 진행하고, 아니오이면, 프로세스는 단계 49로 진행한다. 단계 46에는 2가지 분석, 즉 움직이는 영역 이미지의 위치 분석 및 움직이는 영역 이미지의 영역 분석이 있다. 이들 분석은 움직이는 영역 이미지의 중심 위치의 변화 또는 움직이는 영역 이미지의 영역/크기의 변화가 미리 결정된 값보다 작은지를 체크하기 위해 각각 수행된다. 예이면, 프로세스는 단계 47 및 단계 48로 진행하고, 아니오이면, 프로세스는 단계 49로 진행한다. 단계 47은 화염을 확인하고 경보 신호를 발생하기 위한 것이고, 단계 48은 업데이트를 위해 상기 분석된 데이터를 데이터베이스에 저장하기 위한 것이다.
단계 44에서, 컬러 모델 분석은 3개의 파라미터를 이용한 3차원 가우시안 혼합 모델(GMM) 분석을 포함하며, 3개의 파라미터는 움직이는 영역 이미지의 컬러 픽셀 변화, 시간, 및 공간을 포함한다. 또한, 움직이는 영역 이미지가 기준 화염 컬러 특징에서 RGB 가우시안 분포 확률의 특징을 갖는 지를 판단하기 위해서, 3차원 RGB 가우시안 혼합 모델이 채택될 수 있다. 또한 움직이는 영역 이미지가 기준 화염 컬러 특징에서 YUV 가우시안 분포 확률의 특징을 갖는 지를 판단하기 위해서, 3차원 YUV 가우시안 혼합 모델이 채택될 수 있다. 또한, 컬러 모델 분석은 4개의 컬러 파라미터 R, G, B, I에 의해 트레이닝된(trained) 인공 신경망(ANN; Artificial Neural Network) 분석을 더 포함한다. BPN(Back-Propagation network) 모델은 또한 2개의 은닉 계층 및 계층당 5개의 노드로 셋 업될 수 있는 인공 신경망 분석에 서 사용될 수 있다. 다음에, 움직이는 영역 이미지의 분석 결과가 데이터베이스 내의 기준 화염의 특징과 비교된다.
위에서 언급한 YUV 모델은 흔히 사용되는 RGB(Red-Green-Blue) 모델과는 다른 컬러 모델이고, 여기서 컬러 파라미터 Y는 "휘도(Luminance)"를 나타내고, 컬러 파라미터 U는 "색차(Chrominance)"를 나타내며, 컬러 파라미터 V는 "채도(Chroma)"를 나타낸다. YUV 모델과 RGB 모델 간의 관계는,
Figure 112007089470593-pat00001
이다. 위에서 언급한 컬러 파라미터 I은 "세기(Intensity)" 또는 "그레이(gray) 값"으로서 알려져 있고, 파라미터 I와 파라미터 R, G, 및 B간의 관계는 I=(R+G+B)/3이다.
가우시안 혼합 모델(GMM) 분석과 인공 신경망 분석(ANN)을 이용하면 화염의 컬러 분석에서 정확도를 크게 증가시킬 수 있다.
단계 45에서, 움직이는 영역 이미지의 컬러와 높이 중 적어도 하나가 시간에 따라 어떻게 변화하는 지를 분석하기 위해 플리커링 주파수 분석이 1차원 시간 웨이블릿 변환(TWT)을 이용하여 수행된다. 일 실시예에서, 컬러 파라미터 Y 또는 I가 1차원 시간 웨이블릿 변환(TWT)으로 분석되고, 적어도 하나의 컬러 파라미터에 대한 5Hz 내지 10Hz의 플리커링 주파수의 범위가 분석을 위해 채택된다. 간단히 시간 웨이블릿 변환 분석을 한번 수행함으로써 만족스러운 결과가 얻어질 수 있고, 이는 계산 시간을 크게 감소시킨다.
다음에, 움직이는 영역 이미지의 분석 결과가 데이터베이스 내의 기준 화염 특징의 플리커링 특징과 비교된다. 플리커링 주파수 분석에 시간 웨이블릿 변환을 이용하면, 분석 결과에서 시간 관련성이 유지되는 이점이 있다. 또한, 1차원 시간 웨이블릿 변환을 이용함으로써 계산이 더 간단해지고 빨라진다.
단계 46에서, 시간에 따라 변하는 움직이는 영역 이미지의 중심 위치 및 영역이 분석되는데, 그 이유는 화염의 특성에 따라, 그 위치 및 영역이 매우 짧은 시간에 크게 변해서는 안 되기 때문이다.
단계 46의 중심 위치 변화 분석에서, 오브젝트 추적 알고리즘은 움직이는 영역 이미지의 중심 위치가 시간에 따라 변하는 정도를 분석 및 판단하도록 채택된다. 움직이는 영역 이미지의 중심 위치의 변화 정도가 미리 결정된 제1 범위를 초과하면, 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단될 수 있다.
미리 결정된 제1 범위는,
|(Xt +1,Yt +1)-(Xt,Yt)| < TH1,
로 설정될 수 있다. 여기서, (Xt,Yt)는 제1 캡쳐 시간에서의 움직이는 영역 이미지의 중심 위치이고, (Xt +1,Yt +1)는 제2 캡쳐 시간에서의 움직이는 영역 이미지의 중심 위치이며, TH1은 미리 결정된 값이다. 일 실시예에서, TH1은 이미지의 이미지 크기가 약 320 x240 픽셀일 때 약 80 픽셀로 설정될 수 있다.
단계 46의 영역 변화 분석에서, 오브젝트 추적 알고리즘은 움직이는 영역 이미지의 영역이 시간에 따라 변화하는 다른 정도를 분석하고 결정하도록 채택된다. 시간에 따른 움직이는 영역 이미지의 영역의 변화의 정도가 미리 결정된 제2 범위를 초과하면, 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단될 수 있다.
일 실시예에서, 미리 결정된 제2 범위는,
(1/3) At < At +1 < 3At ,
로 설정될 수 있다. 여기서 At는 제1 캡쳐 시간에서의 움직이는 영역 이미지의 영역이고, At +1은 제2 캡쳐 시간에서의 움직이는 영역 이미지의 영역이다.
위에서 언급한 단계들을 통해, 잘못된 경보가 일어나지 않도록 화염 검출의 정확도가 크게 향상될 수 있다.
일 실시예에서, 단계 46은 단계 44 및 단계 45의 분석 결과가 이미 결정되었을 때 실행되고, 단계 47은 단계 44 내지 단계 46으로부터 모든 분석 결과가 얻어질 때 실행된다. 그러나, 화염 검출 방법의 효율을 증가시키고 복잡성을 감소시키기 위해, 단계 44 내지 단계 46은 특정 순서 없이 불규칙적으로 그리고 선택적으로 실행될 수 있다.
도 2A는 본 발명의 제1 실시예에 따른 화염 검출 장치의 구조를 나타낸다. 화염 검출 장치는 이미지 캡쳐 장치(11), 컴퓨터(12), 및 경보 장치(13)를 포함한다. 컴퓨터(12)는 움직임 판단 유닛(14), 컬러 모델 분석 유닛(15), 플리커링 주파수 분석 유닛(16), 비교 유닛(17), 데이터베이스(18), 위치 분석 유닛(191), 및 영역 분석 유닛(192)을 가지고 있다. 데이터베이스(18)는 가우시안 컬러 모델 및 플리커링 주파수 데이터를 포함해서 실험 및 이전 분석에서 얻은 많은 화염 특징을 저장한다.
화염 검출 장치는 이미지 캡쳐 장치(11)를 통해 복수의 이미지를 캡쳐한다. 움직임 판단 유닛(14)의 업데이팅 배경 움직임 판단법을 이용하여 복수의 이미지에 움직이는 영역 이미지가 존재하는지가 판단된다. 움직이는 영역 이미지의 컬러들이 컬러 모델 분석 유닛(15)에 의해 분석된다. 시간에 따른 움직이는 영역 이미지의 컬러 및 높이 변화와 관련된 플리커링 주파수가 플리커링 주파수 분석 유닛(16)에 의해 분석된다. 비교 유닛(17)은 분석된 데이터를 데이터베이스(18) 내의 기준 화염 특징 데이터와 비교하여 움직이는 영역 이미지가 기준 화염과 동일한 컬러 모델 및 플리커링 주파수를 갖고 있는 지를 판단하도록 구성된다. 다음에, 위치 분석 유닛(191) 및 영역 분석 유닛(192)은 시간에 따른 움직이는 영역 이미지의 중심 위치 및 영역의 변화가 너무 커서 움직이는 영역 이미지에 의해 표현되는 움직이는 오브젝트가 화염일 가능성이 없는지를 체크하도록 구성된다.
움직이는 영역 이미지의 컬러 및 플리커링 특징이 기준 화염 특징과 매칭되고 시간에 따른 움직이는 영역 이미지의 중심 위치 및 영역의 변화가 미리 결정된 범위보다 작으면, 컴퓨터(12)는 움직이는 영역 이미지를 화염 이미지로 판단하고 경보 장치(13)를 통해 경보 신호를 발생한다. 경보 장치(13)는 경보 신호를 화재 감시 센터의 중앙 제어 컴퓨터, 연기 신호 수신기 또는 휴대 전화기로 보내도록 구성된다
그러나, 화염 검출 장치의 효율을 증가시키고 복잡성을 감소시키기 위해, 컬 러 모델 분석 유닛(15), 플리커링 주파수 분석 유닛(16), 위치 분석 유닛(191), 및 영역 분석 유닛(192) 중 어느 한 유닛이 불규칙적으로 그리고 선택적으로 컴퓨터(12)에 채택될 수 있다.
도 2B는 본 발명의 제2 실시예에 따른 화염 검출 장치의 구조를 나타낸다. 화염 검출 장치는 이미지 캡쳐 장치(21), 디지털 비디오 레코더(22), 및 경보 장치(23)를 포함한다. 디지털 비디오 레코더(22)는 디지털 신호 처리기(24)를 구비하고, 디지털 신호 처리기(24)는 움직임 판단 유닛(241), 컬러 모델 분석 유닛(242), 플리커링 주파수 분석 유닛(243), 비교 유닛(244), 데이터베이스(245), 위치 분석 유닛(246), 및 영역 분석 유닛(247)을 포함한다. 데이터베이스(245)는 가우시안 컬러 모델 및 플리커링 주파수 데이터를 포함해서 실험 및 이전의 분석에서 얻은 많은 화염 특징들을 저장한다.
화염 검출 장치는 이미지 캡쳐 장치(21)를 통해 복수의 이미지를 캡쳐한다. 움직이는 영역 이미지가 복수의 이미지 내에 존재하는 지가 움직임 판단 유닛(241)의 업데이팅 배경 움직임 판단 방법을 이용하여 판단된다. 움직이는 영역 이미지의 컬러가 컬러 모델 분석 유닛(242)에 의해 분석된다. 시간에 따라 변한 움직이는 영역 이미지의 컬러 및 높이 변화에 관한 플리커링 주파수가 플리커링 주파수 분석 유닛(243)에 의해 분석된다. 다음에, 비교 유닛(244)은 움직이는 영역 이미지가 기준 화염 이미지와 동일한 컬러 모델 및 플리커링 주파수 특징을 갖고 있는 지를 결정하기 위해, 분석된 데이터를 데이터베이스(245) 내의 기준 화염 특징 데이터와 비교하도록 구성된다. 다음에, 위치 분석 유닛(246) 및 영역 분석 유닛(247)은 시간에 따른 움직이는 영역 이미지의 중심 위치 및 영역의 변화가 너무 커서 움직이는 영역 이미지에 의해 표현되는 움직이는 오브젝트가 화염일 가능성이 없는지를 체크하도록 구성된다.
움직이는 영역 이미지의 컬러 및 플리커링 특징이 기준 화염 특징과 매칭되고 시간에 따라 변하는 움직이는 영역 이미지의 중심 위치 및 영역의 변화가 미리 결정된 범위보다 작으면, 화염 검출 장치는 움직이는 영역 이미지를 화염 이미지로 판단하고 경보 장치(23)를 통해 경보 신호를 발생한다. 경보 장치(23)는 경보 신호를 화재 감시 센터의 중앙 제어 컴퓨터, 연기 신호 수신기 또는 휴대 전화기로 보내도록 구성된다.
그러나, 화염 검출 장치의 효율을 증가시키고 복잡성을 감소시키기 위해, 컬러 모델 분석 유닛(242), 플리커링 주파수 분석 유닛(243), 위치 분석 유닛(246), 및 영역 분석 유닛(247) 중 어떤 유닛이 디지털 신호 처리기(24)에 불규칙적으로 그리고 선택적으로 채택될 수 있다.
도 2C는 본 발명의 제3 실시예에 따른 화염 검출 장치의 구조를 예시한다. 화염 검출 장치는 이미지 캡쳐 장치(31) 및 경보 장치(32)를 포함한다. 이미지 캡쳐 장치(31)는 움직임 판단 유닛(331), 컬러 모델 분석 유닛(332), 플리커링 주파수 분석 유닛(333), 비교 유닛(334), 데이터베이스(335), 위치 분석 유닛(336) 및 영역 분석 유닛(337)을 가진 디지털 신호 처리기(33)를 포함한다. 데이터베이스(335)는 가우시안 컬러 모델 및 플리커링 주파수 데이터를 포함해서 실험 및 이전 분석에서 얻은 많은 화염 특징을 저장한다.
화염 검출 장치는 이미지 캡쳐 장치(31)를 통해 복수의 이미지를 캡쳐한다. 복수의 이미지에 움직이는 영역 이미지가 존재하는 지가 움직임 판단 유닛(331)의 업데이팅 배경 움직임 판단 방법을 이용하여 판단된다. 움직이는 영역 이미지의 컬러가 컬러 모델 분석 유닛(332)에 의해 분석된다. 시간에 따른 움직이는 영역 이미지의 컬러 및 높이 변화와 관련된 플리커링 주파수가 플리커링 주파수 분석 유닛(333)에 의해 분석된다. 비교 유닛(334)은 분석된 데이터를 데이터베이스(335)내의 화염 특징 데이터와 비교하여 움직이는 영역 이미지가 기준 화염 이미지와 동일한 컬러 모델 및 플리커링 주파수를 갖고 있는 지를 판단하도록 구성된다. 다음에, 위치 분석 유닛(336) 및 영역 분석 유닛(337)은 시간에 따른 움직이는 영역 이미지의 중심 위치 및 영역의 변화가 너무 커서 움직이는 영역 이미지에 의해 표현되는 움직이는 오브젝트가 화염일 가능성이 없는지를 체크하기 위해 구성된다.
움직이는 영역 이미지의 컬러 및 플리커링 특징이 기준 화염 특징과 매칭되고 시간에 따른 움직이는 영역 이미지의 중심 위치 및 영역의 변화가 미리 결정된 범위보다 작으면, 화염 검출 장치는 움직이는 영역 이미지를 화염 이미지로 판단하고 경보 장치(32)를 통해 경보 신호를 발생한다. 경보 장치(32)는 경보 신호를 화재 감시 센터의 중앙 제어 컴퓨터, 연기 신호 수신기 또는 휴대 전화기로 보내도록 구성된다.
그러나, 화염 검출 장치의 효율을 증가시키고 복잡성을 감소시키기 위해, 컬러 모델 분석 유닛(332), 플리커링 주파수 분석 유닛(333), 위치 분석 유닛(336), 및 영역 분석 유닛(337) 중 어느 하나가 디지털 신호 처리기(33)에서 불규칙적으로 그리고 선택적으로 채택된다.
예시된 화염 검출 장치의 데이터베이스(18, 245, 335)는 많은 화재 다큐멘터리 필름으로부터 분석된 많은 화염 특징 데이터를 저장한다. 데이터베이스 내의 이들 화염 특징 데이터에서, 컬러 모델은 3차원 분석 모델인 가우시안 혼합 모델(GMM)에 의해 화염 이미지 데이터를 분석하여 얻어지고, 시간 및 공간에 따른 화염 컬러 픽셀 변화 정도를 분석하기 위해 사용된다. 플리커링 주파수는 시간에 따른 화염 컬러 및 화염 높이 변화 정도를 분석하는 1차원 시간 웨이블릿 변환(TWT)으로부터 얻어진다. 이어서, 분석된 데이터는 통계 데이터가 되도록 처리되고, 비교를 위해 데이터베이스에 저장된다. 또한, 데이터베이스(18, 245, 335)는 스스로 학습하고 업데이트함으로써, 일단 화염 검출 장치가 실제 화염을 검출하면, 데이터베이스(18, 245, 335)가 후속 분석을 보다 정확하게 행하기 위해, 검출된 데이터를 추가하고 컬러 모델 및 플리커링 주파수 데이터를 갱신한다.
컬러 모델 분석 유닛(15, 242, 332)은 움직임 판단 유닛(14, 241, 331)에 각각 연결되어, 가우시안 혼합 모델 및 3개의 파라미터를 이용하는 3차원 분석으로 실행되며, 3개의 파라미터는 움직이는 영역 이미지의 컬러 픽셀 변화, 시간, 및 공간이다. 또한, 움직이는 영역 이미지가 화염 컬러 특징에서 RGB 가우시안 분포 확률의 특징을 갖고 있는 지를 판단하기 위해 3차원 RGB 가우시안 혼합 모델이 채택될 수 있다. 또한, 움직이는 영역 이미지가 화염 컬러 특징에서 RGB 가우시안 분포 확률과 YUV 가우시안 분포 확률 중 적어도 하나의 확률의 특징을 갖고 있는 지를 판단하기 위해, 3차원 YUV 가우시안 혼합 모델이 채택될 수 있다.
또한, 컬러 모델 분석 유닛(15, 242, 332)은 인공 신경망(ANN) 및/또는 BPN(Back-Propagation network) 모델로 실행될 수 있다. 컬러 파라미터 R, G, B, I는 신경망 트레이닝을 위해 채택될 수 있고, BPN(Back-Propagation network) 모델은 2개의 은닉 계층 및 계층 당 5개의 노드로 셋 업될 수 있다.
플리커링 주파수 분석 유닛(16, 243, 333)은 각각 이미지 캡쳐 유닛들에 연결되어, 시간 웨이블릿 변환을 이용하여 움직이는 영역 이미지의 컬러와 높이 중 적어도 하나가 어떻게 시간에 따라 변하는 지를 분석하고, 적어도 하나의 컬러 파라미터에 대한 5Hz 내지 10Hz의 플리커링 주파수의 범위가 분석을 위해 채택된다. 바람직하게, 보다 빠르고 간단한 계산을 위해 1차원 시간 웨이블릿 변환이 채택될 수 있다. 간단히 시간 웨이블릿 변환 분석을 한번 수행함으로써 만족스러운 결과가 얻어질 수 있고, 이는 계산 시간을 크게 감소시킨다.
위치 분석 유닛(191, 246, 336)은 이미지 캡쳐 유닛들에 각각 연결되어, 오브젝트 추적 알고리즘을 이용하여 움직이는 영역 이미지의 중심 위치가 시간에 따라 변하는 정도를 판단한다. 움직이는 영역 이미지의 중심 위치가 시간에 따라 변하는 정도가 미리 결정된 제1 범위를 초과할 때 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단되는데, 그 이유는 화염 이미지의 중심 위치는 매우 짧은 시간에 크게 변하지 않아야 하기 때문이다.
일 실시예에서, 미리 결정된 제1 범위는,
|(Xt +1,Yt +1)-(Xt,Yt)| < TH1,
로 정의되고, 여기서 (Xt,Yt)는 제1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 중심 위치이고, (Xt +1,Yt +1)는 제2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 중심 위치이며, TH1는 미리 결정된 값이다. 예컨대, TH1는 복수의 이미지가 320x240픽셀의 크기를 가질 때 약 80 픽셀로 설정될 수 있다.
상기 영역 분석 유닛(192, 247, 337)은 이미지 캡쳐 유닛들에 각각 연결되어, 오브젝트 추적 알고리즘을 이용하여 움직이는 영역 이미지의 영역이 시간에 따라 변하는 다른 정도를 판단한다. 움직이는 영역 이미지의 영역이 시간에 따라 변하는 정도가 미리 결정된 제2 범위를 초과할 때 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단되는데, 그 이유는 화염 이미지의 영역은 매우 짧은 시간에 크게 변하지 않아야 하기 때문이다.
일 실시예에서, 미리 결정된 제1 범위는,
(1/3) At < At +1 < 3At ,
로 설정되고, 여기서 At는 제1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역이고, At + 1는 상기 제2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역이다.
위치 분석 유닛과 영역 분석 유닛의 구성에 따라, 화염 검출 장치는 잘못된 경보를 줄이면서 화염을 보다 정확하게 검출할 수 있다.
이와 같이 본 발명을 설명하였지만, 본 발명은 많은 방식으로 변형될 수 있음은 명백할 것이다. 이러한 변형은 본 발명의 취지 및 범위로부터 이탈한 것으로 보아서는 안 되며, 당업자에게 자명한 그러한 모든 변형예는 다음의 특허 청구 범위 내에 포함되도록 의도한 것이다.
도 1은 본 발명의 일 실시예에 따른 화염 검출 방법의 플로 차트를 나타낸 도면.
도 2A는 본 발명의 제1 실시예에 따른 화염 검출 장치의 구조를 나타낸 도면.
도 2B는 본 발명의 제2 실시예에 따른 화염 검출 장치의 구조를 나타낸 도면.
도 2C는 본 발명의 제3 실시예에 따른 화염 검출 장치의 구조를 나타낸 도면.

Claims (44)

  1. 화염 검출 방법에 있어서,
    감시 영역의 복수의 이미지를 캡쳐하는 단계;
    복수의 이미지에 움직이는 영역 이미지가 존재하는지를 판단하는 단계;
    제 1 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 컬러 모델을 분석하고, 제 1 분석결과와 기준 화염 컬러 특징을 비교하되, 상기 컬러 모델은 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델 중 적어도 하나를 적용하는 단계; 및
    제 2 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 플리커링 주파수를 분석하고, 상기 제 2 분석결과와 기준 화염 플리커링 특징인 기준 화염 이미지의 제 2 특징을 비교하는 단계를 포함하되, 상기 플리커링 주파수를 분석하는 단계는 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 높이가 어떻게 시간에 따라 변하는지를 판단하며,
    제 3 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 위치를 분석하고, 상기 제 3 분석결과와 미리 결정된 제 1 범위를 비교하는 단계를 포함하되, 상기 움직이는 영역 이미지의 위치를 분석하는 단계는 오브젝트 추적 알고리즘을 이용하여 상기 움직이는 영역 이미지의 중심 위치가 시간에 따라 변하는 제 1 정도를 분석 및 판단하는 단계; 및, 상기 제 1 정도가 미리 결정된 제 1 범위를 초과할 때 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단하는 단계를 포함하고, 상기 미리 결정된 제 1 범위는,
    |(Xt+1,Yt+1)-(Xt,Yt)| < TH1, 로 정의되고, 여기서 (Xt,Yt)는 제 1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 중심 위치이며, (Xt+1,Yt+1)는 제 2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 중심 위치이고, TH1는 미리 결정된 값이며,
    제 4 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 영역 변화를 분석하고, 상기 제 4 분석결과와 미리 결정된 제 2 범위를 비교하는 단계를 포함하되, 상기 움직이는 영역 이미지의 영역 변화를 분석하는 단계는 오브젝트 추적 알고리즘을 이용하여 상기 움직이는 영역 이미지의 영역이 시간에 따라 변하는 제 2 정도를 판단하는 단계; 및 상기 제 2 정도가 미리 결정된 제 2 범위를 초과할 때 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단하는 단계; 를 포함하고,
    상기 미리 결정된 제 2 범위는,
    (1/3) At < At+1 < 3At, 로 정의되고, 여기서 At는 제 1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역이고, At+1는 상기 제 2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역이며,
    상기 제 1 내지 제 4 분석결에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단하는 단계; 를 포함하는 화염 검출 방법.
  2. 제 1 항에 있어서,
    복수의 이미지는 다른 시간에서의 감시 영역의 기록된 이미지이고, 제 1 캡쳐 시간에서의 제 1 이미지 및 제 2 캡쳐 시간에서의 제 2 이미지를 포함하며, 상기 움직이는 영역 이미지는 상기 제 1 이미지 및 상기 제 2 이미지가 서로 다르면 존재하고, 상기 제 1 캡쳐 시간과 상기 제 2 캡쳐 시간간의 시간 간격으로 상기 감시 영역 내에 존재하는 움직이는 오브젝트를 나타내는 화염 검출 방법.
  3. 제 2 항에 있어서,
    상기 움직이는 영역 이미지가 화염 이미지가 아닌 것인지 판단하는 단계는,
    상기 제 1 및 제 2 분석 결과를 데이터베이스에 저장하는 단계; 및 상기 움직이는 영역 이미지가 상기 화염 이미지로 판단될 때 경보 신호를 보내는 단계; 를 더 포함하는 화염 검출 방법.
  4. 제 1 항에 있어서,
    상기 플리커링 주파수를 분석하는 단계는 상기 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 컬러와 상기 높이 중 적어도 하나가 어떻게 시간에 따라 변하는지를 판단하되, 여기서 컬러 파라미터 I와 Y 중 적어도 하나가 분석되고, 상기 컬러 파라미터 I와 Y 중 적어도 하나에 대한 5Hz 내지 10Hz의 플리커링 주파수의 범위가 분석을 위해 채택되는 화염 검출 방법.
  5. 삭제
  6. 제 1 항에 있어서, 복수의 이미지의 크기가 320x240 픽셀일 때, TH1는 80 픽셀인 화염 검출 방법.
  7. 삭제
  8. 제 1 항에 있어서,
    상기 움직이는 영역 이미지의 컬러 모델을 분석하는 단계는,
    3개의 파라미터를 갖는 상기 움직이는 영역 이미지에 3차원 분석을 상기 움직이는 영역 이미지에 적용하되, 상기 3개의 파라미터는 각각 상기 움직이는 영역 이미지의 영역 컬러 픽셀 변화와 시간 및 공간이며;
    상기 3개의 3차원 RGB 가우시안 혼합 모델이 적용된 경우, 상기 움직이는 영역 이미지가 화염 컬러 특징의 RGB 가우시안 분포 확률의 특징을 가지고 있는 지 및/또는 상기 3개의 3차원 YUV 가우시안 혼합 모델이 적용된 경우, 상기 움직이는 영역 이미지가 화염 컬러 특징의 YUV 가우시안 분포 확률의 특징을 가지고 있는 지를 판단하는 단계; 상기 움직이는 영역 이미지의 컬러 모델을 분석하기 위하여 인공신경망분석을 적용하는 단계; 를 더 포함하되,
    상기 인공신경망분석은 4개의 컬러 파라미터 R,G,B,I에 의해 트레이닝되며, 상기 인공신경망분석에 2개의 은닉 계층을 포함하는 BPN(Back-Propagation network) 모델을 적용하는 단계; 를 포함하고, 각 은닉 계층은 5개의 노드를 가진 화염 검출 방법.
  9. 화염 검출 방법에 있어서,
    감시 영역의 복수의 이미지를 캡쳐하는 단계;
    복수의 이미지에 움직이는 영역 이미지가 존재하는지를 판단하는 단계;
    제 1 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 플리커링 주파수를 분석하는 단계를 포함하되, 상기 플리커링 주파수를 분석하는 단계는 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 높이가 어떻게 시간에 따라 변하는지를 판단하며,
    상기 제 1 분석 결과에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단하는 단계; 를 포함하는 화염 검출 방법.
  10. 제 9 항에 있어서, 상기 분석 단계는,
    상기 제 1 분석 결과와 화염 플리커링 특징을 비교하는 단계;
    제 2 분석 결과를 생성하기 위해 상기 움직이는 영역 이미지의 컬러 모델을 분석하고, 상기 제 2 분석 결과와 기준 화염 컬러 특징을 비교하되, 상기 컬러 모델은 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델 중 적어도 하나를 적용하는 단계;
    제 3 분석 결과를 생성하기 위해 상기 움직이는 영역 이미지의 위치 변화를 분석하고, 상기 제 3 분석 결과와 미리 결정된 제 1 범위를 비교하는 단계; 및
    제 4 분석 결과를 생성하기 위해 상기 움직이는 영역 이미지의 영역 변화를 분석하고, 상기 제 4 분석 결과와 미리 결정된 제 2 범위를 비교하는 단계; 를 포함하되,
    상기 움직이는 영역 이미지가 화염 이미지인지 판단하는 단계는,
    상기 제 1 분석 결과들에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지로 판단되는지 상기 비교 단계들 각각의 결과들에 기초하여 상기 움직이는 영역 이미지가 상기 화염 이미지인지를 판단하는 단계; 상기 제 1 및 제 2 분석 결과를 데이터베이스에 저장하는 단계; 및 상기 비교 단계 결과들에 기초하여 상기 움직이는 영역 이미지가 상기 화염 이미지로 판단될 때 경보 신호를 보내는 단계; 를 더 포함하는 화염 검출 방법.
  11. 제 9 항에 있어서,
    상기 플리커링 주파수를 분석하는 단계는 상기 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 컬러와 상기 높이 중 적어도 하나가 어떻게 시간에 따라 변하는지를 판단하되, 컬러 파라미터 I와 Y 중 적어도 하나가 분석되고, 상기 컬러 파라미터 I와 Y 중 적어도 하나에 대한 5Hz 내지 10Hz의 플리커링 주파수의 범위가 분석을 위해 채택되는 화염 검출 방법.
  12. 화염 검출 방법에 있어서,
    감시 영역의 복수의 이미지를 캡쳐하는 단계;
    움직이는 영역 이미지의 위치 변화 결과인 제 1 분석 결과를 생성하기 위해 복수의 이미지 내의 상기 움직이는 영역 이미지의 위치를 분석하는 단계;
    제 3 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 플리커링 주파수를 분석하고, 상기 제 3 분석결과와 화염 플리커링 특징을 비교하는 단계; 를 포함하되, 상기 플리커링 주파수를 분석하는 단계는 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 높이가 어떻게 시간에 따라 변하는지를 판단하며, 상기 제 1 분석 결과 및 상기 제 3 분석 결과에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단하는 단계; 를 포함하는 화염 검출 방법.
  13. 제 12 항에 있어서,
    상기 복수의 이미지는 다른 시간에서의 상기 감시 영역의 기록된 이미지이고, 제 1 캡쳐 시간에서의 제 1 이미지 및 제 2 캡쳐 시간에서의 제 2 이미지를 포함하고, 상기 움직이는 영역 이미지는 상기 제 1 이미지 및 상기 제 2 이미지가 서로 다른 경우 존재하며, 상기 제 1 캡쳐 시간과 상기 제 2 캡쳐 시간간의 시간 간격으로 상기 감시 영역 내에 존재하는 움직이는 오브젝트를 나타내는 화염 검출 방법.
  14. 제 13 항에 있어서, 상기 분석 단계는,
    상기 복수의 이미지에 움직이는 영역이미지가 존재하는지를 판단하는 단계; 상기 제 1 분석 결과를 미리 결정된 제 1 범위를 비교하는 단계; 제 2 분석 결과를 생성하기 위해 상기 움직이는 영역 이미지의 컬러 모델을 분석하고, 상기 제 2 분석 결과와 기준 화염 컬러 특징을 비교하되, 상기 컬러 모델은 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델 중 적어도 하나를 적용하는 단계; 제 4 분석 결과를 생성하기 위해 상기 움직이는 영역 이미지의 영역 변화를 분석하고, 상기 제 4 분석 결과와 미리 결정된 제 2 범위를 비교하는 단계; 를 더 포함하며,
    상기 움직이는 영역 이미지가 화염 이미지인지 판단하는 단계는,
    상기 제 1,2,4 분석 결과들에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지로 판단되는지 상기 비교 단계들 각각의 결과들에 기초하여 상기 움직이는 영역 이미지가 상기 화염 이미지인지를 판단하는 단계; 상기 비교 단계들의 결과들에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단하는 단계; 상기 제 2 및 제 3 분석 결과를 데이터베이스에 저장하는 단계; 및 상기 비교 단계들의 결과들에 기초하여 상기 움직이는 영역 이미지가 상기 화염 이미지로 판단될 때 경보 신호를 보내는 단계; 를 더 포함하는 화염 검출 방법.
  15. 제 14 항에 있어서,
    상기 움직이는 영역 이미지의 컬러 모델을 분석하는 단계는,
    3개의 파라미터를 갖는 상기 움직이는 영역 이미지에 3차원 분석을 상기 움직이는 영역 이미지에 적용하되, 상기 3개의 파라미터는 각각 상기 움직이는 영역 이미지의 영역 컬러 픽셀 변화와 시간 및 공간이며;
    상기 3개의 3차원 RGB 가우시안 혼합 모델이 적용된 경우, 상기 움직이는 영역 이미지가 화염 컬러 특징의 RGB 가우시안 분포 확률의 특징을 가지고 있는지 및/또는 상기 3개의 3차원 YUV가우시안 혼합 모델이 적용된 경우, 상기 움직이는 영역 이미지가 화염 컬러 특징의 YUV 가우시안 분포 확률의 특징을 가지고 있는지를 판단하는 단계;
    상기 움직이는 영역 이미지의 컬러 모델을 분석하기 위하여 인공 신경망 분석을 적용하는 단계를 포함하되, 상기 인공 신경망 분석은 4개의 컬러 파라미터 R, G, B, I에 의해 트레이닝되며, 상기 인공 신경망 분석에 2개의 은닉 계층을 포함하는 BPN(Back-Propagation network) 모델을 적용하는 단계; 를 포함하되, 각 은닉 계층은 5개의 노드를 가진 화염 검출 방법.
  16. 제 14 항에 있어서,
    상기 플리커링 주파수를 분석하는 단계는 상기 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 높이가 어떻게 시간에 따라 변하는지를 판단하고, 컬러 파라미터 I와 Y 중 적어도 하나가 분석되고, 상기 컬러 파라미터 I와 Y 중 적어도 하나에 대한 5Hz 내지 10Hz의 플리커링 주파수의 범위가 분석을 위해 채택되는 화염 검출 방법.
  17. 제 14 항에 있어서,
    상기 움직이는 영역 이미지의 영역 변화를 분석하는 단계는,
    오브젝트 추적 알고리즘을 이용하여 상기 움직이는 영역 이미지의 영역이 시간에 따라 변하는 제 2 정도를 판단하는 단계; 및
    상기 제 2 정도가 미리 결정된 제 2 범위를 초과할 때 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단하는 단계; 를 포함하고,
    상기 미리 결정된 제 2 범위는,
    (1/3) At < At+1 < 3At, 로 정의되고, 여기서 At는 제 1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역이고, At+1는 제 2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역인 화염 검출 방법.
  18. 제 13 항에 있어서,
    상기 움직이는 영역 이미지의 위치를 분석하는 단계는,
    오브젝트 추적 알고리즘을 이용하여 상기 움직이는 영역 이미지의 중심 위치가 시간에 따라 변하는 제 1 정도를 분석 및 판단하는 단계; 및
    상기 제 1 정도가 미리 결정된 제 1 범위를 초과할 때, 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단하는 단계; 를 포함하고,
    상기 미리 결정된 제 1 범위는,
    |(Xt+1,Yt+1)-(Xt,Yt)| < TH1, 로 정의되고, 여기서 (Xt,Yt)는 제 1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 중심 위치이고, (Xt+1,Yt+1)는 제 2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 중심 위치이며, TH1는 미리 결정된 값인 화염 검출 방법.
  19. 제 18 항에 있어서, 복수의 이미지의 크기가 320x240 픽셀일 때, TH1는 80 픽셀인 화염 검출 방법.
  20. 화염 검출 방법에 있어서,
    감시 영역의 복수의 이미지를 캡쳐하는 단계;
    움직이는 영역 이미지의 영역 변화를 분석한 결과인 제 1 분석결과를 생성하기 위해 상기 복수의 이미지 내의 움직이는 영역 이미지의 영역 변화를 분석하는 단계;
    제 3 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 플리커링 주파수를 분석하고, 상기 제 3 분석결과와 화염 플리커링 특징을 비교하는 단계; 를 포함하되,
    상기 플리커링 주파수를 분석하는 단계는 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 높이가 어떻게 시간에 따라 변하는지를 판단하며,
    상기 제 1 분석결과 및 제 3 분석결과에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단하는 단계; 를 포함하는 화염 검출 방법.
  21. 제 20 항에 있어서, 상기 분석 단계는,
    상기 복수의 이미지에 움직이는 영역 이미지가 존재하는지를 판단하는 단계; 상기 제 1 분석결과를 미리 결정된 제 1 범위와 비교하는 단계; 제 2 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 컬러 모델을 분석하고, 상기 제 2 분석결과와 기준 화염 컬러 특징을 비교하되, 상기 컬러 모델은 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델 중 적어도 하나를 적용하는 단계;
    제 4 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 위치 변화를 분석하고, 상기 제 4 분석결과와 미리 결정된 제 2 범위를 비교하는 단계; 를 포함하되,
    상기 움직이는 영역 이미지가 화염 이미지인지 판단하는 단계는,
    상기 제 1,2,4 분석결과들에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지로 판단되는지 상기 비교 단계들 각각의 결과들에 기초하여 상기 움직이는 영역 이미지가 상기 화염 이미지인지를 판단하는 단계; 상기 제 2 및 제 3 분석결과를 데이터베이스에 저장하는 단계; 및 상기 비교 단계들의 결과들에 기초하여 상기 움직이는 영역 이미지가 상기 화염 이미지로 판단될 때 경보 신호를 보내는 단계; 를 더 포함하는 화염 검출 방법.
  22. 제 20 항에 있어서,
    상기 복수의 이미지는 다른 시간에서의 상기 감시 영역의 기록된 이미지이고, 제 1 캡쳐 시간에서의 제 1 이미지 및 제 2 캡쳐 시간에서의 제 2 이미지를 포함하며,
    상기 움직이는 영역 이미지의 영역 변화를 분석하는 단계는,
    오브젝트 추적 알고리즘을 이용하여 상기 움직이는 영역 이미지의 영역이 시간에 따라 변하는 제 2 정도를 판단하는 단계; 및
    상기 제 2 정도가 미리 결정된 제 2 범위를 초과할 때 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단하는 단계; 를 포함하고,
    상기 미리 결정된 제 2 범위는,
    (1/3) At < At+1 < 3At, 로 정의되고, 여기서 At는 제 1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역이고, At+1는 제 2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역인 화염 검출 방법.
  23. 화염 검출 장치에 있어서,
    복수의 이미지를 캡쳐하는 이미지 캡쳐 유닛;
    움직이는 영역 이미지에 대한 컬러 모델 분석의 결과인 제 1 분석결과를 생성하기 위해, 상기 복수의 이미지 내의 움직이는 영역 이미지의 컬러 모델을 분석하되, 상기 컬러 모델은 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델 중 적어도 하나를 적용하는 제 1 분석유닛;
    상기 제 1 분석결과를 기준 화염 특징과 비교하는 비교유닛;
    상기 이미지 캡쳐 유닛에 연결되어 복수의 이미지에 상기 움직이는 영역 이미지가 존재하는지를 판단하는 제 2 분석유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 기준 화염의 플리커링 주파수 특징과 비교하여 제 2 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 플리커링 주파수를 분석하는 제 3 분석유닛; 을 포함하되, 상기 제 2 분석유닛은 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 높이가 어떻게 시간에 따라 변하는지를 판단하고,
    상기 이미지 캡쳐 유닛에 연결되어, 미리 결정된 제 1 범위와 비교하여 제 3 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 위치 변화를 분석하는 위치 분석 유닛을 포함하되, 상기 위치 분석 유닛은 오브젝트 추적 알고리즘을 이용하여 상기 움직이는 영역 이미지의 중심 위치의 제 1 정도가 시간에 변하는지 판단하고, 상기 제 1 정도가 미리 결정된 제 1 범위를 초과할 때, 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단되고, 상기 미리 결정된 제 1 범위는,
    |(Xt+1,Yt+1)-(Xt,Yt)| < TH1, 로 정의되고, 여기서 (Xt,Yt)는 제 1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 중심 위치이고, (Xt+1,Yt+1)는 제 2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 중심 위치이며, TH1는 미리 결정된 값이며,
    상기 이미지 캡쳐 유닛에 연결되어, 미리 결정된 제 2 범위와 비교하여 제 4 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 영역 변화를 분석하는 영역 분석 유닛을 포함하되, 상기 영역 분석 유닛은 오브젝트 추적 알고리즘을 이용하여 상기 움직이는 영역 이미지의 영역이 시간에 따라 변하는 제 2 정도를 판단하고, 상기 제 2 정도가 미리 결정된 제 2 범위를 초과할 때, 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단되고, 상기 미리 결정된 제 2 범위는,
    (1/3) At < At+1 < 3At, 로 정의되고, 여기서 At는 제 1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역이고, At+1는 제 2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역이며,
    상기 제 1,2,4 분석결과들에 기초하여 상기 움직이는 영역 이미지가 화염 이미지인지를 판단하도록 구성하는 것을 특징으로 하는 화염 검출 장치.
  24. 제 23 항에 있어서,
    상기 복수의 이미지는 다른 시간에서의 감시 영역의 기록된 이미지이고, 제 1 캡쳐 시간에서의 제 1 이미지 및 제 2 캡쳐 시간에서의 제 2 이미지를 포함하고, 상기 움직이는 영역 이미지는 상기 제 1 이미지 및 상기 제 2 이미지가 서로 다른 경우 존재하며, 상기 제 1 캡쳐 시간과 상기 제 2 캡쳐 시간간의 시간 간격으로 상기 감시 영역 내에 존재하는 움직이는 오브젝트를 나타내는 화염 검출 장치.
  25. 제 24 항에 있어서,
    상기 비교 유닛에 연결되어, 상기 기준 화염 특징을 저장하는 데이터베이스; 및 상기 비교 유닛에 연결되어, 상기 움직이는 영역 이미지가 상기 비교 유닛에 의하여 화염 이미지로 판단될 때 경보 신호를 발생하는 경보 유닛; 을 더 포함하고, 상기 비교 유닛은 상기 분석 유닛들의 각각에 연결되는 화염 검출 장치.
  26. 제 25 항에 있어서,
    상기 제 2 분석 유닛은 상기 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 상기 높이가 어떻게 시간에 따라 변하는지를 판단하고, 컬러 파라미터 I와 Y 중 적어도 하나가 분석되고, 상기 컬러 파라미터 I와 Y 중 적어도 하나에 대한 5Hz 내지 10Hz의 플리커링 주파수의 범위가 분석을 위해 채택되는 화염 검출 장치.
  27. 삭제
  28. 제 23 항에 있어서, 복수의 이미지의 크기가 320x240 픽셀일 때, TH1는 80 픽셀인 화염 검출 장치.
  29. 삭제
  30. 제 25 항에 있어서,
    상기 데이터베이스는 또한 상기 움직이는 영역 이미지가 화염으로 판단될 때 상기 제 1 및 제 3 분석결과를 제 2 기준 화염 특징이 되도록 더 저장하는 화염 검출 장치.
  31. 제 23 항에 있어서,
    상기 제 1 분석 유닛은 상기 이미지 캡쳐 유닛에 연결되고, 상기 움직이는 영역 이미지가 화염 컬러 특징의 RGB 가우시안 분포 확률과 YUV 가우시안 분포 확률 중 적어도 하나의 확률의 특징을 갖고 있는지 각각 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델을 통하여 판단하고, 3차원 분석을 상기 움직이는 영역 이미지에 3개의 파라미터와 함께 적용하고, 상기 3개의 파라미터는 상기 움직이는 영역 이미지의 컬러 픽셀 변화와 시간 및 공간인 화염 검출 장치.
  32. 제 23 항에 있어서,
    상기 제 1 분석 유닛은 4개의 컬러 파라미터 R, G, B, I에 의해 트레이닝된 인공 신경망 분석을 수행하고, 2개의 은닉 계층을 포함한 BPN(Back-Propagation network) 모델을 수행하며, 각 은닉 계층은 5개의 노드를 가진 화염 검출 장치.
  33. 제 23 항에 있어서, 상기 이미지 캡쳐 유닛은 카메라와 비디오 레코더 중 하나인 화염 검출 장치.
  34. 화염 검출 장치에 있어서,
    복수의 이미지를 캡쳐하는 이미지 캡쳐 유닛;
    제 1 분석결과를 생성하기 위해, 상기 복수의 이미지 내의 움직이는 영역 이미지의 플리커링 주파수를 분석하는 제 1 분석 유닛; 을 포함하되,
    상기 제 1 분석 유닛은 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 높이가 어떻게 시간에 따라 변하는지를 분석하며,
    상기 제 1 분석결과를 기준 화염 특징과 비교한 후 상기 화염의 검출을 위하여 화염이 존재하는지 결정하는 비교 유닛; 을 포함하는 화염 검출 장치.
  35. 제 34 항에 있어서,
    상기 복수의 이미지는 다른 시간에서의 감시 영역의 기록된 이미지이고, 제 1 캡쳐 시간에서의 제 1 이미지 및 제 2 캡쳐 시간에서의 제 2 이미지를 포함하고,
    상기 화염 검출 장치는,
    상기 이미지 캡쳐 유닛에 연결되어, 상기 복수의 이미지에 상기 움직이는 영역 이미지가 존재하는지를 판단하는 제 2 분석 유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 기준 화염의 컬러 모델 특징과 비교하여 제 2 분석결과를 생성하기 위해 움직이는 영역 이미지의 컬러 모델을 분석하되, 상기 컬러 모델은 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델 중 적어도 하나를 적용하는 제 3 분석 유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 미리 결정된 제 1 범위와 비교하여 제 3 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 위치 변화를 분석하는 위치 분석 유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 미리 결정된 제 2 범위와 비교하여 제 4 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 영역 변화를 분석하는 영역 분석 유닛;
    상기 비교유닛에 연결되어, 상기 기준 화염 특징을 저장하는 데이터베이스; 및
    상기 비교유닛에 연결되어, 상기 비교유닛에 의하여 상기 움직이는 영역 이미지가 화염 이미지로 판단될 때 경보 신호를 발생하는 경보 유닛; 을 더 포함하고,
    상기 비교유닛은 상기 분석 유닛들의 각각에 연결되는 화염 검출 장치.
  36. 제 35 항에 있어서,
    상기 제 3 분석 유닛은 상기 움직이는 영역 이미지가 화염 컬러 특징의 RGB 가우시안 분포 확률과 YUV 가우시안 분포 확률 중 적어도 하나의 확률의 특징을 가지고 있는지를 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델을 통하여 판단하고, 3차원 분석을 상기 움직이는 영역 이미지에 3개의 파라미터와 함께 채택하고, 상기 3개의 파라미터는 상기 움직이는 영역 이미지의 컬러 픽셀 변화와 시간 및 공간인 화염 검출 장치.
  37. 제 34 항에 있어서,
    상기 제 1 분석 유닛은 상기 이미지 캡쳐 유닛에 연결되어, 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 상기 높이가 어떻게 시간에 따라 변하는지를 분석하고, 컬러 파라미터 I와 Y 중 적어도 하나가 분석되고, 상기 컬러 파라미터 I와 Y 중 적어도 하나에 대한 5Hz 내지 10Hz의 플리커링 주파수의 범위가 분석을 위해 채택되는 화염 검출 장치.
  38. 화염 검출 장치에 있어서,
    복수의 이미지를 캡쳐하는 이미지 캡쳐 유닛;
    움직이는 영역 이미지의 위치 변화를 분석한 결과인 제 1 분석결과를 생성하기 위해, 상기 움직이는 영역 이미지의 위치 변화를 분석하는 위치 분석 유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 제 3 분석결과를 생성하기 위해 상기 복수의 이미지 내의 상기 움직이는 영역 이미지의 플리커링 주파수를 분석하는 제 3 분석유닛; 을 포함하되, 상기 제 3 분석유닛은 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 높이가 어떻게 시간에 따라 변하는지를 분석하고,
    상기 위치 분석 유닛 및 상기 제 3 분석유닛에 연결되어, 상기 제 1 분석결과를 미리 결정된 제 1 범위와 비교하여 화염이 존재하는지 판단하는 비교유닛; 을 포함하는 화염 검출 장치.
  39. 제 38 항에 있어서,
    상기 복수의 이미지는 다른 시간에서의 감시 영역의 기록된 이미지이고, 제 1 캡쳐 시간에서의 제 1 이미지 및 제 2 캡쳐 시간에서의 제 2 이미지를 포함하고,
    상기 화염 검출 장치는,
    상기 이미지 캡쳐 유닛에 연결되어, 상기 움직이는 영역 이미지가 복수의 이미지에 존재하는지를 판단하는 제 1 분석유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 제 2 분석결과를 생성하기 위해 상기 복수의 이미지에 상기 움직이는 영역 이미지의 컬러 모델이 존재하는지를 판단하되, 상기 컬러 모델은 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델 중 적어도 하나를 적용하는 제 2 분석유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 미리 결정된 제 2 범위와 비교하여 제 4 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 영역 변화를 분석하는 영역 분석 유닛;
    상기 비교유닛에 연결되어, 복수개의 기준 화염 특징을 저장하는 데이터베이스; 및
    상기 비교유닛에 연결되어, 상기 비교유닛에 의해 상기 움직이는 영역 이미지가 화염 이미지로 판단될 때 경보 신호를 발생하는 경보 유닛; 을 더 포함하고,
    상기 비교유닛은 상기 분석 유닛들의 각각에 연결되는 화염 검출 장치.
  40. 제 39 항에 있어서,
    상기 위치 분석 유닛은 상기 비교유닛에 연결되어, 오브젝트 추적 알고리즘을 이용하여 상기 움직이는 영역 이미지의 중심 위치가 시간에 따라 변하는 제 1 정도를 판단하고, 상기 제 1 정도가 미리 결정된 범위를 초과할 때, 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단되고, 상기 미리 결정된 범위는,
    |(Xt+1,Yt+1)-(Xt,Yt)| < TH1, 로 정의되고, 여기서 (Xt,Yt)는 제 1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 중심 위치이고, (Xt+1,Yt+1)는 제 2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 중심 위치이며, TH1는 미리 결정된 값인 화염 검출 장치.
  41. 제 40 항에 있어서, 복수의 이미지의 크기가 320x240 픽셀일 때, TH1는 80 픽셀인 화염 검출 장치.
  42. 화염 검출 장치에 있어서,
    복수의 이미지를 캡쳐하는 이미지 캡쳐 유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 움직이는 영역 이미지의 영역 변화를 분석한 결과인 제 1 분석결과를 생성하기 위해, 상기 움직이는 영역 이미지의 영역 변화를 분석하는 영역 분석 유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 제 3 분석결과를 생성하기 위해 상기 복수의 이미지 내의 상기 움직이는 영역 이미지의 플리커링 주파수를 분석하는 제 3 분석유닛; 을 포함하되, 상기 제 3 분석유닛은 1차원 시간 웨이블릿 변환을 이용하여 상기 움직이는 영역 이미지의 높이가 어떻게 시간에 따라 변하는지를 분석하고,
    상기 영역 분석 유닛 및 상기 제 3 분석유닛에 연결되어, 상기 제 1 분석결과를 미리 결정된 제 1 범위와 비교하여 화염이 존재하는지 판단하는 비교유닛; 을 포함하는 화염 검출 장치.
  43. 제 42 항에 있어서,
    상기 이미지 캡쳐 유닛에 연결되어, 상기 움직이는 영역 이미지가 복수의 이미지에 존재하는지를 판단하는 제 1 분석유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 제 2 분석결과를 생성하기 위해 상기 복수의 이미지에 상기 움직이는 영역 이미지의 컬러 모델이 존재하는지를 판단하되, 상기 컬러 모델은 3차원 RGB 가우시안 혼합 모델과 3차원 YUV 가우시안 혼합 모델 중 적어도 하나를 적용하는 제 2 분석유닛;
    상기 이미지 캡쳐 유닛에 연결되어, 미리 결정된 제 2 범위와 비교하여 제 4 분석결과를 생성하기 위해 상기 움직이는 영역 이미지의 위치 변화를 분석하는 위치 분석 유닛;
    상기 비교 유닛에 연결되어, 복수개의 기준 화염 특징을 저장하는 데이터베이스; 및
    상기 비교 유닛에 연결되어, 상기 비교 유닛에 의해 상기 움직이는 영역 이미지가 화염 이미지로 판단될 때 경보 신호를 발생하는 경보 유닛; 을 더 포함하고,
    상기 비교 유닛은 상기 분석 유닛들의 각각에 연결되는 화염 검출 장치.
  44. 제 43 항에 있어서,
    상기 복수의 이미지는 다른 시간에서의 감시 영역의 기록된 이미지이고, 제1 캡쳐 시간에서의 제 1 이미지 및 제 2 캡쳐 시간에서의 제 2 이미지를 포함하고,
    상기 영역 분석 유닛은 오브젝트 추적 알고리즘을 이용하여 상기 움직이는 영역 이미지의 영역이 시간에 따라 변하는 정도를 판단하고, 상기 정도가 미리 결정된 범위를 초과할 때 상기 움직이는 영역 이미지는 화염 이미지가 아닌 것으로 판단되고, 상기 미리 결정된 범위는 (1/3) At < At+1 < 3At, 로 정의되고, 여기서 At는 제 1 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역이고, At+1는 제 2 캡쳐 시간에서의 상기 움직이는 영역 이미지의 영역인 화염 검출 장치.
KR1020070129375A 2006-12-12 2007-12-12 화염 검출 방법 및 장치 KR101168760B1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
TW95146545 2006-12-12
TW95146545 2006-12-12
KR1020070057844A KR20080054331A (ko) 2006-12-12 2007-06-13 화염 검출 방법 및 장치
KR1020070057844 2007-06-13

Publications (2)

Publication Number Publication Date
KR20080054368A KR20080054368A (ko) 2008-06-17
KR101168760B1 true KR101168760B1 (ko) 2012-07-26

Family

ID=39497506

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020070057844A KR20080054331A (ko) 2006-12-12 2007-06-13 화염 검출 방법 및 장치
KR1020070129375A KR101168760B1 (ko) 2006-12-12 2007-12-12 화염 검출 방법 및 장치

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020070057844A KR20080054331A (ko) 2006-12-12 2007-06-13 화염 검출 방법 및 장치

Country Status (6)

Country Link
US (1) US20080136934A1 (ko)
JP (1) JP4668978B2 (ko)
KR (2) KR20080054331A (ko)
IT (1) ITMI20072321A1 (ko)
RU (1) RU2393544C2 (ko)
TW (1) TWI369650B (ko)

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9325951B2 (en) 2008-03-03 2016-04-26 Avigilon Patent Holding 2 Corporation Content-aware computer networking devices with video analytics for reducing video storage and video communication bandwidth requirements of a video surveillance network camera system
US8427552B2 (en) * 2008-03-03 2013-04-23 Videoiq, Inc. Extending the operational lifetime of a hard-disk drive used in video data storage applications
US8194152B2 (en) 2008-09-05 2012-06-05 CSR Technology, Inc. Image processing under flickering lighting conditions using estimated illumination parameters
KR100922784B1 (ko) * 2009-02-23 2009-10-21 주식회사 이미지넥스트 영상 기반 화재 감지 방법 및 이를 적용한 방범 및 방재 시스템
KR101044903B1 (ko) * 2009-04-28 2011-06-28 부산대학교 산학협력단 영상 감시 시스템에서 은닉 마르코프 모델을 이용한 불 검출방법
GB2472646A (en) * 2009-08-14 2011-02-16 Alan Frederick Boyd CCTV system arranged to detect the characteristics of a fire
KR101054649B1 (ko) * 2010-04-14 2011-08-08 부산대학교 산학협력단 터널 내 실시간 화재 감시 방법
CN102236947B (zh) * 2010-04-29 2012-08-29 中国建筑科学研究院 基于视频摄像机的火焰监测方法与系统
CN102034110B (zh) * 2010-12-09 2013-02-27 湘潭乐星电气有限公司 一种火焰检测方法
TWI540539B (zh) * 2010-12-27 2016-07-01 財團法人工業技術研究院 火焰判斷方法及應用其之火焰判斷系統與火焰判斷裝置
RU2458407C1 (ru) * 2011-03-02 2012-08-10 Общество с ограниченной ответственностью "ДиСиКон" (ООО "ДСК") Система и способ видеомониторинга леса
KR101270718B1 (ko) * 2011-11-30 2013-06-03 아이브스테크놀러지(주) 영상에서 화재를 검출하기 위한 영상처리 장치 및 방법
US9202115B2 (en) * 2012-03-12 2015-12-01 Hanwha Techwin Co., Ltd. Event detection system and method using image analysis
CN102663869B (zh) * 2012-04-23 2013-09-11 国家消防工程技术研究中心 基于视频监控平台的室内火灾检测方法
CN105574468B (zh) * 2014-10-08 2020-07-17 深圳力维智联技术有限公司 视频火焰检测方法、装置及系统
KR101644586B1 (ko) 2014-11-18 2016-08-02 상명대학교서울산학협력단 인체 미동에 의한 hrp 기반 사회 관계성 측정 방법 및 시스템
CN104766094B (zh) * 2015-04-01 2018-04-13 江苏师范大学 一种视频监控火焰的识别方法
CN104899895B (zh) * 2015-05-19 2019-04-09 三峡大学 一种输电线路通道烟火视频移动目标轨迹复杂度检测方法
CN105608738B (zh) * 2016-03-04 2018-08-28 华北电力大学（保定） 一种基于光场相机的火焰三维光度场重建方法
CN106530300B (zh) * 2016-11-30 2019-05-17 天津天狮学院 一种低秩分析的火焰识别方法
CN108008727A (zh) * 2017-12-11 2018-05-08 梁金凤 一种能够高速行驶的无人驾驶汽车
CN109063592A (zh) * 2018-07-12 2018-12-21 天津艾思科尔科技有限公司 一种基于边缘特征的室内火焰检测方法
CN111539239B (zh) * 2019-01-22 2023-09-22 杭州海康微影传感科技有限公司 明火检测的方法、装置及存储介质
RU2707416C1 (ru) * 2019-04-15 2019-11-26 Акционерное общество "Научно-исследовательский институт телевидения" Способ преобразования изображения дыма и пламени
KR102160591B1 (ko) * 2019-07-24 2020-09-28 동아대학교 산학협력단 화재 상황 감지 모델을 위한 화재 상황 생성 시스템 및 그 최적화 방법
US11080990B2 (en) 2019-08-05 2021-08-03 Factory Mutual Insurance Company Portable 360-degree video-based fire and smoke detector and wireless alerting system
KR102316455B1 (ko) 2019-08-29 2021-10-28 건국대학교 글로컬산학협력단 스마트 재난안전 시스템
CN110910402B (zh) * 2019-11-01 2022-07-29 武汉纺织大学 一种夜间室外火焰检测方法
CN111062293B (zh) * 2019-12-10 2022-09-09 太原理工大学 一种基于深度学习的无人机森林火焰识别方法
CN111275918B (zh) * 2020-03-05 2020-12-11 深圳市君利信达科技有限公司 一种火焰检测分析预警系统
CN111724563A (zh) * 2020-06-29 2020-09-29 北京金时佰德技术有限公司 一种园林生态环境生态智能监测设备
CN111985489B (zh) * 2020-09-01 2024-04-02 安徽炬视科技有限公司 一种结合目标跟踪及运动分析的夜间灯光与火焰分类判别算法
RU2765803C1 (ru) * 2021-03-29 2022-02-03 Акционерное общество "Научно-исследовательский институт телевидения" Способ обнаружения дыма и пламени в видимом диапазоне длин волн
RU2760921C1 (ru) * 2021-06-07 2021-12-01 Акционерное общество "Научно-исследовательский институт телевидения" Способ помехоустойчивого обнаружения дыма и пламени в сложной фоно-световой обстановке
CN115311811B (zh) * 2022-10-11 2022-12-06 江苏安世朗智能科技有限公司 基于物联网的电气火灾远程报警处理方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000099696A (ja) 1998-09-22 2000-04-07 Oki Electric Ind Co Ltd 炎検出装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5153722A (en) * 1991-01-14 1992-10-06 Donmar Ltd. Fire detection system
JPH04286097A (ja) * 1991-03-15 1992-10-12 Matsushita Electric Ind Co Ltd 火災報知装置
GB2257598B (en) * 1991-07-12 1994-11-30 Hochiki Co Surveillance monitor system using image processing
JP3827426B2 (ja) * 1997-11-06 2006-09-27 能美防災株式会社 火災検出装置
JP3909634B2 (ja) * 1999-05-18 2007-04-25 小糸工業株式会社 火災発生位置検出装置
GB9922761D0 (en) * 1999-09-27 1999-11-24 Sentec Ltd Fire detection algorithm
ATE340395T1 (de) * 2000-02-07 2006-10-15 Vsd Ltd Rauch- und flammendetektion
US6184792B1 (en) * 2000-04-19 2001-02-06 George Privalov Early fire detection method and apparatus
ES2243699T3 (es) * 2001-02-26 2005-12-01 Fastcom Technology S.A. Procedimiento y dispositivo de deteccion de fuegos basados en el analisis de imagenes.
JP4042891B2 (ja) * 2001-03-22 2008-02-06 能美防災株式会社 火災検出装置
US7680297B2 (en) * 2004-05-18 2010-03-16 Axonx Fike Corporation Fire detection method and apparatus
FR2880455A1 (fr) * 2005-01-06 2006-07-07 Thomson Licensing Sa Methode et dispositif de segmentation d'une image
US7466842B2 (en) * 2005-05-20 2008-12-16 Mitsubishi Electric Research Laboratories, Inc. Modeling low frame rate videos with bayesian estimation

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000099696A (ja) 1998-09-22 2000-04-07 Oki Electric Ind Co Ltd 炎検出装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Toreyin et al., Computer vision based method for real-time fire and flame detection, Pattern Recognition Letters, vol. 27, no. 1, pp. 49-58, 1 January 2006.

Also Published As

Publication number Publication date
JP2008262533A (ja) 2008-10-30
RU2393544C2 (ru) 2010-06-27
KR20080054368A (ko) 2008-06-17
ITMI20072321A1 (it) 2008-06-13
KR20080054331A (ko) 2008-06-17
RU2007145735A (ru) 2009-06-20
TWI369650B (en) 2012-08-01
TW200839660A (en) 2008-10-01
US20080136934A1 (en) 2008-06-12
JP4668978B2 (ja) 2011-04-13

Similar Documents

Publication Publication Date Title
KR101168760B1 (ko) 화염 검출 방법 및 장치
US7868772B2 (en) Flame detecting method and device
Dedeoglu et al. Real-time fire and flame detection in video
US7995843B2 (en) Monitoring device which monitors moving objects
Toreyin et al. Flame detection in video using hidden Markov models
EP2000998B1 (en) Flame detecting method and device
JP4705090B2 (ja) 煙感知装置及びその方法
KR101822924B1 (ko) 영상기반 화재 감지 시스템, 방법 및 프로그램
US7859419B2 (en) Smoke detecting method and device
CN106897720A (zh) 一种基于视频分析的烟火检测方法及装置
KR101953342B1 (ko) 멀티 센서 화재감지 방법 및 시스템
US8922674B2 (en) Method and system for facilitating color balance synchronization between a plurality of video cameras and for obtaining object tracking between two or more video cameras
CN101635835A (zh) 智能视频监控方法及系统
CN101316371B (zh) 火焰侦测方法及装置
KR101204259B1 (ko) 화재 검출 방법
CN109886129B (zh) 提示信息生成方法和装置，存储介质及电子装置
CN109377713A (zh) 一种火灾预警方法及系统
CN115311604B (zh) 一种基于物联网的消防方法
CN114885119A (zh) 一种基于计算机视觉的智能监控报警系统及方法
KR101840042B1 (ko) 복합 가상 팬스 라인 설정 방법 및 이를 이용한 침입 감지 시스템
KR101044903B1 (ko) 영상 감시 시스템에서 은닉 마르코프 모델을 이용한 불 검출방법
KR101270718B1 (ko) 영상에서 화재를 검출하기 위한 영상처리 장치 및 방법
KR101552564B1 (ko) 가스센서 및 ｉｐ네트워크 카메라 기반 융합 보안 시스템
Jakovčević et al. Notice of Violation of IEEE Publication Principles: Review of wildfire smoke detection techniques based on visible spectrum video analysis
CN109118546A (zh) 一种基于单帧图像的景深等级估计方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
J201 Request for trial against refusal decision
AMND Amendment
B601 Maintenance of original decision after re-examination before a trial
E801 Decision on dismissal of amendment
J301 Trial decision

Free format text: TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20100419

Effective date: 20110901

GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20150706

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160711

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170711

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20180711

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20190710

Year of fee payment: 8