KR101245057B1 - 화재 감지 방법 및 장치 - Google Patents

화재 감지 방법 및 장치 Download PDF

Info

Publication number
KR101245057B1
KR101245057B1 KR1020120114756A KR20120114756A KR101245057B1 KR 101245057 B1 KR101245057 B1 KR 101245057B1 KR 1020120114756 A KR1020120114756 A KR 1020120114756A KR 20120114756 A KR20120114756 A KR 20120114756A KR 101245057 B1 KR101245057 B1 KR 101245057B1
Authority
KR
South Korea
Prior art keywords
fire
data
index
pixel
moving object
Prior art date
Application number
KR1020120114756A
Other languages
English (en)
Inventor
서범석
Original Assignee
(주)아이아이에스티
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 (주)아이아이에스티 filed Critical (주)아이아이에스티
Priority to KR1020120114756A priority Critical patent/KR101245057B1/ko
Application granted granted Critical
Publication of KR101245057B1 publication Critical patent/KR101245057B1/ko
Priority to PCT/KR2013/009198 priority patent/WO2014061964A1/ko
Priority to US14/434,041 priority patent/US9747501B2/en
Priority to CN201380053987.7A priority patent/CN104737202B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture
    • 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)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Fire-Detection Mechanisms (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

화재를 정확하게 감지하는 화재 감지 방법 및 장치가 개시된다. 상기 화재 감지 방법은 영상으로부터 RGB 데이터를 획득하는 단계, 상기 획득된 RGB 데이터를 HSL 데이터로 변환하는 단계, 상기 HSL 데이터로부터 불 색상 영역을 추출하는 단계, 상기 RGB 데이터, 상기 추출된 불 색상 영역 및 상기 HSL 데이터 중 적어도 하나를 이용하여 불의 속성과 관련된 적어도 하나의 지수를 구하는 단계 및 상기 지수를 이용하여 화재 발생 여부를 판단하는 단계를 포함한다.

Description

화재 감지 방법 및 장치{METHOD AND APPARATUS FOR SENSING A FIRE}
본 발명은 화재 발생을 정확하게 감지할 수 있는 화재 감지 방법 및 장치에 관한 것이다.
현재, 화재를 감지하는 화재 감지 장치가 존재하나, 화재 감지 장치의 화재 감지 정확성이 떨어지고 실제 화재가 아닌 경우에도 화재로 잘못 감지하는 경우가 빈번하였다. 화재가 발생하면 소화 시스템이 즉시 구동되므로, 화재가 아님에도 불구하고 화재로 잘못 인지되어 소화 시스템이 작동하면 소화 시스템이 작동한 지역의 제품들에 상당한 피해를 야기시켰다. 따라서, 경제적 손실이 막대하였다.
본 발명은 화재를 정확하게 감지하는 화재 감지 방법 및 장치를 제공하는 것이다.
상기한 바와 같은 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 화재 감지 방법은 영상으로부터 RGB 데이터를 획득하는 단계; 상기 획득된 RGB 데이터를 HSL 데이터로 변환하는 단계; 상기 HSL 데이터로부터 불 색상 영역을 추출하는 단계; 상기 RGB 데이터, 상기 추출된 불 색상 영역 및 상기 HSL 데이터 중 적어도 하나를 이용하여 불의 속성과 관련된 적어도 하나의 지수를 구하는 단계; 및 상기 지수를 이용하여 화재 발생 여부를 판단하는 단계를 포함한다.
본 발명의 일 실시예에 따른 화재 감지 장치는 영상으로부터 획득된 RGB 데이터를 HSL 데이터로 변환하는 HSL부; 상기 HSL 데이터로부터 불 색상 영역을 추출하고, 상기 RGB 데이터, 상기 추출된 불 색상 영역 및 상기 HSL 데이터 중 적어도 하나를 이용하여 불의 속성과 관련된 적어도 하나의 지수를 생성하는 지수부; 및 상기 지수부에 의해 생성된 지수를 이용하여 화재 발생 여부를 판단하는 화재 판단부를 포함한다.
삭제
본 발명에 따른 화재 감지 방법 및 장치는 불의 속성들과 관련된 지수들을 이용하여 화재를 감지하므로, 화재를 정확하게 검출할 수 있을 뿐만 아니라 실제 화재가 아니나 화재로 오인될 수 있는 비화재도 정확하게 검출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 화재 감지 과정을 개략적으로 도시한 순서도이다.
도 2는 본 발명의 일 실시예에 따른 화재 판단 방법을 개략적으로 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 지수 생성 과정을 도시한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 HSL 데이터를 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 불 색상 영역의 주기성 체크 과정을 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 깜박임 변화를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 화재 감지 과정을 도시한 순서도이다.
도 8은 본 발명의 일 실시예에 따른 화재 감지 장치의 구성을 도시한 블록도이다.
이하에서는 첨부된 도면들을 참조하여 본 발명의 실시예들을 자세히 설명하도록 한다.
본 발명은 화재 감지 방법 및 장치에 관한 것으로서, 화재 감지 장치는 화재만을 감지하는 장치일 수도 있고 CCTV와 결합되어 침입자 및 화재를 모두 감지할 수 있는 장치일 수도 있다. 또한, 상기 화재 감지 장치는 외부 카메라로부터 영상을 수신받고 수신된 영상을 분석하여 화재 발생 여부를 검출하는 장치일 수도 있다. 즉, 본 발명의 화재 감지 장치는 영상을 분석하여 화재를 감지할 수 있는 한 특정 장치로 제한되지는 않는다.
이하, 화재 감지 방법을 살펴본 후 화재 감지 장치의 구성에 대하여 살펴보겠다.
우선, 화재 감지 방법을 살펴보겠다.
도 1은 본 발명의 일 실시예에 따른 화재 감지 과정을 개략적으로 도시한 순서도이고, 도 2는 본 발명의 일 실시예에 따른 화재 판단 방법을 개략적으로 도시한 도면이다.
도 1을 참조하면, 화재 감지 장치는 영상을 획득한다(S100). 상기 영상은 예를 들어 카메라 등과 같은 센서에 의해 촬영된 영상으로서, 상기 화재 감지 장치가 직접 촬영한 영상일 수도 있고 다른 장치에 의해 촬영된 후 전송된 영상일 수도 있다.
이어서, 상기 화재 감지 장치는 상기 영상으로부터 RGB 데이터를 획득하고, 상기 RGB 데이터를 HSL(Hue, Saturation, Lightness)데이터로 변환시킨다(S102). 여기서, Hue는 색상을 의미하고, Saturation은 채도를 나타내며, Lightness는 밝기를 의미한다.
계속하여, 상기 화재 감지 장치는 상기 RGB 데이터와 상기 HSL 데이터를 이용하여 화재 판단을 위해 사용할 각종 지수들을 구한다(S104). 예를 들어, 상기 화재 감지 장치는 상기 RGB 데이터와 상기 HSL 데이터를 이용하여 후술하는 주기성 지수, moving object 지수, zero cross 지수 등을 생성할 수 있다.
이어서, 상기 화재 감지 장치는 상기 생성된 각종 지수들을 이용하여 화재 의심 카운트를 구한다(S106). 예를 들어, 상기 화재 감지 장치는 블록들마다 화재 의심 여부를 판단하고, 화재라 의심되는 블록에는 "High (1)"를 부여하고, 화재 의심이 없는 블록에는 "Low (0)"를 부여할 수 있다. 여기서, 상기 영상은 복수의 블록들로 분할되고, 각 블록은 복수의 프레임들을 포함하며, 예를 들어 30 프레임들을 포함할 수 있다. 상기 화재 감지 장치는 블록이 1인 경우 화재 의심 카운트를 증가시키고, 0인 경우 화재 의심 카운트를 초기화시킨다. 즉, 상기 프레임 블록들이 연속적으로 1인 경우에만 상기 화재 의심 카운트가 증가할 수 있다.
계속하여, 상기 화재 감지 장치는 상기 화재 의심 카운트가 화재 기준값 이상인지 여부를 판단한다(S108). 예를 들어, 상기 화재 감지 장치는 상기 화재 의심 카운트가 6이상인 지의 여부를 판단한다. 도 2에 도시된 바와 같이 연속적으로 6개의 블록들이 1인 경우, 상기 화재 감지 장치는 화재가 발생하였다고 판단한다. 물론, 상기 화재 발생 여부에 대한 판단 기준은 다양하게 변형될 수 있다. 다만, 화재가 발생된 경우 화재라 의심되는 블록들이 연속적으로 존재할 수밖에 없으므로, 연속적으로 위치하면서 화재라 의심되는 블록들의 수가 상기 화재 기준값 이상일 때 화재가 발생되었다고 판단하는 것이 효율적이다. 이러한 방식을 사용할 경우 특정 블록의 화재 판단에 오류가 발생할지라도 화재 및 비화재를 검출하는 데에는 거의 영향을 주지는 않게 된다.
상기 화재 의심 카운트가 상기 화재 기준값보다 작으면, 단계 S100이 다시 수행된다.
반면에, 상기 화재 의심 카운트가 상기 화재 기준값 이상이면, 상기 화재 감지 장치는 화재 경고를 발생시킬 수 있다(S110). 예를 들어, 상기 화재 감지 장치는 디스플레이에 화재 발생 여부를 표시할 수도 있고, 경고음을 발생시킬 수도 있다. 물론, 상기 화재 감지 장치는 다른 장치로 화재가 발생하였음을 알릴 수도 있다.
정리하면, 본 발명의 화재 감지 방법 및 장치는 RGB 데이터 및 HSL 데이터를 이용하여 다양한 지수들을 생성하고, 상기 생성된 지수들을 이용하여 화재 발생 여부를 판단한다.
종래의 화재 감지 장치는 화재 감지의 정확도가 떨어지고 실제 화재가 아닌 경우에도 화재로 잘못 판단하는 경우가 빈번하였다. 화재의 특성상 화재라 판단되면 소화 시스템이 작동하게 된다. 일단 소화 시스템이 작동하면, 화재라 판단된 지역의 장치들에 심각한 피해를 야기시킬 수 있다. 따라서, 화재 발생 여부를 정확히 검출할 수 있는 장치가 요구되었다.
본 발명의 화재 감지 방법은 블의 속성과 관련된 다양한 지수들을 활용하기 때문에 실제 화재를 정확히 검출할 수 있을 뿐만 아니라 화재라 의심될지라도 실제 화재가 아닌 경우를 정확하게 감지할 수 있다. 특히, 본 발명의 화재 감지 방법은 불의 각종 속성들을 지수로서 반영하고 있기 때문에, 종래의 방법들에 비하여 더 정확하게 화재를 감지할 수 있으며, 이는 실험을 통하여 확인하였다.
이하, 화재 감지를 위한 각종 지수들을 생성하는 과정을 살펴본 후 실제 화재 감지 과정을 살펴보겠다.
우선, 지수 생성 과정을 살펴보겠다. 다만, 설명의 편의를 위하여 HSL 레벨을 0-255로 가정한다.
도 3은 본 발명의 일 실시예에 따른 지수 생성 과정을 도시한 순서도이고, 도 4는 본 발명의 일 실시예에 따른 HSL 데이터를 도시한 도면이다. 도 5는 본 발명의 일 실시예에 따른 불 색상 영역의 주기성 체크 과정을 도시한 도면이고, 도 6은 본 발명의 일 실시예에 따른 깜박임 변화를 도시한 도면이다.
도 3을 참조하면, 화재 감지 장치는 영상의 RGB 데이터를 HSL 데이터(영상)로 변환한다(S300). 불의 Saturation은 255인 경우가 많으나, 불 영역에서 Red(R), Green(G), Blue(B)의 각 값이 255에 근접하면서 동일할 경우 Saturation이 0으로 나타날 수 있으므로 이 경우 Saturation을 255로 변경한다. R,G,B가 임계치, 예를 들어 240보다 크면 불 Saturation으로 가정할 수 있다.
이어서, 상기 화재 감지 장치는 HSL 데이터로부터 불 색상 영역을 표시한 제 1 불 색상 데이터를 생성한다(S302). 구체적으로는, 상기 화재 감지 장치는 현재 프레임에서 불 색상 영역이라고 판단되는 픽셀을 "High(1)"로 설정하고 불 색상 영역이 아니라고 판단되는 픽셀을 "Low(0)"로 설정하여 1차 불 색상 데이터를 생성한다. 결과적으로, 불 색상 데이터는 도 4(A)와 같이 표시될 수 있다.
계속하여, 상기 화재 감지 장치는 상기 제 1 불 색상 데이터를 보정하여 제 2 불 색상 데이터를 생성할 수 있다(S304). 예를 들어, 상기 화재 감지 장치는 높은 제 1 임계치를 기준으로 하여 제 1 불 색상 데이터를 생성한 후 상기 제 1 임계치보다 낮은 제 2 임계치를 기준으로 하여 제 2 불 색상 데이터를 생성할 수 있다. 상기 제 2 불 색상 데이터에는 상기 제1 불 색상 데이터에서 불 색상 영역이 아닌 픽셀이 불 색상 영역으로 변경될 수 있다. 바람직하게는, 제 1 불 색상 데이터에서는 불 색상 영역이 아니었으나 주위에 불 색상 영역으로 둘러싸인 경우에는 상기 픽셀은 제 2 불 색상 데이터에서는 불 색상 영역으로 변경될 수 있다. 일 예로, 상기 화재 감지 장치는 제 1 불 색상 데이터를 생성하는 과정에서는 H, S, L이 각기 임계치보다 커서 모두 1인 경우에만 해당 픽셀을 1로 설정하였으나, 제 2 불 색상 데이터를 생성하는 과정에서는 H, S, L 중 적어도 하나, 바람직하게는 하나가 1이 아닌 경우에도 주변 픽셀들이 1을 가지는 경우 상기 픽셀을 도 4에 도시된 바와 같이 "0"에서 "1"로 변경할 수 있다. 실험 결과, H, S, L 중 S 및 L의 기준은 유지하고 H(Hue)의 기준을 완화하여 적용하는 것이 실제로 불 색상 영역의 보정에 적합함을 확인할 수 있었다. 즉, S 및 L은 각기 초기의 임계치 이상이고 H는 제 1 임계치보다 작지만 제 2 임계치보다 큰 경우에 상기 보정 과정이 적용될 수 있다. 이러한 HSL 데이터 보정 과정은 불 색상 영역으로 둘러싸인 픽셀은 불 색상 영역일 가능성이 높기 때문에 적용될 수 있다.
이어서, 상기 화재 감지 장치는 불 색상 영역의 주기성을 체크한다(S306). 구체적으로는, 상기 화재 감지 장치는 현재 프레임(Img+0)을 백업하고, 백업한 현재 프레임(Img+0)의 그레이 값(Gray value)과 동일 블록의 다른 프레임들(Img+1~Img+n)의 그레이 값들 사이의 차이들을 각기 계산한다. 예를 들어, 상기 화재 감지 장치는 도 5에 도시된 바와 같이 현재 프레임(Img+0)에 "-1"을 가지는 2×2 마스크로 연산하여 불 색상 영역(HSL이 1인 픽셀)에 대한 제 1 연산값(result1)을 구하고, 다음 프레임(Img+1)에 "1"을 가지는 2×2 마스크로 연산하여 제 2 연산값(result2)을 구할 수 있다. 그런 후, 상기 화재 감지 장치는 상기 연산값들을 합산한 후 2로 나누여 차이값(Diff)을 구하며, 즉 Diff=(result1+result2)/2이다. 이러한 차이값(Diff) 구하는 연산을 현재 프레임(Img+0)과 동일 블록의 다른 프레임들(Img+1~Img+n) 각각에 대하여 수행한다. 결과적으로, 한 블록의 프레임들의 수에 해당하는 차이값들(Diff)이 불 색상 영역에서 생성될 것이다. 상기 화재 감지 장치는 상기 생성된 차이값들(Diff)의 표준 편차 및 평균을 구하고, 표준 편차를 평균으로 나누어서 주기성 지수를 구하며, 상기 주기성 지수가 소정 임계치보다 크면 상기 블록의 불 색상 영역이 주기적이라고 판단한다. 이러한 불 색상 영역의 주기성을 체크하는 이유는 화재가 아님에도 화재로 인식될 수 있는 헤드라이트 등과 같은 상황을 구별하기 위해서이다. 일반적으로, 불의 경우 불 색상 영역이 주기적으로 나타나지 않으며, 헤드라이트 등과 같은 경우에는 불 색상 영역이 주기적으로 나타난다. 따라서, 이러한 불 색상 영역의 주기성을 체크하면 이러한 비화재를 구별할 수 있다. 본 발명의 다른 실시예에 따르면, 위에서는 하나의 블록의 주기성 체크를 통하여 비화재를 검출하였으나, 검출 안정성을 위하여 예를 들어 2개의 블록들이 연속으로 주기적이라 판단되는 경우 비화재로 결정할 수 있다.
계속하여, 상기 화재 감지 장치는 불 색상 영역의 움직임 영역을 추출한다(S308). 구체적으로는, 아래의 수학식 1과 같이 픽셀값(Pixel_value)과 편차(Variance)를 구한다. 픽셀값(Pixel_value)은 각 픽셀별로 구해지며, 편차(Variance)는 픽셀값(Pixel_value)으로부터 background를 뺀 값이다. 여기서, background는 이전 프레임의 해당 픽셀값과 편차의 평균을 의미한다. 편차(Variance)가 기설정된 임계치보다 큰 경우 moving object pixel count를 1씩 증가시킨다. 즉, 동일 블록의 프레임들에 대하여 픽셀별로 편차들(Variance)을 구하고, 편차들(Variance)과 상기 임계치를 비교하여 편차가 상기 임계치보다 클 경우마다 moving object pixel count를 1씩 증가시킨다. 결과적으로, 동일 블록의 모든 프레임들에 대하여 위의 과정을 수행하면 최종 카운트에 해당하는 moving object pixel count(Moving object 지수)를 구할 수 있으며, 따라서 프레임 견지에서 볼 때 상기 블록의 모든 프레임들에 대하여 위의 과정이 수행되면 픽셀별로 moving object pixel count를 가지는 하나의 프레임이 획득될 수 있다. 예를 들어, 한 블록이 30 프레임들을 포함하고 있는 경우, 픽셀이 가질 수 있는 최대 moving object pixel count는 30이 된다. 불의 경우는 R, G, B 각각의 변화(Variation)가 큰 속성을 가진다. 따라서, 불 색상 영역의 픽셀들의 moving object pixel count가 작으면 변화가 작다는 것을 의미하므로, 상기 화재 감지 장치는 실제 화재가 아니라고 판단한다. 반면에, 상기 화재 감지 장치는 불 색생 영역의 픽셀들의 moving object pixel count가 기설정된 임계치보다 크면 상기 불 색상 영역을 화재 의심 영역으로 결정할 수 있다. 결론적으로, 상기 화재 감지 장치는 불 색상 영역일지라도 moving object 지수를 통하여 비화재를 검출할 수 있다.
Figure 112012083942407-pat00001
이어서, 상기 화재 감지 장치는 zero cross count를 구한다(S310). 구체적으로는, 상기 화재 감지 장치는 아래의 수학식 2를 이용하여 깜박임(flicker) 변화값(Flick_var)을 계산한다. 예를 들어, 상기 화재 감지 장치는 블록의 각 프레임들에서 픽셀별로, 특히 불 색상 영역의 픽셀들에 대한 깜박임 변화값(Flick_var)을 계산한다. 결과적으로, 프레임의 각 픽셀별로 깜박임 변화값(Flick_var)이 생성되며, 블록 단위로 볼 때 픽셀별로 도 6에 도시된 바와 같은 깜박임 변화값(Flick_var)이 나타날 것이다. 이 경우, 상기 화재 감지 장치는 특정 픽셀의 깜박임 변화값(Flick_var)이 해당 프레임에서 상한치(TH) 또는 하한치(-TH)를 초과한 상태에서 다음 프레임에서 하한치 또는 상한치를 초과하는 경우, zero cross count를 1씩 증가시킨다. 즉, 상기 화재 감지 장치는 특정 픽셀에 대하여 상한치 및 하한치를 초과한 상태로 zero를 통과하는 횟수를 카운트하며, 도 6에서는 화살표의 횟수를 카운트한다. 따라서, 한 블록의 모든 프레임에 대하여 zero cross count를 수행하면 픽셀별로 카운트된 값이 표시된 zero cross 지수가 생성될 수 있다. 불은 깜박이는 속성이 있기 때문에 깜박임 변화가 심하다. 따라서, 상기 화재 감지 장치는 불 색상 영역의 zero cross count가 기설정된 임계치를 초과하면 불 의심 영역으로 판단할 수 있다. 다만, 위에서는 zero (0)을 바이어스 값으로 하였으나, 바이어스 값은 다르게 설정될 수 있다.
Figure 112012083942407-pat00002
여기서, pre_pre은 전전 프레임의 RGB의 그레이 값이고, pre는 전 프레임의 그레이 값이며, cur은 현재 프레임의 그레이 값이다.
정리하면, 본 실시예의 화재 감지 방법 및 장치는 RGB 데이터 및 HSL 데이터를 이용하여 불 색상 영역을 검출하고, 주기성 지수, moving object 지수, zero cross 지수 등을 생성한다. 즉, 상기 화재 감지 방법 및 장치는 RGB 데이터 및 HSL 데이터를 이용하여 적어도 하나의 불의 속성과 관련된 지수들을 생성하여 화재 발생 여부를 판단한다. 따라서, 상기 화재 감지 장치는 화재 발생 여부를 정확하게 검출할 수 있고 비화재를 정확하게 추출할 수 있다.
도 3에서 단계 S306, S308 및 S310은 도 3의 순서로 제한되지는 않는다.
이하, 본 발명의 화재 판단 방법을 첨부된 도면을 참조하여 상술하겠다.
도 7은 본 발명의 일 실시예에 따른 화재 감지 과정을 도시한 순서도이다.
도 7을 참조하면, 본 실시예의 화재 감지 방법은 각종 지수들을 구한 후 불 색상 영역에서의 움직임 영역의 넓이를 체크한다(S700). 구체적으로는, 상기 화재 감지 방법은 픽셀별로 수학식 1에서의 편차(Variance)가 기설정된 임계치를 초과하면 moving object pixel count를 1씩 증가시키면서 카운트한다. 결과적으로, 동일한 블록의 모든 프레임들에 대한 픽셀별로 누적된 moving object pixel count가 구해질 것이다.
상기 화재 감지 방법은 불 색상 영역에서의 moving object oixel count가 0이면 움직임이 없는 경우이므로, 화재가 발생되지 않았다고 판단하고 화재 의심 카운트를 초기화시킨다. 즉, 상기 화재 감지 방법은 영상 획득 단계부터 다시 시작한다.
반면에, 상기 화재 감지 방법은 불 색상 영역에서의 moving object pixel count가 0이 아닌 경우 움직임이 있다고 판단하고, moving object pixel count가 기설정된 임계치보다 큰 지의 여부를 판단한다. 상기 화재 감지 방법은 moving object pixel count가 상기 임계치보다 큰 경우에는 moving object를 "high (1)"로 설정하고, moving objet pixel count가 상기 임계치 이하이면 moving object를 "low (0)"로 설정한다.
이어서, 상기 화재 감지 방법은 불 색상 영역에서의 moving object가 high인 지의 여부를 판단한다(S702).
상기 화재 감지 방법은 불 색상 영역에서의 moving object가 high가 아닌 low인 경우 화재가 아니라고 판단하며, 따라서 화재 의심 카운트를 초기화시킨다.
반면에, 상기 화재 감지 방법은 불 색상 영역에서의 moving object가 high인경우 화재 의심으로 판단하고, 불 색상 영역에서의 RGB 각각에 대한 평균을 계산하며, 상기 평균들이 해당 임계치보다 큰 지의 여부를 체크한다(S704).
RGB 각각의 평균들의 일부라도 해당 임계치 이하이면, 상기 화재 감지 방법은 화재가 아니라고 판단하여 화재 의심 카운트를 초기화시킨다.
반면에, RGB 모두의 평균들이 해당 임계치보다 크면, 상기 화재 감지 방법은 화재 의심으로 판단하고, 불 색상 영역에서의 moving object와 saturation 사이의 거리를 계산하며, 계산된 거리가 임계치보다 작은 지의 여부를 판단한다(S706). 본 발명의 일 실시예에 따르면, 상기 화재 감지 방법은 불 색상 영역에서 moving object가 high인 픽셀들에 대하여 임계치보다 큰 saturation 값을 가지는 픽셀들과의 최소 거리를 계산한 후 각 최소 거리들의 합을 계산한다. 그런 후, 상기 화재 감지 방법은 최소 거리들의 합을 moving object가 high인 픽셀들의 수로 나누어서 최소 거리 평균을 구한다. 계속하여, 상기 화재 감지 방법은 최소 거리 평균이 기설정된 임계치 이상이면 화재가 아니라고 판단하고, 화재 의심 카운트를 초기화시킨다.
반면에, 상기 최소 거리 평균이 상기 임계치보다 작으면, 상기 화재 감지 방법은 화재 의심이라 판단하고 현재 moving object와 이전 moving object 사이의 거리를 구하며, 거리가 기설정된 임계치보다 작은 지의 여부를 체크한다(S708). 구체적으로는, 상기 화재 감지 방법은 불의 위치는 일정하다는 가정 하에 현재 moving object가 high인 픽셀에 대하여 이전 moving object가 high인 픽셀들 사이의 최소 거리를 구하고, 최소 거리들의 평균, 즉 최소 거리 평균을 계산한다. 상기 화재 감지 방법은 최소 거리 평균이 기설정된 임계치 이상이면 화재가 아니라고 판단하고, 화재 의심 카운트를 초기화시킨다.
반면에, 상기 최소 거리 평균이 상기 임계치보다 작으면, 상기 화재 감지 방법은 화재 의심이라 판단하고 zero cross count가 임계치보다 큰 지의 여부를 체크한다(S710).
한 블록의 모든 프레임에 대응하는 zero cross count가 기설정된 임계치 이하이면, 상기 화재 감지 방법은 화재가 아니라고 판단하고 화재 의심 카운트를 초기화시킨다.
반면에, zero cross count가 상기 임계치보다 큰 픽셀이 존재하는 경우, 상기 화재 감지 방법은 화재 의심이라 판단하고 깜박임 변화가 0이 아닌 영역의 면적 변화량을 체크한다(S712).
면적 변화량이 기설정된 임계치 이상이면, 상기 화재 감지 방법은 불이 아니라고 판단하고 화재 의심 카운트를 초기화시킨다.
반면에, 면적 변화량이 기설정된 임계치보다 작으면, 상기 화재 감지 방법은 불 의심이라 판단하고 주기성 체크에 따른 차이값들(Diff)의 표준 편차 및 평균을 구하고, 표준 편차를 평균으로 나누어서 주기성 지수를 구하며, 상기 주기성 지수가 소정 임계치보다 작은 지의 여부를 체크한다(S714).
주기성 지수가 임계치 이상이면, 상기 화재 감지 방법은 화재가 아니라고 판단하고 화재 의심 카운트를 초기화시킨다.
반면에, 주기성 지수가 임계치보다 작으면, 상기 화재 감지 방법은 프레임별로 움직임 영역의 면적 평균 및 면적 변화량을 계산하고, 면적 변화량이 기설정된 임계치보다 작은 지의 여부를 체크한다(S716).
상기 화재 감지 방법은 프레임별로 불 색상 영역에서 R, G, B의 편차들에 의해 구해지는 움직임 영역의 면적 변화량(moving object pixel count)이 기설정된 임계치 이상이면 화재가 아니라고 판단하고 화재 의심 카운트를 초기화시킨다.
반면에, 상기 화재 감지 방법은 움직임 영역의 면적 변화량(moving object pixel count)이 상기 임계치보다 작으면 화재 의심 카운트를 증가시킨다(S718).
계속하여, 상기 화재 감지 방법은 상기 화재 의심 카운트가 화재 기준값 이상인 지의 여부를 판단한다(S720).
화재 의심 카운트가 화재 기준값 보다 작으면 단계 S700부터 다시 수행된다.
반면에, 화재 의심 카운트가 상기 화재 기준값 이상이면, 상기 화재 감지 방법은 화재가 발생되었다고 최종적으로 판단하고 경고음 등을 발생시킨다(S722). 예를 들어, 6개 블록들이 연속적으로 화재 의심되어 화재 의심 카운트가 화재 기준값(6)이 되면, 상기 화재 감지 방법은 최종적으로 화재라고 판단한다.
정리하면, 본 발명의 화재 감지 방법은 각 블록에 대하여 불의 속성들과 관련된 다양한 지수들을 순차적으로 판단하여 화재 의심 여부를 판단하고, 소정 화재 기준값 이상의 수만큼 연속적으로 블록들이 화재 의심된다고 판단되는 경우 화재가 발생하였다고 결정한다.
위의 불의 속성들과 관련된 지수들의 판단 순서는 도 7로 한정되지는 않으며, 다르게 변형될 수 있다.
도 8은 본 발명의 일 실시예에 따른 화재 감지 장치의 구성을 도시한 블록도이다.
도 8을 참조하면, 본 발명의 화재 감지 장치는 제어부(800), RGB부(802), HSL부(804), 지수부(806), 화재 판단부(808), 경고부(810) 및 저장부(812)를 포함한다.
RGB부(802)는 RGB 데이터 및 그레이 값들을 관리한다.
HSL부(804)는 RGB 데이터를 HSL 데이터로 변환하며, HSL 데이터를 관리한다.
지수부(806)는 RGB 데이터 및 HSL 데이터를 이용하여 불의 속성들과 관련된 지수들을 계산한다.
화재 판단부(808)는 상기 계산된 지수들을 이용하여 화재 발생 여부를 판단한다.
경고부(810)는 화재가 발생하였다고 판단되는 경우 경고음 등을 발생시킬 수 있다.
저장부(812)는 영상, RGB 데이터, HSL 데이터, 각종 지수 등을 저장한다.
제어부(800)는 화재 감지 장치의 구성요소들의 동작을 전반적으로 제어한다.
위에서 설명하지는 않았지만, 화재 감지 장치는 영상을 획득하는 센서부 또는 외부 장치와 교신할 수 있는 통신부를 더 포함할 수 있다.
상기한 본 발명의 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대한 통상의 지식을 가지는 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
802 : RGB부 804 : HSL부
806 : 지수부 808 : 화재 판단부

Claims (25)

  1. 영상으로부터 RGB 데이터를 획득하는 단계;
    상기 획득된 RGB 데이터를 HSL 데이터로 변환하는 단계;
    상기 HSL 데이터로부터 불 색상 영역을 추출하는 단계;
    상기 RGB 데이터, 상기 추출된 불 색상 영역 및 상기 HSL 데이터 중 적어도 하나를 이용하여 불의 속성과 관련된 적어도 하나의 지수를 구하는 단계; 및
    상기 지수를 이용하여 화재 발생 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 화재 감지 방법.
  2. 삭제
  3. 제1항에 있어서, 상기 불 색상 영역을 추출하는 단계는,
    제 1 불 색상 데이터를 생성하는 단계; 및
    상기 제 1 불 색상 데이터를 보정하여 제 2 불 색상 데이터를 생성하는 단계를 포함하되,
    상기 제 1 불 색상 데이터의 픽셀들 중 H, S, L이 모두 high인 픽셀은 불 색상 영역으로서 high를 가지며, H, S, L 중 적어도 하나가 low인 픽셀은 low를 가지며,
    상기 제 1 불 색상 데이터에서 H, S, L 중 하나만이 low인 픽셀의 주변 픽셀들이 high를 가지면 상기 픽셀을 low에서 high로 변화시켜 상기 제 2 불 색상 데이터를 생성하는 것을 특징으로 하는 화재 감지 방법.
  4. 제1항에 있어서, 상기 지수들은 상기 불 색상 영역의 주기성을 나타내는 주기성 지수, 상기 불 색상 영역의 움직임 영역을 표시하는 moving object 지수, 상기 불 색상 영역의 깜박임 변화를 나타내는 zero cross 지수를 포함하는 것을 특징으로 하는 화재 감지 방법.
  5. 제4항에 있어서, 상기 주기성 지수는 한 블록에 속하는 현재 프레임에 마스크 연산하여 제 1 연산값을 구하고, 상기 현재 프레임 외의 다른 프레임들을 마스크 연산하여 제 2 연산값들을 구하며, 상기 제 1 연산값과 각 제 2 연산값들의 차이들을 구하고, 상기 차이들의 표준 편차 및 평균의 비를 구함에 의해 생성되는 것을 특징으로 하는 화재 감지 방법.
  6. 제4항에 있어서, 상기 moving object 지수는 현재 프레임의 각 픽셀들에 대한 RGB 평균을 구하고, 상기 구해진 RGB 평균과 이전 프레임의 해당 픽셀의 RGB 평균의 차에 해당하는 편차를 픽셀별로 구하며, 상기 편차가 기설정된 임계치를 초과하는 경우 moving object pixel count를 1씩 증가시키는 방법을 통하여 해당 블록의 모든 프레임들에 대한 moving object pixel count를 누적함에 의해 생성되는 것을 특징으로 하는 화재 감지 방법.
  7. 제4항에 있어서, 상기 zero cross 지수는 특정 픽셀에 대하여 전전 프레임, 직전 프레임 및 현재 프레임의 그레이 값들을 통하여 깜박임 변화값을 생성하고, 현재 프레임의 상한치 또는 하한치를 초과한 상태에서 다음 프레임의 하한치 또는 상한치를 초과하는 경우 zero cross count를 1씩 증가시키는 방법을 통하여 해당 블록의 모든 프레임들에 대한 zero cross count를 누적함에 의해 생성되는 것을 특징으로 하는 화재 감지 방법.
  8. 제1항에 있어서, 상기 화재 발생 여부를 판단하는 단계는,
    주기성 지수를 해당 임계치와 비교하는 단계;
    moving object 지수를 해당 임계치와 비교하는 단계;
    zero cross 지수를 해당 임계치와 비교하는 단계;
    상기 비교 단계들 모두에서 화재 의심으로 판단되는 경우 해당 블록을 화재 의심으로 결정하는 단계; 및
    화재 의심으로 결정된 블록들이 연속적이고 연속적인 블록들의 수가 기설정된 화재 기준값 이상이면 화재가 발생하였다고 판단하는 단계를 포함하는 것을 특징으로 하는 화재 감지 방법.
  9. 제8항에 있어서, 상기 화재 발생 여부를 판단하는 단계는,
    상기 moving object와 해당 saturation 사이의 거리를 체크하는 단계; 및
    상기 moving object와 이전 moving object 사이의 거리를 체크하는 단계를 더 포함하는 것을 특징으로 하는 화재 감지 방법.
  10. 삭제
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 영상으로부터 획득된 RGB 데이터를 HSL 데이터로 변환하는 HSL부;
    상기 HSL 데이터로부터 불 색상 영역을 추출하고, 상기 RGB 데이터, 상기 추출된 불 색상 영역 및 상기 HSL 데이터 중 적어도 하나를 이용하여 불의 속성과 관련된 적어도 하나의 지수를 생성하는 지수부; 및
    상기 지수부에 의해 생성된 지수를 이용하여 화재 발생 여부를 판단하는 화재 판단부를 포함하는 것을 특징으로 하는 화재 감지 장치.
  20. 제19항에 있어서, 상기 HSL 데이터 중 상기 불 색상 영역에 해당하는 픽셀이 high로 설정될 때 나머지 픽셀은 low로 설정되는 것을 특징으로 하는 화재 감지 장치.
  21. 제20항에 있어서, 상기 지수들은 상기 불 색상 영역의 주기성을 나타내는 주기성 지수, 상기 불 색상 영역의 움직임 영역을 표시하는 moving object 지수, 상기 불 색상 영역의 깜박임 변화를 나타내는 zero cross 지수를 포함하는 것을 특징으로 하는 화재 감지 장치.
  22. 제21항에 있어서, 상기 주기성 지수는 한 블록에 속하는 현재 프레임에 마스크 연산하여 제 1 연산값을 구하고, 상기 현재 프레임 외의 다른 프레임들을 마스크 연산하여 제 2 연산값들을 구하며, 상기 제 1 연산값과 각 제 2 연산값들의 차이들을 구하고, 상기 차이들의 표준 편차 및 평균의 비를 구함에 의해 생성되는 것을 특징으로 하는 화재 감지 장치.
  23. 제21항에 있어서, 상기 moving object 지수는 현재 프레임의 각 픽셀들에 대한 RGB 평균을 구하고, 상기 구해진 RGB 평균과 이전 프레임의 해당 픽셀의 RGB 평균의 차에 해당하는 편차를 픽셀별로 구하며, 상기 편차가 기설정된 임계치를 초과하는 경우 moving object pixel count를 1씩 증가시키는 방법을 통하여 해당 블록의 모든 프레임들에 대한 moving object pixel count를 누적함에 의해 생성되는 것을 특징으로 하는 화재 감지 장치.
  24. 제21항에 있어서, 상기 zero cross 지수는 특정 픽셀에 대하여 전전 프레임, 직전 프레임 및 현재 프레임의 그레이 값들을 통하여 깜박임 변화값을 생성하고, 현재 프레임의 상한치 또는 하한치를 초과한 상태에서 다음 프레임의 하한치 또는 상한치를 초과하는 경우 zero cross count를 1씩 증가시키는 방법을 통하여 해당 블록의 모든 프레임들에 대한 zero cross count를 누적함에 의해 생성되는 것을 특징으로 하는 화재 감지 장치.
  25. 제19항에 있어서, 상기 화재 판단부는 상기 지수를 이용하여 상기 영상의 블록별로 화재 의심 여부를 결정하고, 화재 의심으로 결정된 블록들이 연속적으로 존재하고 상기 블록들의 수가 기설정된 화재 기준값 이상인 경우 화재가 발생하였다고 결정하는 것을 특징으로 하는 화재 감지 장치.
KR1020120114756A 2012-10-16 2012-10-16 화재 감지 방법 및 장치 KR101245057B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020120114756A KR101245057B1 (ko) 2012-10-16 2012-10-16 화재 감지 방법 및 장치
PCT/KR2013/009198 WO2014061964A1 (ko) 2012-10-16 2013-10-15 화재 감지 방법 및 장치
US14/434,041 US9747501B2 (en) 2012-10-16 2013-10-15 Fire detection method and apparatus
CN201380053987.7A CN104737202B (zh) 2012-10-16 2013-10-15 火灾检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120114756A KR101245057B1 (ko) 2012-10-16 2012-10-16 화재 감지 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101245057B1 true KR101245057B1 (ko) 2013-03-18

Family

ID=48182149

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120114756A KR101245057B1 (ko) 2012-10-16 2012-10-16 화재 감지 방법 및 장치

Country Status (4)

Country Link
US (1) US9747501B2 (ko)
KR (1) KR101245057B1 (ko)
CN (1) CN104737202B (ko)
WO (1) WO2014061964A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102242421B1 (ko) * 2020-12-04 2021-04-20 (주)아이아이에스티 재난을 감지하는 방법 및 이를 수행하는 전자 장치

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101245057B1 (ko) * 2012-10-16 2013-03-18 (주)아이아이에스티 화재 감지 방법 및 장치
US9501915B1 (en) 2014-07-07 2016-11-22 Google Inc. Systems and methods for analyzing a video stream
US10127783B2 (en) 2014-07-07 2018-11-13 Google Llc Method and device for processing motion events
US10140827B2 (en) 2014-07-07 2018-11-27 Google Llc Method and system for processing motion event notifications
US9009805B1 (en) 2014-09-30 2015-04-14 Google Inc. Method and system for provisioning an electronic device
USD782495S1 (en) 2014-10-07 2017-03-28 Google Inc. Display screen or portion thereof with graphical user interface
WO2016074169A1 (zh) * 2014-11-12 2016-05-19 深圳市大疆创新科技有限公司 一种对目标物体的检测方法、检测装置以及机器人
US9361011B1 (en) 2015-06-14 2016-06-07 Google Inc. Methods and systems for presenting multiple live video feeds in a user interface
US10506237B1 (en) 2016-05-27 2019-12-10 Google Llc Methods and devices for dynamic adaptation of encoding bitrate for video streaming
US10380429B2 (en) 2016-07-11 2019-08-13 Google Llc Methods and systems for person detection in a video feed
US10957171B2 (en) 2016-07-11 2021-03-23 Google Llc Methods and systems for providing event alerts
US10192415B2 (en) 2016-07-11 2019-01-29 Google Llc Methods and systems for providing intelligent alerts for events
JP6442118B1 (ja) * 2017-04-27 2018-12-19 深田工業株式会社 異常検知器
US11783010B2 (en) 2017-05-30 2023-10-10 Google Llc Systems and methods of person recognition in video streams
US10410086B2 (en) 2017-05-30 2019-09-10 Google Llc Systems and methods of person recognition in video streams
US10664688B2 (en) 2017-09-20 2020-05-26 Google Llc Systems and methods of detecting and responding to a visitor to a smart home environment
US11134227B2 (en) 2017-09-20 2021-09-28 Google Llc Systems and methods of presenting appropriate actions for responding to a visitor to a smart home environment
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
KR20220031558A (ko) * 2019-05-17 2022-03-11 타이코 파이어 프로덕츠 엘피 화재 진압 시스템 구성의 시스템 및 방법
EP4000052A1 (en) 2019-07-18 2022-05-25 Carrier Corporation Flame detection device and method
KR20210055935A (ko) * 2019-11-08 2021-05-18 한국전자통신연구원 딥러닝 기반의 화재 감지를 위한 시퀀스 영상 이미지 전처리 시스템 및 방법
US11893795B2 (en) 2019-12-09 2024-02-06 Google Llc Interacting with visitors of a connected home environment
CN111249660B (zh) * 2020-02-21 2022-03-29 成都领派科技有限公司 消防自动灭火智能控制系统及自动灭火方法
CN116433035B (zh) * 2023-06-13 2023-09-15 中科数创(临沂)数字科技有限公司 一种基于人工智能的建筑电气火灾风险评估预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030093023A (ko) * 2002-06-01 2003-12-06 삼성전자주식회사 영상의 움직임 보정 장치 및 방법
KR20060135177A (ko) * 2005-06-24 2006-12-29 삼성전자주식회사 움직임 에러 검출장치와 이를 포함하는 움직임 에러보정장치와 이에 의한 움직임 에러 검출방법 및 움직임에러 보정방법
KR20110022133A (ko) * 2009-08-27 2011-03-07 삼성전자주식회사 영상의 움직임 추정방법 및 영상처리장치
KR20110048417A (ko) * 2009-11-02 2011-05-11 계명대학교 산학협력단 퍼지 규칙을 이용한 화재 불꽃 감지 방법

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4111660B2 (ja) * 2000-07-18 2008-07-02 富士通株式会社 火災検出装置
US7098796B2 (en) * 2004-05-13 2006-08-29 Huper Laboratories Co., Ltd. Method and system for detecting fire in a predetermined area
US20080137906A1 (en) * 2006-12-12 2008-06-12 Industrial Technology Research Institute Smoke Detecting Method And Device
WO2008088324A1 (en) * 2007-01-16 2008-07-24 Utc Fire & Security Corporation System and method for video detection of smoke and flame
CN100559887C (zh) * 2007-08-09 2009-11-11 山东省科学院自动化研究所 利用火焰颜色模板进行火灾探测的方法
KR100918436B1 (ko) 2007-11-27 2009-09-24 계명대학교 산학협력단 비전 기반의 화재 감지 시스템 및 방법
CN101726357B (zh) * 2008-10-14 2014-01-08 能美防灾株式会社 烟检测装置
US8532336B2 (en) * 2010-08-17 2013-09-10 International Business Machines Corporation Multi-mode video event indexing
KR101245057B1 (ko) * 2012-10-16 2013-03-18 (주)아이아이에스티 화재 감지 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030093023A (ko) * 2002-06-01 2003-12-06 삼성전자주식회사 영상의 움직임 보정 장치 및 방법
KR20060135177A (ko) * 2005-06-24 2006-12-29 삼성전자주식회사 움직임 에러 검출장치와 이를 포함하는 움직임 에러보정장치와 이에 의한 움직임 에러 검출방법 및 움직임에러 보정방법
KR20110022133A (ko) * 2009-08-27 2011-03-07 삼성전자주식회사 영상의 움직임 추정방법 및 영상처리장치
KR20110048417A (ko) * 2009-11-02 2011-05-11 계명대학교 산학협력단 퍼지 규칙을 이용한 화재 불꽃 감지 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102242421B1 (ko) * 2020-12-04 2021-04-20 (주)아이아이에스티 재난을 감지하는 방법 및 이를 수행하는 전자 장치
WO2022119082A1 (ko) * 2020-12-04 2022-06-09 (주)아이아이에스티 인공지능 모델을 기반으로 재난을 감지하는 방법 및 이를 수행하는 전자 장치

Also Published As

Publication number Publication date
WO2014061964A1 (ko) 2014-04-24
US20150242687A1 (en) 2015-08-27
CN104737202A (zh) 2015-06-24
CN104737202B (zh) 2018-01-30
US9747501B2 (en) 2017-08-29

Similar Documents

Publication Publication Date Title
KR101245057B1 (ko) 화재 감지 방법 및 장치
KR100858140B1 (ko) 영상처리를 이용한 화재 감지 방법 및 시스템
JP4653207B2 (ja) 煙検出装置
KR101075063B1 (ko) 퍼지 규칙을 이용한 화재 불꽃 감지 방법
CN104598895A (zh) 一种基于视频图像分析的火焰检测方法与装置
JP4729610B2 (ja) 煙検出装置
KR101544765B1 (ko) 화재 감지 센서 및 카메라를 이용한 화재 감지 방법 및 장치
CN103702111B (zh) 一种检测摄像头视频偏色的方法
KR100987786B1 (ko) 연기검출을 이용한 화재감지 시스템
KR101693959B1 (ko) 시공간 블록 특징을 이용한 화재 검출 시스템 및 방법
CN109360370B (zh) 一种基于机器人烟火检测的方法
KR101224548B1 (ko) 화재 영상 감지시스템 및 그 방법
CN104506850B (zh) 一种视频遮挡判断方法和装置
JP2000295617A (ja) 圧縮ビデオ・シーケンス内のエラー・ブロック検出方法
CN109841028B (zh) 一种基于红外热像仪的热源探测方法、系统及存储介质
CN113408479A (zh) 火焰检测方法、装置、计算机设备和存储介质
KR101332772B1 (ko) 컬러 영상의 색상 및 시공간적 특성 분석을 이용한 화재검출시스템 및 그 방법
KR101371647B1 (ko) 이미지 데이터 기반의 화재 감지 장치 및 그 방법
CN103020587B (zh) 基于视频图像分析火焰的视图分析方法
KR100986834B1 (ko) 화재 감지장치 및 그 방법
KR20140048833A (ko) 화재 감지 방법 및 장치
KR101490769B1 (ko) 휘도 및 면적 변화를 이용한 화재 감지 방법 및 장치
CN105761282B (zh) 图像偏色的检测方法和装置
CN111145234A (zh) 基于双目视觉的火灾烟雾探测方法
Wu et al. Virtual line group based video vehicle detection algorithm utilizing both luminance and chrominance

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
A107 Divisional application of patent
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170313

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20171226

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190311

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20200309

Year of fee payment: 8