KR101855057B1 - 화재 경보 시스템 및 방법 - Google Patents

화재 경보 시스템 및 방법 Download PDF

Info

Publication number
KR101855057B1
KR101855057B1 KR1020180003822A KR20180003822A KR101855057B1 KR 101855057 B1 KR101855057 B1 KR 101855057B1 KR 1020180003822 A KR1020180003822 A KR 1020180003822A KR 20180003822 A KR20180003822 A KR 20180003822A KR 101855057 B1 KR101855057 B1 KR 101855057B1
Authority
KR
South Korea
Prior art keywords
fire
flame
block
analyzing
area
Prior art date
Application number
KR1020180003822A
Other languages
English (en)
Inventor
지구섭
고평배
최원규
장원석
Original Assignee
셔블 테크놀러지(주)
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 셔블 테크놀러지(주) filed Critical 셔블 테크놀러지(주)
Priority to KR1020180003822A priority Critical patent/KR101855057B1/ko
Application granted granted Critical
Publication of KR101855057B1 publication Critical patent/KR101855057B1/ko

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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/223—Analysis of motion using block-matching
    • 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

Abstract

본 발명은 화재 경보 시스템 및 방법에 관한 것으로, 더욱 상세하게는 영상 프레임 내의 픽셀 데이터를 블록 단위로 분할하고 이를 공간 및 시간 특성에 따라 분석함으로써 화재 발생 및 화재 영역을 정확히 감지하고 경보가 가능하도록 하는 화재 경보 시스템 및 방법에 관한 것이다. 본 발명의 실시예에 따른 화재 경보 시스템 및 방법은 이미 설치되어 있는 카메라를 통해 전달된 영상을 활용하여 화재 발생 여부를 판단할 수 있기 때문에, 추가적인 비용을 최소화하면서 효과적인 화재 감지가 가능하다. 또한, 본 발명의 화재 경보 시스템 및 방법은 감시 대상에 해당하는 영상 내에서 화재 발생 지역을 특정하여 화재 경보를 제공할 수 있기 때문에 산불 감시와 같이 넓은 지역을 대상으로 하는 화재 감시에 효과적이다.

Description

화재 경보 시스템 및 방법 {FIRE ALARM SYSTEM AND METHOD}
본 발명은 화재 경보 시스템 및 방법에 관한 것으로, 더욱 상세하게는 영상 프레임 내의 픽셀 데이터를 블록 단위로 분할하고 이를 공간 및 시간 특성에 따라 분석함으로써 화재 발생 및 화재 영역을 정확히 감지하고 경보가 가능하도록 하는 화재 경보 시스템 및 방법에 관한 것이다.
일반적으로, 화재 경보 시스템은 화재의 발생 여부를 감시하고자 하는 공간이나 지역에 온도 센서나 연기 센서와 같이 화재 발생을 감지할 수 있는 센서를 설치하고, 센서에 의해 화재의 발생이 감지되는 경우에 경보를 발생하는 동시에 유선 또는 무선 통신을 통해 화제 관리 시스템에 보고하여 관련 기관에 통지하는 방식을 사용한다. 이에 따라, 가정이나 건물 내부의 천장에는 대부분 화재 감시를 위한 센서가 부착되어 있는 상황이다.
그런데 이러한 화재 경보 시스템은 화재 발생하였을 때 발생하는 열기나 연기를 직접적으로 감지할 수 있어야 하기 때문에, 폐쇄된 건물의 내부 공간에 한정해서 활용될 수 있는 한계점을 가진다. 또한, 시간이 지남에 따라 센서의 기능이 약화되거나 노화되어 센서의 오작동이 발생하는 문제점도 가지고 있다.
이러한 문제점을 해결하기 위하여, 최근에는 CCTV(Close Circuit TeleVision)과 같은 영상 촬영 장치를 이용하여 영상을 분석함으로써 화재 발생 여부를 판단하는 방법이 관심을 모으고 있다. 예를 들어, 등록특허공보 제 10-1138212 호(영상인식 및 동작감지센서를 이용한 화재감지 시스템 및 그 방법)는 화재영역 이미지로 판별된 경우 사람이나 물체의 움직임에 반응하는 동작감지센서의 반응 여부를 추가로 검증하는 과정을 통해 화재 여부를 판단한다. 등록특허공보 제 10-1200433 호(폐쇄회로 텔레비전 카메라를 이용한 실시간 화재 감시 시스템 및 그 방법)는 CCTV 내에 화재 감시 장치를 내장하여 화재 유무를 직접 탐색한다. 그리고, 공개특허공보 제 10-2017-0100319 호(실시간 화재감지 방법)는 영상을 다운 샘플링한 후 배경을 제거하고 주성분을 기준으로 화재 여부를 판단한다.
그러나, 등록특허공보 제 10-1138212 호의 경우, 영상 감지 시스템과 동작 감시 센서를 중복 설치하기 때문에 설치 비용이 증가하고, 화재가 발생한 경우에 주변의 사람이나 동물이 움직이는 경우에 이를 식별하기 어려운 문제가 있다. 등록특허공보 제 10-1200433 호의 경우는 화재 감시 장치를 CCTV 내부에 내장하기 때문에 화재 감시를 위해서는 기존에 설치된 CCTV를 모두 교체하여야 하는 번거로움이 있다. 또한, 공개특허공보 제 10-2017-0100319 호는 다운 샘플링을 하기 때문에 화면 중 일부의 영역에서 화재가 시작되는 경우에 초기에 화재를 감지하지 못할 가능성이 있으며, 화면에서 배경과 전경을 구분하기 어려운 문제를 내재하고 있다.
이 밖에, 사람을 대신하여 무인 비행기(Unmanned Aerial Vehicles, UAV)를 이용하여 화재를 감시하는 방법이 제시되고 있기는 있지만, 원거리 감시에 따른 정확도의 문제와 경제적 비용이 많이 드는 단점이 있다.
등록특허공보 제 10-1138212 호 (2012.05.10) 등록특허공보 제 10-1200433 호 (2012.11.22) 공개특허공보 제 10-2017-0100319 호 (2017.09.04)
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 카메라를 통해 전송된 이미지 데이터를 블록 단위로 분할하고 이를 공간 및 시간 특성에 따라 분석함으로써 화재 발생을 정확히 감지하고 초기에 경보가 가능하도록 하는 화재 경보 시스템 및 방법을 제공하는데 그 목적이 있다.
상기와 같은 문제점을 해결하기 위하여, 본 발명의 화재 경보 방법은 통신 네트워크를 통하여 카메라 장치와 연결된 화재 경보 서버에서 화재 감시를 수행하는 방법에 있어서, 상기 카메라 장치로부터 이미지 데이터를 수신하는 단계와, 상기 이미지 데이터를 블록 단위로 분할하는 단계와, 상기 블록 단위의 이미지 데이터를 대상으로 화염 색상을 분석하여 화염 블록을 검출하는 단계와, 상기 화염 블록에 대한 공간 특성을 분석하여 화재 후보 영역을 검출하는 단계와, 상기 화재 후보 영역에 대한 시간 특성을 분석하여 화재 영역을 검출하는 단계를 포함할 수 있다.
상기 블록은 5 x 5 픽셀 내지 20 x 20 픽셀의 크기를 가질 수 있다.
상기 화염 블록을 검출하는 단계는 블록 단위로 움직임을 검출하는 단계와, 상기 움직임이 검출된 블록을 선별하는 단계와, 상기 선별된 블록을 대상으로 RGB 화염 색상을 분석하는 단계와, 상기 선별된 블록을 대상으로 휘도/색차 화염 색상을 분석하는 단계와, 상기 RGB 화염 색상 분석 결과와 상기 휘도/색차 화염 색상 분석 결과를 이용하여 화염 블록을 결정하는 단계를 포함할 수 있다.
상기 블록 단위로 움직임을 검출하는 단계는 상기 블록 내부의 픽셀에 대한 RGB 색상 정보를 이용하여, 상기 블록 내에서 색상이 움직이는 가중 평균값을 계산하는 단계와, 상기 가중 평균값을 이용하여 블록 단위의 움직임 검출 마스크를 생성하는 단계를 포함할 수 있다.
상기 화염 블록을 결정하는 단계는 상기 RGB 화염 색상 분석 결과와 상기 휘도/색차 화염 색상 분석 결과를 이용하여 블록 단위의 화염 색상 검출 마스크를 생성하는 단계와, 상기 화염 색상 검출 마스크를 이용하여 화염 블록을 확정하는 단계를 포함할 수 있다.
상기 화재 후보 영역을 검출하는 단계는 상기 화염 블록에서 저주파 영역과 고주파 영역을 추출하는 단계와, 상기 저주파 영역과 상기 고주파 영역에 대한 화염 질감 유사도를 분석하는 단계와, 상기 화염 질감 유사도에 따라 화재 후보 영역을 결정하는 단계와, 상기 결정된 화재 후보 영역을 저장하는 단계를 포함할 수 있다.
상기 화염 질감 유사도를 분석하는 단계는 상기 저주파 영역과 상기 고주파 영역을 대상으로 화염 질감과의 유사 여부를 나타내는 화염 질감 유사도 마스크를 생성하는 단계와, 상기 화염 질감 유사도 마스크와 상기 화염 색상 검출 마스크를 이용하여 화재 후보 영역 마스크를 생성하는 단계와, 상기 화염 색상 검출 마스크와 상기 화염 질감 유사도 마스크를 이용하여 화염 질감 유사도를 판단하는 단계를 포함할 수 있다.
상기 화재 후보 영역을 저장하는 단계는 화재 후보 영역 마스크를 순서에 따라 일정한 길이의 메모리에 저장할 수 있다.
상기 화재 영역을 검출하는 단계는 상기 화재 후보 영역에서 저주파 영역과 고주파 영역을 추출하는 단계와, 상기 저주파 영역과 고주파 영역에 대한 주파수 특성을 분석하는 단계와, 상기 주파수 특성을 이용하여 화염 발생 빈도를 계산하는 단계와, 상기 화염 발생 빈도를 이용하여 화재 영역을 결정하는 단계를 포함할 수 있다.
상기 주파수 특성을 분석하는 단계는 상기 저주파 영역과 고주파 영역에서 제로-크로싱의 개수를 기준으로 이루어질 수 있다.
상기 화염 발생 빈도를 계산하는 단계는 상기 화재 후보 영역을 복수의 구간으로 분할하고, 분할된 복수의 구간 중에서 둘 또는 그 이상의 구간에 화염 특성이 나타나는지를 판단할 수 있다.
상기 화염 발생 빈도를 계산하는 단계는 상기 주파수 특성과 블록 내 픽셀에 대한 통계치에 해당하는 화염 발생 빈도 추정값을 이용하여 시간 특성 분석 마스크를 생성할 수 있다.
상기 화재 영역을 결정하는 단계는 시간 특성 분석을 만족하는 픽셀의 비율 임계값을 기준으로 상기 시간 특성 분석 마스크를 화재 영역 블록 마스크로 변환하는 단계와, 상기 화재 영역 블록 마스크를 이용하여 화재 발생 여부를 결정하는 단계를 포함할 수 있다.
상기 화재 발생 여부를 결정하는 단계는 상기 화재 영역 블록 마스크의 각 픽셀에 대한 연결 요소를 계산하는 단계와, 상기 연결 요소의 개수가 1 이상인 픽셀을 포함하는 영역을 화재 영역으로 판단하는 단계를 포함할 수 있다.
상기 화재 경보 방법은 통신 네트워크를 통하여 적어도 하나의 화재 진압 기관 시스템에 화재 발생 및 상기 화재 영역에 대한 정보를 전송하는 단계를 더 포함할 수 있다.
또한, 본 발명의 화재 경보 서버는 통신 네트워크를 통하여 카메라 장치와 연결되어 화재 감시를 수행하기 위한 시스템에 있어서, 상기 카메라 장치로부터 이미지 데이터를 수신하는 데이터 수신 모듈과, 상기 이미지 데이터를 블록 단위로 분할하고, 상기 블록 단위의 이미지 데이터를 대상으로 화염 색상을 분석하여 화염 블록을 검출하는 화염 블록 검출 모듈과, 상기 화염 블록에 대한 공간 특성을 분석하여 화재 후보 영역을 검출하는 화재 후보 영역 검출 모듈과, 상기 화재 후보 영역에 대한 시간 특성을 분석하여 화재 영역을 검출하는 화재 영역 검출 모듈을 포함할 수 있다.
본 발명의 실시예에 따른 화재 경보 시스템 및 방법은 이미 설치되어 있는 카메라를 통해 전달된 영상을 활용하여 화재 발생 여부를 판단할 수 있기 때문에, 추가적인 비용을 최소화하면서 효과적인 화재 감지가 가능하다.
또한, 본 발명의 화재 경보 시스템 및 방법은 감시 대상에 해당하는 영상 내에서 화재 발생 지역을 특정하여 화재 경보를 제공할 수 있기 때문에 산불 감시와 같이 넓은 지역을 대상으로 하는 화재 감시에 효과적이다.
도 1은 본 발명의 실시예에 따른 화재 경보 시스템의 전체 구성도,
도 2는 본 발명의 실시예에 따른 화재 경보 방법을 설명하기 위한 흐름도,
도 3은 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 이미지 데이터를 블록 단위로 분할하는 단계의 화면 예시도,
도 4는 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 블록 단위의 화염 색상을 분석하여 화염 블록을 검출하는 단계의 세부 과정을 나타낸 흐름도,
도 5는 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 블록 단위의 화염 색상을 분석한 결과에 의해 움직임 검출 마스크가 생성된 경우를 나타낸 화면 예시도,
도 6은 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 화염 블록의 공간 특성을 분석하여 화재 후보 영역을 검출하는 단계(S400)의 세부 과정을 나타낸 흐름도,
도 7은 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 화재 후보 영역의 시간 특성을 분석하여 화재 영역을 검출하는 단계(S500)의 세부 과정을 나타낸 흐름도,
도 8은 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 화염이 존재하는 픽셀의 저주파 특성과 고주파 특성을 나타낸 예시 도면,
도 9는 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 화염이 존재하지 않는 픽셀의 저주파 특성과 고주파 특성을 나타낸 예시 도면,
도 10은 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 화재 후보 영역에 해당하는 30 프레임의 이미지 데이터를 10 프레임씩 3 구간으로 분할하는 경우의 예시 도면,
도 11은 본 발명의 실시예에 따른 화재 경보 방법을 통하여 CCTV 이미지 데이터에서 화재 영역을 검출한 화면 예시도,
도 12는 본 발명의 실시예에 따른 화재 경보 시스템에서, 화재 경보 서버의 소프트웨어 구성을 나타낸 예시도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다. 본 발명을 설명하는데 있어서, 해당 분야에 이미 공지된 기술 또는 구성에 대한 구체적인 설명을 부가하는 것이 본 발명의 요지를 불분명하게 할 수 있다고 판단되는 경우에는 상세한 설명에서 이를 일부 생략하도록 한다. 또한, 본 명세서에서 사용되는 용어들은 본 발명의 실시예들을 적절히 표현하기 위해 사용된 용어들로서, 이는 해당 분야의 관련된 사람 또는 관례 등에 따라 달라질 수 있다. 따라서, 본 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
여기서 사용되는 전문용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다. 명세서에서 사용되는 '포함하는'의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특정 특성, 영역, 정수, 단계, 동작, 요소, 성분 및/또는 군의 존재나 부가를 제외시키는 것은 아니다.
이하, 첨부한 도면을 참조하여, 본 발명의 실시예에 따른 화재 경보 시스템 및 방법에 대해 자세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 화재 경보 시스템의 전체 구성도를 나타낸 것이다. 도 1을 참조하면, 본 발명의 화재 경보 시스템은 카메라 장치(100)와 통신 네트워크(200), 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)이 상호 연동되어 구성될 수 있다.
카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)은 본 발명의 기능들을 수행하기 위하여, 임의의 수 또는 조합으로 이루어진 프로세서, 컨트롤러, 집적 회로, 프로그램 가능한 논리 회로, 또는 그 밖에 데이터베이스와 신호 처리 장치를 포함할 수 있으며, 이 밖에 하나 이상의 메모리, 송신기와 수신기, 디스플레이, 및 여러가지 장치와 통신이 가능한 통신 모듈을 포함할 수 있다. 또한, 지정된 알고리즘을 통하여 데이터 연산을 수행하고, 그 결과를 디스플레이를 통해 외부에서 인식할 수 있도록 표시하는 컴퓨터 프로그램과, 이를 사용자가 조작할 수 있도록 구현된 사용자 인터페이스 (User Interface; UI)를 포함할 수 있다.
컴퓨터 프로그램은 본 발명의 화재 경보 방법에 있어서, 각 단계들을 수행하기 위해 카메라 장치(100)와 화재 경보 서버(300), 화재 진압 기관 시스템(400)에서 실행가능한 복수의 코드 세그먼트(Code Segment)를 포함한다. 이 때, 화재 경보 방법의 각 단계는 도면에 도시된 순서에 따라 수행될 수도 있지만, 명시적으로 언급하지 않은 한 각 단계가 상이한 순서로 수행될 수 있다. 또한, 일부의 단계들은 동시에 수행될 수 있으며, 일부 단계는 선택적으로 수행될 수도 있다.
카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)는 인터넷 서비스, 전자 메일 서비스, 데이터 전송 서비스와 같은 하나 이상의 범용 컴퓨팅 자원에 액세스 가능한 전자 장치를 포함할 수 있다. 또한, 통신 네트워크(200)를 통하여 온라인 자원에 액세스하는 사용자 특유의 정보를 저장하는 사용자 데이터베이스를 포함할 수 있으며, 데이터베이스는 본 발명의 화재 경보 방법을 구현하는데 필요한 그 밖의 정보와 데이터를 저장할 수 있다.
카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)은 프로세서와 관련된 메모리를 포함하는 임의의 디바이스 또는 장비를 포함할 수 있다. 프로세서는 운영 체제를 구현할 수 있고, 명령어, 소프트웨어 코드, 실행파일(executable), 애플리케이션, 앱 등으로 알려져 있는 컴퓨터 프로그램을 실행할 수 있다. 프로세서는 마이크로 컨트롤러, FPGA(Field Programmable Gate Array), 기타, 또는 이들의 조합들을 포함할 수 있다. 메모리는 컴퓨터 프로그램을 저장하거나 보유할 수 있고, 텍스트, 데이터베이스, 그래픽, 오디오, 비디오, 이들의 조합, 및 기타 데이터를 저장할 수 있다. 메모리는 컴퓨터로 판독가능한 매체 또는 컴퓨터로 판독가능한 저장 매체라고 지칭될 수 있고, RAM(Random Access Memory), ROM(Read Only Memory), 플래시 드라이브, 플로피 디스크, 하드 디스크, 콤팩트 디스크(CDROM), DVD(Digital Video Disc) 등과 같은 광 저장 매체, 또는 이들의 조합을 포함할 수 있다. 카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)은 이러한 메모리와 함께 복수의 하드 디스크, 네트워크 접속 저장소(network attached storage), 또는 별도의 저장소 네트워크(storage network)를 포함하는 파일 저장소(file store)를 추가로 포함할 수 있다.
화재 경보 서버(300) 및 화재 진압 기관 시스템(400)은 이동 통신 디바이스(무선 디바이스를 포함함), 워크 스테이션, 데스크톱 컴퓨터, 랩톱 컴퓨터, 팜톱 컴퓨터, 태블릿 컴퓨터, PDA(portable digital assistant), 스마트폰, 스캐너, 키오스크, 프린터, 또는 이들의 조합으로 이루어질 수 있다.
카메라 장치(100)는 화재의 발생을 감시하기 위하여 실내 또는 실외에 설치된 다양한 형태의 CCTV를 포함할 수 있으며, 고정식 카메라뿐만 아니라 이동식 카메라도 무선 통신 네트워크에 연결될 수 있으면 카메라 장치(100)에 포함될 수 있다.
화재 경보 서버(300) 및 화재 진압 기관 시스템(400)은 시각적 그래픽, 영상, 텍스트 등을 디스플레이하는 음극선관, 액정 디스플레이, 플라즈마, 또는 터치 스크린과 같은 전자 디스플레이를 가질 것이다. 실시예에 따라, 본 발명의 컴퓨터 프로그램은 전자 디스플레이를 통해 디스플레이되는 GUI(Graphical User Interface)를 통해 상호작용 및 통신을 용이하게 한다. GUI는 사용자(즉, 화재 경보 서버 관리자, 화재 진압 기관 담당자 등)의 정보를 사용자 제어 인터페이스에 제공하기 위해 디스플레이 영역(display area)들을 터치하거나 가리키는 것에 의해 전자 디스플레이와 상호작용할 수 있게 한다.
또한, 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)은 디지털 영상 또는 비디오를 촬영하거나, 저장 및 전송할 수 있도록, 디지털 카메라, 비디오 카메라, 광학 스캐너 등과 같은 광학 디바이스를 포함할 수 있다.
카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)은 한 명 이상의 사용자들이 정보 및 명령들을 상호 공유할 수 있도록 사용자 제어 인터페이스를 포함할 수 있다. 사용자 제어 인터페이스는 버튼, 키보드, 스위치, 스크롤 휠, 마이크와 같은 음성 인식 요소, 및 마우스, 터치패드, 트랙볼(tracking ball), 및 스타일러스와 같은 포인팅 디바이스와 같은 하나 이상의 기능 입력들을 포함할 수 있다. 사용자 제어 인터페이스는 또한 가청 명령어들(audible instructions) 및 피드백을 제공하기 위한 스피커를 포함할 수 있다. 게다가, 사용자 제어 인터페이스는 사용자 또는 다른 전자 장치와 원격적으로 인터페이스할 수 있게 하기 위해, 통신 구성요소, 이동식 메모리, 데이터 송수신기, 또는 송신기와 같은, 유선 또는 무선 데이터 전송 요소를 포함할 수 있다.
통신 네트워크(200)는 유선 또는 무선일 수 있고, 서버, 라우터, 스위치, 무선 수신기 및 송신기 등은 물론, 전기 전도성 케이블 또는 광 케이블을 포함할 수 있다. 통신 네트워크(200)는 또한 LAN(local area network), MAN(metro area network), 또는 WAN(wide area network)은 물론, 인터넷, 또는 다른 클라우드 네트워크를 포함할 수 있다. 게다가, 통신 네트워크(200)는 셀룰러 또는 이동 전화 네트워크는 물론, 일반 전화 네트워크(landline phone network), PSTN(public switched telephone network), 광 섬유 네트워크 등을 포함할 수 있다.
카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)은 모두 통신 네트워크(200)에 연결될 수 있다. 카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)은 통신 네트워크(200)를 통해 다른 카메라 장치(100)나 화재 진압 기관 시스템(400) 등과 통신할 수 있을 것이다. 통신 네트워크(200)에의 연결은 유선이거나 무선일 수 있다. 카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)은 유선 또는 무선 연결을 설정하기 위한 적절한 구성요소들을 포함할 수 있다.
본 발명의 컴퓨터 프로그램은 화재 경보 서버(300)에서 실행되는 것이 바람직하지만, 카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)에서 그 기능이 분산되어 실행될 수도 있다. 예를 들어, 프로그램, 코드, 또는 명령어들의 제1 부분은 제1의 카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)에서 실행될 수 있는 반면, 프로그램, 코드, 또는 명령어들의 제2 부분은 제2의 카메라 장치(100)와 화재 경보 서버(300) 및 화재 진압 기관 시스템(400)에서 실행될 수 있다. 일부 실시예에서, 프로그램, 코드, 또는 명령어들의 다른 부분들은 다른 전자 장치에서 실행될 수도 있다. 예를 들어, 다수의 카메라 장치(100)를 통해 전송된 이미지 정보가 화재 경보 서버(300)의 메모리에 저장될 수 있고, 따라서 여러 지역의 주변 영상에 대한 이미지 정보가 하나 이상의 카메라 장치(100)를 통해 컴퓨터 프로그램을 사용하여 사용자 또는 관리자에 의해 원격적으로 액세스 가능하다. 본 발명의 실시예에서, 본 발명을 구현하는 정보의 일부분이 화재 경보 서버(300)에 저장될 수 있는 반면, 다른 부분의 정보는 하나 이상의 카메라 장치(100)에 저장될 수 있다. 컴퓨터 프로그램에 의해 또는 컴퓨터 프로그램을 사용하여 수행되는 것으로 본 명세서에 기술되는 다양한 동작들, 분석들, 및 계산들이 실제로는 컴퓨터 프로그램의 일부분들을 독립적으로 또는 협력하여 실행하는, 카메라 장치(100), 화재 경보 서버(300) 또는 화재 진압 기관 시스템(400)과 같은, 하나 이상의 컴퓨터들, 프로세서들, 또는 다른 디바이스들에 의해 수행될 수 있다.
이러한 구성이 이루어진 상황에서, 카메라 장치(100)는 주변의 영상을 촬영한 이미지 데이터를 통신 네트워크(200)를 통해 화재 경보 서버(300)로 전송한다. 화재 경보 서버(300)는 카메라 장치(100)로부터 전송된 이미지 데이터를 분석해서 화재 발생 여부를 판단하고, 화재가 발생한 것으로 판단되는 경우에는 통신 네트워크(200)를 통해 화재 진압 기관 시스템(400)에 화재 발생 지역에 대한 정보와 함께 화재 경보를 전달한다. 화재 진압 기관 시스템(400)은 화재 경보가 접수되는 경우에 화재 발생 지역에 소방관이나 소방차와 같이 화재 진압을 위한 인력과 장비를 투입하기 위한 조치를 취하게 된다.
이하에서는 화재 경보 서버(300)에서 카메라 장치(100)로부터 전달된 이미지 데이터를 이용하여 화재 발생 여부를 판단하는 프로세스를 구체적으로 설명하기로 한다.
도 2는 본 발명의 실시예에 따른 화재 경보 방법을 설명하기 위한 흐름도이다. 이하에서 설명하는 각 단계는 화재 경보 시스템에서 화재 경보 서버(300)가 수행하는 단계들이다.
도 2를 참조하면, 본 발명의 화재 경보 방법은, 카메라 장치(100)로부터 이미지 데이터를 수신하는 단계(S100), 이미지 데이터를 블록 단위로 분할하는 단계(S200), 블록 단위의 화염 색상을 분석하여 화염 블록을 검출하는 단계(S300), 화염 블록의 공간 특성을 분석하여 화재 후보 영역을 검출하는 단계(S400), 및 화재 후보 영역의 시간 특성을 분석하여 화재 영역을 검출하는 단계(S500)를 포함한다.
카메라 장치(100)로부터 이미지 데이터를 수신하는 단계(S100)는 통신 네트워크(200)를 통하여 유선 또는 무선으로 연결된 카메라 장치(100)로부터 촬영된 이미지 데이터 화재 경보 서버(300)가 수신하는 단계이다. 카메라 장치(100)로부터 전송되는 이미지 데이터는 실시간으로 전송되는 데이터일 수도 있고, 일시적으로 카메라 장치(100)에 저장되었다고 전송되는 데이터일 수도 있다. 이미지 데이터는 카메라 장치(100)의 해상도에 따라 다양한 픽셀(pixel)의 이미지 데이터로 이루어질 수도 있다. 예를 들어, HD(High Density)급 130만 화소를 가지는 CCTV는 1 프레임이 1280 x 1024 픽셀로 이루어질 수 있고, Full HD급 200만 화소의 CCTV는 1 프레임이 1980 x 1024 픽셀로 이루어질 수도 있다.
이미지 데이터를 블록 단위로 분할하는 단계(S200)는 전체 이미지 중에서 화염이 존재하는 영역을 추출해서, 추출된 영역을 기준으로 화재 발생 여부를 판단하기 위해서, 1 프레임을 이루는 화소를 일정한 크기의 블록으로 분할하는 단계이다. 예를 들어, 1 블록의 크기는 5 x 5 픽셀부터 20 x 20 픽셀의 범위에서 결정될 수 있다. 이미지 데이터를 블록 단위로 분할하는 것은 이미지 내의 움직임을 검출하거나 화염 색상을 분석하는 과정에서 화염 블록의 검출에 대한 오류를 줄이고, 시간 특성 또는 공간 특성을 분석하는 과정에서 데이터 처리 속도를 향상시킬 수 있는 장점이 있다.
블록 단위의 화염 색상을 분석하여 화염 블록을 검출하는 단계(S300)는 블록 단위로 분할하는 단계(S200)를 통해 분할된 블록을 대상으로 색상을 분석함으로써 화염이 존재하는 블록을 검출하는 단계이다. 화염이 존재하는 것으로 판단된 블록은 화염 블록으로 구분하여 공간 특성을 분석하는 과정을 진행한다.
화염 블록의 공간 특성을 분석하여 화재 후보 영역을 검출하는 단계(S400)는 화염이 존재하는 것으로 판단된 블록을 대상으로 화염이 움직이는 공간적 특성을 분석하여 화염 질감과 유사한 정도에 따라 화재 후보 영역을 검출하는 단계이다.
화재 후보 영역의 시간 특성을 분석하여 화재 영역을 검출하는 단계(S500)는 저주파 영역과 고주파 영역을 분리하고, 시간에 따라 화염 픽셀의 주파수 특성과 비교하여 화재 발생 여부를 최종 판단하는 단계이다.
상기 나열된 단계 중 일부의 단계는 필요에 따라 생략되거나 다른 유사한 기능을 하는 단계로 치환될 수 있다. 또한, 상기 나열된 단계는 반드시 나열된 순서에 따라 순차적으로 수행되어야 하는 것은 아니고 선후관계에 구속되는 특별한 사정이 없는 경우에는 수행되는 순서가 변경될 수 있다.
아래에서는 본 발명의 화재 경보 방법의 세부 단계를 좀 더 구체적으로 살펴보기로 한다.
도 3은 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 이미지 데이터를 블록 단위로 분할하는 단계(S200)의 화면 예시도를 나타낸 것이다.
도 3을 참조하면, 이미지 데이터를 블록 단위로 분할하는 단계(S200)는 카메라 장치로부터 이미지 데이터를 수신하는 단계(S100)를 통해 화재 경보 서버(300)에 수신된 이미지 데이터를 대상으로 한다.
카메라 장치(100)로부터 수신된 이미지 데이터의 화소는 1 프레임이 1280 x 1024 픽셀이나 1980 x 1024 픽셀, 또는 다른 규격의 픽셀로 구성될 수 있으며, 시간이 흐름에 따라 연속된 프레임이 순차적으로 수신된다. 이 때, 일정한 프레임의 길이를 기준으로 해서 화염 색상, 공간 특성 또는 시간 특성에 대한 분석을 진행하는 것이 바람직한데, 여기에서는 30 프레임을 기준으로 하는 경우를 예로 들었다.
도면에 도시된 바와 같이, 특정 카메라 장치(100)로부터 주변을 촬영한 이미지 데이터가 순차적으로 수신되는 경우, 화재 경보 서버(300)는 1 프레임부터 30 프레임까지의 이미지 데이터를 대상으로 각 프레임을 5 x 5 픽셀의 블록으로 분할할 수 있다. 이 때, 분할되는 블록의 개수는 이미지 데이터를 구성하는 화소의 크기에 따라 달라질 것이다. 여기에서는 가로 픽셀의 크기가 x, 세로 픽셀의 크기가 y인 프레임의 경우에, 가로 방향으로 (1, 1) 픽셀에서부터 (5, 1) 픽셀까지의 5개 픽셀과, 세로 방향으로 (1, 1) 픽셀에서부터 (1, 5) 픽셀까지의 5개 픽셀을 연결하는 정사각형 모양의 25개 픽셀을 하나의 블록으로 구성한 경우를 예로써 도시하였다. 이와 같이 블록을 형성하는 경우, 1번째 프레임(I1)에서 5 x 5 픽셀의 블록이 첫번째 블록(B1)에 해당하고, 30번째 프레임에서 5 x 5 픽셀의 블록이 30번째 블록(B30)에 해당하게 되며, 첫번째 블록(B1)에서부터 30번째 블록(B30)을 포함하는 30개의 블록이 분석 대상에 포함될 것이다. 각 프레임의 픽셀을 블록 단위로 분할하는 경우, 이로 인해 형성된 블록도 가로 방향 및 세로 방향의 순서에 따라 배열되며, 픽셀의 좌표를 나타내는 방법과 동일하게 특정 블록의 좌표를 나타낼 수 있다. 예를 들어, 가로 방향으로 3번째, 세로 방향으로 8번째 블록은 B(3, 8)과 같이 나타낼 수 있을 것이다.
도 4는 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 블록 단위의 화염 색상을 분석하여 화염 블록을 검출하는 단계(S300)의 세부 과정을 나타낸 흐름도이다.
도 4를 참조하면, 블록 단위의 화염 색상을 분석하여 화염 블록을 검출하는 단계(S300)는 블록 단위로 움직임을 검출하는 단계(S310), 움직임이 검출된 블록을 선별하는 단계(S320), RGB 화염 색상을 분석하는 단계(S330), 휘도/색차 화염 색상을 분석하는 단계(S340), 및 화염 블록을 결정하는 단계(S350)를 포함할 수 있다.
블록 단위로 움직임을 검출하는 단계(S310)는 블록 내부의 픽셀에 대한 RGB 색상 정보를 이용하여 블록 내에서 색상이 움직이는 가중 평균값을 계산함으로써 블록 단위의 움직임 검출 마스크 MBMt 를 생성하는 단계이다.
특정 픽셀의 RGB 색상 정보를 K = {R, G, B} 라고 하면, t번째 프레임의 이미지(It)로부터 바로 직전 t-1 프레임의 이미지 및 t - k 프레임의 이미지 데이터를 대상으로, (x, y) 좌표에 해당하는 픽셀의 RGB 색상 정보 K의 가중 평균값은 다음과 같이 계산될 수 있다.
Figure 112018003513780-pat00001
여기에서, It(x, y)K 는 t번째 프레임 내에 존재하는 픽셀 좌표 (x, y)의 RGB 색상 정보 K를 나타내고,
Figure 112018003513780-pat00002
i 는 움직임을 검출하기 위한 민감도를 결정하는 가중치 상수로서, 0 에서 1 사이의 값을 가진다. 이 때,
Figure 112018003513780-pat00003
i 의 전체 합은 1이 되도록 설정하며, 아래와 같이 검출 민감도를 5 단계로 구분하여
Figure 112018003513780-pat00004
값을 설정할 수도 있다.
1) 가장 높은 움직임 검출 민감도:
Figure 112018003513780-pat00005
,
Figure 112018003513780-pat00006
2) 높은 움직임 검출 민감도:
Figure 112018003513780-pat00007
3) 일반적인 움직임 검출 민감도:
Figure 112018003513780-pat00008
4) 낮은 움직임 검출 민감도:
Figure 112018003513780-pat00009
5) 가장 낮은 움직임 검출 민감도:
Figure 112018003513780-pat00010
,
Figure 112018003513780-pat00011
만약, 한 블록의 크기를 m x n 픽셀로 설정한 경우, t 프레임의 이미지 데이터 It 에서 블록 좌표 (p, q)에 위치하는 블록 B(p, q)에 대한 움직임 가중 평균값 At(p, q)K 는 다음과 같이 계산할 수 있다.
Figure 112018003513780-pat00012
여기에서, x0 와 y0 는 블록 B(p, q)에서 좌측 상단에 위치하는 픽셀의 좌표로서, x0=m(p-1)+1, y0=n(q-1)+1 의 값을 가지게 될 것이다.
현재의 프레임을 t 번째 프레임으로 가정하면, 현재 프레임의 이미지 데이터 It 를 구성하는 블록 B(p, q)에 대한 움직임 검출 마스크 MBMt (p, q)는 움직임 검출 임계값 ThM 을 기준으로 다음과 같이 계산할 수 있다.
Figure 112018003513780-pat00013
도 5는 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 블록 단위의 화염 색상을 분석한 결과에 의해 움직임 검출 마스크가 생성된 경우를 나타낸 화면 예시도이다.
도 5를 참조하면, 5 x 5 픽셀로 이루어지고 블록 좌표 (p, q)에 위치하는 블록 B(p, q)에 대해서 연속된 프레임, 예를 들어 30 프레임에 대해서 RGB 색상 분석을 진행하는 경우를 가정할 수 있다. 이 때, 도 5(a)와 같이 블록의 우측 하단에서 색상의 움직임이 연속된 프레임 내에서 검출되면 그 결과 블록 B(p, q)에 대한 움직임 검출 마스크 MBMt (p, q)는 도 5(b)와 같이 나타날 수 있다. 여기에서 특정 좌표의 성분이 1로 표시된 경우는 해당 좌표에서 RGB 색상에 대한 움직임이 검출되었음을 의미한다.
움직임이 검출된 블록을 선별하는 단계(S320)는 이후 색상 분석을 진행하기 위한 블록을 선별하는 단계이다. 따라서, 블록 단위로 분할된 프레임의 이미지 데이터에 대해서 블록 단위로 움직임을 검출하여 움직임이 검출되지 않은 블록은 제외하고 움직임이 검출된 블록만을 선별하여 이후의 색상 분석을 진행하게 된다. 이를 위해서는 블록 단위의 움직임 검출 마스크 MBMt (p, q) 내에 하나 이상의 좌표 성분이 1의 값을 가지는 경우에는 움직임이 검출된 블록으로 판단할 수 있다.
RGB 화염 색상을 분석하는 단계(S330)에서는 블록 단위의 움직임 검출 마스크 MBMt (p, q)에서 움직임이 검출된 블록만을 대상으로 RGB 색 공간 기반의 화염 색상 판단식 bt(x, y)F1을 계산한다. RGB 색 공간 기반의 화염 색상 판단식 bt(x, y)F1 은 특정 프레임의 이미지 데이터 It 를 구성하는 내부의 (x, y) 픽셀에 대해서, 해당 픽셀의 색상이 화염 색상에 해당하는지를 RGB 색 공간 기반으로 판단하는 것이다. RGB 색 공간 기반의 화염 색상 판단식 bt(x, y)F1 은 다음과 같이 계산할 수 있다.
Figure 112018003513780-pat00014
여기에서
Rt(x,y) 는 이미지 데이터 It의 (x, y) 픽셀에 대한 R 성분이고,
Gt(x,y) 는 이미지 데이터 It의 (x, y) 픽셀에 대한 G 성분이고,
Bt(x,y) 는 이미지 데이터 It의 (x, y) 픽셀에 대한 B 성분이이다.
이 때, 색상의 진하고 엷음을 나타내는 채도 또는 포화도 S(x, y)는 다음과 같이 계산할 수 있다.
Figure 112018003513780-pat00015
이를 이용하여, bt(x, y)F11, bt(x, y)F12, 및 bt(x, y)F13 는 각각 아래와 같이 계산할 수 있다.
Figure 112018003513780-pat00016
Figure 112018003513780-pat00017
Figure 112018003513780-pat00018
여기에서, ThF11 과 ThF12 는 화염 색상의 임계값이다.
휘도/색차 화염 색상을 분석하는 단계(S340)는 RGB 색상을 이용한 화염 색상 분석에 이어서 휘도와 색차를 이용한 화염 색상 분석을 추가로 진행하는 단계이다. 휘도/색차를 기반으로 하는 화염 색상 판단식 bt(x, y)F2 는 다음과 같이 계산할 수 있다.
Figure 112018003513780-pat00019
이 때, RGB 색상 정보는 다음의 계산을 통하여 휘도/색차 정보로 변환할 수 있으며, Yt(x, y) 는 (x, y) 픽셀의 휘도 정보이며, Cb(x, y) 는 적황색 정보, Cr(x, y) 는 녹청색 정보이다.
Figure 112018003513780-pat00020
이를 이용하여, bt(x, y)F21, bt(x, y)F22, bt(x, y)F23, bt(x, y)F24, bt(x, y)F25, 및 bt(x, y)F26을 각각 다음과 같이 계산한다.
Figure 112018003513780-pat00021
Figure 112018003513780-pat00022
Figure 112018003513780-pat00023
Figure 112018003513780-pat00024
Figure 112018003513780-pat00025
Figure 112018003513780-pat00026
여기에서, ThF2는 화염 색상의 임계값이며, β1은 Cb 성분의 보상 상수로서 0 ~ Cbt 평균값 사이의 값을 가지고, β2 는 Cr 성분의 보상 상수로서 0 ~ Crt 평균값 사이의 값을 가진다. β1 과 β2 는 화염 색상의 범위를 조절하는 역할을 한다. β1 과 β2 의 값이 모두 0일 때는 붉은 계열의 색상에 대한 화염만을 검출하고, β1 의 값이 커질수록 푸른색 계열의 색상에 대한 검출 범위가 확대되며, β2 의 값이 커질수록 붉은색 계열의 색상에 대한 검출 범위가 확대된다.
일반적으로 RGB 색 공간 기반의 화염 색상 판단식 bt(x, y)F1 은 흰색에 가까운 화염 색상을 검출하는데 효과적이며, 휘도/색차를 기반으로 하는 화염 색상 판단식 bt(x, y)F2 는 붉은 계열의 화염 색상을 검출하는데 효과적이다. 따라서, RGB 색 공간 기반의 화염 색상 판단식 bt(x, y)F1 과 휘도/색차를 기반으로 하는 화염 색상 판단식 bt(x, y)F2 의 가중 평균을 이용하면 다양한 색상의 화염을 효과적으로 검출할 수 있게 된다.
화염 블록을 결정하는 단계(S350)는 RGB 색 공간 기반의 화염 색상 판단식 bt(x, y)F1 과 휘도/색차를 기반으로 하는 화염 색상 판단식 bt(x, y)F2 를 이용하여 블록 단위의 화염 색상 검출 마스크 FBMt 를 계산함으로써 화염이 존재하는 블록을 검출하는 단계이다.
한 블록의 크기가 m x n 픽셀을 가질 때, 현재 프레임 t의 이미지 데이터 It 내부에서 (p, q)의 위치에 존재하는 블록 B(p, q) 에 대한 화염 색상 검출 마스크 FBMt (p, q)는 다음과 같이 계산할 수 있다.
Figure 112018003513780-pat00027
여기에서,
Figure 112018003513780-pat00028
는 RGB 색 공간 기반의 화염 색상 판단식 bt(x, y)F1 과 휘도/색차를 기반으로 하는 화염 색상 판단식 bt(x, y)F2 를 혼합하는 가중치 상수로서, 0 에서 1 사이의 값을 가진다.
블록 B(p, q) 에 대한 화염 색상 검출 마스크 FBMt (p, q) 에 의해 블록 내부에 화염이 존재하는 것으로 판단되면, 해당 블록을 화염 블록으로 판단하고 공간 특성 분석을 진행한다.
도 6은 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 화염 블록의 공간 특성을 분석하여 화재 후보 영역을 검출하는 단계(S400)의 세부 과정을 나타낸 흐름도이다.
도 6을 참조하면, 화염 블록의 공간 특성을 분석하여 화재 후보 영역을 검출하는 단계(S400)는 화염 블록에서 저주파 영역과 고주파 영역을 추출하는 단계(S410), 화염 질감 유사도를 분석하는 단계(S420), 화재 후보 영역을 결정하는 단계(S430), 및 화재 후보 영역을 저장하는 단계(S440)를 포함할 수 있다.
화염 블록에서 저주파 영역과 고주파 영역을 추출하는 단계(S410)는 화염이 존재하는 것으로 판단되는 블록 내의 픽셀 데이터가 화염의 질감과 유사한 정보를 나타내는지를 판단하기 위해, 블록 내의 픽셀 데이터로부터 저주파 영역과 고주파 영역을 추출하는 단계이다.
저주파 영역은 예를 들어 2차원 저주파 필터(2D low-pass filter)를 사용하여 분리하고, 고주파 영역은 2차원 고주파 필터(2D high-pass filter)를 사용하여 분리할 수 있을 것이다.
저주파 필터(LFs)와 고주파 필터(HFs)는 아래와 같이 정의할 수 있다.
Figure 112018003513780-pat00029
,
Figure 112018003513780-pat00030
화염 질감 유사도를 분석하는 단계(S420)는 저주파 필터와 고주파 필터를 통해 분리된 데이터를 이용하여, 현재 프레임 t의 이미지 데이터 It 에서 (x, y) 픽셀의 화염 질감 유사도 Ct(x, y)S를 계산하는 단계이다. 이 때, ThS는 화염 질감 유사도 임계값을 나타낸다.
Figure 112018003513780-pat00031
각 픽셀 좌표 (x, y) 에 대한 화염 질감 유사도 Ct(x, y)S 를 계산하면, 이를 이용하여 블록 단위의 화염 질감 유사도 마스크 SBMt 를 생성할 수 있다. 한 블록의 크기가 m x n 일 때 현재 프레임 t의 이미지 데이터 It 에 대한 블록 (p, q)의 화염 질감 유사도 마스크 SBMt(p, q) 는 다음과 같이 계산할 수 있다.
Figure 112018003513780-pat00032
화재 후보 영역을 결정하는 단계(S430)는 화염 블록을 검출하는 단계(S350)에서 생성된 화염 색상 검출 마스크 FBMt 와 화염 질감 유사도를 분석하는 단계(S420)에서 생성된 화염 질감 유사도 마스크 SBMt 를 이용하여 화재 후보 영역 마스크 FCMt 를 생성한다. 현재 프레임 t의 이미지 데이터 It 에 대한 블록 (p, q)의 화재 후보 영역 마스크 FCMt (p, q) 는 다음과 같이 결정된다.
Figure 112018003513780-pat00033
여기에서, ThC1 은 FBMt 블록 내 화염 색상 픽셀의 비율 임계값으로서 0 에서 1 사이의 값을 가지며, 값이 작을수록 블록의 화염 색상 검출 민감도가 증가한다. ThC2 는 SBMt 블록 내 화염 질감 유사 픽셀의 비율 임계값으로서 0 에서 1 사이의 값을 가지며, 값이 작을수록 블록의 화염 질감 검출 민감도가 증가한다. 예를 들어, ThC1 와 ThC2 는 모두 0.2의 기본값을 가질 수 있다.
화재 후보 영역 마스크 FCMt (p, q) 값이 1인 블록을 화재 후보 영역으로 판단할 수 있다.
화재 후보 영역을 저장하는 단계(S440)는 일정한 길이의 프레임을 기준으로, 이미지 데이터에 대한 블록 단위의 움직임 검출, 화염 블록 검출, 및 화재 후보 영역 검출이 순차적으로 이루어진 후에 화재 후보 영역 마스크 FCMt 를 순서에 따라 일정한 길이의 메모리에 저장하는 단계이다. 예를 들어, 30 프레임의 이미지 데이터 {I1, I2, ... , I30}를 기준으로 하는 경우 블록 단위로 생성된 화재 후보 영역 마스크 FCMt (t=1, 2, ... , 30)를 메모리에 저장한다.
저장된 후보 영역 마스크 FCMt 는 블록 단위의 시간 특성을 분석하는데 사용된다.
도 7은 본 발명의 실시예에 따른 화재 경보 방법에 있어서, 화재 후보 영역의 시간 특성을 분석하여 화재 영역을 검출하는 단계(S500)의 세부 과정을 나타낸 흐름도이다.
도 7을 참조하면, 화재 후보 영역의 시간 특성을 분석하여 화재 영역을 검출하는 단계(S500)는 화재 후보 영역에서 저주파 영역과 고주파 영역을 추출하는 단계(S510), 주파수 특성을 분석하는 단계(S520), 시간에 따른 화염 발생 빈도를 계산하는 단계(S530), 및 화재 영역을 검출하는 단계(S540)를 포함한다.
화재 후보 영역에서 저주파 영역과 고주파 영역을 추출하는 단계(S510)는 블록 단위의 화재 후보 영역을 대상으로 저주파 영역과 고주파 영역에 대해서 각각 화염 픽셀의 주파수 특성과 비교하기 위하여, 화재 후보 영역의 저주파 영역과 고주파 영역을 추출하는 단계이다. 저주파 영역과 고주파 영역은 각각 아래의 저주파 필터와 고주파 필터를 이용하여 추출할 수 있다.
Figure 112018003513780-pat00034
,
Figure 112018003513780-pat00035
주파수 특성을 분석하는 단계(S520)는 화재 후보 영역 내의 (x, y) 픽셀에 대하여 저주파 영역과 고주파 영역에 대한 주파수 특성을 각각 계산한 후, 이를 종합하여 픽셀에 대한 주파수 특성을 판단하는 단계이다.
예컨대, d(x, y, t)T 를 30 프레임의 이미지 데이터 {I1, I2, ? , I30} 에 대한 (x, y) 픽셀의 휘도 값을 나타내는 1차원 함수라고 하면, 1 ~ 30 사이의 시간 t 동안 (x, y) 픽셀에 대한 저주파 특성 ft(x, y)T1 과 고주파 특성 ft(x, y)T2 는 각각 다음과 같이 계산할 수 있다.
Figure 112018003513780-pat00036
Figure 112018003513780-pat00037
일반적으로 화염은 시간에 따라 움직임을 가지기 때문에, 도 8에 도시된 바와 같이 제로 지점을 기준으로 상하로 요동치는 형태의 주파수 특성을 나타낸다. 도 8(a)는 화염이 존재하는 픽셀의 저주파 특성 ft(x, y)T1 을 나타낸 도면이고, 도 8(b)는 고주파 특성 ft(x, y)T2 를 나타낸 도면이다.
반면에, 화염이 아닌 경우, 예를 들어 사람이 입고 있는 붉은 색의 의류, 붉은 색의 차량이나 건물과 같은 픽셀은 시간에 따른 움직임이 거의 없기 때문에, 도 9에 도시된 바와 같이 제로 지점을 기준으로 상하로 요동치지 않고 전체적으로 일정한 높이의 주파수 특성을 나타낸다. 도 9(a)는 화염이 존재하지 않는 픽셀의 저주파 특성 ft(x, y)T1 을 나타낸 도면이고, 도 9(b)는 고주파 특성 ft(x, y)T2 를 나타낸 도면이다.
화재 후보 영역 내의 (x, y) 픽셀에 대한 주파수 특성 f(x, y)T 는 저주파 영역의 주파수 특성 ft(x, y)T1 과 고주파 영역의 주파수 특성 ft(x, y)T2 을 함께 고려하여 다음과 같이 판단할 수 있다.
Figure 112018003513780-pat00038
여기에서, N(ft(x, y)T1) 과 N(ft(x, y)T2) 는 각각 저주파 영역과 고주파 영역에서 ft(x, y)T 의 제로-크로싱(zero-crossing) 개수를 나타낸다. 제로-크로싱의 개수는 제로-크로싱 지점을 기준으로 좌측 및 우측의 극대점과 극소점의 함수값이 ft(x, y)T 전체 영역 내에서 최대 함수값의 1/2 이상이 되는 제로-크로싱 지점만을 대상으로 할 수 있다. 여기에서 ThT1 은 주파수 특성 임계값을 나타내며, 검출하고자 하는 화염의 운동 특성에 따라 1 에서 30 사이의 값을 가질 수 있다. 예를 들어, 움직임이 많은 동적 화염만을 검출하고자 하는 경우에는 ThT1 을 높게 설정하고, 움직임이 적은 정적 화염까지 검출하고자 하는 경우에는 ThT1 을 낮게 설정한다.
시간에 따른 화염 발생 빈도를 계산하는 단계(S540)는 화재 후보 영역의 전체 구간을 복수의 구간으로 분할하고, 분할된 복수의 구간 중에서 둘 또는 그 이상의 구간에서 화염 특성에 해당하는 주파수가 지속적으로 나타나는 경우에만 화재로 인지할 수 있다. 즉, 특정 블록에서 화염이 발생하였으나 금방 진화된 경우 또는 라이터나 촛불과 같은 화염이 일시적으로 발생한 경우에는 화재로 판단하지 않고 일정 시간동안 지속적으로 화염이 계속되는 경우를 화재로 판단하는 것이다.
예를 들어, 도 10에서 도시된 바와 같이, 화재 후보 영역에 해당하는 30 프레임의 이미지 데이터를 10 프레임씩 3 구간으로 분할하고, 10 프레임으로 이루어진 각 구간에 사이의 관계를 고려하여 (x, y) 픽셀에 대한 통계적 화염 발생 빈도 추정값 g(x, y)T1 및 g(x, y)T2 를 다음과 같이 계산할 수 있다.
Figure 112018003513780-pat00039
Figure 112018003513780-pat00040
여기에서,
μzi 는 각 구간에서 제로-크로싱 지점 사이의 간격 평균,
σzi 는 각 구간에서 제로-크로싱 지점 사이의 간격 표준편차,
μpi 는 각 구간에서 극대점과 극소점의 함수값 평균,
σpi 는 각 구간에서 극대점과 극소점의 함수값 표준편차이다.
(x, y) 픽셀에 대한 통계적 화염 발생 빈도 판단식 g(x, y)T 는 통계적 화염 발생 빈도 추정값 g(x, y)T1 및 g(x, y)T2 를 이용하여 다음과 같이 계산할 수 있다.
Figure 112018003513780-pat00041
따라서, 한 블록의 크기가 m x n 일 때, (p, q) 좌표를 가지는 블록 (p, q)의 시간 특성 분석 마스크 TBM(p, q)는 다음과 같이 생성할 수 있다.
Figure 112018003513780-pat00042
화재 영역을 검출하는 단계(S550)는 시간 특성 분석 마스크 TBM(p, q)를 이용하여 화재 영역 블록 마스크 FRM(p, q)를 생성하고 이를 바탕으로 화재 발생 여부 및 화재 발생 영역을 결정하는 단계이다.
(p, q) 좌표에 위치하는 블록 (p, q)에 대한 화재 영역 블록 마스크 FRM(p, q) 은 블록 단위의 시간 특성 분석 마스크 TBM(p, q)을 이용하여 다음과 같이 생성할 수 있다.
Figure 112018003513780-pat00043
여기에서, ThR 은 TBM 블록 내의 시간 특성 분석을 만족하는 픽셀의 비율 임계값으로서, 0 에서 1 사이의 값을 가질 수 있으며 값이 작을수록 블록의 화염 검출 민감도가 증가하게 된다. 기본적으로 0.2의 임계값을 사용할 수 있다.
마지막으로, 화재 영역 블록 마스크 FRM 의 각 픽셀에 대하여 연결 요소(connected component) FCMi (i = 0, 1, 2, ...)를 계산한 후, 다음과 같이 FCMi 의 개수가 1 이상인 픽셀을 포함하는 영역을 화재가 발생한 영역으로 판단한다.
Figure 112018003513780-pat00044
여기에서, N({FCMi}) 는 FCMi 의 개수를 나타낸다.
화재 경보 서버(300)가 카메라 장치(100)를 통해 전송된 이미지 데이터에 대하여 하나 이상의 픽셀에 화재가 발생한 것으로 판단하는 경우에는 화재가 발생한 것으로 판단되는 픽셀로 이루어진 화재 영역을 특정하여, 화재 진압 기관 시스템(400)에 화재 경보와 함께 화재 영역에 대한 정보를 전송한다. 따라서, 화재 진압 기관 시스템(400)에서는 소방차와 소방관을 포함하는 화재 진압 장비를 화재가 발생한 지역으로 신속히 출동시킬 수 있다.
도 11은 본 발명의 실시예에 따른 화재 경보 방법을 통하여 CCTV 이미지 데이터에서 화재 영역을 검출한 화면 예시도이다.
도 11을 참조하면, 본 발명의 화재 경보 서버(300)는 통신 네트워크(200)를 통하여 카메라 장치(100)로부터 전송된 이미지 데이터를 블록 단위로 분할하고, 블록 단위의 이미지 데이터에 대한 화염 색상을 분석하여 화염 블록을 검출한 후, 화염 블록에 대한 공간 특성과 시간 특성을 분석하여 화재 영역을 검출한다. 여기에서는 전체 화면의 우측 상단에서 화재 발생이 검출되었으며, 화재가 발생한 블록의 좌표는 좌측 상단이 (470, 120)이고 우측 하단이 (479, 129)에 해당하는 10 x 10 픽셀의 화재 영역으로 판단된 경우를 나타낸다. 이와 같이, 화재 발생 및 화재 영역에 대한 정보가 추출되면 화재 진압 기관 시스템(400)에 이를 전달함으로써 화재 진압 기관은 화재 발생 지역을 특정해서 확인할 수 있으므로 신속하고 정확한 화재 진압 조치가 가능하게 된다.
도 12는 본 발명의 실시예에 따른 화재 경보 시스템에서, 화재 경보 서버의 소프트웨어 구성을 나타낸 예시도이다.
도 12를 참조하면, 본 발명의 화재 경보 서버(300)에서 응용 모듈(380)은 카메라 장치(100)로부터 전송된 이미지 데이터로부터 화염 블록을 검출하는 화염 블록 검출 모듈(381)과, 화염 블록 중에서 화재 후보 영역을 검출하는 화재 후보 영역 검출 모듈(382), 및 화재 후보 영역 중에서 화재가 발생한 것으로 판단되는 화재 영역을 검출하는 화재 영역 검출 모듈(383)을 포함할 수 있다.
이러한 응용 모듈(380)을 포함하는 소프트웨어는 다양한 OS를 시스템의 OS로서 사용할 수 있다. 이러한 OS는 API(Application Program Interface: 361)에 하이 레벨 명령어를 제공하여 각 응용 모듈(380)의 동작을 제어한다. 화재 경보 서버(300)에 설치되는 소프트웨어는 API(361)로부터 제공되는 하이 레벨 명령어에 따라 대응하는 각 응용 모듈(380)을 식별하고, 하이 레벨 명령어를 디코딩하여 해당하는 곳으로 제공하는 하이 레벨 명령어 처리부(362)를 포함한다. 응용 모듈 제어부(370)는 하이 레벨 명령어 처리부(362)로부터 제공된 명령어에 따라 응용 모듈(380)의 동작을 제어한다. 즉, 하이 레벨 명령어 처리부(362)는 API(361)를 통하여 제공된 하이 레벨 명령어에 따라 여기에 대응하는 응용 모듈(380) 이 존재하는지를 식별하고, 대응되는 응용 모듈(380)이 존재하는 경우에 해당하는 응용 모듈(380)에서 인식할 수 있는 명령어로 디코딩하여 해당하는 매핑부에 전송하거나 메시지 전송을 제어한다. 따라서, 응용 모듈 제어부(370)는 화염 블록 검출 모듈(381)과, 화재 후보 영역 검출 모듈(382) 및 화재 영역 검출 모듈(383)에 대한 매핑부(371, 373, 375)와 인터페이스부(372, 374, 376)를 각각 포함한다.
화염 블록 검출 모듈 매핑부(371)는 하이 레벨 명령어 처리부(362)로부터 카메라 장치(100)로부터 전송된 이미지 데이터 내에 화염 블록이 존재하는 경우 이를 검출하기 위한 하이 레벨의 명령어를 제공받아, 화염 블록 검출 모듈(381)에서 처리할 수 있는 디바이스 레벨로 매핑하고, 화염 블록 검출 모듈 인터페이스부(372)를 통하여 화염 블록 검출 모듈(381)로 제공한다.
화재 후보 영역 검출 모듈 매핑부(373) 및 화재 후보 영역 검출 모듈 인터페이스부(374)는 하이 레벨 명령어 처리부(362)로부터 화재 후보 영역 검출 모듈(382)을 이용하기 위한 하이 레벨 명령어를 제공받아 이를 디바이스 레벨의 명령어로 매핑시키고, 화재 후보 영역 검출 모듈 인터페이스부(374)를 통하여 화재 후보 영역 검출 모듈(382)로 제공한다.
화재 영역 검출 모듈(383)은 화재 후보 영역 중에서 화재가 발생한 것으로 판단되는 영역을 검출하는 역할을 한다. 화재 영역 검출 모듈 매핑부(375)는 하이 레벨 명령어 처리부(362)를 통하여 인가된 하이 레벨 명령어를 제공받아 화재 영역 검출 모듈(383)이 인식할 수 있는 디바이스 레벨의 명령어로 매핑시킨다. 디바이스 레벨의 명령어는 화재 영역 검출 모듈 인터페이스부(376)를 통하여 화재 영역 검출 모듈(383)로 제공된다.
이러한 기능을 수행하도록 구성된 API(361)에 대한 세부적인 멤버 함수를 좀 더 상세하게 기술하면 다음과 같다. 개방 API(Open API)는 카메라 장치(100)로부터 전송된 이미지 데이터로부터 화염 블록, 화재 후보 영역, 및 화재 영역을 검출하기 위하여 응용 모듈(380)의 세션을 개방하는데 사용된다. 폐쇄 API(Close API)는 사용된 응용 모듈에 대한 세션을 종료하는데 사용된다. 검색 API(Retrieve API)는 카메라 장치(100)에 관한 정보나 이미지 데이터에 관한 정보를 확인하기 위하여 화재 경보 서버(300)에서 호출 가능한 응용 모듈(380)을 검색하는데 사용된다. 상태 API(Status API)는 각 응용 모듈의 동작 상태를 판단하기 위해 사용된다. 초기화 API(Initialize API)는 응용 모듈의 호출할 수 있도록 초기화하는 기능을 가진다. 리스트 API(List API)는 카메라 장치(100) 및 이미지 데이터, 화재 영역 검출 이력 등에 대한 정보를 확인하는데 사용된다. 기록 API(Register API)는 카메라 장치(100)로부터 전송된 이미지 데이터의 현황 및 화재 영역 검출 이력 등에 대한 정보를 기록하는 기능을 가진다. 삭제 API(Unregister API)는 카메라 장치(100)로부터 전송된 이미지 데이터의 현황 및 화재 영역 검출 이력 등에 대한 정보 중에서 기간이 오래되었거나 불필요한 정보를 삭제하는데 사용된다. 결국, 사용되는 응용 모듈이나 메시지 전송 형태에 따라 이와 같은 개별적인 API(361)가 실행되고, 그에 따라 화재 영역 검출 및 화재 경보를 수행하기 위한 응용 모듈의 이용이 가능할 것이다.
다만, 위에서 언급한 응용 모듈 및 그 기능은 화재 경보 서버(300)에서 모두 수행될 수도 있지만, 카메라 장치(100)와 일부의 모듈과 기능을 분산하여 처리할 수도 있을 것이다.
이상, 본 발명의 화재 경보 시스템 및 방법의 실시예들에 대해 설명하였다. 본 발명은 상술한 실시예 및 첨부한 도면에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자의 관점에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명의 범위는 본 명세서의 청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.
100: 카메라 장치 200: 통신 네트워크
300: 화재 경보 서버 361: API
362: 하이레벨 명령어 처리부 370: 응용 모듈 제어부
371: 화염 블록 검출 모듈 매핑부
372: 화염 블록 검출 모듈 인터페이스부
373: 화재 후보 영역 검출 모듈 매핑부
374: 화재 후보 영역 검출 모듈 인터페이스부
375: 화재 영역 검출 모듈 매핑부
376: 화재 영역 검출 모듈 인터페이스부
380: 응용 모듈 381: 화염 블록 검출 모듈
382: 화재 후보 영역 검출 모듈
383: 화재 영역 검출 모듈 400: 화재 진압 기관 시스템

Claims (17)

  1. 통신 네트워크를 통하여 카메라 장치와 연결된 화재 경보 서버에서 화재를 경보하는 방법에 있어서,
    상기 카메라 장치로부터 이미지 데이터를 수신하는 단계;
    상기 이미지 데이터를 블록 단위로 분할하는 단계;
    상기 블록 단위의 이미지 데이터를 대상으로 화염 색상을 분석하여 화염 블록을 검출하는 단계;
    상기 화염 블록에 대한 공간 특성을 분석하여 화재 후보 영역을 검출하는 단계; 및
    상기 화재 후보 영역에 대한 시간 특성을 분석하여 화재 영역을 검출하는 단계를 포함하되,
    상기 화염 블록을 검출하는 단계는 상기 블록 내부의 픽셀에 대한 RGB 색상 정보를 이용하여, 상기 블록 내에서 색상이 움직이는 가중 평균값을 계산하고, 상기 가중 평균값을 이용하여 블록 단위의 움직임 검출 마스크를 생성함으로써, 블록 단위로 움직임을 검출하는 단계와, 상기 움직임이 검출된 블록을 선별하는 단계와, 상기 선별된 블록을 대상으로 RGB 화염 색상을 분석하는 단계와, 상기 선별된 블록을 대상으로 휘도/색차 화염 색상을 분석하는 단계와, 상기 RGB 화염 색상 분석 결과와 상기 휘도/색차 화염 색상 분석 결과를 이용하여 화염 블록을 결정하는 단계를 포함하는 화재 경보 방법.
  2. 제 1 항에 있어서,
    상기 블록은 5 x 5 픽셀 내지 20 x 20 픽셀의 크기를 가지는 화재 경보 방법.
  3. 삭제
  4. 삭제
  5. 제 1 항에 있어서,
    상기 화염 블록을 결정하는 단계는
    상기 RGB 화염 색상 분석 결과와 상기 휘도/색차 화염 색상 분석 결과를 이용하여 블록 단위의 화염 색상 검출 마스크를 생성하는 단계; 및
    상기 화염 색상 검출 마스크를 이용하여 화염 블록을 확정하는 단계를 포함하는 화재 경보 방법.
  6. 제 5 항에 있어서,
    상기 화재 후보 영역을 검출하는 단계는
    상기 화염 블록에서 저주파 영역과 고주파 영역을 추출하는 단계;
    상기 저주파 영역과 상기 고주파 영역에 대한 화염 질감 유사도를 분석하는 단계;
    상기 화염 질감 유사도에 따라 화재 후보 영역을 결정하는 단계; 및
    상기 결정된 화재 후보 영역을 저장하는 단계를 포함하는 화재 경보 방법.
  7. 제 6 항에 있어서,
    상기 화염 질감 유사도를 분석하는 단계는
    상기 저주파 영역과 상기 고주파 영역을 대상으로 화염 질감과의 유사 여부를 나타내는 화염 질감 유사도 마스크를 생성하는 단계; 및
    상기 화염 색상 검출 마스크와 상기 화염 질감 유사도 마스크를 이용하여 화염 질감 유사도를 판단하는 단계를 포함하는 화재 경보 방법.
  8. 제 7 항에 있어서,
    상기 화재 후보 영역을 저장하는 단계는
    상기 화염 색상 검출 마스크와 상기 화염 질감 유사도 마스크를 이용하여 화재 후보 영역 마스크를 생성하는 단계; 및
    상기 화재 후보 영역 마스크를 순서에 따라 일정한 길이의 메모리에 저장하는 화재 경보 방법.
  9. 통신 네트워크를 통하여 카메라 장치와 연결된 화재 경보 서버에서 화재를 경보하는 방법에 있어서,
    상기 카메라 장치로부터 이미지 데이터를 수신하는 단계;
    상기 이미지 데이터를 블록 단위로 분할하는 단계;
    상기 블록 단위의 이미지 데이터를 대상으로 화염 색상을 분석하여 화염 블록을 검출하는 단계;
    상기 화염 블록에 대한 공간 특성을 분석하여 화재 후보 영역을 검출하는 단계; 및
    상기 화재 후보 영역에 대한 시간 특성을 분석하여 화재 영역을 검출하는 단계를 포함하되,
    상기 화재 영역을 검출하는 단계는 상기 화재 후보 영역에서 저주파 영역과 고주파 영역을 추출하는 단계와, 상기 저주파 영역과 고주파 영역에 대한 주파수 특성을 분석하는 단계와, 상기 주파수 특성을 이용하여 화염 발생 빈도를 계산하는 단계와, 상기 화염 발생 빈도를 이용하여 화재 영역을 결정하는 단계를 포함하는 화재 경보 방법.
  10. 제 9 항에 있어서,
    상기 주파수 특성을 분석하는 단계는 상기 저주파 영역과 고주파 영역에서 제로-크로싱의 개수를 기준으로 판단하는 화재 경보 방법.
  11. 제 9 항에 있어서,
    상기 화염 발생 빈도를 계산하는 단계는
    상기 화재 후보 영역을 복수의 구간으로 분할하고, 분할된 복수의 구간 중에서 둘 또는 그 이상의 구간에 화염 특성이 나타나는지를 판단하는 화재 경보 방법.
  12. 제 9 항에 있어서,
    상기 화염 발생 빈도를 계산하는 단계는
    상기 주파수 특성과 블록 내 픽셀에 대한 통계치에 해당하는 화염 발생 빈도 추정값을 이용하여 시간 특성 분석 마스크를 생성하는 화재 경보 방법.
  13. 제 12 항에 있어서,
    상기 화재 영역을 결정하는 단계는
    시간 특성 분석을 만족하는 픽셀의 비율 임계값을 기준으로 상기 시간 특성 분석 마스크를 화재 영역 블록 마스크로 변환하는 단계; 및
    상기 화재 영역 블록 마스크를 이용하여 화재 발생 여부를 결정하는 단계를 포함하는 화재 경보 방법.
  14. 제 13 항에 있어서,
    상기 화재 발생 여부를 결정하는 단계는
    상기 화재 영역 블록 마스크의 각 픽셀에 대한 연결 요소를 계산하는 단계; 및
    상기 연결 요소의 개수가 1 이상인 픽셀을 포함하는 영역을 화재 영역으로 판단하는 단계를 포함하는 화재 경보 방법.
  15. 제 1 항 또는 제 9 항에 있어서,
    상기 통신 네트워크를 통하여 적어도 하나의 화재 진압 기관 시스템에 화재 발생 및 상기 화재 영역에 대한 정보를 전송하는 단계를 더 포함하는 화재 경보 방법.
  16. 통신 네트워크를 통하여 카메라 장치와 연결되어 화재 경보를 수행하기 위한 시스템에 있어서,
    상기 카메라 장치로부터 이미지 데이터를 수신하는 데이터 수신 모듈;
    상기 이미지 데이터를 블록 단위로 분할하고, 상기 블록 단위의 이미지 데이터를 대상으로 화염 색상을 분석하여 화염 블록을 검출하는 화염 블록 검출 모듈;
    상기 화염 블록에 대한 공간 특성을 분석하여 화재 후보 영역을 검출하는 화재 후보 영역 검출 모듈; 및
    상기 화재 후보 영역에 대한 시간 특성을 분석하여 화재 영역을 검출하는 화재 영역 검출 모듈을 포함하되,
    상기 화염 블록 검출 모듈은 상기 블록 내부의 픽셀에 대한 RGB 색상 정보를 이용하여, 상기 블록 내에서 색상이 움직이는 가중 평균값을 계산하고, 상기 가중 평균값을 이용하여 블록 단위의 움직임 검출 마스크를 생성함으로써, 블록 단위로 움직임을 검출하는 단계와, 상기 움직임이 검출된 블록을 선별하는 단계와, 상기 선별된 블록을 대상으로 RGB 화염 색상을 분석하는 단계와, 상기 선별된 블록을 대상으로 휘도/색차 화염 색상을 분석하는 단계와, 상기 RGB 화염 색상 분석 결과와 상기 휘도/색차 화염 색상 분석 결과를 이용하여 화염 블록을 결정하는 단계를 수행하는 화재 경보 서버.
  17. 통신 네트워크를 통하여 카메라 장치와 연결되어 화재 경보를 수행하기 위한 시스템에 있어서,
    상기 카메라 장치로부터 이미지 데이터를 수신하는 데이터 수신 모듈;
    상기 이미지 데이터를 블록 단위로 분할하고, 상기 블록 단위의 이미지 데이터를 대상으로 화염 색상을 분석하여 화염 블록을 검출하는 화염 블록 검출 모듈;
    상기 화염 블록에 대한 공간 특성을 분석하여 화재 후보 영역을 검출하는 화재 후보 영역 검출 모듈; 및
    상기 화재 후보 영역에 대한 시간 특성을 분석하여 화재 영역을 검출하는 화재 영역 검출 모듈을 포함하되,
    상기 화재 영역 검출 모듈은 상기 화재 후보 영역에서 저주파 영역과 고주파 영역을 추출하는 단계와, 상기 저주파 영역과 고주파 영역에 대한 주파수 특성을 분석하는 단계와, 상기 주파수 특성을 이용하여 화염 발생 빈도를 계산하는 단계와, 상기 화염 발생 빈도를 이용하여 화재 영역을 결정하는 단계를 수행하는 화재 경보 서버.
KR1020180003822A 2018-01-11 2018-01-11 화재 경보 시스템 및 방법 KR101855057B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180003822A KR101855057B1 (ko) 2018-01-11 2018-01-11 화재 경보 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180003822A KR101855057B1 (ko) 2018-01-11 2018-01-11 화재 경보 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101855057B1 true KR101855057B1 (ko) 2018-05-04

Family

ID=62199855

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180003822A KR101855057B1 (ko) 2018-01-11 2018-01-11 화재 경보 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101855057B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109614908A (zh) * 2018-12-04 2019-04-12 西安理工大学 一种火焰燃烧状态检测系统及检测方法
KR101975264B1 (ko) * 2018-09-05 2019-05-07 정희섭 소화제 저장소와 케이블베어로 연결된 스태커 크레인을 이용하여 복수의 적재공간들을 갖는 창고용 랙에서 발생한 화재를 진화하기 위한 화재 진화 시스템 장치 및 그 동작 방법
KR101975260B1 (ko) * 2018-09-05 2019-05-07 정희섭 스태커 크레인을 이용하여 복수의 적재공간들을 갖는 창고용 랙에서 발생한 화재를 진화하기 위한 화재 진화 시스템 장치 및 그 동작 방법
WO2020032506A1 (ko) * 2018-08-07 2020-02-13 전북대학교산학협력단 시각 감지 시스템 및 이를 이용한 시각 감지 방법
CN111898549A (zh) * 2020-07-31 2020-11-06 平安国际智慧城市科技股份有限公司 基于人工智能的火情监测方法、装置、计算机设备和介质
CN116597603A (zh) * 2023-07-19 2023-08-15 山东哲远信息科技有限公司 一种智能消防火灾报警系统及其控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004006917A (ja) * 1995-03-17 2004-01-08 Semiconductor Energy Lab Co Ltd 半導体装置
US20110058706A1 (en) * 2008-05-08 2011-03-10 Utc Fire & Secunity System and method for video detection of smoke and flame
KR20130015713A (ko) * 2011-08-04 2013-02-14 울산대학교 산학협력단 이미지 데이터 기반의 화재 감지 장치 및 그 방법
KR101309407B1 (ko) * 2012-11-20 2013-09-17 신현기 블록 단위 영상 기반의 화재감지 카메라 및 센서를 이용한 복합 화재 감지기, 화재 감지 시스템 및 그 방법
KR20130121344A (ko) * 2012-04-27 2013-11-06 공주대학교 산학협력단 컬러 영상의 색상 및 시공간적 특성 분석을 이용한 화재검출시스템 및 그 방법
KR20150109830A (ko) * 2014-03-21 2015-10-02 계명대학교 산학협력단 불꽃 오감지 영역이 제거된 화재 영역 선정 방법, 이를 이용한 물대포 발사 목표점 또는 발사 순서 선정 및 화재 진압 방법
KR20160091709A (ko) * 2015-01-26 2016-08-03 창원대학교 산학협력단 시공간 블록 특징을 이용한 화재 검출 시스템 및 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004006917A (ja) * 1995-03-17 2004-01-08 Semiconductor Energy Lab Co Ltd 半導体装置
US20110058706A1 (en) * 2008-05-08 2011-03-10 Utc Fire & Secunity System and method for video detection of smoke and flame
KR20130015713A (ko) * 2011-08-04 2013-02-14 울산대학교 산학협력단 이미지 데이터 기반의 화재 감지 장치 및 그 방법
KR20130121344A (ko) * 2012-04-27 2013-11-06 공주대학교 산학협력단 컬러 영상의 색상 및 시공간적 특성 분석을 이용한 화재검출시스템 및 그 방법
KR101309407B1 (ko) * 2012-11-20 2013-09-17 신현기 블록 단위 영상 기반의 화재감지 카메라 및 센서를 이용한 복합 화재 감지기, 화재 감지 시스템 및 그 방법
KR20150109830A (ko) * 2014-03-21 2015-10-02 계명대학교 산학협력단 불꽃 오감지 영역이 제거된 화재 영역 선정 방법, 이를 이용한 물대포 발사 목표점 또는 발사 순서 선정 및 화재 진압 방법
KR20160091709A (ko) * 2015-01-26 2016-08-03 창원대학교 산학협력단 시공간 블록 특징을 이용한 화재 검출 시스템 및 방법

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020032506A1 (ko) * 2018-08-07 2020-02-13 전북대학교산학협력단 시각 감지 시스템 및 이를 이용한 시각 감지 방법
KR20200019280A (ko) * 2018-08-07 2020-02-24 전북대학교산학협력단 시각 감지 시스템 및 이를 이용한 시각 감지 방법
KR102104548B1 (ko) * 2018-08-07 2020-04-24 전북대학교산학협력단 시각 감지 시스템 및 이를 이용한 시각 감지 방법
KR101975264B1 (ko) * 2018-09-05 2019-05-07 정희섭 소화제 저장소와 케이블베어로 연결된 스태커 크레인을 이용하여 복수의 적재공간들을 갖는 창고용 랙에서 발생한 화재를 진화하기 위한 화재 진화 시스템 장치 및 그 동작 방법
KR101975260B1 (ko) * 2018-09-05 2019-05-07 정희섭 스태커 크레인을 이용하여 복수의 적재공간들을 갖는 창고용 랙에서 발생한 화재를 진화하기 위한 화재 진화 시스템 장치 및 그 동작 방법
CN109614908A (zh) * 2018-12-04 2019-04-12 西安理工大学 一种火焰燃烧状态检测系统及检测方法
CN109614908B (zh) * 2018-12-04 2022-02-18 西安理工大学 一种火焰燃烧状态检测系统及检测方法
CN111898549A (zh) * 2020-07-31 2020-11-06 平安国际智慧城市科技股份有限公司 基于人工智能的火情监测方法、装置、计算机设备和介质
CN116597603A (zh) * 2023-07-19 2023-08-15 山东哲远信息科技有限公司 一种智能消防火灾报警系统及其控制方法
CN116597603B (zh) * 2023-07-19 2023-10-10 山东哲远信息科技有限公司 一种智能消防火灾报警系统及其控制方法

Similar Documents

Publication Publication Date Title
KR101855057B1 (ko) 화재 경보 시스템 및 방법
US11381781B2 (en) Method and system for displaying video streams
US11532156B2 (en) Methods and systems for fire detection
Marbach et al. An image processing technique for fire detection in video images
KR101846537B1 (ko) Cctv 자동선별 모니터링 시스템, cctv 자동선별 모니터링 관리서버 및 관리방법
JP4730431B2 (ja) 目標追尾装置
JP2008515286A (ja) 監視システムのための対象物特性マップ
CN104980653A (zh) 视频监控系统中的照相机参数更新的系统和方法
JP2008262533A (ja) 火炎検出方法及びその装置
EA018349B1 (ru) Способ видеоанализа
US9165192B2 (en) Apparatus and method for separating foreground from background
TWI676156B (zh) 電腦系統及其資源分配方法
CN109600578A (zh) 图像处理装置、图像处理系统、图像处理方法
JP5693147B2 (ja) 撮影妨害検知方法、妨害検知装置及び監視カメラシステム
KR101257382B1 (ko) 가상화 기술을 융합한 ｃｃｔｖ 통합관제센터 ｗｄｃ 시스템
WO2013132711A1 (ja) 物体検知装置、物体検知方法及びプログラム
Arul et al. Fire detection system using machine learning
JP7214437B2 (ja) 情報処理装置、情報処理方法及びプログラム
KR20090106133A (ko) 베이지안 네트워크를 이용한 화재 감지 장치 및 방법
Kaur Background subtraction in video surveillance
CN114519709A (zh) 一种视频检测方法、装置、设备和存储介质
KR102520581B1 (ko) 디지털 트윈 환경의 가상 카메라뷰를 이용한 섬네일 기반 공간 관리 시스템
KR101886856B1 (ko) 이종센서 탐색기의 비정형 객체추적에 대한 데이터 결합시스템 및 방법
Lee et al. Ubiquitous sensor networks and image processing based environmental monitoring system for fire safety
TWI608738B (zh) 應用於影像監視系統的伺服器及相關的監視影像顯示方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant