KR102164449B1 - Ai를 이용한 건축물 소방화재 감시 시스템 - Google Patents

Ai를 이용한 건축물 소방화재 감시 시스템 Download PDF

Info

Publication number
KR102164449B1
KR102164449B1 KR1020200071216A KR20200071216A KR102164449B1 KR 102164449 B1 KR102164449 B1 KR 102164449B1 KR 1020200071216 A KR1020200071216 A KR 1020200071216A KR 20200071216 A KR20200071216 A KR 20200071216A KR 102164449 B1 KR102164449 B1 KR 102164449B1
Authority
KR
South Korea
Prior art keywords
fire
unit
cctv
person
sensor
Prior art date
Application number
KR1020200071216A
Other languages
English (en)
Inventor
이갑진
Original Assignee
삼성유비스 주식회사
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 삼성유비스 주식회사 filed Critical 삼성유비스 주식회사
Priority to KR1020200071216A priority Critical patent/KR102164449B1/ko
Application granted granted Critical
Publication of KR102164449B1 publication Critical patent/KR102164449B1/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
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
    • G03B17/00—Details of cameras or camera bodies; Accessories therefor
    • G03B17/56—Accessories
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • G08B7/066—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources guiding along a path, e.g. evacuation path lighting strip
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
    • H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
    • H04N5/23206—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Abstract

AI를 이용한 건축물 소방화재 감시 시스템이 제공된다. AI를 이용한 건축물 소방화재 감시 시스템은, 적어도 하나의 CCTV 및 화재감시서버를 포함하는 AI를 이용한 건축물 소방화재 감시 시스템에 있어서, 적어도 하나의 CCTV는, 영상을 촬영하는 촬영부, 촬영부를 벽에 고정시키는 고정부, 촬영부와 고정부를 연결시키는 연결라인부 및 촬영부를 이동시키는 제1 연결부 및 제2 연결부를 포함하고, 제2 연결부는 고정부로부터 제1 방향으로 연장되고, 제1 연결부의 일단은 제2 연결부의 끝단으로부터 제1 방향과 교차하는 제2 방향으로 연장되고, 제1 연결부의 타단은 촬영부와 연결되며, 제1 연결부에는 제1 센서부가 배치되고, 제2 연결부에는 제2 센서부가 배치되며, 제1 센서부는, 제1 연결부의 외면을 둘러싸되 서로 이격된 제1 열감지센서 내지 제4 열감지센서와, 제1 열감지센서 내지 제4 열감지센서 사이에 각각 배치되는 제1 열전도차단막 내지 제4 열전도차단막을 포함하고, 제2 센서부는, 사람의 음성 주파수를 인식하는 음성인식센서와, GPS신호를 분석하여 위치 정보를 획득하는 GPS 센서를 포함하고, 화재감시서버는, 적어도 하나의 CCTV로부터 촬영된 영상을 전송받는 통신부와, 촬영된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단하는 화재 판단부와, 화재 판단부가 화재가 발생된 것으로 판단하면, 통신부를 통해 관리자 단말기 및 적어도 하나의 CCTV로 화재 알림을 전송하는 화재 알림부와, 화재 알림을 전송받은 관리자 단말기로부터 화재 상황 확인 정보를 수신하는 경우 대피경로를 안내하는 대피경로 안내부와, 제2 센서부를 통하여 사람이 있을 것으로 감지된 장소의 CCTV 영상을 분석하여 건축물 내 사람 유무 및 사람의 위치를 판단하는 건축물 내 사람 유무 판단부 및 건축물 내 사람 유무 및 사람의 위치를 관리자 단말기로 전송하는 사람 위치 알림부를 포함하고, 적어도 하나의 CCTV는 마이크로 컨트롤러를 더 포함하고, 제1 열감지센서 내지 제4 열감지센서는 설정된 값을 초과하는 열이 감지되는 경우, 설정된 값을 초과하는 열이 감지되는 방향으로 상기 촬영부를 이동시키기 위한 제1 제어신호를 마이크로 컨트롤러로 전송하고, 제2 센서부는 사람이 감지되는 경우, 사람이 감지되는 방향으로 촬영부를 이동시키기 위한 제2 제어신호를 마이크로 컨트롤러로 전송한다.

Description

AI를 이용한 건축물 소방화재 감시 시스템{Building firefighting monitoring system using artificial intelligence}
본 발명은 AI를 이용한 건축물 소방화재 감시 시스템에 관한 것이다.
건물 관리에서 조기 화재감지 및 대피경로 안내 시스템은 매우 중요한 부분이다. 화재 발생 시 인명피해를 최소화하기 위하여 불꽃이나 연기를 조기에 감지하는 시스템이 필요하다.
종래의 화재 감지 시스템은 열에 의한 공기 팽창으로 열을 감지하는 차동식 감지기를 사용하는 경우가 많은데, 감지기 주변의 온도가 높아진 경우에는 이미 화재가 어느 정도 확산된 이후이기 때문에 초기 화재 감지에 취약한 단점이 있다.
또한, 광전식 감지기 또는 이온화식 감지기와 같은 연기 감지기가 사용되고 있으나, 경제적인 문제점으로 인해 보편화가 어려운 상황이며, 통풍이 잘 되는 경우나 외부 공기의 확산으로 인해 연기가 감지되지 않을 수 있고 습도에 매우 민감하여 이슬 등으로 인해 오작동하는 문제점이 있다.
불꽃감지 센서의 경우, 자외선 감지 방법을 사용하기 때문에 기타 부유물에 의해서 자외선이 흡수되어 감도가 떨어질 수 있으며 용접 불빛에도 반응하는 등 오감지의 가능성이 높다는 단점이 있다.
따라서, 이러한 종래기술들의 문제점을 해결하여 오작동을 줄이면서도 조기에 화재를 탐지할 수 있는 화재감지 시스템이 요구되고 있다.
본 발명이 해결하고자 하는 과제는 CCTV 영상을 처리하여 1차로 화재를 감지하고 딥러닝 기반 인공지능을 이용하여 2차로 화재를 감지함으로써 화재를 조기에 정확하게 탐지할 수 있는 영상처리와 딥러닝 기반의 AI를 이용한 건축물 소방화재 감시 시스템을 제공하는 것을 목적으로 한다.
나아가, 열감지 센서와 위치감지 센서를 포함하는 CCTV를 통하여 보다 정밀하게 화재 발생지점 및 화재의 진행여부를 감시함과 동시에 조난자의 유무 및 조난자의 위치를 감지할 수 있는 AI를 이용한 건축물 소방화재 감시 시스템을 제공하는 것을 목적으로 한다.
본 발명의 과제들은 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 일 실시예에 따른 AI를 이용한 건축물 소방화재 감시 시스템은, 적어도 하나의 CCTV 및 화재감시서버를 포함하는 AI를 이용한 건축물 소방화재 감시 시스템에 있어서, 상기 적어도 하나의 CCTV는, 영상을 촬영하는 촬영부, 상기 촬영부를 벽에 고정시키는 고정부, 상기 촬영부와 상기 고정부를 연결시키는 연결라인부 및 상기 촬영부를 이동시키는 제1 연결부 및 제2 연결부를 포함하고, 상기 제2 연결부는 고정부로부터 제1 방향으로 연장되고, 상기 제1 연결부의 일단은 상기 제2 연결부의 끝단으로부터 상기 제1 방향과 교차하는 제2 방향으로 연장되고, 상기 제1 연결부의 타단은 상기 촬영부와 연결되며, 상기 제1 연결부에는 제1 센서부가 배치되고, 상기 제2 연결부에는 제2 센서부가 배치되며, 상기 제1 센서부는, 상기 제1 연결부의 외면을 둘러싸되 서로 이격된 제1 열감지센서 내지 제4 열감지센서와, 상기 제1 열감지센서 내지 제4 열감지센서 사이에 각각 배치되는 제1 열전도차단막 내지 제4 열전도차단막을 포함하고, 상기 제2 센서부는, 사람의 음성 주파수를 인식하는 음성인식센서와, GPS신호를 분석하여 위치 정보를 획득하는 GPS 센서를 포함하고, 상기 화재감시서버는, 상기 적어도 하나의 CCTV로부터 촬영된 영상을 전송받는 통신부와, 상기 촬영된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단하는 화재 판단부와, 상기 화재 판단부가 화재가 발생된 것으로 판단하면, 상기 통신부를 통해 관리자 단말기 및 상기 적어도 하나의 CCTV로 화재 알림을 전송하는 화재 알림부와, 상기 화재 알림을 전송받은 상기 관리자 단말기로부터 화재 상황 확인 정보를 수신하는 경우 대피경로를 안내하는 대피경로 안내부와, 상기 제2 센서부를 통하여 사람이 있을 것으로 감지된 장소의 CCTV 영상을 분석하여 건축물 내 사람 유무 및 사람의 위치를 판단하는 건축물 내 사람 유무 판단부 및 상기 건축물 내 사람 유무 및 사람의 위치를 상기 관리자 단말기로 전송하는 사람 위치 알림부를 포함하고, 상기 적어도 하나의 CCTV는 마이크로 컨트롤러를 더 포함하고, 상기 제1 열감지센서 내지 제4 열감지센서는 설정된 값을 초과하는 열이 감지되는 경우, 상기 설정된 값을 초과하는 열이 감지되는 방향으로 상기 촬영부를 이동시키기 위한 제1 제어신호를 상기 마이크로 컨트롤러로 전송하고, 상기 제2 센서부는 사람이 감지되는 경우, 상기 사람이 감지되는 방향으로 상기 촬영부를 이동시키기 위한 제2 제어신호를 상기 마이크로 컨트롤러로 전송한다.
상기 제1 열감지센서 내지 제4 열감지센서의 두께는 0.2cm 내지 0.4cm으로 이루어지고, 상기 제1 열전도차단막 내지 제4 열전도차단막의 두께는 0.5cm 내지 0.7cm으로 이루어지며, 상기 제2 센서부의 두께는 0.2cm 내지 0.4cm로 이루어지고, 상기 제1 열전도차단막 내지 제4 열전도차단막은, 글라스파이버 75 중량%, 페놀수지 17중량%, 탄산칼슘은 8중량%를 포함하여 이루어질 수 있다.
일 실시예에 따른 AI를 이용한 건축물 소방화재 감시 시스템에 의하면, 보다 정확하게 화재의 발생을 감지함과 동시에 조속한 인명구조를 할 수 있게 된다.
실시예들에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.
도 1은 일 실시예에 따른 AI를 이용한 건축물 소방화재 감시 시스템을 개략적으로 나타낸 도면이다.
도 2는 일 실시예에 따른 화재감지 서버를 개략적으로 나타낸 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
이하 첨부된 도면을 참조하여 구체적인 실시예들에 대해 설명한다.
도 1은 일 실시예에 따른 AI를 이용한 건축물 소방화재 감시 시스템을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 AI를 이용한 건축물 소방화재 감시 시스템(100)은 건축물의 공간에 설치된 적어도 하나의 CCTV(10)와, 통신망(30)과, 화재감시서버(50) 및 관리자 단말기(70)를 포함할 수 있다.
적어도 하나의 CCTV(10)는 건축물의 각 공간에 설치될 수 있다. 예를 들어, 복수의 층으로 이루어진 건축물의 경우 각 층마다 적어도 하나의 CCTV(10)가 설치될 수 있으며, 각 층의 다양한 위치에 적어도 하나의 CCTV(10)가 설치될 수도 있다. 적어도 하나의 CCTV(10)는 화재를 보다 정밀하게 감시하기 위하여 바닥면으로부터 190cm 내지 220cm 의 높이에 설치될 수 있다. 또한, 적어도 하나의 CCTV(10)는 하부 방향으로 15도 내지 20도 기울어질 수 있다.
적어도 하나의 CCTV(10)는 통신망(30)과 같은 네트워크를 통하여 화재감시서버(50)와 통신할 수 있다.
적어도 하나의 CCTV(10)는 촬영된 영상을 영상처리하여 불 또는 연기가 감지되었는지 여부를 판단할 수 있다. 이와 같은 과정은 적어도 하나의 CCTV(10)의 내부에 구비되는 영상처리부(미도시)를 통해 수행될 수 있다. 일례로서, 적어도 하나의 CCTV(10)는 실시간 이미지 프로세싱을 위한 라이브러리인 OpenCV(Open Source Computer Vision)를 활용하여 촬영된 영상을 실시간으로 분석할 수 있다.
구체적으로, 적어도 하나의 CCTV(10)는, 영상을 촬영하는 촬영부(13), 촬영부(13)를 벽에 고정시키는 고정부(15), 촬영부(13)와 고정부(15)를 연결시키는 연결라인부(17), 촬영부(13)를 이동시키는 제1 연결부(18A) 및 제2 연결부(18B)를 포함할 수 있다.
전술한 바와 같이 적어도 하나의 CCTV(10)의 높이는 고정부(15)에 의해서 결정될 수 있다.
제2 연결부(18B)의 일단은 고정부로부터 제1 방향으로 연장될 수 있으며, 제1 연결부(18A)일단은 제2 연결부(18B) 타단으로부터 제1 방향과 교차하는 제2 방향으로 연장되며 제1 연결부(18A)의 타단은 촬영부(13)에 연결될 수 있다. 또한, 제1 연결부(18A) 및 제2 연결부(18B)에 의하여 촬영부(13)는 소정의 각도로 상하/좌우로 이동할 수 있다. 몇몇 실시예에서 제1 연결부(18A) 및 제2 연결부(18B)는 원기둥 형상으로 이루어질 수 있다. 다만, 이에 한정되는 것은 아니다.
몇몇 실시예에서 제1 연결부(18A)의 외면에는 제1 센서부(19A)가 배치될 수 있다. 예를 들어, 제1 센서부(19A)는, 다수의 열감지센서와, 다수의 열감지센서 사이에 배치되는 열전도차단막(HBL)을 포함할 수 있다. 몇몇 실시예에서, 제1 센서부(19A)는 제1 연결부(18A)의 외면을 둘러싸되 서로 이격된 제1 열감지센서 내지 제4 열감지센서를 포함할 수 있고, 제1 열감지센서 내지 제4 열감지센서 사이에 각각 배치되는 제1 내지 제4 열전도차단막(HBL)을 포함할 수 있다.
이와 같이 4개의 방향으로 배치된 제1 열감지센서 내지 제4 열감지센서는 열는 설정된 값을 초과하는 열이 감지되는 방향을 정확하게 측정할 수 있으며, 이에 따라, 제1 센서부(19A)는 촬영부(13)의 방향을 설정된 값을 초과하는 열이 감지되는 방향으로 이동시키기 위한 제1 제어신호를 CCTV(10)의 마이크로 컨트롤러(미도시)에 전송할 수 있다. 또한, 제1 열감지센서 내지 제4 열감지센서 사이에 각각 배치된 제1 내지 제4 열전도차단막(HBL)에 의하여 제1 열감지센서 내지 제4 열감지센서 간의 열전도를 차단함으로써 보다 정밀하게 열이 감지되는 방향을 측정할 수 있게 된다. 몇몇 실시예에서 제1 열감지센서 내지 제4 열감지센서의 두께는 0.2cm 내지 0.4cm로 이루어질 수 있으며, 제1 내지 제4 열전도차단막(HBL)의 두께는 0.5cm 내지 0.7cm로 이루어질 수 있다.
몇몇 실시예에서 열전도차단막(HBL)은 글라스파이어, 페놀수지 및 탄산칼슘이 혼합된 조성물일 수 있다. 예를 들어, 열전도차단막(HBL)은 글라스파이버 75 중량%, 페놀수지 17중량%, 탄산칼슘은 8중량%를 포함할 수 있다.
몇몇 실시예에서 제2 연결부(18B)의 외면에는 제2 센서부(19B)가 배치될 수 있다. 예를 들어, 제2 연결부(18B)의 외면을 둘러싸는 형태로 제2 센서부(19B)가 배치될 수 있다. 제2 센서부(19B)는 건축물 내 사람의 위치를 감지하기 위한 센서로써, 아두이노 음성인식모듈 등을 내장하여 사람의 비명, 고함등 긴급한 음성 주파수를 인식하는 음성인식센서와, 건축물 내 사람의 스마트기기에서 발생하는 GPS신호를 분석하여 현재 위치 정보를 획득하는 GPS 센서를 포함할 수 있다. 이에 따라, 제2 센서부(19B)는 촬영부(13)의 방향을 사람이 감지되는 방향으로 이동시키기 위한 제2 제어신호를 CCTV(10)의 마이크로 컨트롤러(미도시)에 전송할 수 있다.
몇몇 실시예에서 제2 센서부(19B)의 두께는 0.2cm 내지 0.4cm로 이루어질 수 있다.
몇몇 실시예에서 적어도 하나의 CCTV(10)는 촬영된 영상에서 실시간 영상처리를 통해 불꽃 및 연기 중 적어도 하나가 감지된 경우, 촬영된 영상을 통신망(30)을 이용하여 화재감시서버(50)로 전송할 수 있다.
일례로서, 적어도 하나의 CCTV(10)는 촬영된 영상에서 불꽃 및 연기 중 적어도 하나가 감지되면, 일정 프레임마다 화재감시서버(50)로 실시간 이미지를 전송할 수 있다.
화재감시서버(50)는, 적어도 하나의 CCTV(10)로부터 촬영된 영상을 전송받을 수 있다. 적어도 하나의 CCTV(10)가 화재감시서버(50)로 실시간 이미지를 전송했다는 것은, 상기 실시간 이미지에서 불꽃 또는 연기가 1차로 감지되었다는 것을 의미한다. 화재감시서버(50)는, 적어도 하나의 CCTV(10)로부터 전송된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단할 수 있다.
화재감시서버(50)는, 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단한 결과 화재가 발생된 것으로 판단하면, 관리자 단말기(70)로 화재 알림을 전송할 수 있다. 화재감시서버(50)는, 화재 알림을 전송받은 상기 관리자 단말기(70)로부터 화재 상황 확인 정보를 수신하는 경우 대피경로를 안내할 수 있다. 여기에서, 화재 상황 확인 정보는 관리자가 관리자 단말기(70)를 통해 화재 알림을 수신한 후 직접 확인한 결과 화재 발생이 맞는 경우 이를 확인하여 화재감시서버(50)로 전송하는 정보일 수 있다. 화재감시서버(50)는, 화재 발생 위치 및 적어도 하나의 CCTV(10)에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내할 수 있다.
화재감시서버(50)는, 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단한 결과 화재가 발생된 것으로 판단하면, 화재 알림을 CCTV(10)의 마이크로컨트롤러로 전송할 수 있다. 화재감시서버(50)로부터 화재 알림을 전송받은 CCTV(10)의 마이크로컨트롤러는 제1 센서부(19A) 및 제2 센서부(19B)를 작동시킬 수 있으며, 제1 센서부(19A)는 화재가 발생된 방향을 감지하여 촬영부(13)를 제어함과 동시에 제2 센서부(19B)는 건축물 내 사람의 위치를 감지하여 촬영부(13)를 제어할 수 있다. 이와 같은 촬영부(13)의 제어를 통해 얻어지는 화재의 위치, 건축물 내 사람의 유무 및 위치 정보는 화재감시서버(50)로 전송되고, 화재감시서버(50)는 관리자 단말기(70)에 이를 전송할 수 있게 된다.
화재감시서버(50)는, 화재 알림을 전송받은 관리자 단말기(70)로부터 화재 오감지 정보를 수신하는 경우, 화재 판단이 잘못된 것임을 인식하여 딥러닝 기반 인공지능에 피드백할 수 있다. 여기에서, 화재 오감지 정보는 관리자가 관리자 단말기(700)를 통해 화재 알림을 수신한 후 직접 확인한 결과 화재 발생이 아닌 경우 이를 확인하여 화재감시서버(50)로 전송하는 정보일 수 있다.
화재감시서버(50)는, 화재 알림을 전송받은 관리자 단말기(70)로부터 소정 시간 이내에 화재 상황 확인정보나 화재 오감지 정보를 수신하지 못하는 경우, 자동으로 대피경로를 안내할 수 있다. 즉, 관리자가 부재중이거나 화재 알림을 확인하지 못하는 등의 사유가 발생한 경우에는, 대피경로 안내를 계속 미뤄둘 수 없으므로 딥러닝 기반의 인공지능의 재판단 결과를 신뢰하여 화재가 발생한 것으로 판단하고 대피경로를 안내할 수 있다.
통신망(30)은, 적어도 하나의 CCTV(10), 화재감시서버(50) 및 관리자 단말기(70)가 서로 통신이 가능한 통신망(Communication Network)으로서 통신 양태를 특별하게 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN; Personal Area Network), 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 통신망(30)은 공지의 월드와이드웹(WWW; World Wide Web)일 수 있으며, 적외선(IrDA; Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다. 상기 통신망(30)은 통상의 기술자에게 널리 알려져 있으므로 자세한 설명은 생략한다.
관리자 단말기(70)는, 화재감시서버(50)로부터 화재 알림을 전송받을 수 있는 단말기로서 사용자 컴퓨터 또는 모바일 단말기 등 유선 또는 무선으로 데이터 통신이 가능한 다양한 형태의 단말기 또는 전자 장비일 수 있고, 통상의 기술자에게 알려진 범위에서 다양하게 변경될 수 있다. 관리자 단말기(70)는 중앙 상황실 등에 설치된 사용자 컴퓨터일 수 있으며, 관리자가 직접 소지하는 모바일 단말기일 수도 있다. 관리자는 관리자 단말기(70)를 통해 화재 알림을 전송받을 수 있으며, 실제 화재 상황으로 판단되는 경우에는 화재 상황 확인 정보를 화재감시서버(50)로 전송할 수 있다. 관리자는 관리자 단말기(70)를 통해 화재 알림을 전송받았으나 화재가 아닌 것으로 판단되는 경우에는 화재 오감지 정보를 화재감시서버(50)로 전송할 수 있다.
도 2는 일 실시예에 따른 화재감지 서버를 개략적으로 나타낸 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 화재감시서버(50)는, 통신부(51), 화재 판단부(52) 및 화재 알림부(53), 대피경로 안내부(54), 건축물 내 사람 유무 판단부(55), 사람 위치 알림부(56) 및 데이터 베이스부(57)를 포함할 수 있다.
통신부(51)는, 건축물의 각 공간에 설치된 적어도 하나의 CCTV(10)로부터 촬영된 영상을 전송받을 수 있다. 또한, 통신부(51)는 화재 알림부(53)로부터 수신된 화재 알림을 관리자 단말기(70)로 전송할 수 있으며, 관리자 단말기(70)로부터 전송된 화재 상황 확인 정보 및 화재 오감지 정보를 화재 판단부(52) 및 대피경로 안내부(54)로 전송할 수 있다. 서버 통신부(51)는 통신망(30)을 통하여 적어도 하나의 CCTV(10) 및 관리자 단말기(70) 등과 통신할 수 있으며, 다양한 유무선 통신방법을 지원하는 통신모듈로 구현될 수 있고 통상의 기술자에게 알려진 범위에서 다양하게 변경될 수 있다.
또한, 통신부(51)는 적어도 하나의 CCTV(10)로부터 촬영된 화재의 위치, 건축물 내 사람의 유무 및 위치 정보를 전송받을 수 있다. 통신부(51)는 건축물내 사람 유무 판단부(55) 및 사람 위치 알림부(56)로부터 수신된 정보를 관리자 단말기(70)로 전송할 수 있다.
화재 판단부(52)는, 적어도 하나의 CCTV(10)로부터 불꽃 또는 연기가 1차로 감지된 실시간 영상을 전송받을 수 있고, 적어도 하나의 CCTV(10)로부터 전송된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단할 수 있다.
한편, 실시예에 따라, 화재 판단부(52)는 상기 촬영된 영상을 영상처리하여 불 또는 연기가 감지되었는지 여부를 1차로 판단하고, 상기 1차 판단 결과 불 또는 연기가 감지된 것으로 판단되면 상기 촬영된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 2차로 판단할 수 있다. 이 경우 적어도 하나의 CCTV(10)는 촬영된 영상에서 불꽃 또는 연기를 감지하기 위한 실시간 영상처리를 수행하지 않고, 화재감시서버(50)로 일정한 프레임 간격으로 촬영된 영상을 전송할 수 있다. 즉, 실시예에 따라, 촬영된 영상에서 불꽃 또는 연기를 감지하는 1차 판단을 적어도 하나의 CCTV(10)에서 수행할 수도 있고, 화재감시서버(50)의 화재 판단부(52)에서 수행할 수도 있다.
화재 판단부(52)에 의해 수행되는 딥러닝 기반 인공지능은 아래와 같은 방법으로 동작할 수 있다.
건축물 내에 설치된 적어도 하나의 CCTV(10)가 촬영하는 영상 정보는 화재감시서버(50)로 전송될 수 있고, 화재감시서버(50)는 전송받은 CCTV 영상을 데이터 베이스부(57)에 저장할 수 있다.
이와 같이, 데이터 베이스부(57)에 축적된 평상시 CCTV 영상이 표준 데이터 값이 될 수 있다. 상기 평상시 CCTV영상은 적어도 하나의 CCTV(10) 각각에 따라 분류되어 저장될 수 있다.
1차 실시간 영상처리 결과에 따라 적어도 하나의 CCTV(10)에 의해 촬영된 영상에서 불이나 연기가 감지되는 경우, 화재 판단부(52)는 사전에 학습된 데이터를 통해 딥러닝 기반 인공지능이 상기 촬영된 영상의 객체가 확실히 불이나 연기인지 한 번 더 판단할 수 있다. 일례로서, 상기 딥러닝 기반 인공지능 엔진으로는 TensorFlow가 사용될 수 있고, Inception v3 모델이 사용될 수 있다. 조기 화재감지의 목적 달성을 위해, 정답을 알고 있는 훈련데이터를 이용한 머신러닝 모델을 학습시키는 방식인 지도학습을 사용할 수 있으며, 인공지능 모델의 구조, 가중치, 파라미터, 데이터 셋 등은 다양하게 설정될 수 있다. 적어도 하나의 CCTV(10)로부터 전송된 영상은 일정 프레임마다 데이터 베이스부(57)에 저장될 수 있고, 다양한 소스코드에 의해 학습이 이루어질 수 있다.
화재 판단부(52)는, 1차적으로 불이나 연기가 감지된 것으로 판단된 CCTV 영상과 데이터 베이스부(57)에 축적된 평상시 CCTV 영상을 비교하여, 평상시 CCTV 영상과의 유사도가 크게 차이가 날 경우에는 화재인 것으로 판단할 수 있다. 일례로서, 1차적으로 불이나 연기가 감지된 것으로 판단된 CCTV 영상과 평상시 CCTV 영상의 유사도 가 90% 이상인 경우에는, 1차 판단 결과가 오작동한 것으로 판단하고 피드백을 주고 화재 알림을 발생하지 않을 수 있다. 또한, 1차적으로 불이나 연기가 감지된 것으로 판단된 CCTV 영상과 평상시 CCTV 영상의 유사도가 90%미만으로 낮은 일치율을 보일 경우에는 화재라고 판단하여 화재대피 시스템을 가동할 수 있다. 즉, 화재 판단부(52)는 소정의 유사도 기준 값을 설정할 수 있고, 1차적으로 불이나 연기가 감지된 것으로 판단된 CCTV 영상과 평상시 CCTV 영상의 유사도를 유사도 기준 값과 비교하여 1차 화재 판단 결과가 맞는지 여부를 재판단할 수 있다. 상기 소정의 유사도 기준 값은 각 건축물이나 각 구역, 각각의 CCTV(10)에 따라 다양하게 변경될 수 있다.
화재 판단부(52)는, 딥러닝 기반 인공지능을 사용하므로 적어도 하나의 CCTV(10)의 평상시 CCTV영상이 데이터 베이스부(57)에 계속 축적되어 많은 훈련 데이터가 제공되고 화재 판단이 계속 이루어질수록 화재 판단의 정확도가 상승되는 효과가 있다. 따라서, 화재 판단부(52)의 딥러닝 기반 인공지능이 많은 학습을 할수록 해당 건축물의 화재 상황에 대한 인식의 정확도 및 신뢰도가 높아지므로, 최종적으로는 별도의 관리자가 관리하지 않고 무인으로 조기 화재감지 및 대피경로 안내가 가능해질 수 있다.
한편, 실시예에 따라, 화재 판단부(52)에 의해 수행되는 딥러닝 기반 인공지능은 불꽃이나 연기 이미지를 학습하는 방법으로 동작할 수도 있다. 즉, 데이터 베이스부(57)는 다량의 불꽃 이미지 및 연기 이미지를 저장할 수 있고, 화재 판단부(52)의 딥러닝 기반 인공지능은 상기 데이터 베이스부(57)에 저장된 불꽃 이미지 및 연기 이미지를 통하여 불꽃 및 연기를 인식하는 능력을 향상시킬 수 있다. 화재 판단부(52)는, 1차적으로 불이나 연기가 감지된 것으로 판단된 CCTV 영상을 딥러닝 기반 인공지능에 따라 분석하여 해당 CCTV 영상에 불꽃이나 연기가 존재하는지 여부를 2차적으로 판단할 수 있다.
화재 알림부(53)는, 화재 판단부(52)가 화재가 발생한 것으로 최종 판단하면, 통신부(51)를 통해 관리자 단말기(70)로 화재 알림을 전송할 수 있다. 화재 알림은 문자메시지 형태나 푸쉬 메시지 등의 형태로 관리자 단말기(70)로 전송될 수 있으며, 화재 의심 구역의 위치, 화재가 감지된 CCTV의 영상 등이 함께 관리자 단말기(70)로 전송될 수 있다. 또한, 화재 알림부(53)는, 화재 판단부(52)가 화재가 발생한 것으로 최종 판단하면, 통신부(51)를 통해 CCTV(10)의 마이크로컨트롤러로 화재 알림을 전송할 수 있으며, CCTV(10)의 마이크로컨트롤러는 제1 센서부(19A) 및 제2 센서부(19B)를 작동시킬 수 있다. 제1 센서부(19A)는 화재가 발생된 방향을 감지하여 촬영부(13)를 제어함과 동시에 제2 센서부(19B)는 건축물 내 사람의 위치를 감지하여 촬영부(13)를 제어할 수 있다.
관리자 단말기(70)는 알림음 등을 통해 화재 알림 수신을 관리자에게 알릴 수 있다. 관리자가 화재 알림을 수신한 경우 관리자는 화재 상황이 맞는지 다시 한 번 눈으로 직접 화재 상황을 확인할 수 있고, 화재 상황이 맞는 경우 화재 대피경로 안내 시스템을 구동시켜 건물 내의 인원들이 최단경로를 통해 안전하게 대피할 수 있도록 할 수 있다.
대피경로 안내부(54)는, 화재 발생 위치 및 적어도 하나의 CCTV(10)에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내할 수 있다. 상기 혼잡률은 CCTV 영상을 분석하여 사람들이 어느 정도 밀집되어 있는지 여부 및 이동의 용이성에 따라 산출될 수 있다.
대피경로 안내부(54)는, 화재 알림을 전송받은 관리자 단말기(70)로부터 화재 상황 확인 정보를 수신하는 경우 상기 대피경로를 안내할 수 있다.
대피경로 안내부(54)는, 화재 알림을 전송받은 관리자 단말기(70)로부터 소정 시간 이내에 화재 상황 확인 정보나 화재 오감지 정보를 수신하지 못하는 경우, 자동으로 상기 대피경로를 안내할 수 있다. 즉, 관리자의 부재 등으로 알림을 확인하지 못할 경우, 특정 시간 후에 대피경로 안내부(54)가 자동으로 대피경로를 안내할 수 있다.
화재 판단부(52)는, 화재 알림을 전송받은 관리자 단말기(70)로부터 화재 오감지 정보를 수신하는 경우, 화재 판단부(52)에 의한 화재 판단이 잘못된 것임을 인식하여 상기 딥러닝 기반 인공지능에 피드백할 수 있다. 화재 판단부(52)의 딥러닝 기반 인공지능은 화재 오감지 정보가 수신된 CCTV 영상은 화재가 아니었던 것으로 인식하고 새롭게 학습하여 다음 화재 판단에 반영할 수 있다.
실시예에 따라, 화재 알림을 전송받은 관리자 단말기(70)로부터 응답이 없는 상태에서, 화재 의심 구역의 혼잡도가 증가하거나 화재 의심 구역에서 사람들의 이동 속도가 정상 속도보다 빠른 경우에는 화재 판단부(52)는 화재가 발생한 것으로 판단하고 대피경로 안내부(54)를 통해 대피경로를 안내할 수 있다. 즉, 화재 판단부(52)는 화재 의심 구역의 CCTV에서 촬영된 영상을 분석하여 해당 구역에 사람이 많아져서 혼잡도가 증가하거나 사람들의 이동 속도가 빨라지는 현상이 감지되면, 화재가 발생하여 급박해진 상황이라고 판단하여 대피경로를 안내할 수 있다. 즉, 본 발명의 일실시예에 따른 화재 판단부(52)는 CCTV를 통해 분석된 화재 의심 구역의 혼잡도 및 사람들의 이동 속도를 분석하여 대피경로를 안내할 수 있다.
건축물 내 사람 유무 판단부(55)는, 적어도 하나의 CCTV(10)로부터 감지된 실시간 영상을 전송받을 수 있고, 적어도 하나의 CCTV(10)로부터 전송된 영상을 딥러닝 기반 인공지능을 이용하여 건축물 내 사람 유무를 재판단할 수 있다. 예를 들어, 사람의 비명, 고함등 긴급한 음성 주파수를 인식하는 음성인식센서와, 건축물 내 사람의 스마트기기에서 발생하는 GPS신호를 분석하여 현재 위치 정보를 획득하는 GPS센서를 통하여 사람이 있을 것으로 추정되는 장소의 CCTV(10) 영상을 전송받을 수 있고, 해당 영상을 딥러닝 기반 인공지능을 이용하여 건축물 내 사람 유무를 재판단할 수 있다.
한편, 실시예에 따라, 건축물 내 사람 유무 판단부(55)는 상기 촬영된 영상을 영상처리하여 사람이 있는지 여부를 1차로 판단하고, 상기 1차 판단 결과 건축물 내 사람이 감지된 것으로 판단되면, 상기 촬영된 영상을 딥러닝 기반 인공지능을 이용하여 사람의 위치를 2차로 판단할 수 있다. 이 경우 적어도 하나의 CCTV(10)는 촬영된 영상에서 사람을 감지하기 위한 실시간 영상처리를 수행하지 않고, 화재감시서버(50)로 일정한 프레임 간격으로 촬영된 영상을 전송할 수 있다. 즉, 실시예에 따라, 촬영된 영상에서 사람을 감지하는 1차 판단을 적어도 하나의 CCTV(10)에서 수행할 수도 있고, 화재감시서버(50)의 건축물 내 사람 유무 판단부(55)에서 수행할 수도 있다.
건축물 내 사람 유무 판단부(55)에 의해 수행되는 딥러닝 기반 인공지능은 아래와 같은 방법으로 동작할 수 있다.
화재감시서버(50)로부터 화재 알림을 전송받은 CCTV(10)는 제1 센서부(19A) 및 제2 센서부(19B)를 작동시켜 화재의 위치, 건축물 내 사람의 유무를 감지하고, 촬영부(13)를 감지된 위치를 촬영할 수 있도록 제어할 수 있다. 건축물 내에 설치된 적어도 하나의 CCTV(10)가 촬영하는 영상 정보는 화재감시서버(50)로 전송될 수 있고, 화재감시서버(50)는 전송받은 CCTV 영상을 데이터 베이스부(57)에 저장할 수 있다.
이와 같이, 데이터 베이스부(57)에 축적된 평상시 CCTV 영상이 표준 데이터 값이 될 수 있다. 상기 평상시 CCTV영상은 적어도 하나의 CCTV(10) 각각에 따라 분류되어 저장될 수 있다.
실시간 영상처리 결과에 따라 적어도 하나의 CCTV(10)에 의해 촬영된 영상에서 사람으로 감지되는 경우, 화재 판단부(52)는 사전에 학습된 데이터를 통해 딥러닝 기반 인공지능이 상기 촬영된 영상의 객체가 확실히 사람인지 한 번 더 판단할 수 있다. 일례로서, 상기 딥러닝 기반 인공지능 엔진으로는 TensorFlow가 사용될 수 있고, Inception v3 모델이 사용될 수 있다. 조기 화재감지의 목적 달성을 위해, 정답을 알고 있는 훈련데이터를 이용한 머신러닝 모델을 학습시키는 방식인 지도학습을 사용할 수 있으며, 인공지능 모델의 구조, 가중치, 파라미터, 데이터 셋 등은 다양하게 설정될 수 있다. 적어도 하나의 CCTV(10)로부터 전송된 영상은 일정 프레임마다 데이터 베이스부(57)에 저장될 수 있고, 다양한 소스코드에 의해 학습이 이루어질 수 있다.
건축물 내 사람 유무 판단부(55)는, 사람으로 감지된 것으로 판단된 CCTV 영상과 데이터 베이스부(57)에 축적된 평상시 CCTV 영상을 비교하여, 평상시 CCTV 영상과의 유사도가 크게 차이가 날 경우에는 객체가 사람인 것으로 판단할 수 있다.
건축물 내 사람 유무 판단부(55)는 객체가 사람인 것으로 판단된 경우에, 사람의 위치를 산출할 수 있다. 예를 들어, 해당 영상을 전송한 CCTV (10)의 위치를 통하여 위치 정보를 산출하고, 해당 CCTV(10)의 제2 센서부(19B)를 통하여 감지된 GPS 신호등을 이용하여 보다 정밀한 사람의 위치를 산출할 수 있게 된다.
사람 위치 알림부(56)는, 건축물 내 사람 유무 판단부(55)가 사람을 감지하고 위치를 파악하면, 통신부(51)를 통해 관리자 단말기(70)로 사람의 위치을 전송할 수 있다. 사람 위치 알림은 문자메시지 형태나 푸쉬 메시지 등의 형태로 관리자 단말기(70)로 전송될 수 있으며, 사람의 위치뿐만 아니라 화재 발생 지역에 대한 CCTV의 영상 등이 함께 관리자 단말기(70)로 전송될 수 있다.
데이터 베이스부(57)는 적어도 하나의 CCTV(10)로부터 전송받은 촬영 영상 등을 저장할 수 있으며, 대피경로 안내를 위해 건축물 내의 사람들이 보유 중인 사용자 단말기에 대한 정보도 저장할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
10: CCTV
13: 촬영부
15: 고정부
17: 연결라인부
18A: 제1 연결부
18B: 제2 연결부
19A: 제1 센서부
19B: 제2 센서부
30: 통신망
50: 화재감시서버
70: 관리자단말기
100: AI를 이용한 건축물 소방화재 감시 시스템
HBL: 열전도차단막

Claims (2)

  1. 적어도 하나의 CCTV 및 화재감시서버를 포함하는 AI를 이용한 건축물 소방화재 감시 시스템에 있어서,
    상기 적어도 하나의 CCTV는, 영상을 촬영하는 촬영부, 상기 촬영부를 벽에 고정시키는 고정부, 상기 촬영부와 상기 고정부를 연결시키는 연결라인부 및 상기 촬영부를 이동시키는 제1 연결부 및 제2 연결부를 포함하고,
    상기 제2 연결부는 고정부로부터 제1 방향으로 연장되고, 상기 제1 연결부의 일단은 상기 제2 연결부의 끝단으로부터 상기 제1 방향과 교차하는 제2 방향으로 연장되고, 상기 제1 연결부의 타단은 상기 촬영부와 연결되며,
    상기 제1 연결부에는 제1 센서부가 배치되고, 상기 제2 연결부에는 제2 센서부가 배치되며,
    상기 제1 센서부는, 상기 제1 연결부의 외면을 둘러싸되 서로 이격된 제1 열감지센서 내지 제4 열감지센서와, 상기 제1 열감지센서 내지 제4 열감지센서 사이에 각각 배치되는 제1 열전도차단막 내지 제4 열전도차단막을 포함하고,
    상기 제2 센서부는, 사람의 음성 주파수를 인식하는 음성인식센서와, GPS신호를 분석하여 위치 정보를 획득하는 GPS 센서를 포함하고,
    상기 화재감시서버는,
    상기 적어도 하나의 CCTV로부터 촬영된 영상을 전송받는 통신부;
    상기 촬영된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단하는 화재 판단부;
    상기 화재 판단부가 화재가 발생된 것으로 판단하면, 상기 통신부를 통해 관리자 단말기 및 상기 적어도 하나의 CCTV로 화재 알림을 전송하는 화재 알림부;
    상기 화재 알림을 전송받은 상기 관리자 단말기로부터 화재 상황 확인 정보를 수신하는 경우 대피경로를 안내하는 대피경로 안내부;
    상기 제2 센서부를 통하여 사람이 있을 것으로 감지된 장소의 CCTV 영상을 분석하여 건축물 내 사람 유무 및 사람의 위치를 판단하는 건축물 내 사람 유무 판단부; 및
    상기 건축물 내 사람 유무 및 사람의 위치를 상기 관리자 단말기로 전송하는 사람 위치 알림부를 포함하고,
    상기 적어도 하나의 CCTV는 마이크로 컨트롤러를 더 포함하고,
    상기 제1 열감지센서 내지 제4 열감지센서는 설정된 값을 초과하는 열이 감지되는 경우, 상기 설정된 값을 초과하는 열이 감지되는 방향으로 상기 촬영부를 이동시키기 위한 제1 제어신호를 상기 마이크로 컨트롤러로 전송하고,
    상기 제2 센서부는 사람이 감지되는 경우, 상기 사람이 감지되는 방향으로 상기 촬영부를 이동시키기 위한 제2 제어신호를 상기 마이크로 컨트롤러로 전송하는 AI를 이용한 건축물 소방화재 감시 시스템.
  2. 제1 항에 있어서,
    상기 제1 열감지센서 내지 제4 열감지센서의 두께는 0.2cm 내지 0.4cm으로 이루어지고,
    상기 제1 열전도차단막 내지 제4 열전도차단막의 두께는 0.5cm 내지 0.7cm으로 이루어지며,
    상기 제2 센서부의 두께는 0.2cm 내지 0.4cm로 이루어지고,
    상기 제1 열전도차단막 내지 제4 열전도차단막은, 글라스파이버 75 중량%, 페놀수지 17중량%, 탄산칼슘은 8중량%를 포함하여 이루어진 AI를 이용한 건축물 소방화재 감시 시스템.

KR1020200071216A 2020-06-12 2020-06-12 Ai를 이용한 건축물 소방화재 감시 시스템 KR102164449B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200071216A KR102164449B1 (ko) 2020-06-12 2020-06-12 Ai를 이용한 건축물 소방화재 감시 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200071216A KR102164449B1 (ko) 2020-06-12 2020-06-12 Ai를 이용한 건축물 소방화재 감시 시스템

Publications (1)

Publication Number Publication Date
KR102164449B1 true KR102164449B1 (ko) 2020-10-12

Family

ID=72886350

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200071216A KR102164449B1 (ko) 2020-06-12 2020-06-12 Ai를 이용한 건축물 소방화재 감시 시스템

Country Status (1)

Country Link
KR (1) KR102164449B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102275989B1 (ko) 2021-01-18 2021-07-13 (주)전원테크 화재 및 화재의 예상 전개방향을 예측할 수 있는 화재예측 시스템
KR102290667B1 (ko) * 2021-04-19 2021-08-19 주식회사 진일기술단 인공지능을 이용한 건축물 소방화재 감시 시스템
KR102292982B1 (ko) * 2021-04-21 2021-08-24 주식회사 진일기술단 건물 내에 설치되는 자동화재 탐지설비용 화재감지기를 포함하는 통합제어시스템
KR102302316B1 (ko) * 2021-04-20 2021-09-15 주식회사 진일기술단 건물의 화재장소와 소방기기의 위치에 대한 영상제공시스템
KR102379814B1 (ko) * 2021-12-16 2022-03-30 주식회사 지케이이엔지 아파트 화재 발생 시의 화재 발생 경보와 대피로 정보 제공 및 소방차 연동 시스템
KR102437437B1 (ko) * 2021-12-16 2022-08-30 주식회사 지케이이엔지 아파트 화재 발생 시의 화재 발생 경보 전파 및 대피로 제공 시스템
KR102439565B1 (ko) * 2021-12-16 2022-09-05 주식회사 지케이이엔지 가정에서의 통합 화재감지 정보 전파 및 화재 소화 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160118515A (ko) * 2015-04-02 2016-10-12 (주)이공감 화재감시 시스템 및 그 동작방법
KR101725774B1 (ko) * 2016-10-31 2017-04-11 (주)성우엔지니어링 스마트 소방 대피 시스템
KR20200007185A (ko) * 2018-07-12 2020-01-22 주식회사동우유니온 불꽃, 연기 및 영상 기반의 조기 화재감지 시스템, 서버 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160118515A (ko) * 2015-04-02 2016-10-12 (주)이공감 화재감시 시스템 및 그 동작방법
KR101725774B1 (ko) * 2016-10-31 2017-04-11 (주)성우엔지니어링 스마트 소방 대피 시스템
KR20200007185A (ko) * 2018-07-12 2020-01-22 주식회사동우유니온 불꽃, 연기 및 영상 기반의 조기 화재감지 시스템, 서버 및 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102275989B1 (ko) 2021-01-18 2021-07-13 (주)전원테크 화재 및 화재의 예상 전개방향을 예측할 수 있는 화재예측 시스템
KR102290667B1 (ko) * 2021-04-19 2021-08-19 주식회사 진일기술단 인공지능을 이용한 건축물 소방화재 감시 시스템
KR102302316B1 (ko) * 2021-04-20 2021-09-15 주식회사 진일기술단 건물의 화재장소와 소방기기의 위치에 대한 영상제공시스템
KR102292982B1 (ko) * 2021-04-21 2021-08-24 주식회사 진일기술단 건물 내에 설치되는 자동화재 탐지설비용 화재감지기를 포함하는 통합제어시스템
KR102379814B1 (ko) * 2021-12-16 2022-03-30 주식회사 지케이이엔지 아파트 화재 발생 시의 화재 발생 경보와 대피로 정보 제공 및 소방차 연동 시스템
KR102437437B1 (ko) * 2021-12-16 2022-08-30 주식회사 지케이이엔지 아파트 화재 발생 시의 화재 발생 경보 전파 및 대피로 제공 시스템
KR102439565B1 (ko) * 2021-12-16 2022-09-05 주식회사 지케이이엔지 가정에서의 통합 화재감지 정보 전파 및 화재 소화 방법

Similar Documents

Publication Publication Date Title
KR102164449B1 (ko) Ai를 이용한 건축물 소방화재 감시 시스템
KR102101698B1 (ko) 불꽃, 연기 및 영상 기반의 조기 화재감지 시스템, 서버 및 방법
KR102277968B1 (ko) 영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법
KR101775463B1 (ko) 건물 내에 설치되는 자동화재 탐지설비용 화재 감지기 및 이를 포함하는 통합제어시스템
KR102358776B1 (ko) 불꽃, 연기 및 영상 기반의 조기 화재감지 시스템, 서버 및 방법
KR101475134B1 (ko) 지능형 피난 유도 방법 및 장치
RU2544737C2 (ru) Устройство для эвакуации и указатель пути эвакуации для него
KR101705753B1 (ko) 대피 경로 안내 시스템
KR100696740B1 (ko) 화재경보장치 및 화재경보시스템
KR102175419B1 (ko) 와이드 스프링클러를 이용한 건축물 소방화재 감시 시스템
KR101893040B1 (ko) 대피 경로 안내 시스템 및 방법
KR101398819B1 (ko) 무인빌딩 환경감시 통합관리시스템
KR20210051376A (ko) 빅데이터 기반의 건축물 화재 예방 대응 시스템
KR102392733B1 (ko) 재난 현장에서 요구조자에게 대피 경로를 안내하는 방법 및 시스템
KR102302316B1 (ko) 건물의 화재장소와 소방기기의 위치에 대한 영상제공시스템
KR102325565B1 (ko) 화재로부터 탈출을 위한 최적 경로 도출 방법
KR102133442B1 (ko) 화재 대피 서비스 제공 방법 및 이를 수행하는 화재 대피 시스템
JP2014241062A (ja) 処理装置、及び監視システム
KR101794962B1 (ko) 비상문 자동 개폐 관리 시스템
KR102095986B1 (ko) 화재 조기 감지 및 안전 대피 유도 시스템과 그 방법
KR102424174B1 (ko) 양방향 비콘의 위치 기반을 이용한 스마트 방향 지시 유도등을 구비하는 대피 경로 유도 제어 시스템
CN111915823A (zh) 消防系统、服务器及移动终端设备
KR102290667B1 (ko) 인공지능을 이용한 건축물 소방화재 감시 시스템
KR102292982B1 (ko) 건물 내에 설치되는 자동화재 탐지설비용 화재감지기를 포함하는 통합제어시스템
GB2623232A (en) Building security and emergency detection and advisement system

Legal Events

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