KR102643347B1 - 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법 - Google Patents

화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법 Download PDF

Info

Publication number
KR102643347B1
KR102643347B1 KR1020230064803A KR20230064803A KR102643347B1 KR 102643347 B1 KR102643347 B1 KR 102643347B1 KR 1020230064803 A KR1020230064803 A KR 1020230064803A KR 20230064803 A KR20230064803 A KR 20230064803A KR 102643347 B1 KR102643347 B1 KR 102643347B1
Authority
KR
South Korea
Prior art keywords
fire
smoke
cctv
image
unit frame
Prior art date
Application number
KR1020230064803A
Other languages
English (en)
Inventor
박성하
Original Assignee
주식회사 투윈스컴
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 주식회사 투윈스컴 filed Critical 주식회사 투윈스컴
Priority to KR1020230064803A priority Critical patent/KR102643347B1/ko
Application granted granted Critical
Publication of KR102643347B1 publication Critical patent/KR102643347B1/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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
    • G01J1/429—Photometry, e.g. photographic exposure meter using electric radiation detectors applied to measurement of ultraviolet light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/14—Central alarm receiver or annunciator arrangements
    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Abstract

본 발명은 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법에 관한 것으로,
적어도 하나 이상의 CCTV 카메라를 설치하여 건물이나 원하는 지역을 CCTV 영상으로 촬영하여 영상 분석 서버에 전달하도록 하고,
상기의 영상 분석 서버에서는 상기 각 CCTV 카메라로부터 CCTV 영상을 어는 CCTV 카메라에 의한 CCTV 영상인가에 따라 분류한 후 각각의 단위 프레임 이미지로 변환하도록 하고,
상기의 변환한 단위 프레임 이미지에 대해 조도 보정과 색감 보정의 전처리 과정을 수행한 단위 프레임 이미지를 이미지 비교부로 전달하도록 하고,
상기의 이미지 비교부에서는 전처리한 단위 프레임 이미지를 사전에 학습되어 있는 단위 프레임 이미지와 딥러닝 방식으로 비교하여 화재의 발생 여부를 불꽃이나 연기의 상태로 판단하도록 하고,
상기의 이미지 비교부에서 딥러닝 방식으로 비교하는 중에도 다수의 열감지 센서를 통하여 화재를 감지하거나, 적외선 화재감지 센서를 통하여 화재를 감지하거나 또는 연기감지 센서를 통하여 화재를 인식하게 되면 관리자에 통보할 수 있도록 한 것이다.

Description

화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법{The fire detection system based on Artificial intelligence and fire detection method that detect flames, smoke, and temperature}
본 발명은 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법에 관한 것으로, 상세하게는 열감지 센서에 의해 감지된 주변의 온도와 적외선 화재감지 센서를 통해 감지하는 주변의 불꽃이나, 연기감지 센서를 통해 인식하는 연기의 유무를 정확하게 인식하면서 카메라에 의한 각각의 단위 프레임 이미지를 미리 저장한 다양한 화재 상태의 이미지와 딥러닝 방식으로 비교 인식하면서 화재의 발생 여부를 정확하고 빠르게 감지하여 대처할 수 있도록 한 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법에 관한 것이다.
일반적인 화재경보시스템은 화재를 감지하기 위하여 각 구역에 구비된 화재감지기가 화재를 감지하게 되면, 이에 대한 신호를 수신한 관리사무실 등에 구비된 화재수신기에서 즉시 경보를 울리게 되나 화재가 아닌 경우에도 오동작하는 문제가 많이 발생하였다.
화재감지기 중에는 연기 감지센서, 열 감지센서, 화염 감지 센서 등이 있으나, 연기 감지센서의 경우 통풍이 잘 되는 경우나 야외 등 공기의 확산으로 인해 연기가 센서에 감지되지 않을 수 있고, 열 감지센서의 경우 감지기의 주변이 이미 온도가 높아진 경우는 화재가 어느 정도 확산 된 이후이기 때문에 감지가 너무 늦다는 단점이 있다. 또한 불꽃 감지센서는 자외선 감지방법을 사용하는 경우 연기나 기타 부유물에 의해서 자외선이 흡수되어 감도가 떨어질 수 있으며 용접 불빛에도 반응하는 등 오감지의 가능성이 높다는 단점이 있다
그리고 최근 건물 보안을 위해 건물 내에는 CCTV를 설치되어 있으며, CCTV를 활용하여 화재를 감지하는 기술이 요청되고 있다.
즉, 영상에서 연기를 검출하는 종래의 영상처리 기술은 움직임 속도, 온도, 연기 기둥, 연기의 버섯 모양의 윤곽선과 같은 연기의 특징에 기반하여 연기를 검출하였다.
이와 같은 기술은 정확도가 떨어져서 전하 결합 소자 카메라에 적용하기 어려운 문제점이 있어서 CCD 카메라에 적용할 만한 몇 가지 기술이 적용된 알고리즘이 제안되었다.
먼저, 연기의 움직임을 검출하여 연기를 검출하는 방법이 있다. 이 방법은 블록 처리 기술, 근사 미디언(approximate median) 기술, 배경 제거 기술을 이용하여 연기의 움직임을 검출하게 된다.
그러나 이 방법은 근사 미디언 기술은 느리게 움직이는 연기에 적용되기 어렵고, 배경 제거 기술 시간이 많이 소모되어 정확도가 낮고 연기 검출 속도가 느리다는 문제점이 있다.
그리고, 연기의 색상을 검출하여 연기를 검출하는 방법이 있다.
이 방법은 연기의 색상을 세분화하여 연기를 검출하게 되는데, 이러한 세분화는 투명하거나 얇은 모양의 연기에는 적합하지 않다는 문제점이 있다.
다른 방법으로, 움직임 방향 및 움직임 히스토리(history) 영상을 이용하여 연기를 분류함으로써, 연기를 검출하는 방법이 있다.
이 방법은 움직임 방향을 이용하는 경우 바람이 영향을 미치는 환경에서는 좋지 않은 성능을 보이고, 움직임 히스토리 영상을 이용하는 경우 느리거나 오락가락하는 움직임의 경우에 연기 검출 정확도가 떨어진다는 문제점이 있다.
그리하여 2020년 02월 06일저 공개특허 제10-2020-0013218호(영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법)가 제안되었으며,
이는, 건물의 각 공간에 설치된 적어도 하나의 CCTV 및 조기 화재감지 서버를 포함하는 조기 화재감지 시스템에 있어서,
상기 적어도 하나의 CCTV는 촬영된 영상을 영상처리하여 불 또는 연기가 감지되었는지 여부를 판단하고,
상기 촬영된 영상에서 불 또는 연기가 감지된 경우 상기 촬영된 영상을 상기 조기 화재감지 서버로 전송하며,
상기 조기 화재감지 서버는,
상기 적어도 하나의 CCTV로부터 상기 촬영된 영상을 전송받는 서버 통신부;
상기 촬영된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단하는 화재 판단부;
상기 화재 판단부가 화재가 발생된 것으로 판단하면, 상기 서버 통신부를 통해 관리자 단말기로 화재 알림을 전송하는 화재 알림부; 및
상기 화재 알림을 전송받은 상기 관리자 단말기로부터 화재 상황 확인 정보를 수신하는 경우 대피경로를 안내하는 대피경로 안내부를 포함하고,
상기 화재 판단부는,
상기 화재 알림을 전송받은 상기 관리자 단말기로부터 화재 오감지 정보를 수신하는 경우, 상기 화재 판단부에 의한 화재 판단이 잘못된 것임을 인식하여 상기 딥러닝 기반 인공지능에 피드백하며,
상기 대피경로 안내부는,
상기 화재 알림을 전송받은 상기 관리자 단말기로부터 소정 시간 이내에 상기 화재 상황 확인 정보나 상기 화재 오감지 정보를 수신하지 못하는 경우, 자동으로 상기 대피경로를 안내하도록 구성하였다.
그러나 상기와 같은 종래의 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법에 의하여서는 불과 연기에 의해서만 화재의 여부를 판단하게 되므로 저면의 발화물질을 통해 빠르게 번지면서 온도가 상승하여도 불과 연기의 상태가 나타나지 않으면 불이 번질 때까지 인식할 수 없게 되는 단점이 있었다.
또한 2022년 10월 06일자 공개특허 제10-2022-0135021호(영상기반 연기 감지 시스템 및 방법)가 제안되었으며,
이는, 영상기반 연기 감지 시스템이 연기를 감지하는 방법으로서,
촬영된 동영상에 대응되는 이미지 시퀀스 데이터를 동작 패턴을 나타내는 제1 이미지로 변환하는 단계,
상기 제1 이미지를 신경망 학습 모델에 적용하여, 연기 발생 여부를 감지하는 단계,
상기 연기 발생 여부에 대한 정보를 바탕으로 연기 발생 여부를 결정하는 단계를 포함하여 구성하였다.
그러나 상기와 같은 종래의 영상기반 연기 감지 시스템 및 방법에 의하여서는 연기에 의한 회재 여부를 감지하게 되므로 연기의 싱태가 흐리거나 지근 거리에서 빠르게 큰 화재로 번지게 되는 경우 연기를 감지하기 전에 불이 번지게 되는 단점이 있었다.
이에 본 발명은 상기한 바와 같은 종래의 문제점을 해소하기 위한 것으로, 열감지 센서에 의해 감지된 주변의 온도와 적외선 화재감지 센서를 통해 감지하는 주변의 불꽃이나, 연기감지 센서를 통해 인식하는 연기의 유무를 정확하게 인식하면서 카메라에 의한 각각의 단위 프레임 이미지를 미리 저장한 다양한 화재 상태의 이미지와 딥러닝 방식으로 비교 인식하면서 화재의 발생 여부를 정확하고 빠르게 감지하여 대처할 수 있도록 한 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법을 제공하는 것을 그 목적으로 한다.
그리고 본 발명은 용융 온도가 70℃ 미만인 파라핀을 작은 원통형으로 성형한 다음 외면에 도전성 물질을 고르게 접착하여 제조한 열감지 센서를 통해 주변의 온도에 따른 화재의 여부를 정확하게 감지할 수 있도록 함을 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법은 적어도 하나 이상의 CCTV 카메라를 설치하여 건물이나 원하는 지역을 CCTV 영상으로 촬영하도록 하고,
상기 다수의 CCTV 카메라에서 촬영한 CCTV 영상을 분석하여 서버에 전달하도록 하고,
상기의 영상 분석 서버에서는 상기 각 CCTV 카메라로부터 CCTV 영상을 수신하면서 어느 위치의 CCTV 카메라에 의한 CCTV 영상인가에 따라 분류하도록 하고,
상기의 영상 분석 서버의 이미지 변환부에서는 전달받은 CCTV 영상을 각각의 단위 프레임 이미지로 변환하도록 하고,
상기의 변환한 단위 프레임 이미지에 대해 조도값을 보정하는 조도 보정을 수행하도록 하고,
상기의 조도 보정을 수행한 단위 프레임 이미지에 대하여 색감을 보정하는 색감 보정을 수행하도록 하고,
상기의 조도 보정과 색감 보정의 전처리 과정을 수행한 단위 프레임 이미지를 이미지 비교부로 전달하도록 하고,
상기의 이미지 비교부에서는 전처리한 단위 프레임 이미지를 사전에 학습되어 있는 단위 프레임 이미지와 딥러닝 방식으로 비교하도록 하고,
상기의 단위 프레임 이미지의 비교 결과 연기 및/또는 불꽃으로 확인되면 화재로 판단하도록 하고,
상기의 이미지 비교부에서 딥러닝 방식으로 비교하는 중에 열감지 센서를 통해 감지되는 신호가 정상인가를 비교하도록 하여 상기 열감지 센서를 통해 감지되는 신호가 정상이 아닌 경우, 즉 단락이 발생하면 주변의 온도 변화에 의해 화재가 발생하였음을 인식하도록 하고,
적외선 화재감지 센서를 통해 주변의 불꽃 여부를 인식하도록 하여 상기 적외선 화재감지 센서를 통해 주변에 불꽃이 인식되면 화재가 발생하였음을 인식하도록 하고,
연기감지 센서를 통해 주변에 연기의 유무를 인식하도록 하여 상기 연기감지 센서를 통해 연기가 감지되면 화재가 발생하였음을 인식하도록 하고,
상기의 카메라에 의한 각각의 단위 프레임 이미지를 딥러닝 방식으로 비교하는 중에 화재의 발생을 인식하거나, 열감지 센서를 통해 화재를 감지하거나, 적외선 화재감지 센서를 통해 화재를 감지하거나 또는 연기감지 센서를 통해 화재를 인식하게 되면 관리자에 통보하도록 구성함을 특징으로 한다.
상기의 본 발명에 따른 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법에 의하여서는 적어도 하나 이상의 CCTV 카메라를 설치하여 건물이나 원하는 지역을 CCTV 영상으로 촬영하여 영상 분석 서버에 전달하도록 하고,
상기의 영상 분석 서버에서는 상기 각 CCTV 카메라로부터 CCTV 영상을 어느 CCTV 카메라에 의한 CCTV 영상인가에 따라 분류하도록 하고,
상기의 이미지 변환부에서는 상기 각 CCTV 카메라로부터 CCTV 영상을 각각의 단위 프레임 이미지로 변환하도록 하고,
상기의 변환한 단위 프레임 이미지에 대해 조도 보정과 색감 보정의 전처리 과정을 수행한 단위 프레임 이미지를 이미지 비교부로 전달하도록 하고,
상기의 이미지 비교부에서는 전처리한 단위 프레임 이미지를 사전에 학습되어 있는 단위 프레임 이미지와 딥러닝 방식으로 비교하여 화재의 발생 여부를 불꽃이나 연기의 상태로 판단하도록 하고,
상기의 이미지 비교부에서 딥러닝 방식으로 비교하는 중에 열감지 센서를 통해 감지하는 주변 온도의 변화와 적외선 화재감지 센서를 통해 감지하는 주변의 불꽃이나 연기감지 센서를 통해 인식하는 연기의 유무를 정확하게 인식하도록 하여 화재의 발생을 인식하면 관리자에 빨리 통보할 수 있도록 하는 효과가 있다.
도 1은 본 발명의 전체 구성을 도시한 개략도.
도 2는 본 발명 열감지 센서의 구성을 도시한 개략도.
도 3은 본 발명의 동작 과정을 도시한 개략도.
도 4는 본 발명의 다른 실시예에 따라 차량에 열화상 카메라를 설치한 상태를 도시한 개략도.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명하면 다음과 같다.
본 발명에 따른 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템은,
건물이나 원하는 지역에 다수 설치한 CCTV 카메라(1)(1a)(1b)...(1n)를 통해 주변을 CCTV 영상으로 촬영하도록 하고,
상기 다수의 CCTV 카메라(1)(1a)(1b)...(1n)에서 촬영한 CCTV 영상을 영상 분석 서버(2)에 전달하도록 하고,
상기 각 CCTV 카메라(1)(1a)(1b)...(1n)로부터 CCTV 영상을 수신한 영상 분석 서버(2)에서 어느 위치의 CCTV 카메라(1)(1a)(1b)...(1n)에 의한 CCTV 영상인가에 따라 분류하도록 하고,
상기의 영상 분석 서버(2)의 이미지 변환부(3)에서 상기 CCTV 영상을 각각의 단위 프레임 이미지로 변환하도록 하고,
상기의 변환한 단위 프레임 이미지에 대해 조도 보정부(4)에서 조도값을 보정하는 조도 보정을 수행하도록 하고,
상기의 조도 보정을 수행한 단위 프레임 이미지에 대하여 색감 보정부(5)에서 색감을 보정하는 색감 보정을 수행하도록 하고,
상기의 조도 보정과 색감 보정의 전처리 과정을 수행한 단위 프레임 이미지를 이미지 비교부(6)로 전달하도록 하고,
상기의 이미지 비교부(6)에서는 전처리한 단위 프레임 이미지를 사전에 학습되어 있는 데이터베이스(7)에 저장된 단위 프레임 이미지와 딥러닝 방식으로 비교하도록 하고,
상기 이미지 비교부(6)의 비교 결과 연기 및/또는 불꽃으로 확인되면 화재로 판단하도록 하고,
파라핀을 작은 원통형(11)으로 성형한 다음 외면에 도전성 물질인 구리 분말(12)을 고르게 접착하여 제조한 열감지 센서(10)(10a)(10b)...(10n)를 상기 다수의 CCTV 카메라(1)(1a)(1b)...(1n)에 설치하여 불꽃이나 연기가 감지되지 않더라도 주변의 온도가 70℃ 정도에 도달하게 되면 열감지 센서(10)(10a)(10b)...(10n)의 파라핀(11)이 녹으면서 도전성 물질인 구리 분말(12)도 흘러내려 열감지 센서(10)(10a)(10b)...(10n)의 접점이 온 상태에서 오프 상태로 되어 화재의 발생을 열로 인식하도록 하고,
적외선 화재감지 센서(20)(20a)(20b)...(20n)를 통해 주변에 불꽃의 유무를 인식하도록 하고,
연기감지 센서(30)(30a)(30b)...(30n)를 통해 주변에 연기의 유무를 인식하도록 하고,
상기의 이미지 비교부(6)에서 딥러닝 방식으로 비교한 결과 화재로 인식하거나 다수의 열감지 센서(10)(10a)(10b)...(10n)를 통하여 70℃ 정도의 온도를 인식하거나 적외선 화재감지 센서(20)(20a)(20b)...(20n)를 통하여 주변에 불꽃이 발생하였음을 인식하거나 또는 연기감지 센서(30)(30a)(30b)...(30n)를 통하여 주변에 연기가 발생하였음을 인식하게 되면 화재가 발생한 것으로 판단하여 관리자에 화재가 어느 지점에서 발생하였음을 통보할 수 있도록 구성한 것이다.
상기의 본 발명은 화염과 연기 및 온도로 화재를 감지하는 과정에 그 특징이 있는 것으로서,
건물이나 원하는 지역에 다수 설치한 CCTV 카메라(1)(1a)(1b)...(1n)를 통해 주변을 CCTV 영상으로 촬영하는 과정과,
상기 다수의 CCTV 카메라(1)(1a)(1b)...(1n)에서 촬영한 CCTV 영상을 영상 분석 서버(2)에 전달하는 과정과,
상기 각 CCTV 카메라(1)(1a)(1b)...(1n)로부터 CCTV 영상을 수신한 영상 분석 서버(2)에서 어느 위치의 CCTV 카메라(1)(1a)(1b)...(1n)에 의한 CCTV 영상인가에 따라 분류하는 과정과,
상기의 영상 분석 서버(2)로부터 CCTV 영상을 전달받은 이미지 변환부(3)에서 각각의 단위 프레임 이미지로 변환하는 과정과,
상기의 변환한 단위 프레임 이미지에 대해 조도 보정부(4)에서 조도값을 보정하는 조도 보정을 수행하는 과정과,
상기의 조도 보정을 수행한 단위 프레임 이미지에 대하여 색감 보정부(5)에서 색감을 보정하는 색감 보정을 수행하는 과정과,
상기의 조도 보정과 색감 보정의 전처리 과정을 수행한 단위 프레임 이미지를 이미지 비교부(6)로 전달하는 과정과,
상기의 이미지 비교부(6)에서는 전처리한 단위 프레임 이미지를 사전에 학습되어 있는 데이터베이스(7)에 저장된 단위 프레임 이미지와 딥러닝 방식으로 비교하는 과정과,
상기 이미지 비교부(6)의 비교 결과 연기 및/또는 불꽃으로 확인되면 화재로 판단하는 과정과,
작은 원통형(11)으로 성형한 파라핀의 외면에 도전성 물질인 구리 분말(12)을 고르게 접착하여 제조한 열감지 센서(10)(10a)(10b)...(10n)를 상기 다수의 CCTV 카메라(1)(1a)(1b)...(1n)에 설치하여 불꽃이나 연기가 감지되지 않더라도 주변의 온도가 70℃ 정도에 도달하게 되면 열감지 센서(10)(10a)(10b)...(10n)의 파라핀(11)이 녹으면서 도전성 물질인 구리 분말(12)도 흘러내려 열감지 센서(10)(10a)(10b)...(10n)의 접점이 온 상태에서 오프 상태로 되어 화재의 발생을 열로 인식하는 과정과,
적외선 화재감지 센서(20)(20a)(20b)...(20n)를 통해 주변에 불꽃의 유무를 인식하는 과정과,
연기감지 센서(30)(30a)(30b)...(30n)를 통해 주변에 연기의 유무를 인식하는 과정과,
상기의 이미지 비교부(6)에서 딥러닝 방식으로 비교한 결과 화재로 인식하거나 다수의 열감지 센서(10)(10a)(10b)...(10n)를 통하여 70℃ 정도의 온도를 인식하거나 적외선 화재감지 센서(20)(20a)(20b)...(20n)를 통하여 주변의 불꽃을 인식하거나 연기감지 센서(30)(30a)(30b)...(30n)를 통하여 주변의 연기가 발생하였음을 인식하게 되면 화재가 발생하였음을 판단하여 관리자에게 화재의 발생을 통보하는 과정으로 구성한 것이다.
상기의 딥러닝 빙식이란, 컴퓨터가 인간처럼 판단하고 학습할 수 있도록 하고, 이를 통해 사물이나 데이터를 군집화하거나 분류하는데 사용하는 기술을 뜻하는 것으로서, 화재감지의 경우에는 화재로 판단될 수 있는 불꽃이나 연기의 상태를 실제 또는 가상의 이미지를 방대한 양의 데이터를 많이 저장한 상태에서 현재의 상태와 비교하여 화재로 인식할 것인가를 판단하도록 한 것으로서 학습 자료의 양이 많을수록, 학습의 단계가 세분화될수록 화재감지의 성능이 좋아지게 된다.
상기와 같이 구성한 본 발명의 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법은,
건물이나 원하는 지역에 모든 구역을 감시할 수 있도록 다수 설치한 CCTV 카메라(1)(1a)(1b)...(1n)를 통해 주변을 CCTV 영상으로 실시간 촬영하도록 한다.
상기 다수의 CCTV 카메라(1)(1a)(1b)...(1n)에 의해 촬영된 촬상은 내부의 영상 변환 장치를 통해 CCTV 영상으로 변환되어 영상 분석 서버(2)에 전달하도록 한다.
상기 각 CCTV 카메라(1)(1a)(1b)...(1n)로부터 CCTV 영상을 수신한 영상 분석 서버(2)에서는 해당 CCTV 영상이 어느 위치의 CCTV 카메라(1)(1a)(1b)...(1n)에 의한 CCTV 영상인가에 따라 분류하여 미리 정해진 태그를 부여하도록 한다.
상기의 영상 분석 서버(2)로부터 태그를 부여한 CCTV 영상을 전달받은 이미지 변환부(3)에서는 CCTV 영상을 각각의 단위 프레임 이미지로 변환하도록 한다.
상기의 변환한 단위 프레임 이미지에 대해 조도 보정부(4)에서 조도값을 보정하는 조도 보정을 수행하도록 한다.
상기의 조도 보정을 수행한 단위 프레임 이미지에 대하여 색감 보정부(5)에서 색감을 보정하는 색감 보정을 수행하도록 한다.
상기의 조도 보정과 색감 보정의 전처리 과정을 수행한 단위 프레임 이미지를 이미지 비교부(6)로 전달하도록 한다.
상기의 이미지 비교부(6)에서는 전처리 과정을 거친 단위 프레임 이미지를 사전에 학습되어 데이터베이스(7)에 저장된 다수의 단위 프레임 이미지와 딥러닝 방식으로 비교하도록 한다.
상기 이미지 비교부(6)의 비교 결과 연기 및/또는 불꽃의 이미지가 검출된 것으로 확인되면 화재가 발생한 것으로 판단하도록 한다.
파라핀을 작은 원통형(11)으로 성형한 다음 외면에 도전성 물질인 구리 분말(12)을 고르게 접착하여 제조한 열감지 센서(10)(10a)(10b)...(10n)를 상기 다수의 CCTV 카메라(1)(1a)(1b)...(1n)에 각각 설치한다.
적외선 화재감지 센서(20)(20a)(20b)...(20n)를 상기 다수의 CCTV 카메라(1)(1a)(1b)...(1n)에 각각 설치한다.
연기감지 센서(30)(30a)(30b)...(30n)를 상기 다수의 CCTV 카메라(1)(1a)(1b)...(1n)에 각각 설치한다.
그리하여 이미지 비교부(6)의 비교 결과 연기 및/또는 불꽃의 이미지에 의한 불꽃이나 연기가 감지되지 않더라도 주변의 온도가 70℃ 정도에 도달하게 되면 열감지 센서(10)(10a)(10b)...(10n)의 파라핀(11)이 녹으면서 도전성 물질인 구리 분말(12)도 흘러내려 열감지 센서(10)(10a)(10b)...(10n)를 통한 접점의 접속 상태가 온 상태에서 접속이 끊어진 오프 상태로 되므로 영상 분석 서버(2)로 화재가 발생하였음을 전달하도록 한다.
적외선 화재감지 센서(20)(20a)(20b)...(20n)를 통하여 주변의 불꽃을 인식하면 영상 분석 서버(2)로 화재가 발생하였음을 전달하도록 한다.
연기감지 센서(30)(30a)(30b)...(30n)를 통하여 주변의 연기가 발생하였음을 인식하게 되면 영상 분석 서버(2)로 화재가 발생하였음을 전달하도록 한다.
상기의 이미지 비교부(6)에서 딥러닝 방식으로 비교한 결과 화재로 인식하거나 다수의 열감지 센서(10)(10a)(10b)...(10n)를 통하여 70℃ 정도의 온도를 인식하거나 적외선 화재감지 센서(20)(20a)(20b)...(20n)를 통하여 주변에 불꽃이 발생하였음을 인식하거나 연기감지 센서(30)(30a)(30b)...(30n)를 통하여 주변의 연기가 발생하였음을 인식하게 되면 화재로 판단하여 관리자에게 화재가 발생하였음을 통보할 수 있도록 한다.
도 4는 본 발명의 다른 실시예에 따른 구성을 도시한 것으로 동일한 구성은 동일한 부호로 표기하여 기술한 것이다.
차량에 다수 설치되는 감시카메라에 추가로 열화상 카메라(40)(40a)(40b) ...(40n)를 추가로 설치하여 주변을 촬영하면서 화상데이터를 출력하도록 하고,
상기 열화상 카메라(40)(40a)(40b)...(40n)에 의해 촬영한 화상데이터를 전달받는 영상분석 서버(2)에서 촬영된 열화상 카메라(40)(40a)(40b)...(40n)의 위치를 판단하하도록 한다.
상기의 열화상 카메라(40)(40a)(40b)...(40n)에 의해 촬영한 화상데이터를 전달받는 이미지 변환부(3)에서 단위 프레임 이미지로 변환한다.
상기의 변환한 단위 프레임 이미지에 대해 조도 보정부(4)에서 조도값을 보정하는 조도 보정을 수행한다.
상기의 조도 보정을 수행한 단위 프레임 이미지에 대하여 색감 보정부(5)에서 색감을 보정하는 색감 보정을 수행하여 이미지 비교부(6)로 전달하도록 한다.
상기의 조도값 보장과 색감 보정의 전처리를 수행한 단위 프레임 이미지를 이미지 비교부(6)에서 사전에 학습되어 있는 데이터베이스(7)에 저장된 단위 프레임 이미지와 딥러닝 방식으로 비교하면서 불꽃이나 연기의 발생을 판단하도록 함으로써 차량에 설치한 열화상 카메라(40)(40a)(40b)...(40n)로부터 화상데이터를 수신받아 딥러닝방식으로 처리하면서 화재의 발생 여부를 정확하고 빠르게 판단할 수 있도록 한 것이다.
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 또한 설명하였으나, 본 발명은 상기한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시 가능한 것은 물론이고, 그와 같은 변경은 기재된 청구범위 내에 있게 된다.
1, 1a, 1b, ... 1n : CCTV 카메라
2 : 영상 분석 서버 3 : 이미지 변환부
4 : 조도 보정부 5 : 색감 보정부
6 : 이미지 비교부 7 : 데이터베이스
10, 10a, 10b, ... 10n : 열감지 센서
20, 20a, 20b...20n : 적외선 화재감지 센서
30, 30a, 30b...30n : 연기감지 센서

Claims (8)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 삭제
  5. 건물이나 원하는 지역에 설치되어 주변을 촬영하면서 CCTV 영상으로 출력하는 CCTV 카메라(1)(1a)(1b)...(1n)와,
    상기 CCTV 카메라(1)(1a)(1b)...(1n)에 의해 촬영한 CCTV 영상을 전달받아 촬영된 CCTV 카메라(1)(1a)(1b)...(1n)를 통해 위치를 판단하면서 열감지 센서(10)(10a)(10b)...(10n)를 통하여 70℃ 정도의 온도를 인식하여 화재의 발생 여부를 판단하는 영상 분석 서버(2)와,
    상기의 CCTV 카메라(1)(1a)(1b)...(1n)에 의해 촬영한 CCTV 영상을 전달받아 단위 프레임 이미지로 변환하는 이미지 변환부(3)와,
    상기의 변환한 단위 프레임 이미지에 대해 조도값을 보정하는 조도 보정을 수행하는 조도 보정부(4)와,
    상기의 조도 보정을 수행한 단위 프레임 이미지에 대하여 색감을 보정하는 색감 보정을 수행하여 이미지 비교부(6)로 전달하는 색감 보정부(5)와,
    상기의 전처리한 단위 프레임 이미지를 사전에 학습되어 있는 데이터베이스(7)에 저장된 단위 프레임 이미지와 딥러닝 방식으로 비교하면서 불꽃이나 연기의 발생을 판단하는 이미지 비교부(6)로 구성한 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템에 있어서,
    상기의 열감지 센서(10)(10a)(10b)...(10n)는,
    파라핀을 작은 원통형(11)으로 성형하고,
    상기 작은 원통형(11)의 외면에 도전성 물질인 구리 분말(12)을 고르게 접착하여 열감지 센서(10)(10a)(10b)...(10n)를 제조하도록 하고,
    상기 다수의 CCTV 카메라(1)(1a)(1b)...(1n)에 상기의 열감지 센서(10)(10a)(10b)...(10n)를 설치하여 불꽃이나 연기가 감지되지 않더라도 주변의 온도가 70℃ 정도에 도달하게 되면 열감지 센서(10)(10a)(10b)...(10n)의 파라핀(11)이 녹으면서 도전성 물질인 구리 분말(12)도 흘러내려 열감지 센서(10)(10a)(10b)...(10n)의 접점이 온 상태에서 오프 상태로 되어 화재의 발생을 열로 인식하도록 구성한 것을 특징으로 하는 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템.
  6. 삭제
  7. 삭제
  8. 삭제
KR1020230064803A 2023-05-19 2023-05-19 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법 KR102643347B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230064803A KR102643347B1 (ko) 2023-05-19 2023-05-19 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230064803A KR102643347B1 (ko) 2023-05-19 2023-05-19 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법

Publications (1)

Publication Number Publication Date
KR102643347B1 true KR102643347B1 (ko) 2024-03-05

Family

ID=90298109

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230064803A KR102643347B1 (ko) 2023-05-19 2023-05-19 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법

Country Status (1)

Country Link
KR (1) KR102643347B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110075798A (ko) * 2009-12-29 2011-07-06 한국철도기술연구원 도시철도의 화재 감지 시스템
KR101099376B1 (ko) * 2011-08-08 2011-12-29 디알비파텍 (주) 화점 자동 지향 및 화재 진압이 가능한 로봇용 방수포 시스템
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
KR20160111659A (ko) * 2015-03-17 2016-09-27 (주)이젝스 온도 센서 및 그 온도 센서를 이용한 화재 감지 시스템
KR20220006770A (ko) * 2020-07-09 2022-01-18 중앙대학교 산학협력단 딥러닝 기반 연기 및 화재 검출 방법 및 그 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110075798A (ko) * 2009-12-29 2011-07-06 한국철도기술연구원 도시철도의 화재 감지 시스템
KR101099376B1 (ko) * 2011-08-08 2011-12-29 디알비파텍 (주) 화점 자동 지향 및 화재 진압이 가능한 로봇용 방수포 시스템
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
KR20160111659A (ko) * 2015-03-17 2016-09-27 (주)이젝스 온도 센서 및 그 온도 센서를 이용한 화재 감지 시스템
KR20220006770A (ko) * 2020-07-09 2022-01-18 중앙대학교 산학협력단 딥러닝 기반 연기 및 화재 검출 방법 및 그 장치

Similar Documents

Publication Publication Date Title
US20210049885A1 (en) Method and system for monitoring fire
CN109040709B (zh) 视频监控方法及装置、监控服务器及视频监控系统
US6246321B1 (en) Movement detector
US9412027B2 (en) Detecting anamolous sea-surface oil based on a synthetic discriminant signal and learned patterns of behavior
KR102478335B1 (ko) 채널별 객체 검출 최적화를 위한 영상분석 방법 및 서버장치
KR101835552B1 (ko) 스마트 팩토리 작업환경 관제시스템
KR101625538B1 (ko) 도시방범이 가능한 다차선 자동차 번호판 인식시스템
KR102310192B1 (ko) 객체 인식률 및 감시 정확성을 높인 융복합 카메라 및 이를 이용한 경계 감시시스템
KR101442669B1 (ko) 지능형 객체감지를 통한 범죄행위 판별방법 및 그 장치
KR102162735B1 (ko) 딥러닝 기반의 cctv 영상 인식을 통한 화재 감시 방법 및 시스템
KR102019340B1 (ko) 복합 센서 기반 이동체 무인 상시 감시 시스템
KR102233679B1 (ko) Ess 침입자 및 화재 감지 장치 및 방법
KR101893875B1 (ko) 유기 행위 검출 시스템 및 유기 행위 검출 방법
KR102643347B1 (ko) 화염과 연기 및 온도로 감지하는 인공지능 화재 감지시스템 및 화재 감지방법
Yuwono et al. Design and implementation of human detection feature on surveillance embedded IP camera
KR20190136515A (ko) 차량 인식 장치
KR101375186B1 (ko) 감시 카메라 교란 검출 방법
KR101695127B1 (ko) 영상을 이용한 집단 행동 분석 방법
CN109982051B (zh) 具有动物识别功能的监控摄像方法、监控相机和存储介质
CN215298410U (zh) 一种入侵识别系统
KR102440169B1 (ko) 멀티센서 신호 융합과 ai 영상 분석을 통한 유효감지 정확도를 향상시킨 스마트 경계 시스템
AU2021103548A4 (en) Smart home surveillance system using iot application with warning of intruder activities
JPH09293185A (ja) 対象検知装置および対象検知方法および対象監視システム
JPH1132322A (ja) 凶器所持者自動追尾装置
JPS62147888A (ja) 画像監視方式

Legal Events

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