KR20100093684A - 연기 감지 방법 및 장치 - Google Patents

연기 감지 방법 및 장치 Download PDF

Info

Publication number
KR20100093684A
KR20100093684A KR1020090012731A KR20090012731A KR20100093684A KR 20100093684 A KR20100093684 A KR 20100093684A KR 1020090012731 A KR1020090012731 A KR 1020090012731A KR 20090012731 A KR20090012731 A KR 20090012731A KR 20100093684 A KR20100093684 A KR 20100093684A
Authority
KR
South Korea
Prior art keywords
equation
smoke
probability
candidate
candidate area
Prior art date
Application number
KR1020090012731A
Other languages
English (en)
Other versions
KR100982347B1 (ko
Inventor
이인규
황현재
고병철
남재열
Original Assignee
계명대학교 산학협력단
(주)위니텍
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 계명대학교 산학협력단, (주)위니텍 filed Critical 계명대학교 산학협력단
Priority to KR1020090012731A priority Critical patent/KR100982347B1/ko
Publication of KR20100093684A publication Critical patent/KR20100093684A/ko
Application granted granted Critical
Publication of KR100982347B1 publication Critical patent/KR100982347B1/ko

Links

Images

Classifications

    • 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
    • G06V10/52—Scale-space analysis, e.g. wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 연기 감지 방법 및 장치에 관한 것이다. 상기한 본 발명에 따르는 연기 감지 방법은, 프레임이 입력될 때마다 미리 설정된 키 프레임과의 차이를 검출하고, 상기 차이값이 미리 정해둔 제1임계치보다 크면 입력된 프레임을 키 프레임으로 설정하는 단계; 상기 설정된 키 프레임들 중 연속되는 키 프레임들에 대해 미리 정해둔 크기의 블럭 단위로 움직임 값이 미리 정해둔 제2임계치보다 큰 영역들을 제1후보 영역으로 검출하는 단계; 상기 제1후보 영역에 대해 색상 정보가 미리 정해둔 연기 색상 정보에 대응되는 영역을 검출하여 제2후보 영역을 검출하는 단계; 상기 제2후보 영역에 대해 엔트로피, 웨이블릿 계수, 모션 정보를 검출하고, 검출된 각 항목을 동적 베이지안 네트워크에 따른 결합 확률을 산출하고, 상기 결합 확률이 미리 정해둔 제2임계치보다 크면 연기로 최종 판별하는 단계;를 포함한다.
연기, 감지, 프레임, 움직임, 색상

Description

연기 감지 방법 및 장치{smoke sensing method and system}
본 발명은 영상정보 처리기술에 관한 것으로, 더욱 상세하게는 영상정보로부터 연기를 감지하는 방법 및 장치에 관한 것이다.
건물의 대형화와 인구의 도시 집중화는 다양한 안전사고에 대한 예방의 필요성을 증대시키고 있으며, 이를 자동으로 처리하기 위한 여러 연구들이 진행되어 오고 있다. 최근에는 대형 화재 사고로 인해 화재를 미연에 감지하여 조기 진화가 가능하도록 하는 무인 자동 감지 장치에 대한 연구가 활발히 진행되고 있다. 화재는 그 특성상 불꽃이 발생하기 전에 연기가 발생함으로 조기 화재감지를 위해서는 연기를 감지하는 센서의 개발이 필수적이다. 대부분의 화재 감지 시스템은 광학센서와 이온(ion) 센서를 통한 연기 감지 방법을 사용한다. 그러나 이러한 방법은 건물의 실내와 같이 장소가 폐쇄적이어야 하며, 연기가 공간의 천정에 달린 센서에 확산될 때까지 감지가 불가능하여, 야외와 같이 열린 공간의 경우에는 바람이나 날씨 등에 의해 연기의 농도가 약해지게 되어 감지 자체가 불가능해 질 수도 있다는 단점이 있었다. 또한 산불과 같이 넓은 장소에서 발생한 연기의 경우에도 연기가 센서에 도달할 수가 없기 때문에, 센서를 통한 감지가 불가능하다. 따라서 이러한 문 제를 보완하여 보다 신뢰성있는 연기 감지를 이행할 수 있는 기술이 연구되고 있다.
화재를 감지하는 연구는 크게 불꽃과 연기를 감지하는 두가지 방법으로 나뉘어 연구되어 오고 있다. 즉, RGB/HIS 컬러 모델과 불꽃 영역이 불규칙적으로 확산된다는 정보를 이용하여 화재를 분석하는 방법과, 움직임 영역을 배경 모델링에 의해 검출하고, 후보 영역에 대해 화재-컬러 모델과 후보 영역에 대한 시/공간상의 웨이블릿 고주파 계수의 변화량을 측정하여 화재를 검증하는 방법이 있다. 그러나 컬러정보와 픽셀들의 시간적인 변화량을 이용하는 대부분의 비전 기반 방식들은 휴리스틱한 특성으로 인해서 제한적인 환경에서는 좋은 결과를 보이지만 일반적인 화재 환경에 대해서는 오검출율이 높은 문제가 있고, 픽셀 단위로 적용되기 때문에 많은 연산을 필요로 하는 문제가 있었다.
더욱이 산 등과 같이 넓은 장소에 대해 촬상을 이행한 영상정보를 토대로 산불을 감지하고자 하는 경우에, 발화 초기에 연기가 발생될 때에는 전체 프레임에서 연기가 차지하는 영역이 협소하여 프레임간 차이가 미미하여 움직임 변화량에 따른 연기 감지가 신속하게 이루어지지 않는 문제도 있었다.
본 발명은 미리 정해둔 키 프레임에 대해 움직임 변화량이 미리 정해둔 임계치 이상 발생되는 프레임을 키 프레임으로 설정하며, 상기한 방식으로 설정된 키 프레임들을 토대로 연기 감지를 이행함으로써, 넓은 장소에 대해 촬상을 이행하는 촬상장치로부터의 영상정보로부터도 연기를 감지해낼 수 있는 연기 감지 방법 및 장치를 제공하는 것을 그 목적으로 한다.
또한 본 발명의 다른 목적은 프레임을 블록단위로 처리하여 연기 감지를 위한 처리 과정 및 시간을 절감할 수 있는 연기 감지 방법 및 장치를 제공하는 것이다.
상기한 목적을 달성하기 위한 본 발명에 따르는 연기 감지 방법은, 프레임이 입력될 때마다 미리 설정된 키 프레임과의 차이를 검출하고, 상기 차이값이 미리 정해둔 제1임계치보다 크면 입력된 프레임을 키 프레임으로 설정하는 단계; 상기 설정된 키 프레임들 중 연속되는 키 프레임들에 대해 미리 정해둔 크기의 블럭 단위로 움직임 값이 미리 정해둔 제2임계치보다 큰 영역들을 제1후보 영역으로 검출하는 단계; 상기 제1후보 영역에 대해 색상 정보가 미리 정해둔 연기 색상 정보에 대응되는 영역을 검출하여 제2후보 영역을 검출하는 단계; 상기 제2후보 영역에 대해 엔트로피, 웨이블릿 계수, 모션 정보를 검출하고, 검출된 각 항목을 동적 베이지안 네트워크에 따른 결합 확률을 산출하고, 상기 결합 확률이 미리 정해둔 제2임 계치보다 크면 연기로 최종 판별하는 단계;를 포함한다.
상기한 본 발명은 미리 정해둔 키 프레임에 대해 움직임 변화량이 미리 정해둔 임계치 이상 발생되는 프레임을 키 프레임으로 설정하며, 상기한 방식으로 설정된 키 프레임들을 토대로 연기 감지를 이행함으로써, 넓은 장소에 대해 촬상을 이행하는 촬상장치로부터의 영상정보로부터도 연기를 감지해낼 수 있는 효과가 있다.
또한 본 발명은 프레임을 블록단위로 처리하여 연기 감지를 위한 처리 과정 및 시간을 절감할 수 있는 효과가 있다.
본 발명의 바람직한 실시예에 따른 연기 감지 장치의 개략적인 구성을 도 1을 참조하여 설명한다.
상기 연기 감지 장치는 제어부(100)와 메모리부(102)로 구성되며, 상기 제어부(100)는 미도시한 촬상장치가 촬상하여 순차적으로 제공하는 프레임들을 입력받아 본 발명의 바람직한 실시예에 따른 연기 감지를 위한 프로세싱을 이행한다. 상기 메모리부(102)는 상기 제어부(100)의 처리 프로그램 및 상기 처리 프로그램 수행을 위한 저장영역을 제공한다.
상기한 연기 감지 장치에 적용가능한 본 발명의 바람직한 실시예에 따른 연기 감지 방법을 도면을 참조하여 상세히 설명한다.
도 2는 본 발명의 바람직한 실시예에 따른 연기 감지 방법의 흐름도이다.
<키 프레임 검출>
상기 제어부(100)는 연기 감지가 요청되면(200단계), 상기 촬상장치로부터 제공되는 프레임들 중 일부에 대해 키 프레임으로 설정한다(202단계).
상기 키 프레임은, 산불 감지를 위한 촬상장치와 산불 발생 지역이 멀리 이격되어 있는 경우에, 전체 프레임에서 차지하는 연기 발생 영역이 협소하여 매 프레임간의 차가 거의 검출되지 않으므로, 미리 정해둔 키 프레임을 기준으로 제1임계값 이상의 움직임 변화량이 검출된 프레임을 다음 키 프레임으로 설정한다. 상기 키 프레임은 초기에는 첫 프레임으로 설정되고, 그 이후부터는 마지막으로 설정된 키 프레임을 기준으로 다음 키 프레임을 찾는다.
수학식 1은 본 발명의 바람직한 실시예에 따른 키 프레임 검출식을 나타낸 것이다.
Figure 112009009610436-PAT00001
상기 수학식 1에서 k는 키 프레임 번호이고 i는 현재 프레임 번호를 의미한다. 상기 수학식 1은 키 프레임과 현재 프레임의 차가 제1임계치(θ1)보다 크다면 해당 프레임을 다음 키-프레임으로 설정한다.
도 3은 키 프레임을 검출한 예를 도시한 것으로, 순차적으로 촬상된 다수의 프레임 중 이전 키 프레임(i-th key frame)에 대해 제1임계치(θ1)보다 차가 큰 프레임이 다음 키 프레임((i+1)-th key frame)을 검출하여, 다음 키 프레임((i+1)-th key frame)으로 설정된다.
<움직임에 따른 제1후보 영역 검출>
상기 키 프레임이 검출되면, 상기 제어부(100)는 상기 연속되는 두 개의 키 프레임 사이의 움직임 변화량에 따른 제1후보 영역을 검출한다(204단계).
Figure 112009009610436-PAT00002
상기 수학식 2에서 x,y는 서브 블록의 인덱싱을 의미하고, Bb는 현재 키-프레임과 이전 키 프레임 사이의 변화량을 나타내는 이진 블록을 의미한다.
즉, 상기 수학식 2에 따르면, 상기 제어부(100)는 연속되는 두 개의 키 프레임(frame[k], frame[k+1])을 동일한 서브 블록으로 나눈 후, 동일한 위치 상의 서브 블록간의 차가 제2임계치(θ2)보다 크다면 해당 서브 블록을 1, 그렇지 않으면 0을 가지게 함으로서 키 프레임들에서 움직임 변화가 있는 서브 블록을 나타낸다.
도 4는 제1키 프레임(KF1)과 제2키 프레임(KF2) 사이의 움직임 블럭을 검출하여 표식한 제1결과 영상(R1)을 도시한 것으로, 1(백색)로 표식된 영역이 제1후보영역이 된다.
<색상 정보에 따른 제2후보 영역 검출>
상기 움직임 영역이 검출되면, 상기 제어부(100)는 상기 제1후보 영역에 대해 미리 정해둔 연기 색상 정보에 대응되는 제2후보 영역을 검출한다(206단계).
좀 더 설명하면, 상기 제어부(100)는 제1후보 영역에 대해 RGB 색 공간을 HSB 색 공간으로 변환한 후에, S와 B채널에 대한 가우시안 혼합 모델(GMM)을 구성하고, 이로부터 제2후보 영역을 검출한다.
상기 S와 B채널의 분포는 서로 독립적이고 가우시안 분포를 보인다고 가정하면, 수학식 3을 이용하여 연기 색상 모델을 생성할 수 있다.
Figure 112009009610436-PAT00003
상기 수학식 3에서 cp는 제1후보 블록을 의미하며, sbcp는 제1후보 블록의 S와 B 채널 값을 의미한다. 또한, ui와 σi는 i번째 가우시안 모델의 평균과 표준편차를 의미하며, wi는 각 가우시안 모델의 가중치를 의미한다.
즉, 가중치가 곱해진 각 가우시안 모델에 대한 확률 값의 합을 통해 추정 값(likelihood) p(cp｜S)을 구하고 그 값이 제2임계값 이상일 경우에 해당 제1후보 영역을 제2후보 영역으로 결정한다.
도 5는 본 발명에 따른 연기 후보 영역에 해당하는 S와 B 채널의 분포도이고, 도 6은 학습 데이터로 추출한 S와 B 채널에 대한 가우시안 혼합 모델 그래프이 다.
도 7은 제1후보 영역에 대응되는 제2키 프레임(KF2)의 영역의 색상이 연기 색상에 대응되는지를 토대로 제2후보 영역을 검출하여 표식한 결과 영상(R2)을 도시한 것으로, 백색으로 표식된 영역이 제2후보 영역이 된다.
<최종 연기 판별>
상기 제2후보 영역이 검출되면, 상기 제어부(100)는 상기 제2후보 영역에 대한 최종 연기 판별을 이행한다.(208단계).
좀 더 설명하면, 본 발명은 연기의 특성을 분석하고 이를 확률적으로 모델링하여 동적 베이지안 네트워크의 관찰노드에 적용하는 방법을 이용하여 최종 연기 판별을 이행한다.
먼저, 본 발명은 YUV 채널 공간에서 Y값에 대한 엔트로피 정보를 이용하여 그 결과를 모델링하기 위해서 수학식 4를 이용한다.
Figure 112009009610436-PAT00004
상기 수학식 4에서 p(xi)는 Y 채널을 N 개의 집단으로 양자화시켰을 때의 도수분포에 대한 확률을 의미하고 logn을 취함으로써 1을 넘지 않도록 정규화한 것이다.
도 8은 본 발명에 따른 추출한 색상 값에 대한 엔트로피 정보를 가우시안 혼 합 모델에 적용한 확률 분포 그래프이다.
또한 제어부(100)는 웨이블릿 변환을 통하여 고주파 성분에 해당하는 수평(LH), 수직(HL), 대각선(HH) 계수를 측정한다.
도 9는 고주파 성분인 수평(LH), 수직(HL), 대각선(HH) 계수들을 가우시안 혼합 모델에 적용한 확률 분포 그래프이다.
또한 제어부(100)는 모션 정보를 산출한다. 본 발명에서는 조명의 변화에 민감하고 속도가 빠른 3단계 탐색 알고리즘을 적용하여 모션 정보를 추출하고, 수학식 5를 이용하여 모션 정보의 방향을 측정한다.
Figure 112009009610436-PAT00005
상기 수학식 5에서 mvx는 x방향의 변위이고 mvy는 y방향의 변위를 나타내며, 각각 구해진 모션벡터는 0에서 2π로 변환된 후 도 10과 같이 8개의 방향으로 정규화된다.
일반적으로 연기는 특성상 상승하여 확산되는 경향을 보임으로 각 후보영역에 속한 블록들에서 수학식 5를 이용하여 M-dir을 구한 후, 이로부터 히스토그램(Hb)을 생성하고 확률 값인 모션정보를 구하기 위해 수학식 6을 이용한다.
Figure 112009009610436-PAT00006
상기 수학식 6에서,
Figure 112009009610436-PAT00007
은 전체 방향 정보의 합이고
Figure 112009009610436-PAT00008
는 상승 방향을 나타내는 정보들의 합이다.
도 10은 3단계 탐색 알고리즘 적용으로 8방향의 모션 정보와 모션 벡터를 추출하는 결과 화면이다.
본 발명은 적응적 배경 감산 모델과 색상정보를 이용하여 추출된 연기 후보 영역에 대해 불확실성에 강인한 확률 모델인 베이지안 추론(Bayesian inference)을 이용하여 최종적으로 연기를 검증한다.
도 11은 연기 가설(hypotheses)과 YUV 채널 공간에서 Y채널에 대한 엔트로피, 수평(LH), 수직(HL), 대각선(HH) 웨이블릿 계수와, 모션정보를 노드(node)로 갖는 동적 베이지안 네트워크를 도시한 것이다.
상기 도 11을 살펴보면 최상위 부모 노드 A는 하부 추론 근거 S1, S2, S3의 결합 확률로 결정되며, 추론 근거 S1, S2, S3의 확률은 각각 하부 추론 근거 Y1, Y2, Y3의 결합 확률로 결정된다.
상기한 동적 베이지안 네트워크는 정적 베이지안 네트워크에 비해 이전 상태를 고려함으로써 그 정확성이 뛰어나지만, 이전의 많은 키-프레임들을 고려해야 함으로 프레임 수 설정에 따른 시간이 많이 걸렸다.
이에 본 발명은 연기 영역을 검증하기 위해서 2개의 키-프레임만을 고려하는 2TDBN(2-Time Dynamic Bayesian Network)인 수학식 7을 이용하여 검출 속도 및 성능을 향상한다.
Figure 112009009610436-PAT00009
상기 수학식 7에서
Figure 112009009610436-PAT00010
는 중간노드인 S들에 관한 상태전이(State-transition)이고,
Figure 112009009610436-PAT00011
는 최상위 노드인 A에 관한 상태전이(State-transition)이다.
상기 2TDBN에는 이전 키-프레임의 정적 베이지안 네트워크 결과와 함께 현재 키-프레임의 정적 베이지안 네트워크의 결과에 상대전이(State-transition)가 추가 된다.
도 10에서 나타나듯이 엔트로피, 웨이블릿 계수, 모션 정보의 특징 값은 각각 추정 값(likelihood)으로 변환되어 관찰노드 YF에 입력되고 각 관찰노드들은 자신의 부모노드인 SF로 맵핑된다.
최종적으로 정적 베이지안 네트워크의 최상위 노드인 A의 사후 확률 값은 중간 노드들의 확률 값들의 결합 확률로 계산된다.
도 11은 본 발명에 따른 베이지안 네트워크의 추론근거를 나타낸 도면이다.
정적 베이지안 네트워크의 결과에서 이전 상태를 고려하는 동적 베이지안 네트워크를 사용하기 위하여 도 11에서 나타나듯이 시간 변화에 따른 S와 A에 대한 상태전이(State-transition)값을 갖는다.
도 12는 중간노드인 S에 관한 상태전이(State-transition) 조건부 확률 테이블이다.
도 13은 최상위노드인 A에 관한 상태전이(State-transition) 조건부 확률 테이블이다.
상기 제어부(100)는 상기 결합 확률의 값이 제3임계값 이상일 경우에 해당 영역을 연기 영역으로 최종 판별하게 된다.
도 14는 본 발명에 따른 연기 감지를 위한 결과를 가장 최근의 관련 연구인 T
Figure 112009009610436-PAT00012
eyin의 알고리즘을 이용한 실험결과와 비교한 그래프이다. 여기서, 1부터 6은 도 16의 영상 번호이며, avg는 6개의 영상에 대한 평균 결과이다.
도 15는 본 발명에 따른 알고리즘은 평균 오검출율(False Positive)에서 T
Figure 112009009610436-PAT00013
eyin의 알고리즘이 거의 비슷한 수치를 나타내지만, 평균 검출율(True Positive)과 평균 미검출율(Missing)에서 T
Figure 112009009610436-PAT00014
eyin의 알고리즘에 비해 우수한 성능을 나타낸다.
도 16은 본 발명에 따른 연기 감지 결과를 나타낸 도면이다.
이상에서 설명한 바와 같은 본 발명은 성능의 개선을 위하여 블록 단위로 처리하였다. 근거리 연기뿐만 아니라 원거리 산불연기도 감지할 수 있도록 키-프레임을 이용하여 초기 움직임 영역을 검출하고, 블록 안에서 색상 정보를 이용하여 연기 후보 영역을 감지하였다. 또한, 후보 영역에 포함된 일반 객체 및 구름의 움직임과 같은 연기 유사 물체와의 분리를 위해 YUV채널 공간에서 Y채널에 대한 엔트로피 값, 웨이블릿 변환을 통한 고주파 성분인 수평(LH), 수직(HL), 대각선(HH) 계수, 모션정보를 가우시안 혼합 모델에 적용함으로써 동적 베이지안 네트워크의 관찰 노드에 적용되어 추론에 사용되었고, 그 결과 값에 따라 최종 연기 영역을 검증하였다.
도 1은 본 발명에 따르는 연기 감지 장치의 개략적인 구성도.
도 2는 본 발명에 따르는 연기 감지 방법의 흐름도.
도 3은 본 발명에 따르는 키 프레임을 도시한 도면.
도 4는 본 발명에 따르는 움직임 영역 검출 예를 도시한 도면.
도 5는 본 발명에 따른 연기 후보 영역에 해당하는 S와 B 채널의 분포도.
도 6은 본 발명에 따른 학습 데이터로 추출한 S와 B채널에 대한 가우시안 혼합 모델 그래프.
도 7은 가우시안 혼합 모델링에 따라 연기 색상 영역만을 추출한 것을 예시한 도면.
도 8은 본 발명에 따른 추출한 색상 값에 대한 엔트로피 정보를 가우시안 혼합 모델에 적용한 확률 분포 그래프.
도 9는 고주파 성분인 수평(LH), 수직(HL), 대각선(HH) 계수들을 가우시안 혼합 모델에 적용한 확률 분포 그래프.
도 10은 3단계 탐색 알고리즘 적용으로 8방향의 모션 정보와 모션 벡터를 추출하는 결과 화면.
도 11은 본 발명에 따른 베이지안 네트워크의 구조를 도시한 도면.
도 12는 본 발명에 따른 베이지안 네트워크의 추론근거를 나타낸 도면.
도 13은 중간노드인 S에 관한 상태전이(State-transition) 조건부 확률 테이블.
도 14는 최상위노드인 A에 관한 상태전이(State-transition) 조건부 확률 테이블.
도 15는 본 발명에 따른 연기 감지를 위한 결과를 가장 최근의 관련 연구인 T
Figure 112009009610436-PAT00033
eyin의 알고리즘을 이용한 실험결과와 비교한 그래프.
도 16은 본 발명에 따른 연기 감지 결과를 나타낸 도면.

Claims (12)

  1. 연기 감지 방법에 있어서,
    프레임이 입력될 때마다 미리 설정된 키 프레임과의 차이를 검출하고, 상기 차이값이 미리 정해둔 제1임계치보다 크면 입력된 프레임을 키 프레임으로 설정하는 단계;
    상기 설정된 키 프레임들 중 연속되는 키 프레임들에 대해 미리 정해둔 크기의 블럭 단위로 움직임 값이 미리 정해둔 제2임계치보다 큰 영역들을 제1후보 영역으로 검출하는 단계;
    상기 제1후보 영역에 대해 색상 정보가 미리 정해둔 연기 색상 정보에 대응되는 영역을 제2후보 영역으로서 검출하는 단계;
    상기 제2후보 영역에 대해 엔트로피, 웨이블릿 계수, 모션 정보를 검출하고, 검출된 각 항목을 동적 베이지안 네트워크에 따른 결합 확률을 산출하고, 상기 결합 확률이 미리 정해둔 제2임계치보다 크면 연기로 최종 판별하는 단계;
    를 포함하는 것을 특징으로 하는 연기 감지 방법.
  2. 제1항에 있어서,
    상기 제2후보 영역은,
    상기 제1후보 영역에 대해 RGB 색 공간을 HSB 색 공간으로 변환하고,
    수학식 8에 따라 S와 B채널에 대한 가우시안 혼합 모델(GMM)을 구성하여 상 기 가우시안 혼합 모델에 대한 확률값의 합을 구하고,
    상기 가우시안 혼합 모델에 대한 확률값이 미리 정해둔 제3임계값 이상일 경우에 제2후보 영역으로 판별함을 특징으로 하는 연기 감지 방법.
    Figure 112009009610436-PAT00015
    상기 수학식 8에서 cp는 후보 블록을 의미하며, sbcp는 후보 블록의 S와 B 채널 값을 의미하고, ui와 σi는 i번째 가우시안 모델의 평균과 표준편차를 의미하며, wi는 각 가우시안 모델의 가중치를 의미함.
  3. 제1항에 있어서,
    상기 엔트로피는 YUV 채널 공간에서 Y 채널에 대한 엔트로피로서 수학식 9에 따라 산출됨을 특징으로 하는 연기 감지 방법.
    Figure 112009009610436-PAT00016
    상기 수학식 9에서 p(xi)는 Y 채널을 N 개의 집단으로 양자화시켰을 때의 도수분포에 대한 확률을 의미하는 것임.
  4. 제1항에 있어서,
    상기 웨이블릿 계수는 고주파 성분에 해당하는 수평(LH), 수직(HL), 대각선(HH) 계수를 측정한 것임을 특징으로 하는 연기 감지 방법.
  5. 제1항에 있어서,
    상기 모션 정보는 제2후보 영역내의 픽셀들의 변화량을 수학식 10을 이용하여 방향 정보로 변환하여 히스토그램을 생성하고,
    수학식 11을 이용한 확률 값인 모션정보를 생성함을 특징으로 하는 연기 감지 방법.
    Figure 112009009610436-PAT00017
    상기 수학식 10에서 mvx는 x방향의 변위이고 mvy는 y방향의 변위임.
    Figure 112009009610436-PAT00018
    상기 수학식 11에서,
    Figure 112009009610436-PAT00019
    은 전체 방향 정보의 합이고
    Figure 112009009610436-PAT00020
    는 상승 방향을 나타내는 정보들의 합임.
  6. 제1항에 있어서,
    수학식 12에 따라 이전 키 프레임의 정적 베이지안 네트워크 결과와 현재 키 프레임의 정적 베이지안 네트워크 결과에 대한 상대 전이를 추가하여 최종 확률을 생성함을 특징으로 하는 연기 감지 방법.
    Figure 112009009610436-PAT00021
    상기 수학식 12에서
    Figure 112009009610436-PAT00022
    는 중간노드인 S들에 관한 상태전이(State-transition)이고,
    Figure 112009009610436-PAT00023
    는 최상위 노드인 A에 관한 상태전이(State-transition)임.
  7. 연기 감지 장치에 있어서,
    프레임이 입력될 때마다 미리 설정된 키 프레임과의 차이를 검출하고, 상기 차이값이 미리 정해둔 제1임계치보다 크면 입력된 프레임을 키 프레임으로 설정하고,
    상기 설정된 키 프레임들 중 연속되는 키 프레임들에 대해 미리 정해둔 크기의 블럭 단위로 움직임 값이 미리 정해둔 제2임계치보다 큰 영역들을 제1후보 영역으로 검출하고,
    상기 제1후보 영역에 대해 색상 정보가 미리 정해둔 연기 색상 정보에 대응되는 영역을 제2후보 영역으로서 검출하고,
    상기 제2후보 영역에 대해 엔트로피, 웨이블릿 계수, 모션 정보를 검출하고, 검출된 각 항목을 동적 베이지안 네트워크에 따른 결합 확률을 산출하고, 상기 결합 확률이 미리 정해둔 제2임계치보다 크면 연기로 최종 판별하는 제어부;
    상기 제어부의 프로세스 수행에 필요한 저장영역을 제공하는 메모리부;
    를 포함하는 것을 특징으로 하는 연기 감지 장치.
  8. 제7항에 있어서,
    상기 연기 색상 영역은,
    상기 제1후보 영역에 대해 RGB 색 공간을 HSB 색 공간으로 변환하고,
    수학식 13에 따라 S와 B채널에 대한 가우시안 혼합 모델(GMM)을 구성하여, 상기 가우시안 혼합 모델에 대한 확률값의 합을 구하고,
    상기 가우시안 혼합 모델에 대한 확률값이 미리 정해둔 제3임계값 이상일 경우에 제2후보 영역으로 판별함을 특징으로 하는 연기 감지 장치.
    Figure 112009009610436-PAT00024
    상기 수학식 13에서 cp는 후보 블록을 의미하며, sbcp는 후보 블록의 S와 B 채널 값을 의미하고, ui와 σi는 i번째 가우시안 모델의 평균과 표준편차를 의미하며, wi는 각 가우시안 모델의 가중치를 의미함.
  9. 제7항에 있어서,
    상기 엔트로피는 YUV 채널 공간에서 Y 채널에 대한 엔트로피로서 수학식 14에 따라 산출됨을 특징으로 하는 연기 감지 장치.
    Figure 112009009610436-PAT00025
    상기 수학식 14에서 p(xi)는 Y 채널을 N 개의 집단으로 양자화시켰을 때의 도수분포에 대한 확률을 의미함.
  10. 제7항에 있어서,
    상기 제어부가,
    상기 웨이블릿 계수로서, 고주파 성분에 해당하는 수평(LH), 수직(HL), 대각선(HH) 계수를 측정함을 특징으로 하는 연기 감지 장치.
  11. 제7항에 있어서,
    상기 제어부가,
    상기 제2후보 영역내의 픽셀들의 변화량을 수학식 15를 이용하여 방향 정보로 변환하여 히스토그램을 생성하고,
    수학식 16을 이용하여 확률 값인 모션 정보를 생성함을 특징으로 하는 연기 감지 장치.
    Figure 112009009610436-PAT00026
    상기 수학식 15에서 mvx는 x방향의 변위이고 mvy는 y방향의 변위임.
    Figure 112009009610436-PAT00027
    상기 수학식 16에서,
    Figure 112009009610436-PAT00028
    은 전체 방향 정보의 합이고
    Figure 112009009610436-PAT00029
    는 상승 방향을 나타내는 정보들의 합임.
  12. 제7항에 있어서,
    상기 제어부가,
    수학식 17에 따라 이전 키 프레임의 정적 베이지안 네트워크 결과와 현재 키 프레임의 정적 베이지안 네트워크 결과에 대한 상대 전이를 추가하여 최종 확률을 생성함을 특징으로 하는 연기 감지 장치.
    Figure 112009009610436-PAT00030
    상기 수학식 17에서
    Figure 112009009610436-PAT00031
    는 중간노드인 S들에 관한 상태전이(State-transition)이고,
    Figure 112009009610436-PAT00032
    는 최상위 노드인 A에 관한 상태전이(State-transition)임.
KR1020090012731A 2009-02-17 2009-02-17 연기 감지 방법 및 장치 KR100982347B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090012731A KR100982347B1 (ko) 2009-02-17 2009-02-17 연기 감지 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090012731A KR100982347B1 (ko) 2009-02-17 2009-02-17 연기 감지 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20100093684A true KR20100093684A (ko) 2010-08-26
KR100982347B1 KR100982347B1 (ko) 2010-09-15

Family

ID=42757961

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090012731A KR100982347B1 (ko) 2009-02-17 2009-02-17 연기 감지 방법 및 장치

Country Status (1)

Country Link
KR (1) KR100982347B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101284200B1 (ko) * 2011-10-28 2013-07-09 아이브스테크놀러지(주) 영상에서 연기를 검출하기 위한 영상처리 장치 및 방법
KR101297121B1 (ko) * 2012-05-31 2013-08-21 공주대학교 산학협력단 적외선 영상을 이용한 터널 화재감지 장치 및 방법
KR20160048240A (ko) * 2014-10-23 2016-05-04 공주대학교 산학협력단 연기의 밀도 분포 특성을 이용한 연기 검출방법
CN109544855A (zh) * 2018-10-31 2019-03-29 国电南瑞科技股份有限公司 基于计算机视觉的轨道交通综合监控火灾闭路电视系统及实现方法
KR20190063735A (ko) * 2017-11-30 2019-06-10 (주)아이엠시티 시청각 감지를 통한 상황 판단의 정확성을 향상시키는 방법 및 시스템
KR20190111712A (ko) * 2018-03-23 2019-10-02 한국전자통신연구원 인공지능 네트워크를 사용하여 재난을 감지하기 위한 전자 장치
CN111583569A (zh) * 2020-04-30 2020-08-25 深圳市前海用电物联网科技有限公司 一种因果模型的电气火灾检测方法及系统
KR20210092534A (ko) * 2020-01-16 2021-07-26 계명대학교 산학협력단 심층신경망과 화재-튜브를 결합한 실시간 야간 화재 검출 장치 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101204259B1 (ko) 2010-10-06 2012-11-23 (주)에이치엠씨 화재 검출 방법
KR101353952B1 (ko) 2012-10-05 2014-01-23 계명대학교 산학협력단 시공간적 비오에프와 랜덤 포레스트를 이용한 산불 연기 감지 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100648319B1 (ko) * 2005-12-13 2006-11-23 주식회사 센텍 화염의 동적 특성을 이용한 적외선 화재 감지 방법 및시스템
JP4926603B2 (ja) 2006-08-17 2012-05-09 能美防災株式会社 煙検出装置
US20080137906A1 (en) * 2006-12-12 2008-06-12 Industrial Technology Research Institute Smoke Detecting Method And Device

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101284200B1 (ko) * 2011-10-28 2013-07-09 아이브스테크놀러지(주) 영상에서 연기를 검출하기 위한 영상처리 장치 및 방법
KR101297121B1 (ko) * 2012-05-31 2013-08-21 공주대학교 산학협력단 적외선 영상을 이용한 터널 화재감지 장치 및 방법
KR20160048240A (ko) * 2014-10-23 2016-05-04 공주대학교 산학협력단 연기의 밀도 분포 특성을 이용한 연기 검출방법
KR20190063735A (ko) * 2017-11-30 2019-06-10 (주)아이엠시티 시청각 감지를 통한 상황 판단의 정확성을 향상시키는 방법 및 시스템
KR20190111712A (ko) * 2018-03-23 2019-10-02 한국전자통신연구원 인공지능 네트워크를 사용하여 재난을 감지하기 위한 전자 장치
CN109544855A (zh) * 2018-10-31 2019-03-29 国电南瑞科技股份有限公司 基于计算机视觉的轨道交通综合监控火灾闭路电视系统及实现方法
KR20210092534A (ko) * 2020-01-16 2021-07-26 계명대학교 산학협력단 심층신경망과 화재-튜브를 결합한 실시간 야간 화재 검출 장치 및 방법
CN111583569A (zh) * 2020-04-30 2020-08-25 深圳市前海用电物联网科技有限公司 一种因果模型的电气火灾检测方法及系统

Also Published As

Publication number Publication date
KR100982347B1 (ko) 2010-09-15

Similar Documents

Publication Publication Date Title
KR100982347B1 (ko) 연기 감지 방법 및 장치
KR101075063B1 (ko) 퍼지 규칙을 이용한 화재 불꽃 감지 방법
KR102153607B1 (ko) 영상에서의 전경 검출 장치 및 방법
RU2393544C2 (ru) Способ и устройство для обнаружения пламени
KR101910542B1 (ko) 객체 검출을 위한 영상분석 서버장치 및 방법
US8611664B2 (en) Method for detecting fire-flame using fuzzy finite automata
US7868772B2 (en) Flame detecting method and device
JP6547744B2 (ja) 画像処理システム、画像処理方法及びプログラム
JP6024658B2 (ja) 物体検出装置、物体検出方法及びプログラム
US20230201642A1 (en) Fire detection system
KR102391853B1 (ko) 영상 정보 처리 시스템 및 방법
KR102002812B1 (ko) 객체 검출을 위한 영상분석 서버장치 및 방법
CN107122743B (zh) 安防监控方法、装置和电子设备
JP2016015045A (ja) 画像認識装置、画像認識方法及びプログラム
CN110633643A (zh) 一种面向智慧社区的异常行为检测方法及系统
EP2000998B1 (en) Flame detecting method and device
JP4999794B2 (ja) 静止領域検出方法とその装置、プログラム及び記録媒体
KR101979375B1 (ko) 감시 영상의 객체 행동 예측 방법
KR101454644B1 (ko) 보행자 추적기를 이용한 서성거림을 탐지하는 방법
KR101371647B1 (ko) 이미지 데이터 기반의 화재 감지 장치 및 그 방법
KR101270718B1 (ko) 영상에서 화재를 검출하기 위한 영상처리 장치 및 방법
JP2010124028A (ja) 監視装置
JP2009182624A (ja) 目標追尾装置
JP7243372B2 (ja) 物体追跡装置および物体追跡方法
KR100948568B1 (ko) 베이지안 네트워크를 이용한 화재 감지 장치 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130905

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140903

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20150902

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170830

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20180830

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20190829

Year of fee payment: 10