KR20200013218A - 영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법 - Google Patents
영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법 Download PDFInfo
- Publication number
- KR20200013218A KR20200013218A KR1020180169765A KR20180169765A KR20200013218A KR 20200013218 A KR20200013218 A KR 20200013218A KR 1020180169765 A KR1020180169765 A KR 1020180169765A KR 20180169765 A KR20180169765 A KR 20180169765A KR 20200013218 A KR20200013218 A KR 20200013218A
- Authority
- KR
- South Korea
- Prior art keywords
- fire
- evacuation route
- early
- cctv
- deep learning
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 97
- 238000013135 deep learning Methods 0.000 title claims abstract description 66
- 238000012545 processing Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013473 artificial intelligence Methods 0.000 title claims description 34
- 239000000779 smoke Substances 0.000 claims abstract description 50
- 238000004891 communication Methods 0.000 claims abstract description 37
- 238000012790 confirmation Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007257 malfunction Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000000825 ultraviolet detection Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- 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
- 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
Abstract
영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법이 개시된다. 상기 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템은, 건물의 각 공간에 설치된 적어도 하나의 CCTV 및 조기 화재감지 서버를 포함하고, 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 알림부를 포함하는 것을 특징으로 한다.
Description
본 발명은 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법에 관한 것으로서, 특히 CCTV 영상을 처리하여 1차로 화재를 감지하고 딥러닝 기반 인공지능을 이용하여 2차로 화재를 감지함으로써 화재를 조기에 정확하게 탐지할 수 있는 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법에 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 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, CCTV 영상을 처리하여 1차로 화재를 감지하고 딥러닝 기반 인공지능을 이용하여 2차로 화재를 감지함으로써 화재를 조기에 정확하게 탐지할 수 있는 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법을 제공하는 것을 목적으로 한다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템은, 건물의 각 공간에 설치된 적어도 하나의 CCTV 및 조기 화재감지 서버를 포함하고, 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, 및 상기 화재 판단부가 화재가 발생된 것으로 판단하면, 상기 서버 통신부를 통해 관리자 단말기로 화재 알림을 전송하는 화재 알림부를 포함하는 것을 특징으로 한다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 서버는, 건물의 각 공간에 설치된 적어도 하나의 CCTV로부터 촬영된 영상을 전송받는 서버 통신부, 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 판단하는 화재 판단부, 및 상기 화재 판단부가 화재가 발생한 것으로 최종 판단하면, 상기 서버 통신부를 통해 관리자 단말기로 화재 알림을 전송하는 화재 알림부를 포함하는 것을 특징으로 한다.
바람직하게는, 상기 조기 화재감지 서버는, 화재 발생 위치 및 상기 적어도 하나의 CCTV에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내하는 대피경로 안내부를 더 포함할 수 있다.
또한 바람직하게는, 상기 대피경로 안내부는, 상기 화재 알림을 전송받은 상기 관리자 단말기로부터 화재 상황 확인 정보를 수신하는 경우 상기 대피경로를 안내하고, 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 피드백할 수 있다.
또한 바람직하게는, 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 안내할 수 있다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법은, 서버 통신부가 건물의 각 공간에 설치된 적어도 하나의 CCTV로부터 촬영된 영상을 전송받는 단계, 화재 판단부가 상기 촬영된 영상을 영상처리하여 불 또는 연기가 감지되었는지 여부를 1차로 판단하는 단계, 상기 화재 판단부가 상기 1차 판단 결과 불 또는 연기가 감지된 것으로 판단되면 상기 촬영된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 2차로 판단하는 단계, 상기 화재 판단부가 화재가 발생한 것으로 최종 판단하면, 상기 서버 통신부를 통해 관리자 단말기로 화재 알림을 전송하는 단계, 및 상기 화재 알림을 전송받은 상기 관리자 단말기로부터 화재 상황 확인 정보를 수신하거나, 상기 화재 알림을 전송받은 상기 관리자 단말기로부터 소정 시간 이내에 회신을 못 받은 경우, 대피경로 안내부가 화재 발생 위치 및 상기 적어도 하나의 CCTV에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내하는 단계를 포함하는 것을 특징으로 한다.
바람직하게는, 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 피드백할 수 있다.
상기와 같은 본 발명에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법은, CCTV 영상을 처리하여 1차로 화재를 감지하고 딥러닝 기반 인공지능을 이용하여 2차로 화재를 감지함으로써 이중으로 화재 여부를 판단하므로 오작동을 최소화하고 화재를 조기에 정확하게 탐지할 수 있는 효과가 있다.
상기와 같은 본 발명에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법은, 영상처리 기술을 이용하므로, 기존의 연기감지기나 불꽃감지기의 오작동 문제를 해결할 수 있으며, 조기에 화재를 감지하여 진화하는데 큰 도움을 줄 수 있는 효과가 있다.
상기와 같은 본 발명에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법은, 딥러닝 기반의 인공지능을 사용하므로, 많은 학습을 할수록 화재 상황에 대한 인식의 정확도 및 신뢰도를 높일 수 있는 효과가 있다.
상기와 같은 본 발명에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법은, 기존에 건물에 설치된 CCTV를 그대로 사용할 수 있으므로 경제적인 면에서도 추가비용이 필요하지 않는 장점이 있으며, 기존의 화재감지기보다 사각지대를 최소화시킬 수 있는 효과가 있다.
상기와 같은 본 발명에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템, 서버 및 방법은, 화재 발생시 화재 발생 위치 및 대피경로의 혼잡률을 반영하여 대피경로를 실시간으로 안내할 수 있는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템을 나타내는 도면이다.
도 2는 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 서버를 나타내는 도면이다.
도 3은 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법을 나타내는 순서도(Flowchart)이다.
도 4a 및 도 4b는 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법에 따라 CCTV에서 촬영된 영상을 영상처리하여 불 또는 연기가 감지되었는지 여부를 판단하는 화면을 나타내는 도면이다.
도 5a 및 도 5b는 본 발명의 일실시예에 따른 대피경로 안내부의 동작방법을 설명하는 도면이다.
도 2는 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 서버를 나타내는 도면이다.
도 3은 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법을 나타내는 순서도(Flowchart)이다.
도 4a 및 도 4b는 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법에 따라 CCTV에서 촬영된 영상을 영상처리하여 불 또는 연기가 감지되었는지 여부를 판단하는 화면을 나타내는 도면이다.
도 5a 및 도 5b는 본 발명의 일실시예에 따른 대피경로 안내부의 동작방법을 설명하는 도면이다.
이하, 본 발명에 따른 실시예들은 첨부된 도면들을 참조하여 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 실시예들을 설명할 것이나, 본 발명의 기술적 사상은 이에 한정되거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템을 나타내는 도면이다. 도 1을 참조하면, 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템(1000)은 건물(P)의 각 공간에 설치된 적어도 하나의 CCTV(100_1 내지 100_6) 및 조기 화재감지 서버(300)를 포함할 수 있다.
적어도 하나의 CCTV(100_1 내지 100_6)는 건물(P)의 각 공간(P1, P2, P3)에 설치될 수 있다. 도 1은 편의상 3층 건물(P) 및 적어도 하나의 CCTV(100_1 내지 100_6)를 간단히 도시한 것으로서, 적어도 하나의 CCTV(100_1 내지 100_6)는 건물(P) 내부의 다양한 공간에 설치될 수 있으며 설치 개수도 다양하게 변경될 수 있다. 적어도 하나의 CCTV(100_1 내지 100_6)는 유무선 통신망(500)과 같은 네트워크를 통하여 조기 화재감지 서버(300)와 통신할 수 있다.
적어도 하나의 CCTV(100_1 내지 100_6)는 촬영된 영상을 영상처리하여 불 또는 연기가 감지되었는지 여부를 판단할 수 있다. 이와 같은 과정은 적어도 하나의 CCTV(100_1 내지 100_6)의 내부에 구비되는 영상처리부(미도시)를 통해 수행될 수 있다. 일례로서, 적어도 하나의 CCTV(100_1 내지 100_6)는 실시간 이미지 프로세싱을 위한 라이브러리인 OpenCV(Open Source Computer Vision)를 활용하여 촬영된 영상을 실시간으로 분석할 수 있다.
적어도 하나의 CCTV(100_1 내지 100_6)는 촬영된 영상에서 실시간 영상처리를 통해 불꽃 및 연기 중 적어도 하나가 감지된 경우, 촬영된 영상을 유무선 통신망(500)을 이용하여 조기 화재감지 서버(300)로 전송할 수 있다. 일례로서, 적어도 하나의 CCTV(100_1 내지 100_6)는 촬영된 영상에서 불꽃 및 연기 중 적어도 하나가 감지되면, 일정 프레임마다 조기 화재감지 서버(300)로 실시간 이미지를 전송할 수 있다.
조기 화재감지 서버(300)는, 적어도 하나의 CCTV(100_1 내지 100_6)로부터 촬영된 영상을 전송받을 수 있다. 적어도 하나의 CCTV(100_1 내지 100_6)가 조기 화재감지 서버(300)로 실시간 이미지를 전송했다는 것은, 상기 실시간 이미지에서 불꽃 또는 연기가 1차로 감지되었다는 것을 의미한다. 조기 화재감지 서버(300)는, 적어도 하나의 CCTV(100_1 내지 100_6)로부터 전송된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단할 수 있다.
조기 화재감지 서버(300)는, 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단한 결과 화재가 발생된 것으로 판단하면, 관리자 단말기(700)로 화재 알림을 전송할 수 있다. 조기 화재감지 서버(300)는, 화재 알림을 전송받은 상기 관리자 단말기(700)로부터 화재 상황 확인 정보를 수신하는 경우 대피경로를 안내할 수 있다. 여기에서, 화재 상황 확인 정보는 관리자가 관리자 단말기(700)를 통해 화재 알림을 수신한 후 직접 확인한 결과 화재 발생이 맞는 경우 이를 확인하여 조기 화재감지 서버(300)로 전송하는 정보일 수 있다. 조기 화재감지 서버(300)는, 화재 발생 위치 및 적어도 하나의 CCTV(100_1 내지 100_6)에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내할 수 있다.
조기 화재감지 서버(300)는, 화재 알림을 전송받은 관리자 단말기(700)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 조기 화재감지 서버(300)로 전송하는 정보일 수 있다.
조기 화재감지 서버(300)는, 화재 알림을 전송받은 관리자 단말기(700)로부터 소정 시간 이내에 화재 상황 확인 정보나 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.
도 1에는 조기 화재감지 서버(300)가 건물(P)의 외부에 위치하는 것으로 도시되어 있으나 이는 예시적인 것으로서, 조기 화재감지 서버(300)는 건물(P)의 내부에 위치할 수도 있다. 조기 화재감지 서버(300)의 구체적인 구성 및 동작방법에 대한 설명은 도 2 내지 도 5b를 참조하여 추가로 상술하기로 하고 자세한 설명은 생략한다.
유무선 통신망(500)은, 적어도 하나의 CCTV(100_1 내지 100_6), 조기 화재감지 서버(300) 및 관리자 단말기(700)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 유무선 통신망(500)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 유무선 통신망(500)은 통상의 기술자에게 널리 알려져 있으므로 자세한 설명은 생략한다.
관리자 단말기(700)는, 조기 화재감지 서버(300)로부터 화재 알림을 전송받을 수 있는 단말기로서 사용자 컴퓨터(700_1) 또는 모바일 단말기(700_2) 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(700)는 중앙 상황실 등에 설치된 사용자 컴퓨터(700_1)일 수 있으며, 관리자가 직접 소지하는 모바일 단말기(700_2)일 수도 있다. 관리자는 관리자 단말기(700)를 통해 화재 알림을 전송받을 수 있으며, 실제 화재 상황으로 판단되는 경우에는 화재 상황 확인 정보를 조기 화재감지 서버(300)로 전송할 수 있다. 관리자는 관리자 단말기(700)를 통해 화재 알림을 전송받았으나 화재가 아닌 것으로 판단되는 경우에는 화재 오감지 정보를 조기 화재감지 서버(300)로 전송할 수 있다.
도 2는 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 서버를 나타내는 도면이다. 도 2를 참조하면, 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 서버(300)는, 서버 통신부(310), 화재 판단부(330) 및 화재 알림부(350)를 포함할 수 있으며, 실시예에 따라, 대피경로 안내부(370) 및 데이터베이스부(390)를 더 포함할 수 있다.
서버 통신부(310)는, 건물(P)의 각 공간에 설치된 적어도 하나의 CCTV(100_1 내지 100_6)로부터 촬영된 영상을 전송받을 수 있다. 또한, 서버 통신부(310)는 화재 알림부(350)로부터 수신된 화재 알림을 관리자 단말기(700)로 전송할 수 있으며, 관리자 단말기(700)로부터 전송된 화재 상황 확인 정보 및 화재 오감지 정보를 화재 판단부(330) 및 대피경로 안내부(370)로 전송할 수 있다. 서버 통신부(310)는 유무선 통신망(500)을 통하여 적어도 하나의 CCTV(100_1 내지 100_6) 및 관리자 단말기(700) 등과 통신할 수 있으며, 다양한 유무선 통신방법을 지원하는 통신모듈로 구현될 수 있고 통상의 기술자에게 알려진 범위에서 다양하게 변경될 수 있다.
화재 판단부(330)는, 적어도 하나의 CCTV(100_1 내지 100_6)로부터 불꽃 또는 연기가 1차로 감지된 실시간 영상을 전송받을 수 있고, 적어도 하나의 CCTV(100_1 내지 100_6)로부터 전송된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 재판단할 수 있다.
한편, 실시예에 따라, 화재 판단부(330)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(100_1 내지 100_6)는 촬영된 영상에서 불꽃 또는 연기를 감지하기 위한 실시간 영상처리를 수행하지 않고, 조기 화재감지 서버(300)로 일정한 프레임 간격으로 촬영된 영상을 전송할 수 있다. 즉, 실시예에 따라, 촬영된 영상에서 불꽃 또는 연기를 감지하는 1차 판단을 적어도 하나의 CCTV(100_1 내지 100_6)에서 수행할 수도 있고, 조기 화재감지 서버(300)의 화재 판단부(330)에서 수행할 수도 있다.
화재 판단부(330)에 의해 수행되는 딥러닝 기반 인공지능은 아래와 같은 방법으로 동작할 수 있다.
건물(P) 내에 설치된 적어도 하나의 CCTV(100_1 내지 100_6)가 촬영하는 영상 정보는 조기 화재감지 서버(300)로 전송될 수 있고, 조기 화재감지 서버(300)는 전송받은 CCTV 영상을 데이터베이스부(390)에 저장할 수 있다. 이와 같이, 데이터베이스부(390)에 축적된 평상시 CCTV 영상이 표준 데이터 값이 될 수 있다. 상기 평상시 CCTV 영상은 적어도 하나의 CCTV(100_1 내지 100_6) 각각에 따라 분류되어 저장될 수 있다.
1차 실시간 영상처리 결과에 따라 적어도 하나의 CCTV(100_1 내지 100_6)에 의해 촬영된 영상에서 불이나 연기가 감지되는 경우, 화재 판단부(330)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(100_1 내지 100_6)로부터 전송된 영상은 일정 프레임마다 데이터베이스부(390)에 저장될 수 있고, 다양한 소스코드에 의해 학습이 이루어질 수 있다.
화재 판단부(330)는, 1차적으로 불이나 연기가 감지된 것으로 판단된 CCTV 영상과 데이터베이스부(390)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 유사도가 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(330)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 건물(P)이나 각 구역(P1, P2, P3), 각각의 CCTV(100_1 내지 100_6)에 따라 다양하게 변경될 수 있다.
화재 판단부(330)는, 딥러닝 기반 인공지능을 사용하므로 적어도 하나의 CCTV(100_1 내지 100_6)의 평상시 CCTV 영상이 데이터베이스부(390)에 계속 축적되어 많은 훈련 데이터가 제공되고 화재 판단이 계속 이루어질수록 화재 판단의 정확도가 상승되는 효과가 있다. 따라서, 화재 판단부(330)의 딥러닝 기반 인공지능이 많은 학습을 할수록 해당 건물(P)의 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(330)에 의해 수행되는 딥러닝 기반 인공지능은 불꽃이나 연기 이미지를 학습하는 방법으로 동작할 수도 있다. 즉, 데이터베이스부(390)는 다량의 불꽃 이미지 및 연기 이미지를 저장할 수 있고, 화재 판단부(330)의 딥러닝 기반 인공지능은 상기 데이터베이스부(390)에 저장된 불꽃 이미지 및 연기 이미지를 통하여 불꽃 및 연기를 인식하는 능력을 향상시킬 수 있다. 화재 판단부(330)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(350)는, 화재 판단부(330)가 화재가 발생한 것으로 최종 판단하면, 서버 통신부(310)를 통해 관리자 단말기(700)로 화재 알림을 전송할 수 있다. 화재 알림은 문자메시지 형태나 푸쉬 메시지 등의 형태로 관리자 단말기(700)로 전송될 수 있으며, 화재 의심 구역의 위치, 화재가 감지된 CCTV의 영상 등이 함께 관리자 단말기(700)로 전송될 수 있다.
관리자 단말기(700)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(370)는, 화재 발생 위치 및 적어도 하나의 CCTV(100_1 내지 100_6)에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내할 수 있다. 상기 혼잡률은 CCTV 영상을 분석하여 사람들이 어느 정도 밀집되어 있는지 여부에 따라 산출될 수 있다.
대피경로 안내부(370)는, 화재 알림을 전송받은 관리자 단말기(700)로부터 화재 상황 확인 정보를 수신하는 경우 상기 대피경로를 안내할 수 있다.
대피경로 안내부(700)는, 화재 알림을 전송받은 관리자 단말기(700)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(370)가 자동으로 대피경로를 안내할 수 있다.
화재 판단부(330)는, 화재 알림을 전송받은 관리자 단말기(700)로부터 화재 오감지 정보를 수신하는 경우, 화재 판단부(330)에 의한 화재 판단이 잘못된 것임을 인식하여 상기 딥러닝 기반 인공지능에 피드백할 수 있다. 화재 판단부(330)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(700)로부터 응답이 없는 상태에서, 화재 의심 구역의 혼잡도가 증가하거나 화재 의심 구역에서 사람들의 이동 속도가 정상 속도보다 빠른 경우에는 화재 판단부(330)는 화재가 발생한 것으로 판단하고 대피경로 안내부(370)를 통해 대피경로를 안내할 수 있다. 즉, 화재 판단부(330)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(330)는 CCTV를 통해 분석된 화재 의심 구역의 혼잡도 및 사람들의 이동 속도를 분석하여 대피경로를 안내할 수 있다.
데이터베이스부(390)는 적어도 하나의 CCTV(150_1 내지 150_6)로부터 전송받은 촬영 영상 등을 저장할 수 있으며, 대피경로 안내를 위해 건물(P) 내의 사람들이 보유 중인 사용자 단말기에 대한 정보도 저장할 수 있다.
도 3은 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법을 나타내는 순서도(Flowchart)이다. 도 3에 도시된 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법(2000)은 도 1 내지 도 2를 참조하여 상술한 도시된 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 서버(300)에 의해 수행될 수 있다.
도 3을 참조하면, 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법(2000)은, 서버 통신부(310)가 건물(P)의 각 공간에 설치된 적어도 하나의 CCTV(100_1 내지 100_6)로부터 촬영된 영상을 전송받는 단계(S21)를 포함할 수 있다. 실시예에 따라, 적어도 하나의 CCTV(100_1 내지 100_6)는 촬영된 영상을 1차로 판단하여 불이나 연기가 감지된 경우에만 상기 촬영된 영상을 조기 화재감지 서버(300)로 전송할 수도 있다. 이 경우에는 조기 화재감지 서버(300)에서 수행되는 S22 단계는 생략될 수 있다.
다음으로, 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법(2000)은, 화재 판단부(330)가 상기 촬영된 영상을 영상처리하여 불 또는 연기가 감지되었는지 여부를 1차로 판단하는 단계(S22)를 포함할 수 있다. 상술한 바와 같이, 화재 판단부(330)는 OpenCV 기반의 실시간 영상처리 방법에 따라 불 또는 연기를 1차로 감지할 수 있다.
다음으로, 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법(2000)은, 화재 판단부(330)가 상기 1차 판단 결과 불 또는 연기가 감지된 것으로 판단되면 상기 촬영된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 2차로 판단하는 단계(S23)를 포함할 수 있다.
상기 1차 판단 결과 불 또는 연기가 감지되지 않은 경우에는, 다시 S21 단계로 돌아가서 적어도 하나의 CCTV(100_1 내지 100_6)의 영상을 새롭게 전송받고 다시 S22 단계를 수행할 수 있다.
다음으로, 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법(2000)은, 화재 판단부(330)가 화재가 발생한 것으로 최종 판단하면, 서버 통신부(310)를 통해 관리자 단말기(700)로 화재 알림을 전송하는 단계(S24)를 포함할 수 있다.
화재 판단부(330)는 1차 판단 결과 불 또는 연기가 감지된 것으로 판단되었지만 2차 판단 결과 화재가 아닌 것으로 최종 판단된 경우에는, 다시 S21 단계로 돌아갈 수 있으며 해당 결과는 1차 판단 모듈에 피드백할 수 있다.
다음으로, 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법(2000)은, 화재 알림을 전송받은 관리자 단말기(700)로부터 화재 상황 확인 정보를 수신하거나, 화재 알림을 전송받은 관리자 단말기(700)로부터 소정 시간 이내에 회신을 못 받은 경우, 대피경로 안내부(370)가 화재 발생 위치 및 적어도 하나의 CCTV(100_1 내지 100_6)에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내하는 단계(S25)를 포함할 수 있다.
화재 판단부(330)는, 화재 알림을 전송받은 관리자 단말기(700)로부터 화재 오감지 정보를 수신하는 경우, 화재 판단부(330)에 의한 화재 판단이 잘못된 것임을 인식하여 상기 딥러닝 기반 인공지능에 피드백할 수 있다.
도 4a 및 도 4b는 본 발명의 일실시예에 따른 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법에 따라 CCTV에서 촬영된 영상을 영상처리하여 불 또는 연기가 감지되었는지 여부를 판단하는 화면을 나타내는 도면이다.
도 4a를 참조하면, 붉은색 박스로 처리된 부분이 화재 판단부(330)에 의해 불꽃이 감지된 것으로 판단된 부분이다. 도 4b를 참조하면, 붉은색 박스로 처리된 부분이 화재 판단부(330)에 의해 연기가 감지된 것으로 판단된 부분이다. 도 4a 및 도 4에 도시된 바와 같이, 화재 판단부(330)는 OpenCV 등을 이용한 영상처리를 통해 실시간으로 불꽃(화염) 및 연기를 감지할 수 있다. 일례로서, 상기 OpenCV는 Caffe라는 AI 학습 모델을 사용할 수 있다.
도 5a 및 도 5b는 본 발명의 일실시예에 따른 대피경로 안내부의 동작방법을 설명하는 도면이다. 도 5a 및 도 5b는 건물의 평면도를 간단히 도식화한 것으로서, R1 내지 R10은 사무실과 같은 공간을 나타내며 S1 내지 S4는 화재 발생 시 대피할 수 있는 계단을 나타낸다.
대피경로 안내부(370)는, 화재 발생 위치 및 적어도 하나의 CCTV(100_1 내지 100_6)에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내할 수 있다. 대피경로 안내부(370)는 OpenCV를 활용하여 각 대피경로의 구역마다 인구 밀집 정도를 측정하여 혼잡률을 분석할 수 있다. 또한, 대피경로 안내부(370)는, 적어도 하나의 CCTV(100_1 내지 100_6)에 의해 촬영된 영상을 화재가 발생하지 않고 인구의 이동이 없을 때 촬영된 영상과 비교하여, 상기 혼잡률을 산정할 수도 있다. 예를 들어, 화재가 발생하여 해당 구역의 비상구에 인원이 많이 모일 경우에는 기존에 저장되어 있는 영상정보와의 유사도가 현저히 떨어지게 되므로 인원이 많이 몰려 있음을 추정할 수 있다. 반면에, 해당 구역의 비상구에 인원이 많지 않을 때에는 기존에 저장되어 있는 영상정보와의 유사도가 크게 차이 나지 않으므로, 인구가 몰려있지 않은 것으로 추정할 수 있다. 이를 통해 혼잡률이 높지 않은 곳으로 원활한 대피를 유도할 수 있다.
도 5a를 참조하면, S1 계단 앞에서 화재가 발생한 경우 대피경로 안내부(370)는 R1, R2, R7, R8, R9, R10의 인원들에게는 최단 거리에 위치하는 S2 계단 및 S3 계단으로 대피경로를 안내할 수 있고, R3, R4, R5, R6의 인원들에게는 S4 계단으로 대피경로를 안내할 수 있다.
다음으로 도 5b를 참조하면, 대피가 이루어져 S2 계단 및 S3 계단에 인원이 몰리는 경우, S2 계단 및 S3 계단 부근에 설치된 CCTV에 의해 촬영된 영상을 통해 해당 구역의 혼잡률이 높아진 것으로 판단할 수 있다. 이에 따라, 대피경로 안내부(370)는 S2 계단 및 S3 계단의 혼잡률이 높아진 것을 감안하여 R1, R2, R7, R8, R9, R10의 인원들에게도 S2 계단 및 S3 계단이 아니라 S4 계단으로 대피하도록 안내할 수 있다. 이러한 혼잡률은 화재 발생 시 최적의 대피경로를 계산하기 위하여 적어도 하나의 CCTV(100_1 내지 100_6)가 설치된 각 구역마다 실시간으로 계산될 수 있다.
대피경로 안내부(370)는, 화재 발생 위치 및 적어도 하나의 CCTV(100_1 내지 100_6)에 의해 촬영된 영상으로부터 분석된 혼잡률에 기반하여 최단경로 기반의 대피경로를 안내할 수 있다. 일례로서, 상기 최단경로 기반의 대피경로 안내방법은 다익스트라(Dijkstra) 알고리즘 또는 에이스타(A*) 알고리즘 등을 사용할 수 있다. 각 알고리즘의 가중치는 각 구역에 설치된 CCTV에서부터 대피로까지의 거리일 수 있다.
실시예에 따라, 상기 대피경로 안내부(370)는, 고층이나 비상구까지의 거리가 먼 곳 등 대피가 힘든 지역부터 대피경로를 계산할 수 있다. 대피경로 안내부(370)는, 현재 위치에서 가장 가까운 비상구까지의 경로를 대피경로로 설정하되, 현재 위치에서 비상구 사이에 화재가 진행되었다면 그 비상구는 제외하고, 해당 비상구나 해당 비상구까지의 경로가 혼잡률이 높은 경우 해당 비상구는 제외할 수 있다. 대피경로 안내부(370)는 화재 발생 위치로부터의 거리 등을 고려하여 대피경로 안내 순서를 설정할 수 있다.
실시예에 따라, 상기 대피경로 안내부(370)는, 최종적으로 검색된 비상구로 대피경로를 안내할 수 있으며, 대피경로로 안내된 비상구와 연결된 다른 층들의 비상구에 대한 혼잡률을 증가시켜 대피경로의 몰림 현상을 방지할 수 있다.
실시예에 따라, 상기 대피경로 안내부(370)는 건물(P)에 설치된 방송용 스피커나 비상구 유도등 등으로 상기 대피경로를 안내할 수 있다. 또한, 상기 대피경로 안내부(370)는 형광등을 통해 비상구를 유도할 수 있는 회로 등을 이용하여 일반적인 비상구 유도등과 같이 대피경로를 안내할 수도 있다. 또한, 실시예에 따라, 상기 대피경로 안내부(370)는 건물(P) 내에 있는 사람들의 사용자 단말기로 대피경로에 관한 메시지 등을 전송할 수도 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 상술한 바와 같은 실시예들을 다양하게 조합 가능하다. 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.
100_1 ~ 100_6 : CCTV
300: 조기 화재감지 서버
310: 서버 통신부 330: 화재 판단부
350: 화재 알림부 370: 대피경로 안내부
390: 데이터베이스부 500: 유무선 통신망
700: 관리자 단말기
310: 서버 통신부 330: 화재 판단부
350: 화재 알림부 370: 대피경로 안내부
390: 데이터베이스부 500: 유무선 통신망
700: 관리자 단말기
Claims (5)
- 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 안내하는 것을 특징으로 하는 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템. - 제1항에 있어서, 상기 대피경로 안내부는,
화재 발생 위치 및 상기 적어도 하나의 CCTV에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내하는 것을 특징으로 하는 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 시스템. - 건물의 각 공간에 설치된 적어도 하나의 CCTV로부터 촬영된 영상을 전송받는 서버 통신부;
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 판단하는 화재 판단부;
상기 화재 판단부가 화재가 발생한 것으로 최종 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 안내하는 것을 특징으로 하는 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 서버. - 제3항에 있어서, 상기 대피경로 안내부는,
화재 발생 위치 및 상기 적어도 하나의 CCTV에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내하는 것을 특징으로 하는 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 서버. - 서버 통신부가 건물의 각 공간에 설치된 적어도 하나의 CCTV로부터 촬영된 영상을 전송받는 단계;
화재 판단부가 상기 촬영된 영상을 영상처리하여 불 또는 연기가 감지되었는지 여부를 1차로 판단하는 단계;
상기 화재 판단부가 상기 1차 판단 결과 불 또는 연기가 감지된 것으로 판단되면 상기 촬영된 영상을 딥러닝 기반 인공지능을 이용하여 화재 여부를 2차로 판단하는 단계;
상기 화재 판단부가 화재가 발생한 것으로 최종 판단하면, 상기 서버 통신부를 통해 관리자 단말기로 화재 알림을 전송하는 단계; 및
상기 화재 알림을 전송받은 상기 관리자 단말기로부터 화재 상황 확인 정보를 수신하거나, 상기 화재 알림을 전송받은 상기 관리자 단말기로부터 소정 시간 이내에 회신을 못 받은 경우, 대피경로 안내부가 화재 발생 위치 및 상기 적어도 하나의 CCTV에 의해 촬영된 영상으로부터 분석된 혼잡률에 따라 대피경로를 안내하는 단계를 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 피드백하는 것을 특징으로 하는 영상처리와 딥러닝 기반의 AI를 이용한 조기 화재감지 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180169765A KR102277968B1 (ko) | 2018-07-12 | 2018-12-26 | 영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180080993A KR101934700B1 (ko) | 2018-07-12 | 2018-07-12 | 영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법 |
| KR1020180169765A KR102277968B1 (ko) | 2018-07-12 | 2018-12-26 | 영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180080993A Division KR101934700B1 (ko) | 2018-07-12 | 2018-07-12 | 영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200013218A true KR20200013218A (ko) | 2020-02-06 |
| KR102277968B1 KR102277968B1 (ko) | 2021-07-15 |
Family
ID=69569275
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180169765A KR102277968B1 (ko) | 2018-07-12 | 2018-12-26 | 영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102277968B1 (ko) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111564023A (zh) * | 2020-05-14 | 2020-08-21 | 清华大学合肥公共安全研究院 | 关于埋地燃气管线泄漏报警阈值设定的方法和系统 |
| KR102275989B1 (ko) | 2021-01-18 | 2021-07-13 | (주)전원테크 | 화재 및 화재의 예상 전개방향을 예측할 수 있는 화재예측 시스템 |
| KR20220117102A (ko) * | 2021-02-15 | 2022-08-23 | 동신대학교산학협력단 | 대피로 유도 시스템 및 방법 |
| KR20230011640A (ko) | 2021-07-14 | 2023-01-25 | 연세대학교 산학협력단 | 클라우드 기반 화재 탐지 시스템 및 그 방법 |
| KR20230016826A (ko) | 2021-07-27 | 2023-02-03 | 연세대학교 산학협력단 | 비젼 기반 화재 탐지 시스템 및 그 방법 |
| GB2609512A (en) * | 2021-08-07 | 2023-02-08 | Leslie Kelly Andrew | An intelligent, policy-based computational modelling method & system for building fires |
| KR20240039644A (ko) | 2022-09-19 | 2024-03-27 | 동의대학교 산학협력단 | Yolo 기반 영상을 이용한 차량 분류와 화재 감지 장치 및 방법 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230164857A (ko) | 2022-05-26 | 2023-12-05 | 주식회사 이산기술 | 고온 객체 산재 영역의 화재 감지/판단 시스템 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101352488B1 (ko) * | 2012-09-13 | 2014-01-21 | 최성열 | 모바일 디바이스 연동식 건축물 소방안전 시스템 |
| KR101447528B1 (ko) * | 2013-08-13 | 2014-10-10 | 주식회사 하이맥스 | Cctv를 이용한 화재 경보 제어 장치 및 시스템 |
| KR101869442B1 (ko) * | 2017-11-22 | 2018-06-20 | 공주대학교 산학협력단 | 화재 감지 장치 및 방법 |
-
2018
- 2018-12-26 KR KR1020180169765A patent/KR102277968B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101352488B1 (ko) * | 2012-09-13 | 2014-01-21 | 최성열 | 모바일 디바이스 연동식 건축물 소방안전 시스템 |
| KR101447528B1 (ko) * | 2013-08-13 | 2014-10-10 | 주식회사 하이맥스 | Cctv를 이용한 화재 경보 제어 장치 및 시스템 |
| KR101869442B1 (ko) * | 2017-11-22 | 2018-06-20 | 공주대학교 산학협력단 | 화재 감지 장치 및 방법 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111564023A (zh) * | 2020-05-14 | 2020-08-21 | 清华大学合肥公共安全研究院 | 关于埋地燃气管线泄漏报警阈值设定的方法和系统 |
| KR102275989B1 (ko) | 2021-01-18 | 2021-07-13 | (주)전원테크 | 화재 및 화재의 예상 전개방향을 예측할 수 있는 화재예측 시스템 |
| KR20220117102A (ko) * | 2021-02-15 | 2022-08-23 | 동신대학교산학협력단 | 대피로 유도 시스템 및 방법 |
| KR20230011640A (ko) | 2021-07-14 | 2023-01-25 | 연세대학교 산학협력단 | 클라우드 기반 화재 탐지 시스템 및 그 방법 |
| KR20230016826A (ko) | 2021-07-27 | 2023-02-03 | 연세대학교 산학협력단 | 비젼 기반 화재 탐지 시스템 및 그 방법 |
| GB2609512A (en) * | 2021-08-07 | 2023-02-08 | Leslie Kelly Andrew | An intelligent, policy-based computational modelling method & system for building fires |
| KR20240039644A (ko) | 2022-09-19 | 2024-03-27 | 동의대학교 산학협력단 | Yolo 기반 영상을 이용한 차량 분류와 화재 감지 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102277968B1 (ko) | 2021-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101934700B1 (ko) | 영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법 | |
| KR102277968B1 (ko) | 영상처리와 딥러닝 기반의 ai를 이용한 조기 화재감지 시스템, 서버 및 방법 | |
| KR102101698B1 (ko) | 불꽃, 연기 및 영상 기반의 조기 화재감지 시스템, 서버 및 방법 | |
| KR102164449B1 (ko) | Ai를 이용한 건축물 소방화재 감시 시스템 | |
| KR102358776B1 (ko) | 불꽃, 연기 및 영상 기반의 조기 화재감지 시스템, 서버 및 방법 | |
| KR101475134B1 (ko) | 지능형 피난 유도 방법 및 장치 | |
| KR101775463B1 (ko) | 건물 내에 설치되는 자동화재 탐지설비용 화재 감지기 및 이를 포함하는 통합제어시스템 | |
| RU2544737C2 (ru) | Устройство для эвакуации и указатель пути эвакуации для него | |
| KR101893040B1 (ko) | 대피 경로 안내 시스템 및 방법 | |
| US20230074176A1 (en) | Systems and methods for dynamic building evacuation | |
| KR102108343B1 (ko) | 적외선 센서를 이용한 재실 인원 카운트 방법 | |
| KR101079735B1 (ko) | 지능형 방향유도 제어 시스템 | |
| KR102392733B1 (ko) | 재난 현장에서 요구조자에게 대피 경로를 안내하는 방법 및 시스템 | |
| NO317973B1 (no) | Brannalarm og brannalarmsystem | |
| KR102325565B1 (ko) | 화재로부터 탈출을 위한 최적 경로 도출 방법 | |
| KR102302316B1 (ko) | 건물의 화재장소와 소방기기의 위치에 대한 영상제공시스템 | |
| KR102133442B1 (ko) | 화재 대피 서비스 제공 방법 및 이를 수행하는 화재 대피 시스템 | |
| KR102535539B1 (ko) | 대피로 유도 시스템 및 방법 | |
| KR102069270B1 (ko) | 화재감지 기능을 갖는 cctv시스템 및 그 제어방법 | |
| US11847898B2 (en) | Adaptive fire detection | |
| KR102175419B1 (ko) | 와이드 스프링클러를 이용한 건축물 소방화재 감시 시스템 | |
| KR102095986B1 (ko) | 화재 조기 감지 및 안전 대피 유도 시스템과 그 방법 | |
| KR20190128321A (ko) | 레이저를 이용한 대피 기능을 갖는 스마트 비상등 시스템 | |
| KR102101815B1 (ko) | 블루투스를 이용한 대피로 안내 시스템 | |
| KR102290667B1 (ko) | 인공지능을 이용한 건축물 소방화재 감시 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| E701 | Decision to grant or registration of patent right |