KR20220057783A - 인공지능 기반의 통합 화재 감시 시스템 - Google Patents

Abstract

본 기술은 인공지능 기반의 통합 화재 감시 시스템에 관한 것이다. 본 기술의 인공지능 기반의 통합 화재 감시 시스템은 서버; 및 감시 영역에 대한 영상 데이터를 수집하는 가시광 이미지 센서와, 상기 감시 영역에 대한 온도 데이터를 수집하는 열화상 이미지 센서와, 상기 감시 영역에 대한 적외선 또는 자외선 데이터를 수집하는 수광 센서를 포함하는 서로 이격된 다수의 화재 감지 장치들;을 포함하되, 상기 화재 감지 장치들은 각각, 상기 영상 데이터로부터 기설정된 조건을 만족하는 경우 제1 이벤트 발생으로 판단하는 제1 판단부; 상기 온도 데이터로부터 기설정된 조건을 만족하는 경우 제2 이벤트 발생으로 판단하는 제2 판단부; 상기 적외선 또는 자외선 데이터로부터 기설정된 조건을 만족하는 경우 제3 이벤트 발생으로 판단하는 제3 판단부; 상기 제1 이벤트 내지 제3 이벤트 중 적어도 하나 발생시, 상기 가시광 이미지(제1 이미지)와 상기 온도 데이터 중 기설정된 조건을 만족하는 온도 데이터로부터 생성된 열화상 이미지(제2 이미지)를 중첩하는 중첩부; 및 상기 중첩 이미지를 상기 서버로 전송하는 통신부;를 포함한다. 본 기술의 인공지능 기반의 통합 화재 감시 시스템은 에지형 감지 시스템에서 비화재 상황을 보다 정확히 판단함으로써 화재 감지 효율을 높일 수 있는 장치를 제공할 수 있다.

Description

인공지능 기반의 통합 화재 감시 시스템{Integrated fire monitoring system based on artificial intelligence}

본 발명은 인공지능 기반의 통합 화재 감시 시스템에 관한 것으로, 보다 구체적으로는 UV 감지 기술이 적용된 인공지능 기반의 통합 화재 감시 시스템에 관한 것이다.

CCTV(Closed Circuit Television, 폐쇄 회로 텔레비전)는 특정 건축물이나 시설물에서 특정 수신자를 대상으로 유선 또는 특수 무선 전송로를 이용해 화상을 전송하는 시스템이다.

CCTV 방식에는 중앙집중형 감시 시스템과 에지형 감시 시스템이 있다. 중앙집중형은 카메라의 영상을 중앙 센터에서 단순 수집하여 일괄적으로 영상을 분석한다. 에지형은 각 카메라 자체에 영상 분석 기능을 구성하여 특정한 이벤트가 발생하는 경우에만 감시 영상을 전송한다. 후자가 중앙 센터의 부하를 분산하고 전체 트래픽의 양을 크게 줄일 수 있어 최근 많이 활용되고 연구되고 있는 방식 중 하나이다.

또한 영상 감시의 정확도를 높이기 위해, 가시광 카메라 뿐만 아니라 열화상 카메라도 함께 적용된 CCTV에 대한 연구도 활발하다.

이에 더해, 자외선 센서도 함께 활용하여 영상 감시의 정확도를 높이는 연구도 활발하다. 대한민국 등록공보 제10-2088198호는 가시광영상, 열화상영상의 수집과 자외선을 감지하는 기능을 하나의 감시 장치에 통합하여 화재발생을 실시간으로 감지하기 위한 기술을 보여준다.

수집 데이터가 많을수록 당연히 영상 감시의 정확도는 높아진다. 그러나, 반대급부가 따른다. 장비 자체의 비용 증가는 물론, 처리해야 할 데이터량이 크게 늘어나 시스템 구축 및 유지비용이 증가하고 소형화의 한계가 드러난다.

다양한 종류의 정보를 이용하되 전체 트래픽의 양을 줄이면서도 저비용으로 구축할 수 있는 시스템이 요구되는 이유이다. 한정된 자원 하에서 보다 효율적으로 시스템을 설계하기 위한 노력이 필요한 것이다.

한편, 상술한 에지형 감지 시스템은 서버 부하를 줄이기 위해, 에지단에서 이벤트가 발생한 경우에만 서버로 전송해 주게 된다. 이는 서버의 부하를 줄이고 관리자(내지는 상황실의 근무자)의 업무 부담을 줄이는 장점을 갖는다. 그러나, 용접 작업과 같이, 지속적인 화염 감지 이벤트 발생시에는 위와 같은 장점을 누리기 어렵다. 용접 작업의 경우 장시간 지속되므로, 에지형 감시 시스템이라 하더라도 그러한 시간동안 계속하여 서버에 부하가 걸리고, 관리자 또한 계속해서 화면에 집중해야 하는 문제가 발생한다. 이는 결국 화재 감지에 취약점을 드러낸다.

이에 화재 오탐 발생 가능성이 높은 상황인 경우에는, 아예 화재 감지 장치의 작동을 일시적으로 차단해 놓는 경우도 있게 된다. 용접 작업과 같이 특히 화재 발생 위험이 높은 경우에는 더욱 화재 감지가 적극적으로 필요함에도 불구하고 현실적으로 기존의 중앙집중형의 감시에서 발생하는 문제점들이 그대로 에지형에도 존재하게 되는 것이다.

본 발명의 발명자는 이러한 문제점들을 해결하기 위하여 오랫동안 연구하고 시행착오를 거친 끝에 본 발명을 완성하기에 이르렀다.

본 발명의 실시예는 에지형 감지 시스템에서 화재 감지 효율을 보다 높이기 위한 장치를 제공한다.

한편, 본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 것이다.

본 발명의 실시예에 따른 인공지능 기반의 통합 화재 감시 시스템은, 서버; 및 감시 영역에 대한 영상 데이터를 수집하는 가시광 이미지 센서와, 상기 감시 영역에 대한 온도 데이터를 수집하는 열화상 이미지 센서와, 상기 감시 영역에 대한 적외선 또는 자외선 데이터를 수집하는 수광 센서를 포함하는 서로 이격된 다수의 화재 감지 장치들;을 포함하되, 상기 화재 감지 장치들은 각각, 상기 영상 데이터로부터 기설정된 조건을 만족하는 경우 제1 이벤트 발생으로 판단하는 제1 판단부; 상기 온도 데이터로부터 기설정된 조건을 만족하는 경우 제2 이벤트 발생으로 판단하는 제2 판단부; 상기 적외선 또는 자외선 데이터로부터 기설정된 조건을 만족하는 경우 제3 이벤트 발생으로 판단하는 제3 판단부; 상기 제1 이벤트 내지 제3 이벤트 중 적어도 하나 발생시, 상기 가시광 이미지(제1 이미지)와 상기 온도 데이터 중 기설정된 조건을 만족하는 온도 데이터로부터 생성된 열화상 이미지(제2 이미지)를 중첩하는 중첩부; 및 상기 중첩 이미지를 상기 서버로 전송하는 통신부;를 포함할 수 있다.

상기 화재 감지 장치들은 각각, 상기 중첩 이미지로부터 비화재 이벤트 여부를 판단하고, 비화재 이벤트로 판단된 경우에 상기 중첩 이미지의 상기 서버로의 전송을 차단하고 비화재 메시지가 상기 서버로 전송되도록 하는 AI 처리부;를 더 포함할 수 있다.

상기 AI 처리부는, 상기 제1 내지 제3 이벤트가 모두 발생한 것으로 판단된 중첩 이미지에 대해 비화재 이벤트 여부를 판단할 수 있다.

상기 AI 처리부는, 상기 중첩 이미지가 기설정된 시간 이상으로 전송이 지속되는 경우 비화재 이벤트 여부를 판단할 수 있다.

상기 AI 처리부는, 상기 중첩 이미지으로부터 작업자가 존재하는지를 인식하고, 기학습된 작업자와 화염 사이의 거리에 기초하여, 상기 중첩 이미지에서 인식된 작업자 영역과 관심 영역 사이의 거리가 기설정된 값 이내인 경우 비화재 이벤트로 판단할 수 있다.

상기 관심 영역은 상기 열화상 이미지에 의해 정의되는 고온영역일 수 있다.

상기 관심 영역은 상기 영상 데이터 중 기설정된 조건을 만족하는 영상 데이터로부터 생성된 화염패턴에 의해 정의되는 화염영역 일 수 있다.

상기 중첩 이미지에서 2 이상의 상기 작업자 영역 또는 2 이상의 상기 관심 영역이 존재하는 경우, 가장 먼 작업자 영역과 관심 영역 사이의 거리를 기준으로 비화재 이벤트를 판단할 수 있다.

상기 서버는, 상기 화재 감지 장치들 중 어느 하나로부터 상기 비화재 메시지를 수신한 경우, 다른 화재 감지 장치들로 이벤트 영상 전송 차단 메시지를 브로드캐스팅할 수 있다.

본 기술은 에지형 감지 시스템에서 비화재 상황을 보다 정확히 판단함으로써 화재 감지 효율을 높일 수 있는 장치를 제공할 수 있다.

도 1은 본 발명의 실시예에 따른 인공지능 기반의 통합 화재 감시 시스템의 전체적인 구성을 도시하는 도면이다.
도 2는 본 발명의 실시예에 따른 화재 감지 장치의 구성을 보다 상세하게 도시하는 도면이다.
도 3a 내지 도 3d는 본 발명의 실시예에 따른 화재 감지 장치에 의해 중첩 이미지가 생성되는 과정을 개략적으로 도시하는 도면이다.
도 4a는 본 발명의 실시예에 따른 화재 감지 시스템이 설치된 감시 구역을 위에서 바라본 개략적인 상황을 도시하는 도면이다.
도 4b는 도 4a에서 각 화재 감지 장치들로부터 수신된 이벤트 영상(즉, 중첩 이미지)이 서버와 연결된 디스플레이 장치를 통해 표시되는 일례를 도시하는 도면이다.
도 5는 도 4에서 각 화재 감지 장치들이 이벤트 영상을 서버로 전송함에 있어서 본 발명의 실시예에 따른 AI 처리부가 그러한 전송을 제한하기 위한 영상 분석 과정을 보여주는 도면이다.
도 6은 본 발명의 실시예에 따른 AI 처리부의 영상 분석 과정을 보다 상세하게 도시하는 도면이다.
첨부된 도면은 본 발명의 기술사상에 대한 이해를 위하여 참조로서 예시된 것임을 밝히며, 그것에 의해 본 발명의 권리범위가 제한되지는 아니한다.

이하에서는, 본 발명의 가장 바람직한 실시예가 설명된다. 도면에 있어서, 두께와 간격은 설명의 편의를 위하여 표현된 것이며, 실제 물리적 두께에 비해 과장되어 도시될 수 있다. 본 발명을 설명함에 있어서, 본 발명의 요지와 무관한 공지의 구성은 생략될 수 있다. 각 도면의 구성요소들에 참조 번호를 부가함에 있어서, 동일한 구성 요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 번호를 가지도록 하고 있음에 유의하여야 한다.

도 1은 본 발명의 실시예에 따른 인공지능 기반의 통합 화재 감시 시스템 의 전체적인 구성을 도시하는 도면이다.

도 1에 도시된 바와 같이, 인공지능 기반의 통합 화재 감시 시스템(1)(이하, 간단히 '화재 감지 시스템'이라 함)은 서버(100) 및 다수의 화재 감지 장치들(200A 내지 200D)을 포함한다.

서버(100)는 유무선 통신 네트워크를 통해 다수의 화재 감지 장치들(200A 내지 200D)과 연결된다.

서버(100)는 다수의 화재 감지 장치들(200A 내지 200D)로부터 전송되는 각종 데이터를 수신하여 저장하고, 사용자의 요청에 따라 데이터를 가공할 수 있다.

서버는 다수의 화재 감지 장치들(200A 내지 200D)로부터 수집된 감시 결과를 복수의 디스플레이 장치(DS)를 통해 표시할 수 있다. 디스플레이 장치는 가시광 데이터에 기반한 제1 이벤트, 열화상 데이터에 기반한 제2 이벤트 및 적외선/자외선 데이터에 기반한 제3 이벤트에 대응하는 색을 나타낼 수 있다. 색 대신에 또는 색과 함께 패턴을 나타낼 수도 있으며, 점등, 소리, 진동 등과 같은 표식을 함께 나타낼 수도 있다.

서버는 그 내부에 저장소(미도시)를 포함한다. 저장소는 가시광 데이터, 열화상 데이터 및 적외선/자외선 데이터를 일정기간 동안 저장할 수 있다. 저장할 정보의 종류와 저장하는 시간 등의 조건은 사용자의 사용목적이나 저장소의 저장 용량 등을 고려하여 변경될 수 있다.

저장소는 네트워크 비디오 레코더(Network Video Recorder, NVR)일 수 있다.

서버에는 키보드, 스피커, 마우스, 스크린, 디스플레이 장치와 같은 인터페이스 장치가 연결될 수 있다. 이는 사용자의 의도에 대응하여 감시 결과를 변경하거나 조정할 수 있도록 사용자의 의도를 수신할 수 있다. 또는 사용자의 의도나 자동화된 프로그램 등을 통해 결정된 비상등, 경고등, 알람 등을 수행할 수 있다.

본 발명에서는 다수의 화재 감지 장치들(200A 내지 200D)을 대표하여 하나의 화재 감지 장치(200)로 참조할 수 있다.

도 1의 A부분(화재 감지 장치에 대한 정면도)을 참조하면, 화재 감지 장치(200)는 전방의 소정의 영역에 대한 가시광 이미지를 획득하는 가시광 카메라(VC), 상기 소정의 영역에 대한 열화상 이미지를 획득하는 열화상 카메라(TC)와, 상기 소정의 영역에 대한 적외선/자외선 데이터를 수집하는 수광센서(IV)를 포함한다.

화재 감지 장치에서 생성되는 이미지 데이터 및 적외선/자외선 데이터는 서버의 저장소에 저장 가능한 형식으로 생성될 수 있다.

가시광 카메라(VC)는 가시광 이미지 센서를 포함한다.

가시광 이미지 센서는 광전환 반도체와 결합소자로 구성된 미세한 화소가 세밀하게 집적된 형태를 포함하며, 각 화소는 렌즈를 통해서 빛 에너지에 의해 발생된 전하를 축적한 후 전송할 수 있다. 본 발명에서는 설명의 편의를 위해 가시광 이미지를 획득하는 장치가 가시광 카메라인 것으로 설명하기로 하나, 본 발명이 이에 한정되지 않으며, 가시광 이미지 센서를 포함하는 영상 카메라, 돔 카메라, 저조도 카메라, 줌 카메라, 웹 카메라 등 다양한 장치일 수 있다.

가시광 이미지 센서는 기설정되었거나 사용자의 요구에 의해 정해진 감시 영역에 대한 영상 데이터를 수집한다.

열화상 카메라(TC)는 열화상 이미지 센서를 포함한다.

열화상 이미지 센서는 열이 발생하는 물체에서 나오는 적외선을 전기적 신호로 변경하여 그 크기에 따라 색상으로 표시하는 장치이다. 본 발명에서는 설명의 편의를 위해 열화상 이미지를 획득하는 장치가 열화상 카메라인 것으로 설명하기로 하나, 이에 한정되지 않으며, 열화상 이미지 센서를 포함하는 적외선 카메라 등 다양한 장치일 수 있다.

열화상 이미지 센서는 기설정되었거나 사용자의 요구에 의해 정해진 감시 영역에 대한 온도 데이터를 수집한다.

수광센서}(IV)는 적외선 센서 또는 자외선 센서를 포함한다. 수광센서는 본 발명에서 적외선/자외선 센서로 참조될 수 있다.

적외선 센서는 불꽃에서 방사되는 적외선의 변화가 일정량 이상이 될 때 작동하는 것으로, 연소시 탄산가스 분자가 갖는 적외선 파장영역(예를 들어, 4.35 um)에서 공명방사의 원리를 이용하는 장치이다. 이에 한정되지 않으며, 적외선을 수광하여 불꽃을 검출하는 다양한 장치일 수 있다.

자외선 센서는 자외선 중 특정 파장대(예를 들어 185 nm 내지 260 nm)의 자외선에 반응하는 장치이다. 자외선 센서는 일정대의 파장이 들어오면 광전자 발생에 의해 전류가 통하게 되고, 그 전류의 양에 따라 검출된 파장의 상대강도를 측정 및 이 상대강도를 이용하여 불꽃을 감지한다. 이에 한정되지 않으며, 자외선을 수광하여 불꽃을 검출하는 다양한 장치일 수 있다.

수광센서는 기설정되었거나 사용자의 요구에 의해 정해진 감시 영역에 대한 적외선 또는 자외선 데이터를 수집한다.

한편, 도 1의 A부분에 도시된 화재 감지 장치에서 가시광 카메라와 열화상 카메라가 이격된 거리는 후술하는 중첩 이미지 생성에 활용될 수 있다. 가시광 카메라와 열화상 카메라의 초점 거리는 각각으로부터 획득되는 가시광 이미지와 열화상 이미지를 중첩하는 맵핑 과정에 활용될 수 있다.

이와 같이 화재 감지 장치는 화재 감지에 가시광 이미지, 열화상 이미지 및 적외선/자외선을 모두 활용함으로써 화재 감지의 정확도를 높인다. 예를 들면, 가시광 이미지만을 이용할 때에 오탐률이 높은 몇몇 상황들에 대해, 온도에 관한 열화상 이미지와 적외선/자외선까지 함께 이용하면 예상되는 오탐 상황들(빨강색 장갑 등과 같이)에 대해 오탐률을 크게 낮출 수 있다.

이를 위해 본 발명의 실시예에 따른 화재 감지 장치는 가시광 이미지와 열화상 이미지를 생성하여 서버로 전송하고 적외선/자외선 검출 결과를 서버로 전송한다. 이때 화재 감지 장치는 에지형 감시 시스템으로서 이벤트 발생을 자체적으로 판단하고, 이벤트 영상만을 서버로 전송한다.

이하 화재 감지 장치의 이벤트 영상 전송 과정을 보다 상세히 살펴본다.

도 2는 본 발명의 실시예에 따른 화재 감지 장치의 구성을 보다 상세하게 도시하는 도면이다.

도 2에 도시된 바와 같이 화재 감지 장치(200)는 가시광 이미지 센서(210), 제1 판단부(220), 열화상 이미지 센서(230), 제2 판단부(240), 적외선/자외선 센서(250), 제3 판단부(260), 중첩부(270), AI 처리부(280) 및 통신부(290)를 포함할 수 있다.

가시광 이미지 센서(210), 열화상 이미지 센서(230) 및 적외선/자외선 센서(250)의 동작은 상술한 바와 동일한 바, 이하에서는 중첩부, AI 처리부 및 통신부의 동작을 중심으로 살펴본다.

제1 판단부(220)는 가시광 이미지 센서(210)에 의해 수집된 영상 데이터를 분석하여, 기설정된 조건을 만족하는 경우 제1 이벤트 발생으로 판단한다.

예를 들어, 가시광 이미지 센서에 의해 획득된 가시광 이미지를 분석하여 화염패턴이 포함된 경우 제1 이벤트를 발생시킬 수 있다.

이때, 가시광 이미지로부터 화염패턴을 인식하기 위한 여러 기술들 중 하나 이상이 적용될 수 있다. 일례로, 화염이 갖는 색상의 레벨 값이 문턱값을 초과하는지로부터 화염을 판단하는 명도 문턱값을 이용한 알고리즘이 적용될 수 있다. 다른 예로, 화염 후보 영역의 질감 분석이나 그 윤곽의 주파수 성분을 분석하는 공간 영역 분석을 이용한 알고리즘이 적용될 수 있다. 또 다른 예로는, 시간에 따라 변화하는 화염 후보영역의 특정 레벨값의 주파수를 분석하는 시간 영역 주파수 분석 알고리즘이 적용될 수 있다. 어느 경우나, 이벤트 발생을 판단하기 위해 기설정된 조건(즉, 문턱값을 설정하고, 그 문턱값을 초과하는지)을 만족하는지 여부로부터 제1 이벤트를 발생시킨다는 점에서는 공통된다.

한편, 화염 대신에 또는 화염과 함께 연기 패턴이 포함된 경우 제1 이벤트를 발생시킬 수도 있다. 마찬가지로 가시광 이미지로부터 연기 패턴을 인식하기 위한 하나 이상의 기술이 적용될 수 있다. 일례로, 적응적 가우시안 혼합모델, 시간 도함수 영상의 일시적 축적 기법 등이 적용될 수 있다.

제2 판단부(240)는 열화상 이미지 센서(230)에 의해 수집된 온도 데이터를 분석하여, 기설정된 조건을 만족하는 경우 제2 이벤트 발생으로 판단한다.

예를 들어, 온도 데이터를 분석하여 기설정된 온도를 초과하는 온도 값이 포함된 경우 제2 이벤트를 발생시킬 수 있다.

일례로, 문턱값을 50℃로 설정한 경우, 열화상 이미지 센서에 의해 수집된 온도 데이터에 50℃를 초과하는 값이 존재하면 제2 이벤트를 발생시킨다.

또한 온도 데이터에 문턱값을 초과하는 값이 1개라도 존재하면 이벤트를 발생시킬 수도 있으나 이웃하는 2개 이상의 값이 존재하는 경우로 한정하여 이벤트를 발생시킬 수도 있다. 화재 감지 장치의 사용목적이나 사용환경에 따라 변경될 수 있다.

한편, 열화상 이미지 센서는 온도 데이터를 수집하여 색상 데이터(즉, 열화상 이미지)로 변환하는 바, 변환 후의 색상 데이터를 활용하여(즉, 열화상 이미지 중에서 문턱값을 초과하는 색상 값이 존재하는지 여부로부터) 제2 이벤트 발생을 판단할 수도 있으나, 본 발명에서는 변환 전의 온도 데이터를 활용하는 실시예를 중심으로 설명한다.

제3 판단부(260)는 적외선/자외선 센서(250)에 의해 수집된 적외선 또는 자외선 데이터를 분석하여, 기설정된 조건을 만족하는 경우 제3 이벤트 발생으로 판단한다.

예를 들어, 적외선 데이터를 분석하여 기설정된 파장대의 적외선이 일정량 이상일 때에 제3 이벤트를 발생시킬 수 있다. 일례로, 4.35 um 대역에 수광량이 문턱값 이상이면 제3 이벤트를 발생시킬 수 있다.

또는 예를 들어, 자외선 데이터를 분석하여 기설정된 파장대의 자외선이 일정량 이상일 때에 제3 이벤트를 발생시킬 수 있다. 일례로, 185 nm 내지 260 nm 대역에 수광량이 문턱값 이상이면 제3 이벤트를 발생시킬 수 있다.

한편, 적외선/자외선 센서는 적외선 데이터와 자외선 데이터 모두를 이용할 수도 있으나, 본 발명에서는 설명의 편의를 위해 자외선 데이터만을 이용하는 실시예를 중심으로 설명하기로 한다. 또한, 본 발명에서는 설명의 편의를 위해, 적외선 데이터 또는 자외선 데이터를 수집하거나, 저장한다고 표현하나, 수광센서는 이들 데이터를 수집하여 전류 값으로 변환하는 바, 실제 수집되거나 저장되는 것은 전류 값일 수 있다.

중첩부(270)는 제1 이벤트 내지 제3 이벤트 중 적어도 하나 발생시 가시광 카메라(VC)라에 의해 획득된 가시광 이미지와 열화상 카메라(TC)에 의해 획득된 열화상 이미지를 중첩한다.

중첩된 이미지의 서버(100)로의 전송은 통신부(290)에 의해 수행될 수 있다. 화재 감지 장치는 서버와 통신하기 위한 통신부를 더 포함한다.

본 발명의 실시예에 따른 중첩부의 중첩 과정은 가시광 이미지의 제1 레이어와 열화상 이미지의 제2 레이어를 중첩하는 맵핑 과정을 포함할 수 있다.

이때, 가시광 이미지의 제1 레이어(이하 간단히 '제1 레이어'라 함)는 전방의 소정의 영역에 대한 가시광 이미지가 그대로 활용됨에 비해, 열화상 이미지의 제2 레이어(이하 간단히 '제2 레이어'라 함)는 전방의 소정의 영역에 대한 일부 온도 값(즉, 문턱값을 초과하는 온도 값)만이 추출된 열화상 이미지라는 점에 주목한다.

구체적으로, 제2 레이어는 제1 레이어와의 중첩 과정 이전에, 문턱값을 초과하는 부분에 대해서만 추출 과정이 이루어진 후에 제1 레이어와 중첩된다.

본 발명의 실시예에 따르면, 제2 레이어를 위한 문턱값과 상술한 제2 이벤트 발생 판단을 위한 문턱값은 서로 다르게 설정될 수 있다. 제2 이벤트 발생 판단 과정과 제2 레이어 생성 과정은 서로 별도의 프로세스에 해당하기 때문이다. 이벤트 발생 판단은 감시 영상의 전송 시작 시점에 관한 것이고, 제2 레이어 생성은 실제로 관리자에게 제공될 감시 영상에 관한 것이기 때문이다.

예를 들어, 제2 레이어를 위한 문턱값이 제2 이벤트 발생 판단을 위한 문턱값보다 낮을 수 있다. 일례로, 전자가 30℃이고, 후자가 50℃일 수도 있다. 제2 레이어 문턱값을 상대적으로 낮게 설정함으로써 (관리자가 디스플레이 장치를 통해 육안으로 확인하면서 수행되는) 관리자에 의한 실제 모니터링이 보다 낮은 온도에서 보다 정밀하게 이루어지도록 한다.

본 발명의 실시예에 따르면, 추출 과정은 문턱값을 초과하는 온도 데이터에 대해서만 색상 데이터로 변환하는 과정을 포함한다. 즉, 제2 이벤트가 발생된 부분만 추출된 후 제2 레이어가 된다. 만약 제2 이벤트가 발생된 부분이 없다면 추출될 것이 없으므로 제로 데이터가 제2 레이어가 될 수 있다. 또는 제로 데이터는 투명한 이미지를 나타내는 데이터를 포함할 수 있다.

도 3a 내지 도 3d는 이러한 과정을 개략적으로 보여준다.

도 3a는 모든 이벤트들이 발생한 상황을, 도 3b 내지 도 3d는 제1 이벤트 내지 제3 이벤트 중 순서대로 어느 하나의 이벤트만이 발생한 상황에 관한 것이다.

도 3a에 도시된 바와 같이, 전방의 소정의 영역(예를 들어, 화력 발전소 내부 배열회수 보일러 설치 구역)에서 용접 작업으로 인해 제1 이벤트 내지 제3 이벤트가 발생하였고, 이에 대한 가시광 이미지의 제1 레이어(L1) 및 열화상 이미지의 제2 레이어(L2)가 중첩되어 서버로 전송될 수 있다. 서버 관리자는 디스플레이 장치를 통해 중첩 이미지(OL)를 보고서 화재 발생 여부를 가시광 영상뿐만 아니라 열화상을 통해 신속히 판단할 수 있다.

도면에서 화염영역이 도면부호 WF로, 고온영역이 도면부호 T로 참조된다. 도 3a의 중첩 이미지에서 화염영역(WF)과 고온영역(T)이 대체로 일치한다.

도 3b에 도시된 바와 같이, 전방의 소정의 영역에서 용접 작업으로 인해 제1 이벤트가 발생하였고, 이에 대한 가시광 이미지의 제1 레이어(L1) 및 열화상 이미지의 제2 레이어(L2)가 중첩되어 서버로 전송될 수 있다. 마찬가지로, 서버 관리자는 디스플레이 장치를 통해 중첩 이미지(OL)를 보고서 화재 발생 여부를 가시광 영상뿐만 아니라 열화상을 통해 신속히 판단할 수 있다.

이때, 열화상 이미지의 제2 레이어(L2)는 제로 데이터임을 주목한다. 제2 이벤트가 발생하지 않았기 때문이다. 화재 감지시에는 여러 상황에 의해 제2 이벤트가 발생하지 않는 경우를 가정할 수 있다. 일례로, 열화상 카메라의 경우 기기마다 정해진 분해 거리가 있으므로, 거리가 너무 먼 경우 기설정된 조건을 만족하는 온도 데이터가 없을 수 있다. 이처럼 제1 이벤트만이 발생하였음에도 중첩 이미지를 생성하여 서버로 전송하여 서버 관리자에 의해 화재 발생 여부를 판단할 수 있도록 한다.

도면에서 화염영역이 도면부호 WF로 참조된다. 도면에서는 기설정된 조건을 만족하는 고온영역이 존재하지 않아 중첩 이미지(OL)에서도 고온영역이 존재하지 않는다.

다음으로, 도 3c에 도시된 바와 같이, 전방의 소정의 영역에서 용접 작업으로 인해 제2 이벤트가 발생하였고, 이에 대한 가시광 이미지의 제1 레이어(L1) 및 열화상 이미지의 제2 레이어(L2)가 중첩되어 서버로 전송될 수 있다. 상술한 도 3b의 경우처럼 세 이벤트들 중 하나의 이벤트만이 발생하였음에도 중첩 이미지(OL)가 생성되어 서버로 전송됨에 주목한다. 서버 관리자는 디스플레이 장치를 통해 화재 발생을 가시광 영상으로부터는 드러나지 않는 열 감지를 통해 신속히 판단할 수 있다.

도 3c에서는 가시광 이미지에서 화염영역이 별도로 표시되지 않고 열화상 이미지에서 고온영역이 존재하며, 중첩 이미지(OL)에서도 화염영역 없이 고온영역만이 존재한다. 제1 이벤트가 발생하지 않았기 때문이다. 화재 감지시에는 여러 상황에 의해 제1 이벤트가 발생하지 않는 경우를 가정할 수 있다. 일례로, 가시광 카메라의 경우 기기마다 정해진 분해 거리가 있으므로, 거리가 너무 먼 경우 기설정된 조건을 만족하는 영상 데이터가 없을 수 있다. 이처럼 제2 이벤트만이 발생하였음에도 중첩 이미지를 생성하여 서버로 전송하여 서버 관리자에 의해 화재 발생 여부를 판단할 수 있도록 한다.

그리고, 도 3d에 도시된 바와 같이, 전방의 소정의 영역에서 용접 작업으로 인해 제3 이벤트가 발생하였고, 이에 대한 가시광 이미지의 제1 레이어(L1) 및 열화상 이미지의 제2 레이어(L2)가 중첩되어 서버로 전송될 수 있다. 상술한 도 3b 및 도 3c의 경우처럼 세 이벤트들 중 하나의 이벤트만이 발생하였음에도 중첩 이미지(OL)가 생성되어 서버로 전송됨에 주목한다. 서버 관리자는 디스플레이 장치를 통해 화재 발생을 가시광 영상이나 열화상으로부터는 드러나지 않는 적외선/자외선 감지를 통해 신속히 판단할 수 있다.

도 3d에서는 가시광 이미지에서 화염영역이 별도로 표시되지 않고 열화상 이미지에서도 고온영역이 존재하지 않아 중첩 이미지(OL)에서도 화염영역과 고온영역이 존재하지 않는다. 제1 및 제2 이벤트들이 발생하지 않았기 때문이다. 화재 감지시에는 여러 상황에 의해 제1 이벤트와 제2 이벤트가 발생하지 않는 경우를 가정할 수 있다. 상술한 바와 같이, 각각의 분해 거리가 있기 때문이다. 이처럼 제3 이벤트만이 발생하였음에도 중첩 이미지를 생성하여 서버로 전송하여 서버 관리자에 의해 화재 발생 여부를 육안으로 확인할 수 있도록 한다.

상기와 같이 이벤트가 발생함으로서 화재 감지 장치단에서 서버단으로 영상의 전송이 이루어진다. 이하 영상의 전송이 제한되는 과정을 살펴본다.

에지형 감시 시스템은 중앙 센터의 부하를 분산하고 전체 트래픽의 양을 줄이기 위한 것인 바, 용접 작업과 같이 오탐 확률이 매우 높은 상황에 대한 처리 과정 또한 설정될 필요가 있다.

도 4a는 본 발명의 실시예에 따른 화재 감지 시스템이 설치된 감시 구역을 위에서 바라본 개략적인 상황을 도시하는 도면이다.

도 4b는 도 4a에서 각 화재 감지 장치들로부터 수신된 이벤트 영상(즉, 중첩 이미지)이 서버와 연결된 디스플레이 장치를 통해 표시되는 일례를 도시하는 도면이다.

그리고, 도 5는 도 4에서 각 화재 감지 장치들이 이벤트 영상을 서버로 전송함에 있어서 본 발명의 실시예에 따른 AI 처리부가 그러한 전송을 제한하기 위한 영상 분석 과정을 보여주는 도면이다.

먼저 도 4a를 참조하면, 4대의 화재 감지 장치들(200A 내지 200D)이 소정의 감시 구역에 설치된다. 소정의 감시 구역은 화력발전소 내부 배열회수 보일러 설치 구역일 수 있다. 설명의 편의를 위해 화재 감지 장치가 4대인 경우를 가정할 뿐 본 발명이 개수에 한정되지 않는다.

각 화재 감지 장치는 전방의 영역(점선으로 표시된 감시 가능 영역)을 감시하면서, 제1 이벤트 내지 제3 이벤트 중 적어도 하나 발생시 중첩 이미지를 서버(100)로 전송한다. 이로써, 도 5에 도시된 바와 같은 감시 영상이 디스플레이 장치(Monitor)를 통해 표시된다.

도면상 좌측 상단의 화재 감지 장치부터 차례대로 제1 화재 감지 장치(200A), 제2 화재 감지 장치(200B), 제3 화재 감지 장치(200C) 및 제4 화재 감지 장치(200D)로 참조한다. 도면상 좌측 상단의 배열회수 보일러부터 차례대로 제1 배열회수 보일러(B1), 제2 배열회수 보일러(B2), 제3 배열회수 보일러(B3) 및 제4 배열회수 보일러(B4)로 참조한다.

이벤트 발생시 제1 화재 감지 장치(200A)가 전송한 이벤트 영상이 디스플레이 장치에서 채널1(CH1)로 표시된다. 순서대로, 제2 화재 감지 장치(200B)가 전송한 이벤트 영상이 채널2(CH2)로, 제3 화재 감지 장치(200C)가 전송한 이벤트 영상이 채널3(CH3)으로, 그리고, 제24화재 감지 장치(200D)가 전송한 이벤트 영상이 채널4(CH4)로 참조된다.

도 4에 도시된 바와 같이, 제3 배열회수 보일러(B3)에서 용접 작업이 진행됨에 따라, 제1 이벤트 내지 제3 이벤트를 감지한 제1 화재 감지 장치(200A)가 화염영역(WF)과 고온영역(T)을 포함하는 이벤트 영상을 채널1(CH1)을 통해 보내온다. 상대적으로, 제2 화재 감지 장치, 제3 화재 감지 장치 및 제4 화재 감지 장치는 제1 이벤트는 감지하지 못하였으나, 제2 이벤트를 감지함으로써 고온영역(T)을 포함하는 이벤트 영상을 각각의 채널들(CH2 내지 CH4)을 통해 보내온다.

용접으로 인한 화염의 발생 위치나 크기 등은 매우 다양하게 나타날 수 있으나, 본 발명에서는 도면상 제3 배열회수 보일러(B3)의 일측에 그리고 높이상으로는 중간정도에 용접에 따른 화염이 발생한 상황을 가정하기로 한다.

한편, 제1 내지 제3 이벤트들 중 적어도 하나가 감지됨에 따라 각 채널에서는 이벤트 영상을 전송해오지만, 디스플레이 장치(Monitor)를 계속하여 장시간 들여다보아야 하는 서버 관리자 입장에서는 화재 발생 여부 판단을 놓치기 쉬운 상황이 발생한다.

즉, 에지형 감시 시스템의 특성에 따라 모든 영상이 아닌 이벤트가 발생한 영상만을 보내오고 있지만, 모든 영상을 보고 상황 판단을 해야 하는 부담에 놓이게 된다. 특히 도시된 바와 같은 용접 작업의 경우 본질적으로 화염을 수반하여 지속적으로 이벤트 영상으로 전송되어옴에 따라 서버 관리자의 피로가 누적된다.

화재 감지의 정확도를 높이기 위해 제1 내지 제3 이벤트들 중 어느 하나라도 발생한 경우 이벤트 발생으로 판단하되, 보완적으로, 이벤트 발생이 아닌 영상으로 처리할 필요가 있다. 본 발명의 실시예에 따르면 AI 처리부가 이를 수행할 수 있다. 후술한다.

도 5를 참조하면, AI 처리부(280)는 중첩 이미지(OL)로부터 비화재 이벤트 여부를 판단한다. AI 처리부(280)는 중첩 이미지를 분석하여 비화재 이벤트로 판단된 경우에 중첩 이미지의 서버로의 전송을 차단하고 비화재 메시지가 서버로 전송되도록 한다.

AI 처리부(280)는 중첩 이미지(OL)를 분석 대상으로 하되, 제1 내지 제3 이벤트가 모두 발생한 것으로 판단된 중첩 이미지에 대해 그 대상으로 한다. AI 처리부에 의한 과정은 능동적으로 이벤트 영상을 전송 대상이 아닌 것으로 처리하기 위한 과정이므로, 보다 보수적으로 판단할 필요가 있기 때문이다.

AI 처리부(280)는 소정의 시점에 작동한다.

예를 들어, 중첩 이미지가 기설정된 시간 이상으로 전송이 지속되는 경우에 작동할 수 있다. 기설정된 시간은 일례로 사람의 한 사물에 대한 집중력이 저하되는 시점인 5분일 수 있다.

작동되기 시작하면 다음과 같은 비화재 판단 프로세스를 갖는다.

제1 내지 제3 이벤트들이 모두 발생한 것으로 판단된 중첩 이미지에서 용접 작업자를 인식한다(S1).

영상 데이터로부터 용접 작업자를 인식하기 위한 알려진 다양한 알고리즘이 적용될 수 있다.

또한 용접시의 안전 보호장구로서 용접 마스크 인식을 함께 수행하여 작업자 인식의 정확도를 향상시킬 수 있다. 안전 보호장구의 색상 정보를 DB와 비교하는 과정이 수행될 수 있다.

또한 영상 데이터로부터 용접 작업자를 인식하는 인공지능 학습을 통해 인식의 정확도를 향상시키는 단계가 수행될 수 있다. 인공지능 학습은 서버에서 수행될 수 있으며, 학습의 결과물을 서버단에서 화재 감지 장치단으로 전송해줌으로써 화재 감지 장치는 용접 작업자 인식을 수행할 수 있다.

중첩 이미지로부터 인식된 용접 작업자는 용접 작업자 영역(W)으로 참조될 수 있다.

기학습된 용접 작업자와 용접 화염 사이의 거리에 기초하여, 중첩 이미지에서 인식된 용접 작업자 영역과 관심 영역 사이의 거리가 기설정된 값 이내인지를 판단한다(S2).

용접 작업자 영역(W)은 상기 단계(S1)에서 인식된 부분이다. 도면에서 용접 작업자 영역(W)의 중심이 도면부호 W_C로 참조된다. 여기서 중심은 프레임상 중심(화소 위치상 중심)을 의미할 수 있다. 소정의 영역으로부터 그 중심을 도출하기 위한 다양한 영상 처리 알고리즘이 적용될 수 있다.

관심 영역은 열화상 이미지에 의해 정의되는 고온영역(T)이다. 도면에서 고온영역(T)의 중심이 도면부호 T_C로 참조된다.

또는 관심 영역은 가시광 이미지의 화염패턴에 의해 정의되는 화염영역(WF)이다. 도면에서 화염영역(WF)의 중심이 도면부호 WF_C로 참조된다. 화염패턴은 영상 데이터 중 기설정된 조건을 만족하는 영상 데이터로부터 생성될 수 있다. 이는 상술한 제1 이벤트 발생을 판단하는 과정과 유사하지만, 화염영역을 생성하기 위한 문턱값과 제1 이벤트 발생 판단을 위한 문턱값은 서로 다르게 설정될 수 있다. 제1 이벤트 발생 판단 과정과 화염영역 생성 과정은 서로 별도의 프로세스에 해당하기 때문이다. 이벤트 발생 판단은 감시 영상의 전송 시작 시점에 관한 것이고, 화염영역 생성은 실제로 관리자에게 제공될 감시 영상에 관한 것이기 때문이다. 도 5에서는 중첩 이미지에서 고온영역의 중심(T_C)과 화염영역의 중심(WF_C)이 동일한 경우를 가정한다.

용접 작업자 영역과 관심 영역 사이의 거리가 도면에서 도면부호 d로 참조된다. 거리는 각 영역의 중심을 잇는 최단거리일 수 있다.

통상의 용접 작업에 있어서 용접 작업자와 용접 화염 사이의 거리를 학습하는 과정이 수행될 수 있다. 마찬가지로 학습은 서버에서 수행될 수 있으며, 학습의 결과물을 서버단에서 화재 감지 장치단으로 전송해줌으로써 화재 감지 장치는 단계(S2)를 수행할 수 있다.

학습이 필요한 이유는 화면(프레임) 크기나 화면상에서 차지하는 용접 작업자(또는 용접 화염)의 비율에 따라 그 거리가 다양하게 나타나기 때문이다. 예를 들어, 화재 감지 장치가 CCTV인 경우, CCTV가 생성할 수 있는 이미지의 크기(해상도 등)에 맞게 나타나는 용접 작업자와 용접 화염 사이의 거리에 대한 학습이 필요하고, 또한 이미지에서 차지하는 용접 작업자(또는 용접 화염)의 비율에 따라(즉, 얼마나 가까이서 촬영되었는지 여부에 따라) 용접 작업자와 용접 화염 사이의 거리에 대한 학습이 필요하기 때문이다. 일례로, HD급 CCTV에서 제공되는 1920x1080 프레임에서, 용접 작업자가 전체 프레임의 1/50 정도의 비율을 차지할 때, 픽셀개수 100에 해당하는 거리가 통상의 용접 작업에 있어서 용접 작업자와 용접 화염 사이의 거리로 학습하고, 이를 기준으로 만족하는지 여부를 판단할 수 있다.

이처럼 기학습된 용접 작업자와 용접 화염 사이의 거리에 기초하여 단계(S2)를 수행한다.

단계(S2)의 판단 결과, 기설정된 값 이내인 경우, 비화재 이벤트로 판단하고, 서버로의 전송을 차단한다(S3).

즉, 이벤트 영상으로 판단되었지만, 비화재 이벤트로 판단하여 서버로 이벤트 영상이 전송되지 않도록 한다.

통상적인 용접 작업에서의 용접 작업자와 용접 화염간 거리에 해당하므로, 이벤트 영상이 비화재 이벤트인 것으로 판단한다.

반대로, 기설정된 값 초과인 경우에는 통상적인 용접 작업이 아닌 상황에 해당하므로, 이벤트 영상의 전송이 지속되도록 한다.

비화재 이벤트로서 이벤트 영상의 전송을 차단하는 경우, 비화재 메시지를 서버로 전송한다(S4).

이에, 더 이상 CH1을 통해 이벤트 영상이 디스플레이 되지 않는다.

이 경우, 비화재 메시지를 수신한 서버는 동일한 감시 영역에 설치된 다른 화재 감지 장치들에도 비화재 메시지(즉, 이벤트 영상 전송 차단 메시지)를 브로드캐스팅 함으로써 나머지 채널들(CH2 내지 CH4)에 대해서도 더 이상 이벤트 영상이 디스플레이 되지 않도록 할 수 있다. 브로트캐스팅을 위해 상술한 이벤트 영상의 수신을 위한 통신 채널이 활용될 수 있다.

다만, 이는 이벤트 영상의 전송을 제한하는 조치이며, 새로운 이벤트가 발생한 것으로 판단되는 경우에는 제한 조치가 즉시 해제되고 전송이 재개될 수 있다. 예를 들어, CH2을 통해 이벤트 영상을 보내오다가 비화재 메시지를 서버로부터 수신함으로써 이벤트 영상의 전송을 중단한 제2 화재 감지 장치는 기존에 발생한 것으로 판단된 제2 이벤트와 다른 제1 이벤트 또는 제3 이벤트가 발생한 것으로 판단된 경우 중단 조치를 해제하고 상술한 프로세스에 따라 전송을 재개할 수 있다.

이하 도 6을 참조하여 중첩 이미지에서 다수의 관심 영역이 존재할 때의 AI 처리부의 처리 프로세스에 대해 살펴본다.

도 6은 본 발명의 실시예에 따른 AI 처리부의 영상 분석 과정을 보다 상세하게 도시하는 도면이다.

도 6을 참조하면, 중첩 이미지에서 고온영역의 중심(T_C)과 화염영역의 중심(WF_C)이 상이한 경우가 도시된다.

용접 작업자 영역(W)과 화염영역의 중심(WF_C) 사이의 거리가 d1으로 참조된다. 용접 작업자 영역(W)과 고온영역의 중심(T_C) 사이의 거리가 d2로 참조된다. d1<d2 로 도시된다.

이 경우, 관심 영역들 중 용접 작업자 영역으로부터 보다 먼 것을 기준으로 상술한 비화재 판단 프로세스를 수행하는 것이 바람직하다. 즉, d2를 기준으로 기학습된 거리 이내인지를 판단한다. 비화재 판단 프로세스는 이벤트 영상을 적극적으로 비화재 이벤트로 처리하는 프로세스이므로, 최대한 보수적으로 판단하기 위함이다.

계속하여, 도 6을 참조하면, 중첩 이미지에서 또 다른 고온영역(T')과 고온영역의 중심(T'_C)가 도시된다. 보이지 않는 또 다른 곳에서의 용접 작업일 수도 있고, 화재 상황일 수도 있다. 용접 작업자 영역(W)과 고온영역의 중심(T'_C) 사이의 거리가 d3로 참조된다. d1<d3 로 도시된다.

이 경우, 마찬가지로, 관심 영역들 중 용접 작업자 영역으로부터 보다 먼 것을 기준으로 상술한 비화재 판단 프로세스를 수행할 수 있다. 즉, d3를 기준으로 기학습된 거리 이내인지를 판단한다.

도면에 도시되지는 않았으나, 용접 작업자 영역이 2 이상일 수도 있으며, 이 경우에도 가장 멀리 있는 용접 작업자 영역과 관심 영역 사이의 거리를 기준으로 상술한 프로세스를 수행할 수 있다.

본 발명의 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 일 실시예들의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

1 : 스마트 화재 감지 시스템
100 : 서버
200, 200A, 200B, 200C, 200D : 화재 감지 장치
210 : 가시광 이미지 센서
220 : 제1 판단부
230 : 열화상 이미지 센서
240 : 제2 판단부
250 : 적외선/자외선 센서
260 : 제3 판단부
270 : 중첩부
280 : AI 처리부
290 : 통신부

Claims (9)

1. 인공지능 기반의 통합 화재 감시 시스템으로서,
   서버; 및
   감시 영역에 대한 영상 데이터를 수집하는 가시광 이미지 센서와, 상기 감시 영역에 대한 온도 데이터를 수집하는 열화상 이미지 센서와, 상기 감시 영역에 대한 적외선 또는 자외선 데이터를 수집하는 수광 센서를 포함하는 서로 이격된 다수의 화재 감지 장치들;을 포함하되,
   상기 화재 감지 장치들은 각각,
   상기 영상 데이터로부터 기설정된 조건을 만족하는 경우 제1 이벤트 발생으로 판단하는 제1 판단부;
   상기 온도 데이터로부터 기설정된 조건을 만족하는 경우 제2 이벤트 발생으로 판단하는 제2 판단부;
   상기 적외선 또는 자외선 데이터로부터 기설정된 조건을 만족하는 경우 제3 이벤트 발생으로 판단하는 제3 판단부;
   상기 제1 이벤트 내지 제3 이벤트 중 적어도 하나 발생시, 상기 가시광 이미지(제1 이미지)와 상기 온도 데이터 중 기설정된 조건을 만족하는 온도 데이터로부터 생성된 열화상 이미지(제2 이미지)를 중첩하는 중첩부; 및
   상기 중첩 이미지를 상기 서버로 전송하는 통신부;를 포함하는 것을 특징으로 하는 인공지능 기반의 통합 화재 감시 시스템.
2. 제1항에 있어서,
   상기 화재 감지 장치들은 각각,
   상기 중첩 이미지로부터 비화재 이벤트 여부를 판단하고, 비화재 이벤트로 판단된 경우에 상기 중첩 이미지의 상기 서버로의 전송을 차단하고 비화재 메시지가 상기 서버로 전송되도록 하는 AI 처리부;를 더 포함하는 것을 특징으로 하는 인공지능 기반의 통합 화재 감시 시스템.
3. 제2항에 있어서,
   상기 AI 처리부는,
   상기 제1 내지 제3 이벤트가 모두 발생한 것으로 판단된 중첩 이미지에 대해 비화재 이벤트 여부를 판단하는 것을 특징으로 하는, 인공지능 기반의 통합 화재 감시 시스템.
4. 제3항에 있어서,
   상기 AI 처리부는,
   상기 중첩 이미지가 기설정된 시간 이상으로 전송이 지속되는 경우 비화재 이벤트 여부를 판단하는 것을 특징으로 하는, 인공지능 기반의 통합 화재 감시 시스템.
5. 제4항에 있어서,
   상기 AI 처리부는,
   상기 중첩 이미지으로부터 작업자가 존재하는지를 인식하고,
   기학습된 작업자와 화염 사이의 거리에 기초하여, 상기 중첩 이미지에서 인식된 작업자 영역과 관심 영역 사이의 거리가 기설정된 값 이내인 경우 비화재 이벤트로 판단하는 것을 특징으로 하는, 인공지능 기반의 통합 화재 감시 시스템.
6. 제5항에 있어서,
   상기 관심 영역은 상기 열화상 이미지에 의해 정의되는 고온영역인 것을 특징으로 하는, 인공지능 기반의 통합 화재 감시 시스템.
7. 제5항에 있어서,
   상기 관심 영역은 상기 영상 데이터 중 기설정된 조건을 만족하는 영상 데이터로부터 생성된 화염패턴에 의해 정의되는 화염영역 인 것을 특징으로 하는, 인공지능 기반의 통합 화재 감시 시스템.
8. 제6항에 있어서,
   상기 중첩 이미지에서 2 이상의 상기 작업자 영역 또는 2 이상의 상기 관심 영역이 존재하는 경우, 가장 먼 작업자 영역과 관심 영역 사이의 거리를 기준으로 비화재 이벤트를 판단하는 것을 특징으로 하는, 인공지능 기반의 통합 화재 감시 시스템.
9. 제2항에 있어서,
   상기 서버는,
   상기 화재 감지 장치들 중 어느 하나로부터 상기 비화재 메시지를 수신한 경우, 다른 화재 감지 장치들로 이벤트 영상 전송 차단 메시지를 브로드캐스팅하는 것을 특징으로 하는 인공지능 기반의 통합 화재 감시 시스템.

Images