TWI427562B - 機器視覺火災偵測及自動滅火系統 - Google Patents
機器視覺火災偵測及自動滅火系統 Download PDFInfo
- Publication number
- TWI427562B TWI427562B TW99114742A TW99114742A TWI427562B TW I427562 B TWI427562 B TW I427562B TW 99114742 A TW99114742 A TW 99114742A TW 99114742 A TW99114742 A TW 99114742A TW I427562 B TWI427562 B TW I427562B
- Authority
- TW
- Taiwan
- Prior art keywords
- fire
- feature
- video image
- fire extinguishing
- image
- Prior art date
Links
- 238000001514 detection method Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 29
- 230000033001 locomotion Effects 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000000007 visual effect Effects 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004886 process control Methods 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims 1
- 239000000779 smoke Substances 0.000 description 43
- 238000004364 calculation method Methods 0.000 description 15
- 238000000034 method Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 235000017337 Persicaria hydropiper Nutrition 0.000 description 3
- 240000000275 Persicaria hydropiper Species 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Landscapes
- Fire-Detection Mechanisms (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Description
本發明為一種火災偵測及自動滅火的系統，尤其是關於一種利用拍攝的影像判斷火災發生及自動滅火的系統。
近年來公共場所接連發生多次重大火災，均造成重大傷亡及上億元之財物損失，讓民眾深切感受到公共場所及居家是多麼不安全；若能在第一時間，對足以燎原的星星之火提出警示，將可大幅減少生命財產的損失。
然而，縱觀市面上所使用及販售的火災感測裝置的技術都是使用如粒子採樣分析、溫度採樣分析或是環境中的氣體濃度分析，因此非要等火災或煙霧所引起的粒子累積並散布到達感測裝置的感應範圍後，火警訊號才會發布，況且，傳統的火災感測裝置並不能夠提供引起火災的火燄位置、火燄大小、火燄燃燒程度等資訊。
如果使用傳統的視訊監控方式則需要使用安全人員整天的目視監視器，藉以達到防範火災的功效，則除需要耗費大量的人力之外，更需要儲存大量的視訊資料供日後檢索，在實務使用上而有點不切合實際。
為克服火災感測裝置只能侷限於點狀範圍的偵測，J. Fang等人因而提出使用多排列的光學感測裝置來增加火災煙霧的偵測範圍，但需要安裝多個紅外線陣列感測裝置，整個系統並要妥善的安裝，以達到效果。
為了解決前述的既有火災偵測技術或方法偵測速度太慢、無法偵測火災確切位置及火災發展程度…等之技術問題，本發明結合視訊系統(Video surveillance)與視覺伺服(Visual Servoing)判斷火災的位置、狀態，可解決傳統使用定點式的感測裝置來偵測火災如火燄感測器(Flame Sensor)、溫度感測器(Temperature Sensor)、氣體感測器(Gas Sensor)等等火警偵測手段之偵測速度太慢、無法偵測火災確切位置及發展程度之技術問題，並且，本發明更進一步將判斷的結果結合自動滅火系統，達成全自動的火災偵測及自動滅火的發明目的。
配合解決前述的技術問題以及達成發明目的，本發明提供一種機器視覺火災偵測及自動滅火系統，其包含一處理控制終端、一影像擷取裝置、一警報模組以及一遙控滅火模組，其中：該處理控制終端由該影像擷取裝置持續讀取一視訊影像，並執行一機器視覺火災偵測方法判斷所擷取的視訊影像中是否存在一火災特徵；該處理控制終端判定該視訊影像存在該火災特徵時，控制該警報模組發出一警報，該處理控制終端繼續以該機器視覺火災偵測方法持續追蹤該火災特徵在持續讀入之該視訊影像的位置與狀態；以及該處理控制終端透過無線訊號控制該遙控滅火模組移至實體空間中與該視訊影像產生火災特徵位置對應之鄰近位置，以自動判斷控制或遙控的方式對該火災特徵之實體空間對應位置執行一滅火手段。
其中，該遙控滅火模組是一遙控載台，其承載一滅火裝置或材料以進行該滅火手段，該遙控滅火模組產生一迴授訊號予該處理控制模組，使該處理控制模組得知該遙控滅火模組與該火災特徵之位置關係，以計算該遙控滅火模組之移動向量與旋轉向量，而逼近該火災特徵。
其中，該迴授訊號為一光源訊號。
其中，該機器視覺火災偵測方法之步驟包含：分割該視訊影像中火災特徵的的可能範圍：對該視訊影像以一移動物體判斷手段擷取分割出該視訊影像中之一火災特徵可能範圍，其中，該移動物體判斷手段係判別該視訊影像中具備移動及抖動現象的標的物作為該火災特徵可能範圍；色彩轉換及火災特徵相關性比對：將該火災特徵可能範圍先經一色彩轉換，並依據色彩轉換後之結果與一比對樣板進行比較分析，並產生一顏色光譜相關係比對值；分析火災特徵的動態行為：判斷該火災特徵可能範圍是否具備一幾何拓撲形狀不規則性及一突然移動的特性，並計算該火災特徵可能範圍之一紊流比，將該顏色光譜相關性比對值及該紊流比經過一模糊邏輯演算取得一可能性指標，之後將具有最高可能性指標的一火災特徵可能範圍進行時域性分析以及空間位置分析，找出火災特徵在視訊影像中的存在性與位置；及火災特徵影像區域追蹤：以一運動追蹤演算法對視訊影像追蹤該火災特徵在視訊影像之變化與位置。
其中，該分割視訊影像中火災特徵的的可能範圍步驟中，進一步以一顏色框直接在視訊影像中標示找出的該火災特徵可能範圍；完成該分析火災特徵的動態行為步驟後，對找出的該火災特徵於該視訊影像中直接標示之。
其中，該移動物體判斷手段為一移動歷史狀態影像的背景分割演算法。
其中，該運動追蹤演算法為一連續適應性的均值追蹤演算法。
其中，該運動追蹤演算法為一連續適應性的均值追蹤演算法。
藉此，本發明所提供機器視覺火災偵測及自動滅火系統可以即時分析、判斷讀取之視訊影像是否存在火災特徵，由於不需要透過複雜的偵測器，也不需要等待煙霧或火焰接近偵測器，因此，可以非常快速地進行火災偵測，同時判斷火災的確切位置；在火災位置確定後，可以即時派遣遙控滅火模組進行滅火，達到災害即時偵測、即時滅火之技術效果。
請參考第一圖，其為本發明之機器視覺火災偵測及自動滅火系統的較佳實施例系統方塊示意圖，其包含一處理控制終端10、一影像擷取裝置20、一警報模組30以及一遙控滅火模組40。
該處理控制終端10分別與該影像擷取裝置20及該警報模組30電性連接，該處理控制終端10由該影像擷取裝置20持續讀取一視訊影像，並執行一機器視覺火災偵測方法判斷所擷取的視訊影像中是否存在一火災特徵，藉以判斷該視訊影像所對應拍攝的實體空間是否發生火災，其中，該火災特徵係指火焰或煙霧。其中，該處理控制終端10可以是一台個人電腦、伺服器等裝置，其持續讀入該視訊影像，並執行該機器視覺火災偵測方法藉以判斷該視訊影像中是否存在火災特徵。
經過該機器視覺火災偵測方法之判別後，確定當該視訊影像出現該火災特徵時，該處理控制終端10控制該警報模組30發出一警報，且該處理控制終端10繼續以該機器視覺火災偵測方法持續追蹤該火災特徵在持續讀入之該視訊影像的位置與狀態，該警報可以是聲音訊號(警報聲響)、無線火災通報訊號(傳給大樓管理員、消防局等)或顯示在該處理控制終端10之一人機介面的視覺警示訊號。
同時，該處理控制終端10透過無線訊號控制該遙控滅火模組40移至實體空間中與該視訊影像產生火災特徵位置對應之鄰近位置，以自動判斷控制或遙控的方式對該火災特徵之實體空間對應位置執行一滅火手段。所謂的自動判斷控制或遙控方式係指該遙控滅火模組40執行該滅火手段的控制方式，自動判斷為該遙控滅火模組40可自偵測足夠接近該火災特徵後自動執行滅火手段，反之遙控方式則指該遙控滅火模組40接受該處理控制終端10之控制執行該滅火手段。
其中，該遙控滅火模組40可以是一遙控載台(遙控車、機器人、履帶車...)，其承載一滅火裝置或一滅火材料藉以進行該滅火手段，該滅火手段的種類不限定，可以是乾粉、泡沫、二氧化碳等。為了讓該處理控制模組10可以在驅動該遙控滅火模組40進入火場後，持續藉由該影像擷取裝置20所即時拍攝的視訊影像藉以控制該遙控滅火模組40持續進行位置移動逼近該火災特徵，該遙控滅火模組40可以設有一迴授訊號產生單元，其中，該迴授訊號產生單元可以是一光源產生元件(例如：發光二極體光源(light emitting diode,LED))或一無線位置位置訊號產生器(如GPS定位)，該迴授訊號產生單元產生一迴授訊號讓該處理控制模組10得以得知該遙控滅火模組40與火災特徵之位置關係，使該處理控制模組10持續調整該遙控滅火模組40與該火災特徵之間的相對位置，並在適當距離範圍下驅使該遙控滅火模組40執行該滅火手段。
本實施例之該迴授訊號產生單元為一發光二極體，當該遙控滅火模組40進入火場時，該影像擷取裝置20所擷取的視訊影像不僅可以拍攝到該火災特徵，同時也能拍攝到該遙控滅火模組40及該發光二極體。由於發光二極體的發光波長、形狀等特徵為可控制因子而可以事先設定、規劃，因此可透過簡單的影像處理與判別程式之執行，使該處理控制終端10可由視訊影像中判別該迴授訊號產生單元所產生的光源訊號及其位置，藉以判斷該迴授訊號產生單元與該火災特徵之間的位置關係，如此，該處理控制終端10即可透過該遙控滅火模組40所迴授的光源訊號，調整控制該
遙控滅火模組40之直線移動向量及旋轉向量，驅使該遙控滅火模組40逼近火災特徵，達到滅火目的。
在實際測試使用方面，本實施例使用一具置於屋頂天花板的監控攝影機作為該影像擷取裝置20以擷取四周之視訊影像，再將該視訊影像傳送回該處理控制終端10進行影像分析，之後，利用上述的迴授訊號產生單元產生訊號回該處理控制終端10，調整該遙控滅火模組40所需的直線運動向量與旋轉向量；所以當該影像擷取裝置20拍攝區域現火燄與煙霧，該處理控制終端10即可經由該迴授訊號產生單元計算該遙控滅火模組40及火災特徵的距離與方向，再透過無線通訊方式將命令傳送到該遙控滅火模組40。
為了更進一步說明該機器視覺火災偵測方法，請參考第二圖及第三圖，其為本發明之機器視覺火災偵測方法之較佳實施流程範例，其步驟包含：(51)讀取視訊影像：
由影像擷取裝置20連續且即時讀取該視訊影像60。實際執行時，該影像擷取裝置20可以是具備彩色錄像效果的監視器、攝影機或CCD(charge-coupled device)或CMOS等光感應元件。
(53)分割視訊影像中火災特徵可能範圍：
由所讀取之該視訊影像60以一移動物體判斷手段判斷並分割選取所擷取的視訊影像60中一火災特徵可能範圍681。
由於火災的產生是一種物質燃燒並有具有紊流行為的現象，火災之火燄本身具有特別的顏色、形狀及散布的型態，該些型態均提供了火警辨識的重要參考。火燄燃燒的過程包括了化學變化與紊流的行為，且火燄並具有會閃爍
的特性，火燄的另一個特性是火燄的形狀會隨空氣中風的流動而改變，並會有劇烈的抖動與突然的移動現象等，因此火燄所產生的煙霧亦會隨著火燄的移動也產生抖動的現象。
因此，本實施例利用發生火災時可能產生的火災特徵(即火焰及煙霧)以及該火災特徵的移動、抖動等現象，在視訊影像60中找具備移動及抖動現象的標的物，並將該些標的物予以分割選擇作為該火災特徵可能範圍681。尋找並判別視訊影像60之移動物的演算方法很多，本實施例之該移動物體判斷手段為一移動歷史狀態影像(Motion History Image,MHI)的背景分割演算法。MHI演算法主要是用於電腦視覺在手勢行為之分析與移動研究[J.Davis,"Recognizing movement using motion histograms," Technical Report 487,MIT Media Lab,1999.；J.W.Davis and A.Bobick,"The Representation and Recognition of Action Using Temporal Templates,”IEEE Transactions on Pattern Analysis and Machine,Intelligence,Vol.23,No.3,pp.257-267,2001.；G.R.Bradski and J.W.Davis,"Motion segmentation and pose recognition with motion history gradients," Machine Vision and Applications,vol.13,pp.174-184,2002.]，MHI演算法不僅可以用來決定當前的物體的位置，並且可以利用物體在視訊影像60訊號中場景內的運動資訊，來分割並量測這些運動。這些被分割的區域不是“運動塊”，而是自然的連接到物體的運動部分。移動歷史狀態影像(MHI)演算法主要用以描述影像中物體
運動的狀態，並將其每一個像素採用顏色深淺來表示最近變動的情形。本實施例使用MHI演算法具有以下的特點：(1)可以將發生於標計一段時間內的移動歷史狀態影像用單一張的灰階影像來表示；(2)可以直接地標記運動的區域；(3)使用MHI計算的CPU運算量不大，因此可以實現火燄與煙霧的動態即時偵測。
進一步地，可以在此步驟完成之後，將所選出火災特徵可能範圍681以一顏色框直接標示於該視訊影像60中，讓使用者可以直接看到演算後、選擇的結果，藉以警示使用者注意視訊影像60對應現場的各種可能狀況，如第三圖所示。第三圖所顯示的視訊影像60中包含兩個可能的火災特徵可能範圍681，分別為一火焰62(右側圖形)以及一紅色葉盆栽65(左側圖形)。舉例而言，該紅色葉盆栽可能因為隨風搖曳導致經過MHI演算法之後，與該火焰一起被判定、標示為火災特徵可能範圍681。
(55)色彩轉換及火災特徵之相關性比對
為了將火災特徵可能的火燄與煙霧的影像像素分割出來，本實施例將前一步驟(53)標記運動的區域(即前述的該火災特徵可能範圍681)，先經過一色彩轉換處理，將選出的該火災特徵可能範圍681之彩色影像資訊轉換為相對容易進行處理的色彩空間模式，藉以提昇後續運算的效能與效果。舉例而言，本實施例之色彩轉換處理即是將該火災特徵可能範圍681之色彩影像資訊轉成一HSI(Hue,Saturation,Intensity)的色彩空間模式。選擇HIS色彩空間係因為該HIS色彩空間是從人的視覺系統出發，以色調
(Hue)、色飽和度(Saturation或Chroma)和亮度(Intensity或Brightness)來描述、定義色彩。用這種描述HSI色彩空間的圓錐模型相當複雜，但確能把色調、亮度和色飽和度的變化情形表現得很清楚。由於人的視覺對亮度的敏感程度遠優於對顏色濃淡的敏感程度，為了便於色彩處理和識別，人的視覺系統經常採用HSI色彩空間，它比RGB色彩空間更符合人的視覺特性。在影像處理和機器視覺中大量算法都可在HSI色彩空間中方便地使用，它們可以分開處理而且是相互獨立的。因此，本實施例使用HSI色彩空間可以大大簡化影像分析和處理的工作量，可以實現火燄與煙霧的動態即時偵測。演算時，可將HSI色彩空間之參數分別正規化(normalized)到以下範圍：0°≦hue≦360°；0≦saturation≦255；及0≦intensity≦255。
為了找出的火燄與煙霧的HSI色彩分布範圍，可以將完成HIS轉換的該火災特徵可能範圍681與一比對樣板進行比較分析，藉以定義所擷取的該火災特徵可能範圍681的影像資訊是否確實為火焰或煙霧。其中，該比對樣板之建立，可以是預先對不同環境、條件產生的火災特徵擷取一組視訊影像60串流畫面。舉例而言，該比對樣板可以取自於室內、室外、不同材質燃燒物等環境或條件之下產生的火災特徵之HIS色彩空間資料庫。
換言之，在分析比較火燄與煙霧的樣板之後，就可以將即時的視訊輸入影像畫面與實驗統計所建立的該比對樣
板，進行直方圖(histogram)的色彩相似度比對計算，得到相關性比對值，用以代表可能是火燄或是煙霧取得相似度的分數值。
(57)分析火災特徵的動態行為
1.火災特徵的紊流特性分析
為了降低與火燄與煙霧的顏色相似的區域或物體所造成的誤判，藉由分析所擷取的火災特徵可能範圍681之動態行為是用來區別具由相近顏色特徵之重要手段，以決定正確的火燄與煙霧的視訊中的影像區域。其中，火災特徵之動態行為包括火燄與煙霧之一幾何拓撲形狀不規則性呈現，以及具備一突然移動的特性。由於火燄與煙霧都是流體，其會存在著不規則(幾何拓撲形狀不規則)的起伏和擾動的紊流(turbulent flow)現象，本實施例即是利用此一紊流現象，判定並區分真實發生的火燄與煙霧及和相似顏色的背景與物體(如穿著紅衣服移動的人)的重要依據，當火燄與煙霧的紊流現象增加時，視訊影像60之一紊流比Ω也會隨著增大。其中，該紊流比Ω之定義為：
其中，P為選取區域的週長(perimeter)，A為選取區域的面積。當選取區域的形狀複雜度上升(即P變大，A變小)，紊流比Ω則增大，因此，紊流比分析可用於所選取的該火災特徵可能範圍681是否確實為火焰或煙霧。
2.火災特徵的時域性分析
另外，火燄與煙霧會隨時間而閃爍的特性，亦是用來偵測火燄與煙霧的重要依據，因為閃爍的特性會造成視訊中的火燄與煙霧影像，會斷斷續續的不規則出現與消失；為了區分與火燄與煙霧的相似影像區域並分析火燄與煙霧會隨時間而閃爍的時域性質，本實施例使用模糊邏輯(fuzzy-logic-enhanced approach)來求出火燄與煙霧的一可能性指標u
，如第四圖所示。
本實施例使用的模糊邏輯有兩個輸入，分別是火燄與煙霧的一顏色光譜相關性比對值S corr
及一紊流比Ω，其先將S corr
及Ω經過正規化至0~1之數值範圍，在經一模糊邏輯演算後產生火災特徵之可能性指標u
。其中，該顏色光譜相關性比對Scorr
之計算係依據下列公式：
其中，A、B分別代表待分析視訊影像中的火災特徵可能範圍以及該比對樣板統計結果，Ai代表統計結果的數值，A bar代表平均。
表1
第四圖之功能方塊S corr
和Ω是將輸入G s S corr
和G Ω
的值正規化到[0,1]的範圍，並產生火燄與煙霧的可能性指標u
。G s S corr
和G Ω
的值分別是由四個區域所組成並使用三角模糊函數，分別是ZE(zero，無)、PS(positive small，小)、PM(positive middle，中)、和PL(positive large，大)，並根據實驗分析而得的影像資料庫，建立模糊(Fuzzy)規則庫，如表1所示。模糊邏輯演算之輸出包含四個輸出值(singletons){μ
1,μ
2,μ
3,μ
4}。本實施例使用加權平均之解模糊邏輯(Weighted average defuzzification)計算取得該可能性指標u
。該可能性指標u
之計算公式為：
其中Gu為另一常數(scaling constant)，μ
(ui
)則是前述的幾個關係參數所計算出來的結果(minimum implication operation)。
在實際演算方面，本實施例約取20個歷史影像框(historical frames)之可能性指標u藉以尋找視訊影像60中最可能的存在火災特徵之區域。如果某個區域得到最高的可能性，則該影像區域則繼續進行一時域性分析
(temporal analysis)。
為了更能區別視訊影像60中與火災特徵具有相似特性的物體，本實施例利用一平均準位跨越率(Level Crossing Rate，LCR)演算法來來區分與火燄與煙霧具有相似特性的物體。所選取的影像區域中的每個像素(pixel)透過LCR演算以進行時域性分析：
其中，ut
是長度T的機率(a probability of length T)。II{Φ}是指示函數，其中當判斷元素(argument)Φ為真實(true)時指示函數為1，反之則為0。k
1是判斷臨界值(threshold value)。在本實施例中，用來進行LCR演算的影像長度T為40個影像框(frames)，該判斷臨界值k1是設定值。
因此，本實施例之視訊影像60之火災特徵之空間位置決定可以下列公式(4)：
其中，k2是實驗之臨界值，(x
,y
)代表火災特徵的空間位置。本實施例之k2臨界值是利用觀察12筆確實具有火災特徵之視訊影像60之後取得的實驗結果，於此，本實施例在進行煙霧判斷時數值為0.05，在進行火焰判斷時其數值為0.075。
藉由經過前述的判斷步驟，即可以有效判斷視訊影像60中的是否存在火焰或煙霧，以及火焰及煙霧的位置。
(59)火災特徵影像區域追蹤
經過前述的步驟，可以明確定義出視訊影像60中是否出現火災特徵以及其可能的範圍，為了能夠持續追蹤火災特徵的範圍與趨勢，讓觀看者可以能夠持續追蹤視訊影像60中的火災特徵之位置，本實施例以一運動追蹤演算法對視訊影像60持續追蹤火災特徵的位置，並適當地予以在視訊影像60予以標示，加強警示效果。
本實施例使用之該運動追蹤演算法為一連續適應性的均值追蹤演算法(CAMSHIFT，Continuously Adaptive Mean-Shift)，CAMSHIFT主要通過視訊影像60中運動物體的顏色資訊來達到追蹤的目的，CAMSHIFT演算法是採用色彩機率分佈及統計的方式持續的追蹤火燄與煙霧影像內的發生區域，所以CAMSHIFT演算法是利用色彩直方圖來計算出二維影像中色彩的機率分佈，CAMSHIFT演算法可以處理動態的色彩分佈變化，其具體步驟包含：
步驟1. 將整個影像設為搜尋區域。
步驟2. 初始化追蹤影像圖框視窗的位置和大小。
步驟3. 計算追蹤影像圖框視窗內的色彩機率分佈，此區域的大小比追蹤影像圖框視窗較大一點。
步驟4. 操作運行Mean Shift演算法，獲得追蹤影像圖框視窗的新位置和大小。
步驟5. 在下一影像圖框的視訊影像60中，採用步驟3獲得的值初始化追蹤影像圖框視窗的位置和大小；並重複步驟3、4和5，實現對火災特徵目標(火燄與煙霧)的追蹤。以前述之第三圖作為範例說明，經過CAMSHIFT演算法之
視訊影像60，可以在視訊影像中找到火災特徵682，並在視訊影像60中予以標示、追蹤其大小與位置。
綜合前述，本實施例以移動歷史狀態影像演算法(MHI)所分割的有效區域ROI(Region of Interest)，該有效區域即為前述的火災特徵可能範圍681，並再使用顏色光譜相關性比對值的相關性演算及空間中紊流比值後，再經火燄與煙霧的時域性分析來剔除視訊影像60中可能產生混淆的物件(如穿著紅色衣物到處移動的人或車等等)，最後使用CAMSHIFT演算法追蹤火燄與煙霧的影像運動區域。
進一步地，本實施例除了可以對視訊影像進行火焰與煙霧之位置進行醒目的標示之外，可於前述步驟(57)或(59)之後所找到火災特徵之後發佈一警示訊號(透過接收該視訊影像電腦以聲音或無線訊號發佈警示訊號)，如此，不僅可以讓需要持續監視的人員得到警示，藉以防範災情持續擴大。
本實施例發展出一個使用機器視覺演算法來處理輸入彩色影像的視訊資料，發展出火燄與煙霧的偵測演算法，根據顏色特性、空間特性、時域特性來及時的偵測火災，並於偵測到火燄與煙霧訊號時，發出警報，若配合一內嵌式單晶片系統之軟硬體實現視覺伺服技術，也可達到遠端監控或甚至遠端監控控制滅火之技術效果。經過不同視訊影像60之測試，本實施例確實能夠快速、有效的偵測及追蹤視訊影像60中的火災特徵發生位置。
本發明是發展出一個使用機器視覺演算法來處理輸入彩色影像的視訊資料，利用演算法根據顏色特性、空間特
性、時域特性來及時的偵測火災，並加以預防，並於偵測到火燄與煙霧訊號時，發出警報。同時，可透過配合如一內嵌式單晶片系統之軟硬體實現視覺伺服技術，藉以可遠端控制該遙控滅火模組40到達火源發生處，並透過該影像擷取裝置20導引該遙控滅火模組40滅火，試驗結果顯示，所提出的演算、控制方式可有效並可靠的偵測火燄與煙霧的發生，並且可持續進行火燄與煙霧的影像追蹤。
10‧‧‧處理控制終端
20‧‧‧影像擷取裝置
30‧‧‧警報模組
40‧‧‧遙控滅火模組
60‧‧‧視訊影像
62‧‧‧火焰
65‧‧‧紅色葉盆栽
681‧‧‧火災特徵可能範圍
682‧‧‧火災特徵
第一圖為本發明之較佳實施例系統方塊示意圖。
第二圖為本發明之較佳實施例流程圖。
第三圖為本發明之較佳實施例所處理之一視訊影像示意圖。
第四圖為本發明之較佳實施例之一模糊邏輯演算方塊示意圖。
10．．．處理控制終端
20．．．影像擷取裝置
30．．．警報模組
40．．．遙控滅火模組
Claims (7)
- 一種機器視覺火災偵測及自動滅火系統，其包含一處理控制終端、一影像擷取裝置、一警報模組以及一遙控滅火模組，其中：該處理控制終端由該影像擷取裝置持續讀取一視訊影像，並執行一機器視覺火災偵測方法判斷所擷取的視訊影像中是否存在一火災特徵；該處理控制終端判定該視訊影像存在該火災特徵時，控制該警報模組發出一警報，該處理控制終端繼續以該機器視覺火災偵測方法持續追蹤該火災特徵在持續讀入之該視訊影像的位置與狀態；以及該遙控滅火模組設有一迴授訊號產生單元，使該處理控制終端透過接收該迴授訊號產生單元所產生的一迴授訊號，使該處理控制模組得知該遙控滅火模組與該火災特徵之位置關係，並以無線訊號控制該遙控滅火模組移至實體空間中與該視訊影像產生火災特徵位置對應之鄰近位置，以自動判斷控制或遙控的方式對該火災特徵之實體空間對應位置執行一滅火手段。
- 如申請專利範圍第1項所述的機器視覺火災偵測及自動滅火系統，該遙控滅火模組是一遙控載台，其承載一滅火裝置或材料以進行該滅火手段，該該處理控制模組接收迴授訊號後得知該遙控滅火模組與該火災特徵之位置關係，以計算該遙控滅火模組之移動向量與旋轉向量，而逼近該火災特徵。
- 如申請專利範圍第2項所述的機器視覺火災偵測及 自動滅火系統，該迴授訊號為一光源訊號。
- 如申請專利範圍第1或2或3項所述的機器視覺火災偵測及自動滅火系統，該機器視覺火災偵測方法之步驟包含：分割該視訊影像中火災特徵的的可能範圍：對該視訊影像以一移動物體判斷手段擷取分割出該視訊影像中之一火災特徵可能範圍，其中，該移動物體判斷手段係判別該視訊影像中具備移動及抖動現象的標的物作為該火災特徵可能範圍；色彩轉換及火災特徵相關性比對：將該火災特徵可能範圍先經一色彩轉換，並依據色彩轉換後之結果與一比對樣板進行比較分析，並產生一顏色光譜相關係比對值；分析火災特徵的動態行為：判斷該火災特徵可能範圍是否具備一幾何拓撲形狀不規則性及一突然移動的特性，並計算該火災特徵可能範圍之一紊流比，將該顏色光譜相關性比對值及該紊流比經過一模糊邏輯演算取得一可能性指標，之後將具有最高可能性指標的一火災特徵可能範圍進行時域性分析以及空間位置分析，找出火災特徵在視訊影像中的存在性與位置；及火災特徵影像區域追蹤：以一運動追蹤演算法對視訊影像追蹤該火災特徵在視訊影像之變化與位置。
- 如申請專利範圍第4項所述的機器視覺火災偵測及自動滅火系統，其中：該分割視訊影像中火災特徵的的可能範圍步驟中，進一步以一顏色框直接在視訊影像中標示找出的該火災特徵 可能範圍；及完成該分析火災特徵的動態行為步驟後，對找出的該火災特徵於該視訊影像中直接標示之。
- 如申請專利範圍第5項所述的機器視覺火災偵測及自動滅火系統，其中，該移動物體判斷手段為一移動歷史狀態影像的背景分割演算法。
- 如申請專利範圍第6項所述的機器視覺火災偵測及自動滅火系統，該運動追蹤演算法為一連續適應性的均值追蹤演算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW99114742A TWI427562B (zh) | 2010-05-10 | 2010-05-10 | 機器視覺火災偵測及自動滅火系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW99114742A TWI427562B (zh) | 2010-05-10 | 2010-05-10 | 機器視覺火災偵測及自動滅火系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201140505A TW201140505A (en) | 2011-11-16 |
| TWI427562B true TWI427562B (zh) | 2014-02-21 |
Family
ID=46760329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW99114742A TWI427562B (zh) | 2010-05-10 | 2010-05-10 | 機器視覺火災偵測及自動滅火系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI427562B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI723879B (zh) * | 2020-05-19 | 2021-04-01 | 高樹萍 | 自動偵測滅火器 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI571697B (zh) * | 2015-04-28 | 2017-02-21 | Chaoyang Univ Of Tech | Processing of Shrinking Photography Services |
| TWI610701B (zh) * | 2016-09-12 | 2018-01-11 | 滅火機器人控制方法 | |
| TWI645885B (zh) * | 2017-10-27 | 2019-01-01 | 趙鋼 | Movable intelligent fire extinguishing device |
| CN111955213A (zh) * | 2020-08-11 | 2020-11-20 | 袁文莹 | 一种自行关闭防火的园艺造型花盆 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200603858A (en) * | 2005-03-14 | 2006-02-01 | Richard Kao | Remote-controllable rail-guided removable fire fighter |
| TW200922647A (en) * | 2007-11-26 | 2009-06-01 | Ind Tech Res Inst | Mechanical arm module and with capability of frightening and extinguishing fire and robot using the same |
| CN100567098C (zh) * | 2003-05-21 | 2009-12-09 | 松下电器产业株式会社 | 物品管理系统和物品管理服务器 |
-
2010
- 2010-05-10 TW TW99114742A patent/TWI427562B/zh not_active IP Right Cessation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100567098C (zh) * | 2003-05-21 | 2009-12-09 | 松下电器产业株式会社 | 物品管理系统和物品管理服务器 |
| TW200603858A (en) * | 2005-03-14 | 2006-02-01 | Richard Kao | Remote-controllable rail-guided removable fire fighter |
| TW200922647A (en) * | 2007-11-26 | 2009-06-01 | Ind Tech Res Inst | Mechanical arm module and with capability of frightening and extinguishing fire and robot using the same |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI723879B (zh) * | 2020-05-19 | 2021-04-01 | 高樹萍 | 自動偵測滅火器 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201140505A (en) | 2011-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108734125B (zh) | 一种开放空间的吸烟行为识别方法 | |
| Yang et al. | 3D depth image analysis for indoor fall detection of elderly people | |
| WO2019144762A1 (zh) | 基于云服务器的鼠患智能监控系统和方法 | |
| JP4705090B2 (ja) | 煙感知装置及びその方法 | |
| CN110569772B (zh) | 一种泳池内人员状态检测方法 | |
| EP2801078B1 (en) | Context aware moving object detection | |
| US7391907B1 (en) | Spurious object detection in a video surveillance system | |
| KR101953342B1 (ko) | 멀티 센서 화재감지 방법 및 시스템 | |
| CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
| TWI427562B (zh) | 機器視覺火災偵測及自動滅火系統 | |
| US20060170769A1 (en) | Human and object recognition in digital video | |
| Salehi et al. | An automatic video-based drowning detection system for swimming pools using active contours | |
| KR20190046351A (ko) | 침입 탐지방법 및 그 장치 | |
| Ho et al. | Real-time video-based fire smoke detection system | |
| CN108230607A (zh) | 一种基于区域特征分析的图像火灾探测方法 | |
| KR101075550B1 (ko) | 이미지 센싱 에이전트 및 ｕｓｎ 복합형 보안 시스템 | |
| CN114140745A (zh) | 施工现场人员属性检测方法、系统、装置及介质 | |
| CN101316371A (zh) | 火焰侦测方法及装置 | |
| CN113111771A (zh) | 一种发电厂工作人员不安全行为的识别方法 | |
| CN116761049A (zh) | 一种家用智能安防监控方法及系统 | |
| TWI713368B (zh) | 影像式小偷偵測裝置及方法 | |
| Thaman et al. | Face mask detection using mediapipe facemesh | |
| CN103456123A (zh) | 一种基于流动和扩散特征的视频烟气探测方法 | |
| JP2008541650A (ja) | モニタリング方法および装置 | |
| RU2534827C2 (ru) | Способ видеонаблюдения открытого пространства с контролем пожарной опасности |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |