| 1 |
1
지능형 연기 검출 시스템에 있어서,영상 데이터를 입력받는 영상 입력부;상기 입력받은 영상 데이터를 저장하는 데이터 저장부; 상기 데이터 저장부 또는 상기 영상 입력부로부터 영상 데이터를 입력받아 연기의 특징을 나타내는 하나 이상의 파라미터를 추출하는 파라미터 추출부;상기 파라미터 추출부로부터 파라미터를 입력받아 학습을 실시하고, 학습의 실시에 의해 학습 모델을 생성하는 학습부; 및 상기 학습 모델을 이용하여 상기 파라미터 추출부로부터 파라미터를 입력받아 연기 검출 여부를 판단하는 판단부;를 포함하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 2 |
2
제1항에 있어서, 상기 파라미터 추출부가 추출하는 하나 이상의 파라미터는, 대상의 외형이 무질서하게 변화하는 정도를 측정하는 무질서도;연기의 확산 특징을 바탕으로 대상 크기의 변화율을 의미하는 증가도;상기 영상 데이터의 영상에서 얼마나 많은 움직임이 일어난 것인지를 산출하는 움직임 빈도;상기 영상 데이터의 각 픽셀의 값들로부터 산출되는 연기의 지역 웨이블릿 에너지 변화도; 및상기 영상 데이터의 영역 전체의 형태가 영역의 부분에서 반복되어 나타나는 자기 유사도;를 포함하는 파라미터의 집합으로부터 선택되는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 3 |
3
제2항에 있어서, 상기 무질서도는, 상기 영상 데이터의 움직인 픽셀을 검출하여 이진화 영상으로 변환하고, 이진화 영상에 의해 움직인 픽셀의 군집을 얻고, 연기로 추정되는 픽셀을 상기 군집으로 나누어서 연기 추정 픽셀들의 비율을 구하는 것에 의해 산출되는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 4 |
4
제3항에 있어서, 상기 움직인 픽셀을 검출하는 방법은 배경 제거 알고리즘을 사용하되, 상기배경 제거 알고리즘은 입력되는 영상에서 프레임 간 변화가 없거나 또는 그 변화가 일상적인 경우에 배경에 해당하는 픽셀로 선별하여 제거하는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 5 |
5
제2항에 있어서, 상기 증가도는 다음의 수학식에 의해 산출되는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 6 |
6
제2항에 있어서, 상기 움직임 빈도는,상기 영상 데이터로부터 움직이는 영역만 추출하여, 그레이 영상화하고, 웨이블릿 형식으로 변환한 후, 고역통과필터와 저역통과필터를 각각 통과시켜 고주파 영상과 저주파 영상을 각각 얻고, 상기 고주파 영상과 저주파 영상을 각각 일정 프레임을 누적시켜 그 합을 구하여 고주파 누적 영상과 저주파 누적 영상을 얻으며, 상기 고주파 누적 영상을 상기 저주파 누적 영상에 의해 나누는 것에 의해 산출되는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 7 |
7
제6항에 있어서, 상기 고주파 영상과 저주파 영상을 얻은 후, 각각의 영상의 선명도를 증가시키기 위하여 상기 고주파 영상과 상기 저주파 영상을 각각 다운 샘플링하는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 8 |
8
제2항에 있어서, 상기의 지역 웨이블릿 에너지 변화도는,(a-1) 상기 영상 데이터와 배경 데이터를 그레이 영상으로 변환하는 단계;(a-2) 상기 그레이 영상들에 대해 웨이블릿 형식으로 변환하고, 2단계 필터링에 의해 3가지 대역의 영상을 각각 획득하는 단계;(a-3) 상기 3가지 대역의 영상의 각 픽셀값을 제곱하여 합치는 것에 의해 상기 영상 데이터와 배경 데이터에 대한 새로운 합성 영상을 생성하는 단계;(a-4) 상기 새로이 합성된 영상들을 각각 n개의 블록으로 분할하는 단계;(a-5) 상기 영상 데이터의 합성 영상의 분할된 n개의 블록에 대해 n개의 에너지값 en을 구하는 단계;(a-6) 상기 배경 데이터의 합성 영상의 분할된 n개의 블록에 대해 n개의 에너지값 ebn을 구하는 단계;(a-7) 상기 ebn이 상기 en 보다 미리 설정된 일정값 보다 큰 연기 의심 영역을 설정하는 단계; 및(a-8) 상기 연기 의심 영역에 대해 상기 n개의 블록별로 상기 배경 데이터의 에너지와 상기 영상 데이터의 에너지의 차를 구하고 이를 배경 데이터의 에너지로 나누어 에너지 변화도를 산출하는 단계;를 포함하는 단계에 의해 산출되는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 9 |
9
제8항에 있어서, 상기 (a-2) 단계의 상기 3가지 대역의 영상은,고역통과필터를 통과시킨 후 다시 고역통과필터를 통과시킨 영상, 고역통과필터를 통과시킨 후 저역통과필터를 통과시킨 영상 및 저역통과필터를 통과시킨 후 고역통과필터를 통과시킨 영상인 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 10 |
10
제2항에 있어서, 자기 유사도는,상기 영상 데이터의 급수를 미리 설정된 일정한 크기로 중복되지 않게 선택한 후 선택된 값들의 평균값에 의해 산출되는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 11 |
11
제10항에 있어서, 상기 자기 유사도가 시간에 관계된 급수를 이용할 경우, 자기 상관 모델을 사용하여 급수의 자기 상관 함수의 감쇄율을 나타내는 Hurst 파라미터에 의해 산출되는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 12 |
12
제1항에 있어서, 상기 학습 모델의 생성을 위한 신경망은 퍼지 신경망을 이용하되, 상기 퍼지 시스템의 모델링은 IF-THEN 규칙을 사용하며, 상기 퍼지 신경망의 구조는 군집화 기법을 사용하여 결정되는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 13 |
13
제12항에 있어서, 상기 퍼지 신경망의 구조의 결정은,중심값 vi, 군집의 갯수 uik 및 가중치 wi에 의해 결정하는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 14 |
14
제13항에 있어서, 상기 퍼지 신경망의 구조의 결정은,(b-1) 지수의 가중값 m, 최대 군집의 수 C, 에러 허용치 ε, 최대 반복 횟수 T 및 초기 유효성 값 Z(c)를 포함하는 각 변수를 초기화하는 단계;(b-2) 군집의 갯수 uik(t)를 0 또는 1로 초기화하는 단계;(b-3) 새로운 중심값 vi(t)와 가중치 wi(t)를 산출하는 단계;(b-4) 산출된 새로운 중심값 vi(t)와 가중치 wi(t)를 이용하여 군집의 갯수 uik(t)를 갱신하는 단계;(b-5) uik(t)와 uik(t-1)의 차이의 절대값의 최대값 Delta를 산출하는 단계;(b-6) 상기 최대값 Delta가 에러 허용치 ε 보다 크다면, t를 하나 증가시키고, 상기 (b-3) 단계 이후의 단계를 반복하여 수행하는 단계;(b-7) 만일 최대값 Delta가 에러 허용치 ε 보다 작거나 같다면, 새로운 유효성 값 Z(c)를 계산하는 단계;(b-8) Z(c)가 Z(c-1) 보다 크다면, 종료하는 단계; 및(b-9) Z(c)가 Z(c-1) 보다 작거나 같다면, c를 증가시키고, 상기 (b-2) 단계 이후의 단계를 반복적으로 실시하는 단계;를 포함하는 방법에 의해 결정되되,상기 c는 군집의 수를 의미하고, t는 반복 횟수를 의미하는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 15 |
15
삭제
|
| 16 |
16
삭제
|
| 17 |
17
제13항 또는 제14항에 있어서, 유전자 알고리즘을 사용하여 비대칭 가우시안 소속 함수 조율을 하는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 18 |
18
제17항에 있어서, 상기 조율하는 방법은,(c-1) 가중치와 분산에 대한 초기값을 산출하는 단계;(c-2) 초기 가중치와 분산을 마지막 유전형에 복사하고 나머지 유전형들은 임의의 값을 발생시켜 초기 유전자 집단을 생성하는 단계;(c-3) 퍼지 추론과 에러 함수를 이용해 초기 유전자 집단에 대한 적합도를 계산하는 단계;(c-4) 유전자 알고리즘 연산자와 선택된 개체들로부터 다음 세대를 생성하는 단계;(c-5) 퍼지 추론과 에러 함수를 이용해 새로 생성된 유전자 집단에 대한 적합도를 계산하는 단계; 및(c-6) 만일 최적의 유전자가 발견되면 종료하고 아니면 상기 (c-4) 단계 이후의 단계를 반복적으로 실시하는 단계;를 포함하는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 19 |
19
제18항에 있어서, 상기 (c-4) 단계는,(c-4-1) 각 유전형의 적합도를 마지막 유전형의 적합도와 비교하여 최고의 적합도를 갖는 유전형을 마지막 유전형에 배치하는 선택 연산자 수행 단계;(c-4-2) 선택에 의해서 생존이 결정된 유전형에 대해 교배하는 교배 연산자 수행 단계; 및(c-4-3) 임의로 유전형을 선택하여 돌연변이 시키는 돌연변이 연산자 수행 단계;를 포함하는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 20 |
20
제19항에 있어서, 상기 초기 가중치 및 분산은 다음의 수학식에 의해 각각 산출 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
| 21 |
21
제19항에 있어서,상기 에러 함수는 다음의 수학식에 의해 구하여 지는 것을 특징으로 하는 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템
|
