| 1 |
1
화재 감시용 카메라(10)로부터 입력되는 화재 감지 대상 영역 영상에 대하여 배경픽셀의 변화를 감지하고, 연결된 픽셀들을 클러스터링 하여 후보 연기 영역으로 분류하는 연기 영역 감지부(110); 및상기 후보 연기 영역을 수신한 후 연기와 연기 아닌 영역을 분류하여, 연기 영역이 존재하는 경우 연기 영역을 추출하여 출력하는 연기 영역 분류부(120);를 포함하고,상기 연기 영역 분류부(120)는,연기를 구성하는 채도별 회색과 흰색에 대하여, 화상 픽셀의 (R, G, B)의 최대 값과 최소 값 및 픽셀 강도(pixel intensity))를 이용하여 연기 픽셀을 분류하여 후보 연기 영역 분류하는 색상 분류를 수행하고,상기 색상 분류에 의해 분류된 후보 연기 영역에 대하여, 상기 화재 감지 대상 영역 영상을 구성하는 프레임들에서 확장되는 연기 영역을 분류하여 확산 영역의 후보 연기 영역으로 분류하는 확산 영역 분류를 수행하며,상기 확산 영역 분류에 의해 분류된 후보 연기 영역에 대하여, 시간에 따른 상기 화재 감지 대상 영역 영상 내에서 프레임별 연기의 크기 변화를 고려하여 후보 연기 영역을 분류하는 크기 변화 분류를 수행하고,상기 크기 변화 분류에 의해 분류된 후보 연기 영역에 대하여, 연기 영역의 경계에서의 잃어버린 경계 픽셀의 수와 얻은 경계 픽셀의 수를 적용하여 후보 연기 영역을 분류하는 경계 에너지 분류를 수행하며,상기 경계 에너지 분류가 수행된 연기 영역에 대하여, 딥 러닝 알고리즘인 CNN(Convolutional Neural Network)을 사용하여 연기 영역과 연기가 아닌 영역을 분류하는 CNN 딥러닝 화상 분류를 수행하는 다수의 캐스케이드 모델(cascade model)을 적용하는 것에 의해 연기 영역을 추출하도록 구성되는 화재 감지 장치
|
| 2 |
2
청구항 1에 있어서, 상기 연기 영역 감지부(110)는,GMM을 이용하여 상기 화재 감지 대상 영역 영상의 화상 픽셀들을 배경 픽셀(background pixel)들 및 전경 픽셀(foreground pixel)들의 2개의 클래스로 분류하고,연결된 전경 픽셀들을 블럽(blob)들로 묶어서 각 블럽을 하나의 후보 연기 영역으로 추출하도록 구성되는 화재 감지 장치
|
| 3 |
3
삭제
|
| 4 |
4
청구항 1에 있어서, 상기 연기 영역 분류부(120)의 상기 색상 분류는,연기를 구성하는 채도별 회색과 흰색에 대하여, Cmax-Cmin 003c# thC((Cmax, Cmin은 화상 픽셀의 (R, G, B)의 최대 값과 최소 값, thC는 임계 값)이고, Imin 003c# I 003c# Imax(I 는 픽셀 강도(pixel intensity))를 만족하는 픽셀을 연기 픽셀로 분류하는 화재 감지 장치
|
| 5 |
5
청구항 4에 있어서, 상기 연기 영역 분류부(120)는,상기 색상분류가 nc는 연기 색상 픽셀로 분류된 영역 내에 있는 픽셀의 수, S는 영역의 면적, thpc는 연기 영역이 아닌 영역은 배제되도록 하는 임계값, 는 색상 확류에 의한 후보 연기 영역이 사실이 될 확률을 계산하기 위한 식일 때, 색상 확률 Fc 003c# thpc 인 경우 연기 영역이 아닌 영역으로 배제되도록 하는 것을 더 포함하는 화재 감지 장치
|
| 6 |
6
청구항 1에 있어서, 상기 연기 영역 분류부(120)의 확산 영역 분류는,상기 색상 분류에 의해 분류된 후보 연기 영역에 대하여, ng를 후보연기 영역의 성장 인자라고 정의하고, 0으로 초기화한 후, 두 연속 프레임 t-1과 t 사이의 연기 영역의 크기가 기 설정된 임계 값 thds를 초과하면 성장 인자가 1만큼 증가하도록 하고, St, St-1를 각각 시간 t와 t-1 사이에서 후보 연기 영역의 크기라 하고 n을 분석 프레임의 수로 하여, 연기 확장 영역 Fg = ng/n일 확률을 ng = ng +1 (St-St-1 003e# thds 인 경우)에 의해 계산 한 후, Fg 003c# thg(기 설정 임계 값)이면 후보 연기 영역이 연기 영역이 아닌 것으로 분류하는 화재 감지 장치
|
| 7 |
7
청구항 1에 있어서, 상기 연기 영역 분류부(120)의 크기 변환 분류는,상기 확산 영역 분류에 의해 분류된 후보 연기 영역에 대하여, 시간 t에서 연기 영역의 크기 변화 ΔS =|St-St-1|이고, 정규화된 영역의 크기 변화 ΔAt = ΔSt/St이며, 시간 t에서 이전 n 프레임에서의 ΔS에 대한 표준 편차가 일 때, ΔAt 003e# thΔA 이고 003e# thΔS 만족하는 경우 후보 연기 영역으로 분류하는 화재 감지 장치
|
| 8 |
8
청구항 1에 있어서, 상기 연기 영역 분류부(120)의 경계 에너지 분류는,상기 크기 변화 분류에 의해 분류된 후보 연기 영역에 대하여, 연기 영역의 경계 크기가 감소하는 것을 확인하기 위해 잃어버린 경계 픽셀의 수 nloss와 얻은 경계 픽셀 수 ngain(연기의 경우 ngain 003c#nloss)을 추정하기 위해, , , ,가 (x, y) 지점에서 배경 화상에 대한 경사도 크기, 수직 경사도, 수평 경사도 및 화상의 강도일 때, , , 이고, , , ,가 (x, y) 지점에서 현재 프레임에 대한 경사도 크기, 수직 경사도, 수평 경사도 및 화상의 강도이고, , , 가 (x, y) 지점에서 현재 프레임에 대한 경사도 크기, 수직 경사도, 수평 경사도 그리고 화상의 강도이며, thmag는 잡음을 제거하기 위한 임계값일 때, - 003e# thmag이면 하나의 픽셀을 손실된 경계 크기 픽셀로 간주하고, - 003e# thmag이면 하나의 픽셀을 얻어진 경계 크기 픽셀로 간주하며, ngain/nloss 003c# the(결정 임계값)를 만족하면 후보 연기 영역으로 분류하는 되는 화재 감지 장치
|
| 9 |
9
청구항 1에 있어서,상기 화재 감지 대상 영역 영상을 구성하는 전체 프레임 중 상기 추출된 연기 영역을 포함하는 영상 프레임의 비가 기 설정된 기준 값을 초과하는 경우 화재가 발생한 것으로 판단하여 화재 발생 신호를 출력하는 시간분석부(130);를 더 포함하여 구성되는 화재 감지 장치
|
| 10 |
10
화재 감시용 카메라(10)로부터 입력되는 화재 감지 대상 영역 영상에 대하여 배경픽셀의 변화를 감지하고, 연결된 픽셀들을 클러스터링 하여 후보 연기 영역으로 분류하는 연기 영역 감지부(110) 및 상기 후보 연기 영역을 수신한 후 연기와 연기 아닌 영역을 분류하여, 연기 영역이 존재하는 경우 연기 영역을 추출하여 출력하는 연기 영역 분류부(120);를 포함하여 구성되는 화재 감지 장치에 의한 화재 감지 방법에 있어서,상기 연기 영역 감지부(110)가 화재 감시용 카메라(10)로부터 입력되는 화재 감지 대상 영역 영상에 대하여 GMM(가우시안 혼합 모델링: Mixture of Gaussian Background Modeling)을 사용하여 상기 화재 감지 대상 영역 영상의 화상 픽셀들을 배경 픽셀(background pixel)들 및 전경 픽셀(foreground pixel)들의 2개의 클래스로 분류하고, 연결된 전경 픽셀들을 블럽(blob)들로 묶어서 각 블럽을 하나의 후보 연기 영역으로 추출하는 후보 연기 영역 감지과정(S10); 및상기 연기 영역 분류부(120)가 상기 추출된 후보 연기 영역들에 대하여, 색상의 변화, 확산 영역의 변화, 크기 변화, 경계 에너지 변화, 분류, 확산 영역 분류, 크기 변화 및 딥러닝 알고리즘인 CNN을 적용한 연기 영역 분류를 수행하는 것에 의해 연기 영역을 분류하는 연기 영역 분류 과정(S20)을 포함하여 이루어지는 화재 감지 방법
|
| 11 |
11
청구항 10에 있어서, 상기 연기 영역 분류 과정(S20)은, 상기 연기 영역 분류부(120)가,연기를 구성하는 채도별 회색과 흰색에 대하여, Cmax-Cmin 003c# thC((Cmax, Cmin은 화상 픽셀의 (R, G, B)의 최대 값과 최소 값, thC는 임계 값)이고, Imin 003c# I 003c# Imax(I 는 픽셀 강도(pixel intensity))를 만족하는 픽셀을 연기 픽셀로 분류하는 색상 분류 과정(S21);상기 색상 분류에 의해 분류된 후보 연기 영역에 대하여, ng를 후보연기 영역의 성장 인자라고 정의하고, 0으로 초기화한 후, 두 연속 프레임 t-1과 t 사이의 연기 영역의 크기가 특정 임계 값 thds를 초과하면 성장 인자가 1만큼 증가하도록 하고, St, St-1를 각각 시간 t와 t-1 사이에서 후보 연기 영역의 크기라 하고 n을 분석 프레임의 수로 하여, 연기 확장 영역 Fg = ng/n일 확률을 ng = ng +1 (St-St-1 003e# thds 인 경우)에 의해 계산 한 후, Fg 003c# thg 이면 후보 연기 영역이 연기 영역이 아닌 것으로 분류하는 확산 영역 분류과정(S23);상기 확산 영역 분류에 의해 분류된 후보 연기 영역에 대하여, 시간 t에서 연기 영역의 크기 변화 ΔS =|St-St-1|이고, 정규화된 영역의 크기 변화 ΔAt = ΔSt/St이며, 시간 t에서 이전 n 프레임에서의 ΔS에 대한 표준 편차가 일 때, ΔAt 003e# thΔA 이고 003e# thΔS를 만족하는 경우 후보 연기 영역으로 분류하는 크기 변화 분류과정(S25);상기 크기 변화 분류에 의해 분류된 후보 연기 영역에 대하여, 연기 영역의 경계 크기가 감소하는 것을 확인하기 위해 잃어버린 경계 픽셀의 수 nloss와 얻은 경계 픽셀 수 ngain(연기의 경우 ngain 003c#nloss)을 추정하기 위해, , , ,가 (x, y) 지점에서 배경 화상에 대한 경사도 크기, 수직 경사도, 수평 경사도 및 화상의 강도일 때, , , 이고, , , ,가 (x, y) 지점에서 현재 프레임에 대한 경사도 크기, 수직 경사도, 수평 경사도 및 화상의 강도이고, , , 가 (x, y) 지점에서 현재 프레임에 대한 경사도 크기, 수직 경사도, 수평 경사도 그리고 화상의 강도이며, thmag는 잡음을 제거하기 위한 임계값일 때, - 003e# thmag이면 하나의 픽셀을 손실된 경계 크기 픽셀로 간주하고, - 003e# thmag이면 하나의 픽셀을 얻어진 경계 크기 픽셀로 간주하며, ngain/nloss 003c# the(결정 임계값)를 만족하면 후보 연기 영역으로 분류하는 경계 에너지 분류과정(S27); 및상기 경계 에너지 분류가 수행된 연기 영역에 대하여, 딥 러닝 알고리즘인 CNN(Convolutional Neural Network)을 사용하여 연기 영역과 연기가 아닌 영역을 분류하는 CNN 딥러닝 화상 분류과정(S29);을 포함하여 이루어지는 화재 감지 방법
|
| 12 |
12
청구항 11에 있어서, 상기 색상분류과정(S21)의 색상분류는,nc는 연기 색상 픽셀로 분류된 영역 내에 있는 픽셀의 수, S는 영역의 면적, thpc는 연기 영역이 아닌 영역은 배제되도록 하는 임계값, 는 색상 확률에 의한 후보 연기 영역이 사실이 될 확률을 계산하기 위한 식일 때, 색상 확률 Fc 003c# thpc 인 경우 연기 영역이 아닌 영역으로 배제되도록 하는 분류를 더 포함하는 화재 감지 방법
|
| 13 |
13
청구항 10에 있어서,상기 화재 감지 장치가 시간분석부(130)를 더 포함하여 구성되어,상기 시간분석부(130)가 상기 화재 감지 대상 영역 영상을 구성하는 전체 프레임 중 상기 추출된 연기 영역을 포함하는 영상 프레임의 비가 기 설정된 기준 값을 초과하는 경우 화재가 발생한 것으로 판단하여 화재 발생 신호를 출력하는 시간분석과정(S29);을 더 포함하여 이루어지는 화재 감지 방법
|
