| 1 |
1
적외선 열화상 영상정보에서 픽셀 값들을 통계적으로 분석하여 1차 통계적 텍스처 특징들을 추출하고, 상기 적외선 열화상 영상정보에서 픽셀들 간의 상관관계를 정량적으로 분석하여 2차 통계적 텍스처 특징들을 추출하는 텍스처 특징 추출부; 및상기 1차 통계적 텍스처 특징들 및 상기 2차 통계적 텍스처 특징들을 딥러닝 모델을 통해 분석하여 연기 클래스, 불 클래스, 연기 열반사 클래스, 불 열반사 클래스 및 단순 고온물체 클래스를 포함하는 클래스들에 대한 확률값들을 산출하는 딥러닝 분류기를 포함하는 지능형 화재 감지 장치
|
| 2 |
2
제1항에 있어서,상기 1차 통계적 텍스처 특징들은 상기 픽셀 값들의 평균값, 분산값, 편차값, 비대칭도 및 첨도 중의 적어도 둘 이상을 포함하고, 상기 2차 통계적 텍스처 특징들은 상기 픽셀들 간의 비유사도, 엔트로피, 대비도, 역차이도, 상관도, 유사도 및 역차관성도 중의 적어도 둘 이상을 포함하는 지능형 화재 감지 장치
|
| 3 |
3
제2항에 있어서,상기 딥러닝 모델의 입력층은 상기 1차 통계적 텍스처 특징들 및 상기 2차 통계적 텍스처 특징들로 이루어지는 12개의 입력 노드들을 포함하고, 상기 딥러닝 모델의 출력층은 상기 클래스들로 이루어지는 5개의 출력 노드들을 포함하고, 상기 딥러닝 모델은 상기 입력층과 상기 출력층 사이에 4개의 은닉층을 가지는 지능형 화재 감지 장치
|
| 4 |
4
제2항에 있어서,상기 텍스처 특징 추출부는,화재 감시 영역의 문과 벽 및 창문의 재질 및 배열 구조를 기반으로, 상기 픽셀 값들의 평균값, 분산값, 편차값, 비대칭도 및 첨도 중에서 상기 1차 통계적 텍스처 특징들을 선택하는 1차 텍스처 특징 선택부; 및상기 화재 감시 영역의 온도 및 습도를 포함하는 환경 정보를 기반으로, 상기 픽셀들 간의 비유사도, 엔트로피, 대비도, 역차이도, 상관도, 유사도 및 역차관성도 중에서 상기 2차 통계적 텍스처 특징들을 선택하는 2차 텍스처 특징 선택부를 포함하는 지능형 화재 감지 장치
|
| 5 |
5
제4항에 있어서,상기 텍스처 특징 추출부는,상기 적외선 열화상 영상정보에서, 상기 1차 통계적 텍스처 특징들 중 상기 1차 텍스처 특징 선택부에 의해 선택된 1차 통계적 텍스처 특징만을 추출하는 1차 텍스처 특징 추출부; 및상기 적외선 열화상 영상정보에서, 상기 2차 통계적 텍스처 특징들 중 상기 2차 텍스처 특징 선택부에 의해 선택된 2차 통계적 텍스처 특징만을 추출하는 2차 텍스처 특징 추출부를 더 포함하는 지능형 화재 감지 장치
|
| 6 |
6
제2항에 있어서,상기 딥러닝 모델은 1단계 딥러닝 모델 및 2단계 딥러닝 모델을 포함하고,상기 1단계 딥러닝 모델의 제1 입력층은 상기 1차 통계적 텍스처 특징들을 포함하는 5개의 입력값으로 이루어지고, 상기 1단계 딥러닝 모델의 제1 출력층은 단순고온물체에 해당하는 비중요 클래스와 상기 비중요 클래스를 제외한 중요 클래스의 2개의 출력값으로 이루어지고, 상기 1단계 딥러닝 모델은 상기 제1 입력층과 상기 제2 출력층 사이에 적어도 3개의 은닉층을 가지고,상기 2단계 딥러닝 모델의 제2 입력층은 상기 중요 클래스 및 7개의 상기 2차 통계적 텍스처 특징들을 포함하는 8개의 입력값으로 이루어지고, 상기 2단계 딥러닝 모델의 제2 출력층은 불, 연기, 불열반사, 연기열반사 클래스들에 해당하는 4개의 출력값으로 이루어지고, 상기 2단계 딥러닝 모델은 상기 제2 입력층과 상기 제2 출력층 사이에 적어도 4개의 은닉층을 가지는 지능형 화재 감지 장치
|
| 7 |
7
적외선 열화상 영상정보에서 픽셀 값들을 통계적으로 분석하여 1차 통계적 텍스처 특징들을 추출하는 단계;상기 적외선 열화상 영상정보에서 픽셀들 간의 상관관계를 정량적으로 분석하여 2차 통계적 텍스처 특징들을 추출하는 단계; 그리고상기 1차 통계적 텍스처 특징들 및 상기 2차 통계적 텍스처 특징들을 딥러닝 모델을 통해 분석하여 연기 클래스, 불 클래스, 연기 열반사 클래스, 불 열반사 클래스 및 단순 고온물체 클래스를 포함하는 클래스들에 대한 확률값들을 산출하는 단계를 포함하는 지능형 화재 감지 방법
|
| 8 |
8
제7항에 있어서,상기 1차 통계적 텍스처 특징들은 상기 픽셀 값들의 평균값, 분산값, 편차값, 비대칭도 및 첨도 중의 적어도 둘 이상을 포함하고, 상기 2차 통계적 텍스처 특징들은 상기 픽셀들 간의 비유사도, 엔트로피, 대비도, 역차이도, 상관도, 유사도 및 역차관성도 중의 적어도 둘 이상을 포함하는 지능형 화재 감지 방법
|
| 9 |
9
제8항에 있어서,상기 딥러닝 모델의 입력층은 상기 1차 통계적 텍스처 특징들 및 상기 2차 통계적 텍스처 특징들로 이루어지는 12개의 입력 노드들을 포함하고, 상기 딥러닝 모델의 출력층은 상기 클래스들로 이루어지는 5개의 출력 노드들을 포함하고, 상기 딥러닝 모델은 상기 입력층과 상기 출력층 사이에 4개의 은닉층을 가지는 지능형 화재 감지 방법
|
| 10 |
10
제8항에 있어서,상기 1차 통계적 텍스처 특징들을 추출하는 단계는,화재 감시 영역의 문과 벽 및 창문의 재질 및 배열 구조를 기반으로, 상기 픽셀 값들의 평균값, 분산값, 편차값, 비대칭도 및 첨도를 포함하는 1차 통계적 텍스처 특징들 중에서 하나 이상의 1차 통계적 텍스처 특징을 선택하는 단계; 그리고상기 적외선 열화상 영상정보에서, 상기 1차 통계적 텍스처 특징들 중에서 선택된 상기 하나 이상의 1차 통계적 텍스처 특징만을 추출하는 단계를 포함하는 지능형 화재 감지 방법
|
| 11 |
11
제8항에 있어서,상기 2차 통계적 텍스처 특징들을 추출하는 단계는,상기 화재 감시 영역의 온도 및 습도를 포함하는 환경 정보를 기반으로, 상기 픽셀들 간의 비유사도, 엔트로피, 대비도, 역차이도, 상관도, 유사도 및 역차관성도를 포함하는 2차 통계적 텍스처 특징들 중에서 하나 이상의 2차 통계적 텍스처 특징을 선택하는 단계; 그리고상기 적외선 열화상 영상정보에서, 상기 2차 통계적 텍스처 특징들 중에서 선택된 상기 하나 이상의 2차 통계적 텍스처 특징만을 추출하는 단계를 포함하는 지능형 화재 감지 방법
|
| 12 |
12
제8항에 있어서,상기 딥러닝 모델은 1단계 딥러닝 모델 및 2단계 딥러닝 모델을 포함하고,상기 1단계 딥러닝 모델의 제1 입력층은 상기 1차 통계적 텍스처 특징들을 포함하는 5개의 입력값으로 이루어지고, 상기 1단계 딥러닝 모델의 제1 출력층은 단순고온물체에 해당하는 비중요 클래스와 상기 비중요 클래스를 제외한 중요 클래스의 2개의 출력값으로 이루어지고, 상기 1단계 딥러닝 모델은 상기 제1 입력층과 상기 제2 출력층 사이에 적어도 3개의 은닉층을 가지고,상기 2단계 딥러닝 모델의 제2 입력층은 상기 중요 클래스 및 7개의 상기 2차 통계적 텍스처 특징들을 포함하는 8개의 입력값으로 이루어지고, 상기 2단계 딥러닝 모델의 제2 출력층은 불, 연기, 불열반사, 연기열반사 클래스들에 해당하는 4개의 출력값으로 이루어지고, 상기 2단계 딥러닝 모델은 상기 제2 입력층과 상기 제2 출력층 사이에 적어도 4개의 은닉층을 가지는 지능형 화재 감지 방법
|
| 13 |
13
제7항 내지 제12항 중 어느 한 항의 지능형 화재 감지 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체
|
