JPH11144167A

JPH11144167A - 火災検出装置

Info

Publication number: JPH11144167A
Application number: JP9304680A
Authority: JP
Inventors: Takatoshi Yamagishi; 貴俊山岸
Original assignee: Nohmi Bosai Ltd
Current assignee: Nohmi Bosai Ltd
Priority date: 1997-11-06
Filing date: 1997-11-06
Publication date: 1999-05-28
Anticipated expiration: 2017-11-06
Also published as: JP3827426B2

Abstract

(57)【要約】【課題】監視カメラの画像から炎の揺らぎの解析を行
い、監視対象以外の人工光源特に回転灯などを省いて、
火災（炎）領域だけを高精度で抽出できるようにする。【解決手段】監視領域を撮影する監視カメラ（１）の
画像から明度または色に基づいて火災らしい領域を抽出
する火災候補領域抽出手段（４１）と、所定時間に亙っ
て火災らしい領域の特徴量としての平均輝度または面積
を演算する抽出領域特徴量算手段（４３）と、この抽出
領域特徴量演算手段で演算された特徴量に対してウェー
ブレット変換を行い、時間軸に対する周波数の解析分布
を求めるウェーブレット変換演算手段（４４）と、この
解析分布を基に、火災らしい領域が本当の火災領域であ
るか否かを判別する火災判別手段（４７）とで構成す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は火災検出に画像処
理を用いた火災検出装置に関し、特に監視領域に監視対
象である炎以外の光源が混在する場合等に用いて好適な
火災検出装置に関するものである。

【０００２】

【従来の技術】画像処理装置を利用して火災を検出する
従来装置として、例えば特開平５−２０５５９号公報に
記載されているようなものがある。このような従来装置
の主な原理は、撮影される画像から所定の明度を有する
領域を抽出することで、火災時の炎を捕らえるものであ
る。

【０００３】

【発明が解決しようとする課題】ところが、このような
従来装置の場合、監視画像の輝度信号から輝度値の高い
領域を抽出して火災と認識するようにしているので、監
視領域、例えばトンネル内にこのような火災検出装置を
設ける場合、所定の明度を有する光源として炎以外の例
えば照明用人工光源（ナトリウム灯）、車両後部光源
（テールランプ，ポジションランプ）、車両前部光源
（ヘッドライト、ハロゲンランプ、フォグランプ）、或
いは緊急車両光源（回転灯）もしくは太陽光、太陽光の
反射光等が存在するので、これらの光源を炎と認識し、
誤報を発生する虞れがあるという問題点があった。

【０００４】この発明はこのような問題点を解決するた
めになされたもので、炎の擬似光源に影響されることな
く、炎のみを正確に捕らえることのできる火災検出装置
を得ることを目的とするものである。

【０００５】

【課題を解決するための手段】この発明に係わる火災検
出装置は、被検出物から出される光を検出し、該光に応
じた出力値を生ずる検出手段と、該検出手段の出力値を
所定時間分格納する格納手段と、該格納手段に格納され
た出力値の二次元データに対してウェーブレット変換を
行い、時間軸に対する周波数の解析分布を求めるウェー
ブレット変換演算手段と、該解析分布を基に火災か否か
を判別する火災判別手段とを備えたものである。

【０００６】また、この発明に係わる火災検出装置は、
監視領域を撮影する撮影手段と、該撮影手段により撮影
された画像を格納するための画像メモリとを備え、該画
像メモリに格納された画像を処理することにより火災を
検出する火災検出装置において、画像から明度または色
に基づいて火災らしい領域を抽出する火災候補領域抽出
手段と、所定時間に亙って火災らしい領域の特徴量とし
ての平均輝度または面積を演算する抽出領域特徴量算手
段と、該抽出領域特徴量演算手段で演算された特徴量に
対してウェーブレット変換を行い、時間軸に対する周波
数の解析分布を求めるウェーブレット変換演算手段と、
該解析分布を基に、火災らしい領域が本当の火災領域で
あるか否かを判別する火災判別手段とを備えたものであ
る。

【０００７】また、この発明に係わる火災検出装置は、
解析分布を二値化して二値化画像を得る二値化手段を備
えたものである。

【０００８】また、この発明に係わる火災検出装置は、
二値化画像の骨格を抽出し、骨格の評価値を演算する骨
格評価値演算手段を備えたものである。

【０００９】また、この発明に係わる火災検出装置は、
骨格評価値演算手段により演算された評価値が所定値よ
り小さいとき、火災判別手段は、火災らしい領域が本当
の火災領域であると判別するものである。

【００１０】また、この発明に係わる火災検出装置は、
ウェーブレット変換演算手段から出力された解析分析の
振幅を判別する振幅判別手段を備え、該振幅判別手段に
より判別された振幅値が所定値より小さいとき、火災判
別手段は、火災らしい領域を火災判別の対象から除外す
るものである。

【００１１】また、この発明に係わる火災検出装置は、
ウェーブレット変換演算手段の出力の振幅の自己相関を
とり、該自己相関値を正規化して評価値を生成する評価
値生成手段を備え、該評価値生成手段により生成された
評価値が所定値より小さいとき、火災判別手段は、火災
らしい領域が本当の火災領域であると判別するものであ
る。

【００１２】

【発明の実施の形態】以下、この発明の一実施の形態を
図を参照して説明する。先ず、各実施の形態を説明する
前に、火災領域の検出原理について図１０を参照して説
明する。火災を検出するに当たって、先ず所定の明度を
有する領域だけを監視画像から抽出する。この抽出され
た領域は、火災時の炎だけでなく、人工光源の場合もある
ので、この抽出領域を火災らしい領域と呼ぶ。通常、炎や
炎以外の光源例えば回転灯の抽出領域を輝度または面積
の時間変化に伴う変化の仕方から見ると、それぞれ図１
０の左側部分に示すような特徴を有する。即ち、先ず、
炎の場合、その輝度と面積は絶えず変化するが、その変
化の仕方は不規則である。また、回転灯の場合、その輝
度と面積は絶えず変化し、その変化の仕方は一定の周期
である。

【００１３】このように抽出領域が炎である場合、その
領域の輝度と面積は絶えず変化し、その変化の仕方は不
規則である。これに対し、回転灯の場合、炎と同様に抽
出領域の輝度と面積は絶えず変化するが、その変化の仕
方は一定の周期である点で炎と異なる。また、時間に対
する輝度等の変化から従来フーリェ変換を用いて周波数
解析をする方法がある。図１０の右側部分には、炎と回
転灯に関してある一定時間ｔ₁とｔ₂の輝度または面積に
対して周波数解析を行った結果を示している。これよ
り、炎による火災らしい領域の輝度と面積の周波数スペ
クトルは一定時間内でまた一定時間毎に絶えず変化し、
その変化の仕方は不規則である、つまり周波数スペクト
ルが時間と共に変化するが、回転灯の場合、炎と同様に
火災らしい領域の輝度と面積の周波数スペクトルは一定
時間内（ｔ₁，ｔ₂）で区切った場合、その周波数スペク
トルは同じものとなる。つまり、周波数スペクトルが時
間と共に変化することはない点で炎と異なる。

【００１４】そこで、以下の各実施の形態では、火災ら
しい領域が炎である場合、その火災らしい領域の輝度と
面積の周波数スペクトルは絶えず変化し、その変化の仕
方は不規則であるという特徴を持つことに着目し、炎の
時間的な揺らぎを迅速に解析できるいわゆるウェーブレ
ット変換を用いて火災領域を検出する。

【００１５】実施の形態１．図１はこの発明の第１の実
施の形態を示す構成図である。図において、１は検出手
段または撮影手段としての監視カメラであって、例えば
ＣＣＤカメラなどが使用され、所定のサンプリング周期
で監視領域を撮影するものである。この監視カメラ１は
例えば監視領域としてのトンネル内の監視区域全体を見
渡せる位置に設置され、トンネル内で発生する火災を監
視し、撮影した画像内に火災の領域があるか否かは後述
する画像処理部で検出される。

【００１６】図２は、監視カメラ１により撮影された画
像を示す図面で、この図からもわかるように監視カメラ
１は車両Ｃが走り去って行く方向を映すように、例えば
トンネル内の側壁上部に設置されている。これは、車両
Ｃのヘッドライトが監視カメラ１に入射するのを防止す
るためで、このように設置することで画像処理する際に
ヘッドランプが火災領域として捕らえられることがなく
なる。なお、図２において、ＣＴは車両のテールラン
プ、ＲＬは回転灯をそれぞれ表している。

【００１７】２は監視カメラ１に接続されたアナログー
デジタル変換器であって、監視カメラ１から得られた画
像のそれぞれを画素単位で多階調、例えば２５５階調の
デジタル信号に変換するものである。３はアナログーデ
ジタル変換器２に接続され、デジタル化された画像を記
憶する格納手段としての画像メモリであって、監視カメ
ラ１で撮影された画像の１画面分を格納する。この画像
メモリ３は複数の画像を格納できるようにするため図に
示すように複数個で構成され、一番古い画像を削除しな
がら、順次新しい画像を更新格納していく。

【００１８】４１は画像メモリ３に接続され、画像処理
部４の構成要素の１つである火災候補領域抽出手段であ
って、この火災候補領域抽出手段４１は画像メモリ３か
ら読み出された画像信号を所定値で二値化処理し、所定
値を越える領域、つまり明るい領域を火災らしい領域
（火災の可能性のある領域）として抽出する。即ち、火
災らしい領域を“１”、画像のそれ以外の部分（所定値
未満の部分）を“０”で表す。

【００１９】なお、以下の説明において、火災らしい領
域を抽出領域と呼ぶ場合がある。この二値化処理で使用
される所定値は、画像から所定の明るさを有する領域だ
け抽出できるように設定された値であり、トンネルのよ
うに暗い環境下では例えば２００位（２５５階調の場
合）に設定される。なお、図３は図２の画像を二値化処
理した二値化画像で、後述の二値化メモリに格納されて
いる。このように二値化処理により所定の明るさをもつ
領域だけが元の画像から抽出されることがわかる。

【００２０】５は火災候補領域抽出手段４１に接続さ
れ、この火災候補領域抽出手段４１によって二値化され
た画像を格納するための二値化メモリであって、画像メ
モリ３と同様に複数個で構成され、実質的に画像メモリ
３からの最新の画像を火災候補領域抽出手段４１を介し
て順次複数個分格納する。６および７は上述の火災候補
領域抽出手段４１等を含む画像処理部４にそれぞれ接続
されたＲＯＭおよびＲＡＭであって、画像処理部４にお
ける各種演算処理等は、ＲＯＭ６に格納された後述のプ
ログラム（図４参照）に基づいて行われ、その際、演算
された値はＲＡＭ７に格納される。またＲＯＭ６は二値
化処理をする際の所定値や火災判別をする際に使う所定
値などが記憶されている。

【００２１】４２は二値化メモリ５に接続された対応判
別手段であって、監視カメラ１により周期的に撮影され
た画像に火災らしい領域が連続してある場合、つまり二
値化メモリ５に火災らしい領域が連続して格納される場
合に、ある時間の前後にわたる火災らしい領域同士の対
応関係、即ち同じ炎により抽出された領域なのかどうか
を判別する。この対応判別手段４２を設けることで、監
視領域内に所定時間に亙って火災らしい領域が存在する
かどうかを判別することが可能となる。４３は二値化メ
モリ５および対応判別手段４２に接続された抽出領域特
徴量演算手段であって、対応判別手段４２が所定時間に
亙って火災らしい領域同士の対応関係を判別したとき、
その対応関係がとれた火災らしい領域の特徴量としての
例えば平均輝度または面積を演算する。

【００２２】４４は抽出領域特徴量演算手段４３に接続
され、この抽出領域特徴量演算手段４３で演算された二
次元データ（時間軸に対する特徴量（面積等））に対し
てウェーブレット変換を行い、時間軸に対する解析分布
（例えば周波数分布）を求めるウェーブレット変換演算
手段、４５はウェーブレット変換演算手段４４に接続さ
れ、このウェーブレット変換演算手段４４で得られた多
階調の解析分布を二値化して“１”、“０”で表される
二値化画像を得る二値化手段、４６は二値化手段４５に
接続され、二値化画像から主要な部分（骨格）を抽出
し、その評価値を演算する骨格評価値演算手段である。

【００２３】４７は骨格評価値演算手段４６に接続さ
れ、この骨格評価値演算手段４６の出力に基づいて火災
らしい領域が実際の火災領域であるか否かを判別する火
災判別手段である。火災判別手段４７は、演算された評
価値の値と所定値の大小関係を調べ、評価値の値が所定
値以内にある場合に火災であると判定し、出力端子８を
介して図示しない表示部や音響部から火災の発生を警報
する。なお、上述の構成要素４１〜４７により画像処理
部４を構成し、この画像処理部４としては、例えばＭＰ
Ｕ（マイクロプロセッサ）が用いられる。

【００２４】次に動作について、図４〜図８を参照しな
がら説明する。今、監視カメラ１が撮影した画像には、
所定の明るさを有する光源として４つの明度を有するも
の、例えば車両ＣのテールランプＣＴおよび回転灯Ｒ
Ｌ、照明用のナトリウム灯Ｎ、火災時の炎Ｆが映し出さ
れている（図２参照）。監視カメラ１によって撮影され
た監視領域の画像は、カラー画像信号がアナログーデジ
タル変換器２によってデジタル化された後、画像メモリ
３に取り込まれる（ステップＳ１）。

【００２５】次いで画像メモリ３に取り込まれた画像は
火災候補領域抽出手段４１に供給され、その出力された
値を基に火災候補領域抽出手段４１により二値化処理が
行われ、所定値以上の領域を火災らしい領域として抽出
する（ステップＳ２）。この抽出された火災らしい領域
は、何らかの光を放つ光源がある領域である。尚、画像
メモリ３には、１／３０（ｓ）間隔で画像が取り込ま
れ、数十枚、例えば９０枚分の画像が格納される。二値
化処理後の画像を二値化メモリ５に格納し（ステップＳ
３）、この二値化メモリ５に所定数、例えば６枚の画像
が格納されたかを判断する（ステップＳ４）。もし６枚
分の画像が格納されているならば、ステップＳ５におい
て対応判別手段４２が抽出領域の対応判別を行う。なお
火災候補領域抽出手段４１によって抽出され、二値化メ
モリ５に格納された抽出領域にはラベリング処理が行わ
れる。つまりある時間に撮影した画像に火災らしい領域
が複数ある場合、その領域毎に異なる番号（ラベル）を
付与する。そしてこの後、行われる領域の平均輝度や面
積の演算結果などは、この番号と共にＲＡＭ７に格納さ
れる。

【００２６】ここで、対応判別手段４２における対応判
別の仕方を説明する。この対応関係をとる方法はいくつ
か考えられる。ここでは検出対象が炎であるので、ほと
んど移動しない（位置が変わらない）という特徴を利用
して、二値化メモリ５に格納された抽出領域の重なり具
合を見ることで抽出領域同士の対応関係を判別する。つ
まり、ある時間における画像とその直前の画像を重ね合
わせ、それぞれの抽出領域同士がわずかでも重なり合え
ば、その抽出領域同士は対応関係が有ると判断する。

【００２７】なお、監視カメラ１が移動している車両を
撮影し、火災候補領域抽出手段４１がその車両のランプ
類（例えば、テールランプ）を抽出したとしても、この
対応判別手段４２を設けることで、その抽出領域が炎に
よるものであると誤って判断することを防止できる。こ
れは対応判別の方法が抽出領域の重なり具合を見るとい
う方法をとるためで、移動中の車両のランプ類は抽出領
域の重なりが生じないためである。このように、対応関
係がとられなかった抽出領域は、火災判別の対象外の領
域とされ、後段の抽出領域特徴量演算手段による特徴量
の演算は行われない。

【００２８】対応判別手段４２は、所定数の画像の対応
関係を判別し、その所定数の画像にわたって対応関係が
有る抽出領域が存在する時、後段の抽出領域特徴量演算
手段４３に対応がとれた旨を知らせる信号を出力する。
例えば所定数を９０枚（画像メモリ３に格納されてい
る）、撮影周期を１／３０（秒）とすると、３秒間にわ
たって、ある位置に連続して光源が存在する時にのみ、
対応関係が有ると判別する。なお、対応判別手段４２
は、より少ない枚数、例えば６枚の画像の対応関係を判
別する毎に、抽出領域特徴演算手段４３に信号を出力し
てもよい。この場合には、６枚の画像の対応関係を１５
回判別することで、合計９０枚の画像の対応関係を判別
することになるが、連続して９０枚の画像の対応関係を
判別する場合に比べて、画像メモリ３の数を減らすこと
ができる。

【００２９】次に、ステップＳ６において、抽出領域特
徴量演算手段４３は二値化メモリ５に格納された火災ら
しい領域の特徴量例えば平均輝度または面積を演算し
て、それらの値をＲＡＭ７に格納する。ここで、抽出領
域の面積、平均輝度の演算の仕方を簡単に説明する。先
ず、火災候補抽出領域手段４１により抽出された領域を
外接する矩形で囲む。そして、矩形内をラスタ走査し
て、二値化された“１”の画素の数を数える。この画素
数の合計値が抽出領域の面積となる。また、平均輝度の
演算は、面積の場合と同様に先ず抽出領域を外接する矩
形で囲む。そして、二値化された画像の領域に対する原
画像を読み出して、抽出領域の輝度値を画素毎に加算し
ていく。そして、その加算値を前述の面積で割った値が
平均輝度の値となる。

【００３０】次いで、ウェーブレット変換演算手段４４
は抽出領域特徴量演算手段４３で演算された二次元デー
タ（時間軸に対する特徴量（面積等）のデータ）に対し
てウェーブレット変換を行うことで、時間軸に対する周
波数分布を得る（ステップＳ７）。ここで、ウェーブレ
ット変換演算手段４４におけるウェーブレット変換の処
理の仕方について説明する。いま、時間的に変化する信
号ｘ(t)即ち抽出領域特徴量演算手段４３で演算された
二次元データのある時刻、ある周波数の付近の成分を得
ようとするとき、ウェーブレット変換では、先ず、時間
的、周波数的に局在した関数ψ(t)を用意する。これを
ウエーブレット基底（アナライジングウェーブレット）
と呼ぶ。ウエーブレット基底ψ(t)は、下記のアドミッ
シブル条件と呼ばれる条件を満たす必要がある。

【００３１】 ∫ψ(t)ｄt＝０（１）

【００３２】つまり、ψ(t)の平均値が０である必要が
ある。また、ψ(t)は２乗可積分で、次式のように規格
化するものとする。

【００３３】 ∫｜ψ(t)｜²ｄt＝０（２）

【００３４】この関数と信号ｘ(t)のたたみ込み演算
は、インパルス応答がψ＊(t)であるフィルタをかける
ことに相当する（＊は複素共役）。また、異なる周波数
成分を得るためには、次式に従いψ(t)の伸縮によって
実現する。

【００３５】 ψa,b(t)＝１／√ａ・ψ［（ｔ−ｂ）／ａ］（３）

【００３６】上記（３）式において、ｂをシフト係数、
ａをスケーリング係数と呼ぶ。このときの信号ｘ(t)の
ウェーブレット変換は次式のように表される。

【００３７】

【数１】

【００３８】因に、図５はウェーブレット変換演算手段
４４で抽出領域特徴量演算手段４３により演算されたあ
る二次元データに対してウェーブレット変換を施した後
の結果を示した解析分析で、図５（ａ）は回転灯の場
合、図５（ｂ）は炎の場合である。図では、紙面に垂直
な軸（Ｚ軸方向）は周波数のパワースペクトルを表し、
色が白色に近い程、周波数のパワースペクトルが強い。
このウェーブレット変換により、フーリエ変換では行え
ない、炎の時間的な揺らぎを解析することが可能とな
る。つまり、図５（ａ）の回転灯においては、時間が経
過してもある特定の周波数を維持していることが分か
る。これに対し、図５（ｂ）の炎においては、回転灯の
ように特定の周波数にのみピークが存在するということ
はなく、また、時間経過に伴い、周波数が変化している
ことが分かる。

【００３９】次いで、二値化手段４５は、ウェーブレッ
ト変換演算手段４４におけるウェーブレット変換により
得られた多階調の（周波数）解析分布を、“１”、
“Ｏ”で表される二値化画像にする（ステップＳ８）。
この時基準となる二値化の閾値は、次式のようなクラス
間分散の評価式を利用した判別分析により求められる。
尚、ここでは、図５の白色部分を“１”とし、黒色の部
分を“０”とする。

【００４０】 σ_B ²（k）＝ω_o（μ_o−μ_r）²＋ω₁（μ₁−μ_r）² （５）

【００４１】即ち、効率的な処理を行うために、振幅の
大きな領域と小さい領域に分割し、このとき、分割の閾
値は特徴を効率よく保存するために判別分析を用いる。
具体的には、２つのクラスに分割したとき、クラス間分
散が最大となる値を求めることにより行う。つまり、上
記（５）式において、σ_B ²（k）を最大とするｋを閾値
とする。このとき、振幅分布は、例えば１バイトで表現
できるように最大値を２５５に正規化、量子化されてい
るものとする。なお、上記（５）式において、ω_o，
ω₁，μ_o，μ₁，μ_rは以下のように表される。

【００４２】

【数２】

【００４３】また、上記において、ｎｉは濃度レベルｉ
の画素数、Ｎは全画素数、Ｐｉはｎｉ／Ｎ、Ｌは量子化
レベルの最大値である。また、分布を２つのクラスに分
散するとき、それがどちらのクラスに属するかのあいま
い度を最悪の分布即ち正規分布に対して最小にするため
に、次式で表されるＥ（ｋ）を最小にするｋを閾値とし
てもよい。

【００４４】Ｅ（k）＝ω_olog｛σ_o(k)／ω_o｝＋ω₁log｛σ₁(k)／ω₁｝（６）

【００４５】但し、上記（６）式において、σ_o(k)は小
振幅クラスの分散、σ₁(k)は大振幅クラスの分散であ
る。そして、２つのクラスに分けられたそれぞれの値を
“０”、“１”とし、この分布に対する骨格化をステッ
プＳ９で次段の骨格評価値演算手段４６により行う。図
６（ａ）は図５（ａ）の回転灯の二値化画像に対する骨
格を、図６（ｂ）は図５（ｂ）の炎の二値化画像に対す
る骨格をそれぞれ実質的に示す図である。

【００４６】この骨格評価値演算手段４６における動作
は、実質的に骨格の抽出と、評価値の演算の２つに分け
られる。この２つの動作を図７（骨格の抽出）および
図８（評価値の演算）を参照しながら説明する。骨格の
抽出は、二値化手段４５からの二値化画像の“１”で表
される領域から主要な部分（骨格）を抽出するもので、
いま、一例として、図７（ａ）に示す画像を二値化手段
４５からの二値化画像とし、この二値化画像に対して暗
い部分（図面上ハッチングの無い部分）を“０”（黒画
素）、明るい部分（図面上ハッチングの有る部分）を
“１”（白画素）とした場合、“１”の白画素の部分に
のみ次の処理を行う。

【００４７】まず、対象となる画素に対して、黒画素ま
での距離を調べ、回りの８つの画素に１つでも黒画素が
ある場合には「１」とする（つまり、画素の値を距離情
報に変換する）。回りの８つの画素が全部白画素なら、
少なくとも「２」以上の値となる。この結果、図７
（ｂ）に示すような画像が得られる。そして、この図７
（ｂ）の画像において、「１」となった領域は削除す
る。この結果、図７（ｃ）に示すように、「２」の画素
だけが最初の４×３のマトリクスの領域の骨格として抽
出される。

【００４８】因みに、監視対象の画像の領域が広くなる
と、結果として図７（ｂ）で得られる領域も広くなり、
図７（ｂ）に示す「１」と「２」の外に白画素から黒画
素までの距離に応じて「２」以上の値も存在するように
なるが、その場合「２」以上の値を全て残すのでなく、
極大値（最大値）をとる画素のみを骨格として抽出す
る。例えば、図７（ｂ）において１つの領域に「１」と
「２」の外に「３」の値が存在するときは、その「３」
の部分だけを骨格領域として残すことになる。このよう
に、骨格の抽出とは、二値化された白画素領域に対して
画素単位で、周辺の黒画素との距離情報に置き換え、極
大値（最大値）を示す領域（部分）だけを残す（抽出す
る）ものである。このため、図５（ａ）のようなある程
度の幅を有する白画素領域に対してのみ骨格抽出を行う
と、図６（ａ）の一部拡大図に示すように中心部分の画
素のみが骨格として抽出される。

【００４９】次に、評価値の演算は、上述のごとく得ら
れた骨格（画像）を実質的に数値化して行うもので、時
間軸および周波数軸に対する骨格画像の画素同士の連結
方向をカウントし、方向別に重み付けを行い、最後にこ
れらの総和を求めるものである。例えば、図８（ｂ）に
示すように特に時間軸方向にのみ画素同士が連結してい
る領域に正の数値例えば「＋１」を付与し、画素同士が
時間軸方向と周波数軸方向に共に連結している領域に負
の数値例えば「−１」を与え、画素同士が周波数軸方向
にのみ連結している領域には「０」の値を付与する。そ
して、この付与した値を監視対象の画像毎に加算してそ
の骨格画像に対する評価値とする。尚、注目している画
素の周りに、２つ以上の画素が連結している場合には、
図８（ｃ）に示すような評価値が付与される。

【００５０】このことを、図８（ａ）を参照して詳しく
説明する。いま、Ａ，Ｂ，Ｃ，Ｄは、抽出された骨格の
領域に含まれる画素をそれぞれ表すものとする。これら
の画素に対する値の付与の仕方を、上述の規則に従って
行うとすれば、先ず、画素Ａの回りの８つの画素をみる
と、画素Ａに対して画素Ｂが時間軸方向に連結してお
り、従って、その値は「＋１」である。また、画素Ｂの
回りの８つの画素をみると、画素Ｂに対して画素Ａが時
間軸方向に連結し、且つ画素Ｃが周波数軸方向に連結し
ており、従って、その値は「ー１」である。同様に、画
素Ｃの回りの８つの画素をみると、画素Ｃに対して画素
Ｄが時間軸方向に連結し、且つ画素Ｂが周波数軸方向に
連結しており、従って、その値は「ー１」である。ま
た、画素Ｄの回りの８つの画素をみると、画素Ｄに対し
て画素Ｃが時間軸方向に連結しており、従って、その値
は「＋１」である。そして、これらの各値の総和をとる
と０となり、この値０が画素Ａ，Ｂ，Ｃ，Ｄからなる骨
格に対する評価値である。

【００５１】次に、図６（ａ）を参照して、回転灯の骨
格の評価値を演算してみる。回転灯の骨格は一部拡大図
に示すように、時間軸方向に連結した画素が集まった領
域である。このため、評価値を演算すると、ある程度の
大きな正の数値となる。これに対し、図６（ｂ）に示す
ように、炎の骨格は、時間軸方向に連結した画素は少な
く、周波数軸方向に連結している画素の方が多い。この
ため、評価値を演算すると、ほとんど「０」か「−１」
の値が付与され、その総和は小さな値となる。

【００５２】次に、火災判別手段４７は、骨格評価値演
算手段４６で演算された評価値の値と所定値の大小関係
を調べ（ステップＳ１０）、評価値の値が所定値以内の
場合にはその抽出領域は炎であると判断し、出力端子８
を介して図示しない表示部や音響部から火災の発生を警
報する（ステップＳ１１）。一方、評価値の値が所定値
以内でない場合には、その抽出領域は炎以外の光源例え
ば回転灯であると判断する。そして、このステップＳ１
０で評価値の値が所定値以内でない場合には、ステップ
Ｓ１に戻る。

【００５３】このように本実施の形態では、二値化によ
り抽出された火災らしい領域が炎の場合には、その領域
の輝度と面積は絶えず変化し、その変化の仕方は不規則
であるという特徴を持つことに着目し、炎の時間的な揺
らぎを迅速に解析できるいわゆるウェーブレット変換を
用いて火災領域を検出するようにしたので、火災を確実
に検出でき、炎以外の光源、特に炎との識別が難しい回
転灯が同じ監視領域に存在している場合でも迅速且つ確
実に判断できる。

【００５４】実施の形態２．上述の実施の形態１は、炎
以外の光源として特に炎のようにある大きな振幅を有す
る、つまり、明るさなどが大きく変化する回転灯の場合
に付いて説明したが、炎以外の光源には照明用人工光源
であるナトリウム灯（固定光源）のように、画像として
見た場合にその振幅の小さいものもある。従って、この
ようなナトリウム灯の二値化画像の特徴量を演算した場
合、その面積や輝度の変化は殆どない（図９（ａ）参
照）、つまり、ナトリウム灯は点滅せずに実質的に直流
光源であるので、図９（ｂ）に示すように、フーリエ変
換を行い周波数スペクトルを求めると、周波数帯域の全
域に亙ってそのレベル（強度）は非常に小さい。

【００５５】しかし、それでも僅かにそのレベルがある
ので、これをウェーブレット変換演算手段４４でウェー
ブレット変換すると、図９（ｃ）に示すように、ノイズ
領域として現れる。尚、図９（ｃ）において、時間軸方
向に延びている横線部分が、ある程度の振幅（強度）を
持った部分であり、それ以外の部分は全て黒画素であ
る。つまり、横線部分は図５（ａ）の白画素の部分に相
当するものであるが、回転灯の白画素領域に比べ幅が細
く、且つ高さ（振幅）も低く、白画素というよりは、黒
画素との中間、灰色画素に近い領域である。

【００５６】そこで、本実施の形態では、このウェーブ
レット変換演算手段４４の後段に振幅判別手段４８を設
け、ウェーブレット変換演算手段４４の出力の値（強
度）がある一定以上の値かどうかを判別し、一定以上の
値でなければナトリウム灯のような点滅しない光源と見
做し、火災判別の対象から外すようにする。即ち、振幅
判別手段４８の出力を火災判別手段４７に供給し、火災
判別手段４７では、骨格評価値演算手段４６の出力に基
づいて上述のごとく火災判別を行うと共に、振幅判別手
段４８の判別結果も加味する。つまり、ウエーブレット
変換演算手段４４により演算された解析分析（画像）に
おいて、振幅判別手段４８により判別された振幅値（周
波数の強度）が所定値より小さいとき、その領域は炎以
外の特定の光源によるものと判断し、火災判別の対象か
ら除外する。なお、図９（ｂ）のウェーブレット変換の
処理結果を示す図において、図面に垂直な軸即ちＺ軸は
実質的にナトリウム灯の周波数の強度を表しており、こ
の強度（ノイズレベル）を用いて振幅判別手段４８は振
幅判別を行うことになる。かくして、本実施の形態で
は、より正確な火災判別を行うことができる。

【００５７】実施の形態３．上述の各実施の形態では、
ウェーブレット変換された画像情報を二値化し、その骨
格を抽出して評価値を演算し、この評価値と所定値を比
較して火災を判断する場合であったが、実質的にウェー
ブレット変換演算手段４４の出力に基づいて直接火災を
判断するようにしてもよい。即ち、時間軸方向のウェー
ブレット変換演算手段４４の出力（ウェーブレット振
幅）の自己相関を次式に従って行う。

【００５８】

【数３】

【００５９】上記（７）式において、Ａ，Ｂは自己相関
の計算に用いるデータ数であり、φ_xx(t)を正規化し、
評価値ｈを次式で表されるようなものとする。

【００６０】ｈ＝φ_xx(t)／φ_xx(0) （８）

【００６１】従って、上記（７）式および（８）式の演
算は、一種の評価値生成手段を構成する。そして、火災
判別手段４７は、評価値ｈを時間軸について積分した値
が所定値以内の場合にはその抽出領域は炎であると判断
するようにする。かくして本実施の形態では、実施の形
態１で用いた二値化手段や骨格評価値演算手段を省略す
ることができ、それだけ構成が簡単でまた処理時間も短
縮できる。なお、上述の各実施の形態では、検出手段と
して、監視カメラの場合について説明したが、これに限
定されることなく、その他の検出手段例えば赤外線火災
感知器や紫外線火災感知器等を用いてもよい。

【００６２】実施の形態４．この発明はウェーブレット
変換演算手段を設けて、時間軸に対する周波数の解析分
布を求め、その解析分布を基に火災か否かを判別するも
ので、その実施の形態は上述のものには限定されず、例
えば以下のような形態も考えられる。例えぱ図５に示し
た解析分布から明らかなように、回転灯の解析分布は、
時間軸方向に延び、つまり時間が経過しても周波数の変
化がないという特徴を有する。そこでウェーブレット変
換演算手段の後段に二値化手段を設け、該二値化手段
に、二値化領域の横方向最大長を演算する横最大長演算
手段を設けて火災か否かの判別を行うようにしてもよ
い。

【００６３】横最大長演算手段は、二値化手段によって
二値化された白画素領域の横方向の長さ、特にその白画
素領域における横方向の最大長（連続する白画素の最大
長さ（白ラン））を演算するものである。つまり回転灯
の二値化された解析画像においては、白画素の領域は時
間軸方向に延ぴているから、このような横方向最大長を
演算すると、大きい値となる。これに対し二値化された
炎の解析画像はまだらであり、回転灯のように時間軸方
向に連続して延びるということがないから、横方向最大
長を演算すると、小さい値となる。よって横方向最大長
を所定値と比較し、所定値より小さい場合には、火災判
別手段が火災であると判別すればよい。

【００６４】実施の形態５．ウェーブレット変換演算手
段による解析分布を時間軸に対して２分割し、両者を比
較して左右が対称になっているかにより火災か否かの判
別を行うようにしてもよい。つまりウェーブレット変換
演算手段の後段に二値化手段を設け、該二値化手段に、
解析分布の二値化画像を時間軸に対して二分割する分割
手段を設ける。つまり二値化された解析画像を周波数舳
に平行な軸で左右に二分割する。そして、解析画像（二
値化された解析分布）の左側部分と右側部分の相関関係
を判別する相関関係判別手段を分割手段に接続する。相
関関係判別手段は、分割手段によって分割された２つの
画像が左右対称になっているかを判別するもので、その
方法は特に限定されない。例えぼ解析画像の左側部分と
右側部分のそれぞれの白画素の数を演算し、それらの数
が等しげれば相関関係があるものと判別し、左側部分と
右側部分が一致するものと判断してもよい。この時は、
時間に対して変化がない訳であるから炎ではなく、回転
灯であると判断する。またその数が一致しなけれぱ、時
間に対して白画素が変化しているものと判断できる。つ
まり火災の可能性が高いと判断する。

【００６５】なお一番簡単な判別方法は、左側の画像と
右側の画像を重ね合わせる方法である。この時、白画素
が重なり合えば、左右が対称、つまり相関関係があると
判断し、後段の火災判別手段が火災てはないと判別す
る。以上の各実施の形態で示したように、この発明はウ
ェーブレット変換演算手段を設けて、時間軸に対する周
波数の解析分布を求めるものであり、特に炎の解析分布
では、「周波数の時間軸方向に対する変化が有る」とい
うパターンが存在することを基に火災か否かを判別する
もので、この点を利用したものはこの発明の技術範囲に
属する。

【００６６】

【発明の効果】以上のように、この発明によれば、撮影
された画像から明度または色に基づいて火災らしい領域
を抽出し、抽出された火災らしい領域の特徴量に対して
ウェーブレット変換を行い、時間軸に対する周波数の解
析分布を求め、その解析分布を基に、火災らしい領域が
本当の火災領域であるか否かを判別するので、火災を確
実に検出でき、特に炎以外の光源例えば回転灯も判断で
きるという効果がある。

【００６７】また、この発明によれば、二値化画像の骨
格を抽出し、これより演算された評価値が所定値より小
さいとき、火災らしい領域が本当の火災領域であると判
別するので、より正確な火災判別ができるという効果が
ある。

【００６８】また、この発明によれば、ウェーブレット
変換された出力の振幅を判別し、その振幅値が所定値よ
り小さいとき、炎以外の特定の光源、例えば振幅の小さ
なナトリウム灯であると判断し、その領域を火災判別の
対象から除外するので、より正確で迅速な火災判別がで
きるという効果がある。

【００６９】また、この発明によれば、ウェーブレット
変換された出力の振幅の自己相関をとり、その値を正規
化して評価値を生成し、その評価値が所定値より小さい
とき、火災らしい領域が本当の火災領域であると判別す
るので、簡単な回路構成で、より正確で迅速な火災判別
ができるという効果がある。

【図面の簡単な説明】

【図１】この発明の実施の形態１を示す構成図であ
る。

【図２】監視カメラにより映される画像（原画像）の
一例を示す図である。

【図３】二値化メモリに格納された画像処理（抽出処
理）後の画像の一例を示す図である。

【図４】この発明の実施の形態１の動作を説明するた
めのフローチャートである。

【図５】回転灯と炎に関するウェーブレット変換後の
結果を示す図である。

【図６】回転灯と炎に関するウェーブレット変換後の
二値化画像に対する骨格を示す図である。

【図７】骨格抽出に関する説明をするための図であ
る。

【図８】抽出された骨格に対する評価値の演算の仕方
を説明するための図である。

【図９】所定のサンプリング周期で、フーリエ変換さ
れたの固定光源に関するパワースペクトルを示す図であ
る。

【図１０】この発明における火災領域の検出原理を説
明するための図である。

【符号の説明】

１監視カメラ、３画像メモリ、５二値化メモリ、
６ＲＯＭ、７ＲＡＭ、４１火災候補領域抽出手
段、４２対応判別手段、４３抽出領域特徴量演算手
段、４４ウェーブレット変換演算手段、４５二値化
手段、４６骨格評価値演算手段、４７火災判別手
段、４８振幅判別手段。

Claims

【特許請求の範囲】

【請求項１】被検出物から出される光を検出し、該光
に応じた出力値を生ずる検出手段と、該検出手段の出力値を所定時間分格納する格納手段と、該格納手段に格納された出力値の二次元データに対して
ウェーブレット変換を行い、時間軸に対する周波数の解
析分布を求めるウェーブレット変換演算手段と、該解析分布を基に火災か否かを判別する火災判別手段と
を備えたことを特徴とする火災検出装置。
【請求項２】監視領域を撮影する撮影手段と、該撮影
手段により撮影された画像を格納するための画像メモリ
とを備え、該画像メモリに格納された画像を処理するこ
とにより火災を検出する火災検出装置において、上記画像から明度または色に基づいて火災らしい領域を
抽出する火災候補領域抽出手段と、所定時間に亙って上記火災らしい領域の特徴量としての
平均輝度または面積を演算する抽出領域特徴量算手段
と、該抽出領域特徴量演算手段で演算された特徴量に対して
ウェーブレット変換を行い、時間軸に対する周波数の解
析分布を求めるウェーブレット変換演算手段と、該解析分布を基に、上記火災らしい領域が本当の火災領
域であるか否かを判別する火災判別手段とを備えたこと
を特徴とする火災検出装置。
【請求項３】上記解析分布を二値化して二値化画像を
得る二値化手段を備えたことを特徴とする請求項２記載
の火災検出装置。
【請求項４】上記二値化画像の骨格を抽出し、該骨格
の評価値を演算する骨格評価値演算手段を備えたことを
特徴とする請求項３記載の火災検出装置。
【請求項５】上記骨格評価値演算手段により演算され
た評価値が所定値より小さいとき、上記火災判別手段
は、上記火災らしい領域が本当の火災領域であると判別
することを特徴とする請求項４記載の火災検出装置。
【請求項６】上記ウェーブレット変換演算手段から出
力された解析分析の振幅を判別する振幅判別手段を備
え、該振幅判別手段により判別された振幅値が所定値よ
り小さいとき、上記火災判別手段は、上記火災らしい領
域を火災判別の対象から除外することを特徴とする請求
項２記載の火災検出装置。
【請求項７】上記ウェーブレット変換演算手段の出力
の振幅の自己相関をとり、該自己相関値を正規化して評
価値を生成する評価値生成手段を備え、該評価値生成手
段により生成された評価値が所定値より小さいとき、上
記火災判別手段は、上記火災らしい領域が本当の火災領
域であると判別することを特徴とする請求項２記載の火
災検出装置。