KR100268771B1 - Fire-monitoring method using probability distribution function from image. - Google Patents
Fire-monitoring method using probability distribution function from image. Download PDFInfo
- Publication number
- KR100268771B1 KR100268771B1 KR1019980007595A KR19980007595A KR100268771B1 KR 100268771 B1 KR100268771 B1 KR 100268771B1 KR 1019980007595 A KR1019980007595 A KR 1019980007595A KR 19980007595 A KR19980007595 A KR 19980007595A KR 100268771 B1 KR100268771 B1 KR 100268771B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- fire
- distribution function
- probability distribution
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 96
- 238000005315 distribution function Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 230000008569 process Effects 0.000 claims description 52
- 238000001514 detection method Methods 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 230000007480 spreading Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims 1
- 239000000779 smoke Substances 0.000 abstract description 7
- 239000003517 fume Substances 0.000 description 4
- 239000003595 mist Substances 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000011088 calibration curve Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000005979 thermal decomposition reaction Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fire Alarms (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
Description
본 발명은 화재 경보 시스템에 관한 것으로 특히, 적외선 및 칼라 화상 데이터를 취득하여 화염 및 연무의 열화상을 모니터링하고 모니터된 화상에서 확율분포함수를 취득함으로써 이를 근거로 실시간 화재판정을 수행하여 경고하도록 하는 화상에 확률 분포 함수를 이용한 화재 감시 방법에 관한 것이다.The present invention relates to a fire alarm system, and more particularly, to obtain infrared and color image data to monitor thermal images of flames and fumes, and to obtain a probability distribution function from the monitored image to perform a real-time fire determination based on the warning. The present invention relates to a fire monitoring method using a probability distribution function on an image.
일반적으로, 재해중 화재는 많은 인명과 재산의 손실을 가져오기 쉬우며, 특히나 인재(人災)에 의해 발생될 확률이 높기 때문에 그 예방에 많은 노력을 경주하고 있다. 또한, 화재의 경우 그 초기진압에 성공하게되면 많은 부분의 경제적 손실을 방지할 수 있으므로, 대다수의 건물이나 공장등에서는 화재발생을 경보하기 위한 장치들을 설치하고 있다.In general, a fire during a disaster is likely to cause a great loss of life and property, especially since it is likely to be caused by human resources. In addition, in the case of a fire, if the initial suppression is successful, many economic losses can be prevented, so many buildings or factories are equipped with devices for alarming the fire.
특히, 휘발성 폭발성인 화공 약품과 같은 위험 취급물을 생산 또는 사용하는 장소나 원자로 계통의 특수 분야에서는 화재가 발생되면 인명과 재산의 손실이 막대하고 화재진압이 어렵기 때문에, 초기에 화재발생을 신속히 경보할 수 있는 화재경고장치가 필수적이라 할수 있다.Especially in places where the hazardous materials such as volatile explosive chemicals are produced or used or in special areas of the reactor system, if a fire breaks out, the loss of life and property is great and it is difficult to extinguish the fire. A fire alarm system that can alert you is essential.
상술한 바와같은 필요성에 의해 개발되어진 화재경고장치는 근래까지 열 감지 센서를 이용하거나 스모크(smoke) 검출기를 이용하여 화재를 감시하는 방식을 사용하였으며, 그 동작 원리를 간략히 살펴보면 다음과 같다.The fire warning device developed by the necessity as described above has used a method of monitoring a fire by using a heat sensor or a smoke detector until recently, and the operation principle is briefly described as follows.
우선, 열 감지 센서를 이용한 화재 감시 방식은 적외선 감지 센서 혹은 열전도 센서를 사용하는 것으로, 매우 단순한 시퀀서 제어방식인 열전도 센서를 사용하는 경우는 설치비가 낮다는 장점이 있으나 그 신뢰성이 떨어진다는 단점이 있다.First of all, the fire monitoring method using a thermal sensor uses an infrared sensor or a thermal conductivity sensor. When using a thermal conductivity sensor, which is a very simple sequencer control method, the installation cost is low, but the reliability is low. .
또한, 적외선 감지 센서를 이용하는 화재 감시 방식의 경우는 감시 요령에 따라 다양하게 신호 처리 방법이 동원될 수가 있어 보다 정확하고 신뢰성 있는 감시의 방법이 될 수 있으나 화재를 판별하기 위한 여러 가지 판정 기술이 적용될수록연산이 복잡해지기 때문에 실시간 경고가 이루어지지 않을 수 있다는 단점이 있다.In addition, in the case of a fire monitoring method using an infrared sensor, various signal processing methods can be mobilized according to the monitoring method, which can be a more accurate and reliable monitoring method. However, various determination techniques for determining a fire are applied. As the operation gets more complicated, there is a disadvantage that a real-time warning may not be made.
반면에, 스모크(smoke) 검출기를 사용한 화재 감시 방식의 경우는 매우 다양한 적용기술이 존재하는데, 그 중 하나는 주파수 분석법에 의한 적외선 분석에 있어 FI-IR(Fourier Transform-InfraRed) 분광계의 주파수를 퓨리에 변환(Fourier transfom)을 하고 이를 독성 가스의 성분을 찾아 화재의 유무를 판별하는 방법으로, 화재시 열적 분해과정에서 생기는 가스 성분을 찾아 조기에 화재의 유무를 판별하는 방법이다.On the other hand, fire monitoring using smoke detectors has a wide variety of application techniques, one of which is Fourier frequency of Fourier Transform-InfraRed (FI-IR) spectrometer for infrared analysis by frequency analysis. Fourier transfom is used to determine the presence of toxic gas and determine the presence of fire. It is a method to determine the presence of fire early by finding the gas component generated during thermal decomposition during fire.
또 다른 방법은 밀림에서의 연무(불) 기둥의 IR 스펙트럼을 감시하는 방법이며, 일산화 탄소(CO)의 밀도를 측정하여 연무 기둥에서 CO의 농도가 짙은 넓이가 이미지 상에서 기준 폭에 벗어날 때 화재에 의한 연무를 판별하는 방법이다.Another method is to monitor the IR spectrum of the fume pillars in the jungle and measure the density of carbon monoxide (CO) so that when the concentration of CO in the fumes column falls outside the reference width on the image, It is a method to determine the mist by the.
또 다른 방법은 칼라 카메라로 모니터링하는 방법으로써, 여러 대의 칼라 카메라를 설치하고 여러 개의 칼라 카메라로부터 들어오는 카메라 신호를 한 대의 기록 매체에 특정 인식 번호(ID)를 부여하여 기록한다.Another method is to monitor with a color camera, in which a plurality of color cameras are installed and camera signals from multiple color cameras are recorded by assigning a specific identification number (ID) to a single recording medium.
이 화재 감시 방식은 대체적으로 화상 카메라를 사용하는 방식으로 이전의 화상과 이후 화상을 비교하기 위해서 이전 화상을 재생하여 비교한다. 검출의 첫 번째 단계는 여러 개의 카메라중 선정된 카메라로부터 이후 화상과 비교하기 위하여 부여된 인식번호별 화상의 일치성(synchronization) 신호를 검출하고, 두 번째는 움직임(motion)을 검출에 의해서 이루어지는 방법이다.This fire monitoring method is generally a method of using an image camera to reproduce and compare the previous image to compare the previous image and the subsequent image. The first step of the detection is to detect the synchronization signal of the image by the identification number assigned for comparison with the later image from the selected camera among several cameras, and the second method by detecting the motion to be.
그러나, 상술한 종래의 화재 감시 방식들은 다음과 같은 문제점들을 갖고 있다.However, the above-described conventional fire monitoring methods have the following problems.
첫째, 장치 주변의 온도가 일정하게 유지되는 상태에서 처음에 국부적인 불꽃이 일어난 화재의 경우, 화재가 발생하면 초기에 국부적인 화염이 발생하므로 일반적인 열전대 혹은 열전도 검출기로는 직접 화염이 닫거나 어느 정도 접근하여야 화재 경보가 가능하다. 즉, 화재시 해당 공간의 전체 온도 평균치는 낮게 측정될 수 있으므로 화재의 검출이 되지 못하므로, 일반적인 온도 열 감지 센서 등으로는 확산된 불꽃이 열전대와 같은 센서까지 전달되지 않고는 도저히 조기에 감지해 낼 수 없음을 알 수 있다는 문제점이 발생되었다.First, in the case of a fire where a local flame first occurs when the temperature around the device is kept constant, a local flame occurs initially when a fire occurs, so the flame may be directly closed or approached by a general thermocouple or a thermal conductivity detector. Only fire alarm is possible. That is, in case of fire, the average temperature of the relevant space can be measured low, so it is not possible to detect the fire. There was a problem that you can not see.
둘째, 스모크 검출을 위한 화상취득 방식은 화재 발생 위치가 카메라에 잡히지 않는 경우 또는 연기가 발생되는 상황이 주변의 조도에 따라 감지하는데 애로사항이 있을수 있으며, 또한 처음 국부적인 불꽃이 일어나고 난 뒤에 화염이 확대되게 보이거나 화염과 동시에 발생되는 연무 등으로 축소되어 보일 수 있에 모든 상황을 고려한 화상 해석을 하여야 안전한 화재 진압이 가능한데, 이를 위해서는 상당히 복잡한 신호처리를 수행하여야 하기 때문에 실시간 처리 및 설치비용이 상승한다는 문제점이 발생되었다.Secondly, the image acquisition method for smoke detection may have difficulty in detecting when the fire location is not caught by the camera or when the smoke is generated according to the ambient light, and after the first local flame occurs, It may appear to be enlarged or to be reduced to smoke generated at the same time as the flames, so it is possible to safely extinguish fires by considering the image in consideration of all situations. Problem occurred.
상술한 바와같은 종래 기술의 문제점을 해소하기 위한 본 발명의 목적은 적외선 및 칼라 화상 데이터를 취득하여 화염 및 연무의 열화상을 모니터링하고 모니터된 화상에서 확률분포함수를 취득함으로써 이를 근거로 실시간 화재판정을 수행하여 경고하도록 하는 화상에 확률 분포 함수를 이용한 화재 감시 방법을 제공하는 데 있다.An object of the present invention for solving the problems of the prior art as described above is to obtain infrared and color image data to monitor thermal images of flames and mists, and to obtain probability distribution functions from the monitored images based on the real-time fire judgment. To provide a fire monitoring method using a probability distribution function to the image to warn by performing a.
제1도는 본 발명에 따른 화재 감시 시스템의 개략적인 블록 구성 예시도.1 is a schematic block diagram illustrating a fire monitoring system according to the present invention.
제2도는 본 발명에 따른 화상에 확률 분포 함수를 이용한 화재 감시 방법의 동작 순서 예시도.2 is an exemplary operation sequence of a fire monitoring method using a probability distribution function on an image according to the present invention.
제3도는 제2도에서 설명한 내용과 다른 실시예에 따른 동작 순서 예시도.3 is an exemplary operation sequence according to another embodiment different from the contents described with reference to FIG. 2.
제4도는 제2도 또는 제3도에서 언급된 실시예에 따른 화재 감시 방법을 설명하기 위한 감시상태 예시도.4 is an exemplary monitoring state for explaining the fire monitoring method according to the embodiment mentioned in FIG.
상기 목적을 달성하기 위한 본 발명의 특징은, 특정 감시대상의 적외선 영상 신호를 취득하여 이전의 영상 데이터와 현재의 영상 데이터들 각각에 대하여 화상의 픽셀 데이터를 화소 세기의 분포 함수로 나타낸후 이 분포 함수 곡선으로부터 표준 분포값인 평균치 및 표준 편차를 구하여 화상분석 데이터를 산출하고 이를 비교하여 이전영상과 현재 영상간의 화상차를 검출하는 제 1 과정과, 검출된 상기 화상차를 기 설정된 제 1 임계치와 비교하는 제 2 과정과, 칼라 카메마로부터 얻어진 동일 감시대상 칼라 영상신호의 픽셀 데이터를 칼라 변화에 대한 픽셀 데이터의 확률 분포함수로 표현하고, 상기 확률 분포함수에서 평균치와 표준 편차를 구하고 화소 농도 분포에 따른 피크 파라메타를 선정하는 제 3 과정과, 상기 선정된 피크 파라메타를 기 설정된 제 2 임계치와 비교하는 제 4 과정과, 상기 제 2 과정에서 화상차가 제 1 임계치보다 크거나 상기 제 4 과정에서 피크 파라메타가 제 2 임계치보다 큰 경우 화재로 판단하여 경고하는 제 5 과정을 포함하는 데 있다.A feature of the present invention for achieving the above object is to obtain an infrared image signal of a specific monitoring target and to display the pixel data of the image as a distribution function of pixel intensity for each of the previous image data and the current image data, and then this distribution. A first process of detecting image differences between the previous image and the current image by calculating average values and standard deviations, which are standard distribution values, and standard deviations from a function curve, and comparing the detected image differences with the preset first threshold value; Comparing the second process and the pixel data of the same surveillance target color video signal obtained from the color camera, are expressed as the probability distribution function of the pixel data for color change, and the mean value and the standard deviation are obtained from the probability distribution function, and the pixel concentration distribution is obtained. The third process of selecting the peak parameters according to the predetermined, and the predetermined peak parameters are preset A fourth process of comparing with a second threshold value, and a fifth process of determining and warning a fire when the image difference is greater than the first threshold value or the peak parameter is greater than the second threshold value in the fourth process in the second process. There is.
상기 목적을 달성하기 위한 본 발명의 다른 특징은, 특정 감시대상의 적외선 영상신호를 취득하여 이전의 영상 데이터와 현재의 영상 데이터들 각각에 대하여 화상의 픽셀 데이터를 화소 세기의 분포 함수로 나타낸후 이 분포 함수 곡선으로부터 표준 분포값인 평균치 및 표준 편차를 구하여 화상분석 데이터를 산출하고 이를 비교하여 이전 영상과 현재 영상간의 화상차를 검출하는 적외선 화상차 검출 과정과, 상기 적외선 화상차 검출 과정과 동일 시점에서 동일 감시대상 칼라 영상신호의 픽셀 데이터를 칼라 변화에 대한 픽셀 데이터의 확률 분포함수로 표현하고, 상기 확률 분포함수에서 평균치와 표준 편차를 구하고 화소 농도 분포에 따른 피크 파라메타를 선정하는 칼라 피크 검출 과정을 포함하는 화재 감시 방법에 있어서, 상기 적외선 화상차 검출 과정을 통해 얻어진 화상차를 신경망 회로를 통해 연산처리하는 제 1 과정과, 상기 칼라 피크 검출 과정을 통해 얻어진 피크치를 기준으로 피크의 확률분포함수 파라메타를 결정하는 제 2 과정과, 상기 제 1 과정과 제 2 과정에서 결정되어진 피크의 확률분포함수 파라메타 및 확률분포도를 신경망 회로를 통해 연산처리하는 제 3 과정과, 제 1 과정이나 제 3 과정에서 신경망 회로를 통해 연산되어진 데이터를 기준으로 화재 발생 유무를 판정하여 화재로 판단되는 경우 경고하는 제 4 과정을 포함하는 데 있다.Another object of the present invention for achieving the above object is to acquire an infrared image signal of a specific monitoring target and to display the pixel data of the image as a distribution function of pixel intensity for each of the previous image data and the current image data. Infrared image difference detection process of detecting image difference between previous image and current image by calculating average value and standard deviation, which are standard distribution values, and comparing them from the distribution function curve, and the same viewpoint as infrared image difference detection process The color peak detection process of expressing pixel data of the same surveillance target color image signal as a probability distribution function of pixel data for color change, obtaining an average value and a standard deviation from the probability distribution function, and selecting peak parameters according to the pixel concentration distribution. In the fire monitoring method comprising a, the infrared image difference A first process of calculating an image difference obtained through a detection process through a neural network, a second process of determining a probability distribution function parameter of a peak based on the peak value obtained through the color peak detection process, and the first process The third process of calculating the probability distribution function parameter and the probability distribution diagram of the peak determined in the second process and the neural network circuit, and the presence of fire based on the data calculated through the neural network circuit in the first process or the third process. Including a fourth step of determining that the warning is determined to be a fire.
이하, 첨부한 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명에 따른 화재 감시 방법을 적용하기 위한 시스템의 간략 블록 구성도로서, 관측대상의 영상을 적외선 신호로 취득하는 적외선 카메라(100)와, 적외선 카메라(100)에서 취득되어진 적외선 영상 데이터를 입력받아 화상의 확률분포및 그에 따른 편차를 산출하여 출력하는 제 1 디지털 신호 처리부(200)와, 관측대상의 영상을 칼라신호로 취득하는 칼라 카메라(110)와, 칼라 카메라(110)에서 취득되어진 칼라영상 데이터를 입력받아 화상의 확률분포 및 그에 따른 편차피크를 산출하여 출력하는 제 2 디지털 신호 처리부(300)와, 제 1, 제 2 디지털 신호 처리부(200, 300)에서 출력되는 데이터를 입력받아 화재발생 여부를 판정하는 화재 판별부(400) 및 화재 판별부(400)에서 출력되는 제어신호에 의하여 화재발생을 경고하는 화재 경고부(500)로 구성된다.1 is a simplified block diagram of a system for applying a fire monitoring method according to the present invention, which includes an infrared camera 100 for acquiring an image of an object as an infrared signal and infrared image data acquired by an infrared camera 100. The first digital signal processor 200 for calculating the probability distribution of the image and the deviation thereof, and outputting the color signal, the color camera 110 for acquiring the image of the object as a color signal, and the color camera 110. Inputs the second digital signal processor 300 and the data output from the first and second digital signal processors 200 and 300 to calculate the probability distribution of the image and the deviation peak according to the received color image data. It is composed of a fire alarm unit 500 for warning the occurrence of fire by the control signal output from the fire determination unit 400 and the fire determination unit 400 to determine whether the fire occurred.
구성중 제 1 디지털 신호 처리부(200)는 적외선 카메라(100)에서 취득되어진 적외선 영상 데이터를 입력받아 디지털 신호처리를 수행하기 위하여 데이터의 포맷을 변환하여 출력하는 적외선신호 정합부(210)와, 적외선신호 정합부(210)에서 출력되는 화상 데이터를 단일 프레임 또는 단일 필드에 대응하게 입력받아 저장하는 제 1 화상 메모리(230A)와, 제 1 화상 메모리(230A)에 저장되어 있는 영상데이터를 억세스하여 화소 농담의 분포도를 산출하는 제 1 화상 분석부(240A)와, 적외선신호 정합부(210)에서 출력되는 화상 데이터를 임시저장하고 있다가 소정시간 지연후 출력하는 버퍼(220)와, 버퍼(220)에서 출력되는 데이터를 단일 프레임 또는 단일 필드에 대응하게 입력받아 저장하는 제 2 화상 메모리(230B)와, 제 2 화상 메모리(230B)에 저장되어 있는 영상데이터를 억세스하여 화소 농담의 분포도를 산출하는 제 2 화상 분석부(240B), 및 제 1, 제 2 화상 분석부(240A, 240B)에서 출력되는 각각의 화소 분포 데이터를 입력받아 두 입력 데이터의 차이를 검출하여 출력하는 화상차 검출부(250)으로 구성된다.In the configuration, the first digital signal processing unit 200 receives the infrared image data acquired by the infrared camera 100 and converts the format of the data to perform digital signal processing, and outputs the infrared signal matching unit 210 and the infrared rays. A first image memory 230A for receiving and storing image data output from the signal matching unit 210 corresponding to a single frame or a single field, and accessing image data stored in the first image memory 230A to access the pixel. A first image analyzer 240A for calculating a distribution of light and shade, a buffer 220 for temporarily storing image data output from the infrared signal matching unit 210 and outputting the image data after a predetermined time delay, and a buffer 220. Second image memory 230B for receiving and storing data output from the corresponding single frame or a single field, and image data stored in the second image memory 230B. The second image analysis unit 240B which calculates the distribution of the pixel shades by accessing the pixel distribution data output from the first and second image analysis units 240A and 240B and detects a difference between the two input data. And an image difference detection unit 250 for outputting.
또한, 구성중 제 2 디지털 신호 처리부(300)는 칼라 카메라(110)에서 취득되어진 칼라 영상 데이터를 입력받아 디지털 신호처리를 수행하기 위하여 데이터의 포맷을 변환하여 출력하는 칼라 신호 정합부(310)와, 칼라 신호 정합부(310)에서 출력되는 데이터를 칼라 변화에 대한 픽셀 데이터의 확률 분포함수로 표현하며 이 데이터로부터 평균치와 표준 편차 및 그 피크치를 선정하여 출력하는 피크 검출 선정부(320)로 구성된다.In addition, the second digital signal processing unit 300 of the configuration receives the color image data acquired from the color camera 110 and the color signal matching unit 310 for converting and outputting the format of the data for performing digital signal processing; And a peak detection selection unit 320 expressing the data output from the color signal matching unit 310 as a probability distribution function of pixel data for color change and selecting and outputting an average value, a standard deviation, and the peak value from the data. do.
상기와 같이 구성되는 본 발명에 따른 화재 감시장치에서의 바람직한 동작예를 첨부한 도 2를 참조하여 살펴보면 다음과같다.Referring to Figure 2 attached to the preferred operation example of the fire monitoring apparatus according to the present invention configured as described above are as follows.
도 2는 본 발명에 따라 화상에 확률 분포 함수를 이용한 화재 감시과정을 도시한 동작 순서도로서, 본 발명에서는 임의의 관측대상으로부터 적외선 카메라(100)와 칼라 카메라(110)를 통해 해당 관측 대상의 화상을 취득하여 병렬적인 동작으로화재발생 유무를 판정하게 되는데, 우선 적외선 카메라(100)에서 취득된 영상데이터를 기준으로 화재 발생여부를 판단하는 과정을 살펴보기로 한다.FIG. 2 is an operation flowchart illustrating a fire monitoring process using a probability distribution function on an image according to the present invention. In the present invention, an image of a corresponding observation target is obtained through an infrared camera 100 and a color camera 110 from an arbitrary observation target. It is determined whether there is a fire by a parallel operation to obtain a fire, first, the process of determining whether a fire occurs based on the image data acquired by the infrared camera 100 will be described.
스텝 S101의 과정을 통해 관측 대상의 적외선 감시화상을 취득하고, 스텝 S102로 진행하게 된다.The infrared monitoring image of the observation target is acquired through the process of step S101, and the flow proceeds to step S102.
스텝 S102에서는 소정시간 간격을 유지하는 종전의 화상과 현재의 화상을 비교하게 되는데, 이를 위해 첨부한 도 1에 도시되어 있는 제 1 디지털 신호 처리부(200)의 내부 구성과 같이 버퍼(220)를 사용하여 시차를 발생시키므로써, 제 1 화상메모리(230A)에는 현재의 화상데이터가 저장되고 제 2 화상 메모리(230B)에는 소정시간 이전의 화상데이터가 저장되어진다.In step S102, the current image and the previous image maintaining a predetermined time interval are compared. For this purpose, the buffer 220 is used as in the internal configuration of the first digital signal processing unit 200 shown in FIG. By generating a parallax, current image data is stored in the first image memory 230A, and image data before a predetermined time is stored in the second image memory 230B.
또한, 스텝 S102에서는 종전의 화상과 현재의 화상을 빠른시간내에 비교하기 위하여 제 1, 제 2 화상 분석부(240A, 240B)를 통해 현재의 화상과 이전의 화상 각각에 대한 화소 농담의 분포도 즉, 열 화상의 픽셀(pixel) 데이터는 화소 세기의 분포 함수로 나타낸 후 이 분포 함수 곡선으로부터 표준 분포값인 평균치(mean : X) 및 표준 편차(standard deviation :δχ)를 구하여 화상분석 데이터를 산출하고 이를 비교하는 것이다.Further, in step S102, in order to compare the previous image with the current image in a short time, the distribution of pixel shades of the current image and the previous image through the first and second image analysis units 240A and 240B, that is, The pixel data of the thermal image is represented as a distribution function of pixel intensity, and then the image analysis data are calculated by calculating the mean value (mean: X) and the standard deviation (δχ), which are standard distribution values, from the distribution function curve. To compare.
이때, 스텝 S102에서 종전의 화상과 현재의 화상을 비교하여 동일하다고 판단되면 스텝 S101로 재진행하여 상술한 동작을 반복적으로 수행하게 된다.At this time, if it is determined in step S102 that the previous image is compared with the current image and is determined to be the same, the process proceeds to step S101 again and the above-described operation is repeatedly performed.
만약, 상술한 스텝 S102의 과정을 통하여 화상차가 발생되었다고 판단되면 스텝 S103으로 진행하고, 스텝 S103에서는 화상차 검출부(250)를 통해 그 화상차를 검출한다.If it is determined that an image difference has occurred through the above-described process of step S102, the flow advances to step S103, and the image difference detection unit 250 detects the image difference in step S103.
이렇게 검출된 화상 차이에 따른 데이터는 화재 판별부(400)에 입력되며, 화재 판별부(400)에서는 스텝 S104의 과정을 통해 기설정되어 있는 제 1 임계치와 비교하게 되며, 스텝 S105에서는 화상차 검출부(250)에서 출력된 화상차 데이터와 제 1임계치를 비교한 스텝 S104의 결과를 판정하여 화상차 데이터가 제 1 임계치에 비하여 크지 않다고 판정되면 스텝 S101로 진행하고 그와 반대로 화상차 데이터가 제 1 임계치에 비하여 크다고 판정되면 스텝 S110으로 진행하여 화재를 경고하게 된다.The data according to the detected image difference is input to the fire judging unit 400, and the fire judging unit 400 compares the first threshold value preset through the process of step S104. In step S105, the image difference detecting unit If it is determined that the image difference data is not larger than the first threshold value by determining the result of step S104 in which the image difference data output at 250 is compared with the first threshold value, the flow proceeds to step S101, and vice versa. If it is determined that it is larger than the threshold, the flow advances to step S110 to warn the fire.
즉, 스텝 S102의 과정을 통해 정규 분포 그래프를 얻을 수 있고 얻어진 그래프 피크에 대한 평균치와 표준 편차 값을 구한다. 이렇게 구한 값으로부터 화재의 유무를 판정한다. 도 2의 순서에 따른 화재의 판정은 하기 수학식 1과 같이That is, a normal distribution graph can be obtained through the process of step S102, and the average value and standard deviation value for the obtained graph peak are obtained. From the value thus obtained, it is determined whether there is a fire. Determination of the fire according to the procedure of Figure 2 is as shown in Equation 1
정의하고 이에 합치될 때 화재의 유무를 판정한다. 이때 A는 비례 상수로 1 보다 큰 실수이다. 또한 적외선 카메라와 칼라 카메라에서의 화상으로부터 얻어지는 판정 기준의 A는 서로 다른 최적치로 설정할 수 있다. 판정의 결과는 다음의 경고부(500)로 보내진다.Define and determine the presence of fire when in accordance with it. Where A is a proportional constant that is greater than one. In addition, A of the determination criteria obtained from the images in the infrared camera and the color camera can be set to different optimum values. The result of the determination is sent to the next warning unit 500.
이상에서 적외선 카메라측을 통해 화재 경고 과정을 살펴보았으므로, 적외선 카메라측의 화재 경고 과정과 병렬적으로 수행되는 칼라 카메라측에서의 화재 경고 과정을 살펴보기로 한다.Since the fire warning process has been described through the infrared camera side, the fire warning process on the color camera side performed in parallel with the fire warning process on the infrared camera side will be described.
스텝 S106에서는 칼라 카메라(110)을 통해 관측 대상의 칼라 감시화상을 취득하고, 스텝 S107로 진행하게 된다.In step S106, the color monitoring image of the observation target is acquired through the color camera 110, and the flow proceeds to step S107.
스텝 S107에서는 피크 검출 선정부(320)에서 칼라 카메라(110)로부터 얻어진 픽셀 데이터를 칼라 변화에 대한 픽셀 데이터의 확률 분포함수로 표현하며 이 데이터로부터 평균치와 표준 편차를 구하고 그 피크치를 산정하게 된다.In step S107, the peak detection selection unit 320 expresses the pixel data obtained from the color camera 110 as a probability distribution function of the pixel data for the color change, and calculates an average value and a standard deviation from the data and calculates the peak value.
이후, 스텝 S107의 과정을 통해 피크 검출 선정부(320)에서 출력되는 데이터는 화재 판별부(400)에 입력되며, 화재 판별부(400)에는 스텝 S108의 과정을 통해 기설정되어 있는 제 2 임계치와 비교하게 된다.Thereafter, the data output from the peak detection selection unit 320 through the process of step S107 is input to the fire determination unit 400, and the fire determination unit 400 has a second threshold value preset through the process of step S108. Will be compared with
이때, 스텝 S109에서는 피크 검출 선정부(320)에서 출력된 피크 데이터와 제 2 임계치를 비교한 스텝 S108의 결과를 판정하여 피크 데이터가 제 2 임계치에 비하여 크지 않다고 판정되면 스텝 S101로 진행하고 그와 반대로 피크 데이터가 제 2임계치에 비하여 크다고 판정되면 스텝 S110으로 진행하여 화재를 경고하게 된다.At this time, in step S109, the result of step S108 in which the peak data output from the peak detection selecting unit 320 is compared with the second threshold is determined. If it is determined that the peak data is not larger than the second threshold, the process proceeds to step S101. On the contrary, if it is determined that the peak data is larger than the second threshold, the flow proceeds to step S110 to warn the fire.
즉, 칼라 카메라(110)로부터 취득된 이미지는 1차원 혹은 2차원 데이터 형태를 가지며, 이때의 화소 데이터에 대하여 화소의 빛의 세기를 기준하는 분포도를 구한다. 이 분포도에서 여러 피크가 생기게 될 수 있고 이들 피크를 확인한 다음 이미 정의해 놓은 칼라 이미지에 해당하는 피크를 선정한다.That is, the image acquired from the color camera 110 has a one-dimensional or two-dimensional data form, and a distribution based on the light intensity of the pixel is obtained for the pixel data at this time. There may be several peaks in this distribution, and these peaks are identified and the peaks corresponding to the color images already defined are selected.
이후, 분포도에서 선정된 피크의 평균치와 표준 편차를 구하게 되며, 분포도 값을 통하여 앞서와 같이 수학식 1에 의해 정의된 화재 판정기준에 따라 화재의 유무를 판정하게 되는 것이다.Thereafter, the average value and the standard deviation of the selected peaks are obtained from the distribution chart, and the presence or absence of a fire is determined according to the fire determination criteria defined by Equation 1 as described above.
이때, 칼라 카메라측에서 수학식 1을 기준으로 판정기준을 설정하되 수학식 1의 사용시 비례 상수 A는 1 보다 큰 실수이며 적외선 카메라에 의한 판정 기준이 되는 A 값과 같은 수도 있고 다를 수도 있어 각 화상에 대한 최적 변수값을 설정하는 것이 반드시 필요하다.At this time, the color camera side sets the criterion based on Equation 1, but when using Equation 1, the proportional constant A is a real number larger than 1 and may be the same as or different from the A value used as the criterion by the infrared camera. It is necessary to set the optimal variable value for.
상술한 바와같은 과정을 통해 적외선 카메라측으로 부터는 화염의 발생 유무와 화염의 크기등을 검출할 수 있으며, 칼라 카메라로는 화염의 영상이 취득되지 않는다 하더라도 연기의 발생을 검출할 수 있도록 구현되었다.Through the above-described process, the presence or absence of a flame and the size of the flame can be detected from the infrared camera side, and the color camera is implemented to detect the generation of smoke even if the image of the flame is not acquired.
상술한 방식은 각 영상 취득 수단으로 사용된 적외선 카메라와 칼라 카메라에서 얻어진 영상을 신호처리한 후 임계치와 단순비교하여 경계값 이상일 때 판정을 내리는 방식인데, 이와는 다르게 신경망 이론을 이용하여 보다 안정한 화재 판단기준을 제공할 수 있을 것이다.In the above-described method, a signal is processed from an infrared camera and a color camera used as an image capturing means, and the judgment is made when the threshold value is higher than the threshold value by simply comparing with a threshold value. Can provide a standard.
따라서, 신경망 이론을 적용시킨 본 발명의 다른 실시예를 첨부한 도 3을 참조하여 간략히 살펴보면 다음과 같다.Therefore, referring to FIG. 3 attached to another embodiment of the present invention to which the neural network theory is applied, the following is briefly described.
우선, 신경망 이론을 적용한 경우의 잇점을 간략히 살펴보면, 신경망 이론은 매우 다양한 알고리즘을 적용하는 기법으로써, 얻어지는 신호의 수와 관계되므로, 본 발명에서와 같이 적외선 카메라의 화상과 칼라 카메라의 화상의 특징을 함께 적용게되면 첨부한 도 2에 도시되어 있는 경계조건에 다른 판별에 비하여 보다 안정한 화재 판단 기준이 될것으로 기대된다.First, the advantages of applying neural network theory are briefly described. Since neural network theory is a technique of applying a wide variety of algorithms, and is related to the number of signals obtained, the characteristics of an image of an infrared camera and an image of a color camera, as in the present invention, are described. When applied together, it is expected to be a more stable fire judgment criteria than other determinations to the boundary conditions shown in FIG.
도 3에서의 처리 방식은 첨부한 도 2에서와 거의 유사하지만 신경망 회로에 적용하기 위하여 화재 판별부(400)의 구성 또는 동작이 다르다.The processing method of FIG. 3 is almost similar to that of FIG. 2, but the configuration or operation of the fire discrimination unit 400 is different for applying to a neural network.
즉, 첨부한 도 3에서 스텝 S201 내지 스텝 S203까지의 동작은 첨부한 도 2에서 스텝 S101 내지 스텝 S103까지의 동작과 동일하지만, 첨부한 도 3에서의 스텝 S204와 스텝 S205의 과정에서는 첨부한 도 2에서와의 동작과 다르게 화상차에 따른데이터를 입력받아 확률 분포 함수 그래프에 따른 신경회로망을 통한 데이터 연산을 수행한 후 이를 기준으로 화재 유무를 판정하게된다.That is, the operation from step S201 to step S203 in Fig. 3 is the same as the operation from step S101 to step S103 in Fig. 2 attached, but in the process of step S204 and step S205 in Fig. 3 attached, Unlike the operation in 2, the data according to the image difference is input and the data operation is performed through the neural network according to the probability distribution function graph.
또한, 칼라 카메라측의 동작에서도 첨부한 도 3에서 스텝 S206과 스텝 S207까지의 동작은 첨부한 도 2에서 스텝 S106과 스텝 S107까지의 동작과 동일하지만, 첨부한 도 3에서의 스텝 S208 내지 스텝 S210의 과정에서는 첨부한 도 2에서와의 동작과 다르게 선정된 피크에 따른 확률 분포 함수 그래프(파라메타)를 결정한 후 이를 기준으로 신경회로망을 통한 데이터 연산을 수행한 후 화재 유무를 판정하게된다.Also in the operation on the color camera side, the operations from step S206 to step S207 in FIG. 3 are the same as the operations from step S106 to step S107 in FIG. 2, but the steps S208 to S210 in FIG. In the process of FIG. 2, unlike the operation of FIG. 2, a probability distribution function graph (parameter) according to the selected peak is determined, and data operation through a neural network is performed based on the determined peak.
따라서, 첨부한 도 3에 도시되어 있는 본 발명에 따른 방식은 디지탈 신호 처리부(200, 300)에서 출력되는 값으로부터 화재 판정을 하기 위해서 패턴 분류방식에 의한 신경망 이론을 적용시킨 것이 특징이며, 패턴의 분류는 신경망 시스템(neural network system)으로 지도 학습(supervisory learning)에 의한 통제 방식(supervised approach)을 따른다.Therefore, the method according to the present invention shown in FIG. 3 is characterized in that the neural network theory according to the pattern classification method is applied to determine the fire from the values output from the digital signal processing units 200 and 300. Classification is a neural network system that follows a supervised approach to supervisory learning.
도 4는 적외선 카메라(100)와 칼라 카메라(110)의 화상을 포집하기 위한 발화점과의 관계를 나타내는 개략도이다. 장치(20)의 상부(30),(34)와 측면(29),(35)에서 발화한 경우를 사례로 적외선 카메라(100)의 적용 여부 및 칼라 카메라(110)의 적용 여부를 알아본다. 장치(20)는 바닥(33) 위에 설치되어 있고, 각각의 카메라는 천정쪽에 설치하였다.4 is a schematic diagram showing the relationship between the flash point for collecting the images of the infrared camera 100 and the color camera 110. In the case of igniting from the top 30, 34 and the side 29, 35 of the device 20, the application of the infrared camera 100 and the color camera 110 will be described. The device 20 was installed on the floor 33 and each camera was installed on the ceiling side.
하지만 카메라의 위치는 천정이 아니더라도 측면 혹은 사선 방향에 설치하여 화재시 가장 모니터링이 적합한 곳에 위치하도록 한다. 장치(20)의 상부에서 화재가 발화하였을 때에는 발화점(34)은 먼저 적외선 카메라(100)의 관측 경계선(22),(23),(27),(28) 안에 있는 관측 영역(36)에 있어 어떠한 상황이라도 화상이 최적으로 포집될 수 있고, 연무(30)가 계속되더라도 적외선 화상은 계속 포집할 수 있다. 또 연무(30)가 더욱 확산될 때는 칼라 카메라(110)에 의해서 화상을 포집하여 분석할 수 있기 때문에 칼라 카메라에 의한 화상 포집에 충분한 여건이 마련된다.However, even if the camera is not on the ceiling, it should be installed on the side or diagonal line so that it can be located at the most suitable place in case of fire. When a fire ignites on top of the device 20, the firing point 34 is first located in the viewing area 36 within the viewing boundaries 22, 23, 27, 28 of the infrared camera 100. In any situation, images can be optimally captured, and infrared images can continue to be captured even if mist 30 continues. In addition, when the mist 30 is further diffused, since the image can be collected and analyzed by the color camera 110, sufficient conditions are provided for collecting the image by the color camera.
그러나, 장치(20)의 측면에서 발화점(35)이 발생하면 관측 경계(22),(28) 이내에 있지만 장치(20)에 가리워 관측되지 않는 비관측 영역(31),(32)이 생겨 적외선 카메라(100)에 의해서는 발화점을 파악하기가 힘들지만 이 경우에는 연무(29)에서 열 화상을 포집할 수 있다.However, the occurrence of a flash point 35 on the side of the device 20 results in unobserved areas 31 and 32 that are within the observation boundaries 22 and 28 but are hidden by the device 20 and are not observed. Although it is difficult to grasp the flash point by 100, in this case, the thermal image can be captured by the mist 29.
그러나 이것은 불확실한 상황에서 관측될 수 있는 가능성이 있기 때문에 칼라 카메라(110)에 의해서 관측 경계(23),(24),(25),(26) 이내에서 발화점(35)이 아닌 측면에서 발생하는 연무(29)의 화상을 포집함으로써 발화점(35)이 직접 보이지 않아서 적외선 카메라(100)로 관측되지 않는 화재를 감시할 수 있다.However, since this is likely to be observed in an uncertain situation, it is caused by color camera 110 on the side of the observation point 23, 24, 25, 26 and not on the flash point 35 side. By collecting the image of (29), it is possible to monitor the fire which the ignition point 35 is not seen directly and is not observed by the infrared camera 100.
각각의 카메라에는 관측 범위를 넓게 하기 위해서 확대경을 부착하여 보다 넓은 범위의 관측이 가능하도록 한다. 카메라의 적용은 관측점에서 발화점(34)이 보이는 경우 적외선 카메라(100)와 칼라 카메라(110) 모두 적용하여 화재를 감시하고, 관측점(100),(110)에서 발화점(35)이 보이지 않는 경우 칼라 카메라(110)가 주된 감시 기능을 맡고 적외선 카메라(100)는 보조적인 감시 기능을 수행하도록 한 것이다.Each camera is equipped with a magnifying glass to allow for a wider range of observation. The application of the camera is to monitor the fire by applying both the infrared camera 100 and the color camera 110 when the ignition point 34 is visible from the observation point, the color when the ignition point 35 is not visible at the observation points 100, 110 The camera 110 is in charge of the main monitoring function and the infrared camera 100 is to perform a secondary monitoring function.
또한, 앞서의 소규모 화재가 아니고 국부적인 불꽃 반응에서부터 화재가 갑자기 크게 확산되어 온도가 룸(room) 전체로 크게 번지거나 연무가 크게 확산될 때, 열 화상에서 얻어지는 화상 변화 속도는 화재의 확산 크기로부터 얻는다. 확산 크기는Also, when the fire spreads suddenly and greatly from the local flame reaction, rather than the previous small fire, and the temperature spreads greatly throughout the room, or the fumes diffuse significantly, the rate of image change obtained in thermal imaging is derived from the spread of the fire. Get Diffusion size
으로 정의하였다. 이것을 시간대별로 나타내어 그래프로 표현하면 화재의 심각성을 한 눈에 파악되도록 한다. 이의 보정 곡선을 얻으면 확산 속도를 구할 수 있다.As defined. This is represented by time zone and graphed so that the seriousness of the fire can be identified at a glance. By obtaining its calibration curve, the diffusion rate can be obtained.
이상과 같은 상황에서의 차이는 먼저 국부적인 경우는 국부적인 온도 변동이므로 피크 곡선은 폭이 좁고 세기가 큰 날카로운 피크가 나타날 수 있고, 한편으로는 곡선의 모양이 넓게 크게 나타날 수 있을 것으로 본다. 그러므로 이상과 같이 피크의 날카로움(sharpness)과 세기(intensity)를 함께 고려하여야만 화재의 정도를 관측할 수 있다. 그러므로 수학식 1의 값은 화재의 크기를 가름하는 중요한 척도이다.Since the difference in the above situation is a local temperature fluctuation in the local case, the peak curve may have a narrow width and a sharp sharp peak, and on the other hand, the shape of the curve may appear wide. Therefore, the degree of fire can be observed only by considering the sharpness and intensity of the peak as described above. Therefore, the value of Equation 1 is an important measure of the size of the fire.
상술한 바와같은 본 발명에 따른 화상에 확률 분포 함수를 이용한 화재 감시 방법을 제공하면, 종래 온도 열 감지 센서 등으로는 확산된 불꽃이 열전대와 같은 센서까지 전달되지 않고는 도저히 조기에 감지해 낼 수 없음을 알 수 있다는 문제점과 기타 신호처리방식에서 상당히 복잡한 신호처리를 수행하여야 하기 때문에 실시간 처리 및 설치비용이 상승한다는 문제점을 해소하는 효과가 있다.Providing a fire monitoring method using a probability distribution function in the image according to the present invention as described above, it is possible to detect the early flame without spreading the flame to the sensor, such as a thermocouple, using a conventional temperature heat sensor There is an effect of solving the problem that it can be seen that there is no problem and that the cost of real-time processing and installation increases due to the need to perform a fairly complex signal processing in other signal processing methods.
Claims (7)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019980007595A KR100268771B1 (en) | 1998-03-07 | 1998-03-07 | Fire-monitoring method using probability distribution function from image. |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019980007595A KR100268771B1 (en) | 1998-03-07 | 1998-03-07 | Fire-monitoring method using probability distribution function from image. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR19990074175A KR19990074175A (en) | 1999-10-05 |
| KR100268771B1 true KR100268771B1 (en) | 2000-10-16 |
Family
ID=19534397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1019980007595A KR100268771B1 (en) | 1998-03-07 | 1998-03-07 | Fire-monitoring method using probability distribution function from image. |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100268771B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101093076B1 (en) | 2011-06-13 | 2011-12-13 | 로지시스템(주) | Building automation management system and method for detecting fire |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030020600A (en) * | 2001-09-04 | 2003-03-10 | 조재승 | A Fire Detector using flame sensor |
| KR20060041555A (en) * | 2004-11-09 | 2006-05-12 | 한국서부발전 주식회사 | System and method for detecting and alarming a fire of thermal power plants |
| KR100680114B1 (en) * | 2005-05-12 | 2007-02-07 | (주)에이치엠씨 | Device, method and recording medium of robust fire detecting using color of image |
| KR100782036B1 (en) * | 2005-08-01 | 2007-12-04 | 이현종 | Apparatus and method for detecting fire using image processing |
| KR100648319B1 (en) * | 2005-12-13 | 2006-11-23 | 주식회사 센텍 | Infrared Sensing System of Fire and its Sensing Method reflecting Dynamic Pattern of Flame |
| KR100659781B1 (en) * | 2005-12-31 | 2006-12-20 | 주식회사 센텍 | Smoke Detecting Method and System using CCD Image |
| KR20070115412A (en) * | 2006-06-02 | 2007-12-06 | 주식회사 이씨엠 | Fire alarm system for recording image and method of fire alarm thereof |
| KR100948568B1 (en) * | 2008-04-04 | 2010-03-18 | 계명대학교 산학협력단 | Fire detection apparatus and method using Bayesian Networks |
| KR102098201B1 (en) * | 2014-03-21 | 2020-04-10 | 한화테크윈 주식회사 | Fire watch system |
| KR102517477B1 (en) * | 2022-07-20 | 2023-04-05 | (주)하이브시스템 | Method and apparatus for identifying noxious gas leak origin based on artificial intelligence model |
| KR102517478B1 (en) * | 2022-07-20 | 2023-04-05 | (주)하이브시스템 | Method and appratus for determining whether noxious gas leak detection based on artificial intelligence model |
-
1998
- 1998-03-07 KR KR1019980007595A patent/KR100268771B1/en not_active IP Right Cessation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101093076B1 (en) | 2011-06-13 | 2011-12-13 | 로지시스템(주) | Building automation management system and method for detecting fire |
Also Published As
| Publication number | Publication date |
|---|---|
| KR19990074175A (en) | 1999-10-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1275094B1 (en) | Early fire detection method and apparatus | |
| RU2380758C2 (en) | Method and device for smoke detection | |
| KR100268771B1 (en) | Fire-monitoring method using probability distribution function from image. | |
| KR100901784B1 (en) | System for fire warning and the method thereof | |
| EP3407034B1 (en) | Intelligent flame detection device and method using infrared thermography | |
| US7859419B2 (en) | Smoke detecting method and device | |
| US7286704B2 (en) | Imaging fire detector | |
| US8538063B2 (en) | System and method for ensuring the performance of a video-based fire detection system | |
| US7680297B2 (en) | Fire detection method and apparatus | |
| EP2290629B1 (en) | System and method of target based smoke detection | |
| KR20150078049A (en) | Apparatus for sensing fire | |
| EP1233386B1 (en) | Improvements to fire detection sensors | |
| EP2000952A2 (en) | Smoke detecting method and device | |
| US20020030608A1 (en) | Device for monitoring an enclosure, in particular the hold of an aircraft | |
| US7154400B2 (en) | Fire detection method | |
| US5670938A (en) | Fire alarm device | |
| CN109643482A (en) | Use the smoke detection system and method for camera | |
| KR101679148B1 (en) | Detection System of Smoke and Flame using Depth Camera | |
| EP1143393B1 (en) | Detection of thermally induced turbulence in fluids | |
| KR20070115412A (en) | Fire alarm system for recording image and method of fire alarm thereof | |
| KR102103786B1 (en) | Smart Fire Evacuation Leader | |
| CN114511984B (en) | Fire monitoring camera, fire monitoring method and fire automatic alarm system | |
| JP4690823B2 (en) | Fire detection equipment | |
| JPH10154284A (en) | Smoke sensing system | |
| KR20230064388A (en) | Composite image based fire detection system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| N231 | Notification of change of applicant | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20090727 Year of fee payment: 10 |
|
| LAPS | Lapse due to unpaid annual fee |