KR100268771B1 - 화상에 확률 분포함수를 이용한 화재 감시 방법 - Google Patents

Abstract

본 발명은 카메라를 이용한 화상 취득 후 화상 처리를 통하여 화재의 발생 유무를 판정하여 경고하는 화재 감시 방법에 관한 것으로 특히, 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 분포값이 평균치 및 표준 편차를 구하여 화상분석 데이터를 산출하고 이를 비교하여 이전 영상과 현재 영상간의 화상차를 검출하는 제1과정과, 검출된 상기 화상차를 기 설정된 제1임계치와 비교하는 제2과정과, 칼라 카메라로부터 얻어진 동일 감시대상 칼라 영상신호의 픽셀 데이터를 칼라 변환에 대한 픽셀 데이터의 확률 분포함수로 표현하고, 상기 확률 분포함수에서 평균치와 표준 편차를 구하고 화소 농도 분포에 따른 피크 파라메터를 선정하는 제3과정과, 상기 선정된 피크 파라메터를 기 설정된 제2임계치와 비교하는 제4과정과, 상기 제2과정에서 화상차가 제1임계치 보다 크거나 상기 제4과정에서 키프 파라메터가 제2임계치 보다 큰 경우 화재로 판단하여 경고하는 제5과정으로 구성하면, 종래 온도 열 감지센서 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.

Description

화상에 확률 분포 함수를 이용한 화재 감시 방법

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

그러나, 상술한 종래의 화재 감시 방식들은 다음과 같은 문제점들을 갖고 있다.

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.

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.

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.

제1도는 본 발명에 따른 화재 감시 시스템의 개략적인 블록 구성 예시도.

제2도는 본 발명에 따른 화상에 확률 분포 함수를 이용한 화재 감시 방법의 동작 순서 예시도.

제3도는 제2도에서 설명한 내용과 다른 실시예에 따른 동작 순서 예시도.

제4도는 제2도 또는 제3도에서 언급된 실시예에 따른 화재 감시 방법을 설명하기 위한 감시상태 예시도.

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.

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.

이하, 첨부한 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명한다.

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.

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.

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.

상기와 같이 구성되는 본 발명에 따른 화재 감시장치에서의 바람직한 동작예를 첨부한 도 2를 참조하여 살펴보면 다음과같다.

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.

스텝 S101의 과정을 통해 관측 대상의 적외선 감시화상을 취득하고, 스텝 S102로 진행하게 된다.

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.

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.

이때, 스텝 S102에서 종전의 화상과 현재의 화상을 비교하여 동일하다고 판단되면 스텝 S101로 재진행하여 상술한 동작을 반복적으로 수행하게 된다.

만약, 상술한 스텝 S102의 과정을 통하여 화상차가 발생되었다고 판단되면 스텝 S103으로 진행하고, 스텝 S103에서는 화상차 검출부(250)를 통해 그 화상차를 검출한다.

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.

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 같이

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.

이상에서 적외선 카메라측을 통해 화재 경고 과정을 살펴보았으므로, 적외선 카메라측의 화재 경고 과정과 병렬적으로 수행되는 칼라 카메라측에서의 화재 경고 과정을 살펴보기로 한다.

스텝 S106에서는 칼라 카메라(110)을 통해 관측 대상의 칼라 감시화상을 취득하고, 스텝 S107로 진행하게 된다.

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.

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.

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.

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.

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.

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.

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.

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.

따라서, 신경망 이론을 적용시킨 본 발명의 다른 실시예를 첨부한 도 3을 참조하여 간략히 살펴보면 다음과 같다.

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.

도 3에서의 처리 방식은 첨부한 도 2에서와 거의 유사하지만 신경망 회로에 적용하기 위하여 화재 판별부(400)의 구성 또는 동작이 다르다.

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.

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.

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.

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.

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.

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.

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.

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.

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 크기는

으로 정의하였다. 이것을 시간대별로 나타내어 그래프로 표현하면 화재의 심각성을 한 눈에 파악되도록 한다. 이의 보정 곡선을 얻으면 확산 속도를 구할 수 있다.

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.

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.

Claims (7)

1. 카메라를 이용한 화상 취득 후 화상 처리를 통하여 화재의 발생 유무를 판정하여 경고하는 화재 감시 방법에 있어서, 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 제1과정과, 검출된 상기 화상차를 기 설정된 제1임계치와 비교하는 제2과정과, 칼라 카메라로부터 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 파라메터를 선정하는 제3과정과, 상기 선정된 피크 파라메터를 기 설정된 제2임계치와 비교하는 제4과정과, 상기 제2과정에서 화상차가 제1임계치 보다 크거나 상기 제4과정에서 피크 파라메타가 제2임계치보다 큰 경우 화재로 판단하여 경고하는 제5과정으로 이루어짐을 특징으로 하는 화상에 확률 분포 함수를 이용한 화재 감시 방법.
2. 제1항에 있어서, 상기 제1과정과 제2과정이 수행되는 시간에 상기 제3과정과 제4과정이 병렬적으로 동시 수행되는 것을 특징으로 하는 화상에 확률 분포 함수를 이용한 화재 감시 방법.
3. 제1항 또는 제2항에 있어서, 상기 제 5 과정에서 판정 기준은 평균치(X)와 표준 편차(σX)를 입력받아 수학식에 따라 정의하되, 변수 A는 1보다 큰 실수이며, 상기 변수 A의 값은 제 2 과정을 통해 얻은 데이터의 판정기준에서 적용되는 경우와 제4과정을 통해 얻은 데이터의 판정기준에서 적용되는 경우 같을수도 있는 것을 특징으로 하는 화상에 확률 분포 함수를 이용한 화재 감시 방법.
4. 제1항 또는 제2항에 있어서, 상기 제 5 과정은 각 산출데이터의 평균치(X)와 표준 편차(σX)를 입력받아 수학식을 기준으로 화재의 확산크기(D)를 산출하는 것을 특징으로 하는 화상에 확률 분포 함수를 이용한 화재 감시 방법.
5. 제4항에 있어서, 화재의 확산크기가 산출되면 그에 대응하는 확산율을 그래프로 표시하는 것을 특징으로 하는 화상에 확률 분포 함수를 이용한 화재 감시 방법.
6. 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 화상차를 신경망 회로를 통해 연산처리하는 제1과정과; 상기 칼라 피크 검출 과정을 통해 얻어진 피크치를 기준으로 피크의 확률분포함수 파라메타를 결정하는 제2과정과; 상기 제1과정과 제2과정에서 결정되어진 피크의 확률분포함수 파라메타 및 확률분포도를 신경망 회로를 통해 연산처리하는 제3과정과; 상기 제1과정이나 상기 제3과정에서 신경망 회로를 통해 연산되어진 데이터를 기준으로 화재 발생 유무를 판정하여 화재로 판단되는 경우 경고하는 제4과정으로 이루어짐을 특징으로 하는 화상에 확률 분포 함수를 이용한 화재 감시 방법.
7. 제6항에 있어서, 상기 제1과정과 제3과정에서 적용되는 신경망 연산방식은 지도 학습에 의한 통제 방식을 사용하는 것을 특징으로 하는 화상에 확률 분포 함수를 이용한 화재 감시 방법.