特許ウォッチ

公開番号2024142360
公報種別公開特許公報(A)
公開日2024-10-11
出願番号2023054473
出願日2023-03-30
発明の名称火災検出装置
出願人能美防災株式会社
代理人個人,個人,個人,個人
主分類G06T 7/11 20170101AFI20241003BHJP(計算;計数)
要約【課題】種々の監視環境に対応可能なロバスト性を備えた火災検出装置を得る。
【解決手段】小領域演算処理部とラベル領域演算処理部とを備え、小領域演算処理部は、複数の特徴量に関する時系列データを記憶する時系列記憶領域を有し、小領域における空間的特徴量あるいは時間変化特徴量の時系列データを時系列記憶領域に記憶させ、ラベル領域演算処理部は、ラベリング処理により抽出した火災判定処理領域における時系列データの統計量を算出し、1以上の統計量に基づいて火災領域であるかをラベル領域ごとに識別する複数の小識別器と、複数の小識別器による識別結果を入力パラメータとして火災領域であるかをラベル領域ごとに判別する第1の機械学習判別器とを、機械学習判別処理を行う火炎領域特定部としてさらに備える。
【選択図】図5
特許請求の範囲【請求項１】
監視カメラで撮像した入力画像に対して演算処理を施すことで火炎領域を特定する火災検出装置であって、
前記入力画像を構成する画素を数画素の単位でまとめた小領域単位での演算処理を行う小領域演算処理部と、
前記小領域演算処理部による前記小領域単位での処理結果に基づいて所定の条件を満たす隣接する小領域を統合するラベリング処理を行うことで得られたラベル領域のそれぞれに対して、ラベル領域単位での演算処理を行うラベル領域演算処理部と
を備え、
前記小領域演算処理部は、
前記火炎領域を特定するために前記小領域単位での演算処理で算出される複数の特徴量のそれぞれに関する時系列データを記憶する時系列記憶領域を有し、
前記複数の特徴量のそれぞれとして、小領域における空間的特徴量あるいは時間変化特徴量を算出し、特徴量ごとに過去から現在までの所定期間における算出結果を前記時系列データとして前記時系列記憶領域に記憶させ、
前記ラベル領域演算処理部は、
前記時系列記憶領域に記憶された前記複数の特徴量に関する前記時系列データに基づいて前記ラベリング処理を行うことで得られた前記ラベル領域を火災判定処理領域として抽出し、
抽出した前記火災判定処理領域のそれぞれにおける前記空間的特徴量あるいは前記時間変化特徴量に関する前記時系列データの統計量を算出し、
前記ラベル領域演算処理部によって算出された複数の前記統計量に基づいた機械学習判別処理を行うことで前記火炎領域を特定する火炎領域特定部
をさらに備える火災検出装置。
続きを表示（約 1,500 文字）【請求項２】
前記火炎領域特定部は、
前記ラベル領域演算処理部によって算出された複数の前記統計量の中から１以上の統計量に基づいて火災判定に必要な条件を分割して構成され、火災領域であるか非火災領域であるかを前記ラベル領域ごとに識別する複数の小識別器と、
前記複数の小識別器による識別結果としてあらかじめ取得された教師データに基づいて学習済みであり、前記識別結果を入力パラメータとして火災領域であるか非火災領域であるかを前記ラベル領域ごとに判別する第１の機械学習判別器と
を備える請求項１に記載の火災検出装置。
【請求項３】
前記火炎領域特定部は、
前記ラベル領域演算処理部により算出された複数の前記統計量としてあらかじめ取得された教師データに基づいて学習済みであり、前記統計量を入力パラメータとして火災領域であるか非火災領域であるかを前記ラベル領域ごとに判別する第２の機械学習判別器
を備える請求項１に記載の火災検出装置。
【請求項４】
前記火炎領域特定部は、
前記ラベル領域演算処理部によって算出された複数の前記統計量の中から１以上の統計量に基づいて火災判定に必要な条件を分割して構成され、火災領域であるか非火災領域であるかを前記ラベル領域ごとに識別する複数の小識別器と、
火災検出の目的に応じて前記複数の小識別器の中から１以上の所望の小識別器で構成された小識別器群を選定し、選定した前記小識別器群に含まれる各小識別器による識別結果の論理演算により火災領域であるか非火災領域であるかを前記ラベル領域ごとに判別する複数の判別器と、
前記複数の小識別器による識別結果としてあらかじめ取得された教師データに基づいて学習済みであり、前記識別結果を入力パラメータとして火災領域であるか非火災領域であるかを前記ラベル領域ごとに判別する第１の機械学習判別器と、
前記ラベル領域演算処理部により算出された複数の前記統計量としてあらかじめ取得された教師データに基づいて学習済みであり、前記統計量を入力パラメータとして火災領域であるか非火災領域であるかを前記ラベル領域ごとに判別する第２の機械学習判別器と、
前記複数の判別器による判別結果と、前記第１の機械学習判別器による判別結果と、前記第２の機械学習判別器による判別結果との組み合わせ投票により前記火炎領域を特定する投票器と
を備える請求項１に記載の火災検出装置。
【請求項５】
前記第１の機械学習判別器は、異なる学習が行われた複数の第１の機械学習判別器で構成され、
前記第２の機械学習判別器は、異なる学習が行われた複数の第２の機械学習判別器で構成され、
前記投票器は、第１プロセス部および第２プロセス部を有することで前記火炎領域を特定し、
前記第１プロセス部は、
前記複数の前記第１の機械学習判別器によるそれぞれの判別結果に基づく投票により第１の判別結果として前記火炎領域を特定する第１の投票器と、
前記複数の前記第２の機械学習判別器によるそれぞれの判別結果に基づく投票により前記火炎領域を第２の判別結果として前記火炎領域を特定する第２の投票器と、
前記複数の判別器によるそれぞれの判別結果に基づく投票により第３の判別結果として前記火炎領域を特定する第３の投票器と
で構成され、
前記第２プロセス部は、前記第１の判別結果と、前記第２の判別結果と、前記第３の判別結果による投票に基づいた多数決から前記火炎領域を特定する火災判別器で構成される
請求項４に記載の火災検出装置。

発明の詳細な説明【技術分野】
【０００１】
本開示は、監視カメラで撮像した入力画像に対して演算処理を施すことで火炎領域を特定する火災検出装置に関するものである。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
煙特有の流動に着目した特徴量を用いて監視対象領域内に発生した煙を検出することで火炎領域を特定する従来装置がある（例えば、特許文献１参照）。特許文献１では、入力画像に関して任意の区画で区切られた個々の分割領域を単位として特徴量を算出し、分割単位における特徴量の連結状態を考慮して、流動する煙を検出し、火炎領域の判定を行っている。
【０００３】
ここで、分割領域とは、数画素単位でまとめた小領域に相当し、小領域としては、例えば、３×３画素、５×５画素といった領域が挙げられる。特許文献１では、空間的な隣接画素を考慮して特徴量が算出される。また、一定のサンプリング間隔で撮像された入力画像に関しては、時系列的に並んだ小領域同士の隣接関係も考慮して特徴量が算出される。
【０００４】
特許文献１に係る従来装置は、このようにして算出された特徴量に基づくことで、監視対象領域内で流動する煙を検出し、煙の検出性能の向上を図っている。
【先行技術文献】
【特許文献】
【０００５】
特開２０２１－０８７０８４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、従来技術には、以下のような課題がある。
特許文献１では、煙が発生している領域が部分的に遮蔽された場合には、小領域における特徴量が変化してしまい、この技術を火炎領域の検出へ応用した場合、失報の原因となることが考えられる。また、小領域で得られる特徴量は、小窓から風景を覗いた状態と同じで、得られる特徴量が少なく、そもそも火災検出精度を一定の性能以上に向上させるには、本手法以外にも、特定の現象に対して火災領域と非火災領域を区別するために有効な特徴量を見出して、適切な別の手法を加える必要があるといった課題がある。
【０００７】
また、種々の監視環境において火炎領域を高精度に検出するためには、煙の流動性ばかりでなく、監視目的に応じて火災検出に有効な種々の特徴量を考慮し、誤報を抑制した上で検出精度の向上を図ることが重要である。
【０００８】
さらに、監視環境によっては、監視カメラの光学系が汚損される状況が想定され、監視カメラで撮像した入力画像が汚損の影響を受けることで、火災検出性能に悪影響を及ぼすことが考えられる。
【０００９】
従って、監視目的に応じて、種々の設置環境において、誤報を抑制した上で火災検出精度の向上を図ることができる装置が強く望まれている。
【００１０】
本開示は、上記の課題を解決するためになされたものであり、種々の監視環境に対応可能なロバスト性を備えた火災検出装置を得ることを目的とする。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許