ISSN: 1738-7167
DOI: https://doi.org/10.7731/KIFSE.2016.30.6.092
CCD 카메라를 이용한 열화상 실시간 추정과 화재경보
백동현
가천대학교 설비 · 소방공학과
Thermal Image Real-time estimation and Fire Alarm by using a CCD Camera
Dong-Hyun Baek
Dept. of Fire & Disaster Protection Engineering, Gachon Univ.
(Received November 3, 2016; Revised November 30, 2016; Accepted December 12, 2016)
요 약
본 논문은 Charge-Coupled Device (CCD) 카메라를 이용한 열화상의 실시간 추정과 화재경보에 대하여 논한 것으로 각도 및 위치에 따른 특징점 분석과 동일 형상의 벡터 성분 좌표점 설정에 따른 이미지 융합이 잘 되었다. 영상을 Display 하는 픽셀의 데이터 값은 0~255, 센서 출력값은 0~5,000로 하여 정확성이 높았다. 시험결과 시험체로부터 500 m, 1000 m, 1500 m 거리에서 화염에 의한 시험체의 작동시간은 각각 7초, 26초, 62초 소요 되었고 화면이미지 생 성이 효과적으로 이루어졌다. 화재 발생 진단은 주의/경보/화재의 3단계로 프로그램하여 Alarm의 순차적 동작과 SNS 전 송이 이루어졌다. 비화재보시험을 위해 백열등, 형광등에 대해 시험하였으나 모두 비화재보를 발생하지 않았다. 시간대 별 화염의 변화영상과 진행방향 및 확산속도의 분석은 화재진행상황 예측이나 열화상 실시간 추정과 경보로 비화재보 감 소가 가능함을 확인하였다.
ABSTRACT
This study evaluated thermal image real-time estimation and fire alarm using by a CCD camera, which has been a seamless feature-point analysis method, according to the angle and position and image fusion by a vector coordinate point set-up of equal shape. The system has higher accuracy, fixing data value of temperature sensing and fire image of 0~255, and sensor output-value of 0~5,000. The operation time of a flame specimen within 500 m, 1000 m, and 1500 m from the test report specimen took 7 s, 26 s, and 62 s, respectively, and image creation was proven. A diagnosis of fire accident was designated to 3 steps: Caution/Alarm/Fire. Therefore, a series of process and the transmission of SNS were identified. A light bulb and fluorescent bulb were also tested for a false alarm test, but no false alarm occurred. The possibility that an unwanted alarm will be reduced was verified through a forecast of the fire progress or real-time estimation of a thermal image by the change in the image of a time-based flame and an analysis of the diffusion velocity.
Keywords : Image panorama, Image calibration, Image moping, Alpha blending, Fire alarm
1. 서 론
숭례문 화재발생 이후에 문화재 안전관리의 필요성이 대두되어 목조문화재의 화재예방 및 조기진화를 위해 Ubiquitous Sensor Network (USN) 기술에 기반한 시스템 이 적용되고 있다. CCD영상을 이용해 화재를 판별하는 방식도 그중 하나이나 구축중인 CCD이미지에 의한 화재 감지기술은 연무, 안개 및 붉은 낙엽 등으로 인한 비동작 이 발생되어 시스템의 신뢰성을 저하시키는 원인이 되고 있다. IT 및 센싱기술의 발달은 아날로그형식의 디지털화 및 지능형시스템으로 발전되고 생체인식, CCTV (DVR)를
이용한 영상 보안 기술이 융합되어 새로운 영상인식 기반 의 지능형 영상 보안 기술로 진화하고 있다. 지능형 영상 인식에 따른 정확한 화재경보를 위해서는 적외선카메라, CCD 카메라로 촬영한 영상 데이터를 분석하고 분석된 영 상 및 열화상 이미지를 이용하여 온도 분포를 통해 적외선 카메라의 좌표값, 레이저를 이용한 화재발생 예상지역 및 발생 가능 정도를 실시간으로 처리하면 유효성이 증대된 다(1). 따라서 옥외에서 발생되는 화재를 효율적으로 탐지하 고, Data의 수집 및 경보를 전파하며 화재발생시 신속한 역 할수행과 증거 도구로 사용할 수 있는지를 확인하기 위한 열화상 실시간 추정과 화재경보에 대하여 논하고자 한다.
E-Mail: [email protected]
TEL: +82-31-750-5712, FAX: +82-31-750-5712
정합유무에 따라 IR 이미지와 CCD 이미지로 분류하여 전 송하게 하며 이미지 Fusion이 되게 한 후 Display하게 한 다. 이 때 영상이미지는 Zoom 선택 유무나 CCD 카메라 파라메타 생성유무에 따라 달라진다.
상 영상에서 제공되는 Raw Data를 분석하고, 검출된 온도 를 이용하여, 주의/경보/화재와 같은 3단계로 화재 발생 진 단을 수행하여 신뢰도를 증대시킬 수 있게 한다.
이 때의 계산식으로 사용되는 해리스 코너포인트 검출
Figure 1. CCD and Thermal burn image fusion flowchart.
수식은 다음과 같다.
여기서 Ix, Iy: x, y축 특징점 Δ: 변화부분 c x, y( ) = [I x, y( ) − I x + Δx, y + Δy( )]2
∑W
I x + ( Δx, y + Δy) I x, y( ) + I[ x(x, y)Iy(x, y)] Δx
≈ Δy
c x, y( ) = [Ix(x, y)Iy(x, y)] Δx
⎝ Δy ⎠
⎜ ⎟
⎛ ⎞2
∑W
= [ΔxΔy] (Ix(x, y))2
∑W (Ix(x, y)Iy(x, y))
∑W
Ix(x, y)Iy(x, y)
( )
∑W (Iy(x, y))2
∑W
ΔxΔy
Figure 2. CCD image shot. Figure 3. CCD and Thermal burn image fusion.
Figure 4. Featurespoint images.
Figure 5. Images for anaiysis featurespoint. Figure 6. Transformation of Angle and location.
Pan, Tilt (PT)를 통해 카메라의 촬영 위치를 이동할 수 있 게 한다.
2.5 Alarm Blending
열화상에서 특정온도를 초과하는 물체의 감시나 추적을 위한 기능이다. 열화상 이미지에서 설정된 온도 이상의 온 도값이 관측되면 해당 온도값의 이미지 부분 색상을 붉은색 으로 표시함과 동시에 Cross 포인터가 Display될 수 있도록 한다. 이 때 해당 물체가 이동하는 경우나 붉은 색의 낙엽 또는 의상인 경우에는 카메라가 자동으로 대상을 추적하도 록 한다. 아울러 마우스를 이용해 열화상영역의 특정부위를 클릭하여 이를 인식한 촬영위치를 이동하게 한다.
2.6 Panorama Image 생성
Panorama 영상을 생성하고 각각의 이미지에 대한 특징 여기서 xi: x축 변화 수 yi: y축 변화 수 h: 높이 u: 폭
2.4 Alpha Blending 영상합성
Alpha Blending 영상합성은 두 개의 영상이 결합되는 부분의 밝기값 경계를 부드럽게 만들기 위해 사용한다.
Figure 7(a)의 열화상 이미지와 Figure 7(b)의 CCD로 촬 영한 이미지의 두 영상에 Alpha Blending을 적용한 것으 로 Figure 7(c)와 같이 이미지가 겹쳐보이듯이 보임을 알 수 있다.
아울러 서로 다른 두 개의 이미지인 경우에는 밝기값 차 이를 분석하여, 그 차이만큼 밝기값을 보정한 다음 영상을
x'i+1 − x'i
( ) (y'i+1 − y'i) y' = y'i + u×(y'i+1 − y'i)− h×(x'i+1 − x'i)
x'i+1 − x'i
( )2(y'i+1 − y'i)2 ---
Figure 7. Thermal burn and CCD & Alpha blending image.
Figure 8. Thermal burn image of multi-pronged and Panorama create image.
점 계산이 가능한 해리스 코너 검출방식을 이용하여 각 위 치의 영상좌표를 계산한다.
Figure 8(a)는 다각도로 촬영한 열화상이미지이고 Figure 8(b)는 Panorama 생성 이미지이다.
Figure 9는 Panorama 이미지 생성 순서도이다. 카메라 에서 Pan-Tilt-Zoom (PTZ) 원점을 취득하고 특징점에 대 한 Data 저장과 특징점 분석에 Panorama 파라메타가 있 으면 각 이미지를 모듈로 표시하고 없으면 카메라 설치 수 량까지 이미지를 촬영하고 분석하여 파라메타를 생성시켜 적용한다.
이는 CCD 카메라의 화각이 좁은 경우에는 산악지역과 같은 넓은 범위에서는 적응성이 감소되기 때문에 전체영
역에 대한 영상을 하나의 이미지로 생성하여 모니터링 할 수 있게 한 것이다.
3. 온도 감지 및 화재 발생 이미지와 시험
3.1 온도 감지 및 3단계 화재 발생 진단
온도감지와 화재발생이미지의 정확성을 기하기 위해 데 이터 값은 0~255 값, 센서 출력값은 0~5,000의 값으로 한 다. Range 값의 설정부분만을 이미지로 변환하여 Display 하고 열화상 영상에서 제공되는 Raw Data 분석, 검출된 온도를 이용하고, 화재 발생 진단은 주의/경보/화재의 3단 계로 수행할 수 있게 프로그램하여 Alarm을 제공하고 시 Figure 9. Panorama image create flowchart.
맨 처음 장비 셋팅시에 수동으로 영상간 융합 방법을 도 출한다. 이 때 생성된 데이터를 이용하여 실시간 영상융합 및 분석여부를 확인한 다음 위치데이터를 자동으로 인식 비교하기 위해 영상의 특징점을 탐색하게 한다. 모두 급격 하게 변하는 위치를 정하여 특징점으로 검출할 수 있는 해 리스 코너 포인트 검출 수식을 이용하여 영상 내에 정의된 윈도우 안에 픽셀 값이 상 · 하 · 좌 · 우 방향으로 확인할 수 있게 한다. 그런 후에 CCD영상과 열화상이 매칭되는 위치를 비교하여 정확한 위치 대응이 되도록 한다.
3.3 시험
열화상분석과 검출된 온도에 따른 실제 화재시험을 위 해 시험체에 정격전압을 인가하고 주위 온도 24oC~26oC, 습도 70~80%의 환경에서 30분이상 방치한 후 실시하였다.
이 때 화재를 가정한 화원은 700 mm × 700 mm 크기의 화 조에 물을 12 mm 높이로 넣은 후 N-heptane을 약 25 mm 로 채웠다. 거리는 시험체로부터 500 m, 1000 m, 1500 m 이격시킨 다음 점화기를 이용하여 N-heptane에 점화한 직 후 이 화염에 의해 작동하는 시험체의 작동시간과 화면이 미지 생성을 확인하였다. Figure 10의 화면에는 열화상카 메라와 CCD 카메라 제어를 위한 메뉴와 수신데이터, PTZ 위치데이터, 단계별 경보데이터, PTZ 메뉴 등에 대하여
위치를 나타낼 수 있게 한 것이다.
4. 결 론
IT 기술과 센싱기술의 진화는 영상인식 기반의 화재감 지를 가능하게 하였으나 연무, 안개 및 붉은 낙엽 등으로 인한 비동작의 발생이 우려된다. 따라서 적외선카메라, CCD 카메라로 촬영한 영상 데이터를 분석하고 영상 및 열화상 이미지의 온도 분포를 이용하여 비동작을 감소시 킬 수 있는 CCD 카메라와 열화상의 실시간 추정과 화재 경보에 대하여 논한 것이다.
이를 위한 각도 및 위치에 따른 좌표변환 및 특징점 분 석과 검출, Point간의 벡터 성분 조사와 동일 형상의 벡터 성분 간의 융합을 위한 좌표점 설정에 따른 이미지 융합이 원활함을 확인하였다. 온도감지와 화재발생이미지의 데이 터 값은 0~255, 센서 출력값은 0~5,000으로 하여 정확성 이 높았다. 시험 결과 시험체로부터 500 m, 1000 m, 1500 m 거리에서 화염에 의한 시험체의 작동시간과 화면이미지 생성을 확인하였다. 동작시간은 500 m에서 7초, 1000 m 에서 26초, 1500 m에서는 62초가 소요되었다. 열화상 분 석과 검출된 온도를 이용한, 화재 발생 진단은 주의/경보/
화재의 3단계로 프로그램하여 Alarm의 순차적 동작과
Figure 10. Fire experiment photograph (1000 m).
SNS전송을 확인하였다.
비화재보시험을 위해 백열등(30 W, 60 W), 형광등(20 W, 40 W)에 대해 시험하였으나 모두 비화재보를 발생하지 않 았다. 아울러 시간대별 화염의 변화영상과 화재의 진행방 향 및 확산속도를 분석할 수 있었으며 화재진행상황 예측 및 경보할 수 있었다. 따라서 영상화재감지기와 복합기능 의 화재감지기에 대한 관리 개념의 현실화 및 소방법령제 도 개선시 근거를 제공할 수 있을 것으로 사료된다.
References
1. J. H. Lee, Y. S. Cho, D. H. Baek and J. K. Kim, Test Standards for Detecting Fire by CCD Camera, Proceed- ings of 2015 Fall Annual Conference, Korean Institute of Fire Science & Engineering, pp. 137-138 (2015).
2. “Detector of the Type Approval and Technical Standards of Product Inspection”, Ministry of Public Safety and Security Notification (2015).
3. NFSC 203, “Automatic Fire Detection System and Visual Warning Device Fire Safety Codes”, Ministry of Public Safety and Security Notification (2015).
4. FM, “Approval Standard for Video Image Fire Detectors for Automatic Fire Alarm Signaling” (2012).
5. ISO 7240, “Fire Detection and Alarm System Part 29 Video Fire Detectors” (2015).
6. Korea Information and Communication Construction Asso- ciation, “CCTV System Install Standard Method” (2012).
7. D. H. Baek, “A Study on the Improvement for Sensitiv- ity Test of Flame Detectors”, Fire Science and Engineer- ing, Proceedings, Vol. 28, No. 6, pp. 58-61 (2014).
