본 발명은 인공 신경망 모델 기반 화재 조기 검출 장치 및 방법에 관한 것으로서, 화재 시 발생하는 화재 요소를 모델링한 파티클 집합체에 대응하는 화재 객체를 특정 실내 공간을 사전에 촬영한 깊이맵 영상을 배경으로 합성하여 라벨링 처리함에 따라 생성된 학습 데이터셋을 저장하는 학습 데이터셋 저장부와, 상기 학습 데이터셋에 기초한 합성곱 연산을 통해 이미지 내 객체의 특징 파라미터들을 획득함에 따라 해당 객체를 화재 요소에 대하여 기설정된 복수의 클래스 중 하나로 분류하도록 구성된 학습 모델을 훈련하는 학습 모델 훈련부와, 상기 실내 공간을 촬영한 현재 시점의 영상 이미지를 평가대상 이미지로 하여 기저장된 상기 학습 데이터셋에 대응되도록 전처리한 전처리 이미지를 생성하는 이미지 전처리부와, 상기 전처리 이미지를 상기 학습 모델의 입력 데이터로 적용하여 상기 평가대상 이미지에 포함된 객체를 상기 복수의 클래스 중 하나로 분류하는 확률값을 산출하는 클래스 분류부와, 불꽃 또는 연기 클래스로 분류된 적어도 하나 이상의 객체에 대응하여 산출된 확률값이 기설정된 기준값 이상인 경우, 각각의 상기 객체의 객체 영역을 둘러싸는 검출 영역을 일정 시간 동안 추적한 객체 추적 영상을 획득하는 객체 추적부와, 상기 객체 추적 영상에 기초하여 실제 불꽃 또는 연기에 대응하는 화재 속성의 존재 여부를 판별한 결과에 따라 화재 발생 여부를 판단하는 화재 판단 모듈을 포함하는 것을 특징으로 한다. 이에 따라, 시나리오 기반의 다양한 환경에서의 학습 데이터를 다량으로 생성할 수 있어 종래의 학습 데이터 부족에 따른 화재 조기 검출 능력의 한계를 극복하고 매우 높은 수준의 검출률을 얻을 수 있는 효과가 있다.

G08B 29/18(2006.01.01)
G08B 17/12(2014.01.01)
G08B 5/22(2006.01.01)
G06V 10/774(2022.01.01)
G06V 20/70(2022.01.01)
G06V 10/20(2022.01.01)
G06V 10/764(2022.01.01)
G06V 10/62(2022.01.01)
G06V 10/82(2022.01.01)

G08B 29/186(2013.01)