Einige Inhalte dieser Anwendung sind momentan nicht verfügbar.
Wenn diese Situation weiterhin besteht, kontaktieren Sie uns bitte unterFeedback&Kontakt
1. (WO2019048604) AUTOMATISCHE FRÜHERKENNUNG VON RAUCH, RUSS UND FEUER MIT ERHÖHTER ERKENNUNGSSICHERHEIT DURCH MASCHINELLES LERNEN
Anmerkung: Text basiert auf automatischer optischer Zeichenerkennung (OCR). Verwenden Sie bitte aus rechtlichen Gründen die PDF-Version.

Patentansprüche

Verfahren zur automatischen Früherkennung mit erhöhter Erkennungssicherheit von Ereignissen wie Rauch, Russ und/oder Feuer mittels einer Sensoreinheit (2) umfassend mindestens ein Objektiv (4), einen Sensor (5), eine elektronische Pixel-Farbkanal-Mischeinheit (6) sowie eine Datenverarbeitungseinheit (3), umfassend den Schritt des Belichtens des Sensors (5) während mindestens einer Belichtungsperiode (Lo) von einem zu überwachenden Landschaftssektor, wobei aus mindestens einem durch die Belichtung erhaltenen Datensatz

- ein Rauchfarben-optimierten Pixel-Bereich (DSo-s, DSi-s, DS2- s, DSn-s) berechnet und den erhaltenen Datensatz unter Einbezug von mindestens einem Detektionsalgorithmus A auf die Anwesenheit von Rauch, Russ und/oder Feuer analysiert, und/oder

- ein Datensatz mit Farbinformation im Pixel-Bereich (DSo-c) berechnet und den erhaltenen Datensatz unter Einbezug von mindestens einem Detektionsalgorithmus B auf die im Datensatz enthaltene Farbinformation analysiert wird, wobei der Detektionsalgorithmus A ein Berechnungsmodell A, der Detektionsalgorithmus B ein Berechnungsmodell B und/oder ein Detektionsalgorithmus C ein Berechnungsmodell C umfasst, wobei die Berechnungsmodelle A, B und C Berechnungsmodelle für das maschinelle Lernen (ML) darstellen und der Detektionsalgorithmus C Datensätze analysiert, welche aus zeitlich versetzten Belichtungen erhalten wurden und anhand Detektionsalgorithmen A und/oder Detektionsalgorithmen B analysiert wurden.

2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass

i) der Sensor (5) ein Farbsensor (5-1 ) umfasst und während mindestens einer Belichtungsperiode (Lo) von einem zu

überwachenden Landschaftssektor belichtet, pro Belichtungsperiode (U) einen Datensatz für mindestens einen Rauchfarben-optimierten Pixel-Bereich (DSo-s) berechnet und der erhaltene Datensatz DSo-s unter Einbezug von mindestens einem Detektionsalgorithmus A auf die

Anwesenheit von Rauch, Russ und/oder Feuer analysiert wird,

ii) sobald ein analysierter Datensatz für einen Rauchfarben- optimierten Bereich (DSo-s) auf die Anwesenheit von Rauch, Russ und/oder Feuer (Fo-s?) hinweist, anhand des Ron- Datensatzes mit den Farbpixeln, oder einen Ausschnitt davon, einen Datensatz mit Farbinformation im Pixel-Bereich (DSo-c) berechnen und unter Einbezug von mindestens einem weiteren Detektionsalgorithmus B analysieren, iii) falls der analysierte Datensatz mit Farbinformation im Pixel- Bereich (DSo-c) und/oder der Datensatz des Rauchfarben- optimierten Bereichs (DSo-s) Anzeichen für Rauch, Russ und/oder Feuer (Fo-c?, Fo-s?) aufweist, wird bevorzugt ein kalibriertes 3D-Geländemodell (3D-GM) mit in die Analyse (F3D-GM?) einbezogen,

iv) falls der analysierte Datensatz mit Farbinformation (DSo-c) weiterhin auf die Anwesenheit von Rauch, Russ und/oder Feuer (Fo-c?) hinweist, den Landschaftssektor, oder einen Ausschnitt davon, während mindestens zwei weiteren, zeitlich versetzten, Belichtungsperioden (Li, L2, Ln) belichten und die dadurch erhaltenen Roh-Datensätzen zu Datensätzen für den Rauchfarben-optimierten Bereich (DSi- s, DS2-S, DSn-s) berechnen und bevorzugt unter Einbezug von mindestens einem Detektionsalgorithmus A analysieren, v) die so erhaltenen Datensätze für den Rauchfarben- optimierten Bereich (DSi-s, DS2-S, DSn-s) von mindestens

zwei zeitlich versetzten Belichtungen unter Einbezug von mindestens einem weiteren Detektionsalgorithmus C analysieren (calc (t)), und

vi) falls der analysierte Datensatz weiterhin auf die Anwesenheit von Rauch, Russ und/oder Feuer (F13-S?) hinweist, einen Operator O benachrichtigen und/oder einen Alarm auslösen, wobei gegebenenfalls anhand mindestens einem Datensatz für den Rauchfarben-optimierten Pixel-Bereich (DSo-s, DSi- s, DS2-S, DSn-s) und/oder dem Datensatz mit Farbinformation im Pixel-Bereich (DSo-c) ein für das menschliche Auge sichtbare Bild (P) berechnet wird.

Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das maschinelle Lernen mittels Boosted Combined Model Classification erfolgt und bevorzugt eine parameterfreie Methode zur Schätzung von Wahrscheinlichkeitsdichtefunktionen, insbesondere eine Nächste-Nachbarn-Klassifikation umfassend einen k-nächste-Nachbarn-Algorithmus, und/oder eine Gaussches-Mischungs-Modell (GMM) Analyse umfasst.

Verfahren nach mindestens einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass

- der Detektionsalgorithmus A ein Kontrast-Detektions- algorithmus und/oder ein Helligkeits-Detektionsalgorithmus darstellt,

- der Detektionsalgorithmus B ein Farb-Detektionsalgorithmus darstellt, und/oder

- der Detektionsalgorithmus C ein Kontrast-Detektions- algorithmus, ein Helligkeits-Detektionsalgorithmus, Dynamik- Detektionsalgorithmus zur Analyse der Rauchbewegung, ein Expansions-Detektionsalgorithmus zur Analyse der

Ausbreitung des Rauchs und/oder Russ, und/oder ein Struktur- Detektionsalgorithmus zur Analyse der Struktur und der Richtung des Rauchs und/oder Russ darstellt, wobei der Detektionsalgorithmus C bevorzugt die Datensätze DSi-s, DS2- s und DSn-s in gegenseitiger Abhängigkeit, d.h. interaktiv, analysiert.

Verfahren nach mindestens einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass das Berechnungsmodell für das maschinelle Lernen und zur Analyse des

- Detektionsalgorithmus A mindestens ein Berechnungsmodell A für den Rauchfarben-optimierten Bereich und zur Überprüfung der Anwesenheit von Rauch, Russ und/oder Feuer umfasst,

- Detektionsalgorithmus B mindestens ein Berechnungsmodell B für den Farbbereich und zur Überprüfung der Anwesenheit von nicht-brennbaren Objekten und/oder Ereignissen umfasst, wie beispielsweise Wolken, Schatten, Wald, Bäume und/oder Blätter, Gebäude, Strassen, Gewässer, Schnee und/oder Gletscher, Felsen und/oder Verkehr, und/oder

- Detektionsalgorithmus C mindestens ein Berechnungsmodell C für Wetterdaten, Geographie und/oder den Rauchcharakter, wie die Bewegung, Ausdehnung und/oder Struktur des Rauchs, umfasst.

Verfahren nach mindestens einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass zur Analyse der zeitlich versetzten Datensätze für den Rauchfarben-optimierten Bereich (DSi-s, DS2-S, DSn-s) unter Einsatz zusätzlicher Wetterdaten (WD) vom zu überwachenden Landschaftssektor einbezogen und gegebenenfalls mittels geeigneter Algorithmen analysiert werden, wobei als Wetterdaten (WD)

i) aktuelle Wetterdaten, insbesondere Sonneneinstrahlung, Temperatur, Windrichtung, Windstärke, Luftfeuchtigkeit, Bodenfeuchtigkeit, Niederschlag und/oder Blitzschlag, und/oder

ii) kumulierte Wetterdaten der letzten Tage oder Wochen, insbesondere Temperatur, Luftfeuchtigkeit, Bodenfeuchtigkeit und/oder Niederschlag

verwendet werden, und die Wetterdaten bevorzugt Wetterdaten von dem zu überwachenden Landschaftssektor, oder einem angrenzenden Gebiet sind.

Verfahren nach mindestens einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass zur Analyse mindestens eines Detektions-algorithmus A, B und/oder C, und/oder zur Analyse mindestens eines Berechnungsmodells A, B und/oder C, ein kalibriertes SD-Geländemodells (3D-GM) hinzugezogen wird.

Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass das kalibrierte 3D-Geländemodells (3D-GM) erhalten wird, indem

i) der Sensor (5) georeferenziert wird, und somit die Höhe, der Koordinaten-Standort sowie die Neigungs- und Azimutwinkel des Sensors (5) für den jeweiligen Überwachungssektor exakt bestimmt wird,

ii) die Pixel des Sensors (5) eines ersten Roh-Datensatzes einer ersten Belichtungsperiode (Lo) zum jeweiligen Überwachungssektor des Geländes mittels geeigneter Algorithmen unter Einbezug der Neigungs- und Azimutwinkel des Sensors (5) zugeordnet und so die Pixel des Sensors (5) kalibriert werden, wodurch ein 2D-Gelände-kalibrierter Roh-Datensatz des Überwachungssektors erhalten wird,

iii) der 2D-Gelände-kalibrierte Roh-Datensatzes des Uber- wachungssektors mit einem 3D-GIS-Geländedatensatz des gleichen Geländes mittels geeigneten Algorithmen verrechnet wird, wodurch ein kalibriertes 3D-Geländemodell (3D-GM) erhalten wird, bei welchem die Pixel des Sensors (5) mit dem vom Standort des Sensors (5) aus sichtbaren Gebiet des 3D- GIS-Geländedatensatz korrelieren.

Verfahren nach mindestens einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass die Analyse der Datensätzen mit den durch den Sensor (5) erhaltenen Pixeln, und somit den Roh-Datensätzen, erfolgt.

Verfahren nach mindestens einem der Ansprüche 7 bis 9, dadurch gekennzeichnet, dass zur Erstellung des 2D-Gelände-kalibrierten Roh-Datensatzes des Überwachungssektors ein Koordinatennetz über den Überwachungssektor berechnet wird und die dadurch erhaltenen einzelnen Koordinaten-Bereiche des Überwachungssektors den einzelnen Pixeln oder Pixel-Bereichen des Sensors (5) zugeordnet werden.

Verfahren nach mindestens einem der Ansprüche 7 bis 10, dadurch gekennzeichnet, dass zur Verrechnung und Kalibrierung des SD-Geländemodells (3D-GM) im 2D-Gelände-kalibrierten Roh-Datensatz und im 3D-GIS-Geländedatensatzes pro Überwachungssektor mindestens je 4, bevorzugt mindestens je 6, identische, exakt definierte Passpunkte ausgewählt werden, wobei die Passpunkte des 2D-Gelände-kalibrierten Roh-Datensatzes bei der Berechnung des SD-Geländemodells (3D-GM) mit den Passpunkten des 3D-GIS-Geländedatensatzes mittels geeigneter Algorithmen in Übereinstimmung gebracht werden wobei als Passpunkte bevorzugt Objekte und Bauten wie Gebäude, Strassen, Sendetürme, Brunnen,

Gipfelkreuze, freistehende Bäume und/oder markante Felsen, ausgewählt werden.

System (1 ) zur automatischen Früherkennung mit erhöhter Erkennungssicherheit von Ereignissen wie Rauch, Russ und/oder Feuer gemäss dem Verfahren nach mindestens einem der Ansprüche 1 bis 1 1 , umfassend eine Sensoreinheit (2), eine Datenverarbeitungseinheit (3) sowie eine elektronische Pixel-Farbkanal-Mischeinheit (6) zur Verarbeitung von vom Farbsensor (5-1 ) erhaltenen Datensätze, dadurch gekennzeichnet, dass auf der Datenverarbeitungseinheit (3) mindestens ein Berechnungsmodell A, B und/oder C zum maschinellen Lernen, insbesondere zum maschinellen Lernen mittels Boosted Combined Model Classification, eine parameterfreie Methode zur Schätzung von Wahrscheinlichkeitsdichtefunktionen, insbesondere eine Nächste-Nachbarn-Klassifikation umfassend einen k-nächste-Nachbarn-Algorithmus, und/oder eine Gaussches-Mischungs-Modell (GMM) Analyse gespeichert ist.

System (1 ) nach Anspruch 12 und Verfahren nach mindestens einem der Ansprüche 1 bis 1 1 , dadurch gekennzeichnet, dass auf der Datenverarbeitungseinheit (3) von dem zu überwachenden Landschaftssektors ein kalibriertes 3D-Geländemodell (3D-GM) gespeichert ist, wobei das 3D-Geländemodell (3D-GM) erhalten wird durch Verrechnung des 2D-Gelände-kalibrierten Roh-Datensatzes des Überwachungssektors mit einem 3D-GIS-Geländedatensatz mit geeigneten Passpunkten des gleichen Geländes, sowie gegebenenfalls Wetterdaten (WD) zum zu überwachenden Landschaftssektor, auf der Datenverarbeitungseinheit (3) gespeichert und/oder online abrufbar sind.

System (1 ) nach Anspruch 12 und Verfahren nach mindestens einem der Ansprüche 1 bis 1 1 , dadurch gekennzeichnet, dass

- die Blende (7) des Objektivs (4) eine Blendenöffnung mit einem Wert von f/4 oder kleiner, bevorzugt von f/5.6 oder kleiner, insbesondere von f/8 oder kleiner, aufweist,

- die Belichtungszeit mindestens 0.2 Sekunden, bevorzugt mindestens 0.5 Sekunden, insbesondere mindestens 1 Sekunde, beträgt, und/oder

- die Sensoreinheit (2) auf einer drehbaren Vorrichtung angeordnet ist und einen Landschaftssektor von einem Winkel von 2 bis 30°, bevorzugt einem Winkel von 5 bis 20°, abdeckt, wobei die Sensoreinheit (2) auf der drehbaren Vorrichtung bevorzugt bis zu 360° drehbar ist.

Verwendung des Verfahrens nach mindestens einem der Ansprüche 1 bis 10 und des Systems (1 ) nach mindestens einem der Ansprüche 1 1 bis 14 zur automatischen Früherkennung von Ereignissen wie Rauch, Russ, Feuer und/oder Bränden wie Waldbrände; zur Reduktion von Fehlalarmen, insbesondere bei Waldbranderkennungssystemen, die von nicht-brennbaren Orten wie Felsen, Strassen und/oder Gewässer, und/oder von nicht-brennbaren Ereignissen wie Wolkenschatten, Staubwolken, Vogelschwärmen, Luftverschmutzung sowie von Fahr-und/oder Flugobjekten herrühren können; zur Erhöhung der Erkennungssicherheit von Ereignissen; zur genauen Ortsbestimmung von Ereignissen; sowie zur geologischen Überwachung von geologisch kritischen Regionen, insbesondere bei Gefahr eines Fels- und/oder Eisabbruchs, eines Felssturzes und/oder eines Erdrutsches.