KR100993205B1 - System and method for detecting disaster occurrence - Google Patents
System and method for detecting disaster occurrence Download PDFInfo
- Publication number
- KR100993205B1 KR100993205B1 KR1020080116904A KR20080116904A KR100993205B1 KR 100993205 B1 KR100993205 B1 KR 100993205B1 KR 1020080116904 A KR1020080116904 A KR 1020080116904A KR 20080116904 A KR20080116904 A KR 20080116904A KR 100993205 B1 KR100993205 B1 KR 100993205B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- state category
- disaster
- gray value
- category
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0181—Memory or computer-assisted visual determination
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Alarm Systems (AREA)
Abstract
재난발생 감지 시스템 및 방법이 개시된다. 실시간으로 구조물의 재난 유무를 감지하기 위한 재난발생 감지 시스템은 영상 입력부, 이미지 프로세싱 수행부, 및 영상 관리부를 포함한다. 영상 입력부는 관리 대상 구조물을 촬영한 구조물 영상을 입력받고, 이미지 프로세싱 수행부는 미리 설정된 구조물 상태 카테고리의 분류 기준을 중심으로 구조물 영상을 재구성한 후에, 사전에 학습시킨 정상 상태의 표준 영상 그레이 값에 구조물 영상의 그레이 값을 비교하는 이미지 프로세싱을 수행하며, 영상 관리부는 이미지 프로세싱 수행 결과 중에서, 표준 영상 그레이 값과 일치하지 않는 비정상 구조물 영상을 구조물 상태 카테고리별로 구분하여 저장하고 외부로 전송한다. 이로 인해, 이미지 센싱한 결과 데이터와 정상 상태 데이터의 비교를 통해 카테고리별 재난 유무를 자동으로 감지하여 재난에 대한 효과적인 대처를 가능하게 할 수 있다. 또한, 구조물의 촬영 영상을 관리자에게 실시간으로 전송하여 재난 유무를 육안으로 실시간 확인할 수 있도록 할 수 있다. Disaster detection systems and methods are disclosed. The disaster detection system for detecting a disaster of a structure in real time includes an image input unit, an image processing performing unit, and an image managing unit. The image input unit receives a structure image photographing the structure to be managed, and the image processing unit reconstructs the structure image based on the classification criteria of a preset structure state category, and then, the image is input to the standard image gray value of the normal state that was previously learned. The image processing unit compares the gray values of the images, and the image manager divides the abnormal structure images, which do not match the standard image gray values, into the structure state categories, and transmits them to the outside. Thus, by comparing the result data of the image sensing and the steady state data, it is possible to automatically detect the presence or absence of disaster by category to enable effective response to the disaster. In addition, by transmitting the captured image of the structure to the administrator in real time it can be confirmed in real time whether the disaster.
재난, 구조물, 이미지 센싱 Disaster, structure, image sensing
Description
본 발명은 재난발생 감지 시스템 및 방법에 관한 것으로, 보다 상세하게는 재난발생을 감지하고자 하는 관리 대상 구조물의 촬영 영상에 카테고리의 분류 기준에 대응하는 이미지 프로세싱을 적용하여 구조물의 재난 유무를 감지하도록 하기 위한 재난발생 감지 시스템 및 방법에 관한 것이다. The present invention relates to a disaster detection system and method, and more particularly, to detect the presence or absence of a disaster by applying image processing corresponding to a classification criterion of a category to a captured image of a managed structure to detect a disaster occurrence. The present invention relates to a disaster detection system and method.
최근 각종 재난으로 인한 사고에 대한 예방 및 관리에 대한 관심이 급증하고 있다. 해마다 재난으로 인한 사고율은 5% 정도씩 증가하고 있는데 반해 이런 재난에 대한 예방 및 안전장치는 과거의 방법을 그대로 사용하고 있다. Recently, interest in the prevention and management of accidents caused by various disasters is increasing rapidly. The annual accident rate of disasters is increasing by 5%, while the preventive and safeguards against such disasters use the old methods.
즉, 전자 및 측정기술의 발달로 수많은 분야에서는 첨단장치 및 방법을 이용하는 자동화 측정 관리 시스템을 사용하고 있으나, 태풍과 홍수 등 자연재해는 물론, 터널 내부 및 교량 상의 화재, 폭설 등 다양한 구조물관련 재난사고에 대한 분야는 아직도 관리자가 직접 관리 감독하는 시스템을 그대로 유지하고 있다.In other words, due to the development of electronic and measurement technology, many fields are using automated measurement management system using advanced devices and methods.However, natural disasters such as typhoon and flood, as well as disasters related to various structures such as fire and snowfall in tunnels and bridges The field still maintains a system that is directly supervised by managers.
이와 같이 관리자에 의한 직접 관리 감독은 그 자체가 항시적이지 않고 또한 인력이 많이 지원되지 않는 이유로 인해 완벽한 관리가 되지 못하므로 인력에 의존 하지 않고 24시간 재해를 감시할 수 있는 시스템이 요구된다.As such, direct supervision by managers is not always complete due to the fact that it is not always on its own and not supported by a large number of people. Therefore, a system that can monitor 24 hours of disasters without resorting to manpower is required.
따라서, 많은 분야에서 이런 시스템 개발을 연구해 왔고, 그 결과 센서를 이용하여 측정한 데이터의 정량적인 분석을 통해 구조물의 재난발생을 감지하는 방법이 개발되었다. 하지만, 이러한 센서를 이용한 재난 발생 감지 시스템은 측정 데이터의 분석에 많은 시간이 소요되어 긴급한 재난 대처시 효율적이지 못하다는 문제점을 가지고 있다. Therefore, many systems have been studied to develop such a system, and as a result, a method for detecting a disaster of a structure through quantitative analysis of data measured using a sensor has been developed. However, the disaster detection system using such a sensor has a problem that it takes a lot of time to analyze the measurement data and is not efficient when dealing with emergency disasters.
그러므로 재난 시 신속한 초동 대처를 위해서 데이터의 분석에 앞서 재난 상황을 육안으로 확인하도록 할 수 있으며, 이상 유무를 자동 감지하고 그 종류에 따라 유관기관으로 실시간 전송하여 재난에 대한 효과적인 대처를 가능하게 할 수 있는 시스템의 개발이 시급하다.Therefore, it is possible to check the disaster situation with the naked eye before analyzing the data for quick initial response in case of disaster, and it is possible to detect the abnormality automatically and send it to the relevant organizations in real time according to the type to enable effective response to the disaster. Development of the system is urgent.
본 발명은 이와 같은 종래의 문제점을 해결하기 위해 안출된 것으로서, 구조물의 촬영 영상을 실시간으로 전송하여 재난 유무를 육안으로 실시간 확인할 수 있도록 하며, 촬영 영상에 카테고리의 분류 기준에 대응하는 이미지 프로세싱을 적용함으로써 재난 유무를 자동으로 감지하여 재난에 대한 효과적인 대처를 가능하게 하는 것을 목적으로 한다. The present invention has been made to solve such a conventional problem, by transmitting the captured image of the structure in real time to check the presence of disaster in real time, and apply the image processing corresponding to the classification criteria of the category to the captured image The purpose of this is to automatically detect the presence of a disaster and enable effective coping with disasters.
상기 목적을 달성하기 위해 본 발명에 따른 재난발생 감지 시스템은 영상 입력부, 이미지 프로세싱 수행부, 및 영상 관리부를 포함한다. In order to achieve the above object, a disaster detection system according to the present invention includes an image input unit, an image processing unit, and an image manager.
영상 입력부는 관리 대상 구조물을 촬영한 구조물 영상을 입력받고, 이미지 프로세싱 수행부는 미리 설정된 구조물 상태 카테고리의 분류 기준을 중심으로 구조물 영상을 재구성한 후에, 사전에 학습시킨 정상 상태의 표준 영상 그레이 값에 구조물 영상의 그레이 값을 비교하는 이미지 프로세싱을 수행하며, 영상 관리부는 이미지 프로세싱 수행 결과 중에서, 표준 영상 그레이 값과 일치하지 않는 비정상 구조물 영상 및 상기 비정상 구조물 영상에 대한 이미지 프로세싱 결과 데이터를 구조물 상태 카테고리별로 구분하여 저장하고 외부로 전송한다.The image input unit receives a structure image photographing the structure to be managed, and the image processing unit reconstructs the structure image based on the classification criteria of a preset structure state category, and then, the image is input to the standard image gray value of the normal state that was previously learned. The image processing unit compares the gray values of the images, and the image manager divides the abnormal structure image that does not match the standard image gray value and the image processing result data of the abnormal structure image by the structure state category among the image processing results. Save and send to the outside.
이때, 구조물 상태 카테고리는 수위 상태 카테고리, 유실 상태 카테고리, 화재 상태 카테고리, 교통 상태 카테고리 등 다수의 구조물 상태를 나타내는 카테고리 중에서 하나 이상을 포함할 수 있다. In this case, the structure state category may include one or more of categories representing a plurality of structure states such as a water level state category, a lost state category, a fire state category, and a traffic state category.
또한, 이미지 프로세싱 수행부는 수위 상태 카테고리의 분류 기준에 대응하도록, 구조물 영상에서 구조물 상에 표시된 눈금자의 위치를 중심으로 이미지 프로세싱을 수행할 수 있다.In addition, the image processing unit may perform image processing based on the position of the ruler displayed on the structure in the structure image so as to correspond to the classification criteria of the water level state category.
또한, 이미지 프로세싱 수행부는 유실 상태 카테고리의 분류 기준에 대응하도록, 구조물 영상에서 구조물의 외각 형태를 중심으로 이미지 프로세싱을 수행할 수 있다. In addition, the image processing unit may perform image processing based on the outer shape of the structure in the structure image to correspond to the classification criteria of the lost state category.
또한, 이미지 프로세싱 수행부는 화재 상태 카테고리의 분류 기준에 대응하도록, 구조물 영상에서 구조물 상부의 소정 영역을 중심으로 이미지 프로세싱을 수행할 수 있다. In addition, the image processing performing unit may perform image processing around a predetermined area of the upper portion of the structure in the structure image so as to correspond to the classification criteria of the fire state category.
또한, 이미지 프로세싱 수행부는 교통 상태 카테고리의 분류 기준에 대응하도록, 구조물 영상에서 구조물의 상부 도로를 통행하는 차량의 고정된 임의의 영역을 중심으로 이미지 프로세싱을 수행할 수 있다. In addition, the image processing performing unit may perform image processing around an arbitrary fixed area of the vehicle passing through the upper road of the structure in the structure image so as to correspond to the classification criteria of the traffic condition category.
또한, 본 발명에 따른 재난발생 감지 시스템은 관리 대상 구조물의 전체 이미지가 포함되도록 촬영한 구조물 영상을 수집하여 영상 입력부로 전송하는 영상 수집부를 더 포함할 수 있다.In addition, the disaster detection system according to the present invention may further include an image collection unit for collecting the structure image photographed to include the entire image of the structure to be managed to transmit to the image input unit.
또한, 본 발명에 따른 재난발생 감지 시스템은 영상 관리부로부터 전송받은 비정상 구조물 영상을 구조물 상태 카테고리에 따라 구성되어 있는 내부 데이터베이스에 대응하도록 저장하고, 비정상 구조물 영상으로부터 재난 여부를 판정하는 중앙 관리부를 더 포함할 수 있다. In addition, the disaster occurrence detection system according to the present invention stores the abnormal structure image received from the image management unit to correspond to the internal database configured according to the structure status category, and further includes a central management unit for determining whether the disaster from the abnormal structure image can do.
또한, 중앙 관리부는 비정상 구조물 영상이 재난 발생으로 판정되었을 경우 경보를 발생하고, 비정상 구조물 영상 및 재난 판정 결과 데이터를 관리자에게 전송할 수 있다. The central management unit may generate an alarm when the abnormal structure image is determined to be a disaster and transmit the abnormal structure image and the disaster determination result data to the manager.
본 발명에 따른 재난발생 감지 방법은 영상 입력 단계, 이미지 프로세싱 수행 단계, 및 영상 관리 단계를 포함한다. A disaster detection method according to the present invention includes an image input step, an image processing step, and an image management step.
영상 입력 단계는 관리 대상 구조물을 촬영한 구조물 영상을 입력받고, 이미지 프로세싱 수행 단계는 미리 설정된 구조물 상태 카테고리의 분류 기준을 중심으로 구조물 영상을 재구성한 후에, 사전에 학습시킨 정상 상태의 표준 영상 그레이 값에 구조물 영상의 그레이 값을 비교하는 이미지 프로세싱을 수행하며, 영상 관리 단계는 이미지 프로세싱 수행 결과 중에서, 표준 영상 그레이 값과 일치하지 않는 비정상 구조물 영상 및 상기 비정상 구조물 영상에 대한 이미지 프로세싱 결과 데이터를 구조물 상태 카테고리별로 구분하여 저장하고 외부로 전송한다. The image input step receives a structure image photographing a structure to be managed, and the image processing step reconstructs a structure image based on a classification criteria of a preset structure state category, and then learns a normal image gray value of a normal state previously learned. Image processing is performed to compare the gray values of the structure image to the image management step, and the image processing result data of the abnormal structure image and the image processing result data for the abnormal structure image that does not match the standard image gray value among the image processing results Save by category and send to the outside.
또한, 구조물 상태 카테고리는 수위 상태 카테고리, 유실 상태 카테고리, 화재 상태 카테고리, 교통 상태 카테고리 등 다수의 구조물 상태를 나타내는 카테고리 중에서 하나 이상을 포함할 수 있다.In addition, the structure state category may include one or more of categories representing a plurality of structure states such as a water level state category, a lost state category, a fire state category, and a traffic state category.
또한, 이미지 프로세싱 수행 단계에서는 수위 상태 카테고리의 분류 기준에 대응되도록, 구조물 영상에서 구조물 상에 표시된 눈금자의 위치를 중심으로 이미지 프로세싱을 수행할 수 있다. In the image processing step, the image processing may be performed based on the position of the ruler displayed on the structure in the structure image so as to correspond to the classification criteria of the water level state category.
또한, 이미지 프로세싱 수행 단계에서는 유실 상태 카테고리의 분류 기준에 대응되도록, 구조물 영상에서 구조물의 외각 형태를 중심으로 이미지 프로세싱을 수행할 수 있다. In the image processing step, the image processing may be performed based on the outer shape of the structure in the structure image so as to correspond to the classification criteria of the lost state category.
또한, 이미지 프로세싱 수행 단계에서는 화재 상태 카테고리의 분류 기준에 대응되도록, 구조물 영상에서 구조물 상부의 소정 영역을 중심으로 이미지 프로세싱을 수행할 수 있다. In addition, in the image processing step, the image processing may be performed around a predetermined area of the upper part of the structure in the structure image so as to correspond to the classification criteria of the fire state category.
또한, 이미지 프로세싱 수행 단계에서는 교통 상태 카테고리의 분류 기준에 대응되도록, 구조물 영상에서 구조물의 상부 도로를 통행하는 차량의 고정된 임의의 영역을 중심으로 이미지 프로세싱을 수행할 수 있다.In addition, in the performing of the image processing, the image processing may be performed around a fixed area of the vehicle that passes through the upper road of the structure in the structure image so as to correspond to the classification criteria of the traffic condition category.
또한, 본 발명에 따른 재난발생 감지 방법은 영상 입력 단계 이전에 관리 대상 구조물의 전체 이미지가 포함되도록 촬영한 구조물 영상을 수집하여 전송하는 영상 수집 단계를 더 포함할 수 있다.In addition, the disaster occurrence detection method according to the present invention may further include an image collection step of collecting and transmitting the structure image photographed to include the entire image of the structure to be managed before the image input step.
또한, 본 발명에 따른 재난발생 감지 방법은 영상 관리 단계 이후에 비정상 구조물 영상을 구조물 상태 카테고리에 따라 구성되어 있는 내부 데이터베이스에 대응하도록 저장하고, 비정상 구조물 영상으로부터 재난 여부를 판정하는 중앙 관리 단계를 더 포함할 수 있다.In addition, the disaster occurrence detection method according to the present invention stores the abnormal structure image to correspond to the internal database configured according to the structure status category after the image management step, and further comprises a central management step of determining whether the disaster from the abnormal structure image It may include.
또한, 중앙 관리 단계에서는 비정상 구조물 영상이 재난 발생으로 판정되었을 경우 경보를 발생하고, 비정상 구조물 영상 및 재난 판정 결과 데이터를 관리자에게 전송할 수 있다. In addition, in the central management step, when an abnormal structure image is determined to be a disaster, an alarm is generated, and the abnormal structure image and the disaster determination result data may be transmitted to the manager.
본 발명에 의해 재난 발생을 감지하고자 하는 관리 대상 구조물을 촬영한 영상을 카테고리의 분류 기준에 대응하도록 이미지 프로세싱을 수행하여, 정상 상태 데이터에 촬영한 데이터를 비교하여 관리 대상 구조물의 재난 발생 유무를 감지할 수 있으므로 재난에 대해 효과적인 대처를 가능하게 할 수 있다.According to the present invention, image processing is performed on an image photographing a managed object structure to detect a disaster occurrence according to a category classification criterion, and the presence or absence of a disaster occurrence of the managed object structure is detected by comparing the photographed data to the steady state data. This can enable effective coping with disasters.
또한, 관리 대상 구조물의 촬영 영상을 관리자에게 실시간으로 전송하여 재난 발생 유무를 육안으로 실시간으로 확인하도록 할 수 있다. In addition, by transmitting the captured image of the management target structure to the administrator in real time to check the presence of a disaster in real time.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명한다. 발명의 이해를 보다 명확하게 하기 위해 동일한 구성요소에 대해서는 상이한 도면에서도 동일한 부호를 사용하도록 한다. Hereinafter, preferred embodiments of the present invention will be described with reference to the accompanying drawings. In order to more clearly understand the present invention, the same reference numerals are used for the same components in different drawings.
도 1은 본 발명에 따른 재난발생 감지 시스템 구성의 일 실시예를 개략적으로 나타낸 블록도이다. 1 is a block diagram schematically showing an embodiment of a disaster detection system configuration according to the present invention.
카테고리의 분류 기준을 중심으로 이미지 프로세싱을 수행하여 관리 대상 구조물의 재난 발생 유무를 감지하도록 하기 위한 재난발생 감지 시스템은 영상 수집부(200), 이미지 프로세싱 모듈(100), 및 중앙 관리부(300)를 포함하며, 이미지 프로세싱 모듈(100)은 영상 입력부(110), 이미지 프로세싱 수행부(120), 및 영상 관리부(130)를 포함한다. The disaster detection system for performing image processing based on classification criteria of a category to detect the occurrence of a disaster of a managed object structure includes an
영상 수집부(200)는 관리 대상 구조물의 전체 이미지가 포함되도록 구조물 영상을 촬영할 수 있으며, 사람이 접근하기 힘든 지점에 설치되어 홍수, 폭설, 붕괴, 화재 등의 재난 발생 현장을 촬영한 영상이 포함된 구조물 영상을 수집하여 실시간으로 영상 입력부(110)로 전송한다. The
관리 대상 구조물은 건물, 교량, 도로, 터널, 댐 등 재난 발생으로 인해 피해를 입을 우려가 있는 구조물이 해당될 수 있으며, 이하에서는 시범 지역에 설치 된 교량을 대표적인 관리 대상 구조물의 실시예로 하여 본 발명을 설명하고자 한다.The structure to be managed may be a structure that may be damaged due to a disaster such as a building, a bridge, a road, a tunnel, or a dam. Hereinafter, a bridge installed in a demonstration area is an example of a representative structure to be managed. To illustrate the invention.
영상 수집부(200)는 영상을 촬영하기에 적합한 장치가 해당될 수 있으며, 본 발명에서는 카메라, 렌즈, 팬틸트 등으로 구성하여 일반적인 CCTV와 유사한 형태로 나타낸다. 이 경우, 관리 대상 구조물의 전체 이미지가 포함되도록 사용자가 카메라를 설정할 수 있다.The
사용자로부터의 카메라 설정 없이, 자동으로 관리 대상 구조물을 감지하여 구조물 영상을 촬영하기 위해서 영상 수집부(200)는 카메라와 연결될 수 있는 'VISION 센서'를 이용할 수 있다.In order to automatically detect a structure to be managed and take a structure image without setting a camera from a user, the
'VISION 센서'는 카메라로부터 입력되는 이미지 내에 존재하는 물체를 이미지 센싱 기법을 활용하여 인식하는 광학 센서이며, 주로 로보틱스에 사용되고 있다. 'VISION sensor' is an optical sensor that recognizes an object in the image input from the camera by using image sensing technique, and is mainly used for robotics.
여기에서, 이미지 센싱 기법이란, 사물의 윤곽 등을 인식하여 적은 화소 수의 영상에서 사물의 유무를 판정할 수 있는 첨단 영상 인식 기법으로, 어두운 곳에서도 최소 조도만으로 물체의 인식이 가능하고, 수집된 대상 구조물의 촬영 각도 변화에도 무관하게 구조물을 인식할 수 있는 기법이다.Here, the image sensing technique is an advanced image recognition technique capable of determining the presence or absence of an object in an image having a small number of pixels by recognizing the outline of an object, etc., and is capable of recognizing an object with minimum illumination even in a dark place. It is a technique that can recognize a structure regardless of the change in the photographing angle of the target structure.
'VISION 센서'는 360도 회전 및 스케일(확대, 축소)에 영향을 받지 않으며, 카메라 각도가 45도 방향으로도 물체를 인식할 수 있고, 물체의 일부가 숨겨져 있는 경우나, 변경이 되어도 물체를 인식할 수 있으며, 복수의 물체도 동시에 인식할 수 있다는 특징을 가지고 있다.The 'VISION Sensor' is not affected by 360 degree rotation and scale (zoom in or out), and can recognize the object even when the camera angle is 45 degrees, and even if part of the object is hidden or changed. It can be recognized, and a plurality of objects can be recognized simultaneously.
또한, 신속한 인식 속도를 가지고 있으며, 인식한 화상 및 화상 파일의 포맷 형태에 무관하고, 빛의 영향도 거의 받지 않는다는 특징도 가지고 있다.In addition, it has a fast recognition speed and is independent of the format of the recognized image and image file, and has little characteristic of light.
이러한 특징들로 인해 영상 수집부(200)에서는 'VISION 센서'를 이용할 경우, 사용자가 카메라를 설정하여 관리 대상 구조물을 촬영하는 것보다 더욱 정확히 관리 대상 구조물을 감지하여 구조물 영상을 촬영할 수 있다. Due to these features, when the 'VISION sensor' is used in the
이미지 프로세싱 모듈(100)은 영상 수집부(200)에서 수집된 영상을 카테고리 분류 기준을 중심으로 이미지 프로세싱하는 부분으로, 영상 수집부(200)와 일체로 위치하거나, 근접한 곳에 위치할 수 있으며, 장치적인 구성으로는 카메라 제어 컨트롤러, 산업용 PC, 및 제어함을 포함할 수 있고, 시스템적인 구성으로는 상술한 바와 같이 영상 입력부(110), 이미지 프로세싱 수행부(120), 및 영상 관리부(130)를 포함할 수 있다.The
영상 입력부(110)는 관리 대상 구조물을 촬영한 구조물 영상을 영상 수집부(200)로부터 입력받으며, 이미지 프로세싱 수행부(120)는 미리 설정된 구조물 상태 카테고리의 분류 기준을 중심으로 구조물 영상을 재구성한 후에, 사전에 학습시킨 정상 상태의 표준 영상 그레이 값에 구조물 영상의 그레이 값을 비교하는 이미지 프로세싱을 수행한다. The
또한, 구조물 상태 카테고리는 수위 상태 카테고리, 유실 상태 카테고리, 화재 상태 카테고리, 및 교통 상태 카테고리 등 다수의 구조물의 상태를 나타내는 카테고리들 중에서 하나 이상을 포함할 수 있다.In addition, the structure state category may include one or more of categories representing the state of a plurality of structures such as a water level state category, a lost state category, a fire state category, and a traffic state category.
이때, 상태 카테고리의 분류 기준이란, 구조물 영상에서 그레이 값을 비교하 기 위한 대상으로 지정된 부분이다. 즉, 교량 구조물 영상에서 눈금자가 비교 대상으로 지정되었다면 해당 구조물 영상은 수위 상태 카테고리로 분류되고, 구조물 외각 형태가 비교 대상으로 지정되었다면 해당 구조물 영상은 유실 상태 카테고리로 분류된다. At this time, the classification criteria of the state category is a portion designated as an object for comparing gray values in the structure image. That is, if a ruler is designated as a comparison target in the bridge structure image, the corresponding structure image is classified into a water level state category. If the exterior shape of the structure is designated as a comparison object, the corresponding structure image is classified into a lost state category.
또한, 구조물 영상에서 구조물 상부의 소정 영역이 비교 대상으로 지정되었다면 화재 상태 카테고리로 분류되며, 구조물 상의 도로의 고정된 임의의 영역이 비교 대상으로 지정되었다면 교통 상태 카테고리로 분류된다. In addition, if a predetermined area of the upper part of the structure is designated as a comparison object in the structure image, it is classified into a fire state category, and if a certain fixed area of a road on the structure is designated as a comparison object, it is classified into a traffic state category.
상술한 영상 수집부(100)에서 이미지 센싱 기법을 이용함에 있어서 가장 중요한 인자는 검지하고자 하는 대상의 형태를 분석하여 외부 환경의 변화에도 자체 이미지 센싱에 영향을 주지 않는 팩터를 선정하는 것이다. 본 발명에서는 이러한 중요 팩터로서 이미지 센싱을 거친 구조물 영상에 이미지 프로세싱을 수행하여 그레이 값의 변화를 분석해 내는 방법을 적용하였으며, 그레이 값의 변화를 측정하는 센싱 대상으로 상기한 구조물 상태 카테고리와 같이 수위 상태, 유실 상태, 화재 상태, 및 교통 상태 등을 적용하였다. The most important factor in using the image sensing technique in the above-described
또한, 영상을 이용한 이미지 프로세싱은 영상을 이루고 있는 픽셀의 정보를 활용하여 그 대상의 대규모 형상 변화의 정도를 확인하는 것이라 할 수 있으며, 본 발명에서는 영상 수집부(200)에서 고해상도의 흑백 카메라를 적용하였기 때문에, 이미지 프로세싱 모듈(100)에서 그레이 값의 변화를 측정할 수 있고, 이로 인해 관리 대상 구조물의 변화 정도를 측정할 수 있다.In addition, the image processing using the image is to determine the degree of large-scale shape change of the object by using the information of the pixels constituting the image, in the present invention, the
이하, 도 2 내지 도 5를 참조하여 구조물 상태 카테고리별로 분류되는 이미 지를 상세히 설명하고자 하며, 상기한 바와 같이 도 2 내지 도 5는 교량을 관리 대상 구조물의 실시예로 나타낸다. Hereinafter, an image classified according to structure state categories will be described in detail with reference to FIGS. 2 to 5, and as described above, FIGS. 2 to 5 show bridges as embodiments of a structure to be managed.
또한, 이하에서 언급되는 구조물 영상의 재구성이라 함은, 구조물 영상을 확대, 축소, 회전, 선택 자르기 등의 편집을 통해 분류하고자 하는 카테고리에 적절하게 재구성하는 것을 의미한다. In addition, the reconstruction of the structure image referred to below means that the structure image is appropriately reconstructed into a category to be classified through editing such as enlargement, reduction, rotation, and selective cropping.
도 2는 수위 상태 카테고리의 분류 기준을 중심으로 이미지 프로세싱을 수행하는 일 실시예를 나타낸 도면이다. 2 is a diagram illustrating an embodiment of performing image processing based on classification criteria of a water level state category.
도 2는 교량에 형광 물질로 표시한(야간에도 수위의 변화를 감지할 수 있도록) m(미터)단위의 눈금자를 중심으로 재구성된 영상임을 알 수 있고, 교량이 설치된 위치에서의 수위가 변화할 경우에는 수면 위로 나타나는 눈금자 정도가 변화하므로, 이미지 프로세싱을 통해 눈금자 이미지의 그레이 값 변화량을 분석하여 재난 발생 여부를 판정할 수 있다. FIG. 2 shows that the image is reconstructed around a ruler in meters (meters) marked with fluorescent material on the bridge (to detect changes in the water level at night), and the water level at the bridge is changed. In this case, since the degree of the ruler appearing on the surface changes, image processing can analyze the amount of gray value change in the ruler image to determine whether a disaster has occurred.
도 3은 유실 상태 카테고리의 분류 기준을 중심으로 이미지 프로세싱을 수행하는 일 실시예를 나타낸 도면이다. 3 is a diagram illustrating an embodiment of performing image processing based on classification criteria of a lost state category.
도 3은 점선부위와 같은 외각 이미지로 설정한 교량의 형태를 중심으로 재구성된 영상임을 알 수 있고, 교량이 유실될 경우에는 설정된 교량의 외각 이미지가 변화하므로, 이미지 프로세싱을 통해 외각 이미지의 그레이 값 변화량을 분석하여 재난 발생 여부를 판정할 수 있다. 3 shows that the image is reconstructed based on the shape of the bridge set as the exterior image, such as a dotted line. When the bridge is lost, the exterior image of the bridge is changed, so that the gray value of the exterior image is processed through image processing. The amount of change can be analyzed to determine if a disaster has occurred.
도 4는 화재 상태 카테고리의 분류 기준을 중심으로 이미지 프로세싱을 수행하는 이미지의 일 실시예를 나타낸 도면이다. 4 is a diagram illustrating an embodiment of an image that performs image processing based on classification criteria of a fire state category.
도 4는 점선으로 표시된 교량 상부의 소정 영역을 중심으로 재구성된 영상임을 알 수 있고, 화재가 발생할 경우에는 점선 영역 내에 차량의 전조등보다 밝고 넓은 형태의 이미지 변화가 나타나므로, 이미지 프로세싱을 통해 점선 영역 내부 이미지의 그레이 값 변화량을 분석하여 재난 발생 여부를 판정할 수 있다. 4 shows that the image is reconstructed around a predetermined area of the upper part of the bridge indicated by a dotted line, and in case of a fire, an image change of a brighter and wider shape than the headlight of the vehicle appears in the dotted area. The amount of gray value change in the internal image may be analyzed to determine whether a disaster has occurred.
도 5는 교통 상태 카테고리의 분류 기준을 중심으로 이미지 프로세싱을 수행하는 일 실시예를 나타낸 도면이다. FIG. 5 is a diagram illustrating an embodiment of performing image processing based on classification criteria of a traffic condition category.
도 5는 점선으로 표시된 영역과 같이 교량 상부 도로를 통행하는 차량의 고정된 임의의 영역을 중심으로 재구성된 영상임을 알 수 있고, 이미지 프로세싱을 통해 점선 영역 내부 이미지의 그레이 값 변화량을 분석하여 차량의 정체상태 또는 차량의 단위 시간당 통과 대수를 판정할 수 있다.FIG. 5 shows that the image is reconstructed around an arbitrary fixed area of the vehicle that passes through the upper road of the bridge, such as the area indicated by the dotted line, and the gray value change of the image inside the dotted area is analyzed through image processing. The number of passes per unit time of the vehicle or the traffic can be determined.
즉, 소정의 시간 동안 그레이 값 변화량이 없을 경우는 정체 상태로 판정할 수 있고, 소정의 시간 동안 일정 기준 이상으로 그레이 값이 변화(차량이 통과함)한 횟수를 차량 통과 대수로 판정할 수 있다.That is, when there is no change in gray value for a predetermined time, it can be determined as a stagnant state, and the number of times that the gray value has changed (vehicle passes) for a predetermined time or more can be determined as the number of passing vehicles. .
이러한 구조물 상태 카테고리에 따른 재난 발생 여부 판정은 관리 대상 구조물에 따라 그 판정 순서가 달라질 수 있는데, 예를 들면, 관리 대상 구조물이 교량일 경우는 유실 상태, 수위 상태, 화재 상태, 교통 상태의 순으로 순차적으로 판정될 수 있고, 관리 대상 구조물이 댐일 경우에는 유실 상태, 수위 상태 순으로 판정될 수 있으며, 관리 대상 구조물이 빌딩일 경우에는 유실 상태, 화재 상태 순으로 판정될 수 있다.According to the structure status category, the order of disaster occurrence can be changed according to the structure to be managed. For example, when the structure to be managed is a bridge, it is lost, level, fire, and traffic in order. It may be determined sequentially, if the structure to be managed is a dam may be determined in the order of lost state, the water level, and if the structure to be managed is a building, it may be determined in the order of lost state, fire.
다시, 도 1을 참조하여 설명하면, 영상 관리부(130)는 이와 같이 분석된 이 미지 프로세싱 수행 결과 중에서, 표준 영상 그레이 값과 일치하지 않는 비정상 구조물 영상 및 상기 비정상 구조물 영상에 대한 이미지 프로세싱 결과 데이터를 구조물 상태 카테고리별로 구분하여 저장하고 중앙 관리부(300)로 전송한다. Referring again to FIG. 1, the
이때, 전송 방법으로는 HSPDA, Wibro와 같은 고속/대용량의 통신 장치를 이용하거나 기존의 인터넷 망을 이용할 수 있다. In this case, as a transmission method, a high speed / capacity communication device such as HSPDA, Wibro, or an existing Internet network may be used.
중앙 관리부(300)는 영상 관리부(130)로부터 전송받은 비정상 구조물 영상 및 비정상 구조물 영상에 대한 이미지 프로세싱 결과 데이터를 구조물 상태 카테고리에 따라 구성되어 있는 내부 데이터베이스에 대응하도록 저장하고, 비정상 구조물 영상 및 비정상 구조물 영상에 대한 이미지 프로세싱 결과 데이터로부터 재난 발생 여부를 판정할 수 있다.The
즉, 그레이 값을 비교한 결과가 표준 영상 그레이 값과 일치하지 않는 이미지 프로세싱 결과 데이터가 안전 범위 안에 포함되어 있지 않을 경우나, 위험 범위 안에 포함되어 있을 경우 재난 발생으로 판정할 수 있다.That is, when the result of comparing the gray values does not correspond to the standard image gray value, the image processing result data may not be included in the safety range, or may be determined as the occurrence of a disaster when included in the danger range.
중앙 관리부(300)는 비정상 구조물 영상이 재난 발생으로 판정되었을 경우 경보를 발생하고, 비정상 구조물 영상 및 재난 판정 결과 데이터를 관리자에게 전송할 수 있다. The
즉, 수위 상태의 변화는 전송된 눈금자 분석 결과와 중앙 관리부(300)의 데이터베이스에 저장되어 있는 위험 수위 범위(범람에 안전적인 눈금자 범위 또는 범람시의 눈금자 범위) 관련 데이터를 비교/분석하여, 비교/분석 결과를 이미지 형태(그래프 또는 도표 등)와 텍스트 형태로 저장하고, 눈금자가 위험 수위 범위에 포함될 경우, 재난 상황(범람)으로 인식하여 경보를 발생하며, 비교/분석 결과(수위 변화의 수치 정보 및 수위 변화율)와 영상 관리부(130)로부터 전송받은 비정상 구조물 영상을 운영자 또는 관리자에게 제공할 수 있다.In other words, the change of the water level is compared and analyzed by comparing the transmitted ruler analysis result and data related to the danger level range (ruler range safe for flooding or ruler range during flooding) stored in the database of the
운영자 또는 관리자는 비정상 구조물 영상을 통해 실시간 재난 상황을 육안으로 감지할 수 있으며, 비교/분석 결과를 데이터베이스화하여 연차별 통계 관리에 활용함으로써 홍수 발생을 예측할 수 있으므로, 피해를 최소화하기 위한 효과적인 조치를 취할 수 있다. The operator or manager can visually detect the real-time disaster situation through the abnormal structure image and can predict the occurrence of flood by using the database of comparison / analysis results for annual statistics management, so take effective measures to minimize the damage. Can be taken.
또한, 교량 유실 여부는 전송된 교량의 외각 이미지 분석 결과와 데이터베이스에 저장되어 있는 유실 안전 범위(교량 유실이 있지만 붕괴 위험이 없는 안전한 상태) 데이터를 비교/분석하여, 비교/분석 결과를 이미지 형태(그래프 또는 도표 등)와 텍스트 형태로 저장하고, 외각 이미지 분석 결과가 유실 안전 범위 데이터에 포함되지 않을 경우, 재난 상황(교량 유실)으로 인식하여 경보를 발생하며, 비교/분석 결과(일치하지 않은 데이터의 수치 정보)와 영상 관리부(130)로부터 전송받은 비정상 구조물 영상을 운영자 또는 관리자에게 제공할 수 있다.In addition, whether or not the bridge is lost is compared and analyzed by the external image analysis results of the transmitted bridges and the lost safety range (safety state in which there is a bridge loss but no risk of collapse) stored in the database. Graph or chart) and text format, and when the result of the external image analysis is not included in the lost safety range data, it is recognized as a disaster (loss of the bridge) and an alarm is generated, and the comparison / analysis result (inconsistent data) Numerical information of) and the abnormal structure image received from the
운영자 또는 관리자는 비정상 구조물 영상을 통해 실시간 재난 상황을 육안으로 감지할 수 있으며, 비교/분석 결과를 통해 대상 교량의 일부 구간 유실 또는 교각의 손괴 상태를 정확하게 확인할 수 있으므로, 피해를 최소화하기 위한 효과적인 조치를 취할 수 있다. The operator or manager can visually detect the real-time disaster situation through the abnormal structure image, and through the comparison / analysis results, it is possible to accurately identify the loss or damage of some sections of the bridge, and to effectively reduce the damage. Can be taken.
또한, 구조물의 화재 여부는 교량 상부 영역의 분석 결과와 데이터베이스에 저장되어 있는 화재 미발생 범위(교량에 화재가 발생하지 않은 상태로, 자동차 전 조등이 나타나거나 우천시 또는, 안개가 낀 경우의 상태) 데이터를 비교/분석하여, 비교/분석 결과를 이미지 형태(그래프 또는 도표 등)와 텍스트 형태로 저장한다.In addition, the fire of the structure is analyzed by the analysis result of the upper area of the bridge and the fire-free range stored in the database (the state in which there is no fire in the bridge, when the vehicle headlight appears, in the rain or in the fog). Compare / analyze data and save comparison / analysis results in image form (graphs or charts) and text form.
상부 영역 분석 결과가 화재 미발생 범위 데이터와 일치하지 않을 경우(자동차 전조등보다 밝고 넓은 형태의 큰 그레이 값이 나타난 경우), 재난 상황(화재 발생)으로 인식하여 경보를 발생하며, 비교/분석 결과(일치하지 않은 데이터의 수치 정보)와 영상 관리부(130)로부터 전송받은 비정상 구조물 영상을 운영자 또는 관리자에게 제공할 수 있다.If the upper area analysis result does not match the fire-free range data (large gray value brighter and wider than the headlights), it is recognized as a disaster (fire occurrence) and an alarm is generated. Numerical information of the data that does not match) and the abnormal structure image transmitted from the
운영자 또는 관리자는 비정상 구조물 영상을 통해 실시간 재난 상황을 육안으로 감지할 수 있으며, 비교/분석 결과를 통해 교량 위에서의 차량사고 또는 기타 다른 사고로 인한 화재 및 연기발생을 정확하게 감지할 수 있으므로, 피해를 최소화하기 위한 효과적인 조치를 취할 수 있다. Operators or managers can visually detect real-time disasters through abnormal structure images, and compare / analyze results to accurately detect fire and smoke caused by vehicle accidents or other accidents on bridges. Effective measures can be taken to minimize them.
또한, 구조물 상의 교통 상태는 교량 상부 도로를 통행하는 차량의 고정된 임의 영역의 분석 결과와 데이터베이스에 저장되어 있는 차량 위치 상태 데이터를 비교/분석하여, 단위 시간 동안 고정된 임의 영역의 분석 결과가 차량 위치 상태 데이터와 일치하는 횟수를 차량의 통과 대수로 검지한다. In addition, the traffic condition on the structure compares / analyzes the analysis result of the fixed area of the vehicle passing the bridge upper road and the vehicle location state data stored in the database, so that the analysis result of the fixed area for the unit time is The number of times that match the position status data is detected by the number of passes of the vehicle.
이때, 고정된 임의의 영역은 차량 1대가 위치할 수 있을 크기의 영역이며, 데이터베이스에 저장되어 있는 데이터는 차량 통과 이외의 안개나 비로 인한 경우의 그레이 값 데이터와 차량 위치 상태 데이터를 포함한다. 차량 위치 상태 데이터는 승용차(소형, 중형, 대형), 트럭, 버스, SUV 등의 다양한 차량이 고정된 임의의 영역을 통과할 경우의 그레이 값 데이터를 의미한다. At this time, the fixed arbitrary area is an area in which one vehicle can be located, and the data stored in the database includes gray value data and vehicle position state data in case of fog or rain other than passing through the vehicle. The vehicle position state data refers to gray value data when various vehicles such as passenger cars (small, medium and large), trucks, buses, SUVs, etc. pass through a fixed area.
고정된 임의 영역에 대한 그레이 값이 차량 위치 상태 데이터에 포함되지만, 변화가 없을 경우 차량의 정체 상태로 판정하며(다수의 차량이 임의 영역을 지나갈 경우에는 큰 그레이 값(차량)과 작은 그레이 값(공간)이 반복적으로 나타나지만, 차량이 정체되어 임의 영역 안에 차량이 위치할 경우에는 큰 그레이 값이 계속적으로 나타난다), 비교/분석 결과(차량의 통과 대수 정보 또는 정체 상태 정보)와 영상 관리부(130)로부터 전송받은 비정상 구조물 영상을 운영자 또는 관리자에게 제공할 수 있다.The vehicle position status data includes gray values for a fixed area, but if there is no change, it is determined that the vehicle is stationary (if a large number of vehicles pass through a certain area, a large gray value (vehicle) and a small gray value ( Space) appears repeatedly, but when the vehicle is congested and the vehicle is located in a certain area, a large gray value is continuously displayed), a comparison / analysis result (vehicle passing information or congestion state information) and the
운영자 또는 관리자는 비정상 구조물 영상(형식은 동영상이 됨이 바람직함)을 통해 실시간 교통 상황을 육안으로 감지할 수 있으며, 비교/분석 결과를 통해 교량 위 도로에서의 교통 상황을 정확히 분석할 수 있으므로, 운전자들에게 유용한 교통 상황 정보를 제공할 수 있다. The operator or manager can visually detect the real-time traffic situation through the abnormal structure image (the format is preferably a video), and can accurately analyze the traffic situation on the road on the bridge through the comparison / analysis results. It can provide drivers with useful traffic information.
도 6은 본 발명에 따른 재난발생 감지 방법의 일 실시예를 개략적으로 나타낸 흐름도이며, 관리 대상 구조물로 교량을 예로 들어 설명하고자 한다.6 is a flowchart schematically showing an embodiment of a disaster occurrence detection method according to the present invention, and will be described by taking a bridge as an example of a structure to be managed.
관리 대상 교량 전체를 촬영할 수 있는 위치에 설치된 영상 수집부(200)로부터 구조물 자체가 포함되도록 구조물 영상을 촬영한다(S100). 촬영된 구조물 영상은 이미지 프로세싱 모듈(100)로 입력되어, 미리 설정된 구조물 상태 카테고리의 분류 기준을 중심으로 재구성된다(S200). The structure image is photographed so that the structure itself is included from the
이미지의 재구성은 각 카테고리마다 서로 다른 분류 기준을 중심으로 재구성되는데, 수위 상태 카테고리로 분류되는 구조물 영상은 수위의 변화에 따라 나타나는 정도에 변화가 생기는 교각에 표시된 눈금자를 중심으로 하여 재구성하고, 교량 유실 상태를 분석하고자 하는 영상은 교량의 전체 외각 이미지 형태를 중심으로 하여 재구성한다. The reconstruction of the image is reconstructed based on different classification criteria for each category, and the structure image classified into the water level state category is reconstructed based on the ruler displayed on the pier where the degree of change occurs as the level changes. The image to be analyzed is reconstructed around the entire outer image form of the bridge.
또한, 교량 화재 상태를 분석하고자 하는 영상은 교량 상부의 소정 영역을 중심으로 하여 재구성하고, 교통 상태를 분석하고자 하는 영상은 교량 상부 도로에서 도로를 통행하는 차량의 고정된 소정의 영역을 중심으로 하여 재구성한다.Also, the image to analyze the fire condition of the bridge is reconstructed centering on a predetermined area of the upper part of the bridge, and the image to analyze the traffic condition is centered on a fixed predetermined area of the vehicle that passes the road on the upper road of the bridge. Reconstruct
다음으로, 재구성된 구조물 영상에 이미지 프로세싱을 수행하여(S300), 이미지 프로세싱 수행 결과, 표준 영상 그레이 값과 구조물 영상 그레이 값이 일치하는지 여부를 확인한다(S400). Next, image processing is performed on the reconstructed structure image (S300), and as a result of performing image processing, it is checked whether the standard image gray value and the structure image gray value match (S400).
두 그레이 값이 일치하는 경우에는 재난이 발생하지 않은 것으로 판정되어 그대로 종료하고, 구조물 영상 그레이 값이 표준 영상 그레이 값과 차이가 있어서 이미지 프로세싱 결과가 일치하지 않을 경우에는 표준 영상 그레이 값과 다른 그레이 값을 가지는 구조물 영상(이하 비정상 구조물 영상이라 칭함) 및 비정상 구조물 영상에 대한 이미지 프로세싱 결과 데이터를 통신망을 통해 중앙 관리부(300)로 전송한다. If the two gray values coincide with each other, it is determined that no disaster has occurred and the process is terminated as it is. If the structure image gray value is different from the standard image gray value and the image processing result does not match, the gray value different from the standard image gray value is The structure image having a structure (hereinafter referred to as an abnormal structure image) and the image processing result data for the abnormal structure image is transmitted to the
중앙 관리부(300)에서는 전송된 비정상 데이터 및 비정상 구조물 영상에 대한 이미지 프로세싱 결과 데이터를 안전 범위 데이터 또는 불안전 범위 데이터와 비교/분석하여 재난 발생 여부를 판정한다(S500). The
전송된 결과들이 안전 범위 데이터에 포함되어 있거나, 불안전 범위 데이터에 포함되어 있지 않을 경우에는 재난이 발생하지 않은 것으로 판정되어 그대로 종료하고, 전송된 결과들이 안전 범위 데이터에 포함되어 있지 않거나, 불안전 범위 데이터에 포함되어 있을 경우에는 재난이 발생한 것으로 판정되어(S600), 경고를 발생하고, 관리자 및 운영자(예컨대, 건설 교통부 등)에게 비정상 구조물 영상 및 재난 발생 여부 판정 결과를 전송한다(S700). If the transmitted results are included in the safety range data or not included in the unsafe range data, it is determined that a disaster has not occurred and is terminated as it is, and the transmitted results are not included in the safe range data, or the unsafe range data. If it is included in the disaster is determined to have occurred (S600), generates a warning, and transmits the abnormal structure image and disaster occurrence determination result to the manager and operator (for example, the Ministry of Construction and Transportation) (S700).
관리자 및 운영자는 원본 구조물을 통해 육안으로 재난 상황을 판정할 수 있으며, 재난 발생 여부 판정 결과를 통해서는 정확한 재난 정도를 감지할 수 있으므로, 이러한 데이터를 체계적으로 관리하여 재난 예측 및 재난 사례 관리를 할 수 있다.Managers and operators can visually determine the disaster situation through the original structure, and the exact result of the disaster can be detected through the result of the disaster occurrence judgment. Therefore, this data can be managed systematically for disaster prediction and disaster case management. Can be.
관리자 및 운영자로의 데이터 전송은 일반적으로 통신망을 이용하지만, 유사시에는 휴대 전화 등을 통한 문자와 영상 송신도 가능하여, 원격지에서도 재난 상황에 신속한 대처가 이루어져 피해를 최소화할 수 있다.In general, data transmission to managers and operators is performed using a communication network, but in case of emergency, text and video transmission can be performed through a mobile phone.
본 발명을 전국의 각종 시설물에 설치된 수많은 CCTV등에 적용하여, 자동감지 또는 판정기능을 갖도록 하면, 각종 재난 발생 시 실시간으로 재난 영상의 송신이 가능해 질 수 있을 것이다. If the present invention is applied to a large number of CCTVs, etc. installed in various facilities in the country, to have an automatic detection or determination function, it will be possible to transmit the disaster image in real time when various disasters occur.
또한, 본 발명의 실시예에서는 하나의 원본 구조물 영상을 촬영하고, 재구성한 후 각 카테고리별로 이미지 프로세싱을 수행하였지만, 설정에 의해 원본 구조물 영상의 촬영시 선택된 카테고리에 적합하도록 구조물을 촬영하여(예컨대 눈금자 부분만 촬영하거나, 교량 상부 소정의 영역만 촬영함), 재구성의 과정 없이 바로 이미지 프로세싱을 수행하도록 할 수 있다. In addition, in the exemplary embodiment of the present invention, one original structure image is photographed and reconstructed, and image processing is performed for each category. However, the structure is photographed so as to conform to the category selected when the original structure image is captured by setting (for example, a ruler). Only part of the image or only a predetermined area on the bridge), image processing can be performed immediately without reconstruction.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다. So far I looked at the center of the preferred embodiment for the present invention. Those skilled in the art will appreciate that the present invention can be implemented in a modified form without departing from the essential features of the present invention. Therefore, the disclosed embodiments should be considered in descriptive sense only and not for purposes of limitation. The scope of the present invention is shown in the claims rather than the foregoing description, and all differences within the scope will be construed as being included in the present invention.
도 1은 본 발명에 따른 재난발생 감지 시스템 구성의 일 실시예를 개략적으로 나타낸 블록도.1 is a block diagram schematically showing an embodiment of a disaster detection system configuration according to the present invention.
도 2는 수위 상태 카테고리의 분류 기준을 중심으로 이미지 프로세싱을 수행하는 일 실시예를 나타낸 도면.2 is a diagram illustrating an embodiment of performing image processing based on classification criteria of a water level state category.
도 3은 유실 상태 카테고리의 분류 기준을 중심으로 이미지 프로세싱을 수행하는 일 실시예를 나타낸 도면.3 illustrates an embodiment of performing image processing based on classification criteria of a lost state category.
도 4는 화재 상태 카테고리의 분류 기준을 중심으로 이미지 프로세싱을 수행하는 일 실시예를 나타낸 도면.4 illustrates an embodiment of performing image processing around classification criteria of a fire condition category.
도 5는 교통 상태 카테고리의 분류 기준을 중심으로 이미지 프로세싱을 수행하는 일 실시예를 나타낸 도면.5 is a diagram illustrating an embodiment of performing image processing based on classification criteria of a traffic condition category.
도 6은 본 발명에 따른 재난발생 감지 방법의 일 실시예를 개략적으로 나타낸 흐름도.6 is a flow chart schematically showing an embodiment of a disaster occurrence detection method according to the present invention.
Claims (18)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080116904A KR100993205B1 (en) | 2008-11-24 | 2008-11-24 | System and method for detecting disaster occurrence |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080116904A KR100993205B1 (en) | 2008-11-24 | 2008-11-24 | System and method for detecting disaster occurrence |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20100058180A KR20100058180A (en) | 2010-06-03 |
KR100993205B1 true KR100993205B1 (en) | 2010-11-10 |
Family
ID=42359866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020080116904A KR100993205B1 (en) | 2008-11-24 | 2008-11-24 | System and method for detecting disaster occurrence |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100993205B1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842203A (en) * | 2012-09-04 | 2012-12-26 | 广东省公路管理局 | Method for monitoring bridge fault on basis of video image |
KR102012681B1 (en) | 2018-05-23 | 2019-08-21 | 최성은 | Operation management system in case of emergency disaster and Drive method of the Same |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101476764B1 (en) * | 2013-03-06 | 2014-12-26 | 대구대학교 산학협력단 | Flame dete ction method based on gray imaging signal of a cameras |
CN106027986A (en) * | 2016-06-29 | 2016-10-12 | 武汉世纪水元科技股份有限公司 | Urban waterlogging monitoring system and monitoring method |
KR102005956B1 (en) * | 2018-03-19 | 2019-07-31 | 김대훈 | Image recognition apparatus in the inside of vehicle |
KR102060074B1 (en) * | 2019-03-12 | 2020-02-12 | 주식회사 영국전자 | A water level, flow rate and flow measurement system including a dual imaging device |
CN112529831B (en) * | 2019-08-28 | 2024-05-24 | 深圳市熠摄科技有限公司 | Landform potential change observation equipment using image processing technology |
CN111260892A (en) * | 2020-03-17 | 2020-06-09 | 泉州市洛江奎芳保洁有限公司 | Tunnel waterlogging early warning system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100401088B1 (en) | 2000-05-12 | 2003-10-10 | 시큐아이닷컴 주식회사 | Union security service system using internet |
KR100762197B1 (en) | 2007-06-08 | 2007-10-01 | (주)한동재생공사 | Integrated supervisory monitoring system |
JP2007272532A (en) | 2006-03-31 | 2007-10-18 | Nohmi Bosai Ltd | Fire detection apparatus |
-
2008
- 2008-11-24 KR KR1020080116904A patent/KR100993205B1/en active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100401088B1 (en) | 2000-05-12 | 2003-10-10 | 시큐아이닷컴 주식회사 | Union security service system using internet |
JP2007272532A (en) | 2006-03-31 | 2007-10-18 | Nohmi Bosai Ltd | Fire detection apparatus |
KR100762197B1 (en) | 2007-06-08 | 2007-10-01 | (주)한동재생공사 | Integrated supervisory monitoring system |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842203A (en) * | 2012-09-04 | 2012-12-26 | 广东省公路管理局 | Method for monitoring bridge fault on basis of video image |
KR102012681B1 (en) | 2018-05-23 | 2019-08-21 | 최성은 | Operation management system in case of emergency disaster and Drive method of the Same |
Also Published As
Publication number | Publication date |
---|---|
KR20100058180A (en) | 2010-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100993205B1 (en) | System and method for detecting disaster occurrence | |
KR101926561B1 (en) | Road crack detection apparatus of patch unit and method thereof, and computer program for executing the same | |
KR102167291B1 (en) | System and method for providing road status information | |
KR101095528B1 (en) | An outomatic sensing system for traffic accident and method thereof | |
CN105931411A (en) | Firefighting remote monitoring and early warning platform of multistoried building and realization method of platform | |
KR101852057B1 (en) | unexpected accident detecting system using images and thermo-graphic image | |
US11605158B2 (en) | System and method for early identification and monitoring of defects in transportation infrastructure | |
KR101445045B1 (en) | System and method for emergency alerting using the sameusing integrated management service | |
CN113726606B (en) | Abnormality detection method and apparatus, electronic device, and storage medium | |
KR102167292B1 (en) | Apparatus and method for providing road status information | |
KR101674391B1 (en) | Apparatus for measuring contamination on lens | |
CN115527364B (en) | Traffic accident tracing method and system based on radar data fusion | |
CN112351190A (en) | Digital twin monitoring system and method | |
KR102345859B1 (en) | Big data-based intelligent cultural property safety management system | |
JP2019079303A (en) | Road facility inspection system, road facility inspection method, and server used therefor | |
KR101747233B1 (en) | System and method for providing information of road surface condition | |
KR102036792B1 (en) | Facility safety check system and method | |
KR102039666B1 (en) | Facility safety check system and method | |
KR102382836B1 (en) | Integral type cctv camera system for fine dust measuring apparatus with light scattering type | |
KR102519715B1 (en) | Road information providing system and method | |
JP6892197B1 (en) | Deterioration display system, deterioration display method, and program | |
KR102121423B1 (en) | Server and method for recognizing road line using camera image | |
JP2003240869A (en) | Road surface condition determination method | |
CN113554185A (en) | Method, system and equipment for inspecting road diseases, storage medium and inspection vehicle | |
Prevedouros et al. | Video incident detection tests in freeway tunnels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20130821 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20141028 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20161103 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20171023 Year of fee payment: 8 |
|
FPAY | Annual fee payment |
Payment date: 20181101 Year of fee payment: 9 |