KR102021929B1 - 범죄 위험 알림 시스템 및 방법 - Google Patents

범죄 위험 알림 시스템 및 방법 Download PDF

Info

Publication number
KR102021929B1
KR102021929B1 KR1020180055583A KR20180055583A KR102021929B1 KR 102021929 B1 KR102021929 B1 KR 102021929B1 KR 1020180055583 A KR1020180055583 A KR 1020180055583A KR 20180055583 A KR20180055583 A KR 20180055583A KR 102021929 B1 KR102021929 B1 KR 102021929B1
Authority
KR
South Korea
Prior art keywords
event
value
distance
abnormal
sensor
Prior art date
Application number
KR1020180055583A
Other languages
English (en)
Inventor
류병훈
성원모
양일규
Original Assignee
주식회사 이엠따블유
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 이엠따블유 filed Critical 주식회사 이엠따블유
Priority to KR1020180055583A priority Critical patent/KR102021929B1/ko
Application granted granted Critical
Publication of KR102021929B1 publication Critical patent/KR102021929B1/ko

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
    • G08B21/18—Status alarms
    • 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
    • G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
    • G08B21/0225—Monitoring making use of different thresholds, e.g. for different alarm levels

Abstract

범죄 위험 알림 시스템은 특정 영역에 일정한 간격으로 배치되는 센서 어레이를 포함하는 센서부, 상기 센서부가 감지한 데이터를 바탕으로 이벤트 정의 기준에 부합하는 경우 이벤트 데이터로 정의하는 이벤트 정의부, 상기 이벤트 정의부에서 정의한 이벤트 데이터를 선별하는 이벤트 데이터 선별부, 상기 이벤트 데이터 선별부에서 선별한 이벤트 데이터를 이벤트 등급 기준에 따라 등급을 결정하는 이벤트 등급 결정부 및 상기 이벤트 등급 결정부에서 결정된 이벤트 등급에 따라 알림을 발생시키는 이벤트 알림부를 포함한다.

Description

범죄 위험 알림 시스템 및 방법 {SYSTEM AND METHOD FOR NOTIFYING CRIME RISK}
본 발명은 범죄 위험 알림 시스템 및 방법에 관한 것으로, 보다 상세하게는 이벤트 발생시 범죄 위험을 알려 효과적인 범죄 위험을 전달할 수 있는 범죄 위험 알림 시스템 및 방법에 관한 것이다.
센서의 감지 활동과 보고 활동에 대한 다양한 기술들은 꾸준히 발전되어 왔다. 유비쿼터스 컴퓨팅에서 센서의 감지 활동과 보고 활동은 중요한 역할을 담당하였다. 데이터 여과, 데이터 병합, 데이터 융합 등의 기술들은 센서가 감지 활동과 보고 활동과 관련한 기술들이다.
이러한 센서를 이용한 기술은 범죄 위험을 감지하고 알리는 기술에 이용되고 있다. 그러나, 센서는 항시 감지 활동을 하고 있으며, 이렇게 항시 감지 활동을 하는 센서가 감지하는 데이터의 양은 상당히 많게 된다. 따라서, 이렇게 항시 감지 활동을 하는 센서가 감지한 모든 데이터를 분석하는 것은 시스템의 자원 소비를 유발 할 수 있다. 또한, 인접하게 배치되는 센서들에 감지되는 데이터들은 동일한 상황에 대한 데이터가 발생될 수 있어, 데이터의 중복 문제가 발생될 수 있다.
또한, 센서들이 감지한 데이터에 따라, 위급한 상황인 경우도 있고 위급하지 않은 경우도 있다. 그러나, 센서가 감지한 데이터를 바탕으로 범죄 위험을 알릴 때, 모든 상황에 동일한 알림을 하는 경우, 범죄 위험 알림의 효율이 떨어지는 문제점이 있다.
한국공개특허공보 제10-2011-0042677호(2011.04.27)
이에 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로, 본 발명의 목적은 효과적인 범죄 위험을 전달할 수 있는 범죄 위험 알림 시스템을 제공하는 것이다.
본 발명의 또 다른 목적은 효과적인 범죄 위험을 전달할 수 있는 범죄 위험 알림 방법을 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 범죄 위험 알림 시스템은 특정 영역에 일정한 간격으로 배치되는 센서 어레이를 포함하는 센서부, 상기 센서부가 감지한 데이터를 바탕으로 이벤트 정의 기준에 부합하는 경우 이벤트 데이터로 정의하는 이벤트 정의부, 상기 이벤트 정의부에서 정의한 이벤트 데이터를 선별하는 이벤트 데이터 선별부, 상기 이벤트 데이터 선별부에서 선별한 이벤트 데이터를 이벤트 등급 기준에 따라 등급을 결정하는 이벤트 등급 결정부 및 상기 이벤트 등급 결정부에서 결정된 이벤트 등급에 따라 알림을 발생시키는 이벤트 알림부를 포함한다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부는 온도, 조도, 음향, 인체 감지 및 거리에 관한 이벤트를 정의할 수 있다.
본 발명의 일 실시예에 있어서, 이벤트 정의부에서 정의하는 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00001
여기서,
Figure 112018047825773-pat00002
는 이벤트 함수를 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부에서 정의하는 온도에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00003
여기서,
Figure 112018047825773-pat00004
는 온도에 관한 이벤트 값,
Figure 112018047825773-pat00005
는 비정상적인 온도에 관한 이벤트 함수,
Figure 112018047825773-pat00006
는 비정상적인 온도 상승에 관한 이벤트 함수,
Figure 112018047825773-pat00007
는 비정상적인 온도 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00008
는 현재 온도값,
Figure 112018047825773-pat00009
는 비정상 온도,
Figure 112018047825773-pat00010
는 비정상적인 상승 온도,
Figure 112018047825773-pat00011
는 비정상적인 감소 온도,
Figure 112018047825773-pat00012
는 온도 변동값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부에서 정의하는 조도에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00013
여기서,
Figure 112018047825773-pat00014
는 조도에 관한 이벤트 값,
Figure 112018047825773-pat00015
는 비정상적으로 밝은 조도에 관한 이벤트 함수,
Figure 112018047825773-pat00016
는 비정상적인 조도 상승에 관한 이벤트 함수,
Figure 112018047825773-pat00017
는 비정상적인 조도 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00018
는 비정상적으로 어두운 조도에 관한 이벤트 함수,
Figure 112018047825773-pat00019
은 비정상적으로 밝은 조도,
Figure 112018047825773-pat00020
는 비정상적인 상승 조도,
Figure 112018047825773-pat00021
는 비정상적인 감소 조도,
Figure 112018047825773-pat00022
는 비정상적으로 어두운 조도,
Figure 112018047825773-pat00023
는 현재 조도값,
Figure 112018047825773-pat00024
는 조도 변동값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부에서 정의하는 음향에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00025
여기서,
Figure 112018047825773-pat00026
는 음향에 관한 이벤트 값,
Figure 112018047825773-pat00027
는 비정상적으로 큰 음향에 관한 이벤트 함수,
Figure 112018047825773-pat00028
는 비정상적인 음향 상승에 관한 이벤트 함수,
Figure 112018047825773-pat00029
는 비정상적인 음향 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00030
는 비정상적으로 작은 음향에 관한 이벤트 함수,
Figure 112018047825773-pat00031
는 비정상적으로 큰 음향,
Figure 112018047825773-pat00032
는 비정상적인 상승 음향,
Figure 112018047825773-pat00033
는 비정상적인 감소 음향,
Figure 112018047825773-pat00034
는 비정상적으로 작은 음향,
Figure 112018047825773-pat00035
는 현재 음향값,
Figure 112018047825773-pat00036
는 음향 변동값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부에서 정의하는 인체 감지에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00037
여기서,
Figure 112018047825773-pat00038
는 인체 감지에 관한 이벤트 값,
Figure 112018047825773-pat00039
는 현재 인체 감지에 관한 이벤트 함수,
Figure 112018047825773-pat00040
는 비정상적인 인체 감지 변화에 대한 이벤트 함수,
Figure 112018047825773-pat00041
는 현재 인체 감지 값, n은 감지되는 인체 수,
Figure 112018047825773-pat00042
는 인체 감지 변화값,
Figure 112018047825773-pat00043
는 인체 감지의 비정상적인 변화값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부에서 정의하는 거리에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00044
여기서,
Figure 112018047825773-pat00045
는 거리에 관한 이벤트 값,
Figure 112018047825773-pat00046
는 비정상적으로 먼 거리에 관한 이벤트 함수,
Figure 112018047825773-pat00047
는 비정상적인 거리 증가에 관한 이벤트 함수,
Figure 112018047825773-pat00048
는 비정상적이 거리 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00049
는 비정상적으로 가까운 거리에 관한 이벤트 함수,
Figure 112018047825773-pat00050
는 비정상적으로 먼 거리,
Figure 112018047825773-pat00051
는 비정상적인 증가 거리,
Figure 112018047825773-pat00052
는 비정상적인 감소 거리,
Figure 112018047825773-pat00053
는 비정상적으로 가까운 거리,
Figure 112018047825773-pat00054
는 센서와 개체와의 현재 거리값,
Figure 112018047825773-pat00055
는 센서와 개체와의 거리 변동값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 데이터 선별부는 복수개의 이벤트 데이터들을 포함하는 제1 이벤트 데이터 집합을 정의할 수 있다. 상기 제1 이벤트 데이터 집합의 원소들인 복수개의 이벤트 데이터가 발생된 지점들의 중심 위치인 제1 이벤트 중심 위치를 정의할 수 있다. 상기 제1 이벤트 중심 위치로부터 상기 제2 이벤트 데이터가 발생된 지점까지의 거리를 계산할 수 있다. 상기 제1 이벤트 중심 위치와 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하는 경우, 상기 제2 이벤트 데이터를 제2 이벤트 데이터 집합의 원소로 정의할 수 있다. 상기 제1 이벤트 중심 위치로부터 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하지 않는 경우, 상기 제2 이벤트 데이터를 상기 제1 이벤트 데이터 집합의 원소로 정의할 수 있다.
본 발명의 일 실시예에 있어서, 상기 이벤트 데이터 선별부는 상기 제1 이벤트 데이터 집합의 원소들 중 상기 제1 이벤트 중심 위치로부터의 거리가 가장 작은 값을 갖는 이벤트 데이터를 대표 이벤트 데이터로 선정하고, 상기 제1 데이터 집합에서 상기 대표 이벤트 데이터를 제외한 다른 원소들의 값을 분석 대상에서 제외할 수 있다.
본 발명의 일 실시예에 있어서, 상기 이벤트 등급 결정부는 상기 이벤트 데이터 선별부에서 선별한 대표 이벤트 데이터의 등급을 결정할 수 있다.
본 발명의 일 실시예에 있어서, 상기 이벤트 등급 결정부는 상기 센서부에서 측정된 센서값 및 측정된 센서값의 변화량을 기준으로 이벤트 등급을 결정할 수 있다.
본 발명의 일 실시예에 있어서, 상기 이벤트 등급 결정부가 결정하는 이벤트 등급은 아래의 수식에 의해 정의될 수 있다.
Figure 112018047825773-pat00056
여기서,
Figure 112018047825773-pat00057
는 이벤트 등급,
Figure 112018047825773-pat00058
는 측정된 센서값의 평균값,
Figure 112018047825773-pat00059
는 측정된 센서값들의 변화량들의 평균값,
Figure 112018047825773-pat00060
및
Figure 112018047825773-pat00061
은 가중치,
Figure 112018047825773-pat00062
는 측정된 센서값이 이벤트 등급에 영향을 미치는 센서 요소값,
Figure 112018047825773-pat00063
측정된 센서값들의 변화량이 이벤트 등급에 영향을 미치는 변화량 요소값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 센서 요소값은 아래의 수학에 의해 정의될 수 있다.
Figure 112018047825773-pat00064
상기 변화량 요소값은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00065
여기서,
Figure 112018047825773-pat00066
는 측정된 센서값이 이벤트 등급에 영향을 미치는 센서 요소값,
Figure 112018047825773-pat00067
측정된 센서값들의 변화량이 이벤트 등급에 영향을 미치는 변화량 요소값,
Figure 112018047825773-pat00068
는 측정된 센서값,
Figure 112018047825773-pat00069
는 측정된 센서값들의 평균값,
Figure 112018047825773-pat00070
는 측정된 센서값들의 변화량,
Figure 112018047825773-pat00071
는 상기 변화량들의 평균값을 나타낸다.
상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 범죄 위험 알림 방법은 이벤트 정의부가 센서부가 감지한 데이터를 바탕으로 이벤트 정의 기준에 부합하는 경우 이벤트 데이터로 정의하는 단계, 이벤트 데이터 선별부가 이벤트 데이터를 선별하는 이벤트 데이터 선별 기준에 의해 선별하는 단계, 이벤트 등급 결정부가 상기 선별된 이벤트 데이터를 이벤트 등급 기준에 따라 등급을 결정하는 단계 및 이벤트 알림부가 상기 이벤트 등급 결정부에서 결정된 이벤트 등급에 따라 알림을 발생시키는 단계를 포함한다.
발명의 일 실시예에 있어서, 상기 이벤트 정의부는 온도, 조도, 음향, 인체 감지 및 거리에 관한 이벤트를 정의할 수 있다.
본 발명의 일 실시예에 있어서, 이벤트 정의부에서 정의하는 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00072
여기서,
Figure 112018047825773-pat00073
는 이벤트 함수를 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부에서 정의하는 온도에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00074
여기서,
Figure 112018047825773-pat00075
는 온도에 관한 이벤트 값,
Figure 112018047825773-pat00076
는 비정상적인 온도에 관한 이벤트 함수,
Figure 112018047825773-pat00077
는 비정상적인 온도 상승에 관한 이벤트 함수,
Figure 112018047825773-pat00078
는 비정상적인 온도 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00079
는 현재 온도값,
Figure 112018047825773-pat00080
는 비정상 온도,
Figure 112018047825773-pat00081
는 비정상적인 상승 온도,
Figure 112018047825773-pat00082
는 비정상적인 감소 온도,
Figure 112018047825773-pat00083
는 온도 변동값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부에서 정의하는 조도에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00084
여기서,
Figure 112018047825773-pat00085
는 조도에 관한 이벤트 값,
Figure 112018047825773-pat00086
는 비정상적으로 밝은 조도에 관한 이벤트 함수,
Figure 112018047825773-pat00087
는 비정상적인 조도 상승에 관한 이벤트 함수,
Figure 112018047825773-pat00088
는 비정상적인 조도 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00089
는 비정상적으로 어두운 조도에 관한 이벤트 함수,
Figure 112018047825773-pat00090
은 비정상적으로 밝은 조도,
Figure 112018047825773-pat00091
는 비정상적인 상승 조도,
Figure 112018047825773-pat00092
는 비정상적인 감소 조도,
Figure 112018047825773-pat00093
는 비정상적으로 어두운 조도,
Figure 112018047825773-pat00094
는 현재 조도값,
Figure 112018047825773-pat00095
는 조도 변동값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부에서 정의하는 음향에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00096
여기서,
Figure 112018047825773-pat00097
는 음향에 관한 이벤트 값,
Figure 112018047825773-pat00098
는 비정상적으로 큰 음향에 관한 이벤트 함수,
Figure 112018047825773-pat00099
는 비정상적인 음향 상승에 관한 이벤트 함수,
Figure 112018047825773-pat00100
는 비정상적인 음향 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00101
는 비정상적으로 작은 음향에 관한 이벤트 함수,
Figure 112018047825773-pat00102
는 비정상적으로 큰 음향,
Figure 112018047825773-pat00103
는 비정상적인 상승 음향,
Figure 112018047825773-pat00104
는 비정상적인 감소 음향,
Figure 112018047825773-pat00105
는 비정상적으로 작은 음향,
Figure 112018047825773-pat00106
는 현재 음향값,
Figure 112018047825773-pat00107
는 음향 변동값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부에서 정의하는 인체 감지에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00108
여기서,
Figure 112018047825773-pat00109
는 인체 감지에 관한 이벤트 값,
Figure 112018047825773-pat00110
는 현재 인체 감지에 관한 이벤트 함수,
Figure 112018047825773-pat00111
는 비정상적인 인체 감지 변화에 대한 이벤트 함수,
Figure 112018047825773-pat00112
는 현재 인체 감지 값, n은 감지되는 인체 수,
Figure 112018047825773-pat00113
는 인체 감지 변화값,
Figure 112018047825773-pat00114
는 인체 감지의 비정상적인 변화값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 정의부에서 정의하는 거리에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00115
여기서,
Figure 112018047825773-pat00116
는 거리에 관한 이벤트 값,
Figure 112018047825773-pat00117
는 비정상적으로 먼 거리에 관한 이벤트 함수,
Figure 112018047825773-pat00118
는 비정상적인 거리 증가에 관한 이벤트 함수,
Figure 112018047825773-pat00119
는 비정상적이 거리 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00120
는 비정상적으로 가까운 거리에 관한 이벤트 함수,
Figure 112018047825773-pat00121
는 비정상적으로 먼 거리,
Figure 112018047825773-pat00122
는 비정상적인 증가 거리,
Figure 112018047825773-pat00123
는 비정상적인 감소 거리,
Figure 112018047825773-pat00124
는 비정상적으로 가까운 거리,
Figure 112018047825773-pat00125
는 센서와 개체와의 현재 거리값,
Figure 112018047825773-pat00126
는 센서와 개체와의 거리 변동값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 이벤트 데이터를 선별하는 단계는 복수개의 이벤트 데이터들을 포함하는 제1 이벤트 데이터 집합을 정의하는 단계, 상기 제1 이벤트 데이터 집합의 원소들인 복수개의 이벤트 데이터가 발생된 지점들의 중심 위치인 제1 이벤트 중심 위치를 정의하는 단계 및 상기 제1 이벤트 중심 위치로부터 상기 제2 이벤트 데이터가 발생된 지점까지의 거리를 계산하는 단계를 포함할 수 있다. 상기 제1 이벤트 중심 위치와 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하는 경우, 상기 제2 이벤트 데이터를 제2 이벤트 데이터 집합의 원소로 정의하고, 상기 제1 이벤트 중심 위치로부터 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하지 않는 경우, 상기 제2 이벤트 데이터를 상기 제1 이벤트 데이터 집합의 원소로 정의할 수 있다.
본 발명의 일 실시예에 있어서, 상기 이벤트 데이터를 선별하는 단계는 상기 제1 이벤트 데이터 집합의 원소들 중 상기 제1 이벤트 중심 위치로부터의 거리가 가장 작은 값을 갖는 이벤트 데이터를 대표 이벤트 데이터로 선정하고, 상기 제1 데이터 집합에서 상기 대표 이벤트 데이터를 제외한 다른 원소들의 값을 분석 대상에서 제외하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 이벤트 등급 결정부는 상기 이벤트 데이터 선별부에서 선별한 대표 이벤트 데이터의 등급을 결정할 수 있다.
본 발명의 일 실시예에 있어서, 상기 이벤트 등급 결정부는 상기 센서부에서 측정된 센서값 및 측정된 센서값의 변화량을 기준으로 이벤트 등급을 결정할 수 있다.
본 발명의 일 실시예에 있어서, 상기 이벤트 등급 결정부가 결정하는 이벤트 등급은 아래의 수식에 의해 정의될 수 있다.
Figure 112018047825773-pat00127
여기서,
Figure 112018047825773-pat00128
는 이벤트 등급,
Figure 112018047825773-pat00129
는 측정된 센서값의 평균값,
Figure 112018047825773-pat00130
는 측정된 센서값들의 변화량들의 평균값,
Figure 112018047825773-pat00131
및
Figure 112018047825773-pat00132
은 가중치,
Figure 112018047825773-pat00133
는 측정된 센서값이 이벤트 등급에 영향을 미치는 센서 요소값,
Figure 112018047825773-pat00134
측정된 센서값들의 변화량이 이벤트 등급에 영향을 미치는 변화량 요소값을 나타낸다.
본 발명의 일 실시예에 있어서, 상기 센서 요소값은 아래의 수학에 의해 정의될 수 있다.
Figure 112018047825773-pat00135
상기 변화량 요소값은 아래의 수학식에 의해 정의될 수 있다.
Figure 112018047825773-pat00136
여기서,
Figure 112018047825773-pat00137
는 측정된 센서값이 이벤트 등급에 영향을 미치는 센서 요소값,
Figure 112018047825773-pat00138
측정된 센서값들의 변화량이 이벤트 등급에 영향을 미치는 변화량 요소값,
Figure 112018047825773-pat00139
는 측정된 센서값,
Figure 112018047825773-pat00140
는 측정된 센서값들의 평균값,
Figure 112018047825773-pat00141
는 측정된 센서값들의 변화량,
Figure 112018047825773-pat00142
는 상기 변화량들의 평균값을 나타낸다.
본 발명에 따르면, 센서부(100)가 감지하는 모든 데이터를 입수하여 분석하는 것이 아니라, 이벤트 정의 기준에 부합하는 데이터만을 이벤트 데이터로 정의하여 수집하며, 이를 이용하여 범죄 위험을 판단한다. 따라서, 불필요한 데이터를 수집하지 않아 센서부의 전원을 효율적으로 관리할 수 있으며, 네트워크 자원을 잘 보전하여 효율적으로 관리할 수 있다. 또한, 범죄 상황 인식에 유효한 데이터만을 입수하여 분석할 수 있으므로 실제 세계에 대한 추론을 효율적으로 수행할 수 있다.
또한, 다수의 센서들이 배치되는 환경에서는 인접한 센서들이 동일한 상황을 감지하게 되므로, 동일한 상황에 대한 중복 데이터가 발생되게 된다. 본 발명에서는 중복되는 데이터를 제거하여 불필요한 연산 처리를 감소시키므로 시스템 자원을 보존하고 시스템 운영을 효율적으로 수행할 수 있다.
또한, 이벤트의 등급을 정량적으로 계산할 수 있어, 이벤트의 경중을 식별할 수 있다. 따라서, 긴급 조치를 요하는 위급한 상황에 대해서는 신속한 조치 및 보다 강력한 조치를 취하고, 반대로 과중하지 않은 조치를 취해도 되는 상황에 대해서는 이에 상응하는 적절한 조치를 취할 수 있다. 따라서, 획득하는 상황 정보에 따라 적절한 범죄 위험 알림을 수행할 수 있다.
도 1은 본 발명의 일 실시예에 따른 범죄 위험 알림 시스템을 나타내는 블럭도이다.
도 2는 본 발명의 일 실시예에 따른 범죄 위험 알림 시스템의 센서부를 나타내는 블럭도이다.
도 3은 본 발명의 일 실시예에 따른 범죄 위험 알림 방법을 나타내는 순서도이다.
도 4는 본 발명의 일 실시예에 따른 범죄 위험 알림 방법의 이벤트 데이터 선별 단계를 나타내는 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 실시예들을 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다.
상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함하다" 또는 "이루어진다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 범죄 위험 알림 시스템을 나타내는 블럭도이다. 도 2는 본 발명의 일 실시예에 따른 범죄 위험 알림 시스템의 센서부를 나타내는 블럭도이다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른 범죄 위험 알림 시스템(10)은 센서부(100), 이벤트 정의부(200), 이벤트 데이터 선별부(300), 이벤트 등급 결정부(400) 및 알림부(500)를 포함한다.
상기 센서부(100)는 특정 영역에 일정한 간격으로 배치되는 센서 어레이를 포함할 수 있다. 상기 센서부(100)는 온도 센서(110), 조도 센서(120), 음향 센서(130), 인체 감지 센서(140) 및 거리 센서(140)를 포함할 수 있다. 상기 센서들은 목표 공간 내에 일정한 간격으로 배치될 수 있다. 상기 센서부의 각 센서들이 측정한 측정값을 이용하여, 상기 이벤트 정의부(200), 상기 이벤트 데이터 선별부(300), 상기 이벤트 등급 결정부(400)에서 이벤트를 정의, 선별하고 이벤트의 등급을 결정할 수 있다.
상기 이벤트 정의부(200)에서는 상기 센서부(100)가 감지한 데이터를 바탕으로 이벤트 정의 기준에 부합하는 경우 이벤트 데이터로 정의할 수 있다. 상기 이벤트 정의부(200)는 온도, 조도, 음향, 인체 감지 및 거리에 관한 이벤트를 정의할 수 있다.
이벤트 정의부(200)에서 정의하는 이벤트의 이벤트 정의 기준은 아래의 수학식 1에 의해 정의될 수 있다.
수학식 1
Figure 112018047825773-pat00143
여기서,
Figure 112018047825773-pat00144
는 이벤트 함수를 나타낸다.
상기 이벤트 정의부(200)가 정의하는 이벤트 함수는 계단 함수(step function)로 정의될 수 있다. 즉, 상기 센서부(100)가 측정한 센서값이 양의 값을 갖는 경우 상기 이벤트 함수는 1의 값으로 정의되고, 음의 값을 갖는 경우 0의 값으로 정의될 수 있다.
상기 이벤트 정의부(200)에서 정의하는 온도에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식 2에 의해 정의될 수 있다.
수학식 2
Figure 112018047825773-pat00145
여기서,
Figure 112018047825773-pat00146
는 온도에 관한 이벤트 값,
Figure 112018047825773-pat00147
는 비정상적인 온도에 관한 이벤트 값,
Figure 112018047825773-pat00148
는 비정상적인 온도 상승에 관한 이벤트 값,
Figure 112018047825773-pat00149
는 비정상적인 온도 감소에 관한 이벤트 값,
Figure 112018047825773-pat00150
는 현재 온도값,
Figure 112018047825773-pat00151
는 비정상 온도,
Figure 112018047825773-pat00152
는 비정상적인 상승 온도,
Figure 112018047825773-pat00153
는 비정상적인 감소 온도,
Figure 112018047825773-pat00154
는 온도 변동값을 나타낸다.
상기 수학식 2의 상기
Figure 112018047825773-pat00155
, 상기
Figure 112018047825773-pat00156
및 상기
Figure 112018047825773-pat00157
는 상기 수학식 1의
Figure 112018047825773-pat00158
에 대응되며, 상기
Figure 112018047825773-pat00159
, 상기
Figure 112018047825773-pat00160
및 상기
Figure 112018047825773-pat00161
의 값에 따라, 상기 온도에 관한 이벤트 값이 정의된다. 즉, 상기
Figure 112018047825773-pat00162
, 상기
Figure 112018047825773-pat00163
및 상기
Figure 112018047825773-pat00164
중 어느 하나의 값이 1이 되는 경우 상기 온도에 관한 센서 측정 값이 온도에 관한 이벤트로 정의될 수 있다.
본 실시예에서, 상기
Figure 112018047825773-pat00165
는 비정상적인 온도로서, 섭씨 40도로 설정되고, 상기
Figure 112018047825773-pat00166
는 비정상적인 증가 온도로서 초당 섭씨 5도, 상기
Figure 112018047825773-pat00167
는 비정상적인 감소 온도로서 초당 섭씨 5도로 설정될 수 있다. 즉, 섭씨 40도를 초과하는 온도가 감지되면 상기
Figure 112018047825773-pat00168
와 상기
Figure 112018047825773-pat00169
의 차이가 양의 값이 되어 상기
Figure 112018047825773-pat00170
는 1의 값을 가지게 된다. 또한, 온도 변동값이 초당 섭씨 5도를 초과하여 증가하거나, 감소하게 되면, 각각 상기
Figure 112018047825773-pat00171
및 상기
Figure 112018047825773-pat00172
가 1의 값을 가지게 된다. 이 경우, 각각 온도에 관한 이벤트로 정의될 수 있다. 그러나, 본 발명은 이에 한정되는 것은 아니며, 상기
Figure 112018047825773-pat00173
, 상기
Figure 112018047825773-pat00174
및 상기
Figure 112018047825773-pat00175
는 센서가 설치되는 장소에 따라 적절한 값으로 설정될 수 있다.
상기 이벤트 정의부(200)에서 정의하는 조도에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식 3에 의해 정의될 수 있다.
수학식 3
Figure 112018047825773-pat00176
여기서,
Figure 112018047825773-pat00177
는 조도에 관한 이벤트 값,
Figure 112018047825773-pat00178
는 비정상적으로 밝은 조도에 관한 이벤트 함수,
Figure 112018047825773-pat00179
는 비정상적인 조도 상승에 관한 이벤트 함수,
Figure 112018047825773-pat00180
는 비정상적인 조도 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00181
는 비정상적으로 어두운 조도에 관한 이벤트 함수,
Figure 112018047825773-pat00182
은 비정상적으로 밝은 조도,
Figure 112018047825773-pat00183
는 비정상적인 상승 조도,
Figure 112018047825773-pat00184
는 비정상적인 감소 조도,
Figure 112018047825773-pat00185
는 비정상적으로 어두운 조도,
Figure 112018047825773-pat00186
는 현재 조도값,
Figure 112018047825773-pat00187
는 조도 변동값을 나타낸다.
상기 수학식 3의 상기
Figure 112018047825773-pat00188
, 상기
Figure 112018047825773-pat00189
, 상기
Figure 112018047825773-pat00190
및 상기
Figure 112018047825773-pat00191
는 상기 수학식 1의
Figure 112018047825773-pat00192
에 대응되며, 상기
Figure 112018047825773-pat00193
, 상기
Figure 112018047825773-pat00194
, 상기
Figure 112018047825773-pat00195
및 상기
Figure 112018047825773-pat00196
의 값에 따라, 상기 조도에 관한 이벤트 값이 정의된다. 즉, 상기
Figure 112018047825773-pat00197
, 상기
Figure 112018047825773-pat00198
, 상기
Figure 112018047825773-pat00199
및 상기
Figure 112018047825773-pat00200
중 어느 하나의 값이 1이 되는 경우 상기 조도에 관한 센서 측정 값이 조도에 관한 이벤트로 정의될 수 있다.
본 실시예에서, 상기
Figure 112018047825773-pat00201
은 비정상적으로 밝은 조도로서 1500룩스로 설정되고, 상기
Figure 112018047825773-pat00202
는 비정상적인 상승 조도로서 초당 15룩스로 설정되고, 상기
Figure 112018047825773-pat00203
는 비정상적인 감소 조도로서 초당 15룩스로 설정되고, 상기
Figure 112018047825773-pat00204
는 비정상적으로 어두운 조도로서 1000룩스로 설정될 수 있다. 즉, 1500룩스를 초과하는 조도가 감지되면, 상기
Figure 112018047825773-pat00205
와 상기
Figure 112018047825773-pat00206
의 차이가 양의 값이 되어, 상기
Figure 112018047825773-pat00207
는 1의 값을 가지게 된다. 또한, 조도 변동값이 초당 15룩스를 초과하여 증가하거나 감소하게 되면, 각각 상기
Figure 112018047825773-pat00208
및 상기
Figure 112018047825773-pat00209
가 1의 값을 가지게 된다. 또한, 1000룩스 미만의 조도가 감지되면, 상기
Figure 112018047825773-pat00210
가 1의 값을 가지게 된다. 이 경우, 각각 조도에 관한 이벤트로 정의될 수 있다. 그러나, 본 발명은 이에 한정되는 것은 아니며, 상기
Figure 112018047825773-pat00211
, 상기
Figure 112018047825773-pat00212
, 상기
Figure 112018047825773-pat00213
및 상기
Figure 112018047825773-pat00214
는 센서가 설치되는 장소에 따라 적절한 값으로 설정될 수 있다.
상기 이벤트 정의부(200)에서 정의하는 음향에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식 4에 의해 정의될 수 있다.
수학식 4
Figure 112018047825773-pat00215
여기서,
Figure 112018047825773-pat00216
는 음향에 관한 이벤트 값,
Figure 112018047825773-pat00217
는 비정상적으로 큰 음향에 관한 이벤트 함수,
Figure 112018047825773-pat00218
는 비정상적인 음향 상승에 관한 이벤트 함수,
Figure 112018047825773-pat00219
는 비정상적인 음향 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00220
는 비정상적으로 작은 음향에 관한 이벤트 함수,
Figure 112018047825773-pat00221
는 비정상적으로 큰 음향,
Figure 112018047825773-pat00222
는 비정상적인 상승 음향,
Figure 112018047825773-pat00223
는 현재 음향값,
Figure 112018047825773-pat00224
는 음향 변동값을 나타낸다.
상기 수학식 4의 상기
Figure 112018047825773-pat00225
, 상기
Figure 112018047825773-pat00226
, 상기
Figure 112018047825773-pat00227
및 상기
Figure 112018047825773-pat00228
는 상기 수학식 1의
Figure 112018047825773-pat00229
에 대응되며, 상기
Figure 112018047825773-pat00230
, 상기
Figure 112018047825773-pat00231
, 상기
Figure 112018047825773-pat00232
및 상기
Figure 112018047825773-pat00233
의 값에 따라, 상기 음향에 관한 이벤트 값이 정의된다. 즉, 상기
Figure 112018047825773-pat00234
, 상기
Figure 112018047825773-pat00235
, 상기
Figure 112018047825773-pat00236
및 상기
Figure 112018047825773-pat00237
중 어느 하나의 값이 1이 되는 경우 상기 음향에 관한 센서 측정 값이 음향에 관한 이벤트로 정의될 수 있다.
본 실시예에서, 상기
Figure 112018047825773-pat00238
는 비정상적으로 큰 음향으로서, 100 데시벨로 설정되고, 상기
Figure 112018047825773-pat00239
는 비정상적인 상승 음향으로서, 초당 5 데시벨로 설정되고, 상기
Figure 112018047825773-pat00240
는 비정상적인 감소 음향으로서, 초당 5 데시벨로 설정되고, 상기
Figure 112018047825773-pat00241
는 비정상적으로 작은 음향으로서 40 데시벨로 설정될 수 있다. 즉, 40 데시벨을 초과하는 음향이 감지되면, 상기
Figure 112018047825773-pat00242
와 상기
Figure 112018047825773-pat00243
의 차이가 양의 값이 되어, 상기
Figure 112018047825773-pat00244
는 1의 값을 가지게 된다. 또한, 음향 변동값이 초당 5 데시벨을 초과하여 증가하거나 감소하게 되면, 각각 상기
Figure 112018047825773-pat00245
및 상기
Figure 112018047825773-pat00246
가 1의 값을 가지게 된다. 또한, 40 데시벨 미만의 음향이 감지되면, 상기
Figure 112018047825773-pat00247
가 1의 값을 가지게 된다. 이 경우, 각각 음향에 관한 이벤트로 정의될 수 있다. 그러나, 본 발명은 이에 한정되는 것은 아니며, 상기
Figure 112018047825773-pat00248
, 상기
Figure 112018047825773-pat00249
, 상기
Figure 112018047825773-pat00250
및 상기
Figure 112018047825773-pat00251
는 센서가 설치되는 장소에 따라 적절한 값으로 설정될 수 있다.
상기 이벤트 정의부(200)에서 정의하는 인체 감지에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식 5에 의해 정의될 수 있다.
수학식 5
Figure 112018047825773-pat00252
여기서,
Figure 112018047825773-pat00253
는 인체 감지에 관한 이벤트 값,
Figure 112018047825773-pat00254
는 현재 인체 감지에 관한 이벤트 함수,
Figure 112018047825773-pat00255
는 비정상적인 인체 감지 변화에 대한 이벤트 함수,
Figure 112018047825773-pat00256
는 현재 인체 감지 값, n은 감지되는 인체 수,
Figure 112018047825773-pat00257
는 인체 감지 변화값,
Figure 112018047825773-pat00258
는 인체 감지의 비정상적인 변화값을 나타낸다.
상기 수학식 5의 상기
Figure 112018047825773-pat00259
및 상기
Figure 112018047825773-pat00260
는 상기 수학식 1의
Figure 112018047825773-pat00261
에 대응되며, 상기
Figure 112018047825773-pat00262
및 상기
Figure 112018047825773-pat00263
의 값에 따라 상기 인체 감지에 관한 이벤트 값이 정의된다. 즉, 상기
Figure 112018047825773-pat00264
및 상기
Figure 112018047825773-pat00265
중 어느 하나의 값이 1이 되는 경우 상기 인체 감지에 관한 센서 측정 값이 음향에 관한 이벤트로 정의될 수 있다.
본 실시예에서, 인체 감지 센서는 on/off 값 만을 판별하므로, 상기
Figure 112018047825773-pat00266
가 1인 경우 이벤트로 간주된다. 상기
Figure 112018047825773-pat00267
는 인체 감지의 비정상적인 변화값으로서, 초당 3명으로 설정될 수 있다. 즉,
Figure 112018047825773-pat00268
가 1이 되면 상기
Figure 112018047825773-pat00269
가 1의 값을 가지게 되고, 인체 감지의 변화값이 초당 3명을 초과하는 경우 상기
Figure 112018047825773-pat00270
가 1의 값을 가지게 된다. 이 경우, 각각 인체 감지에 관한 이벤트로 정의될 수 있다. 본 발명은 이에 한정되는 것은 아니며, 상기
Figure 112018047825773-pat00271
는 센서가 설치되는 장소에 따라 적절한 값으로 설정될 수 있다.
상기 이벤트 정의부(200)에서 정의하는 거리에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식 6에 의해 정의될 수 있다.
수학식 6
Figure 112018047825773-pat00272
여기서,
Figure 112018047825773-pat00273
는 거리에 관한 이벤트 값,
Figure 112018047825773-pat00274
는 비정상적으로 먼 거리에 관한 이벤트 함수,
Figure 112018047825773-pat00275
는 비정상적인 거리 증가에 관한 이벤트 함수,
Figure 112018047825773-pat00276
는 비정상적이 거리 감소에 관한 이벤트 함수,
Figure 112018047825773-pat00277
는 비정상적으로 가까운 거리에 관한 이벤트 함수,
Figure 112018047825773-pat00278
는 비정상적으로 먼 거리,
Figure 112018047825773-pat00279
는 비정상적인 증가 거리,
Figure 112018047825773-pat00280
는 비정상적인 감소 거리,
Figure 112018047825773-pat00281
는 비정상적으로 가까운 거리,
Figure 112018047825773-pat00282
는 센서와 개체와의 현재 거리값,
Figure 112018047825773-pat00283
는 센서와 개체와의 거리 변동값을 나타낸다.
상기 수학식 6의 상기
Figure 112018047825773-pat00284
, 상기
Figure 112018047825773-pat00285
, 상기
Figure 112018047825773-pat00286
및 상기
Figure 112018047825773-pat00287
는 상기 수학식 1의
Figure 112018047825773-pat00288
에 대응되며, 상기
Figure 112018047825773-pat00289
, 상기
Figure 112018047825773-pat00290
, 상기
Figure 112018047825773-pat00291
및 상기
Figure 112018047825773-pat00292
의 값에 따라, 상기 거리에 관한 이벤트 값이 정의된다. 즉, 상기
Figure 112018047825773-pat00293
, 상기
Figure 112018047825773-pat00294
, 상기
Figure 112018047825773-pat00295
및 상기
Figure 112018047825773-pat00296
중 어느 하나의 값이 1이 되는 경우 상기 음향에 관한 센서 측정 값이 거리에 관한 이벤트로 정의될 수 있다.
본 실시예에서, 상기
Figure 112018047825773-pat00297
는 비정상적으로 먼 거리로서 100미터로 설정되고, 상기
Figure 112018047825773-pat00298
는 비정상적인 증가 거리로서 초당 4미터로 설정되며, 상기
Figure 112018047825773-pat00299
는 비정상적인 감소 거리로서 초당 4미터로 설정되고, 상기
Figure 112018047825773-pat00300
는 비정상적으로 가까운 거리로서 3미터로 설정될 수 있다. 즉, 센서와 개체 사이의 거리가 100미터를 초과하는 것으로 측정되는 경우, 상기
Figure 112018047825773-pat00301
와 상기
Figure 112018047825773-pat00302
의 차이가 양의 값이 되어, 상기
Figure 112018047825773-pat00303
는 1의 값을 가지게 된다. 또한, 거리 변동값이 초당 4미터를 초과하여 증가하거나 감소하게 되면, 각각 상기
Figure 112018047825773-pat00304
및 상기
Figure 112018047825773-pat00305
가 1의 값을 가지게 된다. 또한, 센서와 개체 사이의 거리가 3미터 미만으로 감지되면, 상기
Figure 112018047825773-pat00306
가 1의 값을 가지게 된다. 이 경우, 각각 음향에 관한 이벤트로 정의될 수 있다. 그러나, 본 발명은 이에 한정되는 것은 아니며, 상기
Figure 112018047825773-pat00307
, 상기
Figure 112018047825773-pat00308
, 상기
Figure 112018047825773-pat00309
및 상기
Figure 112018047825773-pat00310
는 센서가 설치되는 장소에 따라 적절한 값으로 설정될 수 있다.
상기 이벤트 정의부(200)에서 이벤트 데이터로 정의된 데이터는 이벤트 데이터로 수집되며, 수집된 이벤트 데이터를 이용하여 범죄 위험을 판단할 수 있다.
본 발명에 따르면, 센서부(100)가 감지하는 모든 데이터를 입수하여 분석하는 것이 아니라, 이벤트 정의 기준에 부합하는 데이터만을 이벤트 데이터로 정의하여 수집하며, 이를 이용하여 범죄 위험을 판단한다. 따라서, 불필요한 데이터를 수집하지 않아 센서부의 전원을 효율적으로 관리할 수 있으며, 네트워크 자원을 잘 보전하여 효율적으로 관리할 수 있다. 또한, 범죄 상황 인식에 유효한 데이터만을 입수하여 분석할 수 있으므로 실제 세계에 대한 추론을 효율적으로 수행할 수 있다.
상기 이벤트 데이터 선별부(300)는 상기 이벤트 정의부(200)에서 정의한 이벤트 데이터를 선별한다.
상기 이벤트 데이터 선별부(300)는 복수개의 이벤트 데이터들을 포함하는 제1 이벤트 데이터 집합을 정의하고, 상기 제1 이벤트 데이터 집합의 원소들인 복수개의 이벤트 데이터가 발생된 지점들의 중심 위치인 제1 이벤트 중심 위치를 정의할 수 있다.
이후, 이벤트 데이터 선별부(300)는 상기 제1 이벤트 중심 위치로부터 상기 제2 이벤트 데이터가 발생된 지점까지의 거리를 계산한다. 상기 제1 이벤트 중심 위치와 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하는 경우, 상기 제2 이벤트 데이터를 제2 이벤트 데이터 집합의 원소로 정의하고, 상기 제1 이벤트 중심 위치로부터 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하지 않는 경우, 상기 제2 이벤트 데이터를 상기 제1 이벤트 데이터 집합의 원소로 정의할 수 있다.
상기 이벤트 데이터 선별부(300)는 상기 제1 이벤트 데이터 집합의 원소들 중 상기 제1 이벤트 중심 위치로부터의 거리가 가장 작은 값을 갖는 이벤트 데이터를 대표 이벤트 데이터로 선정하고, 상기 제1 데이터 집합에서 상기 대표 이벤트 데이터를 제외한 다른 원소들의 값을 기각한다. 따라서, 상기 제1 데이터 집합에서 상기 대표 이벤트 데이터만을 수집하여 분석하므로 불필요한 연산 처리를 감소시킬 수 있다.
또한, 상기 제1 이벤트 중심 위치와 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하는 경우, 상기 제2 이벤트 데이터를 제2 이벤트 데이터 집합의 원소로 정의하므로, 상기 제2 이벤트 데이터는 상기 제2 이벤트 데이터 집합에서 하나의 원소로서 제2 대표 이벤트 데이터를 선정하는 원소로 이용될 수 있다.
다수의 센서들이 배치되는 환경에서는 인접한 센서들이 동일한 상황을 감지하게 되므로, 동일한 상황에 대한 중복 데이터가 발생되게 된다. 본 발명에서는 중복되는 데이터를 제거하여 불필요한 연산 처리를 감소시키므로 시스템 자원을 보존하고 시스템 운영을 효율적으로 수행할 수 있다.
상기 이벤트 등급 결정부(400)는 상기 이벤트 데이터 선별부(300)에서 선별한 이벤트 데이터를 이벤트 등급 기준에 따라 등급을 결정한다. 상기 이벤트 등급 결정부(400)는 상기 이벤트 데이터 선별부(300)에서 선별한 대표 이벤트 데이터의 등급을 결정한다.
상기 이벤트 등급 결정부(400)는 상기 센서부(100)에서 측정된 센서값 및 측정된 센서값의 변화량을 기준으로 이벤트 등급을 결정할 수 있다. 상기 이벤트 등급 결정부(400)가 결정하는 이벤트 등급은 아래의 수학식 7에 의해 정의될 수 있다.
수학식 7
Figure 112018047825773-pat00311
여기서,
Figure 112018047825773-pat00312
는 이벤트 등급,
Figure 112018047825773-pat00313
는 측정된 센서값의 평균값,
Figure 112018047825773-pat00314
는 측정된 센서값들의 변화량들의 평균값,
Figure 112018047825773-pat00315
및
Figure 112018047825773-pat00316
은 가중치,
Figure 112018047825773-pat00317
는 측정된 센서값이 이벤트 등급에 영향을 미치는 센서 요소값,
Figure 112018047825773-pat00318
측정된 센서값들의 변화량이 이벤트 등급에 영향을 미치는 변화량 요소값을 나타낸다.
상기
Figure 112018047825773-pat00319
및
Figure 112018047825773-pat00320
은 가중치로서 기본적으로 1의 값으로 설정할 수 있다. 그러나, 본 발명은 이에 한정되는 것은 아니며, 온도, 조도 및 음향과 같이 급격한 변화량이 중요한 센서에 대해서는 가중치에 변화를 줄 수 있다.
상기 수학식 7에서 상기 센서 요소값은 아래의 수학식 8에 의해 정의될 수 있다.
수학식 8
Figure 112018047825773-pat00321
상기 수학식 7에서 상기 변화량 요소값은 아래의 수학식 9에 의해 정의될 수 있다.
수학식 9
Figure 112018047825773-pat00322
여기서,
Figure 112018047825773-pat00323
는 측정된 센서값이 이벤트 등급에 영향을 미치는 센서 요소값,
Figure 112018047825773-pat00324
측정된 센서값들의 변화량이 이벤트 등급에 영향을 미치는 변화량 요소값,
Figure 112018047825773-pat00325
는 측정된 센서값,
Figure 112018047825773-pat00326
는 측정된 센서값들의 평균값,
Figure 112018047825773-pat00327
는 측정된 센서값들의 변화량,
Figure 112018047825773-pat00328
는 상기 변화량들의 평균값을 나타낸다.
상기 알림부(400)는 상기 이벤트 등급 결정부에서 결정된 이벤트 등급에 따라 알림을 발생시킬 수 있다. 예를 들어, 긴급 조치를 요하는 높은 등급의 이벤트에 대해서는 신속한 조치가 필요한 강력한 알림을 발생시키고, 긴급을 요하지 않는 낮은 등급의 이벤트에 대해서는 다소 약한 알림을 발생시킬 수 있다.
본 발명에 따르면, 이벤트의 등급을 정량적으로 계산할 수 있어, 이벤트의 경중을 식별할 수 있다. 따라서, 긴급 조치를 요하는 위급한 상황에 대해서는 신속한 조치 및 보다 강력한 조치를 취하고, 반대로 과중하지 않은 조치를 취해도 되는 상황에 대해서는 이에 상응하는 적절한 조치를 취할 수 있다. 따라서, 획득하는 상황 정보에 따라 적절한 범죄 위험 알림을 수행할 수 있다.
상기 알림부(400)는 상기 이벤트 등급 결정부에서 결정된 이벤트 등급에 따라 알림을 발생시킬 수 있다.
도 3은 본 발명의 일 실시예에 따른 범죄 위험 알림 방법을 나타내는 순서도이다. 도 4는 본 발명의 일 실시예에 따른 범죄 위험 알림 방법의 이벤트 데이터 선별 단계를 나타내는 순서도이다.
도 3 및 도 4를 참조하면, 본 발명의 일 실시예에 따른 범죄 위험 알림 방법은 이벤트 정의부가 센서부가 감지한 데이터를 바탕으로 이벤트 정의 기준에 부합하는 경우 이벤트 데이터로 정의하는 단계(S100), 이벤트 데이터 선별부가 이벤트 데이터를 선별하는 이벤트 데이터 선별 기준에 의해 선별하는 단계(S200), 이벤트 등급 결정부가 상기 선별된 이벤트 데이터를 이벤트 등급 기준에 따라 등급을 결정하는 단계(S300) 및 이벤트 알림부가 상기 이벤트 등급 결정부에서 결정된 이벤트 등급에 따라 알림을 발생시키는 단계(S400)를 포함한다.
상기 이벤트 정의부가 센서부가 감지한 데이터를 바탕으로 이벤트 정의 기준에 부합하는 경우 이벤트 데이터로 정의하는 단계(S100)에서는 이벤트 정의 기준에 부합하는 경우 이벤트 데이터로 정의한다. 본 실시예에 따른 이벤트 정의 방법은 도 1 및 도 2의 이벤트 정의 방법과 실질적으로 동일하므로 반복되는 설명은 생략하도록 한다.
상기 이벤트 데이터 선별부가 이벤트 데이터를 선별하는 이벤트 데이터 선별 기준에 의해 선별하는 단계(S200)에서는 이벤트 데이터 선별 기준에 의해 이벤트 데이터를 선별한다. 상기 이벤트 데이터를 선별하는 단계(S200)는 복수개의 이벤트 데이터들을 포함하는 제1 이벤트 데이터 집합을 정의하는 단계(S210), 상기 제1 이벤트 데이터 집합의 원소들인 복수개의 이벤트 데이터가 발생된 지점들의 중심 위치인 제1 이벤트 중심 위치를 정의하는 단계(S220) 및 상기 제1 이벤트 중심 위치로부터 상기 제2 이벤트 데이터가 발생된 지점까지의 거리를 계산하는 단계(S230)를 포함할 수 있다. 본 실시예에 따른 이벤트 선별 방법은 도 1 및 도 2의 이벤트 선별 방법과 실질적으로 동일하므로 반복되는 설명은 생략하도록 한다.
상기 이벤트 등급 결정부가 상기 선별된 이벤트 데이터를 이벤트 등급 기준에 따라 등급을 결정하는 단계(S300)에서는 상기 선별된 이벤트 데이터를 이벤트 등급 기준에 따라 등급을 결정한다. 이벤트의 등급이 결정되면, 결정된 등급에 따라, 알림을 발생시킬 수 있다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 통상의 기술자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 센서부
110: 온도 센서
120: 조도 센서
130: 음향 센서
140: 인체 감지 센서
150: 거리 센서
200: 이벤트 정의부
300: 이벤트 데이터 선별부
400: 이벤트 등급 결정부
500: 알림부

Claims (28)

  1. 특정 영역에 일정한 간격으로 배치되는 센서 어레이를 포함하는 센서부;
    상기 센서부가 감지한 데이터를 바탕으로 이벤트 정의 기준에 부합하는 경우 이벤트 데이터로 정의하는 이벤트 정의부;
    상기 이벤트 정의부에서 정의한 이벤트 데이터를 선별하는 이벤트 데이터 선별부;
    상기 이벤트 데이터 선별부에서 선별한 이벤트 데이터를 이벤트 등급 기준에 따라 등급을 결정하는 이벤트 등급 결정부; 및
    상기 이벤트 등급 결정부에서 결정된 이벤트 등급에 따라 알림을 발생시키는 이벤트 알림부를 포함하고,
    상기 이벤트 등급 결정부는 상기 센서부에서 측정된 센서값 및 측정된 센서값의 변화량을 기준으로 이벤트 등급을 결정하며,
    상기 이벤트 등급 결정부가 결정하는 이벤트 등급은 아래의 수식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 시스템.
    Figure 112019044728414-pat00475

    여기서,
    Figure 112019044728414-pat00476
    는 이벤트 등급,
    Figure 112019044728414-pat00477
    는 측정된 센서값의 평균값,
    Figure 112019044728414-pat00478
    는 측정된 센서값들의 변화량들의 평균값,
    Figure 112019044728414-pat00479
    및
    Figure 112019044728414-pat00480
    은 가중치,
    Figure 112019044728414-pat00481
    는 측정된 센서값이 이벤트 등급에 영향을 미치는 센서 요소값,
    Figure 112019044728414-pat00482
    측정된 센서값들의 변화량이 이벤트 등급에 영향을 미치는 변화량 요소값을 나타냄.
  2. 제1항에 있어서, 상기 이벤트 정의부는 온도, 조도, 음향, 인체 감지 및 거리에 관한 이벤트를 정의하는 것을 특징으로 하는 범죄 위험 알림 시스템.
  3. 제2항에 있어서, 상기 이벤트 정의부에서 정의하는 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 시스템.
    Figure 112018047825773-pat00329

    여기서,
    Figure 112018047825773-pat00330
    는 이벤트 함수를 나타냄.
  4. 제3항에 있어서, 상기 이벤트 정의부에서 정의하는 온도에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 시스템.
    Figure 112018047825773-pat00331

    여기서,
    Figure 112018047825773-pat00332
    는 온도에 관한 이벤트 값,
    Figure 112018047825773-pat00333
    는 비정상적인 온도에 관한 이벤트 함수,
    Figure 112018047825773-pat00334
    는 비정상적인 온도 상승에 관한 이벤트 함수,
    Figure 112018047825773-pat00335
    는 비정상적인 온도 감소에 관한 이벤트 함수,
    Figure 112018047825773-pat00336
    는 현재 온도값,
    Figure 112018047825773-pat00337
    는 비정상 온도,
    Figure 112018047825773-pat00338
    는 비정상적인 상승 온도,
    Figure 112018047825773-pat00339
    는 비정상적인 감소 온도,
    Figure 112018047825773-pat00340
    는 온도 변동값을 나타냄.
  5. 제3항에 있어서, 상기 이벤트 정의부에서 정의하는 조도에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 시스템.
    Figure 112018047825773-pat00341

    여기서,
    Figure 112018047825773-pat00342
    는 조도에 관한 이벤트 값,
    Figure 112018047825773-pat00343
    는 비정상적으로 밝은 조도에 관한 이벤트 함수,
    Figure 112018047825773-pat00344
    는 비정상적인 조도 상승에 관한 이벤트 함수,
    Figure 112018047825773-pat00345
    는 비정상적인 조도 감소에 관한 이벤트 함수,
    Figure 112018047825773-pat00346
    는 비정상적으로 어두운 조도에 관한 이벤트 함수,
    Figure 112018047825773-pat00347
    은 비정상적으로 밝은 조도,
    Figure 112018047825773-pat00348
    는 비정상적인 상승 조도,
    Figure 112018047825773-pat00349
    는 비정상적인 감소 조도,
    Figure 112018047825773-pat00350
    는 비정상적으로 어두운 조도,
    Figure 112018047825773-pat00351
    는 현재 조도값,
    Figure 112018047825773-pat00352
    는 조도 변동값을 나타냄.
  6. 제3항에 있어서, 상기 이벤트 정의부에서 정의하는 음향에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 시스템.
    Figure 112018047825773-pat00353

    여기서,
    Figure 112018047825773-pat00354
    는 음향에 관한 이벤트 값,
    Figure 112018047825773-pat00355
    는 비정상적으로 큰 음향에 관한 이벤트 함수,
    Figure 112018047825773-pat00356
    는 비정상적인 음향 상승에 관한 이벤트 함수,
    Figure 112018047825773-pat00357
    는 비정상적인 음향 감소에 관한 이벤트 함수,
    Figure 112018047825773-pat00358
    는 비정상적으로 작은 음향에 관한 이벤트 함수,
    Figure 112018047825773-pat00359
    는 비정상적으로 큰 음향,
    Figure 112018047825773-pat00360
    는 비정상적인 상승 음향,
    Figure 112018047825773-pat00361
    는 비정상적인 감소 음향,
    Figure 112018047825773-pat00362
    는 비정상적으로 작은 음향,
    Figure 112018047825773-pat00363
    는 현재 음향값,
    Figure 112018047825773-pat00364
    는 음향 변동값을 나타냄.
  7. 제3항에 있어서, 상기 이벤트 정의부에서 정의하는 인체 감지에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 시스템.
    Figure 112018047825773-pat00365

    여기서,
    Figure 112018047825773-pat00366
    는 인체 감지에 관한 이벤트 값,
    Figure 112018047825773-pat00367
    는 현재 인체 감지에 관한 이벤트 함수,
    Figure 112018047825773-pat00368
    는 비정상적인 인체 감지 변화에 대한 이벤트 함수,
    Figure 112018047825773-pat00369
    는 현재 인체 감지 값, n은 감지되는 인체 수,
    Figure 112018047825773-pat00370
    는 인체 감지 변화값,
    Figure 112018047825773-pat00371
    는 인체 감지의 비정상적인 변화값을 나타냄.
  8. 제3항에 있어서, 상기 이벤트 정의부에서 정의하는 거리에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 시스템.
    Figure 112018047825773-pat00372

    여기서,
    Figure 112018047825773-pat00373
    는 거리에 관한 이벤트 값,
    Figure 112018047825773-pat00374
    는 비정상적으로 먼 거리에 관한 이벤트 함수,
    Figure 112018047825773-pat00375
    는 비정상적인 거리 증가에 관한 이벤트 함수,
    Figure 112018047825773-pat00376
    는 비정상적이 거리 감소에 관한 이벤트 함수,
    Figure 112018047825773-pat00377
    는 비정상적으로 가까운 거리에 관한 이벤트 함수,
    Figure 112018047825773-pat00378
    는 비정상적으로 먼 거리,
    Figure 112018047825773-pat00379
    는 비정상적인 증가 거리,
    Figure 112018047825773-pat00380
    는 비정상적인 감소 거리,
    Figure 112018047825773-pat00381
    는 비정상적으로 가까운 거리,
    Figure 112018047825773-pat00382
    는 센서와 개체와의 현재 거리값,
    Figure 112018047825773-pat00383
    는 센서와 개체와의 거리 변동값을 나타냄.
  9. 제8항에 있어서, 상기 이벤트 데이터 선별부는 복수개의 이벤트 데이터들을 포함하는 제1 이벤트 데이터 집합을 정의하고, 상기 제1 이벤트 데이터 집합의 원소들인 복수개의 이벤트 데이터가 발생된 지점들의 중심 위치인 제1 이벤트 중심 위치를 정의하고, 상기 제1 이벤트 중심 위치로부터 제2 이벤트 데이터가 발생된 지점까지의 거리를 계산하고,
    상기 제1 이벤트 중심 위치와 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하는 경우, 상기 제2 이벤트 데이터를 제2 이벤트 데이터 집합의 원소로 정의하고, 상기 제1 이벤트 중심 위치로부터 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하지 않는 경우, 상기 제2 이벤트 데이터를 상기 제1 이벤트 데이터 집합의 원소로 정의하는 것을 특징으로 하는 범죄 위험 알림 시스템.
  10. 제9항에 있어서, 상기 이벤트 데이터 선별부는 상기 제1 이벤트 데이터 집합의 원소들 중 상기 제1 이벤트 중심 위치로부터의 거리가 가장 작은 값을 갖는 이벤트 데이터를 대표 이벤트 데이터로 선정하고, 상기 제1 이벤트 데이터 집합에서 상기 대표 이벤트 데이터를 제외한 다른 원소들의 값을 분석 대상에서 제외하는 것을 특징으로 하는 범죄 위험 알림 시스템.
  11. 제10항에 있어서, 상기 이벤트 등급 결정부는 상기 이벤트 데이터 선별부에서 선별한 대표 이벤트 데이터의 등급을 결정하는 것을 특징으로 하는 범죄 위험 알림 시스템.
  12. 삭제
  13. 삭제
  14. 제1항에 있어서, 상기 센서 요소값은 아래의 수학에 의해 정의되고,
    Figure 112019044728414-pat00392

    상기 변화량 요소값은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 시스템.
    Figure 112019044728414-pat00393

    여기서,
    Figure 112019044728414-pat00394
    는 측정된 센서값이 이벤트 등급에 영향을 미치는 센서 요소값,
    Figure 112019044728414-pat00395
    측정된 센서값들의 변화량이 이벤트 등급에 영향을 미치는 변화량 요소값,
    Figure 112019044728414-pat00396
    는 측정된 센서값,
    Figure 112019044728414-pat00397
    는 측정된 센서값들의 평균값,
    Figure 112019044728414-pat00398
    는 측정된 센서값들의 변화량,
    Figure 112019044728414-pat00399
    는 상기 변화량들의 평균값을 나타냄.
  15. 이벤트 정의부가 센서부가 감지한 데이터를 바탕으로 이벤트 정의 기준에 부합하는 경우 이벤트 데이터로 정의하는 단계;
    이벤트 데이터 선별부가 이벤트 데이터를 선별하는 이벤트 데이터 선별 기준에 의해 이벤트 데이터를 선별하는 단계;
    이벤트 등급 결정부가 상기 선별된 이벤트 데이터를 이벤트 등급 기준에 따라 등급을 결정하는 단계; 및
    이벤트 알림부가 상기 이벤트 등급 결정부에서 결정된 이벤트 등급에 따라 알림을 발생시키는 단계를 포함하고,
    상기 이벤트 등급 결정부는 상기 센서부에서 측정된 센서값 및 측정된 센서값의 변화량을 기준으로 이벤트 등급을 결정하며,
    상기 이벤트 등급 결정부가 결정하는 이벤트 등급은 아래의 수식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 방법.
    Figure 112019044728414-pat00483

    여기서,
    Figure 112019044728414-pat00484
    는 이벤트 등급,
    Figure 112019044728414-pat00485
    는 측정된 센서값의 평균값,
    Figure 112019044728414-pat00486
    는 측정된 센서값들의 변화량들의 평균값,
    Figure 112019044728414-pat00487
    및
    Figure 112019044728414-pat00488
    은 가중치,
    Figure 112019044728414-pat00489
    는 측정된 센서값이 이벤트 등급에 영향을 미치는 센서 요소값,
    Figure 112019044728414-pat00490
    측정된 센서값들의 변화량이 이벤트 등급에 영향을 미치는 변화량 요소값을 나타냄.
  16. 제15항에 있어서, 상기 이벤트 정의부는 온도, 조도, 음향, 인체 감지 및 거리에 관한 이벤트를 정의하는 것을 특징으로 하는 범죄 위험 알림 방법.
  17. 제16항에 있어서, 상기 이벤트 정의부에서 정의하는 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 방법.
    Figure 112018047825773-pat00400

    여기서,
    Figure 112018047825773-pat00401
    는 이벤트 함수를 나타냄.
  18. 제17항에 있어서, 상기 이벤트 정의부에서 정의하는 온도에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 방법.
    Figure 112018047825773-pat00402

    여기서,
    Figure 112018047825773-pat00403
    는 온도에 관한 이벤트 값,
    Figure 112018047825773-pat00404
    는 비정상적인 온도에 관한 이벤트 함수,
    Figure 112018047825773-pat00405
    는 비정상적인 온도 상승에 관한 이벤트 함수,
    Figure 112018047825773-pat00406
    는 비정상적인 온도 감소에 관한 이벤트 함수,
    Figure 112018047825773-pat00407
    는 현재 온도값,
    Figure 112018047825773-pat00408
    는 비정상 온도,
    Figure 112018047825773-pat00409
    는 비정상적인 상승 온도,
    Figure 112018047825773-pat00410
    는 비정상적인 감소 온도,
    Figure 112018047825773-pat00411
    는 온도 변동값을 나타냄.
  19. 제17항에 있어서, 상기 이벤트 정의부에서 정의하는 조도에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 방법.
    Figure 112018047825773-pat00412

    여기서,
    Figure 112018047825773-pat00413
    는 조도에 관한 이벤트 값,
    Figure 112018047825773-pat00414
    는 비정상적으로 밝은 조도에 관한 이벤트 함수,
    Figure 112018047825773-pat00415
    는 비정상적인 조도 상승에 관한 이벤트 함수,
    Figure 112018047825773-pat00416
    는 비정상적인 조도 감소에 관한 이벤트 함수,
    Figure 112018047825773-pat00417
    는 비정상적으로 어두운 조도에 관한 이벤트 함수,
    Figure 112018047825773-pat00418
    은 비정상적으로 밝은 조도,
    Figure 112018047825773-pat00419
    는 비정상적인 상승 조도,
    Figure 112018047825773-pat00420
    는 비정상적인 감소 조도,
    Figure 112018047825773-pat00421
    는 비정상적으로 어두운 조도,
    Figure 112018047825773-pat00422
    는 현재 조도값,
    Figure 112018047825773-pat00423
    는 조도 변동값을 나타냄.
  20. 제17항에 있어서, 상기 이벤트 정의부에서 정의하는 음향에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 방법.
    Figure 112018047825773-pat00424

    여기서,
    Figure 112018047825773-pat00425
    는 음향에 관한 이벤트 값,
    Figure 112018047825773-pat00426
    는 비정상적으로 큰 음향에 관한 이벤트 함수,
    Figure 112018047825773-pat00427
    는 비정상적인 음향 상승에 관한 이벤트 함수,
    Figure 112018047825773-pat00428
    는 비정상적인 음향 감소에 관한 이벤트 함수,
    Figure 112018047825773-pat00429
    는 비정상적으로 작은 음향에 관한 이벤트 함수,
    Figure 112018047825773-pat00430
    는 비정상적으로 큰 음향,
    Figure 112018047825773-pat00431
    는 비정상적인 상승 음향,
    Figure 112018047825773-pat00432
    는 비정상적인 감소 음향,
    Figure 112018047825773-pat00433
    는 비정상적으로 작은 음향,
    Figure 112018047825773-pat00434
    는 현재 음향값,
    Figure 112018047825773-pat00435
    는 음향 변동값을 나타냄.
  21. 제17항에 있어서, 상기 이벤트 정의부에서 정의하는 인체 감지에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 방법.
    Figure 112018047825773-pat00436

    여기서,
    Figure 112018047825773-pat00437
    는 인체 감지에 관한 이벤트 값,
    Figure 112018047825773-pat00438
    는 현재 인체 감지에 관한 이벤트 함수,
    Figure 112018047825773-pat00439
    는 비정상적인 인체 감지 변화에 대한 이벤트 함수,
    Figure 112018047825773-pat00440
    는 현재 인체 감지 값, n은 감지되는 인체 수,
    Figure 112018047825773-pat00441
    는 인체 감지 변화값,
    Figure 112018047825773-pat00442
    는 인체 감지의 비정상적인 변화값을 나타냄.
  22. 제17항에 있어서, 상기 이벤트 정의부에서 정의하는 거리에 관한 이벤트의 이벤트 정의 기준은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 방법.
    Figure 112018047825773-pat00443

    여기서,
    Figure 112018047825773-pat00444
    는 거리에 관한 이벤트 값,
    Figure 112018047825773-pat00445
    는 비정상적으로 먼 거리에 관한 이벤트 함수,
    Figure 112018047825773-pat00446
    는 비정상적인 거리 증가에 관한 이벤트 함수,
    Figure 112018047825773-pat00447
    는 비정상적이 거리 감소에 관한 이벤트 함수,
    Figure 112018047825773-pat00448
    는 비정상적으로 가까운 거리에 관한 이벤트 함수,
    Figure 112018047825773-pat00449
    는 비정상적으로 먼 거리,
    Figure 112018047825773-pat00450
    는 비정상적인 증가 거리,
    Figure 112018047825773-pat00451
    는 비정상적인 감소 거리,
    Figure 112018047825773-pat00452
    는 비정상적으로 가까운 거리,
    Figure 112018047825773-pat00453
    는 센서와 개체와의 현재 거리값,
    Figure 112018047825773-pat00454
    는 센서와 개체와의 거리 변동값을 나타냄.
  23. 제22항에 있어서, 상기 이벤트 데이터를 선별하는 단계는,
    복수개의 이벤트 데이터들을 포함하는 제1 이벤트 데이터 집합을 정의하는 단계;
    상기 제1 이벤트 데이터 집합의 원소들인 복수개의 이벤트 데이터가 발생된 지점들의 중심 위치인 제1 이벤트 중심 위치를 정의하는 단계; 및
    상기 제1 이벤트 중심 위치로부터 제2 이벤트 데이터가 발생된 지점까지의 거리를 계산하는 단계를 포함하고,
    상기 제1 이벤트 중심 위치와 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하는 경우, 상기 제2 이벤트 데이터를 제2 이벤트 데이터 집합의 원소로 정의하고, 상기 제1 이벤트 중심 위치로부터 상기 제2 이벤트 데이터가 발생된 지점 사이의 거리가 센서의 유효 감지 거리를 초과하지 않는 경우, 상기 제2 이벤트 데이터를 상기 제1 이벤트 데이터 집합의 원소로 정의하는 것을 특징으로 하는 범죄 위험 알림 방법.
  24. 제23항에 있어서, 상기 이벤트 데이터를 선별하는 단계는 상기 제1 이벤트 데이터 집합의 원소들 중 상기 제1 이벤트 중심 위치로부터의 거리가 가장 작은 값을 갖는 이벤트 데이터를 대표 이벤트 데이터로 선정하고, 상기 제1 이벤트 데이터 집합에서 상기 대표 이벤트 데이터를 제외한 다른 원소들의 값을 분석 대상에서 제외하는 단계를 포함하는 것을 특징으로 하는 범죄 위험 알림 방법.
  25. 제24항에 있어서, 상기 이벤트 등급 결정부는 상기 이벤트 데이터 선별부에서 선별한 대표 이벤트 데이터의 등급을 결정하는 것을 특징으로 하는 범죄 위험 알림 방법.
  26. 삭제
  27. 삭제
  28. 제15항에 있어서, 상기 센서 요소값은 아래의 수학에 의해 정의되고,
    Figure 112019044728414-pat00463

    상기 변화량 요소값은 아래의 수학식에 의해 정의되는 것을 특징으로 하는 범죄 위험 알림 방법.
    Figure 112019044728414-pat00464

    여기서,
    Figure 112019044728414-pat00465
    는 측정된 센서값이 이벤트 등급에 영향을 미치는 센서 요소값,
    Figure 112019044728414-pat00466
    측정된 센서값들의 변화량이 이벤트 등급에 영향을 미치는 변화량 요소값,
    Figure 112019044728414-pat00467
    는 측정된 센서값,
    Figure 112019044728414-pat00468
    는 측정된 센서값들의 평균값,
    Figure 112019044728414-pat00469
    는 측정된 센서값들의 변화량,
    Figure 112019044728414-pat00470
    는 상기 변화량들의 평균값을 나타냄.

KR1020180055583A 2018-05-15 2018-05-15 범죄 위험 알림 시스템 및 방법 KR102021929B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180055583A KR102021929B1 (ko) 2018-05-15 2018-05-15 범죄 위험 알림 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180055583A KR102021929B1 (ko) 2018-05-15 2018-05-15 범죄 위험 알림 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102021929B1 true KR102021929B1 (ko) 2019-09-17

Family

ID=68070134

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180055583A KR102021929B1 (ko) 2018-05-15 2018-05-15 범죄 위험 알림 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102021929B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102139651B1 (ko) * 2020-03-31 2020-07-30 김대환 아동청소년 교육시설 성범죄자 접근 제어 시스템 및 방법
KR20210126942A (ko) * 2020-04-13 2021-10-21 고진욱 스마트 위험 감지 시스템

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005049303A (ja) * 2003-07-31 2005-02-24 Matsushita Electric Works Ltd 超音波画像化装置及び画像化方法
JP2007085866A (ja) * 2005-09-21 2007-04-05 Osaka Prefecture 物体検出装置
KR100775504B1 (ko) * 2006-11-30 2007-11-12 성균관대학교산학협력단 에너지 소비를 감소시키기 위한 목표물 검출 시스템 및 그검출 방법
KR20110032332A (ko) * 2009-09-22 2011-03-30 국방과학연구소 감시정찰 센서 네트워크 환경에서 표적 개수 추정 방법 및 장치
KR20110042677A (ko) 2009-10-19 2011-04-27 주식회사 베스코 센서카메라를 이용한 방범 시스템
KR20160097708A (ko) * 2015-02-09 2016-08-18 (주)도원엔지니어링건축사사무소 통합형 센서모듈을 이용한 상시 환경제어 및 재난대응 관제시스템
KR20170048219A (ko) * 2015-10-26 2017-05-08 이형용 Cctv 자동선별 모니터링 시스템, cctv 자동선별 모니터링 관리서버 및 관리방법
US20170301220A1 (en) * 2016-04-19 2017-10-19 Navio International, Inc. Modular approach for smart and customizable security solutions and other applications for a smart city

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005049303A (ja) * 2003-07-31 2005-02-24 Matsushita Electric Works Ltd 超音波画像化装置及び画像化方法
JP2007085866A (ja) * 2005-09-21 2007-04-05 Osaka Prefecture 物体検出装置
KR100775504B1 (ko) * 2006-11-30 2007-11-12 성균관대학교산학협력단 에너지 소비를 감소시키기 위한 목표물 검출 시스템 및 그검출 방법
KR20110032332A (ko) * 2009-09-22 2011-03-30 국방과학연구소 감시정찰 센서 네트워크 환경에서 표적 개수 추정 방법 및 장치
KR20110042677A (ko) 2009-10-19 2011-04-27 주식회사 베스코 센서카메라를 이용한 방범 시스템
KR20160097708A (ko) * 2015-02-09 2016-08-18 (주)도원엔지니어링건축사사무소 통합형 센서모듈을 이용한 상시 환경제어 및 재난대응 관제시스템
KR20170048219A (ko) * 2015-10-26 2017-05-08 이형용 Cctv 자동선별 모니터링 시스템, cctv 자동선별 모니터링 관리서버 및 관리방법
US20170301220A1 (en) * 2016-04-19 2017-10-19 Navio International, Inc. Modular approach for smart and customizable security solutions and other applications for a smart city

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102139651B1 (ko) * 2020-03-31 2020-07-30 김대환 아동청소년 교육시설 성범죄자 접근 제어 시스템 및 방법
KR20210126942A (ko) * 2020-04-13 2021-10-21 고진욱 스마트 위험 감지 시스템
KR102466682B1 (ko) * 2020-04-13 2022-11-15 주식회사 미오토 스마트 위험 감지 시스템

Similar Documents

Publication Publication Date Title
US10600301B2 (en) Smoke device and smoke detection circuit
US10614692B2 (en) Smoke detector for event classification and methods of making and using same
KR102021929B1 (ko) 범죄 위험 알림 시스템 및 방법
Woodall et al. On the use and evaluation of prospective scan methods for health-related surveillance
JP6848546B2 (ja) 変化点検出装置および変化点検出方法
JP6856122B2 (ja) 学習システム、分析システム、学習方法及び記憶媒体
JP7309761B2 (ja) 複数の信号を処理するためのシステムおよび方法
CN108140423A (zh) 室内/室外检测
CN114338351B (zh) 网络异常根因确定方法、装置、计算机设备及存储介质
JP4310409B2 (ja) 生活異変検知方法、装置及びプログラム
KR102617126B1 (ko) 인공지능 스마트 귀마개
US20180184927A1 (en) Real-time heart rate detection method and real-time heart rate detection system therefor
KR101978018B1 (ko) 예후 및 건전성 관리를 위한 한도 기반 임계치 추정
JP2007299059A (ja) 信号識別方法
EP3279879B1 (en) Activity amount calculation system, activity amount calculation device, activity amount calculation method, and computer-readable recording medium
US10171600B2 (en) Methods and devices for providing information
CN109739736B (zh) 一种基于移动终端数据的用户异常行为检测方法
JP6183839B2 (ja) 行動予測システム、行動予測装置、行動予測方法、行動予測プログラム及び行動予測プログラムを記録した記録媒体
CN117690273B (zh) 烟雾报警器的复位方法、装置、设备及存储介质
KR102010925B1 (ko) 범죄 위험 정보 전달 시스템 및 방법
KR102597266B1 (ko) 이상 행동 예측 시스템 및 방법, 컴퓨터 프로그램
US20220172027A1 (en) Inference execution method
TWI783360B (zh) 異常偵測裝置和異常偵測方法
WO2021199315A1 (ja) 監視装置、監視方法、および記録媒体
KR20180130806A (ko) 범죄 관련 빅데이터를 활용한 미선러닝 알고리즘 기반 위치별 범죄 발생 확률 예측 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant