KR102145144B1

KR102145144B1 - 인공지능 기계학습 이상탐지 기반 승강기 안전사고 예방 및 유지보수를 위한 지능형 원격방재 시스템

Info

Publication number: KR102145144B1
Application number: KR1020200024302A
Authority: KR
Inventors: 최성수; 이동근; 문승혁; 최나라찬
Original assignee: 주식회사 에이아이넷
Priority date: 2020-02-27
Filing date: 2020-02-27
Publication date: 2020-08-18

Abstract

인공지능 기계학습 이상탐지 기반 승강기 안전사고 예방 및 유지보수를 위한 지능형 원격방재 시스템으로서, 출입문 영역 및 디스플레이 영역을 포함하는 승강기 내부 공간의 영상 데이터를 수집하는 영상 데이터 수집부, 상기 승강기 내부 공간의 음성 데이터를 수집하는 소리 데이터 수집부, 미리 입력된 학습 데이터를 바탕으로 기계 학습을 수행하고, 상기 승강기 내부 공간의 영상 데이터 및 음성 데이터를 입력 변수로 하는 상기 기계 학습을 이용하여, 승강기 내 탑승자의 사고 발생 여부를 판단하는 인공지능 분석부, 그리고 승강기 내 탑승자의 사고 발생으로 판단된 경우, 사용자 단말에게 알람 메시지를 송신하는 알람부를 포함하는 지능형 원격방재 시스템이 제공된다.

Description

인공지능 기계학습 이상탐지 기반 승강기 안전사고 예방 및 유지보수를 위한 지능형 원격방재 시스템{INTELLIGENT PREVENTION SYSTEM FOR PREVENTION OF ELEVATOR ACCIDENT BASED ON ABNORMALITY DETECTION USING AI MACHINE LEARNING}

본 발명은 지능형 원격방재 시스템에 관한 것으로, 특히 인공지능 기계학습 이상탐지 기반 승강기 안전사고 예방 및 유지보수를 위한 지능형 원격방재 시스템에 관한 것이다.

승강기 내부의 안전사고를 인지하는 방법으로는 방재실에서 CCTV를 통해 지속적인 모니터링을 통해 인지하는 방법과 승객의 신고를 통해 인지하는 방법이 있다.

종래에는 폐쇄된 승강기 구조물 특성상 CCTV를 통해서만 사고 발생 여부를 확인할 수 있었고, 승강기 구조 특성상 안전사고가 발생하는 경우 내부 동행 승객의 신고가 아니면 사고인지가 어려운 문제점이 있었다.

또한, 종래에는 건물 내 승강기 방재실 전담 모니터링 요원의 부재시 모니터링이 어려운 문제점이 있었다.

또한, 종래에는 연 1회 정기점검을 통해 승강기 고장진단을 수행하기 때문에 수시로 발생할 수 있는 승강기 고장에 대해 실시간 파악이 어려운 문제점이 있었다.

이에 따라, 인공지능 분석을 통해 실시간으로 사고 발생 여부 및 승강기 고장 발생 여부를 감지하고, 이를 외부에 신속히 알릴 수 있는 기술이 요구된다.

본 발명이 이루고자 하는 기술적 과제는 인공지능 분석을 통해 실시간으로 사고 발생 여부 및 승강기 고장 발생 여부를 감지하고, 이를 외부에 신속히 알릴 수 있는 지능형 원격방재 시스템을 제공하는 것이다.

한 실시예에 따르면, 인공지능 기계학습 이상탐지 기반 승강기 안전사고 예방 및 유지보수를 위한 지능형 원격방재 시스템이 제공된다. 상기 지능형 원격방재 시스템은 출입문 영역 및 디스플레이 영역을 포함하는 승강기 내부 공간의 영상 데이터를 수집하는 영상 데이터 수집부, 상기 승강기 내부 공간의 음성 데이터를 수집하는 소리 데이터 수집부, 미리 입력된 학습 데이터를 바탕으로 기계 학습을 수행하고, 상기 승강기 내부 공간의 영상 데이터 및 음성 데이터를 입력 변수로 하는 상기 기계 학습을 이용하여, 승강기 내 탑승자의 사고 발생 여부를 판단하는 인공지능 분석부, 그리고 승강기 내 탑승자의 사고 발생으로 판단된 경우, 사용자 단말에게 알람 메시지를 송신하는 알람부를 포함한다.

상기 영상 데이터 수집부는, 120도 화각의 광각 렌즈를 포함하며, 상기 승강기 내부 공간을 촬영하는 카메라 모듈을 포함할 수 있다.

상기 학습 데이터는, 사람이 쓰러졌을 때의 이미지, 사람이 출입문에 끼었을 때의 이미지, 사람의 비명 관련 음성 데이터, 및 구조 요청 관련 음성 데이터를 포함할 수 있다.

상기 지능형 원격방재 시스템은 승강기가 상승 또는 하강할 때의 가속도를 측정하는 센서부를 더 포함하고, 상기 소리 데이터 수집부는 상기 승강기 내부 공간의 음향 데이터를 수집하고, 상기 인공지능 분석부는 미리 입력된 학습 데이터를 통해 기계 학습을 수행하고, 상기 승강기 내부 공간의 음향 데이터 및 가속도를 입력 변수로 하는 상기 기계 학습을 이용하여, 승강기의 고장 발생 여부를 판단할 수 있다.

상기 학습 데이터는, 승강기가 미고장 상태일 때의 디스플레이 패널 이미지, 승강기가 고장 상태일 때의 가속도, 및 승강기가 고장 상태일 때의 기계음 데이터를 포함할 수 있다.

영상 데이터, 음성 데이터, 음향 데이터, 및 승강기 가속도를 인공지능을 이용하여 분석하고, 승강기 내부의 사고 발생 여부 및 승강기 고장 발생 여부를 실시간으로 판단하며, 승강기 사고 또는 고장 발생시 알람을 제공함으로써, 즉각적인 조치가 가능하다.

도 1은 한 실시예에 따른 지능형 원격방재 시스템의 블록도이다.
도 2는 한 실시예에 따른 카메라 모듈의 영상 데이터를 설명하기 위한 도면이다.
도 3은 한 실시예에 따른 영상 데이터 수집부의 블록도이다.
도 4는 한 실시예에 따른 소리 데이터 수집부의 블록도이다.
도 5 및 도 6은 한 실시예에 따른 제1 학습 데이터를 설명하기 위한 도면이다.
도 7은 한 실시예에 따른 제2 학습 데이터를 설명하기 위한 도면이다.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

도 1 내지 도 4를 참조하면, 한 실시예에 따른 지능형 원격방재 시스템(100)은 영상 데이터 수집부(110), 소리 데이터 수집부(120), 센서부(130), 인공지능 분석부(140), 및 알람부(150)를 포함할 수 있다.

영상 데이터 수집부(110)는 출입문 영역(21) 및 디스플레이 영역(22, 23)을 포함하는 승강기 내부 공간의 영상 데이터를 수집한다.

영상 데이터 수집부(110)는 한 실시예로서, 카메라 모듈(111) 및 제1 메모리 모듈(112)을 포함할 수 있다. 카메라 모듈(111)은 한 실시예로서, 메가 픽셀(Mega Pixel)의 CMOS 센서를 포함할 수 있고, 120도 화각의 광각 렌즈를 포함할 수 있으며, 승강기 내부 공간의 영상을 실시간 촬영할 수 있다. 120도 화각의 광각 렌즈를 사용함으로써, 음영지대(사각지대)를 최소화할 수 있다.

제1 메모리 모듈(112)은 승강기 내부 공간의 영상 데이터를 저장할 수 있다.

소리 데이터 수집부(120)는 한 실시예로서, 마이크 모듈(121) 및 제2 메모리 모듈(122)을 포함할 수 있다. 마이크 모듈(121)은 승강기 내부 공간의 음성 데이터 및 음향 데이터를 수집할 수 있다.

제2 메모리 모듈(122)은 승강기 내부 공간의 음성 데이터 및 음향 데이터를 저장할 수 있다.

음성 데이터는 사람의 비명 소리 및 말소리를 포함할 수 있고, 음향 데이터는 기계음을 포함할 수 있다.

센서부(130)는 한 실시예로서, 승강기가 상승 또는 하강할 때의 가속도를 측정할 수 있고, 승강기가 상승 또는 하강하는 동안의 진동을 측정할 수 있다.

센서부(130)는 한 실시예로서, 가속도 센서 및 진동 센서를 포함할 수 있다.

인공지능 분석부(140)는 영상 데이터 수집부(110) 및 소리 데이터 수집부(120)를 통해 수집된 승강기 내부 공간의 영상 데이터 및 음성 데이터를 입력 변수로 하는 제1 학습 모델을 이용하여 승강기 내 탑승자의 사고 발생 여부를 판단한다.

인공지능 분석부(140)는 한 실시예로서, 미리 저장된 알고리즘을 이용하여 제1 학습 데이터를 바탕으로 제1 학습 모델을 생성할 수 있다. 제1 학습 데이터는 한 실시예로서, 승강기 정상운영 환경에서의 승강기 내부 영상, 승강기 개별 모델(3종 이상)에 대한 특정 기간(예, 3일)의 승강기 운영 데이터, 사람이 쓰러졌을 때의 이미지, 사람이 출입문에 끼었을 때의 이미지(도 5 및 도 6 참조), 문에 기대고 있는 사람의 이미지, 문에 손을 대고 있는 사람의 이미지, 문에 강아지 줄이 끼었을 때의 이미지, 승강기 내부 바닥에 앉아 있는 사람의 이미지, 사람의 비명 관련 음성 데이터, 및 구조 요청 관련 음성 데이터를 포함할 수 있다. 미리 저장된 알고리즘은 한 실시예로서, 머신 러닝(Machine Learning) 학습 알고리즘 또는 딥러닝(Deep Learning) 학습 알고리즘일 수 있다.

인공지능 분석부(140)는 한 실시예로서, 미리 저장된 알고리즘을 이용하여 제2 학습 데이터를 바탕으로 제2 학습 모델을 생성할 수 있다. 제2 학습 데이터는 한 실시예로서, 승강기 정상운영 환경에서의 내부 음성 및 음향 데이터, 승강기 개별 모델(3종 이상)에 대한 특정 기간(예, 3일)의 승강기 운영 데이터, 승강기가 미고장 상태일 때의 디스플레이 패널 이미지(도 5 참조), 승강기가 고장 상태일 때의 가속도, 및 승강기가 고장 상태일 때의 기계음 데이터(이상 기계 소음)를 포함할 수 있다. 미리 저장된 알고리즘은 한 실시예로서, 머신 러닝(Machine Learning) 학습 알고리즘 또는 딥러닝(Deep Learning) 학습 알고리즘일 수 있다.

인공지능 분석부(140)는 승강기 내부 공간의 영상 데이터 및 음성 데이터를 입력 변수로 하는 제1 학습 모델을 이용하여 승강기 내 탑승자의 사고 발생 여부를 판단한다.

인공지능 분석부(140)는 영상 데이터 수집부(110)를 통해 실시간으로 수집되는 영상 데이터에 대해 전처리, 배경 분리 및 객체 식별, 배경 차분 식별, 배경 특징정보 추출, 객체 특징정보 추출 과정을 순차적으로 수행한 후, 승강기 내부 공간의 영상 데이터를 입력 변수로 하는 제1 학습 모델을 이용하여 승강기 내 탑승자의 사고 발생 여부를 판단할 수 있다.

인공지능 분석부(140)는 소리 데이터 수집부(120)를 통해 실시간으로 수집되는 소리 데이터에 대해 전처리, 잡음 신호처리, 음성 및 기계음 신호 분리, 음성 특징정보 추출, 기계음 특징정보 추출 과정을 순차적으로 수행한 후, 승강기 내부 공간의 음성 데이터를 입력 변수로 하는 제1 학습 모델을 이용하여 승강기 내 탑승자의 사고 발생 여부를 판단할 수 있다.

인공지능 분석부(140)는 승강기 내부 공간의 음향 데이터 및 가속도를 입력 변수로 하는 제2 학습 모델을 이용하여 승강기의 고장 발생 여부를 판단한다.

인공지능 분석부(140)는 소리 데이터 수집부(120)를 통해 실시간으로 수집되는 소리 데이터에 대해 전처리, 잡음 신호처리, 음성 및 기계음 신호 분리, 음성 특징정보 추출, 기계음 특징정보 추출 과정을 순차적으로 수행한 후, 승강기 내부 공간의 음향 데이터 및 가속도를 입력 변수로 하는 제2 학습 모델을 이용하여 승강기의 고장 발생 여부를 판단할 수 있다.

인공지능 분석부(140)는 한 실시예로서, 출입문 영역(21) 및 디스플레이 영역(22, 23)을 포함하는 승강기 내부 공간의 영상 데이터를 입력 변수로 하는 제1 학습 모델을 이용하여 승강기 내 탑승자의 사고 발생 여부를 판단할 수 있고, 사고 발생으로 판단한 경우 출입문 영역(21) 및 디스플레이 영역(22, 23)의 이미지로부터 승강기의 층수 및 문개폐 여부를 판단할 수 있다.

알람부(150)는 승강기 내 탑승자의 사고 발생으로 판단되거나 또는 승강기의 고장 발생으로 판단된 경우, 사용자 단말에게 알람 메시지를 송신한다.

사용자 단말은 한 실시예로서, 이동 통신 단말기, 데스크톱 컴퓨터, 노트북 컴퓨터, 워크스테이션, 팜톱(palmtop) 컴퓨터, 개인 휴대 정보 단말기(Personal Digital Assistant, PDA), 웹 패드 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기일 수 있다.

알람 메시지는 한 실시예로서, 사고 발생 정보 또는 승강기 고장 발생 정보, 승강기 위치 정보, 층수 정보, 문개폐 정보를 포함할 수 있다.

알람부(150)는 한 실시예로서, 승강기 내 탑승자의 사고 발생으로 판단되거나 또는 승강기의 고장 발생으로 판단된 경우, 방재실 서버(300) 및 유관기관 서버(예, 종합상황실 서버)(400)에게 알람 메시지를 송신할 수 있다.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims

인공지능 기계학습 이상탐지 기반 승강기 안전사고 예방 및 유지보수를 위한 지능형 원격방재 시스템으로서,
출입문 영역 및 디스플레이 영역을 포함하는 승강기 내부 공간의 영상 데이터를 수집하는 영상 데이터 수집부,
상기 승강기 내부 공간의 음성 데이터를 수집하는 소리 데이터 수집부,
승강기가 상승 또는 하강할 때의 가속도를 측정하는 센서부,
상기 승강기 내부 공간의 영상 데이터 및 음성 데이터를 입력 변수로 하는 제1 학습 모델을 이용하여 승강기 내 탑승자의 사고 발생 여부를 판단하고, 상기 승강기 내부 공간의 음향 데이터 및 가속도를 입력 변수로 하는 제2 학습 모델을 이용하여 승강기의 고장 발생 여부를 판단하는 인공지능 분석부, 그리고
승강기 내 탑승자의 사고 발생으로 판단되거나 또는 승강기의 고장 발생으로 판단된 경우, 사용자 단말에게 알람 메시지를 송신하는 알람부
를 포함하고,
상기 인공지능 분석부는,
사람이 쓰러졌을 때의 이미지, 사람이 출입문에 끼었을 때의 이미지, 출입문에 강아지 줄이 끼었을 때의 이미지, 사람의 비명 관련 음성 데이터, 및 구조 요청 관련 음성 데이터를 포함하는 제1 학습 데이터를 이용하여 상기 제1 학습 모델을 생성하고,
승강기가 미고장 상태일 때의 디스플레이 패널 이미지, 승강기 고장 발생시 가속도, 및 승강기 고장 발생시 기계음 데이터를 포함하는 제2 학습 데이터를 이용하여 상기 제2 학습 모델을 생성하며,
상기 알람 메시지는 승강기 위치 정보, 층수 정보, 및 문개폐 정보를 포함하는 지능형 원격방재 시스템.
제1항에서,
상기 영상 데이터 수집부는,
120도 화각의 광각 렌즈를 포함하며, 상기 승강기 내부 공간을 촬영하는 카메라 모듈을 포함하는, 지능형 원격방재 시스템.
삭제
삭제
삭제