KR102157201B1 - 사고기록정보와 이미지에 기반한 재난 상황 판단 방법 및 시스템 - Google Patents
사고기록정보와 이미지에 기반한 재난 상황 판단 방법 및 시스템 Download PDFInfo
- Publication number
- KR102157201B1 KR102157201B1 KR1020200062570A KR20200062570A KR102157201B1 KR 102157201 B1 KR102157201 B1 KR 102157201B1 KR 1020200062570 A KR1020200062570 A KR 1020200062570A KR 20200062570 A KR20200062570 A KR 20200062570A KR 102157201 B1 KR102157201 B1 KR 102157201B1
- Authority
- KR
- South Korea
- Prior art keywords
- accident
- month
- server
- information
- image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 title description 9
- 238000012545 processing Methods 0.000 claims abstract description 58
- 230000034994 death Effects 0.000 claims abstract description 36
- 231100000517 death Toxicity 0.000 claims abstract description 36
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 25
- 206010000369 Accident Diseases 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 230000006378 damage Effects 0.000 claims description 15
- 208000027418 Wounds and injury Diseases 0.000 claims description 14
- 208000014674 injury Diseases 0.000 claims description 14
- 208000012260 Accidental injury Diseases 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 2
- 239000000779 smoke Substances 0.000 description 8
- 239000003550 marker Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000013145 classification model Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G06K9/20—
-
- G06K9/62—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- 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
- G08B25/14—Central alarm receiver or annunciator arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Emergency Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Alarm Systems (AREA)
Abstract
사고기록정보와 이미지에 기반한 재난 상황 판단 방법이 제공된다. 서버 수집부, 서버 처리부, 서버 전송부 및 웹 서버를 포함하는 서버에 의해 수행되는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법은, 상기 서버 수집부가 사용자 장치로부터 사고 이미지 및 위치 정보를 수신하는 단계; 상기 서버 수집부가 미리 저장된 사고기록정보, 상기 사고 이미지 및 상기 위치 정보를 상기 서버 처리부로 전송하고, 상기 웹 서버로 상기 사고 이미지를 전송하는 단계; 상기 웹 서버가 미리 기계학습된 사고 인식 모델에 상기 사고 이미지를 입력하여 상기 사고 이미지에 포함된 사고 유형 결과 값을 산출하는 단계; 상기 웹 서버가 사고 유형 결과 값을 상기 서버 처리부에 전송하는 단계; 및 상기 서버 처리부가 상기 미리 저장된 사고기록정보, 상기 위치 정보 및 상기 사고 유형 결과 값을 이용하여 상기 사고 이미지를 수신한 시점에 대응하는 이달의 재난 상황 정보를 산출하는 단계;를 포함하고, 상기 사고기록정보는 상기 이달 기준으로 최근 10년간 동월(同月)의 교통사고 정보 및 최근 10년간 동월의 화재사고 정보를 포함하고, 상기 이달의 재난 상황 정보는 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 포함할 수 있다.
Description
본 발명은 사고기록정보와 이미지에 기반한 재난 상황 판단 방법 및 시스템에 관한 것으로, 보다 자세하게는 사용자 장치에서 획득한 이미지 및 위치 정보와 미리 수집한 사고기록정보를 활용하여 사고가 발생한 달에 예상되는 재난상황정보를 판단하는 방법 및 시스템에 관한 것이다.
대한민국 등록특허 10-13523849에서는, 각각의 화재 경보 장치를 통하여 실시간으로 화재 발생 여부를 알리고 있는 적어도 하나의 화재 경보 장치의 위치 정보를 판단하여 전송하는 지능형 화재 알람 시스템을 개시하고 있다. 본 시스템은 복수 개의 서버를 이용하여 화재 알람의 안정성을 높임으로써, 어떠한 상황에서도 거주민에게 화재발생을 안내할 수 있는 효과에 대하여 개시하고 있다.
또한 대한민국 등록특허 10-1447714에서는, 화재 발섕 감지 로봇이 주변 연기 밀도를 제공하는 연기 밀도 측정 센서 및 화재 판단 모듈을 이용하여 화재가 발생 한 것으로 판단할 경우, 화재 발섕을 통보하기 위해 로봇 통신부, 화재 감지기 원리, 정온식 차 등식 화재 감지기 원리, 광전식 화재 감지기 원리 및 퍼지 알고리즘을 적용하였고, 이는 규모가 작은 가정집과 같은 곳에서도 이용이 가능하며, 화재 발생의 판단을 정확히 할 수 있고, 화재 발생 시에 화재 발생 정보를 신속하게 전달할 수 있는 효과에 대하여 개시하고 있다.
또한 대한민국 등록특허 10-2026434에서는, 열, 연기, 습도 중 어느 하나 이상을 측정한 측정값을 무선통신을 이용하여 외부에 전송하는 센서 모듈, 센서 모듈이 설치된 장소의 영상정보를 수집하여 유선 또는 무선통신을 이용해 외부에 전송하는 카메라, 센서 모듈에서 전송하는 측정값을 수신하여 일차적으로 화재 여부를 판단하고, 화재로 판단되는 경우 카메라에서 수집한 영상에이터를 영상 분석 서버에 전송하는 화재 속보기, 영상 데이터를 수신하여 영상 분석을 통해 화재 여부를 2차적으로 판단하고, 판단 결과를 화재 속보기에 전송하는 영상 분석 서버를 포함하고, 화재 속보기는 영상 분석 서버로부터 화재 판단 결과를 수신하여 화재로 판단된 경우 소방서나 소방방재서버에 화재신고를 전송하여 오탐률을 줄인 영상 분석을 통한 화재 오탐률 최소화 시스템은 일차적으로 화재 여부를 감지하는 센서, 영상정보를 수집하는 카메라, 1차 화재로 감지되면 카메라에서 수집한 영상정보를 영상 분석 서버에 전송하고 인공지능 영상 분석을 이용해 최종적으로 화재 여부를 판단하여, 오탐률을 줄인 영상 분석을 통한 화재 오탐률 최소화 시스템을 제공하는 내용을 개시하고 있다.
그러나 상기 특허들에서는 화재 사고의 발생여부를 기술적으로 감지(예: 별도의 센서를 이용하여 감지)한 결과에 대한 정확성을 보장할 수 있지만, 적어도 하나의 장비를 구비해야 하거나, 적어도 하나 이상의 센서 및 모듈을 구비해야 하거나, 적어도 하나 이상의 카메라를 구비함에 따라 감지 시스템이 복잡해지고 설치 및 운영 등의 제반 비용이 증가하는 문제점이 있었다.
(특허문헌 0001) 대한민국 등록특허 제10-13523849호
(특허문헌 0002) 대한민국 등록특허 제10-1447714호
(특허문헌 0003) 대한민국 등록특허 제10-2026434호
본 발명이 해결하고자 하는 과제는 별도의 센서 모듈 등의 장치를 추가로 구비할 필요 없이 사용자가 사용하고 있는 장치를 통해 획득한 이미지, 위치 정보 및 미리 저정된 사고기록정보를 활용하여 해당 사고가 발생한 달에 예상되는 재난상황정보를 산출하여 관리자 장치에 표시하는 시스템 및 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 서버 수집부, 서버 처리부, 서버 전송부 및 웹 서버를 포함하는 서버에 의해 수행되는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법은, 상기 서버 수집부가 사용자 장치로부터 사고 이미지 및 위치 정보를 수신하는 단계; 상기 서버 수집부가 미리 저장된 사고기록정보, 상기 사고 이미지 및 상기 위치 정보를 상기 서버 처리부로 전송하고, 상기 웹 서버로 상기 사고 이미지를 전송하는 단계; 상기 웹 서버가 미리 기계학습된 사고 인식 모델에 상기 사고 이미지를 입력하여 상기 사고 이미지에 포함된 사고 유형 결과 값을 산출하는 단계; 상기 웹 서버가 사고 유형 결과 값을 상기 서버 처리부에 전송하는 단계; 및 상기 서버 처리부가 상기 미리 저장된 사고기록정보, 상기 위치 정보 및 상기 사고 유형 결과 값을 이용하여 상기 사고 이미지를 수신한 시점에 대응하는 이달의 재난 상황 정보를 산출하는 단계;를 포함하고, 상기 사고기록정보는 상기 이달 기준으로 최근 10년간 동월(同月)의 교통사고 정보 및 최근 10년간 동월의 화재사고 정보를 포함하고, 상기 이달의 재난 상황 정보는 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 포함할 수 있다.
상술한 과제를 해결하기 위한 사고기록정보와 이미지에 기반한 재난 상황 판단 시스템은, 사고 이미지와 위치 정보를 획득하는 사용자 장치; 서버 수집부, 서버 처리부, 서버 전송부 및 웹 서버를 포함하며 미리 저장된 사고기록정보와 상기 이미지 및 상기 위치 정보를 이용하여 재난 상황을 판단하는 서버; 및 상기 서버로부터 수신한 상기 사고 이미지, 상기 위치 정보 및 재난 상황 정보를 표시하는 관리자 장치;를 포함하고, 상기 서버 수집부가 상기 사용자 장치로부터 사고 이미지 및 위치 정보를 수신하고, 상기 서버 수집부가 상기 사고기록정보, 상기 사고 이미지 및 상기 위치 정보를 상기 서버 처리부로 전송하고, 상기 웹 서버로 상기 사고 이미지를 전송하고, 상기 웹 서버가 미리 기계학습된 사고 인식 모델에 상기 사고 이미지를 입력하여 상기 사고 이미지에 포함된 사고 유형 결과 값을 산출하고, 상기 웹 서버가 사고 유형 결과 값을 상기 서버 처리부에 전송하고, 상기 서버 처리부가 상기 사고기록정보, 상기 위치 정보 및 상기 사고 유형 결과 값을 이용하여 상기 사고 이미지를 수신한 시점에 대응하는 이달의 재난 상황 정보를 산출하고, 상기 사고기록정보는 상기 이달 기준으로 최근 10년간 동월(同月)의 교통사고 정보 및 최근 10년간 동월의 화재사고 정보를 포함하고, 상기 이달의 재난 상황은 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 포함할 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
상기와 같은 본 발명에 따르면, 아래와 같은 다양한 효과들을 가진다.
본 발명에 따르면, 사용자 장치에서 획득한 이미지, 위치 정보 및 미리 수집한 사고기록정보를 활용하여 해당 사고가 발생한 달에 예상되는 재난상황정보를 정확하게 예측할 수 있다.
또한, 본 발명에 따르면, 재난상황정보를 관리자(예:소방관)에 제공함으로써 즉각적인 긴급 출동 시나리오 기획 및 절차에 소요되는 시간을 단축하는 데 도움을 줄 수 있다.
또한, 본 발명에 따르면 재난상황정보를 관리자에게 제공함으로써 해당 재난 사고로 다가올 가까운 미래의 발생할 인적, 재산적 피해를 예측 및 최소화할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1 은 본 발명의 일 실시 예에 따른 사고기록정보와 이미지에 기반한 재난 상황 판단 시스템을 나타낸 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 사고기록정보와 이미지에 기반한 재난 상황 판단 방법을 방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 일 실시 예에 따른 딥러닝 기반 사고 인식 방법을 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시 예에 따른 재난 상황 정보를 산출하는 방법을 나타낸 흐름도이다.
도 2는 본 발명의 일 실시 예에 따른 사고기록정보와 이미지에 기반한 재난 상황 판단 방법을 방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 일 실시 예에 따른 딥러닝 기반 사고 인식 방법을 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시 예에 따른 재난 상황 정보를 산출하는 방법을 나타낸 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1 은 본 발명의 일 실시 예에 따른 사고기록정보와 이미지에 기반한 재난 상황 판단 시스템을 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 재난 상황 판단 시스템은 미리 저장된 사고기록정보와 사용자 장치로부터 획득한 사고의 이미지 및 위치 정보를 활용하여 해당 사고가 발생한 달에 예상되는 재난상황정보를 판단할 수 있다. 이를 위해, 재난 상황 판단 시스템은 사용자 장치(100), 서버(200) 및 관리자 장치(300)를 포함할 수 있다.
일 실시 예에서, 사용자 장치(100)는 사고 이미지와 위치 정보를 획득할 수 있고, 이를 위해 제1 제어부(110), 카메라(120), 위치 센서(130) 및 제1 디스플레이(140)를 포함할 수 있다. 여기서 사고 이미지란 교통사고 또는 화재사고를 구별할 수 있을 정도로 사고 현장이 포함된 이미지일 수 있다. 여기서 위치 정보란 위치 센서(130)에 의해 측정된 위치들을 포함하며, 예를 들어 사고 이미지에 포함된 재난 사고가 발생한 위치를 포함할 수 있다.
일 실시 예에서, 사용자 장치(100)는 사용자에 의해 휴대가 가능한 이동형 장치이거나 어느 특정 장소에 배치된 고정형 장치일 수 있다.
일 실시 예에서, 사용자는 재난 사고가 발생한 경우, 사용자 장치(100)에 미리 설치된 실시간 재난사고 신고 웹 페이지에 접속하여 사용자 장치(100)의 위치 정보제공동의를 한 후, 재난 사고가 발생한 위치를 지도 상에서 클릭할 수 있다. 다음으로 사용자는 촬영한 사고 이미지를 업로드하고, 추가적으로 신고할 내용이 있다면 텍스트로 입력할 수 있다. 마지막으로 신고하기 버튼을 클릭하면 서버(200)로 사용자가 업로드한 사고 이미지, 위치 정보 및 추가적으로 신고한 내용이 전송될 수 있다. 다시 말하면, 실시간 재난사고 신고 웹 페이지는 위치정보 제공동의 메뉴, 사고 발생 위치를 특정하기 위한 지도 맵, 사고 이미지 업로드 메뉴, 추가 신고 내용을 기재할 수 있는 메뉴 및 신고하기 버튼을 포함할 수 있다.
일 실시 예에서, 서버(200)는 미리 저장된 사고기록정보와 사고 이미지 및 위치 정보를 이용하여 재난 상황을 판단할 수 있다. 이를 위해, 서버(200)는 서버 수집부(210), 서버 처리부(220), 서버 전송부(230) 및 웹 서버(240)를 포함할 수 있고, 웹 서버(240)는 메인 서버(241) 및 이미지 판별 서버(242)를 포함할 수 있다.
일 실시 예에서, 서버 수집부(210)는 사용자 장치(100)로부터 실시간으로 수신하는 사고 이미지, 사용자가 지정한 마커(지도 맵에 표시됨)의 위치 정보, 추가 신고 정보, 공공데이터로부터 매달마다 한시적으로 수집된 사고기록정보를 수집할 수 있다. 여기서 사고기록정보는 최근 10년간 교통사고 정보, 최근 10년간 화재사고 정보를 포함할 수 있다. 여기서 추가 신고 정보는 사용자가 사고 이미지를 전송할 때, 신고 웹 페이지를 통해 본인이 사고 현장에서 파악한 내용을 텍스트로 기재한 정보(예: A 고속도로에서 3중 추돌 사고 발생)를 포함할 수 있다.
일 실시 예에서, 서버 처리부（220)는 서버 수집부(210)에서 수집하는 각종 데이터들을 수신할 수 있다. 서버 처리부(220)는 시스템 타이머, 사용자가 전송한 마커의 위도와 경도에 따라 변환된 도로명 주소, 최근 10년간 동월(여기서 동월이란 재난 사고가 발생한 달과 동일한 달을 의미)의 교통사고 정보, 최근 10년간 동월의 화재사고 정보를 이용하여 해당 사고 유형에 따른 이달의 예상되는 사고 발생건수, 이달의 예상 사고 사망자수, 이달의 예상 사고 부상자수를 산출할 수 있다.
일 실시 예에서, 서버 전송부(230)는 사용자 장치(200)로부터 마커의 위치 즉, 재난 사고가 제보된 재난 사고 발생 위치, 해당 사고 이미지의 사고 유형 결과값, 재난 사고가 제보된 시간(또는 재난 사고가 발생한 시간), 추가 신고 내용, 서버 처리부(220)에서 산출된 해당 사고 유형에 따른 각 평균값을 관리 자 장치(300)로 전송할 수 있다.
일 실시 예에서, 웹 서버(230)는 사용자 장치(100)에게 사고 신고용 웹 페이지를 제공하는 메인 서버(241)를 포함할 수 있다. 메인 서버(241)는 Flask 기반일 수 있으며 사용자로부터 실시간으로 제보 관련 데이터를 송수신하기 위해 각종 관련 기능등을 수행할 수 있다.
일 실시 예에서, 웹 서버(230)는 이미지 판별 서버(242)를 포함할 수 있다. 이미지 판별 서버(242)는 Keras 기반의 보조 서버일 수 있으며, 위치 정보와 사고 인식 모델로 학습된 수 만장의 이미지들이 포함된 대용량의 정보를 모아둔 대용량 통합 데이터 HDF5를 포함할 수 있다. 또하느 이미지 판별 서버(242)는 서버 수집부(210)에서 수집된 모든 정보를 기반으로 100,000 장 이상의 이미지 데이터로 학습되며 재난 사고의 유형의 인식 및 판별에 대한 정확도가 97％인 사고 인식 모델을 포함할 수 있다. 이미지 판별 서버(242)는 사용자부터 수집된 사고 이미지가 교통사고인지, 불이나 연기가 있는지, 둘 다 해당되지 않는 지 여부를 인식 및 판별할 수 있다. 또한, 사용자 장치(100)에서의 재난 사고에 대한 정보를 입력 및 전송할 수 있고, 관리자 장치(300)에서의 해당 재난 사고에 대한 정보를 표시해줄 수 있도록 웹 인터페이스를 제공할 수 있다.
예를 들어, 사고 인식 모델은 DCNN(deep convolutional neural network)일 수 있다. 예를 들어, 객체 분류 모델은 컨볼루션 레이어 2개와 배치 정규화 레이어 1개로 이루어진 레이어 집합을 적어도 3개 이상 포함할 수 있다. 예컨대, 객체 분류 모델은 콘볼루션 신경망을 기반으로 계층들이 주를 이루어서 구성될 수 있다. 예를 들어, 객체 분류 모델은 총 20개의 계층들이 용도에 따라 구성이 다를 수 있다. 이는 대량의 영상 데이터를 학습할 때 높은 정확도로 학습되게 하고, 일반적인 CNN에 비해 과적합 문제를 효과적으로 해결하는 이점이 있다. 우선 콘볼루션 계층 2개와 Batch Normalization 계층 1개로 이루어진 집합이 입력된 영상 데이터를 학습한다. 이 과정을 3번을 반복하여서 정밀하고 깊은 수준의 인자까지 고려하여 학습이 이루어질 수 있다. 초기에 콘볼루션 계층의 뉴런의 개수가 64개였지만, 반복될수록 2배 더 많은 뉴런을 가지게 된다. 또한 Batch Normalization 계층에서 정규화를 시켜 객관적인 값으로 다음 계층으로 넘어가게 되어 더 나은 품질의 학습을 할 수 있다는 이점이 있다. 이 후 완전 연결 계층(Fully connected layer)을 통해 최종적으로 다차원의 영상 데이터를 1차원으로 변화시켜 출력할 수 있다
일 실시 예에서, 관리자 장치(300)는 서버(200)로부터 수신한 사고 이미지, 위치 정보 및 재난 상황 정보를 표시할 수 있으며, 이를 위해 제2 제어부(310) 및 제2 디스플레이(320)를 포함할 수 있다.
일 실시 예에서, 관리자 장치(300)는 실시간으로 제보 이벤트가 발생하면 누적되는 사용자들이 제보한 내용들을 각각의 다른 사용자 장치에서 수집되는 신고 이벤트마다 해당 이벤트들을 지도 상에 마커로 표시할 수 있다. 이외에도, 관리자 장치(300)는 마커 기준 도로명 주소, 화재 사고 이미지 판별 결과값, 제 보된 해당 사고 이미지, 서버 기준 시스템 타이머를 기준으로 한 해당 이벤트가 제보(또는 발생)된 시간과 해당 사고 유형에 따라 산출된 이달의 재난 상황 정보를 표시할 수 있다. 여기서 이달의 재난 상황 정보는 이달의 예상되는 사고 발생 건수, 사고 사망자수, 사고 부상자수를 포함할 수 있다.
일 실시 예에서, 사용자 장치(100)와 관리자 장치(300)는, 예를 들면, 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 전자책 리더기(e-book reader), 넷북 컴퓨터(netbook computer), PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라, 또는 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 사고기록정보와 이미지에 기반한 재난 상황 판단 방법을 방법을 설명하기 위한 흐름도이다. 도 2 의 동작들은 도 1에 개시된 구성들을 통해 수행될 수 있다.
한편, 동작 21 이전에, 웹 서버(240)는 사용자 장치(100)에 사고 신고용 인터페이스를 제공할 수 있으며, 사고 신고용 인터페이스는 앞서 기재한 사고 신고용 웹 페이지 또는 어플리케이션 등을 포함할 수 있으며, 사고 신고용 인터페이스는 사고 발생 위치 기록이 가능한 지도, 사고 이미지 업로드 메뉴, 추가 신고내용 메뉴 및 신고하기 메뉴 등을 포함할 수 있다.
도 2를 참조하면, 일 실시 예에서, 동작 21에서, 서버 수집부(210)는 사용자 장치(100)로부터 사고 이미지 및 위치 정보를 수신할 수 있다. 예를 들어, 사고 이미지는 재난 사고가 포함된 이미지(예: 화재가 발생한 건물이 포함된 이미지)일 수 있다. 위치정보는 사용자 장치(100)의 위치 센서(130)에 의해 획득된 사용자 장치(100)의 위치일 수 있다. 즉, 사고 이미지를 제보한 사용자는 사고 현장에 있을 확률이 대단히 높으므로 사용자 장치(100)에서 전송한 위치 정보에 포함된 사용자 장치(100)의 위치는 사고가 발생한 위치일 수 있다.
일 실시 예에서, 동작 22에서, 서버 수집부(210)는 미리 저장된 사고기록정보, 사고 이미지 및 위치 정보를 서버 처리부(220)로 전송하고, 웹 서버(240)로 사고 이미지를 전송할 수 있다. 예를 들어, 사고기록정보는 최근 10년간 교통사고 정보, 최근 10년간 화재사고 정보를 포함할 수 있다. 좀더 구체적으로, 사고기록정보는 이달(현재 시점의 달 또는 사고가 발생한 달과 동일한 달) 기준으로 최근 10년간 동월(同月)의 교통사고 정보 및 최근 10년간 동월의 화재사고 정보를 포함할 수 있다.
일 실시 예에서, 동작 23에서, 웹 서버(240)는 미리 기계학습된 사고 인식 모델에 사고 이미지를 입력하여 사고 이미지에 포함된 사고 유형 결과 값을 산출할 수 있다. 예를 들어, 사고 인식 모델은 앞서 설명한 바와 같이 DCNN일 수 있으며, 사고 유형 결과 값은 화재일 확률 값, 교통사고일 확률 값 등을 포함할 수 있다. 보다 구체적인 내용은 도 3에서 후술한다.
일 실시 예에서, 동작 24에서, 웹 서버(240)는 사고 유형 결과 값을 서버 처리부(220)에 전송할 수 있다.
일 실시 예에서, 동작 25에서, 서버 처리부(220)는 미리 저장된 사고기록정보, 위치 정보 및 사고 유형 결과 값을 이용하여 사고 이미지를 수신한 시점에 대응하는 이달의 재난 상황 정보를 산출할 수 있다. 예를 들어, 이달의 재난 상황 정보는 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 포함할 수 있다. 보다 구체적인 내용은 도 4에서 후술한다.
한편, 서버 처리부(220)는 시스템 타이머를 이용하여 사고 이미지가 수신된 시점을 확인 및 저장할 수 있다.
한편, 서버 처리부(220)는 위치 정보를 이용하여 사고 이미지에 포함된 사고의 발생 위치를 확인할 수 있으며, 확인 결과에 기반하여 사고의 발생 위치에서의 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 산출할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 딥러닝 기반 사고 인식 방법을 방법을 설명하기 위한 흐름도이다. 도 3 의 동작들은 도 1에 개시된 구성들을 통해 수행될 수 있다.
도 3을 참조하면, 일 실시 예에서, 동작 31에서, 서버 수집부(210)는 외부 서버로부터 주기적으로 최근 10년간 교통사고 정보 및 최근 10년간 화재사고 정보를 수신할 수 있다. 예를 들어, 외부 서버는 공공기관(예:국토교통부, 소방청 등) 서버일 수 있다.
일 실시 예에서, 동작 32에서, 웹 서버(240)는 최근 10년간 교통사고 정보 및 최근 10년간 화재사고 정보를 학습데이터로 활용하여 사고 인식 모델을 기계학습할 수 있다. 예컨대, 사고 인식 모델은 100,000장 이상의 이미지가 학습되고 정확도가 97% 이상인 지능형 사고유형 판단 모델일 수 있다.
일 실시 예에서, 동작 33에서, 웹 서버(240)는 사고 인식 모델을 이용하여 사고 이미지에 교통사고 및 화재 중 적어도 하나가 포함된 지 여부를 판단할 수 있다. 예를 들어, 수 많은 기계 학습을 통해 사고 이미지에 불 또는 연기와 관련된 객체 또는 파손되거나 부딪힌 차량과 관련된 객체가 포함된 지 여부를 판단할 수 있다.
예를 들어, 웹 서버(240)는 차량이 존재하고, 불이나 연기도 존재한다면 교통사고로 판별할 수 있다. 또한, 웹 서버(240)는 차량은 존재하지 않으나, 불이나 연기가 존재한다면 화재사고로 판별할 수 있다. 또한, 웹 서버(240)는 차량도 존재하지 않고, 불이나 연기도 존재하지 않으면 관련 없음으로 판별할 수 있고, 이후 동작들을 모두 종료할 수 있다.
일 실시 예에서, 동작 34에서, 웹 서버(240)는 판단 결과를 서버 처리부(220)에 전송할 수 있다. 예를 들어, 판단 결과는 사고 이미지에 포함된 재난 사고가 화재 또는 교통 사고인지 여부 또는 확률 값을 포함할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 재난 상황 정보를 산출하는 방법을 나타낸 흐름도이다. 도 4 의 동작들은 도 1에 개시된 구성들을 통해 수행될 수 있다.
도 4를 참조하면, 일 실시 예에서, 동작 41에서, 서버 처리부(220)는 해당 사고 유형에 대응하는 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자 수를 확인할 수 있다. 예를 들어, 최근 10년간 동월의 총 사고 발생건수는 하기 수식 1이고, 최근 10년간 동월의 총 사망자수는 하기 수식 2이고, 최근 10년간 동월의 총 부상자 수는 하기 수식 3일 수 있다.
수식 1
수식 2
수식 3
여기서, acc_hk는 총 사고 발생건수이며 k는 자연수이고, dead_hk는 총 사망자수 이며 k는 자연수이고, injured_hk는 총 부상자수이며 k는 자연수이다.
일 실시 예에서, 동작 42에서, 서버 처리부(220)는 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자수의 각각의 평균 값을 산출할 수 있다. 여기서, 평균 값이란 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자수를 각각 10으로 나눈 값일 수 있다. 즉, 최근 10년간 동월의 총 사고 발생건수의 평균 값, 총 사망자수의 평균 값 및 총 부상자수의 평균 값은 각각 하기 수식 4, 수식 5 및 수식 6일 수 있다.
수식 4
수식 5
수식 6
여기서, account_exp는 최근 10년간 동월의 총 사고 발생건수의 평균 값이고, accDead_exp는 총 사망자수의 평균 값이고, accInjured_exp는 총 부상자수의 평균 값이다.
일 실시 예에서, 동작 43에서, 서버 처리부(220)는 각각의 평균 값을 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수로 결정할 수 있다.
일 실시 예에서, 동작 44에서, 서버 전송부(230)는 사고가 발생한 위치, 사고 유형 결과 값, 사고 이미지를 수신한 시점, 추가 신고 정보, 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 관리자 장치(300)로 전송할 수 있다.
일 실시 예에서, 동작 45에서, 관리자 장치(300)는 서버 전송부(230)로부터 수신한 정보를 표시할 수 있다. 예를 들어, 관리자 장치(300)는 사고 현장이 마커로 표시된 지도, 마커 기준 도로명 주소, 화재 사고 이미지 판별 결과 값, 제 보된 해당 사고 이미지, 서버 기준 시스템 타이머를 기준으로 한 해당 이벤트가 제보(또는 발생)된 시간, 해당 사고 유형에 따라 산출된 이달의 재난 상황 정보를 표시할 수 있다. 여기서 이달의 재난 상황 정보는 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 포함할 수 있다.
이에 따라, 본 발명은 복수의 사용자들로부터 수집된 사고 이미지와 사고기록정보를 활용하여 재난 상황에 대처하는 각종 관리자(예: 소방대원)들에게 재난 상황 정보를 미리 예측할 수 있게 해주며 재난 상황 대처를 용이하게 해줄 수 있다.
본 발명의 일 면에 따르면, 서버 수집부, 서버 처리부, 서버 전송부 및 웹 서버를 포함하는 서버에 의해 수행되는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법은, 상기 서버 수집부가 사용자 장치로부터 사고 이미지 및 위치 정보를 수신하는 단계; 상기 서버 수집부가 미리 저장된 사고기록정보, 상기 사고 이미지 및 상기 위치 정보를 상기 서버 처리부로 전송하고, 상기 웹 서버로 상기 사고 이미지를 전송하는 단계; 상기 웹 서버가 미리 기계학습된 사고 인식 모델에 상기 사고 이미지를 입력하여 상기 사고 이미지에 포함된 사고 유형 결과 값을 산출하는 단계; 상기 웹 서버가 사고 유형 결과 값을 상기 서버 처리부에 전송하는 단계; 및 상기 서버 처리부가 상기 미리 저장된 사고기록정보, 상기 위치 정보 및 상기 사고 유형 결과 값을 이용하여 상기 사고 이미지를 수신한 시점에 대응하는 이달의 재난 상황 정보를 산출하는 단계;를 포함하고, 상기 사고기록정보는 상기 이달 기준으로 최근 10년간 동월(同月)의 교통사고 정보 및 최근 10년간 동월의 화재사고 정보를 포함하고, 상기 이달의 재난 상황 정보는 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 서버 처리부가 상기 위치 정보를 이용하여 상기 사고 이미지에 포함된 사고의 발생 위치를 확인하는 단계; 및 상기 서버 처리부가 상기 확인 결과에 기반하여 상기 사고의 발생 위치에서의 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 산출하는 단계;를 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 웹 서버가 상기 사용자 장치에 사고 신고용 인터페이스를 제공하는 단계;를 더 포함하고, 상기 사고 신고용 인터페이스는 사고 발생 위치 기록이 가능한 지도, 사고 이미지 업로드 메뉴, 추가 신고내용 메뉴 및 신고하기 메뉴를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 서버 수집부가 외부 서버로부터 주기적으로 최근 10년간 교통사고 정보 및 최근 10년간 화재사고 정보를 수신하는 단계; 상기 웹 서버가 상기 최근 10년간 교통사고 정보 및 상기 최근 10년간 화재사고 정보를 학습데이터로 활용하여 상기 사고 인식 모델을 기계학습하는 단계; 및 상기 웹 서버가 상기 사고 인식 모델을 이용하여 상기 사고 이미지에 교통사고 및 화재 중 적어도 하나가 포함된 지 여부를 판단하는 단계;를 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 서버 처리부가 해당 사고 유형에 대응하는 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자 수를 확인하는 단계; 상기 서버 처리부가 상기 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자수의 각각의 평균 값을 산출하는 단계; 및 상기 서버 처리부가 상기 각각의 평균 값을 상기 이달의 예상 사고 발생건수, 상기 이달의 예상 사고 사망자수 및 상기 이달의 예상 사고 부상자수로 결정하는 단계;를 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 서버 전송부가 사고가 발생한 위치, 상기 사고 유형 결과 값, 상기 사고 이미지를 수신한 시점, 추가 신고 정보, 상기 이달의 예상 사고 발생건수, 상기 이달의 예상 사고 사망자수 및 상기 이달의 예상 사고 부상자수를 관리자 장치로 전송하는 단계;를 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 서버 처리부는 시스템 타이머를 이용하여 상기 사고 이미지가 수신된 시점을 확인 및 저장할 수 있다.
본 발명의 일 면에 따르면, 사고기록정보와 이미지에 기반한 재난 상황 판단 시스템은 사고 이미지와 위치 정보를 획득하는 사용자 장치; 서버 수집부, 서버 처리부, 서버 전송부 및 웹 서버를 포함하며 미리 저장된 사고기록정보와 상기 이미지 및 상기 위치 정보를 이용하여 재난 상황을 판단하는 서버; 및 상기 서버로부터 수신한 상기 사고 이미지, 상기 위치 정보 및 재난 상황 정보를 표시하는 관리자 장치;를 포함하고, 상기 서버 수집부가 상기 사용자 장치로부터 사고 이미지 및 위치 정보를 수신하고, 상기 서버 수집부가 상기 사고기록정보, 상기 사고 이미지 및 상기 위치 정보를 상기 서버 처리부로 전송하고, 상기 웹 서버로 상기 사고 이미지를 전송하고, 상기 웹 서버가 미리 기계학습된 사고 인식 모델에 상기 사고 이미지를 입력하여 상기 사고 이미지에 포함된 사고 유형 결과 값을 산출하고, 상기 웹 서버가 사고 유형 결과 값을 상기 서버 처리부에 전송하고, 상기 서버 처리부가 상기 사고기록정보, 상기 위치 정보 및 상기 사고 유형 결과 값을 이용하여 상기 사고 이미지를 수신한 시점에 대응하는 이달의 재난 상황 정보를 산출하고, 상기 사고기록정보는 상기 이달 기준으로 최근 10년간 동월(同月)의 교통사고 정보 및 최근 10년간 동월의 화재사고 정보를 포함하고, 상기 이달의 재난 상황은 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 서버 처리부가 상기 위치 정보를 이용하여 상기 사고 이미지에 포함된 사고의 발생 위치를 확인하고, 상기 서버 처리부가 상기 확인 결과에 기반하여 상기 사고의 발생 위치에서의 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 산출할 수 있다.
다양한 실시 예에 따르면, 상기 서버 처리부가 해당 사고 유형에 대응하는 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자 수를 확인하고, 상기 서버 처리부가 상기 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자수의 각각의 평균 값을 산출하고, 상기 서버 처리부가 상기 각각의 평균 값을 상기 이달의 예상 사고 발생건수, 상기 이달의 예상 사고 사망자수 및 상기 이달의 예상 사고 부상자수로 결정할 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100 : 사용자 장치
200 : 서버
210: 서버 수집부
220: 서버 처리부
230: 서버 전송부
240: 웹 서버
300: 관리자 장치
200 : 서버
210: 서버 수집부
220: 서버 처리부
230: 서버 전송부
240: 웹 서버
300: 관리자 장치
Claims (10)
- 서버 수집부, 서버 처리부, 서버 전송부 및 웹 서버를 포함하는 서버에 의해 수행되는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법에 있어서,
상기 서버 수집부가 사용자 장치로부터 사고 이미지 및 위치 정보를 수신하는 단계;
상기 서버 수집부가 미리 저장된 사고기록정보, 상기 사고 이미지 및 상기 위치 정보를 상기 서버 처리부로 전송하고, 상기 웹 서버로 상기 사고 이미지를 전송하는 단계;
상기 웹 서버가 미리 기계학습된 사고 인식 모델에 상기 사고 이미지를 입력하여 상기 사고 이미지에 포함된 사고 유형 결과 값을 산출하는 단계;
상기 웹 서버가 사고 유형 결과 값을 상기 서버 처리부에 전송하는 단계; 및
상기 서버 처리부가 상기 미리 저장된 사고기록정보, 상기 위치 정보 및 상기 사고 유형 결과 값을 이용하여 상기 사고 이미지를 수신한 시점에 대응하는 이달의 재난 상황 정보를 산출하는 단계;를 포함하고,
상기 사고기록정보는 상기 이달 기준으로 최근 10년간 동월(同月)의 교통사고 정보 및 최근 10년간 동월의 화재사고 정보를 포함하고,
상기 이달의 재난 상황 정보는 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 포함하는 것을 특징으로 하는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법. - 제1 항에 있어서,
상기 이달의 재난 상황 정보를 산출하는 단계는,
상기 서버 처리부가 상기 위치 정보를 이용하여 상기 사고 이미지에 포함된 사고의 발생 위치를 확인하는 단계; 및
상기 서버 처리부가 상기 확인 결과에 기반하여 상기 사고의 발생 위치에서의 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 산출하는 단계;를 포함하는 것을 특징으로 하는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법. - 제1 항에 있어서,
상기 사고 이미지 및 위치 정보를 수신하는 단계 이전에,
상기 웹 서버가 상기 사용자 장치에 사고 신고용 인터페이스를 제공하는 단계;를 더 포함하고,
상기 사고 신고용 인터페이스는 사고 발생 위치 기록이 가능한 지도, 사고 이미지 업로드 메뉴, 추가 신고내용 메뉴 및 신고하기 메뉴를 포함하는 것을 특징으로 하는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법. - 제1 항에 있어서,
상기 사고 유형 결과 값을 산출하는 단계는,
상기 서버 수집부가 외부 서버로부터 주기적으로 최근 10년간 교통사고 정보 및 최근 10년간 화재사고 정보를 수신하는 단계;
상기 웹 서버가 상기 최근 10년간 교통사고 정보 및 상기 최근 10년간 화재사고 정보를 학습데이터로 활용하여 상기 사고 인식 모델을 기계학습하는 단계; 및
상기 웹 서버가 상기 사고 인식 모델을 이용하여 상기 사고 이미지에 교통사고 및 화재 중 적어도 하나가 포함된 지 여부를 판단하는 단계;를 포함하는 것을 특징으로 하는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법. - 제1 항에 있어서,
상기 이달의 재난 상황 정보를 산출하는 단계는,
상기 서버 처리부가 해당 사고 유형에 대응하는 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자 수를 확인하는 단계;
상기 서버 처리부가 상기 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자수의 각각의 평균 값을 산출하는 단계; 및
상기 서버 처리부가 상기 각각의 평균 값을 상기 이달의 예상 사고 발생건수, 상기 이달의 예상 사고 사망자수 및 상기 이달의 예상 사고 부상자수로 결정하는 단계;를 포함하는 것을 특징으로 하는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법. - 제5 항에 있어서,
상기 이달의 재난 상황 정보를 산출하는 단계 이후에,
상기 서버 전송부가 사고가 발생한 위치, 상기 사고 유형 결과 값, 상기 사고 이미지를 수신한 시점, 추가 신고 정보, 상기 이달의 예상 사고 발생건수, 상기 이달의 예상 사고 사망자수 및 상기 이달의 예상 사고 부상자수를 관리자 장치로 전송하는 단계;를 더 포함하는 것을 특징으로 하는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법. - 제1 항에 있어서, 상기 서버 처리부는 시스템 타이머를 이용하여 상기 사고 이미지가 수신된 시점을 확인 및 저장하는 것을 특징으로 하는 사고기록정보와 이미지에 기반한 재난 상황 판단 방법.
- 사고 이미지와 위치 정보를 획득하는 사용자 장치;
서버 수집부, 서버 처리부, 서버 전송부 및 웹 서버를 포함하며 미리 저장된 사고기록정보와 상기 사고 이미지 및 상기 위치 정보를 이용하여 재난 상황을 판단하는 서버; 및
상기 서버로부터 수신한 상기 사고 이미지, 상기 위치 정보 및 재난 상황 정보를 표시하는 관리자 장치;를 포함하고,
상기 서버 수집부가 상기 사용자 장치로부터 사고 이미지 및 위치 정보를 수신하고,
상기 서버 수집부가 상기 사고기록정보, 상기 사고 이미지 및 상기 위치 정보를 상기 서버 처리부로 전송하고, 상기 웹 서버로 상기 사고 이미지를 전송하고,
상기 웹 서버가 미리 기계학습된 사고 인식 모델에 상기 사고 이미지를 입력하여 상기 사고 이미지에 포함된 사고 유형 결과 값을 산출하고,
상기 웹 서버가 사고 유형 결과 값을 상기 서버 처리부에 전송하고,
상기 서버 처리부가 상기 사고기록정보, 상기 위치 정보 및 상기 사고 유형 결과 값을 이용하여 상기 사고 이미지를 수신한 시점에 대응하는 이달의 재난 상황 정보를 산출하고,
상기 사고기록정보는 상기 이달 기준으로 최근 10년간 동월(同月)의 교통사고 정보 및 최근 10년간 동월의 화재사고 정보를 포함하고,
상기 이달의 재난 상황은 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 포함하는 것을 특징으로 하는 사고기록정보와 이미지에 기반한 재난 상황 판단 시스템. - 제8 항에 있어서,
상기 서버 처리부가 상기 위치 정보를 이용하여 상기 사고 이미지에 포함된 사고의 발생 위치를 확인하고,
상기 서버 처리부가 상기 확인 결과에 기반하여 상기 사고의 발생 위치에서의 이달의 예상 사고 발생건수, 이달의 예상 사고 사망자수 및 이달의 예상 사고 부상자수를 산출하는 것을 특징으로 하는 사고기록정보와 이미지에 기반한 재난 상황 판단 시스템. - 제8 항에 있어서,
상기 서버 처리부가 해당 사고 유형에 대응하는 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자 수를 확인하고,
상기 서버 처리부가 상기 최근 10년간 동월의 총 사고 발생건수, 총 사망자수 및 총 부상자수의 각각의 평균 값을 산출하고,
상기 서버 처리부가 상기 각각의 평균 값을 상기 이달의 예상 사고 발생건수, 상기 이달의 예상 사고 사망자수 및 상기 이달의 예상 사고 부상자수로 결정하는 것을 특징으로 하는 사고기록정보와 이미지에 기반한 재난 상황 판단 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200062570A KR102157201B1 (ko) | 2020-05-25 | 2020-05-25 | 사고기록정보와 이미지에 기반한 재난 상황 판단 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200062570A KR102157201B1 (ko) | 2020-05-25 | 2020-05-25 | 사고기록정보와 이미지에 기반한 재난 상황 판단 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102157201B1 true KR102157201B1 (ko) | 2020-09-17 |
Family
ID=72707163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200062570A KR102157201B1 (ko) | 2020-05-25 | 2020-05-25 | 사고기록정보와 이미지에 기반한 재난 상황 판단 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102157201B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114840584A (zh) * | 2022-07-06 | 2022-08-02 | 中国矿业大学(北京) | 一种事故灾情信息实时监测与区域重建方法及系统 |
| KR102606532B1 (ko) * | 2022-09-27 | 2023-11-29 | (주)케이앤엘정보시스템 | 가상현실을 기반으로 하는 구급대응 도상훈련시스템 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090116860A (ko) * | 2008-05-08 | 2009-11-12 | 지에스건설 주식회사 | 철도 터널 화재의 위험도 분석 방법 |
| KR101352384B1 (ko) | 2012-12-06 | 2014-01-21 | 코아글림 주식회사 | 지능형 화재 알람 시스템 |
| KR20140018545A (ko) * | 2012-08-02 | 2014-02-13 | 비앤피 이노베이션 주식회사 | 사건 현장에 대한 원격 감시 방법, 원격 감시 시스템의 운용 방법 및 모바일 단말기에서 구동되는 어플리케이션의 원격 감시 구현 방법 |
| KR101447714B1 (ko) | 2013-09-16 | 2014-10-08 | 숭실대학교산학협력단 | 화재 발생 감시 로봇, 화재 발생 여부 판단 방법 및 이들을 이용한 화재 경보 시스템 |
| KR20150005232A (ko) * | 2013-07-05 | 2015-01-14 | 한국건설기술연구원 | 재난 신고 시스템 |
| KR20150092545A (ko) * | 2014-02-05 | 2015-08-13 | 김세영 | 시공적 상황데이터를 이용한 경고 방법 및 시스템 |
| KR101995796B1 (ko) * | 2018-03-20 | 2019-07-03 | 나종열 | 안전 사고 방지를 위한 통합 사고 관리 방법 |
| KR102026434B1 (ko) | 2018-04-19 | 2019-11-04 | 동아대학교 산학협력단 | 영상분석을 통한 화재 오탐률 최소화 시스템 |
| KR102055275B1 (ko) * | 2019-01-16 | 2020-01-22 | 미래아이티(주) | IoT를 이용한 통합 재난 관리 시스템 및 제어 방법 |
-
2020
- 2020-05-25 KR KR1020200062570A patent/KR102157201B1/ko active IP Right Grant
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090116860A (ko) * | 2008-05-08 | 2009-11-12 | 지에스건설 주식회사 | 철도 터널 화재의 위험도 분석 방법 |
| KR20140018545A (ko) * | 2012-08-02 | 2014-02-13 | 비앤피 이노베이션 주식회사 | 사건 현장에 대한 원격 감시 방법, 원격 감시 시스템의 운용 방법 및 모바일 단말기에서 구동되는 어플리케이션의 원격 감시 구현 방법 |
| KR101352384B1 (ko) | 2012-12-06 | 2014-01-21 | 코아글림 주식회사 | 지능형 화재 알람 시스템 |
| KR20150005232A (ko) * | 2013-07-05 | 2015-01-14 | 한국건설기술연구원 | 재난 신고 시스템 |
| KR101447714B1 (ko) | 2013-09-16 | 2014-10-08 | 숭실대학교산학협력단 | 화재 발생 감시 로봇, 화재 발생 여부 판단 방법 및 이들을 이용한 화재 경보 시스템 |
| KR20150092545A (ko) * | 2014-02-05 | 2015-08-13 | 김세영 | 시공적 상황데이터를 이용한 경고 방법 및 시스템 |
| KR101995796B1 (ko) * | 2018-03-20 | 2019-07-03 | 나종열 | 안전 사고 방지를 위한 통합 사고 관리 방법 |
| KR102026434B1 (ko) | 2018-04-19 | 2019-11-04 | 동아대학교 산학협력단 | 영상분석을 통한 화재 오탐률 최소화 시스템 |
| KR102055275B1 (ko) * | 2019-01-16 | 2020-01-22 | 미래아이티(주) | IoT를 이용한 통합 재난 관리 시스템 및 제어 방법 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114840584A (zh) * | 2022-07-06 | 2022-08-02 | 中国矿业大学(北京) | 一种事故灾情信息实时监测与区域重建方法及系统 |
| KR102606532B1 (ko) * | 2022-09-27 | 2023-11-29 | (주)케이앤엘정보시스템 | 가상현실을 기반으로 하는 구급대응 도상훈련시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102005188B1 (ko) | 실시간 위치 추적 및 ｇｉｓ를 이용한 인공지능 기반 산업현장 안전관리 시스템, 그리고 산업현장 안전관리 방법 | |
| US20210104001A1 (en) | Methods and Systems for Security Tracking and Generating Alerts | |
| CN110209835B (zh) | 一种异常检测方法及装置、计算机存储介质及电子设备 | |
| US20150100355A1 (en) | Method and apparatus for identifying early status | |
| KR101765722B1 (ko) | 인지형 차량 및 인상착의 객체 및 이벤트 인식, 추적, 검색, 예측을 위한 나레이티브 보고서 작성 시스템 및 방법 | |
| KR101825023B1 (ko) | 리스크 조기 경보 방법 및 장치 | |
| KR102157201B1 (ko) | 사고기록정보와 이미지에 기반한 재난 상황 판단 방법 및 시스템 | |
| Yuan et al. | Smart flood resilience: harnessing community-scale big data for predictive flood risk monitoring, rapid impact assessment, and situational awareness | |
| US9622048B2 (en) | SNS based incident management | |
| KR20160099931A (ko) | 재난 위험 및 관심 지역에 대한 재난 예방 및 관리방법 | |
| Piao et al. | Dynamic fall risk assessment framework for construction workers based on dynamic Bayesian network and computer vision | |
| KR102189346B1 (ko) | 디지털 설문에 기반하여 잠재적 위험 지역을 결정하는 방법, 장치 및 프로그램 | |
| CN112163497A (zh) | 一种基于图像识别的工地事故预测方法及装置 | |
| KR20200113887A (ko) | 디지털 설문에 기반하여 교통안전 시설물 설치정보를 획득하는 방법, 장치 및 프로그램 | |
| CN114783097A (zh) | 一种医院防疫管理系统及方法 | |
| KR102391612B1 (ko) | 위기경보수준 관리방법 및 그 시스템 | |
| CN116259158A (zh) | 联动预警方法、装置、设备、存储介质及程序产品 | |
| KR102614856B1 (ko) | 군중 난류 위험 예측 시스템 및 방법 | |
| Park et al. | Danger detection technology based on multimodal and multilog data for public safety services | |
| US11761940B1 (en) | Systems and methods for enhancing water safety using sensor and unmanned vehicle technologies | |
| CN116739357B (zh) | 多模态融合感知的城市既有建筑广域监测预警方法及装置 | |
| US20240233505A1 (en) | Provision method and provision device for anomaly information | |
| Lokeswari et al. | Rating-Based Guidance System for Public Safety Using Classified Localities: Public Safety Application | |
| US20230410516A1 (en) | Information acquisition support apparatus, information acquisition support method, and recording medium storing information acquisition support program | |
| Almadhoun et al. | Artificial Intelligence Aims to Save Lives in Offshore Marine Vessels |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |