KR102273193B1 - 무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법 - Google Patents

무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법 Download PDF

Info

Publication number
KR102273193B1
KR102273193B1 KR1020190131151A KR20190131151A KR102273193B1 KR 102273193 B1 KR102273193 B1 KR 102273193B1 KR 1020190131151 A KR1020190131151 A KR 1020190131151A KR 20190131151 A KR20190131151 A KR 20190131151A KR 102273193 B1 KR102273193 B1 KR 102273193B1
Authority
KR
South Korea
Prior art keywords
fire
risk
information
unmanned aerial
aerial vehicle
Prior art date
Application number
KR1020190131151A
Other languages
English (en)
Other versions
KR20210047490A (ko
Inventor
김진술
오승민
이동수
에케이엠 아시크자만
Original Assignee
전남대학교산학협력단
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 전남대학교산학협력단 filed Critical 전남대학교산학협력단
Priority to KR1020190131151A priority Critical patent/KR102273193B1/ko
Publication of KR20210047490A publication Critical patent/KR20210047490A/ko
Application granted granted Critical
Publication of KR102273193B1 publication Critical patent/KR102273193B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D47/00—Equipment not otherwise provided for
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • B64C2201/12—
    • B64C2201/146—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/20—Remote controls

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Emergency Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)
  • Alarm Systems (AREA)

Abstract

무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법이 제공된다. 상기 시스템은 적어도 하나의 카메라 및 센서를 구비하며, 상기 카메라를 이용하여 촬영된 항공촬영정보 및 상기 센서로부터 감지된 주변환경정보를 제공하는 무인 이동 가능한 무인 비행체; 상기 무인 비행체로부터 획득한 상기 항공촬영정보로부터 적어도 하나의 객체를 인식하여 화재상황에 대한 위험도를 판단하고, 상기 무인 비행체로부터 획득한 상기 주변환경정보를 이용하여 화재확산에 대한 위험도를 판단하여 화재위험도정보를 생성하는 관리 서버; 및 상기 화재위험도정보를 시각적 및 청각적으로 실시간 모니터링하는 관리자 단말기; 를 포함하되, 상기 관리 서버는, 화재가 발생한 경우, 상기 무인 비행체의 항로를 실시간 제어하여 상기 무인 비행체로부터 상기 항공촬영정보 및 상기 주변환경정보를 실시간으로 수신할 수 있다.

Description

무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법 {FIRE RISK PREDICATION SYSTEM USING UNMANNED AERIAL VEHICLE AND METHOD THEREOF}
본 발명은 드론과 같은 무인 비행체에 구비된 카메라 및 센서를 이용하여 화재위험도를 예측하는 무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법에 관한 것이다.
태풍, 홍수, 호우, 강풍, 풍랑, 해일, 대설, 낙뢰, 가뭄, 지진, 황사, 적조 등의 재난과 그밖에 이에 준하는 자연현상으로 인해 발생하는 재해, 화재, 붕괴, 폭발, 교통사고, 화생방 사고, 환경오염 사고 등이 있다.
재난은 넓은 지역에 광범위하게 발생할 수도 있으며, 또는 좁은 지역에 집중적으로 발생할 수 있다.
재난의 발생은 인적 및 물적 피해를 주게 된다. 이와 같은 재난은 보통의 경우 발생 시점에부터 큰 피해를 일으키게 되어 초기 대응이 무엇 보다 중요하므로, 적절한 초기 대응으로 피해를 줄일 수 있다.
최근, 무인으로 지정된 임무를 수행할 수 있도록 제작된 드론(drone) 등과 같은 무인 비행체(unmanned aerial vehicle)가 재난 구조 현장에 많이 이용되고 있다. 무인 비행체는 원격 제어 장치의 조정 신호를 무선으로 수신하고, 조정 신호에 대응하여 비행(또는, 구동)할 수 있다.
이와 같은 무인 비행체는 화재발생지역으로 이동하여 화재진압을 빠르게 수행할 수 있지만, 주변환경요소에 반응하여 실시간 변화하는 화재상황에 대해서는 빠르게 대처하기가 어렵다.
그리고, 화재발생시 무인 비행체에 부착된 일반 카메라 또는 열감지 카메라를 이용하여 화재상황을 분석 및 예측할 수 있다. 하지만, 화재시 발생하는 열에 의해 화재발생지역에 위치하는 구조물과 사람을 명확하게 구분하지 못해서 인적 및 물적 피해가 더 커질 수 있다.
더욱이, 실외에서 화재가 발생한 경우, 화재상황은 주변환경조건에 더욱 큰 영향을 받으므로, 화재의 확산을 예측하기가 어려워 화재 진압에 어려움이 따른다.
한국공개특허 제10-2017-0101516호, 2017.09.06
본 발명이 해결하고자 하는 과제는 드론과 같은 무인 비행체에 구비된 360˚ 카메라 및 IoT 센서를 이용하여 화재위험도를 예측하는 무인 비행체를 이용한 화재위험도 예측 시스템 및 그 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 본 발명의 일 실시예에 따른 무인 비행체를 이용한 화재위험도 예측 시스템은, 적어도 하나의 카메라 및 센서를 구비하며, 카메라를 이용하여 촬영된 항공촬영정보 및 센서로부터 감지된 주변환경정보를 제공하는 무인 이동 가능한 무인 비행체; 무인 비행체로부터 획득한 항공촬영정보로부터 적어도 하나의 객체를 인식하여 화재상황에 대한 위험도를 판단하고, 무인 비행체로부터 획득한 주변환경정보를 이용하여 화재확산에 대한 위험도를 판단하여 화재위험도정보를 생성하는 관리 서버; 및 화재위험도정보를 시각적 및 청각적으로 실시간 모니터링하는 관리자 단말기; 를 포함하되, 관리 서버는, 화재가 발생한 경우, 무인 비행체의 항로를 실시간 제어하여 무인 비행체로부터 항공촬영정보 및 주변환경정보를 실시간으로 수신할 수 있다.
본 발명의 일 실시예에 있어서, 무인 비행체는, 화재가 발생한 경우, 화재발생영역을 360˚촬영하여 항공촬영정보를 제공하는 카메라부; 무인 비행체의 주변상황을 감지하여 화재발생영역의 주변환경정보를 제공하는 센서부; 및 관리 서버로부터 항로제어신호를 수신받아, 무인 비행체의 항로를 제어하는 제어부; 를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 센서부는, 온도, 습도, 풍향, 풍속 및 열 중 적어도 하나를 감지하여 IoT 센서정보를 획득하는 적어도 하나 이상의 IoT 센서를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 관리 서버는, 항공촬영정보에 포함된 객체를 인식하여 미리 설정된 화재상황기준값에 따라 객체를 분석하여 화재상황에 대한 위험도를 판단하여 화재상황위험도정보를 생성하는 화재상황정보 생성모듈; 및 주변환경정보에 포함된 IoT 센서정보를 분석하여 미리 설정된 화재확산기준값에 따라 화재확산에 대한 위험도를 판단하여 화재확산위험도정보를 생성하는 화재확산정보 생성모듈; 을 구비하는 위험도예측부를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 화재상황정보 생성모듈은, 화재상황위험도정보를 학습하여 화재상황에 대한 위험도를 판단하여 화재상황위험도정보를 생성할 수 있다.
본 발명의 일 실시예에 있어서, 화재상황정보 생성모듈은, 항공촬영정보를 n개의 영역으로 분할하는 영상분할수단; 영상분할수단에 의해 분할된 n개의 영역 중 적어도 하나의 영역에서 적어도 하나 이상의 객체를 인식하여 분석하는 객체분석수단; 및 분석된 객체의 특성에 기초하여 미리 설정된 화재상황기준값에 대응하여 객체의 위험요소를 판단하는 화재상항판단수단; 을 포함할 수 있다.
본 발명의 일 실시예에 있어서, 화재상황정보 생성모듈은, 객체의 정확도를 향상시키기 위해 분할된 n개의 영역 중 적어도 하나의 영역의 이미지에 포함된 객체를 통합처리하는 통합처리수단; 을 포함할 수 있다.
본 발명의 일 실시예에 있어서, 통합처리수단은, IOU(intersection over union) > 0.6을 설정하여 객체의 정확도를 반복적으로 학습시킬 수 있다.
본 발명의 일 실시예에 있어서, 화재확산정보 생성모듈은, 주변환경정보에 포함된 IoT 센서정보를 분석하는 정보분석수단; 및 IoT 센서정보의 특성에 기초하여 미리 설정된 화재확산기준값에 대응하여 화재확산의 위험요소를 판단하는 화재확산판단수단; 을 포함할 수 있다.
본 발명의 일 실시예에 있어서, 화재확산위험도정보가 습도에 반비례하고, 풍속에 비례하는 경우, 화재확산판단수단은 화재확산의 위험요소를 고위험요소로 판단할 수 있다.
본 발명의 일 실시예에 있어서, 관리 서버는, 화재확산의 위험요소를 판단하여 항로제어신호를 생성하는 항로신호생성부; 를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 관리 서버는, 화재위험도정보를 관리자 단말기로 전송하고, 관리자 단말기로부터 화재위험도정보에 대응하는 피드백신호를 수신하여 무인 비행체의 항로를 제어할 수 있다.
또한, 상술한 과제를 해결하기 위한 본 발명의 다른 일실시예에 따른 무인 비행체를 이용한 화재위험도 예측 방법은, 화재가 발생한 경우, 관리 서버는 360° 촬영가능한 적어도 하나의 카메라부 및 IoT 센서부를 구비하는 무인 비행체가 화재발생영역으로 이동가능하도록 무인 비행체의 항로를 제어하여 무인 비행체로부터 항공촬영정보 및 주변환경정보를 실시간으로 수신하는 단계; 관리 서버가 항공촬영정보를 분석하여 화재상황에 대한 위험도를 판단하여 화재상황위험도정보를 생성하는 단계; 관리 서버가 주변환경정보를 분석하여 화재확산에 대한 위험도를 판단하여 화재확산위험도정보를 생성하는 단계; 및 관리 서버가 화재상황위험도정보 및 화재확산위험도정보를 시각적 및 청각적으로 실시간 모니터링 가능하도록 관리자 단말기로 전송하는 단계; 를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 화재상황위험도정보를 생성하는 단계는, 관리 서버가 항공촬영정보를 n개의 영역으로 분할하는 단계; 관리 서버가 분할된 n개의 영역 중 적어도 하나의 영역에서 적어도 하나 이상의 객체를 인식하여 분석하는 단계; 관리 서버가 분석된 객체의 특성에 기초하여 미리 설정된 화재상황기준값에 대응하여 객체의 위험요소를 판단하여 화재상황위험도정보를 생성하는 단계; 를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 화재상황위험도정보를 생성하는 단계는, 관리 서버가 화재상황위험도정보를 학습하는 단계; 를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 화재상황위험도정보를 생성하는 단계는, 관리 서버가 분석된 객체의 정확도를 향상시키기 위해 분할된 n개의 영역 중 적어도 하나의 영역의 이미지에 포함된 객체를 통합처리하는 단계; 를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 화재확산위험도정보를 생성하는 단계는, 관리 서버가 주변환경정보에 포함된 IoT 센서정보를 분석하는 단계; 및 관리 서버가 IoT 센서정보의 특성에 기초하여 미리 설정된 화재확산기준값에 대응하여 화재확산의 위험요소를 판단하여 화재확산위험도정보를 생성하는 단계; 를 포함할 수 있다.
본 발명의 일 실시예에 있어서, IoT 센서정보는, 무인 비행체에 의해 온도, 습도, 풍향, 풍속 및 열 중 적어도 하나의 센서정보를 포함하고, 화재확산위험도정보가 습도에 반비례하고, 풍속에 비례하는 경우, 관리 서버가 화재확산의 위험요소를 고위험요소로 판단하는 단계; 를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 관리자 단말기로부터 화재확산위험도정보에 대응하는 피드백신호를 수신하여 무인 비행체의 항로를 제어하는 단계; 를 더 포함할 수 있다.
본 발명의 일실시예에 따른 프로그램은 하드웨어인 컴퓨터와 결합되어, 상기 무인 비행체를 이용한 화재위험도 예측 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명에 따르면, 화재가 발생한 경우 무인 비행체를 통해 실시간으로 데이터를 수신받아 화재의 화재위험성을 경고하여 화재로부터 인적 및 물적 피해를 최소화할 수 있다.
본 발명에 따르면, 무인 비행체가 IOT 센서를 구비함으로써, 실시간으로 화재발생영역의 데이터를 수신하여 화재상황을 파악하여 화재확산을 방지할 수 있다.
본 발명에 따르면, 무인 비행체를 통해 실시간 획득한 데이터를 학습하여 화재위험성을 빠르게 판단함으로써, 더욱 빠르고 정확하게 화재상황을 파악할 수 있다.
본 발명에 따르면, 무인 비행체를 통해 획득한 데이터를 업데이트 및 관리함으로써, 추후에 발생할 수 있는 재난 상황에 유용하게 활용하여 인적 및 물적 피해를 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 1은 본 발명의 일실시예에 따른 무인 비행체를 이용한 화재위험도 예측 시스템의 상세 구성을 설명하기 위한 도면이다.
도 2는 도 1에 도시된 위험도예측부의 상세 구성을 설명하기 위한 도면이다.
도 3은 도 2에 도시된 객체분석수단을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 무인 비행체를 이용한 화재위험도 예측 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일실시예에 따른 화재상황위험도정보를 생성하는 방법을 설명하기 위한 상세 도면이다.
도 6a는 본 발명의 일실시예에 따른 무인 비행체로부터 획득한 항공촬영정보를 설명하기 위한 도면이다.
도 6b는 본 발명의 일실시예에 따른 이미지를 분할하는 단계를 설명하기 위한 도면이다.
도 6c는 본 발명의 일실시예에 따른 분할된 이미지를 통합처리하는 단계를 설명하기 위한 도면이다.
도 6d는 본 발명의 일실시예에 따른 이미지에 포함된 객체의 종류를 파악하는 단계를 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 따른 인식한 객체를 이용하여 화재상황위험도정보를 생성하는 단계를 설명하기 위한 도면이다.
도 8은 본 발명의 일실시예에 따른 화재확산위험도정보를 생성하는 방법을 설명하기 위한 상세 도면이다.
도 9는 본 발명의 일실시예에 따른 화재위험도정보를 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부 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.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 무인 비행체를 이용한 화재위험도 예측 시스템의 상세 구성을 설명하기 위한 도면이고, 도 2는 도 1에 도시된 위험도예측부의 상세 구성을 설명하기 위한 도면이며, 도 3은 도 2에 도시된 객체분석수단을 설명하기 위한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일실시예인 무인 비행체를 이용한 화재위험도 예측 시스템(1)은 무인 비행체(10), 관리 서버(20) 및 관리자 단말기(30)를 포함할 수 있다. 이때, 관리자 단말기(30)는 생략될 수도 있다.
여기서, 무인 비행체(10), 관리 서버(20) 및 관리자 단말기(30)는 무선통신망을 이용하여 실시간으로 동기화되어 데이터를 송수신할 수 있다. 무선통신망은 다양한 원거리 통신 방식이 지원될 수 있으며, 예를 들어 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTEA(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS), BLE(Bluetooth Low Energy), 지그비(Zigbee), RF(Radio Frequency), LoRa(Long Range) 등과 같은 다양한 통신 방식이 적용될 수 있으나 이에 한정되지 않으며 널리 알려진 다양한 무선통신 또는 이동통신 방식이 적용될 수도 있다. 이와 달리, 관리 서버(20)와 관리자 단말기(30)는 유선통신망을 이용하여 실시간 동기화되어 데이터를 송수신할 수 있다.
무인 비행체(10)는 통신부(11), 카메라부(12), 센서부(13), 저장부(14), 표시부(15), 전원부(16) 및 제어부(17)를 포함할 수 있다.
통신부(11)는 무인 비행체(10)를 통해 획득한 항공촬영정보 및 주변환경정보를 관리 서버(20)로 전송하고, 관리 서버(20)로부터 무인 비행체(10)의 항로를 제어할 수 있는 항로제어신호를 수신할 수 있다.
실시예에 따라, 통신부(11)는 화재위험도정보에 대응하는 피드백신호를 관리 서버(20) 또는 관리자 단말기(30)로부터 수신받을 수 있다.
실시예에 따라, 통신부(11)는 무인 비행체(10)를 통해 획득한 항공촬영정보 및 주변환경정보를 관리자 단말기(30)로 전송하고, 관리자 단말기(30)로부터 무인 비행체(10)의 항로를 제어할 수 있는 항로제어신호를 수신할 수 있다
카메라부(12)는 무인 비행체(2)의 몸체에 구비되며, 화재가 발생한 경우, 화재발생영역을 촬영하여 실시간 항공촬영정보를 제공할 수 있다. 이때, 항공촬영상은 동영상뿐만 아니라 이미지일 수도 있다.
본 실시예에서, 카메라부(12)는 화재발생영역을 수평 및 상하를 전방향으로 촬영하여 동영상 및/또는 이미지 생성하는 360˚ 카메라일 수 있다. 여기서, 카메라부(12)는 무인 비행체(10)의 사양에 따라 적어도 하나 이상의 360˚ 카메라가 구비될 수 있다.
센서부(13)는 화재발생영역의 주변환경을 감지하여 주변환경정보를 획득할 수 있다.
본 실시예에서, 센서부(13)는 IoT 센서(미도시)를 포함할 수 있다. 여기서, 센서부(13)를 관리 서버(20)와 IoT(Internet of Things) 통신방식이 가능한 IoT 센서를 포함함으로써, 무인 비행체(10)에 구비된 다양한 IoT 센서를 통해 무선으로 화재발생영역의 다양한 주변환경을 더욱 정확하고 빠르게 획득하여 관리 서버(20)로 실시간으로 전송할 수 있다. 이에 따라, 관리 서버(20)는 화재위험도를 실시간 빠르게 예측하여 화재피해를 최소화할 수 있다.
IoT 센서는 예를 들어, 온도 IoT 센서, 습도 IoT 센서, 풍향 IoT 센서, 풍속 IoT 센서 및 열 IoT 센서 등을 포함할 수 있지만, 이에 한정하는 것은 아니다.
저장부(14)는 카메라부(12)를 통해 획득한 항공촬영정보 및 센서부(13)를 통해 획득한 주변환경정보를 저장할 수 있다.
또한, 저장부(14)는 관리 서버(20) 또는 관리자 단말기(30)로부터 수신한 항로제어신호 및 피드백신호를 저장할 수 있다.
이와 같은 저장부(14)는 무인 비행체(10)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 저장부(14)는 무인 비행체(10)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 무인 비행체(10)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 통신망을 통해 관리 서버(20) 또는 외부 서버로부터 다운로드 될 수 있다.
표시부(15)는 피드백신호에 따라 화재발생영역에 경고안내정보 또는 대피경로정보를 시각적 및 청각적으로 출력할 수 있다.
예를 들어, 피드백신호에 따라 무인 비행체(10)에 구비된 화면(미도시)을 통해 시각적으로 대피 경로, 비상구 위치, 출입구 위치, 대피 문구 또는 경고안내문구를 출력하거나, 피드백신호에 따라 오디오 데이터를 리시버(receiver), 스피커(speaker), 버저(buzzer) 등을 통해 출력할 수 있다. 이에 따라, 화재발생영역 또는 화재발생영역의 주변에 위치하는 인적 및 물적 대상에게 경고안내정보 또는 대피경로정보를 시각적 및 청각적으로 실시간 제공하여 화재피해 및 안전사고를 최소화할 수 있다.
한편, 실시예 따라, 표시부(15)가 적어도 하나의 적외선 센서를 포함하여 구성될 수 있다. 이에 따라 야간 또는 터널 등의 조명이 없는 어두운 곳 또는 화재가 발생하여 조명없이 식별이 어려운 곳에서도 별도의 조명 없이 표시부(15)를 인지하도록 하여 화재피해를 더욱 최소화할 수 있다.
전원부(16)는 제어부(17)의 제어하에서, 외부의 전원, 내부의 전원을 인가 받아 무인 비행체(10)에 포함된 각 구성요소들에 전원을 공급할 수 있는 전원부(미도시) 있다. 이러한 전원부(16)은 배터리를 포함하며, 배터리는 내장형 배터리 또는 교체 가능한 형태의 배터리가 될 수 있다.
이와 달리 무인 비행체(10)는 배터리 잔량을 파악하여, 미리 설정된 충전량에 미달하는 경우, 충전소(미도시)의 위치 정보를 수신한 뒤, 사전에 프로그래밍 된 장소인 충전소의 위치로 자율 비행한 뒤, 미리 설정된 지점으로 복귀하는 기능을 수행할 수 있다. 본 발명의 다른 실시예로, 무인 비행체(10)은 배터리 충전을 위한 도킹 스테이션(Docking Station)으로 자동 복귀하는 기능을 구비할 수 있다.
제어부(17)는 화재가 발생한 경우, 관리 서버(20)로부터 수신받은 항로제어신호에 대응하여 무인 비행체(10)의 항로를 제어하여 획득한 항공촬영정보 및 주변환경정보를 실시간으로 관리 서버(20)로 전송하도록 무인 비행체(10)를 제어할 수 있다.
제어부(17)는 관리 서버(20)로부터 수신된 피드백신호에 대응하여 무인 비행체(10)의 항로 및 표시부(15)를 제어하여 인적 및 물적 피해를 최소화할 수 있다. 예를 들어, 제어부(17)는 화재상황에 따라 화재발생영역 및 주변 영역에 실시간으로 시각적 및 청각적으로 대피경로를 제공하고, 화재확산을 방지하기 위해 무인 비행체(10)에 구비된 별도의 진압장치(미도시)를 이용하여 초기에 화재를 진압할 수 있다.
그리고, 제어부(17)는 응용 프로그램과 관련된 동작 외에도, 통상적으로 무인 비행체(10)의 전반적인 동작을 제어할 수 있다. 제어부(17)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 저장부(14)에 저장된 응용 프로그램을 구동함으로써, 사용자 또는 관리자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다. 또한, 제어부(17)는 저장부(14)에 저장된 응용 프로그램을 구동하기 위하여, 도 1과 함께 살펴본 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 제어부(17)는 응용 프로그램의 구동을 위하여, 무인 비행체(10)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.
한편, 이와 같은 구성의 무인 비행체(10)는 복수의 무인 비행체로 구성된 무인 비행체 그룹으로 이동할 수 있다. 화재가 발생한 경우 복수이 무인 비행체를 이용하여 화재발생영역의 화재상황을 빠르게 파악하여 화재확산을 방지하여 인적 및 물적의 피해를 최소화할 수 있다.
관리 서버(20)는 데이터통신부(21), 데이터베이스부(22), 모니터링부(23), 항로신호생성부(24), 위험도예측부(25) 및 관리제어부(26)를 포함할 수 있다.
데이터통신부(21)는 항공촬영정보 및 주변환경정보를 무인 비행체(10)로부터 수신하여 이에 대응하는 화재상황위험도정보 및 화재확산위험도정보를 생성하여 관리자 단말기(30)로 전송할 수 있다. 또한, 데이터 통신부(21)는 화재상황위험도정보 및 화재확산위험도정보에 대응하는 피드백신호 및 항로제어신호를 무인 비행체(10)로 전송할 수 있다.
실시예에 따라, 데이터통신부(21)는 항공촬영정보 및 주변환경정보를 관리자 단말기(30)로 전송하고 화재상황위험도정보 및 화재확산위험도정보를 관리자 단말기(30)로부터 수신할 수 있다.
데이터베이스부(22)는 무선통신망을 통해 무인 비행체(10)와, 관리자 단말기(30) 사이의 송수신되는 데이터를 저장할 수 있다. 이때, 화재상황위험도정보, 화재확산위험도정보, 피드백정보 및 항로제어신호는 항공촬영정보 및 주변환경정보에 대응하여 실시간으로 업데이트되어 저장될 수 있다.
데이터베이스부(22)는 관리 서버(20)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 데이터베이스부(22)는 관리 서버(20)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 관리 서버(20)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선통신을 통해 외부 서버로부터 다운로드 될 수 있다.
모니터링부(23)는 사용자 조작에 의한 무인 비행체(10)의 동작상태, 관리자 단말기(30)의 동작상태를 모니터링 할 수 있다. 이에 따라, 무인 비행체(10)의 동작 오류가 발생하는 경우, 빠르게 대처할 수 있다.
실시예에 따라, 모니터링부(23)는 무인 비행체(10)와 관리 서버(20) 사이의 송수신되는 데이터, 무인 비행체(10)와 관리자 단말기(30) 사이의 송수신되는 데이터, 그리고 관리 서버(20)와 관리자 단말기(30) 사이의 송수신되는 데이터 등을 화면을 통해 모니터링 할 수 있다.
항로신호생성부(24)는 무인 비행체(10)의 항로를 제어하기 위한 항로제어신호를 생성할 수 있다.
즉, 화재가 발생한 경우, 항로신호생성부(24)는 무인 비행체(10)가 화재발생영역으로 이동가능하도록 무인 비행체(10)의 항로를 제어할 수 있는 항로제어신호를 생성할 수 있다. 또한, 항로신호생성부(24)는 화재상황위험도정보 및 화재확산위험도정보에 대응하는 피드백신호에 따라 무인 비행체(10)가 화재발생영역으로 이동하거나 화재발생영역으로부터 벗어나도록 무인 비행체(10)의 항로를 제어할 수 있는 항로제어신호를 생성할 수 있다.
위험도예측부(25)는 도 2를 참조하면, 항공촬영정보를 이용하여 화재상황에 대한 위험도를 판단하여 화재상황위험도정보를 생성하는 화재상황정보 생성모듈(250) 및 주변환경정보를 이용하여 화재확산에 대한 위험도를 판단하여 화재확산위험도정보를 생성하는 화재판단정보 생성모듈(252)을 포함할 수 있다. 여기서, 화재상황위험도정보 및 화재확산위험도정보를 생성하는 방법에 대한 상세한 설명은 도 5 내지 도 9를 참조하여 상세히 후술한다.
화재상황정보 생성모듈(250)은 영상분할수단(2500), 통합처리수단(2502), 객체분석수단(2504) 및 화재상황판단수단(2506)을 포함할 수 있다.
영상분할수단(2500)은 항공촬영정보에 포함된 이미지를 n개의 영역으로 분할할 수 있다.
통합처리수단(2502)은 항공촬영정보로부터 인식된 객체의 정확도를 향상시키기 위해 분할된 이미지에 포함된 객체를 통합처리할 수 있다.
객체분석수단(2504)은 n개의 영역 중 적어도 하나의 영역에서 적어도 하나 이상의 객체를 인식하여 분석할 수 있다.
즉, 객체분석수단(2504)은 객체인식 알고리즘을 이용하여 n개의 영역으로 분할된 이미지에서 객체를 인식하여 분류(Classification)한 후, 객체의 위치를 추정(Localization)하고, 인식된 객체를 검출(Object Detection)할 수 있다. 이때, 객체인식 알고리즘은 완전 연결 계층(Fully connected layer)이 없는 구조로 구성될 수 있다. 이에 따라 입력되는 항공촬영정보의 크기에 대한 제한이 없고 해상도에 상관없이 저해상도에서도 객체가 정확하게 인식되어 객체분석에 용이할 수 있다.
다시 말하면, 객체분석수단(2504)은 도 3을 참고하면, 32 * 32, 24 * 24, 16 * 16, 12 * 12, 8 * 8, 6 * 6, 4 * 4, 2 * 2, 1 * 1 특징 맵 레이어를 이용하여 합성곱(Convolution) 연산을 통해 복수의 필터로 이미지에 포함된 객체의 특징을 추출 및 학습함으로써, 객체의 정확도를 높일 수 있다. 예를 들어, 합성곱(Convolution) 연산을 통해 예측하고자 하는 객체의 위치(바운딩 박스)를 확인하여 객체의 분류(Classification)에 따른 종류(class score)와 오프셋(offset)을 얻고, 합성곱 필터(Convolution filter)의 크기를 3 * 3 * (바운딩 박스의 개수 * (class score + offset))으로 구성하여 객체를 분석할 수 있다.
특히, 객체분석수단(2504)은 객체 검출(Object Detection)의 정확도를 높이기 위해 IOU(intersection over union)를 기준으로 반복적으로 학습할 수 있다. 예를 들어, IOU(intersection over union) > 0.6으로 설정하여 객체의 정확도를 높이기 위해 객체에 대해 반복적으로 학습할 수 있다.
화재상황판단수단(2506)은 분석된 객체의 특성에 기초하여 미리 설정된 화재상황기준값에 대응하여 객체의 위험요소를 판단할 수 있다.
화재확산정보 생성모듈(252)은 정보분석수단(2520) 및 화재확산판단수단(2522)를 포함할 수 있다.
정보분석수단(2520)은 주변환경정보에 포함된 IoT 센서정보를 분석할 수 있다. 본 실시예에서, IoT 센서정보는 온도 IoT 센서정보, 습도 IoT 센서정보, 풍향 IoT 센서정보, 풍속 IoT 센서정보 및 열 IoT 센서정보 중 적어도 하나를 포함할 수 있지만, 이에 한정되는 것은 아니다.
화재확산판단수단(2522)은 IoT 센서정보의 특성에 기초하여 미리 설정된 화재확산기준값에 대응하여 화재확산의 위험요소를 판단할 수 있다.
본 실시예에서, 풍속이 20m/s 이상 넘어가는 경우 무인 비행체(10)의 동작에 오류가 발생할 수 있으므로, 화재확산위험성정보는 풍속이 0~20m/s이고, 습도가 0~100%인 경우로 한정하여 수학식 1을 이용하여 1~100으로 환산할 수 있다. 이때, 화재확산위험성정보는 습도에 반비례하고 풍속에 비례할수록 높은 위험성을 가질 수 있다.
[수학식 1]
Figure 112019107685461-pat00001
여기서, I는 화재화산위험정보(Fire Spread Risk)를 나타내고, S는 풍속(Wind Speed)을 나타내며, H는 (Humidity)를 나타낼 수 있다.
상기 수학식 1에 의해 산출된 화재확산위험성정보가 50 이상의 값이 산출되는 경우 시각적 및 청각적으로 사용자 또는 관리자에게 경고할 수 있다.
관리제어부(26)는 관리자 단말기(30)로부터 수신된 화재위험도정보에 대한 피드백신호에 대응하여 무인 비행체(10)의 항로를 제어하는 항로제어신호를 생성하여 무인 비행체(10)로 피드백신호 및 항로제어신호를 전송할 수 있다.
또한, 관리제어부(26)는 화재상황위험도정보를 학습하여 화재상황에 대한 위험도를 판단하여 화재상황위험도정보를 생성할 수 있다.
또한, 관리제어부(26)는 화재상황위험도정보, 화재확산위험도정보, 피드백정보 및 항로제어신호를 항공촬영정보 및 주변환경정보에 대응하여 실시간으로 업데이트할 수 있다.
이와 같은 관리 서버(20)는 하드웨어 회로(예를 들어, CMOS 기반 로직 회로), 펌웨어, 소프트웨어 또는 이들의 조합에 의해 구현될 수 있다. 예를 들어, 다양한 전기적 구조의 형태로 트랜지스터, 로직게이트 및 전자회로를 활용하여 구현될 수 있다.
관리자 단말기(30)는 무인 비행체(10) 및 관리 서버(20)와 통신망을 이용하여 실시간으로 동기화되어 데이터를 송수신할 수 있다.
사용자 단말기(30)는 신호송수신부(31), 메모리부(32), 디스플레이부(33) 및 단말기제어부(34)를 포함할 수 있다.
신호송수신부(31)는 관리 서버(20)로부터 화재상황위험도정보 및 화재확산위험도정보를 포함하는 화재위험도정보를 수신받을 수 있다.
실시예에 따라, 신호송수신부(31)는 화재위험도정보에 대응하는 피드백신호를 관리 서버(20)로 전송할 수 있다.
실시예에 따라, 신호송수신부(31)는 무인 비행체(10)로부터 항공촬영정보 및 주변환경정보를 수신받고, 화재위험도정보를 관리 서버(20)로 전송할 수 있다.
실시예에 따라, 신호송수신부(31)는 항공제어신호를 관리 서버(20) 또는 무인 비행체(10)로 전송할 수 있다.
메모리부(32)는 통신망을 통해 관리 서버(20) 사이에서 송수신되는 데이터를 저장할 수 있다. 예를 들어, 메모리부(32)는 화재상황위험도정보 및 화재확산위험도정보를 포함하는 화재위험도정보와, 화재위험도정보에 대응되는 피드백정보를 저장할 수 있으며, 이에 한정하는 것은 아니다.
실시예에 따라, 메모리부(32)는 무인 비행체(10)로부터 수신받은 항공촬영정보 및 주변환경정보를 저장할 수 있다.
디스플레이부(33)는 관리 서버(20)와 관리자 단말기(30) 사이에 송수신되는 데이터를 화면을 통해 모니터링할 수 있다. 사용자 또는 관리자가 화재위험도정보를 실시간 모니터링함으로써, 화재상황의 위험성 및/또는 화재확산의 위험성을 즉각 인지하여 화재로부터 발생하는 인적 및 물적 피해가 최소화되도록 화재상황에 빠르게 대처할 수 있다.
본 실시예에서 디스플레이부(33)는 화재위험도정보가 포함된 기호, 문자 숫자 등으로 이루어진 이미지 데이터를 화면을 통해 시각적으로 출력하고, 화재위험도정보가 포함된 오디오 데이터를 리시버(receiver), 스피커(speaker), 버저(buzzer)을 통해 청각적으로 출력할 수 있지만, 이에 한정하는 것은 아니다.
이와 같이 시각적 및 청각적으로 화재의 위험성을 사용자 또는 관리자에게 경고함으로써, 사용자 또는 관리자가 화재상황에 대하여 더욱 빠르게 대처할 수 있다.
실시예에 따라, 모니터링부(33)는 무인 비행체(10)와 관리 서버(20) 사이에 송수신되는 데이터를 화면을 통해 모니터링할 수 있다.
단말기제어부(34)는 관리 서버(20)로부터 화재상황위험도정보 및 화재확산위험도정보를 포함하는 화재위험도정보를 수신받아, 화재위험도정보에 대응하는 피드백신호를 생성하여 관리 서버(20)로 전송할 수 있다.
실시예에 따라, 단말기제어부(34)는 화재상황위험도정보 및 화재확산위험도정보를 포함하는 화재위험도정보 또는 항공제어신호를 생성할 수 있다.
실시예에 따라, 관리자 단말기(30)는 응용 프로그램(application program 또는 애플리케이션(application))을 이용하여 무인 비행체(10)의 동작을 제어할 수 있으며, 이러한 응용 프로그램은 무선통신을 통해 외부서버 또는 관리 서버(20)로부터 다운로드 될 수 있다.
이와 같은 관리자 단말기(30)는 화재의 위험도를 판단 및 예측할 수 있으며, 관리 서버(20) 및/또는 무인 비행체(10)와 통신을 지원하는 각종 휴대 가능한 전자통신기기를 포함할 수 있다. 예를 들어, 스마트폰(Smart phone), PDA(Personal Digital Assistant), 테블릿(Tablet), 웨어러블 디바이스(Wearable Device, 예를 들어, 워치형 단말기(Smartwatch), 글래스형 단말기(Smart Glass), HMD(Head Mounted Display)등 포함) 및 각종 IoT(Internet of Things) 단말과 같은 다양한 단말을 포함할 수 있지만 이에 한정하는 것은 아니다.
이와 같은 구조를 갖는 본 발명의 일실시예에 따른 무인 비행체를 이용한 화재위험도 예측 시스템(1)의 동작은 다음과 같다. 도 4는 본 발명의 일실시예에 따른 무인 비행체를 이용한 화재위험도 예측 방법을 설명하기 위한 도면이고, 도 5는 본 발명의 일실시예에 따른 화재상황위험도정보를 생성하는 방법을 설명하기 위한 상세 도면이며, 도 6a는 본 발명의 일실시예에 따른 무인 비행체로부터 획득한 항공촬영정보를 설명하기 위한 도면이고, 도 6b는 본 발명의 일실시예에 따른 이미지를 분할하는 단계를 설명하기 위한 도면이며, 도 6c는 본 발명의 일실시예에 따른 분할된 이미지를 통합처리하는 단계를 설명하기 위한 도면이고, 도 6d는 본 발명의 일실시예에 따른 이미지에 포함된 객체의 종류를 파악하는 단계를 설명하기 위한 도면이며, 도 7은 본 발명의 일실시예에 따른 인식한 객체를 이용하여 화재상황위험도정보를 생성하는 단계를 설명하기 위한 도면이고, 도 8은 본 발명의 일실시예에 따른 화재확산위험도정보를 생성하는 방법을 설명하기 위한 상세 도면이며, 도 9는 본 발명의 일실시예에 따른 화재위험도정보를 설명하기 위한 도면이다.
우선, 도 4에 도시된 바와 같이, 무인 비행체(10)는 항공촬영정보 및 주변환경정보를 획득할 수 있다. 예를 들어, 360˚ 카메라를 통해 화재발생영역의 항공촬영정보를 획득하고, IoT 센서를 통해 화재발생영역의 주변환경을 감지하여 주변환경정보를 획득할 수 있다. 이때, 주변환경정보는 무인 비행체(10)와 관리 서버(20)와 IoT(Internet of Things) 통신방식에 의해 실시간으로 더욱 빠르고 정확하게 관리 서버(20)로 전송될 수 있다.
다음으로, 관리 서버(20)는 항공촬영정보를 분석하여 화재상황위험도정보를 생성할 수 있다(S110).
구체적으로, 도 5를 참조하면, 관리 서버(20)의 위험도예측부(25)는 무인 비행체(10)로부터 항공촬영정보를 획득할 수 있다(S200).
예를 들어, 도 6a를 참고하면, 항공촬영정보는 360˚ 카메라를 이용하여 화재발생영역을 촬영하여 제공된 이미지일 수 있다. 본 실시예에서, 항공촬영정보는 실내의 화재 상황을 촬영한 동영상 또는 이미지이지만, 이에 한정하지 않고, 실외의 화재 상황을 촬영한 동영상 또는 이미지일 수 있다.
다음, 위험도예측부(25)의 화재상황정보 생성모듈(250)은 항공촬영정보에 포함된 객체의 인식 정확도를 향상시키기 위해 이미지를 분할 및 통합하여 화재상황위험도정보를 생성할 수 있다.
보다 구체적으로, 화재상황정보 생성모듈(250)의 영상분할수단(2500)은 항공촬영정보에 포하됨 이미지를 n개의 영역으로 분할할 수 있다(S210).
예를 들어, 도 6b를 참고하면, 항공촬영정보를 n개의 영역으로 분할할 수 있다.
이는, 360°로 촬영된 이미지 및/또는 영상에서 맨 끝에 있는 객체의 경우 좌우로 나누어져 보이게 되는 문제가 있기 때문에 객체를 분류하지 못하거나 2개의 객체로 부정확하게 인식할 수 있어 위험도 예측에 오류가 발생할 수 있다. 이러한 오류에 의해 화재상황에 대한 위험도를 판단하는데 있어서도 오류가 발생할 수 있다.
따라서, 이를 해결하기 위해 본 실시예에서 항공촬영정보를 512*512 크기로 분할하여 10개의 분할 레이어로 나눌 수 있다. 즉, 항공촬영정보를 512*512 크기로 분할함으로써, 이미지의 정확도를 높여 항공촬영정보에 포함된 객체를 인식하지 못하는 문제점을 해결할 수 있다.
이때, 각 분할 레이어의 꼭지점에 레이어 값을 지정할 수 있다.
예를 들어, 제1 레이어는 [1,2,4,5], 제2 레이어는 [4,5,7,8], 제3 레이어는 [7,8,10,11], 제4 레이어는 [10,11,13,14], 제5 레이어는 [13, 14, 16, 17], 제6 레이어는 [2,3,5,6], 제7 레이어는 [5,6,8,9], 제8 레이어는 [8,9,11,12], 제9 레이어는 [11,12,14,15], 제10 레이어는 [14,15,17,18]의 꼭지점 값을 가질 수 있다.
다음, 통합처리수단(2502)은 n개의 영역으로 분할된 이미지에서 인식된 객체의 정확도를 향상시키기 위해 객체를 통합처리할 수 있다(S220).
예를 들어, 도 6c를 참고하면, 512*512 크기로 분할된 이미지를 와핑(Warping) 또는 max 풀링(Polling) 처리하여 통합처리할 수 있다. 즉, 출력 이미지가 5*2의 이미지를 가로/세로방향의 공간을 줄이는 max 풀링을 통해 2*2 사이즈로 변경되도록 학습을 통해 통합처리하여 객체의 정확도를 향상시킬 수 있다.
다음, 객체분석수단(2504)은 n개의 영역으로 분할된 이미지에서 인식된 객체를 학습하여 분석할 수 있다(S230).
즉, 객체분석수단(2504)은 입력된 항공촬영정보에 포함된 이미지에 포함된 객체의 종류(class, label, class label)를 분류(Classification)하고, 이미지에 포함된 바운딩박스(Bounding box)를 이용하여 객체의 위치정보(Localization)를 확인하고, 학습목적에 따라 즉, 화재상황에 따라 특정 객체만 검출(Object Detection)할 수 있다. 이에 IOU(intersection over union) > 0.6으로 설정하여 객체의 정확도를 반복적으로 학습할 수 있다.
예를 들어, 도 6d를 참고하면, 이미지에 포함된 객체의 종류를 물적 객체와 인적 객체로 구분하여 객체의 종류를 파악할 수 있다. 화재가 발생된 화재발생객체인 불(fire), 제1 물적 객체인 테이블(table)와 의자(chair), 제2 물적 객체인 소파(sofa), 제3 물적 객체인 티브이(tv) 그리고 인적 객체인 사람(human)으로 객체를 분류할 수 있다. 여기서, 제1 물적 객체는 전소가 빠른 객체를 의미하고, 제2 물적 객체는 제1 물적 객체에 비해 전소가 느리지만 인화성물질로 이루어진 객체를 의미하고, 제3 물적 객체는 제2 물적 객체에 비해 전소가 느린 비인화성물질로 이루어진 객체를 의미할 수 있지만, 이에 한정하는 것은 아니다.
또한, 객체의 종류에 따라 분류된 객체의 위치 정보를 확인하여 바운딩박스로 표시할 수 있다. 예를 들어, 분류된 화재발생객체는 붉은색 바운딩 박스로 표시하고, 제1 물적 객체는 노란색 바운딩 박스로 표시하며, 제2 물적 객체는 주황색 바운딩 박스로 표시하고, 제3 물적 객체는 녹색 바운딩 박스로 표시하며, 인적 객체는 파랑색 바운딩 박스로 표시하여 사용자 또는 관리자가 이미지로부터 객체의 위치를 더욱 빠르고 정확하게 판단할 수 있다. 여기서, 화재 위험도가 높은 값을 갖는 객체를 화재발생객체와 가까워지는 값을 갖는 바운딩 박스로 표시하여 사용자 또는 관리자가 용이하게 확인할 수 있도록 할 수 있지만, 이에 한정하는 것은 아니다. 그리고, 인적 객체는 화재발생영역에서 사람의 위치를 나타내는 인명피해를 최소화하기 위해 이중 바운딩 박스 또는 형광색의 반운딩 박스를 사용할 수 있지만, 이에 한정하는 것은 아니다.
이때, IOU(intersection over union)의 값을 설정하여 일정 값이 넘어가면 그 객체에 대하여 분류하도록 학습함으로써, 객체의 정확도를 학습시킬 수 있다. 본 실시예에서, IOU(intersection over union) > 0.6으로 설정하여 객체에 대한 인식의 정확도를 학습시켰지만, 이에 한정하는 것은 아니다. 즉, 객체의 정확도를 높이기 위해 IOU(intersection over union)가 최소 0.6의 값을 갖도록 설정할 수 있다.
다음, 화재상항판단수단(2506)은 분석된 객체에 대하여 화재상황위험도가 미리 설정된 화재상황기준값에 대응하여 객체의 위험요소가 고위험요소인지 판단할 수 있다(S240).
즉, 객체의 위험요소가 고위험요소로 판단되면(S250), 화재상항판단수단(2506)은 화재상황위험도정보를 생성하여 사용자 또는 관리자에게 화재상황에 대하여 경고할 수 있다(S260).
구체적으로, 화재상항판단수단(2506)은 인식된 객체에 대한 화재위험도를 수치로 환산하여 화재상황위험도정보를 생성할 수 있다.
예를 들어, 인식된 객체에 대하여 화재위험도가 1~10의 값을 갖는다고 가정하면, 화재위험도가 1의 값을 갖는 경우에는 화재피해정도가 최소로 예상되고, 화재위험도가 10의 값을 갖는 경우에는 화재피해정도가 최대로 예상할 수 있다. 도 7을 참고하면, 제3 물적 객체만 화재발생영역에 위치하는 경우 화재상황위험도정보는 1, 2, 3의 위험요소 값으로 환산되고, 인적 객체, 제2 및 제3 물적 객체가 화재발생영역에 위치하는 경우 화재상황위험도정보는 4, 5, 6, 7의 위험요소 값으로 환산되며, 인적 객체, 제1 및 제2 물적 객체가 화재발생영역에 위치하는 경우 화재상황위험도정보는 8, 9, 10의 위험요소 값으로 환산될 수 있다.
즉, 화재발생영역에 인적 객체로 분류된 사람이 1명이라도 포함되면 최소 4 이상의 화재위험도를 부여하여 화재상황에 대하여 경고할 수 있다.
이때, 위험도 예측 상황에서 4이상의 경우 경보음이나 알림창을 띄어줄 수 있도록 라벨링하여 학습한다. 다시 말하면, 사람, 의자, 책상, 나무 등이 포함된 데이터세트(Dataset)를 이용한 일반적인 객체들과 실내 및 실외에서 발생한 화재영상에 대하여 반복적으로 학습시킴으로써 일반적인 객체 분류가 아닌 화재 상황에 맞는 객체 인식을 하여 위험도 예측 효과를 상승시킬 수 있을 수 있다.
이와 같은 반복 학습에 의해 화재상황위험도를 판단함으로써, 화재상황에 대하여 정확하고 빠르게 대처하여 화재 피해를 최소화할 수 있다.
다음으로, 관리 서버(20)는 주변환경정보를 분석하여 화재확산위험도정보를 생성할 수 있다(S120).
구체적으로, 도 8을 참조하면, 관리 서버(20)의 위험도예측부(25)는 무인 비행체(10)로부터 획득한 주변환경정보를 획득할 수 있다(S300).
예를 들어, 위험도예측부(25)는 온도 IoT 센서, 습도 IoT 센서, 풍향 IoT 센서, 풍속 IoT 센서 및 열 IoT 센서 중 적어도 하나를 포함하는 센서부(13)로부터 IoT 센서정보를 수신할 수 있다.
다음, 화재확산정보 생성모듈(252)의 정보분석수단(2520)은 주변환경정보에 포함된 IoT 센서정보를 분석할 수 있다(S310).
다음, 화재확산판단수단(2522)은 IoT 센서정보의 특성에 기초하여 미리 설정된 화재확산기준값에 대응하여 화재확산의 위험요소를 판단할 수 있다(S320).
화재확산의 위험요소가 고위험요소로 판단되면(S330), 화재확산판단수단(2522)은 화재확산위험도정보를 생성하여 사용자 또는 관리자에게 화재확산에 대하여 경고할 수 있다(S340).
한편, 본 실시예에서 화재확산위험도정보를 생성하는 단계(S120)는 화재상황위험도정보를 생성하는 단계(S110)보다 이전에 수행될 수 있다. 하지만, 이에 한정하지 않고 화재상황위험도정보 및 화재확산위험도정보가 동시에 생성될 수도 있다.
다음으로, 사용자 단말기(30)는 관리 서버(20)로부터 전송된 화재상황위험도정보 및 화재확산위험도정보를 실시간 모니터링할 수 있다(S130).
예를 들어, 도 9에 도시된 바와 같이, 1개의 인적 객체, 4개의 제1 물적 객체, 1개의 제2 물적 객체, 1개의 제3 물적 객체 및 1개의 화재발생객체를 가지는 경우, 화재상황위험도정보는 5의 값을 가질 수 있다. 또한, 습도가 30%이고, 풍속이 0.2m/s이고, 온도가 39˚인 경우 화재확산위험도정보는 30의 값을 가질 수 있다.
다음으로, 사용자 단말기(30)는 화재상황 및 화재확산에 대한 피드백신호를 생성할 수 있다(S140). 즉, 사용자 단말기(30)는 화재상황에 따라 화재발생영역 또는 화재발생영역의 주변에 위치하는 인적 및 물적 대상에게 경고안내정보 또는 대피경로정보를 안내에 대한 정보와, 화재확산을 방지하기 위해 별도의 진압장치(미도시)를 이용하여 초기에 화재를 진압할 수 있는 정보가 포함된 피드백신호를 생성할 수 있다.
다음으로, 관리 서버(20)는 수신받은 피드백신호에 대응하여 무인 비행체(10)의 항로를 제어할 수 있는 항로제어신호를 생성할 수 있다(S150).
다음으로, 무인 비행체(10)는 관리 서버(20)로부터 수신한 항로제어신호에 의해 무인 비행체(10)의 항로를 제어할 수 있다(S160). 이에 따라, 무인 비행체(10)는 피드백신호에 따라 표시부(15) 및 별도의 진압장치를 제어하여 인적 및 물적 피해를 최소화할 수 있다.
즉, 무인 비행체(10)는 피드백신호에 대응하여 화재상황에 따라 화재발생영역 및 주변 영역에 실시간으로 시각적 및 청각적으로 대피경로를 제공하고, 화재확산을 방지하기 위해 무인 비행체(10)에 구비된 별도의 진압장치(미도시)를 이용하여 초기에 화재를 진압할 수 있다.
다음으로, 관리 서버(20)는 관리 서버(20)는 화재상황위험도정보, 화재확산위험도정보, 피드백정보 및 항로제어신호를 항공촬영정보 및 주변환경정보에 대응하여 실시간으로 업데이트할 수 있다(S170).
마지막으로, 관리 서버(20)는 화재상황위험도정보를 반복적으로 학습하여 화재상황에 따른 위험도를 빠르고 정확하게 판단할 수 있다(S180). 여기서, 화재상황위험도정보를 학습하는 단계(S180)는 화재상황위험도정보를 생성하는 단계(S110) 전에 화재상황위험도정보를 학습되거나, 실시간으로 화재상황위험도정보를 학습할 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 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.
10 : 무인 비행체
20 : 관리 서버
30 : 관리자 단말기

Claims (20)

  1. 적어도 하나의 카메라 및 센서를 구비하며, 상기 카메라를 통해 화재발생영역을 360˚촬영하여 감지된 항공촬영정보 및 상기 센서로부터 감지된 주변환경정보를 제공하는 무인 이동 가능한 무인 비행체;
    상기 무인 비행체로부터 획득한 상기 항공촬영정보로부터 적어도 하나의 객체를 인식하여 화재상황에 대한 위험도를 판단하고, 상기 무인 비행체로부터 획득한 상기 주변환경정보를 이용하여 화재확산에 대한 위험도를 판단하여 화재위험도정보를 생성하는 관리 서버; 및
    상기 화재위험도정보를 시각적 및 청각적으로 실시간 모니터링하는 관리자 단말기; 를 포함하되,
    상기 무인 비행체는,
    화재가 발생한 경우, 화재발생영역을 360˚촬영하여 상기 항공촬영정보를 제공하는 카메라부;
    상기 무인 비행체의 주변상황을 감지하여 상기 화재발생영역의 상기 주변환경정보를 제공하고, 온도, 습도, 풍향, 풍속 및 열 중 적어도 하나를 감지하여 IoT 센서정보를 획득하는 적어도 하나 이상의 IoT 센서를 포함하는 센서부; 및
    상기 관리 서버로부터 항로제어신호를 수신받아, 상기 무인 비행체의 항로를 제어하는 제어부; 를 포함하고,
    상기 관리 서버는,
    상기 항공촬영정보에 포함된 상기 객체를 인식하여 미리 설정된 화재상황기준값에 따라 상기 객체를 분석하여 상기 화재상황에 대한 위험도를 판단하여 화재상황위험도정보를 생성하는 화재상황정보 생성모듈; 및
    상기 주변환경정보에 포함된 상기 IoT 센서정보를 분석하여 미리 설정된 화재확산기준값에 따라 상기 화재확산에 대한 위험도를 판단하여 화재확산위험도정보를 생성하는 화재확산정보 생성모듈을 포함하며,
    상기 화재상황정보 생성모듈은,
    상기 항공촬영정보를 n개의 영역으로 분할하는 영상분할수단; 및
    상기 영상분할수단에 의해 분할된 n개의 영역 중 적어도 하나의 영역에서 적어도 하나 이상의 상기 객체를 인식하여 분석하는 객체분석수단을 포함하고,
    상기 객체분석수단은 상기 객체를 인화성 객체인 제1 물적 객체, 상기 제1 물적 객체 대비 불에 타는 속도가 느린 인화성 객체인 제2 물적 객체, 비인화성 객체인 제3 물적 객체 및 인적 객체 중 어느 하나로 분류하며,
    상기 화재상황정보 생성모듈은, 상기 인적 객체, 상기 제1 물적 객체, 상기 제2 물적 객체 및 상기 제3 물적 객체 중 어느 하나로 분류된 각각의 객체에 대한 화재위험도를 수치로 환산하여 화재상황위험도정보를 연산하고,
    상기 화재위험도는 상기 인적 객체, 상기 제1 물적 객체, 상기 제2 물적 객체 및 상기 제3 물적 객체 순으로 높게 측정되며,
    상기 화재상황정보 생성모듈은, 상기 화재상황위험도정보에 포함된 수치 값이 기 설정된 화재상황기준값 이상인 경우 상기 객체의 위험요소를 고위험요소로 판단하여 상기 관리자 단말기에 경고를 전송하는 화재상황판단수단을 더 포함하며,
    상기 화재상황기준값은 상기 인적 객체에 대한 화재위험도를 수치로 환산한 값인,
    무인 비행체를 이용한 화재위험도 예측 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 화재상황정보 생성모듈은,
    상기 화재상황위험도정보를 학습하여 상기 화재상황에 대한 위험도를 판단하여 상기 화재상황위험도정보를 생성하는, 무인 비행체를 이용한 화재위험도 예측 시스템.
  6. 삭제
  7. 제5항에 있어서,
    상기 화재상황정보 생성모듈은,
    상기 객체의 정확도를 향상시키기 위해 상기 분할된 n개의 영역 중 적어도 하나의 영역의 이미지에 포함된 상기 객체를 통합처리하는 통합처리수단; 을 포함하는, 무인 비행체를 이용한 화재위험도 예측 시스템.
  8. 제7항에 있어서,
    상기 통합처리수단은,
    IOU(intersection over union) > 0.6을 설정하여 상기 객체의 정확도를 반복적으로 학습시키는, 무인 비행체를 이용한 화재위험도 예측 시스템.
  9. 제5항에 있어서,
    상기 화재확산정보 생성모듈은,
    상기 주변환경정보에 포함된 상기 IoT 센서정보를 분석하는 정보분석수단; 및
    상기 IoT 센서정보의 특성에 기초하여 상기 미리 설정된 화재확산기준값에 대응하여 상기 화재확산의 위험요소를 판단하는 화재확산판단수단; 을 포함하는, 무인 비행체를 이용한 화재위험도 예측 시스템.
  10. 제9항에 있어서,
    상기 화재확산위험도정보가 습도에 반비례하고, 풍속에 비례하는 경우, 상기 화재확산판단수단은 상기 화재확산의 위험요소를 고위험요소로 판단하는, 무인 비행체를 이용한 화재위험도 예측 시스템.
  11. 제10항에 있어서,
    상기 관리 서버는,
    상기 화재확산의 위험요소를 판단하여 상기 항로제어신호를 생성하는 항로신호생성부; 를 포함하는, 무인 비행체를 이용한 화재위험도 예측 시스템.
  12. 제1항에 있어서,
    상기 관리 서버는,
    상기 화재위험도정보를 상기 관리자 단말기로 전송하고, 상기 관리자 단말기로부터 상기 화재위험도정보에 대응하는 피드백신호를 수신하여 상기 무인 비행체의 항로를 제어하는, 무인 비행체를 이용한 화재위험도 예측 시스템.
  13. 화재가 발생한 경우, 관리 서버는 360° 촬영가능한 적어도 하나의 카메라부 및 IoT 센서부를 구비하는 무인 비행체가 화재발생영역으로 이동가능하도록 상기 무인 비행체의 항로를 제어하여 상기 무인 비행체로부터 항공촬영정보 및 주변환경정보를 실시간으로 수신하는 단계;
    상기 관리 서버가 상기 항공촬영정보를 분석하여 화재상황에 대한 위험도를 판단하여 화재상황위험도정보를 생성하는 단계;
    상기 관리 서버가 상기 주변환경정보를 분석하여 화재확산에 대한 위험도를 판단하여 화재확산위험도정보를 생성하는 단계; 및
    상기 관리 서버가 상기 화재상황위험도정보 및 상기 화재확산위험도정보를 시각적 및 청각적으로 실시간 모니터링 가능하도록 관리자 단말기로 전송하는 단계; 를 포함하고,
    상기 화재상황위험도정보를 생성하는 단계는,
    상기 관리 서버가 상기 항공촬영정보를 n개의 영역으로 분할하는 단계;
    상기 관리 서버가 상기 분할된 n개의 영역 중 적어도 하나의 영역에서 적어도 하나 이상의 객체를 인식하는 단계;
    상기 관리 서버가 상기 객체를 인화성 객체인 제1 물적 객체, 상기 제1 물적 객체 대비 불에 타는 속도가 느린 인화성 객체인 제2 물적 객체, 비인화성 객체인 제3 물적 객체 및 인적 객체 중 어느 하나로 분류하는 단계; 및
    상기 관리 서버가 상기 인적 객체, 상기 제1 물적 객체, 상기 제2 물적 객체 및 상기 제3 물적 객체 중 어느 하나로 분류된 각각의 객체에 대한 화재위험도를 수치로 환산하여 화재상황위험도정보를 연산하는 단계를 포함하며,
    상기 화재위험도는 상기 인적 객체, 상기 제1 물적 객체, 상기 제2 물적 객체 및 상기 제3 물적 객체 순으로 높게 측정되고,
    상기 전송하는 단계는,
    상기 관리 서버가 상기 화재상황위험도정보에 포함된 수치 값이 기 설정된 화재상황기준값 이상인 경우 상기 객체의 위험요소를 고위험요소로 판단하여 상기 관리자 단말기에 경고를 전송하는 단계를 포함하고,
    상기 화재상황기준값은 상기 인적 객체에 대한 화재위험도를 수치로 환산한 값인,
    무인 비행체를 이용한 화재위험도 예측 방법.
  14. 삭제
  15. 제13항에 있어서,
    상기 화재상황위험도정보를 생성하는 단계는,
    상기 관리 서버가 상기 화재상황위험도정보를 학습하는 단계; 를 포함하는, 무인 비행체를 이용한 화재위험도 예측 방법.
  16. 제13항에 있어서,
    상기 화재상황위험도정보를 생성하는 단계는,
    상기 관리 서버가 분석된 상기 객체의 정확도를 향상시키기 위해 상기 분할된 n개의 영역 중 적어도 하나의 영역의 이미지에 포함된 상기 객체를 통합처리하는 단계; 를 포함하는, 무인 비행체를 이용한 화재위험도 예측 방법.
  17. 제13항에 있어서,
    상기 화재확산위험도정보를 생성하는 단계는,
    상기 관리 서버가 상기 주변환경정보에 포함된 IoT 센서정보를 분석하는 단계; 및
    상기 관리 서버가 상기 IoT 센서정보의 특성에 기초하여 미리 설정된 화재확산기준값에 대응하여 상기 화재확산의 위험요소를 판단하여 상기 화재확산위험도정보를 생성하는 단계; 를 포함하는, 무인 비행체를 이용한 화재위험도 예측 방법.
  18. 제17항에 있어서,
    상기 IoT 센서정보는,
    상기 무인 비행체에 의해 온도, 습도, 풍향, 풍속 및 열 중 적어도 하나의 센서정보를 포함하고,
    상기 화재확산위험도정보가 습도에 반비례하고, 풍속에 비례하는 경우, 상기 관리 서버가 상기 화재확산의 위험요소를 고위험요소로 판단하는 단계; 를 포함하는, 무인 비행체를 이용한 화재위험도 예측 방법.
  19. 제13항에 있어서,
    상기 관리자 단말기로부터 화재확산위험도정보에 대응하는 피드백신호를 수신하여 상기 무인 비행체의 항로를 제어하는 단계; 를 더 포함하는, 무인 비행체를 이용한 화재위험도 예측 방법.
  20. 하드웨어인 컴퓨터와 결합되어, 제13항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터 프로그램.
KR1020190131151A 2019-10-22 2019-10-22 무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법 KR102273193B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190131151A KR102273193B1 (ko) 2019-10-22 2019-10-22 무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190131151A KR102273193B1 (ko) 2019-10-22 2019-10-22 무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20210047490A KR20210047490A (ko) 2021-04-30
KR102273193B1 true KR102273193B1 (ko) 2021-07-02

Family

ID=75740589

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190131151A KR102273193B1 (ko) 2019-10-22 2019-10-22 무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102273193B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102342192B1 (ko) 2021-06-25 2021-12-23 (주)아인스에스엔씨 빅데이터 기반의 재난 발생 위험도 예측장치 및 방법
CN116542442A (zh) * 2023-04-03 2023-08-04 中国消防救援学院 一种基于无人机的消防辅助调度管理方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101640204B1 (ko) * 2015-11-30 2016-07-20 백주연 화재 대응 시스템
KR101796385B1 (ko) * 2016-06-14 2017-11-10 경희대학교 산학협력단 화재 발생 시 최적경로 제공 시스템 및 그 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101750156B1 (ko) * 2015-05-28 2017-06-22 주식회사 와이즈오토모티브 차량의 파노라마 영상 표시장치 및 방법
KR20170101516A (ko) 2016-02-29 2017-09-06 한국전자통신연구원 무인 항공기를 이용한 화재 감시 장치 및 방법
KR102064746B1 (ko) * 2018-04-09 2020-01-10 미소에이스 주식회사 머신 러닝을 기반으로 한 화재 감시 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101640204B1 (ko) * 2015-11-30 2016-07-20 백주연 화재 대응 시스템
KR101796385B1 (ko) * 2016-06-14 2017-11-10 경희대학교 산학협력단 화재 발생 시 최적경로 제공 시스템 및 그 방법

Also Published As

Publication number Publication date
KR20210047490A (ko) 2021-04-30

Similar Documents

Publication Publication Date Title
JP6402876B2 (ja) 回転翼機着陸装置
EP3032508B1 (en) Integrated camera awareness and wireless sensor system
US20210248183A1 (en) Acoustic monitoring system
WO2021253961A1 (zh) 一种智能视觉感知系统
US10642264B2 (en) Security drone system
US9269239B1 (en) Situational awareness system and method
KR102208152B1 (ko) 무인 비행체를 이용한 산악지역의 재난 대응 시스템 및 방법
KR102273193B1 (ko) 무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법
CN105074789A (zh) 火灾检测系统
KR101883292B1 (ko) 재난 구조 및 대응 시스템 및 그 운용 방법
KR101791467B1 (ko) 드론을 이용한 원격 전력설비 점검 방법
JP2018193061A (ja) 回転翼機着陸装置
KR102161917B1 (ko) 무인 비행체를 이용한 산악 지역의 구조를 위한 정보 처리 시스템 및 그 방법
CN104200600A (zh) 基于火情分析的消防监控系统
US9646518B2 (en) Method and apparatus for indicating conditions
KR101569324B1 (ko) 인명 구조 스마트 모니터링 시스템
US20230196895A1 (en) Method for monitoring state of wearing safety protective equipment and server for providing the method
KR102260019B1 (ko) 화재상황에 대한 화재기록정보를 분석하여 화재상황의 위험도를 판단하는 시스템 및 그 방법
WO2021146973A1 (zh) 无人机返航的控制方法、设备、可移动平台和存储介质
US20230071981A1 (en) Drone based security and defense system
CN112731971B (zh) 控制无人机降落的方法、装置、可读存储介质及电子设备
Zheng et al. Forest farm fire drone monitoring system based on deep learning and unmanned aerial vehicle imagery
KR101961800B1 (ko) 드론을 이용한 사고 대응 시스템
Divan et al. Fire detection using quadcopter
CN111882806B (zh) 一种室内消防威胁识别方法及系统

Legal Events

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