KR102302893B1 - 위성영상을 이용한 건물의 방수페인트 상태 판정 방법 및 장치 - Google Patents

위성영상을 이용한 건물의 방수페인트 상태 판정 방법 및 장치 Download PDF

Info

Publication number
KR102302893B1
KR102302893B1 KR1020210012693A KR20210012693A KR102302893B1 KR 102302893 B1 KR102302893 B1 KR 102302893B1 KR 1020210012693 A KR1020210012693 A KR 1020210012693A KR 20210012693 A KR20210012693 A KR 20210012693A KR 102302893 B1 KR102302893 B1 KR 102302893B1
Authority
KR
South Korea
Prior art keywords
building
state
information
satellite image
index
Prior art date
Application number
KR1020210012693A
Other languages
English (en)
Inventor
강주영
박재형
안상호
Original Assignee
아주대학교산학협력단
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 아주대학교산학협력단 filed Critical 아주대학교산학협력단
Priority to KR1020210012693A priority Critical patent/KR102302893B1/ko
Priority to US17/229,260 priority patent/US11195014B1/en
Application granted granted Critical
Publication of KR102302893B1 publication Critical patent/KR102302893B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G01C11/025—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures by scanning the object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
    • G01C11/28—Special adaptation for recording picture point data, e.g. for profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G01N2021/177—Detector of the video camera type
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Library & Information Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 일 실시예에 따른 위성영상을 이용한 건물의 방수페인트 상태 판정 방법은 사용자로부터 건물 옥상의 방수페인트 도포 상태를 측정하려는 위치에 관한 정보를 포함하는 검색정보를 수신하는 단계; 복수의 위성영상데이터를 포함하는 위성영상DB에서, 상기 검색정보에 대응되는 적어도 하나의 위성영상인 검색위성영상을 검색하는 단계; CNN(Convolutional Neural Network) 기법을 이용하여, 상기 검색위성영상에서 상기 검색정보에 대응되는 적어도 하나의 건물의 방수페인트 도포 영역인 옥상영역을 검출하는 단계; 및 기준색상정보 및 상기 옥상영역의 색상정보에 기초하여, 상기 적어도 하나의 건물에 대한 방수페인트 도포 상태를 나타내는 지수인 상태지수를 산출하는 단계를 포함한다.

Description

위성영상을 이용한 건물의 방수페인트 상태 판정 방법 및 장치{METHOD AND APPARATUS FOR ESTIMATING THE STATE OF WATERPROOF PAINT OF BUILDINGS USING SATELLITE IMAGERY}
본 발명은 위성영상을 이용하여 건물의 방수페인트 도포 상태를 판정하는 방법 및 장치에 관한 것이다.
항공사진으로 시내를 관찰하면, 방수페인트 작업을 하지 않은 건물을 찾기 어려울 정도로 대다수의 건물 옥상에는 방수페인트 작업이 되어있다. 옥상 방수는 건물의 수명에 직접적으로 영향을 주기 때문에, 페인트의 재도포시기를 적절히 고려하여 도포를 주기적으로 해주는 것이 건물 관리에 있어서 중요하다. 하지만, 방수페인트를 재도포하지 않아 탈락이 일어나고 페인트가 벗겨진 부분들을 다수의 건물에서 확인가능하다.
방수페인트 도포는 개인 혹은 건물의 소유주가 자체적으로 일정 주기에 따라 진행하고 있다. 하지만, 대부분 건물에서 방수작업에 사용하고 있는 방수페인트는 우레탄 방수페인트로, 녹색을 띄고 있다. 녹색의 방수페인트는 열 흡수율이 높아 건물 내부의 온도를 높여서 여름의 냉방효율을 낮추는 단점이 있다.
따라서, 최근 주목받는 사업인 쿨루프(cool roof) 사업과 관련하여, 에너지 절감과 더불어 건물의 옥상 미관을 개선하기 위한 건물의 방수페인트 도포 상태 판정 방법 및 장치에 관한 필요성이 대두되고 있다.
본 발명은 위성영상을 이용하여 건물의 방수페인트 도포 상태를 판정하는 방법 및 장치를 제공하고자 한다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 위성영상을 이용한 건물의 방수페인트 상태 판정 방법은 사용자로부터 건물 옥상의 방수페인트 도포 상태를 측정하려는 위치에 관한 정보를 포함하는 검색정보를 수신하는 단계; 복수의 위성영상데이터를 포함하는 위성영상DB에서, 상기 검색정보에 대응되는 적어도 하나의 위성영상인 검색위성영상을 검색하는 단계; CNN(Convolutional Neural Network) 기법을 이용하여, 상기 검색위성영상에서 상기 검색정보에 대응되는 적어도 하나의 건물의 방수페인트 도포 영역인 옥상영역을 검출하는 단계; 및 기준색상정보 및 상기 옥상영역의 색상정보에 기초하여, 상기 적어도 하나의 건물에 대한 방수페인트 도포 상태를 나타내는 지수인 상태지수를 산출하는 단계를 포함한다.
바람직하게는, 상기 검색정보는 방수페인트 도포 상태를 측정하려는 위치에 대응되는 주소, 도로명칭, 행정구역명칭 또는 경위도좌표에 관한 정보를 포함할 수 있다.
바람직하게는, 상기 방수페인트 도포 영역인 옥상영역을 검출하는 단계는 상기 검색위성영상에서 상기 검색정보에 대응되는 영역을 결정하는 단계; CNN 기법을 이용하여, 상기 검색정보에 대응되는 영역에 포함된 적어도 하나의 건물을 검출하는 단계; 및 CNN 기법을 이용하여 상기 검출된 적어도 하나의 건물에 포함된 상기 옥상영역을 검출하는 단계를 포함할 수 있다.
바람직하게는, 상기 도포 상태를 나타내는 지수인 상태지수를 산출하는 단계는 상기 옥상영역에서 지배 색상이 차지하는 비율에 관한 정보인 색일관성지수 및 상기 옥상영역의 색상과 상기 기준색상정보의 색상의 차이를 나타내는 정보인 색변화도지수를 이용하여 상기 상태지수를 산출할 수 있다.
바람직하게는, 상기 도포 상태를 나타내는 지수인 상태지수를 산출하는 단계는 수학식 1을 이용하여 상기 상태지수를 산출할 수 있다.
[수학식 1]
Figure 112021011766615-pat00001
여기서, x는 가중치이고, D는 색변화도지수이고, y는 가중치이고, P는 색일관성지수이다.
또한, 상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 위성영상을 이용한 건물의 방수페인트 상태 판정 장치는 사용자로부터 건물 옥상의 방수페인트 도포 상태를 측정하려는 위치에 관한 정보를 포함하는 검색정보를 수신하는 수신부; 복수의 위성영상데이터를 포함하는 위성영상DB에서, 상기 검색정보에 대응되는 적어도 하나의 위성영상인 검색위성영상을 검색하는 영상검색부; CNN(Convolutional Neural Network) 기법을 이용하여, 상기 검색위성영상에서 상기 검색정보에 대응되는 적어도 하나의 건물의 방수페인트 도포 영역인 옥상영역을 검출하는 영역검출부; 및 기준색상정보 및 상기 옥상영역의 색상정보에 기초하여, 상기 적어도 하나의 건물에 대한 방수페인트 도포 상태를 나타내는 지수인 상태지수를 산출하는 산출부를 포함한다.
바람직하게는, 상기 검색정보는 방수페인트 도포 상태를 측정하려는 위치에 대응되는 주소, 도로명칭, 행정구역명칭 또는 경위도좌표에 관한 정보를 포함할 수 있다.
바람직하게는, 상기 영역검출부는 상기 검색위성영상에서 상기 검색정보에 대응되는 영역을 결정하고, CNN 기법을 이용하여, 상기 검색정보에 대응되는 영역에 포함된 적어도 하나의 건물을 검출하고, CNN 기법을 이용하여 상기 검출된 적어도 하나의 건물에 포함된 상기 옥상영역을 검출할 수 있다.
바람직하게는, 상기 산출부는 상기 옥상영역에서 지배 색상이 차지하는 비율에 관한 정보인 색일관성지수 및 상기 옥상영역의 색상과 상기 기준색상정보의 색상의 차이를 나타내는 정보인 색변화도지수를 이용하여 상기 상태지수를 산출할 수 있다.
바람직하게는, 상기 산출부는 수학식 2을 이용하여 상기 상태지수를 산출할 수 있다.
[수학식 2]
Figure 112021011766615-pat00002
여기서, x는 가중치이고, D는 색변화도지수이고, y는 가중치이고, P는 색일관성지수이다.
본 발명에서 개시하고 있는 일 실시예에 따르면, 기존에 직접 현장을 방문하여 확인해야만 했던 방수페인트 도포 상태 확인 작업을, 인력이 방문하지 않고도 지역 단위로 광범위하게 분석할 수 있는 효과가 있다.
또한, 본 발명에서 개시하고 있는 일 실시예에 따르면, 건물 옥상, 외벽에 투수 현상이 일어나면 건물의 수명에 직접적인 영향을 미칠 뿐 아니라, 내벽 곰팡이 등을 유발하여 거주자의 삶의 질의 하락을 초래할 수 있다. 따라서 외부환경에 직접적으로 노출되는 옥상의 방수작업은 필수적인데, 위성데이터를 활용한 실시간 광범위 모니터링을 통해 방수 필요 건물을 미리 감지함으로써 이를 방지할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 위성영상을 이용한 건물의 방수페인트 상태 판정 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 옥상영역 검출 방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 위성영상을 이용한 건물의 방수페인트 상태 판정 장치를 설명하기 위한 블록도이다.
도 4는 본 발명의 일 실시예에 따른 검색정보 입력 화면을 설명하기 위한 도면이다.
도 5 및 6는 본 발명의 일 실시예에 따른 건물 검출 및 상태지수 산출 결과를 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 행정구역 단위의 상태지수 산출 결과를 설명하기 위한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 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, A, B 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. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
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 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 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.
도 1은 본 발명의 일 실시예에 따른 위성영상을 이용한 건물의 방수페인트 상태 판정 방법을 설명하기 위한 흐름도이다.
단계 S110에서는, 상태 판정 장치가 사용자로부터 건물 옥상의 방수페인트 도포 상태를 측정하려는 위치에 관한 정보를 포함하는 검색정보를 수신한다.
예컨대, 사용자는 스마트폰의 어플리케이션이나 PC의 어플리케이션 또는 웹브라우저를 이용하여 방수페인트 도포 상태를 측정하려는 위치에 관한 정보를 포함하는 검색정보를 생성할 수 있다. 보다 구체적으로, 도 4를 참조하면, 사용자가 행정구역 검색을 통해 특정한 행정구역(예, 경기도 수원시 영통구 원천동)에 대한 검색정보를 생성하는 것을 확인할 수 있다.
또한, 상태 판정 장치는 사용자의 스마트폰이나 PC로부터 그 생성된 검색정보를 유선 또는 무선 네트워크를 통해 수신할 수 있다.
다른 실시예에서는, 검색정보는 방수페인트 도포 상태를 측정하려는 위치에 대응되는 주소, 도로명칭, 행정구역명칭 또는 경위도좌표에 관한 정보를 포함할 수 있다.
즉, 검색정보는 사용자가 검색을 원하는 특정한 주소, 특정한 도로명칭, 특정한 행정구역명칭, 특정한 경위도좌표(들)에 관한 정보를 포함할 수 있다. 다시 말하면, 검색정보는 사용자의 편의를 고려하여 주소, 도로명칭, 행정구역명칭, 경위도좌표를 입력가능한 다양한 사용자 인터페이스를 통해 생성될 수 있다. 또한, 행정구역명칭은 시/도, 시/군/구, 읍/면/동, 행정동/법정동 등 다양한 행정구역단위의 명칭일 수 있다.
단계 S120에서는, 상태 판정 장치가 복수의 위성영상데이터를 포함하는 위성영상DB에서, 그 검색정보에 대응되는 적어도 하나의 위성영상인 검색위성영상을 검색한다.
이때, 상태 판정 장치는 위성영상DB와 직접 연결되거나, 네트워크를 통해 원격으로 연결될 수 있음은 물론이다. 또한, 위성영상DB는 위성영상 데이터가 업데이트되는 대로 꾸준히 수집하고, 오래된 데이터는 폐기함으로써, 항상 최신의 위성영상 데이터를 포함하고 있는 것이 바람직할 수 있다.
한편, 상태 판정 장치는 위성영상DB에서 검색정보에 포함된 위치 또는 영역을 포함하는 적어도 하나의 위성 영상인 검색위성영상을 검색할 수 있다. 즉, 상태 판정 장치는 위성 영상이 위성의 사양에 따른 정해진 크기를 가지고 있다는 점을 고려하여, 검색정보에 포함된 위치 또는 영역을 포함하는 적어도 하나의 위성 영상을 검색할 수 있다.
예컨대, 상태 판정 장치는 "경기도 수원시 영통구 원천동"의 행정구역에 해당하는 다각형(폴리곤)의 경위도좌표를 이용하여, 위성영상DB에서 그 다각형과 중복영역이 존재하는 복수개의 위성 영상을 검색위성영상으로 검출할 수 있다. 이때, 위성영상DB에 보관된 위성 영상 각각은 해당 영상의 위치를 나타내는 경위도좌표에 관한 정보를 포함하고 있음은 물론이다.
단계 S130에서는, 상태 판정 장치가 CNN(Convolutional Neural Network) 기법을 이용하여, 검색위성영상에서 검색정보에 대응되는 적어도 하나의 건물의 방수페인트 도포 영역인 옥상영역을 검출한다.
여기서, CNN은 컨볼루션 신경망으로 심층 신경망(DNN: Deep Neural Network)의 한 종류이며, 하나 또는 여러 개의 콘볼루션 계층(convolutional layer)과 통합 계층(pooling layer), 완전하게 연결된 계층(fully connected layer)들로 구성된 신경망을 나타낸다. CNN은 2차원 데이터의 학습에 적합한 구조를 가지고 있으며, 역전달(Backpropagation algorithm)을 통해 훈련될 수 있다. 영상 내 객체 분류, 객체 탐지 등 다양한 응용 분야에 폭넓게 활용되는 DNN의 대표적 모델 중 하나이다.
즉, 상태 판정 장치는 CNN기법을 적용하여 검색위성영상에서 검색정보에 대응되는 적어도 하나의 건물을 검출하며, 그 검출된 적어도 하나의 건물 각각에서 방수페인트가 도포되는 영역인 옥상영역을 검출할 수 있다. 이때, 상태 판정 장치는 영상에서 건물을 검출하도록 학습된 CNN모델과 검출된 건물에서 옥상영역을 검출하도록 학습된 CNN모델을 이용할 수 있다.
이에 대한 상세한 내용은 도 2에 대한 설명에서 후술한다.
마지막으로 단계 S140에서는, 상태 판정 장치가 기준색상정보 및 옥상영역의 색상정보에 기초하여, 그 적어도 하나의 건물에 대한 방수페인트 도포 상태를 나타내는 지수인 상태지수를 산출한다.
즉, 상태 판정 장치는 기준색상정보와 옥상영역의 적어도 하나의 건물 각각에 대한 색상정보를 이용하여, 개별 건물의 방수페인트 도포 상태를 나타내는 지수인 상태지수를 산출할 수 있다.
예컨대, 상태 판정 장치는 녹색 우레탄 방수페인트가 소정 기간 내에 칠해진 건물의 옥상영역이 위성 영상에 나타내는 색상을 기준색상정보로 하여, 그 적어도 하나의 건물 각각의 색상을 비교함으로써, 상태지수를 산출할 수 있다.
이때, 산출된 특정 검색정보에 대응되는 상태지수는 통계DB에 저장되어 즉각적으로 호출되도록 설계될 수 있다.
한편, 기준색상정보는 적어도 하나의 종류의 방수페인트에 대한 적어도 하나의 색상정보를 포함할 수 있음은 물론이다.
다른 실시예에서는, 상태 판정 장치가 옥상영역에서 지배 색상이 차지하는 비율에 관한 정보인 색일관성지수 및 옥상영역의 색상과 기준색상정보의 색상의 차이를 나타내는 정보인 색변화도지수를 이용하여 상태지수를 산출할 수 있다.
이때, 색일관성지수는 위성 영상의 옥상영역에 포함된 전체 색상 중에서 가장 많이 포함된 색상인 지배 색상(dominant color)의 비율을 점수로 환산한 값일 수 있다. 이는 방수페인트가 최근에 도포되었을수록 지배 색상의 비율이 높아진다는 점을 감안한 것이다.
또한, 색변화도지수는 기준색상정보의 색상과 옥상영역의 색상의 차이를 수치화한 지수이다. 예컨대, RGB 색상 체계에서 RGB각각의 색상좌표거리를 이용하여 계산될 수 있다.
또 다른 실시예에서는, 상태 판정 장치가 수학식 1을 이용하여 상태지수를 산출할 수 있다.
[수학식 1]
Figure 112021011766615-pat00003
여기서, x는 가중치이고, D는 색변화도지수이고, y는 가중치이고, P는 색일관성지수이다.
즉, 상태 판정 장치는 x, y의 가중치를 색변화도지수(D)와 색일관성지수(P)에 적용하여 상태지수를 산출할 수 있다. 이때, x,y의 가중치는 다양한 상황에 맞추어 가변적으로 결정될 수 있음은 물론이다.
나아가, 상태 판정 장치는 산출된 상태지수에 따라 80~100을 교체 및 교체 검토가 필요없는 A등급, 60~79를 교체 필요 없으나 1년 이내 방문 검사 및 방수계획 수립 필요한 B등급, 40~59를 방수효과 미흡이 예상되며, 1년 이내 방수 재시공 필요한 C등급, 0~39를 방수 미시공 혹은 재시공 필요한 D등급으로 각 건물을 분류할 수 있다. 이때, 색일관성지수는 0에서 10까지의 값으로 산출되며, 색변화도지수는 0에서 5까지의 값으로 산출되고, x와 y는 상태지수의 최고값이 100이되도록 적절한 값으로 설정될 수 있다.
한편, 상태 판정 장치는 도 7을 참조하면, 특정한 행정구역 내에 위치한 건물의 상태지수에 대한 통계데이터를 생성하여 통계DB에 저장하고, 관련된 데이터를 사용자의 요청에 따라 제공할 수 있다.
도 2는 본 발명의 일 실시예에 따른 옥상영역 검출 방법을 설명하기 위한 흐름도이다.
단계 S210에서는, 상태 판정 장치가 검색위성영상에서 검색정보에 대응되는 영역을 결정한다.
예컨대, 상태 판정 장치는 검색정보가 행정구역명칭의 정보를 포함하고 있는 경우, 그 행정구역에 대응되는 다각형 영역의 경위도좌표를 구성할 수 있다. 그리고, 상태 판정 장치는 검색위성영상에서 그 다각형 영역의 경위도좌표에 포함되는 영역을 결정할 수 있다.
단계 S220에서는, 상태 판정 장치가 CNN 기법을 이용하여, 검색정보에 대응되는 영역에 포함된 적어도 하나의 건물을 검출한다.
즉, 상태 판정 장치는 영상에서 건물을 검출하도록 학습된 CNN모델을 이용하여 검색위성영상에서 그 다각형 영역의 경위도좌표에 포함되는 영역에서 적어도 하나의 건물을 검출할 수 있다. 예컨대, 도 5를 참조하면, 상태 판정 장치는 특정한 행정구역 내에서 건물을 검출한 결과를 확인할 수 있다.
마지막으로 단계 S230에서는, 상태 판정 장치가 CNN 기법을 이용하여 그 검출된 적어도 하나의 건물에 포함된 옥상영역을 검출한다.
즉, 상태 판정 장치는 방수페인트 색상과 유사한 색상을 나타내는 옥상영역을 검출하도록 학습된 CNN모델을 이용하여 그 검출된 적어도 하나의 건물 각각에서 옥상영역을 검출할 수 있다.
보다 구체적으로, 도 6를 참조하면, 상태 판정 장치는 그 검출된 적어도 하나의 건물에서 CNN모델을 이용하여 옥상영역을 검출할 수 있다.
도 3은 본 발명의 일 실시예에 따른 위성영상을 이용한 건물의 방수페인트 상태 판정 장치를 설명하기 위한 블록도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 위성영상을 이용한 건물의 방수페인트 상태 판정 장치(300)는 수신부(310), 영상검색부(320), 영역검출부(330), 산출부(340)를 포함한다.
수신부(310)는 사용자로부터 건물 옥상의 방수페인트 도포 상태를 측정하려는 위치에 관한 정보를 포함하는 검색정보를 수신한다.
다른 실시예에서는, 검색정보는 방수페인트 도포 상태를 측정하려는 위치에 대응되는 주소, 도로명칭, 행정구역명칭 또는 경위도좌표에 관한 정보를 포함할 수 있다.
영상검색부(320)는 복수의 위성영상데이터를 포함하는 위성영상DB에서, 그 검색정보에 대응되는 적어도 하나의 위성영상인 검색위성영상을 검색한다.
영역검출부(330)는 CNN(Convolutional Neural Network) 기법을 이용하여, 그 검색위성영상에서 검색정보에 대응되는 적어도 하나의 건물의 방수페인트 도포 영역인 옥상영역을 검출한다.
다른 실시예에서는, 영역검출부(330)는 검색위성영상에서 검색정보에 대응되는 영역을 결정하고, CNN 기법을 이용하여 검색정보에 대응되는 영역에 포함된 적어도 하나의 건물을 검출하고, CNN 기법을 이용하여 검출된 적어도 하나의 건물에 포함된 상기 옥상영역을 검출할 수 있다.
마지막으로 산출부(340)는 기준색상정보 및 옥상영역의 색상정보에 기초하여, 그 적어도 하나의 건물에 대한 방수페인트 도포 상태를 나타내는 지수인 상태지수를 산출한다.
다른 실시예에선, 산출부(340)는 옥상영역에서 지배 색상이 차지하는 비율에 관한 정보인 색일관성지수 및 옥상영역의 색상과 기준색상정보의 색상의 차이를 나타내는 정보인 색변화도지수를 이용하여 상태지수를 산출할 수 있다.
또 다른 실시예에서는, 산출부(340)는 수학식 2을 이용하여 상태지수를 산출할 수 있다.
[수학식 2]
Figure 112021011766615-pat00004
여기서, x는 가중치이고, D는 색변화도지수이고, y는 가중치이고, P는 색일관성지수이다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 사람이라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 실행된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (10)

  1. 사용자로부터 건물 옥상의 방수페인트 도포 상태를 측정하려는 위치에 관한 정보를 포함하는 검색정보를 수신하는 단계;
    복수의 위성영상데이터를 포함하는 위성영상DB에서, 상기 검색정보에 대응되는 적어도 하나의 위성영상인 검색위성영상을 검색하는 단계;
    CNN(Convolutional Neural Network) 기법을 이용하여, 상기 검색위성영상에서 상기 검색정보에 대응되는 적어도 하나의 건물의 방수페인트 도포 영역인 옥상영역을 검출하는 단계; 및
    기준색상정보 및 상기 옥상영역의 색상정보에 기초하여, 상기 적어도 하나의 건물에 대한 방수페인트 도포 상태를 나타내는 지수인 상태지수를 산출하는 단계
    를 포함하고,
    상기 도포 상태를 나타내는 지수인 상태지수를 산출하는 단계는
    상기 옥상영역에서 지배 색상이 차지하는 비율에 관한 정보인 색일관성지수 및 상기 옥상영역의 색상과 상기 기준색상정보의 색상의 차이를 나타내는 정보인 색변화도지수를 이용하여 상기 상태지수를 산출하는 것을 특징으로 하는 위성영상을 이용한 건물의 방수페인트 상태 판정 방법.
  2. 제1항에 있어서,
    상기 검색정보는
    방수페인트 도포 상태를 측정하려는 위치에 대응되는 주소, 도로명칭, 행정구역명칭 또는 경위도좌표에 관한 정보를 포함하는 것을 특징으로 하는 위성영상을 이용한 건물의 방수페인트 상태 판정 방법.
  3. 제1항에 있어서,
    상기 방수페인트 도포 영역인 옥상영역을 검출하는 단계는
    상기 검색위성영상에서 상기 검색정보에 대응되는 영역을 결정하는 단계;
    CNN 기법을 이용하여, 상기 검색정보에 대응되는 영역에 포함된 적어도 하나의 건물을 검출하는 단계; 및
    CNN 기법을 이용하여 상기 검출된 적어도 하나의 건물에 포함된 상기 옥상영역을 검출하는 단계
    를 포함하는 것을 특징으로 하는 위성영상을 이용한 건물의 방수페인트 상태 판정 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 도포 상태를 나타내는 지수인 상태지수를 산출하는 단계는
    수학식 1을 이용하여 상기 상태지수를 산출하는 것을 특징으로 하는 위성영상을 이용한 건물의 방수페인트 상태 판정 방법.
    [수학식 1]
    Figure 112021069355982-pat00005

    여기서, x는 가중치이고, D는 색변화도지수이고, y는 가중치이고, P는 색일관성지수이다.
  6. 사용자로부터 건물 옥상의 방수페인트 도포 상태를 측정하려는 위치에 관한 정보를 포함하는 검색정보를 수신하는 수신부;
    복수의 위성영상데이터를 포함하는 위성영상DB에서, 상기 검색정보에 대응되는 적어도 하나의 위성영상인 검색위성영상을 검색하는 영상검색부;
    CNN(Convolutional Neural Network) 기법을 이용하여, 상기 검색위성영상에서 상기 검색정보에 대응되는 적어도 하나의 건물의 방수페인트 도포 영역인 옥상영역을 검출하는 영역검출부; 및
    기준색상정보 및 상기 옥상영역의 색상정보에 기초하여, 상기 적어도 하나의 건물에 대한 방수페인트 도포 상태를 나타내는 지수인 상태지수를 산출하는 산출부
    를 포함하고,
    상기 산출부는
    상기 옥상영역에서 지배 색상이 차지하는 비율에 관한 정보인 색일관성지수 및 상기 옥상영역의 색상과 상기 기준색상정보의 색상의 차이를 나타내는 정보인 색변화도지수를 이용하여 상기 상태지수를 산출하는 것을 특징으로 하는 위성영상을 이용한 건물의 방수페인트 상태 판정 장치.
  7. 제6항에 있어서,
    상기 검색정보는
    방수페인트 도포 상태를 측정하려는 위치에 대응되는 주소, 도로명칭, 행정구역명칭 또는 경위도좌표에 관한 정보를 포함하는 것을 특징으로 하는 위성영상을 이용한 건물의 방수페인트 상태 판정 장치.
  8. 제6항에 있어서,
    상기 영역검출부는
    상기 검색위성영상에서 상기 검색정보에 대응되는 영역을 결정하고,
    CNN 기법을 이용하여, 상기 검색정보에 대응되는 영역에 포함된 적어도 하나의 건물을 검출하고,
    CNN 기법을 이용하여 상기 검출된 적어도 하나의 건물에 포함된 상기 옥상영역을 검출하는 것을 특징으로 하는 위성영상을 이용한 건물의 방수페인트 상태 판정 장치.
  9. 삭제
  10. 제6항에 있어서,
    상기 산출부는
    수학식 2을 이용하여 상기 상태지수를 산출하는 것을 특징으로 하는 위성영상을 이용한 건물의 방수페인트 상태 판정 장치.
    [수학식 2]
    Figure 112021069355982-pat00006

    여기서, x는 가중치이고, D는 색변화도지수이고, y는 가중치이고, P는 색일관성지수이다.
KR1020210012693A 2021-01-28 2021-01-28 위성영상을 이용한 건물의 방수페인트 상태 판정 방법 및 장치 KR102302893B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210012693A KR102302893B1 (ko) 2021-01-28 2021-01-28 위성영상을 이용한 건물의 방수페인트 상태 판정 방법 및 장치
US17/229,260 US11195014B1 (en) 2021-01-28 2021-04-13 Method and apparatus for estimating state of waterproof paint of buildings using satellite imagery

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210012693A KR102302893B1 (ko) 2021-01-28 2021-01-28 위성영상을 이용한 건물의 방수페인트 상태 판정 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102302893B1 true KR102302893B1 (ko) 2021-09-23

Family

ID=77926312

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210012693A KR102302893B1 (ko) 2021-01-28 2021-01-28 위성영상을 이용한 건물의 방수페인트 상태 판정 방법 및 장치

Country Status (2)

Country Link
US (1) US11195014B1 (ko)
KR (1) KR102302893B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170079068A (ko) * 2015-12-30 2017-07-10 김재현 스마트기기를 이용한 무선통신기반의 건물조사 시스템
KR20180135204A (ko) * 2017-06-12 2018-12-20 건국대학교 산학협력단 위성영상과 커뮤니티 맵핑을 이용한 옥상녹화 모니터링 시스템 및 방법
KR102007761B1 (ko) * 2018-10-29 2019-10-21 정윤진 시설물 유지관리 보수공법 추천 시스템 및 방법
CN111640125A (zh) * 2020-05-29 2020-09-08 广西大学 基于Mask R-CNN的航拍图建筑物检测和分割方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2367826B (en) * 2000-10-03 2003-07-16 Luminous Technologies Ltd Luminescent paint
MX2017003750A (es) * 2014-09-26 2017-06-26 Valspar Sourcing Inc Sistema y metodo para determinar requisitos de recubrimiento.
JP6481031B2 (ja) * 2014-11-13 2019-03-13 ビーエーエスエフ コーティングス ゲゼルシャフト ミット ベシュレンクテル ハフツングＢＡＳＦ Ｃｏａｔｉｎｇｓ ＧｍｂＨ 色品質を決定するための特性番号
EP3265747B1 (en) * 2015-03-03 2019-06-19 ABB Schweiz AG Sensor system and method for characterizing a stack of wet paint layers
US20200134753A1 (en) * 2018-10-31 2020-04-30 Alexander Vickers System and Method for Assisting Real Estate Holding Companies to Maintain Optimal Valuation of Their Properties
US10636209B1 (en) * 2019-09-13 2020-04-28 Bongfish GmbH Reality-based three-dimensional infrastructure reconstruction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170079068A (ko) * 2015-12-30 2017-07-10 김재현 스마트기기를 이용한 무선통신기반의 건물조사 시스템
KR20180135204A (ko) * 2017-06-12 2018-12-20 건국대학교 산학협력단 위성영상과 커뮤니티 맵핑을 이용한 옥상녹화 모니터링 시스템 및 방법
KR102007761B1 (ko) * 2018-10-29 2019-10-21 정윤진 시설물 유지관리 보수공법 추천 시스템 및 방법
CN111640125A (zh) * 2020-05-29 2020-09-08 广西大学 基于Mask R-CNN的航拍图建筑物检测和分割方法及装置

Also Published As

Publication number Publication date
US11195014B1 (en) 2021-12-07

Similar Documents

Publication Publication Date Title
Hua et al. The influence of land-use/land-cover changes on land surface temperature: a case study of Kuala Lumpur metropolitan city
Cai et al. Treepedia 2.0: applying deep learning for large-scale quantification of urban tree cover
Wu et al. Population estimation methods in GIS and remote sensing: A review
Yang et al. ImgSensingNet: UAV vision guided aerial-ground air quality sensing system
CN111464938B (zh) 定位方法、装置、电子设备和计算机可读存储介质
KR101926544B1 (ko) 기상 예측 모델을 이용한 기상 관측 방법, 시스템 및 컴퓨터 프로그램
CN110375739B (zh) 一种移动端视觉融合定位方法、系统及电子设备
CN105956058A (zh) 一种采用无人机遥感影像的变化用地快速发现方法
CN114323543B (zh) 一种提高压敏漆试验效率的方法
CN116258608B (zh) 融合gis和bim三维技术的水利实时监测信息管理系统
CN108229524A (zh) 一种基于遥感图像的烟囱和冷凝塔检测方法
CN110245873A (zh) 一种绿色建筑运行品质评价方法、装置、设备及存储介质
KR102519975B1 (ko) 에너지 비용 절감을 위한 친환경 건축 시뮬레이션 시스템 및 친환경 건축 설계 방법
Ayanlade et al. Evaluation of the intensity of the daytime surface urban heat island: how can remote sensing help?
CN112148820B (zh) 一种基于深度学习的水下地形数据识别和服务方法及系统
CN115512247A (zh) 基于图像多参数提取的区域建筑损伤等级评定方法
CN113408206A (zh) 一种室内天然光照度建模方法
CN116220359A (zh) 一种保温墙的施工方法和系统
KR102302893B1 (ko) 위성영상을 이용한 건물의 방수페인트 상태 판정 방법 및 장치
CN117436707B (zh) 基于人工智能的消防安全管理方法及系统
CN113807732A (zh) 顾及局部特征的遥感生态环境的评价方法和存储介质
CN104899464B (zh) 一种适应噪声条件下的抽样学习机遥感定量反演方法
Sun et al. Automatic building age prediction from street view images
CN112365103B (zh) 运行阶段建筑短期负荷预测方法、装置、设备和介质
Li et al. A sewer sensor monitoring system based on embedded system

Legal Events

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