KR102335526B1 - 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 - Google Patents
온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 Download PDFInfo
- Publication number
- KR102335526B1 KR102335526B1 KR1020190109335A KR20190109335A KR102335526B1 KR 102335526 B1 KR102335526 B1 KR 102335526B1 KR 1020190109335 A KR1020190109335 A KR 1020190109335A KR 20190109335 A KR20190109335 A KR 20190109335A KR 102335526 B1 KR102335526 B1 KR 102335526B1
- Authority
- KR
- South Korea
- Prior art keywords
- temperature
- temperature contour
- control server
- area
- contour
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 10
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 4
- 238000011017 operating method Methods 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 4
- 230000009471 action Effects 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 description 41
- 230000006399 behavior Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 14
- 230000033001 locomotion Effects 0.000 description 9
- 238000011176 pooling Methods 0.000 description 9
- 238000010295 mobile communication Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 239000002360 explosive Substances 0.000 description 4
- 238000001931 thermography Methods 0.000 description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010010144 Completed suicide Diseases 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 229910052732 germanium Inorganic materials 0.000 description 1
- GNPVGFCGXDBREM-UHFFFAOYSA-N germanium atom Chemical compound [Ge] GNPVGFCGXDBREM-UHFFFAOYSA-N 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 208000008918 voyeurism Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
본 발명에 따른 온도 윤곽 센싱 장치와 데이터 통신하는 제어 서버의 동작 방법은, 사생활 보호 공간 영역의 초기 상태의 기본 온도 윤곽 데이터를 상기 온도 윤곽 센싱 장치로부터 제공받는 단계, 상기 온도 윤곽 센싱 장치가 상기 사생활 보호 공간 영역에서 대상체를 감지한 경우에, 상기 사생활 보호 공간 영역의 센싱 온도 윤곽 데이터를 상기 온도 윤곽 센싱 장치로부터 제공받는 단계, 상기 기본 온도 윤곽 데이터와 상기 센싱 온도 윤곽 데이터를 비교하여 상기 대상체의 온도 및 윤곽 정보를 포함하는 차 온도 윤곽 데이터를 생성하는 단계, 인공 지능 연산을 통하여 상기 차 온도 윤곽 데이터로부터 상기 대상체의 행동 또는 상태를 분석하는 단계, 그리고 상기 분석 결과를 기초로 감지된 상기 대상체의 이상 행동을 외부로 알리는 단계를 포함한다.
본 발명에 의하면, 대상체의 이미지 데이터가 아닌 온도 윤곽 데이터를 사용하여 대상체의 타입이나 상태, 상황 등을 판단할 수 있어 사생활 보호가 가능하다. 더불어, 온도 윤곽 데이터에 대한 인공 지능 연산을 적용하여 대상체의 타입, 대상체의 상태와 주변 상황 등에 대한 식별을 고도화시킬 수 있다.
본 발명에 의하면, 대상체의 이미지 데이터가 아닌 온도 윤곽 데이터를 사용하여 대상체의 타입이나 상태, 상황 등을 판단할 수 있어 사생활 보호가 가능하다. 더불어, 온도 윤곽 데이터에 대한 인공 지능 연산을 적용하여 대상체의 타입, 대상체의 상태와 주변 상황 등에 대한 식별을 고도화시킬 수 있다.
Description
본 발명은 보안 시스템에 관한 것으로, 좀 더 구체적으로는 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법에 관한 것이다.
최근, 범죄 예방을 위해 대부분의 시설에는 CCTV(Closed Circuit Television)과 같은 보안 장치가 설치되어 보안이 강화되고 있다. 특히, 공항과 같은 유동 인구가 많은 시설에서는 범죄를 예방하기 위해 초고화질 CCTV, 첨단영상분석시스템 및 추적시스템을 구비하고, 보안인력을 충원하고 있다. 이러한 시설 내의 화장실과 같은 공간은 사생활 보호가 우선하기 때문에 상술한 일반적인 보안 장치가 그대로 적용되기 힘들다.
이러한 사생활 보호가 우선시되는 공간에서 상술한 CCTV 등의 보안 장치 대신에 사용될 수 있는 장치로 열 화상 카메라가 있다. 열 화상 카메라는 카메라를 통해 대상체의 적외선을 감지하여 대상체의 온도 영상을 수집할 수 있다. 다만, 열 화상 카메라는 공중 시설의 넓은 공간에 대한 보안을 보장하도록 다수로 설치되어 사용되기에는 높은 비용이 들기 때문에 적용되기 어려운 측면이 있다. 또한, 열화상 카메라는 카메라 면이 외부로 드러나므로 외관상으로도 사용자가 느끼는 사생활 침해의 정도가 클 수 있다.
이러한 사생활 보호가 우선시되는 공간에서 상술한 CCTV 등의 보안 장치 대신에 사용될 수 있는 장치로 열 화상 카메라가 있다. 열 화상 카메라는 카메라를 통해 대상체의 적외선을 감지하여 대상체의 온도 영상을 수집할 수 있다. 다만, 열 화상 카메라는 공중 시설의 넓은 공간에 대한 보안을 보장하도록 다수로 설치되어 사용되기에는 높은 비용이 들기 때문에 적용되기 어려운 측면이 있다. 또한, 열화상 카메라는 카메라 면이 외부로 드러나므로 외관상으로도 사용자가 느끼는 사생활 침해의 정도가 클 수 있다.
본 발명의 목적은 상술한 문제를 해결하기 위한 것으로, 사생활 보호를 위한 온도 윤곽 데이터를 처리하는 제어 서버의 동작 방법 및 보안 시스템을 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 실시 예에 따른 온도 윤곽 센싱 장치와 데이터 통신하는 제어 서버의 동작 방법은, 사생활 보호 공간 영역의 초기 상태의 기본 온도 윤곽 데이터를 상기 온도 윤곽 센싱 장치로부터 제공받는 단계, 상기 온도 윤곽 센싱 장치가 상기 사생활 보호 공간 영역에서 대상체를 감지한 경우에, 상기 사생활 보호 공간 영역의 센싱 온도 윤곽 데이터를 상기 온도 윤곽 센싱 장치로부터 제공받는 단계, 상기 기본 온도 윤곽 데이터와 상기 센싱 온도 윤곽 데이터를 비교하여 상기 대상체의 온도 및 윤곽 정보를 포함하는 차 온도 윤곽 데이터를 생성하는 단계, 인공 지능 연산을 통하여 상기 차 온도 윤곽 데이터로부터 상기 대상체의 행동 또는 상태를 분석하는 단계, 그리고 상기 분석 결과를 기초로 감지된 상기 대상체의 이상 행동을 외부로 알리는 단계를 포함한다.
본 발명의 실시 예에 따르면, 대상체의 이미지 데이터가 아닌 온도 윤곽 데이터를 사용하여 대상체의 타입이나 상태, 상황 등을 판단할 수 있어 사생활 보호가 가능하다. 더불어, 온도 윤곽 데이터에 대한 딥 러닝과 같은 인공 지능 연산을 적용하여 대상체의 타입, 대상체의 상태와 주변 상황 등에 대한 식별을 고도화시킬 수 있다.
도 1은 본 발명의 실시 예에 따른 보안 시스템을 보여주는 그림이다.
도 2는 도 1에 도시된 온도 윤곽 센싱 장치를 보여주는 그림이다.
도 3a 및 도 3b는 하나의 온도 윤곽 센싱 장치가 사생활 보호 시설을 센싱하는 영역을 구분하는 방법을 보여주는 도면들이다.
도 4는 도 1의 제어 서버의 구성을 예시적으로 보여주는 도면이다.
도 5는 본 발명의 실시 예에 따른 제어 서버의 동작 방법을 보여주는 순서도이다.
도 6은 본 발명의 실시 예에 따른 도 1의 보안 시스템의 대상체에 대한 행동 분석 방법을 설명하기 위한 그림이다.
도 7은 본 발명의 실시 예에 따라 도 1의 제어 서버에 제공되는 화면을 예시적으로 보여주는 그림이다.
도 8 내지 도 11은 도 6에서 설명된 행동 분석 방법에 의해 분석된 대상체의 행동에 의해 발생하는 이상 상황을 예시적으로 설명하기 위한 그림이다.
도 12는 도 4의 인공 지능 연산부에서 수행되는 연산을 예시적으로 보여주는 도면이다.
도 13은 본 발명의 다른 실시 예에 따른 보안 시스템을 보여주는 그림이다.
도 14는 도 13의 제어 서버의 예시적인 구성을 보여주는 도면이다.
도 2는 도 1에 도시된 온도 윤곽 센싱 장치를 보여주는 그림이다.
도 3a 및 도 3b는 하나의 온도 윤곽 센싱 장치가 사생활 보호 시설을 센싱하는 영역을 구분하는 방법을 보여주는 도면들이다.
도 4는 도 1의 제어 서버의 구성을 예시적으로 보여주는 도면이다.
도 5는 본 발명의 실시 예에 따른 제어 서버의 동작 방법을 보여주는 순서도이다.
도 6은 본 발명의 실시 예에 따른 도 1의 보안 시스템의 대상체에 대한 행동 분석 방법을 설명하기 위한 그림이다.
도 7은 본 발명의 실시 예에 따라 도 1의 제어 서버에 제공되는 화면을 예시적으로 보여주는 그림이다.
도 8 내지 도 11은 도 6에서 설명된 행동 분석 방법에 의해 분석된 대상체의 행동에 의해 발생하는 이상 상황을 예시적으로 설명하기 위한 그림이다.
도 12는 도 4의 인공 지능 연산부에서 수행되는 연산을 예시적으로 보여주는 도면이다.
도 13은 본 발명의 다른 실시 예에 따른 보안 시스템을 보여주는 그림이다.
도 14는 도 13의 제어 서버의 예시적인 구성을 보여주는 도면이다.
앞의 일반적인 설명 및 다음의 상세한 설명 모두 예시적이라는 것이 이해되어야 하며, 청구된 발명의 부가적인 설명이 제공되는 것으로 여겨져야 한다. 참조 부호들이 본 발명의 바람직한 실시 예들에 상세히 표시되어 있으며, 그것의 예들이 참조 도면들에 표시되어 있다. 가능한 어떤 경우에도, 동일한 참조 번호들이 동일한 또는 유사한 부분을 참조하기 위해서 설명 및 도면들에 사용된다.
이하에서는, 온도 윤곽 센싱 장치가 본 발명의 특징 및 기능을 설명하기 위한 예로서 사용될 것이다. 하지만, 이 기술 분야에 정통한 사람은 여기에 기재된 내용에 따라 본 발명의 다른 이점들 및 성능을 쉽게 이해할 수 있을 것이다. 본 발명은 다른 실시 예들을 통해 또한, 구현되거나 적용될 수 있을 것이다. 게다가, 상세한 설명은 본 발명의 범위, 기술적 사상 그리고 다른 목적으로부터 상당히 벗어나지 않고 관점 및 응용에 따라 수정되거나 변경될 수 있다.
도 1은 본 발명의 실시 예에 따른 보안 시스템을 보여주는 그림이다. 도 1을 참조하면, 보안 시스템(100)은 사생활 보호 시설(110), 네트워크(120), 제어 서버(130), 그리고 관제 모니터(140)를 포함할 수 있다.
사생활 보호 시설(110)은 복수의 사생활 보호 시설(110_1~110_n)을 포함할 수 있다. 예를 들어, 사생활 보호 시설(110)은 화장실, 샤워실, 탈의실, 피팅룸 등의 프라이버시 보호가 우선시되는 시설을 포함할 수 있다. 또는, 사생활 보호 시설(110)은 병원이나 교도소 등과 같이 위급 상황이 빈번하게 발생하는 시설일 수도 있을 것이다. 즉, 사생활 보호 시설(110)은 보안 카메라 설치가 사실상 불가한 시설을 포함한다. 이하에서, 사생활 보호 시설(110)은 화장실을 예로서 설명될 것이다.
사생활 보호 시설(110)은 온도 윤곽 센싱 장치(111)를 포함할 수 있다. 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110) 내에 대상체의 움직임을 감지하여 대상체의 온도 및 윤곽 등의 정보를 네트워크(120)를 통해 제버 서버(130)에 제공할 수 있다. 또한, 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110) 내에 진입한 대상체를 감지하여 전등 스위치 온-오프 제어와 연동 되도록 구성될 수 있다. 온도 윤곽 센싱 장치(111)의 구체적인 구성 및 기능은 도 2를 참조하여 설명될 것이다.
네트워크(120)는 복수의 사생활 보호 시설(110_1~110_n)에 포함된 각각의 온도 윤곽 센싱 장치(111)로부터 수집된 대상체의 온도 윤곽 데이터를 제어 서버(130)에 전달한다. 예를 들어, 네트워크(120)는 사설 네트워크, 장거리 음성 및 대용량 데이터 서비스가 가능한 유선 통신망 등을 포함할 수 있다. 또는, 네트워크(120)는 사생활 보호 기능을 강화하기 위한 폐쇄 네트워크 망을 포함할 수 있다. 혹은, 네트워크(120)는 보안 시스템(100) 사용의 유연성 및 편리성을 제공하기 위한 차세대 유선 망 또는 무선 망을 포함할 수 있다.
네트워크(120)가 이동 통신 망일 경우, 네트워크(120)는 동기식 이동 통신망 또는 비동기식 이동 통신망을 포함할 수 있다. 네트워크(120)가 비동기식 이동 통신망인 경우, 네트워크(120)는 WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 포함할 수 있다. 또는, 네트워크(120)는 3G LTE망, 4G망, 5G망 등의 차세대 통신망, 그 밖의 IP(Internet Protocol)를 기반으로 한 IP망을 포함할 수 있다.
제어 서버(130)는 네트워크(120)를 통해 온도 윤곽 센싱 장치(111)로부터 수집된 대상체의 온도 윤곽 데이터를 제공받는다. 제어 서버(130)는 수집된 온도 윤곽 데이터를 기초로 대상체의 행동을 분석한다. 특히, 제어 서버(130)는 온도 윤곽 데이터를 사용하여 대상체의 행동 분석을 고도화하기 위해 인공 지능(Artificial Intelligence: 이하, AI) 기술이나 빅데이터 기법을 사용할 수 있다.
예를 들면, 제어 서버(130)는 수집된 온도 윤곽 데이터로부터 대상체의 행동 또는 상태를 높은 정확도로 인식하기 위해 딥 러닝(Deep learning), 신경망(Neural net) 등의 머신 러닝 기법을 사용할 수 있다. 더불어, 제어 서버(130)는 다양한 상황에서 다양한 행동들의 온도 윤곽 정보를 축적한 빅데이터 서버를 사용하여, 대상체의 행동 분석의 정확도를 높일 수 있다.
또한, 제어 서버(130)는 사생활 보호 시설(110)의 영역 내에 대상체의 행동에 의한 이상 상황이 감지되는 경우에 관제 모니터(140)에 해당 이상 상황의 알람 및 해당 이상 상황의 발생 장소 등과 같은 정보를 제공할 수 있다. 예를 들면, 제어 서버(130)는 열감지를 이용하여 대상체의 질병을 감지할 수 있다. 대상체의 열 데이터는 수치화 또는 그래프화를 통해서 분석하고, 관제 모니터(140)로 제공할 수 있다.
한편, 사생활 보호 기능을 강화하기 위해, 제어 서버(130)는 대상체의 온도 윤곽 데이터를 관제 모니터(140)에 제공하지 않을 수 있다. 대신에, 해당 이상 상황에 대한 대응이 가능하도록, 제어 서버(130)는 해당 이상 상황의 알람 및 해당 이상 상황의 발생 장소 등의 정보만을 관제 모니터(140)에 제공할 수 있다. 제어 서버(130)에 의한 대상체의 행동 분석 방법은 도 5 내지 도 6을 참조하여 설명될 것이다.
제어 서버(130)는 알람 및 이상 상황의 발생 장소를 관제 모니터(140) 또는 서비스 단말(150)를 통해 관리자 또는 사용자에게 제공한다. 관리자 또는 사용자는 알람 및 이상 상황의 발생 장소를 제공받고, 발생한 이상 상황에 따라 준비된 대응 방안을 수행할 수 있다. 또한, 제어 서버(130)는 실내 뿐만 아니라 야외 야간 이벤트 감지 기능을 수행할 수 있다. 그리고 제어 서버(130)는 실내 또는 야외에 설치된 CCTV와 크로스 체크 기능을 수행할 수 있다.
본 발명의 보안 시스템(100)은 온도 윤곽 센싱 장치(111)를 통해 대상체의 온도 및 윤곽 정보를 포함하는 온도 윤곽 데이터를 제공받는다. 또한, 보안 시스템(100)은 기준 온도 및 기준 윤곽 크기를 설정하고, 설정된 기준을 기초로 대상체의 타입을 구분할 수 있다. 다른 실시 예에서, 보안 시스템(100)은 인공 지능(AI)이나 빅데이터 연산을 사용하여 대상체의 상태, 총기나 흉기와 같은 대상체의 타입을 식별할 수 있다.
예를 들어, 대상체의 타입은 사람, 동물, 가방 등의 소지품, 총기, 흉기, 폭발물 등을 포함할 수 있다. 보안 시스템(100)은 구분된 대상체의 타입의 정보를 기초로 대상체의 행동을 분석할 수 있다.
도 2는 도 1에 도시된 온도 윤곽 센싱 장치를 보여주는 그림이다. 도 2를 참조하면, 온도 윤곽 센싱 장치(111)는 온도 윤곽 센서(112), 모듈(113), 케이스(114), 그리고 적외선 투과막(115)을 포함할 수 있다.
온도 윤곽 센서(112) 및 모듈(113)은 대상체의 복사 에너지를 기초로 온도 윤곽 데이터를 생성한다. 통상적으로, 물체는 절대온도(섭씨온도 + 273) 0도 이상에서 복사 에너지를 방출하고, 물체의 온도에 따라 복사 에너지의 방출량이 차이가 발생한다. 온도 윤곽 센서(112)는 외부로부터 빛의 공급이 없이도 대상체가 발산하는 복사 에너지를 집합시켜 전기적 신호를 발생하고, 전기적 신호를 기초로 온도 윤곽 데이터를 생성한다.
모듈(113)은 온도 윤곽 센서(112)로부터 제공된 전기적 신호를 기초로 사생활 보호 시설(110) 내의 온도와 대상체의 온도 차이를 인식할 수 있다. 또한, 모듈(113)은 온도 윤곽 센서(112)로부터 제공된 전기적 신호를 기초로 사생활 보호 시설(110) 내의 온도 변화를 분석할 수 있다. 모듈(113)은 온도 변화가 감지되는 경우에 대상체의 동작을 분석하는 기준이 되는 기본 온도 윤곽 데이터를 업데이트하여 제어 서버(130)에 제공할 수 있다.
기본 온도 윤곽 데이터는 이하에서 자세히 설명될 것이다. 따라서, 모듈(113)은 제어 서버(130)가 대상체의 움직임을 분석함에 있어 사생활 보호 시설 내의 대상체 주변의 온도 변화를 반영할 수 있다. 결과적으로, 대상체의 행동 분석의 정확도가 향상될 수 있다.
케이스(114)는 온도 윤곽 센서(112) 및 모듈(113)의 외부를 가리고 보호하도록 구성된다. 또한, 케이스(114)의 일부 면은 적외선 투과막(115)으로 형성될 수 있다. 적외선 투과막(115)은 적외선이 투과되는 투명하지 않은 어떠한 재질의 막도 포함 수 있다.
예를 들어, 투명하지 않은 막은 실리콘이나 게르마늄 재질의 반투명하거나 불투명한 막 등을 포함할 수 있다. 혹은, 투명하지 않은 막은 명암이 포함되거나, 색(color)를 포함할 수 있다. 예를 들어, 일부 면은 온도 윤곽 센서(112)가 대상체의 복사 에너지를 감지하기 위한 방향의 면을 포함할 수 있다. 적외선 투과막(115)이 온도 윤곽 센서(112)를 가림에 따라, 온도 윤곽 센서(112)가 외부로 드러나지 않을 수 있게 된다. 따라서, 외관적 측면에서도, 대상체에 대한 사생활 보호 기능이 강화될 수 있다. 다만, 실리콘 막은 예시적일 뿐이며, 온도 윤곽 센서(112)가 복사 에너지를 수집할 수 있음과 동시에 외부에 온도 윤곽 센서(112)가 보이지 않도록 하는 어떠한 재질의 막도 사용될 수 있다. 더불어, 경우에 따라서는 적외선 투과막(115)은 투명 막으로 제공될 수도 있음은 잘 이해될 것이다.
도 3a 및 도 3b는 하나의 온도 윤곽 센싱 장치가 사생활 보호 시설을 센싱하는 영역을 구분하는 방법을 예시적으로 보여주는 도면들이다. 도 3a를 참조하면, 온도 윤곽 센싱 장치(111)가 사생활 보호 시설(110_1)에서 하나의 감시 영역(110_1a)을 센싱하는 예가 도시되어 있다. 예를 들면, 사생활 보호 시설(110_1)은 공중 화장실, 병원이나 교도소의 1인실 등일 수 있다.
도 3b를 참조하면, 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110_2)에서 복수의 감시 영역들(110_2a, 110_2b, 110_2c)을 센싱할 수 있다. 예를 들면, 사생활 보호 시설(110_2)은 병원이나 교도소의 다인실일 수 있다. 하나의 사생활 보호 시설(110_2)을 복수의 감시 영역들로 구분하면, 하나의 온도 윤곽 센싱 장치(111)를 사용하여 복수의 대상체들을 센싱할 수 있다. 사생활 보호 시설(110_2)이 병원의 다인실인 경우, 복수의 감시 영역들(110_2a, 110_2b, 110_2c) 단위로 환자의 존재 여부, 환자의 체온, 환자의 이상 징후 등이 모니터링될 수 있다.
도 4는 도 1의 제어 서버의 구성을 예시적으로 보여주는 도면이다. 도 4를 참조하면, 제어 서버(130)는 윤곽 분석부(132), 관제부(134) 그리고 빅데이터 데이터 베이스(136)를 포함할 수 있다.
윤곽 분석부(132)는 네트워크(120)를 통해 온도 윤곽 센싱 장치(111)로부터 수집된 대상체의 온도 윤곽 데이터를 제공받는다. 윤곽 분석부(132)는 수집된 대상체의 온도 윤곽 데이터를 사용하여 이상 상황의 감지나 위급 상황을 식별해 낼 수 있다. 윤곽 분석부(132)는 대상체의 열 감지를 이용하여 질병을 감지할 수도 있다. 윤곽 분석부(132)는 대상체의 열 데이터를 수치화하거나 그래프화하여 관제부(134)로 제공할 수 있다.
특히, 윤곽 분석부(132)는 수집된 온도 윤곽 데이터의 패턴을 통해서 대상체의 이상 징후를 식별하기 위한 인공 지능 연산부(133)를 포함할 수 있다. 인공 지능 연산부(133)는, 예를 들면, 컨볼루션 신경망(Convolutional Neural Network: 이하, CNN)이나 딥 러닝(Deep learning)과 같은 머신 러닝 기법을 사용하여 온도 윤곽 데이터를 분석할 수 있다.
인공 지능 연산부(133)는 대상체의 위치, 형태, 특정 위치에서 움직임, 특정 위치에서의 기준 시간 이상의 정지 상태를 유지, 대상체의 열 감지, 그리고 대상체가 소지한 물체 등은 머신 러닝(Machine learning)을 통해서 높은 정확도로 인식될 수 있다.
예를 들면, 대상체가 감시 대상 영역에서 심장 마비와 같은 상황에 직면하여 쓰러진 경우를 가정하자. 그러면, 대상체가 쓰러진 형태와 같은 특정 자세는 온도 윤곽 데이터에 대한 학습된 머신 러닝 연산을 통해서 높은 정확도로 식별 가능하다. 인공 지능 연산부(133)에 의해서 대상체의 온도 윤곽 데이터가 쓰러진 자세로 판단되면, 윤곽 분석부(132)는 대상체의 행동에 의한 이상 상황으로 판단하고 관제부(134)에 해당하는 이상 상황이나 발생 장소 정보를 전달할 것이다.
이 밖에도 인공 지능 연산부(136)는 대상체의 특정 자세가 기준 시간을 초과하여 유지되는 경우에도 해당 특정 자세를 식별하여 이상 상황으로 판단할 수 있다. 또는, 인공 지능 연산부(136)는 대상체가 총기나 흉기를 소지하는 경우에도 온도 윤곽 데이터 상에 나타난 총기나 흉기의 패턴을 인식하여 이상 상황으로 판단할 수 있다. 여기서, 인공 지능 연산부(133)는, 예를 들면, 특정 알고리즘으로 구현되는 소프트웨어 형태로 제공될 수 있다. 또는, 인공 지능 연산부(133)는 인공 지능 연산을 수행하기 위한 별도의 프로세서(예를 들면, Network Processor Unit)나 시스템으로 구현될 수도 있을 것이다.
더불어, 윤곽 분석부(132)는 빅데이터 데이터 베이스(136)를 사용하여 다양한 대상체에 대한 상황 판단이나 특정 상황을 인식할 수 있다. 윤곽 분석부(132)는 다양한 장소에서 다양한 이벤트에 대한 인식을 위해서는 빅데이터(Big data)를 활용할 수 있을 것이다.
관제부(134)는 윤곽 분석부(132)로부터 사생활 보호 영역 내에서 대상체의 행동에 의해 발생하는 이상 상황의 알람 및 해당 이상 상황의 발생 장소를 제공받는다. 관제부(134)는 알람 및 이상 상황의 발생 장소를 관제 모니터(140)를 통해 사용자에게 제공할 수 있다. 사용자는 알람 및 이상 상황의 발생 장소를 제공받고, 발생한 이상 상황에 따라 준비된 대응 방안을 수행할 수 있다. 관제부(134)를 통해 사용자에게 제공되는 예시적인 화면 및 알람은 도 7을 참조하여 설명될 것이다.
이상에서는 본 발명의 제어 서버(130)의 구성이 예시적으로 설명되었다. 하지만, 본 발명의 제어 서버(130)의 구성이나 기능은 도시된 예에만 국한되지 않는다. 예컨대, 인공 지능 연산부(133)는 윤곽 분석부(132)의 외부에 인공 지능 연산을 위한 별도의 장치로 제공될 수도 있을 것이다.
도 5는 본 발명의 실시 예에 따른 제어 서버의 동작 방법을 보여주는 순서도이다. 도 4 및 도 5를 참조하면, 제어 서버(130)는 인공 지능 연산을 사용하여 대상체의 온도 윤곽 데이터를 분석하고, 대상체의 상태나 상황에 대한 식별을 고도화시킬 수 있다.
S10 단계에서, 윤곽 분석부(132)는 네트워크(120)를 통해서 온도 윤곽 센싱 장치(111)로부터 지정된 영역에 대한 온도 데이터를 수신한다. 예를 들면, 윤곽 분석부(132)는 사생활 보호 시설(110)의 지정된 영역 내의 대상체가 존재하지 않는 초기 상태의 열 영상 데이터를 제공받을 수 있다. 이하에서는 해당 초기 상태의 열 영상 데이터를 기본 온도 윤곽 데이터라 칭하기로 한다. 그리고, 윤곽 분석부(132)는 지정된 영역 내에서 온도 변화의 감지에 따라 생성되는 열 영상 데이터를 추가로 수신할 수 있다. 이하에서는 지정된 영역 내의 대상체의 감지 및 움직임에 따른 온도 윤곽 데이터를 센싱 온도 윤곽 데이터라 칭하기로 한다.
S20 단계에서, 윤곽 분석부(132)는 수신된 열 영상 데이터를 이용하여 대상체를 식별하기 위한 차 온도 윤곽 데이터를 생성한다. 즉, 윤곽 분석부(132)는 기본 온도 윤곽 데이터와 센싱 온도 윤곽 데이터의 차이값을 추출한다. 추출된 데이터가 앞서 설명된 차 온도 윤곽 데이터에 대응한다. 차 온도 윤곽 데이터에는 대상체나 대상체가 소지한 물체의 윤곽이 나타날 것이다.
S30 단계에서, 윤곽 분석부(132)는 차 온도 윤곽 데이터를 기초로 대상체의 형태, 개수, 그리고 대상체 각각의 타입을 식별할 수 있다. 예를 들어, 대상체의 온도가 기준 온도 이상이고 윤곽의 크기가 사람의 기준 크기의 범위에 해당하는 경우, 윤곽 분석부(132)는 대상체를 사람이라고 인식할 수 있다. 윤곽 분석부(132)는 사람에 해당하는 대상체의 수를 인식할 수 있다. 또한, 윤곽 분석부(132)는 대상체의 열을 감지함으로 대상체의 질병을 감지할 수 있다.
또는, 대상체의 온도가 기준 온도 이하이고 윤곽의 크기가 물체의 기준 크기의 범위에 해당하는 경우, 윤곽 분석부(132)는 대상체를 물체로 인식할 수 있다. 예를 들어, 대상체가 물체인 경우, 윤곽 분석부(132)는 설정된 기준 크기나 모양을 기초로 대상체를 가방 분실물, 폭발물 등으로 구분하여 인식할 수 있다. 여기서, 대상체의 형태, 대상체의 상태, 대상체의 종류를 식별하는데 인공 지능 연산부(133)을 사용할 수 있다. 인공 지능 연산부(133)는 방대한 양의 다양한 대상체들의 형태, 크기, 그리고 온도 정보에 대한 미리 학습된 패턴들을 구비하고 있을 것이다. 이러한 데이터를 기초로 인공 지능 연산부(133)는 대상체의 타입 및 상태에 대한 식별을 고도화시킬 수 있다.
S40 단계에서, 인공 지능 연산부(133)에 의한 분석 결과에 의한 동작 분기가 발생한다. 만약, 대상체의 타입 및 상태의 분석 결과 이상 징후로 판단되면, 절차는 S50 단계로 이동한다. 반면, 대상체의 타입 및 상태의 분석 결과 이상 징후가 아닌 정상적인 경우로 판단되면, 온도 윤곽 센싱 장치(111)로부터 전송된 데이터에 대한 처리는 종료된다. 이후, 도시되지는 않았지만, 제어 서버(130)는 온도 윤곽 센싱 장치(111)로부터 새로운 센싱 온도 윤곽 데이터를 수신하여 분석하기 위한 동작을 시작할 수 있을 것이다.
S50 단계에서, 관제부(134)는 관제 모니터(140)에 알람을 전송할 것이다. 예를 들면, 온도 윤곽 센싱 장치(111)가 설치된 장소가 공중 화장실이고, 윤곽 분석부(132)에서 분석된 대상체가 사람이며, 심장 마비에 의해서 쓰러진 상태로 분석되면, 관제부(134)는 관제 모니터(140)를 통해 관리자에게 알람을 표시할 수 있다.
이상에서는 인공 지능(AI)을 사용한 대상체의 온도 윤곽 데이터를 분석하는 방법이 설명되었다. 예를 들면, 인공 지능(AI)의 예로 최근 대상체의 패턴 인식에 높은 정확도를 제공하는 컨볼루션 신경망(CNN)과 같은 딥 러닝 방식이 사용될 수 있다. 더불어, 대상체의 온도 패턴에 대한 정보가 추가되는 경우, 대상체의 상태에 대한 식별을 고도화시킬 수 있다. 또한, 빅데이터 데이터 베이스(136)를 활용한 빅데이터 참조를 통해서, 다양한 환경에서의 다양한 대상체의 형태나 상태의 식별을 고도화시킬 수 있을 것이다.
도 6은 본 발명의 실시 예에 따른 도 1의 보안 시스템의 대상체에 대한 행동 분석 방법을 설명하기 위한 그림이다. 도 6의 그림은 도 1 및 도 5를 참조하여 설명될 것이다. 도 6을 참조하면, 보안 시스템(100)은 인공 지능(AI)을 사용하여 대상체의 온도 윤곽 데이터를 기초로 대상체의 행동 분석을 수행할 수 있다.
S110 단계에서, 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110)의 지정된 영역 내의 초기 상태의 정보를 수집할 수 있다. 예를 들어, 상술한 바와 같이, 사생활 보호 시설(110)은 공중 화장실일 수 있다. 앞서 도 5에서 언급한 바와 같이, 해당 초기 상태의 정보는 기본 온도 윤곽 데이터라 지칭한다. 제어 서버(130)는 네트워크(120)를 통해 온도 윤곽 센싱 장치(111)로부터 기본 온도 윤곽 데이터를 제공받는다.
여기서, S110 단계 이전에 발생한 상황에 따라, 사생활 보호 시설(110)의 지정된 영역 내부의 온도가 변할 수 있다. 예를 들어, S110 단계 이전에 지정된 영역을 방문했던 대상체에 의해, 지정된 영역 내부의 변기 영역의 온도가 증가할 수 있다. 상술한 바와 같이, 모듈(113)은 지정된 영역 내부의 온도 변화가 감지되는 경우에 기본 온도 윤곽 데이터를 업데이트하여 제어 서버(130)에 제공한다.
S120 단계에서, 온도 윤곽 센싱 장치(111)가 사생활 보호 시설(110)의 지정된 영역 내의 새로운 대상체의 진입을 감지하는 경우에, 온도 윤곽 센싱 장치(111)는 지정된 영역 내의 감지된 대상체의 움직임에 따른 온도 윤곽 데이터를 수집한다. 이하에서, 해당 온도 윤곽 데이터를 센싱(sensing) 온도 윤곽 데이터라 지칭한다. 제어 서버(130)는 네트워크(120)를 통해 온도 윤곽 센싱 장치(111)로부터 센싱 온도 윤곽 데이터를 제공받는다.
S130 단계에서, 제어 서버(130)의 윤곽 분석부(132)는 제공된 기본 온도 윤곽 데이터와 센싱 온도 윤곽 데이터를 비교하여 차 온도 윤곽 데이터를 생성한다. 차 온도 윤곽 데이터는 기본 온도 윤곽 데이터를 기준으로 센싱 온도 윤곽 데이터에서 감지되는 대상체의 온도 및 윤곽 정보를 포함할 수 있다.
S140 단계에서, 윤곽 분석부(132)는 차 온도 윤곽 데이터를 기초로 대상체의 개수 및 대상체 각각의 타입을 구분할 수 있다. 예를 들어, 대상체의 온도가 기준 온도 이상이고 윤곽의 크기가 사람의 기준 크기의 범위에 해당하는 경우, 윤곽 분석부(132)는 대상체를 사람이라고 인식할 수 있다. 또한, 윤곽 분석부(132)는 사람에 해당하는 대상체의 수를 인식할 수 있다.
또는, 대상체의 온도가 기준 온도 이하이고 윤곽의 크기가 물체의 기준 크기의 범위에 해당하는 경우, 윤곽 분석부(132)는 대상체를 물체로 인식할 수 있다. 예를 들어, 대상체가 물체인 경우, 윤곽 분석부(132)는 설정된 기준 크기나 모양을 기초로 대상체를 가방 분실물, 폭발물 등으로 구분하여 인식할 수 있다. 윤곽 분석부(132)의 차 온도 윤곽 데이터를 사용한 대상체의 인식 정확도는 인공 지능 연산부(133)의 지원을 통해서 높아질 수 있다.
S150 단계에서, 윤곽 분석부(132)는 사생활 보호 공간(110)의 영역을 사생활 보호 공간 영역의 벽 부분을 포함하는 경계 영역과 경계 영역 내의 기준 영역으로 구분한다. 예를 들어, 상술한 바와 같이, 사생활 보호 공간(110)이 공중 화장실을 포함하는 경우, 경계 영역은 화장실의 구분된 하나의 칸을 포함하며, 기준 영역은 구분된 하나의 칸 내의 변기 영역을 포함할 수 있다. 경계 영역 및 기준 영역의 크기와 모양 등은 사용자에 의해 설정될 수 있다. 경계 영역과 기준 영역을 구분하여 설정하는 이유는 대상체의 행동 유형의 기준을 제공하기 위함이다.
예를 들어, 대상체가 경계 영역에 접촉된 상태가 일정 시간 이상 지속되는 경우, 윤곽 분석부(132)는 대상체가 쓰러졌거나 대상체가 다른 화장실 칸 영역을 지켜보고 있는 상황이라고 판단할 수 있다. 구체적인 판단의 예는 도 8 내지 도 11을 참조하여 설명될 것이다.
S160 단계에서, 윤곽 분석부(132)는 차 온도 윤곽 데이터를 경계 영역과 기준 영역 각각으로 구분하고, 각각의 영역에서의 대상체의 개수, 대상체 각각의 타입, 대상체 각각의 온도를 포함하는 정보를 기초로 대상체 각각의 행동을 분석한다. 윤곽 분석부(132)는 대상체의 행동 분석 결과를 기초로 대상체의 행동에 의한 이상 상황을 감지하는 경우에 관제부(134)에 알람을 제공한다.
예를 들어, 상술한 바와 같이, 사생활 보호 기능을 강화하기 위해, 윤곽 분석부(132)는 이상 상황의 알람만을 관제부(134)에 제공할 수 있다. S170단계에서, 관제부(134)는 윤곽 분석부(132)로부터 제공된 알람을 관리자나 사용자에게 제공한다. 예를 들면, 관제부(134)는 관제 모니터(140)를 통해서 보안 시스템(100)의 관리자에게 알람을 제공할 수 있다.
이상에서 설명된 대상체의 행동 분석 방법은 영상을 이용하는 것이 아니라 대상체의 온도 윤곽 데이터를 사용하여 수행된다. 더불어, 대상체의 온도 윤곽 데이터에 대한 인공 지능(AI) 연산을 통해서 대상체의 타입이나 상태에 대한 높은 정확도가 제공될 수 있다. 온도 윤곽 데이터는 대상체의 신원을 확인할 정도의 데이터를 포함하지 않으므로 영상을 이용하는 방법과 비교하여 사생활 보호 영역 내의 대상체의 사생활 침해가 현저히 낮아진다.
또한, 온도 윤곽 데이터만을 사용함에도 불구하고, 본 발명의 보안 시스템(100)은 인공 지능 또는 빅데이터를 활용하여 온도 윤곽 데이터에 포함된 대상체의 온도 및 윤곽의 정보를 복합적으로 사용할 수 있다. 따라서, 본 발명의 보안 시스템(100)은 화재 상황, 출혈 상황 등의 다양한 이상 상황을 높은 정확도로 감지하고 이에 대응할 수 있다.
도 7은 본 발명의 실시 예에 따라 도 1의 제어 서버에 제공되는 화면을 예시적으로 보여주는 그림이다. (a)는 대상체의 행동 분석을 위한 임계값을 설정하기 위한 화면을 보여주는 그림이고, (b)는 이상 상황 감지 시에 발생하는 알람을 보여주는 그림이다.
(a)에 도시된 UI(User Interface)를 통해, 사용자 또는 관리자는 제어 서버(130) 및 관제 모니터(140)를 통해 대상체의 행동 분석을 위한 임계값을 설정할 수 있다. 예를 들어, 임계값은 사람 윤곽선 크기, 최대 체온, 물건 윤곽선 크기, 기준 영상 차이, 쓰러짐 상태(타원형 축 비율), 쓰러짐 상황 시간, 체류 시간, 벽터치 시간, 아무 행동하지 않는 시간, 열 감지를 이용한 질병 수치 등을 포함할 수 있다.
또한, 관제부(134)는 사생활 보호 시설(110) 내에서 이상 상황이 감지되는 경우에 (b)에 도시된 바와 같은 알람을 관제 모니터(140)나 서비스 단말(150)을 통해 관리자나 사용자에게 제공할 수 있다. 예를 들어, (b)를 참조하면, 쓰러짐이 의심되는 상황이 13초 동안 지속되었다는 사실을 알람을 통해 사용자에게 알려줄 수 있다.
도 8 내지 도 11은 도 6에서 설명된 행동 분석 방법에 의해 분석된 대상체의 행동에 의해 발생하는 이상 상황을 예시적으로 설명하기 위한 그림이다. 도 8 내지 도 11의 그림은 도 1, 도 4 및 도 6을 참조하여 설명될 것이다.
도 8을 참조하면, 윤곽 분석부(132)는 대상체의 쓰러짐을 감지할 수 있다. 예를 들어, 사람으로 구분된 대상체가 기준 영역을 제외한 경계 영역 내에서 기준 윤곽 모양(예를 들어, 타원형)을 기준 시간 이상 유지하는 경우, 윤곽 분석부(132)는 대상체의 쓰러짐을 감지할 수 있다. 여기서, 윤곽 분석부(132)는 대상체의 윤곽이 일정 크기 이상이고, 대상체의 온도가 체온(36.5℃의 일정 범위 내에 있는지 여부를 판단한다.
판단 결과를 기초로, 윤곽 분석부(132)는 대상체를 구분한다. 윤곽 분석부(132)는 대상체의 윤곽이나, 온도를 통한 대상체의 종류, 상태 그리고 상황을 판단하기 위해 인공 지능 연산부(133) 또는 빅데이터 데이터 베이스(136)를 활용할 수 있다. 이하에서, 윤곽 분석부(132)에 의한 대상체의 구분 과정은 동일하다. 대상체의 쓰러짐을 감지하기 위한 기준 모양, 기준 크기, 기준 시간 등은 사용자에 의해 다르게 설정될 수 있다.
도 9를 참조하면, 윤곽 분석부(132)는 경계 영역과 관련된 대상체의 이상 행동을 감지할 수 있다. 예를 들어, 사람으로 구분된 대상체가 기준 영역 및 경계 영역에 걸쳐 있는 상태가 기준 시간 이상 유지되는 경우, 윤곽 분석부(132)는 대상체가 기준 영역(예를 들어, 변기)에 앉은 채로 쓰러져 있는 상태를 감지할 수 있다. 또는, 사람으로 구분된 대상체가 경계 영역에 접촉된 상태가 기준 시간 이상 유지되는 경우, 윤곽 분석부(132)는 화장실 칸 내에서 대상체가 다른 화장실 칸을 엿보는 등의 이상 행동하는 경우를 감지할 수 있다.
도 10을 참조하면, 윤곽 분석부(132)는 대상체의 이상 온도 여부를 판단할 수 있다. 예를 들어, 사람으로 구분된 대상체의 온도가 질병으로 인해 기준 온도 이상(도 10의 예에서, 37℃으로 올라가는 경우, 윤곽 분석부(132)는 대상체의 질병을 감지할 수 있다. 혹은, 경계 영역 내에서 발생한 화재나 실내 흡연에 의해 물체로 구분된 대상체의 온도가 기준 온도 이상으로 올라가는 경우, 윤곽 분석부(132)는 화재 또는 실내 흡연 등의 이상 상황을 감지할 수 있다.
도 11을 참조하면, 윤곽 분석부(132)는 사람으로 구분된 복수의 대상체가 경계 영역 내에 존재하는지 여부를 판단할 수 있다. 예를 들어, 윤곽 분석부(132)는 대상체의 크기 및 온도를 분석하여 사람으로 구분된 복수의 대상체가 경계 영역에 입장했는지 여부를 감지할 수 있다. 또한, 윤곽 분석부(132)는 복수의 대상체의 움직임을 분석하여 복수의 대상체 사이에서 범죄가 발생하였는지 여부를 판단할 수 있다.
도 8 내지 도 11에 도시된 예는 본 발명의 실시 예에 따라 감지될 수 있는 이상 상황의 일부 예일 뿐이다. 즉, 본 발명의 실시 예는 이에 제한되는 것이 아니다. 예를 들어, 윤곽 분석부(132)는 센싱 온도 윤곽 데이터를 기본 온도 윤곽 데이터와 비교하여 기물 파손 여부, 분실물 발생 여부, 폭발물 설치 여부, 테러 징후, 자살 발생 여부 등을 감지할 수 있다.
또는, 윤곽 분석부(132)는 일정 온도 이상의 체액을 감지하여 출혈 발생 여부 등을 감지할 수 있고, 사람으로 구분된 대상체의 체류 시간을 감지할 수 있다. 특히, 윤곽 분석부(132)는 인공 지능 연산부(133)를 사용하여 상술한 대상체의 타입, 상태 및 이상 상황의 발생 여부에 대한 식별을 고도화시킬 수 있다.
도 12는 도 4의 인공 지능 연산부에서 수행되는 연산을 예시적으로 보여주는 도면이다. 도 4 및 도 12을 참조하면, 인공 지능 연산부(133)는 입력된 차 온도 윤곽 영상(210)에 대해 컨볼루션 계층(Convolution layer)과 그 결과를 다운 샘플링하기 위한 풀링 계층(Pooling layer)을 반복하여 패턴 인식의 결과를 출력할 수 있다. 여기서, 인공 지능 연산부(133)가 컨볼루션 신경망(CNN) 연산을 수행하는 예가 설명될 것이다. 하지만, 본 발명의 인공 지능 연산부(133)의 머신 러닝 기법은 여기의 개시에 국한되지 않음은 잘 이해될 것이다.
인공 지능 연산부(133)에 차 온도 윤곽 영상(210)이 제공되면, 컨볼루션 계층(Convolution layer) 연산이 적용된다. 컨볼루션 계층의 적용을 위해 차 온도 윤곽 영상(210)는 커널(Kernel)을 사용한 컨볼루션 연산(Convolution Operation)이 수행된다. 즉, 커널과 중첩되는 차 온도 윤곽 영상(210)의 데이터가 커널에 정의된 가중치와 곱해진다. 그리고 곱해진 모든 값은 합산되어 하나의 피처값으로 생성될 것이다. 이러한 연산은 커널이 순차적으로 쉬프트되면서 반복적으로 수행될 것이다. 그러면 커널의 이동에 따라 각각의 위치에 대응하는 피처값이 결정될 수 있다.
하나의 차 온도 윤곽 영상(210)에 대한 컨볼루션 연산은 복수의 커널들에 대해서 수행된다. 그리고 컨볼루션 계층의 적용에 따라 복수의 커널들 각각에 대응하는 어레이 형태의 피처 맵(220)이 생성될 수 있을 것이다. 여기서, 커널은 다양한 패턴들에 대한 학습된 데이터일 수 있다. 예를 들면, 대상체가 쓰러진 형태에 대응하는 다양한 패턴들의 학습 결과가 커널로 제공될 수 있다.
컨볼루션 계층의 실행이 완료되면, 피처 맵(220)에 대한 다운 샘플링이 수행된다. 피처 맵(220)의 데이터는 커널의 수나 차 온도 윤곽 영상(210)의 사이즈에 따라 처리의 부담이 되는 사이즈로 생성될 수 있다. 따라서, 풀링 계층(Pooling Layer)에서는 연산 결과에 크게 영향을 주지 않는 범위에서 피처 맵(220)의 사이즈를 줄이기 위한 다운 샘플링(또는, 서브-샘플링)이 수행된다.
다운 샘플링의 대표적인 연산 방식이 풀링(Pooling)이다. 다운 샘플링을 위한 필터를 피처 맵(220)에 미리 결정된 스트라이드(Stride)로 슬라이딩시키면서, 해당 영역에서의 최대값 또는 평균값이 선택될 수 있다. 최대값을 선택하는 경우를 최대값 풀링(Max Pooling)이라 하고, 평균값을 출력하는 방식을 평균값 풀링(Average Pooling)이라 한다. 풀링 계층에 의해서 피처 맵(220)은 감소된 사이즈의 피처 맵(230)으로 변환된다.
피처 맵(230)은 컨볼루션 연산에 의해서 피처 맵(240)으로 생성될 것이다. 그리고 피처 맵(240)은 풀링 계층에 의해서 피처 맵(250)으로 생성될 수 있다. 상술한 도면에서는 컨볼루션 계층-풀링 계층의 실행이 2회 연속되는 방식으로 설명되었으나, 본 발명은 여기에 국한되지 않는다. 컨볼루션 계층-풀링 계층의 반복 실행 횟수는 시스템 요구 사항에 따라 가변될 수 있다. 이러한 연산에 따라 결과(260)가 생성될 수 있을 것이다. 상술한 차 온도 윤곽 영상(210)에 대한 컨볼루션 신경망(CNN)을 통한 처리를 통해서 대상체의 형태에 따른 상태 인식을 고도화시킬 수 있다.
이상에서는 차 온도 윤곽 데이터 또는 차 온도 윤곽 영상을 인공 지능을 사용하여 분석하는 실시 예가 설명되었다. 인공 지능(AI)의 예로 컨볼루션 신경망(CNN)이 간략히 설명되었다. 하지만, 차 온도 윤곽 데이터의 분석에 사용되는 인공 지능(AI)은 다양한 머신 러닝이나 딥 러닝 기법 또는 이것들의 조합일 수 있다.
도 13은 본 발명의 다른 실시 예에 따른 보안 시스템을 보여주는 그림이다. 도 13을 참조하면, 보안 시스템(300)은 사생활 보호 시설(110_1~110_n), 네트워크(320), 제어 서버(330), 관제 모니터(340), 서비스 단말(350)을 포함할 수 있다.
사생활 보호 시설(110)은 복수의 사생활 보호 시설(110_1~110_n)을 포함할 수 있다. 예를 들어, 사생활 보호 시설(110_1~110_n)은 공중 화장실, 개인 화장실, 샤워실, 탈의실, 피팅룸, 병원의 병실, 교도소, 독거 노인 거주처, 또는 원거리에 거주하는 자녀의 기숙사나 원룸 등의 시설을 포함할 수 있다.
사생활 보호 시설(110_1~110_n) 각각에는 온도 윤곽 센싱 장치(111)가 포함될 수 있다. 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110) 내에 대상체의 움직임을 감지하여 대상체의 온도 및 윤곽 등의 정보를 네트워크(320)를 통해 제어 서버(330)에 제공한다. 또한, 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110) 내에 진입한 대상체를 감지하여 전등 스위치 온-오프 제어와 연동 되도록 구성될 수 있다.
한편, 온도 윤곽 센싱 장치(111)는 실내 뿐만 아니라 야외에 설치되어 야간 이벤트 감지를 수행할 수 있다. 온도 윤곽 센싱 장치(111)는 야외에 설치되어 있는 CCTV와의 크로스 체크 기능을 수행할 수 있다. 즉, 온도 윤곽 센싱 장치(111)는 사생활 보호 기능을 수행하고, 야외에 설치된 CCTV는 대상체의 이상 행동 등을 좀 더 정확하게 파악할 수 있도록 해준다.
네트워크(320)는 복수의 사생활 보호 시설(110_1~110_n)에 포함된 각각의 온도 윤곽 센싱 장치(111)로부터 수집된 대상체의 온도 윤곽 데이터를 제어 서버(330)에 전달한다. 예를 들어, 네트워크(320)는 사설 네트워크, 장거리 음성 및 대용량 데이터 서비스가 가능한 유선 통신망 등을 포함할 수 있다. 또는, 네트워크(320)는 사생활 보호 기능을 강화하기 위한 폐쇄 네트워크 망을 포함할 수 있다. 혹은, 네트워크(320)는 보안 시스템(100) 사용의 유연성 및 편리성을 제공하기 위한 차세대 유선 망 또는 무선 망을 포함할 수 있다.
네트워크(320)가 이동 통신 망일 경우, 네트워크(320)는 동기식 이동 통신망 또는 비동기식 이동 통신망을 포함할 수 있다. 네트워크(320)가 비동기식 이동 통신망인 경우, 네트워크(320)는 WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 포함할 수 있다. 또는, 네트워크(320)는 3G LTE망, 4G망, 5G망 등의 차세대 통신망, 그 밖의 IP(Internet Protocol)를 기반으로 한 IP망을 포함할 수 있다.
제어 서버(330)는 네트워크(320)를 통해 온도 윤곽 센싱 장치(111)로부터 수집된 대상체의 온도 윤곽 데이터를 제공 받는다. 제어 서버(330)는 수집된 온도 윤곽 데이터를 기초로 대상체의 행동을 분석한다. 특히, 제어 서버(330)는 온도 윤곽 데이터를 사용하여 대상체의 행동 분석을 고도화하기 위해 인공 지능(Artificial Intelligence: 이하, AI) 기술을 사용할 수 있다. 예를 들면, 제어 서버(330)는 수집된 온도 윤곽 데이터로부터 대상체의 행동 또는 상태를 높은 정확도로 인식하기 위해 딥 러닝(Deep learning), 신경망(Neural net) 등의 머신 러닝 기법을 사용할 수 있다. 더불어, 제어 서버(330)는 다양한 상황에서 다양한 행동들의 온도 윤곽 정보를 축적한 빅데이터 서버를 사용하여, 대상체의 행동 분석의 정확도를 높일 수 있다.
또한, 제어 서버(330)는 사생활 보호 시설(110)의 영역 내에 대상체의 행동에 의한 이상 상황이 감지되는 경우에, 등록된 서비스 사용자(예를 들면, 대상체의 부모나 보호자)의 서비스 단말(350)에 알람을 전송할 수 있다. 제어 서버(330)는 이상 징후가 감지된 경우, 서비스 단말(350)에 해당 이상 상황의 알람, 이상 상황의 종류 및 해당 이상 상황의 발생 장소를 전송할 수 있다. 예를 들면, 온도 윤곽 센싱 장치(111)가 설치된 장소가 환자나 독거 노인의 거주 공간일 수 있다. 이 경우, 분석된 대상체가 사람이며, 기준 시간 이상 쓰러진 상태로 분석되면, 제어 서버(330)는 네트워크(320)를 통해 서비스 단말(350) 및 소방서나 보건소와 같은 기관에 알람을 전송할 수 있다.
도시되지는 않았지만, 제어 서버(330)는 알람 및 이상 상황의 발생 장소를 서비스 단말(350)과 함께 관제 모니터에도 전달할 수 있음은 잘 이해될 것이다. 서비스 사용자는 알람 및 이상 상황의 발생 장소를 제공받고, 발생한 이상 상황에 따라 준비된 대응 방안을 수행할 수 있다.
도 14는 도 13의 제어 서버의 예시적인 구성을 보여주는 도면이다. 도 13 및 도 14를 참조하면, 제어 서버(330)는 통신부(331), 제어부(333) 그리고 데이터 베이스(335)를 포함할 수 있다.
통신부(331)는 네트워크(320)를 통해서 제어부(333)와 온도 윤곽 센싱 장치(111) 사이의 데이터 송수신을 수행한다. 더불어, 통신부(331)는 네트워크(320)를 통해서 서비스 단말(350)과의 데이터 송수신을 수행한다.
제어부(333)는 윤곽 분석부(332) 및 애플리케이션 관리부(336)를 포함한다. 윤곽 분석부(332)는 도 4의 윤곽 분석부(132)와 마찬가지로 인공 지능 연산부(334)를 포함한다. 인공 지능 연산부(334)는 도 4의 인공 지능 연산부(134)와 동일한 기능을 수행할 수 있다. 애플리케이션 관리부(336)는 서비스를 제공하기 위한 서비스 단말(350)의 애플리케이션을 관리한다. 서비스에 등록된 인증된 회원의 서비스 단말(350)에는 알람이나 대상체의 상태 및 이상 징후의 정보를 제공하기 위한 애플리케이션이 설치되어야 한다. 애플리케이션 관리부(336)는 데이터 베이스(335)에 등록된 회원 정보를 기초로 서비스 단말(350)에 애플리케이션을 전송하고 업데이트할 수 있다. 또한, 애플리케이션 관리부(336) 새롭게 가입된 회원 정보를 데이터 베이스(335)에 업데이트할 것이다.
제어부(333)는 윤곽 분석부(332)로부터 사생활 보호 영역 내에서 대상체의 행동에 의해 발생하는 이상 상황에 대한 알람, 대상체의 상태 그리고 해당 이상 상황의 발생 장소들 중 적어도 하나의 정보를 서비스 단말(350)에 제공할 수 있다. 더불어, 대상체에 위급 상황이 발생하는 경우, 제어부(333)는 서비스 단말(350)뿐 아니라 소방서와 같은 유관 기관에도 알람, 대상체의 상태 그리고 해당 이상 상황의 발생 장소들에 관련된 정보를 전송할 수 있다.
이상에서는 본 발명의 제어 서버(330)의 구성이 예시적으로 설명되었다. 하지만, 본 발명의 제어 서버(330)의 구성이나 기능은 도시된 예에만 국한되지 않는다. 이상에서와 같이 도면과 명세서에서 최적 실시 예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
이하에서는, 온도 윤곽 센싱 장치가 본 발명의 특징 및 기능을 설명하기 위한 예로서 사용될 것이다. 하지만, 이 기술 분야에 정통한 사람은 여기에 기재된 내용에 따라 본 발명의 다른 이점들 및 성능을 쉽게 이해할 수 있을 것이다. 본 발명은 다른 실시 예들을 통해 또한, 구현되거나 적용될 수 있을 것이다. 게다가, 상세한 설명은 본 발명의 범위, 기술적 사상 그리고 다른 목적으로부터 상당히 벗어나지 않고 관점 및 응용에 따라 수정되거나 변경될 수 있다.
도 1은 본 발명의 실시 예에 따른 보안 시스템을 보여주는 그림이다. 도 1을 참조하면, 보안 시스템(100)은 사생활 보호 시설(110), 네트워크(120), 제어 서버(130), 그리고 관제 모니터(140)를 포함할 수 있다.
사생활 보호 시설(110)은 복수의 사생활 보호 시설(110_1~110_n)을 포함할 수 있다. 예를 들어, 사생활 보호 시설(110)은 화장실, 샤워실, 탈의실, 피팅룸 등의 프라이버시 보호가 우선시되는 시설을 포함할 수 있다. 또는, 사생활 보호 시설(110)은 병원이나 교도소 등과 같이 위급 상황이 빈번하게 발생하는 시설일 수도 있을 것이다. 즉, 사생활 보호 시설(110)은 보안 카메라 설치가 사실상 불가한 시설을 포함한다. 이하에서, 사생활 보호 시설(110)은 화장실을 예로서 설명될 것이다.
사생활 보호 시설(110)은 온도 윤곽 센싱 장치(111)를 포함할 수 있다. 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110) 내에 대상체의 움직임을 감지하여 대상체의 온도 및 윤곽 등의 정보를 네트워크(120)를 통해 제버 서버(130)에 제공할 수 있다. 또한, 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110) 내에 진입한 대상체를 감지하여 전등 스위치 온-오프 제어와 연동 되도록 구성될 수 있다. 온도 윤곽 센싱 장치(111)의 구체적인 구성 및 기능은 도 2를 참조하여 설명될 것이다.
네트워크(120)는 복수의 사생활 보호 시설(110_1~110_n)에 포함된 각각의 온도 윤곽 센싱 장치(111)로부터 수집된 대상체의 온도 윤곽 데이터를 제어 서버(130)에 전달한다. 예를 들어, 네트워크(120)는 사설 네트워크, 장거리 음성 및 대용량 데이터 서비스가 가능한 유선 통신망 등을 포함할 수 있다. 또는, 네트워크(120)는 사생활 보호 기능을 강화하기 위한 폐쇄 네트워크 망을 포함할 수 있다. 혹은, 네트워크(120)는 보안 시스템(100) 사용의 유연성 및 편리성을 제공하기 위한 차세대 유선 망 또는 무선 망을 포함할 수 있다.
네트워크(120)가 이동 통신 망일 경우, 네트워크(120)는 동기식 이동 통신망 또는 비동기식 이동 통신망을 포함할 수 있다. 네트워크(120)가 비동기식 이동 통신망인 경우, 네트워크(120)는 WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 포함할 수 있다. 또는, 네트워크(120)는 3G LTE망, 4G망, 5G망 등의 차세대 통신망, 그 밖의 IP(Internet Protocol)를 기반으로 한 IP망을 포함할 수 있다.
제어 서버(130)는 네트워크(120)를 통해 온도 윤곽 센싱 장치(111)로부터 수집된 대상체의 온도 윤곽 데이터를 제공받는다. 제어 서버(130)는 수집된 온도 윤곽 데이터를 기초로 대상체의 행동을 분석한다. 특히, 제어 서버(130)는 온도 윤곽 데이터를 사용하여 대상체의 행동 분석을 고도화하기 위해 인공 지능(Artificial Intelligence: 이하, AI) 기술이나 빅데이터 기법을 사용할 수 있다.
예를 들면, 제어 서버(130)는 수집된 온도 윤곽 데이터로부터 대상체의 행동 또는 상태를 높은 정확도로 인식하기 위해 딥 러닝(Deep learning), 신경망(Neural net) 등의 머신 러닝 기법을 사용할 수 있다. 더불어, 제어 서버(130)는 다양한 상황에서 다양한 행동들의 온도 윤곽 정보를 축적한 빅데이터 서버를 사용하여, 대상체의 행동 분석의 정확도를 높일 수 있다.
또한, 제어 서버(130)는 사생활 보호 시설(110)의 영역 내에 대상체의 행동에 의한 이상 상황이 감지되는 경우에 관제 모니터(140)에 해당 이상 상황의 알람 및 해당 이상 상황의 발생 장소 등과 같은 정보를 제공할 수 있다. 예를 들면, 제어 서버(130)는 열감지를 이용하여 대상체의 질병을 감지할 수 있다. 대상체의 열 데이터는 수치화 또는 그래프화를 통해서 분석하고, 관제 모니터(140)로 제공할 수 있다.
한편, 사생활 보호 기능을 강화하기 위해, 제어 서버(130)는 대상체의 온도 윤곽 데이터를 관제 모니터(140)에 제공하지 않을 수 있다. 대신에, 해당 이상 상황에 대한 대응이 가능하도록, 제어 서버(130)는 해당 이상 상황의 알람 및 해당 이상 상황의 발생 장소 등의 정보만을 관제 모니터(140)에 제공할 수 있다. 제어 서버(130)에 의한 대상체의 행동 분석 방법은 도 5 내지 도 6을 참조하여 설명될 것이다.
제어 서버(130)는 알람 및 이상 상황의 발생 장소를 관제 모니터(140) 또는 서비스 단말(150)를 통해 관리자 또는 사용자에게 제공한다. 관리자 또는 사용자는 알람 및 이상 상황의 발생 장소를 제공받고, 발생한 이상 상황에 따라 준비된 대응 방안을 수행할 수 있다. 또한, 제어 서버(130)는 실내 뿐만 아니라 야외 야간 이벤트 감지 기능을 수행할 수 있다. 그리고 제어 서버(130)는 실내 또는 야외에 설치된 CCTV와 크로스 체크 기능을 수행할 수 있다.
본 발명의 보안 시스템(100)은 온도 윤곽 센싱 장치(111)를 통해 대상체의 온도 및 윤곽 정보를 포함하는 온도 윤곽 데이터를 제공받는다. 또한, 보안 시스템(100)은 기준 온도 및 기준 윤곽 크기를 설정하고, 설정된 기준을 기초로 대상체의 타입을 구분할 수 있다. 다른 실시 예에서, 보안 시스템(100)은 인공 지능(AI)이나 빅데이터 연산을 사용하여 대상체의 상태, 총기나 흉기와 같은 대상체의 타입을 식별할 수 있다.
예를 들어, 대상체의 타입은 사람, 동물, 가방 등의 소지품, 총기, 흉기, 폭발물 등을 포함할 수 있다. 보안 시스템(100)은 구분된 대상체의 타입의 정보를 기초로 대상체의 행동을 분석할 수 있다.
도 2는 도 1에 도시된 온도 윤곽 센싱 장치를 보여주는 그림이다. 도 2를 참조하면, 온도 윤곽 센싱 장치(111)는 온도 윤곽 센서(112), 모듈(113), 케이스(114), 그리고 적외선 투과막(115)을 포함할 수 있다.
온도 윤곽 센서(112) 및 모듈(113)은 대상체의 복사 에너지를 기초로 온도 윤곽 데이터를 생성한다. 통상적으로, 물체는 절대온도(섭씨온도 + 273) 0도 이상에서 복사 에너지를 방출하고, 물체의 온도에 따라 복사 에너지의 방출량이 차이가 발생한다. 온도 윤곽 센서(112)는 외부로부터 빛의 공급이 없이도 대상체가 발산하는 복사 에너지를 집합시켜 전기적 신호를 발생하고, 전기적 신호를 기초로 온도 윤곽 데이터를 생성한다.
모듈(113)은 온도 윤곽 센서(112)로부터 제공된 전기적 신호를 기초로 사생활 보호 시설(110) 내의 온도와 대상체의 온도 차이를 인식할 수 있다. 또한, 모듈(113)은 온도 윤곽 센서(112)로부터 제공된 전기적 신호를 기초로 사생활 보호 시설(110) 내의 온도 변화를 분석할 수 있다. 모듈(113)은 온도 변화가 감지되는 경우에 대상체의 동작을 분석하는 기준이 되는 기본 온도 윤곽 데이터를 업데이트하여 제어 서버(130)에 제공할 수 있다.
기본 온도 윤곽 데이터는 이하에서 자세히 설명될 것이다. 따라서, 모듈(113)은 제어 서버(130)가 대상체의 움직임을 분석함에 있어 사생활 보호 시설 내의 대상체 주변의 온도 변화를 반영할 수 있다. 결과적으로, 대상체의 행동 분석의 정확도가 향상될 수 있다.
케이스(114)는 온도 윤곽 센서(112) 및 모듈(113)의 외부를 가리고 보호하도록 구성된다. 또한, 케이스(114)의 일부 면은 적외선 투과막(115)으로 형성될 수 있다. 적외선 투과막(115)은 적외선이 투과되는 투명하지 않은 어떠한 재질의 막도 포함 수 있다.
예를 들어, 투명하지 않은 막은 실리콘이나 게르마늄 재질의 반투명하거나 불투명한 막 등을 포함할 수 있다. 혹은, 투명하지 않은 막은 명암이 포함되거나, 색(color)를 포함할 수 있다. 예를 들어, 일부 면은 온도 윤곽 센서(112)가 대상체의 복사 에너지를 감지하기 위한 방향의 면을 포함할 수 있다. 적외선 투과막(115)이 온도 윤곽 센서(112)를 가림에 따라, 온도 윤곽 센서(112)가 외부로 드러나지 않을 수 있게 된다. 따라서, 외관적 측면에서도, 대상체에 대한 사생활 보호 기능이 강화될 수 있다. 다만, 실리콘 막은 예시적일 뿐이며, 온도 윤곽 센서(112)가 복사 에너지를 수집할 수 있음과 동시에 외부에 온도 윤곽 센서(112)가 보이지 않도록 하는 어떠한 재질의 막도 사용될 수 있다. 더불어, 경우에 따라서는 적외선 투과막(115)은 투명 막으로 제공될 수도 있음은 잘 이해될 것이다.
도 3a 및 도 3b는 하나의 온도 윤곽 센싱 장치가 사생활 보호 시설을 센싱하는 영역을 구분하는 방법을 예시적으로 보여주는 도면들이다. 도 3a를 참조하면, 온도 윤곽 센싱 장치(111)가 사생활 보호 시설(110_1)에서 하나의 감시 영역(110_1a)을 센싱하는 예가 도시되어 있다. 예를 들면, 사생활 보호 시설(110_1)은 공중 화장실, 병원이나 교도소의 1인실 등일 수 있다.
도 3b를 참조하면, 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110_2)에서 복수의 감시 영역들(110_2a, 110_2b, 110_2c)을 센싱할 수 있다. 예를 들면, 사생활 보호 시설(110_2)은 병원이나 교도소의 다인실일 수 있다. 하나의 사생활 보호 시설(110_2)을 복수의 감시 영역들로 구분하면, 하나의 온도 윤곽 센싱 장치(111)를 사용하여 복수의 대상체들을 센싱할 수 있다. 사생활 보호 시설(110_2)이 병원의 다인실인 경우, 복수의 감시 영역들(110_2a, 110_2b, 110_2c) 단위로 환자의 존재 여부, 환자의 체온, 환자의 이상 징후 등이 모니터링될 수 있다.
도 4는 도 1의 제어 서버의 구성을 예시적으로 보여주는 도면이다. 도 4를 참조하면, 제어 서버(130)는 윤곽 분석부(132), 관제부(134) 그리고 빅데이터 데이터 베이스(136)를 포함할 수 있다.
윤곽 분석부(132)는 네트워크(120)를 통해 온도 윤곽 센싱 장치(111)로부터 수집된 대상체의 온도 윤곽 데이터를 제공받는다. 윤곽 분석부(132)는 수집된 대상체의 온도 윤곽 데이터를 사용하여 이상 상황의 감지나 위급 상황을 식별해 낼 수 있다. 윤곽 분석부(132)는 대상체의 열 감지를 이용하여 질병을 감지할 수도 있다. 윤곽 분석부(132)는 대상체의 열 데이터를 수치화하거나 그래프화하여 관제부(134)로 제공할 수 있다.
특히, 윤곽 분석부(132)는 수집된 온도 윤곽 데이터의 패턴을 통해서 대상체의 이상 징후를 식별하기 위한 인공 지능 연산부(133)를 포함할 수 있다. 인공 지능 연산부(133)는, 예를 들면, 컨볼루션 신경망(Convolutional Neural Network: 이하, CNN)이나 딥 러닝(Deep learning)과 같은 머신 러닝 기법을 사용하여 온도 윤곽 데이터를 분석할 수 있다.
인공 지능 연산부(133)는 대상체의 위치, 형태, 특정 위치에서 움직임, 특정 위치에서의 기준 시간 이상의 정지 상태를 유지, 대상체의 열 감지, 그리고 대상체가 소지한 물체 등은 머신 러닝(Machine learning)을 통해서 높은 정확도로 인식될 수 있다.
예를 들면, 대상체가 감시 대상 영역에서 심장 마비와 같은 상황에 직면하여 쓰러진 경우를 가정하자. 그러면, 대상체가 쓰러진 형태와 같은 특정 자세는 온도 윤곽 데이터에 대한 학습된 머신 러닝 연산을 통해서 높은 정확도로 식별 가능하다. 인공 지능 연산부(133)에 의해서 대상체의 온도 윤곽 데이터가 쓰러진 자세로 판단되면, 윤곽 분석부(132)는 대상체의 행동에 의한 이상 상황으로 판단하고 관제부(134)에 해당하는 이상 상황이나 발생 장소 정보를 전달할 것이다.
이 밖에도 인공 지능 연산부(136)는 대상체의 특정 자세가 기준 시간을 초과하여 유지되는 경우에도 해당 특정 자세를 식별하여 이상 상황으로 판단할 수 있다. 또는, 인공 지능 연산부(136)는 대상체가 총기나 흉기를 소지하는 경우에도 온도 윤곽 데이터 상에 나타난 총기나 흉기의 패턴을 인식하여 이상 상황으로 판단할 수 있다. 여기서, 인공 지능 연산부(133)는, 예를 들면, 특정 알고리즘으로 구현되는 소프트웨어 형태로 제공될 수 있다. 또는, 인공 지능 연산부(133)는 인공 지능 연산을 수행하기 위한 별도의 프로세서(예를 들면, Network Processor Unit)나 시스템으로 구현될 수도 있을 것이다.
더불어, 윤곽 분석부(132)는 빅데이터 데이터 베이스(136)를 사용하여 다양한 대상체에 대한 상황 판단이나 특정 상황을 인식할 수 있다. 윤곽 분석부(132)는 다양한 장소에서 다양한 이벤트에 대한 인식을 위해서는 빅데이터(Big data)를 활용할 수 있을 것이다.
관제부(134)는 윤곽 분석부(132)로부터 사생활 보호 영역 내에서 대상체의 행동에 의해 발생하는 이상 상황의 알람 및 해당 이상 상황의 발생 장소를 제공받는다. 관제부(134)는 알람 및 이상 상황의 발생 장소를 관제 모니터(140)를 통해 사용자에게 제공할 수 있다. 사용자는 알람 및 이상 상황의 발생 장소를 제공받고, 발생한 이상 상황에 따라 준비된 대응 방안을 수행할 수 있다. 관제부(134)를 통해 사용자에게 제공되는 예시적인 화면 및 알람은 도 7을 참조하여 설명될 것이다.
이상에서는 본 발명의 제어 서버(130)의 구성이 예시적으로 설명되었다. 하지만, 본 발명의 제어 서버(130)의 구성이나 기능은 도시된 예에만 국한되지 않는다. 예컨대, 인공 지능 연산부(133)는 윤곽 분석부(132)의 외부에 인공 지능 연산을 위한 별도의 장치로 제공될 수도 있을 것이다.
도 5는 본 발명의 실시 예에 따른 제어 서버의 동작 방법을 보여주는 순서도이다. 도 4 및 도 5를 참조하면, 제어 서버(130)는 인공 지능 연산을 사용하여 대상체의 온도 윤곽 데이터를 분석하고, 대상체의 상태나 상황에 대한 식별을 고도화시킬 수 있다.
S10 단계에서, 윤곽 분석부(132)는 네트워크(120)를 통해서 온도 윤곽 센싱 장치(111)로부터 지정된 영역에 대한 온도 데이터를 수신한다. 예를 들면, 윤곽 분석부(132)는 사생활 보호 시설(110)의 지정된 영역 내의 대상체가 존재하지 않는 초기 상태의 열 영상 데이터를 제공받을 수 있다. 이하에서는 해당 초기 상태의 열 영상 데이터를 기본 온도 윤곽 데이터라 칭하기로 한다. 그리고, 윤곽 분석부(132)는 지정된 영역 내에서 온도 변화의 감지에 따라 생성되는 열 영상 데이터를 추가로 수신할 수 있다. 이하에서는 지정된 영역 내의 대상체의 감지 및 움직임에 따른 온도 윤곽 데이터를 센싱 온도 윤곽 데이터라 칭하기로 한다.
S20 단계에서, 윤곽 분석부(132)는 수신된 열 영상 데이터를 이용하여 대상체를 식별하기 위한 차 온도 윤곽 데이터를 생성한다. 즉, 윤곽 분석부(132)는 기본 온도 윤곽 데이터와 센싱 온도 윤곽 데이터의 차이값을 추출한다. 추출된 데이터가 앞서 설명된 차 온도 윤곽 데이터에 대응한다. 차 온도 윤곽 데이터에는 대상체나 대상체가 소지한 물체의 윤곽이 나타날 것이다.
S30 단계에서, 윤곽 분석부(132)는 차 온도 윤곽 데이터를 기초로 대상체의 형태, 개수, 그리고 대상체 각각의 타입을 식별할 수 있다. 예를 들어, 대상체의 온도가 기준 온도 이상이고 윤곽의 크기가 사람의 기준 크기의 범위에 해당하는 경우, 윤곽 분석부(132)는 대상체를 사람이라고 인식할 수 있다. 윤곽 분석부(132)는 사람에 해당하는 대상체의 수를 인식할 수 있다. 또한, 윤곽 분석부(132)는 대상체의 열을 감지함으로 대상체의 질병을 감지할 수 있다.
또는, 대상체의 온도가 기준 온도 이하이고 윤곽의 크기가 물체의 기준 크기의 범위에 해당하는 경우, 윤곽 분석부(132)는 대상체를 물체로 인식할 수 있다. 예를 들어, 대상체가 물체인 경우, 윤곽 분석부(132)는 설정된 기준 크기나 모양을 기초로 대상체를 가방 분실물, 폭발물 등으로 구분하여 인식할 수 있다. 여기서, 대상체의 형태, 대상체의 상태, 대상체의 종류를 식별하는데 인공 지능 연산부(133)을 사용할 수 있다. 인공 지능 연산부(133)는 방대한 양의 다양한 대상체들의 형태, 크기, 그리고 온도 정보에 대한 미리 학습된 패턴들을 구비하고 있을 것이다. 이러한 데이터를 기초로 인공 지능 연산부(133)는 대상체의 타입 및 상태에 대한 식별을 고도화시킬 수 있다.
S40 단계에서, 인공 지능 연산부(133)에 의한 분석 결과에 의한 동작 분기가 발생한다. 만약, 대상체의 타입 및 상태의 분석 결과 이상 징후로 판단되면, 절차는 S50 단계로 이동한다. 반면, 대상체의 타입 및 상태의 분석 결과 이상 징후가 아닌 정상적인 경우로 판단되면, 온도 윤곽 센싱 장치(111)로부터 전송된 데이터에 대한 처리는 종료된다. 이후, 도시되지는 않았지만, 제어 서버(130)는 온도 윤곽 센싱 장치(111)로부터 새로운 센싱 온도 윤곽 데이터를 수신하여 분석하기 위한 동작을 시작할 수 있을 것이다.
S50 단계에서, 관제부(134)는 관제 모니터(140)에 알람을 전송할 것이다. 예를 들면, 온도 윤곽 센싱 장치(111)가 설치된 장소가 공중 화장실이고, 윤곽 분석부(132)에서 분석된 대상체가 사람이며, 심장 마비에 의해서 쓰러진 상태로 분석되면, 관제부(134)는 관제 모니터(140)를 통해 관리자에게 알람을 표시할 수 있다.
이상에서는 인공 지능(AI)을 사용한 대상체의 온도 윤곽 데이터를 분석하는 방법이 설명되었다. 예를 들면, 인공 지능(AI)의 예로 최근 대상체의 패턴 인식에 높은 정확도를 제공하는 컨볼루션 신경망(CNN)과 같은 딥 러닝 방식이 사용될 수 있다. 더불어, 대상체의 온도 패턴에 대한 정보가 추가되는 경우, 대상체의 상태에 대한 식별을 고도화시킬 수 있다. 또한, 빅데이터 데이터 베이스(136)를 활용한 빅데이터 참조를 통해서, 다양한 환경에서의 다양한 대상체의 형태나 상태의 식별을 고도화시킬 수 있을 것이다.
도 6은 본 발명의 실시 예에 따른 도 1의 보안 시스템의 대상체에 대한 행동 분석 방법을 설명하기 위한 그림이다. 도 6의 그림은 도 1 및 도 5를 참조하여 설명될 것이다. 도 6을 참조하면, 보안 시스템(100)은 인공 지능(AI)을 사용하여 대상체의 온도 윤곽 데이터를 기초로 대상체의 행동 분석을 수행할 수 있다.
S110 단계에서, 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110)의 지정된 영역 내의 초기 상태의 정보를 수집할 수 있다. 예를 들어, 상술한 바와 같이, 사생활 보호 시설(110)은 공중 화장실일 수 있다. 앞서 도 5에서 언급한 바와 같이, 해당 초기 상태의 정보는 기본 온도 윤곽 데이터라 지칭한다. 제어 서버(130)는 네트워크(120)를 통해 온도 윤곽 센싱 장치(111)로부터 기본 온도 윤곽 데이터를 제공받는다.
여기서, S110 단계 이전에 발생한 상황에 따라, 사생활 보호 시설(110)의 지정된 영역 내부의 온도가 변할 수 있다. 예를 들어, S110 단계 이전에 지정된 영역을 방문했던 대상체에 의해, 지정된 영역 내부의 변기 영역의 온도가 증가할 수 있다. 상술한 바와 같이, 모듈(113)은 지정된 영역 내부의 온도 변화가 감지되는 경우에 기본 온도 윤곽 데이터를 업데이트하여 제어 서버(130)에 제공한다.
S120 단계에서, 온도 윤곽 센싱 장치(111)가 사생활 보호 시설(110)의 지정된 영역 내의 새로운 대상체의 진입을 감지하는 경우에, 온도 윤곽 센싱 장치(111)는 지정된 영역 내의 감지된 대상체의 움직임에 따른 온도 윤곽 데이터를 수집한다. 이하에서, 해당 온도 윤곽 데이터를 센싱(sensing) 온도 윤곽 데이터라 지칭한다. 제어 서버(130)는 네트워크(120)를 통해 온도 윤곽 센싱 장치(111)로부터 센싱 온도 윤곽 데이터를 제공받는다.
S130 단계에서, 제어 서버(130)의 윤곽 분석부(132)는 제공된 기본 온도 윤곽 데이터와 센싱 온도 윤곽 데이터를 비교하여 차 온도 윤곽 데이터를 생성한다. 차 온도 윤곽 데이터는 기본 온도 윤곽 데이터를 기준으로 센싱 온도 윤곽 데이터에서 감지되는 대상체의 온도 및 윤곽 정보를 포함할 수 있다.
S140 단계에서, 윤곽 분석부(132)는 차 온도 윤곽 데이터를 기초로 대상체의 개수 및 대상체 각각의 타입을 구분할 수 있다. 예를 들어, 대상체의 온도가 기준 온도 이상이고 윤곽의 크기가 사람의 기준 크기의 범위에 해당하는 경우, 윤곽 분석부(132)는 대상체를 사람이라고 인식할 수 있다. 또한, 윤곽 분석부(132)는 사람에 해당하는 대상체의 수를 인식할 수 있다.
또는, 대상체의 온도가 기준 온도 이하이고 윤곽의 크기가 물체의 기준 크기의 범위에 해당하는 경우, 윤곽 분석부(132)는 대상체를 물체로 인식할 수 있다. 예를 들어, 대상체가 물체인 경우, 윤곽 분석부(132)는 설정된 기준 크기나 모양을 기초로 대상체를 가방 분실물, 폭발물 등으로 구분하여 인식할 수 있다. 윤곽 분석부(132)의 차 온도 윤곽 데이터를 사용한 대상체의 인식 정확도는 인공 지능 연산부(133)의 지원을 통해서 높아질 수 있다.
S150 단계에서, 윤곽 분석부(132)는 사생활 보호 공간(110)의 영역을 사생활 보호 공간 영역의 벽 부분을 포함하는 경계 영역과 경계 영역 내의 기준 영역으로 구분한다. 예를 들어, 상술한 바와 같이, 사생활 보호 공간(110)이 공중 화장실을 포함하는 경우, 경계 영역은 화장실의 구분된 하나의 칸을 포함하며, 기준 영역은 구분된 하나의 칸 내의 변기 영역을 포함할 수 있다. 경계 영역 및 기준 영역의 크기와 모양 등은 사용자에 의해 설정될 수 있다. 경계 영역과 기준 영역을 구분하여 설정하는 이유는 대상체의 행동 유형의 기준을 제공하기 위함이다.
예를 들어, 대상체가 경계 영역에 접촉된 상태가 일정 시간 이상 지속되는 경우, 윤곽 분석부(132)는 대상체가 쓰러졌거나 대상체가 다른 화장실 칸 영역을 지켜보고 있는 상황이라고 판단할 수 있다. 구체적인 판단의 예는 도 8 내지 도 11을 참조하여 설명될 것이다.
S160 단계에서, 윤곽 분석부(132)는 차 온도 윤곽 데이터를 경계 영역과 기준 영역 각각으로 구분하고, 각각의 영역에서의 대상체의 개수, 대상체 각각의 타입, 대상체 각각의 온도를 포함하는 정보를 기초로 대상체 각각의 행동을 분석한다. 윤곽 분석부(132)는 대상체의 행동 분석 결과를 기초로 대상체의 행동에 의한 이상 상황을 감지하는 경우에 관제부(134)에 알람을 제공한다.
예를 들어, 상술한 바와 같이, 사생활 보호 기능을 강화하기 위해, 윤곽 분석부(132)는 이상 상황의 알람만을 관제부(134)에 제공할 수 있다. S170단계에서, 관제부(134)는 윤곽 분석부(132)로부터 제공된 알람을 관리자나 사용자에게 제공한다. 예를 들면, 관제부(134)는 관제 모니터(140)를 통해서 보안 시스템(100)의 관리자에게 알람을 제공할 수 있다.
이상에서 설명된 대상체의 행동 분석 방법은 영상을 이용하는 것이 아니라 대상체의 온도 윤곽 데이터를 사용하여 수행된다. 더불어, 대상체의 온도 윤곽 데이터에 대한 인공 지능(AI) 연산을 통해서 대상체의 타입이나 상태에 대한 높은 정확도가 제공될 수 있다. 온도 윤곽 데이터는 대상체의 신원을 확인할 정도의 데이터를 포함하지 않으므로 영상을 이용하는 방법과 비교하여 사생활 보호 영역 내의 대상체의 사생활 침해가 현저히 낮아진다.
또한, 온도 윤곽 데이터만을 사용함에도 불구하고, 본 발명의 보안 시스템(100)은 인공 지능 또는 빅데이터를 활용하여 온도 윤곽 데이터에 포함된 대상체의 온도 및 윤곽의 정보를 복합적으로 사용할 수 있다. 따라서, 본 발명의 보안 시스템(100)은 화재 상황, 출혈 상황 등의 다양한 이상 상황을 높은 정확도로 감지하고 이에 대응할 수 있다.
도 7은 본 발명의 실시 예에 따라 도 1의 제어 서버에 제공되는 화면을 예시적으로 보여주는 그림이다. (a)는 대상체의 행동 분석을 위한 임계값을 설정하기 위한 화면을 보여주는 그림이고, (b)는 이상 상황 감지 시에 발생하는 알람을 보여주는 그림이다.
(a)에 도시된 UI(User Interface)를 통해, 사용자 또는 관리자는 제어 서버(130) 및 관제 모니터(140)를 통해 대상체의 행동 분석을 위한 임계값을 설정할 수 있다. 예를 들어, 임계값은 사람 윤곽선 크기, 최대 체온, 물건 윤곽선 크기, 기준 영상 차이, 쓰러짐 상태(타원형 축 비율), 쓰러짐 상황 시간, 체류 시간, 벽터치 시간, 아무 행동하지 않는 시간, 열 감지를 이용한 질병 수치 등을 포함할 수 있다.
또한, 관제부(134)는 사생활 보호 시설(110) 내에서 이상 상황이 감지되는 경우에 (b)에 도시된 바와 같은 알람을 관제 모니터(140)나 서비스 단말(150)을 통해 관리자나 사용자에게 제공할 수 있다. 예를 들어, (b)를 참조하면, 쓰러짐이 의심되는 상황이 13초 동안 지속되었다는 사실을 알람을 통해 사용자에게 알려줄 수 있다.
도 8 내지 도 11은 도 6에서 설명된 행동 분석 방법에 의해 분석된 대상체의 행동에 의해 발생하는 이상 상황을 예시적으로 설명하기 위한 그림이다. 도 8 내지 도 11의 그림은 도 1, 도 4 및 도 6을 참조하여 설명될 것이다.
도 8을 참조하면, 윤곽 분석부(132)는 대상체의 쓰러짐을 감지할 수 있다. 예를 들어, 사람으로 구분된 대상체가 기준 영역을 제외한 경계 영역 내에서 기준 윤곽 모양(예를 들어, 타원형)을 기준 시간 이상 유지하는 경우, 윤곽 분석부(132)는 대상체의 쓰러짐을 감지할 수 있다. 여기서, 윤곽 분석부(132)는 대상체의 윤곽이 일정 크기 이상이고, 대상체의 온도가 체온(36.5℃의 일정 범위 내에 있는지 여부를 판단한다.
판단 결과를 기초로, 윤곽 분석부(132)는 대상체를 구분한다. 윤곽 분석부(132)는 대상체의 윤곽이나, 온도를 통한 대상체의 종류, 상태 그리고 상황을 판단하기 위해 인공 지능 연산부(133) 또는 빅데이터 데이터 베이스(136)를 활용할 수 있다. 이하에서, 윤곽 분석부(132)에 의한 대상체의 구분 과정은 동일하다. 대상체의 쓰러짐을 감지하기 위한 기준 모양, 기준 크기, 기준 시간 등은 사용자에 의해 다르게 설정될 수 있다.
도 9를 참조하면, 윤곽 분석부(132)는 경계 영역과 관련된 대상체의 이상 행동을 감지할 수 있다. 예를 들어, 사람으로 구분된 대상체가 기준 영역 및 경계 영역에 걸쳐 있는 상태가 기준 시간 이상 유지되는 경우, 윤곽 분석부(132)는 대상체가 기준 영역(예를 들어, 변기)에 앉은 채로 쓰러져 있는 상태를 감지할 수 있다. 또는, 사람으로 구분된 대상체가 경계 영역에 접촉된 상태가 기준 시간 이상 유지되는 경우, 윤곽 분석부(132)는 화장실 칸 내에서 대상체가 다른 화장실 칸을 엿보는 등의 이상 행동하는 경우를 감지할 수 있다.
도 10을 참조하면, 윤곽 분석부(132)는 대상체의 이상 온도 여부를 판단할 수 있다. 예를 들어, 사람으로 구분된 대상체의 온도가 질병으로 인해 기준 온도 이상(도 10의 예에서, 37℃으로 올라가는 경우, 윤곽 분석부(132)는 대상체의 질병을 감지할 수 있다. 혹은, 경계 영역 내에서 발생한 화재나 실내 흡연에 의해 물체로 구분된 대상체의 온도가 기준 온도 이상으로 올라가는 경우, 윤곽 분석부(132)는 화재 또는 실내 흡연 등의 이상 상황을 감지할 수 있다.
도 11을 참조하면, 윤곽 분석부(132)는 사람으로 구분된 복수의 대상체가 경계 영역 내에 존재하는지 여부를 판단할 수 있다. 예를 들어, 윤곽 분석부(132)는 대상체의 크기 및 온도를 분석하여 사람으로 구분된 복수의 대상체가 경계 영역에 입장했는지 여부를 감지할 수 있다. 또한, 윤곽 분석부(132)는 복수의 대상체의 움직임을 분석하여 복수의 대상체 사이에서 범죄가 발생하였는지 여부를 판단할 수 있다.
도 8 내지 도 11에 도시된 예는 본 발명의 실시 예에 따라 감지될 수 있는 이상 상황의 일부 예일 뿐이다. 즉, 본 발명의 실시 예는 이에 제한되는 것이 아니다. 예를 들어, 윤곽 분석부(132)는 센싱 온도 윤곽 데이터를 기본 온도 윤곽 데이터와 비교하여 기물 파손 여부, 분실물 발생 여부, 폭발물 설치 여부, 테러 징후, 자살 발생 여부 등을 감지할 수 있다.
또는, 윤곽 분석부(132)는 일정 온도 이상의 체액을 감지하여 출혈 발생 여부 등을 감지할 수 있고, 사람으로 구분된 대상체의 체류 시간을 감지할 수 있다. 특히, 윤곽 분석부(132)는 인공 지능 연산부(133)를 사용하여 상술한 대상체의 타입, 상태 및 이상 상황의 발생 여부에 대한 식별을 고도화시킬 수 있다.
도 12는 도 4의 인공 지능 연산부에서 수행되는 연산을 예시적으로 보여주는 도면이다. 도 4 및 도 12을 참조하면, 인공 지능 연산부(133)는 입력된 차 온도 윤곽 영상(210)에 대해 컨볼루션 계층(Convolution layer)과 그 결과를 다운 샘플링하기 위한 풀링 계층(Pooling layer)을 반복하여 패턴 인식의 결과를 출력할 수 있다. 여기서, 인공 지능 연산부(133)가 컨볼루션 신경망(CNN) 연산을 수행하는 예가 설명될 것이다. 하지만, 본 발명의 인공 지능 연산부(133)의 머신 러닝 기법은 여기의 개시에 국한되지 않음은 잘 이해될 것이다.
인공 지능 연산부(133)에 차 온도 윤곽 영상(210)이 제공되면, 컨볼루션 계층(Convolution layer) 연산이 적용된다. 컨볼루션 계층의 적용을 위해 차 온도 윤곽 영상(210)는 커널(Kernel)을 사용한 컨볼루션 연산(Convolution Operation)이 수행된다. 즉, 커널과 중첩되는 차 온도 윤곽 영상(210)의 데이터가 커널에 정의된 가중치와 곱해진다. 그리고 곱해진 모든 값은 합산되어 하나의 피처값으로 생성될 것이다. 이러한 연산은 커널이 순차적으로 쉬프트되면서 반복적으로 수행될 것이다. 그러면 커널의 이동에 따라 각각의 위치에 대응하는 피처값이 결정될 수 있다.
하나의 차 온도 윤곽 영상(210)에 대한 컨볼루션 연산은 복수의 커널들에 대해서 수행된다. 그리고 컨볼루션 계층의 적용에 따라 복수의 커널들 각각에 대응하는 어레이 형태의 피처 맵(220)이 생성될 수 있을 것이다. 여기서, 커널은 다양한 패턴들에 대한 학습된 데이터일 수 있다. 예를 들면, 대상체가 쓰러진 형태에 대응하는 다양한 패턴들의 학습 결과가 커널로 제공될 수 있다.
컨볼루션 계층의 실행이 완료되면, 피처 맵(220)에 대한 다운 샘플링이 수행된다. 피처 맵(220)의 데이터는 커널의 수나 차 온도 윤곽 영상(210)의 사이즈에 따라 처리의 부담이 되는 사이즈로 생성될 수 있다. 따라서, 풀링 계층(Pooling Layer)에서는 연산 결과에 크게 영향을 주지 않는 범위에서 피처 맵(220)의 사이즈를 줄이기 위한 다운 샘플링(또는, 서브-샘플링)이 수행된다.
다운 샘플링의 대표적인 연산 방식이 풀링(Pooling)이다. 다운 샘플링을 위한 필터를 피처 맵(220)에 미리 결정된 스트라이드(Stride)로 슬라이딩시키면서, 해당 영역에서의 최대값 또는 평균값이 선택될 수 있다. 최대값을 선택하는 경우를 최대값 풀링(Max Pooling)이라 하고, 평균값을 출력하는 방식을 평균값 풀링(Average Pooling)이라 한다. 풀링 계층에 의해서 피처 맵(220)은 감소된 사이즈의 피처 맵(230)으로 변환된다.
피처 맵(230)은 컨볼루션 연산에 의해서 피처 맵(240)으로 생성될 것이다. 그리고 피처 맵(240)은 풀링 계층에 의해서 피처 맵(250)으로 생성될 수 있다. 상술한 도면에서는 컨볼루션 계층-풀링 계층의 실행이 2회 연속되는 방식으로 설명되었으나, 본 발명은 여기에 국한되지 않는다. 컨볼루션 계층-풀링 계층의 반복 실행 횟수는 시스템 요구 사항에 따라 가변될 수 있다. 이러한 연산에 따라 결과(260)가 생성될 수 있을 것이다. 상술한 차 온도 윤곽 영상(210)에 대한 컨볼루션 신경망(CNN)을 통한 처리를 통해서 대상체의 형태에 따른 상태 인식을 고도화시킬 수 있다.
이상에서는 차 온도 윤곽 데이터 또는 차 온도 윤곽 영상을 인공 지능을 사용하여 분석하는 실시 예가 설명되었다. 인공 지능(AI)의 예로 컨볼루션 신경망(CNN)이 간략히 설명되었다. 하지만, 차 온도 윤곽 데이터의 분석에 사용되는 인공 지능(AI)은 다양한 머신 러닝이나 딥 러닝 기법 또는 이것들의 조합일 수 있다.
도 13은 본 발명의 다른 실시 예에 따른 보안 시스템을 보여주는 그림이다. 도 13을 참조하면, 보안 시스템(300)은 사생활 보호 시설(110_1~110_n), 네트워크(320), 제어 서버(330), 관제 모니터(340), 서비스 단말(350)을 포함할 수 있다.
사생활 보호 시설(110)은 복수의 사생활 보호 시설(110_1~110_n)을 포함할 수 있다. 예를 들어, 사생활 보호 시설(110_1~110_n)은 공중 화장실, 개인 화장실, 샤워실, 탈의실, 피팅룸, 병원의 병실, 교도소, 독거 노인 거주처, 또는 원거리에 거주하는 자녀의 기숙사나 원룸 등의 시설을 포함할 수 있다.
사생활 보호 시설(110_1~110_n) 각각에는 온도 윤곽 센싱 장치(111)가 포함될 수 있다. 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110) 내에 대상체의 움직임을 감지하여 대상체의 온도 및 윤곽 등의 정보를 네트워크(320)를 통해 제어 서버(330)에 제공한다. 또한, 온도 윤곽 센싱 장치(111)는 사생활 보호 시설(110) 내에 진입한 대상체를 감지하여 전등 스위치 온-오프 제어와 연동 되도록 구성될 수 있다.
한편, 온도 윤곽 센싱 장치(111)는 실내 뿐만 아니라 야외에 설치되어 야간 이벤트 감지를 수행할 수 있다. 온도 윤곽 센싱 장치(111)는 야외에 설치되어 있는 CCTV와의 크로스 체크 기능을 수행할 수 있다. 즉, 온도 윤곽 센싱 장치(111)는 사생활 보호 기능을 수행하고, 야외에 설치된 CCTV는 대상체의 이상 행동 등을 좀 더 정확하게 파악할 수 있도록 해준다.
네트워크(320)는 복수의 사생활 보호 시설(110_1~110_n)에 포함된 각각의 온도 윤곽 센싱 장치(111)로부터 수집된 대상체의 온도 윤곽 데이터를 제어 서버(330)에 전달한다. 예를 들어, 네트워크(320)는 사설 네트워크, 장거리 음성 및 대용량 데이터 서비스가 가능한 유선 통신망 등을 포함할 수 있다. 또는, 네트워크(320)는 사생활 보호 기능을 강화하기 위한 폐쇄 네트워크 망을 포함할 수 있다. 혹은, 네트워크(320)는 보안 시스템(100) 사용의 유연성 및 편리성을 제공하기 위한 차세대 유선 망 또는 무선 망을 포함할 수 있다.
네트워크(320)가 이동 통신 망일 경우, 네트워크(320)는 동기식 이동 통신망 또는 비동기식 이동 통신망을 포함할 수 있다. 네트워크(320)가 비동기식 이동 통신망인 경우, 네트워크(320)는 WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 포함할 수 있다. 또는, 네트워크(320)는 3G LTE망, 4G망, 5G망 등의 차세대 통신망, 그 밖의 IP(Internet Protocol)를 기반으로 한 IP망을 포함할 수 있다.
제어 서버(330)는 네트워크(320)를 통해 온도 윤곽 센싱 장치(111)로부터 수집된 대상체의 온도 윤곽 데이터를 제공 받는다. 제어 서버(330)는 수집된 온도 윤곽 데이터를 기초로 대상체의 행동을 분석한다. 특히, 제어 서버(330)는 온도 윤곽 데이터를 사용하여 대상체의 행동 분석을 고도화하기 위해 인공 지능(Artificial Intelligence: 이하, AI) 기술을 사용할 수 있다. 예를 들면, 제어 서버(330)는 수집된 온도 윤곽 데이터로부터 대상체의 행동 또는 상태를 높은 정확도로 인식하기 위해 딥 러닝(Deep learning), 신경망(Neural net) 등의 머신 러닝 기법을 사용할 수 있다. 더불어, 제어 서버(330)는 다양한 상황에서 다양한 행동들의 온도 윤곽 정보를 축적한 빅데이터 서버를 사용하여, 대상체의 행동 분석의 정확도를 높일 수 있다.
또한, 제어 서버(330)는 사생활 보호 시설(110)의 영역 내에 대상체의 행동에 의한 이상 상황이 감지되는 경우에, 등록된 서비스 사용자(예를 들면, 대상체의 부모나 보호자)의 서비스 단말(350)에 알람을 전송할 수 있다. 제어 서버(330)는 이상 징후가 감지된 경우, 서비스 단말(350)에 해당 이상 상황의 알람, 이상 상황의 종류 및 해당 이상 상황의 발생 장소를 전송할 수 있다. 예를 들면, 온도 윤곽 센싱 장치(111)가 설치된 장소가 환자나 독거 노인의 거주 공간일 수 있다. 이 경우, 분석된 대상체가 사람이며, 기준 시간 이상 쓰러진 상태로 분석되면, 제어 서버(330)는 네트워크(320)를 통해 서비스 단말(350) 및 소방서나 보건소와 같은 기관에 알람을 전송할 수 있다.
도시되지는 않았지만, 제어 서버(330)는 알람 및 이상 상황의 발생 장소를 서비스 단말(350)과 함께 관제 모니터에도 전달할 수 있음은 잘 이해될 것이다. 서비스 사용자는 알람 및 이상 상황의 발생 장소를 제공받고, 발생한 이상 상황에 따라 준비된 대응 방안을 수행할 수 있다.
도 14는 도 13의 제어 서버의 예시적인 구성을 보여주는 도면이다. 도 13 및 도 14를 참조하면, 제어 서버(330)는 통신부(331), 제어부(333) 그리고 데이터 베이스(335)를 포함할 수 있다.
통신부(331)는 네트워크(320)를 통해서 제어부(333)와 온도 윤곽 센싱 장치(111) 사이의 데이터 송수신을 수행한다. 더불어, 통신부(331)는 네트워크(320)를 통해서 서비스 단말(350)과의 데이터 송수신을 수행한다.
제어부(333)는 윤곽 분석부(332) 및 애플리케이션 관리부(336)를 포함한다. 윤곽 분석부(332)는 도 4의 윤곽 분석부(132)와 마찬가지로 인공 지능 연산부(334)를 포함한다. 인공 지능 연산부(334)는 도 4의 인공 지능 연산부(134)와 동일한 기능을 수행할 수 있다. 애플리케이션 관리부(336)는 서비스를 제공하기 위한 서비스 단말(350)의 애플리케이션을 관리한다. 서비스에 등록된 인증된 회원의 서비스 단말(350)에는 알람이나 대상체의 상태 및 이상 징후의 정보를 제공하기 위한 애플리케이션이 설치되어야 한다. 애플리케이션 관리부(336)는 데이터 베이스(335)에 등록된 회원 정보를 기초로 서비스 단말(350)에 애플리케이션을 전송하고 업데이트할 수 있다. 또한, 애플리케이션 관리부(336) 새롭게 가입된 회원 정보를 데이터 베이스(335)에 업데이트할 것이다.
제어부(333)는 윤곽 분석부(332)로부터 사생활 보호 영역 내에서 대상체의 행동에 의해 발생하는 이상 상황에 대한 알람, 대상체의 상태 그리고 해당 이상 상황의 발생 장소들 중 적어도 하나의 정보를 서비스 단말(350)에 제공할 수 있다. 더불어, 대상체에 위급 상황이 발생하는 경우, 제어부(333)는 서비스 단말(350)뿐 아니라 소방서와 같은 유관 기관에도 알람, 대상체의 상태 그리고 해당 이상 상황의 발생 장소들에 관련된 정보를 전송할 수 있다.
이상에서는 본 발명의 제어 서버(330)의 구성이 예시적으로 설명되었다. 하지만, 본 발명의 제어 서버(330)의 구성이나 기능은 도시된 예에만 국한되지 않는다. 이상에서와 같이 도면과 명세서에서 최적 실시 예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100, 300 : 보안 시스템
110 : 사생활 보호 시설
111 : 온도 윤곽 센싱 장치
112 : 온도 윤곽 센서
113 : 모듈
114 : 케이스
115 : 실리콘 막
120, 320 : 네트워크
130, 330 : 제어 서버
132, 332 : 윤곽 분석부
133, 334 : 인공 지능 연산부
134 : 관제부
136 : 빅데이터 데이터 베이스
140, 340 : 관제 모니터
350 : 서비스 단말
331 : 통신부
333 : 제어부335 : 데이터 베이스
336 : 애플리케이션 관리부
110 : 사생활 보호 시설
111 : 온도 윤곽 센싱 장치
112 : 온도 윤곽 센서
113 : 모듈
114 : 케이스
115 : 실리콘 막
120, 320 : 네트워크
130, 330 : 제어 서버
132, 332 : 윤곽 분석부
133, 334 : 인공 지능 연산부
134 : 관제부
136 : 빅데이터 데이터 베이스
140, 340 : 관제 모니터
350 : 서비스 단말
331 : 통신부
333 : 제어부335 : 데이터 베이스
336 : 애플리케이션 관리부
Claims (5)
- 온도 윤곽 센싱 장치(111)와 통신하는 제어 서버(130)의 동작 방법에 있어서:
사생활 보호 공간 영역을 복수의 감시 영역들로 구분하는 단계;
상기 복수의 감시 영역들 중 고정된 영역인 적어도 하나의 감시 영역의 초기 상태의 기본 온도 윤곽 데이터를 상기 온도 윤곽 센싱 장치(111)로부터 제공받는 단계;
상기 온도 윤곽 센싱 장치(111)가 상기 적어도 하나의 감시 영역에서 대상체를 감지한 경우에, 상기 적어도 하나의 감시 영역의 센싱 온도 윤곽 데이터를 상기 온도 윤곽 센싱 장치(111)로부터 제공받는 단계;
상기 기본 온도 윤곽 데이터와 상기 센싱 온도 윤곽 데이터를 비교하여 상기 대상체의 온도 및 윤곽 정보를 포함하는 차 온도 윤곽 데이터를 생성하는 단계;
빅데이터 데이터베이스(136) 및 인공 지능 연산을 통하여 상기 차 온도 윤곽 데이터로부터 상기 대상체의 행동, 상태, 그리고 상기 대상체가 소지한 물체 중 적어도 하나를 분석하는 단계; 그리고
상기 분석 결과를 기초로 감지된 상기 대상체의 이상 행동을 등록된 서비스 사용자의 서비스 단말(350) 또는 관제 모니터(340)에 알리는 단계를 포함하되,
상기 인공 지능 연산은, 상기 기본 온도 윤곽 데이터와 상기 센싱 온도 윤곽 데이터의 차이 값에 대응하는 상기 차 온도 윤곽 데이터에 대한 컨볼루션 신경망 연산을 포함하는 제어 서버의 동작 방법. - 제 1 항에 있어서,
상기 분석하는 단계는,
상기 제어 서버(130)에서, 상기 차 온도 윤곽 데이터를 기초로 상기 대상체의 온도 및 크기를 분석하여 상기 대상체의 개수 및 타입을 구분하는 단계; 그리고
상기 제어 서버(130)에서, 상기 대상체의 개수, 상기 대상체 각각의 타입, 상기 대상체 각각의 온도를 포함하는 정보를 기초로 상기 대상체 각각의 행동 또는 상태를 분석하는 단계를 포함하는 제어 서버의 동작 방법. - 제 1 항에 있어서,
상기 분석하는 단계는,
상기 제어 서버(130)에서, 상기 사생활 보호 공간 영역을 상기 사생활 보호 공간 영역의 벽 부분을 포함하는 경계 영역과 상기 경계 영역 내의 기준 영역으로 구분하는 단계; 그리고
상기 제어 서버(130)에서, 상기 경계 영역과 상기 기준 영역으로 구분된 각각의 영역에서의 상기 대상체의 개수, 상기 대상체 각각의 타입, 상기 대상체 각각의 온도를 포함하는 정보를 기초로 상기 대상체의 행동을 분석하는 단계를 포함하는 제어 서버의 동작 방법. - 제 1 항에 있어서,
상기 분석하는 단계는,
상기 차 온도 윤곽 데이터를 기초로 상기 대상체의 온도 및 크기를 분석하여 상기 대상체의 개수 및 타입을 구분하는 단계;
상기 제어 서버(130)에서, 상기 사생활 보호 공간 영역을 상기 사생활 보호 공간 영역의 벽 부분을 포함하는 경계 영역과 상기 경계 영역 내의 기준 영역으로 구분하는 단계; 그리고
상기 제어 서버(130)에서, 상기 경계 영역과 상기 기준 영역으로 구분된 각각의 영역 내에서 수집된 상기 대상체의 개수, 상기 대상체 각각의 타입, 상기 대상체 각각의 온도를 포함하는 정보를 기초로 상기 대상체 각각의 행동을 분석하는 단계를 포함하는 제어 서버의 동작 방법. - 삭제
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190109335A KR102335526B1 (ko) | 2019-09-04 | 2019-09-04 | 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 |
| PCT/KR2020/011950 WO2021045564A2 (ko) | 2019-09-04 | 2020-09-04 | 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 |
| KR1020210169716A KR20210151032A (ko) | 2019-09-04 | 2021-12-01 | 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190109335A KR102335526B1 (ko) | 2019-09-04 | 2019-09-04 | 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210169716A Division KR20210151032A (ko) | 2019-09-04 | 2021-12-01 | 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210028369A KR20210028369A (ko) | 2021-03-12 |
| KR102335526B1 true KR102335526B1 (ko) | 2021-12-07 |
Family
ID=74852791
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190109335A KR102335526B1 (ko) | 2019-09-04 | 2019-09-04 | 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 |
| KR1020210169716A KR20210151032A (ko) | 2019-09-04 | 2021-12-01 | 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210169716A KR20210151032A (ko) | 2019-09-04 | 2021-12-01 | 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (2) | KR102335526B1 (ko) |
| WO (1) | WO2021045564A2 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230163195A (ko) * | 2022-05-23 | 2023-11-30 | 서울대학교산학협력단 | 영상 기반 군집 개체들의 군집 행동 패턴 분석 장치 및 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101781757B1 (ko) * | 2016-10-20 | 2017-09-28 | 포항공과대학교 산학협력단 | 객체 인식을 위한 수중 이미지 처리장치 및 그 방법 |
| KR101845077B1 (ko) * | 2016-12-12 | 2018-04-03 | 김한주 | 윤곽 분석 서버의 동작 방법, 윤곽 분석 서버와 통신하는 온도 윤곽 센싱 장치, 및 윤곽 분석 서버를 포함하는 보안 시스템 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3046404B2 (ja) * | 1991-07-16 | 2000-05-29 | ホーチキ株式会社 | テレビカメラを用いた火災監視装置 |
| CN110274355B (zh) * | 2014-03-03 | 2022-01-11 | 松下电器（美国）知识产权公司 | 传感方法、传感系统及包含它们的空调设备 |
| KR20170006302A (ko) * | 2015-06-30 | 2017-01-18 | 김한주 | 사생활보호 시설에 적용할 수 있는 보안 시스템 |
-
2019
- 2019-09-04 KR KR1020190109335A patent/KR102335526B1/ko active IP Right Grant
-
2020
- 2020-09-04 WO PCT/KR2020/011950 patent/WO2021045564A2/ko active Application Filing
-
2021
- 2021-12-01 KR KR1020210169716A patent/KR20210151032A/ko active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101781757B1 (ko) * | 2016-10-20 | 2017-09-28 | 포항공과대학교 산학협력단 | 객체 인식을 위한 수중 이미지 처리장치 및 그 방법 |
| KR101845077B1 (ko) * | 2016-12-12 | 2018-04-03 | 김한주 | 윤곽 분석 서버의 동작 방법, 윤곽 분석 서버와 통신하는 온도 윤곽 센싱 장치, 및 윤곽 분석 서버를 포함하는 보안 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021045564A3 (ko) | 2021-04-29 |
| WO2021045564A2 (ko) | 2021-03-11 |
| KR20210028369A (ko) | 2021-03-12 |
| KR20210151032A (ko) | 2021-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10991236B2 (en) | Detecting of patterns of activity based on identified presence detection | |
| US11037300B2 (en) | Monitoring system | |
| Tyndall et al. | Occupancy estimation using a low-pixel count thermal imager | |
| AU2017276830B2 (en) | System and methods for smart intrusion detection using wireless signals and artificial intelligence | |
| Sixsmith et al. | A smart sensor to detect the falls of the elderly | |
| US6614348B2 (en) | System and method for monitoring behavior patterns | |
| EP2390820A2 (en) | Monitoring Changes in Behaviour of a Human Subject | |
| CN103493112A (zh) | 红外传感器系统及方法 | |
| CN105308657A (zh) | 安全和/或监测设备及系统 | |
| US20170076576A1 (en) | Activity monitoring method and system | |
| Tao et al. | Multiperson locating and their soft tracking in a binary infrared sensor network | |
| US10834363B1 (en) | Multi-channel sensing system with embedded processing | |
| KR102335526B1 (ko) | 온도 윤곽 센싱 장치와 통신하는 제어 서버의 동작 방법 | |
| KR101845077B1 (ko) | 윤곽 분석 서버의 동작 방법, 윤곽 분석 서버와 통신하는 온도 윤곽 센싱 장치, 및 윤곽 분석 서버를 포함하는 보안 시스템 | |
| KR102233679B1 (ko) | Ess 침입자 및 화재 감지 장치 및 방법 | |
| KR20210147679A (ko) | 재실 인원 통제 장치 | |
| EP3616095A1 (en) | Computer vision based monitoring system and method | |
| KR102299704B1 (ko) | 재난환경 메타데이터 연계를 통한 스마트 딥러닝 영상감시 시스템 | |
| GB2609519A (en) | An intelligent fire and occupant safety system and method | |
| Fernandez-Carmona et al. | Entropy-based abnormal activity detection fusing RGB-D and domotic sensors | |
| KR102266884B1 (ko) | 전자액자와 동작 감지 센서를 활용한 홈 모니터링 시스템 및 방법 | |
| US11087615B2 (en) | Video/sensor based system for protecting artwork against touch incidents | |
| KR20230058225A (ko) | 열화상 신호를 사용하는 환자 케어 시스템의 제어 서버 | |
| GB2621822A (en) | Monitoring system | |
| CN116682137A (zh) | 训练静态人体检测模型的方法、滞留检测方法及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |