KR102346760B1 - 인공지능 기반의 cctv 영상처리를 위한 서버의 제어 방법, 장치 및 시스템 - Google Patents

Abstract

일 실시예에 따르면 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법이 개시된다.
일 실시예에 따른 장치에 의해 수행되는, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 복수의 CCTV로부터 영상정보를 수집하는 단계, 인공지능모듈을 통하여 상기 영상정보에 대응하는 태그정보를 생성하는 단계, 상기 영상정보 및 상기 태그정보를 데이터베이스에 저장하는 단계, 사용자단말로부터 영상을 검색하기 위한 제1 객체정보, 제1 시간정보 및 제2 장소정보를 포함하는 제1 요청정보를 수신하는 단계, 상기 데이터베이스에 저장된 상기 영상정보 중에서 상기 제1 요청정보에 대응하는 제1 결과영상정보를 추출하는 단계 및 상기 제1 결과영상정보를 상기 사용자단말에 전달하는 단계를 포함할 수 있다.

Description

인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법, 장치 및 시스템{METHOD, DEVICE AND SYSTEM FOR CONTROLING SERVER FOR CCTV IMAGE PROCESSING BASED ON ARTIFICIAL INTELLIGENCE}

아래 실시예들은 CCTV 영상을 검색에 용이하도록 저장하고, 저장공간을 효율적으로 활용할 수 있는 서버 제어 기술에 관한 것이다.

CCTV를 설치하면, CCTV를 통해 촬영된 영상을 보관하고 관리할 수 있는 서버가 필수적이다. 일반적으로 CCTV에 적용되는 서버는 CCTV에서 촬영된 영상을 단순히 날짜별로 보관하거나, 오래된 영상을 삭제하여 용량을 관리하는 정도로 동작하고 있었다.

따라서, CCTV를 관리하는 관리자는 특정 CCTV를 검색하기 위해서는 모든 영상들을 수작업으로 확인해야 했고, 매우 비효율적이며 부정확하다는 문제점이 있었다.

또한, CCTV로 촬영된 영상이 중요도에 따라 장기간 보관할 필요가 있는 경우에도, 일률적으로 특정 기간이 경과되면 삭제되는 방식으로 운용되고 있었기 때문에 나중에 문제가 발생하는 경우도 발생하기도 했다.

이에 본 명세서에서는 인공지능을 기반으로 영상의 검색이 용이하고, 저장공간을 효율적으로 활용하면서 영상을 오랜기간 보관할 수 있는 기술을 제시하고자 한다.

한국등록특허 제10-0890767호(2009.03.20) 한국등록특허 제10-1513215호(2014.04.13) 한국등록특허 제10-1846537호(2018.04.02) 한국등록특허 제10-2063135호(2019.12.31)

실시예들은 CCTV 영상처리를 위한 서버의 제어 기술을 제시하는 것이다.

또한, 실시예들은 CCTV의 영상에 태그정보를 생성하여, 검색이 용이한 제어 기술을 제시하는 것이다.

또한, 실시예들은 사용자의 요청정보를 확장하여 사용자의 요구에 적합한 영상을 추가적으로 제시할 수 있는 기술을 제시하는 것이다.

또한, 실시예들은 CCTV의 영상을 오랜기간 동안 저장하되, 데이터베이스의 용량을 고려하여 CCTV의 영상의 해상도를 조절할 수 있는 기술을 제시하는 것이다.

또한, 실시예들은 CCTV의 영상의 중요도에 따라 저장기간을 조절할 수 있는 기술을 제시하는 것이다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

일 실시예에 따르면, 장치에 의해 수행되는, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법에 있어서, 복수의 CCTV로부터 영상정보를 수집하는 단계, 인공지능모듈을 통하여 상기 영상정보에 대응하는 태그정보를 생성하는 단계, 상기 영상정보 및 상기 태그정보를 데이터베이스에 저장하는 단계, 사용자단말로부터 영상을 검색하기 위한 제1 객체정보, 제1 시간정보 및 제2 장소정보를 포함하는 제1 요청정보를 수신하는 단계, 상기 데이터베이스에 저장된 상기 영상정보 중에서 상기 제1 요청정보에 대응하는 제1 결과영상정보를 추출하는 단계 및 상기 제1 결과영상정보를 상기 사용자단말에 전달하는 단계를 포함할 수 있다.

이 때, 일 실시예에 따른 장치에 의해 수행되는, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 제1 결과영상정보에 포함되는 태그정보를 기반으로 제2 객체정보, 제2 시간정보 및 제2 장소정보를 포함하는 제2 요청정보를 생성하는 단계, 상기 제1 결과영상정보를 촬영한 제1 CCTV의 위치정보를 기반으로 기설정된 임계거리범위 내에 위치하는 제2 CCTV를 선택하는 단계, 상기 제2 CCTV로부터 전달받은 영상정보 중에서 상기 제2 요청정보에 대응하는 제2 결과영상정보를 추출하는 단계, 상기 제1 결과영상정보를 기반으로 제1 객체정보에 상응하는 객체의 이동방향을 산출하는 단계 및 상기 이동방향 및 상기 제2 CCTV의 위치정보를 기반으로, 상기 제2 CCTV의 위치가 상기 이동방향을 중심으로 상기 제1 CCTV의 이전에 위치하는 경우, 상기 제2 결과영상정보 중 상기 제1 시간정보에서 기설정된 쉬프트시간범위만큼 과거로 쉬프트된 영상만을 추출하여 제3 결과영상정보를 생성하고, 상기 제2 CCTV의 위치가 상기 이동방향을 중심으로 상기 제1 CCTV의 이후에 위치하는 경우, 상기 제2 결과영상정보 중 상기 제1 시간정보에서 상기 쉬프트시간범위 만큼 앞으로 쉬프트된 영상만을 추출하여 제3 결과영상정보를 생성하는 단계를 더 포함할 수 있고,

상기 사용자단말에 전달하는 단계는, 상기 제1 결과영상정보, 상기 제2 결과영상정보 및 상기 제3 결과영상정보를 상기 사용자단말에 전달할 수 있다.

이 때, 일 실시예에 따른 장치에 의해 수행되는, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 영상정보가 상기 데이터베이스에 저장된 기간이 기설정된 임계저장기간을 경과하면 상기 영상정보의 해상도를 기설정된 제1 해상도로 변환하여 제1 변환영상정보를 생성하고, 생성된 상기 제1 변환영상정보를 상기 데이터베이스에 저장하며, 상기 영상정보를 상기 데이터베이스에서 제거하고, 상기 제1 변환영상정보가 상기 데이터베이스에 저장된 기간이 상기 임계저장기간을 경과하면 상기 제1 변환영상정보의 해상도를 상기 제1 해상도보다 낮게 기설정된 제2 해상도로 변환하여 제2 변환영상정보를 생성하고, 생성된 상기 제2 변환영상정보를 상기 데이터베이스에 저장하며, 상기 제1 변환영상정보를 상기 데이터베이스에서 제거하고, 상기 제2 변환영상정보가 상기 데이터베이스에 저장된 기간이 상기 임계저장기간을 경과하면 상기 제2 변환영상정보의 해상도를 상기 제2 해상도보다 낮게 기설정된 제3 해상도로 변환하여 제3 변환영상정보를 생성하고, 생성된 상기 제3 변환영상정보를 상기 데이터베이스에 저장하며, 상기 제2 변환영상정보를 상기 데이터베이스에서 제거하고, 상기 제3 변환영상정보가 상기 데이터베이스에 저장된 기간이 상기 임계저장기간을 경과하면 상기 제3 변환영상정보를 상기 데이터베이스에서 제거하는 단계를 더 포함할 수 있다.

이 때, 상기 임계저장기간은,

상기 제1 요청정보에 의하여 추출된 횟수와 상기 제2 요청정보에 의하여 추출된 횟수를 기반으로 위 수학식에 의하여 설정되되, TSD(Threshold Storage Duration)은 상기 임계저장기간을 의미하고, SSD(Standard Storage Duration)은 기준저장기간을 의미하고, NoDR(Number of Direct Request)은 상기 제1 요청정보에 의하여 추출된 횟수를 의미하고, NoIR(Number of Indirect Request)은 상기 제2 요청정보에 의하여 추출된 횟수를 의미하고, K1은 상기 제1 요청정보를 기반으로 설정된 제1 가중치를 의미하고, K2는 상기 제2 요청정보를 기반으로 설정된 제2 가중치를 의미하고, 상기 K1은 상기 K2보다 크게 설정될 수 있다.

이 때, 일 실시예에 따른 장치에 의해 수행되는, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 기설정된 확인기간동안 상기 데이터베이스에 저장되는 용량을 기반으로 저장속도를 산출하는 단계, 상기 데이터베이스의 잔여용량을 확인하는 단계, 상기 저장속도가 기설정된 임계저장속도보다 빠르면서, 상기 잔여용량이 기설정된 임계잔여용량보다 적은 것으로 확인되면, 상기 임계저장기간을 기설정된 제2 감소비율 만큼 감소시키는 단계, 상기 저장속도가 기설정된 임계저장속도보다 빠르면서, 상기 잔여용량이 기설정된 임계잔여용량보다 많은 것으로 확인되면, 상기 임계저장기간을 상기 제2 감소비율보다 적게 기설정된 제1 감소비율 만큼 감소시키는 단계, 상기 저장속도가 기설정된 임계저장속도보다 적으면서, 상기 잔여용량이 기설정된 임계잔여용량보다 적은 것으로 확인되면, 상기 임계저장기간을 기설정된 제1 증가비율 만큼 증가시키는 단계 및 상기 저장속도가 기설정된 임계저장속도보다 적으면서, 상기 잔여용량이 기설정된 임계잔여용량보다 많은 것으로 확인되면, 상기 임계저장기간을 상기 제1 증가비율보다 많게 기설정된 제2 증가비율 만큼 증가시키는 단계를 더 포함할 수 있다.

실시예들을 통하여, CCTV 영상처리를 위한 서버의 제어 기술을 제시할 수 있다.

또한, 실시예들을 통하여, CCTV의 영상에 태그정보를 생성하여, 검색이 용이한 제어 기술을 제시할 수 있다.

또한, 실시예들을 통하여, 사용자의 요청정보를 확장하여 사용자의 요구에 적합한 영상을 추가적으로 제시할 수 있는 기술을 제시할 수 있다.

또한, 실시예들을 통하여, CCTV의 영상을 오랜기간 동안 저장하되, 데이터베이스의 용량을 고려하여 CCTV의 영상의 해상도를 조절할 수 있는 기술을 제시할 수 있다.

또한, 실시예들을 통하여, CCTV의 영상의 중요도에 따라 저장기간을 조절할 수 있는 기술을 제시할 수 있다.

한편, 실시예들에 따른 효과는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일 실시예에 따른 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 시스템을 설명하기 위한 구성도이다.
도 2는 일 실시예에 따른 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법을 설명하기 위한 순서도이다.
도 3은 일 실시예에 따라 제2 결과영상정보 및 제3 결과영상정보를 추출 및 생성하는 과정을 설명하기 위한 순서도이다.
도 4는 일 실시예에 따라 제2 CCTV의 위치를 기반으로 제3 결과영상정보를 생성하는 개념도이다.
도 5는 일 실시예에 따라 영상정보의 해상도와 저장용량의 관계를 기반으로 데이터베이스의 용량관리를 설명하기 위한 순서도이다.
도 6은 일 실시예에 따라 저장속도 및 잔여용량을 기반으로 임계저장기간을 재설정하는 과정을 설명하기 위한 순서도이다.
도 7은 일 실시예에 따른 장치의 구성의 예시도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 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 실시예가 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.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

이하에서 도면을 참조하여 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법, 장치 및 시스템에 대하여 설명하도록 한다.

도 1은 일 실시예에 따른 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 시스템을 설명하기 위한 구성도이다.

도 1을 참조하면, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 시스템은 복수개의 CCTV(200), CCTV(200)에서 생성된 영상정보를 저장 및 관리하는 장치(100), 사용자가 검색을 하기 위하여 사용하는 사용자단말(300)을 포함할 수 있다.

이 때, CCTV(200)는 지정된 위치에 설치되어 영상정보를 생성할 수 있는 디지털 카메라, 캠코더 등 카메라모듈을 포함하는 단말을 모두 포함할 수 있다.

이 때, 사용자단말(300)은 컴퓨터, 스마트폰, 핸드폰, 태블릿 PC, 디지털 카메라, 캠코더, 전자책 단말기, 디지털 방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 착용형 기기(wearable device), 오디오, DVD 플레이어 등 통신이 가능한 장치를 모두 포함할 수 있다.

이 때, 장치(100)는 장치(100)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(100)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(100)는 추론 기능을 수행하는 적어도 하나 이상의 인공지능모듈을 구비할 수 있다. 장치(100)는 CCTV(200) 및 사용자단말(300)과 유무선으로 통신하도록 구성될 수 있다.

이 때, 장치(100)는 후술하는 CCTV 영상처리를 위한 서버의 제어 방법을 수행함으로써 본 발명의 목적을 달성할 수 있으며, 상세한 동작은 매출 분석 및 재고 관리 방법을 통해 자세하게 설명하도록 한다.

도 2는 일 실시예에 따른 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법을 설명하기 위한 순서도이다.

도 2를 참조하면, 일 실시예에 따른 장치(100)에 의해 수행되는 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 먼저 복수의 CCTV(200)로부터 영상정보를 수집한다(S201).

이 때, 영상정보는 CCTV(200)에서 촬영된 영상, 촬영된 시점, CCTV(200)의 위치정보, CCTV(200) 고유의 식별정보를 포함할 수 있다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 인공지능모듈을 통하여 상기 영상정보에 대응하는 태그정보를 생성할 수 있다(S203).

이 때, 태그정보는 상기 영상정보에 나타나는 객체정보(남자 2명, 자동차 1대, 건물 2개 등), 객체의 상태정보(이동중, 정지중, 돌발상황발생 등), 환경정보(날씨정보 등)을 포함할 수 있다.

이 때, 상기 인공지능모듈은 머신러닝의 한 분야인 딥러닝(Deep Learning) 기법을 이용하여 상기 영상정보에서 객체에 대한 정보가 도출될 수 있도록 학습을 수행할 수 있다.

또한, 인공지능모듈은 딥러닝을 통하여 상기 함수에서의 복수 개의 입력들의 가중치(weight)를 학습을 통하여 산출할 수 있다. 또한, 이러한 학습을 위하여 활용되는 인공지능망 모델로는 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 등 다양한 모델들을 활용할 수 있을 것이다.

여기서 RNN은 현재의 데이터와 과거의 데이터를 동시에 고려하는 딥러닝 기법으로서, 순환 신경망(RNN)은 인공 신경망을 구성하는 유닛 사이의 연결이 방향성 사이클(directed cycle)을 구성하는 신경망을 나타낸다. 나아가, 순환 신경망(RNN)을 구성할 수 있는 구조에는 다양한 방식이 사용될 수 있는데, 예컨대, 완전순환망(Fully Recurrent Network), 홉필드망(Hopfield Network), 엘만망(Elman Network), ESN(Echo state network), LSTM(Long short term memory network), 양방향(Bi-directional) RNN, CTRNN(Continuous-time RNN), 계층적 RNN, 2차 RNN 등이 대표적인 예이다. 또한, 순환 신경망(RNN)을 학습시키기 위한 방법으로서, 경사 하강법, Hessian Free Optimization, Global Optimization Method 등의 방식이 사용될 수 있다.

또한, 인공지능망 모델로 패턴 인식 등에 잘 활용되는 SVM(Supported Vector Machine) 신경망 알고리즘을 활용하여 기계학습모델을 생성할 수 있다.

여기서, SVM 즉, 서포트 벡터 머신은 기계학습의 분야 중 하나로 패턴인식, 자료분석을 위한 지도학습모델이며, 주로 분류와 회귀분석을 위해 사용될 수 있고, 두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, SVM 알고리즘은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만들 수 있다.

이를 통하여 보다 정확하게 영상정보에서 태그정보를 생성할 수 있다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 영상정보 및 상기 태그정보를 데이터베이스에 저장할 수 있다(S205).

이 때, 데이터베이스는 장치(100)에 포함되는 구성으로써, 저장용량에 대하여 한계를 가지고 있다. 따라서, 저장용량을 관리할 수 있는 구성이 필요하며, 이와 관련하여 도 5를 참조하여 후술하도록 한다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 사용자단말(300)로부터 영상을 검색하기 위한 제1 객체정보, 제1 시간정보 및 제2 장소정보를 포함하는 제1 요청정보를 수신할 수 있다(S207).

본 발명의 주 목적 중 하나로써, CCTV(200)의 영상 중에서 사용자가 원하는 영상을 검색하기 위하여, 사용자가 사용하는 사용자단말(300)로부터 제1 요청정보를 수신할 수 있다.

이 때, 제1 요청정보는 사용자가 원하는 객체, 객체의 상태에 대한 제1 객체정보, 특정시간을 선택하는 제1 시간정보, 특정장소를 선택하는 제1 장소정보를 포함할 수 있다.

예를 들면, 사용자는 A라는 장소에 지나가는 남자를 확인하고 싶은 경우, 제1 객체정보로써, 남자, 이동중 이라는 정보와 상기 제1 장소정보로써, A라는 정보를 사용자단말(300)을 통하여 장치(100)에 전달할 수 있다. 이 때, 제1 시간정보는 특정되지 않을 수 있으며 이때는 모든 시간을 검색하도록 요청할 수 있다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 데이터베이스에 저장된 상기 영상정보 중에서 상기 제1 요청정보에 대응하는 제1 결과영상정보를 추출할 수 있다(S209).

이 때, 상기 태그정보와 상기 제1 요청정보가 완벽히 매칭되지 않을 수 있다. 따라서, 상기 인공지능모듈을 통하여 상기 태그정보에 포함된 단어와 상기 제1 요청정보에 포함된 단어를 워드임베딩(Word-Embedding) 기반으로 단어간의 유사도를 산출하고, 상기 유사도를 기반으로 상기 제1 결과영상정보를 추출할 수도 있다.

이 때, 워드임베딩(Word-Embedding)이란, 단어 간 유사도 및 중요도 파악을 위해 단어를 저차원의 실수 벡터로 맵핑하여 의미적으로 비슷한 단어를 가깝게 배치하는 자연어 처리 모델링 기술로써, 딥러닝 기반으로 구성할 수 있다.

이 때, 상기 제1 결과영상정보는 상기 제1 요청정보에 대응하는 모든 영상정보일 수 있으나, 이 경우, 사용자단말(300)로 전달하는 데에 네트워크리소스를 많이 사용한다는 문제가 생길 수 있고, 사용자로 하여금 또 다시 직접 검색을 해야한다는 번거로움이 발생할 수 있다.

따라서, 상기 제1 결과영상정보는 상기 제1 요청정보에 대응하는 모든 영상정보를 상기 제1 요청정보와 상기 태그정보와의 매칭점수가 높은 순으로 정렬하고, 상위 10개 내외만을 상기 제1 결과영상정보로 추출할 수도 있다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 제1 결과영상정보를 상기 사용자단말(300)에 전달할 수 있다(S211).

도 3은 일 실시예에 따라 제2 결과영상정보 및 제3 결과영상정보를 추출 및 생성하는 과정을 설명하기 위한 순서도이고, 도 4는 일 실시예에 따라 제2 CCTV(200-2)의 위치를 기반으로 제3 결과영상정보를 생성하는 개념도이다.

도 3을 참조하면, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 제1 결과영상정보에 포함되는 태그정보를 기반으로 제2 객체정보, 제2 시간정보 및 제2 장소정보를 포함하는 제2 요청정보를 생성할 수 있다(S301).

이 때, 상기 제1 결과영상정보는 사용자의 제1 요청정보를 기반으로 추출된 것인데, 사용자가 원하는 영상을 검색하기 위한 키워드가 상기 제1 요청정보에 포함되지 않아 원하는 영상이 검색되지 않을 우려가 있다.

따라서, 사용자가 원하는 영상을 보다 정확하고 면밀하게 검색하기 위하여, 사용자의 제1 요청정보를 기반으로 추출한 제1 결과영상정보의 태그정보를 기반으로 제2 객체정보, 제2 시간정보 및 제2 장소정보를 포함하는 제2 요청정보를 생성할 수 있다.

예를 들어, A라는 장소에 지나가는 파란옷을 입은 여자를 찾고 싶은데, 사용자는 검은 옷을 입은 남자라고 착각하여, 상기 제1 요청정보로써 A, 검은옷, 남자, 이동중을 장치(100)로 전달할 수 있다. 이 때, 상기 제1 요청정보와 100% 매칭되는 영상이 있기도 하겠지만, 일부만이 매칭되는 영상도 제1 결과영상정보로써 추출될 수 있다. 이 때, 일부만이 매칭되는 제1 결과영상정보에는 태그정보로써, A, 파란옷, 여자, 이동중이라고 저장되어 있을 수 있다. 이 때, 제2 요청정보는 A, 파란옷, 여자, 이동중으로 생성될 수 있다. 이를 통하여, 사용자는 착각으로 제1 요청정보를 전달하였지만, 실질적으로 원하는 영상을 얻을 수 있다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 제1 결과영상정보를 촬영한 제1 CCTV(200-1)의 위치정보를 기반으로 기설정된 임계거리범위 내에 위치하는 제2 CCTV(200-2)를 선택할 수 있다(S303).

이는 후술하는 바와 같이 이동하는 객체의 이동에 따라 전후 사정이 담긴 영상정보를 추출하기 위한 것으로써, 상기 임계거리범위는 객체의 이동속도를 기반으로 설정될 수 있다. 예를 들어, 상기 객체가 사람일 때의 임계거리범위는 상기 객체가 자동차일 때의 임계거리범위보다 좁을 수 있다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 제2 CCTV(200-2)로부터 전달받은 영상정보 중에서 상기 제2 요청정보에 대응하는 제2 결과영상정보를 추출할 수 있다(S305).

상기 제2 요청정보를 기반으로 데이터베이스에 저장된 모든 영상정보에서 제2 결과영상정보를 추출하는 것은 매우 비효율적일 수 있다. 이는 의미없는 자료의 확장으로 이어질 수 있기 때문이다. 따라서, 제1 CCTV(200-1)와의 거리로 1차적으로 필터링한 후 제2 요청정보를 기반으로 제2 결과영상정보를 추출하는 것이 바람직하다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 제1 결과영상정보를 기반으로 제1 객체정보에 상응하는 객체의 이동방향(400)을 산출할 수 있다(S307).

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 이동방향(400) 및 상기 제2 CCTV(200-2)의 위치정보를 기반으로 제3 결과영상정보를 생성할 수 있다. 보다 상세하게는 이동방향(400)을 기반으로 상기 제1 CCTV(200-1)와 제2 CCTV(200-2)의 위치를 비교할 수 있다(S309). 이는 사용자가 원하는 객체가 촬영된 영상만을 집중적으로 추출하기 위함이다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 제2 CCTV(200-2)의 위치가 상기 이동방향(400)을 중심으로 상기 제1 CCTV(200-1)의 이전에 위치하는 경우, 상기 제2 결과영상정보 중 상기 제1 시간정보에서 기설정된 쉬프트시간범위만큼 과거로 쉬프트된 영상만을 추출하여 제3 결과영상정보를 생성할 수 있다(S311).

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 제2 CCTV(200-2)의 위치가 상기 이동방향(400)을 중심으로 상기 제1 CCTV(200-1)의 이후에 위치하는 경우, 상기 제2 결과영상정보 중 상기 제1 시간정보에서 상기 쉬프트시간범위 만큼 앞으로 쉬프트된 영상만을 추출하여 제3 결과영상정보를 생성할 수 있다(S313).

이 때, 쉬프트시간범위는 상기 객체의 이동속도를 기반으로 설정될 수 있다. 예를 들어, 상기 객체가 사람일 때의 상기 쉬프트시간범위는 상기 객체가 자동차일 때의 상기 쉬프트시간범위보다 짧을 수 있다.

이 때, 상기 사용자단말(300)에 전달하는 단계(S211)는 상기 제1 결과영상정보, 상기 제2 결과영상정보 및 상기 제3 결과영상정보를 상기 사용자단말(300)에 전달할 수 있다.

도 5는 일 실시예에 따라 영상정보의 해상도와 저장용량의 관계를 기반으로 데이터베이스의 용량관리를 설명하기 위한 순서도이다.

상술한 바와 같이 데이터베이스는 용량이 한정적이다. 따라서, 상기 영상정보를 무제한으로 저장할 수 없으며, 새로운 영상정보가 저장될 때마다 오래된 영상정보는 삭제하는 것이 바람직하다.

다만, 이러한 경우, 중요한 영상정보가 기간이 오래되었다는 이유만으로 삭제되는 문제가 발생할 수 있다. 따라서, 영상의 디테일은 다소 줄이더라도 오랜기간 저장할 수 있도록 상기 영상정보의 해상도를 변환하여 저장할 수도 있다.

보다 상세하게 살펴보면, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 영상정보가 상기 데이터베이스에 저장된 기간이 기설정된 임계저장기간을 경과하면 상기 영상정보의 해상도를 기설정된 제1 해상도로 변환하여 제1 변환영상정보를 생성하고, 생성된 상기 제1 변환영상정보를 상기 데이터베이스에 저장하며, 상기 영상정보를 상기 데이터베이스에서 제거하고, 상기 제1 변환영상정보가 상기 데이터베이스에 저장된 기간이 상기 임계저장기간을 경과하면 상기 제1 변환영상정보의 해상도를 상기 제1 해상도보다 낮게 기설정된 제2 해상도로 변환하여 제2 변환영상정보를 생성하고, 생성된 상기 제2 변환영상정보를 상기 데이터베이스에 저장하며, 상기 제1 변환영상정보를 상기 데이터베이스에서 제거하고, 상기 제2 변환영상정보가 상기 데이터베이스에 저장된 기간이 상기 임계저장기간을 경과하면 상기 제2 변환영상정보의 해상도를 상기 제2 해상도보다 낮게 기설정된 제3 해상도로 변환하여 제3 변환영상정보를 생성하고, 생성된 상기 제3 변환영상정보를 상기 데이터베이스에 저장하며, 상기 제2 변환영상정보를 상기 데이터베이스에서 제거하고, 상기 제3 변환영상정보가 상기 데이터베이스에 저장된 기간이 상기 임계저장기간을 경과하면 상기 제3 변환영상정보를 상기 데이터베이스에서 제거하는 단계를 더 포함할 수 있다.

이 때, 임계저장기간은 2개월, 6개월 등 사용자에 의하여 고정된 기간일 수도 있고, 후술하는 바와 같이, 영상의 중요도에 따라 변동하는 기간일 수도 있다.

이 때, 제1 해상도, 제2 해상도, 제3 해상도는 각각 1080p, 720p, 360p 일 수 있으며, 또는 상기 영상정보의 원래 해상도를 기반으로 설정될 수도 있다.

상술한 구성을 통하여, 영상을 상기 임계저장기간이 지난 것만으로 제거하지 않고, 낮은 용량으로 오랜 기간 저장할 수 있다.

상술한 바와 같이, 영상정보는 중요도가 서로 상이하다. 따라서, 모든 영상정보를 균일한 기준에 따라 제거하는 것은 바람직하지 못하다.

따라서, 본 발명의 일 실시예에 따르며, 상기 임계저장기간은,

상기 제1 요청정보에 의하여 추출된 횟수와 상기 제2 요청정보에 의하여 추출된 횟수를 기반으로 상기 수학식 1에 의하여 설정될 수 있다.

보다 상세하게는, TSD(Threshold Storage Duration)은 상기 임계저장기간을 의미하고, SSD(Standard Storage Duration)은 기준저장기간을 의미하고, NoDR(Number of Direct Request)은 상기 제1 요청정보에 의하여 추출된 횟수를 의미하고, NoIR(Number of Indirect Request)은 상기 제2 요청정보에 의하여 추출된 횟수를 의미하고, K1은 상기 제1 요청정보를 기반으로 설정된 제1 가중치를 의미하고, K2는 상기 제2 요청정보를 기반으로 설정된 제2 가중치를 의미하고, 상기 K1은 상기 K2보다 크게 설정될 수 있다.

이 때, 상기 기준저장기간은 사용자에 의하여 임의로 설정될 수 있으며, 예를 들면, 2개월, 6개월 또는 1년 등으로 설정될 수 있다.

상기 제1 요청정보는 사용자가 직접 설정한 요청정보로써, 상기 제2 요청정보보다 중요성이 높다고 볼 수 있다. 따라서, 상기 제1 요청정보에 의하여 추출된 횟수와 상기 제2 요청정보에 의하여 추출된 횟수를 동일하게 볼 순 없다.

이에, 상기 NoDR에 K1의 가중치를 부가하고, 상기 NoIR에 K2의 가중치를 부가할 수 있으며, 이 때, 상기 K1은 상기 K2보다 높게 설정될 수 있다.

상기 수학식 1을 통하여, 사용자의 요청에 많이 추출된 영상을 오랜기간동안 저장할 수 있다.

도 6은 일 실시예에 따라 저장속도 및 잔여용량을 기반으로 임계저장기간을 재설정하는 과정을 설명하기 위한 순서도이다.

도 6을 참조하면, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 기설정된 확인기간 동안 상기 데이터베이스에 저장되는 용량을 기반으로 저장속도를 산출할 수 있으며(S601), 상기 데이터베이스의 잔여용량을 확인할 수 있다(S603).

이 때, 저장속도는 사용자가 임의로 설정한 확인기간(ex. 1달, 1주 등)동안 데이터베이스에 저장되는 용량을 상기 확인기간으로 나눈 값일 수 있다. 예를 들어, 30일동안 120GB의 용량이 저장되는 경우에는 4GB/day가 상기 저장속도이다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 장치(100)를 통해, 상기 저장속도와 기설정된 임계저장속도를 비교할 수 있다(S605).

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 장치(100)를 통해, 상기 저장속도와 상기 임계저장속도와의 비교 결과에 따라 상기 잔여용량과 기설정된 임계잔여용량과 비교할 수 있다(S607, S613).

상술한 S601, S603, S605, S607 및 S613 단계를 지나고, 본 발명의 일 실시예에 따른 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 저장속도가 기설정된 임계저장속도보다 빠르면서, 상기 잔여용량이 기설정된 임계잔여용량보다 적은 것으로 확인되면, 상기 임계저장기간을 기설정된 제2 감소비율 만큼 감소시킬 수 있다(S609).

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 저장속도가 기설정된 임계저장속도보다 빠르면서, 상기 잔여용량이 기설정된 임계잔여용량보다 많은 것으로 확인되면, 상기 임계저장기간을 상기 제2 감소비율보다 적게 기설정된 제1 감소비율 만큼 감소시킬 수 있다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 저장속도가 기설정된 임계저장속도보다 적으면서, 상기 잔여용량이 기설정된 임계잔여용량보다 적은 것으로 확인되면, 상기 임계저장기간을 기설정된 제1 증가비율 만큼 증가시킬 수 있다.

또한, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법은 상기 저장속도가 기설정된 임계저장속도보다 적으면서, 상기 잔여용량이 기설정된 임계잔여용량보다 많은 것으로 확인되면, 상기 임계저장기간을 상기 제1 증가비율보다 많게 기설정된 제2 증가비율 만큼 증가시킬 수 있다.

이 때, 상기 제1 증가비율, 상기 제2 증가비율, 상기 제1 감소비율 및 상기 제2 감소비율은 사용자에 의하여 임의로 설정될 수 있으며, 예를 들면, 각각 10%, 20%, -10%, -20%로 설정될 수도 있다.

상술한 구성을 통하여, 데이터베이스의 잔여용량을 관리하면서, 중요한 데이터의 저장기간을 충분히 확보할 수 있다는 장점을 가질 수 있다.

도 7은 일 실시예에 따른 장치(100)의 구성의 예시도이다.

일 실시예에 따른 장치(100)는 프로세서(710) 및 메모리(720)를 포함한다. 일 실시예에 따른 장치(100)는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 6을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 6을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(720)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(720)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(710)는 프로그램을 실행하고, 장치(100)를 제어할 수 있다. 프로세서(710)에 의하여 실행되는 프로그램의 코드는 메모리(720)에 저장될 수 있다. 장치(100)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (3)

1. 장치에 의해 수행되는, 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법에 있어서,
   복수의 CCTV로부터 영상정보를 수집하는 단계;
   인공지능모듈을 통하여 상기 영상정보에 대응하는 태그정보를 생성하는 단계;
   상기 영상정보 및 상기 태그정보를 데이터베이스에 저장하는 단계;
   사용자단말로부터 영상을 검색하기 위한 제1 객체정보, 제1 시간정보 및 제2 장소정보를 포함하는 제1 요청정보를 수신하는 단계;
   상기 데이터베이스에 저장된 상기 영상정보 중에서 상기 제1 요청정보에 대응하는 제1 결과영상정보를 추출하는 단계;
   상기 제1 결과영상정보를 상기 사용자단말에 전달하는 단계;
   상기 제1 결과영상정보에 포함되는 태그정보를 기반으로 제2 객체정보, 제2 시간정보 및 제2 장소정보를 포함하는 제2 요청정보를 생성하는 단계;
   상기 제1 결과영상정보를 촬영한 제1 CCTV의 위치정보를 기반으로 기설정된 임계거리범위 내에 위치하는 제2 CCTV를 선택하는 단계;
   상기 제2 CCTV로부터 전달받은 영상정보 중에서 상기 제2 요청정보에 대응하는 제2 결과영상정보를 추출하는 단계;
   상기 제1 결과영상정보를 기반으로 제1 객체정보에 상응하는 객체의 이동방향을 산출하는 단계; 및
   상기 이동방향 및 상기 제2 CCTV의 위치정보를 기반으로,
   상기 제2 CCTV의 위치가 상기 이동방향을 중심으로 상기 제1 CCTV의 이전에 위치하는 경우, 상기 제2 결과영상정보 중 상기 제1 시간정보에서 기설정된 쉬프트시간범위만큼 과거로 쉬프트된 영상만을 추출하여 제3 결과영상정보를 생성하고,
   상기 제2 CCTV의 위치가 상기 이동방향을 중심으로 상기 제1 CCTV의 이후에 위치하는 경우, 상기 제2 결과영상정보 중 상기 제1 시간정보에서 상기 쉬프트시간범위 만큼 앞으로 쉬프트된 영상만을 추출하여 제3 결과영상정보를 생성하는 단계; 를 더 포함하고,
   상기 사용자단말에 전달하는 단계는,
   상기 제1 결과영상정보, 상기 제2 결과영상정보 및 상기 제3 결과영상정보를 상기 사용자단말에 전달하는 것을 특징으로 하는 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법.
   
2. 삭제
3. 청구항 1에 있어서,
   상기 영상정보가 상기 데이터베이스에 저장된 기간이 기설정된 임계저장기간을 경과하면 상기 영상정보의 해상도를 기설정된 제1 해상도로 변환하여 제1 변환영상정보를 생성하고, 생성된 상기 제1 변환영상정보를 상기 데이터베이스에 저장하며, 상기 영상정보를 상기 데이터베이스에서 제거하고,
   상기 제1 변환영상정보가 상기 데이터베이스에 저장된 기간이 상기 임계저장기간을 경과하면 상기 제1 변환영상정보의 해상도를 상기 제1 해상도보다 낮게 기설정된 제2 해상도로 변환하여 제2 변환영상정보를 생성하고, 생성된 상기 제2 변환영상정보를 상기 데이터베이스에 저장하며, 상기 제1 변환영상정보를 상기 데이터베이스에서 제거하고,
   상기 제2 변환영상정보가 상기 데이터베이스에 저장된 기간이 상기 임계저장기간을 경과하면 상기 제2 변환영상정보의 해상도를 상기 제2 해상도보다 낮게 기설정된 제3 해상도로 변환하여 제3 변환영상정보를 생성하고, 생성된 상기 제3 변환영상정보를 상기 데이터베이스에 저장하며, 상기 제2 변환영상정보를 상기 데이터베이스에서 제거하고,
   상기 제3 변환영상정보가 상기 데이터베이스에 저장된 기간이 상기 임계저장기간을 경과하면 상기 제3 변환영상정보를 상기 데이터베이스에서 제거하는 단계; 를 더 포함하는 것을 특징으로 하는 인공지능 기반의 CCTV 영상처리를 위한 서버의 제어 방법.

Images