KR102377393B1 - 중장비 및 가스관 인식용 영상 분석 방법 및 시스템 - Google Patents

중장비 및 가스관 인식용 영상 분석 방법 및 시스템 Download PDF

Info

Publication number
KR102377393B1
KR102377393B1 KR1020200006421A KR20200006421A KR102377393B1 KR 102377393 B1 KR102377393 B1 KR 102377393B1 KR 1020200006421 A KR1020200006421 A KR 1020200006421A KR 20200006421 A KR20200006421 A KR 20200006421A KR 102377393 B1 KR102377393 B1 KR 102377393B1
Authority
KR
South Korea
Prior art keywords
heavy equipment
image
gas pipe
buried
information
Prior art date
Application number
KR1020200006421A
Other languages
English (en)
Other versions
KR20210092924A (ko
Inventor
홍용만
김보경
김종성
Original Assignee
에스케이 주식회사
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 에스케이 주식회사 filed Critical 에스케이 주식회사
Priority to KR1020200006421A priority Critical patent/KR102377393B1/ko
Publication of KR20210092924A publication Critical patent/KR20210092924A/ko
Application granted granted Critical
Publication of KR102377393B1 publication Critical patent/KR102377393B1/ko

Links

Images

Classifications

    • 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
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Image Analysis (AREA)

Abstract

영상 분석 방법 및 시스템에서 가스관 부근의 굴삭기와 같은 중장비를 Computer Vision 및 AI 기술을 활용하여 검출하는 영상 분석 방법 및 시스템이 제공된다. 본 발명의 실시예에 따른 중장비 및 가스관 인식용 영상 분석 방법은, 영상 분석 시스템이 카메라를 통해 수집되는 이미지를 학습 데이터로 이용하여 딥러닝 기반의 이미지 학습 모델을 학습시키는 단계; 학습된 이미지 학습 모델을 기반으로 이미지가 입력되면, 영상 분석 시스템이 입력된 이미지 내 중장비를 인식하는 단계; 및 영상 분석 시스템이 입력된 이미지와 매칭되는 GIS 데이터에 포함된 매립 가스관 정보를 이용하여, 화면에 표시되는 지역 내 매립된 가스관과 중장비의 충돌 위험 상황을 탐지하는 단계;를 포함한다. 이에 의해, 이미지 처리 기술을 활용하여, 다양한 환경 및 크기의 학습 데이터를 확보함으로써, 입력된 이미지 내에 중장비 인식 시, 이미지 학습 모델의 성능을 향상시킬 수 있다. 더불어, 중장비의 인식 결과와 입력된 이미지와 매칭되는 GIS 데이터에 포함된 가스관, 통신 케이블 및 수도관 등의 시설물 정보를 이용하여, 매립된 시설물과 중장비의 충돌 위험 상황을 탐지할 수 있다.

Description

중장비 및 가스관 인식용 영상 분석 방법 및 시스템{Image analysis method and system for recognition of Heavy Equipment and Gas Pipe}
본 발명은 영상 분석 방법 및 시스템에 관한 것으로, 더욱 상세하게는 영상 분석 방법 및 시스템에서 가스관 부근의 굴삭기와 같은 중장비를 Computer Vision 및 AI 기술을 활용하여 검출하는 영상 분석 방법 및 시스템에 관한 것이다.
일반적으로, 건설현장, 토목공사현장, 채석장, 광산 또는 각종 산업현장에는 크레인, 덤프트럭, 불도저, 굴삭기, 휠로더, 지게차 등과 같은 다양한 종류의 중장비가 널리 사용되고 있으며, 대부분 중장비 차체가 크고 무겁고, 막대한 동력이 발생되므로 중장비를 운전하는 운전자는 안전운전을 위하여 항상 주의를 기울여야 하며, 운전을 잘못할 경우 큰 사고를 일으킬 우려가 항상 존재할 뿐만 아니라, 중장비 차량들은 단 한 명의 운전자에 의하여 구동되고 있으며, 이 경우, 해당 중장비 차량의 운전자가 차량 주변의 상황을 모두 인식하는 것은 불가능하기 때문에 사고 발생 위험이 존재한다.
이러한 문제점을 해결하기 위해, 기존에는 CCTV 또는 드론 등을 이용하여, 수집되는 영상을 분석하여, 사고 발생 위험을 판단하고, 경고 알람을 전달하는 기술들이 등장하였으나, 이러한 기술들은, 소형 중장비 또는 그늘 등에 가려져 어둡거나, 햇빛에 반사되는 경우, 검출 정확도가 떨어지는 문제가 존재한다.
더불어, 굴삭기의 경우, 굴삭기만을 객체로 인식하여, 굴삭기의 작업으로 인하여, 지면에 매립된 가스관, 통신 케이블 또는 수도관 등의 기반 시설을 파괴되거나 손상시킬 수 있는 위험을 감지하지 못해, 그 한계가 명확하게 존재한다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 다양한 환경 및 크기의 학습 데이터를 확보함으로써, 입력된 이미지 내에 중장비 인식 시, 이미지 학습 모델의 성능을 향상시킬 수 있는 중장비 및 가스관 인식용 영상 분석 방법 및 시스템을 제공함에 있다.
더불어, 중장비의 인식 결과와 입력된 이미지와 매칭되는 GIS 데이터에 포함된 가스관, 통신 케이블 및 수도관 등의 시설물 정보를 이용하여, 매립된 시설물과 중장비의 충돌 위험 상황 탐지가 가능한 중장비 및 가스관 인식용 영상 분석 방법 및 시스템을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 중장비 및 가스관 인식용 영상 분석 방법은, 영상 분석 시스템이, 카메라를 통해 수집되는 이미지를 학습 데이터로 이용하여 딥러닝 기반의 이미지 학습 모델을 학습시키는 단계; 학습된 이미지 학습 모델을 기반으로 이미지가 입력되면, 영상 분석 시스템이, 입력된 이미지 내 중장비를 인식하는 단계; 및 영상 분석 시스템이, 입력된 이미지와 매칭되는 GIS 데이터에 포함된 매립 가스관 정보를 이용하여, 화면에 표시되는 지역 내 매립된 가스관과 중장비의 충돌 위험 상황을 탐지하는 단계;를 포함한다.
또한, 학습 단계는, 수집되는 이미지를 합성하거나, 그림자 효과를 적용하거나 또는 채도/명도를 조정하여 학습 데이터의 수를 증가시킨 후, 학습 데이터로 이용할 수 있다.
그리고 매립 가스관 정보는, 매립된 가스관의 위치정보 및 깊이정보가 포함될 수 있다.
또한, 탐지 단계는, 화면에 표시되는 지역 내 매립된 가스관과 중장비 간의 거리가 산출되어 화면에 표시되도록 하되, 가스관과 중장비의 위치가 기설정된 범위 이내로 인접하면, 충돌 위험 상황을 알리는 경고 알람을 출력할 수 있다.
그리고 출력되는 경고 알람은, 매립된 가스관의 깊이에 따라 표시가 다르게 설정될 수 있다.
또한, 인식 단계는, 입력된 이미지 내 중장비가 인식되는 경우에, 학습된 이미지 학습 모델을 이용하여, 중장비가 작업 상태인지 또는 비작업 상태인지 판단하고, 탐지 단계는, 중장비가 작업 상태로 판단되는 경우에만, 가스관과 중장비의 위치가 기설정된 범위 이내로 인접하면, 충돌 위험 상황을 알리는 경고 알람을 출력할 수 있다.
그리고 탐지 단계는, 화면 내 중장비가 인식되고, 매립 통신 케이블 정보 및 매립 수도관 정보 중 적어도 하나가 획득되면, 획득된 정보를 이용하여, 화면에 표시되는 지역 내 매립된 통신 케이블 또는 수도관과 중장비의 충돌 위험 상항을 탐지할 수 있다.
또한, 본 발명의 일 실시예에 따른, 중장비 및 가스관 인식용 영상 분석 방법은, 중장비가 인식되고, 중장비를 이용한 작업을 수행하고자 하는 지역의 위치정보가 포함된 작업 계획 정보가 획득되면, 영상 분석 시스템이, 중장비가 작업 계획 정보에 적합한 지역에서 작업을 수행하는지 여부를 검증하는 단계;를 더 포함할 수 있다.
그리고 본 발명의 일 실시예에 따른, 중장비 및 가스관 인식용 영상 분석 방법은, 영상 분석 시스템이, 입력된 이미지와 매칭되는 GIS 데이터에 포함된 화면 내 주요 시설물의 위치정보를 이용하여, 중장비의 위치정보를 추론하는 단계;를 더 포함할 수 있다.
한편, 본 발명의 다른 실시예에 따른, 중장비 및 가스관 인식용 영상 분석 시스템은 딥러닝 기반의 이미지 학습 모델을 저장하는 저장부; 및 카메라를 통해 수집되는 이미지를 학습 데이터로 이용하여 딥러닝 기반의 이미지 학습 모델을 학습시키고, 학습된 이미지 학습 모델을 기반으로 이미지가 입력되고, 입력된 이미지 내 중장비가 인식되면, 입력된 이미지와 매칭되는 GIS 데이터에 포함된 매립 가스관 정보를 이용하여, 화면에 표시되는 지역 내 매립된 가스관과 중장비의 충돌 위험 상황을 탐지하는 프로세서;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 이미지 처리 기술을 활용하여, 다양한 환경 및 크기의 학습 데이터를 확보함으로써, 입력된 이미지 내에 중장비 인식 시, 이미지 학습 모델의 성능을 향상시킬 수 있다.
더불어, 본 발명의 실시예들에 따르면, 중장비의 인식 결과와 입력된 이미지와 매칭되는 GIS 데이터에 포함된 가스관, 통신 케이블 및 수도관 등의 시설물 정보를 이용하여, 매립된 시설물과 중장비의 충돌 위험 상황을 탐지할 수 있다.
도 1은, 본 발명의 일 실시예에 따른 중장비 및 가스관 인식용 영상 분석 시스템의 설명에 제공된 도면이다.
도 2는 본 발명의 일 실시예에 따른 중장비 및 가스관 인식용 영상 분석 방법의 설명에 제공된 흐름도,
도 3은 본 발명의 일 실시예에 따른 중장비 및 가스관 인식용 영상 분석 방법의 더욱 상세한 설명에 제공된 흐름도,
도 4는 딥러닝 기반의 이미지 학습 모델의 학습 데이터로 이용되는 이미지가 예시된 도면, 그리고
도 5 내지 도 6은, 영상 내 중장비가 인식된 결과가 예시된 도면이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 1은, 본 발명의 일 실시예에 따른 중장비 및 가스관 인식용 영상 분석 시스템의 설명에 제공된 도면이다.
본 실시예에 따른 중장비 및 가스관 인식용 영상 분석 시스템은, 카메라를 통하여, 실시간 수집되는 영상을 분석하여, 굴삭기와 같은 중장비를 인식하고, 인식 결과를 가스관, 통신 케이블 및 수도관 등의 시설물 정보와 비교하여, 시설물과 중장비의 충돌 위험을 탐지할 수 있다.
이를 위해, 본 실시예에 따른 중장비 및 가스관 인식용 영상 분석 시스템은 통신부(110), 저장부(120) 및 프로세서(130)를 포함할 수 있다.
통신부(110)는, 카메라를 통해 수집되는 이미지를 수신할 수 있는 통신 모듈이다.
여기서, 카메라는 드론과 같은 무인 비행체에 장착된 카메라 또는 CCTV(Closed Circuit Television)와 같은 감시용 카메라일 수 있다.
저장부(120)는, 프로세서(130)가 동작함에 있어 필요한 프로그램 및 데이터를 저장할 수 있다.
구체적으로, 저장부(120)는, 딥러닝 기반의 이미지 학습 모델 및 이미지 학습 모델을 학습시키기 위한 학습 데이터들을 저장할 수 있다.
프로세서(130)는, 수집되는 이미지를 합성 또는 변환하는 등의 이미지 처리를 수행하여, 학습 데이터의 수를 증가시킬 수 있다.
또한, 프로세서(130)는, 수집 또는 합성된 이미지를 학습 데이터로 이용하여 딥러닝 기반의 이미지 학습 모델을 학습시키고, 학습된 이미지 학습 모델을 기반으로 이미지가 입력되면, 입력된 이미지 내 중장비가 인식되면, 입력된 이미지와 매칭되는 GIS 데이터에 포함된 매립 가스관 정보를 이용하여, 화면에 표시되는 지역 내 매립된 가스관과 중장비의 충돌 위험 상황을 탐지할 수 있다.
그리고 프로세서(130)는, 화면에 표시되는 지역 내 매립된 가스관과 중장비의 충돌 위험 상황의 탐지 이후, 중장비가 인식되고, 중장비를 이용한 작업을 수행하고자 하는 지역의 위치정보가 포함된 작업 계획 정보가 획득되면, 중장비가 작업 계획 정보에 적합한 지역에서 작업을 수행하는지 여부를 검증할 수 있다.
다른 예를 들면, 프로세서(130)는, 입력된 이미지와 매칭되는 GIS 데이터에 포함된 화면 내 주요 시설물들의 위치정보를 이용하여, 중장비의 위치정보를 추론할 수 있다.
여기에서, GIS 데이터는 지리정보시스템(GIS: Geographic Information System) 데이터를 나타낸다. 지리정보시스템은 과거 인쇄물 형태로 이용하던 지도 및 지리정보를 컴퓨터를 이용해 작성, 관리하고 여기서 얻은 지리정보를 기초로 데이터를 수집, 분석, 가공하여 지형과 관련되는 모든 분야에 적용하기 위해 설계된 종합정보시스템으로서, 지리정보시스템은 토지, 자원, 환경, 시설물 등 국토 공간에 관한 제반 정보를 디지털화하여 공유 및 활용할 수 있도록 하는 국가 차원의 지리정보체계가 구축된 시스템이다.
또한, 주요 시설물은, 소방서, 경찰서, 시청 등의 관공서, 학교 및 대형 쇼핑몰, 백화점, 초대형 빌딩 등의 랜드마크에 해당하는 건축물과 같이 이미지에서 인식이 용이하고, 주소의 변경 빈도가 적은 시설물을 의미한다.
이를 통해, 본 실시예에 따른 중장비 및 가스관 인식용 영상 분석 시스템은 입력된 이미지 내에 중장비 인식 시, 이미지 학습 모델의 성능을 향상시킬 수 있으며, 중장비의 인식 결과와 입력된 이미지와 매칭되는 GIS 데이터에 포함된 가스관, 통신 케이블 및 수도관 등의 시설물 정보를 이용하여, 매립된 시설물과 중장비의 충돌 위험 상황을 탐지할 수 있다.
도 2 내지 도 3은 본 발명의 일 실시예에 따른 중장비 및 가스관 인식용 영상 분석 방법의 설명에 제공된 도면이다. 또한, 도 4는 딥러닝 기반의 이미지 학습 모델의 학습 데이터로 이용되는 이미지가 예시된 도면이고, 도 5 내지 도 6은, 영상 내 중장비가 인식된 결과가 예시된 도면이다.
본 실시예에 따른 중장비 및 가스관 인식용 영상 분석 시스템에 의해 수행되는 중장비 및 가스관 인식용 영상 분석 방법(이하에서는 '영상 분석 방법'으로 총칭하기로 함)은, 이미지 학습 모델을 학습시키는 학습 단계(S210), 이미지 학습 모델을 이용하여, 입력된 이미지 내 중장비를 인식하는 인식 단계(S220) 및 가스관과 중장비의 충돌 위험 상황을 탐지하는 탐지 단계(S230)로 구성될 수 있다.
학습 단계(S210)에서는, 프로세서(130)가, 카메라를 통해 수집되는 이미지를 학습 데이터로 이용하여 딥러닝 기반의 이미지 학습 모델을 학습시킬 수 있다.
또한, 학습 단계(S210)에서는, 프로세서(130)가, 학습 이미지를 확보하기 위해, 수집되는 이미지를 합성하거나, 그림자 효과를 적용하거나 또는 채도/명도를 조정하여 학습 데이터의 수를 증가시킬 수 있다.
구체적으로 예를 들면, 학습 단계(S210)에서는, 프로세서(130)가, 딥러닝 기반의 이미지 학습 모델의 중장비 인식률의 정확도가 임계치 값 미만인 경우, 중장비 인식률의 정확도가 임계치 값 이상이 될 때까지, 도 3에 예시된 바와 같이 Positive Generation 또는 Negative Generation 타입으로 수집되는 이미지를 합성하는 방식, Motion Blur와 같은 그림자 효과를 적용하는 방식 및/또는 Fog와 같은 채도/명도를 조정하는 방식을 이용하는 이미지 처리를 통해, 하나의 이미지를 기초로 복수의 변환 이미지를 생성함으로써, 학습 데이터의 수를 증가시킬 수 있다.
여기서, 각각의 학습 데이터는, 중장비 영역 분포 분석을 통해 계산된 크기와 유사한 크기의 이미지를 합성된 것으로, 학습 데이터의 수가 증가됨에 따라 중장비 인식 성능을 향상시킬 수 있다.
인식 단계(S220)에서는, 학습된 이미지 학습 모델을 기반으로 이미지가 입력되면, 프로세서(130)가, 입력된 이미지 내 중장비를 인식할 수 있다.
그리고 탐지 단계(S230)에서는, 프로세서(130)가, 입력된 이미지와 매칭되는 GIS 데이터에 포함된 매립 가스관 정보를 이용하여, 화면에 표시되는 지역 내 매립된 가스관과 중장비의 충돌 위험 상황을 탐지하는 탐지 단계(S230)로 구성될 수 있다.
구체적으로, 탐지 단계(S230)에서는, 프로세서(130)가, 별도로 마련되는 디스플레이 장치의 화면에 표시되는 지역 내 매립된 가스관과 중장비 간의 거리를 산출하여, 화면에 표시되도록 하되, 가스관과 중장비의 위치가 기설정된 범위 이내로 인접하면, 충돌 위험 상황을 알리는 경고 알람이 출력되도록 할 수 있다.
여기서, 입력된 이미지와 매칭되는 GIS 데이터에 포함된 시설물 정보에는 매립 가스관 정보도 포함되어 있으며, 매립 가스관 정보에는, 매립된 가스관의 위치정보 및 깊이정보가 포함될 수 있다.
그리고 가스관과 중장비 간의 거리는, 가스관이 매립된 지점과 중장비가 위치하는 지점 간의 수평적 거리를 의미하며, 가스관이 매립된 지점의 GPS 좌표와 중장비가 위치하는 지점의 GPS 좌표를 기반으로 거리를 산출하는 것과 같은 결과가 도출될 수 있다.
다만, 프로세서(130)는, 탐지 단계(S230)에서, 가스관과 중장비 간의 거리 산출 시, 가스관이 매립된 지점과 중장비가 위치하는 지점 간의 거리가 기설정된 범위 이내로 인접한 것으로 판단되면, 경고 알람이 출력되도록 하는 동시에, 가스관이 매립된 깊이정보를 이용하여, 매립된 가스관과 중장비의 거리를 산출하고, 거리 산출 결과를 화면에 표시하거나 또는 거리 산출 결과에 따라 서로 다른 경고 알람을 출력할 수 있다.
구체적으로, 프로세서(130)는, 매립된 가스관과 중장비의 거리에 따라 충돌 위험의 경계 수준이 최저 수준부터 순차적으로 경계 수준이 높아지는 복수의 등급을 설정하고, 각각의 등급에 해당하는 거리 산출 결과가 산출되면, 등급에 따른 경고 알람을 출력함으로써, 관리자가 거리 산출 결과에 따라 가스관과 중장비의 거리 또는 충돌 위험 상황의 정도(degree)를 빠르게 인지하도록 할 수 있다.
또한, 프로세서(130)는, 가스관의 매립된 깊이에 따라 화면 상의 표시가 다르게 되도록 설정하여, 화면에 매립된 가스관이 표시되는 경우, 관리자가 가스관의 깊이에 따라 가스관과 중장비의 거리 또는 충돌 위험 상황의 정도(degree)를 빠르게 인지하도록 할 수 있다.
다른 예를 들면, 프로세서(130)는, 인식 단계(S220)에서, 입력된 이미지 내 중장비가 인식되는 경우에, 학습된 이미지 학습 모델을 이용하여, 중장비가 작업 상태인지 또는 비작업 상태인지 판단할 수 있다.
이런 경우, 프로세서(130)는, 중장비가 작업 상태로 판단되는 경우에만, 가스관과 중장비의 위치가 기설정된 범위 이내로 인접하면, 충돌 위험 상황을 알리는 경고 알람이 출력되도록 함으로써, 중장비의 이동과 같은 비작업 상태에서 매립된 가스관과 중장비가 충돌하는 것으로 판단하는 등의 오류 발생을 방지할 수 있다.
또한, 탐지 단계(S230)에서는, 화면 내 중장비가 인식되고, 매립 통신 케이블 정보 및 매립 수도관 정보 중 적어도 하나가 획득되면, 프로세서(130)가, 획득된 정보를 이용하여, 화면에 표시되는 지역 내 매립된 통신 케이블 또는 수도관과 중장비의 충돌 위험 상항을 탐지할 수 있다.
더불어, 본 영상 분석 방법은, 탐지 단계(S230) 이후, 중장비가 인식되고, 중장비를 이용한 작업을 수행하고자 하는 지역의 위치정보가 포함된 작업 계획 정보가 획득되면, 프로세서(130)가, 중장비가 작업 계획 정보에 적합한 지역에서 작업을 수행하는지 여부를 검증하는 검증 단계 및 프로세서(130)가, 입력된 이미지와 매칭되는 GIS 데이터에 포함된 화면 내 주요 시설물들의 위치정보를 이용하여, 중장비의 위치정보를 추론하는 추론 단계 중 적어도 하나를 더 포함할 수 있다.
구체적으로, 프로세서(130)는 입력된 이미지와 매칭되는 GIS 데이터에 포함된 화면 내 주요 시설물들의 위치정보를 이용하여, 중장비의 위치정보를 추론할 수 있다.
즉, 프로세서(130)는, 입력된 이미지와 매칭되는 GIS 데이터를 이용하여, 화면 내 주요 시설물들의 위치정보를 획득하고, 획득된 주요 시설물들로부터 중장비의 거리 등을 고려하여, 별도의 위치정보 측정을 위한 센서 없이, 중장비의 위치정보를 추론할 수 있다.
이때, 중장비의 위치정보의 추론 결과의 정확도를 위하여, 적어도 셋 이상의 주요 시설물들의 위치정보들을 이용하여, 각각의 주요 시설물들과 중장비 간의 거리를 산출하고, 거리 산출 결과를 이용하여 중장비의 위치정보를 추론하는 것이 바람직하다.
예를 들면, 프로세서(130)는, 화면 내 주요 시설물들의 셋 이상인 경우, 중장비와의 상대 거리가 다른 주요 시설물보다 가까운 주요 시설물을 우선적으로 선정하는 방식으로 3개 선정하고, 선정된 3개의 주요 시설물들과 중장비 간의 거리를 산출할 수 있다.
그리고 프로세서(130)는, 통신부(110)를 통해, 중장비를 이용한 작업을 수행하고자 하는 지역의 위치정보가 포함된 작업 계획 정보가 획득되면, 추론 단계를 통해, 추론된 위치정보 또는 통신부(110)를 통해 획득된 중장비의 위치정보를 기반으로 중장비가 작업 계획 정보에 적합한 지역에서 작업을 수행하는지 여부를 검증할 수 있다.
이를 통해, 관리자에게 활용성 높은 정보들을 제공할 수 있다.
한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
110 : 통신부
120 : 저장부
130 : 프로세서

Claims (10)

  1. 영상 분석 시스템이 카메라를 통해 수집되는 이미지를 학습 데이터로 이용하여 딥러닝 기반의 이미지 학습 모델을 학습시키는 단계;
    학습된 이미지 학습 모델을 기반으로 이미지가 입력되면, 영상 분석 시스템이 입력된 이미지 내 중장비를 인식하는 단계; 및
    영상 분석 시스템이 입력된 이미지와 매칭되는 GIS 데이터에 포함된 매립 가스관 정보를 이용하여, 화면에 표시되는 지역 내 매립된 가스관과 중장비의 충돌 위험 상황을 탐지하는 단계;를 포함하고,
    매립 가스관 정보는,
    매립된 가스관의 위치정보 및 깊이정보가 포함되며,
    탐지 단계는,
    화면에 표시되는 지역 내 매립된 가스관과 중장비 간의 거리가 산출되어 화면에 표시되도록 하되, 가스관과 중장비의 위치가 기설정된 범위 이내로 인접하면, 충돌 위험 상황을 알리는 경고 알람을 출력하고,
    출력되는 경고 알람은,
    가스관의 깊이에 따라 가스관과 중장비의 거리 또는 충돌 위험 상황의 정도(degree)를 빠르게 인지하도록, 매립된 가스관의 깊이에 따라 표시가 다르게 설정되며,
    탐지 단계는,
    화면 내 중장비가 인식되고, 매립 통신 케이블 정보 및 매립 수도관 정보 중 적어도 하나가 획득되면, 획득된 정보를 이용하여, 화면에 표시되는 지역 내 매립된 통신 케이블 또는 수도관과 중장비의 충돌 위험 상항을 탐지하며,
    영상 분석 방법은,
    영상 분석 시스템이 입력된 이미지와 매칭되는 GIS 데이터에 포함된 화면 내 주요 시설물의 위치정보를 이용하여, 중장비의 위치정보를 추론하는 단계;를 더 포함하고,
    중장비의 위치정보를 추론하는 단계는,
    셋 이상의 주요 시설물들의 위치정보들을 이용하여, 각각의 주요 시설물들과 중장비 간의 거리를 산출하고, 각각의 거리 산출 결과를 이용하여 중장비의 위치정보를 추론하는 것을 특징으로 하는 중장비 및 가스관 인식용 영상 분석 방법.
  2. 청구항 1에 있어서,
    학습 단계는,
    수집되는 이미지를 합성하거나, 그림자 효과를 적용하거나 또는 채도/명도를 조정하여 학습 데이터의 수를 증가시킨 후, 학습 데이터로 이용하는 것을 특징으로 하는 중장비 및 가스관 인식용 영상 분석 방법.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 청구항 1에 있어서,
    인식 단계는,
    입력된 이미지 내 중장비가 인식되는 경우에, 학습된 이미지 학습 모델을 이용하여, 중장비가 작업 상태인지 또는 비작업 상태인지 판단하고,
    탐지 단계는,
    중장비가 작업 상태로 판단되는 경우에만, 가스관과 중장비의 위치가 기설정된 범위 이내로 인접하면, 충돌 위험 상황을 알리는 경고 알람을 출력하는 것을 특징으로 하는 중장비 및 가스관 인식용 영상 분석 방법.
  7. 삭제
  8. 청구항 1에 있어서,
    중장비가 인식되고, 중장비를 이용한 작업을 수행하고자 하는 지역의 위치정보가 포함된 작업 계획 정보가 획득되면, 영상 분석 시스템이 중장비가 작업 계획 정보에 적합한 지역에서 작업을 수행하는지 여부를 검증하는 단계;를 더 포함하는 것을 특징으로 하는 중장비 및 가스관 인식용 영상 분석 방법.
  9. 삭제
  10. 딥러닝 기반의 이미지 학습 모델을 저장하는 저장부; 및
    카메라를 통해 수집되는 이미지를 학습 데이터로 이용하여 딥러닝 기반의 이미지 학습 모델을 학습시키고, 학습된 이미지 학습 모델을 기반으로 이미지가 입력되고, 입력된 이미지 내 중장비가 인식되면, 입력된 이미지와 매칭되는 GIS 데이터에 포함된 매립 가스관 정보를 이용하여, 화면에 표시되는 지역 내 매립된 가스관과 중장비의 충돌 위험 상황을 탐지하는 프로세서;를 포함하고,
    매립 가스관 정보는,
    매립된 가스관의 위치정보 및 깊이정보가 포함되며,
    프로세서는,
    화면에 표시되는 지역 내 매립된 가스관과 중장비 간의 거리가 산출되어 화면에 표시되도록 하되, 가스관과 중장비의 위치가 기설정된 범위 이내로 인접하면, 충돌 위험 상황을 알리는 경고 알람을 출력하고,
    출력되는 경고 알람은,
    가스관의 깊이에 따라 가스관과 중장비의 거리 또는 충돌 위험 상황의 정도(degree)를 빠르게 인지하도록, 매립된 가스관의 깊이에 따라 표시가 다르게 설정되며,
    프로세서는,
    화면 내 중장비가 인식되고, 매립 통신 케이블 정보 및 매립 수도관 정보 중 적어도 하나가 획득되면, 획득된 정보를 이용하여, 화면에 표시되는 지역 내 매립된 통신 케이블 또는 수도관과 중장비의 충돌 위험 상항을 탐지하며,
    프로세서는,
    영상 분석 시스템이 입력된 이미지와 매칭되는 GIS 데이터에 포함된 화면 내 주요 시설물의 위치정보를 이용하여, 중장비의 위치정보를 추론하며,
    프로세서는,
    중장비의 위치정보 추론 시, 셋 이상의 주요 시설물들의 위치정보들을 이용하여, 각각의 주요 시설물들과 중장비 간의 거리를 산출하고, 각각의 거리 산출 결과를 이용하여 중장비의 위치정보를 추론하는 것을 특징으로 하는 중장비 및 가스관 인식용 영상 분석 시스템.
KR1020200006421A 2020-01-17 2020-01-17 중장비 및 가스관 인식용 영상 분석 방법 및 시스템 KR102377393B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200006421A KR102377393B1 (ko) 2020-01-17 2020-01-17 중장비 및 가스관 인식용 영상 분석 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200006421A KR102377393B1 (ko) 2020-01-17 2020-01-17 중장비 및 가스관 인식용 영상 분석 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20210092924A KR20210092924A (ko) 2021-07-27
KR102377393B1 true KR102377393B1 (ko) 2022-03-21

Family

ID=77125421

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200006421A KR102377393B1 (ko) 2020-01-17 2020-01-17 중장비 및 가스관 인식용 영상 분석 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102377393B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102506575B1 (ko) * 2022-06-02 2023-03-03 한국가스기술공사 빅데이터 시스템을 구비한 수소 통합 모니터링 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030030594A (ko) * 2001-10-12 2003-04-18 유승준 지중 매설물 위치 인식시스템
KR101562625B1 (ko) * 2013-11-27 2015-10-30 주식회사 코위드원 지하매설관 특정위치 탐지시스템 및 방법

Also Published As

Publication number Publication date
KR20210092924A (ko) 2021-07-27

Similar Documents

Publication Publication Date Title
US11847917B2 (en) Fixation generation for machine learning
US11967109B2 (en) Vehicle localization using cameras
CN109345829B (zh) 无人车的监控方法、装置、设备及存储介质
US20180011953A1 (en) Virtual Sensor Data Generation for Bollard Receiver Detection
CN205281786U (zh) 报警系统
CN112967283A (zh) 基于双目摄像头的目标识别方法、系统、设备及存储介质
CN111046797A (zh) 一种基于人员和车辆行为分析的输油管线警戒方法
CN111985373A (zh) 基于交通路口识别的安全预警方法、装置及电子设备
JP2021100847A (ja) 車両カーブ走行用情報処理方法及び装置
KR102377393B1 (ko) 중장비 및 가스관 인식용 영상 분석 방법 및 시스템
CN115723919A (zh) 一种船舶偏航的辅助航行方法及装置
CN111967384A (zh) 车辆信息处理方法、装置、设备及计算机可读存储介质
CN112639822B (zh) 一种数据处理方法及装置
CN113505704A (zh) 图像识别的人员安全侦测方法、系统、设备及存储介质
CN111427063B (zh) 一种移动装置通行控制方法、装置、设备、系统及介质
CN112926415A (zh) 一种行人避让系统和行人监测方法
CN116563801A (zh) 交通事故检测方法、装置、电子设备和介质
CN114530057B (zh) 一种车辆预警方法、装置、车辆及存储介质
CN114495421B (zh) 智能化开放式道路施工作业监测预警方法及系统
CN113298044B (zh) 基于定位补偿的障碍物检测方法、系统、设备及存储介质
CN115019511A (zh) 基于自动驾驶车辆的识别机动车违规变道的方法和装置
CN114267014A (zh) 地铁施工行为识别方法、装置、计算机设备和存储介质
CN111079642B (zh) 线路可移动监控方法及装置及计算机可读介质
KR102289550B1 (ko) 항공 영상 데이터와 gis 데이터의 매칭을 위한 이미지 학습을 이용한 ar 정보 제공 방법 및 시스템
CN113570622A (zh) 一种障碍物确定方法、装置、电子设备以及存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant