KR102434478B1 - 재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼 및 그 제어 방법 - Google Patents

Abstract

재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼에 있어서, 수로를 통한 물의 흐름을 조절하도록 구성된 적어도 하나의 수문의 이미지를 촬영하도록 구성된 카메라, 상기 수문의 높이를 조절할 수 있도록 구성된 액츄에이터 및 상기 카메라에 의해 촬영된 상기 이미지 상에 가상의 관심영역을 중첩하여 설정하고, 각각의 상기 관심영역 내의 수위의 변화를 감지하며, 상기 수위의 변화에 따라 상기 액츄에이터를 제어하는 제어부를 포함하고, 상기 제어부는, 촬영된 상기 이미지를 세로 방향으로 복수 개의 슬라이스 이미지로 변환하고, 상기 슬라이스 이미지 각각에 대해 상기 관심영역의 높이를 측정하여 이물질 존재 여부를 판단한다.

Description

재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼 및 그 제어 방법{INTEGRATED PLATFORM FOR SMART WATER LEVEL CONTROL}

본 개시는 스마트 하천 관제를 위한 통합 플랫폼에 관한 것으로, 구체적으로, 인공지능 기반의 수위, 수위계, 이물질 등의 감지 기능이 있는 카메라를 통해 촬영된 이미지를 세로방향으로 복수 개의 슬라이스 이미지로 변환하여, 관심영역(ROI, Region Of Interest) 범위 내 수위를 감지하기 위해 각각의 슬라이스 이미지에서 수위에 대한 평균 높이를 산출하고, 산출된 평균 높이에 의해 수문에 대한 제어를 수행하는 플랫폼에 관한 것이다.

최근 지구 온난화, 엘니뇨 현상 등과 같은 기후 및 환경 변화에 따라, 국지적인 폭우 발생이나 이에 따른 하천 범람과 같은 자연재해가 증가하고 있다. 이러한 기상이변이나 수해에 따른 피해를 감소시키기 위해서, 하천의 본류와 지류 사이에 물의 흐름을 제어하기 위한 수문을 설치하고, 수문의 높이를 조절하는 방법이 사용된다. 이러한 수문의 높이 조절 내지 개폐를 조절하기 위해서는, 수문 주변의 수위를 계측하고 계측된 수위에 대응하는 적절한 수문 조절이 필요하다.

하천의 수위 변화에 따른 수문 제어를 위해서는, 수문 주변의 수위를 사람이 직접 관측하거나 CCTV를 설치하여 원격으로 수문의 개폐 상태와 수위를 감시하는 방법이 사용될 수 있다. 그러나, 이러한 수위 계측 및 수문 제어 방법에는 많은 인력과 비용이 소요되며, 수문 제어와 수문 계측을 담당하는 운영자의 부재 시 급격한 수위 변화에 실시간으로 대응하기 어려운 문제점이 있다.

또한, CCTV를 설치하여 원격으로 수문의 개폐 상태와 수위를 감시하는 방법을 사용함에 있어서, 종래의 수위 계측은 하천에 유입되는 이물질로 인하여 계측에 오류가 발생하거나, 수문 운영과정에서 이물질 끼임이 발생하는 등의 문제점이 있다. 이에 따라, 이물질의 존재 여부를 확인하고 이물질 존재에 따른 새로운 수위 계측 방법이 필요한 실정이다. 특히, 종래의 CCTV를 통한 수문 개폐 상태 및 수위 감시 방법은 이물질의 높이에 따라 수위가 일정하지 않으므로 수위를 잘못 예측할 수 있다. 또한, 종래의 기술은 촬영된 하나의 이미지 상에서 수문에 차오른 수위를 통해 예측하기 때문에 이물질이 포함된 높이를 계측하여 수위를 판단할 수 있으며, 이에 따라, 수위 예측의 정확도가 낮아지는 문제점이 있지만, 이러한 문제점을 해결할 수 없는 실정이다.

본 개시는 상기와 같은 문제점을 해결하기 위해, 인공지능 기반의 수위 감지 카메라를 통해 수위 계측 및 수문 제어를 효율적으로 실행할 수 있는, 스마트 하천 관제를 위한 통합 플랫폼을 제공한다.

본 개시에 따르면, 인공지능 카메라를 통해 촬영된 이미지를 세로방향으로 복수 개의 슬라이스 이미지로 변환하여, 수문 또는 그 주변에 수위 계측이 가능한 관심영역(ROI, Region Of Interest)을 설정하고, 설정된 관심영역 범위 내 수위 변화를 감지하여 실시간으로 수문 제어를 자동 실행할 수 있는 방법 및 시스템이 제공된다.

또한, 본 개시에 따르면, 인공지능 기반의 수위, 수위계, 이물질 등의 감지 기능이 있는 카메라를 통해 촬영된 이미지를 세로방향으로 복수 개의 슬라이스 이미지로 변환하여, 관심영역(ROI, Region Of Interest) 범위 내 수위를 감지하기 위해 각각의 슬라이스 이미지에서 수위에 대한 평균 높이를 산출하고, 산출된 수위의 평균 높이에 기초하여 수문에 대한 제어가 가능하다.

또한, 본 개시에 따르면, 딥러닝 학습을 통하여 수문에 설정된 관심영역, 수위, 이물질 등을 감지 및 분류할 수 있도록 구성된 수위 계측 모델을 수문 주변에 설치된 엣지 카메라에 탑재될 수 있다. 이에 따라, 수문 현장에서 카메라 스스로 수위의 변화, 수문의 높이 또는 개폐 상태 등을 판단하고, 그 판단결과에 따라 수문의 높이 또는 개폐를 자동 제어할 수 있다. 또한, 카메라에 의한 감지 및 판단 결과를 네트워크를 통하여 관리자의 단말 장치에게 알람 또는 푸쉬 형태로 전송하여 보다 효율적인 수해 방지 및 수문 관리가 가능하다.

또한, 본 개시에 따르면, 카메라가 촬영하는 수문 상에 가상의 수위계를 포함하는 관심 영역을 사용자가 설정 가능하게 구성함으로써, 수위계가 표시되지 않은 수문에 대한 수위 계측이 가능하며, 수문 주변의 환경 변화에 따라 가상의 수위계의 위치 또는 측정 범위를 적절히 조절하는 것이 가능하다.

본 개시의 일 실시예에 따르면, 재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼에 있어서, 수로를 통한 물의 흐름을 조절하도록 구성된 적어도 하나의 수문의 이미지를 촬영하도록 구성된 카메라, 상기 수문의 높이를 조절할 수 있도록 구성된 액츄에이터 및 상기 카메라에 의해 촬영된 상기 이미지 상에 가상의 관심영역을 중첩하여 설정하고, 각각의 상기 관심영역 내의 수위의 변화를 감지하며, 상기 수위의 변화에 따라 상기 액츄에이터를 제어하는 제어부를 포함하고, 상기 제어부는, 촬영된 상기 이미지를 세로 방향으로 복수 개의 슬라이스 이미지로 변환하고, 상기 슬라이스 이미지 각각에 대해 상기 관심영역의 높이를 측정하여 이물질 존재 여부를 판단한다.

일 실시예에 따르면, 상기 수위의 변화를 감지하기 위해 상기 수문의 일측면에 설치되어, 기 설정된 수위 구간에 따라 관심구간, 주의구간 또는 경계구간을 구분하도록 구성된 수위계를 더 포함한다.

일 실시예에 따르면, 상기 제어부는, 상기 카메라에 의해 촬영된 이미지 내의 상기 수위계에서, 상기 수로의 수위가 해당하는 상기 수위계의 수위 구간의 문자를 판독하고, 판독된 상기 문자에 따라 상기 수문의 개폐여부를 판단한다.

일 실시예에 따르면, 상기 제어부는, 상기 카메라를 통해 수집된 수집 이미지 또는 외부 학습 이미지를 통해 상기 관심영역, 수위 및 객체를 감지하도록 인공지능 기반으로 학습된 이미지 학습부를 포함한다.

일 실시예에 따르면, 상기 제어부는, 상기 이미지 학습부를 통해 학습된 상기 관심영역 각각에 대한 수위를 산출하고, 상기 관심영역 각각에 대한 평균 수위를 산출하도록 구성된 수위 계측부를 포함한다.

일 실시예에 따르면, 상기 이미지 학습부를 통해 상기 관심영역에서 물 영역 및 상기 수문을 제외한 객체를 감지하도록 전처리 및 감지하고, 상기 감지된 객체를 이미지에서 제거된 객체 데이터를 저장부에 전송하도록 구성된 객체인식부를 포함한다.

일 실시예에 따르면, 상기 제어부는, 상기 슬라이스 이미지 각각에서 상기 관심영역에 대한 높이를 평균화하고, 상기 슬라이스 이미지 각각에서 상기 관심영역에 대한 높이가 기 설정된 높이 영역 또는 평균 높이를 벗어날 경우, 이물질이 존재하는 것으로 판단한다.

일 실시예에 따르면, 상기 제어부는, 사용자 단말 장치로 상기 수문의 이미지 및 상기 관심영역에 대한 정보를 전송하고, 상기 사용자 단말 장치로부터 원격 제어가 가능하도록 구성된다.

본 개시의 다른 실시예에 따르면, 재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼 제어 방법에 있어서, 카메라에 의해, 수로를 통한 물의 흐름을 조절하도록 구성된 적어도 하나의 수문의 이미지를 촬영하는 단계, 제어부에 의해, 상기 이미지 상에 가상의 관심영역을 중첩하여 설정하고, 각각의 상기 관심영역 내의 수위의 변화를 감지하며, 상기 수위의 변화에 따라 수문의 높이를 조절할 수 있도록 구성된 액츄에이터를 제어하는 단계 및 상기 제어부에 의해, 촬영된 상기 이미지를 세로 방향으로 복수 개의 슬라이스 이미지로 변환하고, 상기 슬라이스 이미지 각각에 대해 상기 관심영역의 높이를 측정하여 이물질 존재 여부를 판단하는 단계를 포함한다.

일 실시예에 따르면, 상기 제어부에 의해, 상기 슬라이스 이미지 각각에서 상기 관심영역에 대한 높이를 평균화하고, 상기 슬라이스 이미지 각각에서 상기 관심영역에 대한 높이가 기 설정된 높이 영역 또는 평균 높이를 벗어날 경우, 이물질이 존재하는 것으로 판단하는 단계를 더 포함한다.

본 개시의 일부 실시예에 따르면, 수문에 설치된 카메라에 해당 수문과 주변 환경에 대해 학습된 인공지능 기반의 수위 감지 모델이 설치되기 때문에, 계측 대상 수문의 환경 변화 또는 목적에 맞게 효율적인 수위 계측 및 수문 제어가 가능하다.

본 개시의 일부 실시예에 따르면, 수문에 설치된 감시 카메라에 의해 감지된 수위 변화를 무선통신을 통해 원거리에서 동작하는 사용자 단말기 또는 스마트폰에 전송함으로써 수문 주변의 수위 변화 및 수문 개폐 상태를 실시간 확인할 수 있어, 수문의 관리가 간편해지면서 효율성이 대폭 향상되는 효과가 있다.

본 개시의 일부 실시예에 따르면, 카메라가 촬영하는 이미지를 세로 방향으로 분할한 슬라이스 이미지를 통해 슬라이스 이미지 상에서 수위 또는 표면수(Surface water)의 높이를 측정하고, 평균 높이를 산출하여 이물질 존재 여부를 확인하여 수위를 계측하기 때문에, 이물질 존재 여부를 확인할 수 있으며, 수위 계측에 대한 정확도가 향상되는 효과가 있다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 스마트 하천 관제를 위한 통합 플랫폼을 실시하는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 스마트 하천 관제를 위한 통합 플랫폼을 제공하기 위해 카메라, 정보 처리 시스템 및 사용자 단말이 통신 가능하도록 연결된 구성을 나타내는 도면이다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 정보 처리 시스템 및 카메라의 내부 구성을 나타내는 블록도이다.
도 5는 본 개시의 일 실시예에 따라 스마트 하천 관제를 위한 통합 플랫폼을 통한 수위 계측 시 각 슬라이드 이미지의 높이에 따른 수위 계측 방법에 대한 예시를 나타내는 도면이다.
도 6은 본 개시의 다른 실시예에 따른 스마트 하천 관제를 위한 통합 플랫폼을 실시하는 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따른 수집 이미지 및 학습 이미지를 기반하여 수위 계측 및 이물질 존재 여부에 대한 데이터를 생성하도록 학습된 객체 인식 모델의 구성을 나타내는 도면이다.
도 8은 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법을 나타내는 흐름도이다.
도 9는 본 개시의 일 실시예에 따른 스마트 하천 관제를 위한 통합 플랫폼을 사용자 단말 장치의 사용자 인터페이스를 통해 출력하는 예시를 나타내는 도면이다.
도 10 및 도 11은 본 개시의 일 실시예에 따른 스마트 하천 관제를 위한 통합 플랫폼을 통한 수위 계측 및 수문 제어를 위해, 사용자 단말 장치에서 가상의 수위계를 설정하는 사용자 인터페이스의 예시를 보여주는 도면이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조 부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응하는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 개시에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다.

본 개시에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 개시에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다.

본 개시의 전체에서 어떤 부분이 어떤 구성요소를 '포함'한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

본 명세서에서 "A 및/또는 B"의 기재는 A, 또는 B, 또는 A 및 B를 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만 '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

도 1은 본 개시의 일 실시예에 따른 스마트 하천 관제를 위한 통합 플랫폼(100)을 실시하는 예시를 나타내는 도면이다. 스마트 하천 관제를 위한 통합 플랫폼(100)은, 개폐 가능한 수문(160), 수문(160)에 설정된 관심영역(130; ROI: Region Of Interest) 범위 내 수위(170)의 변화를 감지하는 카메라(120) 및 수문의 높이 또는 개폐를 조절하는 액츄에이터(150)를 포함할 수 있다. 도시된 바에 따르면, 카메라(120)는, 수로를 통한 물의 흐름을 조절하도록 구성된 적어도 하나의 수문(160)의 이미지를 촬영하도록 구성될 수 있다. 제어부(미도시)에 의해, 카메라(120)에 의해 촬영된 이미지 상에 가상의 관심영역(130)을 중첩하여 설정하고, 관심영역(130) 내의 수위(170)의 변화를 감지하며, 수위(170)의 변화에 따라 액츄에이터(150)를 제어할 수 있다. 수위계(132)는, 수위(170)의 변화를 감지하기 위해 수문의 일측면에 설치되어, 예를 들어, 기 설정된 수위 구간에 따라 관심구간, 주의구간 또는 경계구간으로 구분하도록 구성될 수 있다.

일 실시예로, 카메라(120)는 수문(160) 또는 주변 환경의 수위를 감지 가능하도록 학습된 인공지능 기반의 수위 계측 모델 및/또는 객체 인식 모델을 저장 및 실행할 수 있다. 예를 들어, 카메라(120)는, 감지 대상인 특정 수문(160)의 수위를 감지하도록 학습된 인공신경망 기반의 수위 계측 모델을 저장 및/실행할 수 있다. 이와 같이, 카메라(120)가 사전에 학습된 수위 계측 모델 및/또는 객체 인식 모델을 저장 및 실행 가능하도록 구현됨으로써, 카메라(120)가 수문에 설치되어 동작 중에 실시간으로 효율적인 수위의 변화를 감지할 수 있다.

일 실시예로, 카메라(120)는, 특히 관심영역(130)을 촬영 가능하도록 설정된 렌즈 및 이미지 센서를 구비할 수 있다. 또한, 카메라(120)는 촬영된 사진 이미지 또는 동영상을 프레임 별로 내장된 수위 계측 모델에 입력함으로써, 입력된 이미지 또는 동영상에 포함된 수위의 변화를 감지할 수 있다. 카메라(120)에 의한 수위 감지 결과는, 통신부(미도시)를 통해 원격의 사용자 단말에 전송됨으로써, 사용자에게 수위 감지 결과에 기초한 다양한 정보 및 서비스가 제공될 수 있다.

좀 더 구체적으로, 카메라(120)는 내장된 수위 계측 모델을 이용하여 수문(160) 및/또는 수위(170)의 적어도 일부를 포함하는 관심영역(130)내에서 수위(170)를 감지하거나, 관심영역(130) 내에 포함된 수위계의 수위 계측값을 판별할 수 있다.

일 실시예로, 스마트 하천 관제를 위한 통합 플랫폼(100)은, 제어부에 의해, 카메라(120)를 통해 촬영되는 이미지를 세로 방향으로 복수 개의 슬라이스 이미지로 변환하고, 슬라이스 이미지 각각에 대해 관심영역(130)의 높이를 측정하여 이물질(172) 존재 여부를 판단할 수 있다. 도시된 바와 같이, 관심영역(130)은 슬라이스 이미지에 대한 각각의 관심영역(130)을 나타낼 수 있다. 일 예로, 제어부는, 관심영역(130) 내에 대응되는 복수 개의 슬라이스 이미지에 기초하여 평균 수위(170)를 산출하는데, 각각의 관심영역(130) 내의 슬라이스 이미지에서 표면수(Surface water; 또는 수표면)까지의 높이를 측정한 후, 복수의 슬라이스 이미지에 대한 평균 높이를 산출하여 이물질 존재 여부를 판단할 수 있다. 예를 들어, 수로에 이물질(172)이 존재할 경우, 해당 관심영역(130)의 수위(170)는 높은 것으로 측정되고, 수로에 이물질(172)이 존재하지 않는 관심영역(130)의 경우, 수위(170)가 이물질(172)이 존재하는 경우보다 낮게 측정될 수 있다. 수위에 대한 상세한 설명은 도 5에서 후술하도록 한다.

일 실시예로, 스마트 하천 관제를 위한 통합 플랫폼(100)은, 제어부에 의해, 카메라(120)에 의해 촬영된 이미지 내의 수위계(132)에서 수로의 수위(170)가 해당하는 수위계(132)의 수위(170) 구간의 문자를 판독하고, 판독된 문자에 따라 수문(160)의 개폐 여부를 판단할 수 있다. 예를 들어, 도시된 바와 같이, 수위(170)가 수위계(132)의 관심구간 내에 위치하면 수위계(132)에 표시된 문자인 '관심'을 판독하여, 기 설정된 범위에 따른 수문(160)의 개폐 여부를 판단할 수 있다. 한편, 상술된 예시에서 수위계(132)는 실제 수문(160)의 일측에 설치된 물리적인 영역으로 설명하였지만, 이에 한정하지는 않는다. 예를 들어, 수위계(132)는 카메라(120)에 의해 촬영되는 이미지 또는 동영상 상에 설정된 가상의 수위계일 수 있다. 이 경우, 카메라(120)는 수문(160) 또는 그 주변을 촬영한 이미지 또는 영상 위에 관심영역(130) 및 수위계(132)를 중첩한 상태에서 관심영역(130) 내의 수위의 변화 또는 수위계(132)에 의해 측정된 수위 계측 값을 감지할 수 있다.

일 실시예로, 카메라(120)는 관심영역(130) 내에서 감지된 수위 변화 또는 수위계(132)에 의해 측정된 수위 계측 값에 따라 수문(160)의 높이 또는 개폐를 제어하도록 구성될 수 있다. 예를 들어, 카메라(120)는 감지된 수위 변화 또는 수위 계측 값에 따라 액츄에이터(150)를 무선 또는 유선으로 제어함으로써, 수문(160)의 높이 또는 개폐를 제어할 수 있다. 즉, 카메라(120)가 감지된 수위 변화 또는 수위 계측 값에 따라 액츄에이터(150)를 제어하면, 액츄에이터(150)는 수문(160)과 연결된 샤프트(152)를 상하 이동함으로써, 수문(160)의 높이 또는 개폐를 조절할 수 있다. 다른 예에서, 카메라(120)는 감지된 수위 변화 또는 수위 계측 값에 따라 수문(160)의 높이 또는 개폐의 제어 명령 신호를 수문(160)에 연결된 RTU(Remote terminal unit; 미도시)에 전송할 수 있다. 수신된 제어 명령 신호에 따라, RTU는 수문(160)의 높이 또는 개폐를 제어하도록 액츄에이터(150)를 구동할 수 있다. 이와 같이, 카메라(120)에 의해 감지된 수위 변화 또는 수위 계측 값에 따라 수문(160)의 높이 또는 개폐를 자동 제어함으로써, 수문(160)과 연결된 하천 또는 수로의 수위(170)를 효과적으로 조절할 수 있다.

이상 설명한 실시예에서는, 관심영역(130)이 수문(160) 또는 그 주변의 구조물에 설정되었으나, 이에 한정되는 것은 아니다. 예를 들어, 관심영역(130)은 액츄에이터(150)에 의해 구동되는 샤프트(152)의 적어도 일부를 포함하도록 설정할 수도 있다. 이 경우, 카메라(120)는 샤프트(152)의 적어도 일부를 촬영한 이미지 또는 영상 위에 관심영역(130) 및 수위계(132)를 중첩한 상태에서 관심영역(130) 내의 샤프트(152)의 상하 이동 정도를 감지할 수 있다. 카메라(120)는 관심영역(130) 내에서 감지된 샤프트(152)의 상하 이동 정도에 따라 수문(160)의 현재 높이 또는 개폐 상태를 감지할 수 있다.

또한, 도 1은 관심영역(130)이 가로 방향으로 복수 개의 부분 영역(또는 슬라이스 이미지)로 표시된 것으로 도시하였지만, 이에 한정되지 않는다. 도 1에 도시된 관심영역(130)은 가로 방향으로 분할된 세로 방향으로 설정된 슬라이스 이미지 각각에 대한 관심영역(130)을 포함하는 것을 가정하여 표시한 것이며, 실제 이미지 상에는 하나의 관심영역(130)으로 표시될 수 있다.

도 2는 본 개시의 일 실시예에 따른 스마트 하천 관제를 위한 통합 플랫폼을 제공하기 위해 카메라, 정보 처리 시스템 및 사용자 단말이 통신 가능하도록 연결된 구성을 나타내는 도면이다. 복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 정보 처리 시스템(230) 및 카메라(120)와 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3) 및/또는 카메라(120)와 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크(220), 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크(220) 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(예를 들어, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식 뿐만 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(220)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(220)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

도 2에서 휴대폰 또는 스마트폰(210_1), 태블릿 컴퓨터(210_2) 및 랩탑 또는 데스크탑 컴퓨터(210_3)가 스마트 하천 관제를 위한 통합 플랫폼을 제공하는 사용자 인터페이스를 실행하거나 동작하는 사용자 단말의 예로서 도시하였으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고, 웹 브라우저, 모바일 브라우저 애플리케이션 또는 스마트 하천 관제를 위한 통합 플랫폼(예를 들어, 프로그램 등)이 설치되어 하천 관제 통합 플랫폼 서비스를 제공하는 사용자 인터페이스가 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말(210_1, 210_2, 210_3)은, 스마트폰, 휴대폰, 내비게이션 단말기, 데스크탑 컴퓨터, 랩탑 컴퓨터, 디지털방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 컴퓨터, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.

일 실시예에 따르면, 스마트 하천 관제를 위한 통합 플랫폼은, 카메라(120)에 의해 촬영된 이미지 상의 이물질 존재 여부, 산출된 수위에 대한 평균 높이, 수위계 수위 구간의 수위 도달 정도에 따른 수위 정보 및 수위 정보에 따른 수위 변화에 기초하여 수문(242)의 제어 및 상태 정보 제공 서비스의 제공과 관련된 컴퓨터 실행 가능한 프로그램 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 예를 들어, 스마트 하천 관제를 위한 통합 플랫폼 또는 인공지능 기반의 수위 감지 카메라(120)는, 유선 또는 무선 네트워크를 통해 다른 장치와 통신할 수 있는 컴퓨팅 장치로서, CPU(central processing unit), GPU(graphic processing unit), DSP(digital signal processor) 등과 같은 처리 장치를 이용하여 연산 동작을 수행할 수 있는 컴퓨팅 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다.

일 실시예에서, 카메라(120)는 촬영된 이미지, 객체(예를 들어, 이물질, 수위계의 문자) 인식 데이터 또는 산출된 수위 데이터를 정보 처리 시스템(230)으로 제공할 수 있다. 정보 처리 시스템(230; 또는 제어부)에 수신된 촬영된 이미지, 객체 인식 데이터 또는 산출된 수위 데이터는 사용자 단말(210_1, 210_2, 210_3)을 통해 모니터링 할 수 있다. 이 때, 사용자 단말(210_1, 210_2, 210_3)은 정보 처리 시스템(230; 또는 제어부)에 의해 카메라(120)를 통해 촬영된 이미지 내의 이물질 존재 여부, 산출된 수위에 대한 평균 높이, 수위계 수위 구간의 수위 도달 정도에 따른 수위 정보를 모니터링하거나, 제어기능을 통한 원격제어를 수행할 수 있다.

도 2에서는 사용자 단말(210_1, 210_2, 210_3)의 각각 또는 카메라(120)와 정보 처리 시스템(230)은 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 정보 처리 시스템(230)이 사용자 단말(210_1, 210_2, 210_3)의 각각 또는 카메라(120)에 포함되도록 구성될 수 있다. 이와 달리, 정보 처리 시스템(230)이 입출력 인터페이스를 포함하여, 사용자 단말(210_1, 210_2, 210_3)과의 통신 없이, 카메라(120)를 통해 촬영된 이미지 내의 이물질 존재 여부, 산출된 수위에 대한 평균 높이, 수위계 수위 구간의 수위 도달 정도에 따른 수위 정보를 모니터링하거나, 제어기능을 통한 원격제어를 수행하도록 구성될 수 있다.

카메라(120)는, 스마트 하천 관제를 위한 통합 플랫폼 내에 설치된 수문(242) 또는 그 주변을 포함하는 관심영역을 촬영한 이미지 또는 영상에 기초하여, 이물질 존재 여부, 산출된 수위에 대한 평균 높이, 수위계 수위 구간의 수위 도달 정도에 따른 수위 정보, 수위 변화, 수위 계측 값, 수문(242)의 개폐 상태 등을 감지하도록 학습된 하나 이상의 인공지능 기반의 수위 계측 모델을 내장 및 실행하도록 구성될 수 있다. 카메라(120)는, 사용자 단말(210_1, 210_2, 210_3)로부터 수신된 관심영역의 종류 및 위치에 대한 정보를 수신하고, 수신된 관심영역 정보에 기초하여 수위 계측 모델을 실행함으로써, 사용자가 감지 대상으로 설정한 관심영역 내의 수위 변화를 보다 정확하게 판단할 수 있다.

또한, 카메라(120)는, 감지된 수위 변화에 기초하여, 하나 이상의 수문(242)의 높이 또는 개폐를 제어할 수 있는 제어 명령 신호를 RTU(240)로 전송할 수 있다. 이에 따라, RTU(240)는, 하나 이상의 수문(242)의 높이 또는 개폐를 제어할 수 있다.

한편, 사용자 단말(210_1, 210_2, 210_3)는 네트워크(220)를 통해 카메라(120)로부터 수신된 수위 변화 정보 또는 수문(242)의 개폐 상태 정보(예를 들어, 수문(242)의 실시간 촬영 동영상)를 사용자 인터페이스를 통해 사용자에게 출력할 수 있다. 또한, 사용자 단말(210_1, 210_2, 210_3)는, 사용자 인터페이스를 통해 사용자로부터 입력된 수문(242), 주변에 설정된 관심영역 정보, 수문(242)의 높이 또는 개폐 제어 명령을 네트워크(220)를 통해 RTU(240)로 전송할 수 있다. 이에 따라, RTU(240)는, 하나 이상의 수문(242)의 높이 또는 개폐를 제어할 수 있다.

도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다. 사용자 단말(210)은 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 휴대폰 또는 스마트폰(210_1), 태블릿 컴퓨터(210_2), 랩탑 또는 데스크톱 컴퓨터(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 사용자 단말(210)은 메모리(312), 프로세서(314), 통신 모듈(316) 및 입출력 인터페이스(318)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(332), 프로세서(334), 통신 모듈(336) 및 입출력 인터페이스(338)를 포함할 수 있다. 도 3에서 도시된 바와 같이, 사용자 단말(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(316, 336)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(320)는 입출력 인터페이스(318)를 통해 사용자 단말(210)에 정보 및/또는 데이터를 입력하거나 사용자 단말(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.

메모리(312, 332)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(312, 332)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 사용자 단말(210) 및/또는 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(312, 332)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 수집 이미지 및/또는 학습 이미지를 기초로 객체 정보(예를 들어, 이물질, 수위계의 문자 등)를 학습하기 위한 코드, 학습된 객체 정보를 통한 객체 인식을 수행하기 위한 코드, 슬라이스 이미지 각각에서 수위의 높이를 계측하는 코드, 계측된 수위의 높이를 평균화를 수행하는 코드 등)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(312, 332)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 이러한 사용자 단말(210) 및 정보 처리 시스템(230)에 직접 연결 가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(316, 336)을 통해 메모리(312, 332)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예를 들어, 스마트 하천 관제를 위한 통합 플랫폼 또는 프로그램)에 기반하여 메모리(312, 332)에 로딩될 수 있다.

프로세서(314, 334)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(312, 332) 또는 통신 모듈(316, 336)에 의해 프로세서(314, 334)로 제공될 수 있다. 예를 들어, 프로세서(314, 334)는 메모리(312, 332)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(316, 336)은 네트워크(220)를 통해 사용자 단말(210)과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 사용자 단말(210) 및/또는 정보 처리 시스템(230)이 다른 사용자 단말 또는 다른 시스템(일례로 별도의 클라우드 시스템, 스마트 하천 관제를 위한 통합 플랫폼 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 사용자 단말(210)의 프로세서(314)가 메모리(312) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청(예를 들어, 카메라에 의해 촬영된 이미지, 객체 인식 정보, 슬라이스 이미지 각각에서 계측된 수위 정보 등을 요청 등)은 통신 모듈(316)의 제어에 따라 네트워크(220)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(334)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(336)과 네트워크(220)를 거쳐 사용자 단말(210)의 통신 모듈(316)을 통해 사용자 단말(210)에 수신될 수 있다.

입출력 인터페이스(318)는 입출력 장치(320)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 키보드, 마이크로폰, 마우스, 이미지 센서를 포함한 카메라 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로, 입출력 인터페이스(318)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 사용자 단말(210)의 프로세서(314)가 메모리(312)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 정보 처리 시스템(230)이나 다른 사용자 단말(210)이 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면이나 사용자 인터페이스가 입출력 인터페이스(318)를 통해 디스플레이에 표시될 수 있다.

도 3에서는 입출력 장치(320)가 사용자 단말(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 사용자 단말(210)과 하나의 장치로 구성될 수 있다. 또한, 정보 처리 시스템(230)의 입출력 인터페이스(338)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(318, 338)가 프로세서(314, 334)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(318, 338)가 프로세서(314, 334)에 포함되도록 구성될 수 있다.

사용자 단말(210) 및 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래 기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 사용자 단말(210)은 상술된 입출력 장치(320) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 사용자 단말(210)은 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다. 예를 들어, 사용자 단말(210)이 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 구성요소를 포함할 수 있으며, 예를 들어, 가속도 센서, 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 사용자 단말(210)에 더 포함되도록 구현될 수 있다.

일 실시예에 따르면, 사용자 단말(210)의 프로세서(314)는 스마트 하천 관제를 위한 통합 어플리케이션 등이 동작하도록 구성될 수 있다. 이 때, 해당 어플리케이션 및/또는 프로그램과 연관된 코드가 사용자 단말(210)의 메모리(312)에 로딩될 수 있다. 어플리케이션 및/또는 프로그램이 동작되는 동안에, 사용자 단말(210)의 프로세서(314)는 입출력 장치(320)로부터 제공된 정보 및/또는 데이터를 입출력 인터페이스(318)를 통해 수신하거나 통신 모듈(316)을 통해 정보 처리 시스템(230)으로부터 정보 및/또는 데이터를 수신할 수 있으며, 수신된 정보 및/또는 데이터를 처리하여 메모리(312)에 저장할 수 있다. 또한, 이러한 정보 및/또는 데이터는 통신 모듈(316)을 통해 정보 처리 시스템(230)에 제공할 수 있다.

스마트 하천 관제를 위한 통합 어플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 입출력 인터페이스(318)와 연결된 터치 스크린, 키보드 등의 입력 장치(320)를 통해 입력되거나 선택된 이미지 등을 수신할 수 있으며, 수신된 이미지를 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다. 예를 들어, 프로세서(314)는 이미지(카메라에 의해 촬영된 이미지 등)에 대한 입력을 입력 장치(320)를 통해 수신할 수 있다. 추가적으로, 프로세서(314)는 객체 인식 여부 및 객체 인식에 따른 수위 정보, 슬라이스 이미지 각각에서 계측된 수위의 평균 높이에 따른 수위 정보 등에 대한 이미지를 나타내거나 선택하는 임의의 정보를 입력 장치(320)를 통해 수신할 수 있다.

일 실시예에 따르면, 프로세서(314)는 입력 장치(320)를 통한, 이미지에 대한 입력을 입출력 인터페이스(318)를 통해 수신할 수 있다. 다른 실시예에 따르면, 프로세서(314)는 객체 인식 여부 및 객체 인식에 따른 수위 정보, 슬라이스 이미지 각각에서 계측된 수위의 평균 높이에 따른 수위 정보를 포함하는 적어도 하나의 이미지를 사용자 인터페이스를 통해 수문을 제어하는 신호를 입력 장치(320) 및 입출력 인터페이스(318)를 통해 수신할 수 있다. 여기서, 프로세서(314)는 이러한 입력에 응답하여, 메모리(312)로부터 입력에 대응하는 카메라에 의해 촬영된 이미지를 통해 객체 인식 여부 및 객체 인식에 따른 수위 정보, 슬라이스 이미지 각각에서 계측된 수위의 평균 높이에 따른 수위 정보를 수신하고, 입력 장치(320) 및 입출력 인터페이스(318)를 통해 수신된 수문 제어신호를 수신할 수 있다. 이렇게 수신된 카메라에 의해 촬영된 이미지를 통해 객체 인식 여부 및 객체 인식에 따른 수위 정보, 슬라이스 이미지 각각에서 계측된 수위의 평균 높이에 따른 수위 정보 및 수문 제어신호를 통신 모듈(316)을 통해 정보 처리 시스템(230)에 제공할 수 있다. 이와 달리, 프로세서(314)는 카메라에 의해 촬영된 이미지를 통해 객체 인식 여부 및 객체 인식에 따른 수위 정보, 슬라이스 이미지 각각에서 계측된 수위의 평균 높이에 따른 수위 정보 및 수문 제어신호를 통신 모듈(316)을 통해 정보 처리 시스템(230)에 제공하고, 정보 처리 시스템(230)으로부터 수문 제어신호에 대응하는 카메라에 의해 촬영된 이미지를 통해 객체 인식 여부 및 객체 인식에 따른 수위 정보, 슬라이스 이미지 각각에서 계측된 수위의 평균 높이에 따른 수위 정보를 수신하도록 구성될 수 있다.

프로세서(314)는 사용자 단말(210)의 디스플레이 출력 가능 장치(예: 터치 스크린, 디스플레이 등), 음성 출력 가능 장치(예: 스피커) 등의 출력 장치를 통해 처리된 정보 및/또는 데이터를 출력하도록 구성될 수 있다. 예를 들면, 프로세서(314)는 입력 장치(320), 메모리(312) 또는 정보 처리 시스템(230) 중 적어도 하나로부터 수신된 카메라에 의해 촬영된 이미지를 나타내거나, 카메라에 의해 촬영된 이미지 통해 객체 인식 여부 및 객체 인식에 따른 수위 정보, 슬라이스 이미지 각각에서 계측된 수위의 평균 높이에 따른 수위 정보를 사용자 단말(210)의 화면을 통해 출력할 수 있다.

정보 처리 시스템(230)의 프로세서(334)는 사용자 단말(210)을 포함한 복수의 사용자 단말 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(334)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(336)을 통해 사용자 단말(210)에 제공할 수 있다. 일 실시예에서, 프로세서(334)는 사용자 단말(210), 메모리(332) 및/또는 외부 저장 장치로부터 사용자 설정 조건을 나타내거나 선택하는 정보, 및/또는 적어도 하나의 이미지를 수신하고, 메모리(332) 및/또는 외부 저장 장치에 포함된 객체 인식 여부 및 객체 인식에 따른 수위 정보, 슬라이스 이미지 각각에서 계측된 수위의 평균 높이에 따른 수위 정보를 획득하거나 결정할 수 있다.

도 4는 본 개시의 일 실시예에 따른 정보 처리 시스템(230) 및 카메라(120)의 내부 구성을 나타내는 블록도(400)이다. 정보 처리 시스템(230)은, 수위 변화 감지를 위한 수위 계측 모델의 학습을 위해 프로세서(334) 및 메모리(332)를 포함할 수 있다. 프로세서(334)는 이미지 학습부(460)를 포함할 수 있으며, 메모리(332)는 수집 이미지(470), 학습 이미지(472) 및 객체 인식 모델(474)을 포함할 수 있다. 수집 이미지(470) 및 학습 이미지(472)는, 수위 변화 감지를 위한 수위 계측 모델의 학습을 위해 사용되는, 카메라(120)를 통해 촬영된 수집 이미지(470) 및 학습을 위한 학습 이미지(472)일 수 있다. 객체 인식 모델(474)은, 이미지 학습부(460)를 통해 수집 이미지(470) 및 학습 이미지(472)를 학습하여, 객체(예를 들어, 이물질, 수위계 문자 데이터 등)를 인식하도록 구성될 수 있다.

이하에서는, 카메라(120)가, 수위 변화 감지가 가능하도록 학습된 수위 계측 모델을 저장 및 실행함으로써, 수문 및 그 주변에 설정된 관심영역 또는 관심영역 내 수위 계측 값을 감지하는 구성 및 과정에 대해서 상세히 설명된다. 일 실시예에서, 카메라(120)는 도 4세 도시된 바와 같이, 이미지 센서부(410), 통신 모듈(420), 프로세서(430), 전원부(440) 및 메모리(450)를 포함하도록 구성될 수 있다.

통신 모듈(420)은 네트워크를 통해 수위 변화 또는 수문 개폐 상태의 감지 결과를 정보 처리 시스템(230) 또는 외부 사용자 단말로 전송하거나, 사용자 단말 장치로부터 관심영역 설정, 수문 개폐 제어 명령 등에 대한 데이터를 수신하도록 구성될 수 있다. 일 실시예에 따르면, 통신 모듈(420)은 미리 설정된 관심영역 또는 수문 개폐 제어에 대한 외부 사용자 단말 장치로부터 수신할 수 있다. 여기서 관심영역에 대한 데이터는, 카메라(120)에 의해 촬영되는 이미지 상에 설정되는 가상의 관심영역 또는 수위계 등과 관련된 데이터를 포함할 수 있다. 추가적으로 또는 대안적으로, 관심영역에 대한 데이터는, 카메라(120)에 의해 촬영되는 이미지가 세로 방향으로 슬라이스 이미지로 변환되고, 슬라이스 이미지 각각에 대해 관심영역의 높이가 측정되어 이물질 존재 여부 또는 각각의 슬라이스 이미지에 대한 수위의 평균 높이가 산출되는 것과 관련된 데이터를 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 관심영역에 대한 데이터는, 카메라(120)가 인공지능 기반으로 분석할 대상 영역의 범위, 해당 영역에 촬영된 또는 해당 영역 내에 설정된 수위계, 수위에 따른 해당 영역의 구분과 분류 등과 관련된 다양한 정보를 더 포함할 수 있다. 또한, 통신 모듈(420)은 수신한 데이터를 메모리(450)로 제공할 수 있고, 프로세서(430)에 의해 감지된 수위 변화에 대한 정보 또는 그러한 정보를 분석 또는 가공한 정보를 네트워크를 통해 외부 사용자 단말 장치로 송신하도록 구성될 수 있다.

전원부(440)는, 충전 가능한 2차 전지 또는 배터리 형태로 구현될 수 있으며, 전원부(440)에서 출력되는 전압(Vcc)을 승압시켜 카메라(120)의 이미지 센서부(410), 통신 모듈(420), 프로세서(430) 및 메모리(450)로 공급할 수 있다. 일 실시예에서, 전원부(440)는 자연광으로부터 획득한 태양열 에너지를 전기 에너지로 변환시키는 다수의 태양전지(SOLAR)로 구성되어 있는데, 태양전지에 의해 전기 에너지로 변환된 태양열 에너지는 카메라(120) 배터리에 충전될 수 있다. 이와 같이, 배터리에 충전된 전기 에너지가 이미지 센서부(410), 통신 모듈(420), 프로세서(430) 및 메모리(450)의 구동전원으로 사용하게 될 수 있다.

프로세서(334, 430)는 CPU(central processing unit), GPU(graphic processing unit), DSP(digital signal processor), FPGA (Field Programmable Gate Array), ASIC (Application Specific Integrated Circuit) 중 적어도 하나를 포함하여 임의의 연산 동작을 수행하고, 외부 장치로부터 수신된 데이터 및/또는 수신된 데이터를 분석 또는 가공한 데이터를 관리, 처리 및/또는 메모리(332, 450)에 저장하도록 구성될 수 있다.

프로세서(430)는 외부 장치로부터 수신한 인공지능 기반의 수위 계측 모델에 대한 데이터를 메모리(450)에 저장할 수 있다. 메모리(450)에 저장된 수위 계측 모델은, 카메라(120)에 의해 판별되는 관심영역, 수위계 및/또는 수문(또는, 수문 주변 구조물)의 종류에 따라 하나 또는 복수 개로 저장될 수 있다. 예를 들어, 카메라(120)가 한 종류의 수문(또는 주변 구조물)과 이와 관련된 관심영역을 분석 및 감지하도록 설정된 경우, 메모리(450)는 해당 수문 및 관심영역을 감지하도록 학습된 수위 계측 모델을 저장할 수 있다. 다른 예에서, 카메라(120)가 복수의 종류의 수문과 이와 관련된 관심영역을 분석 및 감지하도록 설정된 경우, 메모리(450)는 복수 종류의 수문과 관심영역 각각을 감지하도록 학습된 수위 계측 모델을 모두 저장할 수도 있다. 추가적으로 또는 대안적으로, 메모리(450)는, 카메라(120)에 의해 촬영되는 이미지가 세로 방향으로 분할된 슬라이스 이미지로 변환되어, 분할된 슬라이스 이미지 각각에 대한 관심영역에 대한 수위의 평균 높이를 계측하도록 학습된 수위 계측 모델을 저장할 수 있다. 예를 들어, 카메라(120)가 하나 이상의 수문과 이와 관련된 관심영역을 분석 및 감지하도록 설정된 경우, 수위 계측 모델은 세로 방향으로 분할된 각각의 슬라이스 이미지 상에서 수위의 높이를 계측하고, 계측된 수위의 높이에 대한 평균 높이를 산출하도록 구성될 수 있다. 다른 예로, 카메라(120)는 사용자에 의해 관심영역이 지정되거나 객체 인식부(432)를 통해 수문을 인식하여 관심영역을 설정할 수 있다. 설정된 관심영역 내에서 이미지를 세로 방향으로 분할하여 슬라이스 이미지를 생성하고, 각각의 슬라이스 이미지에 대한 수위의 높이를 계측하고, 계측된 수위의 높이에 대한 평균 높이를 산출하도록 구성될 수 있다.

프로세서(430)는 이미지 센서부(410)에 의해 촬영된 이미지 또는 영상을 메모리(450)에 저장된 수위 계측 모델을 이용하여 분석하고, 해당 분석 결과를 통신 모듈(420)을 통해 외부 사용자 단말 장치로 전송할 수 있다.

프로세서(430)에서, 수위 계측부(434)는 이미지 학습부(460)를 통해 학습된 관심영역 각각에 대한 수위를 산출하고, 관심영역 각각에 대한 평균 수위를 산출하도록 구성될 수 있다. 또한, 객체 인식부(432)는 이미지 학습부(460)를 통해 관심영역에서 물 영역 및 수문을 제외한 객체를 감지하도록 전처리 및 감지하고, 감지된 객체를 이미지에서 제거된 객체 데이터(예를 들어, 수위계의 문자 데이터, 이물질 데이터 등)를 메모리(450)에 전송하도록 구성될 수 있다. 일 실시예로, 객체 인식부(432) 및 수위 계측부(434)를 통해, 프로세서(430)는 분할된 슬라이스 이미지 각각에서 관심영역에 대한 높이가 기 설정된 높이 영역 또는 평균 높이를 벗어날 경우, 이물질이 존재하는 것으로 판단할 수 있다.

메모리(450)에 저장되어 프로세서(430)에 의해 실행되는 수위 계측 모델은, 머신러닝 알고리즘을 통해 미리 학습될 수 있다. 수위 계측 모델을 학습하는데 사용되는 머신러닝 알고리즘은, 인공 신경 회로망(Artificial Neural Network), 딥러닝(Deep Learning), 의사 결정 트리(Decision Tree) 등과 같은 기계학습 또는 인공신경망 기반의 이미지 식별 모델 중 하나일 수 있으나, 이에 한정되지 않는다.

한편, 도 4의 객체 인식 모델(474)은 정보 처리 시스템(230)에 내장된 메모리(332)에 구성된 것으로 도시하였지만, 이에 한정하지 않으며, 카메라(120)의 메모리(450)에 구성될 수 있다.

도 5는 본 개시의 일 실시예에 따라 스마트 하천 관제를 위한 통합 플랫폼을 통한 수위(170) 계측 시 각 슬라이드 이미지의 높이에 따른 수위(170) 계측 방법(500)에 대한 예시를 나타내는 도면이다. 도시된 수위 계측 방법(500)은, 카메라에 의해 촬영된 이미지를 기초로 각각의 세로 방향으로 분할된 슬라이스 이미지를 통해 수위(170)를 계측할 수 있다. 또한, 수위 계측 방법(500)은, 카메라에 의해 촬영된 이미지를 기초로 이미지 상에 표시되는 수위계(132)의 문자를 판독하여, 수위에 따른 수위 구간을 결정 및 수문(160)의 개폐여부를 판단할 수 있다. 여기서, 수위계(132)는 수위(170)의 변화를 감지하기 위해 수문(160)의 일측면에 설치되어, 기 설정된 수위 구간에 따라 관심구간, 주의구간 또는 경계구간으로 구분하도록 구성될 수 있다.

일 실시예로, 수위 계측 방법(500)은, 슬라이스 이미지 각각에서 수위(170)를 계측할 수 있다. 도시된 바와 같이, 각각의 슬라이스 이미지에서 계측된 이물질(172_1, 172_2)이 존재하지 않는 제1 높이(h1)와, 이물질(172_1, 172_2)이 존재하는 제2 높이(h2)로 계측될 수 있다. 슬라이스 이미지 각각에서 계측된 수위의 높이(h1, h2)의 평균값이 산출되고, 슬라이스 이미지 각각에서 관심영역(130)에 대한 수위(170)의 높이(h1, h2)가 기 설정된 높이 영역 또는 평균 높이를 벗어날 경우, 이물질(172_1, 172_2)이 존재하는 것으로 판단할 수 있다. 예를 들어, 슬라이스 이미지 각각에서 관심영역(130)에 대한 수위(170)의 높이 평균 높이(h1, h2)가 기 설정된 높이 영역 또는 평균 높이보다 높을 경우, 기 설정된 높이 영역 또는 평균 높이보다 높은 수위(170)로 계측된 해당 슬라이스 이미지에 이물질(172_1, 172_2)가 존재하는 것으로 판단할 수 있다.

다른 실시예에서, 수위 계측 방법(500)은, 시간 경과에 따른 슬라이스 이미지 각각에서 수위(170)의 변화를 계측할 수 있다. 도시된 바와 같이, 특정 시간(t1)에서, 각각의 슬라이스 이미지에서 계측된 이물질(172_1, 172_2)이 존재하지 않는 제1 높이(h1)와, 이물질(172_1, 172_2)이 존재하는 제2 높이(h2)로 계측될 수 있다. 또한, 주기적으로 후속하는 특정 시간(t2, t3, ??)에서, 각각의 슬라이스 이미지에서 계측된 이물질(172_1, 172_2)이 존재하지 않는 제1 높이(h1)와, 이물질(172_1, 172_2)이 존재하는 제2 높이(h2)로 계측될 수 있다. 이와 같이 일정 시간 경과 중에 주기적으로 계측된 슬라이스 이미지 각각에서의 수위의 높이(h1, h2)의 평균값이 산출되고, 슬라이스 이미지 각각에서 관심영역(130)에 대한 수위(170)의 높이(h1, h2)가 기 설정된 높이 영역 또는 평균 높이를 벗어날 경우, 이물질(172_1, 172_2)이 존재하는 것으로 판단할 수 있다. 예를 들어, 일정 시간 경과 동안에 측정된 슬라이스 이미지 각각에서 관심영역(130)에 대한 수위(170)의 높이 평균 높이(h1, h2)가 기 설정된 높이 영역 또는 평균 높이보다 높을 경우, 기 설정된 높이 영역 또는 평균 높이보다 높은 수위(170)로 계측된 해당 슬라이스 이미지에 이물질(172_1, 172_2)가 존재하는 것으로 판단할 수 있다.

이러한 수위 계측 방법(500)을 통해, 표면수(Surface water; 또는, 수표면) 상에 이물질(172_1, 172_2)이 존재하는 경우, 수위(170)가 높은 것으로 오계측되는 것을 방지할 수 있다.

일 실시예로, 수위 계측 방법(500)은, 카메라에 의해 촬영된 이미지 내의 수위계(132)에서, 수로의 수위(170)가 해당하는 수위계(132)의 수위 구간의 문자를 판독하고, 판독된 문자에 따라 수문의 개폐여부를 판단할 수 있다. 예를 들어, 도시된 바와 같이, 카메라에 의해 촬영된 이미지 상에서, 수위(170)의 수위 구간이 '관심구간'일 경우, 객체 인식부를 통해 객체(예를 들어, 문자로 표기된'관심')를 인식하여 수문의 개폐여부를 판단할 수 있다.

도 6은 본 개시의 다른 실시예에 따른 스마트 하천 관제를 위한 통합 플랫폼을 실시하는 예시를 나타내는 도면이다. 스마트 하천 관제를 위한 통합 플랫폼은, 개폐 가능한 복수 개의 수문(160), 복수 개의 수문(160)에 각각에 설정된 관심영역(130_1, 130_2, 130_3) 범위 내 수위(170)의 변화를 감지하는 카메라(120_1), 수문(160)의 개폐 상태를 감시하는 제2 카메라(120_2) 및 수문(160)의 높이 또는 개폐를 조절하는 액츄에이터(150)를 포함할 수 있다.

도시된 바에 따르면, 제1 카메라(120_1)는, 수문(160) 주변의 구조물의 수위를 감지 가능하도록 학습된 인공지능 기반의 수위 계측 모델 및/또는 객체 인식 모델을 저장 및 실행하도록 구성될 수 있다. 예를 들어, 제1 카메라(120_1)는, 감지 대상인 수문 주변 구조물(예를 들어, 물과 인접한 댐의 구조물)의 수위를 감지하도록 학습된 인공신경망 기반의 수위 계측 모델을 저장 및 실행할 수 있다. 또한, 제1 카메라(120_1)는, 수문 주변 구조물에 구성된 수위계(132)의 문자를 인식하도록 학습된 인경신경망 기반의 객체 인식 모델을 저장 및 실행할 수 있다. 이와 같이, 제1 카메라(120_1)가 사전에 학습된 수위 계측 모델 및/또는 객체 인식 모델을 내장 및 실행 가능하도록 구현됨으로써, 제1 카메라(120_1)가 수문의 주변 구조물에 설치되어 동작 중에 실시간으로 효율적인 수위의 변화를 감지할 수 있다.

일 실시예로, 제1 카메라(120_1)는, 특히 관심영역(130)을 촬영 가능하도록 설정된 렌즈를 구비할 수 있다. 또한, 제1 카메라(120_1)는, 촬영된 사진 이미지 또는 동영상을 프레임 별로 내장된 수위 계측 모델에 입력함으로써, 입력된 이미지 또는 동영상에 포함된 수위의 변화를 감지할 수 있다. 예를 들어, 제1 카메라(120_1)에 의한 수위 감지 결과는, 통신부(미도시)를 통해 원격의 사용자 단말에 전송됨으로써, 사용자에게 수위 감지 결과에 기초한 다양한 정보 및 서비스가 제공될 수 있다.

좀 더 구체적으로, 제1 카메라(120_1)는 내장된 수위 계측 모델을 이용하여 수문(160)의 주변 구조물 및/또는 수위(170)의 적어도 일부를 포함하는 관심영역(130) 내에서 수위(170)를 감지하거나 관심영역(130) 내에 포함된 수위계(232)의 수위 계측 값을 판별할 수 있다.

일 실시예로, 스마트 하천 관제를 위한 통합 플랫폼은, 제어부에 의해, 제1 카메라(120_1)를 통해 촬영되는 이미지를 세로 방향으로 복수 개의 슬라이스 이미지로 변환하고, 슬라이스 이미지 각각에 대해 관심영역(130)의 높이를 측정하여 이물질 존재 여부를 판단할 수 있다. 도시된 바와 같이, 관심영역(130)은 슬라이스 이미지에 대한 각각의 관심영역(130)을 나타낼 수 있다. 일 예로, 관심영역(130) 각각에 대한 평균 수위를 산출하는데, 각각의 관심영역(130) 내에서 표면수(Surface water; 또는 수표면)까지의 높이를 측정하여 평균 높이를 산출하여 이물질 존재 여부를 판단할 수 있다. 예를 들어, 수로에 이물질이 존재할 경우, 해당 관심영역(130)의 수위(170)는 높은 것으로 측정되고, 수로에 이물질이 존재하지 않는 관심영역(130)의 경우, 수위(170)가 이물질이 존재하는 경우보다 낮게 측정될 수 있다.

일 실시예로, 스마트 하천 관제를 위한 통합 플랫폼은, 제어부에 의해, 제1 카메라(120_1)에 의해 촬영된 이미지 내의 수위계(132)에서 수로의 수위(170)가 해당하는 수위계(132)의 수위(170) 구간의 문자를 판독하고, 판독된 문자에 따라 수문(160)의 개폐 여부를 판단할 수 있다. 예를 들어, 도시된 바와 같이, 수위(170)가 수위계(132)의 관심구간 내에 위치하면 수위계(132)에 표시된 문자인 '관심'을 판독하여, 기 설정된 범위에 따른 수문(160)의 개폐 여부를 판단할 수 있다. 한편, 상술된 예시에서 수위계(132)는 실제 수문(160)의 일측에 설치된 물리적인 영역으로 설명하였지만, 이에 한정하지는 않는다. 예를 들어, 수위계(132)는 카메라(120)에 의해 촬영되는 이미지 또는 동영상 상에 설정된 가상의 수위계일 수 있다. 이 경우, 카메라(120)는 수문(160) 또는 그 주변을 촬영한 이미지 또는 영상 위에 관심영역(130) 및 수위계(132)를 중첩한 상태에서 관심영역(130) 내의 수위의 변화 또는 수위계(132)에 의해 측정된 수위 계측 값을 감지할 수 있다.

일 실시예로, 제1 카메라(120_1)는 관심영역(130) 내에서 감지된 수위 변화 또는 수위계(132)에 의해 측정된 수위 계측 값에 따라 수문(160)의 높이 또는 개폐를 제어하도록 구성될 수 있다. 예를 들어, 제1 카메라(120_1)는 감지된 수위 변화 또는 수위 계측 값에 따라 액츄에이터(150)를 무선 또는 유선으로 제어함으로써, 수문(160)의 높이 또는 개폐를 제어할 수 있다. 즉, 카메라(120)가 감지된 수위 변화 또는 수위 계측 값에 따라 액츄에이터(150)를 제어하면, 액츄에이터(150)는 수문(160)과 연결된 샤프트(152)를 상하 이동함으로써, 수문(160)의 높이 또는 개폐를 조절할 수 있다. 다른 예에서, 제1 카메라(120_1)는 감지된 수위 변화 또는 수위 계측 값에 따라 수문(160)의 높이 또는 개폐의 제어 명령 신호를 수문(160)에 연결된 RTU(Remote terminal unit; 미도시)에 전송할 수 있다. 수신된 제어 명령 신호에 따라, RTU는 수문(160)의 높이 또는 개폐를 제어하도록 액츄에이터(150)를 구동할 수 있다. 이와 같이, 제1 카메라(120_1)에 의해 감지된 수위 변화 또는 수위 계측 값에 따라 수문(160)의 높이 또는 개폐를 자동 제어함으로써, 수문(160)과 연결된 하천 또는 수로의 수위(170)를 효과적으로 조절할 수 있다.

이상 설명한 실시예에서는, 관심영역(130)이 수문(160) 또는 그 주변의 구조물에 설정되었으나, 이에 한정되는 것은 아니다. 예를 들어, 관심영역(130)은 액츄에이터(150)에 의해 구동되는 샤프트(152)의 적어도 일부를 포함하도록 설정할 수도 있다. 이 경우, 제1 카메라(120_1)는 샤프트(152)의 적어도 일부를 촬영한 이미지 또는 영상 위에 관심영역(130) 및 수위계(132)를 중첩한 상태에서 관심영역(130) 내의 샤프트(152)의 상하 이동 정도를 감지할 수 있다. 제1 카메라(120)는 관심영역(130) 내에서 감지된 샤프트(152)의 상하 이동 정도에 따라 수문(160)의 현재 높이 또는 개폐 상태를 감지할 수 있다.

일 실시예로, 제2 카메라(120_2)는 복수의 수문(160) 중 하나 이상의 높이 또는 개폐상태를 감시하도록 구성될 수 있다. 일 예에서, 제2 카메라(120_2)는 원격의 사용자 단말 장치 또는 RTU의 제어에 따라 복수의 수문(160) 중 어느 하나를 촬영할 수 있도록 구성될 수 있다. 다른 예에서, 제2 카메라(120_2)는, 제1 카메라(120_1)에 의해 감지된 수위 변화 또는 수위 계측 값에 따라 복수의 수문(160) 중 하나 이상의 높이 또는 개폐가 제어되는 경우, 해당 수문(160)을 촬영할 수 있도록 구성될 수도 있다.

한편, 도 6에서 관심영역(130_1, 130_2, 130_3) 각각은 가로 방향으로 복수 개로 표시된 것으로 도시하였지만, 이에 한정되지 않는다. 도 6에 도시된 관심영역(130_1, 130_2, 130_3)은 가로 방향으로 분할된 슬라이스 이미지 각각에 대한 관심영역(130_1, 130_2, 130_3)으로 가정하여 표시한 것이며, 실제 이미지 상에는 수문(160) 각각에 하나의 관심영역(130_1, 130_2, 130_3)으로 표시될 수 있다. 또한, 도 6에는 수위계(132)가 1개만 구성된 것으로 도시되었지만, 이에 한정되지 않으며, 수문(160)의 일측면에 각각 구성될 수 있다.

도 7은 본 개시의 일 실시예에 따른 수집 이미지 및 학습 이미지를 기반하여 수위 계측 및 객체 인식 여부에 대한 데이터를 생성하도록 학습된 객체 인식 모델의 구성을 나타내는 도면이다. 도 7에 도시된 이미지(710)는, 카메라에 의해 수집된 이미지 및/또는 학습 이미지 등일 수 있다. 이미지 학습부(460)는 예를 들어, 서버의 저장된 이미지(710; 예를 들어, 수집 이미지 또는 학습 이미지 등)를 기반하여 수위 계측 및/또는 객체 인식 여부를 추출하도록 학습된 인공신경망 모델(1000)을 포함할 수 있다. 이미지 학습부(460) 또는 이미지 학습부가 이용하는 인공신경망 모델(1000)은, 외부 컴퓨팅 장치에 의해 생성, 저장 또는 업데이터 되어 도 3에 도시된 프로세서(334)에 의해 실행될 수 있다. 도시된 바와 같이, 이미지 학습부(460)는, 서버(예를 들어, 정보처리 시스템)의 메모리에 기 저장된 정보(예를 들어, 수집 이미지 또는 학습 이미지 등)를 기반하여 객체 데이터(720, 722)를 추출할 수 있다.

일 실시예에 따르면, 상술된 인공신경망 수위 계측 모델 및/또는 인공신경망 객체 인식 모델은 인공신경망 모델(1000)로 구현될 수 있다. 인공신경망 모델(1000)은 기계학습(Machine Learning) 기술과 인지과학에서, 생물학적 신경망의 구조에 기초하여 구현된 통계학적 학습 알고리즘 또는 그 알고리즘을 실행하는 구조이다.

일 실시예에 따르면, 인공신경망 모델(1000)은, 생물학적 신경망에서와 같이 시냅스의 결합으로 네트워크를 형성한 인공 뉴런인 노드(Node)들이 시냅스의 가중치를 반복적으로 조정하여, 특정 입력에 대응한 올바른 출력과 추론된 출력 사이의 오차가 감소되도록 학습함으로써, 문제 해결 능력을 가지는 인공신경망 모델을 나타낼 수 있다. 예를 들어, 인공신경망 모델(1000)은 기계학습, 딥러닝 등의 인공지능 학습법에 사용되는 임의의 확률 모델, 뉴럴 네트워크 모델 등을 포함할 수 있다.

인공신경망 모델(1000)은 다층의 노드들과 이들 상이의 연결로 구성된 다층 퍼셉트론(MLP: multilayer perceptron)으로 구현될 수 있다. 본 실시예에 따른 인공신경망 모델(1000)은 MLP를 포함하는 다양한 인공신경망 구조들 중의 하나를 이용하여 구현될 수 있다. 도 10에서 도시된 바와 같이, 인공신경망 모델(1000)은 외부로부터 입력 신호 또는 데이터(1010)를 수신하는 입력층(1020), 입력 데이터에 대응한 출력 신호 또는 데이터(1050)를 출력하는 출력층(1040), 입력층(1020)과 출력층(1040) 사이에 위치하며 입력층(1020)으로부터 신호를 받아 특성을 추출하여 출력층(1040)으로 전달하는 n개의 은닉층(1030_1 내지 1030_n)으로 구성될 수 있다. 여기서, 출력층(1040)은, 은닉층(1030_1 내지 1030_n)으로부터 신호를 받아 외부로 출력할 수 있다.

인공신경망 모델(1000)의 학습 방법에는, 교사 신호(정답)의 입력에 의해서 문제의 해결에 최적화되도록 학습하는 지도 학습(Supervised Learning) 방법과, 교사 신호를 필요로 하지 않는 비지도 학습(Unsupervised Learning) 방법이 있다. 일 실시예에 따르면, 스마트 하천 관제를 위한 통합 플랫폼을 통한 통합 관제 방법은, 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning) 및/또는 준 지도 학습(Semi-supervised Learning)을 이용하여, 수집된 이미지 정보 및/또는 외부 학습 이미지 정보로부터 분석 결과를 출력하도록 구성된 인공신경망 모델(1000)을 학습시킬 수 있다. 다른 실시예에서, 복수의 학습 이미지를 입력받아 객체 정보를 추론되도록 인공신경망 모델(1000)을 학습시킬 수 있다. 이렇게 학습된 인공신경망 모델(1000)은 카메라로부터 수신된 적어도 하나의 이미지에 객체 정보를 표시하도록 출력할 수 있다.

일 실시예에 따르면, 스마트 하천 관제를 위한 통합 플랫폼을 통한 통합 관제 방법은, 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning) 및/또는 준 지도 학습(Semi-supervised Learning)을 이용하여, 카메라에 의해 입력된 수집 이미지(예를 들어, 수문 또는 그 주변 구조물이 포함된 이미지, 수위 이미지, 수위계의 문자가 포함된 이미지 등) 및 학습 이미지(예를 들어, 수문 또는 그 주변 구조물이 포함된 이미지, 수위 이미지, 수위계의 문자가 포함된 이미지 등)의 하나 이상의 배치로부터 분석 결과를 출력하도록 구성된 인공신경망 모델(1000)을 학습시킬 수 있다. 이렇게 학습된 인공신경망 모델(1000)은 객체 데이터를 출력할 수 있다.

일 실시예에 따르면, 도 10에 도시된 바와 같이, 분석 결과를 출력할 수 있는 인공신경망 모델(1000)의 입력 변수는, 수집 이미지, 학습 이미지, 수위 데이터 및 객체 데이터 중 하나의 벡터 데이터 요소로 구성한, 수집 이미지, 학습 이미지, 수위 데이터, 객체 데이터로부터 추출된 한 세트의 패치를 포함하는 배치를 나타내는 벡터(1010)가 될 수 있다. 이러한 구성 하에서, 출력변수는 입력 배치에 대한 분석 결과를 나타내는 결과 벡터(1050)로 구성될 수 있다.

다른 실시예에 따르면, 입력 변수에 따라 객체 정보(예를 들어, 이물질, 수위계의 문자 데이터 등), 인식된 수위 데이터(예를 들어, 슬라이스 이미지에 대한 각각의 수위 높이, 슬라이스 이미지에 대한 수위의 평균 높이 등) 및 객체 데이터 또는 수위 데이터에 대한 수위구간 정보(예를 들어, 인식된 수위계 문자에 대한 수위구간, 인식된 수위 데이터에 대한 수위구간 등)를 생성하도록 인공신경망 모델(1000)이 학습될 수 있다. 예를 들어, 이러한 입력 변수는, 수집 이미지, 학습 이미지 및 센서 데이터 내에 포함된 복수의 배치에 대한 복수의 분석 결과를 나타내는 벡터 데이터 요소로 구성된 벡터(1010)가 될 수 있다. 이러한 구성 하에서, 출력 변수는 수집 이미지, 학습 이미지, 수위 데이터 및 객체 데이터와 연관된 객체 정보, 수위 데이터 또는 수위구간 정보를 나타내는 결과 벡터(1050)로 구성될 수 있다.

이와 같이, 인공신경망 모델(1000)의 입력층(1020)과 출력층(1040)에 복수의 입력변수와 대응되는 복수의 출력변수를 각각 매칭시키고, 입력층(1020), 은닉층(1030_1 ... 1030_n, 여기서, n은 2 이상의 자연수임) 및 출력층(1040)에 포함된 노드들 사이의 시냅스 값을 조정함으로써, 인공신경망 모델(1000)이 특정 입력에 대응한 올바른 출력을 추론할 수 있도록 학습될 수 있다. 올바른 출력을 추론하는데 있어, 분석 결과의 정답 데이터가 사용될 수 있으며, 이러한 정답 데이터는 어노테이터의 어노테이션 작업의 결과로 획득될 수 있다. 이러한 학습과정을 통해, 인공신경망 모델(1000)의 입력변수에 숨겨져 있는 특성이 파악될 수 있고, 입력변수에 기초하여 계산된 출력변수와 목표 출력 간의 오차가 줄어들도록 인공신경망 모델(1000)의 노드들 사이의 시냅스 값(또는 가중치)가 조정될 수 있다.

이렇게 학습된 인공신경망 모델(1000)을 이용하여, 수집 이미지, 학습 이미지, 수위 데이터 및 객체 데이터에서 객체 정보, 수위 데이터 또는 수위구간 정보가 추출될 수 있다. 예를 들어, 인공신경망 모델(1000)을 이용하여, 수집 이미지, 학습 이미지, 수위 데이터 및 객체 데이터 중 적어도 하나에 따른 객체 정보, 수위 데이터 또는 수위구간 정보를 추출할 수 있다. 또는, 인공신경망 모델(1000)을 이용하여, 수집 이미지, 학습 이미지, 수위 데이터 및 객체 데이터 중 적어도 하나에 따른 객체 정보, 수위 데이터 또는 수위구간 정보를 추출할 수 있다.

일 실시예로, 인공신경망 모델(1000)은, 수집 이미지가 입력될 경우, 수집 이미지의 슬라이스 이미지 각각에 대해 수위 정보 및/또는 객체 정보를 구분하여 객체 데이터(720, 722)로 추출할 수 있다. 예를 들어, 인공신경망 모델(1000)은, 수집된 이미지 및 학습 이미지를 기반으로, 수집된 이미지의 슬라이스 이미지 각각에 대한 수위를 계측하고, 수집된 이미지 상의 평균 수위를 산출하여, 수위 정보에 대한 객체 데이터(720, 722)를 추출하고, 수위 정보를 기반한 수위 구간 정보를 추출하여 객체 데이터(720, 722)를 생성할 수 있다. 다른 예로, 인공 신경망 모델(1000)은, 수집된 이미지 및 학습 이미지를 기반으로, 카메라에 의해 촬영된 수위계의 문자를 포함하는 이미지를 통해 수위계의 문자를 통해 인식된 문자(또는 객체) 데이터를 추출하고, 인식된 문자 데이터를 기반한 수위 구간 정보를 추출하여 객체 데이터(720, 722)를 생성할 수 있다.

도 8은 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법을 나타내는 흐름도이다. 본 개시의 일 실시예에 따른 스마트 하천 통합 관제 방법(800)은, 카메라에 의해 수문의 영상을 촬영하는 단계(S810)로 개시될 수 있다. 일 실시예에 따르면, 카메라는, 스마트 하천 관제를 위한 통합 플랫폼 내에 설치된 수문 또는 그 주변의 관심영역을 촬영할 수 있다.

다음으로, 카메라는 촬영된 이미지 상의 관심 영역 내의 수문과 물 영역을 제외한 다른 객체를 제거하기 위한 전처리를 실행할 수 있다(S820). 일 실시예에 따르면, 이미지의 전처리에는 수문과 물 영역을 제외한 다른 객체(예를 들어, 수초, 쓰레기 등 다양한 부유물 또는 이물질, 수위계 상의 문자 등)를 식별하고 수위의 높이를 측정하도록 학습된 인공신경망이 사용될 수 있으며, 이러한 인공신경망은 카메라의 저장부에 저장 및 설치되어 제어부에 의해 실행될 수 있다.

카메라는 전처리된 이미지를 분석하여 관심영역 내 수위 계측 값 또는 수위 구간을 감지할 수 있다(S830). 일 실시예에 따르면, 카메라는 인공지능 기반의 수위 계측 모델을 이용하여 이미지의 관심영역 내 수위 계측 값 또는 수위 구간을 감지할 수 있다. 예를 들어, 수위 계측 모델은, 수집 이미지에 기초하여 물 영역의 세그멘테이션이 반영된 물 영역 식별 이미지를 출력하는 제1 인공신경망 모델 및 물 영역 식별 이미지에 중첩된 관심 영역을 기초로 수위 값을 출력하는 제2 인공신경망 모델(534)을 포함할 수 있다. 제1 인공신경망 모델은 입력 수문 이미지에 기초하여 물 영역의 세그멘테이션이 반영된 물 영역 식별 이미지를 출력할 수 있다. 제1 인공신경망 모델은, 수문 이미지 중에서 물 영역과 그 외 영역을 구분하여 다른 인스턴스로 표시할 수 있도록 인스턴스 세그멘테이션(instance segmentation)을 실행할 수 있다. 또한, 제2 인공신경망 모델는, 물 영역 식별 이미지에 중첩된 관심 영역을 기초로 수위 값을 출력할 수 있다. 추가적으로, 제2 인공신경망 모델은, 물 영역 식별 이미지를 세로 방향으로 분할된 각각의 슬라이스 이미지에 중첩된 관심영역을 기초로 수위 값을 출력할 수 있다. 수위 계측 모델은, 메모리(또는 저장부)로부터 추출된 가상의 관심 영역의 종류 및 위치에 관한 정보에 기초하여, 제1 인공신경망 모델로부터 출력된 물 영역 식별 이미지에 가상의 관심영역을 중첩할 수 있다. 제2 인공신경망 모델은, 관심영역이 중첩된 물 영역 식별 이미지로부터 현재의 수위가 "관심" 수준, "주의" 수준, "경계" 수준 중 어느 범위에 속하는지 판별하도록 학습될 수 있다. 예를 들어, 수위 수준 중 "관심" 수준이 가장 낮은 수위를 나타내며, "경계" 수준이 가장 높은 수위를 나타낼 수 있다. 제2 인공신경망 모델은 이미지 또는 그 시각적 특징을 입력으로 하여, 복수의 수위 수준에 대한 연관 점수를 산출할 수 있다. 제2 인공신경망 모델은 관심영역이 중첩된 수문 이미지 및 영상 데이터베이스(미도시)로부터 추출된 학습데이터를 이용하여, 이미지에 대한 복수의 수위 수준의 연관 점수를 산출하도록 학습될 수 있다. 수위 계측 모델은, 산출된 연관 점수들에 기초하여, 수문 이미지와 연관되는 하나 이상의 수위 수준 정보를 출력할 수 있다. 일 실시예에서, 수위 계측 모델은, 사전 결정된 임계치(예를 들어, 0.5)를 초과하는 하나 이상의 수위 수준 정보를 수위 수준 분류로부터 선택하여 출력할 수 있다.

카메라는 감지한 수위 계측 값 또는 수위 감지 결과를 사용자 단말로 전송한 후, 사용자 단말로부터 사용자 제어 명령이 수신되기를 대기할 수 있다(S840). 일 실시예에서, 도 2을 참조하면, 카메라(120)는 수문(242) 또는 그 주변 구조물에 설정된 관심영역을 촬영하여 감지한 수위 계측 값 또는 수위 감지 결과를 네트워크(220)를 통해 사용자 단말(210_1, 210_2, 210_3)로 전송할 수 있다. 그 후, 카메라(120)는 사용자 단말(210_1, 210_2, 210_3)으로부터 수문(242) 또는 RTU(240)을 제어하기 위한 사용자 제어 명령이 수신되기를 대기할 수 있다.

단계(S850)에서, 카메라는 사용자 제어 명령의 수신 대기 시간이 사전 결정된 시간(t)을 초과하는지 모니터링할 수 있다. 모니터링 결과, 사용자 제어 명령의 수신 대기 시간이 사전 결정된 시간(t)을 초과하는 경우, 카메라는 감지한 수위 계측 값 또는 수위 감지 결과에 기초하여 RTU 또는 수문의 액츄에이터를 자동으로 제어하여 수문의 높이 또는 개폐를 조절할 수 있다(S860). 이에 반해, 사용자 제어 명령의 수신 대기 시간이 사전 결정된 시간(t)을 초과하지 않는 경우(즉, 사전 결정된 시간(t)이 경과되기 전에 사용자 단말로부터 사용자 제어 명령이 수신된 경우), 카메라는 수신된 사용자 제어 명령에 따라 수문 제어를 실행할 수 있다(S870). 예를 들어, 사용자 제어 명령은, 사용자 단말 상에 표시된 사용자 인터페이스를 통해 사용자가 입력한 수문의 개폐 여부, 수문의 높이 값 등에 관한 정보를 포함할 수 있다.

상술한 바와 같이, 카메라 촬영 영상에 대한 관심영역 설정과 딥러닝을 통한 수문 및 수위 데이터의 학습을 활용하며, 카메라에 의해 감지된 수위 계측 값 또는 수위 감지 결과에 대한 사용자 피드백을 받거나 수문을 자동 제어함으로써, 수위의 급격한 변화 등에 따른 수해 발생을 효율적으로 방지하는 것이 가능하다.

도 9는 본 개시의 일 실시예에 따른 스마트 하천 관제를 위한 통합 플랫폼을 사용자 단말 장치의 사용자 인터페이스를 통해 출력하는 예시를 나타내는 도면이다. 도시된 바와 같이, 사용자 단말은, 동작(900)에서, 카메라에 의해 현재 촬영되어 감시 중인 수문과 그 주변의 상태의 이미지 또는 영상을 출력할 수 있다. 여기서, 사용자 단말에 출력되는 이미지에는 가상으로 설정된 관심영역(910)이 함께 표시되어, 사용자는 현재의 수위(920)가 관심영역(910) 내의 어떤 수위 구간에 해당되는지 실시간으로 확인할 수 있다.

또한, 사용자 단말은, 수문의 개폐 또는 높이 조절에 관한 명령을 입력할 수 있는 하나 이상의 사용자 인터페이스(930, 940)를 표시할 수 있다. 사용자는, 사용자 인터페이스(930)의 '열림' 또는 '닫힘' 버튼을 선택함으로써, 현재 출력되고 있는 수문의 개폐 여부를 결정할 수 있다. 예를 들어, 사용자가 사용자 인터페이스(930) 상의 '열림'버튼을 선택하면, 사용자 단말은 이에 대응하는 사용자 제어 명령을 네트워크를 통해 RTU 또는 수문의 액츄에이터로 전송하고, RTU 또는 수문의 사용자 제어 명령에 따라 수문을 개방할 수 있다. 또한, 사용자는, 사용자 인터페이스(940)의 슬라이드 바를 이동함으로써, 현재 출력되고 있는 수문의 높이를 조절할 수 있다. 예를 들어, 사용자가 사용자 인터페이스(940) 상의 슬라이드 바를 이동하여 '65%'의 수문 높이를 설정한 경우, 사용자 단말은 이에 대응하는 사용자 제어 명령을 네트워크를 통해 RTU 또는 수문의 액츄에이터로 전송하고, RTU 또는 수문의 액츄에이터는 사용자 제어 명령에 따라 수문의 높이를 65% 수준으로 조절할 수 있다.

또한, 해당 수문의 수위 정보(미도시)는 사용자 단말의 디스플레이의 일부에 실시간으로 출력될 수 있다. 예를 들어, 수위 정보는 해당 수문의 평균 수위 또는 평균 수위에 대응되는 수위 구간에 대한 정보를 텍스트로 표시할 수 있다.

도 10 및 도 11은 본 개시의 일 실시예에 따른 스마트 하천 관제를 위한 통합 플랫폼을 통한 수위 계측 및 수문 제어를 위해, 사용자 단말 장치에서 가상의 수위계를 설정하는 사용자 인터페이스의 예시를 보여주는 도면이다. 도시된 바와 같이, 사용자 단말은, 동작(1100)에서, 카메라에 의해 현재 촬영되어 감시 중인 수문과 그 주변 상태의 이미지 또는 영상을 출력할 수 있다. 이 상태에서, 사용자는 사용자 단말에 출력되는 이미지 상에 관심영역(1120)의 위치를 설정할 수 있다. 즉, 사용자는, 동작(1110)에서 관심영역(1120)의 일 부분을 터치 및 드래그하여 그 위치를 이미지 상의 다른 위치로 변경할 수 있다.

추가적으로, 상술된 관심영역(1120)은, 카메라를 통해 촬영된 이미지 상에서 수위 계측을 수행할 경우, 해당 관심영역(1120) 범위 내의 이미지를 분할하여 슬라이스 이미지로 변환하여 수위 계측을 할 수도 있다. 예를 들어, 사용자는, 동작(1110)을 통해 관심영역(1120)의 일부분을 터치 및 드래그하여 수위 계측을 수행할 위치를 지정하고, 지정된 위치의 관심영역(1120) 내에서 카메라는 분할된 슬라이스 이미지로 변환하여 각각의 슬라이스 이미지에 해당되는 수위를 계측할 수 있다. 계측된 수위는 평균 수위로 산출하여, 기 설정된 수위 범위 또는 평균 수위보다 높은 수위로 계측된 슬라이스 이미지에 이물질(또는 부유물 등)이 존재하는 것으로 판단할 수 있다.

이와 같이 사용자가 사용자 단말을 이용하여 카메라에 의해 촬영되는 수문과 주변 상태의 이미지 상에서 가상의 관심영역(1120)을 설정하고, 그 위치를 적절히 변경하도록 구성함으로써, 수문의 개폐 상태, 수문 주위의 환경 변화에 따라 수위 구간을 적절히 조절할 수 있다. 또한, 가상의 관심영역(1120)의 설정 기능을 이용함으로써, 수위계가 물리적으로 표시되지 않은 수문에 대해서도 수위 변화의 감지와 수문의 제어가 가능하다.

본 명세서에 기술된 재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼 및 그 제어 방법 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본 명세서의 개시와 연계하여 설명된 다양한 예시 적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 당업자들은 더 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호교환성을 명확하게 설명하기 위해, 다양한 예시 적인 컴포넌트들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능성의 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는 지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 제약들에 따라 달라진다. 당업자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현 결정들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들 (digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들 (field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 명세서에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 명세서의 개시와 연계하여 설명된 다양한 예시 적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본 명세서에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안에서, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 그러한 구성의 조합으로써 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리 (random access memory; RAM), 판독 전용 메모리 (read-only memory; ROM), 불휘발성 RAM (non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM (erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크 (compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로써 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 명세서에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

소프트웨어로 구현되면, 상기 기능들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독 가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.

예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본 명세서에서 사용된 디스크(disk) 와 디스크 (disc)는, CD, 레이저 디스크, 광 디스크, DVD (digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들(disks) 은 보통 자기적으로 데이터를 재생하고, 반면 디스크들 (discs) 은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.

소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시 적인 저장 매체는, 프로세스가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 커플링 될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 컴포넌트들로써 존재할 수도 있다.

본 개시의 앞선 설명은 당업자들이 본 개시를 행하거나 이용하는 것을 가능하게 하기 위해 제공된다. 본 개시의 다양한 수정예들이 당업자들에게 쉽게 자명할 것이고, 본 명세서에 정의된 일반적인 원리들은 본 개시의 취지 또는 범위를 벗어나지 않으면서 다양한 변형예들에 적용될 수도 있다. 따라서, 본 개시는 본 명세서에 설명된 예들에 제한되도록 의도된 것이 아니고, 본 명세서에 개시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위가 부여되도록 의도된다.

비록 예시 적인 구현예들이 하나 이상의 독립형 컴퓨터 시스템의 맥락에서 현재 개시된 주제의 양태들을 활용하는 것을 언급할 수도 있으나, 본 주제는 그렇게 제한되지 않고, 오히려 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 현재 개시된 주제의 양상들은 복수의 프로세싱 칩들이나 디바이스들에서 또는 그 들에 걸쳐 구현될 수도 있고, 스토리지는 복수의 디바이스들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 디바이스들은 PC들, 네트워크 서버들, 및 핸드헬드 디바이스들을 포함할 수도 있다.

비록 본 주제가 구조적 특징들 및/또는 방법론적 작용들에 특정한 언어로 설명되었으나, 첨부된 청구항들에서 정의된 주제가 위에서 설명된 특정 특징들 또는 작용들로 반드시 제한되는 것은 아님이 이해될 것이다. 오히려, 위에서 설명된 특정 특징들 및 작용들은 청구항들을 구현하는 예시 적인 형태로서 설명된다.

이 명세서에서 언급된 방법은 특정 실시예들을 통하여 설명되었지만, 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다는 점을 알아야 할 것이다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

100: 스마트 하천 관제를 위한 통합 플랫폼
120: 카메라 130: 관심영역
132: 수위계 150: 액츄에이터
152: 샤프트 160: 수문
170: 수위 172: 수위계
210: 사용자 단말 220: 네트워크
230: 정보 처리 시스템 312, 332: 메모리
314, 334: 프로세서 316, 336: 통신 모듈
318, 338: 입출력 인터페이스 320: 입출력 장치
410: 이미지 센서부 420: 통신 모듈
430: 프로세서 432: 객체 인식부
434: 수위 계측부 440: 전원부
450: 메모리 460: 이미지 학습부
470: 수집 이미지 472: 학습 이미지
474: 객체 인식 모델 710: 이미지
720, 722: 데이터 910, 1120: 관심영역
920: 수위 930, 940: 사용자 인터페이스
1110: 동작

Claims (10)

1. 재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼에 있어서,
   수로를 통한 물의 흐름을 조절하도록 구성된 적어도 하나의 수문의 이미지를 촬영하도록 구성된 카메라;
   상기 수문의 높이를 조절할 수 있도록 구성된 액츄에이터; 및
   상기 카메라에 의해 촬영된 상기 이미지 상에 가상의 관심영역을 중첩하여 설정하고, 각각의 상기 관심영역 내의 수위의 변화를 감지하며, 상기 수위의 변화에 따라 상기 액츄에이터를 제어하는 제어부
   를 포함하고,
   상기 제어부는, 촬영된 상기 이미지를 세로 방향으로 복수 개의 슬라이스 이미지로 변환하고, 상기 슬라이스 이미지 각각에 대해 상기 관심영역의 높이를 측정하여 이물질 존재 여부를 판단하는, 스마트 하천 관제 플랫폼.
   
2. 제1항에 있어서,
   상기 수위의 변화를 감지하기 위해 상기 수문의 일측면에 설치되어, 기 설정된 수위 구간에 따라 관심구간, 주의구간 또는 경계구간을 구분하도록 구성된 수위계
   를 더 포함하는, 스마트 하천 관제 플랫폼.
   
3. 제2항에 있어서,
   상기 제어부는,
   상기 카메라에 의해 촬영된 이미지 내의 상기 수위계에서, 상기 수로의 수위가 해당하는 상기 수위계의 수위 구간의 문자를 판독하고, 판독된 상기 문자에 따라 상기 수문의 개폐여부를 판단하는, 스마트 하천 관제 플랫폼.
   
4. 제1항에 있어서,
   상기 제어부는,
   상기 카메라를 통해 수집된 수집 이미지 또는 외부 학습 이미지를 통해 상기 관심영역, 수위 및 객체를 감지하도록 인공지능 기반으로 학습된 이미지 학습부
   를 포함하는, 스마트 하천 관제 플랫폼.
   
5. 제4항에 있어서,
   상기 제어부는,
   상기 이미지 학습부를 통해 학습된 상기 관심영역 각각에 대한 수위를 산출하고, 상기 관심영역 각각에 대한 평균 수위를 산출하도록 구성된 수위 계측부
   를 포함하는, 스마트 하천 관제 플랫폼.
   
6. 제4항에 있어서,
   상기 이미지 학습부를 통해 상기 관심영역에서 물 영역 및 상기 수문을 제외한 객체를 감지하도록 전처리 및 감지하고, 상기 감지된 객체를 이미지에서 제거된 객체 데이터를 저장부에 전송하도록 구성된 객체인식부;
   를 포함하는, 스마트 하천 관제 플랫폼.
   
7. 제1항에 있어서,
   상기 제어부는,
   상기 슬라이스 이미지 각각에서 상기 관심영역에 대한 높이를 평균화하고, 상기 슬라이스 이미지 각각에서 상기 관심영역에 대한 높이가 기 설정된 높이 영역 또는 평균 높이를 벗어날 경우, 이물질이 존재하는 것으로 판단하는, 스마트 하천 관제 플랫폼.
   
8. 제1항에 있어서,
   상기 제어부는, 사용자 단말 장치로 상기 수문의 이미지 및 상기 관심영역에 대한 정보를 전송하고, 상기 사용자 단말 장치로부터 원격 제어가 가능하도록 구성된, 스마트 하천 관제 플랫폼.
   
9. 재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼 제어 방법에 있어서,
   카메라에 의해, 수로를 통한 물의 흐름을 조절하도록 구성된 적어도 하나의 수문의 이미지를 촬영하는 단계;
   제어부에 의해, 상기 이미지 상에 가상의 관심영역을 중첩하여 설정하고, 각각의 상기 관심영역 내의 수위의 변화를 감지하며, 상기 수위의 변화에 따라 수문의 높이를 조절할 수 있도록 구성된 액츄에이터를 제어하는 단계; 및
   상기 제어부에 의해, 촬영된 상기 이미지를 세로 방향으로 복수 개의 슬라이스 이미지로 변환하고, 상기 슬라이스 이미지 각각에 대해 상기 관심영역의 높이를 측정하여 이물질 존재 여부를 판단하는 단계
   를 포함하는, 스마트 하천 관제 플랫폼 제어 방법.
   
10. 제9항에 있어서,
    상기 제어부에 의해, 상기 슬라이스 이미지 각각에서 상기 관심영역에 대한 높이를 평균화하고, 상기 슬라이스 이미지 각각에서 상기 관심영역에 대한 높이가 기 설정된 높이 영역 또는 평균 높이를 벗어날 경우, 이물질이 존재하는 것으로 판단하는 단계
    를 더 포함하는, 스마트 하천 관제 플랫폼 제어 방법.
    

Images