KR102482129B1 - Artificial intelligence based noxious gas leak detection system and operating method there of - Google Patents
Artificial intelligence based noxious gas leak detection system and operating method there of Download PDFInfo
- Publication number
- KR102482129B1 KR102482129B1 KR1020220089917A KR20220089917A KR102482129B1 KR 102482129 B1 KR102482129 B1 KR 102482129B1 KR 1020220089917 A KR1020220089917 A KR 1020220089917A KR 20220089917 A KR20220089917 A KR 20220089917A KR 102482129 B1 KR102482129 B1 KR 102482129B1
- Authority
- KR
- South Korea
- Prior art keywords
- target object
- warning
- leak
- space
- identified
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 120
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 90
- 239000002341 toxic gas Substances 0.000 title claims description 56
- 238000011017 operating method Methods 0.000 title abstract description 4
- 238000012806 monitoring device Methods 0.000 claims abstract description 77
- 231100001261 hazardous Toxicity 0.000 claims abstract 6
- 239000007789 gas Substances 0.000 claims description 222
- 238000000034 method Methods 0.000 claims description 126
- 230000033001 locomotion Effects 0.000 claims description 67
- 230000005540 biological transmission Effects 0.000 claims description 66
- 230000008569 process Effects 0.000 claims description 56
- 238000012544 monitoring process Methods 0.000 claims description 39
- 238000009434 installation Methods 0.000 claims description 37
- 238000005259 measurement Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 4
- 230000036961 partial effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 description 60
- 239000013598 vector Substances 0.000 description 54
- 230000003595 spectral effect Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 34
- 238000004891 communication Methods 0.000 description 21
- 238000004566 IR spectroscopy Methods 0.000 description 13
- 230000000873 masking effect Effects 0.000 description 12
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 239000000779 smoke Substances 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000002372 labelling Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 6
- 238000003657 Likelihood-ratio test Methods 0.000 description 5
- 230000003028 elevating effect Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000001131 transforming effect Effects 0.000 description 5
- 229910021529 ammonia Inorganic materials 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001681 protective effect Effects 0.000 description 3
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- -1 flame Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
- F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon Stands for scientific apparatus such as gravitational force meters
- F16M11/02—Heads
- F16M11/04—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand
- F16M11/06—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand allowing pivoting
- F16M11/12—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand allowing pivoting in more than one direction
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
- F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon Stands for scientific apparatus such as gravitational force meters
- F16M11/02—Heads
- F16M11/04—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand
- F16M11/06—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand allowing pivoting
- F16M11/12—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand allowing pivoting in more than one direction
- F16M11/126—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand allowing pivoting in more than one direction for tilting and panning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B17/00—Details of cameras or camera bodies; Accessories therefor
- G03B17/56—Accessories
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B17/00—Details of cameras or camera bodies; Accessories therefor
- G03B17/56—Accessories
- G03B17/561—Support related camera accessories
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/645—Splitting route computation layer and forwarding layer, e.g. routing according to path computational element [PCE] or based on OpenFlow functionality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/74—Address processing for routing
- H04L45/745—Address table lookup; Address filtering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Abstract
Description
본 개시는 유해 가스 누출을 탐지하는 시스템 및 이의 동작 방법에 관한 것이다. 보다 상세하게는, 인공지능 모델을 기반으로 유해 가스 누출을 탐지하는 시스템 및 이의 동작 방법에 관한 것이다.The present disclosure relates to a system for detecting noxious gas leakage and a method of operation thereof. More specifically, it relates to a system for detecting harmful gas leakage based on an artificial intelligence model and an operating method thereof.
산업현장 또는 다양한 용도의 저장 시설에서는 다양한 종류의 가스들이 사용될 수 있으며, 가스들을 저장하고 사용하는 과정에서, 인명 사고 예방 및 대규모 사고로의 확대되는 것을 방지하기 위해 인체에 치명적이거나 폭발성을 띄는 가스 누출을 초기에 탐지하고 진압하는 것은 매우 중요하다.Various types of gases can be used in industrial sites or storage facilities for various purposes, and in the process of storing and using gases, in order to prevent human accidents and prevent the spread of large-scale accidents, leaks of gases that are fatal or explosive to the human body It is very important to detect and suppress it at an early stage.
그러나 산업현장에서 사용 및 발생되는 가스들은 산업 현장의 규모, 환경 및 시각적으로 인지하기 어려운 가스 자체의 특성들로 인해 초기에 탐지하기 어려운 경우가 많고, 가스의 탐지 및 누출 위치 파악에 많은 시간이 걸리는 한계가 있다. 또한, 일반적인 가스 경보 및 가스 탐지를 위한 기술의 경우 가스 센서, 비디오 카메라를 활용하는 일부 특징들을 개시하고 있으나, 가스의 탐지 및 실시간 추적의 정확도에 한계가 있으며, 가스 누출 원점 탐지 및 경고 전파가 효율적으로 수행되지 않는 한계가 있다.However, gases used and generated in industrial sites are often difficult to initially detect due to the size of the industrial site, the environment, and the characteristics of the gas itself, which are difficult to visually recognize, and it takes a lot of time to detect the gas and locate the leak. There are limits. In addition, in the case of general gas alarm and gas detection technology, some features using a gas sensor and video camera are disclosed, but there is a limit to the accuracy of gas detection and real-time tracking, and gas leak origin detection and warning propagation are efficient. There are limitations that cannot be performed with
따라서, 암모니아, 메탄 등과 같이 시각적으로 눈에 잘 띄지 않는 가스 누출을 초기에 탐지하고, 이를 통해 실시간으로 진압 및 통제가 가능하며, 다양한 산업 현장에 적용될 수 있는 가스 누출 탐지 관리 기술 개발이 요구되고 있다.Therefore, there is a demand for the development of gas leak detection and management technology that detects gas leaks that are not visually noticeable, such as ammonia and methane, at an early stage, suppresses and controls them in real time, and can be applied to various industrial sites. .
일 실시 예에 의하면, 인공지능 기반 유해 가스 누출을 탐지하는 시스템 및 이의 동작 방법이 제공될 수 있다.According to an embodiment, a system and method for detecting leakage of harmful gas based on artificial intelligence may be provided.
보다 상세하게는, 모니터링 장치 및 경고 장치들을 통해 가스 누출을 실시간으로 탐지하고, 초기에 가스 누출을 진압할 수 있는 경고 및 제어 컨텐츠를 제공하는 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법이 제공될 수 있다.More specifically, an artificial intelligence-based harmful gas leak detection system that detects gas leaks in real time through monitoring devices and warning devices and provides warning and control contents capable of suppressing gas leaks at an early stage and an operating method thereof are provided. It can be.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일 실시 예에 따른 인공지능 기반 유해 가스 누출 탐지 시스템은 유해 가스 누출 탐지 대상이 되는 모니터링 대상 공간을 촬영함으로써 복수 타입의 영상들을 획득하고, 상기 모니터링 대상 공간 내 일 지점으로부터 반사되는 레이저 신호를 측정하는 모니터링 장치; 상기 모니터링 대상 공간에 설치되고, 상기 유해 가스 누출이 탐지되면 복수 타입의 경고 신호들을 출력하는 경고 장치들; 상기 모니터링 장치로부터 상기 복수 타입의 영상들을 획득하고, 상기 획득된 복수 타입의 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하며, 상기 식별된 표적 객체가 누출된 누출 원점을 식별하고, 상기 표적 객체가 기 설정된 경고 발생 조건을 만족하는지 여부에 기초하여 상기 유해 가스 누출을 탐지하며, 상기 유해 가스 누출이 탐지되면 상기 누출 원점, 상기 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성하는 가스 영상 탐지 서버; 상기 가스 영상 탐지 서버에 의해 상기 유해 가스 누출이 탐지되면, 상기 모니터링 장치가 상기 표적 객체를 추적하도록 모니터링 제어 신호를 출력하고, 상기 경고 컨텐츠를 출력함과 함께 상기 경고 장치들을 제어하기 위한 경고 제어 신호를 출력하는 경고 제어 서버; 및 상기 가스 영상 탐지 서버로부터 상기 경고 컨텐츠를 획득하고, 상기 획득된 경고 컨텐츠를 출력하며, 상기 경고 컨텐츠에 포함된 사용자 제어 인터페이스를 통해 사용자 제어 입력을 획득하고, 상기 획득된 사용자 제어 입력에 기초하여 상기 모니터링 장치를 원격으로 제어하는 통합 관제 서버; 를 포함할 수 있다.As a technical means for achieving the above-described technical problem, an artificial intelligence-based harmful gas leak detection system according to an embodiment acquires multiple types of images by photographing a target space to be monitored, which is a target for detecting harmful gas leaks, and the target to be monitored a monitoring device that measures a laser signal reflected from a point in space; warning devices installed in the space to be monitored and outputting plural types of warning signals when leakage of the noxious gas is detected; Acquiring the plurality of types of images from the monitoring device, checking whether a target object related to the noxious gas is identified from the acquired plurality of types of images, identifying a leakage origin at which the identified target object has leaked, , Detecting the noxious gas leak based on whether the target object satisfies a preset warning generating condition, and when the noxious gas leak is detected, a warning including the origin of the leak and an entry path for suppressing the leak of the target object a gas image detection server that generates content; When the noxious gas leakage is detected by the gas image detection server, the monitoring device outputs a monitoring control signal to track the target object, and a warning control signal for outputting the warning contents and controlling the warning devices. A warning control server that outputs; And obtaining the warning content from the gas image detection server, outputting the obtained warning content, obtaining a user control input through a user control interface included in the warning content, based on the obtained user control input An integrated control server that remotely controls the monitoring device; can include
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 또 다른 실시 예에 의하면, 인공지능 기반 유해 가스 누출 탐지 시스템이 유해 가스 누출을 관리하는 방법에 있어서, 모니터링 장치들로부터 복수 타입의 영상들을 획득하는 단계; 상기 획득된 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 결정하는 단계; 상기 표적 객체가 식별되는 경우, 상기 표적 객체의 상태 정보에 기초하여 유해 가스와 관련된 표적 객체의 누출 원점을 결정하는 단계; 를 포함하는 방법이 제공될 수 있다.As a technical means for achieving the above-described technical problem, according to another embodiment, in the method for managing harmful gas leakage by an artificial intelligence-based harmful gas leak detection system, the step of acquiring multiple types of images from monitoring devices ; determining whether a target object related to a harmful gas is identified from the obtained plurality of types of images; If the target object is identified, determining a leakage origin of the target object related to harmful gas based on state information of the target object; A method including may be provided.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 또 다른 실시 예에 의하면, 인공지능 기반 유해 가스 누출 탐지 시스템이 유해 가스 누출을 관리하는 방법에 있어서, 모니터링 장치들로부터 복수 타입의 영상들을 획득하는 단계; 상기 획득된 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 결정하는 단계; 상기 표적 객체가 식별되는 경우, 상기 표적 객체의 상태 정보에 기초하여 유해 가스와 관련된 표적 객체의 누출 원점을 결정하는 단계; 를 포함하는 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체가 제공될 수 있다.As a technical means for achieving the above-described technical problem, according to another embodiment, in the method for managing harmful gas leakage by an artificial intelligence-based harmful gas leak detection system, the step of acquiring multiple types of images from monitoring devices ; determining whether a target object related to a harmful gas is identified from the obtained plurality of types of images; If the target object is identified, determining a leakage origin of the target object related to harmful gas based on state information of the target object; A computer-readable recording medium in which a program for performing a method including may be provided.
일 실시 예에 의하면 유해 가스 누출을 초기에 식별할 수 있다.According to one embodiment, it is possible to identify harmful gas leaks at an early stage.
일 실시 예에 의하면 유해 가스 누출을 실시간으로 탐지하고, 탐지 결과에 따라 유해 가스 누출을 효과적으로 진압할 수 있다.According to an embodiment, leakage of harmful gas may be detected in real time, and leakage of harmful gas may be effectively suppressed according to the detection result.
도 1은 일 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 동작 과정을 개략적으로 설명하기 위한 도면이다.
도 2는 일 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 블록도이다.
도 3은 또 다른 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 동작 과정을 설명하기 위한 도면이다.
도 4는 일 실시 예에 따른 전자 장치가 인공지능 기반 유해 가스 누출 원점을 식별하는 과정을 나타내는 흐름도이다.
도 5는 일 실시 예에 따른 전자 장치가 복수의 인공지능 모델을 이용함으로써 유해가스와 관련된 표적 객체가 식별되는지 여부를 확인하는 과정을 나타내는 흐름도이다.
도 6은 일 실시 예에 따른 전자 장치가 유해 가스와 관련된 표적 객체 인식 하는 과정을 설명하기 위한 도면이다.
도 7은 일 실시 예에 따른 가스 영상 및 배경 영상에 대한 적외선 분광 스펙트럼 정보를 설명하기 위한 도면이다.
도 8은 일 실시 예에 따른 전자 장치가 적외선 분광 스펙트럼 정보 상 주파수 조밀도에 기초하여 푸리에 변환 계수를 조정하는 과정을 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 전자 장치가 복수 타입 영상들로부터 표적 객체 영역을 분리하는 방법의 흐름도이다.
도 10은 일 실시 예에 따른 전자 장치가 유해 가스와 관련된 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하는 방법의 흐름도이다.
도 11은 일 실시 예에 따른 전자 장치가 표적 객체의 형상 정보를 추출하는 구체적인 방법의 흐름도이다.
도 12는 일 실시 예에 따른 전자 장치가 표적 객체의 흐름 정보를 결정하는 구체적인 방법의 흐름도이다.
도 13은 일 실시 예에 전자 장치가 따른 표적 객체의 움직임 정보를 결정하는 구체적인 방법의 흐름도이다.
도 14는 일 실시 예에 따른 유해 가스와 관련된 표적 객체 영역을 분리하는 과정 및 표적 객체의 상태 정보를 추출하는 과정을 설명하기 위한 도면이다.
도 15는 일 실시 예에 따른 전자 장치가 표적 객체의 누출 원점을 식별하는 구체적인 방법의 흐름도이다.
도 16은 일 실시 예에 따른 전자 장치가 렌즈 왜곡 보정에 따른 보정 상태 정보를 획득하는 과정을 설명하기 위한 도면이다.
도 17은 일 실시 예에 따른 표적 객체의 누출 원점 및 누출 원점이 표시된 합성 영상 예를 설명하기 위한 도면이다.
도 18은 일 실시 예에 따른 전자 장치가 구체화된 경고 발생 조건에 따른 인공지능 기반 유해 가스 누출 여부를 결정하는 방법의 흐름도이다.
도 19는 일 실시 예에 따른 전자 장치가 유해 가스 누출 여부를 결정하기 위한 기준으로 경고 발생 조건 만족 여부를 결정하는 구체적인 방법의 흐름도이다.
도 20은 일 실시 예에 따른 전자 장치가 유해 가스 관련 표적 객체 누출 상황을 관리하는 방법의 흐름도이다.
도 21은 일 실시 예에 따른 전자 장치가 유해 가스 관련 표적 객체 누출 상황 시 경고 컨텐츠를 생성하는 구체적인 방법의 흐름도이다.
도 22는 일 실시 예에 따른 전자 장치가 진입 경로를 생성하는 방법의 흐름도이다.
도 23은 일 실시 예에 따른 전자 장치가 진입 경로를 생성하는 과정을 설명하기 위한 도면이다.
도 24는 일 실시 예에 따른 전자 장치가 경고 제어 신호를 전송하기 위해 전송 경로를 결정하는 방법의 흐름도이다.
도 25는 일 실시 예에 따른 전자 장치가 경고 제어 신호 전송을 위한 전송 경로의 위험 정도를 식별하는 방법의 흐름도이다.
도 26은 일 실시 예에 따른 경고 제어 신호가 전송되는 전송 경로를 구성하는 네트워크 설명하기 위한 도면이다.
도 27은 일 실시 예에 따른 전자 장치의 블록도이다.
도 28은 또 다른 실시 예에 따른 전자 장치의 블록도이다.
도 29는 일 실시 예에 따른 서버의 블록도이다.
도 30은 일 실시 예에 따른 사용자 제어 인터페이스 및 합성 영상을 포함한 경고 컨텐츠의 화면을 설명하기 위한 도면이다.
도 31은 일 실시 예에 따른 모니터링 장치의 구조를 설명하기 위한 도면이다.
도 32는 일 실시 예에 따른 모니터링 장치, 가스 영상 탐지 서버, 경보 제어 서버, 통합 관제 서버 및 경고 장치들이 서로 연동함으로써 유해 가스와 관련된 표적 객체 누출 상황을 관리하는 과정을 설명하기 위한 도면이다.1 is a diagram schematically illustrating an operation process of an artificial intelligence-based gas leak detection system according to an embodiment.
2 is a block diagram of an AI-based gas leak detection system according to an embodiment.
3 is a diagram for explaining an operation process of an artificial intelligence-based gas leak detection system according to another embodiment.
4 is a flowchart illustrating a process in which an electronic device identifies an artificial intelligence-based source of leakage of harmful gas according to an embodiment.
5 is a flowchart illustrating a process of determining whether a target object related to a harmful gas is identified by using a plurality of artificial intelligence models by an electronic device according to an embodiment.
6 is a diagram for explaining a process of recognizing a target object related to harmful gas by an electronic device according to an embodiment.
7 is a diagram for explaining infrared spectroscopy spectrum information for a gas image and a background image according to an exemplary embodiment.
8 is a diagram for explaining a process of adjusting a Fourier transform coefficient based on frequency density on infrared spectral spectrum information by an electronic device according to an embodiment.
9 is a flowchart of a method of separating a target object area from multiple types of images by an electronic device according to an embodiment.
10 is a flowchart of a method for obtaining, by an electronic device, state information about at least one of the shape, flow, or motion of a target object related to harmful gas, according to an embodiment.
11 is a flowchart of a specific method of extracting shape information of a target object by an electronic device according to an embodiment.
12 is a flowchart of a specific method of determining flow information of a target object by an electronic device according to an embodiment.
13 is a flowchart of a specific method of determining motion information of a target object according to an electronic device according to an embodiment.
14 is a diagram for explaining a process of separating a target object region related to harmful gas and a process of extracting state information of a target object according to an embodiment.
15 is a flowchart of a specific method for identifying a leakage origin of a target object by an electronic device according to an embodiment.
16 is a diagram for explaining a process of obtaining correction state information according to lens distortion correction by an electronic device according to an exemplary embodiment.
17 is a diagram for explaining an example of a leak origin of a target object and a synthesized image in which the leak origin is displayed according to an embodiment.
18 is a flowchart of a method for determining whether an electronic device leaks harmful gas based on artificial intelligence according to a specific warning generation condition according to an embodiment.
19 is a flowchart of a specific method for determining whether a warning generating condition is satisfied as a criterion for determining whether an electronic device leaks harmful gas according to an embodiment.
20 is a flowchart of a method of managing, by an electronic device, a leakage situation of a target object related to harmful gas, according to an embodiment.
21 is a flowchart of a specific method for generating warning contents when an electronic device leaks a target object related to harmful gas according to an embodiment.
22 is a flowchart of a method of generating an access path by an electronic device according to an embodiment.
23 is a diagram for explaining a process of generating an entry path by an electronic device according to an embodiment.
24 is a flowchart of a method of determining a transmission path for an electronic device to transmit a warning control signal according to an embodiment.
25 is a flowchart of a method of identifying, by an electronic device, a risk level of a transmission path for transmitting a warning control signal, according to an embodiment.
26 is a diagram for explaining a network constituting a transmission path through which a warning control signal is transmitted according to an embodiment.
27 is a block diagram of an electronic device according to an embodiment.
28 is a block diagram of an electronic device according to another embodiment.
29 is a block diagram of a server according to an embodiment.
30 is a diagram for explaining a screen of a user control interface and warning contents including a synthesized image according to an exemplary embodiment.
31 is a diagram for explaining the structure of a monitoring device according to an embodiment.
32 is a diagram for explaining a process of managing a leakage situation of a target object related to harmful gas by interworking a monitoring device, a gas image detection server, an alarm control server, an integrated control server, and warning devices according to an embodiment.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.Terms used in this specification will be briefly described, and the present disclosure will be described in detail.
본 개시에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 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. The terms used in the present disclosure have been selected from general terms that are currently widely used as much as possible while considering the functions in the present disclosure, but they may vary according to the intention or precedent of a person skilled in the art, the emergence of new technologies, and the like. In addition, in a specific case, there is also a term arbitrarily selected by the applicant, and in this case, the meaning will be described in detail in the description of the invention. Therefore, terms used in the present disclosure should be defined based on the meaning of the term and the general content of the present disclosure, not simply the name of the term.
명세서 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. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.When it is said that a certain part "includes" a certain component throughout the specification, it means that it may further include other components without excluding other components unless otherwise stated. In addition, terms such as "...unit" and "module" described in the specification mean a unit that processes at least one function or operation, which may be implemented as hardware or software or a combination of hardware and software. .
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, with reference to the accompanying drawings, embodiments of the present disclosure will be described in detail so that those skilled in the art can easily carry out the present disclosure. However, the present disclosure may be implemented in many different forms and is not limited to the embodiments described herein. And in order to clearly describe the present disclosure in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.
도 1은 일 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 동작 과정을 개략적으로 설명하기 위한 도면이다.1 is a diagram schematically illustrating an operation process of an artificial intelligence-based gas leak detection system according to an embodiment.
일 실시 예에 의하면, 인공지능 기반 가스 누출 탐지 시스템(10)은 유해 가스의 누출을 실시간으로 탐지하고, 유해 가스 누출이 탐지되는 경우 이를 실시간으로 영상화함으로써 가스 진압을 위한 다양한 종류의 통합 관제 솔루션을 상황실 영상 정보 디스플레이로 제공할 수 있다. 인공지능 기반 가스 누출 탐지 시스템(10)은 유해 가스 누출의 실시간 탐지하고, 유해 가스 누출을 진압하기 위한 다양한 종류의 컨텐츠를 제공함으로써 가스 누출 발생시 초기 진압 성공률을 높이고, 이를 통해 대형 사고를 사전에 예방할 수 있다.According to one embodiment, the artificial intelligence-based gas
일 실시 예에 의하면, 인공지능 기반 가스 누출 탐지 시스템(10)은 가스를 사용 및 저장하는 다양한 산업 현장에서 사용될 수 있다. 예를 들어, 인공지능 기반 가스 누출 탐지 시스템(10)은 저탄장에 설치됨으로써 시각적으로 눈에 보이지 않는 메탄 (162)을 실시간으로 탐지하도록 사용될 수 있다. 또 다른 실시 예에 의하면 인공지능 기반 가스 누출 탐지 시스템(10)은 암모니아 저장 탱크 또는 암모니아 가스 배관 설비가 마련된 저장소에 설치됨으로써 암모니아 (164)를 실시간으로 탐지하도록 사용될 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 본 개시에 따른 인공지능 기반 가스 누출 탐지 시스템(10)은 가스를 사용 및 저장하는 다양한 산업 현장에서 사용될 수 있음은 물론이다. 예를 들어, 인공지능 기반 가스 누출 탐지 시스템(10)은 발전소, 저탄장, 매립장 또는 오수 처리장 과 같은 다양한 종류의 작업현장에 사용됨으로써, 시각적으로 눈에 보이거나, 보이지 않는 다양한 종류의 가스 누출을 탐지하고, 탐지된 가스 누출이 경고 발생 조건에 매칭되는 경우 이를 경고 및 관리하기 위한 컨텐츠들을 제공할 수 있다.According to one embodiment, the artificial intelligence-based gas
일 실시 예에 의하면, 인공지능 기반 가스 누출 탐지 시스템(10)은 복수의 모니터링 장치들(166, 168), 가스 영상 탐지 서버(172), 경고 제어 서버(174), 통합 컨트롤러(178), IP WALL 컨트롤러(180), 저장분배서버(182), 스토리지 (184) 및 상황실 영상 정보 디스플레이(186)를 포함할 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 인공지능 기반 가스 누출 탐지 시스템(10)은 유해 가스 누출과 관련된 표적 객체 탐지를 위한 더 많은 구성을 포함하거나, 더 적은 구성 요소로 마련될 수 있음은 물론이다.According to an embodiment, the artificial intelligence-based gas
모니터링 장치들(166, 168)은 유해 가스와 관련된 표적 객체 누출 여부 탐지 대상이 되는 모니터링 대상 공간에 설치됨으로써, 복수 타입의 영상들을 획득하고, 모니터링 대상 공간 내 일 지점으로부터 반사되는 레이저 신호를 측정할 수 있다. 가스 영상 탐지 서버(172)는 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체를 인식하고, 인식된 표적 객체의 형상, 이동 방향 또는 움직임에 관한 상태 정보에 기초하여 유해 가스 누출 원점을 식별하며, 가스 누출 상황 발생으로 판단되는 경우 누출 영상을 포함한 합성 영상을 통합 관제 서버를 통해 상황실 영상 정보 디스플레이(186)로 전송할 수 있다.The
경고 제어 서버(174)는 유해 가스와 관련된 표적 객체가 인식되면, 다양한 경고 장치들을 제어하기 위한 경고 제어 신호를 생성하고, 생성된 경고 제어 신호들을 복수 타입의 경고 장치들을 통해 출력할 수 있다. 일 실시 예에 의하면 가스 영상 탐지 서버(172), 경고 제어 서버(174) 및 모니터링 장치들(166, 168)은 로컬네트워크(171)를 통해 연결될 수 있다.When a target object related to harmful gas is recognized, the warning control server 174 may generate warning control signals for controlling various warning devices and output the generated warning control signals through a plurality of types of warning devices. According to an embodiment, the gas
일 실시 예에 의하면 통합 컨트롤러(178)은 유해 가스 누출을 탐지하기 위한 가스 영상 탐지 서버(172), 경고 제어 서버(174) 및 모니터링 장치들과 같은 장치들을 제어하거나, 이로부터 수신되는 데이터의 송수신을 종합적으로 관리할 수 있다. IP WALL 컨트롤러(180)는 네트워크를 기반으로 모니터링 장치들로부터 획득되는 복수 타입의 영상들이 분배 및 처리되도록 제어할 수 있고, 저장 분배 서버(182)는 모니터링 장치들로부터 획득되는 복수 타입의 영상들이 스토리지(184)에 저장되도록 제어하고, 스토리지(184)에 저장된 복수 타입의 영상들에 대한 액세스를 제어하며, 필요한 경우 복수 타입 영상들에 대한 데이터들이 소정의 목적지까지 전달되도록 송수신을 제어할 수 있다.According to an embodiment, the
통합 컨트롤러(178), IP WALL 컨트롤러(180), 저장분배서버(182) 및 스토리지(184)는 센서네트워크(176)를 통해 가스영상 탐지 서버(172) 및 경고 제어 서버(174)와 연결될 수 있다. 일 실시 예에 의하면 상황실 영상 정보 디스플레이(186)는 복수 타입의 영상들에 기초하여 생성되는 누출 영상, 합성 영상, 사용자 제어 인터페이스 및 다양한 종류의 경고 컨텐츠들을 출력할 수 있다.The
도 2는 일 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 블록도이다.2 is a block diagram of an AI-based gas leak detection system according to an embodiment.
일 실시 예에 의하면 인공지능 기반 유해 가스 누출 탐지 시스템(10)은 모니터링 장치(200), 전자 장치(1000), 가스 영상 탐지 서버(220), 경고 제어 서버(240), 통합 관제 서버(260), 경고 장치들(232) 및 휴대 IOT 장치들(234)을 포함할 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 인공지능 기반 유해 가스 누출 탐지 시스템(10)은 유해 가스 누출을 탐지하기 위한 더 많은 구성 요소를 포함하거나, 더 적은 구성 요소로 마련될 수 있음은 물론이다.According to an embodiment, the artificial intelligence-based harmful gas
예를 들어, 인공 지능 기반 유해 가스 누출 탐지 시스템(10)은 모니터링 대상 공간 내 작업자들의 휴대 IOT 장치들(234) 및 전자 장치(1000)를 제외하고, 모니터링 장치(200), 가스 영상 탐지 서버(220), 경고 제어 서버(240), 통합 관제 서버(260) 및 경고 장치들(232)을 포함할 수도 있다. 인공지능 기반 가스 누출 탐지 시스템(10)의 각 구성들의 기능은 후술하는 도면들을 참조하여 구체적으로 설명하기로 한다.For example, the artificial intelligence-based noxious gas
도 3은 또 다른 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 동작 과정을 설명하기 위한 도면이다.3 is a diagram for explaining an operation process of an artificial intelligence-based gas leak detection system according to another embodiment.
본 개시에 따른 인공지능 기반 가스 누출 탐지 시스템(10)은 모니터링 대상 공간(301)에 설치된 모니터링 장치(300)로부터 복수 타입의 영상들에 관한 영상 정보(306) 및 레이저 측정값(308)을 획득하고, 획득된 영상 정보(306) 및 레이저 측정값(308)에 기초하여 모니터링 대상 공간 내 유해 가스와 관련된 표적 객체의 누출이 발생하였는지 여부를 실시간으로 탐지하며, 표적 객체 누출 상황이 발생하는 경우, 경고 컨텐츠 및 경고 제어 신호를 출력함으로써 유해 가스 누출 상황을 초기에 진압하도록 할 수 있다.An artificial intelligence-based gas
일 실시 예에 의하면, 인공지능 기반 가스 누출 탐지 시스템(10)은 모니터링 장치(300), 전자 장치(1000), 가스 영상 탐지 서버(320), 경고 제어 서버(340), 통합 관제 서버(360), 경고 장치들(332) 및 휴대 IOT 장치(334)을 포함할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 영상 데이터들과 신호들을 획득, 처리 및 저장할 수 있는 컴퓨팅 장치로, 유해 가스 누출 탐지를 위해 가스 영상 탐지 서버(320), 경고 제어 서버(340), 통합 관제 서버(360)가 수행하는 기능의 전부 또는 적어도 일부를 함께 수행할 수 있다.According to an embodiment, the artificial intelligence-based gas
일 실시 예에 의하면 모니터링 장치(300)는 상하 이동을 통해 모니터링 대상 공간의 일 지점을 모니터링하는 엘리베이션 타입(302)과, 레일 상을 이동함과 함께 엘리베이션 폴대를 통해 상하 이동이 가능한 레일 타입(304)을 포함할 수 있다. 모니터링 장치(3000)는 모니터링 대상 공간(301)으로부터 획득된 영상 정보(306) 및 레이저 측정값(308)에 기초하여 전자 장치(1000)로부터 모니터링 제어 신호(312)가 수신되면 모니터링 제어 신호에 따라 팬 이동, 틸트 이동, 상하 이동을 수행할 수 있다.According to one embodiment, the
전자 장치(1000)는 가스 영상 탐지 서버(320), 경고 제어 서버(340) 및 통합 관제 서버(360)가 수행하는 기능 전부 또는 적어도 일부를 함께 수행할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체의 누출 원점을 식별하고, 표적 객체가 경고 발생 조건을 만족하는지 여부를 결정하며, 경고 발생 조건 만족에 따라 유해 가스 누출 상황이 발생한 것으로 식별되면, 경고 컨텐츠, 경고 제어 신호 및 모니터링 제어 신호를 생성하고, 생성된 경고 컨텐츠, 경고 제어 신호 및 모니터링 제어 신호를 전파할 수 있다.The
일 실시 예에 의하면, 가스 영상 탐지 서버(320)는 모니터링 장치(300)로부터 복수 타입의 영상들을 획득하고, 상기 획득된 복수 타입의 영상들(예컨대 가시광선 영상들 및 적외선 영상들)로부터 유해 가스와 관련된 표적 객체(예컨대 표적 가스 또는 표적 연기)가 식별되는지 여부를 확인하며, 식별된 표적 객체가 누출된 누출 원점을 식별하고, 정량화된 탐지 조건에 기초하여, 검출된 표적 객체가 소정의 경고 발생 조건을 만족하는지 여부에 기초하여, 유해 가스가 누출 되었는지, 상기 유해 가스 누출에 따른 비상상황인지 여부를 결정하고, 유해 가스 누출이 탐지되면, 누출 원점 및 상기 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성할 수 있다.According to an embodiment, the gas
일 실시 예에 의하면, 경고 제어 서버(340)는, 가스 영상 탐지 서버(320)에 의해, 유해 가스의 누출(예컨대 표적 객체의 누출)이 탐지되면, 모니터링 장치(300)가 표적 객체를 추적하도록 모니터링 제어 신호를 출력하고, 통합 관제 서버(360)에 의한 경고 컨텐츠 출력과 함께 다양한 타입의 경고 장치들(332)(예컨대 스피커, 경광등, 디스플레이 등)을 제어하기 위한 경고 제어 신호들을, 소정의 전송 경로에 기초하여 전송할 수 있다.According to an embodiment, the
통합 관제 서버(360)는 가스 영상 탐지 서버(320)로부터 경고 컨텐츠를 획득하고, 획득된 경고 컨텐츠를 출력할 수 있다. 일 실시 예에 의하면 통합 관제 서버(360)는 경고 컨텐츠와 함께 사용자 제어 인터페이스를 출력하고, 사용자 제어 인터페이스를 통해 획득되는 사용자 제어 입력에 기초하여 모니터링 장치 또는 경고 장치들을 원격으로 제어할 수 있다.The integrated control server 360 may obtain warning contents from the gas
일 실시 예에 의하면, 경고 장치들(332)은 가스 영상 탐지 서버에서 생성되는 경고 컨텐츠를 출력하기 위한 디스플레이, 복수 타입의 경고 신호들 중, 시각적 경고 신호를 출력하기 위한 경광등, 상기 경고 신호들 중 청각적 경고 신호를 출력하기 위한 스피커 중 적어도 하나를 포함할 수 있다.According to an embodiment, the
일 실시 예에 의하면, 가스 영상 탐지 서버(320), 경고 제어 서버(340), 통합 관제 서버(360), 전자 장치(1000), 경고 장치들(332), 휴대 IOT 장치(334) 및 모니터링 장치(300)는 네트워크(380)를 통해 서로 연결될 수 있다. 일 실시 예에 의하면 네트워크(380)는 인공지능 기반 가스 누출 탐지 시스템(10)내 각 장치들이 서로 통신하기 위한 통신 장치들을 포함할 수 있다. 일 실시 예에 의하면 네트워크(380)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망, 각 네트워크 구성 주체들이 통신을 할 수 있도록 하는 포괄적 의미의 데이터 통신망 및 이들의 상호 조합을 포함할 수 있다.According to an embodiment, a gas
또한, 일 실시 예에 의하면, 네트워크(380)는 라우팅 테이블이 저장된 복수의 중계기(예컨대 라우터) 장치들, 상기 중계기 장치들을 통해 데이터를 송수신하기 위한 유선 네트워크 인터페이스 및 무선 네트워크 인터페이스를 포함할 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 인공지능 기반 가스 누출 탐지 시스템(10)내 각 장치들이 데이터 송수신을 하기 위해 필요한 기타 통신 장치들을 더 포함할 수도 있다.Also, according to an embodiment, the network 380 may include a plurality of repeater (eg, router) devices in which a routing table is stored, a wired network interface for transmitting and receiving data through the repeater devices, and a wireless network interface. However, it is not limited to the above example, and each device in the AI-based gas
또한, 일 실시 예에 의하면, 전자 장치(1000)는 합성 영상, 경고 컨텐츠등을 저장 및 관리할 수 있다. 예를 들어, 전자 장치(1000)는 제한된 데이터 내에서 효율적 설계를 위해 RDBMS (Relative Database Management System)구조에 따라 영상 데이터들을 관리할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 저장된 영상 데이터를 검색하기 위한 전자 장치(1000)에 대한 사용자 입력에 기초하여, 소정의 영상들을 출력할 수도 있다. 일 실시 예에 의하면, 전자 장치(1000)는 DB SELECT를 이용하여 키워드 일부 및 단어 조합에 기초하여 소정의 저장된 영상 데이터를 출력할 수 있다. 또한, 일 실시 예에 의하면, 전자 장치(1000)는 RDBMS의 효율적 탐색을 위해 SQL을 기반으로 시스템을 구성하고, 고성능화와 사용자 경험 최적화를 위해 다중 조건 내에서 조건을 제한 문자열을 배열하는 구조를 SELECT문으로 기본 설계되도록 마련될 수 있다.Also, according to an embodiment, the
도 4는 일 실시 예에 따른 전자 장치가 인공지능 기반 유해 가스 누출 원점을 식별하는 과정을 나타내는 흐름도이다.4 is a flowchart illustrating a process in which an electronic device identifies an artificial intelligence-based source of leakage of harmful gas according to an embodiment.
S410에서, 전자 장치(1000)는 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득할 수 있다. S420에서, 전자 장치(1000)는 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득할 수 있다. 예를 들어, 제1 타입의 카메라 및 상기 제2 타입의 카메라는 각각 EO 카메라(Electro-Optical 카메라, EO 카메라) 및 OGI 카메라(Optical Gas Imaging Camera, OGI 카메라)이고, 상기 제1 타입 영상들 및 상기 제2 타입 영상들은 각각 가시광선 영상들 및 적외선 영상들일 수 있다.In S410, the
S430에서, 전자 장치(1000)는 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인할 수 있다. 예를 들어, 전자 장치(1000)는 객체 인식을 위한 적어도 하나의 인공지능 모델을 이용하여 제1 타입 영상들 및 상기 제2 타입 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 식별하는 표적 객체는 가스 객체, 연기 객체 또는 불꽃 객체 중 적어도 하나를 포함할 수 있다. 또한, 일 실시 예에 의하면 가스 객체는 메탄 또는 암모니아와 관련된 가스 객체로 마련될 수 있다.In S430, the
S440에서, 전자 장치(1000)는 표적 객체가 식별되는 경우, 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리할 수 있다. 예를 들어, 전자 장치(1000)는 표적 객체 영역에 대한 가중치를 투명도 레벨로 나타내는 알파 채널 값에 따른 마스킹 객체를 생성하고, 생성된 마스킹 객체를 이용하여 표적 객체 영역을 분리할 수 있다.In S440, when the target object is identified, the
S450에서, 전자 장치(1000)는 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득할 수 있다. 예를 들어, 상태 정보는 표적 객체의 외곽선에 기초하여 결정되는 방향 벡터에 관한 형상 정보, 표적 객체의 이동 방향에 관한 흐름 정보, 상기 표적 객체의 이동 속도 및 누출량에 관한 움직임 정보 중 적어도 하나를 포함할 수 있다. S460에서, 전자 장치(1000)는 표적 객체의 상태 정보에 기초하여 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다. 후술하는 도 5를 참조하여 전자 장치(1000)가 표적 객체를 식별하는 과정을 구체적으로 설명하기로 한다.In S450, the
도 5는 일 실시 예에 따른 전자 장치가 복수의 인공지능 모델을 이용함으로써 유해가스와 관련된 표적 객체가 식별되는지 여부를 확인하는 과정을 나타내는 흐름도이다.5 is a flowchart illustrating a process of determining whether a target object related to a harmful gas is identified by using a plurality of artificial intelligence models by an electronic device according to an embodiment.
일 실시 예에 의하면, 전자 장치(1000)는 복수의 인공 지능 모델을 이용하여 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인할 수 있다. 일 실시 예에 의하면 복수의 인공 지능 모델은 표적 객체 식별을 위한 CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 일 수 있으나, 이에 한정되는 것은 아니다. According to an embodiment, the
또 다른 실시 예에 의하면, 복수의 인공 지능 모델은 표적 객체를 식별하기 위해, 영상 내 소정의 객체 후보 영역이 표적 객체에 대응될 확률 값에 기초하여 소정의 객체 후보 영역들을 바운더리 박스 형태로 출력하고, 출력된 박스 형태의 객체 후보 영역 내 표적 객체의 종류를 식별하는 YOLO, R-CNN, SSD 와 같은 객체 컴퓨터 비전 모델일 수 있다. 또 다른 실시 예에 의하면, 복수의 인공 지능 모델은 제2 타입 영상들을 푸리에 변환함으로써 획득되는 적외선 분광 스펙트럼 정보 중, 목적하는 표적 객체에 대한 스펙트럼을 식별할 수 있는 기계 학습 모델로, 서포트 벡터 머신 모델 또는 우도비 검정 모델을 더 포함할 수도 있다.According to another embodiment, the plurality of artificial intelligence models output predetermined object candidate regions in the form of a boundary box based on a probability value that predetermined object candidate regions in an image correspond to the target object in order to identify a target object; , it may be an object computer vision model such as YOLO, R-CNN, or SSD that identifies the type of target object within the box-shaped object candidate region outputted. According to another embodiment, the plurality of artificial intelligence models is a machine learning model capable of identifying a spectrum of a target target object among infrared spectroscopy spectrum information obtained by Fourier transforming second type images, and is a support vector machine model. Alternatively, a likelihood ratio test model may be further included.
일 실시 예에 의하면, S510에서, 전자 장치(1000)는 제1 타입 영상들 및 상기 제2 타입 영상들이 입력되면, 상기 표적 객체가 식별되는지 여부를 확인하는 제1 인공지능 모델에 상기 제1 타입 영상들 및 상기 제2 타입 영상들을 입력함으로써, 상기 제1 인공지능 모델로부터 획득되는 상기 제1 인공지능 모델의 출력 값을 획득할 수 있다. 전자 장치(1000)는 제1 인공 지능 모델의 출력 값에 기초하여 상기 표적 객체가 식별되는지 여부를 확인할 수 있다.According to an embodiment, in S510, when the first type images and the second type images are input, the
S520에서, 전자 장치(1000)는 제1 인공지능 모델의 출력 값에 기초하여, 상기 표적 객체가 식별되지 않는 것으로 확인되는 경우, 상기 제2 타입 영상들을 푸리에 변환함으로써 적외선 분광 스펙트럼 정보를 획득할 수 있다. 일 실시 예에 의하면 적외선 분광 스펙트럼 정보는 제2 타입 영상들을 푸리에 변환함으로써 획득되는 주파수 별 크기 및 위상에 대한 정보를 포함할 수 있다. 일 실시 예에 의하면, 제1 인공 지능 모델은 목적하는 표적 객체를 인식하도록 미리 학습되는 객체 인식모델일 수 있다.In S520, the
S530에서, 전자 장치(1000)는 상기 획득된 적외선 분광 스펙트럼 정보가 입력되면, 상기 표적 객체가 식별되는지 여부를 확인하는 제2 인공지능 모델에 상기 적외선 분광 스펙트럼 정보를 입력함으로써, 상기 제2 인공지능 모델로부터 제2 인공지능 모델의 출력 값을 획득할 수 있다. 전자 장치(1000)는 제2 인공 지능 모델의 출력 값에 기초하여, 상기 표적 객체가 식별되는지 여부를 확인할 수 있다. 일 실시 예에 의하면, 제2 인공 지능 모델은 우도비 검정 모델일 수 있다. 본 개시에 따른 전자 장치(1000)는 우도비 검정 알고리즘을 이용함으로써 복수 타입 영상들 내, 표적 객체와 배경의 간섭 물질을 분리함으로써, 보다 선명하게 표적 객체를 관찰할 수 있다.In S530, when the obtained infrared spectroscopy spectrum information is input, the
또한, 일 실시 예에 의하면, 전자 장치(1000)는 표적 객체 및 배경 간섭 물질 각각의 주파수 별 분광 스펙트럼 이미지를 클러스터링하고, 클러스터링된 주파수 별 분광 스펙트럼 이미지를 통계적으로 분석함으로써 주파수 패턴 라이브러리를 생성할 수 있다. 전자 장치(1000)는 상기 주파수 패턴 라이브러리에 기초하여 제2 인공 지능 모델이, 클러스터링된 적외선 분광 스펙트럼 정보로부터, 상기 표적 객체에 대한 주파수 별 크기 및 위상 값에 따른 주파수 패턴을 분류하도록 학습시킬 수 있다. In addition, according to an embodiment, the
보다 상세하게는, 제2 인공 지능 모델은 적외선 분광 스펙트럼 정보가 입력되면, 표적 객체에 대한 미리 설정된 주파수 패턴을 분류하도록 미리 학습됨으로써, 상기 표적 객체에 대한 적외선 분광 스펙트럼이 있는지 여부를 확인할 수 있다. 일 실시 예에 의하면 적외선 분광 스펙트럼은 주파수 별 크기 및 위상 값에 따른 다양한 타입의 주파수 패턴을 포함할 수 있다. 상술한 과정에 따라 학습된 제2 인공 지능 모델은 분광 스펙트럼 정보가 입력되면 가장 우도가 높은 분광 스펙트럼에 대응되는 모수를 표적 객체의 종류로 식별할 수 있다.More specifically, the second artificial intelligence model may be pre-learned to classify a preset frequency pattern of a target object when infrared spectral spectrum information is input, thereby confirming whether there is an infrared spectral spectrum of the target object. According to an embodiment, the infrared spectral spectrum may include various types of frequency patterns according to magnitude and phase values for each frequency. When the spectral spectrum information is input, the second artificial intelligence model trained according to the above-described process may identify a parameter corresponding to the most likely spectral spectrum as the type of the target object.
S540에서, 전자 장치(1000)는 제2 인공지능 모델의 출력 값에 기초하여, 상기 표적 객체가 식별되지 않는 것으로 확인되는 경우, 상기 적외선 분광 스펙트럼 정보가 입력되면, 상기 표적 객체가 식별되는지 여부를 확인하는 제3 인공지능 모델에 상기 적외선 분광 스펙트럼 정보를 입력할 수 있다. 전자 장치(1000)는 상기 적외선 분광 스펙트럼 정보를 상기 제3 인공 지능 모델에 입력함으로써, 상기 제3 인공 지능 모델로부터 상기 제3 인공 지능 모델의 출력 값을 획득하고, 획득된 상기 제3 인공 지능 모델의 출력 값에 기초하여 표적 객체가 식별되는지 여부를 확인할 수 있다.In S540, when it is determined that the target object is not identified based on the output value of the second artificial intelligence model, the
일 실시 예에 의하면, 제3 인공 지능 모델은 서포트 벡터 머신 모델 (Support Vector Machine, SVM)일 수 있다. 예를 들어, 제3 인공 지능 모델은 적외선 분광 스펙트럼 정보가 입력되면, 최적화된 초평면에 기초하여 표적 객체에 대한 스펙트럼을 분류할 수 있도록, 주파수 패턴 라이브러리에 기초하여 학습될 수 있다. 본 개시에 따른 전자 장치(1000)는 서포트 벡터 머신 모델을 이용함으로써 복수 타입 영상들 내 표적 객체 및 배경의 간섭 물질 각각에 대한 분광 스펙트럼을 공간상으로 분류함으로써 표적 객체를 더 정확하게 식별할 수 있다.According to an embodiment, the third artificial intelligence model may be a Support Vector Machine (SVM). For example, the third artificial intelligence model may be learned based on a frequency pattern library to classify a spectrum of a target object based on an optimized hyperplane when infrared spectral spectrum information is input. The
예를 들어 전자 장치(1000)는 적외선 학습 분광 스펙트럼 정보를 획득하고, 획득된 적외선 학습 분광 스펙트럼 정보를 특징 벡터 형태로 전처리하며, 특징 벡터 형태로 전처리된 적외선 학습 분광 스펙트럼 정보가 입력되면, 특징 벡터를 분류하도록 초평면을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 최적화 문제의 해 연산을 통해 초평면의 법선 벡터를 결정하고, 상기 결정된 법선 벡터를 가지는 초평면을 결정할 수 있다. 전자 장치(1000)는 스펙트럼 정보를 포함하는 특징 벡터 집단 사이에서 초평면과 가장 가까운 서포트벡터 사이의 거리를 나타내는 마진을 최대화하도록, 초평면을 수정 및 갱신함으로써 제3 인공 지능 모델을 학습시킬 수 있다.For example, the
본 개시에 따른 전자 장치(1000)는 서포트 벡터 머신 모델의 초평면 최적화를 통해 과적합을 방지하고, 과적합이 방지된 서포트 벡터 머신 모델을 이용함으로써 우도비 검정 모델만을 이용 시 발생할 수 있는 기존 데이터셋의 의존 한계를 극복할 수 있을 뿐만 아니라, 우도비 검정 모델 판정과 함께 다양한 모니터링 환경에서 표적 객체 식별을 보다 효과적으로 수행할 수 있다.The
또한, 도 5에는 도시되지 않았지만, 일 실시 예에 따르면, 전자 장치(1000)는 제3 인공 지능 모델의 표적 식별 정확도를 향상시키기 위해, 적외선 학습 분광 스펙트럼을 특징 벡터 형태로 전처리하는 과정에서, 상기 적외선 학습 분광 스펙트럼의 오프셋(OFF SET)을 제거하고, 바탕선 보정(Baseline correction) 알고리즘을 적용하는 바탕선 보정을 더 수행하는 과정을 포함하는 추가 전처리 과정을 더 수행할 수 있다. 전자 장치(1000)는 상기 추가 전처리 과정을 통해 생성된 적외선 학습 분광 스펙트럼에 기초하여 제3 인공 지능 모델을 학습시킴으로써 표적 객체를 더 정확하게 식별할 수 있다.In addition, although not shown in FIG. 5, according to an embodiment, the
도 6은 일 실시 예에 따른 전자 장치가 유해 가스와 관련된 표적 객체 인식 하는 과정을 설명하기 위한 도면이다.6 is a diagram for explaining a process of recognizing a target object related to harmful gas by an electronic device according to an embodiment.
도 6의 그림 (610)을 참조하면, 전자 장치(1000)가 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체 식별을 위해 학습시키는 신경망 네트워크 구조인 제1 인공 지능 모델이 도시되고, 그림 (620)을 참조하면 전자 장치(1000)가 제1 인공 지능 모델을 이용하여 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체를 식별한 예가 도시된다.Referring to figure 610 of FIG. 6 , a first artificial intelligence model, which is a neural network structure in which the
일 실시 예에 의하면, 전자 장치(1000)는 표적 객체 인식을 위한 제1 인공 지능 모델 학습을 위해 제1 타입 학습 영상들(예컨대 학습용 EO 영상들 또는 CCTV 영상들)과 제2 타입 학습 영상들(예컨대 학습용 OGI 카메라 영상들)을 획득하고, 획득된 제1 타입 학습 영상들 및 제2 타입 학습 영상들을 학습 영상 데이터로 설정할 수 있다. 또한, 전자 장치(1000)는 GasVid Dataset과 같이 미리 제공된 표적 객체 영상 데이터들을 학습 영상 데이터로 더 획득할 수도 있다.According to an embodiment, the
전자 장치(1000)는 획득된 학습 영상 데이터에 대해 라벨링을 수행할 수 있다. 예를 들어, 전자 장치(1000)는 학습 영상 데이터 내 프레임 이미지 별 표적 객체의 영역에 바운딩 박스(Bounding Box) 라벨링을 진행함으로써 라벨링 과정을 수행할 수 있다. 전자 장치(1000)는 라벨링이 수행된 학습 영상 데이터들 중 일부를 학습용 데이터, 나머지 일부를 검증용 데이터로 설정할 수 있다. 전자 장치(1000)는 상기 학습용 데이터에 기초하여 제1 인공 지능 모델을 학습시키고, 학습된 제1 인공 지능 모델을 검증용 데이터에 기초하여 검증할 수 있다. 전자 장치(1000)는 제1 인공 지능 모델 검증 결과에 기초하여 제1 인공 지능 모델 내 복수의 노드들, 상기 노드들을 포함하는 레이어들 및 상기 노드들 및 상기 레이어들의 연결 강도에 관한 가중치 값들을 파인튜닝(Fine Tunning) 할 수 있다.The
전자 장치(1000)는 파인 튜닝된 제1 인공지능 모델의 가중치 값들을 별도로 저장할 수 있다. 상기 저장된 가중치 값들로 학습된 제1 인공 지능 모델은 복수 타입의 영상들로부터 표적 객체 영역을 바운딩 박스(624, 626) 형태로 출력할 수 있으며, 상기 바운딩 박스와 함께 상기 바운딩 박스 내 표적 객체의 누출량(622, 628), 이동 방향 또는 종류 중 적어도 하나에 관한 상태를 더 출력할 수도 있다. 또한, 일 실시 예에 의하면 전자 장치(1000)는 제1 인공지능 모델 및 제2 인공 지능 모델을 통해, 표적 객체의 누출량뿐만 아니라, 현재 식별된 표적 객체의 적외선 분광 스펙트럼 정보에서 나타나는 주파수 별 스펙트럼 값에 기초하여, 결정되는 표적 객체의 종류에 대한 정보(예컨대 메탄 가스인지, 또는 암모니아 가스인지 여부)를 더 획득할 수도 있다.The
도 7은 일 실시 예에 따른 가스 영상 및 배경 영상에 대한 적외선 분광 스펙트럼 정보를 설명하기 위한 도면이다.7 is a diagram for explaining infrared spectroscopy spectrum information for a gas image and a background image according to an exemplary embodiment.
그림 (702)을 참조하면 전자 장치(1000)가 표적 객체(710) 및 배경(720) 각각에 대해 획득하는 위상 스펙트럼(714) 및 크기 스펙트럼(716)이 도시된다. 일 실시 예에 의하면, 전자 장치(1000)는 모니터링 장치들로부터 원본 영상(712)을 획득하고, 원본 영상 내 표적 객체(710) 및 배경(720)에 대한 원본 스펙트럼(712)을 획득할 수 있다. 예를 들어, 전자 장치(1000)는 원본 스펙트럼 (712)으로부터 표적 객체 및 배경에 대한 스펙트럼 정보를 구분할 수 있다. Referring to figure 702, a phase spectrum 714 and a magnitude spectrum 716 acquired by the
또한, 전자 장치(1000)는 원본 스펙트럼(712)으로부터 표적 객체가 식별되는 것으로 판별되는 영역의 적외선 분광 스펙트럼 정보와, 표적 객체가 식별되지 않는 노이즈 영상들의 적외선 분광 스펙트럼 정보를 구분 획득할 수 있다. 전자 장치(1000)는 획득된 표적 객체 및 표적 객체가 식별되지 않는 노이즈 영상(예컨대 배경 또는 배경의 간섭 물질)들의 적외선 분광 스펙트럼 정보로부터 위상 스펙트럼(714) 및 크기 스펙트럼(716)을 각각 획득할 수 있다. 전자 장치(1000)는 공간 도메인상에서 임펄스 데이터로 획득되는 영상 데이터들을 푸리에 변환함으로써 주파수 도메인상의 크기 및 위상 스펙트럼을 획득하고, 획득된 크기 및 위상 스펙트럼이 나타내는 주파수 패턴에 기초하여 표적 객체를 식별할 수 있다.In addition, the
도 8은 일 실시 예에 따른 전자 장치가 적외선 분광 스펙트럼 정보 상 주파수 조밀도에 기초하여 푸리에 변환 계수를 조정하는 과정을 설명하기 위한 도면이다.8 is a diagram for explaining a process of adjusting a Fourier transform coefficient based on frequency density on infrared spectral spectrum information by an electronic device according to an embodiment.
일 실시 예에 의하면, 전자 장치(1000)는 표적 객체의 식별 정확도를 향상시키기 위해, 적외선 분광 스펙트럼 정보 상 주파수 조밀도 정보에 기초하여 푸리에 변환 계수를 조정하고, 조정된 푸리에 변환 계수에 기초하여 적외선 분광 스펙트럼 정보를 획득할 수 있다. 예를 들어, S810에서, 전자 장치(1000)는 표적 객체가 식별되는 것으로 기 판별된 제2 타입 영상들 및 상기 표적 객체가 식별되지 않는 것으로 기 판별된 노이즈 영상들 각각의 적외선 분광 스펙트럼 정보를 획득할 수 있다.According to an embodiment, the
S820에서, 전자 장치(1000)는 표적 객체가 식별되는 것으로 기 판별된 제2 타입 영상들 및 상기 노이즈 영상들 각각의 적외선 분광 스펙트럼 정보 상 주파수 조밀도 정보를 결정할 수 있다. S830에서, 전자 장치(1000)는 결정된 조밀도 정보에 기초하여 푸리에 변환에 사용되는 푸리에 변환 계수를 조정할 수 있다. S840에서, 전자 장치(1000)는 조정된 푸리에 변환 계수에 기초하여, 제2 인공 지능 모델의 출력 값에 따라, 표적 객체가 식별되지 않는 것으로 식별된, 제2 타입 영상들을 푸리에 변환함으로써 적외선 분광 스펙트럼 정보를 획득할 수 있다. 본 개시에 따른 전자 장치(1000)는 조정된 푸리에 변환 계수에 따라 획득된 적외선 분광 스펙트럼 정보를 제3 인공 지능 모델에 입력함으로써, 표적 객체를 더 정확하게 식별할 수 있다.In operation S820, the
또한, 도 8에는 도시되지 않았지만, 전자 장치(1000)는 제3 인공 지능 모델을 학습시키는 과정에서 도 8에 도시된 방법에 따라 조정된 푸리에 계수에 기초하여 적외선 학습 분광 스펙트럼 정보를 획득하고, 획득된 학습 분광 스펙트럼 정보에 기초하여 제3 인공 지능 모델을 학습시킬 수도 있다. In addition, although not shown in FIG. 8, the
또한, 일 실시 예에 의하면, 전자 장치(1000)는 조정된 푸리에 계수에 기초하여 생성된 적외선 학습 분광 스펙트럼 정보의 오프셋을 제거하고, 오프셋이 제거된 적외선 학습 분광 스펙트럼들에 바탕선 보정 알고리즘을 적용함으로써 상기 적외선 분광 스펙트럼들을 전처리하며, 상기 전처리된 적외선 분광 학습 스펙트럼들에 기초하여 상기 제3 인공 지능 모델을 학습시킴으로써 표적 객체를 더 정확하게 인식할 수 있다.Also, according to an embodiment, the
또한, 본 개시에 따른 전자 장치(1000)는 조정된 푸리에 계수에 따라 획득되는 학습 분광 스펙트럼 정보에 기초하여 제3 인공 지능 모델을 학습시킬 뿐만 아니라, 학습된 제3 인공 지능 모델을 활용하는 과정에서, 상기 제2 타입 영상들을 푸리에 변환하는 과정에서도 상기 조정된 푸리에 계수를 이용함으로써 표적 객체 식별 정확도를 더 향상시킬 수 있다.In addition, the
도 9는 일 실시 예에 따른 전자 장치가 복수 타입 영상들로부터 표적 객체 영역을 분리하는 방법의 흐름도이다.9 is a flowchart of a method of separating a target object area from multiple types of images by an electronic device according to an embodiment.
본 개시에 따른 전자 장치(1000)는 제1 타입 영상들 및 제2 타입 영상들로부터 연기, 가스 또는 불꽃 중 적어도 하나에 관한 표적 객체가 식별되는 경우, 표적 객체 영역을 분리함으로써 높은 시인성을 확보할 수 있도록 하며, 분리된 표적 객체 영역에 대해 원점 추적이 가능하게 하는 장점이 있다. 일 실시 예에 의하면, S910에서, 전자 장치(1000)는 적외선 분광 스펙트럼 정보에 기초하여, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 내 표적 객체 영역에 대한 가중치를 투명도 레벨로 나타내는 알파 채널 값을 결정할 수 있다. S920에서, 전자 장치(1000)는 상기 결정된 알파 채널 값에 해당하는 마스킹 객체를 생성할 수 있다. When a target object related to at least one of smoke, gas, or flame is identified from the first type images and the second type images, the
예를 들어, 본 개시에 따른 전자 장치(1000)가 마스킹 객체를 생성하기 위해 이용하는 투명도 레벨은 8비트로 표현 가능한 256 단계의 투명도 레벨을 가질 수 있다. 마스킹 객체의 투명도 레벨은 알파 채널 값에 저장될 수 있으며, 알파 채널은 마스킹 객체를 적용하는 과정에 사용될 수 있다. 예를 들어, 마스킹 객체는 표적 객체에 대한 가중치를 알파 채널 값에 해당하는 투명도 정보로 표시할 수 있고, 마스킹 객체의 투명도 레벨에 따라 배경이 보이는 정도가 결정될 수 있다.For example, the transparency level used by the
S930에서, 전자 장치(1000)는 표적 객체 영역을 생성하는데 사용된 센서 값에 기초하여 그레디언트 매핑 테이블을 생성할 수 있다. 예를 들어, 전자 장치(1000)는 가시성 확보를 위해 표적 객체 영역을 생성하는데 사용된 이미지 센서의 값을 식별하고, 식별된 이미지 센서의 값에 기초하여 그래디언트 매핑 테이블을 생성할 수 있다. 일 실시 예에 의하면 이미지 센서의 값은 픽셀 값 또는 이미지 센서로부터 결정되는 전압 값을 포함할 수 있다. 예를 들어, 그레디언트 매핑 테이블은 다양한 환경에 대응하기 위해 다양한 값을 포함할 수 있으며, 투명도 정보로 표시될 수 있다. In S930, the
S940에서, 전자 장치(1000)는 상기 마스킹 객체 및 상기 그레디언트 매핑 테이블의 센서 값을 함께 이용함으로써 상기 센서 값만을 포함하는 상기 표적 객체 영역을 분리할 수 있다. 본 개시에 따른, 전자 장치(1000)는 알파 채널 값에 해당하는 마스킹 객체와 원본 센서 값에 대한 연산을 통해 정확한 표적 객체 영역을 분리하고, 분리된 객체 영역은 센서 값만을 포함하도록 마련될 수 있다.In S940, the
도 10은 일 실시 예에 따른 전자 장치가 유해 가스와 관련된 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하는 방법의 흐름도이다.10 is a flowchart of a method for obtaining, by an electronic device, state information about at least one of the shape, flow, or motion of a target object related to harmful gas, according to an embodiment.
S1010에서, 전자 장치(1000)는 분리된 표적 객체 영역 내 상기 표적 객체의 외곽선 정보에 기초하여 상기 표적 객체의 방향에 관한 형상 정보를 추출할 수 있다. 예를 들어, 형상 정보는 표적 객체에 대한 외곽선에 기초하여 결정되는 방향 벡터를 포함할 수 있다. S1020에서, 전자 장치(1000)는 상기 추출된 형상 정보에 기초하여 상기 제1 타입 영상들 및 상기 제2 타입 영상들이 입력된 시점으로부터 소정의 프레임 간격이 경과된 시점에서의 상기 표적 객체의 흐름 정보를 결정할 수 있다. 예를 들어, 흐름 정보는 표적 객체의 이동 방향에 대한 정보를 포함할 수 있다.In operation S1010, the
S1030에서, 전자 장치(1000)는 흐름 정보에 기초하여 상기 표적 객체의 이동 속도 또는 상기 표적 객체의 누출량 중 적어도 하나를 포함하는 움직임 정보를 결정할 수 있다. S1040에서, 전자 장치(1000)는 형상 정보, 흐름 정보 또는 움직임 정보 중 적어도 하나를 상기 상태 정보로 획득할 수 있다. 본 개시에 따른 전자 장치(1000)는 표적 객체의 형태, 이동 방향 또는 움직임 중 적어도 하나에 관한 상태 정보에 기초하여 누출 원점을 정확하게 식별할 수 있다.In operation S1030, the
도 11은 일 실시 예에 따른 전자 장치가 표적 객체의 형상 정보를 추출하는 구체적인 방법의 흐름도이다.11 is a flowchart of a specific method of extracting shape information of a target object by an electronic device according to an embodiment.
S1110에서, 전자 장치(1000)는 분리된 표적 객체 영역 내 상기 표적 객체에 관한 외곽선을 식별할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 Canny Edge 검출 알고리즘 또는 기타 엣지 검출 알고리즘에 기초하여 분리된 표적 객체 영역 내 표적 객체에 관한 외곽선을 식별할 수 있다. S1120에서, 전자 장치(1000)는 식별된 외곽선의 중심점으로부터 식별되는 방향 벡터들 중, 가장 큰 방향 벡터를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 외곽선으로부터 균등한 거리를 가지는 지점을 중심점으로 결정하고, 중심점으로부터 생성되는 복수의 방향 벡터들을 식별하며, 식별된 방향 벡터들의 크기 값에 기초하여 가장 큰 방향 벡터를 식별할 수 있다. S1130에서, 전자 장치(1000)는 가장 큰 방향 벡터에 직교하는 외곽선에 대한 방향 벡터를, 표적 객체의 형상 정보로 추출할 수 있다.In operation S1110, the
도 12는 일 실시 예에 따른 전자 장치가 표적 객체의 흐름 정보를 결정하는 구체적인 방법의 흐름도이다.12 is a flowchart of a specific method of determining flow information of a target object by an electronic device according to an embodiment.
S1210에서, 전자 장치(1000)는 제1 타입 영상들 및 제2 타입 영상들 내 인접하는 프레임 이미지들에서 나타나는 형상 정보에 기초하여 상기 표적 객체의 이동 방향 벡터들을 식별할 수 있다. 예를 들어, 전자 장치(1000)는 제1 타입 영상들 및 제2 타입 영상들 내 소정의 프레임 간격으로 구성되는 복수의 프레임 이미지들 각각에서 추출된 표적 객체의 형상 정보를 비교함으로써, 이동 방향 벡터를 식별할 수 있다. 예를 들어, 이동 방향 벡터는 인접하는 두개의 프레임 이미지 각각에서 추출된 방향 벡터 또는 형상 정보의 차성분을 포함할 수 있다. In operation S1210, the
S1220에서, 전자 장치(1000)는 프레임 이미지들 중, 인접하는 프레임 이미지들로부터 결정되는 이동 방향 벡터들을 가중합함으로써 합산 벡터를 결정할 수 있다. S1230에서, 전자 장치(1000)는 결정된 합산 벡터의 변량에 기초하여 표적 객체의 이동 방향 벡터들이 시작된 시작점 및 합산 벡터의 방향을 흐름 정보로 결정할 수 있다. 본 개시에 따른 전자 장치(1000)가 결정한 합산 벡터의 방향은 영상들에서 표적 객체가 이동하는 이동 방향을 나타낼 수 있다.In operation S1220, the
또한, 도 12에는 도시되지 않았지만, 전자 장치(1000)는 흐름 정보가 나타내는 합산 벡터의 방향을 라벨링 값으로 하여 라벨링 데이터를 생성하고, 생성된 라벨링 데이터에 기초하여 표적 객체 흐름 추적 모델을 생성하고, 생성된 흐름 추적 모델에 기초하여 표적 객체의 흐름 정보를 추적할 수도 있다. 또한, 일 실시 예에 의하면, 전자 장치(1000)는 움직임 예측용 칼만 필터(KALMAN FILTER)를 이용하여 복수 타입의 영상들에서 표적 객체의 이동 방향을 추적할 수도 있다. 전자 장치(1000)는 인접하는 프레임 이미지들로부터 결정된 표적 객체의 흐름 정보에 기초하여, 소정의 프레임 이미지가 경과된 시점에서의 표적 객체의 흐름을 결정할 수 있다.Also, although not shown in FIG. 12 , the
도 13은 일 실시 예에 전자 장치가 따른 표적 객체의 움직임 정보를 결정하는 구체적인 방법의 흐름도이다.13 is a flowchart of a specific method of determining motion information of a target object according to an electronic device according to an embodiment.
S1310에서, 전자 장치(1000)는 상기 이동 방향 벡터들을 결정하는데 사용된 소정의 프레임 이미지들이 속한 프레임 구간의 시간 값 및 상기 합산 벡터의 변량에 기초하여 상기 표적 객체의 이동 속도를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 소정의 프레임 이미지들이 진행되는 시간 동안 이동 방향 벡터들의 가중합으로 결정된 합산 벡터의 변량을 거리 값으로 하여 표적 객체의 이동 속도를 결정할 수 있다.In operation S1310, the
S1320에서, 전자 장치(1000)는 상기 이동 방향 벡터들 각각의 변량 및 상기 표적 객체가 식별된 모니터링 대상 공간의 공간 정보에 기초하여 상기 표적 객체의 누출량 정보를 결정할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 인접하는 프레임 이미지들 사이에서 검출되는 이동 방향 벡터들의 수, 상기 이동 방향 벡터들 각각의 변량 및 상기 공간 정보에 기초하여 표적 객체의 누출량 정보를 결정할 수도 있다. In operation S1320, the
예를 들어, 전자 장치(1000)는 인접하는 프레임 이미지들 사이에서 검출되는 이동 방향 벡터들의 수가 많고, 검출된 이동 방향 벡터들의 각각의 변량이 클수록 표적 객체의 누출량을 크게 결정할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 인접하는 프레임 이미지들 사이에서 검출되는 이동 방향 벡터들의 수가 작고, 검출된 이동 방향 벡터들의 각각의 변량이 작을수록 표적 객체의 누출량이 작은 것으로 결정할 수 있다. S1330에서, 전자 장치(1000)는 이동 속도 및 누출량 정보를 포함하는 움직임 정보를 결정할 수 있다. For example, the
도 14는 일 실시 예에 따른 유해 가스와 관련된 표적 객체 영역을 분리하는 과정 및 표적 객체의 상태 정보를 추출하는 과정을 설명하기 위한 도면이다.14 is a diagram for explaining a process of separating a target object region related to harmful gas and a process of extracting state information of a target object according to an embodiment.
그림 (1402)를 참조하면, 전자 장치(1000)가 적외선 분광 스펙트럼 정보의 주파수 패턴 분석을 통한 데이터로부터, 정확한 표적 객체 영역 표시를 위한 마스킹 객체에 대한 데이터가 상단에 도시되고, 마스킹 객체를 적용함으로써 추출된 분리된 표적 객체 영역이 하단에 도시된다.Referring to figure 1402, the
그림 (1404)를 참조하면 전자 장치(1000)가 표적 객체의 형상 정보를 추출하기 위해 추출한 표적 객체의 외곽선, 상기 외곽선으로부터 균등한 거리를 가지는 중심점, 상기 중심점으로부터 식별되는 가장 큰 방향 벡터에 직교하는 외곽선에 대한 방향 벡터를 결정하는 과정이 도시된다. 그림 (1406)을 참조하면, 전자 장치(1000)가, 복수 타입 영상들 내 인접하는 프레임 이미지간 형상 정보를 비교한 결과 표적 객체의 이동 방향을 추정하는 과정이 도시된다.Referring to figure 1404, the outline of the target object extracted by the
예를 들어, 전자 장치(1000)는 인접하는 프레임 이미지간 외곽선 정보, 중심점 정보 및 방향 벡터 정보를 비교함으로써, 표적 객체가 지속적으로 생성되는 이동 방향 벡터들을 식별하고, 식별된 이동 방향 벡터들을 가중합함으로써 합산 벡터를 결정할 수 있으며, 합산 벡터의 변량에 기초하여 표적 객체의 이동 방향 벡터들이 시작된 시작점 및 합산 벡터의 방향을 흐름 정보로 결정할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 인접하는 프레임 이미지간 비교를 통해 표적 객체가 지속적으로 생성되는 발연/누출 원점과 연기/가스의 이동 방향에 대한 이동 방향 벡터들에 일정한 가중치를 적용함으로써 합산 벡터를 결정할 수도 있다.For example, the
도 15는 일 실시 예에 따른 전자 장치가 표적 객체의 누출 원점을 식별하는 구체적인 방법의 흐름도이다.15 is a flowchart of a specific method for identifying a leakage origin of a target object by an electronic device according to an embodiment.
S1510에서, 전자 장치(1000)는 상기 적어도 하나의 제1 타입의 카메라 및 상기 적어도 하나의 제2 타입의 카메라를 포함하는 카메라 설치 셋으로부터 팬틸트 정보 및 카메라 설치셋의 위치 정보를 획득할 수 있다. 예를 들어, 전자 장치(1000)는 모니터링 장치 내 카메라 설치셋으로부터 현재 카메라 설치 셋이 설치된 좌표 값을 포함하는 위치 정보와, 현재 모니터링 대상 공간을 향하고 있는 카메라 설치셋의 팬 각도값 및 틸트 각도 값을 포함하는 팬틸트 정보를 획득할 수 있다.In S1510, the
S1520에서, 전자 장치(1000)는 표적 객체의 상태 정보에 기초하여 결정되는 상기 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 상기 카메라 설치셋의 레이저 측정기로부터 획득할 수 있다. 예를 들어, 전자 장치(1000)는 표적 객체의 형상 정보, 흐름 정보 또는 움직임 정보 중 적어도 하나에 기초하여 모니터링 대상 공간 내 일 지점으로 레이저 신호를 송신하도록 레이저 측정기를 제어하고, 상기 일 지점으로부터 반사되는 레이저 신호를 측정함으로써 획득된 레이저 측정 값을 레이저 측정기로부터 획득할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 복수 타입의 영상들에 포함된 인접하는 소정의 프레임 이미지들로부터 이동 방향 벡터들을 검출하고, 복수 타입 영상들에서 이동 방향 벡터들이 지속적으로 추출되는 프레임 이미지상 일 지점에 대응되는 공간상의 대응 지점으로부터 레이저 측정 값을 획득할 수 있다.In operation S1520, the
S1530에서, 전자 장치(1000)는 카메라 설치셋의 위치 정보를 원점으로 하는 구면 좌표계에서 상기 표적 객체의 상대적 위치에 관한 제1 좌표를 결정할 수 있다. S1520에서, 전자 장치(1000)는 제1 좌표, 상기 레이저 측정 값 및 상기 공간 정보에 기초하여 상기 제1 좌표를 직교 좌표계 상의 제2 좌표로 변경할 수 있다. 예를 들어, 전자 장치(1000)는 구면 좌표계에서 표현된 제1 좌표 값에 대해 상기 레이저 측정 값에 따른 거리(또는 깊이)값과 상기 공간 정보에 포함된 지도 정보를 적용함으로써 제1 좌표를 직교 좌표계 상의 제2 좌표로 변경할 수 있다. S1550에서, 전자 장치(1000)는 상기 제2 좌표를 상기 표적 객체가 발생된 누출 원점으로 식별할 수 있다.In S1530, the
도 16은 일 실시 예에 따른 전자 장치가 렌즈 왜곡 보정에 따른 보정 상태 정보를 획득하는 과정을 설명하기 위한 도면이다.16 is a diagram for explaining a process of obtaining correction state information according to lens distortion correction by an electronic device according to an exemplary embodiment.
S1610에서, 전자 장치(1000)는 분리된 표적 객체 영역에 대해 제1 타입 영상들 및 상기 제2 타입 영상들을 전송한 카메라 각각에 대해 미리 설정되는 렌즈 왜곡 값을 식별하고, 상기 식별된 왜곡 값 제거를 위한 왜곡 보정을 수행할 수 있다. S1620에서, 전자 장치(1000)는 왜곡 보정이 수행된, 분리된 표적 객체 영역에 대해, 도 10 내지 도 13에서 상술한 방법을 적용함으로써, 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 보정 상태 정보를 획득할 수 있다. In operation S1610, the
본 개시에 따른 전자 장치(1000)는 상술한 과정에 따라 카메라 렌즈의 왜곡값이 감소된 표적 객체 영역의 이미지 정보를 획득하고, 상술한 왜곡 보정이 수행된 표적 객체 영역으로부터 상태 정보를 획득함으로써 보다 정확한 표적 객체의 상태 정보를 결정할 수 있다. 전자 장치(1000)는 보정 상태 정보에 기초하여 결정되는 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 획득하고, 획득된 레이저 측정 값, 공간 정보 및 제1 좌표에 기초하여 보다 정확한 표적 객체 누출 원점에 관한 좌표인 제2 좌표를 결정할 수 있다.The
도 17은 일 실시 예에 따른 표적 객체의 누출 원점 및 누출 원점이 표시된 합성 영상 예를 설명하기 위한 도면이다.17 is a diagram for explaining an example of a leak origin of a target object and a synthesized image in which the leak origin is displayed according to an embodiment.
그림 (1702)을 참조하면, 전자 장치(1000)가 생성한 누출 영상 및 표적 객체의 누출 원점이 도시된다. 예를 들어, 전자 장치(1000)는 복수 타입의 영상들로부터 표적 객체를 식별하고, 식별된 표적 객체 영역을 분리하며, 분리된 표적 객체 영역에 대한 누출 영상(1707)을 결정할 수 있다. 또한, 전자 장치(1000)는 도 16에서 상술한 과정에 따라 표적 객체가 식별되는 경우 식별된 표적 객체의 누출 원점(1706)을 좌표로 식별할 수 있다.Referring to figure 1702, a leakage image generated by the
그림 (1704)을 참조하면, 전자 장치(1000)가 생성한 합성 영상의 예가 도시된다. 예를 들어, 전자 장치(1000)는 모니터링 장치 내 제1 타입의 카메라들로부터 획득되는 제1 타입 영상들을 연결함으로써 파노라마 영상을 생성하고, 상기 생성된 파노라마 영상에 누출 영상(1714) 및 누출 원점(1708)을 중첩하여 표시함으로써 합성 영상(1704)을 생성할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 제1 타입 영상들 내 복수의 프레임 이미지들을 기하학적으로 매칭하고, 매칭된 복수의 프레임 이미지들의 매칭 에러를 보정함으로써 파노라마 영상을 생성할 수 있다. Referring to figure 1704, an example of a synthesized image generated by the
예를 들어, 전자 장치(1000)는 물리적 공간에 대응되는 가상 공간에 대해, 제1 타입 영상들 내 복수의 프레임 이미지들을 기하학적으로 배치할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 가상 공간에 대해, 상기 제1 타입 영상들 내 복수의 프레임 이미지들을, 호모그래피 함수를 이용하여 매칭할 수 있다. For example, the
예를 들어, 전자 장치(1000)는 제1 타입 영상들 내 복수의 프레임 이미지들 각각에서 상기 표적 객체에 관한 특징점들을 추출하고, 추출된 특징점들을 기준으로 매칭 에러를 보정함으로써 파노라마 영상을 생성할 수 있다. 예를 들어, 전자 장치(1000)는 상기 제1 타입 영상들 내 복수의 프레임 이미지들 각각에서 추출된 특징점들의 좌표 값들을, 인접하는 프레임 이미지 사이에서 비교함으로써 변위 값을 결정할 수 있고, 각 특징점들의 평균 변위 값에 기초하여, 호모그래피 매칭 과정에서 발생하는 매칭 에러가 감소되도록, 가상공간에 대한 제1 타입 영상들의 매칭 위치를 변경함으로써, 파노라마 영상을 생성할 수 있다. 본 개시에 따른 전자 장치(1000)는 그림 (1704)와 같은 합성 영상들을 포함하는 경고 컨텐츠를 통합 관제 서버로 전송함으로써, 관제자로 하여금 유해 가스 누출 상황을 용이하게 인식하도록 할 수 있다.For example, the
또 다른 실시 예에 의하면, 전자 장치(1000)는 SURF 매칭 과정을 통해 파노라마 영상을 생성할 수도 있다. 예를 들어, 전자 장치(1000)는 제1 타입 영상 및 제2 타입 영상들을 호모그래피 매칭 방식 또는 H-matrix correspondence 방식 중 적어도 하나에 관한 기하학적 방식으로 매칭한 후, 기하학적으로 매칭된 제1 타입 영상들 및 제2 타입 영상들의 매칭 에러를 보정하는 방식으로 합성 영상을 생성할 수도 있다. 예를 들어, 전자 장치(1000)는 두 대응되는 타입의 영상들 사이에 투시 변환(Perspective transform)을 수행하기 위한 투시 변환 행렬을 이용하여 제1 타입 영상들 및 제2 타입 영상들을 기하학적으로 매칭한 후, 호모그래피 함수를 이용한 호모그래피 매칭 과정에서 잘못 매칭된 매칭 에러를 결정할 수 있다. 매칭된 제1 타입 영상들 및 제2 타입 영상들 각각에서 객체와 관련된 특징점들을 추출한 후, 추출된 특징점들을 기준으로 매칭 에러를 보정함으로써 합성 영상을 생성할 수 있다.According to another embodiment, the
도 18은 일 실시 예에 따른 전자 장치가 구체화된 경고 발생 조건에 따른 인공지능 기반 유해 가스 누출 여부를 결정하는 방법의 흐름도이다.18 is a flowchart of a method for determining whether an electronic device leaks harmful gas based on artificial intelligence according to a specific warning generation condition according to an embodiment.
본 개시에 따른 전자 장치(1000)는 유해 가스와 관련된 표적 객체가 식별되고, 식별된 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 결정할 수 있다. 또한, 전자 장치(1000)는 상태 정보에 기초하여 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다. 전자 장치(1000)는 상태 정보 또는 누출 원점 중 적어도 하나에 기초하여, 상기 식별된 표적 객체가 경고 발생 조건을 만족하는지 여부를 결정할 수 있다. 본 개시에 따른 전자 장치(1000)는 유해 가스와 관련된 표적 객체가 식별되는 경우, 식별된 표적 객체가 실제로 모니터링 대상 공간 내 중대한 사고를 유발시킬 수 있는 정도의 유해 가스 관련 객체인지 여부를 정량화된 탐지 조건에 따라 판단할 수 있다.The
예를 들어, 본 개시에 따른 전자 장치(1000)는 도 18에 도시된 방법을 수행함으로써 식별된 표적 객체가 미리 설정된 경고 발생 조건을 만족하는지 여부를 구체적으로 판단하고, 판단 결과에 기초하여 실제 유해 가스 누출 여부를 최종적으로 결정할 수 있다. 도 18에 도시된 S1810 내지 S1840은 도 4에서 상술한 S410 내지 S440에 대응될 수 있고, S1850에서, 전자 장치(1000)는 도 1 내지 도 17에서 상술한 과정에 따라, 분리된 표적 객체 영역에서 나타나는 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보에 기초하여, 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다.For example, the
S1860에서, 전자 장치(1000)는 식별된 표적 객체가 상태 정보 또는 누출 원점 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여 유해 가스 누출 여부를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 경고 발생 조건을 미리 결정하고, 결정된 경고 발생 조건에 기초하여 식별된 표적 객체가 누출 시 사고를 유발할 수 있는 정도의 표적 객체인지 여부를 식별할 수 있다. 전자 장치(1000)는 표적 객체가 소정의 경고 발생 조건을 만족하는 경우, 유해 가스 누출이 된 것으로 결정하고, 소정의 경고 제어 신호, 모니터링 제어 신호 및 경고 컨텐츠들을 출력할 수 있다.In operation S1860, the
또한, 도 18에 도시되지 않았지만, 전자 장치(1000)는 S1850에서, 표적 객체가 발생된 누출 원점이 식별되면, 식별된 누출 원점에 매칭되는 모니터링 대상 공간의 시설 정보를 더 획득할 수 있다. 전자 장치(1000)는 상기 상태 정보, 누출 원점 또는 시설 정보 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여 유해 가스 누출 여부를 결정할 수 있다.Also, although not shown in FIG. 18 , when the leak origin where the target object is generated is identified in S1850 , the
도 19는 일 실시 예에 따른 전자 장치가 유해 가스 누출 여부를 결정하기 위한 기준으로 경고 발생 조건 만족 여부를 결정하는 구체적인 방법의 흐름도이다.19 is a flowchart of a specific method for determining whether a warning generating condition is satisfied as a criterion for determining whether an electronic device leaks harmful gas according to an embodiment.
이하에서 후술하는 제1 임계 누출량은 제2 임계 누출량 보다 큰 값으로 마련될 수 있고, 상기 제2 임계 누출량은 제3 임계 누출량 보다 큰 값으로 마련되는 것을 전제(즉, 제1 임계 누출량 > 제2 임계 누출량 > 제3 임계 누출량)로, 도 19에 따른 경고 발생 조건 만족 여부 결정 과정을 구체적으로 설명하기로 한다. The first critical leak rate described below may be set to a value larger than the second critical leak rate, and the second critical leak rate is set to a value larger than the third critical leak rate (ie, the first critical leak rate > the second critical leak rate). With the threshold leak amount > the third threshold leak amount), a process for determining whether the warning generation condition according to FIG. 19 is satisfied will be described in detail.
S1912에서, 전자 장치(1000)는 제1 타입 영상 및 제2 타입 영상들을 획득할 수 있다. S1914에서, 전자 장치(1000)는 제1 타입 영상들 및 제2 타입 영상들로부터 표적 객체를 식별할 수 있다. S1916에서, 전자 장치(1000)는 도 13에서 상술한 방법에 따라 표적 객체의 누출량 정보를 식별하고, 상기 누출량 정보에 따른 누출량 값이 제1 임계 누출량보다 큰지 여부를 결정할 수 있다. S1930에서, 전자 장치(1000)는 표적 객체의 누출량 정보에 따른 누출량 값이 제1 임계 누출량 보다 큰 것으로 식별되는 경우, 표적 객체가 경고 발생 조건을 만족하는 것으로 식별할 수 있다.In S1912, the
S1918에서, 전자 장치(1000)는 표적 객체의 누출량 정보에 따른 누출량 값이 제1 임계 누출량 이하이고, 상기 표적 객체 누출량이 제2 임계 누출량 보다 큰지 여부를 식별할 수 있다. S1920에서, 전자 장치(1000)는 표적 객체의 누출량 값이 제1 임계 누출량 보다 작지만, 상기 표적 객체의 누출량 값이 제2 임계 누출량 보다는 큰 것으로 식별되는 경우, 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 작은지 여부를 식별할 수 있다. 예를 들어, 전자 장치(1000)는 S1920에서, 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피 보다는 큰 것으로 식별되는 경우, 다시 S1912로 진입하여 제1 타입 영상들 및 제2 타입 영상들을 획득할 수 있다. 그러나, S1930에서, 전자 장치(1000)는 S1920에서 판단 결과, 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피 미만으로 결정되는 경우, 상기 식별된 표적 객체가 경고 발생 조건을 만족하는 것으로 식별할 수 있다.In operation S1918, the
S1922에서, 전자 장치(1000)는 표적 객체 누출량 값이 제2 임계 누출량 보다 작고, 상기 표적 객체 누출량이 제3 임계 누출량 보다 큰지 여부를 식별할 수 있다. S1924에서, 전자 장치(1000)는 표적 객체의 누출량 정보에 따른 누출량 값이 제2 임계 누출량 보다는 작지만, 제3 임계 누출량 보다 큰 것으로 식별되는 경우, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 큰 것으로 식별되는지 여부를 결정할 수 있다. In operation S1922, the
S1926에서, 전자 장치(1000)는 S1924에서 판단 결과, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다는 작은 것으로 식별되는 경우, 누출 원점에 매칭되는 모니터링 대상 공간의 부피가 제2 임계 부피보다 작은지 여부를 식별할 수 있다. 상기 제2 임계 부피는 제1 임계 부피 보다 작은 값으로 마련될 수 있다. In S1926, the
전자 장치(1000)는 S1926에서, 누출 원점에 매칭되는 모니터링 대상 공간의 부피가 제2 임계 부피 보다 작은 것으로 식별되는 경우, S1930으로 진입함으로써, 표적 객체는 경고 발생 조건을 만족하는 것으로 결정할 수 있다. 그러나, 전자 장치(1000)는 S1926에서, 누출 원점에 매칭되는 모니터링 대상 공간의 부피가 제2 임계 부피보다는 큰 것으로 식별되는 경우, 다시 S1912로 진입하여 제1 타입 영상들 및 제2 타입 영상들을 획득할 수 있다.The
S1928에서, 전자 장치(1000)는 표적 객체의 누출량 값이 제2 임계 누출량 보다는 작지만 누출량 값이 제3 임계 누출량 보다는 큰 것으로 식별되고, 누출 원점에 매칭되는 모니터링 대상 공간의 부피가 제1 임계 부피 보다 큰 것으로 식별되는 경우, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 시설 별 유해 가스 누출 허용 수준이 제1 임계 허용 수준으로 식별되는지 또는 누출 원점에 매칭되는 공간의 작업자 밀집도가 미리 정해진 임계 밀집도 보다 큰지 여부를 식별할 수 있다.In S1928, the
일 실시 예에 의하면, 전자 장치(1000)는 표적 객체의 누출량 값이 제2 임계 누출량 보다는 작지만 누출량 값이 제3 임계 누출량 보다는 큰 것으로 식별되고, 누출 원점에 매칭되는 모니터링 대상 공간의 부피가 제1 임계 부피 보다 큰 것으로 식별되며, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 시설 별 유해 가스 누출 허용 수준이 제1 임계 허용 수준으로 식별되는 경우, S1930으로 진입함으로써, 표적 객체가 경고 발생 조건을 만족하는 것으로 결정할 수 있다. 일 실시 예에 의하면, 모니터링 대상 공간 내 시설들은 유해 가스 누출에 따른 위험도에 따라 가스 누출 허용 수준 값들을 미리 가질 수 있다. 일 실시 예에 의하면 제1 임계 허용 수준은 제2 임계 허용 수준 보다 더 유해 가스 누출에 따른 위험도가 더 높은 시설에 할당되는 누출 허용 수준일 수 있다.According to an embodiment, the
또 다른 실시 예에 의하면, 전자 장치(1000)는 표적 객체의 누출량 값이 제2 임계 누출량 보다는 작지만 누출량 값이 제3 임계 누출량 보다는 큰 것으로 식별되고, 누출 원점에 매칭되는 모니터링 대상 공간의 부피가 제1 임계 부피 보다 큰 것으로 식별되며, 상기 누출 원점에 매칭되는 공간의 작업자 밀집도가 미리 정해진 임계 밀집도보다 높은 것으로 식별되는 경우, S1930으로 진입함으로써 표적 객체가 경고 발생 조건을 만족하는 것으로 식별할 수 있다.According to another embodiment, the
도 19에서 상술한 바와 같이, 전자 장치(1000)는 표적 객체의 누출량에 기초하여 경고 발생 조건 만족 여부를 식별하고 유해 가스 누출 상황에 따른 경고 발생 여부를 판단할 수 있다. 또한, 일 실시 예에 따른 전자 장치(1000)는 누출량 뿐만 아니라, 누출 원점에 매칭되는 모니터링 대상 공간의 부피, 상기 모니터링 대상 공간 내 시설 별로 미리 설정되는 가스 누출 민감도에 따른 임계 허용 수준 및 상기 누출 원점에 매칭되는 모니터링 대상 공간의 작업자 밀집도에 기초하여 경고 발생 조건을 구체화하고, 구체화된 경고 발생 조건에 따라 표적 객체가 식별되는 상황을 정량화함으로써, 표적 객체가 경고 발생 조건 만족에 따른 실제로 위험한지 여부를 정확하게 결정할 수 있다.As described above with reference to FIG. 19 , the
도 20은 일 실시 예에 따른 전자 장치가 유해 가스 관련 표적 객체 누출 상황을 관리하는 방법의 흐름도이다.20 is a flowchart of a method of managing, by an electronic device, a leakage situation of a target object related to harmful gas, according to an embodiment.
본 개시에 따른 전자 장치(1000)는 유해 가스와 관련된 표적 객체가 식별되고, 식별된 표적 객체가 소정의 경고 발생 조건을 만족함에 따라, 실제로 위험한 표적 객체가 누출 된 것으로 판단되는 경우, 경고 컨텐츠, 모니터링 제어 신호 및 경고 제어 신호들을 생성 및 전송함으로써, 표적 객체 누출 상황을 효과적으로 관리할 수 있다. 이하에서는 전자 장치(1000)가 유해 가스와 관련된 표적 객체 누출 상황 발생 시 이를 관리하기 위한 방법을 구체적으로 설명하기로 한다. 상술한 바와 같이 전자 장치(1000)가 관리하는 표적 객체는 유해 가스와 관련된 연기, 불꽃 또는 가스 중 적어도 하나를 포함할 수 있다.In the
S2010에서, 전자 장치(1000)는 표적 객체가 누출된 것으로 식별되는 누출 원점 및 상기 누출 원점에서 발생된 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성할 수 있다. 또 다른 실시 예에 의하면 전자 장치(1000)가 생성하는 경고 컨텐츠는 누출 영상이 중첩적으로 표시된 합성 영상을 포함할 수도 있다. S2020에서, 전자 장치(1000)는 생성된 경고 컨텐츠를 상기 전자 장치와 연결된 통합 관제 서버로 전송할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 생성된 경고 컨텐츠를 모니터링 대상 공간에 설치된 임의 디스플레이 장치로 전송할 수도 있다.In S2010, the
일 실시 예에 의하면, 전자 장치(1000)는 표적 객체의 누출 원점, 누출량, 현재 식별된 표적 객체의 적외선 분광 스펙트럼 정보에서 나타나는 주파수 별 스펙트럼 값에 기초하여, 결정되는 표적 객체의 종류에 대한 정보(예컨대 메탄 가스인지, 또는 암모니아 가스인지 여부)가 추가로 표시된 합성 영상을 상기 경고 컨텐츠로 생성할 수도 있다.According to an embodiment, the
S2030에서, 전자 장치(1000)는 상기 경고 컨텐츠를 상기 통합 관제 서버로 전송과 함께 상기 전자 장치와 연결된 모니터링 장치가 표적 객체를 추적하도록 제어하기 위한 모니터링 제어 신호를 전송할 수 있다. 전자 장치(1000)는 경고 컨텐츠 전송과 함께 모니터링 장치로 모니터링 제어 신호를 전송함으로써, 모니터링 장치들이 자동으로 유해 가스와 관련된 표적 객체를 추적하도록 제어할 수 있다.In S2030, the
또한, 도 20에 도시되지 않았지만, 전자 장치(1000)가 모니터링 제어 신호를 전송하는 단계는 사용자 제어 인터페이스를 통해, 상기 전자 장치와 연결되는 외부 디바이스로부터 사용자 제어 입력이 획득되는지 여부를 식별하고, 상기 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력이 획득되는 것으로 식별되는 경우, 상기 모니터링 제어 신호의 전송을 일시 중지하고, 상기 사용자 제어 인터페이스를 통해 획득된 사용자 제어 입력 신호를 모니터링 장치로 전송할 수 있다. In addition, although not shown in FIG. 20, the step of transmitting the monitoring control signal by the
또한, 일 실시 예에 의하면, 전자 장치(1000)는 기 설정된 주기에 기초하여, 통합 관제 서버로부터 상기 사용자 제어 인터페이스를 통해 사용자 제어 입력이 획득되는지 여부를 다시 확인할 수 있으며, 상기 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력이 획득되지 않는 것으로 식별되는 경우, 상기 모니터링 장치가 상기 표적 객체를 추적하도록 하기 위한 제어 신호를 미리 설정된 주기에 따라 전송할 수 있다. In addition, according to an embodiment, the
즉, 본 개시에 따른 전자 장치(1000)는 표적 객체를 자동추적하기 위한 모니터링 제어 신호를 모니터링 장치로 전송함으로써 모니터링 장치들을 자동으로 제어하는 과정에서 모니터링 장치를 수동으로 제어하기 위한 사용자 제어 입력이 식별되는 경우, 사용자 제어 입력에 기초하여 모니터링 장치들을 우선적으로 제어함으로써, 관제자로 하여금 표적 객체 추적이 용이하도록 할 수 있다. 또한, 전자 장치(1000)는 모니터링 장치를 수동 제어하기 위한 사용자 제어 입력이 미리 설정된 시간 동안 획득되지 않는 경우, 다시 모니터링 제어 신호를 자동으로 생성 및 모니터링 장치로 생성된 모니터링 제어 신호를 전송함으로써, 오래 시간 사용자 수동 제어 입력이 획득되지 않는 경우, 다시 모니터링 장치를 자동으로 제어 및 표적 객체를 추적하도록 함으로써, 효과적으로 표적 객체 추적이 지속되도록 할 수 있다.That is, the
S2040에서, 전자 장치(1000)는 경고 컨텐츠를 전송함과 함께 상기 표적 객체 누출에 따른 경고 신호를 출력하는 복수 타입의 경고 장치들을 제어하기 위한 경고 제어 신호를 상기 경고 장치들로 전송할 수 있다. 예를 들어, 본 개시에 따른 전자 장치(1000)는 경고 컨텐츠를 통합 관제 서버를 통해 상황실 영상 디스플레이로 출력하도록 함과 함께 모니터링 대상 공간 내 경고 장치들로부터 알림음 또는 시각적으로 강조된 경고 메시지들이 출력되도록 경고 제어 신호를 경고 장치들로 전송할 수 있다.In S2040, the
도 21은 일 실시 예에 따른 전자 장치가 유해 가스 관련 표적 객체 누출 상황 시 경고 컨텐츠를 생성하는 구체적인 방법의 흐름도이다.21 is a flowchart of a specific method for generating warning contents when an electronic device leaks a target object related to harmful gas according to an embodiment.
S2110에서, 전자 장치(1000)는 표적 객체 누출 상황의 관리 대상이 되는 모니터링 대상 공간의 파노라마 영상에 상기 누출된 표적 객체에 대한 누출 영상을 중첩하여 표시함으로써 합성 영상을 생성할 수 있다. 예를 들어, 전자 장치(1000)는 모니터링 대상 공간에 대한 제1 타입 영상들을 기하학적으로 매칭함으로써 파노라마 영상을 생성하고, 생성된 파노라마 영상에 누출된 표적 객체에 대한 누출 영상을 중첩하여 표시함으로써 합성 영상을 생성할 수 있다.In S2110, the
S2120에서, 전자 장치(1000)는 누출 원점에서 발생된 표적 객체 진압을 위한 진입 경로를 생성할 수 있다. S2130에서, 전자 장치(1000)는 상기 합성 영상에 표시된 상기 누출 영상의 인접한 위치에 상기 누출 원점 및 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 표시할 수 있다. S2140에서, 전자 장치(1000)는 모니터링 제어 신호에 기초하여 상기 표적 객체를 추적하도록 제어되는 모니터링 장치를 수동 제어하기 위한 사용자 제어 인터페이스를 상기 합성 영상의 일부 영역에 표시할 수 있다.In S2120, the
예를 들어, 인공지능 기반 유해 가스 누출 탐지 시스템의 모니터링 장치들은 경고 발생 조건을 만족하는 표적 객체가 탐지되는 경우, 유해 가스가 누출된 것으로 결정하고, 자동으로 생성된 모니터링 제어 신호에 따라 상기 식별된 표적 객체를 지속적으로 추적하도록 제어되는 상태일 수 있다. S2140에서, 전자 장치(1000)는 자동으로 표적 객체를 추적하도록 제어되고 있는 모니터링 장치를 수동으로 제어하기 위한 사용자 제어 인터페이스를 합성 영상의 일부 영역에 표시함으로써 관제자로 하여금 자동으로 동작하는 모니터링 장치를 수동 제어할 수 있도록 할 수 있다. S2150에서, 전자 장치(1000)는 누출 원점, 상기 진입 경로, 상기 상태 정보 및 상기 사용자 제어 인터페이스를 포함하는 상기 경고 컨텐츠를 생성할 수 있다. 상술한 바와 같이, 본 개시의 일 실시 예에 따른 경고 컨텐츠는 적어도 일부 영역에 누출 영상, 누출 원점, 합성 영상, 진입 경로, 사용자 제어 인터페이스 중 적어도 하나를 포함할 수 있다.For example, the monitoring devices of the artificial intelligence-based noxious gas leak detection system determine that noxious gas has leaked when a target object that satisfies the warning condition is detected, and automatically generated the monitoring control signal according to the identified It may be in a controlled state to continuously track the target object. In S2140, the
도 22는 일 실시 예에 따른 전자 장치가 진입 경로를 생성하는 방법의 흐름도이다.22 is a flowchart of a method of generating an access path by an electronic device according to an embodiment.
S2210에서, 전자 장치(1000)는 모니터링 대상 공간에 대해 미리 획득되는 공간 정보를 획득할 수 있다. 예를 들어, 전자 장치(1000)는 유해 가스 누출 탐지를 위해 관리 대상이 되는 모니터링 대상 공간의 지형 정보, 시설 정보, 대상 공간을 소정의 단위 구획으로 구분한 단위 공간의 형태 정보, 단위 공간의 면적 정보, 단위 공간의 체적 정보, 단위 작업 공간 별로 작업자들이 많이 위치하는 정동 관한 작업자 밀집도 정보 또는 출입문의 위치 정보 중 적어도 하나를 포함하는 공간 정보를 상기 전자 장치와 연결된 외부 디바이스로부터 획득할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 단위 공간 별 현재 표적 객체의 누출량에 대한 정보를 상기 공간 정보와 함께 또는 별도로 더 획득할 수도 있다.In S2210, the
S2220에서, 전자 장치(1000)는 상기 공간 정보에 기초하여, 상기 모니터링 대상 공간을 구성하는 단위 작업 공간 별 상기 누출 원점까지의 거리 수준들을 식별할 수 있다. 예를 들어, 누출 원점의 좌표가 식별되면, 전자 장치(1000)는 단위 공간들이 상기 누출 원점으로부터 떨어진 거리 값들을 소정의 구간으로 나눔에 따라 결정되는 거리 수준들을 결정할 수 있다.In S2220, the
S2230에서, 전자 장치(1000)는 모니터링 대상 공간의 출입문이 해당하는 단위 작업 공간을 시작 구간으로 하고, 상기 누출 원점을 포함하는 단위 작업 공간을 종료 구간으로 하되, 상기 시작 구간에서 종료 구간까지 배치될 단위 작업 공간들의 거리 수준이 상기 종료 구간으로 갈수록 작아지도록 단위 작업 공간들을 배치함으로써 상기 진입 경로를 생성할 수 있다. 예를 들어, 진입 경로는 출입문으로부터 상기 누출 원점까지 연결되는 일련의 단위 공간들을 포함할 수 있고, 상기 진입 경로에 포함된 단위 공간들의 거리 수준들을 모두 다르게 설정될 수 있다. In S2230, the
일 실시 예에 의하면, 도 22에는 도시되지 않았지만, 전자 장치(1000)는 모니터링 대상 공간의 시작 구간에서 상기 종료 구간까지 단위 작업 공간들을 배치하는 과정에서, 동일한 거리 수준의 단위 작업 공간들이 식별되는 경우, 상기 누출 원점으로부터 발생된 상기 표적 객체의 이동 방향의 타측 방향에 위치하는 단위 작업 공간들을 선택함으로써 상기 진입 경로를 생성할 수 있다. 또한, 일 실시 예에 의하면, 상기 생성된 진입 경로의 일부로 생성되는, 상기 누출 원점에 인접한 단위 공간 영역의 일부에 상기 누출 원점에서 발생하고 있는 표적 객체의 이동 방향과, 상기 누출 원점으로부터 진입 시 권장되는 진입 방향에 대한 지시 컨텐츠를 더 제공함으로써, 실제 경고 컨텐츠 상에 생성되는 진입 경로를 본 작업자들이 안전하게 누출 원점으로 진입해야할 방향을 쉽게 인식하도록 할 수 있다.According to an embodiment, although not shown in FIG. 22, when the
또 다른 실시 예에 의하면, 전자 장치(1000)는 모니터링 대상 공간의 시작 구간에서 상기 종료 구간까지 단위 작업 공간들을 배치하는 과정에서, 동일한 거리 수준의 단위 작업 공간들이 식별되는 경우, 상기 단위 작업 공간 별로 미리 할당되는 작업자 밀집도가 낮은 단위 작업 공간을 우선 선택함으로써 상기 진입 경로를 생성할 수도 있다. 예를 들어, 전자 장치(1000)는 단위 작업 공간 별로, 평소에 작업자들이 많이 위치하는 정도에 관한 작업자 밀집도를 식별할 수 있고, 상기 작업자 밀집도 정보에 기초하여 작업자들의 밀도가 낮은 단위 작업 공간을 진입 경로상에 배치함으로써 유해 가스 누출 상황 발생 시, 이를 진압하기 위한 작업자들이 쉽게 누출 원점까지 진입하도록 할 수 있다.According to another embodiment, the
또 다른 실시 예에 의하면, 전자 장치(1000)는 상기 모니터링 대상 공간의 시작 구간에서 상기 종료 구간까지 단위 작업 공간들을 배치하는 과정에서, 동일한 거리 수준의 단위 작업 공간들이 식별되는 경우, 상기 단위 작업 공간 별로 측정되는 상기 표적 객체의 누출량이 낮은 단위 작업 공간을 우선 선택함으로써 상기 진입 경로를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 현재 추적되고 있는 표적 객체의 상태 정보에 기초하여 누출 원점으로부터 전체 표적 객체의 누출량을 결정할 수 있다. 또한, 전자 장치(1000)는 흐름 정보를 결정하는데 사용된, 인접하는 프레임 이미지간 이동 방향 벡터들에 기초하여, 단위 작업 공간 별 표적 객체의 누출량을 결정할 수도 있다. 전자 장치(1000)는 모니터링 대상 공간의 출입문으로부터 누출 원점까지 단위 작업 공간들을 배치함으로써 진입 경로를 생성하는 과정에서, 동일한 거리 수준의 단위 작업 공간들이 식별되는 경우, 상기 동일한 거리 수준의 단위 작업 공간들 중, 단위 작업 공간 별 표적 객체의 누출량이 더 작은 단위 작업 공간을 상기 진입 경로 상에 배치함으로써, 누출 상황 발생 시 이를 진압하기 위해 투입되는 사람들이 더 안전하게 누출 원점까지 진입하도록 할 수 있다.According to another embodiment, the
도 23은 일 실시 예에 따른 전자 장치가 진입 경로를 생성하는 과정을 설명하기 위한 도면이다.23 is a diagram for explaining a process of generating an access path by an electronic device according to an embodiment.
그림 (2310)을 참조하면 모니터링 대상 공간을 소정의 단위 작업 공간들로 구분한 실시 예가 도시된다. 각 단위 작업 공간들은 소정의 격자를 기준으로 구분될 수 있으나, 이에 한정되는 것은 아니며, 모니터링 대상 공간의 시설 및 지형에 기초하여 변경될 수 있다. 단위 작업 공간들은 누출 원점(2316)까지의 거리 정도에 대한 거리 수준에 대한 정보(2312)를 각각 미리 포함할 수 있으며, 전자 장치(1000)는 출입문으로부터 누출 원점까지, 거리 수준에 기초하여 단위 작업 공간들을 배치함으로써 진입 경로를 생성할 수 있다. 또 다른 실시 예에 의하면, 도 22에서 상술한 바와 같이, 전자 장치(1000)는 단위 작업 공간 별 작업자 밀집도, 단위 작업 공간 별 유해 가스 누출량 및 누출 원점으로부터 식별된 표적 객체의 이동 방향(2314)에 기초하여서도 진입 경로를 생성할 수 있다. Referring to figure 2310, an embodiment in which the space to be monitored is divided into predetermined unit work spaces is shown. Each unit work space may be divided based on a predetermined grid, but is not limited thereto, and may be changed based on facilities and topography of the space to be monitored. The unit work spaces may each include in
도 24는 일 실시 예에 따른 전자 장치가 경고 제어 신호를 전송하기 위해 전송 경로를 결정하는 방법의 흐름도이다.24 is a flowchart of a method of determining a transmission path for an electronic device to transmit a warning control signal according to an embodiment.
S2410에서, 전자 장치(1000)는 전자 장치 및 상기 경고 장치들과 연결된 복수의 중계기 장치 중, 적어도 하나의 중계기 장치를 경유하여 소스 단말로부터 목적지 단말까지 전송될 경고 제어 신호의 전송 경로를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 네트워크로부터 생성 가능한 복수의 전송 경로들 중, 소스 단말로부터 목적지 단말까지 데이터 전송 경로의 거리가 가장 가까운 전송 경로를 경고 제어 신호의 전송 경로로 결정할 수 있다. 도 24에는 도시되지 않았지만, 전자 장치(1000)는 상기 결정된 전송 경로에 기초하여 경고 제어 신호를 경고 장치들로 바로 전송할 수도 있다. In S2410, the
그러나 또 다른 실시 예에 의하면, S2420에서, 전자 장치(1000)는 상기 결정된 전송 경로의 위험 정도를 식별하고, S2430에서, 전자 장치(1000)는 상기 식별된 전송 경로의 위험 정도에 따라 상기 소스 단말로부터 목적지 단말까지 상기 경고 제어 신호가 전송될 전송 경로를 변경할 수 있다. 예를 들어, 유해 가스 누출 탐지 시스템(10) 내 각 장치들은 복수의 중계기 장치(예컨대 라우팅 장치)들을 포함하는 네트워크를 통해 연결될 수 있다. 네트워크에 포함된 각 시스템 장치 및 중계기 장치들은 하나의 단말로 나타날 수 있고, 각 중계기 장치들은 장치 정보, 각 장치의 IP 주소 정보를 포함하는 라우팅 테이블을 포함할 수 있다.However, according to another embodiment, in S2420, the
전자 장치(1000)는 네트워크 상에서 복수의 중계기 단말에 기초하여 생성될 수 있는 복수의 전송 경로를 식별할 수 있고, 각 전송 경로로 경고 제어 신호를 전송 시 데이터 손실 위험에 관한 전송 경로의 위험 정도를 식별할 수 있다. 예를 들어, 전자 장치(1000)는 각 장치 별로 미리 저장되는 라우팅 테이블에 나타나는 장치 정보에 기초하여, 상기 전송 경로 상에서 나타나는 중계기 장치 별, 각 중계기 장치로 연결된 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율과 상기 중계기 장치 별 연결된 전체 네트워크 경로의 수를 식별하고, 상기 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율 및 상기 전체 네트워크 경로의 수에 기초하여 상기 전송 경로의 위험 정도를 식별할 수 있다.The
본 개시에 따른 전자 장치(1000)는 상술한 방법에 따라 식별되는 전송 경로의 위험 정도를 식별한 결과, 전송 경로의 위험 정도가 임계 위험 점수 이상으로 식별되는 경우, 상기 결정된 전송 경로를 변경할 수 있다. 또한, 일 실시 예에 의하면, 전자 장치(1000)는 상기 결정된 전송 경로의 위험 정도가 기 설정된 임계 위험 점수보다 높은 것으로 식별되는 경우, 전송 경로 상에서 나타나는 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율이 높아지고, 중계기 장치 별 전체 네트워크 경로의 수가 증가하도록, S2410에서 결정된 전송 경로 상 중계기 장치들을 변경함으로써 전송 경로를 변경할 수도 있다. The
또한, 일 실시 예에 의하면, 전자 장치(1000)는 S2410에서 결정된 전송 경로의 위험 정도가 임계 위험 점수 이상으로 식별되지 않더라도, 동일한 데이터 전송 거리 수준을 가지는 복수의 전송 경로가 식별되는 경우에는, 상대적으로 더 낮은 위험 정도를 가지는 전송 경로로 S2410에서 결정된 전송 경로를 변경할 수도 있다. S2440에서, 전자 장치(1000)는 변경된 전송 경로에 기초하여 경고 제어 신호를 경고 장치들로 전송할 수 있다.In addition, according to an embodiment, even if the risk level of the transmission path determined in S2410 is not identified as greater than or equal to the threshold risk score, when a plurality of transmission paths having the same data transmission distance level are identified, the
또한, 도 24에는 도시되지 않았지만, 전자 장치(1000)는 모니터링 대상 공간 내 위치하는 것으로 식별되는 작업자 휴대 IOT 장치들을 식별할 수 있고, 결정된 전송 경로에 기초하여 상기 경고 제어 신호를 상기 경고 장치들로 전송함과 함께, 상기 전송 경로와 독립적으로 상기 식별된 작업자 휴대 IOT 장치들로 LTE 통신을 통해 상기 경고 제어 신호를 전송할 수 있다.In addition, although not shown in FIG. 24 , the
또한, 일 실시 예에 의하면, 전자 장치(1000)는 작업자 휴대 IOT 장치의 위치 정보를 식별하고, 상기 모니터링 대상 공간을 구성하는 단위 작업 공간의 부피 및 상기 식별된 휴대 IOT 장치의 수에 기초하여, 상기 단위 작업 공간 별 휴대 IOT 장치의 밀도를 결정할 수도 있다.In addition, according to an embodiment, the
또한, 전자 장치(1000)는 상기 경고 장치들 중, 상기 식별된 휴대 IOT 장치의 밀도가 기 설정된 임계 밀도 이상인 단위 작업 공간에 위치하는 경고 장치들을 식별하고, 상기 기 설정된 임계 밀도 이상인 단위 작업 공간에 위치하는 경고 장치들로, 상기 경고 제어 신호 및 상기 경고 제어 신호를 브로드 캐스팅하기 위한 전파 제어 신호를 함께 전송할 수도 있다.Also, among the warning devices, the
도 25는 일 실시 예에 따른 전자 장치가 경고 제어 신호 전송을 위한 전송 경로의 위험 정도를 식별하는 방법의 흐름도이다.25 is a flowchart of a method of identifying, by an electronic device, a risk level of a transmission path for transmitting a warning control signal, according to an embodiment.
S2510에서, 전자 장치(1000)는 상기 소스 단말, 상기 목적지 단말 및 상기 소스 단말과 상기 목적지 단말 사이에 위치하는 중계기 장치의 IP 주소를 식별할 수 있다. S2520에서, 전자 장치(1000)는 상기 식별된 IP 주소에 기초하여, 상기 소스 단말, 상기 목적지 단말 및 상기 소스 단말과 상기 목적지 단말 사이에 위치하는 중계기 장치 각각의 라우팅 테이블을 획득할 수 있다. 예를 들어, 각 중계기 장치 각각은 미리 설정된 라우팅 테이블을 저장할 수 있으며, 시작 단말은 하나의 전송 경로 상에서 데이터 전송이 시작되는 장치, 목적지 단말은 데이터 전송이 도달하려는 목적지 장치일 수 있다.In S2510, the
S2530에서, 전자 장치(1000)는 상기 라우팅 테이블에 나타나는 장치 정보에 기초하여, 상기 전송 경로 상에서 나타나는 중계기 장치 별, 각 중계기 장치로 연결된 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율과 상기 중계기 장치 별 연결된 전체 네트워크 경로의 수를 식별할 수 있다. 예를 들어, 네트워크 내 각 중계기들은 서로 연결될 수 있으며, 하나의 중계기들은 적어도 하나의 유선 네트워크 또는 적어도 하나의 무선 네트워크와 연결될 수 있다.In S2530, the
각 중계기에 대해 연결된 전체 유선 및 무선 네트워크 경로의 수와, 각 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율은 라우팅 테이블에 미리 저장, 수정 및 갱신될 수 있다. S2540에서, 전자 장치(1000)는 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율 및 상기 전체 네트워크 경로의 수에 기초하여, 전송 경로의 위험 정도를 식별할 수 있다.The total number of wired and wireless network paths connected to each repeater and the ratio of wired network paths to wireless network paths for each repeater device may be previously stored, modified, and updated in the routing table. In S2540, the
도 26은 일 실시 예에 따른 경고 제어 신호가 전송되는 전송 경로를 구성하는 네트워크 설명하기 위한 도면이다.26 is a diagram for explaining a network constituting a transmission path through which a warning control signal is transmitted according to an embodiment.
일 실시 예에 의하면, 인공지능 기반 유해 가스 누출 탐지 시스템(10)은 도 26에 도시된 네트워크 (2616)를 통해 시작 단말(2610)로부터 목적지 단말(2620)(예컨대 경고 장치들)로 경고 제어 신호 또는 소정의 데이터들을 전송할 수 있다. 일 실시 예에 의하면, 네트워크(2616)에는 가스 영상 탐지 서버, 경고 제어 서버 및 통합 관제 서버를 포함하는 서버들(2614)이 연결될 수 있을 뿐만 아니라, 모니터링 대상 공간에 대한 작업자들이 사용하는 IOT 장치들 및 기타 전자 장치들이 함께 연결될 수 있다.According to an embodiment, the artificial intelligence-based noxious gas
일 실시 예에 의하면, 네트워크(2616)는 시작 단말, 목적지 단말 및 상기 시작 단말과 목적지 단말 사이를 연결하는 복수의 중계기 장치들(2612, 2618)을 포함할 수 있다. 각 중계기 장치들은 미리 설정된 라우팅 테이블을 포함하고, 시작 단말(2610)로부터 목적지 단말(2620)까지 전송되는 경고 제어 신호들이 수신되는 경우, 수신된 경고 제어 신호들에 포함된 라우팅 정보에 기초하여, 다음 중계기로 경고 제어 신호들을 전송할 수 있다.According to an embodiment, the
도 27은 일 실시 예에 따른 전자 장치의 블록도이다.27 is a block diagram of an electronic device according to an embodiment.
도 28은 또 다른 실시 예에 따른 전자 장치의 블록도이다.28 is a block diagram of an electronic device according to another embodiment.
도 27에 도시된 바와 같이, 일 실시 예에 따른 전자 장치(1000)는 프로세서(1300), 네트워크 인터페이스(1500) 및 메모리(1700)를 포함할 수 있다. 그러나, 도시된 구성 요소가 모두 필수구성요소인 것은 아니다. 도시된 구성 요소보다 많은 구성 요소에 의해 전자 장치(1000)가 구현될 수도 있고, 그 보다 적은 구성 요소에 의해서도 전자 장치(1000)는 구현될 수도 있다.As shown in FIG. 27 , an
예를 들어, 도 28에 도시된 바와 같이, 전자 장치(1000)는 프로세서(1300), 네트워크 인터페이스(1500) 및 메모리(1700)외에, 사용자 입력 인터페이스(1100), 출력부(1200), 센싱부(1400), 네트워크 인터페이스(1500), A/V 입력부(1600) 및 메모리(1700)를 더 포함할 수도 있다.For example, as shown in FIG. 28 , the
사용자 입력 인터페이스(1100)는, 사용자가 전자 장치(1000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력 인터페이스(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.The
사용자 입력 인터페이스(1100)는, 카메라 설치셋을 제어하거나, 영상 내 특정 영역을 확대 또는 축소하기 위한 사용자 입력을 수신할 수 있다. 또 다른 실시 예에 의하면 사용자 입력 인터페이스(1100)는 저장된 합성 영상 중 특정 시간 및 장소에 대한 영상에 접근하기 위한 사용자 입력을 획득하거나, 모니터링 장치들을 제어하기 위한 모니터링 제어 신호를 획득할 수도 있다. The
출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다. 디스플레이부(1210)는 전자 장치(1000)에서 처리되는 정보를 표시 출력하기 위한 화면을 포함한다. 또한, 화면은 카메라 설치셋에서 획득된 복수 타입 영상들, 누출 영상, 파노라마 영상, 합성 영상 및 경고 컨텐츠등을 디스플레이 할 수 있다. 예를 들면, 화면의 적어도 일부는 모니터링 대상 공간에 대한 합성 영상, 상기 합성 영상에서 나타나는 표적 객체를 세밀하게 모니터링하기 위해, 카메라 설치셋등을 제어하기 위한 사용자 제어 인터페이스 등을 함께 출력할 수 있다.The
음향 출력부(1220)는 네트워크 인터페이스(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 전자 장치(1000)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다.The
프로세서(1300)는 통상적으로 전자 장치(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력 인터페이스(1100), 출력부(1200), 센싱부(1400), 네트워크 인터페이스(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 26에 기재된 유해 가스 누출 탐지 시스템 내 장치들의 기능 전부 또는 적어도 일부를 함께 수행할 수 있다.The
일 실시 예에 의하면, 프로세서(1300)는 상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 상기 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득하고, 상기 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득하고, 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하고, 상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체 영역을 분리하고, 상기 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하고, 상기 상태 정보에 기초하여, 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다.According to an embodiment, the
또한, 일 실시 예에 의하면, 프로세서(1300)는 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득하고, 상기 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득하고, 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하고, 상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하고, 상기 분리된 표적 객체 영역에서 나타나는 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보에 기초하여, 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별하고, 상기 식별된 표적 객체가 상기 상태 정보 또는 상기 누출 원점 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여, 상기 유해 가스 누출 여부를 결정할 수 있다.Also, according to an embodiment, the
또한, 일 실시 예에 의하면, 프로세서(1300)는 상기 표적 객체가 누출된 것으로 식별되는 누출 원점 및 상기 누출 원점에서 발생된 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성하고, 상기 생성된 경고 컨텐츠를 상기 전자 장치와 연결된 통합 관제 서버로 전송하고, 상기 경고 컨텐츠 전송과 함께 상기 전자 장치와 연결된 모니터링 장치가 표적 객체를 추적하도록 제어하기 위한 모니터링 제어 신호를 전송하고, 상기 경고 컨텐츠 전송과 함께 상기 표적 객체 누출에 따른 경고 신호를 출력하는 복수 타입의 경고 장치들을 제어하기 위한 경고 제어 신호를 상기 경고 장치들로 전송할 수 있다.In addition, according to an embodiment, the
센싱부(1400)는, 전자 장치(1000)의 상태 또는 전자 장치(1000) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다. 센싱부(1400)는 전자 장치(1000)의 사양 정보, 모니터링 대상 공간에 대한 온도, 습도, 기압 정보 등을 센싱할 수 있다.The
예를 들어, 센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.For example, the
네트워크 인터페이스(1500)는 전자 장치(1000)가 다른 장치(미도시) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 전자 장치(1000)와 같은 컴퓨팅 장치이거나, 경고 제어 서버, 가스 영상 탐지 서버, 통신 장치 또는 센싱 장치일 수 있으나, 이에 제한되지 않는다. 예를 들어, 네트워크 인터페이스(1500)는, 무선 통신 인터페이스 (1510), 유선 통신 인터페이스 (1520), 이동 통신부(1530)를 포함할 수 있다. 무선 통신 인터페이스(1510)는 근거리 통신부(short-range wireless communication unit), 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. The
유선 통신 인터페이스(1520)는 유선 통신을 통해 전자 장치와 연결된 외부 디바이스와 데이터를 주고받기 위한 적어도 하나의 유선 인터페이스를 포함할 수 있다. 이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.The
A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)는 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다. 일 실시 예에 의하면 카메라 모듈(1610)은 전면부에 소정의 필터가 부착됨으로써 적외선 영상을 통해 가스 또는 연기를 시각화하는 OGI 카메라 및 가시광선 영상을 획득하는 EO 카메라를 포함할 수 있다.An audio/video (A/V)
마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)은 사용자의 음성 입력을 수신할 수 있다. 마이크로폰(1620)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다. The
메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(1000)로 입력되거나 전자 장치(1000)로부터 출력되는 데이터를 저장할 수도 있다. 또한, 메모리(1700)는 전자 장치(1000)가 이용하는 적어도 하나의 인공지능 모델, 전자 장치가 획득한 모니터링 대상 공간에 대한 영상 정보, 레이저 측정값, 합성 영상, 누출 영상, 경고 컨텐츠, 사용자 제어 인터페이스 및 인공지능 모델의 분석 결과에 대한 정보를 저장할 수 있다.The
또한, 메모리(1700)는 전자 장치(1000)가 이용하는 적어도 하나의 신경망 모델에 대한 정보를 저장할 수 있다. 예를 들어, 메모리(1700)는 적어도 하나의 신경망 모델 내 레이어들, 노드들, 상기 레이어들의 연결 강도에 관한 가중치 값들을 저장할 수 있다. 또한, 전자 장치(1000)는 신경망 모델을 학습하기 위해 전자 장치(1000)가 생성한 학습 데이터를 더 저장할 수도 있다. 또한, 메모리(1700)는 전자 장치와 연결된 카메라들 또는 서버의 동작 환경에 대한 정보들을 더 저장할 수도 있다.Also, the
메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. The
메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다. Programs stored in the
UI 모듈(1710)은, 가스 누출 탐지를 위한 애플리케이션 별로 전자 장치(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.The
알림 모듈(1730)은 전자 장치(1000)의 소정의 경고 발생 조건을 만족하는 표적 객체 탐지 시, 유해 가스 누출 상황에 대한 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 일 실시 예에 따른 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1730)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.When the
도 29는 일 실시 예에 따른 서버의 블록도이다.29 is a block diagram of a server according to an embodiment.
일 실시 예에 의하면, 서버(2000)는 네트워크 인터페이스(2100), 데이터 베이스(2200) 및 프로세서(2300)를 포함할 수 있다. 도 29에 도시된 서버(2000)의 구성은 도 3에 도시된 인공지능 기반 유해 가스 누출 탐지 시스템(10)의 가스 영상 탐지 서버(320), 경고 제어 서버(340) 및 통합 관제 서버(360)에 대응될 수 있다.According to one embodiment, the
예를 들어, 네트워크 인터페이스(2100)는 가스 영상 탐지 서버(320)의 제1 네트워크 인터페이스, 경고 제어 서버(340)의 제2 네트워크 인터페이스, 통합 관제 서버(360)의 제3 네트워크 인터페이스에 대응될 수 있고, 데이터 베이스(2200)는 가스 영상 탐지 서버(320)의 제1 데이터베이스, 경고 제어 서버(340)의 제2 데이터 베이스, 통합 관제 서버(360)의 제3 데이터베이스에 대응될 수 있으며, 프로세서(2300)는 가스 영상 탐지 서버(320)의 제1 프로세서, 경고 제어 서버(340)의 제2 프로세서, 통합 관제 서버(360)의 제3 프로세서에 대응될 수 있다.For example, the
네트워크 인터페이스(2100)는 상술한 전자 장치(1000)의 네트워크 인터페이스(미도시)에 대응될 수 있다. 예를 들어, 네트워크 인터페이스(2100)는 복수 타입 영상 정보, 레이저 측정 값, 누출 영상, 표적 객체의 형태 정보, 합성 영상, 경고 컨텐츠, 경고 제어 신호, 모니터링 제어 신호를 송수신할 수 있다.The
또 다른 실시 예에 의하면, 네트워크 인터페이스(2100)는 전자 장치가 학습시킨 인공지능 모델에 대한 정보, 또는 신경망 모델에 대한 정보(예컨대 레이어들 및 레이어들 사이의 연결 강도에 관한 가중치 값)를 수신할 수 있다. 또 다른 실시 예에 의하면, 네트워크 인터페이스(2100)는 서버가 학습시킨 인공지능 모델에 대한 정보로, 인공 신경망의 레이어들 및 레이어들에 포함된 노드에 관한 정보 또는 신경망 내 레이어들의 연결 강도에 관한 가중치 값들을 전자 장치(1000)로 전송할 수도 있다.According to another embodiment, the
또한, 일 실시 예에 의하면 데이터 베이스(2200)는 도 27 내지 도 28에서 상술한 메모리에 대응될 수 있다. 예를 들어, 데이터 베이스(2200)는 서버와 연결된 외부 디바이스로부터 수신되는 복수 타입 영상들, 레이저 측정 값들, 모니터링 제어 신호들, 경고 제어 신호들, 경고 컨텐츠, 누출 영상 및 합성 영상에 대한 정보를 저장할 수 있으며, 인공지능 모델의 분석 결과, 인공지능 모델 자체에 대한 정보 등을 저장할 수 있다. Also, according to an embodiment, the database 2200 may correspond to the memory described above with reference to FIGS. 27 to 28 . For example, the database 2200 stores information on multiple types of images, laser measurement values, monitoring control signals, warning control signals, warning contents, leaked images, and synthesized images received from an external device connected to the server. AI model analysis results and information about the AI model itself can be stored.
일 실시 예에 의하면 데이터 베이스(2200)는 키워드 일부와 단어 조합만으로 데이터 베이스 정보 조회가 가능하도록 설계되며, 날짜, 시간 및 카메라 위치 별 소정의 영상 데이터가 검색 및 조회가 가능하도록 설계될 수 있다. 또한, 일 실시 예에 의하면 데이터 베이스(2200)는 일반 영상과 표적 객체 검출에 따른 이벤트 발생 시 해당 표적 객체에 관한 영상에 대한 정보를 제공할 수 있으며, 효율적인 용량 관리를 위해 별도의 동영상 저장 포맷을 이용하여 데이터를 저장할 수 있다. 또한, 데이터 베이스(2200)는 기존 저장되어 있는 영상 데이터와 이벤트 발생 여부 데이터를 join을 이용해 새로운 테이블로 관리할 수 있고, 데이터 무결성 등 데이터 베이스 설계 원칙을 지키기 위해 테이블 접근 시 view 형식으로 접근 및 원본 테이블 접근을 제한할 수 있다. 또한, 일 실시 예에 의하면 데이터 베이스(2200)는 유지/보수가 용이하게 코드를 procedure 형식으로 관리할 수 있으며, 데이터베이스 조회 시 최적화를 위해 explain 명령어에 기초하여 데이터를 처리할 수 있으며, 데이터 삭제 내역 관리를 위한 트리거를 적용할 수 있다.According to an embodiment, the database 2200 is designed so that database information can be searched using only part of keywords and word combinations, and predetermined image data by date, time, and camera position can be searched and searched. In addition, according to an embodiment, the database 2200 can provide information on images related to a corresponding target object when an event occurs according to detection of a normal image and a target object, and a separate video storage format is used for efficient capacity management. You can use it to store data. In addition, the database 2200 can manage the previously stored image data and event occurrence data as a new table using join, and access the table in the form of a view when accessing the table to keep database design principles such as data integrity. Table access can be restricted. In addition, according to an embodiment, the database 2200 can manage codes in a procedure format for easy maintenance/repair, process data based on an explain command for optimization when querying a database, and data deletion history Triggers for management can be applied.
일 실시 예에 의하면, 프로세서(2300)는 서버(2000)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(2300)는 네트워크 인터페이스(2100) 및 데이터 베이스(2200)를 제어함으로써, 도 1 내지 26에서 기재된 전자 장치(1000) 또는 인공지능 기반 유해 가스 누출 탐지 시스템(10)이 수행하는 동작의 전부 또는 적어도 일부를 함께 수행할 수 있다.According to an embodiment, the processor 2300 may control overall operations of the
도 30은 일 실시 예에 따른 사용자 제어 인터페이스 및 합성 영상을 포함한 경고 컨텐츠의 화면을 설명하기 위한 도면이다.30 is a diagram for explaining a screen of a user control interface and warning contents including a synthesized image according to an exemplary embodiment.
그림 (3010)을 참조하면, 전자 장치(1000) 또는 상황실 영상 정보 디스플레이를 통해 출력되는 경고 컨텐츠의 화면의 실시 예가 도시된다. 일 실시 예에 의하면 경고 컨텐츠 화면은 전자 장치뿐만 아니라, 통합 관제 서버를 통해 연결되는 상황실 영상 정보 디스플레이 상에 출력될 수도 있으며, 모니터링 대상 공간 내 설치되는 임의 디스플레이 장치를 통해서도 출력될 수 있음은 물론이다.Referring to figure 3010, an example of a screen of warning content output through the
일 실시 예에 의하면, 전자 장치(1000)는 누출 영상이 중첩하여 표시된 합성 영상(3012)을 경고 컨텐츠의 적어도 일부 영역에 표시할 수 있을 뿐만 아니라, 소정의 ip 주소로 구분되는 임의 모니터링 장치들로부터 획득되는 기타 영상들(3014)을 합성 영상에 인접한 위치에 더 표시할 수도 있다.According to an embodiment, the
일 실시 예에 의하면, 전자 장치(1000)는 모니터링 장치들, 경고 장치들을 제어하고, 누출 영상 및 합성 영상의 이미지 정보를 제어하기 위한 사용자 제어 인터페이스들(3016, 3018, 3020)을 경고 컨텐츠의 적어도 일부 영역에 함께 표시할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 사용자 제어 인터페이스(3018)을 통하여 색보정을 위한 LUT(Look Up Table) 값들을 조정할 수도 있으며, 식별된 표적 객체의 패턴 값들을 조정할 수도 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 사용자 제어 인터페이스(3016)를 통해 경고 컨텐츠들을 통해 출력되는 영상들에 대한 스케일링 처리 및 영상 기준축을 이동하는 전처리 과정을 더 수행할 수도 있다.According to an embodiment, the
도 31은 일 실시 예에 따른 모니터링 장치의 구조를 설명하기 위한 도면이다.31 is a diagram for explaining the structure of a monitoring device according to an embodiment.
일 실시 예에 의하면, 모니터링 장치는 카메라 설치셋(3112), 하우징, 엘리베이션 장치(3116), 소정의 레일(3118)상에 설치되고, 레일 상에서 엘리베이션 장치를 이동시키기 위한 레일 가이드 장치, 카메라 설치셋의 회전 이동을 제어하는 회전 구동 장치(3114)를 포함할 수 있다. 그러나, 상술한 예에 한정되는 것은 아니며, 더 많은 구성 요소를 포함할 수도 있고, 더 적은 구성 요소로 마련될 수도 있다.According to one embodiment, the monitoring device is installed on a
일 실시 예에 의하면, 카메라 설치셋(3112)은 복수 타입의 카메라들을 포함하고, 상기 모니터링 대상 공간을 촬영함으로써 복수 타입의 영상들을 생성하며, 상기 모니터링 대상 공간 내 일 지점으로부터 반사되는 레이저 신호를 측정할 수 있다. 예를 들어, 카메라 설치셋(3112)은 적어도 하나의 제1 타입의 카메라(예컨대 EO 카메라), 상기 제1 타입 카메라와 다른 저거도 하나의 제2 타입 카메라(예컨대, OGI 카메라) 및 레이저 측정기를 포함하고, 모니터링 대상 공간 내 일 지점으로부터 가시 광선 영상들, 적외선 영상들 및 레이저 측정값들을 획득할 수 있다.According to an embodiment, the
일 실시 예에 의하면, 카메라 설치셋(3112)은 소정의 하우징 내 카메라들 및 레이저 측정기를 포함할 수 있는데, 하우징은 미리 설정된 방폭 적합도를 만족하며, 내압 및 유입 방폭 값이 가스 시설물을 기준으로 미리 설정될 수 있고, SUS304이상의 재질로 제작될 수 있다. 또한, 하우징은 방수 방진 IP 65 등급이상으로 마련될 수 있으나, 이에 한정되는 것은 아니다.According to one embodiment, the
일 실시 예에 의하면, 회전 구동 장치(3114)는 카메라 설치셋이 상기 표적 객체를 추적하도록 상기 카메라 설치셋의 회전 이동을 제공할 수 있다. 회전 구동 장치(3114)는 구동 모듈 및 네트워크 인터페이스를 포함할 수 있고, 고정축 Z축을 기준으로 회전하면서 회전한 각도 값을 외부 디바이스로 전송할 수 있다. 회전 구동 장치(3114)역시 저탄장 분진에 노출될 수 있으므로 IP 65 등급의 방진 설계를 포함할 수 있으며, 복합 하중 30KG이상을 견딜 수 있도록 설계되며, 무한 회전각도 및 상하각 90도이상의 회전 이동을 제공할 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 상기 방진 및 회전 범위는 변경될 수 있음은 물론이다.According to an embodiment, the
일 실시 예에 의하면, 엘리베이션 장치(3116)는 상부 보호 커버, 카메라 설치셋의 상하 이동을 위한 승하강 장치, 상기 승하강 장치의 이동축이 되는 지주, 상기 승하강 장치를 제어하기 위한 제어함을 포함할 수 있다. 또한, 엘리베이션 장치(3116)는 상기 상부 보호 커버의 하단에 위치하고, 상기 카메라 설치셋의 추락을 방지하기 위한 추락 방지 장치, 상기 추락 방지 장치를 상기 상부 보호 커버에 고정하기 위한 상부 고정 장치, 상기 카메라 설치셋의 상하 이동을 위한 승하강 장치에 연결되는 보조 와이어 및 메인 와이어를 포함하고, 상기 승하강 장치의 상하 이동을 위한 구동력을 제공하는 모터를 더 포함할 수도 있다.According to one embodiment, the
일 실시 예에 의하면 엘리베이션 장치(3116)는 누출 원점 탐지를 위한 고도값 데이터를 확보하기 위해 단계 별로 최적화 고도에 따른 자동 상하 이동이 가능하며, 내구성확보를 위해 압연강제 SS275 로 제작되며, 5T이상의 두께로 제작되되 KS 규정을 만족할 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 엘리베이션 장치의 규격 및 소재는 변경될 수 있음은 물론이다. 엘리베이션 장치는 외부 디바이스로부터 수신되는 모니터링 제어 신호에 기초하여, 누출 원점 탐지를 위해 위치 변경 또는 최적화 고도 확보를 위해 자동으로 카메라 설치셋을 상하 이동시킬 수 있다.According to one embodiment, the
레일 가이드 장치는, 저탄장과 같이 레일이 설치되는 작업 공간에서, 상기 엘리베이션 장치들이 레일 상에서 이동될 수 있도록 가이드 경로를 제공할 수 있다. 그러나 또 다른 실시 예에 의하면, 엘리베이션 장치는 레일 가이드 장치에 연결되지 않고, 모니터링 대상 공간 내 고정형으로 설치될 수 있음은 물론이다.The rail guide device may provide a guide path so that the elevation devices can be moved on the rail in a work space where rails are installed, such as a coal yard. However, according to another embodiment, the elevation device is not connected to the rail guide device and can be fixedly installed in the space to be monitored.
도 32는 일 실시 예에 따른 모니터링 장치, 가스 영상 탐지 서버, 경보 제어 서버, 통합 관제 서버 및 경고 장치들이 서로 연동함으로써 유해 가스와 관련된 표적 객체 누출 상황을 관리하는 과정을 설명하기 위한 도면이다.32 is a diagram for explaining a process of managing a leakage situation of a target object related to harmful gas by interworking a monitoring device, a gas image detection server, an alarm control server, an integrated control server, and warning devices according to an embodiment.
S3202에서, 모니터링 장치(3210)는 복수 타입의 영상 데이터를 포함하는 영상 정보, 레이저 측정값을 획득할 수 있다. S3204에서, 모니터링 장치(3210)는 영상 정보, 레이저 측정값을 가스 영상 탐지 서버(3220)로 전송할 수 있다. S3206에서, 가스 영상 탐지 서버(3220)는 표적 객체 검출 여부를 식별하고, S3208에서 표적 객체가 식별되는 경우, 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다.In S3202, the monitoring device 3210 may obtain image information including multiple types of image data and laser measurement values. In S3204, the monitoring device 3210 may transmit image information and laser measurement values to the gas image detection server 3220. In S3206, the gas image detection server 3220 identifies whether or not the target object is detected, and if the target object is identified in S3208, it may identify the leak origin of the target object related to the harmful gas.
예를 들어, 가스 영상 탐지 서버(3220)는 모니터링 장치로부터 상기 모니터링 대상 공간 내 가시광선을 센싱함으로써 생성되는 제1 타입 영상들 및 상기 모니터링 대상 공간 내 적외선을 센싱함으로써 생성되는 제2 타입 영상들을 획득하고, 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하며, 상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하고, 상기 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하고, 상기 상태 정보에 기초하여, 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다.For example, the gas image detection server 3220 acquires first type images generated by sensing visible light in the monitoring target space and second type images generated by sensing infrared rays in the monitoring target space from the monitoring device. and checks whether a target object related to harmful gas is identified from the first type images and the second type images, and if the target object is identified, the first type images and the second type images separates a target object region of the target object from each of the target object regions, obtains state information about at least one of the shape, flow, or motion of the target object from the separated target object region, and based on the state information, It is possible to identify the origin of leakage where the target object related to the harmful gas has occurred.
보다 상세하게는, 가스 영상 탐지 서버(3220)는 모니터링 장치로부터, 상기 카메라 설치셋의 현재 회전 상태에 관한 팬틸트 정보 및 상기 카메라 설치셋의 위치 정보를 획득하고, 상기 상태 정보에 기초하여 결정되는 상기 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 상기 카메라 설치셋의 레이저 측정기로부터 획득하고, 상기 카메라 설치셋의 위치 정보를 원점으로 하는 구면 좌표계에서 상기 표적 객체의 상대적 위치에 관한 제1 좌표를 결정하고, 상기 결정된 제1 좌표, 상기 레이저 측정 값 및 상기 모니터링 대상 공간에 대해 미리 획득되는 공간 정보에 기초하여 상기 제1 좌표를 직교 좌표계 상의 제2 좌표로 변경하고, 상기 제2 좌표를 상기 표적 객체가 발생된 누출 원점으로 식별할 수 있다.More specifically, the gas image detection server 3220 obtains pan-tilt information on the current rotation state of the camera installation set and location information of the camera installation set from the monitoring device, and is determined based on the status information A laser measurement value reflected from a point in the monitoring target space is obtained from a laser measuring device of the camera installation set, and first coordinates related to the relative position of the target object in a spherical coordinate system having the location information of the camera installation set as the origin , and based on the determined first coordinate, the laser measurement value, and spatial information obtained in advance for the monitored space, the first coordinate is changed into a second coordinate on a Cartesian coordinate system, and the second coordinate is changed to the second coordinate. The target object can be identified as the origin of the leak.
또 다른 실시 예에 의하면, 가스 영상 탐지 서버(3220)는 분리된 표적 객체 영역에 대해, 상기 제1 타입 영상들 및 상기 제2 타입 영상들을 전송한 제1 타입의 카메라 및 제2 타입의 카메라 각각에 대해 미리 설정되는 렌즈 왜곡 값 제거를 위한 왜곡보정을 수행하고, 상기 왜곡보정이 수행된, 상기 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 보정 상태 정보를 획득하고, 상기 보정 상태 정보에 기초하여 결정되는 상기 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 상기 카메라 설치셋의 레이저 측정기로부터 획득할 수 있다.According to another embodiment, the gas image detection server 3220 transmits the first type images and the second type images to the separated target object area, respectively, the first type camera and the second type camera. Distortion correction for removing a preset lens distortion value is performed, and correction state information about at least one of the shape, flow, or motion of the target object is obtained from the separated target object area where the distortion correction is performed. and a laser measurement value reflected from a point in the space to be monitored, which is determined based on the correction state information, may be obtained from a laser measuring device of the camera installation set.
S3210에서, 가스 영상 탐지 서버(3220)는 누출 원점에 기초하여, 유해 가스 누출 여부를 결정할 수 있다. 예를 들어, 가스 영상 탐지 서버(3220)는 표적 객체가 식별되는 경우, 상기 식별된 표적 객체가 상기 상태 정보 또는 상기 누출 원점 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여 유해 가스 누출 여부를 결정할 수 있다.In S3210, the gas image detection server 3220 may determine whether noxious gas leaks based on the leak origin. For example, when a target object is identified, the gas image detection server 3220 determines whether the identified target object satisfies an alert generation condition set differently according to at least one of the state information and the leakage origin. It can determine whether there is a harmful gas leak.
또 다른 실시 예에 의하면, 가스 영상 탐지 서버(3220)는 누출 원점이 식별되면, 상기 식별된 누출 원점에 매칭되는 상기 모니터링 대상 공간의 시설 정보를 획득하고, 상기 상태 정보, 상기 누출 원점 또는 상기 시설 정보 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여, 상기 유해 가스 누출 여부를 결정할 수도 있다.According to another embodiment, when the leak origin is identified, the gas image detection server 3220 obtains facility information of the space to be monitored that matches the identified leak origin, and the state information, the leak origin or the facility. Whether or not the noxious gas leaks may be determined based on whether a warning generation condition set differently according to at least one of the pieces of information is satisfied.
또 다른 실시 예에 의하면, 가스 영상 탐지 서버(3220)는 표적 객체의 누출량 정보에 따른 누출량 값이 제1 임계 누출량 보다 큰 것으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별하고, 상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 제1 임계 누출량 보다 작지만, 상기 누출량 값이 상기 제1 임계 누출량 보다 작은 제2 임계 누출량 보다는 큰 것으로 식별되고, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 작은 것으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별할 수 있다.According to another embodiment, the gas image detection server 3220 identifies the target object as satisfying the warning generating condition when the leak amount value according to the leak amount information of the target object is identified as greater than the first threshold leak amount, and , The leakage amount value according to the leak information of the target object is smaller than the first critical leak amount, but the leak amount value is identified as being greater than the second critical leak amount smaller than the first critical leak amount, and the facility in the space matching the leakage origin When the volume of the space to be monitored according to the information is identified as being smaller than the first critical volume, the target object may be identified as satisfying the warning generation condition.
또 다른 실시 예에 의하면, 가스 영상 탐지 서버(3220)는 표적 객체의 누출량 정보에 따른 누출량 값이 상기 제2 임계 누출량 보다는 작지만, 상기 누출량 값이 상기 제2 임계 누출량 보다 작은 제3 임계 누출량 보다 큰 것으로 식별되고, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 큰 것으로 식별되지만, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 시설 별 유해 가스 누출 허용 수준이 제1 임계 허용 수준으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별할 수 있다.According to another embodiment, the gas image detection server 3220 has a leak amount value according to the leak amount information of the target object that is less than the second threshold leak amount, but the leak amount value is greater than a third threshold leak amount that is smaller than the second threshold leak amount. and the volume of the space to be monitored according to the facility information in the space matching the leak origin is identified as greater than the first critical volume, but the leakage of harmful gas per facility according to the facility information in the space matching the leak origin is allowed. When the level is identified as the first threshold tolerance level, it may be identified that the target object satisfies the alert generating condition.
또 다른 실시 예에 의하면, 가스 영상 탐지 서버(3220)는 상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 제2 임계 누출량 보다는 작지만, 상기 누출량 값이 상기 제2 임계 누출량 보다 작은 제3 임계 누출량 보다 큰 것으로 식별되고, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 큰 것으로 식별되지만, 상기 누출 원점에 매칭되는 공간의 작업자 밀집도가 미리 정해진 임계 밀집도보다 높으면, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별할 수 있다.According to another embodiment, the gas image detection server 3220 determines that the leak amount value according to the leak amount information of the target object is less than the second threshold leak amount, but the leak amount value is greater than a third threshold leak amount less than the second threshold leak amount. If it is identified as large and the volume of the space to be monitored according to the facility information in the space matching the leak origin is identified as larger than the first critical volume, but the density of workers in the space matching the leak origin is higher than the predetermined critical density , it is possible to identify the target object as satisfying the alert generating condition.
S3212에서, 가스 영상 탐지 서버(3220)는 유해 가스 누출 여부에 대한 정보를 경보 제어 서버(3230)으로 전송할 수 있다. 예를 들어, 가스 영상 탐지 서버(3220)는 표적 객체가 경고 발생 조건을 만족하는 것으로 결정되는 경우, 유해 가스 누출이 발생한 것으로 결정하고, 유해 가스 누출 발생에 대한 정보를 경보 제어 서버(3230)로 전송할 수 있다. S3214에서, 경보 제어 서버(3230)는 전송 경로를 결정할 수 있다. S3216에서, 경보 제어 서버(3230)는 경고 장치들을 제어하기 위한 경고 제어 신호를 생성할 수 있다. S3218에서, 경보 제어 서버(3230)는 경고 장치들(3250)로 경고 제어 신호를 전파할 수 있다.In S3212, the gas image detection server 3220 may transmit information on whether noxious gas leaks to the
일 실시 예에 의하면, 도 32에는 도시되지 않았지만, 경보 제어 서버(3230)는 유해 가스 누출이 탐지되면, 상기 모니터링 장치(3210)가 상기 유해 가스 누출과 관련된 표적 객체를 추적하도록 제어하기 위한 모니터링 제어 신호를, 상기 모니터링 장치(3210)로 전송하고, 상기 경고 컨텐츠의 사용자 제어 인터페이스를 통해, 상기 통합 관제 서버로부터 사용자 제어 입력이 획득되는지 여부를 식별하고, 상기 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력이 획득되는 것으로 식별되는 경우, 상기 모니터링 제어 신호의 전송을 일시 중지하고, 상기 사용자 제어 인터페이스를 통해, 상기 통합 관제 서버로부터 사용자 제어 입력이 획득되는지 여부를 다시 확인하고, 상기 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력이 획득되지 않는 것으로 식별되는 경우, 상기 모니터링 장치가 상기 표적 객체를 추적하도록 하기 위한 제어 신호를 미리 설정된 주기에 따라 모니터링 장치(3210)로 더 전송할 수도 있다.According to an embodiment, although not shown in FIG. 32 , the
또한, 일 실시 예에 의하면, 경보 제어 서버(3230)는 유해 가스 누출이 탐지되면, 상기 경고 장치들과 연결된 복수의 중계기 자치 중, 적어도 하나의 중계기 장치를 경유하여 소스 단말로부터 목적지 단말까지 전송될 경고 제어 신호의 전송 경로를 결정하고, 상기 결정된 전송 경로에 기초하여 상기 경고 제어 신호를 상기 경고 장치들(3250)로 전송할 수 있다.In addition, according to an embodiment, when a noxious gas leak is detected, the
또한, 일 실시 예에 의하면 도 32에는 도시되지 않았지만, 경보 제어 서버(3230)는 경고 제어 신호를 전파하기에 앞서, 결정된 전송 경로의 위험 정도를 식별하고, 상기 식별된 전송 경로의 위험 정도에 따라 상기 소스 단말로부터 목적지 단말까지 상기 경고 제어 신호가 전송될 전송 경로를 변경하고, 상기 변경된 전송 경로에 기초하여 상기 경고 제어 신호를 상기 경고 장치들로 전송할 수도 있다.In addition, according to an embodiment, although not shown in FIG. 32, the
또한, 도 32에는 도시되지 않았지만, 경보 제어 서버(3230)는 소스 단말, 상기 목적지 단말 및 상기 소스 단말과 상기 목적지 단말 사이에 위치하는 중계기 장치의 IP 주소를 식별하고, 상기 식별된 IP 주소에 기초하여, 상기 소스 단말, 상기 목적지 단말 및 상기 소스 단말과 상기 목적지 단말 사이에 위치하는 중계기 장치 각각의 라우팅 테이블을 획득하고, 상기 라우팅 테이블에 나타나는 장치 정보에 기초하여, 상기 전송 경로 상에서 나타나는 중계기 장치 별, 각 중계기 장치로 연결된 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율과 상기 중계기 장치 별 연결된 전체 네트워크 경로의 수를 식별하고, 상기 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율 및 상기 전체 네트워크 경로의 수에 기초하여 상기 전송 경로의 위험 정도를 식별할 수 있다.In addition, although not shown in FIG. 32, the
S3220에서, 가스 영상 탐지 서버(3220)는 표적 객체와 관련된 누출 영상, 합성 영상 및 사용자 제어 인터페이스를 포함하는 관제 영상 또는 상기 누출 영상, 합성 영상 및 사용자 제어 인터페이스를 포함하는 경고 컨텐츠를 생성할 수 있다. 예를 들어, 가스 영상 탐지 서버(3220)는 탐지된 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별됨에 따라 상기 유해 가스 누출이 탐지되는 경우, 상기 유해 가스 누출 탐지 대상이 되는 모니터링 대상 공간의 파노라마 영상에 상기 누출된 표적 객체에 대한 누출 영상을 중첩하여 표시함으로써 합성 영상을 생성하고, 상기 누출 원점에서 발생된 유해 가스 누출 진압을 위한 진입 경로를 생성하고, 상기 합성 영상에 표시된 상기 누출 영상의 인접한 위치에 상기 누출 원점 및 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 표시하고, 상기 모니터링 제어 신호에 기초하여 상기 표적 객체를 추적하도록 제어되는 모니터링 장치를 수동 제어하기 위한 사용자 제어 인터페이스를 상기 합성 영상의 일부 영역에 표시하고, 상기 누출 원점, 상기 진입 경로, 상기 상태 정보 및 상기 사용자 제어 인터페이스를 포함하는 상기 경고 컨텐츠를 생성할 수 있다.In S3220, the gas image detection server 3220 may generate a control image including a leak image related to the target object, a composite image, and a user control interface, or a warning content including the leak image, the composite image, and a user control interface. . For example, when the gas image detection server 3220 detects the noxious gas leak as the detected target object is identified as satisfying the warning generation condition, the panorama of the space to be monitored that is the noxious gas leak detection target. A composite image is generated by overlapping and displaying a leak image of the leaked target object on an image, an entry path for suppressing a harmful gas leak generated at the origin of the leak is generated, and an adjacent leak image displayed on the synthesized image is generated. User control for manually controlling a monitoring device that is controlled to display state information about at least one of the leak origin and the shape, flow or motion of the target object at a location, and to track the target object based on the monitoring control signal. An interface may be displayed in a partial region of the synthesized image, and the warning contents including the leakage origin, the access path, the state information, and the user control interface may be generated.
또한, 일 실시 예에 의하면, 가스 영상 탐지 서버(3220)는 경고 컨텐츠를 생성하는 과정에서, 모니터링 대상 공간에 대해 미리 획득되는 공간 정보를 획득하고, 상기 획득된 공간 정보에 기초하여, 상기 모니터링 대상 공간을 구성하는 단위 작업 공간 별 상기 누출 원점까지의 거리 수준들을 식별하고, 상기 모니터링 대상 공간의 출입문이 해당하는 단위 작업 공간을 시작 구간으로 하고, 상기 누출 원점을 포함하는 단위 작업 공간을 종료 구간으로 하되, 상기 시작 구간에서 종료 구간까지 배치될 단위 작업 공간들의 거리 수준이 상기 종료 구간으로 갈수록 작아지도록 단위 작업 공간들을 배치함으로써 상기 진입 경로를 생성할 수 있으며, 생성된 진입 경로에 대한 정보를 경고 컨텐츠 상에 추가할 수도 있다.In addition, according to an embodiment, the gas image detection server 3220 obtains pre-obtained spatial information about the target space to be monitored in the process of generating warning contents, and based on the obtained spatial information, the target space to be monitored. Distance levels to the leakage origin for each unit work space constituting the space are identified, the unit work space corresponding to the entrance and exit of the space to be monitored is set as the start section, and the unit work space including the leak origin is set as the end section. However, the entry path may be created by arranging the unit workspaces such that the distance level of the unit workspaces to be arranged from the start section to the end section decreases as the distance level increases toward the end section, and information on the generated entry route is displayed as warning content. You can also add on top.
또한, 일 실시 예에 의하면, 가스 영상 탐지 서버(3220)는 모니터링 대상 공간의 시작 구간에서 상기 종료 구간까지 단위 작업 공간들을 배치하는 과정에서, 동일한 거리 수준의 단위 작업 공간들이 식별되는 경우, 상기 누출 원점으로부터 발생된 상기 표적 객체의 이동 방향의 타측 방향에 위치하는 단위 작업 공간들을 선택함으로써 상기 진입 경로를 생성할 수도 있다.In addition, according to an embodiment, the gas image detection server 3220, when arranging unit workspaces from the start section to the end section of the space to be monitored, when unit workspaces of the same distance level are identified, the leak The entry path may be created by selecting unit work spaces located in the other direction of the movement direction of the target object generated from the origin.
S3222에서, 가스 영상 탐지 서버(3220)는 경고 컨텐츠 또는 관제 영상 중 적어도 하나를 통합 관제 서버(3240) 및 경고 장치들(3250)로 함께 전송할 수 있다. S3224에서, 가스 영상 탐지 서버(3220)는 모니터링 제어 신호를 모니터링 장치(3210)로 전송할 수 있다.In S3222, the gas image detection server 3220 may transmit at least one of warning contents or control images to the integrated control server 3240 and the
S3226에서, 통합 관제 서버(3240)는 제어 신호를 모니터링 장치(3210)로 전송할 수 있다. S3228에서, 통합 관제 서버(3240)는 경고 제어 신호를 경고 장치들(3250)로 전송할 수 있다. 예를 들어, 통합 관제 서버(3240)는 유해 가스 누출이 탐지되면, 상기 가스 영상 탐지 서버로부터 상기 경고 컨텐츠를 획득하고, 상기 경고 컨텐츠에 포함된 사용자 제어 인터페이스를 통해 상기 사용자 제어 신호를 획득한 후, 획득된 사용자 제어 신호를 모니터링 장치(3210)로 전송할 수 있다. 또한, 통합 관제 서버(3240)는 사용자 제어 인터페이스를 통해 획득된 사용자 제어 신호를 경고 장치들(3250)로 전송함으로써 경고 장치들을 제어할 수도 있다.In S3226, the integrated control server 3240 may transmit a control signal to the monitoring device 3210. In S3228, the integrated control server 3240 may transmit a warning control signal to the
본 개시에 따른 인공지능 기반 유해 가스 누출 원점을 식별하는 방법, 인공지능 기반 유해 가스 누출 여부를 결정하는 방법, 유해 가스와 관련된 표적 객체 누출 상황을 관리하는 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 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.The artificial intelligence-based method for identifying the source of leakage of harmful gases based on artificial intelligence, the method for determining whether harmful gases are leaked based on artificial intelligence, and the method for managing leakage situations of target objects related to harmful gases according to the present disclosure can be performed through various computer means. It may be implemented in the form of program instructions and recorded on a computer readable medium. The computer readable medium may include program instructions, data files, data structures, etc. alone or in combination. Program instructions recorded on the medium may be those specially designed and configured for the present invention or those known and usable to those skilled in computer software.
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.Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. - includes hardware devices specially configured to store and execute program instructions, such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language codes that can be executed by a computer using an interpreter, as well as machine language codes such as those produced by a compiler.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.Although the embodiments of the present invention have been described in detail above, the scope of the present invention is not limited thereto, and various modifications and improvements made by those skilled in the art using the basic concept of the present invention defined in the following claims are also included in the scope of the present invention. fall within the scope of the right
Claims (20)
유해 가스 누출 탐지 대상이 되는 모니터링 대상 공간을 촬영함으로써 복수 타입의 영상들을 획득하고, 상기 모니터링 대상 공간 내 일 지점으로부터 반사되는 레이저 신호를 측정하는 모니터링 장치;
상기 모니터링 대상 공간에 설치되고, 상기 유해 가스 누출이 탐지되면 복수 타입의 경고 신호들을 출력하는 경고 장치들;
상기 모니터링 장치로부터 상기 복수 타입의 영상들을 획득하고, 상기 획득된 복수 타입의 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하며, 상기 식별된 표적 객체가 누출된 누출 원점을 식별하고, 상기 표적 객체가 기 설정된 경고 발생 조건을 만족하는지 여부에 기초하여 상기 유해 가스 누출을 탐지하며, 상기 유해 가스 누출이 탐지되면 상기 누출 원점, 상기 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성하는 가스 영상 탐지 서버;
상기 가스 영상 탐지 서버에 의해 상기 유해 가스 누출이 탐지되면, 상기 모니터링 장치가 상기 표적 객체를 추적하도록 모니터링 제어 신호를 출력하고, 상기 경고 컨텐츠를 출력함과 함께 상기 경고 장치들을 제어하기 위한 경고 제어 신호를 출력하는 경고 제어 서버; 및
상기 가스 영상 탐지 서버로부터 상기 경고 컨텐츠를 획득하고, 상기 획득된 경고 컨텐츠를 출력하며, 상기 경고 컨텐츠에 포함된 사용자 제어 인터페이스를 통해 사용자 제어 입력을 획득하고, 상기 획득된 사용자 제어 입력에 기초하여 상기 모니터링 장치를 원격으로 제어하는 통합 관제 서버; 를 포함하고,
상기 모니터링 장치는
복수 타입의 카메라들을 포함하고, 상기 모니터링 대상 공간을 촬영함으로써 복수 타입의 영상들을 생성하며, 상기 모니터링 대상 공간 내 일 지점으로부터 반사되는 레이저 신호를 측정하는 카메라 설치셋;
상기 카메라 설치셋을 내부에 포함하고, 기 설정된 방폭 적합도를 만족하는 하우징;
상기 누출 원점을 탐지하기 위한 위치 변경 또는 최적화 고도 확보를 위해 상기 카메라 설치셋의 상하 이동경로를 제공하는 엘리베이션 장치; 및
상기 카메라 설치셋이 상기 표적 객체를 추적하도록 상기 카메라 설치셋의 회전 이동을 제어하는 회전구동장치; 를 포함하는 유해 가스 누출 탐지 시스템.In the artificial intelligence-based harmful gas leak detection system,
a monitoring device that acquires multiple types of images by photographing a space to be monitored, which is a target for detecting noxious gas leakage, and measures a laser signal reflected from a point in the space to be monitored;
warning devices installed in the space to be monitored and outputting plural types of warning signals when leakage of the noxious gas is detected;
Acquiring the plurality of types of images from the monitoring device, checking whether a target object related to the noxious gas is identified from the acquired plurality of types of images, identifying a leakage origin at which the identified target object has leaked, , Detecting the noxious gas leak based on whether the target object satisfies a preset warning generating condition, and when the noxious gas leak is detected, a warning including the origin of the leak and an entry path for suppressing the leak of the target object a gas image detection server that generates content;
When the noxious gas leakage is detected by the gas image detection server, the monitoring device outputs a monitoring control signal to track the target object, and a warning control signal for outputting the warning contents and controlling the warning devices. a warning control server that outputs; and
Obtains the warning content from the gas image detection server, outputs the obtained warning content, obtains a user control input through a user control interface included in the warning content, and based on the obtained user control input An integrated control server that remotely controls monitoring devices; including,
The monitoring device
a camera installation set including multiple types of cameras, generating multiple types of images by capturing the space to be monitored, and measuring a laser signal reflected from a point within the space to be monitored;
a housing that includes the camera installation set therein and satisfies a preset explosion-proof suitability;
An elevation device providing a vertical movement path of the camera installation set to change the position or secure an optimized altitude for detecting the origin of the leakage; and
a rotation drive device for controlling rotational movement of the camera installation set so that the camera installation set tracks the target object; Harmful gas leak detection system comprising a.
상기 모니터링 대상 공간 내부에 설치되는 레일상에서 상기 엘리베이션 장치를 이동시키기 위한 레일 가이드 장치; 를 더 포함하는, 유해 가스 누출 탐지 시스템.The method of claim 1, wherein the monitoring device
a rail guide device for moving the elevation device on a rail installed inside the space to be monitored; Further comprising a harmful gas leak detection system.
상기 모니터링 대상 공간을 촬영함으로써 가시 광선 영상들을 생성하는 적어도 하나의 제1 타입의 카메라;
상기 적어도 하나의 제1 타입의 카메라와 다른 타입으로, 상기 모니터링 대상 공간을 촬영함으로써 적외선 타입 영상들을 생성하는 적어도 하나의 제2 타입의 카메라; 및
상기 모니터링 대상 공간 내 일 지점으로 레이저 신호를 송신하고, 상기 송신된 레이저 신호가 상기 일 지점에서 반사됨으로써 획득되는 레이저 신호를 측정하는 레이저 측정기; 를 포함하는, 유해 가스 누출 탐지 시스템.The method of claim 2, wherein the camera installation set
at least one first-type camera generating visible ray images by capturing the space to be monitored;
at least one camera of a second type different from that of the at least one camera of the first type, and generating infrared type images by capturing the space to be monitored; and
a laser measuring device that transmits a laser signal to a point in the space to be monitored and measures a laser signal obtained by reflecting the transmitted laser signal at the point; A hazardous gas leak detection system comprising a.
상기 가스 영상 탐지 서버에서 생성되는 경고 컨텐츠를 출력하기 위한 디스플레이;
상기 복수 타입의 경고 신호들 중, 시각적 경고 신호를 출력하기 위한 경광등; 및
상기 경고 신호들 중, 청각적 경고 신호를 출력하기 위한 스피커; 를 포함하는, 유해 가스 누출 탐지 시스템.The method of claim 2, wherein the warning devices
a display for outputting warning contents generated by the gas image detection server;
Among the plurality of types of warning signals, a warning light for outputting a visual warning signal; and
Among the warning signals, a speaker for outputting an audible warning signal; A hazardous gas leak detection system comprising a.
제1 네트워크 인터페이스;
하나 이상의 인스트럭션을 저장하는 제1 데이터 베이스; 및
상기 제1 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행하는 적어도 하나의 제1 프로세서; 를 포함하고,
상기 적어도 하나의 제1 프로세서는 상기 제1 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행함으로써,
상기 모니터링 장치로부터 상기 모니터링 대상 공간 내 가시광선을 센싱함으로써 생성되는 제1 타입 영상들 및 상기 모니터링 대상 공간 내 적외선을 센싱함으로써 생성되는 제2 타입 영상들을 획득하고,
상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하고,
상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하고,
상기 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하고,
상기 상태 정보에 기초하여, 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별하는, 유해 가스 누출 탐지 시스템.The method of claim 2, wherein the gas image detection server
a first network interface;
a first database storing one or more instructions; and
at least one first processor to execute one or more instructions stored in the first database; including,
By the at least one first processor executing one or more instructions stored in the first database,
Obtaining first type images generated by sensing visible light within the monitoring target space and second type images generated by sensing infrared light within the monitoring target space from the monitoring device;
Checking whether a target object related to harmful gas is identified from the first type images and the second type images,
When the target object is identified, separating a target object region of the target object from each of the first type images and the second type images;
obtaining state information about at least one of shape, flow, or motion of the target object from the separated target object area;
Based on the status information, the harmful gas leak detection system for identifying the leak origin at which the target object related to the harmful gas occurred.
상기 모니터링 장치로부터, 상기 카메라 설치셋의 현재 회전 상태에 관한 팬틸트 정보 및 상기 카메라 설치셋의 위치 정보를 획득하고,
상기 상태 정보에 기초하여 결정되는 상기 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 상기 카메라 설치셋의 레이저 측정기로부터 획득하고,
상기 카메라 설치셋의 위치 정보를 원점으로 하는 구면 좌표계에서 상기 표적 객체의 상대적 위치에 관한 제1 좌표를 결정하고,
상기 결정된 제1 좌표, 상기 레이저 측정 값 및 상기 모니터링 대상 공간에 대해 미리 획득되는 공간 정보에 기초하여 상기 제1 좌표를 직교 좌표계 상의 제2 좌표로 변경하고,
상기 제2 좌표를 상기 표적 객체가 발생된 누출 원점으로 식별하는, 유해 가스 누출 탐지 시스템.The method of claim 5, wherein the at least one first processor
obtaining pan-tilt information about the current rotation state of the camera installation set and location information of the camera installation set from the monitoring device;
Obtaining a laser measurement value reflected from a point in the space to be monitored based on the state information from a laser measurement device of the camera installation set;
Determining a first coordinate of the relative position of the target object in a spherical coordinate system having the location information of the camera installation set as an origin,
Changing the first coordinate to a second coordinate on a Cartesian coordinate system based on the determined first coordinate, the laser measurement value, and spatial information obtained in advance for the monitored space;
The harmful gas leak detection system for identifying the second coordinate as the origin of the leak where the target object occurred.
상기 분리된 표적 객체 영역에 대해, 상기 제1 타입 영상들 및 상기 제2 타입 영상들을 전송한 제1 타입의 카메라 및 제2 타입의 카메라 각각에 대해 미리 설정되는 렌즈 왜곡 값 제거를 위한 왜곡보정을 수행하고,
상기 왜곡보정이 수행된, 상기 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 보정 상태 정보를 획득하고,
상기 보정 상태 정보에 기초하여 결정되는 상기 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 상기 카메라 설치셋의 레이저 측정기로부터 획득하는, 유해 가스 누출 탐지 시스템.7. The method of claim 6, wherein the at least one first processor
For the separated target object area, distortion correction is performed to remove lens distortion values preset for each of the first-type and second-type cameras that have transmitted the first-type images and the second-type images. perform,
Obtaining correction state information on at least one of the shape, flow, or motion of the target object from the separated target object region where the distortion correction has been performed;
A harmful gas leak detection system that obtains a laser measurement value reflected from a point in the space to be monitored, which is determined based on the correction state information, from a laser measurement device of the camera installation set.
상기 표적 객체가 식별되는 경우, 상기 식별된 표적 객체가 상기 상태 정보 또는 상기 누출 원점 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여 유해 가스 누출 여부를 결정하는, 유해 가스 누출 탐지 시스템.The method of claim 5, wherein the at least one first processor
When the target object is identified, determining whether or not harmful gas leaks based on whether the identified target object satisfies a warning generating condition set differently according to at least one of the state information or the leakage origin, harmful gas leak detection system.
상기 누출 원점이 식별되면, 상기 식별된 누출 원점에 매칭되는 상기 모니터링 대상 공간의 시설 정보를 획득하고,
상기 상태 정보, 상기 누출 원점 또는 상기 시설 정보 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여, 상기 유해 가스 누출 여부를 결정하는, 유해 가스 누출 탐지 시스템.9. The method of claim 8, wherein the at least one first processor
When the leak origin is identified, facility information of the monitored space matching the identified leak origin is acquired;
A harmful gas leak detection system for determining whether the noxious gas leaks based on whether a warning generation condition set differently according to at least one of the state information, the leakage origin, or the facility information is satisfied.
상기 표적 객체의 누출량 정보에 따른 누출량 값이 제1 임계 누출량 보다 큰 것으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별하고,
상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 제1 임계 누출량 보다 작지만, 상기 누출량 값이 상기 제1 임계 누출량 보다 작은 제2 임계 누출량 보다는 큰 것으로 식별되고, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 작은 것으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별하는, 유해 가스 누출 탐지 시스템.9. The method of claim 8, wherein the at least one first processor
When the leak amount value according to the leak amount information of the target object is identified as greater than a first threshold leak amount, the target object is identified as satisfying the warning generation condition,
Facility information in a space that is identified as having a leak amount value according to the leak amount information of the target object that is smaller than the first critical leak rate but greater than a second critical leak amount that is smaller than the first critical leak amount and that the leak amount value is matched to the leak origin. When the volume of the space to be monitored according to is identified as being smaller than the first critical volume, the harmful gas leakage detection system identifies the target object as satisfying the warning generating condition.
상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 제2 임계 누출량 보다는 작지만, 상기 누출량 값이 상기 제2 임계 누출량 보다 작은 제3 임계 누출량 보다 큰 것으로 식별되고, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 큰 것으로 식별되지만, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 시설 별 유해 가스 누출 허용 수준이 제1 임계 허용 수준으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별하는, 유해 가스 누출 탐지 시스템.11. The method of claim 10, wherein the at least one first processor
Facility information within a space that is identified as having a leak amount value according to the leak amount information of the target object that is smaller than the second critical leak amount but greater than a third critical leak amount that is smaller than the second critical leak amount and that the leak amount value is matched with the leak origin. If the volume of the space to be monitored is identified as greater than the first critical volume, but the permissible level of harmful gas leakage for each facility according to the facility information in the space matched to the leak origin is identified as the first critical permissible level, the target A harmful gas leak detection system that identifies an object as satisfying the alerting condition.
상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 제2 임계 누출량 보다는 작지만, 상기 누출량 값이 상기 제2 임계 누출량 보다 작은 제3 임계 누출량 보다 큰 것으로 식별되고, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 큰 것으로 식별되지만, 상기 누출 원점에 매칭되는 공간의 작업자 밀집도가 미리 정해진 임계 밀집도보다 높으면, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별하는, 유해 가스 누출 탐지 시스템.11. The method of claim 10, wherein the at least one first processor
Facility information within a space that is identified as having a leak amount value according to the leak amount information of the target object that is smaller than the second critical leak amount but greater than a third critical leak amount that is smaller than the second critical leak amount and that the leak amount value is matched with the leak origin. If the volume of the space to be monitored according to is identified as greater than the first critical volume, but the density of workers in the space matching the leak origin is higher than the predetermined threshold density, identifying the target object as satisfying the warning generating condition. , hazardous gas leak detection system.
상기 식별된 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별됨에 따라 상기 유해 가스 누출이 탐지되는 경우,
상기 유해 가스 누출 탐지 대상이 되는 모니터링 대상 공간의 파노라마 영상에 상기 누출된 표적 객체에 대한 누출 영상을 중첩하여 표시함으로써 합성 영상을 생성하고,
상기 누출 원점에서 발생된 유해 가스 누출 진압을 위한 진입 경로를 생성하고,
상기 합성 영상에 표시된 상기 누출 영상의 인접한 위치에 상기 누출 원점 및 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 표시하고,
상기 모니터링 제어 신호에 기초하여 상기 표적 객체를 추적하도록 제어되는 모니터링 장치를 수동 제어하기 위한 사용자 제어 인터페이스를 상기 합성 영상의 일부 영역에 표시하고,
상기 누출 원점, 상기 진입 경로, 상기 상태 정보 및 상기 사용자 제어 인터페이스를 포함하는 상기 경고 컨텐츠를 생성하는, 유해 가스 누출 탐지 시스템.9. The method of claim 8, wherein the at least one first processor
When the noxious gas leak is detected as the identified target object is identified as satisfying the warning generating condition,
Generating a composite image by overlapping and displaying a leak image of the leaked target object on a panoramic image of a space to be monitored, which is a target of detecting the noxious gas leak;
Creating an entry path for suppressing the leakage of harmful gases generated at the origin of the leakage;
Displaying state information about at least one of the leak origin and the shape, flow, or motion of the target object at a location adjacent to the leak image displayed on the synthesized image;
Displaying a user control interface for manually controlling a monitoring device controlled to track the target object based on the monitoring control signal on a partial region of the synthesized image;
The harmful gas leak detection system for generating the warning content including the leak origin, the entry route, the status information, and the user control interface.
상기 모니터링 대상 공간에 대해 미리 획득되는 공간 정보를 획득하고,
상기 획득된 공간 정보에 기초하여, 상기 모니터링 대상 공간을 구성하는 단위 작업 공간 별 상기 누출 원점까지의 거리 수준들을 식별하고,
상기 모니터링 대상 공간의 출입문이 해당하는 단위 작업 공간을 시작 구간으로 하고, 상기 누출 원점을 포함하는 단위 작업 공간을 종료 구간으로 하되, 상기 시작 구간에서 종료 구간까지 배치될 단위 작업 공간들의 거리 수준이 상기 종료 구간으로 갈수록 작아지도록 단위 작업 공간들을 배치함으로써 상기 진입 경로를 생성하는, 유해 가스 누출 탐지 시스템.14. The method of claim 13, wherein the at least one first processor
Obtain spatial information obtained in advance for the monitored space,
Based on the obtained spatial information, identifying distance levels to the leakage origin for each unit work space constituting the monitored space,
The unit work space corresponding to the entrance and exit of the space to be monitored is used as the start section, and the unit work space including the leakage origin is used as the end section, and the distance level of the unit work spaces to be arranged from the start section to the end section is A harmful gas leak detection system that creates the entry path by arranging unit work spaces to become smaller toward the end section.
상기 모니터링 대상 공간의 시작 구간에서 상기 종료 구간까지 단위 작업 공간들을 배치하는 과정에서, 동일한 거리 수준의 단위 작업 공간들이 식별되는 경우, 상기 누출 원점으로부터 발생된 상기 표적 객체의 이동 방향의 타측 방향에 위치하는 단위 작업 공간들을 선택함으로써 상기 진입 경로를 생성하는, 유해 가스 누출 탐지 시스템.15. The method of claim 14, wherein the at least one first processor
In the process of arranging unit workspaces from the start section of the monitored space to the end section, when unit workspaces of the same distance level are identified, they are located in the other direction of the movement direction of the target object generated from the leak origin. A harmful gas leak detection system that creates the entry path by selecting unit workspaces that do.
제2 네트워크 인터페이스;
하나 이상의 인스트럭션을 저장하는 제2 데이터 베이스; 및
상기 제2 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행하는 적어도 하나의 제2 프로세서; 를 포함하고,
상기 적어도 하나의 제2 프로세서는 상기 제2 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행함으로써,
상기 유해 가스 누출이 탐지되면, 상기 모니터링 장치가 상기 유해 가스 누출과 관련된 표적 객체를 추적하도록 제어하기 위한 모니터링 제어 신호를, 상기 모니터링 장치로 전송하고,
상기 경고 컨텐츠의 사용자 제어 인터페이스를 통해, 상기 통합 관제 서버로부터 사용자 제어 입력이 획득되는지 여부를 식별하고,
상기 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력이 획득되는 것으로 식별되는 경우, 상기 모니터링 제어 신호의 전송을 일시 중지하고, 상기 사용자 제어 인터페이스를 통해, 상기 통합 관제 서버로부터 사용자 제어 입력이 획득되는지 여부를 다시 확인하고,
상기 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력이 획득되지 않는 것으로 식별되는 경우, 상기 모니터링 장치가 상기 표적 객체를 추적하도록 하기 위한 제어 신호를 미리 설정된 주기에 따라 전송하는, 유해 가스 누출 탐지 시스템.The method of claim 13, wherein the warning control server
a second network interface;
a second database for storing one or more instructions; and
at least one second processor executing one or more instructions stored in the second database; including,
By the at least one second processor executing one or more instructions stored in the second database,
When the noxious gas leak is detected, a monitoring control signal for controlling the monitoring device to track a target object related to the noxious gas leak is transmitted to the monitoring device;
Identify whether a user control input is obtained from the integrated control server through the user control interface of the warning content,
When it is identified that the user control input is obtained through the user control interface, the transmission of the monitoring control signal is temporarily suspended, and whether the user control input is obtained from the integrated control server is checked again through the user control interface. check,
When it is identified that the user control input is not obtained through the user control interface, the noxious gas leak detection system transmits a control signal for allowing the monitoring device to track the target object according to a preset cycle.
상기 유해 가스 누출이 탐지되면, 상기 경고 장치들과 연결된 복수의 중계기 자치 중, 적어도 하나의 중계기 장치를 경유하여 소스 단말로부터 목적지 단말까지 전송될 경고 제어 신호의 전송 경로를 결정하고,
상기 결정된 전송 경로에 기초하여 상기 경고 제어 신호를 상기 경고 장치들로 전송하는, 유해 가스 누출 탐지 시스템.17. The method of claim 16, wherein the at least one second processor
When the noxious gas leak is detected, determining a transmission path of a warning control signal to be transmitted from a source terminal to a destination terminal via at least one repeater device among a plurality of repeaters connected to the warning devices,
The harmful gas leak detection system for transmitting the warning control signal to the warning devices based on the determined transmission path.
결정된 전송 경로의 위험 정도를 식별하고,
상기 식별된 전송 경로의 위험 정도에 따라 상기 소스 단말로부터 목적지 단말까지 상기 경고 제어 신호가 전송될 전송 경로를 변경하고,
상기 변경된 전송 경로에 기초하여 상기 경고 제어 신호를 상기 경고 장치들로 전송하는, 유해 가스 누출 탐지 시스템.18. The method of claim 17, wherein the at least one second processor
identify the degree of risk of the determined transmission route;
Changing a transmission path through which the warning control signal is transmitted from the source terminal to the destination terminal according to the risk level of the identified transmission path;
A harmful gas leak detection system for transmitting the warning control signal to the warning devices based on the changed transmission path.
상기 소스 단말, 상기 목적지 단말 및 상기 소스 단말과 상기 목적지 단말 사이에 위치하는 중계기 장치의 IP 주소를 식별하고,
상기 식별된 IP 주소에 기초하여, 상기 소스 단말, 상기 목적지 단말 및 상기 소스 단말과 상기 목적지 단말 사이에 위치하는 중계기 장치 각각의 라우팅 테이블을 획득하고,
상기 라우팅 테이블에 나타나는 장치 정보에 기초하여, 상기 전송 경로 상에서 나타나는 중계기 장치 별, 각 중계기 장치로 연결된 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율과 상기 중계기 장치 별 연결된 전체 네트워크 경로의 수를 식별하고,
상기 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율 및 상기 전체 네트워크 경로의 수에 기초하여 상기 전송 경로의 위험 정도를 식별하는, 유해 가스 누출 탐지 시스템.19. The method of claim 18, wherein the at least one second processor
Identify IP addresses of the source terminal, the destination terminal, and a repeater device located between the source terminal and the destination terminal;
Based on the identified IP address, obtaining a routing table of each of the source terminal, the destination terminal, and a repeater device located between the source terminal and the destination terminal;
Based on the device information appearing in the routing table, for each repeater device appearing on the transmission path, a ratio of wired network paths to wireless network paths connected to each repeater device and the total number of network paths connected to each repeater device are identified;
The harmful gas leak detection system for identifying the risk level of the transmission path based on the ratio of the wired network path to the wireless network path for each repeater device and the total number of network paths.
제3 네트워크 인터페이스;
하나 이상의 인스트럭션을 저장하는 제3 데이터 베이스; 및
상기 제3 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행하는 적어도 하나의 제3 프로세서; 를 포함하고,
상기 적어도 하나의 제3 프로세서는 상기 제3 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행함으로써,
상기 유해 가스 누출이 탐지되면, 상기 가스 영상 탐지 서버로부터 상기 경고 컨텐츠를 획득하고,
상기 경고 컨텐츠에 포함된 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력을 획득하며, 상기 획득된 사용자 제어 입력에 기초하여 상기 모니터링 장치를 원격으로 제어하는, 유해 가스 누출 탐지 시스템.The method of claim 18, wherein the integrated control server
a third network interface;
a third database for storing one or more instructions; and
at least one third processor executing one or more instructions stored in the third database; including,
By the at least one third processor executing one or more instructions stored in the third database,
When the noxious gas leak is detected, obtaining the warning content from the gas image detection server;
Acquiring the user control input through a user control interface included in the warning content, and remotely controlling the monitoring device based on the obtained user control input, the harmful gas leakage detection system.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220089917A KR102482129B1 (en) | 2022-07-20 | 2022-07-20 | Artificial intelligence based noxious gas leak detection system and operating method there of |
PCT/KR2023/008598 WO2024019342A1 (en) | 2022-07-20 | 2023-06-21 | Artificial intelligence-based harmful gas leak detecting system and operating method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220089917A KR102482129B1 (en) | 2022-07-20 | 2022-07-20 | Artificial intelligence based noxious gas leak detection system and operating method there of |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102482129B1 true KR102482129B1 (en) | 2023-01-02 |
Family
ID=84925477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220089917A KR102482129B1 (en) | 2022-07-20 | 2022-07-20 | Artificial intelligence based noxious gas leak detection system and operating method there of |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR102482129B1 (en) |
WO (1) | WO2024019342A1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117111565A (en) * | 2023-09-19 | 2023-11-24 | 南通森萱药业有限公司 | Safe online visual intelligent monitoring system for phenethyl ester production workshop |
WO2024019342A1 (en) * | 2022-07-20 | 2024-01-25 | (주)하이브시스템 | Artificial intelligence-based harmful gas leak detecting system and operating method thereof |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160051416A (en) * | 2014-11-03 | 2016-05-11 | 에스케이텔레시스 주식회사 | Smart Gas Leak Detector |
KR20160085926A (en) * | 2014-12-19 | 2016-07-19 | 한국 전기안전공사 | Black box system for sensing electrical fire and gas leaking |
KR20170039399A (en) * | 2015-10-01 | 2017-04-11 | 대우조선해양 주식회사 | Apparatus and method for detecting gas leak point |
KR102289745B1 (en) * | 2019-12-31 | 2021-08-13 | 주식회사 버넥트 | System and method for real-time monitoring field work |
KR20210155655A (en) * | 2020-06-16 | 2021-12-23 | 광주과학기술원 | Method and apparatus for identifying object representing abnormal temperatures |
KR102355884B1 (en) | 2021-01-26 | 2022-02-08 | (주) 플레이오니 | Method, apparatus and program to detect fire using artificial intelligence |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3425364B1 (en) * | 2016-03-03 | 2020-09-23 | Konica Minolta, Inc. | Gas leak position estimation device, gas leak position estimation method, and gas leak position estimation program |
GB2567246A (en) * | 2017-10-09 | 2019-04-10 | Csir | A gas detection system and method |
KR102482129B1 (en) * | 2022-07-20 | 2023-01-02 | (주)하이브시스템 | Artificial intelligence based noxious gas leak detection system and operating method there of |
-
2022
- 2022-07-20 KR KR1020220089917A patent/KR102482129B1/en active IP Right Grant
-
2023
- 2023-06-21 WO PCT/KR2023/008598 patent/WO2024019342A1/en unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160051416A (en) * | 2014-11-03 | 2016-05-11 | 에스케이텔레시스 주식회사 | Smart Gas Leak Detector |
KR20160085926A (en) * | 2014-12-19 | 2016-07-19 | 한국 전기안전공사 | Black box system for sensing electrical fire and gas leaking |
KR20170039399A (en) * | 2015-10-01 | 2017-04-11 | 대우조선해양 주식회사 | Apparatus and method for detecting gas leak point |
KR102289745B1 (en) * | 2019-12-31 | 2021-08-13 | 주식회사 버넥트 | System and method for real-time monitoring field work |
KR20210155655A (en) * | 2020-06-16 | 2021-12-23 | 광주과학기술원 | Method and apparatus for identifying object representing abnormal temperatures |
KR102355884B1 (en) | 2021-01-26 | 2022-02-08 | (주) 플레이오니 | Method, apparatus and program to detect fire using artificial intelligence |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024019342A1 (en) * | 2022-07-20 | 2024-01-25 | (주)하이브시스템 | Artificial intelligence-based harmful gas leak detecting system and operating method thereof |
CN117111565A (en) * | 2023-09-19 | 2023-11-24 | 南通森萱药业有限公司 | Safe online visual intelligent monitoring system for phenethyl ester production workshop |
CN117111565B (en) * | 2023-09-19 | 2024-03-08 | 南通森萱药业有限公司 | Safe online visual intelligent monitoring system for phenethyl ester production workshop |
Also Published As
Publication number | Publication date |
---|---|
WO2024019342A1 (en) | 2024-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102482129B1 (en) | Artificial intelligence based noxious gas leak detection system and operating method there of | |
CN107223332B (en) | Audio visual scene analysis based on acoustic camera | |
US8391563B2 (en) | Using computer video camera to detect earthquake | |
KR101485022B1 (en) | Object tracking system for behavioral pattern analysis and method thereof | |
JP6532106B2 (en) | Monitoring device, monitoring method and program for monitoring | |
KR20080054331A (en) | Flame detecting method and device | |
KR102517478B1 (en) | Method and appratus for determining whether noxious gas leak detection based on artificial intelligence model | |
CN110910415A (en) | Parabolic detection method, device, server and computer readable medium | |
WO2021095351A1 (en) | Monitoring device, monitoring method, and program | |
CN112489351A (en) | School fire early warning method based on picture recognition | |
KR20200112681A (en) | Intelligent video analysis | |
CN105592301A (en) | Image capturing apparatus, method of controlling the same, monitoring camera system | |
CN104348894B (en) | A kind of information processing method, cloud server, mobile terminal | |
KR102355855B1 (en) | Object tracking and service execution system with event rules and service settings for each Vid-Fence | |
KR102517477B1 (en) | Method and apparatus for identifying noxious gas leak origin based on artificial intelligence model | |
KR102482126B1 (en) | Method and appratus for managing noxious gas leak situation based on artificial intelligence model | |
KR102125848B1 (en) | Method for controling physical security using mac address and system thereof | |
KR20220105851A (en) | Unattended station monitoring system and operation method thereof | |
JP2015215766A (en) | Evacuation route providing system, evacuation route providing method, and evacuation route providing program | |
CN114567535B (en) | Product interaction and fault diagnosis method based on augmented reality | |
KR102646239B1 (en) | Method providing composite video for detection of gas leak and artificial intelligence based gas leak detection device performing the same | |
JP7405395B2 (en) | Object detection device, system, method, and program | |
KR102356165B1 (en) | Method and device for indexing faces included in video | |
KR20230168242A (en) | Method for identifying shape of target object and artificial intelligence based gas leak detection device performing the same | |
KR20230168244A (en) | Method for detecting gas leak and artificial intelligence based gas leak detection device performing the same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |