KR102486110B1 - 조도변화에 적응하는 초저조도 카메라 - Google Patents

조도변화에 적응하는 초저조도 카메라 Download PDF

Info

Publication number
KR102486110B1
KR102486110B1 KR1020210141470A KR20210141470A KR102486110B1 KR 102486110 B1 KR102486110 B1 KR 102486110B1 KR 1020210141470 A KR1020210141470 A KR 1020210141470A KR 20210141470 A KR20210141470 A KR 20210141470A KR 102486110 B1 KR102486110 B1 KR 102486110B1
Authority
KR
South Korea
Prior art keywords
illuminance
ultra
low
camera
illumination
Prior art date
Application number
KR1020210141470A
Other languages
English (en)
Inventor
임주아
Original Assignee
아룸테크 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 아룸테크 주식회사 filed Critical 아룸테크 주식회사
Priority to KR1020210141470A priority Critical patent/KR102486110B1/ko
Application granted granted Critical
Publication of KR102486110B1 publication Critical patent/KR102486110B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/62—Control of parameters via user interfaces
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/75—Circuitry for compensating brightness variation in the scene by influencing optical camera components
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Studio Devices (AREA)

Abstract

본 발명은 조도변화에 적응하는 초저조도 카메라에 관한 것으로, 더욱 상세하게는 조도가 매우 낮은 초저조도 환경에서 조도의 변화에 따라 카메라 노출을 포함하는 설정값을 자동 변경함으로써 상기 초저조도 환경에서 조도의 변화에 적응하여 고품질의 컬러영상을 획득하는 초저조도 카메라에 관한 것이다.

Description

조도변화에 적응하는 초저조도 카메라{ULTRA LOW ILLUMINANCE CAMERA MINUTELY ADAPTING TO CHANGE OF ILLUMINANCE}
본 발명은 조도변화에 적응하는 초저조도 카메라에 관한 것으로, 더욱 상세하게는 조도가 매우 낮은 초저조도 환경에서 조도의 변화에 따라 카메라 노출을 포함하는 설정값을 자동 변경함으로써 상기 초저조도 환경에서 조도의 변화에 적응하여 고품질의 컬러영상을 획득하는 초저조도 카메라에 관한 것이다.
최근 산업기술과 정보통신기술의 급격한 발전으로 인해 CCTV 카메라와 같이 다수의 현장에 설치되어 각 현장에서 발생될 수 있는 사고, 재난, 범죄 발생 등을 포함하는 위험상황을 모니터링하기 위한 카메라가 보급화되고 있다.
이러한 카메라는 감시영역을 촬영한 컬러영상을 실시간으로 전송하도록 구현된다. 따라서 상기 카메라로부터 수신한 컬러영상을 이용하여 각 현장에서의 위험상황을 실시간으로 확인하여 대응할 수 있음은 물론이고, 녹화된 컬러영상은 위험상황에 대한 사후분석에도 활용될 수 있으므로, 보안 감시 분야에서 상기 카메라가 적극 활용되고 있다.
한편, 카메라는 주간뿐만 아니라 야간과 같이 특정 조도(예: 0.002lux) 이하의 저조도를 포함하는 초저조도 환경에서도 선명한 컬러영상을 제공해야하는 것이 필수적이다.
이에 따라 최근의 카메라는 노출을 포함하는 카메라의 설정값을 미리 설정하여 상기 설정한 카메라의 설정값에 따라 동작하도록 구현된다.
그러나 종래의 카메라는 하나의 설정값으로 고정되어 있어 주변 환경이나 시간에 따른 조도의 변화를 감지하지 못하고 고정된 하나의 설정값으로 촬영을 수행하기 때문에 상기 설정값이 일정 조도 이하의 조도 환경(예: 어두울 때)을 기준으로 설정되면 조도가 높아질수록 컬러영상에서 노이즈가 많이 발생하며, 이와 반대로 상기 설정값이 일정 값 이상의 조도 환경(예: 밝을 때)을 기준으로 설정되면 조도가 낮아질수록 컬러영상이 어둡게 획득되는 문제가 있다.
이러한 문제점을 해결하기 위해 최근에는 적외선 조명 혹은 가시광 조명을 이용하여 영상을 획득하도록 하는 적외선 조명이나 가시광 조명을 탑재한 카메라가 활용되고 있다.
적외선 조명을 탑재한 카메라는 초저조도 환경에서 적외선 조명을 점등시켜 영상을 촬영하는 것으로, 지속적으로 적외선을 방사하기 때문에 적외선으로 인한 많은 열을 발생될 수 있고 전력소모가 큰 문제점이 있다.
더욱이 적외선 조명을 탑재한 카메라를 통해 획득되는 영상은 흑백영상이기 때문에 피사체(객체)를 정확하게 식별하지 못하는 문제점이 있다.
또한 가시광 조명을 탑재한 카메라는 초저조도 환경에서 특정 색(백색)의 가시광을 방사하는 가시광 조명을 점등시켜 영상을 촬영하는 것으로 지속적으로 가시광을 방사해야하기 때문에 전력소모가 큰 문제점이 있다.
이에 따라 본 발명에서는 조도에 따라 조리개값, 셔터속도 및 감도를 포함하는 설정값을 자동으로 변환하여 초저조도 환경에서 조도의 변화에 따라 충분한 광량에 노출되도록 하고 감도를 향상시킴으로써 조도의 변화에 적응하여 선명한 컬러영상(즉, 고품질의 컬러영상)을 획득할 수 있도록 하는 초저조도 카메라를 제공하는 방안을 제안하고자 한다.
또한 본 발명은 초저조도 카메라에 적어도 하나 이상의 조도센서를 배열하여 탑재하고, 각 조도센서를 통해 측정한 조도에 대한 조도분포와 상기 조도분포에 따라 선명한 컬러영상을 획득하기 위해 변경할 설정값간의 매핑관계를 학습하여 학습모델을 생성하고, 상기 적어도 하나 이상의 조도센서를 통해 초저조도 환경에서 측정한 실제 조도에 대한 조도분포를 상기 학습모델에 적용하여 상기 학습모델의 출력결과에 따라 상기 초저조도 카메라의 설정값을 자동 변경함으로써, 상기 초저조도 카메라가 조도의 변화에 적응하여 고품질의 컬러영상을 획득할 수 있도록 하는 방안을 방안을 제안하고자 한다.
다음으로 본 발명의 기술분야에 존재하는 선행기술에 대하여 간단하게 설명하고, 이어서 본 발명이 상기 선행기술에 비해서 차별적으로 이루고자 하는 기술적 사항에 대해서 기술하고자 한다.
먼저 한국공개특허 제2015-0053189호(2015.05.15.)는 카메라 모듈 및 그 제어 방법에 관한 것으로, 광을 수광하는 렌즈부, 광을 이용하여 이미지를 생성하며 조도를 측정하는 이미지 센서로 구성되며, 상기 측정한 조도가 사전에 설정한 조도 기준값보다 작으면 저조도, 조도 기준값보다 크면 일반조도로 판단하여 상기 판단한 저조도 혹은 일반조도에 따라 촬영 해상도를 설정하여 상기 설정한 촬영 해상도에 따라 이미지를 생성하는 카메라 모듈 및 그 제어 방법에 관한 것이다.
즉, 한국공개특허 제2015-0053189호는 단순히 현재 조도를 저조도 혹은 일반조도로 구분하고, 구분한 저조도 혹은 일반조도에 따라 카메라의 촬영 해상도를 조절하는 것일 뿐이다.
반면에 본 발명은 초저조도 환경에서 조도의 변화에 의한 조도분포에 따라 설정값을 자동 변경하여 초저조도 카메라가 충분한 광량에 노출되도록 하고 빛에 대한 민감도를 향상시켜 선명한 컬러영상을 획득할 수 있도록 하는 것으로, 한국공개특허 제2015-0053189호는 본 발명의 이러한 기술적 특징을 기재하거나 시사 혹은 그 어떠한 암시도 없다.
또한 한국등록특허 제1775818호(2017.08.31.)는 조명 및 IR 저조도 카메라 연동 컬러영상 획득장치에 관한 것으로, IR 카메라 작동시 일정한 조건에 부합될 때 또는 센서 감지기에 조명장치를 점등시켜 일정 개수 이상의 컬러영상을 확보하고, 저조도 상태나 노이즈 상태로 촬상된 컬러영상이나 흑백영상을 상기 확보한 컬러영상을 기준으로 컬러영상으로 복원시키는 조명 및 IR 저조도 카메라 연동 컬러영상 획득장치에 관한 것이다.
즉, 한국등록특허 제1775818호는 일정시간 동안 조명장치를 점등하여 해당 시간동안 컬러영상을 확보한 부, 확보한 컬러영상을 기준으로 저조도 상태에서 촬상된 컬러영상이나 흑백영상을 컬러영상으로 복원하는 것으로, 본 발명에서 제안하고 있는 초저조도 환경에서 조도의 변화에 의한 조도분포에 따라 고품질의 컬러영상을 획득하기 위한 설정값간의 매핑관계를 학습하여 학습모델을 생성하는 것도 아니며, 상기 생성한 학습모델을 이용하여 실제 조도분포에 따라 초저조도 카메라의 노출을 포함하는 설정값을 자동 변환함으로써 조도의 변화에 적응하여 초저조도 환경에서도 고품질의 컬러영상을 획득할 수 있도록 하는 방법 또한 전혀 기재하고 있지 않아, 상기 한국등록특허 제1775818호와 본 발명은 현저한 차이점이 있다.
본 발명은 상기와 같은 문제점을 해결하기 위해 창작된 것으로서, 초저조도 환경에서 조도의 변화에 따라 조리개값, 셔터속도 및 감도를 포함하는 설정값을 실시간으로 자동 변환하여 충분한 광량에 노출되도록 하고 감도를 향상시킴으로써 조도의 변화에 적응하여 고품질의 컬러영상을 획득할 수 있도록 하는 조도변화에 적응하는 초저조도 카메라를 제공하는 것을 그 목적으로 한다.
또한 본 발명은 초저조도 환경에서의 조도분포별로 고품질의 컬러영상을 획득하기 위한 설정값을 매핑한 매핑테이블을 사전에 저장하고 있으면서 상기 매핑테이블에 따라 상기 조도분포와 상기 설정값간의 매핑관계를 학습하여 학습모델을 생성하고, 상기 생성한 학습모델에 현재 조도분포를 입력하여 해당 학습모델의 출력결과에 따라 상기 설정값을 자동으로 변환하는 초저조도 카메라를 제공하는 것을 그 목적으로 한다.
본 발명의 일 실시예에 따른 조도변화에 적응하는 초저조도 카메라는 적어도 하나 이상의 조도센서를 통해 각각 측정한 조도에 대한 조도분포를 생성하는 조도분포 생성부 및 상기 조도분포에 따라 조리개값, 셔터속도 및 감도를 포함한 노출에 대한 설정값을 자동으로 변경하는 설정값 자동변경부를 포함하며, 상기 설정값 자동변경을 통해 특정 조도 이하의 초저조도 환경에서, 조도의 변화에 적응하여 고품질의 컬러영상을 획득하는 것을 포함하는 것을 특징으로 한다.
또한 상기 조도센서는 상기 초저조도 카메라의 렌즈에 대한 원주에 따라 적어도 하나 이상으로 배열되어 상기 초저조도 카메라에 탑재되는 것을 포함하는 것을 특징으로 한다.
또한 상기 조도분포 생성부는 상기 적어도 하나 이상의 조도센서의 배열에 따라 각 상기 조도센서에서 측정한 조도에 대한 조도분포를 생성하며, 상기 조도분포는, 상기 배열에 따라 m x n 형태의 행렬로 생성되는 것을 포함하는 것을 특징으로 한다.
또한 상기 초저조도 카메라는 상기 초저조도 환경에서 조도의 변화에 따른 복수의 조도분포와 조도분포별로 고품질의 컬러영상을 획득하기 위한 설정값을 매핑하여 생성한 매핑테이블에 따라 각 상기 조도분포와 각 상기 조도분포에 해당하는 설정값간의 매핑관계를 학습하여 학습모델을 생성하는 학습모델 생성부를 더 포함하는 것을 특징으로 한다.
또한 상기 설정값 자동변경부는 상기 학습모델에 상기 생성한 조도분포를 입력하여, 상기 학습모델의 출력결과에 따라 상기 설정값을 변경하며, 상기 설정값을 변경할 때, 상기 학습모델의 출력결과에 따른 설정값과 이전에 변경한 설정값을 비교하여, 비교한 결과가 사전에 설정한 임계범위를 벗어나는 경우, 상기 학습모델의 출력결과에 따른 설정값과 이전에 변경한 설정값간의 중간값을 상기 설정값으로 변경하는 것을 포함하는 것을 특징으로 한다.
또한 상기 초저조도 카메라는 상기 설정값에 따라 감시영역을 촬영하여 컬러영상을 획득하는 촬영부 및 상기 획득한 컬러영상을 관제서버로 전송하는 전송부를 더 포함하는 것을 특징으로 한다.
아울러 본 발명의 일 실시예에 따른 초저조도 카메라의 조도변화에 적응하는 방법은 적어도 하나 이상의 조도센서를 통해 각각 측정한 조도에 대한 조도분포를 생성하는 조도분포 생성 단계 및 상기 조도분포에 따라 조리개값, 셔터속도 및 감도를 포함한 노출에 대한 설정값을 자동 변경하는 설정값 자동변경 단계를 포함하는 것을 특징으로 한다.
또한 상기 조도분포 생성 단계는 상기 초저조도 카메라에 탑재된 상기 적어도 하나 이상의 조도센서의 배열에 따라 각 상기 조도센서에서 측정한 조도에 대한 조도분포를 생성하는 것을 특징으로 한다.
또한 상기 방법은 상기 초저조도 환경에서 조도의 변화에 따른 복수의 조도분포와 조도분포별로 고품질의 컬러영상을 획득하기 위한 설정값을 매핑하여 생성한 매핑테이블에 따라 각 상기 조도분포와 각 상기 조도분포에 해당하는 설정값간의 매핑관계를 학습하여 학습모델을 생성하는 학습모델 생성 단계를 더 포함하며, 상기 설정값 자동변경 단계는 상기 설정값 자동변경부는 상기 학습모델에 상기 생성한 조도분포를 입력하여, 상기 학습모델의 출력결과에 따라 상기 설정값을 변경하며, 상기 설정값을 변경할 때, 상기 학습모델의 출력결과에 따른 설정값과 이전에 변경한 설정값을 비교하여, 비교한 결과가 사전에 설정한 임계범위를 벗어나는 경우, 상기 학습모델의 출력결과에 따른 설정값과 이전에 변경한 설정값간의 중간값을 상기 설정값으로 변경하는 것을 포함하는 것을 특징으로 한다.
또한 상기 방법은 상기 설정값에 따라 감시영역을 촬영하여 컬러영상을 획득하는 촬영 단계 및 상기 획득한 컬러영상을 관제서버로 전송하는 전송 단계를 더 포함하는 것을 특징으로 한다.
이상에서와 같이 본 발명의 조도변화에 적응하는 초저조도 카메라는 특정 조도 이하의 초저도 환경에서도 조도의 변화에 적응하여 노출을 포함하는 초저조도 카메라의 설정값을 자동으로 변경함으로써, 초저조도 환경에서도 선명한 컬러영상을 획득할 수 있는 효과가 있다.
또한 본 발명은 적어도 하나 이상의 조도센서를 통해 측정한 각 조도에 대한 조도분포와 변경할 설정값간의 매핑관계를 학습하여 학습모델을 생성하고, 상기 생성한 학습모델을 통해 조도의 변화에 적응하여 초저조도 카메라의 설정값을 간편하게 변경할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 조도변화에 적응하는 초저조도 카메라를 설명하기 위해 나타낸 개념도이다.
도 2는 본 발명의 일 실시예에 따른 매핑테이블을 설명하기 위해 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 기계학습을 통해 조도변화에 적응하여 카메라 설정값을 변경하기 위한 학습모델을 생성하는 과정을 타나낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 학습모델을 설명하기 위해 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 설정값의 변경에 따라 초저조도 카메라의 동작을 설명하기 위해 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 조도변화에 적응하는 초저조도 카메라의 구성을 나타낸 블록도이다.
도 7은 본 발명의 일 실시예에 따른 초저조도 카메라에서 조도변화에 적응하여 설정값을 변경하는 절차를 나타낸 흐름도이다.
이하, 첨부한 도면을 참조하여 본 발명의 조도변화에 따른 조도변화에 적응하는 초저조도 카메라에 대한 바람직한 실시예를 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다. 또한 본 발명의 실시예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는 것이 바람직하다.
도 1은 본 발명의 일 실시예에 따른 조도변화에 적응하는 초저조도 카메라를 설명하기 위해 나타낸 개념도이다.
도 1에 도시한 바와 같이, 본 발명의 일 실시예에 따른 조도변화에 적응하는 초저조도 카메라(100)(이하, 초저조도 카메라라 칭함)는 초저조도 환경에서 조도의 변화에 따라 설정값을 자동으로 변경하여 상기 조도의 변화에 적응하여 상기 초저조도 카메라(100)가 가능한 충분한 광량에 노출되도록 하고 감도를 향상시켜 초저조도 환경에서도 고품질의 컬러영상(선명한 컬러영상)을 획득하여 관제서버(200)로 전송하는 기능을 수행한다.
여기서, 설정값은 조리개값, 셔터속도 및 감도를 포함하는 초저조도 카메라(100)의 노출에 대한 설정값을 의미한다.
또한 초저조도 환경이라 함은 특정 조도(예: 0.002lux)이하의 저조도를 포함하여 조도가 매우 낮은 환경을 의미한다.
또한 초저조도 카메라(100)는 차량이 통행하는 도로, 건물, 공공장소 등과 같은 다양한 감시구역에 각각 설치되어 상기 감시구역을 촬영한 컬러영상을 획득하고 상기 획득한 컬러영상을 관제서버(200)로 전송한다.
또한 초저조도 카메라(200)라는 적어도 하나 이상의 조도센서(미도시)가 탑재된다.
이때, 조도센서는 초저조도 카메라(200)의 렌즈에 대한 원주에 따라 적어도 하나 이상으로 상기 렌즈의 주변에 배열되며, 상기 초저조도 카메라(100)는 각 상기 조도센서를 통해 측정한 조도에 대한 조도분포에 따라 설정값을 자동 변환하여 조도변화에 적응하도록 구현된다.
또한 초저조도 카메라(200)는 사전에 초저조도 환경에서 조도의 변화에 의한 복수의 조도분포와 각 조도분포에서 고품질의 컬러영상을 획득하기 위한 설정값을 각각 매핑하여 사전에 생성한 매핑테이블에 따라 상기 조도분포와 상기 설정값간의 매핑관계를 학습하여 생성한 학습모델을 이용하여 실제 조도분포에 따라 설정값을 자동 변환한다.
즉, 본 발명에서 조도변화에 적응하는 것은 기계학습을 수행하여 생성한 학습모델을 기반으로 하는 인공지능(AI, artificial intelligence)을 통해 수행되는 것이다.
한편, 매핑테이블은 도 2를 참조하여 상세히 설명하도록 하며, 초저조도 환경에서 설정값을 변경하기 위해 이용되는 학습모델은 도 3 및 도 4를 참조하여 상세히 설명하도록 한다.
또한 도 1에는 초저조도 카메라(200)가 감시구역에 각각 설치되는 것으로 나타나 있으나, 사용자 단말(예: 스마트폰)에 탑재되는 카메라로 구현되거나 휴대용 카메라(예: 디지털 카메라)로 구현되어 초저조도 환경에서 조도의 변화에 따라 설정값을 자동 변환하여 피사체에 대한 고품질의 컬러영상을 획득할 수 있도록 구현될 수 있다.
또한 관제서버(200)는 초저조도 카메라(200)에서 수신되는 컬러영상을 모니터링하여 상기 초저조도 카메라(200)가 설치된 감시구역에서의 위험상황을 인식하고, 인식한 결과에 따라 상기 위험상황에 대한 전파, 조치 또는 이들의 조합을 수행하도록 구현된다.
즉, 관제서버(200)는 위험상황이 인식되면 해당 감시구역에 구비된 스피커, 경광등, 디지털 사이니지를 활용하여 시청각적으로 해당 위험상황을 전파하고, 위험상황 처리 기관(예: 경찰서, 소방서 등)을 통해 위험상황에 대한 신속한 처리를 수행할 수 있도록 하는 것이다.
또한 데이터베이스(300)는 초저조도 카메라(100)에서 수신한 컬러영상을 감시구역별로 분류하여 저장하며, 상기 초저조도 카메라(100)의 위치정보를 포함하여 상기 초저조도 카메라(100)의 운영을 위한 다양한 정보를 저장한다.
도 2는 본 발명의 일 실시예에 따른 매핑테이블을 설명하기 위해 나타낸 도면이다.
도 2에 도시한 바와 같이, 본 발명의 일 실시예에 따른 초저조도 카메라(100)는 주변 환경으로부터 초저조도 카메라(100)를 보호하기 위한 하우징을 구비할 수 있으며, 적어도 하나 이상의 조도센서가 탑재된다.
또한 적어도 하나 이상의 조도센서는 초저조도 카메라(100)의 렌즈에 대한 원주에 따라 배열되어 탑재된다.
이때, 각 조도센서는 초저조도 카메라(100)의 렌즈에 대한 상측, 하측, 좌측 또는 이들의 조합에 인접한 하우징의 일측에 각각 배열되어 탑재되거나 초저조도 카메라(100)의 렌즈에 인접한 초저조도 카메라(100)의 일측에 각각 배열되어 탑재될 수 있다.
또한 초저조도 카메라(100)는 조도센서의 배열에 따라 각 상기 조도센서에서 측정한 조도에 대한 조도분포를 생성한다.
예를 들어, 조도센서가 초저조도 카메라(100)의 렌즈 상측, 하측, 좌측 및 우측에 각각 구비된다고 가정하면, 상기 초저조도 카메라(100)는 상기 조도센서의 배열에 따라 3x3 행렬로 상기 각 조도센서에서 측정한 조도에 대한 조도분포를 생성할 수 있다.
이때, 조도센서의 배열에서, 초저조도 카메라(100)의 렌즈 상측 및 하측에 위치하는 각 조도센서에서 측정한 조도는 3x3의 행렬 1,2 및 3,2에 각각 삽입하고, 상기 초저조도 카메라(100)의 렌즈 좌측 및 우측에 위치하는 각 조도센서에서 측정한 조도는 3x3의 행렬 2,1 및 2,3에 각각 삽입함으로써 상기 조도분포를 생성할 수 있다.
한편, 조도분포에서 조도를 삽입하지 않은 행렬의 공간에 대해서, 상기 초저조도 카메라(100)는 해당 공간에 0값이나 255 등과 같이 조도와 구별되는 별도의 수치를 삽입하여 상기 조도분포를 생성한다.
즉, 조도분포는 조도센서의 개수 및 배열되는 위치에 따라 m x n 행렬로 구성된다.
또한 초저조도 환경에서, 조도의 변화에 따라 초저조도 카메라(100)에 대한 최적의 설정값을 매핑한 매핑테이블은 사전에 생성되어 초저조도 카메라(100)에 저장된다.
이때, 매핑테이블은 초저조도 환경에서, 조도의 변화에 따른 복수의 조도분포와 각 조도분포에서 고품질의 컬러영상으로 획득하기 위한 최적의 설정값을 매핑함으로써 사전에 생성된다.
즉, 매핑테이블은 초저조도 환경에서, 조도의 변화에 따른 복수의 각 조도분포에서 초저조도 카메라(100)를 통해 컬러영상을 획득하고, 다시 초저조도 카메라(100)를 통해 컬러영상을 획득하였을 때, 고품질의 컬러영상이 획득되도록 최적의 설정값을 찾아, 해당 설정값과 상기 각 조도분포를 상호 매핑하여 생성한 것이다.
이때, 조도가 점점 낮아지는 경우, 매핑테이블을 구성하는 설정값의 조리개값과 감도는 점점 높아지고 셔터속도는 점점 느려지도록 구성되며, 조도가 점점 높아지는 경우, 상기 설정값의 조리개값과 감도는 점점 낮아지고 셔터속도는 점점 빨라지도록 구성된다.
또한 매핑테이블은 기계학습을 위한 기반이 되며, 상기 매핑테이블에서 각 설정값에 매핑된 각 조도분포는 기계학습에 적합한 데이터로 변환되어 상기 기계학습에 이용된다.
예를 들어, 본 발명에서 기계학습을 수행할 때 이용되는 학습네트워크가 CNN(convolutional neural network)인 경우, 매핑테이블의 각 조도분포는 해당 CNN에 적합한 데이터(예: 그레이스케일 이미지 혹은 컬러 이미지)로 변환되어 상기 기계학습에 이용된다.
도 3은 본 발명의 일 실시예에 따른 기계학습을 통해 조도변화에 적응하여 카메라 설정값을 변경하기 위한 학습모델을 생성하는 과정을 타나낸 도면이다.
도 3에 도시한 바와 같이, 본 발명의 일 실시예에 따른 초저조도 카메라(100)는 매핑테이블을 참조하여 초저조도 환경에서 조도의 변화에 따른 복수의 조도분포와 각 조도분포에 따른 설정값간의 매핑관계를 기계학습하여 실제 초저조도 카메라(100)에서 생성한 조도분포에 따라 최적의 설정값을 추정하여 출력하기 위한 학습모델을 생성한다.
또한 본 발명에서는 학습 네트워크 중 하나인 CNN을 통해 기계학습을 수행한다. 다만 이에 한정하지 않으며 ANN(artificial neural network), DCNN(deep CNN) 등과 같이 다양한 학습네트워크를 이용할 수 있다.
또한 매핑테이블의 조도분포는 학습 네트워크의 종류에 따라 기계학습에 적합한 데이터로 미리 변환되어 있거나, 기계학습시 기계학습에 적합한 데이터로 변환될 수 있다.
예를 들어, 기계학습을 위한 학습네트워크가 CNN이면 조도분포는 CNN에 적합한 그레이스케일의 이미지나 컬러 이미지로 변환될 수 있다.
또한 초저조도 카메라(100)는 매핑테이블에 따라 복수의 조도분포를 학습 네트워크에 입력하여 기계학습을 수행한다.
또한 학습 네트워크는 입력 레이어(input layer), 적어도 하나 이상의 컨볼루션 레이어(convolutional layer), 적어도 하나 이상의 풀링 레이어(pooling layer) 및 완전연결 레이어(fully connected layer)를 포함하여 구성된다.
또한 입력 레이어는 매핑테이블을 구성하는 조도분포를 입력받는 기능을 수행한다.
또한 컨볼루션 레이어는 조도분포상에서 특정 가중치를 가지는 커널(kernel)을 미리 설정한 스트라이드(커널의 이동단위)에 따라 이동해 가면서 상기 조도분포에 대한 특정 부분과 상기 커널의 가중치를 컨볼루션하여 상기 조도분포에 대한 복수의 특징맵(feature map)을 생성하여 출력하는 기능을 수행한다.
또한 풀링 레이어는 해당 풀링 레이어의 커널과 스트라이드에 따라 컨볼루션 레이어에서 출력한 특징맵을 맥스 풀링(max pooling) 또는 평균 풀링(average pooling)을 통해 풀링함으로써 서브 샘플링을 수행한다.
이때, 컨볼루션 레이어와 풀링 레이어는 쌍을 이루어, 컨볼루션과 서브 샘플링을 반복적으로 수행하여 조도분포에 대한 특징맵을 생성하도록 구성된다. 즉, 컨볼루션 레이어와 풀링 레이어는 적어도 하나 이상의 쌍으로 구성될 수 있다.
또한 완전연결 레이어는 풀링 레이어에서 서브 샘플링한 복수의 특징맵을 연결시켜 조도분포에 따른 적어도 하나 이상의 설정값에 대한 확률을 계산하여 상기 계산한 확률 중 사전에 설정한 임계값을 초과하고 제일 높은 확률을 가지는 특정 설정값을 출력하도록 구현된다.
이때, 완전연결 레이어는 확률을 계산한 결과, 사전에 설정한 임계값을 초과하는 확률을 가지는 설정값이 없으면, 이에 대한 정보(예: 해당 없음)를 출력하거나 설정값을 출력하지 않도록 구현된다.
또한 기계학습을 수행하는 과정에서, 초저조도 카메라(100)는 조도분포에 따라 최적의 설정값을 이미 알고 있으므로 학습 네트워크의 가중치를 백프로퍼게이션(back propagation) 과정을 통해 상기 학습 네트워크의 출력에 대한 오차를 최소화하는 방향으로 조정한다.
즉, 초저조도 카메라(100)는 매핑테이블을 참조하여 초저조도 환경에서의 조도의 변화에 의한 조도분포와 고품질의 컬러영상을 획득하기 위한 최적의 설정값간의 매핑관계를 학습하여 학습모델을 생성하며, 상기 생성한 학습모델을 이용하여 실제 조도분포에 따라 설정값을 자동 변경함으로써 최저조도 환경에서도 고품질의 컬러영상을 획득하도록 구현되는 것이다.
한편, 학습모델은 초저조도 카메라(100)에서 생성하는 것으로 설명하고 있으나, 상기 학습모델은 관제서버(200) 혹은 별도의 학습서버에서 상기 초저조도 카메라(100)별로 각각 생성되어 상기 초저조도 카메라(100)에 각각 제공될 수 있다.
또한 매핑테이블은 조도분포와 설정값을 구성하는 조리개값, 셔터속도 및 감도별로 각각 생성될 수 있다.
이때, 초저조도 카메라(100)는 각 매핑테이블을 참조하여 조도분포와 조리개값간의 매핑관계, 조도분포와 셔터속도간의 매핑관계 및 조도분포와 감도간의 매핑관계를 각각 학습하여 조리개값, 셔터속도 및 감도를 각각 변경하기 위한 학습모델을 각각 생성할 수 있다.
도 4는 본 발명의 일 실시예에 따른 학습모델을 설명하기 위해 나타낸 도면이다.
도 4에 도시한 바와 같이, 본 발명의 일 실시예에 따른 학습모델은 초저조도 환경에서 조도의 변화에 따른 조도분포와 상기 조도분포에서 고품질의 컬러영상을 획득하기 위한 최적의 설정값간의 매핑관계를 학습함으로써 생성됨은 상술한 바와 같다.
또한 초저조도 카메라(100)는 적어도 하나 이상의 조도센서를 통해 조도를 측정하여, 상기 조도센서의 배열에 따른 조도분포를 생성한다.
또한 초저조도 카메라(100)는 학습모델을 메모리(미도시)로부터 로딩하여 생성한 조도분포를 입력하여 상기 학습모델의 출력결과에 따라 해당 조도분포에 따른 설정값을 변경한다.
이때, 초저조도 카메라(100)는 생성한 조도분포를 그레이스케일 이미지나 컬러 이미지로 변환하여 학습모델에 입력한다.
즉, 학습모델의 입력은 적어도 하나 이상의 조도센서를 통해 측정한 조도에 대한 조도분포이며, 출력은 사전에 설정한 임계값을 초과하고 제일 높은 확률을 가지는 특정 설정값이다. 이때, 학습모델은 임계값을 초과하는 설정값이 없는 경우에는 이에 대한 정보를 출력하거나 설정값을 출력하지 않는다.
한편, 도 1 내지 4를 참조하여 설명한 것과 같이, 본 발명의 초저조도 카메라(100)는 초저조도 환경에 대해서 매핑테이블과 학습모델을 생성하여 초저조도 환경에서의 조도변화에 적응하는 것으로 기재되어 있으나, 상기 매핑테이블을 일정 조도 이상의 일반조도 환경과 초저조도 환경을 포함하는 조도환경에 대해서 생성하고, 상기 생성한 매핑테이블에 따라 조도분포와 설정값간의 매핑관계를 기계학습하여 학습모델을 생성함으로써 일반조도 환경 및 초저조도 환경을 포함하는 조도환경에서 조도변화에 적응하여 설정값을 변경하도록 구현되는 것이 바람직하다.
즉, 본 발명의 초저조도 카메라(100)는 초저조도 환경뿐만 아니라 일반조도 환경에서 조도변화에 적응하여 설정값을 변경하는 것도 가능한 것이다.
이하에서는, 초저조도 환경에서 조도변화에 적응하여 설정값을 변경하는 것을 중심으로 설명하도록 한다. 다만, 일반조도 환경에서 조도변화에 적응하여 설정값을 변경하는 것을 배재하는 것이 아님을 분명히 밝혀둔다.
도 5는 본 발명의 일 실시예에 따른 설정값의 변경에 따라 초저조도 카메라의 동작을 설명하기 위해 나타낸 도면이다.
도 5에 도시한 바와 같이, 본 발명의 일 실시예에 따른 초저조도 카메라(100)는 초저조도 환경에서 설정값을 변경한 경우, 변경한 설정값으로 감시구역을 촬영하여 고품질의 컬러영상을 획득한다.
한편, 초저조도 환경에서 조도의 변화는 시간의 흐름에 따라 서서히 변화되는 것이 일반적이다.
그러나 초저조도 카메라(100)에 배열되어 탑재되는 적어도 하나 이상의 조도센서의 경우, 주변 환경의 영향이나 조도센서의 특성으로 인해 실제 조도에 비해 매우 높은 조도나 매우 낮은 조도가 측정될 수 있다.
이 경우, 조도분포에서 적어도 하나 이상의 조도가 실제 조도에 비해서 매우 높게 측정되거나 매우 낮게 측정되면 실제 환경보다 밝은 환경에 대한 설정값으로 변경되거나, 실제 환경에서 어두운 환경에 대한 설정값으로 변경되어 노이즈가 많은 컬러영상이 획득되거나 어두운 컬러영상이 획득될 수 있는 문제점이 있다.
즉, 잘못 측정된 조도를 포함하는 조도분포에 따라 카메라 설정값을 변경하는 경우, 저품질의 컬러영상이 획득될 수 있는 문제점이 있는 것이다.
따라서 본 발명의 초저조도 카메라(100)는 이러한 문제점을 해결하기 위해, 설정값을 변경할 때, 변경할 설정값(즉, 학습모델에서 출력한 특정 설정값)과 이전에 변경한 설정값을 비교하여 비교한 결과가 사전에 설정한 임계범위를 벗어나는 경우(즉, 변경할 설정값과 이전에 변경한 설정값간의 차이에 대한 절대값이 임계범위를 초과하는 경우), 상기 변경할 설정값과 이전에 변경한 설정값의 중간값을 상기 초저조도 카메라(100)의 설정값으로 변경한다.
이를 통해 잘못 측정된 조도로 인해서 잘못된 설정값으로 변경하여 저품질의 컬러영상이 획득되는 것을 방지할 수 있다.
도 6은 본 발명의 일 실시예에 따른 조도변화에 적응하는 초저조도 카메라의 구성을 나타낸 블록도이다.
도 6에 도시한 바와 같이, 본 발명의 일 실시예에 따른 조도변화에 적응하는 초저조도 카메라(100)는 감시구역을 촬영하여 감시구역에 대한 컬러영상을 획득하는 컬러영상 획득부(110), 사전에 저장한 매핑테이블을 참조하여 초저조도 환경에서 복수의 조도분포와 각 조도분포에서 선명한 컬러영상을 획득하기 위한 최적의 설정값간의 매핑관계를 학습하여 학습모델을 생성하는 학습모델 생성부(120), 초저조도 카메라(100)에 탑재되는 적어도 하나 이상의 조도센서를 통해 조도를 측정하는 조도 측정부(130), 상기 적어도 하나 이상의 조도센서의 배열에 따라 각 상기 조도센서에서 측정한 조도에 대한 조도분포를 생성하는 조도분포 생성부(140), 상기 조도분포와 상기 학습모델을 통해 조도변화에 적응하여 상기 설정값을 변경하는 설정값 자동변경부(150), 상기 획득한 컬러영상을 전송하는 컬러영상 전송부(160) 및 메모리(170)를 포함하여 구성된다.
또한 촬영부(110)는 조리개값, 셔터속도 및 감도를 포함하는 노출에 대한 설정값에 따라 감시구역을 촬영하여 컬러영상을 획득하는 기능을 수행한다.
또한 학습모델 생성부(120)는 사전에 생성하여 저장한 매핑테이블을 참조하여 조도분포와 설정값간의 매핑관계를 기계학습함으로써 학습모델을 생성하는 기능을 수행한다.
또한 매핑테이블은 초저조도 환경에서 조도의 변화에 따른 복수의 조도분포와 각 상기 조도의 분포에서 고품질의 컬러영상을 획득하기 위한 설정값을 각각 매핑하여 생성한 것임은 상술한 바와 같다.
또한 학습모델은 매핑테이블에 따라 각 조도분포와 각 설정값간의 매핑관계를 기계학습하여 생성한 것으로, 상기 학습모델에 대해서는 도 3 및 도 4를 참조하여 설명하였으므로 더 이상의 상세한 설명은 생략하도록 한다.
또한 조도 측정부(130)는 적어도 하나 이상의 조도센서를 통해 조도를 측정하는 기능을 수행한다.
또한 조도분포 생성부(140)는 적어도 하나 이상의 조도센서에 대한 배열에 따라 각 상기 조도센서를 통해 측정한 조도에 대한 조도분포를 생성하는 기능을 수행한다.
여기서 조도센서는 초저조도 카메라(100)의 렌즈에 대한 원주에 따라 상기 렌즈의 주변에 적어도 하나 이상으로 배열됨으로써 상기 초저조도 카메라(100)에 탑재된다.
또한 설정값 자동변경부(150)는 조도분포 생성부(140)에서 생성한 조도분포를 학습모델에 입력하고, 상기 학습모델의 출력결과에 따라 설정값을 변경하는 기능을 수행한다.
이때, 설정값 자동변경부(150)는 조도분포를 학습모델에 적합한 데이터(예: 그레이스케일 이미지 혹은 컬러 이미지)로 변환하여 학습모델에 입력한다.
여기서 학습모델은 사전에 설정한 임계값을 초과하고 제일 높은 확률을 가지는 특정 설정값을 출력하며, 임계값을 초과하는 설정값이 없으면 이에 대한 정보를 출력하거나 설정값을 출력하지 않는다.
즉, 설정값 자동변경부(150)는 조도분포에 따라 설정값을 자동 변경함으로써, 초저조도 환경에서 조도의 변화에 적응하여 고품질의 컬러영상을 획득할 수 있도록 하는 것이다.
한편, 설정값 자동변경부(150)는 학습모델에서 설정값이 출력되지 않거나, 임계값을 초과하는 설정값이 없다는 정보가 출력되면 이전의 설정값을 유지하도록 한다.
또한 설정값 자동변경부(150)는 변경할 설정값(즉, 학습모델에서 출력한 특정 설정값)과 이전에 변경한 설정값을 비교하여 비교한 결과가 사전에 설정한 임계범위를 벗어나면 상기 변경할 설정값과 이전에 변경한 설정값의 중간값을 상기 설정값으로 변경한다.
이를 통해 설정값 자동변경부(150)는 각 조도센서에서 잘못 측정된 조도로 인해 잘못된 설정값으로 변경되어 저품질의 컬러영상을 획득하는 것을 방지할 수 있다.
또한 전송부(160)는 촬영부(110)를 통해 획득한 컬러영상을 관제서버(200)로 전송하는 기능을 수행한다.
또한 메모리(170)는 매핑테이블과 학습모델을 저장하며, 이외에도 펌웨어 등과 같이 초저조도 카메라(100)의 동작에 대한 다양한 데이터를 저장하는 기능을 수행한다.
도 7은 본 발명의 일 실시예에 따른 초저조도 카메라에서 조도변화에 적응하여 설정값을 변경하는 절차를 나타낸 흐름도이다.
도 7에 도시한 바와 같이, 조도변화에 적응하는 초저조도 카메라(100)에서 조도변화에 적응하여 설정값을 변경하는 절차는 우선, 초저조도 카메라(100)는 현재의 설정값에 따라 감시구역을 촬영하여 컬러영상을 획득하는 촬영 단계를 수행한다(S110).
한편, 초저조도 카메라(100)는 일반조도에서 컬러영상을 획득하는 것은 물론이거니와, 상기 설정값 자동변경을 통해 초저조도 환경에서도 고품질의 컬러영상을 획득할 수 있도록 구현되며, CCTV와 같은 감시 카메라나, 스마트폰에 탑재되는 카메라, 휴대용 카메라(예: 디지털 카메라 등) 등과 같이 다양한 카메라로 구현될 수 있음은 상술한 바와 같다.
다음으로 초저조도 카메라(100)는 초저조도 카메라(100)에 탑재된 적어도 하나 이상의 조도센서를 통해 조도를 측정하는 조도 측정 단계를 수행한다(S120).
여기서, 조도센서는 초저조도 카메라(100)의 렌즈에 대한 원주에 따라 적어도 하나 이상으로 배열되어 탑재된다.
다음으로 초저조도 카메라(100)는 조도 측정 단계를 통해 측정한 각 조도를 이용하여, 상기 측정한 각 조도에 대한 조도분포를 생성하는 조도분포 생성단계를 수행한다(S130).
여기서, 조도분포는 적어도 하나 이상의 조도센서의 배열에 따라 m x n의 행렬형태로 생성된다.
다음으로 초저조도 카메라(100)는 조도분포 생성단계를 통해 생성한 조도분포를 사전에 생성한 학습모델에 입력하여, 해당 학습모델의 출력결과에 따라 설정값을 자동 변경하는 설정값 자동변경 단계를 수행한다(S140).
즉, 설정값 자동변경 단계는 초저조도 카메라(100)의 설정값을 자동 변경하여 변경한 설정값에 따라 감시구역을 촬영하여 컬러영상을 획득하도록 한다.
또한 설정값 자동변경 단계는 설정값을 변경할 때, 변경할 설정값과 이전에 변경한 설정값을 비교하여, 비교한 결과가 사전에 설정한 임계범위를 벗어나는 경우 상기 변경할 설정값과 이전에 변경한 설정값간의 중간값을 설정값으로 변경한다.
한편, 중간값을 설정값으로 변경하는 것은 도 5 및 도 6을 참조하여 설명하였으므로 더 이상의 상세한 설명은 생략하도록 한다.
또한 도 7에는 도시하지 않았으나, 초저조도 카메라(100)에서 설정값을 변경하는 방법은 사전에 생성한 매핑테이블을 참조하여 초저조도 환경에서 조도의 변화에 따른 복수의 조도분포와 각 조도분포에서 고품질의 컬러영상을 획득하기 위한 설정값간의 매핑관계를 기계학습하여 학습모델을 생성하는 학습모델 생성 단계와 현재 설정값에 따라 감시구역을 촬영하여 획득한 컬러영상을 관제서버(200)로 전송하는 전송 단계를 더 포함하여 구성된다.
한편, 학습모델을 생성하는 것은 도 3을 참조하여 설명하였으므로 여기서는 생략하도록 한다.
이상에서 설명한 바와 같이, 본 발명은 조도변화에 적응하는 초저조도 카메라에 관한 것으로, 초저조도 카메라에 탑재되는 적어도 하나 이상의 조도센서에서 각각 측정한 조도에 대한 조도분포에 따라 조리개값, 셔터속도 및 감도를 포함하는 노출에 대한 설정값을 자동으로 변경함으로써, 초저조도 환경에서도 고품질의 컬러영상을 획득할 수 있도록 하는 효과가 있다.
상기에서는 본 발명에 따른 바람직한 실시예를 위주로 상술하였으나, 본 발명의 기술적 사상은 이에 한정되는 것은 아니며 본 발명의 각 구성요소는 동일한 목적 및 효과의 달성을 위하여 본 발명의 기술적 범위 내에서 변경 또는 수정될 수 있을 것이다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100: 조도변화에 적응하는 초저조도 카메라 110: 촬영부
120: 학습모델 생성부 130: 조도 측정부
140: 조도분포 생성부 150: 설정값 자동변경부
160: 전송부 170: 메모리
200: 관제서버 300: 데이터베이스

Claims (10)

  1. 조도변화에 적응하는 초저조도 카메라에 있어서,
    적어도 하나 이상의 조도센서를 통해 각각 측정한 조도에 대한 조도분포를 생성하는 조도분포 생성부; 및
    상기 조도분포에 따라 조리개값, 셔터속도 및 감도를 포함한 노출에 대한 상기 초저조도 카메라의 설정값을 자동으로 변경하는 설정값 자동변경부;를 포함하며,
    상기 설정값을 변경할 때, 변경할 설정값과 이전에 변경한 설정값을 비교하여, 비교한 결과가 사전에 설정한 임계범위를 벗어나면 상기 변경할 설정값과 상기 이전에 변경한 설정값의 중간값을 상기 초저조도 카메라의 설정값으로 변경함으로써, 주변 환경이나 상기 조도센서의 특성에 따라 잘못 측정된 조도를 포함하는 조도분포로 인해서 잘못된 설정값으로 변경함에 따라 저품질의 컬러영상이 획득되는 것을 방지하며,
    상기 설정값 자동변경을 통해 특정 조도 이하의 초저조도 환경에서, 조도의 변화에 따라 상기 조도가 점점 낮아지는 경우, 상기 설정값의 조리개값과 감도는 점점 높아지고, 셔터 속도는 점점 느려지고, 상기 조도가 점점 높아지는 경우, 상기 설정값의 조리개값과 감도는 점점 낮아지고 셔터속도는 점점 빨라지도록 실시간으로 자동 변환하여, 조도의 변화에 적응하여 고품질의 컬러영상을 획득하는 것을 포함하는 것을 특징으로 하는 조도변화에 적응하는 초저조도 카메라.
  2. 청구항 1에 있어서,
    상기 조도센서는,
    상기 초저조도 카메라의 렌즈에 대한 원주에 따라 적어도 하나 이상으로 배열됨으로써 상기 초저조도 카메라에 탑재되는 것을 포함하는 것을 특징으로 하는 조도변화에 적응하는 초저조도 카메라.
  3. 청구항 2에 있어서,
    상기 조도분포 생성부는,
    상기 조도센서의 배열에 따라 각 상기 조도센서에서 측정한 조도에 대한 조도분포를 생성하며,
    상기 조도분포는,
    상기 배열에 따라 m x n 형태의 행렬로 생성되는 것을 포함하는 것을 특징으로 하는 조도변화에 적응하는 초저조도 카메라.
  4. 청구항 1에 있어서,
    상기 초저조도 카메라는,
    상기 초저조도 환경에서 조도의 변화에 따른 복수의 조도분포와 상기 조도분포별로 고품질의 컬러영상을 획득하기 위한 설정값을 매핑하여 생성한 매핑테이블에 따라 각 상기 조도분포와 각 상기 조도분포에 해당하는 설정값간의 매핑관계를 학습하여 학습모델을 생성하는 학습모델 생성부;를 더 포함하며,
    상기 설정값 자동변경부는,
    상기 학습모델에 상기 생성한 조도분포를 입력하여, 상기 학습모델의 출력결과에 따라 상기 설정값을 변경하는 것을 포함하는 것을 특징으로 하는 조도변화에 적응하는 초저조도 카메라.
  5. 삭제
  6. 청구항 1에 있어서,
    상기 초저조도 카메라는,
    상기 설정값에 따라 감시영역을 촬영하여 컬러영상을 획득하는 촬영부; 및
    상기 컬러영상을 관제서버로 전송하는 전송부;를 더 포함하는 것을 특징으로 하는 조도변화에 적응하는 초저조도 카메라.
  7. 초저조도 카메라의 조도변화에 적응하는 방법에 있어서,
    적어도 하나 이상의 조도센서를 통해 각각 측정한 조도에 대한 조도분포를 생성하는 조도분포 생성 단계; 및
    상기 조도분포에 따라 조리개값, 셔터속도 및 감도를 포함한 노출에 대한 상기 초저조도 카메라의 설정값을 자동으로 변경하는 설정값 자동변경 단계;를 포함하며,
    상기 설정값을 변경할 때, 변경할 설정값과 이전에 변경한 설정값을 비교하여, 비교한 결과가 사전에 설정한 임계범위를 벗어나면 상기 변경할 설정값과 상기 이전에 변경한 설정값의 중간값을 상기 초저조도 카메라의 설정값으로 변경함으로써, 주변 환경이나 상기 조도센서의 특성에 따라 잘못 측정된 조도를 포함하는 조도분포로 인해서 잘못된 설정값으로 변경함에 따라 저품질의 컬러영상이 획득되는 것을 방지하며,
    상기 설정값 자동변경을 통해 특정 조도 이하의 초저조도 환경에서, 조도의 변화에 따라 상기 조도가 점점 낮아지는 경우, 상기 설정값의 조리개값과 감도는 점점 높아지고, 셔터 속도는 점점 느려지고, 상기 조도가 점점 높아지는 경우, 상기 설정값의 조리개값과 감도는 점점 낮아지고 셔터속도는 점점 빨라지도록 실시간으로 자동 변환하여, 조도의 변화에 적응하여 고품질의 컬러영상을 획득하는 것을 포함하는 것을 특징으로 하는 초저조도 카메라의 조도변화에 적응하는 방법.
  8. 청구항 7에 있어서,
    상기 조도분포 생성 단계는,
    상기 초저조도 카메라에 탑재된 상기 적어도 하나 이상의 조도센서에 대한 배열에 따라 각 상기 조도센서에서 측정한 조도에 대한 조도분포를 생성하며,
    상기 조도분포는,
    상기 배열에 따라 m x n 형태의 행렬로 생성되며,
    상기 조도센서는,
    상기 초저조도 카메라의 렌즈에 대한 원주에 따라 적어도 하나 이상으로 배열되는 것을 포함하는 것을 특징으로 하는 초저조도 카메라의 조도변화에 적응하는 방법.
  9. 청구항 7에 있어서,
    상기 방법은,
    상기 초저조도 환경에서 조도의 변화에 따른 복수의 조도분포와 상기 조도분포별로 고품질의 컬러영상을 획득하기 위한 설정값을 매핑하여 생성한 매핑테이블에 따라 각 상기 조도분포와 각 상기 조도분포에 해당하는 설정값간의 매핑관계를 학습하여 학습모델을 생성하는 학습모델 생성 단계;를 더 포함하며,
    상기 설정값 자동변경 단계는,
    상기 학습모델에 상기 생성한 조도분포를 입력하여, 상기 학습모델의 출력결과에 따라 상기 설정값을 변경하는 것을 포함하는 것을 특징으로 하는 초저조도 카메라의 조도변화에 적응하는 방법.
  10. 청구항 7에 있어서,
    상기 방법은,
    상기 설정값에 따라 감시영역을 촬영하여 컬러영상을 획득하는 촬영 단계; 및
    상기 컬러영상을 관제서버로 전송하는 전송 단계;를 더 포함하는 것을 특징으로 하는 초저조도 카메라의 조도변화에 적응하는 방법.
KR1020210141470A 2021-10-22 2021-10-22 조도변화에 적응하는 초저조도 카메라 KR102486110B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210141470A KR102486110B1 (ko) 2021-10-22 2021-10-22 조도변화에 적응하는 초저조도 카메라

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210141470A KR102486110B1 (ko) 2021-10-22 2021-10-22 조도변화에 적응하는 초저조도 카메라

Publications (1)

Publication Number Publication Date
KR102486110B1 true KR102486110B1 (ko) 2023-01-09

Family

ID=84892656

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210141470A KR102486110B1 (ko) 2021-10-22 2021-10-22 조도변화에 적응하는 초저조도 카메라

Country Status (1)

Country Link
KR (1) KR102486110B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11272845A (ja) * 1998-03-23 1999-10-08 Denso Corp 画像認識装置
JP2001256591A (ja) * 2000-03-10 2001-09-21 Toshiba Corp 監視装置
KR20110010226U (ko) * 2010-04-22 2011-10-28 권승일 조도에 따른 카메라 제어 기능을 갖는 차량용 블랙박스
KR101757416B1 (ko) * 2017-01-25 2017-07-12 주식회사 다움테크 사전 예방 조치를 위한 ｉｐ ｃｃｔｖ 장치, 그리고 이를 복수개 연동한 ｉｐ ｃｃｔｖ시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11272845A (ja) * 1998-03-23 1999-10-08 Denso Corp 画像認識装置
JP2001256591A (ja) * 2000-03-10 2001-09-21 Toshiba Corp 監視装置
KR20110010226U (ko) * 2010-04-22 2011-10-28 권승일 조도에 따른 카메라 제어 기능을 갖는 차량용 블랙박스
KR101757416B1 (ko) * 2017-01-25 2017-07-12 주식회사 다움테크 사전 예방 조치를 위한 ｉｐ ｃｃｔｖ 장치, 그리고 이를 복수개 연동한 ｉｐ ｃｃｔｖ시스템

Similar Documents

Publication Publication Date Title
CN108419023B (zh) 一种生成高动态范围图像的方法以及相关设备
JP5108093B2 (ja) 撮像装置及び撮像方法
KR100492148B1 (ko) 이동물체의 거리와 이동방향을 제공하는 인공지능형영상경비 시스템
CN110769164B (zh) 一种自动调节目标场景照明水平的方法
CN102457681B (zh) 图像处理设备和图像处理方法
CN108702437A (zh) 用于3d成像系统的高动态范围深度生成
CN111292264A (zh) 一种基于深度学习的图像高动态范围重建方法
KR20210089166A (ko) 신경망을 사용한 밝은 반점 제거
CN110536068A (zh) 对焦方法和装置、电子设备、计算机可读存储介质
CN110346116B (zh) 一种基于图像采集的场景照度计算方法
US20180262667A1 (en) Image capturing device and brightness adjusting method
CN112581382A (zh) 图像处理方法、装置及系统、存储介质和学习模型制造方法
CN109697422B (zh) 光学动作捕捉方法及光学动作捕捉相机
WO2022044369A1 (ja) 機械学習装置及び画像処理装置
KR102486110B1 (ko) 조도변화에 적응하는 초저조도 카메라
CN111182199B (zh) 电子装置及拍照方法
JP6853216B2 (ja) 近赤外感受性ビデオカメラによって取得された画像における画像品質を改善する方法およびそのようなカメラ
CN112383688B (zh) 摄像补光方法、装置、电子设备和智能终端
CN114928728A (zh) 投影设备及异物检测方法
CN113572968B (zh) 图像融合方法、装置、摄像设备及存储介质
CN110958394B (zh) 摄像机拍摄方法、装置、存储介质及摄像机
US6950135B2 (en) Method and apparatus for gathering three dimensional data with a digital imaging system
US20210266448A1 (en) Illumination control system
WO2022014306A1 (ja) 学習方法、画像識別方法、学習装置、及び画像識別システム
CN115412671B (zh) 一种监视移动物体的摄像机快门人工智能调整方法及系统

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant