KR102517478B1 - 인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 장치 - Google Patents

인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 장치 Download PDF

Info

Publication number
KR102517478B1
KR102517478B1 KR1020220089923A KR20220089923A KR102517478B1 KR 102517478 B1 KR102517478 B1 KR 102517478B1 KR 1020220089923 A KR1020220089923 A KR 1020220089923A KR 20220089923 A KR20220089923 A KR 20220089923A KR 102517478 B1 KR102517478 B1 KR 102517478B1
Authority
KR
South Korea
Prior art keywords
target object
identified
leak
electronic device
information
Prior art date
Application number
KR1020220089923A
Other languages
English (en)
Inventor
박정실
양경흠
이지행
김태균
박주현
이범서
Original Assignee
(주)하이브시스템
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 (주)하이브시스템 filed Critical (주)하이브시스템
Priority to KR1020220089923A priority Critical patent/KR102517478B1/ko
Application granted granted Critical
Publication of KR102517478B1 publication Critical patent/KR102517478B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00Investigating fluid-tightness of structures
    • G01M3/38Investigating fluid-tightness of structures by using light
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28Investigating the spectrum
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/0014Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation from gases, flames
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00Investigating fluid-tightness of structures
    • G01M3/02Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/04Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/12Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
    • G08B21/14Toxic gas alarms

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Emergency Management (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

본 개시는 인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 이를 수행하는 전자 장치에 관한 것이다. 일 실시 예에 의하면 인공지능 기반 유해 가스 누출 여부를 결정하는 방법은 상기 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득하는 단계; 상기 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득하는 단계; 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하는 단계; 상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하는 단계; 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 식별하는 단계; 및 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 결정하는 단계; 를 포함할 수 있다.

Description

인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 장치 {METHOD AND APPRATUS FOR DETERMINING WHETHER NOXIOUS GAS LEAK DETECTION BASED ON ARTIFICIAL INTELLIGENCE MODEL}
본 개시는 유해 가스 누출 여부를 결정하는 방법 및 장치에 관한 것이다. 보다 상세하게는, 정량화된 유해 가스 누출 탐지 조건에 기초하여 유해 가스 누출 여부를 결정하는 방법 및 이를 수행하는 장치에 관한 것이다.
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.
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.
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.
한국등록특허 제2249483호
일 실시 예에 의하면, 인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 이를 수행하는 전자 장치가 제공될 수 있다.
보다 상세하게는, 인공지능 모델을 이용하여 미리 설정되는 경고 발생 조건에 따른 유해 가스 누출 여부를 결정하는 방법 및 이를 수행하는 전자 장치가 제공될 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일 실시 예에 의하면, 전자 장치가 인공지능 기반 유해 가스 누출 여부를 결정하는 방법에 있어서, 상기 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득하는 단계; 상기 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득하는 단계; 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하는 단계; 상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하는 단계; 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 식별하는 단계; 및 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 결정하는 단계; 를 포함하는, 방법이 제공될 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 또 다른 실시 예에 의하면, 인공지능 기반 유해 가스 누출 여부를 결정하는 전자 장치에 있어서, 네트워크 인터페이스; 하나 이상의 인스트럭션을 저장하는 메모리; 및 상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고, 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 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 결정하는, 전자 장치가 제공될 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 또 다른 실시 예에 의하면, 전자 장치가 인공지능 기반 유해 가스 누출 여부를 결정하는 방법에 있어서, 상기 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득하는 단계; 상기 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득하는 단계; 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하는 단계; 상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하는 단계; 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 식별하는 단계; 및 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 결정하는 단계; 를 포함하는, 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체가 제공될 수 있다.
일 실시 예에 의하면 유해 가스 누출 여부를 정확하게 결정할 수 있다.
일 실시 예에 의하면 유해 가스와 관련된 표적 객체의 상태에 기초하여 유해 가스 누출 여부를 결정하기 위한 조건을 효과적으로 설정할 수 있다.
도 1은 일 실시 예에 따른 전자 장치가 인공지능 기반 유해 가스 누출 여부를 결정하는 과정을 개략적으로 설명하기 위한 도면이다.
도 2는 일 실시 예에 따른 인공지능 기반 유해 가스 누출 여부를 결정하는 방법을 수행하는 가스 영상 탐지 서버의 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.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.
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.
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.
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.
도 1은 일 실시 예에 따른 전자 장치가 인공지능 기반 유해 가스 누출 여부를 결정하는 과정을 개략적으로 설명하기 위한 도면이다.
일 실시 예에 의하면, 전자 장치(1000)는 복수의 인공 지능 모델(130)을 기반으로 모니터링 대상 공간 내 유해 가스가 누출되었는지 여부를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 모니터링 대상 공간에 대한 영상 정보(112), 모니터링 대상 공간 내 유해 가스가 발생된 지점으로부터 측정되는 레이저 측정값(106), 상기 모니터링 대상 공간에 대한 공간 정보(107) 및 시설 정보(108)를 획득하고, 획득된 영상 정보(112), 레이저 측정값(106), 공간 정보(107) 및 시설 정보(108)에 기초하여 유해 가스가 누출되었는지 여부를 정확하게 식별하기 위한 경고 발생 조건을 판단할 수 있다. 일 실시 예에 의하면, 영상 정보(112)는 제1 타입 영상들(102) 및 제2 타입 영상들(104)에 대한 영상 데이터를 포함할 수 있다.
본 개시에 따른 전자 장치(1000)는 유해 가스와 관련된 표적 객체가 식별되는 경우, 표적 객체를 실시간으로 영상화할 수 있으며, 탐지된 표적 객체가 소정의 경고 발생 조건을 만족하는 경우, 유해 가스 누출 상황이 발생한 것으로 결정하고, 표적 객체 진압을 위한 다양한 종류의 통합 관제 솔루션을 상황실 영상 정보 디스플레이로 제공할 수 있을 뿐만 아니라, 실제 표적 객체의 상태에 기초하여, 초기 진압을 위한 다양한 경고 컨텐츠를 제공할 수도 있다.
일 실시 예에 의하면, 전자 장치(1000)는 유해 가스 누출 상황 판단을 위한 정확도를 향상시키기 위해, S110에서 탐지 조건 정량화를 수행할 수 있다. 예를 들어, 전자 장치(1000)는 S112에서 표적 객체의 누출 원점을 식별하고, S114에서, 식별된 표적 객체가 경고 발생 조건을 만족하는지 여부를 결정하며, 표적 객체가 경고 발생 조건을 만족하는 것으로 결정되면, S116에서, 유해 가스 누출에 따른 위험 상황이 발생한 것으로 결정할 수 있다. S120에서, 전자 장치(1000)는 표적 객체가 경고 발생 조건을 만족하는 것으로 판단되는 경우, 유해 가스 누출 상황이 발생한 것으로 판단하고, 이를 진압하기 위한 경고 컨텐츠 및 경고 제어 신호를 발생시킬 수 있다. 또한, 일 실시 예에 의하면, 이하에서 전자 장치(1000)가 인공지능 기반 유해 가스 누출 여부를 결정하는 방법의 전부 또는 일부는 가스 영상 탐지 서버(120)에 의해서도 수행될 수 있다.
본 개시에 따른 전자 장치(1000) 및 가스 영상 탐지 서버(120)는 가스를 사용 및 저장하는 다양한 산업 현장에서 사용될 수 있다. 예를 들어, 전자 장치(1000) 및 가스 영상 탐지 서버(120)는 저탄장에 설치됨으로써 시각적으로 눈에 보이지 않는 메탄 또는 암모니아와 같은 가스가 누출되었는지 여부를 판단하는데 사용될 수 있다. 또 다른 실시 예에 의하면 전자 장치(1000) 및 가스 영상 탐지 서버(120)는 암모니아 저장 탱크 또는 암모니아 가스 배관 설비가 마련된 저장소에 설치됨으로써 암모니아를 실시간으로 탐지하고, 실제 가스 누출에 따른 위험 상황을 효과적으로 판단하는데 사용될 수 있다.
그러나 상술한 예에 한정되는 것은 아니며, 본 개시에 따른 전자 장치(1000) 및 가스 영상 탐지 서버(120)는 가스를 사용 및 저장하는 다양한 산업 현장에서 사용될 수 있음은 물론이다. 예를 들어, 전자 장치(1000) 및 가스 영상 탐지 서버(120)는 발전소, 저탄장, 매립장 또는 오수 처리장 과 같은 다양한 종류의 작업현장에 사용됨으로써, 시각적으로 눈에 보이거나, 보이지 않는 다양한 종류의 가스 누출 원점을 탐지하고, 해당 누출 원점에서 탐지된 유해 가스 누출 상황을 정확하게 판단하기 위한 용도로 사용될 수 있다.
도 2는 일 실시 예에 따른 인공지능 기반 유해 가스 누출 여부를 결정하는 방법을 수행하는 가스 영상 탐지 서버의 블록도이다.
일 실시 예에 의하면 가스 영상 탐지 서버(220)는 네트워크 인터페이스(202), 데이터 베이스(204) 및 프로세서(206)를 포함할 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 가스 영상 탐지 서버(220)는 상술한 구성 외 더 많은 구성 요소를 포함하거나, 더 적은 구성 요소로 마련될 수 있음은 물론이다.
일 실시 예에 의하면, 가스 영상 탐지 서버(220)의 프로세서(206)는 데이터 베이스(204)에 저장된 인공지능 기반 유해 가스 누출 여부를 결정하는 방법을 수행하기 위한 하나 이상의 인스트럭션을 수행할 수 있다. 예를 들어, 프로세서(206)는 네트워크 인터페이스(202)를 통해 모니터링 장치들로부터 복수 타입 영상들을 획득하고, 획득된 복수 타입 영상들로부터 표적 객체가 식별되는지 여부를 확인하며, 표적 객체가 식별되는 경우, 표적 객체 영역을 분리하고, 분리된 표적 객체 영역으로부터 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 결정하며, 상태 정보에 기초하여 현재 식별된 표적 객체가 미리 설정된 경고 발생 조건을 만족하는지 여부에 따라 유해 가스가 누출되었는지, 실제로 유해 가스 누출에 따른 위험한 상황인지 여부를 결정할 수 있다. 가스 영상 탐지 서버(220)가 유해 가스 누출 여부를 결정하는 구체적인 방법은 후술하는 도 18 내지 19를 참조하여 구체적으로 설명하기로 한다.
도 3은 또 다른 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 동작 과정을 설명하기 위한 도면이다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
도 4는 일 실시 예에 따른 전자 장치가 인공지능 기반 유해 가스 누출 원점을 식별하는 과정을 나타내는 흐름도이다.
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.
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.
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.
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.
도 5는 일 실시 예에 따른 전자 장치가 복수의 인공지능 모델을 이용함으로써 유해가스와 관련된 표적 객체가 식별되는지 여부를 확인하는 과정을 나타내는 흐름도이다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
도 6은 일 실시 예에 따른 전자 장치가 유해 가스와 관련된 표적 객체 인식 하는 과정을 설명하기 위한 도면이다.
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.
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.
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.
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.
도 7은 일 실시 예에 따른 가스 영상 및 배경 영상에 대한 적외선 분광 스펙트럼 정보를 설명하기 위한 도면이다.
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.
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.
도 8은 일 실시 예에 따른 전자 장치가 적외선 분광 스펙트럼 정보 상 주파수 조밀도에 기초하여 푸리에 변환 계수를 조정하는 과정을 설명하기 위한 도면이다.
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.
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.
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.
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.
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.
도 9는 일 실시 예에 따른 전자 장치가 복수 타입 영상들로부터 표적 객체 영역을 분리하는 방법의 흐름도이다.
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.
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.
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.
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.
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.
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.
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.
도 11은 일 실시 예에 따른 전자 장치가 표적 객체의 형상 정보를 추출하는 구체적인 방법의 흐름도이다.
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.
도 12는 일 실시 예에 따른 전자 장치가 표적 객체의 흐름 정보를 결정하는 구체적인 방법의 흐름도이다.
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.
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.
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.
도 13은 일 실시 예에 전자 장치가 따른 표적 객체의 움직임 정보를 결정하는 구체적인 방법의 흐름도이다.
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.
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.
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.
도 14는 일 실시 예에 따른 유해 가스와 관련된 표적 객체 영역을 분리하는 과정 및 표적 객체의 상태 정보를 추출하는 과정을 설명하기 위한 도면이다.
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.
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.
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.
도 15는 일 실시 예에 따른 전자 장치가 표적 객체의 누출 원점을 식별하는 구체적인 방법의 흐름도이다.
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.
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.
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.
도 16은 일 실시 예에 따른 전자 장치가 렌즈 왜곡 보정에 따른 보정 상태 정보를 획득하는 과정을 설명하기 위한 도면이다.
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.
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.
도 17은 일 실시 예에 따른 표적 객체의 누출 원점 및 누출 원점이 표시된 합성 영상 예를 설명하기 위한 도면이다.
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.
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.
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.
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.
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.
도 18은 일 실시 예에 따른 전자 장치가 구체화된 경고 발생 조건에 따른 인공지능 기반 유해 가스 누출 여부를 결정하는 방법의 흐름도이다.
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.
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.
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.
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.
도 19는 일 실시 예에 따른 전자 장치가 유해 가스 누출 여부를 결정하기 위한 기준으로 경고 발생 조건 만족 여부를 결정하는 구체적인 방법의 흐름도이다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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. 즉, 상술한 바와 같이, 본 개시에 따른 전자 장치(1000)는 표적 객체가 식별되더라도, 식별된 표적 객체가 정량화된 유해 가스 누출 탐지 조건을 만족하는지 여부에 기초하여, 경고 컨텐츠, 경고 제어 신호를 전파함으로써 유해 가스 누출 상황을 보다 정확하게 관리할 수 있다.
도 20은 일 실시 예에 따른 전자 장치가 유해 가스 관련 표적 객체 누출 상황을 관리하는 방법의 흐름도이다.
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.
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.
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.
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.
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.
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.
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.
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.
도 21은 일 실시 예에 따른 전자 장치가 유해 가스 관련 표적 객체 누출 상황 시 경고 컨텐츠를 생성하는 구체적인 방법의 흐름도이다.
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.
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.
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.
도 22는 일 실시 예에 따른 전자 장치가 진입 경로를 생성하는 방법의 흐름도이다.
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.
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.
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.
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.
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.
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.
도 23은 일 실시 예에 따른 전자 장치가 진입 경로를 생성하는 과정을 설명하기 위한 도면이다.
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.
도 24는 일 실시 예에 따른 전자 장치가 경고 제어 신호를 전송하기 위해 전송 경로를 결정하는 방법의 흐름도이다.
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.
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.
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.
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.
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.
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.
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.
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.
도 25는 일 실시 예에 따른 전자 장치가 경고 제어 신호 전송을 위한 전송 경로의 위험 정도를 식별하는 방법의 흐름도이다.
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.
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.
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.
도 26은 일 실시 예에 따른 경고 제어 신호가 전송되는 전송 경로를 구성하는 네트워크 설명하기 위한 도면이다.
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.
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.
도 27은 일 실시 예에 따른 전자 장치의 블록도이다.
도 28은 또 다른 실시 예에 따른 전자 장치의 블록도이다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
도 29는 일 실시 예에 따른 서버의 블록도이다.
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.
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.
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.
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.
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.
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.
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.
도 30은 일 실시 예에 따른 사용자 제어 인터페이스 및 합성 영상을 포함한 경고 컨텐츠의 화면을 설명하기 위한 도면이다.
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.
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.
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.
도 31은 일 실시 예에 따른 모니터링 장치의 구조를 설명하기 위한 도면이다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.

Claims (19)

  1. 전자 장치가 인공지능 기반 유해 가스 누출 여부를 결정하는 방법에 있어서,
    상기 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득하는 단계;
    상기 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득하는 단계;
    상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하는 단계;
    상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하는 단계;
    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 식별하는 단계; 및
    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 결정하는 단계; 를 포함하고,
    상기 유해 가스 누출 여부를 결정하는 단계는
    상기 누출 원점에서 식별되는 표적 객체의 누출량이 제1 임계 누출량을 초과하는 것으로 식별되면, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 결정하는 단계;
    상기 누출 원점에서 식별되는 표적 객체의 누출량이 제1 임계 누출량 이하이고, 제2 임계 누출량을 초과하는 것으로 식별되며, 상기 누출 원점에 매칭되는 모니터링 대상 공간의 부피가 제1 임계 부피 미만으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 결정하는 단계; 및
    상기 누출 원점에서 식별되는 표적 객체의 누출량이 제2 임계 누출량 이하이고, 제3 임계 누출량을 초과하는 것으로 식별되며, 상기 누출 원점에서 매칭되는 모니터링 대상 공간의 부피가 제1 임계 부피를 초과하는 것으로 결정되나, 상기 누출 원점에 매칭되는 모니터링 대상 공간 내 시설의 가스 누출 민감도에 따른 임계 허용 수준이 소정의 임계 허용 수준을 초과하거나 또는 상기 누출 원점에 매칭되는 모니터링 대상 공간의 작업자 밀집도가 임계 밀집도를 초과하는 경우, 상기 표적 객체가 경고 발생 조건을 만족하는 것으로 결정하는 단계; 를 포함하고,
    상기 제1 임계 누출량은 상기 제2 임계 누출량 보다 크고, 상기 제2 임계 누출량은 상기 제3 임계 누출량 보다 큰 것을 특징으로 하는, 방법.
  2. 제1항에 있어서, 상기 제1 타입의 카메라 및 상기 제2 타입의 카메라는 각각 EO 카메라 및 OGI 카메라이고, 상기 제1 타입 영상들 및 상기 제2 타입 영상들은 각각 가시광선 영상들 및 적외선 영상들인 것을 특징으로 하는, 방법.
  3. 제1항에 있어서, 상기 표적 객체가 발생된 누출 원점을 식별하는 단계는
    상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하는 단계; 및
    상기 상태 정보에 기초하여, 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별하는 단계; 를 포함하는, 방법.
  4. 제1항에 있어서, 상기 상태 정보를 획득하는 단계는
    상기 분리된 표적 객체 영역 내 상기 표적 객체의 외곽선 정보에 기초하여 상기 표적 객체의 방향에 관한 형상 정보를 추출하는 단계;
    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 결정하는 단계;
    상기 결정된 흐름 정보에 기초하여 상기 표적 객체의 이동 속도 또는 상기 표적 객체의 누출량 중 적어도 하나를 포함하는 움직임 정보를 결정하는 단계; 및
    상기 형상 정보, 상기 흐름 정보 또는 상기 움직임 정보 중 적어도 하나를 상기 상태 정보로 획득하는 단계; 를 포함하는, 방법.
  5. 제4항에 있어서, 상기 형상 정보를 추출하는 단계는
    상기 분리된 표적 객체 영역 내 상기 표적 객체에 관한 외곽선을 식별하는 단계;
    상기 식별된 외곽선의 중심점으로부터 식별되는 방향 벡터들 중, 가장 큰 방향 벡터를 결정하는 단계; 및
    상기 결정된 가장 큰 방향 벡터에 직교하는 외곽선에 대한 방향 벡터를 상기 표적 객체의 형상 정보로 추출하는 단계; 를 포함하는, 방법.
  6. 제5항에 있어서, 상기 흐름 정보를 결정하는 단계는
    상기 제1 타입 영상들 및 상기 제2 타입 영상들 내 인접하는 프레임 이미지들에서 나타나는 형상 정보에 기초하여 상기 표적 객체의 이동 방향 벡터들을 식별하는 단계;
    상기 이동 방향 벡터들을 가중합함으로써 합산 벡터를 결정하는 단계; 및
    상기 결정된 합산 벡터의 변량에 기초하여 상기 표적 객체의 이동 방향 벡터들이 시작된 시작점 및 상기 합산 벡터의 방향을 상기 흐름 정보로 결정하는 단계; 를 포함하는, 방법.
  7. 제6항에 있어서, 상기 움직임 정보를 결정하는 단계는
    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 결정하는 단계;
    상기 이동 방향 벡터들 각각의 변량에 기초하여 상기 표적 객체의 누출량 정보를 결정하는 단계; 및
    상기 이동 속도 및 상기 누출량 정보를 포함하는 상기 움직임 정보를 결정하는 단계; 를 포함하는, 방법.
  8. 제1항에 있어서, 상기 표적 객체가 발생된 누출 원점을 식별하는 단계는
    상기 적어도 하나의 제1 타입의 카메라 및 상기 적어도 하나의 제2 타입의 카메라를 포함하는 카메라 설치 셋으로부터 팬틸트 정보 및 카메라 설치셋의 위치 정보를 획득하는 단계;
    상기 상태 정보에 기초하여 결정되는 상기 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 상기 카메라 설치셋의 레이저 측정기로부터 획득하는 단계;
    상기 카메라 설치셋의 위치 정보를 원점으로 하는 구면 좌표계에서 상기 표적 객체의 상대적 위치에 관한 제1 좌표를 결정하는 단계;
    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 변경하는 단계; 및
    상기 제2 좌표를 상기 표적 객체가 발생된 누출 원점으로 식별하는 단계; 를 포함하는, 방법.
  9. 제7항에 있어서, 상기 방법은
    상기 표적 객체가 발생된 누출 원점이 식별되면, 상기 식별된 누출 원점에 매칭되는 상기 모니터링 대상 공간의 시설 정보를 획득하는 단계; 를 더 포함하고,
    상기 유해 가스 누출 여부를 결정하는 단계는
    상기 표적 객체가, 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 단계; 를 포함하는, 방법.
  10. 삭제
  11. 삭제
  12. 삭제
  13. 삭제
  14. 제1항에 있어서, 상기 표적 객체가 식별되는지 여부를 확인하는 단계는
    상기 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 값에 기초하여, 상기 표적 객체가 식별되는지 여부를 확인하는 단계; 를 포함하는, 방법.
  15. 제14항에 있어서, 상기 표적 객체가 식별되는지 여부를 확인하는 단계는
    상기 제1 인공지능 모델의 출력 값에 기초하여, 상기 표적 객체가 식별되지 않는 것으로 확인되는 경우, 상기 제2 타입 영상들을 푸리에 변환함으로써 적외선 분광 스펙트럼 정보를 획득하는 단계; 및
    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 획득되는 상기 제2 인공지능 모델의 출력 값에 기초하여, 상기 표적 객체가 식별되는지 여부를 확인하는 단계; 를 더 포함하는, 방법.
  16. 제15항에 있어서, 상기 표적 객체가 식별되는지 여부를 확인하는 단계는
    상기 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 입력함으로써, 상기 제3 인공지능 모델로부터 획득되는 상기 제3 인공지능 모델의 출력 값에 기초하여, 상기 표적 객체가 식별되는지 여부를 확인하는 단계; 를 더 포함하는, 방법.
  17. 제15항에 있어서, 상기 표적 객체 영역을 분리하는 단계는
    상기 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 결정하는 단계;
    상기 결정된 알파 채널 값에 해당하는 마스킹 객체를 생성하는 단계;
    상기 표적 객체 영역을 생성하는데 사용된 센서 값에 기초하여 그레디언트 매핑 테이블을 생성하는 단계; 및
    상기 마스킹 객체 및 상기 그레디언트 매핑 테이블의 센서 값을 함께 이용함으로써 상기 센서 값만을 포함하는 상기 표적 객체 영역을 분리하는 단계; 를 포함하는, 방법.
  18. 인공지능 기반 유해 가스 누출 여부를 결정하는 전자 장치에 있어서,
    네트워크 인터페이스;
    하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고,
    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 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 결정하며,
    상기 적어도 하나의 프로세서는
    상기 누출 원점에서 식별되는 표적 객체의 누출량이 제1 임계 누출량을 초과하는 것으로 식별되면, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 결정하고,
    상기 누출 원점에서 식별되는 표적 객체의 누출량이 제1 임계 누출량 이하이고, 제2 임계 누출량을 초과하는 것으로 식별되며, 상기 누출 원점에 매칭되는 모니터링 대상 공간의 부피가 제1 임계 부피 미만으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 결정하고,
    상기 누출 원점에서 식별되는 표적 객체의 누출량이 제2 임계 누출량 이하이고, 제3 임계 누출량을 초과하는 것으로 식별되며, 상기 누출 원점에서 매칭되는 모니터링 대상 공간의 부피가 제1 임계 부피를 초과하는 것으로 결정되나, 상기 누출 원점에 매칭되는 모니터링 대상 공간 내 시설의 가스 누출 민감도에 따른 임계 허용 수준이 소정의 임계 허용 수준을 초과하거나 또는 상기 누출 원점에 매칭되는 모니터링 대상 공간의 작업자 밀집도가 임계 밀집도를 초과하는 경우, 상기 표적 객체가 경고 발생 조건을 만족하는 것으로 결정하고, 상기 제1 임계 누출량은 상기 제2 임계 누출량 보다 크고, 상기 제2 임계 누출량은 상기 제3 임계 누출량 보다 큰 것을 특징으로 하는, 전자 장치.
  19. 전자 장치가 인공지능 기반 유해 가스 누출 여부를 결정하는 방법에 있어서,
    상기 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득하는 단계;
    상기 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득하는 단계;
    상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하는 단계;
    상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하는 단계;
    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 식별하는 단계; 및
    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 결정하는 단계; 를 포함하고,
    상기 유해 가스 누출 여부를 결정하는 단계는
    상기 누출 원점에서 식별되는 표적 객체의 누출량이 제1 임계 누출량을 초과하는 것으로 식별되면, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 결정하는 단계;
    상기 누출 원점에서 식별되는 표적 객체의 누출량이 제1 임계 누출량 이하이고, 제2 임계 누출량을 초과하는 것으로 식별되며, 상기 누출 원점에 매칭되는 모니터링 대상 공간의 부피가 제1 임계 부피 미만으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 결정하는 단계; 및
    상기 누출 원점에서 식별되는 표적 객체의 누출량이 제2 임계 누출량 이하이고, 제3 임계 누출량을 초과하는 것으로 식별되며, 상기 누출 원점에서 매칭되는 모니터링 대상 공간의 부피가 제1 임계 부피를 초과하는 것으로 결정되나, 상기 누출 원점에 매칭되는 모니터링 대상 공간 내 시설의 가스 누출 민감도에 따른 임계 허용 수준이 소정의 임계 허용 수준을 초과하거나 또는 상기 누출 원점에 매칭되는 모니터링 대상 공간의 작업자 밀집도가 임계 밀집도를 초과하는 경우, 상기 표적 객체가 경고 발생 조건을 만족하는 것으로 결정하는 단계; 를 포함하고,
    상기 제1 임계 누출량은 상기 제2 임계 누출량 보다 크고, 상기 제2 임계 누출량은 상기 제3 임계 누출량 보다 큰 것을 특징으로 하는, 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체.
KR1020220089923A 2022-07-20 2022-07-20 인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 장치 KR102517478B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220089923A KR102517478B1 (ko) 2022-07-20 2022-07-20 인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220089923A KR102517478B1 (ko) 2022-07-20 2022-07-20 인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102517478B1 true KR102517478B1 (ko) 2023-04-05

Family

ID=85884712

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220089923A KR102517478B1 (ko) 2022-07-20 2022-07-20 인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102517478B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116778683A (zh) * 2023-08-18 2023-09-19 济南本安科技发展有限公司 一种气体报警方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990074175A (ko) * 1998-03-07 1999-10-05 이종훈 화상에 확률 분포 함수를 이용한 화재 감시방법
JP2004157914A (ja) * 2002-11-08 2004-06-03 Yazaki Corp ガス漏れ警報装置
KR101131095B1 (ko) * 2011-06-10 2012-04-02 주식회사 창성에이스산업 가스누설감지 시스템 및 방법
KR20150009166A (ko) * 2013-07-16 2015-01-26 주식회사 포스코 코크스 오븐의 가스 누출 통제 시스템 및 그 방법
WO2017150565A1 (ja) * 2016-03-03 2017-09-08 コニカミノルタ株式会社 ガス漏れ位置推定装置、ガス漏れ位置推定方法及びガス漏れ位置推定プログラム
KR20200088304A (ko) * 2017-10-09 2020-07-22 씨에스아이알 가스 감지 시스템 및 방법
KR102249483B1 (ko) 2019-03-28 2021-05-11 주식회사 신우전자 독성가스 탐지 장치
KR20220048636A (ko) * 2020-10-13 2022-04-20 미소에이스 주식회사 딥러닝 모델을 기반으로 한 옥내저탄장 자연발화 모니터링 시스템

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990074175A (ko) * 1998-03-07 1999-10-05 이종훈 화상에 확률 분포 함수를 이용한 화재 감시방법
JP2004157914A (ja) * 2002-11-08 2004-06-03 Yazaki Corp ガス漏れ警報装置
KR101131095B1 (ko) * 2011-06-10 2012-04-02 주식회사 창성에이스산업 가스누설감지 시스템 및 방법
KR20150009166A (ko) * 2013-07-16 2015-01-26 주식회사 포스코 코크스 오븐의 가스 누출 통제 시스템 및 그 방법
WO2017150565A1 (ja) * 2016-03-03 2017-09-08 コニカミノルタ株式会社 ガス漏れ位置推定装置、ガス漏れ位置推定方法及びガス漏れ位置推定プログラム
KR20200088304A (ko) * 2017-10-09 2020-07-22 씨에스아이알 가스 감지 시스템 및 방법
KR102249483B1 (ko) 2019-03-28 2021-05-11 주식회사 신우전자 독성가스 탐지 장치
KR20220048636A (ko) * 2020-10-13 2022-04-20 미소에이스 주식회사 딥러닝 모델을 기반으로 한 옥내저탄장 자연발화 모니터링 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116778683A (zh) * 2023-08-18 2023-09-19 济南本安科技发展有限公司 一种气体报警方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
KR102482129B1 (ko) 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법
US10275402B2 (en) Systems and methods to provide pipeline damage alerts
CN107223332B (zh) 基于声学相机的音频视觉场景分析
US8391563B2 (en) Using computer video camera to detect earthquake
KR101485022B1 (ko) 행동 패턴 분석이 가능한 객체 추적 시스템 및 이를 이용한 방법
JP6532106B2 (ja) 監視装置、監視方法および監視用プログラム
US20160180696A1 (en) System and method of alerting cms and registered users about a potential duress situation using a mobile application
KR102517478B1 (ko) 인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 장치
US9578261B1 (en) Portable security surveillance device
KR102011342B1 (ko) 소방 안전 점검 방법 및 시스템
KR102355855B1 (ko) 각 Vid-Fence 별 이벤트 룰 및 서비스 설정을 통한 객체 추적 및 서비스 실행 시스템
KR102242421B1 (ko) 재난을 감지하는 방법 및 이를 수행하는 전자 장치
CN110910415A (zh) 抛物检测方法、装置、服务器和计算机可读介质
CN112489351A (zh) 基于图片识别的学校火灾预警方法
KR20200112681A (ko) 지능형 비디오 분석
KR101515434B1 (ko) 재난 신고 시스템
CN104348894B (zh) 一种信息处理方法、云端服务器、移动终端
CN116152863A (zh) 一种人员信息识别方法、装置、电子设备及存储介质
KR102517477B1 (ko) 인공지능 기반 유해 가스 누출 원점을 식별하는 방법 및 장치
KR102482126B1 (ko) 인공지능 기반 유해 가스 누출 상황을 관리하는 방법 및 장치
KR20220105851A (ko) 무인변전소 감시 시스템 및 그 동작 방법
JP2015215766A (ja) 避難経路提供システム、避難経路提供方法、及び避難経路提供プログラム
KR102465105B1 (ko) 열화상 복합 데이터를 이용한 ai 모델 기반 재난을 감지하는 방법 및 이를 수행하는 전자 장치
CN115546722A (zh) 一种烟火检测方法、系统、计算机设备以及存储介质
KR102646239B1 (ko) 가스 누출 탐지를 위한 합성 영상을 생성하는 방법 및 이를 수행하는 인공지능 기반 가스 누출 탐지 장치

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant