KR102549829B1

KR102549829B1 - Cctv 영상 분석을 이용한 미세먼지 농도 예보 시스템

Info

Publication number: KR102549829B1
Application number: KR1020220116831A
Authority: KR
Inventors: 윤옥림; 채동렬
Original assignee: 주식회사 삼덕테크윈
Priority date: 2022-09-16
Filing date: 2022-09-16
Publication date: 2023-07-03

Abstract

본 발명은 CCTV 영상 분석을 통한 미세먼지 예보 시스템에 관한 것으로, 미세먼지 센서를 부착하는 번거로움 없이 영상 분석을 통해 미세먼지를 측정할 수 있으며 이를 CCTV에 부착된 기상 감시부에서 측정된 기상 정보와 함께 분석하여 미세먼지 농도를 예보할 수 있다.

Description

CCTV 영상 분석을 이용한 미세먼지 농도 예보 시스템{Fine dust concentration prediction system using CCTV image analysis}

본 발명은 CCTV 영상 분석을 이용한 미세먼지 농도 예측 시스템에 관한 것으로, 보다 상세하게는 CCTV에서 촬영한 영상을 분석하여 미세 먼지 농도를 측정한 후 딥러닝 모델링을 통해 미세먼지 농도를 예측하는 미세먼지 농도 예측 시스템에 관한 것이다.

최근에는 미세먼지에 의한 대기질이 악화되는 빈도가 증가하고 있다. 미세먼지는 크기가 매우 작아 신체에서 필터링되지 못하고 순환되어 각종 질병을 일으키는 주범이다. 과거에는 비, 구름, 및 온도 등이 날씨가 좋은지 나쁜지에 대한 척도였지만, 현대에는 미세먼지가 날씨의 주요 척도 중에 하나이다.

따라서 미세먼지를 효과적으로 측정하고 예측할 필요가 있다. 미세먼지 예보를 정확하게 하기 위해서는 광범위하게 측정하는 것이 중요하다.

미세먼지 관측소를 늘리기 위한 노력이 진행되고 있지만 현실적으로 미세먼지 관측소를 단기간에 늘리기는 쉽지 않다.

우리나라는 CCTV가 전국적으로 널리 보급되어 있으므로 CCTV를 이용해 미세먼지를 측정하는 방법을 제공하고자 한다.

또한, CCTV에 미세먼지 센서를 직접 부착하더라도 여전히 CCTV가 설치된 장소에 대한 정보만을 수집할 수 있는 한계가 있다.

(01)특허문헌 한국 등록특허공보 제 10-2382836호, 광산란방식의 미세먼지 측정장치 일체형 CCTV 카메라 시스템. 등록일 : 2022.03.31

본 발명은 CCTV 영상분석을 통해 미세먼지 농도를 측정하고, 이를 활용하여 미세먼지를 예보할 수 있는 CCTV 영상 분석을 이용한 미세먼지 농도 예보 시스템을 제공하고자 한다.

또한, 본 발명은 CCTV 카메라의 커버를 청소하여 선명한 화질을 제공하여 ㅁ미세먼지 농도를 보다 정확히 측정할 수 있는 CCTV 영상 분석을 이용한 미세먼지 농도 예보 시스템을 제공하고자 한다.

본 발명의 실시예에 따른 CCTV 영상 분석을 이용한 미세먼지 농도 예보 시스템은,

본 발명에 의하면, 미세먼지 센서를 부착하지 않고도 영상분석을 통해 미세먼지 농도를 측정할 수 있어 미세먼지 농도를 보다 다양한 지역에서 측정할 수 있다.

또한, 본 발명의 의하면 영상분석을 통해 측정된 미세먼저 농도 및 기상 정보를 이용해 미세먼저 농도를 예보할 수 있다.

본 발명에 의하면, 선명한 영상을 획득함으로써 미세먼지 농도를 보다 정확하게 예측할 수 있다.

도 1은 본 발명의 실시예에 따른 CCTV 카메라(110)를 이용한 미세먼지 예보 시스템의 구성을 나타낸 것이다.
도 2는 본 발명의 실시예에 따른 영상 분석부(130)의 구성을 나타낸 것이다.
도 3은 본 발명의 실시예에 따라 관심영역(ROI)을 선정한 예를 나타낸 것이다.
도 4는 본 발명의 실시예에 따른 중간 필터의 예를 나타낸 것이다.
도 5는 본 발명의 실시예에 따른 미세먼지 예보 서버(200)의 구성을 나타낸 것이다.
도 6은 본 발명의 실시예에 따른 미세먼지 예보 방법을 나타낸 것이다.
도 7은 본 발명의 실시예에 따른 CCTV 카메라가 적용된 상태를 도시한 사시도이다.
도 8의 (a)(b)는 본 발명에 따른 CCTV 카메라를 도시한 정면 및 배면도이다.
도 9는 본 발명에 따른 CCTV 카메라의 제어개념을 블럭화한 구성도이다.
도 10은 본 발명에 따른 CCTV 카메라의 내부구성을 보여주는 단면도이다.
도 11은 도 10에서 필터부재 및 필터부재를 동작시키는 구동모터를 발췌하여 도시한 사시도이다.
도 12는 본 발명에 따른 청소부재와 카메라 유닛의 렌즈부의 대향되는 위치를 설명하기 위한 측단면도이다.
도 13은 본 발명에 따른 청소부재가 배면에 위치된 상태를 예시한 단면도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

이하 본 발명의 바람직한 실시예를 첨부된 도면을 토대로 상세하게 설명하면 다음과 같다.

도 1은 본 발명의 실시예에 따른 미세먼지 예측 시스템의 구성도를 나타낸 것이다.

본 발명에 따른 미세먼지 예보 시스템은 CCTV 카메라(110)(110), 상기 카메라를 지지하는 축에 결합되어 바람에 따라 회전하면서 풍향 및 풍속을 측정하는 풍향풍속계, 상기 카메라의 주변 온도를 감지하는 온도 센서, 및 상기 카메라의 주변 습도 변화를 감지하는 습도 센서를 포함하는 기상 감지부(120), 상기 카메라에서 촬영한 영상을 분석하여 미세먼지 농도를 측정하는 영상 분석부(130), 상기 기상 감지부(120), 및 영상 분석부(130)에서 측정된 데이터를 전송하는 통신부(140)를 포함하는 CCTV 모듈(100) 및 상기 통신부(140)에서 카메라 주변의 환경 데이터, 카메라에서 촬영한 영상 신호 및 미세먼지 농도 데이터를 수신하여 대기환경 상태정보를 실시간으로 모니터링 하면서 대기환경 상태를 예보하는 미세먼지 예보 서버(200);를 포함하여 구성될 수 있다.

상기 CCTV 카메라(110)는 제어부(미도시)의 제어에 따라 구동되면서 주변 사물을 촬영한다. CCTV 카메라(110)는 촬영 영역을 좌우로 이동하는 패닝 기능과 상하로 이동하는 틸팅기능 및 렌즈 배율을 조정하여 촬영 영역을 확대하거나 축소하는 줌 기능을 실행하며 감시 영역을 촬영할 수 있다.

본 발명에서는 CCTV 카메라(110)에서 촬영한 영상을 분석하여 미세먼지 농도를 예측하므로, 선명한 화질을 획득하는 것이 중요한다, 선명한 화질을 획득하기 위한 CCTV 카메라의 구체적인 구조에 대해서는 후술하기로 한다.

상기 기상 감지부(120)는 풍향풍속계, 온도 센서 및 습도 센서를 포함할 수 있다.

상기 영상 분석부(130)는 관심영역(ROI) 선정부, 필터부(132), 색보정부(133) 및 계산부(134)를 포함할 수 있다.

상기 관심영역 선정부(131)는 촬영 영상에서 산등성이와 하늘의 대조가 뚜렷한 곳 또는 주변의 건물이 없어 주변과 대조가 뚜렷한 건물이 촬영된 영역을 관심영역으로 선정한다.

상기 필터부(132)는 중간값 필터를 사용하여 전체 영상에 대해 고주파 성분을 평탄화하고, 저주파 필터를 사용하여 관심영역의 가장자리를 강화한다.

상기 계산부(134)는 상기 가장자리의 선명도에 따라 미세먼지 농도를 계산한다.

보다 구체적으로 살펴보면, 상기 관심영역 선정부(131)는 산등성이나 큰 건물과 같이 경계선이 주변과 뚜렷한 영역을 관심영역으로 선정한다.

관심영역을 경계선이 없는 하늘 영역으로 선택하는 경우에는 이미지에 굴곡이 없어 가장자리를 검출하기 적합하지 않아 미세먼지 농도가 변하더라도 그 차이를 구별하기가 어렵고, 빌딩들이 밀집되어 있어 가장자리가 존재하나 너무 많고 여러 방향의 가장자리가 존재하며 각 건물 주변의 휘도가 크게 차이 나지 않아 영상처리 알고리즘을 적용하더라도 미세먼지 농도 변화에 따른 가장자리의 강도 차이가 또렷하게 드러나지 않는다. 도 3을 참조하면, 산능선 부분이 관심영역(ROI)으로 설정되었음을 확인할 수 있다.

상기 필터부(132)는 중간값 필터와 저주파 필터를 포함한다.

상기 필터부(132)는 중간값 필터를 통해 영상에 존재할 수 있는 점과 같은 오염원을 제거하고 저주파 필터를 통해 관심영역의 가장자리를 강화할 수 있다.

CCTV 카메라(110)는 야외에 노출되어 설치되기 때문에 렌즈가 각종 오염원에 노출되어 있다. 이러한 오염원은 고주파와 저주파 성분이 섞인 얼룩 성질을 띠는 경우가 많은데 관심영역은 경계선 영역에 해당하기 고주파 성분이 많은 영역이므로 저주파는 크게 문제되지 않는다. 하지만 전체 화면에 얼룩이 많은 경우에는 관심영역에도 얼룩이 존재할 수 있어 고주파 성분은 평활화하고 저주파 성분은 유지할 필요가 있다.

얼룩 제거를 위해 고주파 패스 필터를 사용하게 되면 가장자리 강도 계산에 영향을 줄 수 있기 때문에 중간 필터를 적용하여 평활화하는 것이 바람직하다.

관심영역의 산능선이나 빌딩 윤관선의 가장자리 강도를 누적 방식으로 인지하기 때문에 고주파 잡음은 가장자리 강도를 실제보다 증가시키는 경향이 있다. 따라서 중간 필터를 사용한 필터링 작업이 필요하다.

중간값 필터는 지정된 크기의 커널 마스크가 점유하는 영역내의 픽셀들의 값을 1차원 형태로 정렬시키고 그 중에서 중간값을 새 중심 픽셀값으로 하는 방식으로 수행할 수 있다.

도 4는 중간 필터 방법을 나타낸 것으로, 도 4의 (a)는 커널 마스크가 점유하는 영역내의 3×3 픽셀들의 값을 나타낸 것이고, 도 4의 (b)는 픽셀들을 1차원 형태로 정렬한 것을 나타낸 것이고, 도 4의 (c)는 픽셀값을 기준으로 정렬한 것을 나타낸 것이고, 도 4의 (d)는 정렬된 픽셀값을 3×3 크기의 커널에 재정렬한 것을 나타낸 것이다.

상기와 같은 방법에 의해 영상에 있는 점과 같은 잡음이 제거될 수 있다.

상기 저주파 필터는 관심영역의 가장자리 부분이 더 선명해지도록 가장자리를 강화한다. 저주파 필터는 로우 패스 필터링을 수행하여 저주파 성분만 통과한 이미지를 특정 가중치 값을 곱한 다음 오리지널 이미지에 대해 차연산을 수행함으로써 저주파 성분을 줄이고 고주파 성분은 더 강해지도록 한다.

상기 색보정부(133)는 RGB 형식의 영상을 HSV(hue saturation value) 형식으로 변환한다.

가장자리 강도는 날씨의 영향을 받을 수 있기 때문에 HSV 형식으로 이미지를 변환하여 이러한 문제를 최소화할 수 있다.

색보정부(133)는 HSV 형식으로 이미지를 변환한 뒤 각각 H(색상), 채도(S), V(명도) 채널별로 픽셀값을 더한 뒤 그 관심영역 내의 총 픽셀수로 나누어 평균을 구한다.

상기 계산부(134)는 가장자리 강화된 관심영역 영상의 가장자리 강도를 측정하여 미세먼지 농도를 계산한다.

미세먼지 농도가 높을수록 관심영역의 가장자리가 불투명하여 적은 강도 값이 나타나고 미세먼지 농도가 낮을수록 가장자리가 뚜렷하므로 큰 강도 값이 나타난다.

이러한 원리를 기반으로 미세먼지 농도와 가장자리 강도와 상관관계를 반복적으로 관측하여 다음과 같은 방정식을 도출할 수 있다.

미세먼지 농도 = k1×e^(-0.00092x) + k2×e^(-0.000096x)

상기 수식에서 k1, k2는 상수이며, x는 관심영역의 가장자리 강도이다.

k1은 446이며 k2는 131인 것이 바람직하다.

상기 영상 분석부(130)는 영상 분석을 통해 미세먼지 농도를 측정하는 것이므로 미세먼지 센서를 통해 측정하는 것보다 정확도가 다소 떨어질 수 있다.

하지만, 미세먼지 센서는 CCTV 카메라(110)에 부착된 지점에서만 측정할 수 있어 다양한 장소에서 측정하기 어려운 문제점이 있다.

본 발명에서와 같이 영상분석을 통해 미세먼지 농도를 측정하게 되면 미세먼지 센서를 직접 부착하기 어려운 장소의 미세먼지를 측정할 수 있고, 미세먼지 센서를 설치하는 수고를 들 수 있다. 영상 분석에 의해 발생하는 에러는 후술되는 인공지능 모델에 의해 해소될 수 있다.

본 발명의 도면에는 도시하지 않았으나, 미세먼지 센서를 부착하여 영상 분석의 에러를 보정할 수 있다.

미세먼지 센서를 CCTV 카메라(110)에 하나만 장착하더라도 해당 CCTV 카메라(110)가 촬영한 다수의 관심영역 영상에 미세먼지 센서가 측정한 정보를 활용할 수 있다. 따라서 이러한 경우에도 종래에 비해 미세먼지 센서 사용량을 휠씬 많이 줄일 수 있다.

CCTV 카메라(110)는 주로 도심에 설치되고, 영상분석부를 통해 분석되는 지역은 산능성이와 같이 도심에서 다소 거리가 떨어진 지역일 수 있다. 따라서 이들 지역의 미세먼지 농도가 완전히 동일하지는 않겠지만 동일 시간의 미세먼지 농도가 크게 차이 나지는 않는다. 따라서 영상분석부를 통해 분석된 미세먼지 농도에 CCTV 카메라(110)의 미세먼지 센서에서 측정된 값을 가중평균함으로써 미세먼지 농도를 보정할 수 있다.

상기 통신부(140)는 카메라의 영상 신호와 기상 감지부(120)에서 측정된 풍향풍속 정보, 온도 정보, 및 습도 정보를 전송한다. 그리고 영상 분석부(130)에 측정된 미세먼지 정보를 전송한다.

상기 미세먼지 예보 서버(200)는 통신부(140)에서 카메라 주변의 환경 데이터, 카메라에서 촬영한 영상 신호 및 미세먼지 농도 데이터를 수신하고, 인공지능 기반으로 반영하여 미세먼지 농도 정보를 포함하는 대기 환경 상태를 예보한다.

상기 미세먼지 예보 서버(200)는 카메라에 일체로 부착된 기상 감지부(120) 및 미세먼지 센서에서 측정한 데이터를 수신하고, 영상분석부에 의해 분석된 미세먼지 정보를 수신한다.

상기 미세먼지 예보 서버(200)는 상기 CCTV 카메라(110)로부터 날씨 정보 및 미세먼지 정보를 수신하는 수신부(210), 학습 데이터 저장부(220), 학습 데이터를 이용하여 딥러닝 모델로 학습하는 복수의 학습부(230), 상기 복수의 신경망 계층에 대응하여 미세먼지 농도를 예측하는 예측부(240), 및 상기 예측부(240)의 예측 결과 및 CCTV 카메라(110) 모듈로부터 수신한 날씨 정보와 미세먼지 정보를 혼합하여 최종 미세먼지 농도를 예측하여 예보하는 미세먼지 예보부(250)를 포함한다.

상기 수신부(210)는 CCTV 카메라(110)로부터 풍향풍속 정보, 온도 정보, 습도 정보 및 영상분석부에서 측정된 미세먼지 정보를 수신한다. 또한 수신부(210)는 카메라의 영상 신호를 수신한다. 영산신호에는 영상 분석부(130)에서 표시된 관심영역이 표시되어 있어 관심 영역 정보를 함께 수신한다.

상기 학습 데이터 저장부(220)는 외부 서버로부터 지역 및 시간대별 미세먼지 날씨 정보 및 미세먼지 정보를 저장하며, 상기 수신부(210)에서 수신한 날씨 예보 및 미세먼지 정보를 저장한다.

상기 학습부(230)는 상기 학습 데이터 저장부(220)에서 제공되는 정보를 기반으로 딥러닝 방식에 의해 학습하며, 제1 신경망 및 제2 신경망을 포함할 수 있다. 제1 신경망 및 제2 신경망은 각각 CNN(Convolution Neural Network) 신경망 및 DNN(Deep Neural Network) 신경망일 수 있다. 상기 제1 신경망과 제2 신경망은 각각 제1 미세먼지 예측 모델과 제2 미세먼지 예측 모델을 생성할 수 있다.

상기 학습부(230)는 날씨 정보 및 미세먼지 정보를 기반으로 학습할 뿐만 아니라 영상신호의 관심영역을 기반으로 학습하여 미세먼지 농도에 따른 영상신호를 학습할 수 있다.

상기 예측부(240)는 상기 수신부(210)에서 수신한 미세먼지 정보와 영상 신호를 예측 모델에 입력하여 미세먼지 농도를 예측한다. 상기 예측부(240)는 상기 제1 신경망에 의해 학습 생성된 제1 예측 모델 및 상기 제2 신경망에 의해 학습 생성된 제2 예측 모델을 포함할 수 있다.

상기 미세먼지 예보부(250)는 상기 수신부(210)에서 수신된 날씨 정보를 입력하여 미세먼지 농도를 최종 예측하여 예보한다.

미세먼지 예보부(250)에 입력되는 날씨 정보는 상기 예측부(240)에 입력된 미세먼지 정보 및 영상신호가 측정된 시간과 동일한 시간대에 측정된 풍향풍속 정보 및 온도, 습도 정보이다.

상기 미세먼지 예보부(250)는 서포트 벡터 회귀(Support Vecto Regression, SVR)을 기반의 예측 모델을 사용할 수 있다.

상기 학습부(230)는 수집모듈, 전처리 모듈, 및 학습 모듈을 포함할 수 있다.

상기 수집모듈은 외부 서버로부터 제공되는 지역 및 시간대별 미세먼지 예보 및 초미세먼지 예보 데이터를 수집하여 학습 데이터를 구성하고, 이를 데이터베이스에 저장한다.

상기 전처리 모듈은 수집 모듈에 의해 데이터베이스에 저장된 학습 데이터를 읽어 오고, 학습 데이터를 기계 학습이 가능한 형태로 변환한다.

상기 학습 모듈은 전처리 모듈에서 전처리가 완료된 학습 데이터를 이용하여 제1 신경망 및 제2 신경망구조에 기반한 기계 학습을 수행하고, 이로부터 복수의 미세먼지 예측 모델을 생성한다. 이 때, 학습을 위해 사용되는 복수의 기계 학습 알고리즘으로서 예컨대 컨볼루션 신경망(CNN) 및 심층 신경망(DNN)이 사용될 수 있다.

상기 예측부(240)는 수신부(210)로부터 미세먼지 정보가 입력받아 이를 머신 러닝 모델 기반으로 예측이 가능한 형태로 변환한다. 앞서 살펴본 학습부(230)의 전처리 모듈에서 수행되는 과정과 동일하게 적용될 수 있다. 변환된 데이터는 제1 미세먼지 예측모델 및 제2 미세먼지 예측모델에서 미세먼지 농도를 예측한다.

도 6은 본 발명의 실시예에 따른 CCTV 영상 분석을 이용한 미세먼지 예보 방법을 나타낸 것이다.

본 발명에 따른 미세먼지 예보 방법은 앞서 살펴본 CCTV 영상 분석을 이용한 미세먼지 예보 시스템을 이용하여 미세먼지 농도를 예보한다.

미세먼지 예보 방법은 영상촬영 및 기상 감지 단계(S100), 관심영역 선정 단계(S200), 필터링 단계(S300), 색보정 단계(S400), 미세먼지 농도 계산 단계(S400), 미세먼지 농도 계산 단계(S500), 딥러닝을 통한 학습 단계(S600), 예측 모델 생성 단계(S700), 미세먼지 예측 단계(600), 및 최종 미세먼지 농도 예보 단계(S700)를 포함한다.

상기 미세먼지 예측값 생성은 딥러닝을 통해 학습되고 생성된 예측 모델에 의해 이루어질 수 있다.

상기 영상 촬영 및 기상 감지 단계(S100)는 CCTV 모듈의 CCTV 카메라 및 기상 감지부에서 실시간으로 이루어지며 이루어진다.

상기 관심영역 선정 단계(S200)는 영상분석부에서 CCTV 카메라에서 촬영된 영상 신호에서 관심영역을 선정한다. 관심영역은 선등선이나 큰 건물 등 주변에 장애물이 없어 경계선이 뚜렷한 영역을 중심으로 선정한다.

상기 필터링 단계(S300)에서는 영상분석부에서 중간값 필터를 사용하여 영상신호에 대해 고주파 성분을 평탄화하여 점과 같은 오염원을 제거하고, 저주파 필터를 사용하여 관심영역의 가장자리를 강화한다.

상기 색보정 단계(S400)에서는 영상분석부에서 RGB 형식의 영상신호를 HSV 형식으로 변환한다.

상기 미세먼지 농도 계산 단계(S500)에서는 영상분석부에서 관심영역의 가장자리의 선명도에 따라 미세먼지의 농도를 계산한다. 미세먼지 농도가 높을수록 관심영역의 가장자리가 불투명하여 적은 강도 값이 나타나고 미세먼지 농도가 낮을수록 가장자리가 뚜렷하므로 큰 강도 값이 나타나므로 가장자리 강화된 관심영역 영상의 가장자리 강도를 측정하여 미세먼지 농도를 계산할 수 있다.

영상분석부에서의 미세먼지 농도 계산 결과와 카메라에서 촬영된 영상 신호 및 기상 감지부에서 측정된 기상 관련 정보는 통신부를 통해 미세먼지 예보 서버로 전송된다. 미세먼지 예보 서버는 CCTV 모듈로부터 수신된 미세먼지 정보 및 외부 서버를 통해 수신된 미세먼지 정보를 저장하고 딥러닝을 통해 학습을 진행한다.

상기 딥러닝을 통한 학습 단계(S600)는 미세먼지 예보 서버에서 이루어지며 CCTV 모듈로부터 미세먼지 관련 정보를 수신하기 전에도 외부 서버로부터 미세먼지 및 날씨 관련 정보를 수집하고 이를 이용하여 학습을 수행할 수 있다.

CCTV 모듈로부터 미세먼지 정보가 수신되면 이를 입력하여 데이터를 업데이트하면서 학습을 계속 수행할 수 있다.

상기 딥러닝을 통해 학습이 이루어지면 이를 기반으로 미세먼지 농도 예측을 위한 예측 모델을 생성하고(S700), 예측 모델에 CCTV 모듈에서 계산된 미세먼지 농도를 입력하여 미세먼지 농도를 예측하고(S800), 예측 결과에 상기 미세먼지 농도 예측에 사용된 영상 신호가 촬영된 시각과 동일한 시각에 측정된 습도 및 풍속값을 결합하여 최종 미세먼지 농도를 예측하여 미세먼지 농도를 예보한다.

이하에서는 앞서 살펴본 CCTV 카메라(110)의 상세 구조에 대해 살펴본다.

본 발명에 따른 CCTV 카메라는 첨부된 도 7 내지 도 13을 참조하여 설명하면 다음과 같다.

상기 CCTV 카메라(110)은 돔형이며, 원통형의 하우징(10) 내에 탑재되어 자체 360도 회전과 렌즈부(22)의 상하 틸트 동작하여 촬영하는 카메라 유닛(20)과, 하우징(10)의 하부에 결합되어 카메라 유닛(20)을 외부로부터 보호하는 반구형 커버(30)와, 상기 하우징(10)과 연결되며 타단은 도로, 골목 등의 지주로부터 고소(高所) 위치하는 현수봉(1)측에 마련되는 연결부재(40)에 현수되게 설치되어 실시간 주변을 촬영할 수 있다.

상기 하우징(10)과 반구형 커버(30)의 외부에 밀착 설치되어 카메라 유닛(10)의 렌즈부(22)와 반대되는 위치에서 반구형 커버(30)의 표면 청소를 위한 청소부재(50)가 제어부(102)를 통해 회전가능하게 구비된다.

상기 하우징(30) 내측에는 안개 우천시와 같은 날씨 조건에 따라 카메라 유닛(20)의 촬영 시야확보를 위한 필터부재(60)가 상기 반구형 커버(30)의 내측 수직으로 하우징(10) 내측에 구비되는 구동모터(M) 및 구동모터의 회전축에 결합되는 평기어(G1)의 치합 회전구동에 의해 상하 이동가능하게 구비된다.

상기 하우징(10) 내에는 카메라 유닛(20)과 연결되어 360도 회전시키는 제1서보모터(M1)가 설치되고, 상기 하우징(10)의 상부 내측과 연결부재(40)의 내측 사이에는 청소부재(50)를 360도 회전시키는 제2서보모터(M2)가 구비된다.

상기 제1서보모터(M1)는 하우징(10) 내에 별도의 연결브라켓(B)으로 고정 설치된다.

상기 청소부재(50)는, 하우징(10)의 상부에 안착되어 연결부재(40)로부터 하우징(10)을 연결하는 고정축(51)상에 회전되게 연결되되, 고정축(51)이 관통되는 상면에는 종동기어(G2)가 부착 구비된 회전연결부(52)와, 상기 회전연결부(52)로부터 수직으로 직되어 하우징(10)의 외측에 밀착되며, 내측면에는 안내돌기(54a)가 하나 이상 하부방향으로 간격지게 마련된 가이드부(54)와, 상기 가이드부(54)로부터 연장되며 반구형 커버(30)의 외측면에 밀착되어 먼지, 빗물, 이물질 등을 제거하기 위한 와이퍼부(56)로 구성된다.

상기 카메라 유닛(10)의 렌즈부(22)의 회전 촬영모드시 청소부재(50)의 회전은 렌즈부(22)의 반대위치 또는 렌즈부(22)가 촬영하는 화각에 영양을 주지 않는 범위에서의 상기 카메라 유닛(10)을 회전시키는 제1서보모터(M1)에 대해 청소부재(50)를 회전시키는 제2서보모터(M2)의 구동은 촬영에 영향을 주지 않는 범위에서 동시에 구동할 수 있도록 한다.

상기 반구형 커버(30)의 외측면을 따라 청소하는 와이퍼부(56)의 곡면으로 형성되되, 내측면에는 다공질로 탄력성을 갖는 스펀지, 또는 고무계열의 블레이드 중 어느 하나가 부착되어 사용된다.

상기 와이퍼부(56)는 가이드부(54)로부터 교체를 위해 분리되게 설치될 수 있다. 이는 돔형 CCTV 카메라의 운영상에서 상기 와이퍼부만을 교체함으로써, 청소관리에 유리하도록 함이 바람직하다.

상기 필터부재(60)는, 첨부된 도 5에서 도시한 바와 같이, 상부 외측둘레부에 감지링(61)이 구비된 원통형의 투시창(62)과, 상기 투시창(62)의 상부측과 분리 가능하게 연결되며 중앙에는 상기 구동모터(M)의 평기어(G1)와 치합되는 랙기어(G3)를 갖는 승강대(64)로 이루어져 구성된다.

상기 투시창(62)은 안개 및 우천시와 같은 흐린날 촬영에 적합한 투명한 옐로우계통으로 성형된 것을 특징이다. 이는 안개 또는 흐린날 옐로우 계통의 안경렌즈를 착용한 상태에서 보다 뚜렷한 시야확보를 위한 것으로 CCTV 카메라를 이용한 촬영부분에서도 동일한 효과를 얻을 수 있도록 한 것이다.

상기 하우징(10)의 외측둘레에는 청소부재(50)를 360도 회전을 안내하는 안내홈(12)이 다수개 간격져 형성되며, 내측에는 상기 필터부재(60)의 상하 동작 위치를 감지하는 제1감지센서(S1) 및 제2감지센서(S2)가 구비되어 제어부(102)에 의해 필터부재(60)의 상하 조정이 이루어지도록 한다.

또한, 상기 하우징(10)의 내측에는 상기 필터부재(60)의 승강대(64)를 안내 가이드하는 수직가이드부(14)가 더 구비된다.

상기 연결부재(40)의 상부에는 비를 감지하는 우적감지센서(S)가 더 구비되어 제어부(102)를 통한 필터부재(60)의 작동이 이루어지도록 한다.

참고로 도면 중 미설명 부호 2는 현수봉에 설치되어 CCTC 카메라와 함께 촬영을 보조하는 안개센서를 나타내고 부호 3은 가시거리 측정기를 나타낸 것으로, 안개센서는 가시거리측정에 의해 이루어진다.

좀더 부연하면, 도로에 설치하는 안개센서는 상호 마주하도록 설치되는 가시거리측정기를 이용하는 것으로, 동작 원리는 투광부에서 근적외선이 펄스 형태로 나오게 되고, 공기 중에 분무를 일으키는 수분 입자들에 의해 난반사가 일어나게 되고, 난반사가 일어난 일부 빛이 수광부(광센서)로 받아들여져 분무의 밀도가 높으면, 즉 안개가 짙게 끼게 되면 수광부로 들어오는 빛의 양이 많아져 광센서의 출력 신호와 안개 농도와의 관계로부터 시정거리를 예측하여 현재 안개정도를 측정할 수 있다.

즉, 상기 안개센서(2)에서 감지된 신호에 따라 제어부(102)를 통해 필터부재(60)의 작동이 이루어져 보다 최대한 선명하게 촬영기록이 가능하도록 한 것이다.

이와 같이 구성된 본 발명인 돔형 CCTV 카메라의 운영상에 따른 작용을 기술하면 다음과 같다.

통상적으로 360도 회전 촬영이 가능한 돔형 CCTV 카메라(100)에 있어 회전식의 촬영은 시간 분(minute)당 별로 혹은 관제시스템에서 직접 조정에 의한 위치로 회전시켜 카메라를 기점으로 그 주변 상황을 촬영하고 데이터로 기록하게 된다.

전반적인 형태에서 하부에 위치하는 투명한 반구형 커버(30)의 내부에 구비된 제1서보모터(M1)의 구동에 의해 카메라 유닛(20)의 회전과 동시에, 카메라 유닛(20)의 렌즈부(22)를 통한 촬영이 이루어진다.

상기와 같이 카메라 유닛(20)의 회전과 동시에 촬영이 이루어지는 반면, 하우징(10) 외주에 접하게 설치된 청소부재(50)는 카메라 유닛(20)의 렌즈부(22) 반대측에서 회전하면서 하우징(10)의 하부측과 결합되어 상기 카메라 유닛(20)을 보호하는 반구형 커버(30)를 와이퍼부(56)이 닦아주는 상태로 작동한다.

상기 청소부재(50)는 하우징(10)의 상부와 CCTV카메라를 매달고 있는 현수봉(1)과 연결되어 하우징(10)을 연결 지지하고 있는 연결부재(40)측 내부에 구비된 제2서보모터(M2)의 구동에 의해 청소부재(50)를 회전 시키면서 청소하게 된다.

이는 상기 연결부재(40)측과 하우징(10)을 연결하는 고정축(51)상에 마련된 회전연결부(52)측 종동기어(G2)가 제2서보모터(M2)측의 구동기어(G)와 치합 회전되는 것이며, 이때의 상기 회전연결부(52)와 직각되면서 하우징(10)의 외측에 밀착된 상태로 회전하는 가이드부(54)가 그 하부측 와이퍼부(56)와 함께 회전하면서 청소하게 된다.

상기 가이드부(54)의 회전은 그 내측에 등간격지게 횡으로 마련된 안내돌기(54a)가 하우징(10)의 외측 둘레부에 형성된 안내홈(12)를 따라 유동없이 회전하게 된다.

상기와 같이 반구형 커버(30)의 내측 카메라 유닛(10)의 회전에 대해 청소부재(50)의 회전은 항시 촬영각도를 벗어난 위치에서 청소가 이루어져 쉽게 먼지가 유착되거나 거미에 의한 거미줄이 부착되는 것을 방지해주기 때문에 간섭없고 선명한 화질의 촬영 녹화가 가능하며, CCTV 통합관제센터에서 선명한 화질의 모니터링을 제공할 수 있다.

한편, 날씨가 흐리거나 우천시에는 상기 연결부재(40)에 설치되어 빗물을 감지하는 우적감지센서(S), 혹은 안개가 심하게 끼게 되어 가시거리측정기(3)를 통한 안개센서(2)에서 발생한 신호를 제어부(102)에서 인가 받게 되면, 제어부(102) 또는 상기 통합관제센터에서의 조정으로 상기 하우징(10) 내부에 구비된 필터부재(60)를 하부로 작동시킨다.

상기 필터부재(60)는 원통형의 투시창(62)이 그 상부측 구동모터(M)의 구동에 의해 회전축상의 평기어(G1)를 구동하여 승강대(64)측에 치합된 랙기어(G3) 부분을 하강시켜 줌으로써 반구형 커버(30) 내측에는 상기 투시창(62)이 위치되게 함으로써, 흐린날 또는 안개가 낀날에 도로 상황, 골목 등등의 촬영녹화에서 선명한 시야확보가 가능한 촬영이 이루어진다.

상기 필터부재(60)의 하강동작은 투시창의 상부 외측둘레에 마련된 감지링(61)의 위치가 상기 필터부재(60) 하강에 따라 하우징 내측에 마련된 제1감지센서(S1)에서 제2감지센서(S2)가 위치한 곳까지 이동 후 정지된다. 반대로 상승시에는 제2감지센서(S2)가 위치한 지점에서 제1감지센서(S1)까지 필터부재(60)가 상승한 상태의 전기적인 신호 감지에 의한 제어부(102)를 통해 높이 제어가 이루어진다.

상기와 같은 필터부재(60)의 승강 사용은 통상적으로 적외선을 이용한 촬영모드로 이루어지는 야간시에도 보다 선명한 화질을 기대할 수 있다.

맑은 날이거나 평상시 주간 모드에서는 상기 필터부재는 초기와 같은 상태로 복구시켜 투명한 반구형 커버를 통한 촬영 및 항시 청소로서 선명한 촬영 데이터를 구할 수 있다. 따라서 미세먼지 농도를 보다 정확하게 측정할 수 있다.

이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

100 : CCTV 모듈 200 : 예보 서버
110 : CCTV 카메라 120 : 기상 감지부
130 : 영상 분석부 140 : 통신부

Claims

CCTV 카메라(110);
상기 카메라를 지지하는 축에 결합되어 바람에 따라 회전하면서 풍향 및 풍속을 측정하는 풍향풍속계, 상기 카메라의 주변 온도를 감지하는 온도 센서, 및 상기 카메라의 주변 습도 변화를 감지하는 습도 센서를 포함하는 기상 감지부(120);
상기 카메라에서 촬영한 영상을 분석하여 미세먼지 농도를 측정하는 영상 분석부(130); 및
상기 기상 감지부(120), 영상 분석부(130) 및 미세먼지 센서에서 측정된 데이터를 전송하는 통신부(140);를 포함하는 CCTV 모듈(100); 및
상기 통신부(140)에서 카메라 주변의 환경 데이터, 카메라에서 촬영한 영상 신호 및 미세먼지 농도 데이터를 수신하여 대기환경 상태정보를 실시간으로 모니터링 하면서 대기환경 상태를 예보하는 미세먼지 예보 서버(200);를 포함하고,
상기 CCTV 카메라는 돔형으로, 원통형의 하우징(10) 내에 탑재되어 자체 360도 회전과 렌즈부(22)의 상하 틸트 동작하여 촬영하는 카메라 유닛(20)과, 하우징(10)의 하부에 결합되어 카메라 유닛(20)을 외부로부터 보호하는 반구형 커버(30)와, 상기 하우징(10)과 연결되며 타단은 지주로부터 고소 위치하는 현수봉(1)측에 마련되는 연결부재(40)에 현수되게 설치되고,
상기 하우징(10)과 반구형 커버(30)의 외부에 밀착 설치되어 카메라 유닛(10)의 렌즈부(22)와 반대되는 위치에서 반구형 커버(30)의 표면 청소를 위한 청소부재(50)가 제어부(102)를 통해 회전가능하게 구비되고,
상기 하우징(10) 내측에는 안개 우천시와 같은 날씨 조건에 따라 카메라 유닛(20)의 촬영 시야확보를 위한 필터부재(60)가 상기 반구형 커버(30)의 내측 수직으로 하우징(10) 내측에 구비되는 구동모터(M) 및 구동모터의 회전축에 결합되는 평기어(G1)의 치합 회전구동에 의해 상하 이동가능하게 구비되고,
상기 영상 분석부(130)는,
촬영 영상에서 산등성이와 하늘의 대조가 뚜렷한 곳 또는 주변의 건물이 없어 주변과 대조가 뚜렷한 건물이 촬영된 영역을 관심영역으로 선정하는 관심영역 선정부(131);
중간값 필터를 사용하여 영상신호에 대해 고주파 성분을 평탄화하고, 저주파 필터를 사용하여 관심영역의 가장자리를 강화하는 필터부(132); 및
상기 가장자리의 선명도에 따라 미세먼지 농도를 계산하는 계산부(134);를 포함하고,
상기 미세먼지 예보 서버(200)는, 상기 CCTV 모듈(100)로부터 수신한 날씨정보 및 미세먼지 정보를 수신하는 수신부(210);
상기 수신부(210) 및 외부 서버로부터 지역 및 시간대별 날씨 정보 및 미세먼지 정보를 수신하여 저장하는 학습 데이터 저장부(220);
상기 학습 데이터 저장부(220)에서 제공되는 정보를 기반으로 딥러닝 방식에 의해 학습하고 미세먼지 예측 모델을 생성하는 학습부(230);
상기 학습부(230)에 의해 생성된 미세먼지 예측 모델에 상기 수신부(210)에 수신된 미세먼지 정보를 입력하여 미세먼지 농도를 예측하는 예측부(240); 및
상기 예측부(240)에 사용된 미세먼지 정보와 동일한 시각에 측정된 풍향, 풍속, 습도, 및 온도 정보를 예측된 미세먼지 농도와 결합하고 서포트 벡터 회귀 모델로 미세먼지 농도를 최종 예측하여 예보하는 미세먼지 예보부(250)를 포함하고,
상기 학습부(230)는
외부 서버로부터 제공되는 지역 및 시간대별 미세먼지 예보 및 초미세먼지 예보 데이터를 수집하여 학습 데이터를 구성하고, 이를 데이터베이스에 저장하는 수집모듈;
상기 수집 모듈에 의해 데이터베이스에 저장된 학습 데이터를 읽어 오고, 학습 데이터를 기계 학습이 가능한 형태로 변환하는 전처리 모듈; 및
상기 전처리 모듈에서 전처리가 완료된 학습 데이터를 이용하여 제1 신경망 및 제2 신경망 구조에 기반한 기계 학습을 수행하고, 이로부터 복수의 미세먼지 예측 모델을 생성하는 학습 모듈을 포함하는 것을 특징으로 하는 CCTV 영상 분석을 이용한 미세먼지 예보 시스템.
삭제
제1항에 있어서,
상기 하우징(10) 내에는 카메라 유닛(20)과 연결되어 360도 회전시키는 제1서보모터(M1)가 설치되고, 상기 하우징(10)의 상부 내측과 연결부재(40)의 내측 사이에는 청소부재(50)를 360도 회전시키는 제2서보모터(M2)가 구비된 것을 특징으로 CCTV 영상 분석을 이용한 미세먼지 예보 시스템.