KR102560060B1 - Control and management System for biosecurity of livestock farms based on deep learning video analysis technology - Google Patents

Control and management System for biosecurity of livestock farms based on deep learning video analysis technology Download PDF

Info

Publication number
KR102560060B1
KR102560060B1 KR1020210034037A KR20210034037A KR102560060B1 KR 102560060 B1 KR102560060 B1 KR 102560060B1 KR 1020210034037 A KR1020210034037 A KR 1020210034037A KR 20210034037 A KR20210034037 A KR 20210034037A KR 102560060 B1 KR102560060 B1 KR 102560060B1
Authority
KR
South Korea
Prior art keywords
vehicle
livestock
cctv
image
quarantine
Prior art date
Application number
KR1020210034037A
Other languages
Korean (ko)
Other versions
KR20220129314A (en
Inventor
김종관
이강훈
Original Assignee
주식회사 인포벨리코리아
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 주식회사 인포벨리코리아 filed Critical 주식회사 인포벨리코리아
Priority to KR1020210034037A priority Critical patent/KR102560060B1/en
Priority to PCT/KR2022/001295 priority patent/WO2022196928A1/en
Publication of KR20220129314A publication Critical patent/KR20220129314A/en
Application granted granted Critical
Publication of KR102560060B1 publication Critical patent/KR102560060B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/40—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/001—Image restoration
    • G06T5/002—Denoising; Smoothing
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/14—Systems for two-way working
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q2240/00—Transportation facility access, e.g. fares, tolls or parking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Emergency Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Agronomy & Crop Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Animal Husbandry (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

본 발명은 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템에 관한 것으로, 축산농장에 대한 선제적 차단 방역을 위하여 축산농장의 적어도 1개 장소 이상의 적소에 배치되는 씨씨티브이에 임베디드 보드 형태로 설치되어 통제 관리 서버와 통신하는 통제 정보처리기를 활용하여 해당 씨씨티브이를 통해 수집한 영상을 딥러닝 영상분석 기술로 분석함으로써 축산농장과 직접적인 관계 유무와 상관없이 출입 차량과 해당 출입 차량의 출입 시간 및 출입인을 식별하고 통제 관리 서버에서 제공하는 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 기능(예컨대, 차량 경보 등)을 수행한다.
본 발명에 따르면 기존의 축산차량 등록시스템이나 차량 출입 차단기 시스템에 있어서 실제 축산차량의 축산농장 출입 여부 판단이 불분명한 문제점, 축산농장과 직접적인 관계가 있는 차량만 관리되고 택배나 우편배달 관련 차량의 출입 여부 판단이 불가한 문제점, 축산농장의 출입인 식별이 불가한 문제점, 축산농장의 출입 차량의 출입 시간을 확인할 수 없는 문제점, 축산농장에 축산차량의 출입구가 여러 개 위치하는 경우 차량 출입구의 개수에 비례하여 차량 번호판 인식기 설치에 필요한 전기 및 구조물 설치 비용이 증대하는 문제점, 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 기능이 없는 문제점 등을 모두 해결할 수 있다.The present invention relates to a livestock farm blocking quarantine control management system based on deep learning video analysis technology. For preemptive blocking and quarantine of livestock farms, a control information processor installed in the form of an embedded board in a CCTV placed in at least one place in a livestock farm and communicating with a control management server is used to analyze images collected through the CCTV using deep learning video analysis technology to identify and control vehicles entering and leaving regardless of whether or not they are directly related to the livestock farm. It performs a preliminary blocking and quarantine warning function (eg, vehicle alarm, etc.) in connection with the disease occurrence information of the livestock farm provided by the server.
According to the present invention, in the existing livestock vehicle registration system or vehicle access blocker system, it is unclear whether an actual livestock vehicle enters or exits the livestock farm, only vehicles directly related to the livestock farm are managed, and it is impossible to determine whether or not a vehicle related to courier service or postal delivery is entered. It can solve all problems, such as the increase in the cost of installing electricity and structures required for installation, and the lack of an alarm function for preventing disease in advance in connection with information on outbreaks of diseases in livestock farms.

Description

딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템{Control and management System for biosecurity of livestock farms based on deep learning video analysis technology}Control and management System for biosecurity of livestock farms based on deep learning video analysis technology}

본 발명은 축산농장 차단 방역 통제 관리시스템에 관한 것이며, 더욱 상세히는 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템에 관한 것이다.The present invention relates to a livestock farm quarantine quarantine control management system, and more particularly, to a livestock farm quarantine quarantine control management system based on deep learning image analysis technology.

축산농장 차단 방역 통제 관리시스템으로, 축산차량 등록시스템과 차량 출입 차단기 시스템 등이 활용되고 있다.As a quarantine control management system for livestock farms, a livestock vehicle registration system and a vehicle access barrier system are being used.

상기 축산차량 등록시스템은 축산농장 차단 방역 통제 관리를 위하여, 축산차량에 설치된 GPS 송출기를 통해 확인되는 축산차량의 위치가 축산농장 인근이면 해당 축산차량이 해당 축산농장에 방문한 것으로 판단한다.The livestock vehicle registration system determines that the livestock vehicle has visited the livestock farm if the location of the livestock vehicle confirmed through the GPS transmitter installed in the livestock farm is near the livestock farm for quarantine control and management of the livestock farm.

상기 축산차량 등록시스템은 GPS 송출기를 통한 축산차량의 위치 확인 범위가 지나치게 광범위하기 때문에 실제 축산차량의 축산농장 출입 여부 판단이 불분명하고, 특히 가축 이동, 사료, 가축분뇨, 수의사 등과 같이 축산농장과 직접적인 관계가 있는 차량만 관리되기 때문에 택배나 우편배달 관련 차량의 출입 여부 판단이 불가하며, 업무상 방문자, 견학자, 관련 가족 등과 같은 축산농장의 출입인 식별이 불가하다.Since the livestock vehicle registration system has an excessively wide range of location confirmation of the livestock vehicle through the GPS transmitter, it is unclear whether the actual livestock vehicle enters the livestock farm, and in particular, since only vehicles directly related to the livestock farm, such as livestock movement, feed, livestock manure, and veterinarians, are managed, it is impossible to determine whether or not a vehicle related to courier service or postal delivery is in and out, and it is impossible to identify people entering and exiting the livestock farm, such as business visitors, tour operators, and related family members.

상기 차량 출입 차단기 시스템은 축산농장 차단 방역 통제 관리를 위하여, 축산농장 진입 차량의 차량 출입 차단기 통과 여부에 따라 해당 축산차량의 해당 축산농장 방문 여부를 판단한다.The vehicle access barrier system determines whether the livestock vehicle visits the livestock farm according to whether or not the vehicle entering the livestock farm passes through the vehicle access barrier for quarantine control and management of the livestock farm.

상기 차량 출입 차단기 시스템은 차량 번호판 인식기를 설치하여 축산농장의 출입 차량을 확인할 수 있지만 해당 차량의 출입 시간을 확인할 수 없고, 특히 축산농장에 축산차량의 출입구가 여러 개 위치하는 경우 차량 출입구의 개수에 비례하여 차량 번호판 인식기 설치에 필요한 전기 및 구조물 설치 비용이 증대하며, 상기한 축산차량 등록시스템과 마찬가지로 업무상 방문자, 견학자, 관련 가족 등과 같은 축산농장의 출입인 식별이 불가하다.The vehicle access barrier system installs a vehicle license plate recognizer to check the entering and exiting vehicles of the livestock farm, but cannot check the time of entry and exit of the vehicle. In particular, when several livestock vehicle entrances are located in the livestock farm, the number of vehicle entrances increases in proportion to the number of vehicle entrances.

또한, 상기한 축산차량 등록시스템과 차량 출입 차단기 시스템은 양자 모두 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 기능이 없다.In addition, both of the livestock vehicle registration system and the vehicle access blocker system do not have a preliminary blocking and quarantine warning function linked to disease outbreak information in livestock farms.

KRKR 10-2012-010392610-2012-0103926 AA

본 발명은 상기한 종래의 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 축산농장에 대한 선제적 차단 방역을 위하여 축산농장의 적어도 1개 장소 이상의 적소에 배치되는 씨씨티브이(CCTV: Closed Circuit Television, 폐쇄회로 텔레비전)에 임베디드 보드 형태로 설치되어 통제 관리 서버와 통신하는 통제 정보처리기를 활용하여 해당 씨씨티브이를 통해 수집한 영상을 딥러닝 영상분석 기술로 분석함으로써 축산농장과 직접적인 관계 유무와 상관없이 출입 차량과 해당 출입 차량의 출입 시간 및 출입인을 식별하고 통제 관리 서버에서 제공하는 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 기능(예컨대, 차량 경보 등)을 수행하는 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템을 제공하는 것이다.The present invention is to solve the above conventional problems, and an object of the present invention is to use a control information processor installed in the form of an embedded board in a CCTV (Closed Circuit Television) placed in at least one place in a livestock farm for preemptive blocking and quarantine of a livestock farm and communicating with a control management server to analyze images collected through the CCTV with deep learning image analysis technology, thereby detecting access vehicles and corresponding vehicles regardless of direct relationship to the livestock farm. It is to provide a livestock farm blocking quarantine control management system based on deep learning image analysis technology that identifies access times and people and performs a preliminary blocking quarantine alert function (eg, vehicle alarm, etc.) linked to disease occurrence information of livestock farms provided by the control management server.

상기와 같은 본 발명의 목적을 달성하기 위하여, 본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템은, 축산농장의 적어도 1개 장소 이상의 적소에 설치되고 통제 관리 서버와 통신하는 씨씨티브이 관리기에 의해 작동이 제어되는 씨씨티브이와; 상기 씨씨티브이에 임베디드 보드 형태로 설치되어 상기 씨씨티브이 관리기의 중계에 의해 통제 관리 서버와 통신하고 상기 씨씨티브이를 통해 수집한 영상을 축산농장 차단 방역 통제 관리용으로 미리 구축해 놓은 딥러닝 영상분석 데이터셋을 이용하는 딥러닝 영상분석 기술로 분석하여 획득한 출입 차량과 해당 출입 차량의 출입 시간 및 출입인에 대한 식별 정보를 통제 관리 서버로 전달하고 통제 관리 서버로부터 경보 신호를 수신하는 경우 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보를 발생하는 통제 정보처리기; 및 상기 통제 정보처리기에서 제공하는 축산농장에 관련한 출입 차량과 해당 출입 차량의 출입 시간 및 출입인에 대한 식별 정보를 확인한 결과 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 필요 시 상기 통제 정보처리기로 경보 신호를 전달하는 통제 관리 서버;로 구성되는 것을 특징으로 한다.In order to achieve the object of the present invention as described above, the deep learning image analysis technology-based livestock farm blocking quarantine control management system according to the present invention is installed in at least one place in the livestock farm and communicates with the control management server. A CCTV whose operation is controlled by a CCTV manager; It is installed in the form of an embedded board in the CCTV, communicates with the control management server by relaying the CCTV manager, and analyzes the images collected through the CCTV with deep learning image analysis technology using a deep learning image analysis dataset built in advance for livestock farm blocking quarantine control management. a control information processor that generates; And as a result of checking the access vehicle related to the livestock farm provided by the control information processor, the access time of the vehicle, and identification information on the person entering and exiting the livestock farm, when a prior blocking quarantine alert is required in connection with the disease outbreak information of the livestock farm, the control information processor. It is characterized in that it consists of a control management server that transmits an alarm signal.

본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템에 있어서, 상기 통제 정보처리기는 상기 통제 관리 서버로부터 경보 신호를 수신하면 상기 씨씨티브이에 내장되어 있는 경보기를 작동하거나 상기 씨씨티브이 관리기를 통해 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보를 발생하는 것을 특징으로 한다.In the livestock farm blocking quarantine control management system based on deep learning image analysis technology according to the present invention, the control information processor operates an alarm built in the CCTV when an alarm signal is received from the control management server, or generates a preliminary blocking quarantine alert linked to disease outbreak information of the livestock farm through the CCTV manager.

본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템에 있어서, 상기 통제 정보처리기는 상기 씨씨티브이를 통해 수집한 영상이 딥러닝 영상분석에 적합한 해상도와 절단(crop) 범위를 갖도록 전처리하는 영상 전처리부와; 상기 영상 전처리부에 의해 전처리된 영상의 초당 프레임 수(FPS: Frame Per Second)를 조정하고 해당 영상을 딥러닝 영상분석 기술로 분석하여 출입 차량과 차량 번호판 및 사람을 각각 하나의 객체로 구별하여 인식하는 객체 인식부; 상기 영상 전처리부에 의해 전처리된 영상에서의 위치를 기반으로 차량 객체의 위치 변화를 추적하여 상기 객체 인식부에 의해 인식된 차량 번호판 객체들을 필터링한 후, 필터링된 복수의 차량 번호판 객체들을 딥러닝 영상분석 기술로 분석하여 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보를 획득하는 번호판 인식부; 상기 영상 전처리부가 전처리한 영상에서의 위치를 기반으로 차량 객체 혹은 사람 객체의 위치 변화를 추적하여 추적 대상 차량 객체에서 사람 객체의 하차가 있는 것으로 판단되면 상기 번호판 인식부에서 획득한 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보에 하차 인원수를 더 포함한 식별 정보를 획득하는 하차 판단부; 및 상기 번호판 인식부와 상기 하차 판단부에서 획득한 식별 정보를 상기 통제 관리 서버로 전달하고 상기 통제 관리 서버로부터 경보 신호를 수신하는 통신부;로 구성되는 것을 특징으로 한다.In the quarantine control management system for livestock farms based on deep learning image analysis technology according to the present invention, the control information processor preprocesses images collected through the CCTV to have a resolution and crop range suitable for deep learning image analysis An image preprocessing unit; An object recognition unit for adjusting the number of frames per second (FPS) of the image pre-processed by the image pre-processing unit and analyzing the image with deep learning image analysis technology to distinguish and recognize entering and exiting vehicles, vehicle license plates, and people as one object; After filtering the license plate objects recognized by the object recognition unit by tracking the position change of the vehicle object based on the position in the image preprocessed by the image pre-processing unit, a plurality of filtered license plate objects are analyzed with deep learning image analysis technology License plate recognition unit for acquiring identification information including the vehicle number and accuracy of the vehicle number, the vehicle image obtained with the vehicle number, and the vehicle entering and exiting time; When it is determined that a person object gets off from the vehicle object to be tracked by tracking a positional change of a vehicle object or a human object based on a position in the image preprocessed by the image preprocessing unit, a vehicle number obtained from the license plate recognition unit and the accuracy of the vehicle number, a vehicle image obtained with the vehicle number, and identification information including the number of people getting off the vehicle are obtained; And a communication unit for transmitting the license plate recognition unit and the identification information obtained from the getting off determination unit to the control management server and receiving an alarm signal from the control management server.

본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템에 있어서, 상기 객체 인식부는 차량 객체를 승용차와 승합차, 화물차, 특수차 및 이륜차로 구별하여 탐지하는 것을 특징으로 한다.In the quarantine quarantine control management system for livestock farms based on deep learning image analysis technology according to the present invention, the object recognition unit distinguishes and detects vehicle objects into passenger cars, vans, trucks, special vehicles, and two-wheeled vehicles.

본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템에 있어서, 상기 객체 인식부는 상기 영상 전처리부에 의해 전처리된 영상 전체를 정해진 배율만큼 작은 영상으로 변환한 후 변환된 영상의 초당 프레임 수(FPS)를 조정하되, 현재 프레임의 특징과 이전 프레임의 특징의 차이를 계산한 특징값의 합이 사전에 정의된 한계값(threshold) 이하일 경우 움직임이 없는 영상으로 판정하고 상기 전처리된 영상의 초당 프레임 수(FPS)를 사전에 정의된 값으로 낮추는 것을 특징으로 한다.In the livestock farm quarantine quarantine control management system based on deep learning image analysis technology according to the present invention, the object recognition unit converts the entire image preprocessed by the image preprocessing unit into an image that is smaller by a predetermined magnification, and then adjusts the number of frames per second (FPS) of the converted image. It is characterized by lowering to a defined value.

본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템에 있어서, 상기 번호판 인식부는 번호판 객체를 가장자리(border), 숫자, 문자, 지역명으로 구별하여 인식하는 것을 특징으로 한다.In the quarantine quarantine control management system for livestock farms based on deep learning image analysis technology according to the present invention, the license plate recognition unit distinguishes and recognizes license plate objects by borders, numbers, letters, and regional names.

본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템에 있어서, 상기 하차 판단부는 차량 객체 혹은 사람 객체의 위치 변화를 추적하는 과정에서 이전 프레임에서 등장하지 않았던 새로운 사람 객체가 인식되면 새롭게 인식된 사람 객체와 겹치는 부분이 있는 차량 객체가 있는지 확인한 다음, 새롭게 인식된 사람 객체와 겹치는 부분이 있는 차량 객체가 존재하면 그 사람은 차량에서 하차한 사람이라고 판단하고 하차 인원수의 카운트 값을 늘려주고, 사전에 정해 놓은 프레임 개수 이상 사람 객체가 인식되지 않으면 상기 번호판 인식부에서 획득한 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보만 획득하는 것을 특징으로 한다.In the livestock farm quarantine quarantine control management system based on deep learning image analysis technology according to the present invention, when a new human object that has not appeared in a previous frame is recognized in the process of tracking a change in the position of a vehicle object or a human object, the getting off determination unit checks whether there is a vehicle object that overlaps with the newly recognized human object, and then, if there is a vehicle object that overlaps with the newly recognized human object, it determines that the person is a person getting off the vehicle, increases the count value of the number of people getting off, and increases the count value of the number of people getting off the vehicle. If not recognized, it is characterized in that only identification information including the vehicle number obtained from the license plate recognition unit and the accuracy of the vehicle number, the vehicle image obtained with the vehicle number and the vehicle access time is acquired.

본 발명에 따르면 기존의 축산차량 등록시스템이나 차량 출입 차단기 시스템에 있어서 실제 축산차량의 축산농장 출입 여부 판단이 불분명한 문제점, 가축 이동, 사료, 가축분뇨, 수의사 등과 같이 축산농장과 직접적인 관계가 있는 차량만 관리되고 택배나 우편배달 관련 차량의 출입 여부 판단이 불가한 문제점, 업무상 방문자, 견학자, 관련 가족 등과 같은 축산농장의 출입인 식별이 불가한 문제점, 축산농장의 출입 차량의 출입 시간을 확인할 수 없는 문제점, 축산농장에 축산차량의 출입구가 여러 개 위치하는 경우 차량 출입구의 개수에 비례하여 차량 번호판 인식기 설치에 필요한 전기 및 구조물 설치 비용이 증대하는 문제점, 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 기능이 없는 문제점 등을 모두 해결할 수 있다.According to the present invention, in the existing livestock vehicle registration system or vehicle access blocker system, it is unclear whether an actual livestock vehicle enters the livestock farm, only vehicles directly related to the livestock farm, such as livestock movement, feed, livestock manure, veterinarian, etc. When multiple livestock vehicle entrances are located in the field, the problem of increasing electricity and structure installation costs required for installing a license plate recognizer in proportion to the number of vehicle entrances and the lack of a pre-blocking quarantine alarm function linked to disease outbreak information in livestock farms can all be solved.

도 1은 본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템의 구성을 나타낸 블록도.
도 2는 도 1에 나타낸 통제 정보처리기의 구성을 나타낸 블록도.1 is a block diagram showing the configuration of a quarantine control management system for livestock farms based on deep learning image analysis technology according to the present invention.
Figure 2 is a block diagram showing the configuration of the control information processor shown in Figure 1;

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 더욱 상세하게 설명한다.Hereinafter, embodiments of the present invention will be described in more detail with reference to the accompanying drawings.

이하에서 설명하는 본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템은 하기의 실시예에 한정되지 않고, 청구범위에서 청구하는 기술의 요지를 벗어남이 없이 해당 기술분야에 대하여 통상의 지식을 가진 자라면 누구든지 변경하여 실시할 수 있는 범위까지 그 기술적 정신이 있다.The livestock farm quarantine quarantine control management system based on deep learning image analysis technology according to the present invention described below is not limited to the following embodiments, and has ordinary knowledge in the relevant technical field without departing from the gist of the technology claimed in the claims. It has its technical spirit to the extent that anyone can change and implement it.

도 1에 나타낸 바와 같이, 본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템(100)은 씨씨티브이(110)와 통제 정보처리기(120) 및 통제 관리 서버(130)를 포함하여 구성된다.As shown in FIG. 1, the deep learning image analysis technology-based livestock farm quarantine quarantine control management system 100 according to the present invention includes a CCTV 110, a control information processor 120, and a control management server 130. It is configured.

상기 씨씨티브이(110)는 축산농장의 적어도 1개 장소 이상의 적소에 설치되고 통제 관리 서버(130)와 통신하는 씨씨티브이 관리기(110a)에 의해 작동이 제어된다.The operation of the CCTV 110 is controlled by a CCTV manager 110a that is installed in at least one place in a livestock farm and communicates with the control management server 130 .

상기 씨씨티브이 관리기(110a)는 축산농장의 적어도 1개 장소 이상의 적소에 설치되어 있는 씨씨티브이(110)의 작동을 제어하는 컴퓨터 단말이고, 각각의 씨씨티브이(110)에 의해 촬영되어 수집되는 영상을 표시하는 디스플레이를 포함한다.The CCTV manager 110a is a computer terminal that controls the operation of CCTVs 110 installed in at least one place in a livestock farm, and displays images captured and collected by each CCTV 110. It includes a display.

상기 씨씨티브이 관리기(110a)는 상기 씨씨티브이(110)에 내장되는 통제 정보처리기(120)와 통제 관리 서버(130) 사이의 통신을 중계한다.The CCTV manager 110a relays communication between the control information processor 120 and the control management server 130 embedded in the CCTV 110 .

상기 통제 정보처리기(120)는 상기 씨씨티브이(110)에 임베디드 보드 형태로 설치되어 상기 씨씨티브이 관리기(110a)의 중계에 의해 통제 관리 서버(130)와 통신한다.The control information processor 120 is installed in the CCTV 110 in the form of an embedded board and communicates with the control management server 130 by relaying the CCTV manager 110a.

상기 통제 정보처리기(120)는 상기 씨씨티브이(110)를 통해 수집한 영상을 축산농장 차단 방역 통제 관리용으로 미리 구축해 놓은 딥러닝 영상분석 데이터셋을 이용하는 딥러닝 영상분석 기술로 분석한다.The control information processor 120 analyzes the images collected through the CCTV 110 with deep learning image analysis technology using a deep learning image analysis dataset built in advance for quarantine control management of livestock farms.

상기 통제 정보처리기(120)는 딥러닝 영상분석 데이터셋을 이용하는 딥러닝 영상분석 기술로 분석하여 획득한 출입 차량과 해당 출입 차량의 출입 시간 및 출입인에 대한 식별 정보를 통제 관리 서버(130)로 전달한다.The control information processor 120 analyzes and analyzes with deep learning image analysis technology using a deep learning image analysis data set, and transmits the acquired vehicle, the time of entry and exit of the vehicle, and identification information on the person entering and leaving the control management server 130.

상기 통제 정보처리기(120)는 통제 관리 서버(130)로부터 경보 신호를 수신하는 경우 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보(예컨대, 차량 경보 등)를 발생한다.When the control information processor 120 receives an alarm signal from the control management server 130, it generates a pre-blocking quarantine alarm (eg, vehicle alarm, etc.) linked to disease occurrence information of the livestock farm.

상기 통제 정보처리기(120)는 상기 통제 관리 서버(130)로부터 경보 신호를 수신하면 상기 씨씨티브이(110)에 내장되어 있는 경보기(미도시)를 작동하거나 상기 씨씨티브이 관리기(110a)를 통해 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보(예컨대, 차량 경보 등)를 발생한다.When the control information processor 120 receives an alarm signal from the control management server 130, it operates a built-in alarm (not shown) in the CCTV 110 or through the CCTV manager 110a. Generates a pre-blocking quarantine alarm (e.g., vehicle alarm, etc.) linked to disease occurrence information of the livestock farm.

도 2에 나타낸 바와 같이, 상기 통제 정보처리기(120)는 영상 전처리부(121)와 객체 인식부(122), 번호판 인식부(123), 하차 판단부(124) 및 통신부(125)를 포함하여 구성된다.As shown in FIG. 2, the control information processor 120 includes an image pre-processing unit 121, an object recognition unit 122, a license plate recognition unit 123, a getting off determination unit 124, and a communication unit 125. It is configured.

상기 영상 전처리부(121)는 상기 씨씨티브이(110)를 통해 수집한 영상이 딥러닝 영상분석에 적합한 해상도와 절단(crop) 범위를 갖도록 전처리한다.The image pre-processing unit 121 pre-processes the images collected through the CCTV 110 to have a resolution and crop range suitable for deep learning image analysis.

상기 객체 인식부(122)는 상기 영상 전처리부(121)에 의해 전처리된 영상의 초당 프레임 수(FPS: Frame Per Second)를 조정하고(예컨대, 6 FPS, 39 FPS, 46 FPS 등) 해당 영상을 딥러닝 영상분석 기술로 분석하여 출입 차량과 차량 번호판 및 사람을 각각 하나의 객체로 구별하여 인식한다.The object recognition unit 122 adjusts the number of frames per second (FPS) of the image preprocessed by the image pre-processing unit 121 (e.g., 6 FPS, 39 FPS, 46 FPS, etc.) and analyzes the image with deep learning image analysis technology to distinguish and recognize incoming and outgoing vehicles, license plates, and people as one object.

상기 객체 인식부(122)는 차량 객체를 승용차와 승합차, 화물차, 특수차 및 이륜차로 구별하여 인식한다.The object recognizing unit 122 recognizes vehicle objects by classifying them into passenger cars, vans, trucks, special vehicles, and two-wheeled vehicles.

상기 객체 인식부(122)는 상기 영상 전처리부(121)에 의해 전처리된 영상 전체를 정해진 배율만큼 작은 영상으로 변환한 후 변환된 영상의 초당 프레임 수(FPS)를 조정하되, 현재 프레임의 특징과 이전 프레임의 특징의 차이를 계산한 특징값의 합이 사전에 정의된 한계값(threshold) 이하일 경우 움직임이 없는 영상으로 판정하고 상기 전처리된 영상의 초당 프레임 수(FPS)를 사전에 정의된 값으로 낮춘다.The object recognition unit 122 converts the entire image preprocessed by the image preprocessor 121 into an image smaller than a predetermined magnification, and then adjusts the number of frames per second (FPS) of the converted image. If the sum of the feature values calculated between the characteristics of the current frame and the characteristics of the previous frame is equal to or less than a predefined threshold, it is determined that the image is motionless and the number of frames per second (FPS) of the preprocessed image is lowered to a predefined value.

상기 번호판 인식부(123)는 상기 영상 전처리부(121)에 의해 전처리된 영상에서의 위치를 기반으로 차량 객체의 위치 변화를 추적하여 상기 객체 인식부(121)에 의해 인식된 차량 번호판 객체들을 필터링한 후, 필터링된 복수의 차량 번호판 객체들을 딥러닝 영상분석 기술로 분석하여 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보를 획득한다.The license plate recognition unit 123 tracks the position change of the vehicle object based on the position in the image preprocessed by the image pre-processing unit 121, filters the license plate objects recognized by the object recognition unit 121, and then analyzes the filtered plurality of license plate objects with deep learning image analysis technology to obtain identification information including the vehicle number and the accuracy of the vehicle number, the vehicle image obtained with the vehicle number, and the vehicle access time.

상기 번호판 인식부(123)는 번호판 객체를 가장자리(border), 숫자, 문자, 지역명으로 구별하여 인식한다.The license plate recognition unit 123 recognizes license plate objects by distinguishing them into borders, numbers, characters, and region names.

상기 하차 판단부(124)는 상기 영상 전처리부(121)가 전처리한 영상에서의 위치를 기반으로 차량 객체 혹은 사람 객체의 위치 변화를 추적하여 추적 대상 차량 객체에서 사람 객체의 하차가 있는 것으로 판단되면 상기 번호판 인식부(123)에서 획득한 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보에 하차 인원수를 더 포함한 식별 정보를 획득한다.The getting off determination unit 124 tracks the positional change of a vehicle object or a human object based on the location in the image preprocessed by the image preprocessing unit 121, and when it is determined that there is a human object getting off the vehicle object to be tracked, the license plate recognition unit 123 acquires the license plate recognition unit 123, obtains identification information including the number of people getting off the vehicle and identification information including the accuracy of the license plate number, the vehicle image obtained with the vehicle number, and the time of entering and exiting the vehicle.

상기 하차 판단부(124)는 차량 객체 혹은 사람 객체의 위치 변화를 추적하는 과정에서 이전 프레임에서 등장하지 않았던 새로운 사람 객체가 인식되면 새롭게 인식된 사람 객체와 겹치는 부분이 있는 차량 객체가 있는지 확인한 다음, 새롭게 인식된 사람 객체와 겹치는 부분이 있는 차량 객체가 존재하면 그 사람은 차량에서 하차한 사람이라고 판단하고 하차 인원수의 카운트 값을 늘려준다.When a new human object that did not appear in the previous frame is recognized in the process of tracking the position change of the vehicle object or human object, the getting off determination unit 124 checks whether there is a vehicle object that overlaps with the newly recognized human object, and if there is a vehicle object that overlaps with the newly recognized human object, it determines that the person is a person who got off the vehicle and increases the count value of the number of people getting off the vehicle.

상기 하차 판단부(124)는 차량 객체 혹은 사람 객체의 위치 변화를 추적하는 과정에서 사전에 정해 놓은 프레임 개수 이상 사람 객체가 인식되지 않으면 상기 번호판 인식부(123)에서 획득한 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보만 획득한다.The getting off determination unit 124 acquires only the vehicle number obtained from the license plate recognition unit 123 and identification information including the accuracy of the vehicle number, the vehicle image obtained with the vehicle number, and the vehicle entering/exiting time when the human object is not recognized over a predetermined number of frames in the process of tracking the position change of the vehicle object or the human object.

상기 통신부(125)는 상기 번호판 인식부(123)와 상기 하차 판단부(124)에서 획득한 식별 정보를 상기 통제 관리 서버(130)로 전달하고 상기 통제 관리 서버(130)로부터 경보 신호를 수신한다.The communication unit 125 transfers the identification information obtained from the license plate recognition unit 123 and the getting off determination unit 124 to the control management server 130 and receives an alarm signal from the control management server 130.

상기 통제 관리 서버(130)는 상기 통제 정보처리기(120)에서 제공하는 축산농장에 관련한 출입 차량과 해당 출입 차량의 출입 시간 및 출입인에 대한 식별 정보를 확인한 결과 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 필요 시 상기 통제 정보처리기(120)로 경보 신호를 전달한다.The control management server 130 checks the access vehicle related to the livestock farm provided by the control information processor 120, the access time of the vehicle, and the identification information on the person entering and exiting the livestock farm. As a result, an alarm signal is transmitted to the control information processor 120 when a quarantine alert is required.

예컨대, 상기 통제 관리 서버(130)는 농림축산검역본부(KAHIS)에서 제공하는 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 필요 시, 질병 발생 농장 출입 차량에 출입 시 상기 통제 정보처리기(120)로 경보 신호를 전달하여 경보음을 발생하게 하여 농장주에게 알려주거나, 경보 신호 전달 후 상기 씨씨티브이 관리기(110a)를 통해 해당 차량에 대한 방문 이력 검색 요청이 있는 경우, 질병 발생 농장 출입 차량에 대한 타 축산농장 방문 이력 검색 서비스를 제공할 수 있다.For example, the control management server 130 transmits an alarm signal to the control information processor 120 when a vehicle entering or entering a disease-occurring farm is required in connection with disease occurrence information of a livestock farm provided by the Agriculture, Forestry and Livestock Quarantine Service (KAHIS) to inform the farm owner, or if there is a request to search the history of visiting the vehicle through the CCTV manager 110a after the alarm signal is transmitted, other axis for the vehicle entering the disease-occurring farm A mountain farm visit history search service may be provided.

상기와 같이 구성되는 본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템(100)은 다음과 같이 작동한다.The livestock farm quarantine quarantine control management system 100 based on deep learning image analysis technology according to the present invention configured as described above operates as follows.

본 발명에 따른 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템(100)에 있어서, 상기 씨씨티브이(110)는 축산농장의 적어도 1개 장소 이상의 적소에 설치된다. 예컨대, 축산농장의 농장주가 축산농장 차단 방역을 필요로 하는 장소마다 씨씨티브이(110)를 설치할 수 있다.In the livestock farm prevention and control management system 100 based on deep learning image analysis technology according to the present invention, the CCTV 110 is installed in at least one place in the livestock farm. For example, the owner of a livestock farm can install a CCTV 110 in each place that requires livestock farm blocking quarantine.

이처럼, 축산농장의 적어도 1개 장소 이상의 적소에 설치된 씨씨티브이(110)는 상기 씨씨티브이 관리기(110a)에 의해 작동이 제어되며, 씨씨티브이(110)의 작동 중에는 각각의 씨씨티브이(110)에 의해 촬영되어 수집되는 영상이 상기 씨씨티브이 관리기(110a)의 디스플레이를 통해 표시된다.As such, the operation of the CCTVs 110 installed in at least one or more suitable places of the livestock farm is controlled by the CCTV manager 110a, and during operation of the CCTV 110, images captured and collected by each CCTV 110 are displayed through the display of the CCTV manager 110a.

한편, 상기와 같이 씨씨티브이(110)에 의해 수집되는 영상은 상기 통제 정보처리기(120)로 전달되고, 상기 통제 정보처리기(120)는 상기 씨씨티브이(110)를 통해 수집한 영상을 축산농장 차단 방역 통제 관리용으로 미리 구축해 놓은 딥러닝 영상분석 데이터셋을 이용하는 딥러닝 영상분석 기술로 분석한다.On the other hand, the images collected by the CCTV 110 as described above are transmitted to the control information processor 120, and the control information processor 120 analyzes the images collected through the CCTV 110 with deep learning image analysis technology using a deep learning image analysis dataset built in advance for quarantine control management of livestock farms.

본 발명의 실시예에서는 Faster R-CNN(Region of Convolutional Neural Network), SSD(Single Shot Multi-box Detector), YOLO(You Only Look Once) 등의 딥러닝 영상분석 기술이 사용될 수 있으며, YOLO 딥러닝 영상분석 기술을 사용하는 것이 가장 바람직하다.In an embodiment of the present invention, deep learning image analysis technologies such as Faster Region of Convolutional Neural Network (R-CNN), Single Shot Multi-box Detector (SSD), and You Only Look Once (YOLO) may be used. It is most preferable to use YOLO deep learning image analysis technology.

또한, 상기한 딥러닝 영상분석 데이터셋은 하기의 표 1 혹은 표 2와 같이 구축할 수 있다.In addition, the above deep learning image analysis dataset can be constructed as shown in Table 1 or Table 2 below.

구분division 촬영 데이터shooting data 크롤링 데이터crawl data 오픈 데이터open data 추가 생성 데이터Additional generated data 자동차(+번호판)car (+ license plate) 1,000장 이상Over 1,000 copies 500장 이상over 500 copies -- -- 사람person 1,000장 이상Over 1,000 copies -- 500장 이상over 500 copies -- 자동차 + 사람car + person 500장 이상over 500 copies -- -- -- 번호판license plate -- -- -- 1,000장 이상Over 1,000 copies

구분division 실제 번호판 데이터actual license plate data 추가 생성 데이터Additional generated data 번호판license plate 200장 이상200 or more 50,000장 이상Over 50,000 copies 번호판 문자(한글) OnlyLicense plate text (Korean) Only -- 5,000장 이상Over 5,000 copies

상기 표 1은 사람, 자동차, 번호판 유형 데이터셋을 예시하는 것이고, 상기 표 2는 차량 번호판 유형 데이터셋을 예시하는 것이다. 상기 표 1에 있어서, 4개의 구분은 딥러닝 영상 분석에 사용하는 영상으로서, 자동차(+번호판)는 번호판이 있는 자동차 영상, 사람은 사람만 있는 영상, 자동차+사람은 자동차와 사람이 함께 있는 영상, 번호판은 차량의 번호판 영상이다.Table 1 illustrates datasets of people, vehicles, and license plate types, and Table 2 illustrates datasets of vehicle license plate types. In Table 1, the four divisions are images used for deep learning image analysis, where car (+ license plate) is an image of a car with a license plate, human is an image of only a person, car + person is an image of a car and a person together, and license plate is a license plate image of a vehicle.

상기 표 2에 있어서, 2개의 구분은 딥러닝 영상 분석에 사용하는 영상으로서, 번호판 영상과 한글 문자만 있는 번호판 영상이다.In Table 2, two divisions are images used for deep learning image analysis, a license plate image and a license plate image containing only Korean characters.

상기 표 1 내지 표 2에 있어서, 촬영 데이터는 씨씨티브이 혹은 드론으로 실제 촬영한 데이터이고, 크롤링 데이터는 웹상에서 크롤링으로 수집한 데이터이고, 오픈 데이터는 누구나 이용할 수 있는 공개된 데이터이고, 실제 번호판 데이터는 상기한 촬영 데이터에서 실제 번호판 부분만 추출한 데이터이고, 추가 생성 데이터는 딥러닝 영상 분석에 사용할 수 있게 인위적으로 생성한 데이터이다.In Tables 1 and 2, the photographing data is data actually photographed by a CCTV or drone, the crawl data is data collected by crawling on the web, and the open data is open data that anyone can use. The actual license plate data is data extracted from only the actual license plate part from the above photographed data, and additional generated data is artificially generated data that can be used for deep learning video analysis.

상기 통제 정보처리기(120)가 상기 씨씨티브이(110)를 통해 수집한 영상을 상기 표 1 내지 표 2와 같이 예시한 딥러닝 영상분석 데이터셋을 이용하여 딥러닝 영상분석 기술로 분석하는 작동을 도 2를 참조하여 설명한다.The operation of analyzing the images collected by the control information processor 120 through the CCTV 110 with deep learning image analysis technology using the deep learning image analysis data set illustrated in Tables 1 to 2 will be described with reference to FIG. 2.

먼저, 상기 영상 전처리부(121)가 상기 씨씨티브이(110)를 통해 수집한 영상을 딥러닝 영상분석에 적합한 해상도와 절단(crop) 범위를 갖도록 전처리하면, 연이어서 상기 객체 인식부(122)가 전처리된 영상의 초당 프레임 수(FPS: Frame Per Second)를 조정하고(예컨대, 6 FPS, 39 FPS, 46 FPS 등) 해당 영상을 딥러닝 영상분석 기술로 분석하여 출입 차량과 차량 번호판 및 사람을 각각 하나의 객체로 구별하여 인식한다.First, when the image pre-processing unit 121 pre-processes the image collected through the CCTV 110 to have a resolution and crop range suitable for deep learning image analysis, the object recognition unit 122 subsequently adjusts the number of frames per second (FPS) of the pre-processed image (eg, 6 FPS, 39 FPS, 46 FPS, etc.) Recognize it as an object.

이때, 상기 객체 인식부(122)는 차량 객체를 승용차와 승합차, 화물차, 특수차 및 이륜차로 구별하여 인식한다.At this time, the object recognition unit 122 classifies and recognizes vehicle objects as passenger cars, vans, trucks, special vehicles, and two-wheeled vehicles.

또한, 이때 상기 객체 인식부(122)는 전처리된 영상 전체를 정해진 배율만큼 작은 영상으로 변환한 후 변환된 영상의 초당 프레임 수(FPS)를 조정하되, 현재 프레임의 특징과 이전 프레임의 특징의 차이를 계산한 특징값의 합이 사전에 정의된 한계값(threshold) 이하일 경우 움직임이 없는 영상으로 판정하고 상기 전처리된 영상의 초당 프레임 수(FPS)를 사전에 정의된 값으로 낮춘다.In addition, at this time, the object recognition unit 122 converts the entire preprocessed image into an image smaller than a predetermined magnification, and then adjusts the number of frames per second (FPS) of the converted image. If the sum of the feature values obtained by calculating the difference between the characteristics of the current frame and the characteristics of the previous frame is equal to or less than a predefined threshold, it is determined that the image is motionless and the number of frames per second (FPS) of the preprocessed image is lowered to a predefined value.

이처럼, 상기 전처리된 영상의 초당 프레임 수(FPS)를 사전에 정의된 값으로 낮추면 상기 통제 정보처리기(120)의 딥러닝 영상분석에 필요한 연산 부하를 경감함으로써 딥러닝 영산분석 시간을 효율적으로 단축할 수 있다.As such, when the number of frames per second (FPS) of the preprocessed image is lowered to a predefined value, the computational load required for deep learning image analysis of the control information processor 120 is reduced, thereby efficiently reducing the deep learning motion analysis time.

상기 객체 인식부(122)가 전처리된 영상을 딥러닝 영상분석 기술로 분석하여 인식한 출입 차량 객체와 차량 번호판 객체 및 사람 객체 중, 차량 번호판 객체는 상기 번호판 인식부(123)로 전달되고, 상기 출입 차량 객체와 사람 객체는 상기 하차 판단부(124)로 전달된다.Among the entering and exiting vehicle objects, license plate objects, and human objects recognized by analyzing the preprocessed image by the object recognition unit 122 with deep learning image analysis technology, the license plate object is transmitted to the license plate recognition unit 123, and the incoming vehicle object and human object are transmitted to the getting off determination unit 124.

상기 차량 번호판 객체를 전달받은 상기 번호판 인식부(123)는 상기 전처리된 영상에서의 위치를 기반으로 차량 객체의 위치 변화를 추적하여 상기 객체 인식부(121)에 의해 인식된 차량 번호판 객체들을 필터링한 후, 필터링된 복수의 차량 번호판 객체들을 딥러닝 영상분석 기술로 분석하여 차량 번호와 차량 번호의 정확도(예컨대, 정확도 99%), 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보를 획득한다.After receiving the license plate object, the license plate recognition unit 123 tracks the position change of the vehicle object based on the position in the preprocessed image, filters the license plate objects recognized by the object recognition unit 121, and then analyzes the filtered license plate objects with deep learning image analysis technology to obtain identification information including the vehicle number and accuracy of the vehicle number (e.g., 99% accuracy), the image of the vehicle from which the license plate was acquired, and the vehicle access time.

이때, 상기 번호판 인식부(123)는 번호판 객체를 가장자리(border), 숫자, 문자, 지역명으로 구별하여 인식하는 것이 바람직하며, 이로 인해 차량 번호의 정확도를 높일 수 있다.At this time, it is preferable that the license plate recognition unit 123 recognizes license plate objects by distinguishing them into borders, numbers, characters, and region names, thereby increasing the accuracy of vehicle numbers.

상기 출입 차량 객체와 사람 객체를 전달받은 상기 하차 판단부(124)는 상기 전처리된 영상에서의 위치를 기반으로 차량 객체 혹은 사람 객체의 위치 변화를 추적하여 추적 대상 차량 객체에서 사람 객체의 하차 유무를 판단한다.Upon receiving the incoming and outgoing vehicle object and the human object, the getting off determination unit 124 tracks the location change of the vehicle object or the human object based on the location in the pre-processed image, and determines whether the human object gets out of the vehicle object to be tracked.

만약, 추적 대상 차량 객체에서 사람 객체의 하차가 있는 것으로 판단되면, 상기 하차 판단부(124)는 상기 번호판 인식부(123)에서 획득한 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보에 하차 인원수를 더 포함한 식별 정보를 획득한다.If it is determined that there is a human object getting off from the vehicle object to be tracked, the getting off determination unit 124 acquires the vehicle number obtained from the license plate recognition unit 123, the accuracy of the vehicle number, the obtained vehicle image, and identification information including the number of people getting off the vehicle and the identification information including the vehicle entry and exit time.

특히, 상기 하차 판단부(124)가 차량 객체 혹은 사람 객체의 위치 변화를 추적하는 과정에서, 만약 이전 프레임에서 등장하지 않았던 새로운 사람 객체가 인식되면, 상기 하차 판단부(124)는 새롭게 인식된 사람 객체와 겹치는 부분이 있는 차량 객체가 있는지 확인한 다음, 새롭게 인식된 사람 객체와 겹치는 부분이 있는 차량 객체가 존재하면 그 사람은 차량에서 하차한 사람이라고 판단하고 하차 인원수의 카운트 값을 늘려준다.In particular, in the process of tracking the change in position of the vehicle object or human object by the getting off determination unit 124, if a new human object that did not appear in the previous frame is recognized, the getting off determination unit 124 checks whether there is a vehicle object that overlaps with the newly recognized human object, and if there is a vehicle object that overlaps with the newly recognized human object, it determines that the person is a person who got off the vehicle and increases the count value of the number of people getting off the vehicle.

또한, 상기 하차 판단부(124)가 차량 객체 혹은 사람 객체의 위치 변화를 추적하는 과정에서, 만약 사전에 정해 놓은 프레임 개수 이상 사람 객체가 인식되지 않으면, 상기 하차 판단부(124)는 상기 번호판 인식부(123)에서 획득한 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보만 획득한다.In addition, in the process of the getting off determination unit 124 tracking the positional change of the vehicle object or the human object, if the human object is not recognized more than the number of frames set in advance, the getting off determination unit 124 acquires only the vehicle number obtained from the license plate recognition unit 123, the accuracy of the vehicle number, the vehicle image obtained with the vehicle number, and identification information including the vehicle access time.

상기와 같이 상기 번호판 인식부(123)와 상기 하차 판단부(124)에서 획득한 식별 정보는 상기 통신부(125)를 통해 상기 통제 관리 서버(130)로 전달된다.As described above, the identification information acquired by the license plate recognition unit 123 and the getting off determination unit 124 is transmitted to the control management server 130 through the communication unit 125 .

상기 식별 정보를 전달받은 상기 통제 관리 서버(130)는 해당 식별 정보를 확인하고, 그 결과 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보(예컨대, 차량 경보 등) 필요 시 상기 통제 정보처리기(120)로 경보 신호를 전달한다.Upon receiving the identification information, the control management server 130 checks the identification information, and as a result, if a preliminary blocking quarantine alert (eg, vehicle alarm, etc.) is required in conjunction with the disease outbreak information of the livestock farm, the control information processor 120. Sends an alarm signal.

이때, 상기 경보 신호를 전달받은 상기 통신부(125)는 상기 씨씨티브이(110)에 내장되어 있는 경보기(미도시)를 작동하거나 상기 씨씨티브이 관리기(110a)를 통해 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보(예컨대, 차량 경보 등)를 발생한다.At this time, the communication unit 125 that has received the alarm signal operates an alarm (not shown) built into the CCTV 110 or linked with disease occurrence information of the livestock farm through the CCTV manager 110a. A quarantine alarm (eg, a vehicle alarm, etc.) is generated.

예컨대, 상기 통제 관리 서버(130)가 농림축산검역본부(KAHIS)에서 제공하는 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 필요 시, 질병 발생 농장 출입 차량에 출입 시 상기 통제 정보처리기(120)로 경보 신호를 전달하면, 상기 통신부(125)는 경보음을 발생하여 농장주에게 알려준다.For example, when the control management server 130 requires a prior blocking quarantine alert linked to disease occurrence information of a livestock farm provided by the Korea Agriculture, Forestry and Livestock Quarantine Service (KAHIS), the control information processor 120 when a vehicle entering or exiting a disease-occurring farm is entered. When an alarm signal is transmitted to the communication unit 125, the communication unit 125 generates an alarm sound and informs the farm owner.

한편, 상기 통신부(125)가 경보 신호를 전달받은 후, 상기 씨씨티브이 관리기(110a)를 통해 해당 차량에 대한 방문 이력 검색 요청이 있는 경우, 상기 통제 관리 서버(130)는 상기 씨씨티브이 관리기(110a)를 통해 질병 발생 농장 출입 차량에 대한 타 축산농장 방문 이력 검색 서비스를 제공할 수 있다.On the other hand, after the communication unit 125 receives the alarm signal, if there is a request to search the visit history of the corresponding vehicle through the CCTV manager 110a, the control management server 130 may provide a visit history search service to other livestock farms for vehicles entering and exiting disease-prone farms through the CCTV manager 110a.

상기한 바에서 알 수 있듯이, 본 발명에 따르면 기존의 축산차량 등록시스템에 있어서, 실제 축산차량의 축산농장 출입 여부 판단이 불분명한 문제점, 가축 이동, 사료, 가축분뇨, 수의사 등과 같이 축산농장과 직접적인 관계가 있는 차량만 관리되고 택배나 우편배달 관련 차량의 출입 여부 판단이 불가한 문제점, 업무상 방문자, 견학자, 관련 가족 등과 같은 축산농장의 출입인 식별이 불가한 문제점, 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 기능이 없는 문제점 등을 모두 해결할 수 있다.As can be seen from the above, according to the present invention, in the existing livestock vehicle registration system, it is unclear whether actual livestock vehicles enter or not enter the livestock farm, only vehicles directly related to the livestock farm, such as livestock movement, feed, livestock manure, veterinarian, etc. It can solve all problems such as lack of function.

또한, 본 발명에 따르면 기존의 차량 출입 차단기 시스템에 있어서, 축산농장의 출입 차량의 출입 시간을 확인할 수 없는 문제점, 가축 이동, 사료, 가축분뇨, 수의사 등과 같이 축산농장과 직접적인 관계가 있는 차량만 관리되고 택배나 우편배달 관련 차량의 출입 여부 판단이 불가한 문제점, 축산농장에 축산차량의 출입구가 여러 개 위치하는 경우 차량 출입구의 개수에 비례하여 차량 번호판 인식기 설치에 필요한 전기 및 구조물 설치 비용이 증대하는 문제점, 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 기능이 없는 문제점 등을 모두 해결할 수 있다.In addition, according to the present invention, in the existing vehicle access blocker system, the problem of not being able to check the time of entry and exit of vehicles in the livestock farm, the problem that only vehicles directly related to the livestock farm, such as livestock movement, feed, livestock manure, and veterinarians, are managed and it is impossible to determine whether or not a vehicle related to courier or postal delivery is entered, the problem that the cost of installing electricity and structures required to install a license plate recognizer increases in proportion to the number of vehicle entrances when there are multiple entrances of livestock vehicles in a livestock farm, and disease occurrence information in livestock farms It can solve all problems such as the lack of a prior blocking quarantine alarm function linked to

100: 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템
110: 씨씨티브이 110a: 씨씨티브이 관리기
120: 통제 정보처리기 121: 영상 전처리부
122: 객체 인식부 123: 번호판 인식부
124: 하차 판단부 125: 통신부
130: 통제 관리 서버100: Livestock farm blocking quarantine control management system based on deep learning image analysis technology
110: CCTV 110a: CCTV manager
120: control information processor 121: image pre-processing unit
122: object recognition unit 123: license plate recognition unit
124: getting off judgment unit 125: communication unit
130: control management server

Claims (7)

축산농장의 적어도 1개 장소 이상의 적소에 설치되고 통제 관리 서버(130)와 통신하는 씨씨티브이 관리기(110a)에 의해 작동이 제어되는 씨씨티브이(110)와;
상기 씨씨티브이(110)에 임베디드 보드 형태로 설치되어 상기 씨씨티브이 관리기(110a)의 중계에 의해 통제 관리 서버(130)와 통신하고 상기 씨씨티브이(110)를 통해 수집한 영상을 축산농장 차단 방역 통제 관리용으로 미리 구축해 놓은 딥러닝 영상분석 데이터셋을 이용하는 딥러닝 영상분석 기술로 분석하여 획득한 출입 차량과 해당 출입 차량의 출입 시간 및 출입인에 대한 식별 정보를 통제 관리 서버(130)로 전달하고 통제 관리 서버(130)로부터 경보 신호를 수신하는 경우 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보를 발생하는 통제 정보처리기(120); 및
상기 통제 정보처리기(120)에서 제공하는 축산농장에 관련한 출입 차량과 해당 출입 차량의 출입 시간 및 출입인에 대한 식별 정보를 확인한 결과 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보 필요 시 상기 통제 정보처리기(120)로 경보 신호를 전달하는 통제 관리 서버(130);
로 구성되고,
상기 통제 정보처리기(120)는 상기 통제 관리 서버(130)로부터 경보 신호를 수신하면 상기 씨씨티브이(110)에 내장되어 있는 경보기(미도시)를 작동하거나 상기 씨씨티브이 관리기(110a)를 통해 축산농장의 질병 발생 정보와 연계한 사전 차단 방역 경보를 발생하는 것을 특징으로 하고,
상기 통제 정보처리기(120)는
상기 씨씨티브이(110)를 통해 수집한 영상이 딥러닝 영상분석에 적합한 해상도와 절단(crop) 범위를 갖도록 전처리하는 영상 전처리부(121)와;
상기 영상 전처리부(121)에 의해 전처리된 영상의 초당 프레임 수(FPS: Frame Per Second)를 조정하고 해당 영상을 딥러닝 영상분석 기술로 분석하여 출입 차량과 차량 번호판 및 사람을 각각 하나의 객체로 구별하여 인식하는 객체 인식부(122);
상기 영상 전처리부(121)에 의해 전처리된 영상에서의 위치를 기반으로 차량 객체의 위치 변화를 추적하여 상기 객체 인식부(122)에 의해 인식된 차량 번호판 객체들을 필터링한 후, 필터링된 복수의 차량 번호판 객체들을 딥러닝 영상분석 기술로 분석하여 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보를 획득하는 번호판 인식부(123);
상기 영상 전처리부(121)가 전처리한 영상에서의 위치를 기반으로 차량 객체 혹은 사람 객체의 위치 변화를 추적하여 추적 대상 차량 객체에서 사람 객체의 하차가 있는 것으로 판단되면 상기 번호판 인식부(123)에서 획득한 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보에 하차 인원수를 더 포함한 식별 정보를 획득하는 하차 판단부(124); 및
상기 번호판 인식부(123)와 상기 하차 판단부(124)에서 획득한 식별 정보를 상기 통제 관리 서버(130)로 전달하고 상기 통제 관리 서버(130)로부터 경보 신호를 수신하는 통신부(125);
로 구성되고,
상기 객체 인식부(122)는 상기 영상 전처리부(121)에 의해 전처리된 영상 전체를 정해진 배율만큼 작은 영상으로 변환한 후 변환된 영상의 초당 프레임 수(FPS)를 조정하되, 현재 프레임의 특징과 이전 프레임의 특징의 차이를 계산한 특징값의 합이 사전에 정의된 한계값(threshold) 이하일 경우 움직임이 없는 영상으로 판정하고 상기 전처리된 영상의 초당 프레임 수(FPS)를 사전에 정의된 값으로 낮추는 것을 특징으로 하고,
상기 객체 인식부(122)는 차량 객체를 승용차와 승합차, 화물차, 특수차 및 이륜차로 구별하여 인식하는 것을 특징으로 하고,
상기 번호판 인식부(123)는 번호판 객체를 가장자리(border), 숫자, 문자, 지역명으로 구별하여 인식하는 것을 특징으로 하고,
상기 하차 판단부(124)는 차량 객체 혹은 사람 객체의 위치 변화를 추적하는 과정에서 이전 프레임에서 등장하지 않았던 새로운 사람 객체가 인식되면 새롭게 인식된 사람 객체와 겹치는 부분이 있는 차량 객체가 있는지 확인한 다음, 새롭게 인식된 사람 객체와 겹치는 부분이 있는 차량 객체가 존재하면 그 사람은 차량에서 하차한 사람이라고 판단하고 하차 인원수의 카운트 값을 늘려주고, 사전에 정해 놓은 프레임 개수 이상 사람 객체가 인식되지 않으면 상기 번호판 인식부(123)에서 획득한 차량 번호와 차량 번호의 정확도, 차량 번호가 획득된 차량 영상 및 차량 출입 시간을 포함하는 식별 정보만 획득하는 것을 특징으로 하는 딥러닝 영상분석 기술 기반 축산농장 차단 방역 통제 관리시스템.a CCTV 110 installed in at least one place in a livestock farm and whose operation is controlled by a CCTV manager 110a communicating with the control management server 130;
It is installed in the form of an embedded board in the CCTV 110, communicates with the control management server 130 by relaying the CCTV manager 110a, and analyzes the images collected through the CCTV 110 with a deep learning image analysis technology using a deep learning image analysis dataset built in advance for livestock farm quarantine quarantine control management, and transmits the obtained vehicle, the time of entry and exit of the vehicle, and identification information on the person to the control management server 130. and a control information processor 120 that generates a pre-blocking quarantine alert associated with disease occurrence information of a livestock farm when an alarm signal is received from the control management server 130; and
As a result of checking the access vehicle related to the livestock farm provided by the control information processor 120, the access time of the vehicle, and identification information on the person, the control management server 130 that transmits an alarm signal to the control information processor 120 when a prior blocking quarantine alert linked to disease outbreak information of the livestock farm is required;
consists of,
When the control information processor 120 receives an alarm signal from the control management server 130, it operates an alarm (not shown) built into the CCTV 110 or through the CCTV manager 110a. It is characterized in that it generates a preliminary blocking and quarantine alarm associated with disease occurrence information of the livestock farm,
The control information processor 120
an image pre-processing unit 121 for pre-processing the images collected through the CCTV 110 to have a resolution and crop range suitable for deep learning image analysis;
Adjusting the number of frames per second (FPS) of the image pre-processed by the image pre-processing unit 121 and analyzing the image with deep learning image analysis technology, an object recognition unit 122 that distinguishes and recognizes entering and exiting vehicles, vehicle license plates, and people as one object;
After filtering the license plate objects recognized by the object recognition unit 122 by tracking the position change of the vehicle object based on the position in the image preprocessed by the image pre-processing unit 121, a plurality of filtered license plate objects are analyzed with deep learning image analysis technology to obtain identification information including the vehicle number and vehicle number accuracy, the vehicle image obtained with the vehicle number, and the vehicle access time License plate recognition unit 123;
Based on the position of the vehicle object or human object, based on the position in the image preprocessed by the image pre-processing unit 121, when it is determined that there is a person getting off the vehicle object to be tracked, the vehicle number obtained from the license plate recognition unit 123 and the accuracy of the vehicle number, a vehicle image obtained with the vehicle number and identification information including the vehicle entry and exit time, and identification information including the number of people getting off the vehicle; and
The license plate recognition unit 123 and the communication unit 125 for transmitting the identification information obtained from the getting off determination unit 124 to the control management server 130 and receiving an alarm signal from the control management server 130;
consists of,
The object recognition unit 122 converts the entire image pretreated by the image pretreatment unit 121 to a smaller magnification, and then adjusts the number of frames per second of the converted image, but the sum of the characteristics of the characteristic that calculates the difference between the characteristics of the current frame and the previous frame is less than the limit value (threshold) defined in advance. In the case of this, it is determined to be a video without movement, and the frame number (FPS) per second of the pre -processed video is lowered to a pre -defined value,
The object recognition unit 122 is characterized by recognizing vehicle objects by distinguishing them into passenger cars, vans, trucks, special vehicles, and two-wheeled vehicles,
The license plate recognition unit 123 is characterized by distinguishing and recognizing license plate objects by borders, numbers, characters, and regional names,
If a new human object that did not appear in the previous frame is recognized in the process of tracking the position change of the vehicle object or human object, the getting off determination unit 124 checks whether there is a vehicle object that overlaps with the newly recognized human object, and if there is a vehicle object that overlaps with the newly recognized human object, the vehicle obtained by the license plate recognition unit 123 determines that the person has gotten off the vehicle and increases the count value of the number of people getting off the vehicle, and if no human object is recognized more than the number of frames set in advance. Deep learning image analysis technology-based livestock farm blocking quarantine control management system, characterized in that only identification information is acquired, including the accuracy of the number and vehicle number, the vehicle image obtained with the vehicle number, and the vehicle access time. 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete
KR1020210034037A 2021-03-16 2021-03-16 Control and management System for biosecurity of livestock farms based on deep learning video analysis technology KR102560060B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210034037A KR102560060B1 (en) 2021-03-16 2021-03-16 Control and management System for biosecurity of livestock farms based on deep learning video analysis technology
PCT/KR2022/001295 WO2022196928A1 (en) 2021-03-16 2022-01-25 Deep learning image analysis technology-based livestock farm blocking and prevention control management system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210034037A KR102560060B1 (en) 2021-03-16 2021-03-16 Control and management System for biosecurity of livestock farms based on deep learning video analysis technology

Publications (2)

Publication Number Publication Date
KR20220129314A KR20220129314A (en) 2022-09-23
KR102560060B1 true KR102560060B1 (en) 2023-07-27

Family

ID=83320705

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210034037A KR102560060B1 (en) 2021-03-16 2021-03-16 Control and management System for biosecurity of livestock farms based on deep learning video analysis technology

Country Status (2)

Country Link
KR (1) KR102560060B1 (en)
WO (1) WO2022196928A1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115311608B (en) * 2022-10-11 2023-03-21 之江实验室 Method and device for multi-task multi-target association tracking
KR102506971B1 (en) * 2022-10-26 2023-03-07 주식회사 알씨 Method and system for recognizing license plates of two-wheeled vehicles through deep-learning-based rear shooting

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101753660B1 (en) 2017-02-22 2017-07-19 주식회사한맥아이피에스 System of access control of stockbreeding farmhouse and method thereof
KR101845373B1 (en) * 2017-03-17 2018-04-05 렉스젠(주) System for managing animal health protect and method thereof
KR102131716B1 (en) * 2020-03-27 2020-07-08 정병석 Method for image monotoring employing car number recognition technology

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0182446B1 (en) * 1995-12-19 1999-05-15 배순훈 Card reader for satellite broadcasting receiving device
KR20120103926A (en) 2011-03-11 2012-09-20 신민호 Disinfection system
KR20130007073A (en) * 2011-06-28 2013-01-18 (주)엔퓨텍 Digital defense control system
KR101824446B1 (en) * 2017-07-24 2018-02-01 한국기술교육대학교 산학협력단 A reinforcement learning based vehicle number recognition method for CCTV
KR102225707B1 (en) * 2019-07-15 2021-03-10 (주)이노씨앤에스 Method and apparatus for non-proliferation of livestock disease

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101753660B1 (en) 2017-02-22 2017-07-19 주식회사한맥아이피에스 System of access control of stockbreeding farmhouse and method thereof
KR101845373B1 (en) * 2017-03-17 2018-04-05 렉스젠(주) System for managing animal health protect and method thereof
KR102131716B1 (en) * 2020-03-27 2020-07-08 정병석 Method for image monotoring employing car number recognition technology

Also Published As

Publication number Publication date
WO2022196928A1 (en) 2022-09-22
KR20220129314A (en) 2022-09-23

Similar Documents

Publication Publication Date Title
KR102560060B1 (en) Control and management System for biosecurity of livestock farms based on deep learning video analysis technology
US20060200307A1 (en) Vehicle identification and tracking system
US20030053659A1 (en) Moving object assessment system and method
US20170243479A1 (en) Community security system
CN110852148A (en) Visitor destination verification method and system based on target tracking
KR102333143B1 (en) System for providing people counting service
US11308792B2 (en) Security systems integration
WO2018037355A1 (en) A system and method for automated vehicle and face detection and their classification
CN112132048A (en) Community patrol analysis method and system based on computer vision
US10586130B2 (en) Method, system and apparatus for providing access to videos
US20140036086A1 (en) Access-monitoring device with at least one video unit
KR20200086015A (en) Situation linkage type image analysis device
KR20210158037A (en) Method for tracking multi target in traffic image-monitoring-system
EP2603905B1 (en) Method and device for detecting and verifying attempts to manipulate a self-service terminal
DE102004042999B4 (en) Apparatus and method for checking access authorization to a protected area
KR102004998B1 (en) Illegal passengers detection system
US20220300727A1 (en) Systems and methods of detecting mask usage
US20220269878A1 (en) Systems and methods of detecting incorrect mask usage
CN114202842A (en) Be used for personnel to pass in and out register recorder
Alhelali et al. Vision-Based Smart Parking Detection System Using Object Tracking
US11468576B2 (en) Tracking within and across facilities
US20220084389A1 (en) Alarm Processing And Classification System And Method
US11823541B2 (en) Managing access to a restricted site with a barrier and/or barrierless and detecting entry
CN117037067A (en) Parking lot security management system
KR101040791B1 (en) Illegal passengers detection system and mathod for the same

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)