KR102576651B1

KR102576651B1 - 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법, 장치 및 컴퓨터-판독 가능 기록 매체

Info

Publication number: KR102576651B1
Application number: KR1020230006462A
Authority: KR
Inventors: 김승철; 김현철; 아느발; 정명주; 박성진; 김효광
Original assignee: 퀀텀테크엔시큐 주식회사
Priority date: 2023-01-17
Filing date: 2023-01-17
Publication date: 2023-09-08

Abstract

하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법으로서, 주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 상기 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 상기 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 상기 영상 정보를 분석해 상기 영상 정보에 대응되는 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여, 복수 개의 객체 중 적어도 하나를 주의 대상 객체로 식별하는 위험 상황 발생 판단 단계; 상기 위험 상황 발생 판단 단계의 기능 수행을 통해 상기 주의 대상 객체의 식별이 완료된 상태에서, 상기 영상에 기반한 복수 개의 프레임 중 상기 주의 대상 객체가 상기 기 설정된 위험 상황 발생 조건을 충족하는 시점의 프레임을 기준 프레임으로 설정하고 상기 기준 프레임을 포함하는 기 설정된 기간 동안의 프레임 구간을 위험 상황 프레임으로 식별하는 위험 상황 프레임 식별 단계; 및 상기 위험 상황 프레임의 식별이 완료되면, 상기 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응하는 영상에서 상기 위험 상황 프레임을 추출하여, 상기 추출된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 관리자 계정에게 제공하여 위험 상황의 발생을 알리는 위험 상황 발생 알림 단계;를 포함하는 것을 특징으로 한다. 이 외에도 본 문서를 통해 파악되는 다양한 실시 예들이 가능하다.

Description

피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법, 장치 및 컴퓨터-판독 가능 기록 매체{PROVIDING METHOD, APPARATUS AND COMPUTER-READABLE MEDIUM OF ARTIFICIAL INTELLIGENCE-BASED DETECTION AND NOTIFICATION SERVICES FOR DANGEROUS SITUATIONS IN VIDEO FOR PROTECTED PERSONS}

본 발명은 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법에 관한 것으로서, 구체적으로는 주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 영상 정보를 분석하고, 분석 결과를 통해 영상 정보 내에 포함된 객체 중 적어도 하나가 주의 대상 객체인지를 식별하는 경우, 영상에 기반한 복수 개의 프레임에서 주의 대상 객체에 대한 위험 상황 프레임을 식별하고, 식별된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 관리자 계정에게 제공하는 기술에 관한 것이다.

IP 카메라(Internet Protocol Camera)는 일반적으로 감시를 위해 배치되는 디지털 비디오 카메라의 일종이다. 특히 오늘날에는 1인 가구와 맞벌이 가정이 증가하면서 집에 혼자 있는 노년층이나 아이들, 혹은 반려동물을 실시간으로 확인할 수 있는 IP 카메라를 집 안에 설치하는 인구가 점점 증가하고 있는 추세이다. 다만 이러한 편리함과 반대로 IP 카메라에 대한 해킹 사건이 이어지면서 개인 정보 보안에 대한 우려가 커지고 있다. 개인의 집 내부를 촬영하는 만큼, 사용자가 전문적으로 보안에 대비하는 것이 상대적으로 어려울뿐더러, 해킹이 될 경우에는 개인적인 사생활이 유출되어 2차 피해로도 이어질 수 있기 때문이다. 따라서 이러한 상황에 대비하기 위해서 IP 카메라로 촬영되는 영상의 개인 정보 유출을 방지하기 위해 다양한 기술들이 개발되고 있다.

일 예로서, 한국등록특허 10-2016-0018282(개인용 IP-CCTV 카메라의 보안영상을 획득하여 관제서버로 암호화하여 전달할 수 있는 U-City용 영상처리 관제 시스템)에는 IP-CCTV 카메라로부터 스니핑 기법으로 획득한 보안 영상을 공개키 암호화기법으로 암호화한 뒤에 스푸핑 방식으로 관제 서버로 전달하는 기술만이 개시되어 있을 뿐, 주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 영상 정보를 분석하고, 분석 결과를 통해 영상 정보 내에 포함된 객체 중 적어도 하나가 주의 대상 객체인지를 식별하는 경우, 영상에 기반한 복수 개의 프레임에서 주의 대상 객체에 대한 위험 상황 프레임을 식별하고, 식별된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 관리자 계정에게 제공하는 기술은 개시되어 있지 않아, 이를 해결할 수 있는 기술의 필요성이 대두되고 있다.

이에 본 발명은, 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스를 제공하는 것을 통해 주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 영상 정보를 분석하고, 분석 결과를 통해 영상 정보 내에 포함된 객체 중 적어도 하나가 주의 대상 객체인지를 식별하는 경우, 영상에 기반한 복수 개의 프레임에서 주의 대상 객체에 대한 위험 상황 프레임을 식별하고, 식별된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 관리자 계정에게 제공함으로써, 주거 시설에서 영상 촬영 장치가 영상 정보를 촬영 시, 개인 사생활이 외부로 유출되지 않도록 하여 개인 정보를 보호하려고 하는 것에 그 목적이 있다.

본 발명의 일 실시예에 따른 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법으로서, 주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 상기 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 상기 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 상기 영상 정보를 분석해 상기 영상 정보에 대응되는 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여, 상기 판단 결과를 통해 상기 복수 개의 객체 중 적어도 하나를 주의 대상 객체로 식별하는 위험 상황 발생 판단 단계; 상기 위험 상황 발생 판단 단계의 기능 수행을 통해 상기 주의 대상 객체의 식별이 완료된 상태에서, 상기 영상에 기반한 복수 개의 프레임 중 상기 주의 대상 객체가 상기 기 설정된 위험 상황 발생 조건을 충족하는 시점의 프레임을 기준 프레임으로 설정하고 상기 기준 프레임을 포함하는 기 설정된 기간 동안의 프레임 구간을 위험 상황 프레임으로 식별하는 위험 상황 프레임 식별 단계; 및 상기 위험 상황 프레임의 식별이 완료되면, 상기 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응하는 영상에서 상기 위험 상황 프레임을 추출하여, 상기 추출된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 상기 관리자 계정에게 제공하여 위험 상황의 발생을 알리는 위험 상황 발생 알림 단계;를 포함하는 것을 특징으로 한다.

상기 위험 상황 발생 판단 단계는, 상기 영상 촬영 장치로부터 상기 영상 정보를 수신하는 경우, 상기 영상 데이터베이스에 상기 영상 정보를 임시 저장하여, 상기 기 저장된 행동 인식 알고리즘을 통해 상기 영상 내에 포함된 복수 개의 객체에 대한 관절 포인트 벡터를 추출하여, 상기 추출된 관절 포인트 벡터를 분석하는 관절 벡터 분석 단계; 및 상기 관절 벡터 분석 단계에서 상기 관절 포인트 벡터의 분석이 완료되는 경우, 상기 행동 인식 알고리즘으로서, 상기 영상 정보에 포함된 일련의 프레임 구간을 분석하여 상기 복수 개의 객체 중 상기 기 설정된 위험 상황 발생 조건에 기반한 위험 상황 패턴을 충족하는 객체를 주의 대상 객체로 식별하는 주의 대상 객체 식별 단계;를 포함하는 것이 바람직하다.

상기 위험 상황 발생 알림 단계는, 상기 위험 상황 프레임 결정 단계의 기능 수행에 의해 상기 위험 상황 프레임의 식별이 완료되면, 상기 영상에 기반한 복수 개의 프레임에서 상기 위험 상황 프레임을 추출하는 위험 상황 프레임 추출 단계; 및 상기 위험 상황 프레임의 추출이 완료되면, 상기 추출된 위험 상황 프레임을 기반으로 주의 대상 객체가 처한 위험 상황을 식별 가능한 위험 상황 영상 정보를 생성하여, 상기 관리자 계정에게 제공하는 위험 상황 영상 제공 단계;를 포함하는 것이 가능하다.

상기 사고 발생 판단 단계의 수행 전, 유저 계정의 선택 입력에 따라, 적어도 위험 상황 영상 정보의 상기 관리자 계정에 대한 전송 여부를 설정하는 유저 설정 단계;를 더 포함하는 것을 특징으로 한다.

상기 위험 상황 발생 알림 단계의 수행 후, 상기 주의 대상 객체가 충족하는 위험 상황 발생 조건에 따라서 결정되는 위험 상황 타입에 따라 주변에 기 설정된 반경 이내의 위험 상황에 대한 대처가 가능한 대응 기관에 알림을 제공하여, 대응 기관에 의하여 위험 상황에 대한 대응이 가능하도록 하는 주변 기관 연계 단계;를 더 포함하는 것이 바람직하다.

본 발명의 일 실시예에 따른 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법으로서,

주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 상기 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 상기 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 상기 영상 정보를 분석해 상기 영상 정보에 대응되는 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여, 상기 판단 결과를 통해 상기 복수 개의 객체 중 적어도 하나를 주의 대상 객체로 식별하는 위험 상황 발생 판단부;

상기 위험 상황 발생 판단부의 기능 수행을 통해 상기 주의 대상 객체의 식별이 완료된 상태에서, 상기 영상에 기반한 복수 개의 프레임 중 상기 주의 대상 객체가 상기 기 설정된 위험 상황 발생 조건을 충족하는 시점의 프레임을 기준 프레임으로 설정하고 상기 기준 프레임을 포함하는 기 설정된 기간 동안의 프레임 구간을 위험 상황 프레임으로 식별하는 위험 상황 프레임 식별부; 및

상기 위험 상황 프레임의 식별이 완료되면, 상기 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응하는 영상에서 상기 위험 상황 프레임을 추출하여, 상기 추출된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 상기 관리자 계정에게 제공하여 위험 상황의 발생을 알리는 위험 상황 발생 알림부;를 포함하는 것을 특징으로 한다.

본 발명의 일 실시예에 따른 컴퓨터-판독가능 기록매체로서, 상기 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 단계들은: 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법으로서, 주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 상기 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 상기 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 상기 영상 정보를 분석해 상기 영상 정보에 대응되는 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여, 상기 판단 결과를 통해 상기 복수 개의 객체 중 적어도 하나를 주의 대상 객체로 식별하는 위험 상황 발생 판단 단계; 상기 위험 상황 발생 판단 단계의 기능 수행을 통해 상기 주의 대상 객체의 식별이 완료된 상태에서, 상기 영상에 기반한 복수 개의 프레임 중 상기 주의 대상 객체가 상기 기 설정된 위험 상황 발생 조건을 충족하는 시점의 프레임을 기준 프레임으로 설정하고 상기 기준 프레임을 포함하는 기 설정된 기간 동안의 프레임 구간을 위험 상황 프레임으로 식별하는 위험 상황 프레임 식별 단계; 및 상기 위험 상황 프레임의 식별이 완료되면, 상기 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응하는 영상에서 상기 위험 상황 프레임을 추출하여, 상기 추출된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 상기 관리자 계정에게 제공하여 위험 상황의 발생을 알리는 위험 상황 발생 알림 단계;를 포함하는 것을 특징으로 한다.

본 발명인 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법을 통해서, 거주 시설의 영상 정보를 모두 전송할 필요성이 줄어들게 됨으로써, 피보호자에 대한 개인 정보를 보호할 수 있다.

또한, 피보호자에게 위험한 상황이 발생하였을 때 알림 서비스를 제공할 수 있어 관리자 계정에서 실시간으로 영상을 확인하지 않아도 피보호자가 처한 상황을 파악하는데 용이하다.

도 1은 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스를 제공하는 방법을 설명하기 위한 순서도.
도 2는 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법의 위험 상황 발생 판단 단계를 설명하기 위한 순서도.
도 3은 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법의 위험 상황 발생 알림 단계를 설명하기 위한 순서도.
도 4는 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법의 위험 상황 영상 정보에 대한 유저 설정 단계를 설명하기 위한 순서도.
도 5는 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법의 위험 상황 영상 정보에 대한 위험 상황 발생 알림부를 설명하기 위한 블럭도.
도 6은 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법의 위험 상황 영상 정보에 대한 주변 기관 연계 단계를 설명하기 위한 순서도.
도 7은 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 장치의 블록도.
도 8은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예.

이하에서는, 다양한 실시 예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 인식될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다.

본 명세서에서 사용되는 "실시 예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.

또한, 제 1, 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

또한, 본 발명의 실시 예들에서, 별도로 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 발명의 실시 예에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

도 1은 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스를 제공하는 방법을 설명하기 위한 순서도이다.

도 1을 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스를 제공하는 방법은 위험 상황 발생 판단 단계(S101 단계), 위험 상황 프레임 식별 단계(S102 단계) 및 위험 상황 발생 알림 단계(S103 단계)를 포함할 수 있다.

상기 S101 단계에서, 상기 하나 이상의 프로세서(이하, 프로세서로 칭함)는 주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 상기 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 상기 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 상기 영상 정보를 분석해 상기 영상 정보에 대응되는 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여, 상기 판단 결과를 통해 상기 복수 개의 객체 중 적어도 하나를 주의 대상 객체로 식별할 수 있다.

일 실시예에 따르면, 상기 영상 촬영 장치는 바람직하게는 IP 카메라일 수도 있을 것이나, 카메라가 포함된 스마트폰, PC, 홈 카메라 등을 포함할 수 있으며 본 발명은 이에 제한하지 않는다.

일 실시예에 따르면, 상기 프로세서는 적어도 하나의 상기 영상 촬영 장치로부터 주거 시설 내부를 촬영한 영상 정보를 수신하는 경우, 상기 영상 정보를 영상 데이터베이스에 임시 저장할 수 있다. 상기와 관련하여, 상기 영상 데이터베이스는 상기 영상 정보가 임시로 저장되는 구성으로서, 영상 정보들은 관리자 계정에서 열람하게 할 수 있거나, 상기 영상 데이터베이스에 일정 기간 동안 임시 저장되어 분석에 사용된 이후 삭제될 수 있다.

또한, 상기 영상 데이터베이스는 적어도 하나의 상기 영상 촬영 장치를 관리하는 관리자 계정에 의해 관리되는 클라우드 서버일 수 있다.

또한, 상기 관리자 계정은 상기 피보호자의 보호자일 수 있으며 혹은 시스템 관리자일 수도 있다.

보다 자세하게, 본 발명은 보호자가 주거 시설에 설치한 적어도 하나의 상기 영상 촬영 장치로부터 수신되는 영상 정보를 활용 시, 발생 가능한 피보호자에 대한 개인 정보 유출을 방지하기 위한 기술적 특징을 개시하는 발명으로, 상기 영상 촬영 장치로부터 수신한 영상을 분석하여 위험 상황이 발생하였을 때 관리자 계정에게 알림을 전송할 수 있으며, 기존의 주거 시설용 IP 카메라의 기능인 관리자 계정으로 영상을 스트리밍함에 따라 발생할 수 있는 개인 정보 유출을 방지하기 위한 발명일 수 있다.

이에 따라, 상기 프로세서는 적어도 하나의 상기 영상 촬영 장치로부터 상기 영상 정보를 수신 시, 상기 영상 정보에 대한 분석을 바로 시작할 수도 있으며, 분석을 시작하지 않고 상기 영상 정보를 상기 영상 데이터베이스에 임시 저장한 후에 분석을 시작할 수도 있다. 이후, 상기 프로세서는 상기 영상 정보에 기반한 상기 영상 내에 후보 객체가 존재하는 경우, 상기 후보 객체가 위험 상황 발생 조건을 충족하는 시점의 프레임을 기반으로 위험 상황 영상 정보를 생성하여 관리자 계정에게 제공함으로써, 상기 영상 내에 포함된 피보호자에 대한 개인 정보를 보호할 수 있다.

일 실시예에 따르면, 상기 기 설정된 위험 상황 발생 조건은 크게 외부 요인과 관계없이 발생하는 위험 상황 조건과 외부 요인에 의해서 발생하는 위험 상황조건으로 구분할 수 있으며, 더 구체적으로 외부 요인과 관계없이 일어나는 객체의 낙상, 실신 등을 포함할 수 있으며, 외부 요인에 의해서 발생하는 폭행 상황 패턴 정보 등을 포함할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 영상 정보를 상기 영상 데이터베이스에 임시로 저장한 후, 기 저장된 행동 인식 알고리즘을 기반으로 상기 영상 정보를 분석해 상기 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여, 상기 판단 결과를 통해 상기 복수 개의 객체 중 적어도 하나를 주의 대상 객체로 식별할 수 있다.

일 실시예에 따르면, 상기 기 저장된 행동 인식 알고리즘은 상기 적어도 하나의 객체를 식별하고, 상기 식별된 적어도 하나의 객체의 관절 포인트를 식별하고, 상기 식별된 관절 포인트에 기반한 관절 포인트 벡터 값(예: 제1 관절 포인트 벡터 값)을 추출하는 알고리즘일 수 있다. 이 때, 상기 기 저장된 행동 인식 알고리즘은 상기 추출된 적어도 하나의 객체에 대한 관절 포인트 벡터 값과 이후에 후술할 기 설정된 위험 상황 발생 조건에 기반한 위험 상황에 대한 관절 포인트 벡터 값(예: 제2 관절 포인트 벡터 값)을 비교해 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건에 기반한 위험 상황이 발행했는지 여부를 판단하는 알고리즘일 수 있다.

다른 실시예에 따르면, 상기 기 저장된 행동 인식 알고리즘은 CNN(Convolution Neural Network) 기반의 알고리즘 및 LSTM(Long Short Term Memory)을 포함할 수 있다. 상기 CNN 기반의 알고리즘은 영상을 연속적인 프레임으로 분류하여 나열하고, 3D 커널을 적용하여 적어도 하나의 객체에 대한 움직임 정보를 축적한 특징 정보를 생성하는 알고리즘일 수 있다. 상기 LSTM 기반의 알고리즘은 상기 영상을 프레임 별로 분석하되, 이전 프레임이 행동 인식에 있어서 위험 상황 정보(예: 객체의 낙상, 실신 또는 폭행 상황 패턴 정보)를 가지고 있다고 판단되면 위험 상황 정보를 유지하고, 이전 프레임에 위험 상황 정보가 없는 경우, 해당 프레임의 정보를 기억하지 않는 알고리즘일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 기 저장된 행동 인식 알고리즘을 통해 상기 영상 정보를 분석하여, 상기 영상 정보에 대응되는 영상 내에 적어도 하나의 주의 대상 객체가 존재하는 것을 식별하는 경우, 상기 위험 상황 프레임 식별 단계(S102 단계)를 수행할 수 있다.

S102 단계에서, 상기 프로세서는 상기 위험 상황 발생 판단 단계(S101 단계)의 기능 수행에 의해 상기 주의 대상 객체의 식별이 완료된 상태에서, 상기 영상에 기반한 복수 개의 프레임 중 상기 주의 대상 객체가 상기 기 설정된 위험 상황 발생 조건을 충족하는 프레임이 기준 프레임으로 설정되는 경우, 상기 복수 개의 프레임에서 상기 기준 프레임에 기반한 위험 상황 프레임을 식별할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 영상 내에서 주의 대상 객체의 식별이 완료되면, 상기 영상에 기반한 복수 개의 프레임 중 상기 주의 대상 객체가 상기 기 설정된 위험 상황 발생 조건을 충족하는 프레임을 식별하여, 상기 식별된 프레임을 기준 프레임으로 설정할 수 있다. 즉, 상기 기준 프레임은 영상 내에 포함된 복수 개의 객체 중 적어도 하나가 상기 기 설정된 위험 상황 발생 조건을 충족함에 따라 주의 대상 객체로 식별된 프레임일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 기준 프레임의 설정이 완료되면, 상기 복수 개의 프레임에서 상기 기준 프레임에 기반한 위험 상황 프레임을 식별할 수 있다. 보다 자세하게, 상기 프로세서는 기준 프레임에 포함된 주의 대상 객체가 외부 요인과 관계없이 상기 기 설정된 위험 상황 발생 조건을 충족한 것인지, 혹은 외부 요인에 의해서 상기 기 설정된 위험 상황 발생 조건을 충족한 것인지를 판단할 수 없다.

이에 따라, 상기 프로세서는 상기 기준 프레임을 기준으로 기 설정된 시간 범위에 대응되는 구간의 프레임을 상기 위험 상황 프레임(기준 프레임을 포함하는 복수 개의 위험 상황 프레임)으로 식별하고, 상기 위험 상황 프레임을 통해 이후에 후술할 위험 상황 영상 정보를 생성해 관리자 계정에게 제공함으로써, 상기 관리자 계정으로 하여금 상기 주의 대상 객체가 외부 요인과 관계없이 위험 상황 발생 조건을 충족한 것인지 혹은 외부 요인에 의해서 기 설정된 위험 상황 발생 조건을 충족한 것인지 원인을 파악하도록 할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 위험 상황 프레임의 식별을 완료하면, 위험 상황 발생 알림 단계(S103 단계)를 수행할 수 있다.

S103 단계에서, 상기 프로세서는 상기 위험 상황 프레임의 식별이 완료되면, 상기 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응하는 영상에서 상기 위험 상황 프레임을 추출하여, 상기 추출된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 상기 관리자 계정에게 제공하여 위험 상황의 발생을 알릴 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 위험 상황 프레임의 식별이 완료되면, 상기 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응되는 영상에서 상기 식별된 위험 상황 프레임을 추출할 수 있다. 이후, 상기 프로세서는 상기 추출된 위험 상황 프레임을 통해 상기 위험 상황 영상 정보를 생성할 수 있다. 상기와 관련하여, 상기 위험 상황 영상 정보는 상기 주의 대상 객체가 상기 기 설정된 위험 상황 발생 조건을 충족한 영상에 기반한 정보일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 위험 상황 영상 정보의 생성을 완료하면, 상기 관리자 계정에게 제공함으로써, 관리자 계정의 사용자인 보호자 또는 시스템 관리자로 하여금 상기 위험 상황 영상 정보를 통해 주의 대상 객체에게 위험 상황이 발생한 원인을 파악하도록 할 수 있다.

도 2는 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법의 위험 상황 발생 판단 단계를 설명하기 위한 순서도이다.

도 2를 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법은 위험 상황 발생 판단 단계(예: 도 1의 위험 상황 발생 판단 단계(S101))를 포함할 수 있다.

일 실시예에 따르면, 상기 위험 상황 발생 판단 단계는 영상 촬영 장치로부터 영상 정보를 수신 시, 상기 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보안을 위해 상기 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 상기 영상 정보를 분석해 상기 영상 정보에 대응되는 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여 상기 판단 결과를 통해 상기 복수개의 객체 중 적어도 하나를 주의 대상 객체로 식별하는 단계일 수 있다.

일 실시예에 따르면, 상기 위험 상황 발생 판단 단계는 상술한 기능을 수행하기 위한 세부 단계로, 관절 벡터 분석 단계(S201 단계) 및 주의 대상 객체 식별 단계(S202 단계)를 포함할 수 있다.

S201 단계에서, 상기 하나 이상의 프로세서(이하, 프로세서로 칭함)는 상기 영상 촬영 장치로부터 상기 영상 정보를 수신하는 경우, 상기 영상 데이터베이스에 상기 영상 정보를 임시 저장하여, 상기 기 저장된 행동 인식 알고리즘을 통해 상기 영상 내에 포함된 복수 개의 객체에 대한 관절 포인트 벡터를 추출하여, 상기 추출된 관절 포인트 벡터를 분석할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 영상 데이터베이스에 임시 저장된 영상 정보를 상기 기 저장된 행동 인식 알고리즘을 통해 분석할 수 있다.

일 실시예에 따르면, 상기 기 저장된 행동 인식 알고리즘은 상기 영상 정보에 기반한 영상 내 적어도 하나의 객체(또는 복수 개의 객체)를 식별하고, 상기 식별된 적어도 하나의 객체의 관절 포인트를 식별하여, 상기 식별된 관절 포인트에 기반한 관절 포인트 벡터 값(예: 제1 관절 포인트 벡터 값)을 추출하는 알고리즘일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 기 저장된 행동 인식 알고리즘을 통해 상기 영상 내 복수 개의 객체에 대한 관절 포인트 벡터를 추출하는 경우, 상기 추출된 적어도 하나의 객체에 대한 관절 포인트 벡터 값과 이후에 후술할 기 설정된 위험 상황 발생 조건에 기반한 위험 상황에 대한 관절 포인트 벡터 값(예: 제2 관절 포인트 벡터 값)을 비교해 적어도 하나의 객체에게 기 설정된 위험 상황 발생 조건에 기반한 상황이 발생하였는지 여부를 판단하는 알고리즘일 수 있다.

예를 들어, 상기 프로세서는 상기 제1 영상 내 복수 개의 객체 중 제1 객체의 제1 관절 포인트 벡터 값을 추출할 수 있다. 이 후, 상기 프로세서는 상기 제2 관절 포인트 벡터 값에 대한 제1 관절 포인트 벡터 값의 매칭률이 지정된 매칭률을 초과하는 경우, 상기 제1 객체가 기 설정된 위험 상황 발생 조건에 기반한 위험 상황 패턴을 충족하는 것으로 판단할 수 있다.

일 실시예에 따르면, 상기 추출된 적어도 하나의 객체에 대한 관절 포인트 벡터의 분석 결과로, 일 프레임에서 위험 상황이 발생한 것으로 판단되는 객체의 형태가 발견되는 경우, 해당 객체를 후보 객체로 선별하고, 객체의 형태가 발견된 프레임 이전의 기 설정된 기간(예: 10초) 동안의 영상 정보에 포함된 프레임에 대한 상기 후보 객체의 관절 포인트 분석을 통해 도출된 관절 포인트 변동 정보를 기반으로, 해당 관절 포인트 변동 형태가 위험 상황에 대응되는 위험 상황 패턴을 충족하는 객체를 주의 대상 객체로 식별할 수 있다.

다른 실시예에 따르면, 상기 기 저장된 행동 인식 알고리즘은 CNN(Convolution Neural Network) 기반의 알고리즘 및　LSTM(Long Short Term Memory)을 포함할 수 있다. 상기 CNN 기반의 알고리즘은 제1 영상을 연속적인 프레임으로 분류하여 나열하고, 3D 커널을 적용하여 적어도 하나의 객체에 대한 움직임 정보를 축적한 특징 정보를 생성하는 알고리즘일 수 있다. 상기 LSTM기반의 알고리즘은 제1 영상을 프레임 별로 분석하되, 이전 프레임이 행동 인식에 있어 위험 상황 정보(예: 객체의 낙상, 실신 또는 폭행 상황 패턴 정보)를 가지고 있다고 판단되면 위험 상황 정보를 유지하고, 이전 프레임에 위험 상황 정보가 없는 경우, 해당 프레임의 정보를 기억하지 않는 알고리즘일 수 있다. 이 때, 추출되는 벡터는 관절 포인트 벡터가 아닌 모션 벡터일 수 있다.

상기와 관련하여, 상기 프로세서는 상기 모션 벡터를 추출한 경우, 상기 추출된 모션 벡터에 기반하여 상기 복수 개의 객체 중 위험 상황 패턴(예: 기 설정된 위험 상황 발생 조건에 기반한 상황 패턴)을 수행하는 객체를 주의 대상 객체로 판별할 수 있다.

다른 실시예에 따르면, 상기 프로세서는 상기 기 저장된 행동 인식 알고리즘을 통해 상기 제1 영상의 연속된 복수 개의 프레임에서 상기 복수 개의 객체 각각에 대한 모션 벡터 및 특징 벡터를 추출하여, 상기 모션 벡터 및 특징 벡터를 기반으로 상기 프레임마다 포함되어 있는 복수 개의 객체에 대한 위험 상황 정보를 분석할 수 있다. 상기 위험 상황 정보는 상기 기 저장된 행동인식 알고리즘에 포함되어 있는 정보로써, 피보호자의 패턴 및 피보호자의 모션 정보를 포함할 수 있다.

예를 들어, 상기 피보호자의 패턴 정보는 제1 객체(피보호자)가 넘어지는 패턴 등을 포함하며, 피보호자에게 외부 요인과 관계없이 발생하는 위험 상황에 대한 패턴 정보를 포함할 수 있다. 상기 피보호자의 모션 정보는 제1 객체(피보호자)가 제2 객체(외부인)에게 폭행을 당하는 모션 등을 포함하며, 피보호자가 외부 요인에 의해 발생하는 위험 상황에 대한 정보를 포함할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 복수 개의 객체 각각에 대한 모션 벡터 및 특징 벡터 및 상기 위험 상황 정보를 통해 복수 개의 객체 각각에 대한 위험 스코어 값을 계산하여, 지정된 기준 스코어 점수를 초과하는 객체를 주의 대상 객체로 판별할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 관절 벡터 분석 단계(S201 단계)가 완료되면, 상기 주의 대상 객체 식별 단계(S202 단계)를 수행할 수 있다.

S202 단계에서, 상기 프로세서는 상기 관절 벡터 분석 단계(S201 단계)에서 상기 관절 포인트 벡터의 분석이 완료되는 경우, 상기 분석 결과를 통해 상기 복수 개의 객체 중 상기 기 설정된 위험 상황 발생 조건에 기반한 위험 상황 패턴을 충족하는 객체를 주의 대상 객체로 식별할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 관절 벡터 분석 단계(S201 단계)의 기능 수행에 의해 기 설정된 위험 상황 발생 조건 중 하나에 기반한 제2 관절 포인트 벡터에 대하여, 상기 제1 영상 내 복수 개의 객체 중 제1 객체의 제1 관절 포인트 벡터의 매칭률이 상기 지정된 매칭률을 초과하는 경우, 상기 제1 객체를 상기 기 설정된 위험 상황 발생 조건에 기반한 위험 상황 패턴을 충족하는 객체인 주의 대상 객체로 식별할 수 있다.

다른 실시예에 따르면, 상기 프로세서는 상기 제1 영상 내 복수 개의 객체 각각에 대한 모션 벡터 및 특징 벡터 및 상기 위험 상황 발생 정보를 통해 복수 개의 객체 각각에 대한 위험 스코어 값을 계산하여, 제1 객체가 지정된 기준 스코어 점수를 초과하는 경우, 상기 제1 객체를 상기 기 설정된 위험 상황 발생 조건에 기반한 위험 상황 패턴을 충족하는 객체인 주의 대상 객체로 식별할 수 있다.

일 실시예에 따르면, 상기 위험 상황 프레임 식별 단계는 상기 주의 대상 객체 식별 단계를 통해 상기 주의 대상 객체가 충족하는 위험 상황 발생 조건에 따라서 서로 다른 기간의 프레임을 위험 상황 프레임으로 식별할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 기준 프레임의 설정이 완료되면, 상기 복수 개의 프레임 중 상기 기준 프레임을 기준으로 상기 기 설정된 시간 범위에 대응되는 구간의 프레임을 주의 대상 객체에게 위험 상황이 발생한 원인을 판단하기 위해서 위험 상황 프레임으로 식별할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 기 설정된 시간 범위에 대응하는 구간(예: 기준 프레임을 포함하여 -100)의 프레임을 식별하여, 상기 식별된 프레임을 주의 대상 객체가 위험 상황에 처한 원인을 판단하기 위한 위험 상황 프레임으로 식별할 수 있다.

예를 들어, 상기 프로세서는 상기 영상의 연속된 복수 개의 프레임 중 500번의 프레임을 기준 프레임으로 식별하였을 때, 상기 복수 개의 프레임에서 기 설정된 시간 범위에 대응되는 구간인 400번 프레임 내지 500번 프레임을 주의 대상 객체가 위험 상황에 처한 원인을 판단하기 위한 위험 상황 프레임으로 식별할 수 있다.

도 3은 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법의 위험 상황 발생 알림 단계를 설명하기 위한 순서도이다.

도 3을 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법은 위험 상황 발생 알림 단계(예: 도 1의 위험 상황 발생 알림 단계(S103 단계))를 포함할 수 있다.

일 실시예에 따르면, 상기 위험 상황 발생 알림 단계는 위험 상황 프레임의 식별이 완료되면, 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응하는 영상에서 상기 위험 상황 프레임을 추출하여, 상기 추출된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 상기 관리자 계정에게 제공하여 위험 상황의 발생을 공지할 수 있다.

일 실시예에 따르면, 상기 위험 상황 발생 알림 단계는 상술한 기능을 수행하기 위한 세부 단계로, 위험 상황 프레임 추출 단계(S301 단계) 및 위험 상황 영상 제공 단계(S302 단계)를 포함할 수 있다.

S302 단계에서, 상기 프로세서는 위험 상황 프레임 식별 단계(예: 도 3의 위험 상황 프레임 식별 단계(S102 단계))의 기능 수행에 의해 위험 상황 프레임의 식별이 완료되면, 상기 영상에 기반한 복수 개의 프레임에서 상기 위험 상황 프레임을 추출할 수 있다.

예를 들어, 상기 프로세서는 상기 위험 상황 프레임 결정 단계의 기능 수행에 의해 제1 영상의 복수 개의 프레임 중 400번 프레임 내지 500번 프레임이 위험 상황 행위 프레임으로 결정된 경우, 상기 복수 개의 프레임에서 상기 400번 프레임 내지 500번 프레임을 추출할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 복수 개의 프레임에서 상기 위험 상황 프레임의 추출이 완료되면, 위험 상황 영상 제공 단계(S302 단계)를 수행할 수 있다.

S302 단계에서, 상기 프로세서는 상기 위험 상황 프레임의 추출이 완료되면, 상기 추출된 위험 상황 프레임을 기반으로 주의 대상 객체의 위험 상황을 판별 가능한 위험 상황 영상 정보를 생성하여, 상기 관리자 계정에게 제공할 수 있다.

일 실시예에 따르면, 상기 위험 상황 프레임의 추출이 완료되면, 상기 추출된 위험 상황 프레임을 위험 상황 영상 정보로 생성할 수 있다. 이 때, 생성되는 위험 상황 영상 정보에는 상기 위험 상황 프레임뿐만 아니라, 영상 촬영 시간, 영상을 촬영한 영상 촬영 장치의 식별 번호, 영상 촬영 장치가 설치된 장소의 주소를 포함할 수 있다.

예를 들어, 상기 프로세서는 상기 복수 개의 프레임에서 상기 400번 프레임 내지 500번 프레임을 위험 상황 프레임으로 추출한 경우, 상기 복수 개의 프레임에서 상기 400번 프레임 내지 500번 프레임, 상기 400번 프레임 내지 500번 프레임에 대응되는 영상 촬영 시간, 영상을 촬영한 영상 촬영 장치의 식별 코드, 영상 촬영 장치가 설치된 장소의 주소를 포함하는 위험 상황 영상 정보를 생성할 수 있다.

이 후, 상기 프로세서는 상기 생성된 위험 상황 영상 정보를 상기 관리자 계정에게 제공함으로써, 상기 관리자 계정의 사용자인 보호자 또는 시스템 관리자로 하여금 위험 상황이 발생한 것을 인지하도록 알림을 제공할 수 있다. 이에 따라, 관리자 계정의 사용자인 보호자 또는 시스템 관리자는 상기 위험 상황 영상 정보를 통해 상기 주의 대상 객체의 위험 상황 의도를 판단할 수 있다.

도 4는 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법의 위험 상황 영상 정보에 대한 유저 설정 단계를 설명하기 위한 순서도이다.

일 실시예에 따르면, 상기 유저 설정 단계(S100)는 위험 상황 발생 판단 단계(S101)의 수행 전, 유저 계정의 선택 입력에 따라, 적어도 위험 상황 영상 정보의 상기 관리자 계정에 대한 전송 여부를 설정할 수 있다.

일 실시예에 따르면, 상기 유저 계정은 관리자 계정 또는 피보호자 계정을 포함할 수 있다.

일 실시예에 따르면, 본 발명은 개인의 사생활에 관련된 상기 영상 정보가 관리자 계정으로 전송되는 과정 또는 관리자 계정에 상기 영상 정보가 실시간으로 스트리밍됨에 따라 해킹 등에 의한 유출로 인해 발생하는 문제를 해결하기 위한 것으로서, 유저 계정의 설정에 따라서 상기 영상 촬영 장치를 통해 촬영된 영상을 상술한 영상 데이터베이스에만 저장하고 있다가 기 설정된 기간이 지나면 삭제하고, 위험 상황이 발생되는 경우에만 상기의 위험 상황 영상 정보를 관리자 계정으로 제공하도록 설정됨에 따라서 수행될 수 있다. 그러나, 상기 관리자 계정에서 상기 위험 상황 영상 정보 전송 여부를 설정하지 않는 경우에는 개인 정보의 보호가 더 강화될 수 있다.

도 5는 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법의 위험 상황 영상 정보에 대한 위험 상황 발생 알림부를 설명하기 위한 블럭도이다.

일 실시예에 따르면, 상기 위험 상황 발생 알림부(400)(예: 위험 상황 발생 알림 단계와 동일한 기능 수행)는 상기 위험 상황 영상 정보(401)로부터 영상 정보(401a)를 제외하고 추출된 정보로서, 상기 위험 상황 영상에 포함된 객체의 종류에 대한 정보(401b) 및 위험 상황 발생 판단부에서 식별된 위험 상황 발생 조건의 충족에 따른 위험 상황 정보(401c)를 상기 관리자 계정(402)으로 전송할 수 있다.

일 실시예에 따르면, 유저 설정부(11)에서 유저 계정이 적어도 위험 상황 영상 정보(401a)를 상기 관리자 계정(402)에 전송하지 않는 옵션을 설정 시 수행되는 기능으로, 상기 위험 상황 영상(401a)은 전송하지 않고 상기 위험 상황 영상에 포함된 객체의 종류에 대한 정보(401b)와 위험 상황 발생 판단부에서 식별된 위험 상황 정보(401c)를 상기 관리자 계정(402)으로 전송함으로써 피보호자의 개인 정보 보호를 강화할 수 있다.

다른 실시예에 따르면, 상기 위험 상황 발생 알림부(400)는 상기 위험 상황 영상 정보(401a)를 제공 시, 상기 위험 상황 영상 정보(401)로부터 추출된 정보로서, 상기 위험 상황 영상에 포함된 객체의 종류에 대한 정보(401b) 및 상기 위험 상황 발생 판단 단계에서 식별된 상기 위험 상황 발생 조건의 충족에 따른 상기 위험 상황 정보(401c)를 상기 관리자 계정(402)에 전송할 수 있다.

일 실시예에 따르면, 유저 설정부(11)에서 유저 계정이 적어도 위험 상황 영상 정보(401a)를 포함한 정보를 상기 관리자 계정에 전송하는 옵션을 설정 시 수행되는 기능으로, 상기 위험 상황 영상(401a), 상기 위험 상황 영상에 포함된 객체의 종류에 대한 정보(401b) 및 위험 상황 발생 판단부에서 식별된 위험 상황 정보(401c)를 상기 관리자 계정(402)으로 전송함으로써 피보호자에게 위험 상황이 발생하였을 때 피보호자의 개인 정보를 최대한 보장함과 동시에 보호자로 하여금 상기 위험 상황 영상 정보(401a)를 통해 정확한 상황 정보를 제공할 수 있다.

도 6은 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법의 위험 상황 영상 정보에 대한 주변 기관 연계 단계를 설명하기 위한 순서도이다.

일 실시예에 따르면, 상기 주변 기관 연계 단계(S104)는 위험 상황 발생 알림 단계(S103)의 수행 후, 주의 대상 객체가 충족하는 위험 상황 발생 조건에 따라서 결정되는 위험 상황 타입에 따라 주변에 기 설정된 반경 이내의 위험 상황에 대한 대처가 가능한 대응 기관에 알림을 제공하여, 대응 기관에 의하여 위험 상황에 대해 대응할 수 있다.

일 실시예에 따르면, 상기 기 설정된 반경 이내의 위험 상황에 대한 대처가 가능한 대응 기관은 병의원, 경찰서, 소방서 등을 포함할 수 있으며 상기 위험 상황 타입에 따라서 하나 이상의 대응 기관에 알림을 제공할 수 있다.

일 실시예에 따르면, 상기 위험 상황 발생 조건에 따라서 결정되는 위험 상황 타입은 예를 들어, 외부 요인과 상관없이 발생되는 위험 상황으로서, 상기 주의 대상 객체의 낙상 발생 상황 시, 주변 기관 연계부는 상기 기 설정된 반경(예: 15km) 이내의 병의원에 알림을 제공하여 위험 상황에 대해 대응하게 할 수 있으며, 외부 요인에 의해서 발생되는 위험 상황으로서, 상기 주의 대상 객체가 상기 제2 객체(외부인)에 의해 상기 주의 대상 객체를 대상으로 폭행이 일어났을 때, 상기 주변 기관 연계부는 상기 기 설정된 반경(예: 15km) 이내의 병의원과 경찰에 알림을 제공하여 위험 상황에 대해 대응하게 할 수 있다.

도 7은 본 발명의 일 실시예에 따른 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 시스템의 블록도이다.

도 7을 참조하면, 상기 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 시스템(10)은 유저 설정부(11), 위험 상황 발생 판단부(12), 위험 상황 프레임 식별부(13), 위험 상황 발생 알림부(14), 및 주변 기관 연계부(15)를 포함할 수 있다.

일 실시예에 따르면, 상기 유저 설정부(11)는 유저 계정의 선택 입력에 따라, 적어도 위험 상황 영상 정보의 관리자 계정에 대한 전송 여부를 설정할 수 있다. 즉 상술한 설명에 있어서 S100 단계에서 설명된 모든 기능을 수행하는 구성으로 이해될 것이다.

일 실시예에 따르면, 상기 위험 상황 발생 판단부(12)는 주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 영상 정보를 분석해 영상 정보에 대응되는 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여, 판단 결과를 통해 복수 개의 객체 중 적어도 하나를 주의 대상 객체로 식별할 수 있다. 즉 상술한 설명에서 S101, S201, S202 단계에 대한 설명에서 언급된 모든 기능을 수행하는 구성으로 이해될 것이다.

일 실시예에 따르면, 상기 위험 상황 프레임 식별부(13)는 위험 상황 발생 판단 단계의 기능 수행을 통해 주의 대상 객체의 식별이 완료된 상태에서, 영상에 기반한 복수 개의 프레임 중 주의 대상 객체가 기 설정된 위험 상황 발생 조건을 충족하는 시점의 프레임을 기준 프레임으로 설정하고 기준 프레임을 포함하는 기 설정된 기간 동안의 프레임 구간을 위험 상황 프레임으로 식별할 수 있다. 즉 상술한 설명에서 S102 단계에 포함된 모든 기능을 수행하는 구성으로 이해될 것이다.

일 실시예에 따르면, 상기 위험 상황 발생 알림부(14)는 위험 상황 프레임의 식별이 완료되면, 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응하는 영상에서 위험 상황 프레임을 추출하여, 추출된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 관리자 계정에게 제공하여 위험 상황의 발생을 알릴 수 있다. 즉 상술한 설명에서 S103, S301, S302 단계에 대한 설명에서 언급된 모든 기능을 수행하는 구성으로 이해될 것이다.

일 실시예에 따르면, 상기 주변 기관 연계부(15)는 주의 대상 객체가 충족하는 위험 상황 발생 조건에 따라서 결정되는 위험 상황 타입에 따라 주변에 기 설정된 반경 이내의 위험 상황에 대한 대처가 가능한 대응 기관에 알림을 제공하여, 대응 기관에 의하여 위험 상황에 대해 대응할 수 있다. 즉 상술한 설명에서 S104 단계에 포함된 모든 기능을 수행하는 구성으로 이해될 것이다.

도 8은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 도시하였으며, 이하의 설명에 있어서, 상술한 도 1 내지 7에 대한 설명과 중복되는 불필요한 실시 예에 대한 설명은 생략하기로 한다.

도 8에 도시한 바와 같이, 컴퓨팅 장치(10000)는 적어도 하나의 프로세서(processor)(11100), 메모리(memory)(11200), 주변장치 인터페이스(peripheral interface)(11300), 입/출력 서브시스템(I/O subsystem)(11400), 전력 회로(11500) 및 통신 회로(11600)를 적어도 포함할 수 있다. 이때, 컴퓨팅 장치(10000)는 촉각 인터페이스 장치에 연결된 유저 단말이기(A) 혹은 전술한 컴퓨팅 장치(B)에 해당될 수 있다.

메모리(11200)는, 일례로 고속 랜덤 액세스 메모리(high-speed random access memory), 자기 디스크, 에스램(SRAM), 디램(DRAM), 롬(ROM), 플래시 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(11200)는 컴퓨팅 장치(10000)의 동작에 필요한 소프트웨어 모듈, 명령어 집합 또는 그밖에 다양한 데이터를 포함할 수 있다.

이때, 프로세서(11100)나 주변장치 인터페이스(11300) 등의 다른 컴포넌트에서 메모리(11200)에 액세스하는 것은 프로세서(11100)에 의해 제어될 수 있다.

주변장치 인터페이스(11300)는 컴퓨팅 장치(10000)의 입력 및/또는 출력 주변장치를 프로세서(11100) 및 메모리 (11200)에 결합시킬 수 있다. 프로세서(11100)는 메모리(11200)에 저장된 소프트웨어 모듈 또는 명령어 집합을 실행하여 컴퓨팅 장치(10000)를 위한 다양한 기능을 수행하고 데이터를 처리할 수 있다.

입/출력 서브시스템(11400)은 다양한 입/출력 주변장치들을 주변장치 인터페이스(11300)에 결합시킬 수 있다. 예를 들어, 입/출력 서브시스템(11400)은 모니터나 키보드, 마우스, 프린터 또는 필요에 따라 터치스크린이나 센서 등의 주변장치를 주변장치 인터페이스(11300)에 결합시키기 위한 컨트롤러를 포함할 수 있다. 다른 측면에 따르면, 입/출력 주변장치들은 입/출력 서브시스템(11400)을 거치지 않고 주변장치 인터페이스(11300)에 결합될 수도 있다.

전력 회로(11500)는 단말기의 컴포넌트의 전부 또는 일부로 전력을 공급할 수 있다. 예를 들어 전력 회로(11500)는 전력 관리 시스템, 배터리나 교류(AC) 등과 같은 하나 이상의 전원, 충전 시스템, 전력 실패 감지 회로(power failure detection circuit), 전력 변환기나 인버터, 전력 상태 표시자 또는 전력 생성, 관리, 분배를 위한 임의의 다른 컴포넌트들을 포함할 수 있다.

통신 회로(11600)는 적어도 하나의 외부 포트를 이용하여 다른 컴퓨팅 장치와 통신을 가능하게 할 수 있다.

또는 상술한 바와 같이 필요에 따라 통신 회로(11600)는 RF 회로를 포함하여 전자기 신호(electromagnetic signal)라고도 알려진 RF 신호를 송수신함으로써, 다른 컴퓨팅 장치와 통신을 가능하게 할 수도 있다.

이러한 도 8의 실시 예는, 컴퓨팅 장치(10000)의 일례일 뿐이고, 컴퓨팅 장치(11000)는 도 8에 도시된 일부 컴포넌트가 생략되거나, 도 8에 도시되지 않은 추가의 컴포넌트를 더 구비하거나, 2개 이상의 컴포넌트를 결합시키는 구성 또는 배치를 가질 수 있다. 예를 들어, 모바일 환경의 통신 단말을 위한 컴퓨팅 장치는 도 8에도시된 컴포넌트들 외에도, 터치스크린이나 센서 등을 더 포함할 수도 있으며, 통신 회로(1160)에 다양한 통신방식(WiFi, 3G, LTE, Bluetooth, NFC, Zigbee 등)의 RF 통신을 위한 회로가 포함될 수도 있다. 컴퓨팅 장치(10000)에 포함 가능한 컴포넌트들은 하나 이상의 신호 처리 또는 어플리케이션에 특화된 집적 회로를 포함하는 하드웨어, 소프트웨어, 또는 하드웨어 및 소프트웨어 양자의 조합으로 구현될 수 있다.

본 발명의 실시 예에 따른 방법들은 다양한 컴퓨팅 장치를 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 특히, 본 실시 예에 따른 프로그램은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다. 본 발명이 적용되는 애플리케이션은 파일 배포 시스템이 제공하는 파일을 통해 이용자 단말에 설치될 수 있다. 일 예로, 파일 배포 시스템은 이용자 단말이기의 요청에 따라 상기 파일을 전송하는 파일 전송부(미도시)를 포함할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시 예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로 (collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨팅 장치상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시 예에 따른 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 실시 예를 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 광 기록 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. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시 예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법으로서,
주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 상기 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 상기 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 상기 영상 정보를 분석해 상기 영상 정보에 대응되는 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여, 복수 개의 객체 중 적어도 하나를 주의 대상 객체로 식별하는 위험 상황 발생 판단 단계;
상기 위험 상황 발생 판단 단계의 기능 수행을 통해 상기 주의 대상 객체의 식별이 완료된 상태에서, 상기 영상에 기반한 복수 개의 프레임 중 상기 주의 대상 객체가 상기 기 설정된 위험 상황 발생 조건을 충족하는 시점의 프레임을 기준 프레임으로 설정하고 상기 기준 프레임을 포함하는 기 설정된 기간 동안의 프레임 구간을 위험 상황 프레임으로 식별하는 위험 상황 프레임 식별 단계; 및
상기 위험 상황 프레임의 식별이 완료되면, 상기 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응하는 영상에서 상기 위험 상황 프레임을 추출하여, 상기 추출된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 관리자 계정에게 제공하여 위험 상황의 발생을 알리는 위험 상황 발생 알림 단계;를 포함하는 것을 특징으로 하는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법.
제1항에 있어서,
상기 위험 상황 발생 판단 단계는,
상기 영상 촬영 장치로부터 상기 영상 정보를 수신하는 경우, 상기 영상 데이터베이스에 상기 영상 정보를 임시 저장하여, 상기 기 저장된 행동 인식 알고리즘을 통해 상기 영상 내에 포함된 복수 개의 객체에 대한 관절 포인트 벡터를 추출하여, 상기 추출된 관절 포인트 벡터를 분석하는 관절 벡터 분석 단계; 및
상기 관절 벡터 분석 단계에서 상기 관절 포인트 벡터의 분석이 완료되는 경우, 상기 행동 인식 알고리즘으로서, 상기 영상 정보에 포함된 일련의 프레임 구간을 분석하여 상기 복수 개의 객체 중 상기 기 설정된 위험 상황 발생 조건에 기반한 위험 상황 패턴을 충족하는 객체를 주의 대상 객체로 식별하는 주의 대상 객체 식별 단계;를 포함하는 것을 특징으로 하는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법.
제1항에 있어서,
상기 위험 상황 프레임 식별 단계는,
상기 주의 대상 객체 식별 단계를 통해 상기 주의 대상 객체가 충족하는 위험 상황 발생 조건에 따라서 서로 다른 기간의 프레임을 위험 상황 프레임으로 식별하는 것을 특징으로 하는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법.
제1항에 있어서,
상기 위험 상황 발생 알림 단계는,
상기 위험 상황 프레임 식별 단계의 기능 수행에 의해 상기 위험 상황 프레임의 식별이 완료되면, 상기 영상에 기반한 복수 개의 프레임에서 상기 위험 상황 프레임을 추출하는 위험 상황 프레임 추출 단계; 및
상기 위험 상황 프레임의 추출이 완료되면, 상기 추출된 위험 상황 프레임을 기반으로 주의 대상 객체가 처한 위험 상황을 식별 가능한 위험 상황 영상 정보를 생성하여, 상기 관리자 계정에게 제공하는 위험 상황 영상 제공 단계;를 포함하는 것을 특징으로 하는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법.
제1항에 있어서,
상기 위험 상황 발생 판단 단계의 수행 전,
유저 계정의 선택 입력에 따라, 적어도 위험 상황 영상 정보의 상기 관리자 계정에 대한 전송 여부를 설정하는 유저 설정 단계;를 더 포함하는 것을 특징으로 하는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법.
제5항에 있어서,
상기 위험 상황 발생 알림 단계는,
상기 위험 상황 영상 정보로부터 영상 정보를 제외하고 추출된 정보로서, 상기 위험 상황 영상에 포함된 객체의 종류에 대한 정보, 및 상기 위험 상황 발생 판단 단계에서 식별된 상기 위험 상황 발생 조건의 충족에 따른 위험 상황 정보를 상기 관리자 계정에 전송하는 것을 특징으로 하는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법.
제1항에 있어서,
상기 위험 상황 발생 알림 단계는,
상기 위험 상황 영상 정보를 제공 시, 상기 위험 상황 영상 정보로부터 추출된 정보로서, 상기 위험 상황 영상에 포함된 객체의 종류에 대한 정보, 및 상기 위험 상황 발생 판단 단계에서 식별된 상기 위험 상황 발생 조건의 충족에 따른 위험 상황 정보를 상기 관리자 계정에 전송하는 것을 특징으로 하는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법.
제1항에 있어서,
상기 위험 상황 발생 알림 단계의 수행 후,
상기 주의 대상 객체가 충족하는 위험 상황 발생 조건에 따라서 결정되는 위험 상황 타입에 따라 주변에 기 설정된 반경 이내의 위험 상황에 대한 대처가 가능한 대응 기관에 알림을 제공하여, 대응 기관에 의하여 위험 상황에 대한 대응이 가능하도록 하는 주변 기관 연계 단계;를 더 포함하는 것을 특징으로 하는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법.
하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법으로서,
주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 상기 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 상기 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 상기 영상 정보를 분석해 상기 영상 정보에 대응되는 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여, 복수 개의 객체 중 적어도 하나를 주의 대상 객체로 식별하는 위험 상황 발생 판단부;
상기 위험 상황 발생 판단부의 기능 수행을 통해 상기 주의 대상 객체의 식별이 완료된 상태에서, 상기 영상에 기반한 복수 개의 프레임 중 상기 주의 대상 객체가 상기 기 설정된 위험 상황 발생 조건을 충족하는 시점의 프레임을 기준 프레임으로 설정하고 상기 기준 프레임을 포함하는 기 설정된 기간 동안의 프레임 구간을 위험 상황 프레임으로 식별하는 위험 상황 프레임 식별부; 및
상기 위험 상황 프레임의 식별이 완료되면, 상기 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응하는 영상에서 상기 위험 상황 프레임을 추출하여, 상기 추출된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 관리자 계정에게 제공하여 위험 상황의 발생을 알리는 위험 상황 발생 알림부;를 포함하는 것을 특징으로 하는 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 장치.
컴퓨터-판독가능 기록매체로서,
상기 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 단계들은:
피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법으로서,
주거 시설에 설치된 적어도 하나의 영상 촬영 장치로부터 영상 정보를 수신 시, 상기 영상 정보에 기반한 영상 내에 포함된 피보호자에 대한 개인 정보 보호를 위해 상기 영상 정보를 영상 데이터베이스에 임시 저장하여, 기 저장된 행동 인식 알고리즘을 기반으로, 상기 영상 정보를 분석해 상기 영상 정보에 대응되는 영상 내에 포함된 적어도 하나의 객체가 기 설정된 위험 상황 발생 조건을 충족하는지를 판단하여, 복수 개의 객체 중 적어도 하나를 주의 대상 객체로 식별하는 위험 상황 발생 판단 단계;
상기 위험 상황 발생 판단 단계의 기능 수행을 통해 상기 주의 대상 객체의 식별이 완료된 상태에서, 상기 영상에 기반한 복수 개의 프레임 중 상기 주의 대상 객체가 상기 기 설정된 위험 상황 발생 조건을 충족하는 시점의 프레임을 기준 프레임으로 설정하고 상기 기준 프레임을 포함하는 기 설정된 기간 동안의 프레임 구간을 위험 상황 프레임으로 식별하는 위험 상황 프레임 식별 단계; 및
상기 위험 상황 프레임의 식별이 완료되면, 상기 영상 데이터베이스에 임시 저장되어 있는 영상 정보에 대응하는 영상에서 상기 위험 상황 프레임을 추출하여, 상기 추출된 위험 상황 프레임에 기반한 위험 상황 영상 정보를 생성해 관리자 계정에게 제공하여 위험 상황의 발생을 알리는 위험 상황 발생 알림 단계;를 포함하는 것을 특징으로 하는 컴퓨터-판독가능 기록매체.