KR102579542B1

KR102579542B1 - 군중 밀집도 기반의 위험 지역 자동 알림 시스템

Info

Publication number: KR102579542B1
Application number: KR1020230077026A
Authority: KR
Inventors: 최재찬
Original assignee: 주식회사 이투온
Priority date: 2023-06-15
Filing date: 2023-06-15
Publication date: 2023-09-18

Abstract

본 발명은 촬영수단을 통해 촬영된 영상으로부터 사람 수를 카운팅하여 실시간으로 군중 밀집도를 계산하고, 계산된 군중 밀집도를 바탕으로 위험 지역을 판단하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템에 관한 것으로, 보다 상세하게는, 설정된 지역을 촬영하는 적어도 하나의 촬영수단; 상기 촬영수단을 통해 촬영된 영상으로부터 사람 수, 사람 수에 따른 밀집도, 사람의 이동 방향, 인파의 흐름 상태 및 촬영된 지역의 업종을 분석하고, 분석된 결과를 바탕으로 위험 상황을 판단하는 처리부; 상기 촬영수단의 촬영 영상과 상기 처리부의 처리 결과가 저장되는 저장부; 및 상기 저장부에 저장된 데이터를 나타내는 표시부를 포함하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템에 관한 것이다.

Description

군중 밀집도 기반의 위험 지역 자동 알림 시스템{CROWD DENSITY-BASED HAZARDOUS AREA AUTOMATED ALERT SYSTEM}

본 발명은 군중 밀집도 기반의 위험 지역 자동 알림 시스템에 관한 것으로서, 특히 촬영수단을 통해 촬영된 영상으로부터 사람 수를 카운팅하여 실시간으로 군중 밀집도를 계산하고, 계산된 군중 밀집도를 바탕으로 위험 지역을 판단하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템에 관한 것이다.

현대 도시에서는 군중 밀집 지역에서 발생하는 위험 상황 및 사건 사고의 예방과 대응이 중요한 사안으로 부각되고 있다. 이러한 위험 상황은 대규모 행사, 공공 시설, 교통 체증, 재난 상황 등에서 발생할 수 있으며, 인파의 밀집도와 이동 패턴을 신속하게 파악하고 관리하는 것이 필요하다.

과거에는 사람의 수와 이동 상황을 파악하기 위해 인력을 투입하여 수작업으로 조사하거나 감시하였다. 하지만 이는 비효율적이고 정확도가 낮으며, 대규모 지역에서는 실시간 모니터링과 빠른 대응이 어려웠다. 따라서 자동화된 시스템을 통해 군중의 밀집도와 이동 상황을 신속하게 파악하고 위험 지역을 판단하는 기술의 필요성이 대두되고 있다.

(0001) 국내등록특허공보 제10-1176947호

본 발명이 해결하고자 하는 기술적 과제는, 군중이 밀집한 지역에서 발생하는 위험 상황을 신속하게 자동 탐지하고 대응하기 위한 군중 밀집도 기반의 위험 지역 자동 알림 시스템을 제공하는데 있다.

본 발명이 해결하고자 하는 다른 기술적 과제는, 위험 상황의 조기 탐지와 신속한 대응을 가능하게 하여 공공 안전 및 재난 대응 분야에서 유용하게 활용될 수 군중 밀집도 기반의 위험 지역 자동 알림 시스템을 제공하는데 있다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 달성하기 위한 본 발명인 군중 밀집도 기반의 위험 지역 자동 알림 시스템은, 촬영수단을 통해 촬영된 영상으로부터 사람 수를 카운팅하여 실시간으로 군중 밀집도를 계산하고, 계산된 상기 군중 밀집도를 바탕으로 위험 지역을 판단하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템에 관한 것으로, 설정된 지역을 촬영하는 적어도 하나의 촬영수단; 상기 촬영수단을 통해 촬영된 영상으로부터 사람 수, 사람 수에 따른 밀집도, 사람의 이동 방향, 인파의 흐름 상태 및 촬영된 지역의 업종을 분석하고, 분석된 결과를 바탕으로 위험 상황을 판단하는 처리부; 상기 촬영수단의 촬영 영상과 상기 처리부의 처리 결과가 저장되는 저장부; 및 상기 저장부에 저장된 데이터를 나타내는 표시부를 포함하는 것을 특징으로 한다.

또한, 상기 촬영수단은, 설정된 지역 전체를 촬영하는 광각 카메라; 및 상기 광각 카메라를 통해 촬영된 영상에서 어느 특정된 곳의 군중 밀집도가 설정된 수치 이상으로 파악될 경우, 상기 특정된 곳을 정밀하게 촬영하는 적어도 하나의 팬/틸트/줌 카메라를 포함하는 것을 특징으로 한다.

또한, 상기 처리부는, 상기 촬영수단으로부터 개개인이 위치된 거리에 따라 설정된 이격거리 이상이면 원거리로 판단하여 사람의 머리만 카운팅하고, 상기 촬영수단으로부터 개개인이 위치된 거리에 따라 설정된 이격거리 미만이면 근거리로 판단하여 사람 전신을 카운팅하는 것을 특징으로 한다.

또한, 상기 처리부는, 시간대별, 요일별 및 날씨별 중 적어도 어느 하나에 의해 상기 설정된 지역에서 사람의 이동량을 계산하는 것을 특징으로 한다.

또한, 상기 처리부는, 시간대별, 요일별 및 날씨별 중 적어도 어느 하나에 의해 상기 설정된 지역에서 사람의 이동량을 누적시키고, 누적된 데이터를 기반으로 평균 이동량을 산출하는 것을 특징으로 한다.

또한, 상기 처리부는, 상기 설정된 지역의 간판이나 안내판을 통해 업종을 분석하고, 분석된 업종과 사람 수에 따른 밀집도 및 인파의 흐름 상태를 통해 위험 상황을 판단하는 것을 특징으로 한다.

또한, 상기 표시부는, 상기 촬영수단을 통한 영상을 모니터링하는 관제소나 상기 설정된 지역에 위치된 사람들이 파악할 수 있는 장소 중 적어도 어느 한 곳에 배치되는 것을 특징으로 한다.

또한, 상기 표시부는, 사람들이 휴대한 모바일기기를 포함하는 것을 특징으로 한다.

상기 본 발명의 양태들은 본 발명의 바람직한 실시례들 중 일부에 불과하며, 본원 발명의 기술적 특징들이 반영된 다양한 실시례들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 본 발명의 상세한 설명을 기반으로 도출되고 이해될 수 있다.

이상에서 상술한 본 발명은 다음과 같은 효과가 있다.

먼저, 실시간으로 군중 밀집도를 계산하고 위험 지역을 자동으로 판단하여 즉각적인 대응 조치를 취할 수 있으므로, 잠재적인 위험 상황을 조기에 감지하여 사전에 예방하거나 신속한 대응을 할 수 있으며, 인명 피해를 최소화할 수 있다.

또한, 군중의 이동 상황과 밀집도를 실시간으로 파악하여 자원의 효율적인 배치와 관리를 가능하게 할 수 있으므로, 필요에 따라 인력, 보안 시설, 응급 대피 시설 등의 자원을 최적으로 분배하고 운영할 수 있다.

또한, 군중의 이동 패턴과 밀집도를 분석하여 위험 상황을 예측할 수 있으며, 시간대별, 요일별, 날씨별 등의 다양한 요인을 고려하여 위험 지역의 변화를 파악하고 예측할 수 있으므로, 사전 대비와 대응이 가능하다.

또한, 촬영된 영상 데이터를 분석하여 사람 수, 이동 방향, 업종 등의 정보를 추출하여 지역의 특성과 동향을 파악하고, 정확한 데이터를 활용하여 의사 결정을 내릴 수 있으므로, 공공 안전 관리, 도시 계획, 이벤트 운영 등에 유용한 정보를 제공할 수 있다.

또한, 본 발명에 따른 알림 시스템은 모니터링 관제소나 지역 내의 표시부, 모바일 기기 등을 통해 위험 상황을 전달하고 시민들의 주의를 높일 수 있으므로, 시민의 안전 인식과 참여를 촉진하여 지역 전반의 안전성을 향상시킬 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명인 군중 밀집도 기반의 위험 지역 자동 알림 시스템의 일 실시례에 따른 구성 개념도.

이하, 본 발명의 일부 실시례들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시례를 설명함에 있어, 관련된 공지구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시례에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.

또한, 본 발명의 실시례의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.

도 1은 본 발명인 군중 밀집도 기반의 위험 지역 자동 알림 시스템의 일 실시례에 따른 구성 개념도이며, 이를 참조하여 본 발명인 군중 밀집도 기반의 위험 지역 자동 알림 시스템을 설명하면 다음과 같다.

본 발명은 촬영수단을 통해 촬영된 영상으로부터 사람 수를 카운팅하여 실시간으로 군중 밀집도를 계산하고, 계산된 상기 군중 밀집도를 바탕으로 위험 지역을 판단하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템에 관한 것으로, 본 발명인 군중 밀집도 기반의 위험 지역 자동 알림 시스템은 촬영수단(10), 처리부(20), 저장부(30) 및 표시부(40)를 포함하여 구성될 수 있다.

촬영수단(10)은 적어도 하나의 광각 카메라(11)로만 구성되거나, 적어도 하나의 광각 카메라(11)와 적어도 하나의 팬/틸트/줌 카메라(12)로 구성될 수 있다. 팬/틸트/줌 카메라(12)는 PTZ 카메라(12)로 표기될 수도 있다.

광각 카메라(11)는 설정된 지역 전체를 촬영할 수 있다. 광각 카메라(11)는 넓은 시야각을 가지고 있어, 이를 통해 군중의 전반적인 밀집도와 이동 패턴을 파악할 수 있다. 또한, 파노라마 카메라로 구성될 수도 있어 더 넓은 범위의 영상을 촬영할 수도 있다.

광각 카메라(11)는 광각 범위를 촬영하기 위해 넓은 시야각을 가진 렌즈를 선택할 수 있다. 렌즈의 초점 거리가 짧을수록 시야각이 넓어지므로, 광각 렌즈, 피쉬아이(어안) 렌즈 또는 파노라마 렌즈 등을 사용하여 광각 카메라를 구성할 수 있다.

광각 카메라(11)의 이미지 센서는 넓은 시야각을 잘 캡처할 수 있도록 충분한 크기를 갖추어야 하므로, 큰 센서 크기를 가진 디지털 카메라나 비디오 카메라를 선택하여 광각 카메라를 구성할 수도 있다.

또한, 광각 범위를 더욱 확장하기 위해 파노라마 카메라를 사용할 수도 있다. 파노라마 카메라는 여러 장의 사진을 자동으로 연결하여 넓은 범위의 이미지를 생성할 수 있다.

또한, 여러 개의 카메라를 조합하여 광각 카메라(11)를 구성할 수도 있다. 이 경우, 카메라들을 적절히 배치하여 겹치지 않는 영역을 촬영하도록 조정하는 것이 바람직하다. 이러한 다중 카메라 시스템은 시야각을 확장하고 상세한 정보를 수집하는 데 도움을 줄 수 있다.

이와 같이 광각 카메라(11)를 구성함으로써, 촬영수단(10)은 설정된 지역 전체를 넓은 시야각으로 촬영할 수 있으며, 이는 군중의 전반적인 밀집도와 이동 패턴을 파악하는 데 용이하다.

팬/틸트/줌 카메라(12)는 필요에 따라 촬영수단(10)에 추가될 수 있다. 팬/틸트/줌 카메라(12)는 특정된 곳의 군중 밀집도가 설정된 수치 이상으로 증가할 경우 사용될 수 있다. 팬/틸트/줌 카메라(12)는 군중이 집중된 특정 지점을 정확하게 촬영할 수 있어 상세한 정보 수집에 유용할 수 있다. PTZ 카메라(12)는 움직임과 확대/축소 기능을 갖추고 있어 군중이 집중된 특정 구역의 상세한 정보를 파악하고 위험 지역을 식별하는 데 도움을 줄 수 있다.

팬/틸트/줌 카메라(12)는 특정된 곳의 군중 밀집도가 설정된 수치 이상으로 증가할 경우 사용되며, 상세한 정보 수집을 위해 추가될 수 있다.

팬/틸트/줌 카메라(12)는 카메라의 움직임과 확대/축소 기능을 갖춘 카메라이다. 이러한 기능을 내장한 전문 카메라를 사용하여 팬/틸트/줌 카메라(12)를 구성할 수 있다. 팬/틸트/줌 카메라(12)는 조종 장치에 의해 원격으로 조작되거나 자동 프로그래밍을 통해 설정된 상태로 동작하도록 구성할 수 있으며, 특정 구역을 정확하게 촬영할 수 있다.

또한, 팬/틸트/줌 카메라(12)의 팬/틸트/줌 기능을 구현하기 위해 여러 개의 카메라를 조합하여 사용할 수도 있다. 이러한 멀티카메라 시스템은 다양한 각도와 줌 수준에서 촬영을 수행하며, 각 카메라의 움직임을 조정하여 원하는 영역을 정밀하게 촬영할 수 있다.

이와 같이 팬/틸트/줌 카메라(12)를 구성함으로써, 촬영수단(10)은 특정 구역의 군중 밀집도를 설정된 수치 이상으로 증가할 경우 해당 구역을 정밀하게 촬영할 수 있다. 이는 상세한 정보 수집과 위험 지역 식별에 유용하다.

전술한 바와 같이, 촬영수단(10)은 광각 카메라(11)와 팬/틸트/줌 카메라(12)로 구성되어, 군중의 전반적인 상황을 파악하고 필요한 경우 세부 정보를 수집할 수 있다.

광각 카메라(11)를 이용한 군중 밀집도 추정치는 후속 분석 및 예측에 활용될 수 있다.

팬/틸트/줌 카메라(12)는 군중 밀집도가 설정된 수치 이상으로 증가하는 특정 지점을 정밀하게 촬영하기 위해 사용될 수 있다. 광각 카메라(11)에서 감지된 군중 밀집도가 설정된 임계값을 초과할 경우, 팬/틸트/줌 카메라(12)는 해당 지점을 자동으로 촬영하도록 동작하며, 해당 지점에 대한 상세한 영상을 제공할 수 있다.

한편, 광각 카메라(11)를 통한 군중 밀집도 수치가 설정된 수치 이상으로 증가하는 지점이 발생하면, 발생된 특정 지점을 적어도 하나의 팬/틸트/줌 카메라(12)를 통해 촬영할 수 있다. 예컨대, 상기 특정 지점을 두 개의 팬/틸트/줌 카메라(12)를 통해 촬영할 수 있으며, 어느 하나의 팬/틸트/줌 카메라(12)를 통해 상기 특정 지점을 정면에서 촬영한다면 나머지 다른 하나의 팬/틸트/줌 카메라(12)를 통해 상기 특정 지점을 정면과는 다른 각도에서 촬영할 수 있다. 이를 위해 팬/틸트/줌 카메라(12)는 적어도 복수 개로 구성하고, 각각의 구성 위치를 달리할 수 있다. 이와 같은 배치를 통해 사람이 겹쳐질 때 정확히 카운트되지 않는 문제를 해결할 수 있다.

처리부(20)는 촬영수단(10)을 통해 촬영된 영상 데이터를 분석하고 군중 밀집도 및 위험 상황을 판단할 수 있다.

처리부(20)는 다음과 같은 기능을 수행할 수 있다.

먼저, 처리부(20)는 촬영된 영상 데이터를 처리하여 다양한 정보를 추출할 수 있다. 이 정보에는 사람 수, 밀집도, 이동 방향, 인파의 흐름 상태, 촬영된 지역의 업종 등이 포함될 수 있다. 영상 처리 알고리즘과 컴퓨터 비전 기술을 활용하여 이러한 정보를 정확하게 추출할 수 있다.

영상 처리 알고리즘은 촬영된 영상 데이터를 분석하고 원하는 정보를 추출하기 위해 사용되는 알고리즘의 집합이다. 이 알고리즘들은 컴퓨터 비전 기술과 인공지능 기술을 기반으로 하며, 영상 내의 객체 인식, 추적, 분류, 밀집도 계산 등의 작업을 수행할 수 있다.

다양한 영상 처리 알고리즘이 사용될 수 있으며, 예컨대 '밀집도 추정(Density Estimation)' 영상 처리 알고리즘이 사용될 수 있다. 밀집도 추정(Density Estimation) 알고리즘은 군중 밀집도 계산을 위한 대표적인 알고리즘이다.

밀집도 추정 알고리즘은 다음과 같은 과정을 거쳐 군중 밀집도를 계산할 수 있다.

먼저, 영상 내에서 사람을 포함한 객체를 검출할 수 있다. 이를 위해 객체 검출 알고리즘인 '보행자 검출(Human Detection)' 알고리즘 등을 사용할 수 있다. 객체 검출 알고리즘은 영상 내에서 사람을 식별하고 그 위치를 파악하는 기능을 수행할 수 있다.

다음으로, 검출된 객체의 위치와 특징을 추출할 수 있다. 예를 들어, 객체의 경계 상자 좌표, 색상 히스토그램, 텍스처 특징 등을 추출할 수 있다. 이러한 특징은 개별 객체를 식별하고 추후에 군중 밀집도 계산에 사용될 수 있다.

또한, 추출된 객체의 특징을 바탕으로 밀집도를 계산할 수 있다. 일반적으로 가우시안 커널(Gaussian Kernel)을 사용하여 주변 객체의 특징을 고려하며, 주변 객체의 거리에 따라 가중치를 부여하여 밀집도를 계산할 수 있다. 이를 통해 군중이 밀집된 지역과 희소한 지역을 구분하고 군중 밀집도 맵을 생성할 수 있다.

이후 계산된 군중 밀집도 맵을 바탕으로 위험 상황을 판단할 수 있다. 미리 설정된 기준에 따라 특정 구역의 군중 밀집도가 위험 수준을 초과하는지 확인하고, 추가적인 정보와 조합하여 위험 지역을 판단할 수 있다.

이외에도 다양한 영상 처리 알고리즘을 활용하여 객체 추적, 이동량 계산, 업종 분석 등의 작업을 수행할 수 있다. 이러한 처리부(20)의 알고리즘은 실시간으로 영상 데이터를 처리하고, 계산된 결과를 위험 상황 판단 및 알림 시스템에 활용할 수 있다.

한편, 영상 전처리 기술이 적용될 수 있으며 예컨대, 고해상도 변환(Super resolution), 저조도 개선(Low-light enhancement) 및 안개 제거(Defoggy) 기술 등을 적용될 수 있다.

고해상도 변환 기술은 저해상도 영상을 고해상도 영상으로 변환하는 기술이다. 일반적으로 저해상도 영상은 이미지나 비디오의 세부 정보가 부족하거나 품질이 낮은 경우에 발생할 수 있다. 고해상도 변환 기술은 이러한 저해상도 영상을 보다 선명하고 고해상도로 재구성하는 방법을 제공한다. 이를 위해 이미지나 비디오의 고해상도 정보를 추정하고, 저해상도 입력에 대한 추가적인 세부 정보를 생성하는 다양한 알고리즘과 기술이 사용될 수 있다.

저조도 개선 기술은 저조도 조건에서 촬영된 영상을 개선하는 기술이다. 저조도 환경에서 촬영된 영상은 밝기가 부족하고 세부 정보가 흐릿하거나 손실된 경우가 많다.

저조도 개선 기술은 이러한 저조도 영상의 품질을 향상시키기 위해 다양한 기술을 사용할 수 있다. 예컨대, 영상의 밝기를 조절하고, 노이즈 감소 기술을 적용하거나, 세부 정보를 보정하는 등의 방법을 사용하여 저조도 영상의 시각적 품질을 개선할 수 있다.

안개 제거 기술은 안개나 스모그와 같은 날씨 조건으로 인해 흐릿하거나 탁한 영상을 개선하는 기술이다. 안개나 스모그는 영상에 안개 현상을 유발하여 시각적 선명도와 대비를 감소시킬 수 있다. 안개 제거 기술은 이러한 안개 현상을 제거하고 영상의 선명도, 대비 및 색상을 개선하기 위해 다양한 알고리즘과 기술을 사용, 예컨대 안개를 제거하기 위해 영상에서 픽셀 강도와 색상 차이를 분석하고 보정하거나, 광학 흡수 모델을 적용하여 안개를 제거하는 등의 방법을 사용할 수 있다.

이러한 영상 전처리 기술들은 영상의 시각적 품질을 향상시키고, 세부 정보를 복원하거나 보정함으로써 영상 분석 및 컴퓨터 비전 작업에 유용하게 사용될 수 있다.

또한, 컴퓨터 비전(Computer Vision) 기술은 기계가 디지털 이미지나 비디오 데이터를 해석하고 이해하는 능력을 갖추는 기술이다. 주로 영상 처리, 패턴 인식, 객체 검출, 객체 추적 등 다양한 컴퓨터 비전 기술이 영상 데이터에서 유용한 정보를 추출하고 이를 활용하여 응용 프로그램을 구현할 수 있다.

컴퓨터 비전 기술은 다음과 같은 주요 기술과 알고리즘을 포함할 수 있다.

먼저, 이미지 처리는 디지털 이미지를 전처리하고 필터링하여 이미지 품질을 향상시킬 수 있다. 이미지 처리 기법으로는 밝기 보정, 색상 보정, 경계 감지, 잡음 제거 등이 있다.

객체 검출과 인식은 영상에서 특정 객체를 검출하고 인식하는 기술이다. 주로 사용되는 알고리즘으로는 히스토그램 기반의 객체 검출, 템플릿 매칭, 딥러닝 기반의 객체 인식 알고리즘이 있다.

객체 추적은 영상이나 비디오에서 움직이는 객체를 추적하는 기술이다. 객체의 위치, 속도, 경로 등을 추적하여 객체의 이동 경로를 파악하거나 추적 대상의 속성을 분석할 수 있다.

군중 밀집도 계산은 영상 데이터에서 사람 또는 객체의 밀집도를 계산하는 기술이다. 군중 밀집도 계산은 객체 간 거리, 특징 추출 및 분석, 가우시안 커널 등을 활용하여 수행될 수 있다.

패턴 인식은 이미지나 영상에서 특정 패턴이나 객체를 인식하는 기술이다. 주로 특징 추출 및 기술자(descriptor) 생성, 기계 학습 알고리즘을 활용하여 패턴을 학습하고 인식할 수 있다.

딥 러닝(Deep Learning)은 딥러닝 알고리즘을 활용하여 이미지나 영상 데이터를 처리하고 분석하는 기술이다. 신경망을 기반으로 한 딥러닝 모델은 복잡한 패턴 인식과 객체 분류 작업에서 뛰어난 성능을 발휘할 수 있다.

이러한 컴퓨터 비전 기술은 영상 데이터를 처리하여 중요한 정보를 추출하고, 본 발명의 처리부(20)에서 활용되어 군중 밀집도, 사람의 이동량, 업종 분석 등의 작업을 수행하여 위험 상황을 판단하고 알림 시스템에 활용될 수 있다.

전술한 기술들을 이용하여 처리부(20)는 촬영된 영상으로부터 사람 수와 밀집도를 계산할 수 있다. 이를 위해 영상 내에서 사람을 감지하고, 위치와 개별적인 특징을 파악할 수 있다. 이를 통해 지정된 지역 내의 군중 밀집도를 실시간으로 계산할 수 있다.

처리부(20)는 계산된 군중 밀집도 정보와 다른 데이터를 조합하여 위험 상황을 판단할 수 있다. 예를 들어, 특정 구역의 군중 밀집도가 설정된 수치 이상으로 증가하면 위험 지역으로 간주할 수 있다. 또한, 사람의 이동 방향, 인파의 흐름 상태, 날씨 정보 등과 함께 분석하여 추가적인 위험 요소를 고려할 수 있다. 예컨대 사람의 이동 방향, 인파의 흐름 및 밀집도가 유사하거나 동일해도 비가 오는 날씨, 안개 낀 날씨, 눈이 오는 날씨에 따라 위험 정도가 달라질 수 있다.

처리부(20)는 다양한 하드웨어와 소프트웨어 요소로 구성될 수 있다. 예를 들어, 고성능의 컴퓨터 또는 서버 클러스터를 사용하여 대규모 데이터 처리를 수행할 수 있다. 또한, 전술한 영상 처리 알고리즘과 인공지능 기술을 활용하여 실시간으로 데이터를 분석하고 판단할 수 있다. 처리부(20)는 안정적이고 정확한 분석 결과를 제공하여 위험 지역을 신속하게 감지하고 알림 시스템에 반영할 수 있다.

처리부(20)에서는 전술한 컴퓨터 비전 기술을 활용하여 개개인을 인식하고 추적할 수 있다. 이를 위해 객체 인식 알고리즘과 추적 알고리즘을 사용할 수 있다. 객체 인식은 사람들의 특징을 추출하고 식별하는 과정을 의미하며, 추적은 사람들의 움직임을 실시간으로 추적하는 과정을 의미한다.

객체 인식 및 추적을 통해 사람들의 개별적 위치를 파악할 수 있다. 이를 위해 영상에서 사람들의 위치를 표시하거나 좌표로 저장할 수 있다. 좌표는 보통 영상 내의 픽셀 단위로 표현될 수 있으며, 사람들의 위치를 나타내는 좌표 데이터를 생성할 수 있다.

상기 좌표 데이터, 즉 사람들의 위치 좌표를 통해 거리를 계산할 수 있다. 거리 계산은 일반적으로 유클리드 거리(Euclidean distance)를 사용하여 수행될 수 있다. 유클리드 거리는 두 점 사이의 직선 거리를 계산하는 방법으로, 사람들의 위치 좌표를 사용하여 개별 사람들 간의 거리를 계산할 수 있다.

한편, 촬영된 영상만을 가지고도 카메라와의 거리 및 면적을 계산할 수 있다.

일례로, 깊이 추정 기술은 영상에서 객체의 거리를 추정하는 기술로써, 이를 통해 카메라와의 거리를 추정할 수 있다. 깊이 추정 기술은 다양한 방법으로 구현될 수 있으며, 실시간 깊이 맵 생성, 스테레오 비전, 시간차 스테레오 비전 등의 기술을 사용할 수 있다. 이를 통해 촬영된 장면의 깊이 정보를 추정하고, 카메라와의 거리를 계산할 수 있다.

또한, 촬영된 영상에서 객체의 크기와 비율을 분석하여 카메라와의 거리를 추정할 수 있다. 이를 위해 사전에 측정된 표준 객체의 크기나 사람의 평균 신장 등을 기준으로 비교하고 계산할 수 있다. 이는 객체의 크기와 거리 사이의 관계를 사용하여 거리를 추정하는 방법이다.

또한, 영상처리 기술을 활용하여 카메라와의 거리를 추정할 수 있다. 이를 위해 영상에서의 객체 크기, 픽셀 밀도, 원근 등을 분석하여 거리를 계산하는 방법을 사용할 수 있다. 이 방법은 객체의 크기와 픽셀 밀도를 기반으로 거리에 대한 통계적 모델을 생성하고, 촬영된 영상을 분석하여 거리를 추정할 수 있다.

처리부(20)는 촬영수단(10)으로부터 수신한 영상 데이터를 기반으로 사람의 위치와 거리를 분석하여 사람의 머리 또는 전신을 카운팅하는 기능을 수행할 수 있다.

처리부(20)는 설정된 이격거리 이상의 거리에 위치한 개개인을 원거리로 판단하여 사람의 머리만을 카운팅할 수 있다. 이를 위해 영상 데이터에서 개개인의 위치를 식별하고, 개개인의 머리 위치를 추출할 수 있다. 그 후, 이격거리 이상의 거리에 위치한 개개인들의 머리를 카운팅하여 해당 지역의 사람 수를 계산할 수 있다.

또한, 처리부(20)는 설정된 이격거리 미만의 거리에 위치한 개개인을 근거리로 판단하여 사람 전신을 카운팅할 수 있습니다. 이를 위해 영상 데이터에서 개개인의 위치를 식별하고, 개개인의 전신을 추출할 수 있다. 설정된 이격거리 미만의 거리에 위치한 개개인들의 전신을 카운팅하여 해당 지역의 사람 수를 계산할 수 있다.

영상처리 소프트웨어는 근거리와 원거리에 따라 사용할 수 있는 다양한 기술과 알고리즘을 포함할 수 있다. 일반적으로 근거리 영상처리는 비교적 작은 영역을 대상으로 하는 경우를 의미하며, 원거리 영상처리는 넓은 영역을 대상으로 하는 경우를 의미할 수 있다.

근거리에서는 디테일한 객체 감지와 추적이 중요하므로, 객체 감지 알고리즘을 활용하여 사람이나 다른 객체를 식별할 수 있어야 한다. 예를 들어, 딥러닝 기반의 객체 감지 알고리즘인 YOLO(You Only Look Once)나 Faster R-CNN(Region-based Convolutional Neural Networks)을 사용할 수 있다. 객체 추적을 위해서는 시각적 추적 알고리즘을 사용하여 개별 객체의 이동 경로를 추적할 수 있다.

또한, 근거리 영상처리에서는 영상의 보정과 개선이 중요하다. 왜곡 보정, 색상 보정, 노이즈 제거 등을 수행하여 영상의 품질을 향상시킬 수 있으며, 필터링 기법이나 영상 복원 알고리즘 등을 사용할 수 있다.

또한, 근거리 영상처리에서는 객체 인식, 세그멘테이션, 모션 추정 등의 컴퓨터 비전 기술이 활용될 수 있다. 딥러닝 기반의 알고리즘을 사용하여 객체를 식별하고, 동작을 분석하고, 특징을 추출할 수 있다.

또한, 근거리 영상처리에서는 분석된 결과를 저장하고 분석하여 시각적으로 표시하는 기능이 필요하다. 이를 위해 데이터베이스 시스템이나 그래프 및 차트 생성 라이브러리를 활용하여 데이터를 관리하고 시각화할 수 있다.

반면, 원거리에서는 작은 크기의 사람이나 객체를 정확하게 감지하고 추적하기 어려울 수 있으므로, 다른 접근 방식과 기술이 사용될 수 있다.

원거리 영상에서는 객체의 크기가 상대적으로 작아지거나 해상도가 낮아질 수 있으므로, 이를 보완하기 위해 영상에서 객체의 크기를 조정하고, 필요에 따라 정규화하는 작업이 필요하다. 여기서 크기 조정은 영상의 확대 또는 축소를 의미하고, 정규화는 영상을 표준화하여 일관된 크기로 변환하는 것을 의미한다.

원거리에서는 작은 크기의 사람이나 객체를 정확하게 감지하기 어려울 수 있다. 따라서 원거리 영상처리에서는 크기 불변 기술이나 특징 추출 알고리즘을 활용하여 객체를 감지할 수 있다. 예를 들어, 스케일 불변 특징 변환(Scale-Invariant Feature Transform, SIFT)이나 SURF(Speeded-Up Robust Features) 같은 특징 추출 알고리즘을 사용할 수 있다.

또한, 원거리 영상에서는 객체를 주변 환경과 함께 고려하여 분석해야 하며, 객체의 크기와 모양을 파악하고, 주변의 배경이나 다른 객체와의 관계를 이해하는 것이 중요하다. 이를 위해 컨텍스트 모델링 알고리즘을 사용하여 객체를 감지하고 분류할 수 있다. 예를 들어, 컨텍스트 모델링을 위해 주변 픽셀의 정보를 활용하는 CRF(Conditional Random Field)를 사용할 수 있다.

또한, 원거리 영상에서는 해상도가 낮아 세부 정보가 부족한 경우가 많다. 슈퍼 해상도(Super Resolution) 기술은 낮은 해상도의 영상을 고해상도 영상으로 복원하는 기법으로, 원거리에서의 객체 감지와 추적을 개선하는 데 사용될 수 있다. 예를 들어, 딥러닝 기반의 슈퍼 해상도 기술을 사용하여 원거리 영상의 해상도를 향상시킬 수 있다.

이와 같이 근거리와 원거리에 따라 사람 수를 카운하는 방법을 달리하여 전체적인 사람들의 수를 계산함으로써 전체 군중 밀집도를 계산할 수 있으며, 이를 통해 군중 밀집도를 추정할 수 있다.

또한, 처리부(20)는 촬영수단(10)을 통해 촬영된 영상으로부터 사람이 다니는 도로를 파악할 수 있다. 또한 파악된 도로의 폭을 계산하고 계산된 결과를 반영하여 군중 밀집도가 높아질 지역을 함께 예측할 수 있다.

이를 위해 먼저, 영상 처리 기술을 사용하여 영상에서 도로와 관련된 객체를 탐지한다. 이를 위해 컴퓨터 비전 기술 중 하나인 객체 탐지(Object Detection) 기술을 사용할 수 있다. 객체 탐지는 영상에서 특정 객체, 예컨대 도로를 식별하고 경계 상자(bounding box)로 표시하는 기술이다.

객체 탐지 결과를 기반으로 도로 영역을 추출할 수 있다. 이 단계에서는 객체 탐지 결과 중 도로에 해당하는 경계 상자를 식별하고, 해당 영역을 도로로 인식한다.

추출된 도로 영역에서 도로의 폭을 계산할 수 있다. 이를 위해 도로의 폭을 추정하기 위한 다양한 기하학적 계산 및 패턴 분석 기술을 사용할 수 있다. 예를 들어, 추출된 도로 영역에서 가로 또는 세로 방향의 픽셀 거리를 측정하거나, 도로 주변의 환경과의 비교를 통해 도로 폭을 추정할 수도 있다. 도로의 폭과 인구 밀집도 간에는 일정한 관계가 있을 수 있으며, 추정된 도로 폭과 인구 밀집도 데이터를 결합하여 위험도를 계산할 수 있다. 이를 위해 사전에 정의된 위험도 모델이나 규칙을 사용하여 도로 폭과 인구 밀집도에 따른 위험도 값을 할당할 수 있다.

이와 같은 방법을 사용하여 촬영수단(10)을 통해 취득된 영상에서 도로를 자동으로 탐지하고 도로 폭을 계산하여 인구 밀집도에 따른 위험도에 반영할 수 있다.

처리부(20)는 상기 설정된 지역에서 사람의 이동량을 계산하고, 이동량을 시간대별, 요일별, 날씨별로 분석할 수 있다.

처리부(20)는 시간대별, 요일별 및 날씨별 중 적어도 하나의 요소를 기준으로 상기 설정된 지역에서 사람의 이동량을 계산할 수 있다. 이를 위해 촬영수단(10)으로부터 수신한 영상 데이터를 분석하여 사람들의 위치와 이동 상태를 추출하며, 추출된 위치와 이동 상태를 기반으로 해당 시간대, 요일, 날씨 조건에 따라 사람의 이동량을 계산할 수 있다.

또한, 처리부(20)는 시간대별, 요일별 및 날씨별 중 적어도 하나의 요소에 의해 상기 설정된 지역에서 사람의 이동량을 누적시키고, 이동량을 누적하여 해당 시간대, 요일, 날씨 조건에 따른 지난 기간 동안의 총 이동량을 계산할 수 있다.

처리부(20)는 누적된 데이터를 기반으로 평균 이동량을 산출할 수 있다. 이동량의 누적 데이터를 해당 기간의 총 시간으로 나누어 평균 이동량을 계산할 수 있다. 이를 통해 상기 설정된 지역에서 평균적으로 사람들이 얼마나 이동하는지를 판단할 수 있다.

이러한 처리과정을 통해 상기 설정된 지역에서 사람의 이동량을 시간대별, 요일별, 날씨별로 계산하고, 이동량의 누적과 평균을 산출함으로써 해당 지역의 군중 이동 패턴을 분석할 수 있다. 이는 위험 상황의 감지와 예측에 도움을 주는 중요한 정보로 활용될 수 있다.

처리부(20)는 상기 설정된 지역의 간판이나 안내판을 분석하여 업종을 판별하고, 이를 통해 위험 상황을 판단합니다.

또한, 처리부(20)는 촬영수단(10)으로부터 수신한 영상 데이터에서 설정된 지역 내의 간판이나 안내판 등을 감지하고 분석할 수 있다. 간판이나 안내판에는 상호명, 업종, 로고 등이 포함될 수 있으며, 처리부(20)는 이러한 정보를 추출하여 업종을 식별할 수 있다.

간판과 안내판의 문자 또는 텍스트를 식별하기 위해 전술한 컴퓨터 비전 기술과 영상 처리 알고리즘이 사용될 수 있다.

문자 검출(Text Detection) 기술은 영상에서 문자 영역을 감지하는 기술이다. 문자는 다양한 폰트, 크기, 색상 등으로 나타날 수 있기 때문에, 이러한 다양성을 고려하여 효과적으로 문자 영역을 찾아내는 알고리즘이 사용될 수 있다.

문자 인식(Text Recognition) 기술은 검출된 문자 영역에서 실제 문자를 인식하는 기술이다. 문자 인식은 주어진 이미지 또는 영상에서 문자를 읽고 텍스트로 변환하는 작업을 수행할 수 있다. 이를 위해 광학 문자 인식(OCR: Optical Character Recognition)기술이 사용될 수 있다.

문자 분석(Text Analysis) 기술은 인식된 문자를 분석하여 업종 정보를 추출하는 기술이다. 업종명, 상호명 등과 같은 특정한 패턴이나 키워드를 활용하여 문자를 해석하고 분류할 수 있다. 예를 들어, 특정 업종을 나타내는 키워드가 인식된 경우 해당 간판이나 안내판이 해당 업종과 관련되어 있다고 추론할 수 있다.

이러한 접근 방법들은 컴퓨터 비전 알고리즘과 기계 학습 기술을 결합하여 구현될 수 있다. 예를 들어, 딥러닝 기반의 신경망 모델을 사용하여 문자 검출과 인식을 수행하고, 텍스트 분석 알고리즘을 적용하여 의미 있는 정보를 추출할 수 있다. 이를 통해 간판과 안내판에서 중요한 문자 또는 텍스트를 식별하고 활용할 수 있다.

처리부(20)는 분석된 업종 정보와 함께 사람 수에 따른 밀집도와 인파의 흐름 상태를 고려하여 위험 상황을 판단할 수 있다. 예를 들어, 특정 업종이 많은 인파를 유도하는 경향이 있는 경우 해당 지역의 밀집도가 증가할 수 있다. 이러한 밀집도와 인파의 흐름 상태를 모니터링하면, 위험 지역이나 위험한 상황을 신속하게 감지할 수 있다.

위험 상황을 판단하는 기준은 설정된 규칙에 따라 다를 수 있다. 예를 들어, 특정 업종, 예컨대 클럽의 인파가 설정된 기준치를 초과하는 경우, 처리부(20)는 해당 지역을 위험 지역으로 판단할 수 있다. 또는 특정 업종, 예컨대 클럽의 인파가 갑작스럽게 증가하는 경우, 처리부(20)는 인파의 흐름 상태를 분석하여 위험한 상황으로 간주할 수 있다.

이와 같이 처리부(20)는 간판이나 안내판을 통해 추출된 업종 정보와 사람 수에 따른 밀집도 및 인파의 흐름 상태를 종합적으로 판단하여 위험 상황을 인지하고 필요한 조치를 취할 수 있다.

저장부(30)는 처리부(20)에서 처리된 데이터를 저장하고 보존하는 역할을 수행할 수 있다. 처리부(20)에서 수집된 정보 및 계산 결과, 추적 데이터 등을 저장하여 필요한 경우에 접근할 수 있다.

저장부(30)는 다양한 형식의 데이터를 저장할 수 있습니다. 예를 들어, 처리부(20)에서 수집된 영상 데이터, 이동량 정보, 사람 수 데이터, 이벤트 기록 등을 저장할 수 있다. 이러한 데이터는 필요한 경우 분석, 추적, 시각화 등 다양한 목적으로 활용될 수 있다.

저장부(30)는 일반적으로 내부 저장장치 또는 외부 저장 매체를 사용하여 데이터를 저장할 수 있다. 내부 저장장치로는 하드 디스크 드라이브(HDD) 또는 고성능의 NAND 플래시 메모리(SSD) 등이 사용될 수 있다. 외부 저장 매체로는 네트워크 연결을 통해 클라우드 서비스에 데이터를 저장할 수 있다.

저장부(30)는 데이터의 안정성과 보안을 고려하여 구성될 수 있다. 데이터의 손실을 방지하기 위해 백업 기능이 구현될 수 있으며, 암호화 기술을 사용하여 데이터의 보안성을 강화할 수도 있다. 또한, 저장된 데이터의 접근과 관리를 위해 관리자 권한을 설정할 수도 있다.

저장부(30)는 시스템의 용량과 성능에 따라 설계되며, 데이터의 양과 빈도에 따라 적절한 저장 공간을 확보해야 한다. 또한, 데이터의 유효 기간과 보존 기간을 고려하여 필요한 데이터를 적시에 저장하고 필요 없는 데이터는 삭제하도록 구성할 수 있다.

저장부(30)는 실시간 모니터링, 데이터 분석, 통계 정보 제공 등 다양한 용도로 활용될 수 있으며, 전체 시스템의 원활한 동작과 기능을 지원할 수 있다.

표시부(40)는 다양한 형식으로 정보를 표시할 수 있으며, 일례로 디스플레이, 모니터, 터치 스크린 등으로 구성될 수 있다. 이러한 표시 장치를 통해 수집된 데이터, 처리 결과, 경고 및 알림 메시지, 통계 정보 등을 시각적으로 표현하여 사용자에게 제공할 수 있다.

표시부(40)는 저장부(30)에 저장된 데이터 즉, 처리부(20)를 통해 저장부(30)에 저장된 데이터를 표시할 수 있다. 또한 처리부(20)에 의해 저장부(30)에 저장되지 않은 데이터가 표시될 수도 있다.

예컨대 표시부(40)는 군중 밀집도가 설정된 수치 이상으로 나타나는 위험 상황을 감지하고 관련 정보를 안내하기 위해 사용될 수 있다.

표시부(40)는 촬영수단(10)을 통해 촬영된 영상을 모니터링하는 관제소나 설정된 지역에 위치된 사람들이 파악할 수 있는 장소 중 적어도 어느 한 곳에 배치될 수 있다.

표시부(40)는 다양한 형태의 디스플레이 장치를 포함할 수 있다. 예컨대, LCD 모니터, LED 패널, 전광판, 프로젝터 등이 사용될 수 있다. 이러한 디스플레이 장치를 통해 촬영된 영상, 군중 밀집도 정보, 위험 상황에 대한 안내 메시지, 경로 안내 등을 표시할 수 있다.

표시부(40)는 음성 안내나 경보음 등의 오디오 기능을 포함할 수 있다. 이를 통해 시각적으로 정보를 제공하는 동시에 청각적으로도 안내할 수 있다.

예컨대 인파가 한 곳으로 집중되거나, 군중 밀집도가 설정된 수치 이상으로 증가하는 위험 상황을 감지되거나 예측되면, 표시부(40)를 통해 적절한 경고 신호를 발생시킬 수 있다. 예를 들어, 경보음, 비상등의 점멸, 경고 메시지 등을 통해 사람들에게 안내할 수 있다.

또한, 표시부(40)는 관제소나 설정된 지역의 관리자에게 위험 상황에 대한 알림을 전송할 수도 있다. 이를 통해 적시에 대응 조치를 취할 수 있으며, 필요한 경우 응급 서비스나 관련 기관에 연락하여 지원을 요청할 수 있다.

표시부(40)는 촬영수단(10)을 통해 촬영하는 지역에 위치된 사람들이 휴대한 모바일기기일 수 있다.

휴대한 모바일기기에 설치되는 특정 애플리케이션을 통해 표시부 기능을 구현할 수 있다. 이 애플리케이션은 촬영된 영상, 군중 밀집도 정보, 위험 상황 알림 등을 사용자에게 표시하고, 필요한 경우 경고 메시지를 전달할 수 있다.

또한, 설정된 지역에 위치한 사람들이 휴대한 모바일기기에 알림 메시지를 전송하여 위험 상황에 대한 경고를 제공할 수 있다. 이를 위해 푸시 알림 또는 SMS 메시지 등을 활용하여 사용자에게 정보를 전달할 수 있다.

또한, 휴대한 모바일기기의 GPS(Global Positioning System) 또는 기타 위치 기반 기술을 활용하여 사용자의 현재 위치를 파악하고, 해당 위치에 대한 군중 밀집도 정보를 제공할 수 있다. 이를 통해 사용자는 자신이 위치한 지역의 군중 상태를 실시간으로 확인할 수 있다.

또한, 촬영된 영상 데이터를 휴대한 모바일기기의 화면으로 공유하여 사용자에게 표시할 수도 있다. 이를 위해 영상 스트리밍 기술이나 화면 공유 애플리케이션 등을 활용하여 실시간으로 영상을 전달하고 표시할 수 있다.

이상에서 설명한 본 발명은 공공 안전 관리, 재난 대응, 도시 계획 등 다양한 분야에서 혁신적인 솔루션으로 활용될 수 있다.

이상에서, 본 발명의 실시례를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시례에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 게시된 실시례들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시례에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

10: 촬영수단 11: 광각 카메라
12: 팬/틸트/줌 카메라 20: 처리부
30: 저장부 40: 표시부

Claims

촬영수단을 통해 촬영된 영상으로부터 사람 수를 카운팅하여 실시간으로 군중 밀집도를 계산하고, 계산된 상기 군중 밀집도를 바탕으로 위험 지역을 판단하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템에 관한 것으로,
설정된 지역을 촬영하는 적어도 하나의 촬영수단;
상기 촬영수단을 통해 촬영된 영상으로부터 사람 수, 사람 수에 따른 밀집도, 사람의 이동 방향, 인파의 흐름 상태 및 촬영된 지역의 업종을 분석하고, 분석된 결과를 바탕으로 위험 상황을 판단하는 처리부;
상기 촬영수단의 촬영 영상과 상기 처리부의 처리 결과가 저장되는 저장부; 및
상기 저장부에 저장된 데이터를 나타내는 표시부를 포함하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템.
제1 항에 있어서,
상기 촬영수단은,
설정된 지역 전체를 촬영하는 광각 카메라; 및
상기 광각 카메라를 통해 촬영된 영상에서 어느 특정된 곳의 군중 밀집도가 설정된 수치 이상으로 파악될 경우, 상기 특정된 곳을 정밀하게 촬영하는 적어도 하나의 팬/틸트/줌 카메라를 포함하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템.
제1 항에 있어서,
상기 처리부는,
상기 촬영수단으로부터 개개인이 위치된 거리에 따라 설정된 이격거리 이상이면 원거리로 판단하여 사람의 머리만 카운팅하고,
상기 촬영수단으로부터 개개인이 위치된 거리에 따라 설정된 이격거리 미만이면 근거리로 판단하여 사람 전신을 카운팅하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템.
제1 항에 있어서,
상기 처리부는,
시간대별, 요일별 및 날씨별 중 적어도 어느 하나에 의해 상기 설정된 지역에서 사람의 이동량을 계산하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템.
제4 항에 있어서,
상기 처리부는,
시간대별, 요일별 및 날씨별 중 적어도 어느 하나에 의해 상기 설정된 지역에서 사람의 이동량을 누적시키고, 누적된 데이터를 기반으로 평균 이동량을 산출하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템.
제1 항에 있어서,
상기 처리부는,
상기 설정된 지역의 간판이나 안내판을 통해 업종을 분석하고, 분석된 업종과 사람 수에 따른 밀집도 및 인파의 흐름 상태를 통해 위험 상황을 판단하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템.
제1 항에 있어서,
상기 표시부는,
상기 촬영수단을 통한 영상을 모니터링하는 관제소나 상기 설정된 지역에 위치된 사람들이 파악할 수 있는 장소 중 적어도 어느 한 곳에 배치되는 군중 밀집도 기반의 위험 지역 자동 알림 시스템.
제7 항에 있어서,
상기 표시부는,
사람들이 휴대한 모바일기기를 포함하는 군중 밀집도 기반의 위험 지역 자동 알림 시스템.