KR102615925B1 - 화재 조사 교육을 위한 컨텐츠 생성 방법 - Google Patents

Abstract

본 발명은 교육 대상자를 화재 조사 또는 감식 교육시키는 화재 조사 교육을 위한 컨텐츠 생성 방법을 개시한다. 본 발명의 일 실시예는 화재 정보를 입력받고, 복수의 화재 시나리오를 생성하고 이를 바탕으로 가상 화재 현장 영상을 생성한 후 이를 선별 및 가공하여 교육용 화재 현장 영상을 생성하는 단계을 포함한다.

Description

화재 조사 교육을 위한 컨텐츠 생성 방법 {METHOD FOR MAKING FIRE INVESTIGATION TRAINING CONTENTS}

본 발명은 화재 조사 교육을 위한 컨텐츠 생성 방법에 관한 것이다.

화재 조사는 화재의 원인 및 피해를 규명하는데 그 목적이 있다. 화재 현장을 조사하는 것은 화재의 원인 및 피해를 규명하는데 핵심적이다. 그러나 화재 현장은 붕괴, 추가 폭발, 유해 가스 노출, 낙하물의 존재 또는 낙상의 위험 등과 같은 안전을 저해하는 위험 요소가 산재해 있다. 또한 화재 현장은 내외적인 요인에 의해 소실 또는 훼손될 우려가 크므로 효율적인 순서에 따라 신속하게 증거물을 수집하고 보존하는 것이 필요하다.

따라서, 화재 현장을 조사하는 조사자는 위험 요소로부터 자신을 지키고, 화재 감식 및 조사를 효율적이고 신속하게 수행하기 위한 지속적인 교육 또는 훈련이 필요하다.

화재 조사 교육은 일반적으로 현장에서 채증한 영상 자료를 활용하여 교육자의 설명으로 구성된 구전방식으로 진행된다. 다른 방식으로, 모의 현장에서 화재 조사 교육을 실시하기도 한다. 그러나 영상 자료를 활용하는 방식의 경우 실제 화재 현장과 괴리가 있어 교육에 충분하지 못하고, 모의 현장에서의 화재 조사 교육은 초기 현장 제작을 위한 예산이 부담으로 작용하며, 다양한 화재 현장을 구축하기 어려운 문제가 있다.

따라서, 주택, 공동 주거 공간, 건물, 시설 등 다양한 공간에서 다양한 이유로 발생한 화재에 대하여 그 원인이나 피해를 신속하고, 정확하며, 안전하게 조사할 수 있도록 조사자를 교육 또는 훈련시킬 수 있는 수단이나 방법의 개발이 지속적으로 요구되고 있다.

전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.

본 발명은 화재 조사 교육을 위한 컨텐츠 생성 방법에 대한 다양한 실시예를 개시한다. 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시예들로부터 또 다른 기술적 과제들이 유추될 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제1 측면은, 장소 정보 및 발화원인 정보를 포함하는 화재와 관련된 정보를 입력받는 화재 정보 획득부; 입력된 화재와 관련된 정보를 바탕으로 복수의 화재 시나리오를 생성하는 화재 시나리오 생성부; 생성된 복수의 화재 시나리오를 바탕으로 가상 화재 현장 영상을 각각 생성하는 가상 화재 영상 생성부; 사용자의 데이터를 입력받는 데이터 입력부; 입력된 사용자의 데이터를 바탕으로 상기 생성된 복수의 가상 화재 현장 영상 중 적어도 하나를 선별하는 영상 선별부; 선별된 가상 화재 현장 영상을 가공하여 교육용 화재 현장 영상을 생성하는 교육용 영상 생성부; 및 생성된 교육용 화재 현장 영상을 사용자에게 제공하는 교육용 영상 제공부; 를 포함하는, 화재 조사 교육 시스템을 개시한다.

여기서, 상기 화재와 관련된 정보는 상기 장소 정보 및 발화원인 정보 외에도 화재진압과 관련된 정보 및 화재확산과 관련된 정보 중 적어도 하나를 추가 화재 정보로 포함하며, 화재 시나리오 생성부는 실제 화재 현장 영상이 저장된 데이터베이스; 입력된 상기 화재와 관련된 정보를 바탕으로 관련성 있는 실제 화재 현장 영상을 추출하는 영상 추출부; 및 추출된 실제 화재 현장 영상에 기초하여, 상기 추가 화재 정보를 고려하여, 화재 조사 난이도가 서로 다른 복수의 화재 시나리오를 생성하는 화재 시나리오 추론부; 를 포함한다.

여기서, 상기 가상 화재 영상 생성부는, 생성된 화재 시나리오로부터 화재 진압 작업이 종료된 화재 현장 영상을 추론할 수 있도록 학습된 기계학습 모델에 의해, 입력된 상기 장소 정보에 대해 생성된 화재 시나리오 각각에 기초한 가상 화재 현장 영상을 생성한다.

여기서, 상기 영상 선별부는, 생성된 가상 화재 현장 영상들과 연관된 상기 추가 화재 정보를 추출하고, 추출된 상기 추가 화재 정보를 고려하여 모델링한 난이도 점수화 테이블을 이용하여, 입력된 상기 사용자의 데이터와 매칭된 난이도 레벨을 결정하고, 결정된 난이도 레벨에 해당하는 가상 화재 현장 영상을 선별한다.

여기서, 상기 교육용 영상 생성부는, 선별된 가상 화재 현장 영상에 대응하는 화재 시나리오를 바탕으로 가이드를 생성하는 가이드 생성부; 선별된 상기 가상 화재 현장 영상에서 화재 특징점을 갖는 영역 또는 사물을 추출하는 특징점 추출부; 추출된 화재 특징점에 대하여 상기 사용자와 상호 작용을 바탕으로 제공되도록 상기 가이드를 삽입하여 상기 교육용 화재 현장 영상을 생성하는 교육용 영상 가공부;를 포함한다.

본 개시의 제2측면은 장소 정보 및 발화원인 정보를 포함하는 화재와 관련된 정보를 입력받는 단계; 입력된 화재와 관련된 정보를 바탕으로 복수의 화재 시나리오를 생성하는 단계; 생성된 복수의 화재 시나리오를 바탕으로 가상 화재 현장 영상을 각각 생성하는 단계; 사용자의 데이터를 입력받는 단계; 입력된 사용자의 데이터를 바탕으로 상기 생성된 복수의 가상 화재 현장 영상 중 적어도 하나를 선별하는 단계; 선별된 가상 화재 현장 영상을 가공하여 교육용 화재 현장 영상을 생성하는 단계; 및 생성된 교육용 화재 현장 영상을 사용자에게 제공하는 단계;를 포함하는, 교육용 화재 현장 영상 생성 방법을 개시한다.

여기서, 상기 화재와 관련된 정보는 상기 장소 정보 및 발화원인 정보 외에도 화재진압과 관련된 정보 및 화재확산과 관련된 정보 중 적어도 하나를 추가 화재 정보로 포함하며, 화재 시나리오를 생성하는 단계는, 입력된 상기 화재와 관련된 정보를 바탕으로 관련성 있는 실제 화재 현장 영상을 추출하는 단계; 및 추출된 실제 화재 현장 영상에 기초하여, 상기 추가 화재 정보를 고려하여, 화재 조사 난이도가 서로 다른 복수의 화재 시나리오를 생성하는 단계;를 포함한다.

여기서, 가상 화재 현장 영상을 생성하는 단계는, 생성된 화재 시나리오로부터 화재 진압 작업이 종료된 화재 현장 영상을 추론할 수 있도록 학습된 기계학습 모델에 의해, 입력된 상기 장소 정보에 대해 생성된 화재 시나리오 각각에 기초한 가상 화재 현장 영상을 생성하는 단계이다.

여기서, 가상 화재 현장 영상 중 적어도 하나를 선별하는 단계는, 생성된 가상 화재 현장 영상들과 연관된 상기 추가 화재 정보를 추출하는 단계; 및 추출된 상기 추가 화재 정보를 고려하여 모델링한 난이도 점수화 테이블을 이용하여, 입력된 상기 사용자의 데이터와 매칭된 난이도 레벨을 결정하고, 결정된 난이도 레벨에 해당하는 가상 화재 현장 영상을 선별하는 단계;를 포함한다.

여기서, 교육용 화재 현장 영상을 생성하는 단계는, 선별된 가상 화재 현장 영상에 대응하는 화재 시나리오를 바탕으로 가이드를 생성하는 단계; 선별된 상기 가상 화재 현장 영상에서 화재 특징점을 갖는 영역 또는 사물을 추출하는 단계; 추출된 화재 특징점에 대하여 상기 사용자와 상호 작용을 바탕으로 제공되도록 하는 상기 가이드를 삽입하여 상기 교육용 화재 현장 영상을 생성하는 단계; 를 포함한다.

본 개시의 제3측면은, 교육용 화재 현장 영상이 표시되는 가상현실 단말기와 사용자의 선택을 입력하는 핸드 단말기를 포함하는 화재 조사 교육 시스템 이용한 화재 조사 교육 방법에 있어서, 시스템이, 상기 가상현실 단말기를 통해 교육용 화재 현장 영상을 사용자에게 제공하는 단계; 시스템이, 상기 가상현실 단말기 및 상기 핸드 단말기 중 적어도 하나를 통해 사용자의 행동 정보 및 사용자의 선택 중 적어도 하나를 포함하는 사용자의 입력을 획득하는 단계; 및 시스템이, 획득한 상기 사용자의 입력을 기설정된 화재 조사를 위한 표준 순서 데이터에 따라 단계적으로 대조 후 일치 여부를 판단하여 상기 교육용 화재 현장 영상을 기초로 가이드를 제공하는 단계;를 포함하는, 화재 조사 교육 방법을 제공한다.

여기서, 상기 기설정된 화재 조사를 위한 표준 순서 데이터는 상기 교육용 화재 현장 영상에 대응하는 화재 시나리오를 바탕으로 정해진다.

여기서, 판단하는 단계는, 시스템이, 획득한 사용자의 행동 정보와 상기 화재 시나리오에 포함된 연소 확대 방향성 순서의 정보를 비교하여, 상기 사용자의 행동 정보와 상기 연소 확대 방향성 순서가 일치하는지 판단하는 단계를 포함한다.

여기서, 판단하는 단계는, 시스템이, 획득한 상기 사용자의 입력과 상기 화재 시나리오에 포함된 한정된 발화부위를 비교하여, 상기 사용자의 입력과 상기 발화부위가 일치하는지 판단하는 단계를 포함한다.

여기서, 판단하는 단계는, 시스템이, 획득한 상기 사용자의 입력과 상기 화재 시나리오에 포함된 화재원인을 비교하여, 상기 사용자의 입력과 상기 화재원인이 일치하는지 판단하는 단계를 포함한다.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.

전술한 본 개시의 과제 해결 수단에 의하면, 지정한 장소 및 원인으로부터 예측되는 화재로부터 조사자를 교육시킬 수 있는 화재 조사 교육 시스템을 제공한다.

또한 본 개시의 과제 해결 수단에 의하면, 조사자의 경력 등에 따라 다양한 난이도의 자료를 통해 조사자를 교육시키는 화재 조사 교육 시스템을 제공한다.

또한 본 개시의 과제 해결 수단에 의하면, 조사자를 효율적이고, 안전하고, 용이하게 교육시킬 수 있는 교육용 가상현실 화재 현장 영상을 생성하는 방법을 제공한다.

또한 본 개시의 과제 해결 수단에 의하면, 가상현실(VR)로 구현된 화재 현장 영상을 이용하여 시간적, 공간적 제약없이 화재 조사관을 안전하게 교육시키는 화재 조사 교육 방법을 제공한다.

도 1은 화재 조사 교육 시스템의 사용예를 개략적으로 도시한 도면이다.
도 2는 도 1의 화재 조사 교육 시스템의 일 실시예를 개략적으로 도시한 블록도이다.
도 3은 도 2의 교육용 영상 제공부의 일 실시예를 개략적으로 도시한 블록도이다.
도 4는 사용자가 일 실시예에 의한 가상현실 단말기 및 핸드 단말기를 착용한 모습을 개략적으로 도시한 도면이다.
도 5는 화재 조사 교육 시스템을 이용한 교육용 화재 현장 영상 생성 방법의 일 실시예를 설명하기 위한 흐름도이다.
도 6은 화재 정보를 입력받는 단계를 설명하기 위한 도면이다.
도 7은 단계 120의 일실시예를 자세하게 설명하기 위한 흐름도이다.
도 8 및 도 9는 서로 다른 난이도로 생성된 화재 시나리오의 한 부분을 설명하기 위한 도면이다.
도 10은 단계 130의 일 실시예를 자세하게 설명하기 위한 흐름도이다.
도 11은 도 6에서 언급한 화재 정보를 바탕으로 생성한 가상 화재 현장 영상의 일 부분의 예시를 나타낸 도면이다.
도 12는 단계 150의 일 실시예를 자세하게 설명하기 위한 흐름도이다.
도 13은 단계 160의 일 실시예를 자세하게 설명하기 위한 흐름도이다.
도 14는 화재 조사 교육 시스템에 의한 화재 조사 교육 방법의 일 실시예를 설명하기 위한 흐름도이다.
도 15는 교육용 VR 화재 현장 영상의 사용예를 설명하기 위한 도면이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다.

이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.

이하의 실시예에서, 막, 영역, 구성 요소 등의 부분이 다른 부분 위에 또는 상에 있다고 할 때, 다른 부분의 바로 위에 있는 경우 뿐만 아니라, 그 중간에 다른 막, 영역, 구성 요소 등이 개재되어 있는 경우도 포함한다.

도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 형태 크기 및 두께는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.

이하의 실시예에서, x축, y축 및 z축은 직교 좌표계 상의 세 축으로 한정되지 않고, 이를 포함하는 넓은 의미로 해석될 수 있다. 예를 들어, x축, y축 및 z축은 서로 직교할 수도 있지만, 서로 직교하지 않는 서로 다른 방향을 지칭할 수도 있다.

어떤 실시예가 달리 구현 가능한 경우에 특정한 공정 순서 또는 단계는 설명되는 순서와 다르게 수행될 수도 있다. 예를 들어, 연속하여 설명되는 두 공정 또는 단계가 실질적으로 동시에 수행될 수도 있고, 설명되는 순서와 반대의 순서로 진행될 수 있다.

이하 첨부된 도면을 참고하여 본 개시를 상세히 설명하기로 한다.

도 1은 화재 조사 교육 시스템(10)의 사용예를 개략적으로 도시한 도면이다.

도 1을 참조하면, 본 발명의 일 실시예에 의한 화재 조사 교육 시스템(10)은 교육 대상자에게 화재 조사 훈련 및 화재 감식 교육을 시키기 위해 이용될 수 있다. 상세히, 화재 조사 교육 시스템(10)은 화재 조사 교육용 컨텐츠의 일종인 교육용 화재 현장 영상을 생성하고 이를 이용하여 화재 조사 교육을 수행할 수 있다.

화재 조사 교육 시스템(10)은 교육 대상자를 교육시키는 자(이하, 교육자)로부터 화재 정보를 입력받고, 입력받은 화재 정보를 바탕으로 화재 진압 작업이 종료된 가상의 화재 현장을 포함하는 교육용 화재 현장 영상을 생성할 수 있다.

화재 조사 교육 시스템(10)은 생성된 교육용 화재 현장 영상을 화재 조사와 관련된 훈련 및 교육을 받는 교육 대상자(이하, 사용자)에게 제공하고, 사용자와 상호작용을 통해 화재 조사와 관련된 가이드를 사용자에게 제공함으로써, 사용자를 교육시킬 수 있다.

화재 조사 교육 시스템(10)은 단일의 사용자를 교육할 수도 있고, 복수의 사용자를 동시에 또는 순차적으로 교육시킬 수 있다. 화재 교육 시스템은 복수의 사용자들을 동시에 교육할 때 사용자들 상호간에 동일한 영상을 공유하도록 하여 교육을 진행할 수도 있다.

도 2는 도 1의 화재 조사 교육 시스템(10)의 일 실시예를 개략적으로 도시한 블록도이다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 화재 조사 교육 시스템(10)은 화재 정보를 입력받는 화재 정보 획득부(110), 화재 정보를 바탕으로 복수의 화재 시나리오를 생성하는 화재 시나리오 생성부(120), 생성된 복수의 화재 시나리오를 바탕으로 가상 화재 현장 영상을 각각 생성하는 가상 화재 영상 생성부(130), 사용자의 데이터를 입력받는 데이터 입력부(140), 입력된 사용자의 데이터를 바탕으로 생성된 복수의 가상 화재 현장 영상 중 적어도 하나를 선별하는 영상 선별부(150), 선별된 가상 화재 현장 영상을 가공하여 교육용 화재 현장 영상을 생성하는 교육용 영상 생성부(160), 및 생성된 교육용 영상을 사용자에게 제공하는 교육용 영상 제공부(200)를 포함할 수 있다.

화재 정보 획득부(110)는 교육자로부터 화재와 관련된 정보(이하, 화재 정보)를 입력받는 수단일 수 있다.

화재 정보는 장소와 관련된 정보 및 발화원인과 관련된 정보를 포함하며, 그 밖에도 선택적으로 화재와 관련된 추가 정보(이하, 추가 화재 정보)를 더 포함할 수 있다.

장소와 관련된 정보는 독립적인 정보이며, 발화원인과 관련된 정보는 장소와 관련된 정보에 종속된 정보이다. 추가 화재 정보는 장소와 관련된 정보 또는 발화원인과 관련된 정보에 종속적이거나 독립적인 정보이다.

장소와 관련된 정보(이하, 장소 정보)는 사용자에게 화재 조사와 관련한 훈련을 위해 선정된 특정 장소와 관련된 정보를 의미한다. 여기서 장소는 화재가 일어날 수 있고, 일어난 화재로 인해 인명 및 재산적 피해가 발생할 수 있는 공간을 의미하며, 예를 들어 단독주택, 공용주택, 상가, 빌딩, 창고 등을 포함하는 건물이나, 차량, 철도 등을 포함하는 운송시설이나 공장, 가스제조소 등을 포함하는 위험물시설 등일 수 있다.

화재 정보 획득부(110)는 건물, 운송시설이나 위험물 시설(이하, 건물 또는 시설)의 주소, 건물 또는 시설의 GPS 좌표, 건물 또는 시설의 설계도 및 건물 또는 시설의 내외측 영상 중 적어도 하나를 입력 받음으로써, 장소와 관련된 정보를 획득할 수 있다. 여기서 건물 또는 시설의 주소나 GPS 좌표가 입력되는 경우, 이를 바탕으로 시설 또는 건물의 설계도(building plan)을 추출하는 작업이 추가되어야 한다.

선택적 실시예에 의하면, 화재 정보 획득부(110)는 화재 조사 훈련을 위해 선정된 화재가 발생하지 않은 실제 공간을 스캔하여 장소 영상을 획득하는 장소 영상 획득부를 더 포함할 수 있다. 장소 정보 획득부는 촬영 장치를 포함할 수 있으며, 예를 들어, 카메라, 3D 스캐너, 광학식 스캐너, 레이저 스캐너 중 하나일 수 있다. 장소 정보 획득부에서 얻은 장소 정보는 360도 영상일 수 있으나, 이에 한정하지 않고 정적 영상, 파노라마 영상, 복수의 정적 영상이 프레임별로 연속적으로 촬영된 연속 사진 및 이들의 조합 중 어느 하나일 수도 있다.

발화원인과 관련된 정보(이하, 발화원인 정보)는 발화열원에 의해 발화로 이어진 연소 현상에 영향을 준 인적, 물적, 자연적 요인에 관한 정보를 의미한다.

화재 정보 획득부(110)는 장소 정보 내에서 발화개소 및 발화지점 세트를 특정하여 입력 받음으로써, 발화원인 정보를 획득할 수 있다. 발화원인과 관련된 정보는 공간적으로 장소 정보 내에 위치한다.

발화개소는 발화원인과 관련성이 있는 개체이며, 예를 들어 발화개소는 발화열원 또는 발화관련 기기를 포함할 수 있다. 발화열원은 발화의 최초 원인이 된 불꽃이나 열을 의미하며, 예를 들어, 합선스파크, 담배불, 양초, 가스불, 미소화종 등일 수 있다. 발화관련 기기는 발화를 일으킬 수 있는 발화열원을 포함하는 기기를 의미하며, 예를 들어, 전기배선, 히터, 가스스토브, 고온물체, 가스배관, 기타발열기기 등일 수 있다.

발화지점은 발화의 최초 원인이 된 불꽃이나 열과 가연물이 상호작용하여 화재가 시작된 지점을 의미하며, 예를 들어, 발화지점은 방 내부 벽면의 전기배선, 전자기기의 전원 코드의 단락, 발화관련 기기가 배치된 지점 등일 수 있다.

화재 정보 획득부(110)는 장소 정보에 대하여 단일의 발화개소 및 발화지점 세트를 입력 받을 수도 있고, 장소 정보에 대하여 복수의 발화원인 정보들을 입력 받을 수도 있다. 복수의 발화원인 정보를 입력받는 경우에는, 발화 시간의 순서에 따라 발화열원 및 발화지점 세트를 순차적으로 입력받는다.

추가 화재 정보는 화재진압과 관련된 정보(이하, 화재진압정보) 및 화재확산과 관련된 정보(이하, 화재확산정보) 중 적어도 하나를 포함할 수 있다. 예를 들어, 화재진압정보는 화재 장소 주변의 소방서의 위치, 소방서에 구비된 장비, 소방서의 인력, 소방차 진입 가부, 주변의 교통 상황, 소방 용수 획득 가부, 살수시설(스프링클러, sprinkler) 유무 및 소화기 배치 유무 중 적어도 하나를 포함할 수 있다. 예를 들어, 화재확산정보는 주변 온도, 주변 압력, 주변 바람이나 날씨, 기후, 폭발물의 존재 여부, 가연물의 존재 여부, 건물의 내외장재 종류, 건물의 배선구조 및 건물 내 입주 업종 중 적어도 하나를 포함할 수 있다.

화재 조사 교육 시스템(10)은 입력받은 추가 화재 정보를 이용하여 추후 화재 조사 난이도가 서로 다른 복수의 화재 시나리오를 생성할 수 있다.

장소 정보는 임의의 장소를 특정하여 사용자를 교육시킬 수 있으므로 선택의 의의가 있고, 발화원인 정보는 화재 조사의 목표가 발화원인을 찾아내는 것이므로 사용자의 교육에 필수적인 요소로 의의가 있으며, 추가 화재 정보는 사용자를 교육시키는 난이도를 조절하는 역할을 할 수 있으므로 의의가 있다. 본 발명의 일 실시예에 의한 화재 조사 교육 시스템(10)은 특별한 의의가 있는 요소들을 입력으로 하여 가상의 화재 현장 영상을 생성하고, 이를 통해 사용자에게 화재 조사 교육을 실행할 수 있다.

화재 시나리오 생성부(120)는 화재 정보를 바탕으로 복수의 화재 시나리오를 생성하는 수단일 수 있으며, 프로세서를 포함할 수 있다.

화재 시나리오 생성부(120)는 실제 화재 현장 영상이 저장된 데이터베이스, 화재 정보를 바탕으로 관련성 있는 실재 화재 현장 영상을 추출하는 영상 추출부, 추출된 실제 화재 현장 영상에 기초하여, 추가 화재 정보를 고려하여 화재 조사 난이도가 서로 다른 복수의 화재 시나리오를 생성하는 화재 시나리오 추론부를 포함할 수 있다.

화재 시나리오란 위험 요인이 발화되어 화재로 진행되고 진행된 화제가 발전한 후 소멸되는 과정을 담은 정보를 지칭한다. 화재 시나리오는 독립변수인 입력된 화재 정보에 의해 도출된 종속변수이다. 화재 시나리오는 발화원인으로 인해 발화부위로부터 연소의 확대 방향과 관련된 정보를 포함할 수 있다. 화재 시나리오는 발화시점, 확산시점, 진화시점 및 종료시점의 화재 시작부터 발전 및 소멸 과정을 포함할 수 있다. 화재 시나리오는 생성시 고려된 추가 화재 정보가 태깅되어 있을 수 있다.

데이터베이스는 실제 화재와 관련된 기록들(historical fire records)를 규칙에 따라 저장하는 수단일 수 있으며, 메모리를 포함할 수 있다. 데이터베이스에는 실제 화재 현장을 스캔하여 획득한 다수의 실제 화재 현장 영상이 저장될 수 있다. 예를 들어, 실제 화재 현장 영상은 360도 영상, 3D 영상, 4D 영상, 정적 영상, 동적 영상, 파노라마 영상, 복수의 정적 영상이 프레임별로 연속적으로 촬영된 연속 사진 및 정적 영상과 동적 영상의 조합 중 어느 하나 일 수 있다.

데이터베이스에는 실제 화재 현장 영상에 화재 장소 및 화재 발생 원인이 태깅되어 저장된다. 예를 들면, 실제 화재 현장 영상이 화재 장소 별로 주거 건물화재, 비주거 건물화재 또는 시설화재로 카테고리를 분류하고, 화재 발생 원인별로 가스누출, 기계적요인, 방화, 부주의, 자연적 요인 또는 전기적 요인으로 카테고리를 분류하여 태깅되어 있을 수 있다.

영상 추출부는 화재 정보 획득부(110)에서 획득한 장소 정보 및 발화원인 정보를 기준으로 데이터베이스에서 관련성이 있는 적어도 하나의 실제 화재 현장 영상을 추출한다. 영상 추출부는 실제 화재 현장 영상에 태깅된 화재 장소 및 화재 발생 원인을 참조하여 장소 정보와 발화원인 정보와의 관련성을 대비한다. 관련성은 예를 들면 양 정보가 동일한 카테고리 내에 속할 수 있는지 여부를 통해 대비할 수 있다. 영상 추출부는 대비한 관련성에 기초하여, 실제 화재 현장 영상을 추출할 수 있다. 이처럼, 데이터(실제 화재 현장 영상)를 추출하는 방법은 예시된 방법 외에 공지된 다양한 추출 로직을 사용할 수 있다.

화재 시나리오 추론부는 화재 정보 및 실제 화재 현장 영상을 바탕으로 화재 시나리오를 추론할 수 있도록 학습된 기계학습 모델을 포함할 수 있다. 기계학습 모델은 화재 시나리오를 추론하기 위해 화재 전 영상, 실제 화재 현장 영상 및 화재 원인 등을 포함하는 다양한 학습 데이터 셋에 의해 훈련된 것일 수 있다. 기계학습 모델은 통계학적 방법(statistical models), 신경망 모델을 바탕으로 하는 기계학습(machine learning), 컴퓨터 시뮬레이션(computational simulations) 등을 사용할 수 있다. 예를 들어, 기계학습 알고리즘은 화재 확산 속도, 화재 진압 속도 또는 화재 강도와 같은 특정한 화재 패턴과 상관관계가 있는 요인들을 식별하기 위해 학습 데이터 셋에 의해 훈련될 수 있다. 그리고, 기계학습 모델을 이러한 정보를 사용하여 특정한 장소, 화재 원인 및 추가 화재 정보를 포함하는 입력 정보를 기반으로 다양한 상황에서 화재가 어떻게 작용할지 예측하는 화재 시나리오를 추론할 수 있다.

화재 시나리오 추론부는 추출한 적어도 하나의 실제 화재 현장 영상에 기초하여, 추가 화재 정보의 개입 여부를 컨트롤함으로써, 화재 조사 난이도가 서로 다른 화재 시나리오를 생성할 수 있다. 여기서, 추가 화재 정보는 독립 변수이며, 화재 조사 난이도가 서로 다른 화재 시나리오는 종속 변수이다.

화재 조사 난이도는 화재가 진압되고 난 이후의 화재 현장 영상을 통해 조사관이 화재를 조사 및 감식할 때, 화재 조사 과정에서 발화원인, 발화부위 및 연소의 확대 방향과 관련된 정보를 밝혀내기 어려운 정도를 의미한다. 화재 조사 난이도는 추가 화재 정보의 개입 여부 및 개입 정도에 따라 그 난이도가 조절될 수 있다.

일 실시예에 의하면, 특정 추가 화재 정보는 조사 난이도를 상승시킬 수 있다. 조사 난이도를 높이는 추가 화재 정보는, 화재 진압을 어렵게 하는 요소(이하, 화재진압방해요소)들 및 화재의 확산을 쉽게 하는 요소(이하, 화재확산촉진요소)들 중 적어도 하나를 포함할 수 있다.

화재진압방해요소는 화재 장소 주변 근거리 소방서의 부재, 화재 장소 주변 소방서에 구비된 장비의 제한, 주변 소방서의 인력 부족, 소방차 진입 방해 요소, 화재 지점 주변의 교통 정체, 소방용수 획득의 어려움, 살수시설 무 및 소화기 미배치 중 적어도 하나의 정보를 포함할 수 있다.

화재확산촉진요소는 높은 주변 온도, 높은 주변 압력, 주변 바람과 난류, 투입복사열류, 폭발물의 존재, 가연물의 존재, 건물의 가연성 내외장재 및 비내화배선 중 적어도 하나의 정보를 포함할 수 있다.

다른 실시예에 의하면, 특정 추가 화재 정보는 조사 난이도를 하강시킬 수 있다. 조사 난이도를 낮추는 추가 화재 정보는, 화재 진압을 쉽게 하는 요소(이하, 화재진압촉진요소)들 및 화재의 확산을 어렵게 하는 요소(이하, 화재확산방해요소)들 중 적어도 하나를 포함할 수 있다.

화재진압촉진요소는 화재 장소 주변 근거리 소방서의 존재, 화재 장소 주변 소방서에 구비된 장비의 활용, 주변 소방서의 인력 충분, 소방차 진입 방해 요소 부재, 화재 지점 주변의 교통 원활, 소방용수 획득 가능, 살수시설 유 및 소화기 배치 중 적어도 하나의 정보를 포함할 수 있다.

화재확산방해요소는 낮은 주변 온도, 낮은 주변 압력, 주변 바람과 난류 부재, 투입복사열류 부재, 폭발물의 부재, 가연물의 부재, 건물의 불연성 내외장재 및 내화배선 중 적어도 하나의 정보를 포함할 수 있다.

통상적으로 화재 조사 과정시 영역이나 사물의 파손의 정도가 크고, 파손의 경향이 크며, 소훼의 정도가 큰 경우에는 화재의 원인을 밝혀내는 것이 어렵고 안전상의 문제가 있기 때문에 화재 조사의 난이도가 상승한다. 따라서, 화재 시나리오를 생성할 때 화재진압방해요소들 및 화재확산촉진요소들이 많이 고려될수록 화재 감식의 난이도가 상승한다. 반대로, 화재 시나리오를 생성할 때 화재진압촉진요소들 및 화재확산방해요소들이 많이 고려될수록 화재 감식의 난이도가 하강한다.

가상 화재 영상 생성부(130)는 화재 시나리오를 기초로 가상 화재 현장 영상을 생성하는 수단일 수 있으며, 프로세서를 포함할 수 있다.

가상 화재 영상 생성부(130)는 입력된 장소 정보에 대하여, 생성된 화재 시나리오로부터, 화재 진압 작업이 종료된 화재 현장 영상을 추론할 수 있도록 학습된 기계학습 모델을 포함할 수 있다. 일 실시예로 기계학습 모델은 실제 화재 현장 영상 및 화재 조사 결과 밝혀진 화재 시나리오가 매칭된 다양한 학습 데이터 셋에 의해 학습된 것일 수 있다. 이 경우 기계학습 모델은 컴퓨터 그래픽스 기술, 컴퓨터 비젼 기술, 신경망 모델을 비롯한 기계학습을 사용할 수 있다. 기계 학습 모델은 실제 화재 현장 영상을 분석하고 영역 및 개체를 추출하고 확인하고 조사 결과 밝혀진 화재 시나리오와 매칭 작업을 통해 학습하며, 학습된 사항을 입력 데이터(예를 들어 화재 정보 획득부(110)에서 최초로 획득한 장소 정보)에 화재 시나리오를 역순으로 적용하여 가상의 화재 현장 영상을 생성할 수 있다.

가상 화재 영상 생성부(130)는 기계학습 모델에 의해 추론된 영상에 추가로 가공 작업을 수행하는 영상 가공부를 더 포함할 수 있다. 영상 가공부는 추론된 영상에 예를 들어, 싱크, 스티칭, 시야각 조절 등 컴퓨터 그래픽스 기술을 적용하여 가공하여 가상 화재 현장 영상을 생성한다.

가상 화재 현장 영상은, 화재 진압 작업이 종료된 후의 화재 현장 영상이며, 예를 들어 3차원 가상현실용 영상(VR 영상)의 폼일 수 있다. 가상 화재 현장 영상에는 생성의 기초가 되는 화재 시나리오가 태깅되어 있을 수 있다.

데이터 입력부(140)는 화재 조사 분야에 한정하여 사용자와 관계된 정보인 사용자 데이터를 입력하는 수단일 수 있다. 사용자 데이터를 입력함으로써, 사용자 맞춤형 교육 영상을 제공할 수 있는 기반을 마련할 수 있다.

데이터 입력부(140)는 사용자 데이터의 일 예로, 사용자의 경력, 사용자의 화재조사 교육 횟수, 사용자의 화재조사 경험횟수 및 사용자의 화재조사 관련 트라우마 중 적어도 하나의 정보를 입력할 수 있다.

사용자 데이터는 시스템에 미리 저장된 것을 불러올 수도 있고, 외부에 구비된 별도의 서버로부터 제공받을 수도 있으며, 교육자 또는 사용자에 의해 실시간으로 입력될 수 도 있다.

영상 선별부(150)는 난이도가 서로 다른 복수개의 가상 화재 현장 영상 중에서, 사용자 데이터에 대칭된 난이도 레벨에 해당하는 영상을 선별하는 수단을 포함할 수 있으며, 프로세서를 포함할 수 있다.

영상 선별부(150)는 가상 화재 현장 영상들에 연관된 추가 화재 정보를 통해 사용자의 레벨에 맞는 영상을 선별할 수 있다. 영상 선별부(150)는 생성된 가상 화재 현장 영상들과 연관된 추가 화재 정보를 추출한다. 생성된 가상 화재 현장 영상들은 생성의 기초가 되는 화재 시나리오가 태깅되어 있으므로, 이를 통해 어떤 추가 화재 정보가 고려되어 있는지 추출할 수 있다.

영상 선별부(150)는 추가 화재 정보를 고려하여 모델링한 난이도 점수화 테이블을 포함할 수 있다. 난이도 점수화 테이블에는 개별적인 추가 화재 정보에 대하여, 추가 화재 정보가 화재 조사에 어려움을 주는지 여부와 그 정도에 따라 점수(음수, 0, 양수를 포함하여 표현됨)가 책정되어 있을 수 있다. 영상 선별부(150)는 생성된 가상 화재 현장 영상에 태깅된 화재 시나리오들에 고려된 추가 화재 정보들을 확인한다. 영상 선별부(150)는 난이도 점수화 테이블을 이용하여 확인된 추가 화재 정보들 각각의 점수를 합산한 난이도 총점을 도출할 수 있다. 영상 선별부(150)는 복수의 가상 화재 현장 영상들마다 각각 고유의 난이도 총점을 계산할 수 있다.

영상 선별부(150)는 사용자 데이터를 기초로 사용자 레벨을 결정한다. 영상 선별부(150)는 예를 들어 사용자의 경력, 사용자의 화재조사 교육 횟수, 사용자의 화재조사 경험횟수 및 사용자의 화재조사 관련 트라우마 여부에 각각 지정된 점수를 총합하여 사용자 레벨을 결정한다.

영상 선별부(150)는 결정된 사용자 레벨과 매칭되는 난이도 총점 범위를 소정의 조건에 따라 난이도 레벨로 클러스터링하여 포함하는 난이도 레벨 테이블을 저장할 수 있다. 영상 선별부(150)는 난이도 레벨 테이블을 기준으로, 결정된 사용자 레벨을 입력하여, 난이도 레벨을 결정하고, 결정된 난이도 레벨에 포함된 또는 대응하는 적어도 하나의 가상 화재 현장 영상을 선별할 수 있다.

교육용 영상 생성부(160)는 선별된 가상 화재 현장 영상을 가공하여 교육용 화재 현장 영상을 생성하는 수단을 포함할 수 있으며, 프로세서로 이루어질 수 있다.

교육용 영상 생성부(160)는 선별된 가상 화재 현장 영상에 대응하는 화재 시나리오를 바탕으로 가이드 생성 및 화재 특징점을 정의하고, 화재 특징점에 가이드를 삽입하여, 교육용 화재 현장 영상을 생성할 수 있다.

교육용 화재 현장 영상은 영상 제공부를 이용하여 사용자와 상호작용을 바탕으로 인터렉티브하게 가이드를 제공하는 영상일 수 있다. 교육용 화재 현장 영상은 예를 들어 3차원 가상현실용 영상(VR 영상)의 폼일 수 있다.

교육용 영상 생성부(160)는 가상 화재 현장 영상과 연관된 화재 시나리오를 추출하고, 화재 시나리오로부터 가이드를 생성하는 가이드 생성부, 가상 화재 현장 영상에서 화재 특징점을 추출하는 특징점 추출부, 가상 화재 현장 영상에 추출된 화재 특징점 및 가이드를 기초로 가공하여 교육용 화재 현장 영상을 생성하는 교육용 영상 가공부를 포함할 수 있다.

가이드 생성부는 선별된 가상 화재 현장 영상에 대응하는 화재 시나리오를 추출한다. 가상 화재 현장 영상에는 생성시 기초가 된 화재 시나리오는 태깅되어 있기 때문에 이를 바탕으로 추출할 수 있다. 가이드 생성부는 추출된 화재 시나리오에 포함된 발화원인으로 인해 발화부위로부터 연소의 확대 방향과 관련된 정보를 바탕으로 가이드를 생성한다.

가이드는 화재 현장 영상의 특정 영역이나 사물에 대응하여 생성된 안내 데이터 또는 가상현실 데이터일 수 있다. 가이드는 가상의 2D 형태의 지시선, 가상의 3D 형태의 지시선, 가상의 팝업창, 안내 음성, 경고 소리 및 불빛 중 적어도 하나로 표현될 수 있다.

특징점 추출부는 가상 화재 현장 영상에서 발화부위 및 연소의 확대 방향과 관련된 정보와 관련된 화재 특징점을 갖는 영역 또는 사물을 추출한다. 화재 특징점은, 화재 현장 영상에서 발화부위 및 연소 확대 방향과 관련된 정보를 가지는 영역 또는 사물을 지칭한다.

일 실시예에서 특징점 추출부는 선별된 가상 화재 현장 영상에서 오브젝트를 추출하고 추출된 오브젝트를 분석하여 화재 특징점을 찾아낸 후 해당 화재 특징점을 갖는 영역 또는 사물을 추출한다. 여기서 화재 특징점은 예를 들어, 발화부위, 그을음 많은 영역 또는 사물, 전소율이 큰 영역 또는 사물, 화재진압이 주요한 영역 또는 사물, 불길의 진행 방향 및 화재 유발 물질의 주변 중 적어도 하나일 수 있다. 화재 특징점은 화재 현장 조사를 위해 조사 및 분석이 요구되는 영역이나 사물을 포함할 수 있다.

선택적 실시예에 의하면, 특징점 추출부는 선별된 가상 화재 현장 영상에 대응하는 화재 시나리오를 추출하고 화재 시나리오에서 적용된 발화부위 및 연소 확대 방향과 관련된 정보를 추출하고, 추출된 정보와 연관이 있는 영역 또는 사물을 화재 특징점을 갖는 영역 또는 사물로 추출한다.

교육용 영상 가공부는 추출된 화재 특징점에 대하여 생성한 가이드를 삽입하여 교육용 화재 현장 영상을 생성한다. 교육용 영상 가공부는 가이드가 영상 제공부의 입력을 통한 사용자의 상호 작용을 바탕으로 사용자에게 가이드를 제공할 수 있도록 하는 교육용 화재 현장 영상을 생성한다.

교육용 영상 제공부(200)는 생성된 교육용 화재 현장 영상을 사용자에게 제공하는 수단일 수 있다.

교육용 영상 제공부(200)는 VR(virtual reality, 가상 현실)을 이용하여 사용자에게 교육용 화재 현장 영상을 제공할 수 있다. 교육용 영상 제공부(200)는 VR을 통해 사용자에게 실제 화재 현장에서 감식을 수행하는 것 같은 경험을 제공할 수 있다. VR은 사용자와 상호 작용으로 가이드를 제공하는 교육용 화재 현장 영상을 바탕으로 구현된 가상 현실일 수 있다.

교육용 영상 제공부(200)에 대한 구체적인 설명은 후술한다.

한편, 시스템은 각종 데이터와 정보를 저장하는 저장부를 더 포함할 수 있다. 저장부는 임의의 데이터를 지속적으로 저장할 수 있는 비-휘발성(non-volatile) 저장 매체를 통해 구현될 수 있다. 예를 들어, 저장부는 디스크, 광학(optical) 디스크 및 광자기(magneto-optical) 저장 디바이스뿐만 아니라 플래시 메모리 및/또는 배터리-백업 메모리에 기초한 저장 디바이스를 포함할 수 있으며, 이에 한정되지 않는다.

한편, 시스템은 제어부를 더 포함할 수 있다. 제어부는 화재 조사 교육 시스템(10)의 전반적인 동작을 제어할 수 있다. 예를 들면, 제어부는 화재 정보 획득부(110), 화재 시나리오 생성부(120), 가상 화재 영상 생성부(130), 데이터 입력부(140), 영상 선별부(150), 교육용 영상 생성부(160) 및 교육용 영상 제공부(200) 중 적어도 하나의 동작을 제어할 수 있다.

제어부는 하나의 프로세서로 구현될 수 있고, 복수의 프로세서로 구현될 수 있다. 제어부가 복수의 프로세서로 구현된 경우, 복수의 프로세서 중 적어도 일부는 물리적으로 이격된 거리에 위치할 수 있다. 또한, 제어부는 이에 한정되지 않고 다양한 방식으로 구현될 수 있다. 프로세서는 다수의 논리 게이트들의 어레이로 구현될 수도 있고, 범용적인 마이크로 프로세서와 이 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다. 또한, 다른 형태의 하드웨어로 구현될 수도 있음을 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.

도 3은 도 2의 교육용 영상 제공부(200)의 일 실시예를 개략적으로 도시한 블록도이다. 도 4는 사용자가 일 실시예에 의한 가상현실 단말기(210) 및 핸드 단말기(220)를 착용한 모습을 개략적으로 도시한 도면이다.

도 3 및 도 4를 참조하면, 교육용 영상 제공부(200)는 가상현실 단말기(210), 핸드 단말기(220) 및 인터렉티브 제어부(230)를 포함할 수 있다. 다른 실시예에서 교육용 영상 제공부(200)는 가상현실 장비(도 4에만 도시)를 더 포함할 수 있다.

가상현실 단말기(210)는 사용자의 눈을 덮으며 머리에 착용되고, 사용자에게 교육용 화재 현장 영상을 표시하는 수단(예를 들어 디스플레이), 사용자의 시선 정보를 센싱하는 수단(예를 들어 시선센서) 및 사용자의 머리 움직임 정보를 센싱하는 수단(예를 들어 자이로 센서, 가속도 센서, 모션 센서)을 포함할 수 있다. 가상 현실 단말기는 변형된 가상 현실 헤드 마운티드 디스플레이(VR HMD) 일 수 있다.

핸드 단말기(220)는 사용자의 손에 착용되고 손의 움직임을 센싱하는 수단(예를 들어 자이로 센서, 가속도 센서, 모션 센서) 및 사용자의 선택을 입력하는 수단을 포함할 수 있다. 핸드 단말기(220)는 센서가 포함된 조이스틱 타입, 키보드 타입, 버튼 타입, 모션 인식 타입, 터치 스크린 타입 중 어느 하나일 수 있다.

가상현실 장비는 소리, 냄새, 온도, 습도를 제공하는 수단(스피커, 발향기, 히터 , 쿨러, 분무기)을 포함할 수 있다. 시스템은 교육용 화재 현장 영상의 바탕이 된 화재 시나리오에 포함된 화재원인 정보 및 추가 화재 정보를 기반으로 가상현실 장비를 구동할 수 있다. 예를 들어, 발화원인이 가스배관인 경우 가상현실 장비는 교육용 화재 현장 영상과 함께 가스 냄새를 제공할 수 있다.

인터렉티브 제어부(230)는 가상현실 단말기(210) 및 핸드 단말기(220)로 중 적어도 하나부터 정보를 입력받고, 입력받은 정보를 통해, 사용자에게 교육용 화재 현장 영상을 기초로 가이드를 제공하는 수단을 포함하며, 프로세서로 구현될 수 있다.

인터렉티브 제어부(230)는 가상현실 단말기(210) 및 핸드 단말기(220) 중 적어도 하나로부터 사용자의 입력을 획득하는 사용자 입력 획득부(231), 획득한 사용자 입력과 기설정된 시계열적으로 연결된 화재 조사 단계를 포함하는 표준 순서 데이터와 대조하여 일치 여부를 판단하는 판단부(232), 판단 결과에 따라 교육용 화재 현장 영상을 기초로 가이드를 제공하는 가이드 제공부(233)를 포함할 수 있다.

일 실시예에서 사용자 입력은 가상현실 단말기(210) 및 핸드 단말기(220)를 통해 추출된 사용자의 행동 정보를 포함할 수 있다. 사용자의 행동 정보를 가상현실 단말기(210) 및 핸드 단말기(220)에 포함된 사용자의 행동을 감지하는 센서에 의해 획득되는 정보이다. 사용자의 행동 정보는 가상현실 단말기(210)의 시선센서나, 자이로 센서, 가속도 센서, 모션 센서 등에 의해 획득되거나, 핸드 단말기(220)의 자이로 센서, 가속도 센서, 모션 센서 등에 의해 획득되는 정보일 수 있다. 예를 들어, 사용자의 행동 정보는 사용자의 시선 정보, 사용자의 머리 움직임 정보 및 사용자의 손 움직임 정보 중 적어도 하나를 포함할 수 있다.

다른 실시예에서 사용자 입력은 가상현실 단말기(210) 및 핸드 단말기(220)를 통해 인식한 사용자의 선택을 포함할 수 있다. 사용자의 선택은 가상현실 단말기(210) 및 핸드 단말기(220)에 포함된 사용자의 선택을 감지하는 구성에 의해 획득되는 정보이다. 사용자의 선택은 핸드 단말기(220)의 버튼, 키보드, 마우스, 터치스크린, 게임패드, 조이스틱과 같은 입력 수단, 가상현실 단말기(210)의 버튼과 같은 입력 수단에 의해 획득되는 정보일 수 있다.

사용자 입력 획득부(231)는 사용자의 행동 정보 및 사용자의 선택 중 적어도 하나를 획득하는 수단을 포함할 수 있으며, 프로세서로 구현될 수 있다.

판단부(232)는 획득한 사용자의 행동 정보 및 사용자의 선택을 기설정된 화재 조사를 위한 표준 순서(이하, 화재 조사 진행 순서)데이터와 대조하여 일치 여부를 판단하는 수단을 포함할 수 있으며, 프로세서로 구현될 수 있다.

화재 조사 진행 순서 데이터는 연소 확대 방향과 관련된 순서를 판단하고, 한정된 발화부위를 선택하고, 화재원인을 확인 및 검증하는 내용을 순차적으로 포함하는 정보 일 수 있으며, 시계열 데이터, 순차 데이터, 테이블 등의 폼으로 저장되어 있을 수 있다. 화재 조사 진행 순서 데이터는 해당 스테이지마다 데이터 그룹을 가지며 각 스테이지가 시간의 순서로 연결된 시계열적인 정보일 수 있다.

화재 조사 진행 순서 데이터는 교육용 화재 현장 영상에 대응하는 화재 시나리오를 바탕으로 도출될 수 있다. 예를 들어, 화재 조사 진행 순서에서 선택하는 발화부위는 화재 시나리오의 발화부위의 정보로부터 도출되며, 화재 조사 진행 순서에서 판단하는 연소 확대 방향과 관련된 순서는 화재 시나리오의 발화부위로부터 연소의 확대 방향과 관련된 정보로부터 도출되며, 화재 조사 진행 순서에서 도출하는 화재원인은 화재 시나리오의 발화원인과 관련된 정보와 대응하거나 이로부터 도출될 수 있다.

먼저, 판단부(232)는 첫번째 스테이지에서 입력된 행동 정보와 연소 확대 방향과 관련된 순서를 비교하여, 사용자가 연소의 확대 방향과 관련된 정보를 올바르게 찾는지 판단한다. 다음으로, 판단부(232)는 두번째 스테이지에서 입력된 선택과 한정된 발화부위 중 하나를 선택하는지 대조하여 사용자가 올바른 발화부위를 한정하는지 판단한다. 마지막으로, 판단부(232)는 세번째 스테이지에서 입력된 선택과 화재원인의 일치 여부를 확인하여, 사용자가 올바른 화재원인을 확인 및 검증했는지 판단한다.

가이드 제공부(233)는 교육용 영상 제공부(200)에서 화재 현장 영상을 기초로 삽입된 가이드를 판단부(232)의 판단 결과를 바탕으로 사용자에게 제공한다. 교육용 화재 현장 영상에 삽입된 가이드는 판단부(232)의 판단 결과에 따라 추출되어 사용자에게 제공되는 것이다.

본 발명의 일 실시예에 의한 화재 조사 교육 시스템(10)은 사용자를 안전하게, 시간적 공간적 제약에 구애 받지 않고 효율적으로, 사용자의 조사 경험이나 감식 실력에 맞도록 맞춤형으로 , 교육자가 원하는 요건에 따른 콘텐츠에 맞추어 교육 시킬 수 있는 콘텐츠를 생성하고, 이를 사용자에게 제공할 수 있다.

도 5는 화재 조사 교육 시스템(10)을 이용한 교육용 화재 현장 영상 생성 방법의 일 실시예를 설명하기 위한 흐름도이다. 도 6은 화재 정보를 입력받는 단계를 설명하기 위한 도면이다. 도 7은 단계 120의 일실시예를 자세하게 설명하기 위한 흐름도이다. 도 8 및 도9는 서로 다른 난이도로 생성된 화재 시나리오의 한 부분을 설명하기 위한 도면이다. 도 10은 단계 130의 일 실시예를 자세하게 설명하기 위한 흐름도이다. 도 11은 도 6에서 언급한 화재 정보를 바탕으로 생성한 가상 화재 현장 영상의 일 부분의 예시를 나타낸 도면이다. 도 12는 단계 150의 일 실시예를 자세하게 설명하기 위한 흐름도이다. 도 13은 단계 160의 일 실시예를 자세하게 설명하기 위한 흐름도이다.

이하에서, 도면들을 참조하여 화재 조사 교육 시스템(10)을 이용한 교육용 화재 현장 영상 생성 방법을 설명하며, 설명의 편의를 위해 도 1 내지 도 4의 화재 조사 교육 시스템(10)(이하, 시스템)과 중복되는 내용에 대한 설명은 생략하며, 화재 조사 교육 시스템(10)에서 언급한 구성이나 특징은 아래 설명하는 방법에도 동일하게 적용된다.

도 5를 참조하면, 일 실시예에 따른 교육용 화재 현장 영상 생성 방법은, 시스템이 화재 정보를 입력받는 단계, 시스템이 화재 정보를 바탕으로 복수의 화재 시나리오를 생성하는 단계, 시스템이 각 화재 시나리오에 따라 가상 화재 현장 영상을 생성하는 단계, 시스템이 사용자 데이터를 입력받는 단계, 시스템이 입력된 사용자 데이터를 기초로 가상 화재 현장 영상을 선별하는 단계, 시스템이 선별된 가상 화재 현장 영상을 가공하여 교육용 화재 현장 영상을 생성하는 단계를 포함할 수 있다.

단계 110에서 시스템은 화재 정보를 입력받는다. 화재 정보는 장소 정보 및 발화원인 정보를 포함하며, 추가 화재 정보를 더 포함할 수 있다.

장소 정보는 화재 조사 훈련을 위해 선정된 장소이다. 예를 들어, 시스템은 건물, 운송시설이나 위험물 시설(이하, 건물 또는 시설)의 주소, 건물 또는 시설의 GPS 좌표, 건물 또는 시설의 설계도 및 건물 또는 시설의 내외측 영상 중 적어도 하나를 입력 받을 수 있다.

발화원인 정보는 발화개소 및 발화지점 세트를 포함할 수 있다. 시스템은 장소 정보에 대하여 발화개소 및 발화지점 세트를 입력받을 수 있다. 예를 들어, 시스템은 발화개소와 발화개소가 배치된 발화지점을 장소 정보에서 특정하여 입력받을 수 있다. 도 6을 참조하면, 시스템이 건물의 설계도의 일종인 평면도(P)를 장소 정보로 입력받고, 발화원인(I)으로 화살표로 표시된 주방 벽면 콘센트를 장소 정보에 특정하여 입력받는 것을 도시한 것이다.

추가 화재 정보는 화재진압정보 및 화재확산정보를 포함할 수 있다. 시스템은 해당 장소에서 발화원인으로부터 발생한 화재와 관련된 화재진압정보 및 화재확산정보를 입력받을 수 있다. 도 6을 참조하면, 시스템이 화재확산정보의 일종인 주변 바람의 정보(W) 및 건물의 가연성 내장재의 정보(M)를 추가 화재 정보로 입력받을 수 있다. 도 6의 입력창(O)에 예시된 바와 같이, 시스템은 주변 온도, 주변 압력, 날씨, 기후, 폭발물의 존재 여부, 가연물의 존재 여부, 건물의 내외장재 종류, 건물의 배선구조 및 건물 내 입주 업종 중 적어도 하나를 화재확산정보로 더 입력받을 수 있고, 화재 장소 주변의 소방서의 위치, 소방서에 구비된 장비, 소방서의 인력, 소방차 진입 가부, 주변의 교통 상황, 소방 용수 획득 가부, 살수시설 유무 및 소화기 배치 유무 중 적어도 하나를 화재진압정보로 더 입력받을 수도 있다.

본 발명의 일 실시예에 의하면, 교육자가 지정한 장소 및 원인으로부터 예측되는 화재로부터 사용자를 교육시킬 수 있는 효과가 있다. 또한 교육자가 고려하고자 하는 화재와 관련된 추가 정보를 포함하여 예측되는 화재로부터 사용자를 교육시킬 수 있는 효과가 있다.

단계 120에서 시스템은 입력받은 화재 정보를 바탕으로 복수의 화재 시나리오를 생성한다.

보다 상세히 도 7을 참조하면, 단계 121에서, 시스템은 실제 화재 현장을 스캔하여 획득한 실제 화재 현장 영상에 화재 장소 및 화재 발생 원인을 태깅하여 저장된 데이터베이스를 바탕으로, 입력된 화재 정보를 기준으로 관련성이 있는 적어도 하나의 실제 화재 현장 영상을 추출한다.

시스템은 실제 화재 현장 영상에 태깅된 화재 장소 및 화재 발생 원인을 참조하여 장소 정보와 발화원인 정보와의 관련성을 대비한다. 관련성은 예를 들면, 동일 카테고리 내에 존재 여부를 통해 대비할 수 있다. 영상 추출부는 대비한 관련성에 기초하여, 실제 화재 현장 영상을 추출할 수 있다.

단계122에서 시스템은 추출한 적어도 하나의 실제 화재 현장 영상에 기초하여, 추가 화재 정보를 컨트롤함으로써, 화재 조사 난이도가 서로 다른 화재 시나리오를 생성할 수 있다. 시스템은 화재 정보 및 실제 화재 현장 영상을 바탕으로 화재 시나리오를 추론할 수 있도록 학습된 기계학습 모델을 이용하여 복수의 화재 시나리오를 생성할 수 있다.

화재 시나리오는 발화원인으로 인해 발화부위로부터 연소의 확대 방향과 관련된 정보를 포함할 수 있다. 화재 시나리오는 발화시점, 확산시점, 진화시점 및 종료시점의 화재 시작부터 발전 및 소멸 과정을 포함할 수 있다.

시스템은 화재 조사의 난이도가 서로 다른 복수의 화재 시나리오를 생성할 수 있다. 화재 조사의 난이도는 화재가 진압되고 난 이후의 화재 현장 영상을 통해 조사관이 화재를 조사 및 감식할 때, 화재 조사 과정에서 발화원인, 발화부위 및 연소의 확대 방향과 관련된 정보를 밝혀내기 어려운 정도를 의미한다. 따라서 화재 조사의 난이도는 화재 시나리오를 생성하는 과정에서 추가 화재 정보의 개입 여부 및 개입 정도에 따라 조절될 수 있다. 화재진압방해요소 및 화재확산촉진요소 중 적어도 하나의 개입에 의해 화재 조사 난이도는 상승하고, 화재진압촉진요소 및 화재확산방해요소 중 적어도 하나의 개입에 의해 화재 조사 난이도는 하강한다.

도 8을 참조하면, 시스템은 화재진압촉진요소의 예시로 살수시설(FSS)가 존재하는 추가 화재 정보를 고려하여 결정된 제1 레벨의 화재 조사 난이도의 화재 시나리오를 생성할 수 있다. 도 8의 경우 살수시설(FSS)이 존재하여 화재의 발전과정이 저해되고 상대적으로 화재의 강도가 작고 진압이 쉬워 소훼가 적은 화재 시나리오가 도출될 수 있다. 반면에, 도 9를 참조하면, 시스템은 화재확산촉진요소의 예시로 주변 바람(W)의 정보 및 건물의 가연성 내장재(M)의 정보를 고려하여 결정된 제2레벨의 화재 조사 난이도의 화재 시나리오를 생성할 수 있다. 도 9의 경우, 바람에 의해 가연성 내장재(M)에 불이 옮겨붙는 화재 발전 과정이 추가되어 소훼가 큰 화재 시나리오가 도출될 수 있다. 도 8과 도 9를 비교하면, 도 9의 경우가 도 8의 경우에 비하여 화재 현장의 파손의 정도가 크고, 전소율이 크며, 그을음이 방향이 다각도로 발견되고, 주요한 사물 또는 영역이 다수이다. 따라서, 도 8의 화재 시나리오는 도 9의 화재 시나리오보다 화재 조사 난이도가 낮을 수 있다.

본 발명의 일 실시예에 의하면, 추가 화재 정보에 따라 난이도가 서로 다른 화재 시나리오를 생성할 수 있기 때문에, 초보자, 베테랑과 같이 화재 조사와 관련하여 다양한 경력, 경험 및 트라우마를 가진 사용자에게 맞춤형 교육을 제공할 수 있는 효과가 있다.

단계 130에서 시스템은 각 화재 시나리오에 따라 가상 화재 현장 영상을 생성한다. 시스템은 복수의 화재 시나리오에 대해 각각의 가상 화재 현장을 생성하므로, 복수개의 가상 화재 현장 영상이 생성될 수 있다.

보다 상세히 도 10을 참조하면, 단계 131에서, 시스템은 생성된 화재 시나리오를 입력받고, 단계 132에서 화재 시나리오를 기계학습 모델에 입력하여 장소 정보에 대해 화재 진압 작업이 종료된 가상 화재 현장 영상을 생성한다. 시스템은 입력된 장소 정보에 대하여, 생성된 화재 시나리오로부터, 화재 진압 작업이 종료된 화재 현장 영상을 추론할 수 있도록 학습된 기계학습 모델을 포함할 수 있다. 시스템은 기계학습 모델에 의해 추론된 영상을 가공하는 작업을 더 추가하여 가상 화재 현장 영상을 생성할 수 있다.

가상 화재 현장 영상은, 화재 진압 작업이 종료된 후의 화재 현장 영상이며, 예를 들어 3차원 가상현실용 영상(VR 영상)의 폼일 수 있다. 도 11을 참조하면, 도 6에서 입력한 화재 정보를 바탕으로 얻은 복수의 화재 시나리오를 통해 도출한 가상 화재 현장의 영상의 일 부분을 캡쳐한 것을 개략적으로 도시한 것이다. 본 발명의 실시예에 의하면, 가상현실용 영상 폼을 이용하여 화재 조사 교육용 영상을 생성함으로써, 안전한 환경에서 사용자가 실제와 유사한 상황을 가상으로 접하게 할 수 있어 효율적인 교육이 가능하고, 시간적 공간적 제약과 관계없이 사용자에게 화재 조사 및 감식 교육이 가능한 효과가 있다.

단계140에서 시스템은 사용자 데이터를 입력받는다. 사용자 데이터는 사용자의 경력, 사용자의 화재조사 교육 횟수, 사용자의 화재조사 경험횟수 및 사용자의 화재조사 관련 트라우마 중 적어도 하나의 정보일 수 있다.

단계 150에서 시스템은 입력된 사용자 데이터를 기초로 가상 화재 현장 영상을 선별한다. 시스템은 난이도가 서로 다른 복수개의 가상 화재 현장 영상 중에서, 사용자 데이터에 대칭된 난이도 레벨에 해당하는 영상을 선별한다. 따라서 본 발명의 실시예에 의하면, 초보자, 경력자, 베테랑 등 사용자 맞춤의 화재 조사 교육이 가능하다.

보다 상세히 도 12를 참조하면, 단계 151에서 시스템은 생성된 가상 화재 현장 영상들과 연관된 추가 화재 정보를 확인 및 추출한다. 시스템은 가상 화재 현장 영상에 태깅된 화재 시나리오를 통해, 해당 가상 화재 현장 영상의 생성을 위해 고려된 추가 화재 정보를 확인 및 추출할 수 있다.

단계 152에서 시스템은 추출된 추가 화재 정보를 고려하여 모델링한 난이도 점수화 테이블을 이용하여, 입력된 상기 사용자 데이터와 매칭된 난이도 레벨을 결정하고, 결정된 난이도 레벨에 해당하는 가상 화재 현장 영상을 선별한다.

난이도 점수화 테이블에는 추가 화재 정보가 화재 조사에 어려움을 주는지 여부와 그 정도에 따라 점수(음수, 0, 양수를 포함)가 책정되며, 시스템은 복수의 가상 화재 현장 영상들마다 각각 고유의 난이도 총점을 계산할 수 있다. 다음으로, 시스템은 사용자 데이터를 기초로 사용자 레벨을 결정하고, 결정된 사용자 레벨과 매칭되는 난이도 총점 범위를 매칭하여 해당 난이도 총점에 대응하는 적어도 하나의 가상 화재 현장 영상을 선별할 수 있다.

단계 160에서 시스템은 선별된 가상 화재 현장 영상을 가공하여 교육용 화재 현장 영상을 생성한다.

보다 상세히 도 13을 참조하면, 단계 161에서 시스템은 선별된 가상 화재 현장 영상을 입력받고, 단계 162에서 입력된 가상 화재 현장 영상과 대응하는 화재 시나리오를 추출하며, 단계 163에서 추출된 화재 시나리오에 포함된 발화원인으로 인해 발화부위로부터 연소의 확대 방향과 관련된 정보를 바탕으로 가이드를 생성하며, 단계 164에서 선별된 가상 화재 현장 영상에서 전술한 발화부위 및 상기 연소의 확대 방향과 관련된 정보와 관련된 화재 특징점을 갖는 영역 또는 사물을 추출하며, 단계 165에서 추출된 화재 특징점에 대하여 사용자와 상호 작용을 바탕으로 제공되도록 생성한 가이드를 삽입하여 교육용 화재 현장 영상을 생성한다.

가상 화재 현장 영상에는 그 영상의 기초가 되는 화재 시나리오가 태깅되어 있으므로, 이를 이용하여 시스템은 가상 화재 현장 영상으로부터 해당 화재 시나리오를 추출할 수 있다.

가이드는 추출된 화재 시나리오에 포함된 발화원인으로 인해 발화부위로부터 연소의 확대 방향과 관련된 정보를 바탕으로 생성된다. 가이드는 화재 현장 영상의 특정 영역이나 사물에 대응하여 생성된 안내 데이터 또는 가상현실 데이터일 수 있다. 가이드는 가상의 2D 형태의 지시선, 가상의 3D 형태의 지시선, 가상의 팝업창, 안내 음성, 경고 소리 및 불빛 중 적어도 하나로 표현될 수 있다. 가이드에 대한 구체적인 내용은 도 14에서 상세히 설명한다.

한편, 화재 특징점은 화재 현장 영상에서 발화부위 및 연소 확대 방향과 관련된 정보를 가지는 영역 또는 사물을 지칭한다. 이처럼 화재 특징점에만 대응하여 가이드를 생성함으로써, 사용자에게 화재 조사 시 불필요한 사물이나 영역은 배제하도록 교육할 수 있고, 데이터 저장 및 사용면에서도 효율을 꾀할 수 있다.

도 14는 화재 조사 교육 시스템(10)에 의한 화재 조사 교육 방법의 일 실시예를 설명하기 위한 흐름도이다. 도 15는 교육용 VR 화재 현장 영상의 사용예를 설명하기 위한 도면이다.

이하에서, 도면들을 참조하여 화재 조사 교육 시스템(10)을 이용한 화재 조사 교육 방법을 설명하며, 설명의 편의를 위해 도 1 내지 도 4의 시스템 및 도 5 내지 도 13의 교육용 화재 현장 영상 생성 방법과 중복되는 내용에 대한 설명은 생략하며, 시스템 및 방법에서 언급한 구성이나 특징은 아래 설명하는 방법에도 동일하게 적용된다.

일 실시예에 따른 화재 조사 교육 시스템(10)에 의한 화재 조사 교육 방법은, 시스템이 가상현실 단말기(210)를 통해 교육용 화재 현장 영상을 사용자에게 제공하는 단계, 시스템이 가상현실 단말기(210) 및 핸드 단말기(220) 중 적어도 하나를 통해 사용자의 행동 정보 및 사용자의 선택 중 적어도 하나를 포함하는 사용자 입력을 획득하는 단계, 시스템이 획득한 사용자 입력을 기설정된 화재 조사를 위한 표준 순서 데이터와 대조 후 판단하여 교육용 화재 현장 영상을 기초로 가이드를 제공하는 단계를 포함할 수 있다.

도 14를 참조하면, 단계 210에서 시스템은 교육용 화재 현장 영상을 사용자에게 제공한다. 교육용 화재 현장 영상은 사용자가 가상현실 단말기(210) 및 핸드 단말기(220)를 착용한 상태에서 제공될 수 있다. 사용자는 마치 화재가 진압된 실제 화재 현장 영상에 있는 것 같은 느낌을 받을 수 있으며, 실제 화재 현장에서 화재 조사 및 감식을 진행하는 것과 동일하게 화재 조사 및 감식을 수행할 수 있다.

단계 220에서 시스템은 가상현실 단말기(210) 및 상기 핸드 단말기(220) 중 적어도 하나를 통해 사용자의 입력을 획득한다.

일 실시예에서 사용자 입력은 가상현실 단말기(210) 및 핸드 단말기(220)를 통해 추출된 사용자의 행동 정보를 포함할 수 있다. 사용자의 행동 정보는 사용자의 시선 정보, 사용자의 머리 움직임 정보 및 사용자의 손 움직임 정보 중 적어도 하나를 포함할 수 있다.

다른 실시예에서 사용자 입력은 가상현실 단말기(210) 및 핸드 단말기(220)를 통해 인식한 사용자의 선택을 포함할 수 있다. 사용자의 선택은 사용자가 가상현실 단말기(210) 및 핸드 단말기(220)에 자의로 선택을 입력하는 것일 수 있다.

단계 230에서 시스템은 획득한 사용자의 행동 정보 및 사용자의 선택을 기설정된 화재 조사를 위한 표준 순서 데이터와 대조하여 일치 여부를 판단한다.

기설정된 시계열적으로 연결된 화재 조사 단계를 포함하는 표준 순서 데이터는 연소 확대 방향과 관련된 순서를 판단하고, 한정된 발화부위를 선택하고, 화재원인을 확인 및 검증하는 내용을 순차적으로 포함하는 정보 또는 데이터일 수 있으며, 시계열 데이터, 순차 데이터, 테이블 등의 폼으로 시스템에 저장되어 있을 수 있다. 전술한 바와 같이, 기설정된 화재 조사를 위한 표준 순서 데이터는 상기 교육용 화재 현장 영상에 대응하는 화재 시나리오를 바탕으로 정해진다. 본 발명에 의한 교육 방법은, 교육자가 지정한 장소 및 화재원인과 화재와 관련된 추가 내용들이 반영된 제어가능한 요소들로부터 도출된 화재 시나리오를 바탕으로 판단 기준을 생성하여, 사용자의 입력을 판단함으로써, 보다 일률적으로 객관적인 사용자 교육, 훈련 및 평가가 가능한 효과가 있다.

시스템은 사용자의 행동 정보를 통해 사용자가 연소의 확대 방향과 관련된 정보를 올바르게 찾는지, 그리고 올바른 발화부위를 한정했는지, 최종적으로 한정된 발화부위에 존재하는 발화원인을 확인 및 검증했는지 순차적으로 대조한다.

먼저, 시스템은 추출된 행동 정보와 연소 확대 방향과 관련된 순서를 비교하여, 사용자가 연소의 확대 방향과 관련된 정보를 올바르게 찾는지 판단한다. 상세히, 시스템은 획득한 사용자의 행동 정보와 화재 시나리오에 포함된 연소 확대 방향과 관련된 순서의 정보를 비교하여, 사용자의 행동 정보와 연소 확대 방향과 관련된 순서가 일치하는지 판단한다. 일 실시예로, 사용자의 시선, 머리 움직임 및 손 움직임 중 적어도 하나가 그을음이 많은 영역 또는 사물로부터 그을음이 적은 영역 또는 사물의 순서로 이동하거나, 전소율이 큰 영역 또는 사물로부터 전소율이 적은 영역 또는 사물의 순서로 이동하거나, 화재 진압 흔적이 주요한 영역 또는 사물로부터 화재 진압 흔적이 비주요한 영역 또는 사물의 순서로 이동하거나, 불길의 시작점부터 불길의 종착점까지 진행 방향의 순서로 이동하거나, 화재 유발 물질로부터 가까운 거리로부터 먼 거리의 영역 또는 사물의 순서로 이동하는 경우, 시스템은 추출된 행동 정보가 연소 확대 방향과 관련된 조사 순서에 일치한다고 판단한다. 그렇지 않은 경우 시스템은 추출된 행동 정보가 연소 확대 방향과 관련된 조사 순서에 일치하지 않는다고 판단한다.

다음으로, 시스템은 사용자의 입력이 한정된 발화부위 중 하나를 선택하는지 대조하여 사용자가 올바른 발화부위를 한정하는지 판단한다. 상세히, 시스템은 전술한 연소 확대 방향과 관련된 정보를 판단한 이후에, 획득한 사용자의 입력과 화재 시나리오에 포함된 한정된 발화부위 를 비교하여, 사용자의 입력과 발화부위가 일치하는지 판단한다. 여기서, 발화부위는 화재 현장 영상에서 연소 확대의 방향과 관련된 정보에 기초하여 화재 특징점이 있는 영역 또는 사물에 해당하며, 발화개소를 포함한다. 시스템은 사용자의 입력을 통해 사용자가 발화부위를 올바르게 한정하는지 판단한다. 일 실시예로 사용자의 입력이 전기배선 또는 콘센트라면, 시스템은 사용자의 입력이 한정된 발화부위 중 하나를 선택한다고 판단한다. 그렇지 않은 경우 시스템은 사용자의 입력이 한정된 발화부위 중 하나를 선택하지 않는다고 판단한다.

마지막으로, 시스템은 사용자의 입력과 화재원인의 일치 여부를 확인하여, 사용자가 올바른 화재원인을 확인 및 검증했는지 판단한다. 상세히, 시스템은 전술한 연소 확대 방향과 관련된 정보를 판단하고, 발화부위 한정을 판단한 이후에, 획득한 사용자의 입력과 화재 시나리오에 포함된 화재원인을 비교하여, 사용자의 입력과 화재원인이 일치하는지 판단한다.일 실시예로 사용자의 입력이 벽면 전기합선에 의한 화재 및 단락흔 존재 여부 검증이라면 시스템은 사용자의 입력이 화재원인과 일치한다고 판단한다. 그렇지 않은 경우 시스템은 사용자의 입력이 화재원인과 불일치한다고 판단한다.

기설정된 화재 조사를 위한 표준 순서 데이터는 시계열 데이터이므로, 시스템은 연소 확대 방향과 관련된 순서 판단, 발화부위 판단 및 화재원인 판단 과정의 각 스테이지가 사용자에 의해 순차적으로 이루어졌는지도 판단하기 위해 이전 스테이지가 클리어된 경우에 한하여, 다음 스테이지의 판단을 수행한다. 이는 화재 조사 과정에서 증거물의 손실이나 유의미한 흔적을 지나치는 경우를 대비하는 훈련으로 그 효용성이 있다.

단계 240에서 시스템은 교육용 영상 제공부(200)에서 화재 현장 영상을 기초로 삽입된 가이드를 판단부(232)의 판단 결과를 바탕으로 사용자에게 제공한다. 교육용 화재 현장 영상에 삽입된 가이드는 판단부(232)의 판단 결과에 따라 추출되어 사용자에게 제공되는 것이다.

가이드는 화재 특징점에 대응하는 영역이나 부분에 오버랩되는 형태로 사용자에게 제공될 수 있다. 특별히, 연소의 확대 방향과 관련된 단계에서 가이드를 제공하는 경우에는, 시스템은 사용자의 행동 정보를 시작점으로 하여 연소 확대 방향과 관련된 정보를 종착점으로 하는 화살표를 가이드로 제공할 수 있다. 이에 따라 사용자의 행동(시선, 머리 움직임, 손 움직임)이 자연스럽게 올바른 정보를 향하도록 도울 수 있다.

도 15를 참조하면, 시스템이 사용자의 행동정보를 통해 연소의 확대 방향과 관련된 정보를 올바르게 찾는지 판단하고, 그에 따른 가이드를 제공하는 화면을 개략적으로 도시한 것이다. 도 15에서 사용자는 화살표에서 표시된 것처럼 그을음이 적은 영역으로부터 그을음이 많은 영역으로 시선을 이동 또는 머리를 이동하였다. 시스템은 가상현실 단말기(210)의 시선센서를 사용자의 행동정보를 획득하고, 사용자의 시선이나 머리 움직임이 연소 확대 방향과 관련된 순서와 일치하지 않는다고 판단한다. 시스템은 판단 결과에 따라 그을음이 많은 영역에 체크 표시(지시선)를 하여 사용자가 교육자가 기설정한 순서에 따라 화재 조사를 훈련을 수행할 수 있도록 돕는다. 그을음이 많은 영역은 화재 특징점에 해당한다. 가이드는 화재 특징점에 삽입되므로, 사용자의 행동정보와 상호작용하여 화재 특징점이 존재하는 부분과 오버랩 되도록 도출될 수 있다.

이와 같이 본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.

실시예에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 실시 예의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

실시예의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 실시 예에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 실시 예에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 실시 예들이 한정되는 것은 아니다. 실시 예에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 실시 예를 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 실시 예의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

한편, 본 발명의 또 다른 실시예에 의하면, 프로세서에 의해 수행되는 단계들은 기기(machine) 의해 읽을 수 있는 저장 매체(storage medium)에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램))로서 구현될 수 있다.

예를 들면, 기기의 프로세서는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

한편, 본 발명의 또 실시예에 의하면, 프로세서에 의해 수행되는 각 단계들은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다.

컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.

본 실시예의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 포함되는 것으로 해석되어야 한다.

10: 화재 조사 교육 시스템
110: 화재 정보 획득부
120: 화재 시나리오 생성부
130: 가상 화재 영상 생성부
140: 데이터 입력부
150: 영상 선별부
160: 교육용 영상 생성부
200: 교육용 영상 제공부
210: 가상현실 단말기
220: 핸드 단말기
230: 인터렉티브 제어부
231: 사용자 입력 획득부
232: 판단부
233: 가이드 제공부

Claims (5)

1. 화재 조사 교육 시스템에 의해 수행되는 교육용 화재 현장 영상 생성 방법에 있어서,
   상기 화재 조사 교육 시스템에 의해 각 단계가 수행되며,
   장소 정보 및 상기 장소 정보에 종속적인 발화원인 정보를 포함하는 화재와 관련된 정보를 입력받는 단계;
   입력된 화재와 관련된 정보를 바탕으로 복수의 화재 시나리오를 생성하는 단계;
   생성된 복수의 화재 시나리오를 바탕으로 화재 진압 작업이 종료된 가상 화재 현장 영상을 각각 생성하는 단계;
   사용자의 데이터를 입력받는 단계;
   입력된 사용자의 데이터를 바탕으로 상기 생성된 복수의 가상 화재 현장 영상 중 적어도 하나를 선별하는 단계; 및
   선별된 가상 화재 현장 영상을 가공하여 교육용 화재 현장 영상을 생성하는 단계;
   를 포함하며,
   상기 가상 화재 현장 영상을 생성하는 단계는,
   생성된 화재 시나리오로부터 화재 진압 작업이 종료된 화재 현장 영상을 추론할 수 있도록 학습된 기계학습 모델에 의해, 입력된 상기 장소 정보에 대해 생성된 화재 시나리오 각각에 기초한 가상 화재 현장 영상을 생성하는 단계인, 교육용 화재 현장 영상 생성 방법.
2. 제1항에 있어서,
   상기 화재와 관련된 정보는 상기 장소 정보 및 상기 발화원인 정보 외에도 상기 장소 정보 또는 상기 발화원인 정보에 종속적이거나 독립적인 추가 화재 정보를 더 포함하며,
   화재 시나리오를 생성하는 단계는,
   입력된 상기 화재와 관련된 정보를 바탕으로 관련성 있는 실제 화재 현장 영상을 추출하는 단계; 및
   추출된 실제 화재 현장 영상에 기초하여, 상기 추가 화재 정보를 고려하여, 화재 조사 난이도가 서로 다른 복수의 화재 시나리오를 생성하는 단계;
   를 포함하는, 교육용 화재 현장 영상 생성 방법.
3. 제2항에 있어서,
   상기 추가 화재 정보는
   화재 진압과 관련된 정보 및 화재 확산과 관련된 정보 중 적어도 하나를 포함하는, 교육용 화재 현장 영상 생성 방법.
4. 제2항에 있어서,
   가상 화재 현장 영상 중 적어도 하나를 선별하는 단계는,
   생성된 가상 화재 현장 영상들과 연관된 상기 추가 화재 정보를 추출하는 단계; 및
   추출된 상기 추가 화재 정보를 고려하여 모델링한 난이도 점수화 테이블을 이용하여, 입력된 상기 사용자의 데이터와 매칭된 난이도 레벨을 결정하고, 결정된 난이도 레벨에 해당하는 가상 화재 현장 영상을 선별하는 단계;
   를 포함하는, 교육용 화재 현장 영상 생성 방법.
5. 제1항에 있어서,
   교육용 화재 현장 영상을 생성하는 단계는,
   선별된 가상 화재 현장 영상에 대응하는 화재 시나리오를 바탕으로 가이드를 생성하는 단계;
   선별된 상기 가상 화재 현장 영상에서 화재 특징점을 갖는 영역 또는 사물을 추출하는 단계; 및
   추출된 화재 특징점에 대하여 상기 사용자와 상호 작용을 바탕으로 제공되도록 하는 상기 가이드를 삽입하여 상기 교육용 화재 현장 영상을 생성하는 단계;
   를 포함하는, 교육용 화재 현장 영상 생성 방법.

Images