KR102641828B1 - 영상 내 군 위험 행위 인식 및 관리 방법, 장치 및 컴퓨터-판독 가능 기록 매체 - Google Patents

Abstract

군 내외에서 발생 가능한 가혹 행위 및 침입 행위 등의 위험 상황을 정확도 높게 파악하고, 모니터링 정보의 외부 송출 시 위험 상황을 제외한 사생활에 대한 보호가 확실하게 이루어질 수 있도록 하는 기술을 제공하기 위하여, 본 발명의 일 실시예에 따른 영상 내 군 위험 행위 인식 및 관리 방법은, 군 영내외에 설치된 복수개의 영상 촬영 장치 중, 어느 한 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에서 인식된 복수개의 객체에 대한 개인 정보 보안을 위하여 영상 정보를 보안화된 영상 데이터베이스에 임시 저장하고, 임시 저장된 영상 정보를 기 저장된 행동 인식 알고리즘을 기반으로 분석하여 영상 정보에 포함된 적어도 하나의 객체가 기 설정된 위험 행위 조건을 충족하는지를 판단하여, 판단 결과를 통해 복수개의 객체 중 적어도 하나를 위험 객체로 식별하는 위험 행위 판단 단계; 위험 행위 판단 단계에 의하여 위험 객체가 식별되는 경우, 영상 정보에 포함된 복수개의 프레임 중, 위험 행위 조건을 충족하는 프레임을 기준 프레임으로 설정하고, 기준 프레임을 포함하는 기설정된 구간의 프레임 구간을 식별하는 프레임 식별 단계; 및 프레임 식별 단계에 의하여 식별된 프레임 구간에 대응하는 모니터링 영상을 영상 정보로부터 추출하여 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 전송하여, 관리자 계정에 위험 행위의 발생을 공지하는 위험 행위 알림 단계;를 포함하는 것을 특징으로 한다.

Description

영상 내 군 위험 행위 인식 및 관리 방법, 장치 및 컴퓨터-판독 가능 기록 매체{PROVIDING METHOD, APPARATUS AND COMPUTER-READABLE MEDIUM OF RECOGNITION OF MILITARY DANGEROUS BEHAVIORS IN VIDEOS AND TRACKING OF DANGEROUS BEHAVIORS}

본 발명은, 군대의 영내외의 가혹 행위나 침투 행위 등 위험 행위에 대한 인식 및 이에 대한 모니터링을 통한 관리 기술에 관한 것으로, 구체적으로는 행동 인식 방법론에 따라서 군대 내의 다양한 위험 행위를 명확하게 인지하고 이에 대한 알림을 제공 시, 개인 정보를 명확하게 보호하여 인권 침해를 방지하고, 위험 행위에 대한 정밀한 인식 및 관련 정보의 제공을 통해 위험 행위를 효율적으로 관리하기 위한 기술에 관한 것이다.

CCTV(Closed-circuit Television)는 특정 구역에 설치되어, 해당 구역을 촬영하는 영상 기기이다. 특히, CCTV는 범죄 예방을 위한 목적으로 주로 사용되고 있는데, 실제로 최근 5년 간 국내에서는 CCTV를 통해 범인을 검거한 건수가 10만건을 초과한 것이 집계되었다. 이러한 효과로 인하여, 국내뿐만 아니라 해외에서도 CCTV를 적극적으로 설치하고 있어, CCTV 시장의 규모가 점차적으로 증가하고 있는 추세이다. 다만, CCTV 시장의 규모가 커질수록 개인 정보 유출에 대한 우려가 커지고 있다. CCTV가 촬영한 영상은 불특정 다수에 대한 사생활을 침해하는 여지가 있어, 영상이 유출되는 경우 개인 정보 보호법을 위반하기 때문이다. 따라서, 업계에서는 CCTV가 촬영한 영상을 활용 시 발생되는 개인 정보 유출을 방지하기 위한 다양한 기술들을 개발하고 있다.

일 예로서, 한국등록특허 10-1331201(CCTV 카메라 촬영 영상의 보안 전송 시스템 및 그 방법)에는 관리 서버에서 수신된 촬영 영상을 프라이버시가 제공되는 영상으로 변환하여 저장 및 전송하는 기술이 개시되어 있다.

그러나, 상술한 선행기술에서는 단순히 관리 서버에 저장되어 있는 촬영 영상을 부호화하고, 촬영 영상에 대한 타임스탬프 및 카메라 식별 정보를 생성하여, 촬영 영상을 보안화하는 기술만이 개시되어 있을 뿐, 복수 개의 CCTV 중 제1 CCTV로부터 영상 정보를 수신 시, 제1 영상 정보에 기반한 제1 영상 내에 포함된 복수 개의 객체에 대한 개인 정보 보안이 불가능한 문제가 있다.

특히 군대에서는 영내에서 인원 간의 가혹 행위가 발생되거나, 외부로부터의 침입이 발생될 가능성이 매우 크고, 실제로 이러한 위험 상황에 의하여 사상자가 발생하기도 한다. 그러나, 군 환경의 특성 상 이러한 위험 상황의 발생을 즉시 파악하거나 원인을 파악하기 매우 힘들고, 객체의 자세 등을 인식하는 기존의 기술만으로는 가혹 행위가 실제로 발생했는지 여부 등을 판단하기 어려운 것이 현실이다.

이에 따라서 군 환경에서, 상술한 바와 같은 위험 상황에 대한 명확한 파악과 동시에, 위험 상황에 대한 파악 시의 개인 정보의 유출 등을 방지할 수 있는 기술의 필요성이 대두되고 있다.

이에 본 발명은, 상기와 같은 기존 기술의 문제점에 의한 기술 필요성을 충족하기 위하여 도출된 것으로서, 특히, 군 내외에서 발생 가능한 가혹 행위 및 침입 행위 등의 위험 상황을 정확도 높게 파악하고, 모니터링 정보의 외부 송출 시 위험 상황을 제외한 사생활에 대한 보호가 확실하게 이루어질 수 있도록 하는 기술을 제공하는 데 그 목적이 있다.

상기 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 영상 내 군 위험 행위 인식 및 관리 방법은, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 영상 내 군 위험 행위 인식 및 관리 방법에 있어서, 군 영내외에 설치된 복수개의 영상 촬영 장치 중, 어느 한 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에서 인식된 복수개의 객체에 대한 개인 정보 보안을 위하여 영상 정보를 보안화된 영상 데이터베이스에 임시 저장하고, 임시 저장된 영상 정보를 기 저장된 행동 인식 알고리즘을 기반으로 분석하여 영상 정보에 포함된 적어도 하나의 객체가 기 설정된 위험 행위 조건을 충족하는지를 판단하여, 판단 결과를 통해 복수개의 객체 중 적어도 하나를 위험 객체로 식별하는 위험 행위 판단 단계; 상기 위험 행위 판단 단계에 의하여 위험 객체가 식별되는 경우, 상기 영상 정보에 포함된 복수개의 프레임 중, 위험 행위 조건을 충족하는 프레임을 기준 프레임으로 설정하고, 상기 기준 프레임을 포함하는 기설정된 구간의 프레임 구간을 식별하는 프레임 식별 단계; 및 상기 프레임 식별 단계에 의하여 식별된 프레임 구간에 대응하는 모니터링 영상을 상기 영상 정보로부터 추출하여 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 전송하여, 상기 관리자 계정에 위험 행위의 발생을 공지하는 위험 행위 알림 단계;를 포함하는 것을 특징으로 한다.

상기 위험 행위 알림 단계는, 상기 추출된 모니터링 영상과 상기 위험 행위 판단 단계에 의하여 식별된 위험 객체 및 위험 행위에 대한 정보를 포함하는 위험 알림 정보를 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 제공하는 것이 가능하다.

상기 위험 행위에 대한 정보는, 상기 위험 객체가 충족한 위험 행위 조건에 따라서 구분되는 위험 행위의 종류에 대한 정보이며, 상기 위험 행위의 종류는, 영내의 군사간 가혹 행위 또는 군사적 충돌 행위에 관련되어 복수개로 분류되며, 분류된 종류에 따라 피해자 및 가해자로 구분되는 것이 가능하다.

상기 위험 행위 알림 단계는, 상기 모니터링 영상으로부터 피해자 객체에 해당하는 객체의 이미지를 블러 처리하거나 삭제한 서브 모니터링 영상을 생성하는 서브 모니터링 영상 생성 단계; 및 상기 관리자 계정의 권한에 따라서, 상기 위험 알림 정보에 상기 모니터링 영상 또는 상기 서브 모니터링 영상을 선택적으로 포함하여 상기 관리자 계정에 전송하는 정보 전송 단계;를 포함하는 것이 가능하다.

상기 위험 행위 판단 단계는, 상기 영상 촬영 장치로부터 수신한 영상 정보를 영상 데이터베이스에 임시 저장하는 임시 저장 단계; 상기 임시 저장된 영상 정보에 포함된 다수의 프레임에서 객체를 인식하는 객체 인식 단계; 상기 객체 인식 단계에서 인식된 객체에 대한 관절 포인트 벡터를 추출하여, 상기 추출된 관절 포인트 벡터를 분석하여 객체의 상태를 분석하는 관절 벡터 분석 단계; 분석된 관절 포인트 벡터를 분석한 결과를 기설정된 상태 분석 알고리즘에 적용하여 객체가 위험 상태인 것으로 판단되는 경우, 상기 객체가 위험 상태인 것으로 판단되는 프레임 시점으로부터 시간 역순으로 객체의 상태를 분석하여, 객체의 상태 변화 정보를 도출하는 객체 추적 단계; 및 도출된 객체의 상태 변화 정보를 상기 행동인식 알고리즘에 적용한 결과 도출된 객체의 상태 변화 정보가 기설정된 위험 상황 패턴에 속하는 것으로 판단되는 경우, 객체를 위험 객체로 식별하는 위험 행위 결정 단계;를 포함하는 것이 가능하다.

상기 프레임 식별 단계는, 위험 객체가 충족하는 위험 행위 조건에 따라서 서로 다른 길이로 설정되는 구간의 프레임 구간을 식별하는 것이 가능하다.

상기 위험 행위 알림 단계의 수행 후, 상기 모니터링 영상을 제외한 기설정된 시점 이전의 영상 정보를 상기 영상 데이터베이스로부터 삭제하는 정보 삭제 단계;를 더 포함하는 것이 가능하다.

상기 위험 행위 알림 단계의 수행 후, 상기 위험 객체가 충족하는 위험 행위 조건에 따라서 결정되는 위험 행위의 종류에 따라 대처가 가능한 기설정된 반경 이내의 대응 기관에 알림을 제공하여, 대응 기관에 의하여 위험 행위에 의하여 발생된 피해에 대한 대응이 가능하도록 하는 기관 연계 단계;를 더 포함하는 것이 가능하다.

한편 본 발명의 일 실시예에 따른 영상 내 군 위험 행위 인식 및 관리 장치는, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 영상 내 군 위험 행위 인식 및 관리 장치로서, 군 영내외에 설치된 복수개의 영상 촬영 장치 중, 어느 한 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에서 인식된 복수개의 객체에 대한 개인 정보 보안을 위하여 영상 정보를 보안화된 영상 데이터베이스에 임시 저장하고, 임시 저장된 영상 정보를 기 저장된 행동 인식 알고리즘을 기반으로 분석하여 영상 정보에 포함된 적어도 하나의 객체가 기 설정된 위험 행위 조건을 충족하는지를 판단하여, 판단 결과를 통해 복수개의 객체 중 적어도 하나를 위험 객체로 식별하는 위험 행위 판단부; 상기 위험 행위 판단부에 의하여 위험 객체가 식별되는 경우, 상기 영상 정보에 포함된 복수개의 프레임 중, 위험 행위 조건을 충족하는 프레임을 기준 프레임으로 설정하고, 상기 기준 프레임을 포함하는 기설정된 구간의 프레임 구간을 식별하는 프레임 식별부; 및 상기 프레임 식별부에 의하여 식별된 프레임 구간에 대응하는 모니터링 영상을 상기 영상 정보로부터 추출하여 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 전송하여, 상기 관리자 계정에 위험 행위의 발생을 공지하는 위험 행위 알림부;를 포함하는 것을 특징으로 한다.

본 발명에 의하면, 군 내에서 영상 촬영 장치가 촬영하는 영상 정보를 기반으로 하여 객체가 인식되는 경우, 객체의 관절 포인트 벡터에 대한 분석을 통해 객체의 자세를 분석하고 객체의 자세에 따라서 다수의 프레임 분석을 통한 행위 인식 알고리즘을 적용하여, 군 내 가혹행위나 GOP 등에서의 군사 분계선이나 영내 침입 등 군에서 발생 가능한 위험 행위를 명확하게 검출하게 된다. 이를 통해서 위험 상황만을 정확하게 판별할 수 있는 효과가 있다.

특히, CCTV 등을 통해 촬영되는 영상 전체가 관리자 계정에 전송되거나 저장되는 것이 아니라, 위험 상황이 발생되는 경우에만 관리자 계정에 전송되고 평시의 영상 정보는 임시 저장 공간에 저장되었다가 삭제되기 때문에 사생활에 대한 노출이 완전히 방지된다. 특히, 위험 상황에 대한 모니터링 영상을 전송 시에도, 피해자의 영상 부분은 블러 처리하여, 위험 상황에 대한 인지만이 가능하도록 하고, 개인의 사생활을 보호할 수 있다.

이에 따라서 영상 감시 장치를 통한 사생활 침해를 방지하는 한편, 명확한 모니터링을 통해서 위험 상황에 대한 정밀한 모니터링 및 대응이 가능하도록 할 수 있는 효과가 있다.

도 1 내지 5는 본 발명의 일 실시예에 따른 영상 내 군 위험 행위 인식 및 관리 방법의 플로우차트.
도 6은 본 발명의 일 실시예에 따른 영상 내 군 위험 행위 인식 및 관리 장치의 구성 블록도.
도 7은 본 발명의 일 실시예에 따라서 위험 행위가 판단되는 흐름을 설명하기 위한 도면.
도 8은 본 발명의 일 실시예에 따라서 위험 행위의 알림이 수행되는 흐름을 설명하기 위한 도면.
도 9는 본 발명의 다른 실시예에 따라서 모니터링 영상이 가공되는 예를 설명하기 위한 도면.
도 10은 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 1 내지 5는 본 발명의 일 실시예에 따른 영상 내 군 위험 행위 인식 및 관리 방법의 플로우차트, 도 6은 본 발명의 일 실시예에 따른 영상 내 군 위험 행위 인식 및 관리 장치의 구성 블록도, 도 7은 본 발명의 일 실시예에 따라서 위험 행위가 판단되는 흐름을 설명하기 위한 도면, 도 8은 본 발명의 일 실시예에 따라서 위험 행위의 알림이 수행되는 흐름을 설명하기 위한 도면, 도 9는 본 발명의 다른 실시예에 따라서 모니터링 영상이 가공되는 예를 설명하기 위한 도면이다. 이하의 설명에 있어서 본 발명의 다양한 실시예 및 각 기술적 특징에 관련된 설명을 위해서, 다수의 설명이 함께 참조되어 설명될 것이다. 또한 이하의 설명에서는 본 발명의 핵심적인 기술적 특징에 대한 설명이 주가 될 것이며, 시스템 구축에 필요한 통신 모듈, 네트워크 구조 등 공지의 기술에 대한 설명은 생략하기로 한다.

상기 내용을 바탕으로 설명하여 보면, 본 발명의 일 실시예에 따른 영상 내 군 위험 행위 인식 및 관리 방법은, 후술하는 도 6에 도시된 바와 같은 본 발명의 일 실시에에 따른 영상 내 군 위험 행위 인식 및 관리 장치(10, 이하 '본 발명의 장치'라 함)의 각 구성에 의하여 실시되거나, 도 10에 도시된 바와 같은 컴퓨팅 장치에 의하여 실시되는 것으로 이해될 것이다. 즉, 본 발명의 장치(10)는 컴퓨팅 장치로 구성되거나, 컴퓨팅 장치에 일 소프트웨어적으로 구현되거나, 다수의 컴퓨팅 장치가 이루는 그룹웨어로 구현될 수 있다.

본 발명의 발명에 있어서 먼저 컴퓨팅 장치는, 군 영내외에 설치된 복수개의 영상 촬영 장치 중, 어느 한 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에서 인식된 복수개의 객체에 대한 개인 정보 보안을 위하여 영상 정보를 보안화된 영상 데이터베이스에 임시 저장하고, 임시 저장된 영상 정보를 기 저장된 행동 인식 알고리즘을 기반으로 분석하여 영상 정보에 포함된 적어도 하나의 객체가 기 설정된 위험 행위 조건을 충족하는지를 판단하여, 판단 결과를 통해 복수개의 객체 중 적어도 하나를 위험 객체로 식별하는 위험 행위 판단 단계(S10)를 수행한다.

본 발명에서 군 영내는, 군 부대가 관할하는 구역 등을 의미하는데, 예를 들어 경계 초소 등에서 경계의 대상이 되는 영역 및, 막사, 군 부대 등의 모든 영역을 통칭하는 개념으로 이해될 것이다. 본 발명의 목적이, 명확하게 군 부대 내에서의 가혹 행위나, 군 부대에 대한 침입 등의 위협 행위를 위험 행위로 정의하고, 이를 명확하게 감지하는 동시에 보호되어야 할 개인의 사생활을 보호하기 위함 때문이다.

본 발명의 영상 촬영 장치는 상술한 영내외에 설치된 복수개의 영상 촬영 장치로서, CCTV 등을 포함하여 영상 관제를 수행하기 위하여 설치되는 장치를 의미한다. 본 발명에서 영상 촬영 장치는, 상술한 군 영내외에서 군사적 목적 또는 방범적인 목적으로 설치된 모든 영상을 촬영하기 위한 장치를 의미한다.

본 발명에서 영상 정보는 영상 촬영 장치가 기설정된 촬영 영역을 촬영한 결과 생성되는 미디어 데이터로서, 다수의 프레임 이미지가 결합된 동영상 데이터를 의미한다. 영상 정보는 상술한 바와 같이 영상 데이터베이스에 임시 저장되는데, 본 발명에서 영상 데이터베이스는, 본 발명의 장치(10)에 포함되거나 본 발명의 장치(10)와 연결되며, 방화벽 등으로 공용 네트워크와 분리되어 해킹의 위험성이 낮도록 구성되거나, 군 부대의 인트라넷에만 존재하여 영상 정보를 외부로 유출하지 않게 되는 보안성이 향상된 임시 저장 공간을 의미한다. 본 발명에서 영상 정보는 후술하겠지만 일정한 조건을 만족하거나 일정 시간(예를 들어 7일)이 경과된 후 영상 데이터베이스에서 영구 삭제되어, 해킹 등에 의한 사생활 정보의 유출이 차단되도록 제어될 수 있다.

임시 저장된 영상 정보는, 일시적으로 본 발명의 장치(10)에서 활용되며, S10 단계에서 컴퓨팅 장치는 상술한 행동 인식 알고리즘을 기반으로 분석됨에 따라서 영상 정보에 포함된 적어도 하나의 객체가 기 설정된 위험 행위 조건을 충족하는지를 판단하여, 판단 결과에 따라서 특정 객체를 위험 행위에 해당하는 객체인 위험 객체로 식별하게 된다.

본 발명에서 위험 객체는, 위험 행위 조건을 충족하는 객체로서, 크게 위험 행위에 대한 가해자 또는 피해자 등으로 구분되어 관리될 수 있다. 또한 위험 행위의 종류에 따라서도 구분되어 관리될 수 있다. 본 발명에서 객체가 관리됨은, 객체에 가해자, 피해자 등의 구분 정보 및 위험 행위의 종류에 대한 정보가 메타 정보로 마킹되어, 객체에 대한 식별이 가능하도록 관리됨을 의미한다.

본 발명에서, S10 단계는 상술한 바와 같이, 행동 인식 알고리즘을 기반으로 영상 정보를 분석함에 따라서 객체의 위험 객체 여부를 식별하게 된다. 행동 인식 알고리즘은, 기존의 프레임 이미지 기반의 객체 식별보다, 그 행위의 진의를 판단하여, 정확하게 특정 객체가 위험 객체인이 여부를 판단할 수 있도록 함에 그 특징이 있다.

예를 들어, 영상 정보에서는 객체 인식 알고리즘을 통해서 특정 객체를 식별할 수 있다. 본 발명에서는 군 부대 내의 행위에 대한 분석이 주를 이루기 때문에 본 발명에서 식별되는 객체는 사람임이 바람직하다. 이때, 예를 들어 식별된 객체가 누워있거나 쓰러져 있는 경우를 가정하면, 기존의 프레임 이미지에 대한 객체 식별 및 분석 알고리즘에 의하면, 객체가 누워있거나 쓰러진 경우에는 그 어떤 경우에도 위험 행위로 판단하고 이에 대한 알림을 수행하게 된다.

이 경우, 해당 객체에 대한 이미지를 전송 시, 관리자 계정에서는, 객체가 쓰러져 있는 형태만을 식별할 수 있어, 해당 객체가 실제 위험 행위에 의하여 쓰러진 것인지, 또는 기타 다른 이유에 의하여 쓰러진 상태로 되어 있는지 여부를 판단할 수 없다.

또한 예를 들어 경계 영역 내에서 엎드려 있는 객체가 식별된 경우에는 예를 들어 군 부대에 침입하는 행위 도중 해당 프레임 이미지가 캡쳐되거나, 훈련이나 단순히 엎드린 상태일 때 프레임 이미지가 캡쳐될 수 있다. 그러나 기존의 기술에서는, 이러한 경우에도 해당 객체가 실제 군 부대에 침입하는 등의 위협 행위를 하는지, 또는 기타 다른 이유에 의하여 엎드린 상태로 되어 있는지 여부를 판단할 수 없다.

그러나 본 발명에서는, 각 행위마다 정의된 특정 행동 패턴에 대한 항동 인식 알고리즘을 통해서 객체의 위험 행위 여부를 명확하게 판별하여, 해당 객체가 위험 객체인지 여부를 판단하기 때문에, 무분별한 알림에 따른 사생활 침해 및 관리자 계정에 대한 지나친 알림에 따른 역치 저하 및 데이터 사용량의 증가 등의 문제를 해결하게 하는 것이다.

이러한 행동 인식 알고리즘을 구체적으로 수행하기 위해서, 본 발명의 일 실시예에 따르면, 컴퓨팅 장치는 S10 단계의 수행에 있어, 도 3 및 7에 도시된 바와 같이, 먼저 영상 촬영 장치로부터 수신한 영상 정보(100)를 영상 데이터베이스에 임시 저장하는 임시 저장 단계(S11)를 수행한다. 이는 다수의 영상 촬영 장치로부터 수신한 영상 정보(100)를 임시로 상술한 영상 데이터베이스에 저장하는 프로세스를 의미한다.

이후, 컴퓨팅 장치는 임시 저장된 영상 정보에 포함된 다수의 프레임(F1~Fn)에서 객체를 인식하는 객체 인식 단계(S12)를 수행한다. 이는, 영상 정보를 구성하는 다수의 프레임 이미지로부터 분석 대상이 되는 객체, 예를 들어 상술한 예에서는 인체를 식별하는 프로세스를 의미한다.

객체 인식은 이미지 또는 비디오 상의 객체를 식별하는 컴퓨터 비전 기술이다. 객체 인식은 딥러닝과 머신 러닝 알고리즘을 통해 산출되는 핵심 기술이다. 사람은 사진 또는 비디오를 볼 때 인물, 물체, 장면 및 시각적 세부 사항을 쉽게 알아챌 수 있다. 이 기술의 목표는 이미지에 포함된 사항을 이해하는 수준의 능력과 같이 사람이라면 당연히 할 수 있는 일을 컴퓨터도 할 수 있도록 학습시키는 것이다.

딥러닝 기술은 객체 인식에 널리 사용되는 방법이다. CNN(컨벌루션 뉴럴 네트워크)과 같은 딥러닝 모델은 객체를 식별하기 위해 해당 객체 고유의 특징을 자동으로 학습하는 데 사용된다. 예를 들어 CNN에서는 수천 장의 훈련용 이미지를 분석하고 고양이와 개를 구분하는 특징을 학습하여 고양이와 개의 차이점을 식별하는 방법을 학습할 수 있다.

딥러닝을 사용하여 객체 인식을 실시하는 두 가지 접근 방식이 있다. 기초부터 모델을 훈련시키는 방법이 있는데, 기초부터 딥 네트워크를 훈련시키기 위해서는 레이블이 지정된, 매우 방대한 데이터 세트를 모으고, 네트워크 아키텍처를 설계하여 특징을 학습하고 모델을 완성한다. 이를 통해 뛰어난 결과물을 얻을 수 있지만, 이러한 접근 방식을 위해서는 방대한 분량의 훈련 데이터가 필요하고 CNN에 레이어와 가중치를 설정해야 한다.

사전 훈련된 딥러닝 모델 사용하는 방안이 있다. 대다수 딥러닝 응용 프로그램은 사전 훈련된 모델을 세밀하게 조정하는 방법이 포함된 프로세스인 전이 학습 방식을 사용한다. 이 방식에서는 AlexNet 또는 GoogLeNet과 같은 기존 네트워크를 사용하여 이전에 알려지지 않은 클래스를 포함하는 새로운 데이터를 주입한다. 이 방법을 사용하면 수천 또는 수백만 장의 이미지로 모델을 미리 훈련한 덕분에 시간 소모가 줄게 되고 결과물을 빠르게 산출할 수 있다.

딥러닝은 높은 수준의 정밀도를 제공하지만, 정확한 예측을 위해서는 대량의 데이터를 필요로 한다. 머신 러닝 기술도 객체 인식에 널리 사용되고 있으며, 딥러닝과는 다른 접근 방식을 제공한다. 머신 러닝 기술이 사용되는 일반적인 사례는 SVM 머신 러닝 모델을 사용한 HOG 특징 추출, SURF 및 MSER과 같은 특징을 사용한 단어 주머니(Bag-of-Words) 모델, 얼굴과 상반신을 포함하여 다양한 객체를 인식하는 데 사용할 수 있는 Viola-Jones 알고리즘, 머신 러닝 워크플로 등이 있다. 표준 머신 러닝 방식을 사용하여 객체 인식을 수행하려면 이미지(또는 비디오)를 모아 각 이미지에서 주요 특징을 선택한다. 예를 들어 특징 추출 알고리즘을 사용하면 데이터에서 클래스 간의 구분에 사용할 수 있는 가장자리 또는 코너 특징이 추출된다.

그런 다음, 이러한 특징을 머신 러닝 모델에 추가하여 각 특징을 고유 카테고리로 나눈 후 새로운 객체를 분석 및 분류할 때 이 정보를 사용한다. 정확한 객체 인식 모델을 만들기 위해 다양한 머신 러닝 알고리즘과 특징 추출 방법을 조합하여 사용할 수 있다.

본 발명에서는 상술한 다양한 알고리즘을 이용하여 인체 등의 객체를 식별하게 된다. 이후, 컴퓨팅 장치는 인식된 객체에 대한 관절 포인트 벡터를 추출하여, 상기 추출된 관절 포인트 벡터를 분석하여 객체의 상태를 분석하는 관절 벡터 분석 단계(S13)를 수행한다.

관절 포인트 벡터는, 인체를 구성하는 관절을 인체의 형태 등에 따라서 포인팅하고 해당 포인트 사이의 벡터 관계를 나타내는 개념으로서, 이를 분석하게 되면, 각 관절 간의 관계를 분석할 수 있으며, 이를 기존의 사례에 적용 시 객체의 상태를 분석할 수 있다. 예를 들어, 객체가 쓰러지거나, 엎드려 있거나, 누워있거나, 푸시업 자세를 취하는 등의 인체의 자세에 대한 상태를 분석할 수 있는 것이다.

이후, 분석된 관절 포인트 벡터를 분석한 결과를 기설정된 상태 분석 알고리즘에 적용하여 특정 프레임(Fa)의 이미지(101)에서 객체가 위험 상태인 것으로 판단되는 경우, 상기 객체가 위험 상태인 것으로 판단되는 프레임(Fa)의 시점으로부터 시간 역순으로 기설정된 기간(T) 동안의 다수의 프레임 이미지(102)에 대해서 상술한 관절 포인트 벡터 분석을 통해 객체의 상태를 분석하여, 객체의 상태 변화 정보를 도출하는 객체 추적 단계(S14)를 수행한다.

즉, 객체가 위험 상태인 것으로 판단되는 경우라면, 기설정된 위험 상태의 후보군에 대한 객체의 상태에 대한 정보와 객체의 상태를 비교하여, 위험 상태별로 설정된 객체의 자세 등의 상태에 속하는 것으로 판단되는 경우를 의미한다.

이와 같이 위험 상태인 것으로 판단되는 경우에, 컴퓨팅 장치는, 해당 위험 상태임이 감지된 것으로 판단된 객체의 상태에 대응하는 관절 포인트 벡터가 도출된 프레임 이미지의 프레임 시점으로부터, 시간 역순으로 일정 기간(예를 들어 48 프레임)의 프레임 구간의 객체의 상태를 분석하게 된다. 이 경우, 관절 포인트 벡터의 움직임이 분석될 것이며, 이 경우 객체의 상태에 대한 변화 정보가 도출된다.

이러한 객체의 상태에 대한 변화 정보는 상술한 예를 바탕으로 판단하면, 객체의 자세가 변화되는 흐름일 것이며, 이를 다시 시간순으로 변환하면, 특정한 위험 상태의 자세를 객체가 갖게 된 흐름을 파악할 수 있게 된다. 즉 객체의 이동을 추적하여 객체가 어떤 상황에서 위험 상태에 해당하는 자세가 되었는지 여부를 관절 포인트 벡터의 이동 패턴 정보로서 가공할 수 있는 것이다.

이후, 컴퓨팅 장치는 도출된 객체의 상태 변화 정보를 상기 행동인식 알고리즘에 적용한 결과 도출된 객체의 상태 변화 정보가 기설정된 위험 상황 패턴에 속하는 것으로 판단되는 경우, 객체를 위험 객체로 식별하는 위험 행위 결정 단(S15)를 수행한다.

즉, 행동 인식 알고리즘은 객체의 상태 변화를 머신 러닝 또는 딥 러닝 등의 알고리즘을 의미하며, 객체의 움직임 패턴을 통해서 객체가 정말 위험한 상황에 놓여 해당 상태가 되었는지 여부를 식별하고, 구체적으로 어떤 위험 상태인지 여부를 구별할 수 있는 알고리즘을 의미한다.

이러한 위험 객체로 객체가 식별되면, 식별된 객체에 대한 정보(Oa)와 함께, 부가적으로 위험 상황에 대한 분석에 도움이 되는 정보들로 객체에 대한 위험 상황에 대한 패턴을 기준으로 객체의 피해자 또는 가해자 여부에 대한 정보와, 상술한 판단의 기준이 되는 위험 행위 조건에 대해서 각 위험 행위의 종류별로 어떤 조건에 만족하는지 여부에 대한 정보를 위험 행위에 대한 종류를 나타내는 정보로서, 객체의 정보에 메타 정보(Ia) 등으로 결합하여 후술할 위험 알림 정보의 생성에 사용할 수 있다.

이와 같은 S10 단계의 수행이 완료된 후, 컴퓨팅 장치는 위험 객체가 식별되는 경우, 상기 영상 정보에 포함된 복수개의 프레임 중, 위험 행위 조건을 충족하는 프레임을 기준 프레임으로 설정하고, 상기 기준 프레임을 포함하는 기설정된 구간의 프레임 구간을 식별하는 프레임 식별 단계(S20)를 수행한다.

S20 단계의 수행은 예를 들어 상술한 도 7의 프레임 구간(T, 예를 들어 48 프레임)을 의미할 수 있거나, T와 다르게 설정된 구간(예를 들어 10초간)으로서, 적어도 상술한 기준 프레임을 포함하는 기간으로서, 기준 프레임으로부터 10초 전 또는 10초 후의 프레임 구간을 식별하는 등으로 수행될 수 있다.

즉 위험 상태로 된 후 위험 객체로 식별된 상태가 되면, 위험 상태가 도출된 이미지에 대응되는 프레임이 기준 프레임이 되며, 그 전후의 상황에 대한 정보를 관리자 계정에 제공하기 위하여, 일정 기간 동안의 영상 정보를 파악하기 위하여 상술한 프레임 구간을 식별하게 하는 것이다.

이때 상술한 바와 같이 위험 행위는, 성폭(추)행, 얼차려, 폭행, 탈영, 영내 침입 등 매우 다양하게 구분될 수 있고, 해당 행위에 따라서 상황을 파악하기 위한 시간이 서로 다를 수 있다.

이를 위해서 본 발명의 일 실시예에 있어서는, S20 단계의 수행에 있어서 컴퓨팅 장치는, S10 단계에 의하여 상술한 바와 같이 생성된 위험 객체가 충족하는 위험 행위 조건에 따라서 객체에 대한 정보에 결합된 메타 정보(Ia)를 이용하여 그 위험 행위 조건에 따라서 서로 다른 길이로 그 구간을 설정하여 프레임 구간을 식별할 수 있다.

S20 단계의 수행 후, 컴퓨팅 장치는 프레임 식별 단계(S20)에 의하여 식별된 프레임 구간에 대응하는 모니터링 영상을 상기 영상 정보로부터 추출하여 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 전송하여, 관리자 계정에 위험 행위의 발생을 공지하는 위험 행위 알림 단계(S30)를 수행한다.

모니터링 영상은 상술한 바와 같이 S20 단계에서 식별된 프레임 구간 동안의 프레임 이미지를 결합하여 생성된 상기의 영상 정보의 일부에 대한 영상을 의미한다. 즉, 위험 상태가 발생된 것으로 판단되는 경우, 그 위험 상태가 발생된 시점으로부터 일정 시간 전후(예를 들어 10초 등)의 부분적인 영상을 의미하는 것이다.

이를 통해서 CCTV 등 군 영내외에 설치된 영상 촬영 장치로부터 촬영된 영상 정보가 일괄적으로 관리자 계정에 전송됨에 따라서 데이터 사용량이 급증하거나, 관리자가 위험 상황 발생 시 해당 영상을 일일이 분석해야 하는 문제, 또는 이미지의 객체 식별 및 상태 분석에 대한 기존의 알고리즘을 통한 위험 상황 분석 기술에 따른 지나치게 무분별한 알림 정보의 전송이 없이, 행동 인식 알고리즘을 통해서 명확하게 위험 상황만을 식별하고 식별된 위험 상황에서, 개인의 사생활을 최대한 보호하면서 위험 상황을 파악 및 대응할 수 있도록 하기 위하여 부분적인 영상만을 제공하게 된다.

이에 따라서, 위험 상황이 발생되는 경우에만 관리자 계정에 전송되고 평시의 영상 정보는 임시 저장 공간에 저장되었다가 삭제되기 때문에 사생활에 대한 노출이 완전히 방지된다. 특히, 위험 상황에 대한 모니터링 영상을 전송 시에도, 피해자의 영상 부분은 블러 처리하여, 위험 상황에 대한 인지만이 가능하도록 하고, 개인의 사생활을 보호할 수 있다.

이에 따라서 영상 감시 장치를 통한 사생활 침해를 방지하는 한편, 명확한 모니터링을 통해서 위험 상황에 대한 정밀한 모니터링 및 대응이 가능하도록 할 수 있는 효과가 있다.

이와 같은 S30 단계의 수행에 있어서, 상술한 메타 정보(Ia)를 기반으로 모니터링 영상 이외에 위험 상황의 파악에 도움이 되는 정보를 함께 전송할 수 있다. 즉, 도 8을 참조하면, 컴퓨팅 장치는 영상 정보(100)로부터 상술한 프레임 구간에 대응하는 영상 정보만을 모니터링 영상으로 가공한다. 이에 더하여, 상술한 바와 같이 식별된 객체에 대한 정보(Oa) 및 메타 정보(Ia)를 부가적인 정보(103)로 가공한다.

이후, 상기의 모니터링 영상 및 위험 정보(부가적인 정보)를 결합하여, 추출된 모니터링 영상과 상기 위험 행위 판단 단계에 의하여 식별된 위험 객체 및 위험 행위에 대한 정보를 포함하는 위험 알림 정보(110)를 생성하여 상술한 바와 같이 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 제공하여, 관리자 계정이 위험 상황 발생 시 단순히 모니터링 영상만을 수신하는 것이 아니라 해당 모니터링 영상에서 파악되는 위험 상황에 대한 정보를 함께 제공받아, 신속한 위험 상황의 인지 및 대응이 가능하도록 하는 것이다.

한편 상술한 바와 같이, 위험 알림 정보에 포함되는 메타 정보로서, 위험 행위에 대한 정보는 위험 객체가 충족한 위험 행위 조건에 따라서 구분되는 위험 행위의 종류에 대한 정보이며, 상기 위험 행위의 종류는, 영내의 군사간 가혹 행위 또는 군사적 충돌 행위에 관련되어 복수개로 분류되며, 분류된 종류에 따라 피해자 및 가해자로 구분되는 것이 가능함은 상술한 바와 같다.

한편, 국 내의 폭행 등의 가혹 행위에 있어서는 그 행위가 가해지는 모니터링 영상 등의 경우, 공개 시 피해자의 인권이 심각하게 침해될 가능성이 있다. 특히, 해당 영상이 군 법원 등 해당 영상을 기반으로 비밀리에 행위에 대한 판단을 해야 하는 경우가 아니라, 뉴스나 관련 보고 자료 등 공개될 수 있는 경우, 이러한 인권 침해 가능성이 매우 높아질 가능성이 있다.

이러한 문제를 해결하여 개인의 사생활을 더욱 명확하게 보호하기 위해서, 컴퓨팅 장치는 S30 단계의 수행에 있어서 도 2 및 9에 도시된 바와 같이, 먼저 모니터링 영상(101)으로부터 피해자 객체에 해당하는 객체의 이미지를 블러 처리하거나 삭제한 서브 모니터링 영상(101-1)을 생성하는 서브 모니터링 영상 생성 단계(S31)를 수행한다.

이후, 관리자 계정의 권한에 따라서, 상기 위험 알림 정보에 상기 모니터링 영상(101) 또는 상기 서브 모니터링 영상(101-1)을 선택적으로 포함하여 상기 관리자 계정에 전송하는 정보 전송 단계(S32)를 수행한다. 예를 들어 관리자 계정이 군 법원의 심리 중 자료를 관리해야 하는 계정인 경우 모니터링 영상(101)을 그대로 제공하고, 군 내의 정훈 장교 및 방송 관련자 등 해당 내용에 대한 공개 자료를 담당하는 계정인 경우 서브 모니터링 영상(101-1)을 제공할 수 있도록 구현될 수 있다.

한편 컴퓨팅 장치는 본 발명의 일 실시예에 있어서 도 4에 도시된 바와 같이 S30 단계의 수행 후, 모니터링 영상을 제외한 기설정된 시점 이전의 영상 정보를 상기 영상 데이터베이스로부터 삭제하는 정보 삭제 단계(S40)를 더 수행할 수 있다. S40 단계의 수행은 상술한 영상 데이터베이스의 저장 공간의 유한성에 더하여, 임시 저장된 영상 정보의 유출을 방지하기 위함에 그 목적이 있다.

이때, S40 단계의 수행에 있어서 영상 정보로부터 상술한 S10 내지 S30 단계의 수행이 이루어지지 않는 경우, 즉 어떤 위험 상황도 발생되지 않는 경우라면, 상술한 기설정된 시점 이전은 예를 들어 S30 단계 수행 후 S40 단계가 수행되는 시점(예를 들어 S30 단계 수행 후 15일)보다 더 짧은 시점(예를 들어 영상 정보 저장 시점으로부터 7주일)으로 설정되어 저장 공간의 관리의 효율성을 극대화할 수 있다.

한편 S30 단계의 수행 후, 컴퓨팅 장치는 또한 도 5에 도시된 바와 같이 위험 객체가 충족하는 위험 행위 조건에 따라서 결정되는 위험 행위의 종류에 따라 대처가 가능한 기설정된 반경 이내의 대응 기관에 알림을 제공하여, 대응 기관에 의하여 위험 행위에 의하여 발생된 피해에 대한 대응이 가능하도록 하는 기관 연계 단계(S50)를 더 수행할 수 있다.

위험 상황에 있어서 특히 간첩의 침투 등 상부 부대, 인근 부대와의 합동 작전이 필요한 경우가 발생되거나, 살인 사건이나 화재 발생에 의한 피해자 발생 등의 위험 상황이 발생되는 경우 군 경찰 또는 위수 지역 인근의 소방서 등의 행정 기관의 연계 대응이 필수적이다.

이를 위해서 컴퓨팅 장치는 S50 단계를 수행하여 위험 상황 발생에 따라서 인근 관련 기관과의 연계가 필요한 경우 신속하게 자동으로 대응이 가능하도록 하여 위험 상황 발생 시의 초기 대응 속도를 극적으로 향상시킬 수 있는 효과가 있다.

도 6에는 상술한 본 발명의 장치(10)에 대한 구조도가 도시되어 있다. 이하의 설명에 있어서 도 1 내지 5 및 도 7 내지 9에 대한 설명과 중복되는 설명은 생략하기로 한다.

본 발명의 장치(10)는 핵심적으로 위험 행위 판단부(11), 프레임 식별부(12) 및 위험 행위 알림부(13)를 포함하는 것을 특징으로 하고, 다른 실시예에 따라서 정보 삭제부(14) 및 기관 연계부(15)를 더 포함하는 것이 가능하다.

위험 행위 판단부(11)는 군 영내외(1, 2)에 설치된 복수개의 영상 촬영 장치(30) 중, 어느 한 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에서 인식된 복수개의 객체에 대한 개인 정보 보안을 위하여 영상 정보를 보안화된 영상 데이터베이스(20)에 임시 저장하고, 임시 저장된 영상 정보를 기 저장된 행동 인식 알고리즘을 기반으로 분석하여 영상 정보에 포함된 적어도 하나의 객체가 기 설정된 위험 행위 조건을 충족하는지를 판단하여, 판단 결과를 통해 복수개의 객체 중 적어도 하나를 위험 객체로 식별하는 기능을 수행한다. 즉 상술한 설명에서 S10, S11 내지 S15 단계에 대한 설명에서 언급된 모든 기능을 수행하는 구성으로 이해될 것이다.

프레임 식별부(12)는 위험 행위 판단부(11)에 의하여 위험 객체가 식별되는 경우, 상기 영상 정보에 포함된 복수개의 프레임 중, 위험 행위 조건을 충족하는 프레임을 기준 프레임으로 설정하고, 상기 기준 프레임을 포함하는 기설정된 구간의 프레임 구간을 식별하는 기능을 수행한다. 즉 상술한 설명에서 S20 단계에 대한 설명에서 언급된 모든 기능을 수행하는 구성을 의미한다.

위험 행위 알림부(13)는 프레임 식별부(12)에 의하여 식별된 프레임 구간에 대응하는 모니터링 영상을 상기 영상 정보로부터 추출하여 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정(40)에 전송하여, 관리자 계정(40)에 위험 행위의 발생을 공지하는 기능을 수행한다. 즉 상술한 설명에서 S30 단계, S31, S32 단계에 대한 설명에서 언급된 모든 기능을 수행하는 구성을 의미한다.

한편, 정보 삭제부(14)는 모니터링 영상을 제외한 기설정된 시점 이전의 영상 정보를 상기 영상 데이터베이스로부터 삭제하는 기능을 수행한다. 즉 상술한 설명에서 S40 단계에 대한 설명에서 언급된 모든 기능을 수행하는 구성을 의미한다.

기관 연계부(15)는 위험 객체가 충족하는 위험 행위 조건에 따라서 결정되는 위험 행위의 종류에 따라 대처가 가능한 기설정된 반경 이내의 대응 기관(50, 60, 70)에 알림을 제공하여, 대응 기관에 의하여 위험 행위에 의하여 발생된 피해에 대한 대응이 가능하도록 하는 기능을 수행한다. 즉 상술한 설명에서 S50 단계에 대한 설명에서 언급된 모든 기능을 수행하는 구성을 의미한다.

도 10은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 도시하였으며, 이하의 설명에 있어서, 상술한 도 1 내지 9에 대한 설명과 중복되는 불필요한 실시 예에 대한 설명은 생략하기로 한다.

도 10에 도시한 바와 같이, 컴퓨팅 장치(10000)은 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)은 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)을 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 10의 실시 예는, 컴퓨팅 장치(10000)의 일례일 뿐이고, 컴퓨팅 장치(11000)은 도 10에 도시된 일부 컴포넌트가 생략되거나, 도 10에 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 10에도시된 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 (10)

1. 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 영상 내 군 위험 행위 인식 및 관리 방법에 있어서,
   군 영내외에 설치된 복수개의 영상 촬영 장치 중, 어느 한 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에서 인식된 복수개의 객체에 대한 개인 정보 보안을 위하여 영상 정보를 보안화된 영상 데이터베이스에 임시 저장하고, 임시 저장된 영상 정보를 기 저장된 행동 인식 알고리즘을 기반으로 분석하여 영상 정보에 포함된 적어도 하나의 객체가 기 설정된 위험 행위 조건을 충족하는지를 판단하여, 판단 결과를 통해 복수개의 객체 중 적어도 하나를 위험 객체로 식별하는 위험 행위 판단 단계;
   상기 위험 행위 판단 단계에 의하여 위험 객체가 식별되는 경우, 상기 영상 정보에 포함된 복수개의 프레임 중, 위험 행위 조건을 충족하는 프레임을 기준 프레임으로 설정하고, 상기 기준 프레임을 포함하는 기설정된 구간의 프레임 구간을 식별하는 프레임 식별 단계; 및
   상기 프레임 식별 단계에 의하여 식별된 프레임 구간에 대응하는 모니터링 영상을 상기 영상 정보로부터 추출하여 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 전송하여, 상기 관리자 계정에 위험 행위의 발생을 공지하는 위험 행위 알림 단계;를 포함하되,
   상기 위험 행위 알림 단계는,
   상기 추출된 모니터링 영상과 상기 위험 행위 판단 단계에 의하여 식별된 위험 객체 및 위험 행위에 대한 정보를 포함하는 위험 알림 정보를 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 제공하되,
   상기 위험 행위에 대한 정보는,
   상기 위험 객체가 충족한 위험 행위 조건에 따라서 구분되는 위험 행위의 종류에 대한 정보이며,
   상기 위험 행위의 종류는,
   영내의 군사간 가혹 행위 또는 군사적 충돌 행위에 관련되어 복수개로 분류되며, 분류된 종류에 따라 피해자 및 가해자로 구분되되,
   상기 위험 행위 알림 단계는,
   상기 모니터링 영상으로부터 피해자 객체에 해당하는 객체의 이미지를 블러 처리하거나 삭제한 서브 모니터링 영상을 생성하는 서브 모니터링 영상 생성 단계; 및
   상기 관리자 계정의 권한에 따라서, 상기 위험 알림 정보에 상기 모니터링 영상 또는 상기 서브 모니터링 영상을 선택적으로 포함하여 상기 관리자 계정에 전송하는 정보 전송 단계;를 포함하되,
   상기 위험 행위 판단 단계는,
   상기 영상 촬영 장치로부터 수신한 영상 정보를 영상 데이터베이스에 임시 저장하는 임시 저장 단계;
   상기 임시 저장된 영상 정보에 포함된 다수의 프레임에서 객체를 인식하는 객체 인식 단계;
   상기 객체 인식 단계에서 인식된 객체에 대한 관절 포인트 벡터를 추출하여, 상기 추출된 관절 포인트 벡터를 분석하여 객체의 상태를 분석하는 관절 벡터 분석 단계;
   분석된 관절 포인트 벡터를 분석한 결과를 기설정된 상태 분석 알고리즘에 적용하여 객체가 위험 상태인 것으로 판단되는 경우, 상기 객체가 위험 상태인 것으로 판단되는 프레임 시점으로부터 시간 역순으로 객체의 상태를 분석하여, 객체의 상태 변화 정보를 도출하는 객체 추적 단계; 및
   도출된 객체의 상태 변화 정보를 상기 행동인식 알고리즘에 적용한 결과 도출된 객체의 상태 변화 정보가 기설정된 위험 상황 패턴에 속하는 것으로 판단되는 경우, 객체를 위험 객체로 식별하는 위험 행위 결정 단계;를 포함하되,
   상기 프레임 식별 단계는,
   위험 객체가 충족하는 위험 행위 조건에 따라서 서로 다른 길이로 설정되는 구간의 프레임 구간을 식별하되,
   상기 영상 내 군 위험 행위 인식 및 관리 방법은,
   상기 위험 행위 알림 단계의 수행 후,
   상기 영상 데이터베이스에 임시 저장된 영상 정보에서 상기 복수 개의 객체 중 상기 피해자 객체 및 위험 객체를 제외한 나머지 객체에 대한 개인 정보를 보호하기 위하여, 상기 피해자 객체 및 위험 객체가 출현하는 상기 모니터링 영상을 제외한 기설정된 시점 이전의 영상 정보를 상기 영상 데이터베이스로부터 삭제하는 정보 삭제 단계;를 포함하되,
   상기 위험 객체가 충족하는 위험 행위 조건에 따라서 결정되는 위험 행위의 종류에 따라 대처가 가능한 기설정된 반경 이내의 대응 기관에 알림을 제공하여, 대응 기관에 의하여 위험 행위에 의하여 발생된 피해에 대한 대응이 가능하도록 하는 기관 연계 단계;를 포함하는 것을 특징으로 하는 영상 내 군 위험 행위 인식 및 관리 방법.
   
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 제1항에 있어서,
   상기 위험 행위 알림 단계의 수행 후,
   상기 위험 객체가 충족하는 위험 행위 조건에 따라서 결정되는 위험 행위의 종류에 따라 대처가 가능한 기설정된 반경 이내의 대응 기관에 알림을 제공하여, 대응 기관에 의하여 위험 행위에 의하여 발생된 피해에 대한 대응이 가능하도록 하는 기관 연계 단계;를 더 포함하는 것을 특징으로 하는 영상 내 군 위험 행위 인식 및 관리 방법.
   
9. 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 영상 내 군 위험 행위 인식 및 관리 장치로서,
   군 영내외에 설치된 복수개의 영상 촬영 장치 중, 어느 한 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에서 인식된 복수개의 객체에 대한 개인 정보 보안을 위하여 영상 정보를 보안화된 영상 데이터베이스에 임시 저장하고, 임시 저장된 영상 정보를 기 저장된 행동 인식 알고리즘을 기반으로 분석하여 영상 정보에 포함된 적어도 하나의 객체가 기 설정된 위험 행위 조건을 충족하는지를 판단하여, 판단 결과를 통해 복수개의 객체 중 적어도 하나를 위험 객체로 식별하는 위험 행위 판단부;
   상기 위험 행위 판단부에 의하여 위험 객체가 식별되는 경우, 상기 영상 정보에 포함된 복수개의 프레임 중, 위험 행위 조건을 충족하는 프레임을 기준 프레임으로 설정하고, 상기 기준 프레임을 포함하는 기설정된 구간의 프레임 구간을 식별하는 프레임 식별부; 및
   상기 프레임 식별부에 의하여 식별된 프레임 구간에 대응하는 모니터링 영상을 상기 영상 정보로부터 추출하여 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 전송하여, 상기 관리자 계정에 위험 행위의 발생을 공지하는 위험 행위 알림부;를 포함하되,
   상기 위험 행위 알림부는,
   상기 추출된 모니터링 영상과 상기 위험 행위 판단 단계에 의하여 식별된 위험 객체 및 위험 행위에 대한 정보를 포함하는 위험 알림 정보를 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 제공하되,
   상기 위험 행위에 대한 정보는,
   상기 위험 객체가 충족한 위험 행위 조건에 따라서 구분되는 위험 행위의 종류에 대한 정보이며,
   상기 위험 행위의 종류는,
   영내의 군사간 가혹 행위 또는 군사적 충돌 행위에 관련되어 복수개로 분류되며, 분류된 종류에 따라 피해자 및 가해자로 구분되되,
   상기 위험 행위 알림부는,
   상기 모니터링 영상으로부터 피해자 객체에 해당하는 객체의 이미지를 블러 처리하거나 삭제한 서브 모니터링 영상을 생성하는 서브 모니터링 영상 생성부; 및
   상기 관리자 계정의 권한에 따라서, 상기 위험 알림 정보에 상기 모니터링 영상 또는 상기 서브 모니터링 영상을 선택적으로 포함하여 상기 관리자 계정에 전송하는 정보 전송 부;를 포함하되,
   상기 위험 행위 판단부는,
   상기 영상 촬영 장치로부터 수신한 영상 정보를 영상 데이터베이스에 임시 저장하는 임시 저장부;
   상기 임시 저장된 영상 정보에 포함된 다수의 프레임에서 객체를 인식하는 객체 인식부;
   상기 객체 인식부의 기능 수행에 의해 인식된 객체에 대한 관절 포인트 벡터를 추출하여, 상기 추출된 관절 포인트 벡터를 분석하여 객체의 상태를 분석하는 관절 벡터 분석부;
   분석된 관절 포인트 벡터를 분석한 결과를 기설정된 상태 분석 알고리즘에 적용하여 객체가 위험 상태인 것으로 판단되는 경우, 상기 객체가 위험 상태인 것으로 판단되는 프레임 시점으로부터 시간 역순으로 객체의 상태를 분석하여, 객체의 상태 변화 정보를 도출하는 객체 추적부; 및
   도출된 객체의 상태 변화 정보를 상기 행동인식 알고리즘에 적용한 결과 도출된 객체의 상태 변화 정보가 기설정된 위험 상황 패턴에 속하는 것으로 판단되는 경우, 객체를 위험 객체로 식별하는 위험 행위 결정부;를 포함하되,
   상기 프레임 식별부는,
   위험 객체가 충족하는 위험 행위 조건에 따라서 서로 다른 길이로 설정되는 구간의 프레임 구간을 식별하되,
   상기 영상 내 군 위험 행위 인식 및 관리 장치는,
   상기 위험 행위 알림부의 기능 수행 후,
   상기 영상 데이터베이스에 임시 저장된 영상 정보에서 상기 복수 개의 객체 중 상기 피해자 객체 및 위험 객체를 제외한 나머지 객체에 대한 개인 정보를 보호하기 위하여, 상기 피해자 객체 및 위험 객체가 출현하는 상기 모니터링 영상을 제외한 기설정된 시점 이전의 영상 정보를 상기 영상 데이터베이스로부터 삭제하는 정보 삭제부;를 포함하되,
   상기 위험 객체가 충족하는 위험 행위 조건에 따라서 결정되는 위험 행위의 종류에 따라 대처가 가능한 기설정된 반경 이내의 대응 기관에 알림을 제공하여, 대응 기관에 의하여 위험 행위에 의하여 발생된 피해에 대한 대응이 가능하도록 하는 기관 연계부;를 포함하는 것을 특징으로 하는 영상 내 군 위험 행위 인식 및 관리 장치.
   
10. 컴퓨터-판독가능 기록매체로서,
    상기 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 단계들은:
    군 영내외에 설치된 복수개의 영상 촬영 장치 중, 어느 한 영상 촬영 장치로부터 영상 정보를 수신 시, 영상 정보에서 인식된 복수개의 객체에 대한 개인 정보 보안을 위하여 영상 정보를 보안화된 영상 데이터베이스에 임시 저장하고, 임시 저장된 영상 정보를 기 저장된 행동 인식 알고리즘을 기반으로 분석하여 영상 정보에 포함된 적어도 하나의 객체가 기 설정된 위험 행위 조건을 충족하는지를 판단하여, 판단 결과를 통해 복수개의 객체 중 적어도 하나를 위험 객체로 식별하는 위험 행위 판단 단계;
    상기 위험 행위 판단 단계에 의하여 위험 객체가 식별되는 경우, 상기 영상 정보에 포함된 복수개의 프레임 중, 위험 행위 조건을 충족하는 프레임을 기준 프레임으로 설정하고, 상기 기준 프레임을 포함하는 기설정된 구간의 프레임 구간을 식별하는 프레임 식별 단계; 및
    상기 프레임 식별 단계에 의하여 식별된 프레임 구간에 대응하는 모니터링 영상을 상기 영상 정보로부터 추출하여 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 전송하여, 상기 관리자 계정에 위험 행위의 발생을 공지하는 위험 행위 알림 단계;를 포함하는 것을 특징으로 하는 영상 내 군 위험 행위 인식 및 관리 단계;를 포함하되,
    상기 위험 행위 알림 단계는,
    상기 추출된 모니터링 영상과 상기 위험 행위 판단 단계에 의하여 식별된 위험 객체 및 위험 행위에 대한 정보를 포함하는 위험 알림 정보를 상기 복수개의 영상 촬영 장치를 관리하는 관리자 계정에 제공하되,
    상기 위험 행위에 대한 정보는,
    상기 위험 객체가 충족한 위험 행위 조건에 따라서 구분되는 위험 행위의 종류에 대한 정보이며,
    상기 위험 행위의 종류는,
    영내의 군사간 가혹 행위 또는 군사적 충돌 행위에 관련되어 복수개로 분류되며, 분류된 종류에 따라 피해자 및 가해자로 구분되되,
    상기 위험 행위 알림 단계는,
    상기 모니터링 영상으로부터 피해자 객체에 해당하는 객체의 이미지를 블러 처리하거나 삭제한 서브 모니터링 영상을 생성하는 서브 모니터링 영상 생성 단계; 및
    상기 관리자 계정의 권한에 따라서, 상기 위험 알림 정보에 상기 모니터링 영상 또는 상기 서브 모니터링 영상을 선택적으로 포함하여 상기 관리자 계정에 전송하는 정보 전송 단계;를 포함하되,
    상기 위험 행위 판단 단계는,
    상기 영상 촬영 장치로부터 수신한 영상 정보를 영상 데이터베이스에 임시 저장하는 임시 저장 단계;
    상기 임시 저장된 영상 정보에 포함된 다수의 프레임에서 객체를 인식하는 객체 인식 단계;
    상기 객체 인식 단계에서 인식된 객체에 대한 관절 포인트 벡터를 추출하여, 상기 추출된 관절 포인트 벡터를 분석하여 객체의 상태를 분석하는 관절 벡터 분석 단계;
    분석된 관절 포인트 벡터를 분석한 결과를 기설정된 상태 분석 알고리즘에 적용하여 객체가 위험 상태인 것으로 판단되는 경우, 상기 객체가 위험 상태인 것으로 판단되는 프레임 시점으로부터 시간 역순으로 객체의 상태를 분석하여, 객체의 상태 변화 정보를 도출하는 객체 추적 단계; 및
    도출된 객체의 상태 변화 정보를 상기 행동인식 알고리즘에 적용한 결과 도출된 객체의 상태 변화 정보가 기설정된 위험 상황 패턴에 속하는 것으로 판단되는 경우, 객체를 위험 객체로 식별하는 위험 행위 결정 단계;를 포함하되,
    상기 프레임 식별 단계는,
    위험 객체가 충족하는 위험 행위 조건에 따라서 서로 다른 길이로 설정되는 구간의 프레임 구간을 식별하되,
    상기 컴퓨터-판독가능 기록매체는,
    상기 위험 행위 알림 단계의 수행 후,
    상기 영상 데이터베이스에 임시 저장된 영상 정보에서 상기 복수 개의 객체 중 상기 피해자 객체 및 위험 객체를 제외한 나머지 객체에 대한 개인 정보를 보호하기 위하여, 상기 피해자 객체 및 위험 객체가 출현하는 상기 모니터링 영상을 제외한 기설정된 시점 이전의 영상 정보를 상기 영상 데이터베이스로부터 삭제하는 정보 삭제 단계;를 포함하되,
    상기 위험 객체가 충족하는 위험 행위 조건에 따라서 결정되는 위험 행위의 종류에 따라 대처가 가능한 기설정된 반경 이내의 대응 기관에 알림을 제공하여, 대응 기관에 의하여 위험 행위에 의하여 발생된 피해에 대한 대응이 가능하도록 하는 기관 연계 단계;를 포함하는 것을 특징으로 하는 영상 내 군 위험 행위 인식 및 관리 단계;를 포함하는 것을 특징으로 하는 컴퓨터-판독가능 기록매체.