KR102643330B1 - 에지 네트워크 클라우드 시스템 - Google Patents
에지 네트워크 클라우드 시스템 Download PDFInfo
- Publication number
- KR102643330B1 KR102643330B1 KR1020240013746A KR20240013746A KR102643330B1 KR 102643330 B1 KR102643330 B1 KR 102643330B1 KR 1020240013746 A KR1020240013746 A KR 1020240013746A KR 20240013746 A KR20240013746 A KR 20240013746A KR 102643330 B1 KR102643330 B1 KR 102643330B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- edge device
- image data
- metadata
- edge
- Prior art date
Links
- 238000012545 processing Methods 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 abstract description 36
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 15
- 238000000034 method Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 206010000117 Abnormal behaviour Diseases 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 7
- 238000013503 de-identification Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/222—Secondary servers, e.g. proxy server, cable television Head-end
- H04N21/2223—Secondary servers, e.g. proxy server, cable television Head-end being a public access point, e.g. for downloading to or uploading from clients
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/231—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
- H04N21/23109—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion by placing content in organized collections, e.g. EPG data repository
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
- H04N21/23614—Multiplexing of additional data and video streams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
Abstract
본 발명은 에지 디바이스와 클라우드 서버 간의 상호 작용을 기반으로 하는 영상 분석 및 모니터링 분야, 클라우드 컴퓨팅, 인공 지능 및 데이터 보안 분야에 적용 가능한 에지 네트워크 클라우드 시스템에 관한 것으로서, 보다 상세하게는, 적어도 하나의 카메라를 통해 영상 데이터를 취득하고, 취득된 상기 영상 데이터로부터 메타 데이터를 생성하며, 상기 영상 데이터와 상기 메타 데이터 중 적어도 어느 하나를 전송하는 에지 디바이스; 및 상기 에지 디바이스로부터 상기 메타 데이터를 전송받고, 전송받은 상기 메타 데이터를 통해 이벤트 발생이라고 판단하면, 상기 에지 디바이스로부터 상기 영상 데이터를 추가로 전송받는 클라우드 서버를 포함하는 에지 네트워크 클라우드 시스템에 관한 것이다.
Description
본 발명은 에지 네트워크 클라우드 시스템에 관한 것으로, 특히 에지 디바이스와 클라우드 서버 간의 상호 작용을 기반으로 하는 영상 분석 및 모니터링 분야, 클라우드 컴퓨팅, 인공 지능 및 데이터 보안 분야에 적용 가능한 에지 네트워크 클라우드 시스템에 관한 것이다.
기존의 영상 분석 및 모니터링 시스템은 대부분 중앙 집중식 아키텍처를 기반으로 하며, 모든 영상 데이터를 중앙 서버로 전송하고 처리하는 방식을 채택하고 있다. 이로 인해 대량의 영상 데이터를 수집, 전송 및 처리하는 데 필요한 대규모 서버 및 고가의 그래픽 처리 장치(GPU)가 필요하며, 이로 인해 높은 운영 비용과 에너지 소비가 발생하게 된다.
또한, 개인정보 보호와 관련된 문제가 중요한 문제로 대두되고 있으며, 영상 데이터에는 민감한 개인 정보가 포함될 수 있다. 따라서 개인정보 보호 및 비식별화 기술의 필요성에 대한 관심도 높아지고 있는 실정이다.
본 발명이 해결하고자 하는 기술적 과제는, 에지 디바이스와 클라우드 서버 간의 협력을 통해 영상 분석 및 모니터링 시스템의 효율성을 향상시키고 개인정보 보호 문제를 해결할 수 있는 에지 네트워크 클라우드 시스템을 제공하는데 있다.
본 발명이 해결하고자 하는 다른 기술적 과제는, 에지 디바이스에서 영상 분석 및 비식별화 기술을 구현하고, 클라우드 서버는 정형 데이터 기반 다양한 분석을 수행하여 실시간 모니터링 및 이벤트 감지를 지원할 수 있는 에지 네트워크 클라우드 시스템을 제공하는데 있다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는, 영상 분석, 클라우드 컴퓨팅, 인공 지능 및 데이터 보안 분야에서의 기술적 도전에 대한 혁신적인 해결책을 제시하며, 기존 시스템의 한계를 극복할 수 있는 에지 네트워크 클라우드 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 에지 네트워크 클라우드 시스템은, 적어도 하나의 카메라를 통해 영상 데이터를 취득하고, 취득된 상기 영상 데이터로부터 메타 데이터를 생성하는 제1 처리부를 포함하며, 상기 카메라를 통해 취득된 영상 데이터와 상기 제1 처리부를 통해 생성된 메타 데이터 중 적어도 어느 하나를 전송하는 에지 디바이스; 및 상기 에지 디바이스로부터 상기 메타 데이터를 전송받고, 전송받은 상기 메타 데이터를 통해 이벤트 발생이라고 판단한 경우에만 상기 에지 디바이스로부터 상기 영상 데이터를 전송받는 클라우드 서버를 포함하며, 상기 클라우드 서버는, 전송받은 상기 메타 데이터를 통해 이벤트 발생 여부를 감지하기 위한 제2 처리부를 더 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, 본 발명은 에지 디바이스에서 영상 분석 및 비식별화 기술을 구현함으로써, 중앙 집중식 아키텍처에 비해 훨씬 효율적인 영상 처리 및 모니터링이 가능하며, 에지 디바이스에서 발생한 이벤트와 메타 정보만을 클라우드 서버로 전송하므로 네트워크 부하가 감소하고 전송 대역폭을 절약할 수 있다.
또한, 본 발명은 에지 디바이스에서 개인정보 비식별화 기술을 적용하여 개인 정보 보호를 강화, 즉 개인정보가 포함된 영상 데이터는 클라우드로 전송하기 전에 비식별화되며, 클라우드 서버는 비식별화된 데이터만을 처리함으로써 개인정보 침해 문제를 해결할 수 있다.
또한, 클라우드 서버는 전송된 메타 데이터와 정형 데이터를 기반으로 실시간 대시보드를 구현하고, 고속 검색을 지원함으로써, 화재, 특정 객체 출현, 이상 행동 등의 이벤트를 신속하게 검색하고 모니터링할 수 있다.
또한, 에지 디바이스에서 영상 분석을 수행하므로 중앙 서버에서의 고가의 GPU 구매 및 전력 소비 문제를 해결할 수 있다.
또한, 클라우드 서버는 이벤트 관련 영상만을 저장하므로 스토리지 비용이 절감되며, 클라우드 구축 및 운영 비용을 줄일 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 에지 네트워크 클라우드 시스템의 일 실시례에 따른 구성 개념도,
도 2는 본 발명인 에지 네트워크 클라우드 시스템의 예시도,
도 3은 본 발명에 따른 에지 디바이스 분석 및 클라우드 서버로 전송할 데이터 예시도,
도 4는 본 발명에 따른 실시간 대시보드 구현 예시도.
도 2는 본 발명인 에지 네트워크 클라우드 시스템의 예시도,
도 3은 본 발명에 따른 에지 디바이스 분석 및 클라우드 서버로 전송할 데이터 예시도,
도 4는 본 발명에 따른 실시간 대시보드 구현 예시도.
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, 제1, 제2, 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 에지 네트워크 클라우드 시스템의 일 실시례에 따른 구성 개념도고, 도 2는 본 발명인 에지 네트워크 클라우드 시스템의 예시도이며, 도 3은 본 발명에 따른 에지 디바이스 분석 및 클라우드 서버로 전송할 데이터 예시도이고, 도 4는 본 발명에 따른 실시간 대시보드 구현 예시도이다.
도 1 내지 도 4를 참조하여, 본 발명인 에지 네트워크 클라우드 시스템을 설명하면 다음과 같다.
본 발명인 에지 네트워크 클라우드 시스템은, 적어도 하나의 카메라(1), 에지 디바이스(10) 및 클라우드 서버(20)를 포함하여 구성될 수 있다.
카메라(1)는 공지의 모든 카메라를 적용할 수 있으며, 적어도 하나의 카메라로 구성될 수 있다. 카메라(1)의 위치는 한 곳에 적어도 하나로 구성되거나, 적어도 한 곳에 각각 적어도 하나로 구성될 수 있을 것이다. 본 발명에서는 적어도 하나의 카메라(1)로 구성될 수 있으며, 다수의 카메라(1)를 사용하여 다양한 시야를 커버하고 다양한 각도와 위치에서 영상 데이터를 수집할 수 있다.
카메라(1)에는 에지 디바이스(10)와의 데이터 통신을 위한 인터페이스가 구비될 수 있다. 일반적으로 이더넷, USB, 무선 통신 등의 방법으로 데이터를 전송할 수 있다.
카메라(1)는 영상 센서를 사용하여 주변 환경의 빛을 감지하고 이미지로 변환하고, 변환된 이미지는 디지털 형식으로 저장될 수 있다.
영상 프로세서는 취득된 이미지를 처리하고 필요한 작업을 수행할 수 있다. 이 과정에는 밝기 보정, 색상 보정, 노이즈 제거 등이 포함될 수 있으며, AI 기반 영상 분석도 이 단계에서 진행될 수 있다.
카메라(1)는 에지 디바이스(10)와의 데이터 통신을 통해 처리된 영상 데이터를 전송할 수 있다. 전송된 데이터는 에지 디바이스에서 추가적인 처리 및 분석을 위해 사용될 수 있다.
카메라(1)는 다양한 형태와 기능으로 구성될 수 있으며, 이를 통해 에지 디바이스(10)와 협력하여 영상 데이터를 취득할 수 있다.
에지 디바이스(10)로 카메라 기반 에지 디바이스를 사용할 수 있으며, 카메라 기반 에지 디바이스는 영상 데이터를 취득하고 분석하는 역할을 수행할 수 있다. 카메라의 종류와 해상도는 다양할 수 있으며, 고화질 카메라를 사용하여 상세한 영상 데이터를 획득할 수 있다.
영상 외에도 다양한 센서를 사용한 에지 디바이스도 적용할 수 있다. 예를 들어, 열화상 카메라, 울트라소닉 센서, 레이더, 모션 감지 센서 등을 활용하여 환경에서 다양한 데이터를 수집하고 분석할 수 있다.
에지 디바이스(10)는 영상 데이터뿐만 아니라, 다양한 통신 기술을 활용하여 데이터를 수집하고 분석할 수 있다.
또한, 임베디드 시스템 기반 에지 디바이스를 적용, 즉 에지 디바이스(10)는 소형 컴퓨팅 시스템을 포함할 수 있으며, 이를 통해 데이터 처리 및 분석을 로컬에서 수행할 수도 있다. 예를 들어, 라즈베리 파이와 같은 임베디드 시스템을 활용할 수 있다.
무인기(UAV) 또는 드론 기반 에지 디바이스를 적용할 수도 있다. 무인기나 드론은 공중에서 영상 데이터를 수집하여 에지 디바이스(10)로 전송할 수 있다. 이러한 기기를 사용하면 더 넓은 영역을 모니터링하고 데이터를 수집할 수 있다.
AI 칩 및 가속기를 포함한 에지 디바이스를 적용할 수도 있다. 일부 에지 디바이스(10)는 AI 가속기, GPU 또는 특수한 하드웨어를 포함하여 고성능 데이터 처리를 수행할 수 있다. 이를 통해 실시간 영상 분석 및 복잡한 알고리즘을 실행할 수 있다.
에지 디바이스(10)는 취득된 상기 영상 데이터로부터 메타 데이터를 생성하며, 상기 영상 데이터와 상기 메타 데이터 중 적어도 어느 하나를 클라우드 서버(20)로 전송할 수 있다.
에지 디바이스(10)는 카메라(1)를 통해 영상 데이터를 취득하고, 상기 영상 데이터는 렌즈 시스템 및 영상 센서를 사용하여 수집될 수 있다.
에지 디바이스(10) 내에는 메모리(11)가 포함될 수 있으며, 메모리(11)는 상기 영상 데이터 및 메타 데이터를 저장할 수 있다.
제1 처리부(12)는 취득된 영상 데이터를 처리하고 분석할 수 있다. 제1 처리부(12)는, 도 3을 참조하면, 취득된 영상 데이터를 분석하여 객체 인식, 얼굴인식, 이상 행동 분석 및 기타 작업 등을 수행할 수 있다. 이때, AI 알고리즘을 활용하여 영상 데이터를 처리하고 관련 정보를 추출할 수 있다. 예컨대, 사람의 경우 키포인트만(스켈레톤)을 추출할 수 있으며, 추출된 좌표 정보만을 표시할 수 있다.
에지 디바이스(10)는 취득한 영상 데이터를 분석하여 화재, 흉기, 사람, 차량 등의 객체를 인식할 수 있다. 이를 통해 촬영된 환경에서의 중요한 객체를 식별하고 감지할 수 있다.
에지 디바이스(10)는 영상 데이터에서 얼굴을 감지하고 인식할 수 있다. 얼굴인식 기술은 사람을 식별하고 관련 정보를 추출하는 데 사용될 수 있다. 필요한 경우 비식별화 기술을 적용하여 개인정보를 보호할 수 있다.
에지 디바이스(10)는 차량 번호판을 인식하고, 필요한 경우 비식별화 기술을 적용함으로써 차량 정보를 추출하고 개인정보 보호를 강화할 수 있다.
에지 디바이스(10)는 객체의 움직임을 추적하며, 사람, 차량 등의 이동 경로를 분석할 수 있다. 이러한 정보는 위험 상황 감지 및 경로 변화 패턴 분석에 활용될 수 있다.
에지 디바이스(10)는 환경에서의 이상 행동을 감지하고 분석할 수 있다. 예를 들어, 쓰러짐, 폭행, 흡연 등의 이상 행동을 탐지하고 필요한 조치를 취할 수 있다.
에지 디바이스(10)는 객체의 위치 정보와 타임 스탬프를 메타 데이터로 기록할 수 있으며, 이를 통해 영상 데이터의 이벤트 발생 시간과 위치를 파악하고 분석에 활용할 수 있다.
키포인트 분석은 영상에서 중요한 지점을 식별하고 추적하는 기술을 의미하는 것으로, 키포인트를 이용하여 얼굴인식, 객체 추적 및 기타 분석 작업을 수행할 수 있다.
이러한 영상 데이터 분석 기술은 에지 디바이스(10) 내의 제1 처리부(12)에서 실행될 수 있다. 이와 같은 기술을 활용하여 카메라(1)를 통해 촬영된 환경에서 발생하는 다양한 이벤트와 객체를 식별하고 관련 정보를 추출하며, 이를 메타 데이터로 저장하고 클라우드 서버(20)로 전송하여 다양한 분석 작업을 지원할 수 있다.
제1 처리부(12)는 처리된 영상 데이터와 메타 데이터를 메모리(11)에 저장할 수 있다. 이때, 메모리(11)는 데이터를 효율적으로 관리하고 필요한 경우 압축하여 저장할 수 있다.
에지 디바이스(10)는 필요한 경우 클라우드 서버(20)로 메타 데이터 및 필요한 영상 데이터와 분석 결과 데이터를 전송할 수 있다. 예컨대, 평상시 비식별화된 메타 데이터만을 전송하고, 이벤트 발생시에만 클라우드 서버(20)로 촬영된 영상 원본 데이터를 전송할 수 있다. 이벤트 발생은 위험 상황 발생을 포함하는 것으로, 예컨대 에지 디바이스(10)에서 전송된 메타 데이터를 통해 어느 장소에 두 명의 사람이 걸어가다가 한 사람만 확인이 되거나, 두 사람의 이동 경로가 일반적이지 않거나, 건물 옥상에 있던 사람이 갑자기 사라지거나 한 경우일 수 있다. 이와 같은 경우, 클라우드 서버(20)는 에지 디바이스(10)로부터 전송받은 메타 데이터를 통해 이벤트 상황을 감지하고, 이벤트 발생이라고 판단되면 에지 디바이스(10)에 원본 영상 데이터를 요청하여 전달받고, 전달받은 영상 데이터를 통해 정확한 상황을 확인할 수 있다.
도 2에 도시된 바와 같이, 이벤트 발생은 에지 디바이스(10)에서 수행할 수도 있다. 에지 디바이스(10)는 저장된 AI 알고리즘을 통해 이벤트 발생을 확인하고, 이벤트 발생일 경우 메타 데이터가 아닌 원본 영상 데이터를 전송할 수도 있다. 물론, 메타 데이터와 원본 영상 데이터를 함께 전송할 수도 있다. 또한, 에지 디바이스(10)는 이벤트 발생으로 판단한 경우에도 개인정보와 관련된 사항들은 비식별화하고, 비식별화된 메타 데이터만을 전송할 수 있으며, 예컨대 이벤트 발생 영상 또는 이벤트 발생 캡처 화면을 전송할 수 있다. 또한, 카메라(1)에서 클라우드 서버(20)에 실시간으로 영상 데이터를 전송할 수도 있다.
또한, 클라우드 서버(20)에서 전송된 메타 데이터를 확인하고, 원본 영상 데이터를 에지 디바이스(10)에 요청한 경우에만 원본 영상 데이터를 전송하도록 구성할 수도 있다.
기본적으로, 클라우드 서버(20)는 에지 디바이스(10)로부터 평상시 메타 데이터만을 전송받고, 전송받은 상기 메타 데이터를 통해 이벤트 발생이라고 판단한 경우에만, 에지 디바이스(10)로부터 상기 영상 데이터를 전송받도록 구성될 수 있다.
클라우드 서버(20)는 에지 디바이스(10)로부터 전송된 메타 데이터 및 필요한 영상 데이터를 수신할 수 있다. 수신된 데이터는 에지 디바이스(10)에서 필터링되고 압축된 상태일 수 있다.
에지 디바이스(10)와 연결된 클라우드 서버(20)는 대용량 메모리(21)를 구비할 수 있으며, 에지 디바이스(10)에서 전송된 영상 데이터 및 메타 데이터를 저장하고 관리할 수 있다. 메모리(21)는 영상 데이터와 메타 데이터를 실시간으로 처리하는 데 사용될 수 있다.
제2 처리부(22)는 수신된 정형데이터를 분석하고 처리하며, 이 과정에서 사람 이동 패턴의 이상 유무로 위험 상황, 차량 추돌 상황 감지나 객체 인식, 얼굴인식, 이상 행동 분석, 차량 번호판 인식, 경로 변화 패턴 분석 등의 다양한 분석 작업을 수행할 수 있다.
제2 처리부(22)는 영상 데이터의 분석, 처리 및 관리를 수행할 수 있다. 이 과정에서 다양한 분석 알고리즘과 기술을 활용하여 데이터를 처리하고 결과를 생성할 수 있다.
제2 처리부(22)는 에지 디바이스(10)에서 수집한 영상 데이터와 메타 데이터를 수신할 수 있다. 제2 처리부(22)는 상기 영상 데이터를 분석, 즉 다양한 영상 처리 및 컴퓨터 비전 알고리즘을 사용하여 객체 인식, 얼굴인식, 차량 번호판 인식, 객체 추적 및 이상 행동 분석 등의 작업을 수행할 수 있다.
제2 처리부(22)는 이러한 분석을 위해 미리 정의된 알고리즘 및 모델을 활용할 수 있다. 예를 들어, 딥러닝 신경망을 사용하여 얼굴인식이나 객체 인식을 수행할 수 있으며, 컴퓨터 비전 기술을 활용하여 객체의 속성 및 위치 정보를 추출할 수 있다.
분석된 데이터는 여러 단계를 거쳐 가공될 수 있다. 필요한 정보만을 추출하고 정리하여 결과 데이터를 생성할 수 있다. 예를 들어, 얼굴 인식 결과는 얼굴의 특징과 식별 정보로 변환될 수 있다.
분석 및 처리된 데이터와 관련 정보는 메모리(21)에 저장될 수 있다. 이러한 저장 공간은 데이터의 장기 저장을 지원하며, 필요할 때 검색할 수 있도록 관리될 수 있다.
제2 처리부(22)는 메타 데이터와 결과 데이터를 활용하여 고속 검색을 지원할 수 있다. 이를 통해 특정 이벤트나 객체를 빠르게 검색할 수 있으며, 이러한 정보는 대시보드를 구현하는 데 활용될 수 있다.
분석된 데이터는 통계 및 분석 작업을 위해 사용될 수 있다. 예를 들어, 사람간 경로 변화 패턴 분석, 차량 크기 및 이동 패턴 분석, 키포인트 분석을 통해 다양한 정보와 통계 자료를 생성할 수 있다.
이러한 과정을 통해 제2 처리부(22)는 클라우드 서버(20)에서 수신한 데이터를 분석하고 가공하여 중요한 정보와 결과를 생성할 수 있으며, 생성된 정보는 사용자가 실시간으로 모니터링하거나 검색하여 중요한 사건 및 데이터를 확인하는 데 사용될 수 있다. 예를 들어, 클라우드 서버(20)는 사람간 경로 변화 패턴 분석, 차량 크기 및 이동 패턴 분석, 키포인트 분석 등을 통해 얼굴인식, 쓰러짐, 흡연 등과 같은 이상 행동을 탐지하고 통계 정보를 제공할 수 있다.
클라우드 서버(20)는 메타 정보 및 영상 내의 객체의 속성 및 위치 정보를 활용하여 고속 검색을 지원할 수 있다. 이를 통해 특정 이벤트나 객체의 위치를 빠르게 검색할 수 있으며, 이러한 정보를 활용하여, 도 4에 도시된 바와 같이, 대시보드를 구현할 수 있다. 즉, 에지 디바이스(10)는 카메라(1)를 통해 촬영된 영상 데이터를 분석하고, 메타 데이터를 생성하여 생성된 메타 데이터를 클라우드 서버(20)로 전송할 수 있다. 전송된 메타 데이터를 클라우드 서버(20)의 대시보드로 출력할 수 있다. 이때, 대시보드에는 도 4에 도시된 바와 같이, 사람과 차량 정보가 실제 영상이 아닌 특징과 위치 좌표만을 가진 데이터로 표시될 수 있다. 또한, 만약 이벤트가 발생한 것으로 판단되면, 에지 디바이스(10)는 최초 촬영된 원본 영상 데이터를 클라우드 서버(20)로 전송하고, 클라우드 서버(20)의 대시보드에서는 원본 영상 데이터를 출력할 수 있다. 이벤트 발생 여부는 제2 처리부(22)를 통한 알고리즘 자동 분석 수행 및/또는 별도의 관리자가 판단하여 수행하도록 구성할 수 있다.
이와 같이, 클라우드 서버(20)는 에지 디바이스(10)로부터 수신한 데이터를 처리하고 관리하여, 고급 분석, 통계 작업, 고속 검색 및 대시보드 구현을 제공할 수 있으며, 이를 통해 사용자는 실시간 모니터링 및 중요한 정보에 대한 빠른 액세스가 가능하도록 구현될 수 있다.
통계 자료의 경우, 예컨대 일자별 보행자 및 차량의 통행량 등 시계열 분석 자료와 둘레길 구간별 방문객 수 또는 사람이나 사람들이 어느 방향으로 많이 이동하는지에 대한 분석 자료일 수 있으며, 이를 토대로 광고판 설치 장소 선정 등 다양한 관련 산업 분야에 이용할 수 있다.
이상에서 설명한 본 발명은 영상 분석, 클라우드 컴퓨팅, 개인정보 보호, 실시간 모니터링 및 고속 검색 분야에서 혁신적인 기술을 제공하며, 다양한 업종 및 응용 분야에서 활용할 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.
1: 카메라
10: 에지 디바이스 11: 메모리
12: 처리부 20: 클라우드 서버
21: 메모리 22: 제2 처리부
10: 에지 디바이스 11: 메모리
12: 처리부 20: 클라우드 서버
21: 메모리 22: 제2 처리부
Claims (1)
- 적어도 하나의 카메라를 통해 영상 데이터를 취득하고, 취득된 상기 영상 데이터로부터 메타 데이터를 생성하는 제1 처리부를 포함하며, 상기 카메라를 통해 취득된 영상 데이터와 상기 제1 처리부를 통해 생성된 메타 데이터 중 적어도 어느 하나를 전송하는 에지 디바이스; 및
상기 에지 디바이스로부터 상기 메타 데이터를 전송받고, 전송받은 상기 메타 데이터를 통해 이벤트 발생이라고 판단한 경우에만 상기 에지 디바이스로부터 상기 영상 데이터를 전송받는 클라우드 서버를 포함하며,
상기 클라우드 서버는,
전송받은 상기 메타 데이터를 통해 이벤트 발생 여부를 감지하기 위한 제2 처리부를 더 포함하는 에지 네트워크 클라우드 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020240013746A KR102643330B1 (ko) | 2023-11-03 | 2024-01-30 | 에지 네트워크 클라우드 시스템 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230150771A KR102633147B1 (ko) | 2023-11-03 | 2023-11-03 | 에지-클라우드 플랫폼 시스템 |
| KR1020240013746A KR102643330B1 (ko) | 2023-11-03 | 2024-01-30 | 에지 네트워크 클라우드 시스템 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230150771A Division KR102633147B1 (ko) | 2023-11-03 | 2023-11-03 | 에지-클라우드 플랫폼 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102643330B1 true KR102643330B1 (ko) | 2024-03-05 |
Family
ID=89900256
Family Applications (4)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230150771A KR102633147B1 (ko) | 2023-11-03 | 2023-11-03 | 에지-클라우드 플랫폼 시스템 |
| KR1020240013746A KR102643330B1 (ko) | 2023-11-03 | 2024-01-30 | 에지 네트워크 클라우드 시스템 |
| KR1020240013747A KR102641536B1 (ko) | 2023-11-03 | 2024-01-30 | 클라우드-에지 플랫폼 |
| KR1020240013745A KR102641534B1 (ko) | 2023-11-03 | 2024-01-30 | 클라우드-에지 통합 플랫폼 시스템 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230150771A KR102633147B1 (ko) | 2023-11-03 | 2023-11-03 | 에지-클라우드 플랫폼 시스템 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240013747A KR102641536B1 (ko) | 2023-11-03 | 2024-01-30 | 클라우드-에지 플랫폼 |
| KR1020240013745A KR102641534B1 (ko) | 2023-11-03 | 2024-01-30 | 클라우드-에지 통합 플랫폼 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (4) | KR102633147B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140094953A (ko) * | 2013-01-23 | 2014-07-31 | 케이티텔레캅 주식회사 | Ip 카메라의 클라우드 영상 저장 시스템 |
| KR20200021281A (ko) * | 2018-08-20 | 2020-02-28 | 제주대학교 산학협력단 | 빅데이터 분석을 이용한 유사도 기반의 cctv 영상데이터 중복 제거 시스템 및 그 방법 |
| KR102152237B1 (ko) * | 2020-05-27 | 2020-09-04 | 주식회사 와치캠 | 상황 분석 기반의 cctv 관제 방법 및 시스템 |
| KR102315699B1 (ko) * | 2020-06-26 | 2021-10-21 | 주식회사 티앤엠테크 | 인공지능을 이용한 영상 데이터의 이벤트 발생 여부 판단 방법, 장치 및 컴퓨터프로그램 |
| KR20220041722A (ko) | 2020-09-25 | 2022-04-01 | 인텔 코포레이션 | 에지 플랫폼 관리를 위한 바이오메트릭 보안 |
-
2023
- 2023-11-03 KR KR1020230150771A patent/KR102633147B1/ko active IP Right Grant
-
2024
- 2024-01-30 KR KR1020240013746A patent/KR102643330B1/ko active IP Right Grant
- 2024-01-30 KR KR1020240013747A patent/KR102641536B1/ko active IP Right Grant
- 2024-01-30 KR KR1020240013745A patent/KR102641534B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140094953A (ko) * | 2013-01-23 | 2014-07-31 | 케이티텔레캅 주식회사 | Ip 카메라의 클라우드 영상 저장 시스템 |
| KR20200021281A (ko) * | 2018-08-20 | 2020-02-28 | 제주대학교 산학협력단 | 빅데이터 분석을 이용한 유사도 기반의 cctv 영상데이터 중복 제거 시스템 및 그 방법 |
| KR102152237B1 (ko) * | 2020-05-27 | 2020-09-04 | 주식회사 와치캠 | 상황 분석 기반의 cctv 관제 방법 및 시스템 |
| KR102315699B1 (ko) * | 2020-06-26 | 2021-10-21 | 주식회사 티앤엠테크 | 인공지능을 이용한 영상 데이터의 이벤트 발생 여부 판단 방법, 장치 및 컴퓨터프로그램 |
| KR20220041722A (ko) | 2020-09-25 | 2022-04-01 | 인텔 코포레이션 | 에지 플랫폼 관리를 위한 바이오메트릭 보안 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102633147B1 (ko) | 2024-02-02 |
| KR102641536B1 (ko) | 2024-02-27 |
| KR102641534B1 (ko) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Edge video analytics for public safety: A review | |
| Elharrouss et al. | A review of video surveillance systems | |
| CN107292240B (zh) | 一种基于人脸与人体识别的找人方法及系统 | |
| US8295649B2 (en) | System and method for parallel processing of images from a large number of cameras | |
| US10701321B2 (en) | System and method for distributed video analysis | |
| US20140139680A1 (en) | Method And System For Metadata Extraction From Master-Slave Cameras Tracking System | |
| Zabłocki et al. | Intelligent video surveillance systems for public spaces–a survey | |
| US9292939B2 (en) | Information processing system, information processing method and program | |
| Kanwal et al. | Towards development of a low cost early fire detection system using wireless sensor network and machine vision | |
| KR20200103194A (ko) | 영상 기반 비정상 상황 모니터링 방법 및 시스템 | |
| Aghdasi et al. | Enhancing lifetime of visual sensor networks with a preprocessing-based multi-face detection method | |
| Purohit et al. | Multi-sensor surveillance system based on integrated video analytics | |
| KR101547255B1 (ko) | 지능형 감시 시스템의 객체기반 검색방법 | |
| KR102643330B1 (ko) | 에지 네트워크 클라우드 시스템 | |
| WO2015093687A1 (ko) | 데이터 처리 시스템 | |
| Shivthare et al. | Suspicious activity detection network for video surveillance using machine learning | |
| Agarwal et al. | Suspicious Activity Detection in Surveillance Applications Using Slow-Fast Convolutional Neural Network | |
| Kulbacki et al. | Intelligent video monitoring system with the functionality of online recognition of people’s behavior and interactions between people | |
| KR102555845B1 (ko) | 지능형 cctv 및 이를 이용하는 감시시스템 | |
| Musharaf Hussain et al. | IoT Based Smart Human Traffic Monitoring System Using Raspberry Pi | |
| WO2022125353A1 (en) | Reducing false negatives and finding new classes in object detectors | |
| Chander et al. | Smart Surveillance with Facial Recognition Using Inception Resnet-V1 | |
| Rawat et al. | WLAN-based smart door closer design with image classification | |
| Mokashi et al. | Video Analytics Technologies Available for Surveillance Systems | |
| KR20140087062A (ko) | 하이브리드 인식 기술을 이용한 전사적 인적자원 관리 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |