KR20120118339A - 지능형 무인 감시 서비스 방법 - Google Patents

Abstract

본 발명은 지능형 무인 감시 서비스 방법으로, 관제 클라이언트로부터 서비스 타입 정보 입력에 따라 서비스 타입이 설정되는 단계와, 상기 설정된 서비스 타입에 따라 센서망으로부터 수신되는 정보를 상황 인지 알고리즘을 수행하여 사건을 판정하고, 가시화된 사건 정보를 관제 클라이언트에 전송하는 단계와, 관제 클라이언트로부터 가시화된 사건의 운용자 피드백 정보를 수신하여 저장하는 단계를 포함한다.

Description

지능형 무인 감시 서비스 방법{Method for unmanned surveillance services}

본 발명은 무인 감시 서비스 방법에 관한 것으로, 대규모 센서망에서 지능형 무인 감시 서비스를 위한 융합 정보 기반 상황인지 방법에 관한 것이다.

일반적인 무인 감시 서비스로 CCTV(closed-circuit television)에 의해 촬영된 영상을 모니터링하는 방법이 있다.

이러한 CCTV에 의해 촬영된 영상을 통해 무인 감시 서비스가 제공되기 위해서는, 다수 인력이 촬영된 영상을 연속적으로 모니터링하고 상황을 인지하는 것이 요구된다. 따라서, 수백 내지 수만 개의 CCTV와 같은 감시형 장비가 설치되면, 이를 지속적으로 모니터링하기 위한 수많은 인력 확보가 요구된다. 인력이 부족한 경우에는 장소 또는 시간에 따라 촬영된 영상이 선별적으로 모니터링될 수 밖에 없어서 실시간 감시 및 대응이 불가능하다. 즉, CCTV를 모니터링하는 감시 시스템은 지속적인 모니터링을 위한 인건비가 증가하므로 대규모 감시 시스템에 적용되기에는 어려움이 있다.

또한, 일반적인 무인 감시 서비스는 개별 CCTV에서 제공되는 단순한 영상 정보만으로 감시가 이루어지므로, 관제 요원은 영상 정보로부터 어떤 상황이 발생되었는지를 판단하기 위해 또 다른 정보를 참고하거나 수집하기 위한 노력이 요구된다. 이로 인하여 CCTV 모니터링에 따른 실시간 대처 및 감시가 어렵다.

한편, 추적이 필요한 무인 감시 서비스는 개별 CCTV 감시 범위를 벗어나 다른 CCTV와의 연계를 통한 추적이 요구된다. 그런데, CCTV나 IP(Internet Protocol) 카메라와 같은 감시 장치는 각각 독립된 개별 감시 장치로써 망(network)으로 서로 연계되어 있지 않다. 따라서, 다른 CCTV와의 연계를 통한 추적을 위해서는 단순히 운용 요원이 주변의 CCTV를 감시(monitoring)하는 정도의 수동적인 대처만이 가능하다. 이는 실시간 추적을 어렵게 하여 상황인지 및 상황정보 파악이 어려워 상황 대처에 지연을 초래한다.

본 발명은 대규모 센서망을 이용한 무인 감시 서비스 방법을 제공한다.

본 발명은 소규모 인력으로도 실시간 모니터링이 가능한 무인 감시 서비스 방법을 제공한다.

지능형 무인 감시 서비스 방법에 있어서, 관제 클라이언트로부터 서비스 타입 정보 입력에 따라 서비스 타입이 설정되는 단계와, 상기 설정된 서비스 타입에 따라 센서망으로부터 수신되는 정보를 상황 인지 알고리즘을 수행하여 사건을 판정하고, 가시화된 사건 정보를 관제 클라이언트에 전송하는 단계와, 관제 클라이언트로부터 가시화된 사건의 운용자 피드백 정보를 수신하여 저장하는 단계를 포함한다.

본 발명의 구성에 따르면, 본 발명은 대규모 센서 망에서 무인 감시 서비스 타입에 상관없이 지형정보, 환경정보, 운용정보, 망 연계 정보 등을 통한 지식화된 융합된 정보를 이용하여 상황 발생시 실시간으로 상황 발생을 알리는 지능형 무인 감시 서비스를 위한 상황인지 메카니즘을 제공함으로써 사건 발생 탐지율을 높이고, 오보율을 감소 시키며, 자동화된 무인감시 모니터링을 함으로써 소수의 인력으로 소기의 목적 달성과 기존의 CCTV 기반으로 구축되었던 관제 시스템을 대체하여 구축비용 절감 효과를 얻을 수 있다.

도 1은 본 발명의 바람직한 실시 예에 따른 지능형 무인 감시 서비스 시스템의 구성도이다.
도 2는 본 발명의 바람직한 실시 예에 따른 관제 엔진의 상세 구성도이다.
도 3은 본 발명의 바람직한 지능형 무인감시 서비스 방법에 따른 신호 처리 절차를 도시한 도면이다.
도 4는 본 발명의 바람직한 지능형 무인감시 서비스 방법에 따른 신호 처리 절차를 도시한 도면이다.

이하, 첨부된 도면을 참조하여 기술되는 바람직한 실시 예를 통하여 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 상세히 기술하기로 한다.

본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명 실시 예들의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.

명세서 전반에 걸쳐 사용되는 용어들은 본 발명 실시 예에서의 기능을 고려하여 정의된 용어들로서, 사용자 또는 운용자의 의도, 관례 등에 따라 충분히 변형될 수 있는 사항이므로, 이 용어들의 정의는 본 발명의 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 본 발명의 바람직한 실시 예에 따른 지능형 무인 감시 서비스 시스템의 구성도이다.

도 1을 참조하면, 본 발명의 바람직한 실시 예에 따른 지능형 무인 감시 서비스 시스템은 하나 이상의 대규모 센서망(110-1,…,110-m), 공통 인터페이스(120) 및 관제 시스템(130)을 포함한다.

센서망(110-1,…,110-m)은 각각 수백 내지 수만개의 노드들로 이루어지며, 이러한 센서망에는 상황 인식을 위한 음향 센서, 온도 센서, 습도 센서, 조도 센서, G(Gravity) 센서 및 카메라 센서를 포함하는 둘 이상의 센서 노드(SN: Sensor Node)(111), 이러한 센서 노드(111)를 관장하며, 관제 시스템(130)과의 인터페이스 및 카메라 센서를 포함하는 둘 이상의 마스터 센서(MS: Master Sensor)(112-1,…,112-n)로 구성된다.

공통 인터페이스(120)는 일 예로, ONVIF(Open Network Video Interface Forum) 프로토콜을 포함하는 것으로, 센서망(110)은 발생한 사건 정보를 공통 인터페이스(120)을 통해 관제 시스템(130)에 제공하거나, 마스터 센서들(112-1,…,112-n)간 또는 센서망(110)들간 추적이 필요한 정보를 요구받아 처리한다.

관제 시스템(130)은 미들웨어 엔진(131), 협업엔진(132), 영상 엔진(133), GIS 엔진(134), 관제 클라이언트(136) 및 관제 엔진(200)을 포함한다.

미들웨어 엔진(131)은 대규모 다중 센서 정보에 대한 XML(eXtensible Markup Language) 기반　처리 기술 및 지능형 협업을 위한 적응적 센서 노드 플랫폼과 서버간 인터페이스 기술을 수행한다. 협업 엔진(132)은 마스터 센터들(112-1, …112-n)간의 정보 교환 및 추적 정보 유지를 위한 기술을 수행한다. 영상 엔진(133)은 센서필드 영상정보를 센서필드 네트워크를 통해 실시간 영상감시, 지역별, 그룹별 영상 감시 및 관제에 영상을 제공한다. GIS 엔진(134)은 이력 정보에 대한 위치정보와 속성정보를 데이터베이스화하여 응용 시스템 기반 정보 가시화 수행한다. 관제 클라이언트(135)는 사용자와의 인터페이스를 통해 요구사항을 센서필드에 전달하며, 센서필드 및 각 엔진들로부터 정보를 받아 GIS 기반 대규모 다중 센서 가시화　및 파노라마 기술을 이용한 감시 정보 처리를 가시화한다. 관제엔진(200)은 대규모 다중 센서 기반 지형 정보, 환경정보, 운용정보, 망 연계 정보 등을 통한 지식화된 융합된 정보를 이용하여 상황 발생시 실시간으로 상황을 결정하여 관제 클라이언트(135)에 전달한다.

도 2는 본 발명의 바람직한 실시 예에 따른 관제 엔진의 상세 구성도이다. 도 2에는 관제 엔진이 지식화된 융합 정보를 이용하여 상황 발생시 실시간으로 상황인지를 수행하여 가시화하기 위한 기능 블록 구성도이다.

관제 엔진(200)은 센서망(110)으로부터 기본 정보인 센서 데이터, 각 센서 노드 및 마스터 센서 노드의 카메라 영상 분석에 의한 사건 데이터를 미들웨어(131)를 통하여 수신한다.

관제 엔진(200)은 이력 관리부(210), 지식 정보 처리부(220), 상황 인지 알고리즘 수행부(230), 이벤트 상황 판정부(240) 및 서비스 정의부(250)를 포함한다.

이력 관리부(210)는 지식화된 정보를 이용하여, 상황을 판단하는 기능으로 기본정보 및 운용자 정보 등의 시간에 따라 축적된 정보를 관리한다. 관리되는 정보로는 지형 정보(211), 환경 정보(212), 운용 정보(213) 및 센서망 정보(214)를 포함한다.

지형정보(211)는 트래픽(traffic) 정보, 사각지대 정보를 포함하고, 환경정보(212)는 계절, 시간, 날씨, 주변 환경변화(구조물, 인파 등)를 포함하고, 운용정보(213)는 가시화된 사건에 대한 실제 상황과의 일치 여부 정보를 포함하고, 센서망 정보(214)는 센서 노드에 부착된 각종 센서로부터의 획득한 정보를 포함한다.

지식정보 처리부(220)는 이력 관리를 통하여 상황인지 알고리즘 결과로 얻어진 지식정보를 저장하는 지식 정보부(221)와, 주기적인 학습에 의한 학습정보를 저장/처리하는 학습부(222)를 포함한다. 상황인지 알고리즘 수행부(230)는 제공하고자 하는 서비스에 관련된 상황 알고리즘을 수행한다.

이벤트 상황 판정부(240)는 상황인지 알고리즘 수행부(230)을 통해 추출된 상황 패턴 정보를 기반으로 실시간으로 센서망(110)에서 발생된 사건의 상황 판단을 수행한다. 서비스 정의부(250)는 운용자로부터 현재 수행해야 할 서비스 타입을 입력받아 상황 인지 알고리즘 수행부(230)로 하여금 수행할 알고리즘을 선택하도록 한다.

관제 클라이언트(135)는 관제 엔진(200)으로부터의 판정된 상황 정보를 가시화하거나, 현재 수행하려고 하는 무인 감시 서비스 타입을 지정하고, 판정된 사건에 대하여 실제 상황과 비교하여 관제 엔진에 피드백 정보를 제공하여 관제 엔진(200)에 지식 정보로 활용하도록 한다.

그러면, 전술한 바와 같은 지능형 무인 감시 시스템상에서의 지능형 무인 감시 서비스 방법을 설명하기로 한다.

도 3은 본 발명의 바람직한 지능형 무인감시 서비스 방법에 따른 신호 처리 절차를 도시한 도면이다.

도 3을 참조하면, 운용자로부터 현재 제공하려는 서비스 종류가 입력되면, 관제 클라이언트(135)는 301 단계에서 관제 엔진(200)에 서비스 타입 설정 정보를 전송한다. 본 발명에서 제공하고자 하는 지능형 무인 감시 서비스의 종류로는 교차로에서의 교통사고, 치안(방범:놀이터, 공원, 골목길..), 방재, 환경(오염)을 포함한다.

그러면, 관제 엔진의 서비스 정의부(250)은 301 단계에서 수신된 서비스 타입 정보에 따라 관련된 상황 알고리즘이 수행되도록 제어한다. 이러한 서비스 정의부(250)에 의해 정의된 서비스 타입 정보는 이력 관리부(210) 및 상황 인지 알고리즘 수행부(230)에 전송되어 이러한 서비스 타입에 따라 동작이 수행된다.

이와 같이 서비스 타입이 설정된 상태에서 센서 망(110)으로부터 302 단계 및 303 단계에서 기본 정보인 센서 데이터 및 사건 데이터가 관제 엔진(200)에 수신된다. 그러면, 304 단계에서 입력되는 정보 중의 센서 데이터는 이력 관리를 위한 입력 정보로 이력 관리부(201)에 입력되고, 305 단계에서 사건 데이터는 실시간 상황 판정을 위한 정보로 이벤트 상황 판정부(240)에 입력된다.

그러면, 이력 관리부(210)는 306 단계 내지 309 단계에서 수신되는 이력 관리를 위한 입력 정보를 서비스 정의에 의해 지형정보(306), 환경정보(307), 운용정보(308), 센서 망 정보(309)중 해당 정보가 속하는 곳에 저장한다.

그리고, 이력 관리부(210)는 310 단계에서 저장된 정보를 지식 정보 처리부(220)에 입력한다. 그러면, 지식 정보 처리부(220)는 311 단계에서 이력 관리부(210)의 이력 정보로 상황인지 알고리즘 수행부(230)에 전송하고, 312 단계에서 상기 상황 인지 알고리즘 수행부(230)로부터 출력된 결과를 지식 정보로 저장한다. 이와 같이 저장된 지식정보는 계속적으로 학습되어 좀 더 신뢰도가 높은 지식 정보가 된다.

한편, 상황 인지 알고리즘 수행부(230)는 313 단계에서 알고리즘 수행에 따른 현재의 지식 정보를 실시간으로 발생되는 사건의 상황 인지(사건인지 아닌지)를 위한 이벤트 상황판정부(240)에 입력한다. 그러면, 이벤트 상황 판정부(240)는 314 단계에서 센서 망에서의 사건 데이터 및 입력되는 지식 정보를 바탕으로 사건 여부를 판단하여 관제 클라이언트(135)에 그 결과를 전송한다.

도 4는 본 발명의 바람직한 지능형 무인감시 서비스 방법에 따른 신호 처리 절차를 도시한 도면이다. 도 4는 지능형 무인감시 서비스의 실시 예로 교차로에서 사건 발생시 관제 UI에 가시화된 사건의 운용자 피드백 (feedback) 절차를 나타낸다.

센서망에서 탐지된 사건은 관제 엔진을 거치면서 탐지된 사건에 대해 좀 더 신뢰성 있는 판정을 위하여 상황인지 알고리즘 및 지식 정보를 통한 결정이 이루어 진다. 그러나 이러한 결정은 알고리즘이나 지식 정보의 오류로 인하여 오보를 관제에 전송할 수 있다. 이를 위해 관제 UI에서는 가시화된 사건에 대하여 운용자가 확인 후 실제 사건 발생 인지를 확인 후, 그 결과를 관제 엔진에게 제공한다. 이러한 과정은 계속적으로 발생되는 사건 탐지시 축적된 지식정보를 제공함으로 추후 같은 상황에서의 사건 탐지시 오보율을 낮추는데 그 목적이 있다.

도 4를 참조하면, 관제 클라이언트(135)로부터 410 단계에서 가시화된 이벤트에 대한 운용자 판정이 관제엔진(200)에 제공됨에 따라, 이력 관리부(210)에서는 402 단계에서 운용자 정보임을 인식하고, 403 단계에서 이 정보를 지식정보 처리부(220)에 제공한다. 지식정보처리부(220)에서는 404 단계에서 이러한 지식 정보를 기반으로 상황 알고리즘을 수행되도록 요청한다. 그리고, 405 단계에서 그 결과 얻은 정보를 새로운 지식 정보로 저장하거나 학습을 수행한다. 한편, 상황 인지 알고리즘 수행부(230)는 406 단계에서 현재 실시간으로 탐지되는 사건에 대한 판정을 위해 지식 정보 처리부에 결과로 전송해준 지식 정보를 이벤트 상황 판정 블록으로 전달한다.

전술한 바와 같이 본 발명은, 넓은 지역의 많은 센서 필드를 포함한 대규모 센서 망을 기반으로 한 무인 감시 시스템에서 여러 센서 필드에서 발생된 상황들에 대하여 센서망, 센서 망 간 정보 및 관제에서 융합 정보를 이용하여 지식화된 정보를 도출하고 센서 필드로부터 수신된 상황 탐지 정보에 대하여 상황인지를 수행하므로 운용 요원이 발생된 상황을 실시간으로 보고받을 수 있도록 하는 메커니즘을 제공한다.

대규모 센서망에서 각 센서 필드는 제공되는 서비스 종류(교통 교차로 사건, 치안(방범: 놀이터, 공원, 골목 길 등), 방재, 환경(오염))에 따라 상황을 탐지할 수 있는 센서들을 포함한 센서 노드들로 구성이 되어 있어 이벤트 발생시 이벤트 탐지 정보를 제공한다.

제공된 이벤트 탐지 정보를 수신하는 관제 시스템은 관제 엔진을 통하여 지능형 무인 감시를 위하여 축적된 지식정보와 상황인지 알고리즘 결과, 얻어진 패턴정보를 이용하여 수신된 탐지 정보가 진정한 사건 정보인지를 판단하고 사건임이 결정될 때 관제 클라이언트에 가시화한다. 탐지된 정보의 관제 엔진에서의 상황인지는 실시간 사건으로 가시화되며, 인지된 상황정보를 영상 또는 GIS 상에서의 상황 표시로 나타낸다. 가시화된 사건은 운용자로 하여금 실시간으로 사건을 감지할 수 있도록 하며, 운용자에 의한 즉각적인 후속 조치를 취하게 한다. 운용자는 가시화된 사건이 실제 사건인 경우 이러한 정보를 관제 엔진에 feedback 정보로 제공하여 지식 정보를 활용하도록 함으로써 사건에 대한 인지율을 높여 오보율을 최소화하도록 한다.

Claims (1)

1. 지능형 무인 감시 서비스 방법에 있어서,
   관제 클라이언트로부터 서비스 타입 정보 입력에 따라 서비스 타입이 설정되는 단계와,
   상기 설정된 서비스 타입에 따라 센서망으로부터 수신되는 정보를 상황 인지 알고리즘을 수행하여 사건을 판정하고, 가시화된 사건 정보를 관제 클라이언트에 전송하는 단계와,
   관제 클라이언트로부터 가시화된 사건의 운용자 피드백 정보를 수신하여 저장하는 단계를 포함함을 특징으로 하는 지능형 무인 감시 서비스 방법.

Images