KR20160109761A - 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템 - Google Patents

건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템 Download PDF

Info

Publication number
KR20160109761A
KR20160109761A KR1020150034767A KR20150034767A KR20160109761A KR 20160109761 A KR20160109761 A KR 20160109761A KR 1020150034767 A KR1020150034767 A KR 1020150034767A KR 20150034767 A KR20150034767 A KR 20150034767A KR 20160109761 A KR20160109761 A KR 20160109761A
Authority
KR
South Korea
Prior art keywords
tracking
image
construction site
learning
descriptor
Prior art date
Application number
KR1020150034767A
Other languages
English (en)
Other versions
KR101788225B1 (ko
Inventor
지석호
김진우
서종원
Original Assignee
서울대학교산학협력단
한양대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교산학협력단, 한양대학교 산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020150034767A priority Critical patent/KR101788225B1/ko
Publication of KR20160109761A publication Critical patent/KR20160109761A/ko
Application granted granted Critical
Publication of KR101788225B1 publication Critical patent/KR101788225B1/ko

Links

Images

Classifications

    • G06K9/00771—
    • G06K9/627—

Landscapes

  • Image Analysis (AREA)

Abstract

본 발명은 다양한 건설현장의 특성을 고려하여 건설현장에 존재하는 중장비와 근로자의 이미지 특성을 미리 학습한 후, 실제 건설현장에 대한 실시간(real-time) 촬영 영상을 통해서 중장비와 근로자를 인식하고 추적하여 그 위치좌표에 대한 데이터를 형성하게 되는 방법 및 시스템에 관한 것이다.

Description

건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템{Method and System for Recognition/Tracking Construction Equipment and Workers Using Construction-Site-Customized Image Processing}
본 발명은 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템에 관한 것으로서, 구체적으로는 다양한 건설현장의 특성을 고려하여 건설현장에 존재하는 중장비와 근로자의 이미지 특성을 미리 학습한 후, 실제 건설현장에 대한 실시간(real-time) 촬영 영상을 통해서 중장비와 근로자를 인식하고 추적하여 그 위치좌표에 대한 데이터를 형성하게 되는 방법 및 시스템에 관한 것이다.
건설현장이 대형화 및 복합화 되어가는 추세에 따라, 더욱 효율적인 건설프로젝트관리(건설현장에서의 안전 관리, 건설과정에서의 생산성 관리 등)를 위해 건설현장에 투입된 근로자와 중장비의 수, 종류, 위치 등의 정보(근로자-중장비 현황정보), 그리고 건설현장에 투입된 근로자와 중장비의 실제 작업시간, 공회전시간, 이동경로 등의 정보(근로자-중장비 작업패턴 정보) 등의 "건설현장 상황정보"에 대한 수요가 증가하고 있다.
그런데 종래에는 주로 관리자가 건설현장을 직접 관찰(Direct observation)하여 건설현장의 건설현장 상황정보에 대한 데이터를 수집하였다. 그러나 이러한 종래의 데이터 수집 방식은, 수동적이며 비실시간적인 데이터(Non-realtime data)를 수집하게 될 뿐만 아니라, 비효율적인 데이터 관리 등의 한계가 있기 때문에, 실시간 및 자동적인 건설현장 상황정보의 데이터 수집 필요성이 크게 증가하고 있다.
이에 대한 해결책으로 현장에 설치된 CCTV에 의해 취득한 영상을 활용하여 건설현장의 중장비 및 근로자를 인식하고 추적하는 기술을 개발하는 방안이 제시되고 있다. 특히 대한민국 등록특허 제10-1425170호에는 카메라 등의 영상촬영장치를 이용하여 객체를 촬영한 후, 촬영 영상의 데이터를 이용하여 객체를 추적하는 기술의 일예가 개시되어 있다.
그러나 이러한 종래 기술로는, 다양한 형태의 건설현장과 그곳에 투입되어 있는 근로자 및 중장비의 특성에 맞추어서 근로자 및 중장비를 인식하고 추적하여 그에 대한 위치정보를 제공하는 데는 적용하기 어렵다는 한계가 있다. 즉, 종래 기술은 건설현장에 적용하기에는 어려움이 있으며, 이러한 이유에서 건설현장에 대한 활용도가 낮다는 문제가 있다.
대한민국 등록특허공보 제10-1425170호(2014. 08. 04. 공고).
본 발명은 건설현장에 대한 실시간의 건설현장 상황정보를 자동적으로 수집하되, 건설현장의 다양한 특성을 반영하여 근로자 및 중장비를 인식하고 추적하여 그에 대한 위치정보를 형성할 수 있는 기술을 제공하는 것을 목적으로 한다.
위와 같은 과제를 달성하기 위하여 본 발명에서는, 건설현장을 직접 실시간으로 촬영하여 학습용 영상을 수집하고, 이를 기반으로 하여 근로자 및 중장비를 배경과 구분하여 인식하기 위한 분류기를 생성하게 되는 학습모듈; 실제 건설현장을 실시간 촬영하여 입수한 추적용 영상 속에서 중장비와 근로자를 인식하는 인식모듈; 및 인식된 추적 대상의 실시간 위치를 파악하여, 추적 대상에 대한 위치정보를 형성하는 추적모듈을 포함하여 구성되어, 건설현장에서 근로자 및 중장비를 실시간으로 인식하고 추적하여 그에 대한 위치정보를 형성하게 되는 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 시스템이 제공된다.
위와 같은 본 발명의 인식-추적 시스템에서, 학습모듈은, 건설현장을 실시간으로 촬영하여 학습용 영상 및 추적용 영상을 취득하는 영상 촬영부; 영상 촬영부에 의해 취득된 영상을 저장하여 DB를 구축하는 영상 저장부; 관리자의 지정 작업에 따라, 영상 저장부에 저장되어 DB로 구축되어 있는 학습용 영상들로부터 추적 대상이 포함된 영역만을 추출한 학습용 영상으로부터 추적 대상이 포함된 영역만을 추출한 영상들의 모음인 포지티브 샘플(positive sample)과 추적 대상을 제외한 영역에 대한 영상들의 모음인 네가티브 샘플(negative sample)로 이루어진 학습 데이터셋(data set)을 생성하는 학습 데이터셋 생성부; 학습 데이터셋으로부터 각각의 영상에 대해, 추적 대상만을 구분하여 인식하기 위한 디스크립터를 형성하는 제1디스크립터 생성부; 및 학습 데이터셋으로부터 산출된 추적 대상의 디스크립터들이 가지는 공통점을 발견하여, 추적 대상을 그 외의 배경들과 구분할 수 있는 판단기준을 설정하고, 설정된 판단기준에 따라 촬영 영상 속의 물체가 추적 대상인지 여부를 판별하게 되는 분류기를 생성하게 되는 분류기 생성부를 포함하여 구성될 수 있고, 더 나아가, 인식모듈은, 영상 입력부는 영상 촬영부에 의해 실시간 촬영되어 전송되어 오는 건설현장의 추적용 영상을 수신하는 영상 입력부; 영상 입력부를 통해서 수신된 추적용 영상의 모든 프레임에서 추출된 영역에 대한 디스크립터를 산출하되, 추출 영역의 크기를 변화시켜가면서 추출 영역의 디스크립터를 산출하는 제2디스크립터 생성부; 분류기 생성부에 의해 만들어진 분류기를 이용하여, 제2디스크립터 생성부로부터 전송되어 온 디스크립터를 기준으로 추적 대상에 해당되는지를 판단하여 추적 대상을 인식하게 되는 물체 인식부; 및 추적 대상의 종류, 위치좌표, 크기 및 디스크립터에 대한 데이터를 전송받아 저장하여 DB를 형성하는 인식 데이터 저장부를 포함하여 구성될 수 있다.
특히, 상기한 본 발명의 인식-추적 시스템에서, 추적모듈은, 영상 촬영부에서 촬영된 추적용 영상의 연속된 프레임에서, 인식된 추적 대상 간의 유사도를 계산하는 유사도 계산부; 유사도 계산부에서 계산된 유사도가 사전 설정된 유사도 기준값 이상일 경우에는 촬영 영상의 연속된 프레임에서 인식된 물체가 동일 물체로 간주하여 해당 물체의 실시간 위치좌표를 추적 대상의 위치좌표의 위치정보로 간주하게 되는 물체 추적부; 및 물체 추적부로부터 전송받은 추적 대상의 위치정보를 관리자에게 제공함과 동시에 저장하여 DB를 구축하는 추적 데이터 저장부를 포함하여 구성될 수 있는데, 디스크립터는, 촬영 영상에서 관심 대상이 되는 물체의 윤곽선에 존재하는 각 점에 대한 방향 벡터를 그 물체에 대한 대표 벡터로 표현한 기울기 방향성 히스토그램 및 촬영 영상의 각 픽셀에 대하여 주변 픽셀 값과의 밝기 차이를 분포도로 구성하여 벡터로 표현한 국부 이진 패턴으로 이루어질 수 있다.
또한 본 발명에서는 상기한 목적을 달성하기 위하여, 사전 준비단계로서 건설현장을 촬영하여 학습용 영상을 취득하고, 취득된 학습용 영상을 이용하여 학습 과정을 수행함으로써, 건설현장에 대한 학습 데이터셋을 형성하고, 이를 이용하여 추적 대상인 근로자와 중장비를 배경과 구분할 수 있게 하는 분류기를 형성하는 분류기 생성 단계; 실제 건설현장에 대한 실시간 영상 촬영에 의한 추적 대상의 인식 단계; 및 인식된 추적 대상의 추적 단계를 포함하여 구성되어, 건설현장에서 근로자 및 중장비를 실시간으로 인식하고 추적하여 그에 대한 위치정보를 형성하게 되는 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 방법이 제공된다.
위와 같은 본 발명의 방법에서, 분류기 생성 단계는, 영상 촬영부에 의해 건설현장을 실시간 촬영함으로써, 추적 대상이 포함된 학습용 영상을 수집하는 단계; 관리자는 촬영된 학습용 영상의 각 영상프레임에 대해, 영상 속에서 추적 대상이 포함된 추적대상 영역을 지정하는 단계; 추적대상 영역의 영상과 비추적대상 영역의 영상을 분리하여, 추적 대상이 포함된 영역만을 추출한 영상들의 모음인 포지티브 샘플과 추적 대상을 제외한 영역에 대한 영상들의 모음인 네가티브 샘플로 이루어진 학습 데이터셋을 생성하는 단계; 학습 데이터셋으로부터 각각의 영상에 대해, 추적 대상만을 구분하여 인식하기 위한 디스크립터를 형성하는 디스크립터 산출 단계; 및 학습 데이터셋으로부터 산출된 추적 대상의 디스크립터들이 가지는 공통점을 발견하여, 추적 대상을 그 외의 배경들과 구분할 수 있는 판단기준을 설정하고, 설정된 판단기준에 따라 촬영 영상 속의 물체가 추적 대상인지 여부를 판별하게 되는 분류기를 생성하는 단계를 포함하여 구성될 수 있으며, 더 나아가 추적 대상의 인식 단계는, 추적 대상에 대한 실시간 추적용 영상 수집 단계; 및 추적용 영상의 모든 프레임에서 추출된 추출 영역에 대한 디스크립터를 산출하되, 추출 영역의 크기를 변화시켜가면서 추출 영역의 디스크립터를 산출하고, 분류기를 이용하여, 추적용 영상에 대한 디스크립터를 기준으로 추적 대상에 해당되는지를 판단하여 추적 대상을 인식하는 추적 대상 인식 단계를 포함하여 구성될 수 있다.
또한 본 발명에 따른 방법에서, 인식된 추적 대상의 추적 단계는, 추적용 영상의 연속된 프레임에서, 인식된 추적 대상 간의 유사도를 계산하는 유사도 계산 단계; 유사도가 사전 설정된 유사도 기준값 이상일 경우에는 촬영 영상의 연속된 프레임에서 인식된 물체가 동일 물체로 간주하여 해당 물체의 실시간 위치좌표를 추적 대상의 위치좌표의 위치정보로 간주하게 되는, 유사도 대비에 의한 추적대상 추적 단계; 및 추적 대상 위치정보를 관리자에게 제공하고 저장하는 단계를 포함하여 구성될 수 있다.
본 발명에 의하면, 건설현장에서의 실질적인 추적 대상의 인식-추적 작업을 수행하기 전에, 동일한 건설현장에 대해 실시간으로 입수한 영상을 "학습용 영상"으로 삼아서, 학습 과정을 통해 분류기를 형성하게 되고, 이렇게 만들어진 분류기를 이용하여 실제 원하는 시점에서 해당 건설현장의 실시간 영상에 의해 중장비와 근로자를 인식하고 추적하게 되므로, 추적 대상의 위치좌표 검출률이 종래 기술보다 크게 향상되며, 정확도 역시 크게 향상되는 효과가 발휘된다.
특히, 본 발명에 의하면, 건설 현장에서 자재, 중장비, 근로자의 위치를 실시간으로 정확하게 추적할 수 있게 되므로, 건설현장에서의 안전성 및 생산성을 향상할 수 있게 되는 장점이 있다.
또한 본 발명에 의하면, 규모가 크고 복잡한 토공 작업 현장에 대해서도 중장비의 정확한 모니터링을 통하여 작업패턴 분석, 공회전, 대기시간, 중복작업 등을 파악할 수 있게 되고, 그에 따라 중장비의 최적 움직임 및 운영을 유도할 수 있게 되어 다수의 중장비 협업을 위한 효율적인 가이던스(Guidance) 제공을 통하여 생산성을 향상시킬 수 있게 된다.
더 나아가, 본 발명에 의하면, 건설현장에서 작업 중인 중장비, 근로자 간의 충돌사고 예방 알림, 오조작 알림 등이 실시간으로 가능하게 되며, 그에 따라 현장의 안전성을 크게 높일 수 있게 되는 장점이 있다.
도 1은 본 발명에 따른 건설현장에서의 근로자 및 중장비 인식 및 추적시스템의 개략적인 구성도이다.
도 2는 학습모듈에 대한 개략적인 구성도이다.
도 3은 학습 데이터셋의 포지티브 샘플의 예와 네가티브 샘플의 예를 구분하여 도시한 도면 대용 사진이다.
도 4는 인식모듈에 대한 개략적인 구성도이다.
도 5는 추적모듈의 개략적인 구성도이다.
도 6은 본 발명에 따른 건설현장에서의 근로자 및 중장비 인식 및 추적방법에 대한 개략적인 흐름도이다.
도 7은 학습에 의한 분류기 생성 단계에 대한 개략적인 흐름도이다.
도 8은 인식 단계에 대한 개략적인 흐름도이다.
도 9는 추적 단계에 대한 개략적인 흐름도이다.
이하, 본 발명의 바람직한 실시예를 첨부한 도면을 참조하여 설명한다. 본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 하나의 실시예로서 설명되는 것이며, 이것에 의해 본 발명의 기술적 사상과 그 핵심 구성 및 작용이 제한되지 않는다.
도 1에는 본 발명에 따른 건설현장에서의 근로자 및 중장비 인식 및 추적시스템(이하, "인식-추적 시스템"이라고 약칭한다)의 개략적인 구성도가 도시되어 있다. 도 1에 도시된 것처럼 본 발명에 따른 인식-추적 시스템은, 학습모듈(training module)(1), 인식모듈(recognition module)(2) 및 추적모듈(tracking module)(3)을 포함하여 구성된다.
학습모듈(1)은 건설현장을 직접 실시간으로 촬영하여 학습용 영상을 수집하고, 이를 기반으로 하여 추후 근로자 및 중장비의 인식-추적이 필요할 때 건설현장으로부터 실시간 입수한 추적용 영상에서 근로자 및 중장비를 배경과 구분하여 인식하기 위한 분류기를 생성하는 기능을 수행한다.
즉, 본 발명에서는, 실제 근로자 및 중장비의 인식-추적이 필요할 때를 위한 사전 준비 작업으로서, 미리 해당 건설현장을 실시간으로 촬영한 영상을 학습용 영상으로 수집하고 이를 이용하여 근로자 및 중장비를 배경과 구분하여 인식할 수 있는 분류기를 미리 생성하는 작업(학습 작업)을 수행하게 되는데, 학습모듈(1)은 이러한 학습작업 즉, 건설현장에 대한 학습용 영상을 실시간 수집하고 이를 근거로 근로자 및 중장비를 배경과 구분하기 위한 판단기준과, 이러한 판단기준에 따라 근로자 및 중장비를 인식하게 되는 분류기를 생성하는 기능을 하게 되는 것이다.
구체적으로 도 2에는 학습모듈(1)에 대한 개략적인 구성도가 도시되어 있는데, 도면에 도시되어 있듯이 학습모듈(1)은, 영상 촬영부(11), 영상 저장부(12), 학습 데이터셋 생성부(13), 제1디스크립터(descriptor/ "기술자(記述子)") 생성부(14) 및 분류기 생성부(15)를 포함하고 있다.
영상 촬영부(11)는 카메라, CCTV 등으로 구성되어 건설현장을 실시간으로 촬영하게 된다. 영상 저장부(12)는 영상 촬영부(11)에 의해 취득된 영상 즉, 촬영 영상을 저장하여 DB를 구축한다.
본 발명에 따라 건설현장의 실시간 촬영 영상으로부터 근로자와 중장비를 인식하고 이를 추적하기 위해서는, 미리 학습과정을 수행하여야 한다. 따라서 영상 촬영부(11)는 건설현장에 대한 학습과정을 위한 영상 즉, 학습용 영상을 취득하게 되고 영상 저장부(12)는 취득된 촬영 영상을 저장하게 되는데, 학습 데이터셋 생성부(13)에서는 관리자(operator)의 지정 작업에 따라, 영상 저장부(12)에 저장되어 DB로 구축되어 있는 학습용 영상들로부터 "학습 데이터셋(data set)"을 생성하게 된다.
구체적으로 관리자는 영상 저장부(12)에 저장되어 있는 학습용 영상의 정해진 시간 간격마다의 각 영상프레임에 대해, 추적 대상(인식하여 추적하고자 하는 중장비 및 근로자)이 포함되어 있는 촬영 영상 속의 영역을 지정하게 되고, 학습 데이터셋 생성부(13)에서는 관리자가 지정한 영역의 영상만을 분리해낸다. 편의상 촬영된 영상에서 추적 대상이 포함되도록 관리자가 지정한 영역을 <추적대상 영역>이라고 하고, 이를 제외한 영역을 <비추적대상 영역>이라고 지칭한다. 이와 같이 추적대상 영역의 영상과 비추적대상 영역의 영상을 분리시켰을 때, 추적대상 영역의 영상들을 모아놓은 것은 "포지티브 샘플(positive sample)"이라고 부르고, 비추적대상 영역의 영상들을 모아놓은 것은 "네가티브 샘플(negative sample)"이라고 부른다. 도 3은 포지티브 샘플의 예와 네가티브 샘플의 예를 구분하여 도시한 도면 대용 사진이다.
촬영 영상에는 많은 데이터들이 포함되어 있으므로, 이와 같이 학습 데이터셋 생성부(13)에 의해 만들어지고 각각 포지티브 샘플과 네가티브 샘플로 분류된 영상들의 모음이 바로 "학습 데이터셋(data set)"에 해당한다. 이렇게 분리되어 모여진 영상들은 분류기 형성을 위하여 이용되는 것이기 때문에 "학습"이라는 용어를 사용하여 표현되었다.
이와 같이, 학습 데이터셋 생성부(13)에서는, 학습용으로 촬영된 영상으로부터 중장비와 근로자가 포함된 영역만을 추출한 영상들의 모음(학습 데이터셋의 포지티브 샘플)과, 이를 제외한 영역에 대한 영상들의 모음(학습 데이터셋의 네가티브 샘플)을 각각 형성하게 되는 것이다.
일반적으로 이미지 분석 기술을 이용하여 촬영 영상에 존재하는 특정 물체 또는 배경을 구분함에 있어서는, 촬영 영상에 존재하는 물체 또는 배경 각각을 수학적으로 표현한 "디스크립터(descriptor)"를 이용한다. 예를 들면 촬영 영상에서 물체의 형태를 기준으로 특정 물체와 배경을 서로 구분한다면, 그 특정 물체의 형태를 배경과 구분할 수 있도록 수학적으로 표현한 것이 디스크립터가 되는 것이며, 이와 달리 물체의 색을 기준으로 특정 물체와 배경을 서로 구분한다면, 그 특정 물체의 색을 다른 것과 구분할 수 있도록 수학적으로 표현한 것이 디스크립터가 되는 것이다.
특히 이미지 분석 기술 분야에서, 디스크립터로서 이용되는 것으로서는 "기울기 방향성 히스토그램(Histogram of Oriented Gradient/이하, "HOG"라고 약칭함)"와 "국부 이진 패턴Local Binary Pattern/이하, "LBP"라고 약칭함)"가 알려져 있다. HOG는 촬영 영상에서 관심 대상이 되는 물체의 윤곽선에 존재하는 각 점에 대한 방향벡터를 종합하여 그 물체를 대표할 수 있는 벡터로 표현한 것으로서, 물체의 외형이 가지는 특징을 반영한 디스크립터에 해당한다. HOG를 산출하는 방법은 이미 공지되어 있다. 한편, LBP는 촬영 영상에서 사람의 얼굴, 보행자 등을 인식하는데 활용되는 디스크립터로서, 촬영 영상의 각 픽셀에 대하여 주변 픽셀 값과의 밝기 차이를 분포도(histogram)로 구성한 후 이것을 해당 물체를 대표할 수 있는 벡터로 표현한 것이다. 이러한 LBP는 물체의 내부 형상이 가지는 특징을 반영한 디스크립터에 해당한다. LBP를 산출하는 방법은 이미 공지되어 있다.
HOG는 물체의 외형 즉, 물체의 윤곽선에 관한 정보를 이용하므로, HOG를 디스크립터로 이용하게 되면, 촬영 영상에서 물체의 크기가 변하거나 또는 영상의 밝기가 변하더라도 물체 인식이 가능하다는 장점이 있다. 그리고 LBP는 물체의 내부 형상에 관한 정보를 이용하므로, LBP를 디스크립터로 이용하게 되면 촬영 영상에서 물체의 크기가 변하거나 또는 영상의 밝기가 변하더라도 물체 인식이 가능하다.
본 발명에서는 건설현장을 촬영한 영상에서 근로자와 중장비만을 구분하여 인식하기 위한 디스크립터로서 상기한 HOG와 LBP를 이용하게 된다. 따라서 제1디스크립터 생성부(14)에서는 학습 데이터셋 생성부(13)에 의해서 학습용 영상으로부터 만들어진 학습 데이터셋 즉, 포지티브 샘플에 해당하는 추적대상 영역의 영상과 네가티브 샘플에 해당하는 비추적대상 영역의 영상 각각에 대해 HOG와 LBP를 산출하여 산출된 HOG와 LBP를 각각의 영상에 대한 디스크립터(descriptor)로 삼게 된다.
분류기 생성부(15)는, 촬영 영상에서 추적하려는 대상인 건설현장의 중장비 및 근로자를 기타 배경들로부터 구분하여 인식하기 위한 분류기(classifier)를 생성한다. 즉, 분류기 생성부(15)에서는, 학습 데이터셋으로부터 산출된 근로자의 디스크립터들이 가지는 공통점을 발견하고, 학습 데이터셋으로부터 산출된 중장비의 디스크립터들이 가지는 공통점을 발견하여, 건설현장의 촬영 영상 중에서 근로자 및 중장비를 그 외의 배경들과 구분할 수 있는 판단기준을 설정하여, 설정된 판단기준에 따라 촬영 영상 속의 물체가 근로자인지, 중장비인지, 아니면 단순 배경인지를 판별하게 되는 분류기를 생성하게 되는 것이다.
학습 데이터셋으로부터 산출된 근로자의 디스크립터들과 중장비의 디스크립터들은, 수학적으로는 "벡터"로 표현되므로, 이러한 근로자 및 중장비의 디스크립터들이 가지는 공통점은 벡터가 가리키는 위치좌표이다. 즉, 근로자 및 중장비의 디스크립터에 해당하는 벡터들이 가리키는 공통적인 범위(공간적인 영역)가 바로 공통점이라고 할 수 있다. 따라서 분류기 생성부(15)에서는 근로자 및 중장비의 디스크립터들에 해당하는 벡터의 "위치좌표 범위"를 판단기준의 요소로 설정하게 되고, 이러한 위치좌표 범위가 사전 설정된 범위 내에 포함되는지의 여부를 판단기준으로 삼게 되는 것이다. 따라서 분류기 생성부(15)에 의해 만들어지는 분류기는 수학적으로 벡터로 표현되는 근로자 및 중장비의 디스크립터들의 위치좌표 범위가 사전 설정된 범위 내에 존재하는지의 여부에 따라 촬영 영상 속의 물체가 근로자인지, 중장비인지, 아니면 단순 배경인지를 판별하게 되는 것이다.
한편, 분류기 생성부(15)에서 근로자 및 중장비의 디스크립터들에 해당하는 벡터의 "위치좌표 범위"는 예를 들면, 아래와 같은 과정을 통해서 산출할 수 있다. 우선 벡터에서 무작위로 임의의 벡터 요소들을 선정한 후, 선정된 벡터 요소들에 대해 임의의 범위를 설정한다. 설정된 범위의 정확도(정답률)를 구하고, 산출된 정확도가 관리자(operator)가 정한 사전 설정된 정확도 이상일 경우, 이 범위를 "판단 기준"으로 선정하게 된다. 만일 산출된 정확도가 사전 설정된 값 미만일 경우에는 다시 임의의 벡터 요소 선정 단계로 되돌아가서 위의 과정을 반복하게 되며, 최종적으로 "위치좌표 범위"를 만들게 되는 것이다.
앞서 살펴보았듯이, 본 발명에서는 근로자 및 중장비를 배경과 구분하기 위한 디스크립터로서 HOG와 LBP를 이용하므로, 분류기 생성부(15)에서는 학습 데이터셋으로 제시된 건설현장의 학습용 촬영 영상으로부터 제1디스크립터 생성부(14)가 추출해낸 근로자 및 중장비의 HOG와 LBP들의 공통점을 발견하게 되며, 이를 판단기준으로 삼아서 촬영 영상의 물체들을 판별하게 될 분류기를 생성하게 된다. 따라서 후술하는 것처럼, 분류기는 HOG와 LBP를 이용하여, 촬영 영상에 중장비와 근로자가 존재하는지, 그리고 존재한다면 어떠한 종류의 중장비가 존재하며, 중장비 및 근로자의 수는 몇 명인지 등을 판별하게 된다.
도 4에는 인식모듈(2)에 대한 개략적인 구성도가 도시되어 있다. 인식모듈(2)은, 학습용 영상의 취득이 종료된 후, 실제 건설현장을 촬영하여 입수한 추적용 영상 속에서 중장비와 근로자를 인식하는 기능을 수행하는 것으로서, 도 3에 도시되어 있듯이 영상 입력부(21), 제2디스크립터 생성부(22), 물체 인식부(23) 및 인식 데이터 저장부(24)를 포함하고 있다.
영상 입력부(21)는 영상 촬영부(11)에 의해 실시간 촬영되어 전송되어 오는 건설현장의 추적용 영상을 수신하는 것으로서, 수신된 추적용 영상은 제2디스크립터 생성부(22)로 보내진다. 제2디스크립터 생성부(22)에서는 수신된 추적용 영상의 모든 프레임에서 다양한 영상 크기로 임의의 영역을 추출하고, 추출된 영역에 대한 HOG와 LBP를 계산하고, 계산된 HOG와 LBP를 디스크립터로 간주하여 이를 물체 인식부(23)로 전송한다. 즉, 제2디스크립터 생성부(22)에서는 추적용 영상의 모든 프레임에 대해, 영상을 추출할 영역을 임의로 설정하여 해당 영역의 영상을 추출한 뒤, 해당 추출 영역의 영상에 대한 HOG와 LBP를 계산하고, 그 계산된 HOG와 LBP를 디스크립터로서 물체 인식부(23)로 전송하게 되는데, 이러한 일련의 과정 즉, 영상 추출, HOG 및 LBP의 산출, 그리고 물체 인식부(23)로의 전송 작업을, 추적용 영상의 모든 프레임에서, 추출 영역의 크기를 다양하게 변화시키면서 반복 수행하게 된다.
물체 인식부(23)에서는, 분류기 생성부(15)에 의해 만들어진 분류기를 이용하여, 제2디스크립터 생성부(22)로부터 전송되어 온 디스크립터 즉, 제2디스크립터 생성부(22)에서 계산되어 전송되어 온 HOG와 LBP에 따라 추적 대상(인식하여 추적하고자 하는 중장비 및 근로자)에 해당하는지의 여부를 판별한다. 즉, 물체 인식부(23)에서는 분류기를 작동시켜서, 제2디스크립터 생성부(22)에서 계산되어 전송되어 온 HOG와 LBP이 미리 정해둔 중장비 및 근로자의 판단기준에 부합되는지의 여부를 판단하여 판단기준에 부합되는 경우, 해당 HOG와 LBP를 가지는 영상 속의 물체를 중장비 또는 근로자로 판단하여 추적 대상으로 인식하는 것이다.
또한 물체 인식부(23)에서는 중장비 또는 근로자로 판단된 경우, 해당 물체 즉 추적 대상의 종류, 위치좌표, 크기 및 디스크립터에 대한 데이터를 형성하여 인식 데이터 저장부(24)로 전송하게 되고, 인식 데이터 저장부(24)는 전송받은 상기 데이터를 저장하여 DB를 만들게 된다.
도 5에는 추적모듈(3)의 개략적인 구성도가 도시되어 있다. 추적모듈(3)은, 인식된 추적 대상의 실시간 위치를 파악하여, 추적 대상에 대한 위치정보를 형성하는 기능을 수행하는 것으로서, 도 4에 도시되어 있듯이 유사도 계산부(31), 물체 추적부(32), 및 추적 데이터 저장부(33)를 포함하고 있다.
유사도 계산부(31)는, 영상 촬영부(11)에서 촬영된 추적용 영상의 연속된 프레임에서 인식된 추적 대상 간의 유사도를 계산하는 기능을 수행하게 되는데, 구체적으로 연속된 2개의 프레임에서 인식된 추적 대상의 위치좌표 간의 거리를 이용하여 추적 대상의 유사도를 산출하게 된다. 예를 들어, 연속된 2개의 프레임에서 인식된 추적 대상의 위치좌표간의 거리를 계산하고, 그 계산된 값의 역수를 추적 대상의 유사도로 간주할 수 있다.
물체 추적부(32)는, 유사도 계산부(31)에서 계산된 유사도를 이용하여 추적 대상을 추적하게 되는데, 구체적으로 유사도 계산부(31)로부터 전송받은 유사도가 사전 설정된 유사도 기준값 이상일 경우에는 촬영 영상의 연속된 프레임에서 인식된 물체가 동일 물체로 간주하여 해당 물체의 실시간 위치좌표를 추적 대상의 위치좌표의 위치정보로서 추적 데이터 저장부(33)로 전송하게 되며, 반대로 유사도 계산부(31)로부터 전송받은 유사도가 사전 설정된 유사도 기준값 미만일 경우에는 앞선 영상 프레임의 물체가 사라진 것으로 간주하여 물체의 추적을 중지한다.
추적 데이터 저장부(33)는 전송 받은 추적 대상의 위치정보를 관리자에게 제공함과 동시에 저장하여 DB를 구축하게 된다.
다음에서는 위와 같은 구성을 가지는 본 발명의 "인식-추적 시스템"을 통해서, 건설현장에 투입된 중장비 및 근로자를 실시간으로 인식하여 추적하는 방법(이하, "인식-추적 방법"이라고 약칭함)의 구체적인 구성을 설명한다. 도 6에는 본 발명에 따른 "인식-추적 방법"에 대한 개략적인 흐름도가 도시되어 있다.
본 발명의 인식-추적 방법은, 건설현장에 대한 학습 데이터셋을 이용한 분류기 생성 단계(단계 1), 실제 건설현장에 대한 실시간 영상 촬영에 의한 추적 대상의 인식 단계(단계 2) 및 인식된 추적 대상의 추적 단계(단계 3)를 포함한다.
건설현장에 대한 학습 데이터셋 생성 단계(단계 1)에서는 사전 준비단계로서 건설현장을 촬영하여 학습용 영상을 취득하고, 취득된 학습용 영상을 이용하여 학습 과정을 수행함으로써, 추적 대상인 근로자와 중장비를 배경과 구분할 수 있게 하는 분류기를 형성하는 작업이 수행된다.
도 7에는 학습에 의한 분류기 생성 단계에 대한 개략적인 흐름도가 도시되어 있는데, 도 7에 도시된 것처럼 학습에 의한 분류기 생성 단계에서는 우선, 영상 촬영부(11)에 의해 건설현장을 실시간 촬영함으로써, 추적 대상이 되는 중장비 및 근로자가 포함된 학습용 영상을 수집한다(단계 1-1/추적 대상이 포함된 학습용 영상의 실시간 수집 단계).
관리자는 촬영된 학습용 영상의 각 영상프레임에 대해, 영상 속에서 추적 대상이 포함된 영역(추적대상 영역)을 지정하게 되고(단계 1-2), 그에 따라 학습 데이터셋 생성부(13)에서는, 추적대상 영역의 영상과 비추적대상 영역의 영상을 분리하여 학습 데이터셋을 생성한다(단계 1-3).
생성된 학습 데이터셋에 대해, 제1디스크립터 생성부(14)에서는 HOG와 LBP를 산출하게 된다(단계 1-4). 즉, 제1디스크립터 생성부(14)를 이용하여, 학습 데이터셋으로 제시된 건설현장의 학습용 영상으로부터 근로자 및 중장비의 HOG와 LBP들을 추출하게 되는 것이다.
후속하여 분류기 생성부(15)에서는 제1디스크립터 생성부(14)가 추출해낸 근로자 및 중장비의 HOG와 LBP들의 공통점을 찾아내고 이를 판단기준으로 삼아서 촬영 영상의 물체들을 판별하여 추적 대상에 해당하는 지를 판단하게 될 분류기를 생성한다(단계 1-5).
이와 같은 일련의 학습 과정을 통해서 분류기의 생성이 완료되면, 실제 근로자 및 중장비의 실시간 영상을 취득하여, 취득된 영상에서 근로자 및 중장비 즉, 추적 대상을 인식하는 단계(단계 2)가 수행된다. 도 8에는 인식 단계에 대한 개략적인 흐름도가 도시되어 있는데, 도면에 도시된 것처럼, 영상 촬영부(11)에 의해 본격적으로 근로자와 중장비의 추적이 필요한 건설현장을 실시간 촬영함으로써, 추적 대상이 되는 중장비 및 근로자가 포함된 추적용 영상을 수집한다(단계 2-1).
인식모듈(2)의 동작에 의해, 추적용 영상에 대해, 추출 영상을 만들어서 각 추출 영상에 대해 HOG 및 LBP를 산출하고, 산출된 HOG 및 LBP를 분류기에 의해 판단작업을 수행하여 추적용 영상에서 근로자 및 중장비를 인식하게 된다(단계 2-2/분류기를 이용한 판단 및 분류에 따른 추적 대상 인식 단계).
추적 단계(단계 3)에서는, 최종적으로 추적모듈(3)을 이용하여 인식된 근로자 및 중장비를 촬영된 추적용 영상 속에서 계속 추적하여 그 위치좌표를 생성하고, 이를 관리자에게 제공하게 된다.
구체적으로 도 9에는 추적 단계에 대한 개략적인 흐름도가 도시되어 있는데, 도면에 도시된 것처럼 추적 단계에서는, 우선 영상 촬영부(11)에서 촬영된 추적용 영상의 연속된 프레임에서, 인식된 추적 대상 간의 유사도를 유사도 계산부(31)에 의해 계산하는 유사도 계산 단계가 수행된다(단계3-1). 후속하여 물체 추적부(32)의 작동에 따라, 유사도 계산부(31)에서 계산된 유사도가 사전 설정된 유사도 기준값 이상일 경우에는 촬영 영상의 연속된 프레임에서 인식된 물체를 서로 동일한 물체로 간주하여 해당 물체의 실시간 위치좌표를 추적 대상의 위치정보로 간주하게 되는 추적대상 추적 단계가 수행된다(단계 3-2). 최종적으로 물체 추적부(32)로부터 전송받은 추적 대상의 위치정보가 관리자에게 제공됨과 동시에 저장되어 DB로 구축되는 추적 데이터 제공 및 저장 단계(단계 3-3)가 수행된다.
본 발명에 따른 인식-추적 시스템 및 방법에 의하면, 건설현장에서의 실질적인 추적 대상의 인식-추적 작업을 수행하기 전에, 동일한 건설현장에 대해 실시간으로 입수한 영상을 "학습용 영상"으로 삼아서, 학습 과정을 통해 분류기를 형성하게 되고, 이렇게 만들어진 분류기를 이용하여 실제 원하는 시점에서 해당 건설현장의 실시간 영상에 의해 중장비와 근로자를 인식하게 추적하게 되므로, 추적 대상의 위치좌표 검출률이 종래 기술보다 크게 향상되며, 정확도 역시 크게 향상된다. 특히, 본 발명에 의하면, 건설현장에서 중장비 및 근로자의 위치를 실시간으로 정확하게 추적할 수 있게 되므로, 건설현장에서의 안전성 및 생산성을 향상할 수 있게 되는 장점이 있다.
또한 본 발명에 따른 인식-추적 시스템 및 방법에 의하면, 규모가 크고 복잡한 토공 작업 현장에 대해서도 중장비의 정확한 모니터링을 통하여 작업패턴 분석, 공회전, 대기시간, 중복작업 등을 파악할 수 있게 되고, 그에 따라 중장비의 최적 움직임 및 운영을 유도할 수 있게 되어 다수의 중장비 협업을 위한 효율적인 가이던스(Guidance) 제공을 통하여 생산성을 향상시킬 수 있게 된다.
더 나아가, 본 발명에 따른 인식-추적 시스템 및 방법에 의하면, 건설현장에서 작업 중인 중장비, 근로자 간의 충돌사고 예방 알림, 오조작 알림 등이 실시간으로 가능하게 되며, 그에 따라 현장의 안전성을 크게 높일 수 있게 되는 장점이 있다.
1: 학습모듈
2: 인식모듈
3: 추적모듈
11: 영상 촬영부
12: 영상 저장부
13: 학습 데이터 생성부
14: 제1디스크립터 생성부
15: 분류기 생성부
21: 영상 입력부
22: 제2디스크립터 생성부
23: 물체 인식부
24: 인식 데이터 저장부
31: 유사도 계산부
32: 물체 추적부
33: 추적 데이터 저장부

Claims (9)

  1. 건설현장을 직접 실시간으로 촬영하여 학습용 영상을 수집하고, 이를 기반으로 하여 근로자 및 중장비를 배경과 구분하여 인식하기 위한 분류기를 생성하게 되는 학습모듈(1);
    실제 건설현장을 실시간 촬영하여 입수한 추적용 영상 속에서 중장비와 근로자를 인식하는 인식모듈(2); 및
    인식된 추적 대상의 실시간 위치를 파악하여, 추적 대상에 대한 위치정보를 형성하는 추적모듈(3)을 포함하여 구성되어,
    건설현장에서 근로자 및 중장비를 실시간으로 인식하고 추적하여 그에 대한 위치정보를 형성하게 되는 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 시스템.
  2. 제1항에 있어서,
    학습모듈(1)은,
    건설현장을 실시간으로 촬영하여 학습용 영상 및 추적용 영상을 취득하는 영상 촬영부(11);
    영상 촬영부(11)에 의해 취득된 영상을 저장하여 DB를 구축하는 영상 저장부(12);
    관리자의 지정 작업에 따라, 영상 저장부(12)에 저장되어 DB로 구축되어 있는 학습용 영상들로부터 추적 대상이 포함된 영역만을 추출한 학습용 영상으로부터 추적 대상이 포함된 영역만을 추출한 영상들의 모음인 포지티브 샘플(positive sample)과 추적 대상을 제외한 영역에 대한 영상들의 모음인 네가티브 샘플(negative sample)로 이루어진 학습 데이터셋(data set)을 생성하는 학습 데이터셋 생성부(13);
    학습 데이터셋으로부터 각각의 영상에 대해, 추적 대상만을 구분하여 인식하기 위한 디스크립터를 형성하는 제1디스크립터 생성부(14); 및
    학습 데이터셋으로부터 산출된 추적 대상의 디스크립터들이 가지는 공통점을 발견하여, 추적 대상을 그 외의 배경들과 구분할 수 있는 판단기준을 설정하고, 설정된 판단기준에 따라 촬영 영상 속의 물체가 추적 대상인지 여부를 판별하게 되는 분류기를 생성하게 되는 분류기 생성부(15)를 포함하여 구성되는 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 시스템.
  3. 제1항 또는 제2항에 있어서,
    인식모듈(2)은,
    영상 입력부(21)는 영상 촬영부(11)에 의해 실시간 촬영되어 전송되어 오는 건설현장의 추적용 영상을 수신하는 영상 입력부(21);
    영상 입력부(21)를 통해서 수신된 추적용 영상의 모든 영상 프레임에서 추출된 추출 영역에 대한 디스크립터를 산출하되, 추출 영역의 크기를 변화시켜가면서 추출 영역의 디스크립터를 산출하는 제2디스크립터 생성부(22);
    분류기 생성부(15)에 의해 만들어진 분류기를 이용하여, 제2디스크립터 생성부(22)로부터 전송되어 온 디스크립터를 기준으로 추적 대상에 해당되는지를 판단하여 추적 대상을 인식하게 되는 물체 인식부(23); 및
    추적 대상의 종류, 위치좌표, 크기 및 디스크립터에 대한 데이터를 전송받아 저장하여 DB를 형성하는 인식 데이터 저장부(24)를 포함하여 구성되는 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 시스템.
  4. 제3항에 있어서,
    추적모듈(3)은,
    영상 촬영부(11)에서 촬영된 추적용 영상의 연속된 영상 프레임에서, 인식된 추적 대상 간의 유사도를 계산하는 유사도 계산부(31);
    유사도 계산부(31)에서 계산된 유사도가 사전 설정된 유사도 기준값 이상일 경우에는 촬영 영상의 연속된 프레임에서 인식된 물체를 동일 물체로 간주하여 해당 물체의 실시간 위치좌표를 추적 대상의 위치정보로 간주하게 되는 물체 추적부(32); 및
    물체 추적부(32)로부터 전송받은 추적 대상의 위치정보를 관리자에게 제공함과 동시에 저장하여 DB를 구축하는 추적 데이터 저장부(33)를 포함하여 구성되는 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 시스템.
  5. 제4항에 있어서,
    디스크립터는, 촬영 영상에서 관심 대상이 되는 물체의 윤곽선에 존재하는 각 점에 대한 방향 벡터를 그 물체에 대한 대표 벡터로 표현한 기울기 방향성 히스토그램(HOG), 및 촬영 영상의 각 픽셀에 대하여 주변 픽셀 값과의 밝기 차이를 분포도(histogram)로 구성하여 벡터로 표현한 국부 이진 패턴(LBP)로 이루어진 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 시스템.
  6. 사전 준비단계로서 건설현장을 촬영하여 학습용 영상을 취득하고, 취득된 학습용 영상을 이용하여 학습 과정을 수행함으로써, 건설현장에 대한 학습 데이터셋을 형성하고, 이를 이용하여 추적 대상인 근로자와 중장비를 배경과 구분할 수 있게 하는 분류기를 형성하는 분류기 생성 단계(단계 1);
    실제 건설현장에 대한 실시간 영상 촬영에 의한 추적 대상의 인식 단계(단계 2); 및
    인식된 추적 대상의 추적 단계(단계 3)를 포함하여 구성되어,
    건설현장에서 근로자 및 중장비를 실시간으로 인식하고 추적하여 그에 대한 위치정보를 형성하게 되는 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 방법.
  7. 제6항에 있어서,
    분류기 생성 단계(단계 1)는,
    영상 촬영부(11)에 의해 건설현장을 실시간 촬영함으로써, 추적 대상이 포함된 학습용 영상을 수집하는 단계(단계 1-1);
    관리자는 학습용 영상의 각 영상프레임에 대해, 영상 속에서 추적 대상이 포함된 추적대상 영역을 지정하는 단계(단계 1-2);
    추적대상 영역의 영상과 비추적대상 영역의 영상을 분리하여, 추적 대상이 포함된 영역만을 추출한 영상들의 모음인 포지티브 샘플(positive sample)과 추적 대상을 제외한 영역에 대한 영상들의 모음인 네가티브 샘플(negative sample)로 이루어진 학습 데이터셋(data set)을 생성하는 단계(단계 1-3);
    학습 데이터셋으로부터 각각의 영상에 대해, 추적 대상만을 구분하여 인식하기 위한 디스크립터를 형성하는 디스크립터 산출 단계(단계 1-4); 및
    학습 데이터셋으로부터 산출된 추적 대상의 디스크립터들이 가지는 공통점을 발견하여, 추적 대상을 그 외의 배경들과 구분할 수 있는 판단기준을 설정하고, 설정된 판단기준에 따라 촬영 영상 속의 물체가 추적 대상인지 여부를 판별하게 되는 분류기를 생성하는 단계(단계 1-5)를 포함하여 구성되는 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 방법.
  8. 제6항 또는 제7항에 있어서,
    추적 대상의 인식 단계(단계 2)는,
    추적 대상에 대한 실시간 추적용 영상 수집 단계(단계 2-1); 및
    추적용 영상의 모든 프레임에서 추출된 추출 영역에 대한 디스크립터를 산출하되, 추출 영역의 크기를 변화시켜가면서 추출 영역의 디스크립터를 산출하고, 분류기를 이용하여, 추적용 영상에 대한 디스크립터를 기준으로 추적 대상에 해당되는지를 판단하여 추적 대상을 인식하는 추적 대상 인식 단계(단계2-2)를 포함하는 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 방법.
  9. 제8항에 있어서,
    인식된 추적 대상의 추적 단계(단계 3)는,
    추적용 영상의 연속된 영상프레임에서, 인식된 추적 대상 간의 유사도를 계산하는 유사도 계산 단계(단계3-1);
    계산된 유사도가 사전 설정된 유사도 기준값 이상일 경우에는 촬영 영상의 연속된 프레임에서 인식된 물체를 서로 동일한 물체로 간주하여 해당 물체의 실시간 위치좌표를 추적 대상의 위치정보로 간주하게 되는, 유사도 대비에 의한 추적대상 추적 단계(단계 3-2); 및
    추적 대상 위치정보를 관리자에게 제공하고 저장하는 단계(단계 3-3)를 포함하는 것을 특징으로 하는 건설현장에서의 근로자 및 중장비 인식-추적 방법.
KR1020150034767A 2015-03-13 2015-03-13 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템 KR101788225B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150034767A KR101788225B1 (ko) 2015-03-13 2015-03-13 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150034767A KR101788225B1 (ko) 2015-03-13 2015-03-13 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20160109761A true KR20160109761A (ko) 2016-09-21
KR101788225B1 KR101788225B1 (ko) 2017-10-19

Family

ID=57079930

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150034767A KR101788225B1 (ko) 2015-03-13 2015-03-13 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101788225B1 (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190001723A (ko) * 2017-06-28 2019-01-07 경성대학교 산학협력단 라이다와 카메라를 이용한 중장비용 객체 정보 제공 장치
KR20190081302A (ko) 2017-12-29 2019-07-09 부산대학교 산학협력단 건설장비 가이던스를 위한 토공작업 음성정보 제공 시스템 및 그 방법
KR20190111585A (ko) * 2018-03-23 2019-10-02 연세대학교 산학협력단 영상 기반의 건설 현장 상황 인지 시스템 및 방법, 그리고 이를 이용한 토공 생산성 분석 방법
KR102089013B1 (ko) * 2019-08-22 2020-03-13 최광수 공급망 관리 기반 건설현장에서 최적의 중장비 투입을 지원하는 중장비 통합 관리 서비스 제공 시스템 및 방법
KR102244978B1 (ko) * 2020-12-23 2021-04-28 주식회사 케이씨씨건설 작업 현장의 위험성을 판단하는 인공지능 모델의 학습 방법, 장치 및 컴퓨터프로그램
KR20210086829A (ko) * 2019-12-30 2021-07-09 한국남부발전 주식회사 스마트 cctv 관제 및 경보 시스템
KR102301425B1 (ko) * 2020-08-14 2021-09-14 방병주 오브젝트의 선택적 센싱을 통한 중장비 콘트롤 시스템
KR102301426B1 (ko) * 2020-09-07 2021-09-14 방병주 오브젝트의 액션 패턴 분석을 통한 중장비 콘트롤 시스템
CN116630752A (zh) * 2023-07-25 2023-08-22 广东南方电信规划咨询设计院有限公司 基于ai算法的施工现场目标对象识别方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101972511B1 (ko) 2017-11-23 2019-04-25 헤넷시스 주식회사 건설용 중장비에 접근하는 물체의 거리정보를 획득하기 위한 마스터 노드와 슬레이브 노드간의 통신방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101425170B1 (ko) 2010-11-16 2014-08-04 한국전자통신연구원 영상 촬영 장치의 객체 추적 장치 및 방법과 보안 관리 시스템의 객체 추적 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101360349B1 (ko) * 2013-10-18 2014-02-24 브이씨에이 테크놀러지 엘티디 객체의 특징 정보에 기반한 객체 추적 방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101425170B1 (ko) 2010-11-16 2014-08-04 한국전자통신연구원 영상 촬영 장치의 객체 추적 장치 및 방법과 보안 관리 시스템의 객체 추적 장치

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190001723A (ko) * 2017-06-28 2019-01-07 경성대학교 산학협력단 라이다와 카메라를 이용한 중장비용 객체 정보 제공 장치
KR20190081302A (ko) 2017-12-29 2019-07-09 부산대학교 산학협력단 건설장비 가이던스를 위한 토공작업 음성정보 제공 시스템 및 그 방법
KR20190111585A (ko) * 2018-03-23 2019-10-02 연세대학교 산학협력단 영상 기반의 건설 현장 상황 인지 시스템 및 방법, 그리고 이를 이용한 토공 생산성 분석 방법
KR102089013B1 (ko) * 2019-08-22 2020-03-13 최광수 공급망 관리 기반 건설현장에서 최적의 중장비 투입을 지원하는 중장비 통합 관리 서비스 제공 시스템 및 방법
KR20210086829A (ko) * 2019-12-30 2021-07-09 한국남부발전 주식회사 스마트 cctv 관제 및 경보 시스템
KR102301425B1 (ko) * 2020-08-14 2021-09-14 방병주 오브젝트의 선택적 센싱을 통한 중장비 콘트롤 시스템
KR102301426B1 (ko) * 2020-09-07 2021-09-14 방병주 오브젝트의 액션 패턴 분석을 통한 중장비 콘트롤 시스템
KR102244978B1 (ko) * 2020-12-23 2021-04-28 주식회사 케이씨씨건설 작업 현장의 위험성을 판단하는 인공지능 모델의 학습 방법, 장치 및 컴퓨터프로그램
KR102322644B1 (ko) * 2020-12-23 2021-11-09 주식회사 케이씨씨건설 인공지능 모델을 이용한 작업현장 안전 가이드제공 시스템
CN116630752A (zh) * 2023-07-25 2023-08-22 广东南方电信规划咨询设计院有限公司 基于ai算法的施工现场目标对象识别方法及装置
CN116630752B (zh) * 2023-07-25 2023-11-17 广东南方电信规划咨询设计院有限公司 基于ai算法的施工现场目标对象识别方法及装置

Also Published As

Publication number Publication date
KR101788225B1 (ko) 2017-10-19

Similar Documents

Publication Publication Date Title
KR101788225B1 (ko) 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템
CN103824070B (zh) 一种基于计算机视觉的快速行人检测方法
CN108009473B (zh) 基于目标行为属性视频结构化处理方法、系统及存储装置
CN108053427B (zh) 一种基于KCF与Kalman的改进型多目标跟踪方法、系统及装置
CN109887040B (zh) 面向视频监控的运动目标主动感知方法及系统
CN106709436B (zh) 面向轨道交通全景监控的跨摄像头可疑行人目标跟踪系统
CN106447680B (zh) 动态背景环境下雷达与视觉融合的目标检测与跟踪方法
CN104303193B (zh) 基于聚类的目标分类
Kong et al. Detecting abandoned objects with a moving camera
CN103761514A (zh) 基于广角枪机和多球机实现人脸识别的系统及方法
CN106682619A (zh) 一种对象跟踪方法及装置
CN105893963B (zh) 一种筛选视频中单个行人目标的最佳易识别帧的方法
Nair Camera-based object detection, identification and distance estimation
CN111145223A (zh) 多摄像头识别人员行为轨迹分析方法
CN111353338B (zh) 一种基于营业厅视频监控的能效改进方法
CN115841649A (zh) 一种用于城市复杂场景的多尺度人数统计方法
CN113935358A (zh) 一种行人追踪方法、设备和存储介质
CN114359976A (zh) 一种基于人物识别的智能安防方法与装置
Miller et al. Person tracking in UAV video
CN113920585A (zh) 行为识别方法及装置、设备和存储介质
JP2019096062A (ja) 物体追跡装置、物体追跡方法、および、物体追跡プログラム
CN116912763A (zh) 一种融合步态人脸模态的多行人重识别方法
CN117196473A (zh) 基于机器视觉的电力工器具出入库管理方法、系统及介质
Xu et al. A novel method for people and vehicle classification based on Hough line feature
CN116543023A (zh) 一种基于修正DeepSORT的多传感目标群智跟踪方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right