KR20180047906A - 영상 분석 기반 조명 고장 감지 시스템 및 방법 - Google Patents

영상 분석 기반 조명 고장 감지 시스템 및 방법 Download PDF

Info

Publication number
KR20180047906A
KR20180047906A KR1020160144751A KR20160144751A KR20180047906A KR 20180047906 A KR20180047906 A KR 20180047906A KR 1020160144751 A KR1020160144751 A KR 1020160144751A KR 20160144751 A KR20160144751 A KR 20160144751A KR 20180047906 A KR20180047906 A KR 20180047906A
Authority
KR
South Korea
Prior art keywords
illumination
group
region
state
failure
Prior art date
Application number
KR1020160144751A
Other languages
English (en)
Other versions
KR101968521B1 (ko
Inventor
원웅재
조경석
최경택
윤민철
Original Assignee
주식회사 에스원
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 주식회사 에스원 filed Critical 주식회사 에스원
Priority to KR1020160144751A priority Critical patent/KR101968521B1/ko
Publication of KR20180047906A publication Critical patent/KR20180047906A/ko
Application granted granted Critical
Publication of KR101968521B1 publication Critical patent/KR101968521B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/20—Responsive to malfunctions or to light source life; for protection
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B39/00—Circuit arrangements or apparatus for operating incandescent light sources
    • H05B39/04—Controlling
    • H05B39/041—Controlling the light-intensity of the source
    • H05B39/042—Controlling the light-intensity of the source by measuring the incident light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • H05B37/032—
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
    • H05B45/50—Circuit arrangements for operating light-emitting diodes [LED] responsive to malfunctions or undesirable behaviour of LEDs; responsive to LED life; Protective circuits
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
    • H05B45/50—Circuit arrangements for operating light-emitting diodes [LED] responsive to malfunctions or undesirable behaviour of LEDs; responsive to LED life; Protective circuits
    • H05B45/58—Circuit arrangements for operating light-emitting diodes [LED] responsive to malfunctions or undesirable behaviour of LEDs; responsive to LED life; Protective circuits involving end of life detection of LEDs
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

조명 고장 감지 시스템은 조명 감지 영역을 설정하고, 조명 고장 감지 동작 설정 시 상기 조명 감지 영역의 조명 상태를 수신한다. 그리고 입력 영상으로부터 조명 감지 영역의 조명 상태를 추정하고, 상기 조명 감지 영역의 추정된 조명 상태와 상기 조명 고장 감지 동작 설정 시 수신된 조명 상태의 비교를 통해 상기 조명 감지 영역의 조명 고장을 판단한다.

Description

영상 분석 기반 조명 고장 감지 시스템 및 방법{SYSTEM AND METHOD FOR DETECTING LIGHT DIAGNOSIS BASED IMAGE ANALYSIS}
본 발명은 영상 분석 기반 조명 고장 감지 시스템 및 방법에 관한 것이다.
최근 CCTV(closed-circuit television)를 설치하여 사람의 위험 상황을 감시하거나 자동으로 위험 상황을 감지하고 이를 경고해주는 영상 보안 시스템이 많이 구축되고 있다. 또한 이런 영상 보안 시스템을 효율적으로 구동하기 위해서는 안정된 조명 확보가 필요하며, 이를 위해서 용도에 맞는 조명 장치들이 설치되고 있다. 예를 들어, 터널과 같은 어두운 곳에서의 조명은 안전 운전을 위한 운전자의 시야 확보나 CCTV를 통한 사고 위험 감지 및 상황 모니터링을 위해 매우 중요하다.
그러나 기존 CCTV 방식의 영상 보안 시스템은 조명의 고장을 감지해서 사용자에게 알려주는 기능이 적용되어 있지 않으며, 이에 따라 조명이 필요한 위험 구간에서 조명이 고장 났을 때 바로 인식할 수 없어 적절한 교체가 이루어지지 못하고, 이로 인해 위험을 초래하는 경우가 발생한다. 또한 영상 보안 시스템은 조명의 고장으로 인해 좋은 화질의 영상을 녹화 및 확보할 수 없으며, 영상 분석 시에도 많은 오검출 및 오감지 등이 야기될 수 있다.
한편, 기존 조명 고장 여부 판단은 특정 상황에서 단순히 색상이나 휘도 차이를 이용하는 방법이 사용되었다. 하지만 단순한 색상이나 휘도 차이만으로 조명 변화를 감지하는 방법은 일반적인 환경에 적용하기 어려운 문제점이 있다.
본 발명이 해결하려는 과제는 조명의 고장을 감지할 수 있는 영상 분석 기반 조명 고장 감지 시스템 및 방법을 제공하는 것이다.
본 발명의 한 실시 예에 따르면, 조명 고장 감지 시스템에서 영상 분석 기반으로 조명 고장을 감지하는 방법이 제공된다. 조명 고장 감지 방법은 조명 감지 영역을 설정하는 단계, 조명 고장 감지 동작 설정 시 상기 조명 감지 영역의 조명 상태를 수신하는 단계, 입력 영상으로부터 조명 감지 영역의 조명 상태를 추정하는 단계, 그리고 상기 조명 감지 영역의 추정된 조명 상태와 상기 조명 고장 감지 동작 설정 시 수신된 조명 상태의 비교를 통해 상기 조명 감지 영역의 조명 고장을 판단하는 단계를 포함한다.
상기 조명 감지 영역은 단일 조명을 포함하는 단일 조명 영역 및 복수의 조명을 포함하는 그룹 조명 영역을 포함하며, 상기 추정하는 단계는 상기 조명 감지 영역의 특징 정보를 계산하는 단계, 그리고 상기 조명 감지 영역의 특징 정보를 이용하여 조명 상태를 분류하는 단계를 포함할 수 있다.
상기 단일 조명 영역의 특징 정보는 명암 및 휘도 정보, 명암 대비 휘도 분포 정보, 색상 정보 중 적어도 하나를 포함하고, 상기 분류하는 단계는 학습 분류기 또는 설정된 임계값과의 비교를 통해 상기 단일 조명 영역의 조명 상태를 조명 꺼짐 또는 조명 꺼짐으로 분류하는 단계를 포함할 수 있다.
상기 추정하는 단계는 상기 단일 조명 영역의 분류된 조명 상태 정보를 버퍼에 저장하는 단계, 상기 분류된 조명 상태 정보를 이용하여 시간에 따른 조명 상태 추정 변화 신호를 생성하는 단계, 상기 조명 상태 추정 변화 신호로부터 설정된 시간 윈도우 내에 조명 켜짐과 조명 꺼짐의 비와 조명 켜짐과 조명 꺼짐의 수를 계산하는 단계, 상기 조명 켜짐과 조명 꺼짐의 수로부터 상기 단일 조명 영역의 조명 상태가 조명 깜빡임인지 판단하는 단계, 그리고 상기 조명 켜짐과 조명 꺼짐의 비로부터 상기 단일 조명 영역의 조명 상태가 조명 꺼짐인지 조명 켜짐인지 판단하는 단계를 더 포함할 수 있다.
상기 조명 감지 영역의 조명 고장을 판단하는 단계는 상기 단일 조명 영역의 조명 상태가 상기 조명 깜빡임인 경우, 조명 고장으로 판단하는 단계, 그리고 상기 단일 조명 영역의 조명 상태가 조명 꺼짐 또는 조명 켜짐이고, 상기 단일 조명 영역의 조명 상태가 상기 조명 고장 감지 동작 설정 시 수신된 조명 상태와 다른 경우에, 조명 고장으로 판단하는 단계를 포함할 수 있다.
상기 특징 정보를 계산하는 단계는 입력 영상으로부터 전경 영상과 배경 영상을 분리하는 단계, 상기 전경 영상을 이용하여 그룹 조명 변화 후보 영역을 검출하는 단계, 그리고 상기 그룹 조명 변화 후보 영역의 조명 변화 분류를 위한 특징 정보를 추출하는 단계를 포함하며, 상기 특징 정보는 상기 그룹 조명 변화 후보 영역에 대한 상기 배경 영상과 상기 입력 영상의 명암 및 휘도 평균값의 차이, 상기 그룹 조명 변화 후보 영역에 대한 배경 영상과 입력 영상 각각의 에지 수, 상기 그룹 조명 변화 후보 영역에서 전경 영역에 대한 명암 및 휘도의 비율, 상기 그룹 조명 변화 후보 영역 내에서 입력 영상과 배경 영상의 윤곽 정보 및 상기 그룹 조명 후보 영역에 대한 배경 대비 전경 비율 중 적어도 하나를 포함할 수 있다.
상기 분류하는 단계는 학습 분류기 또는 설정된 임계값과의 비교를 통해 상기 그룹 조명 변화 후보 영역의 조명 상태를 조명 꺼짐, 조명 꺼짐 및 조명 변화 없음 중 하나로 분류하는 단계를 포함할 수 있다.
상기 추정하는 단계는 상기 그룹 조명 변화 후보 영역의 분류된 조명 상태 정보를 버퍼에 저장하는 단계, 상기 분류된 조명 상태 정보를 이용하여 시간에 따른 조명 상태 추정 변화 신호를 생성하는 단계, 상기 조명 상태 추정 변화 신호로부터 설정된 시간 윈도우 내에 조명 켜짐의 비율, 조명 꺼짐의 비율 및 조명 변화 없음의 비율을 계산하는 단계, 그리고 상기 조명 켜짐의 비율, 조명 꺼짐의 비율 및 조명 변화 없음의 비율을 토대로 상기 그룹 조명 변화 후보 영역의 조명 상태를 추정하는 단계를 더 포함할 수 있다.
상기 조명 고장 감지 방법은 상기 조명 고장으로 판단된 경우, 알람 메시지를 생성하여 연계된 장치로 송출하는 단계를 더 포함할 수 있다.
상기 조명 고장 감지 방법은 상기 조명 고장으로 판단된 경우, 설정된 시간 동안 조명 감지 영역의 영상을 저장하는 단계를 더 포함할 수 있다.
본 발명의 다른 한 실시 예에 따르면, 영상 분석 기반으로 조명 고장을 감지하는 시스템이 제공된다. 조명 고장 감지 시스템은 조명 감지 영역을 설정하는 감지 영역 설정부, 상기 조명 감지 영역이 단일 조명 영역인 경우, 입력 영상을 이용하여 상기 단일 조명 영역에 대한 조명 고장 감지 동작을 수행하는 단일 조명 고장 감지부, 상기 조명 감지 영역이 그룹 조명 영역인 경우, 입력 영상을 이용하여 상기 그룹 조명 영역에 대한 조명 고장 감지 동작을 수행하는 그룹 조명 고장 감지부, 그리고 상기 조명 감지 영역의 조명이 고장인 것으로 판단되는 경우에, 알림 메시지를 생성하고 송출하는 알람 생성부를 포함한다.
상기 단일 조명 고장 감지부는 상기 입력 영상으로부터 상기 단일 조명 영역의 특징 정보를 계산하고, 상기 조명 감지 영역의 특징 정보를 이용하여 조명 상태를 분류하며, 분류된 조명 상태와 조명 고장 감지 동작 설정 시 입력된 조명 상태의 비교를 통해 상기 단일 조명 영역의 조명 고장을 판단할 수 있다.
상기 특징 정보는 명암 및 휘도 정보, 명암 대비 휘도 분포 정보, 색상 정보 중 적어도 하나를 포함할 수 있다.
상기 단일 조명 고장 감지부는 학습 분류기 또는 설정된 임계값과의 비교를 통해 상기 단일 조명 영역의 조명 상태를 조명 꺼짐 또는 조명 꺼짐으로 분류할 수 있다.
상기 단일 조명 고장 감지부는 분류된 조명 상태 정보를 이용하여 설정된 시간 윈도우 내에 조명 켜짐과 조명 꺼짐의 비와 조명 켜짐과 조명 꺼짐의 주기를 계산하고, 상기 조명 켜짐과 조명 꺼짐의 주기로부터 상기 단일 조명 영역의 조명 상태가 조명 깜빡임인지 판단하며, 상기 조명 켜짐과 조명 꺼짐의 비로부터 상기 단일 조명 영역의 조명 상태가 조명 꺼짐인지 조명 켜짐인지 판단할 수 있다.
상기 그룹 조명 고장 감지부는 상기 입력 영상으로부터 전경 영상과 배경 영상을 분리하고, 상기 전경 영상을 이용하여 그룹 조명 변화 후보 영역을 검출하며, 상기 그룹 조명 변화 후보 영역의 특징 정보를 추출하여 조명 상태를 분류하며, 분류된 조명 상태를 이용하여 조명 상태를 추정하고, 추정된 조명 상태와 조명 고장 감지 동작 설정 시 입력된 조명 상태의 비교를 통해 상기 그룹 조명 영역의 조명 고장을 판단할 수 있다.
상기 특징 정보는 상기 그룹 조명 변화 후보 영역에 대한 상기 배경 영상과 상기 입력 영상의 명암 및 휘도 평균값의 차이, 상기 그룹 조명 변화 후보 영역에 대한 배경 영상과 입력 영상 각각의 에지 수, 상기 그룹 조명 변화 후보 영역에서 전경 영역에 대한 명암 및 휘도의 비율, 상기 그룹 조명 변화 후보 영역 내에서 입력 영상과 배경 영상의 윤곽 정보 및 상기 그룹 조명 후보 영역에 대한 배경 대비 전경 비율 중 적어도 하나를 포함할 수 있다.
상기 그룹 조명 고장 감지부는 학습 분류기 또는 설정된 임계값과의 비교를 통해 상기 그룹 조명 변화 후보 영역의 조명 상태를 조명 꺼짐, 조명 꺼짐 및 조명 변화 없음 중 하나로 분류할 수 있다.
상기 그룹 조명 고장 감지부는 상기 그룹 조명 변화 후보 영역의 분류된 조명 상태 정보를 이용하여 설정된 시간 윈도우 내 조명 켜짐의 비율, 조명 꺼짐의 비율 및 조명 변화 없음의 비율을 계산하고, 상기 조명 켜짐의 비율, 조명 꺼짐의 비율 및 조명 변화 없음의 비율을 토대로 상기 그룹 조명 변화 후보 영역의 조명 상태를 추정할 수 있다.
상기 알람 생성부는 상기 조명 감지 영역의 조명이 고장인 것으로 판단되는 경우에, 상기 조명 감지 영역의 영상을 저장할 수 있다.
본 발명의 실시 예에 의하면, 기존에 설치된 CCTV에서 녹화되고 있는 영상을 이용하여 터널과 같이 어둡고 위험한 장소 같은 곳에서 조명의 고장 여부를 자동으로 감지할 수 있으며, 일반 환경에서도 조명 변화 여부를 효율적으로 판단할 수 있다. 이로 인해, 조명 고장 시 관리자가 빠르게 보수할 수 있으므로, 조명 고장으로 야기될 수 있는 위험 사고를 방지할 수 있으며, 고객에게 양질의 서비스를 제공할 수 있다.
도 1은 본 발명의 실시 예에 따른 영상 분석 기반 조명 고장 감지 방법을 나타낸 도면이다.
도 2는 본 발명의 실시 예에 따른 단일 조명 영역의 일 예를 나타낸 도면이다.
도 3은 본 발명의 실시 예에 따른 그룹 조명 영역의 일 예를 나타낸 도면이다.
도 4는 본 발명의 실시 예에 따른 단일 조명 영역의 조명 고장 감지 방법을 나타내는 도면이다.
도 5 및 도 6은 각각 단일 조명 영역의 명암 대비 휘도 분포 정보의 일 예를 나타낸 도면이다.
도 7 및 도 8은 각각 본 발명의 실시 예에 따른 조명 상태 추정 변화 신호로부터 분류된 조명 상태의 일 예를 나타낸 도면이다.
도 9는 본 발명의 실시 예에 따른 단일 조명 영역의 조명 상태 분류를 위한 학습 분류기의 일 예를 나타낸 도면이다.
도 10은 본 발명의 실시 예에 따른 그룹 조명 영역의 조명 고장 감지 방법을 나타내는 도면이다.
도 11은 본 발명의 실시 예에 따른 배경 학습 모델을 이용하여 분류된 전경 영상과 배경 영상의 일 예를 나타낸 도면이다.
도 12는 본 발명의 실시 예에 따른 그룹 조명 변화 후보 영역의 일 예를 나타낸 도면이다.
도 13은 본 발명의 실시 예에 따른 그룹 조명 변화 후보 영역의 최종적인 조명 상태 분류 결과의 일 예를 나타낸 도면이다.
도 14는 본 발명의 실시 예에 따른 그룹 조명 변화 후보 영역의 조명 상태 분류를 위한 학습 분류기의 일 예를 나타낸 도면이다.
도 15는 본 발명의 실시 예에 따른 영상 분석 기반 조명 고장 감지 시스템을 나타낸 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
이제 본 발명의 실시 예에 따른 영상 분석 기반 조명 고장 감지 시스템 및 방법에 대하여 도면을 참고로 하여 상세하게 설명한다.
도 1은 본 발명의 실시 예에 따른 영상 분석 기반 조명 고장 감지 방법을 나타낸 도면이다.
도 1을 참고하면, 영상 분석 기반 조명 고장 감지 시스템(이하, "시스템"이라 함)은 조명 감지 영역을 설정한다(S110). 조명 감지 영역은 단일 조명 영역 또는 그룹 조명 영역으로 설정될 수 있다. 조명 감지 영역은 사용자의 입력에 따라 설정될 수 있다.
시스템은 입력 영상을 이용하여 조명 감지 영역의 조명 상태를 추정하고(S120), 조명 고장 여부를 판단한다(S130). 이때 시스템은 조명 감지 영역에 따라 다른 방법으로 조명 고장 여부를 판단할 수 있다. 시스템은 단일 조명 영역에 대해 조도 학습 방법에 따른 조명 고장 감지 동작을 수행할 수 있다. 시스템은 그룹 조명 영역에 대해 배경 학습 모델 기반의 조명 고장 감지 동작을 수행할 수 있다.
시스템은 조명 고장으로 판단되는 경우에(S130), 알람 메시지를 생성하여 송출할 수 있다(S140). 시스템은 시스템과 연결된 영상 관리 시스템이나 관제소, 사용자의 단말 등으로 알람 메시지를 송출할 수 있다. 영상 관리 시스템은 알람 메시지를 수신하면, 해당 단일 조명 영역의 영상을 저장하거나 확인할 수 있다.
또한 시스템은 알람 메시지가 생성되면, 조명 감지 영역의 영상을 저장할 수 있다.
도 2는 본 발명의 실시 예에 따른 단일 조명 영역의 일 예를 나타낸 도면이고, 도 3은 본 발명의 실시 예에 따른 그룹 조명 영역의 일 예를 나타낸 도면이다.
도 2 및 도 3을 참고하면, 단일 조명 영역(A1, A2)은 각각의 조명을 포함하는 영역을 나타내며, 그룹 조명 영역(A3)은 복수 개의 조명을 포함하는 영역을 나타낸다.
도 4는 본 발명의 실시 예에 따른 단일 조명 영역의 조명 고장 감지 방법을 나타내는 도면이다.
도 4를 참고하면, 시스템은 단일 조명 영역에 대한 현재 조명 켜짐 또는 꺼짐에 대한 현재 조명 상태 정보를 사용자 또는 조명 제어 장치로부터 수신한다(S402).
시스템은 현재 조명 상태에서 설정 시간 동안 단일 조명 영역의 조명 상태를 추정할 수 있는 조명 특징 정보를 계산한다(S404). 조명 특징 정보는 예를 들면, 명암 및 휘도 정보, 명암 대비 휘도 분포 정보, 색상 정보 등을 포함할 수 있다. 시스템은 조명이 켜져 있는 단일 조명 영역의 전체 픽셀에 대한 명암과 휘도의 평균값을 계산할 수 있다. 시스템은 조명이 켜져 있는 단일 조명 영역에 대해 분할(segmentation) 기법을 적용하여 명암과 휘도의 평균값을 계산할 수 있다. 즉, 시스템은 단일 조명 영역을 복수의 세그먼트(픽셀의 집합)으로 나누고, 각 세그먼트 내 영상의 명암과 휘도 값을 각각 설정된 임계값과 비교하여, 밝은 영역에 해당하는 세그먼트를 추출한다. 그리고 추출된 세그먼트의 영상에 대한 명암과 휘도의 평균값을 계산할 수 있다. 시스템은 설정 시간 동안 단일 조명 영역의 명암 및 휘도 정보를 이용하여 단일 조명 영역의 명암 대비 휘도 분포 정보를 계산할 수 있다.
도 5 및 도 6은 각각 단일 조명 영역의 명암 대비 휘도 분포 정보의 일 예를 나타낸 도면으로, 도 5는 초당 15 프레임의 영상 획득이 가능한 시스템에서 조명이 켜져 있는 상태에서 1초 동안 획득한 명암 대비 휘도 분포를 나타내며, 도 6은 초당 15 프레임의 영상 획득이 가능한 시스템에서 조명이 켜져 있을 때와 꺼져 있는 상태에서 1초 동안 획득한 명암 대비 휘도 분포를 나타낸다.
다시, 도 4를 보면, 시스템은 단일 조명 영역의 조명 특징 정보를 이용하여 조명 상태를 분류한다(S406). 시스템은 학습 분류기를 이용하여 조명 상태를 분류할 수 있다. 시스템은 설정된 조명 켜짐 임계값과 조명 꺼짐 임계값을 이용하여 조명 상태를 분류할 수 있다. 예를 들면, 시스템은 조명이 켜져 있을 때 단일 조명 영역의 후보 영상들에 대한 명암 대비 휘도 분포를 계산하고, 명암 대비 휘도 분포 정보로부터 RANSAC(RANdom SAmple Consensus) 알고리즘을 이용하여 아웃라이어 데이터(outlier data)를 제거한 후, 가우시안 모델링 또는 클러스터링 기법 등을 이용하여 조명 켜짐 임계값과 조명 꺼짐 임계값을 결정할 수 있다. 또는 이러한 방법으로 계산된 조명 켜짐 임계값과 조명 꺼짐 임계값이 시스템에 입력될 수 있다. 또한 조명이 켜져 있을 때 단일 조명 영역의 후보 영상들의 명암 대비 휘도 분포 정보로부터 선형 회귀(linear regression), 로지스틱 회귀(logistic regression), SVM(Support Vector Machine) 등 학습 알고리즘을 이용하여 분류기가 학습될 수 있고, 이러한 학습 분류기가 조명 상태 분류를 위해 사용될 수 있다.
시스템은 분류된 조명 상태 정보를 버퍼에 저장하고, 분류된 조명 상태 정보를 이용하여 시간에 따른 조명 상태 추정 변화 신호를 생성한다(S408). 예를 들면, 조명 상태 추정 변화 신호는 조명 상태가 조명 켜짐을 나타낼 때는 하이(high) 레벨 즉, 1이 되고 조명 상태가 조명 꺼짐을 나타낼 때는 로우(low) 레벨 즉, 0이 될 수 있다. 이와 반대로, 조명 상태 추정 변화 신호는 조명 상태가 조명 켜짐을 나타낼 때는 로우 레벨이 되고 조명 상태가 조명 꺼짐을 나타낼 때는 하이 레벨이 될 수 있다.
시스템은 조명 상태 추정 변화 신호로부터 설정된 시간 윈도우 내에 조명 켜짐과 조명 꺼짐의 비(on/off ratio)를 계산한다(S410).
또한 시스템은 조명 상태 추정 변화 신호로부터 설정된 시간 윈도우 내 조명 켜짐과 조명 꺼짐의 수 또는 주기를 계산한다(S412).
시스템은 조명 켜짐과 조명 꺼짐의 수 또는 주기가 설정된 임계값 이상이면(S414), 단일 조명 영역의 조명 상태를 조명 깜빡임으로 분류한다(S416).
한편, 시스템은 조명 켜짐과 조명 꺼짐의 수 또는 주기가 설정된 임계값보다 미만이고(S414), 조명 켜짐과 조명 꺼짐의 비가 설정된 임계값 이상이면(S418), 단일 조명 영역의 조명 상태를 조명 켜짐으로 분류하고(S420), 그렇지 않으면 단일 조명 영역의 조명 상태를 조명 꺼짐으로 분류한다(S422).
시스템은 단일 조명 영역의 현재 조명 상태 정보와 분류된 단일 조명 영역의 조명 상태 정보의 비교를 통해 조명 고장 여부를 판단한다(S424). 예를 들면, 시스템은 단일 조명 영역의 현재 조명 상태가 조명 켜짐으로 설정되어 있고, 분류된 단일 조명 영역의 조명 상태가 조명 꺼짐인 경우, 조명 고장으로 판단할 수 있다. 시스템은 단일 조명 영역의 현재 조명 상태가 조명 켜짐으로 설정되어 있고, 분류된 단일 조명 영역의 조명 상태가 조명 꺼짐인 경우, 조명 고장으로 판단할 수 있다. 그리고 시스템은 단일 조명 영역의 현재 조명 상태가 조명 켜짐 또는 조명 꺼짐으로 설정되어 있고, 분류된 단일 조명 영역의 조명 상태가 조명 깜빡임인 경우, 조명 고장으로 판단할 수 있다.
도 7 및 도 8은 각각 본 발명의 실시 예에 따른 조명 상태 추정 변화 신호로부터 분류된 조명 상태의 일 예를 나타낸 도면이다.
도 7에 도시한 바와 같이, 조명 켜짐을 나타낼 때는 하이 레벨이 되고 조명 꺼짐을 나타낼 때는 로우 레벨이 되는 조명 상태 추정 변화 신호로부터 설정된 시간 윈도우 내 조명 켜짐과 조명 꺼짐의 수가 설정된 임계값 이상이 되면 조명 깜빡임으로 분류될 수 있다.
반면, 도 8에 도시한 바와 같이, 설정된 시간 윈도우 내 조명 켜짐과 조명 꺼짐의 수가 설정된 임계값 미만이고, 조명 켜짐과 조명 꺼짐의 비가 설정된 임계값 미만이면 조명 꺼짐으로 분류될 수 있다.
도 9는 본 발명의 실시 예에 따른 단일 조명 영역의 조명 상태 분류를 위한 학습 분류기의 일 예를 나타낸 도면이다.
도 9를 참고하면, 학습 분류기(900)는 온라인 학습기(910) 및 분류기(920)를 포함한다.
온라인 학습기(910)는 조명이 켜져 있을 때 단일 조명 영역의 후보 영상들을 이용하여 단일 조명 영역의 조명 상태를 학습한다.
분류기(920)는 온라인 학습기(910)의 학습 내용을 토대로, 단일 조명 영역의 명암 및 휘도 평균값을 입력 받아 단일 조명 영역의 조명 상태가 조명 꺼짐인지 조명 켜짐인지 분류한다. 이렇게 분류된 결과는 분류기(920)에 입력된 단일 조명 영역의 명암 및 휘도 평균값과 함께 온라인 학습기(910)로 입력되어 학습된다.
도 10은 본 발명의 실시 예에 따른 그룹 조명 영역의 조명 고장 감지 방법을 나타내는 도면이고, 도 11은 본 발명의 실시 예에 따른 배경 학습 모델을 이용하여 분류된 전경 영상과 배경 영상의 일 예를 나타낸 도면이며, 도 12는 본 발명의 실시 예에 따른 그룹 조명 변화 후보 영역의 일 예를 나타낸 도면이다.
도 10을 참고하면, 시스템은 그룹 조명 영역에 대한 현재 조명 켜짐 또는 꺼짐에 대한 현재 조명 상태 정보를 사용자 또는 조명 제어 장치로부터 수신한다(S1002).
시스템은 입력 영상으로부터 전경 영상과 배경 영상을 분리한다(S1004). 예를 들면, 도 11에 도시한 바와 같이 시스템은 입력 영상으로부터 배경 학습 모델을 이용하여 전경 영상과 배경 영상을 분리할 수 있다. 시스템은 사용자가 설정한 시간 동안 입력되는 후보 배경 영상을 학습하여 배경 학습 모델을 생성할 수 있다.
시스템은 전경 영상의 설정 영역에 대해 라벨링을 통하여 그룹 조명 변화 후보 영역을 검출한다(S1006). 설정 영역은 사용자에 의해 설정될 수 있다. 시스템은 전경 영상 전체에 대한 라벨링을 통하여 그룹 조명 변화 후보 영역을 검출할 수도 있다. 도 12에 도시한 바와 같이, 시스템은 전경 영상에서 설정 영역 내 그룹 조명 변화 후보 영역을 검출할 수 있다.
시스템은 그룹 조명 변화 후보 영역의 특징 정보를 추출한다(S1008). 특징 정보에는 조명 변화 분류를 위한 정보들이 포함될 수 있다. 예를 들면, 특징 정보는 그룹 조명 변화 후보 영역에 대한 배경 영상과 입력 영상의 명암 및/또는 휘도 평균값의 차이, 그룹 조명 변화 후보 영역에 대한 배경 영상과 입력 영상 각각의 에지 수, 그룹 조명 변화 후보 영역에서 전경 영역에 대한 명암 및 휘도의 비율, 그룹 조명 변화 후보 영역 내에서 입력 영상과 배경 영상의 윤곽(contour) 정보 및 그룹 조명 후보 영역에 대한 배경 대비 전경 비율 등을 포함할 수 있다. 그룹 조명 변화 후보 영역에 대한 배경 영상과 입력 영상 각각의 에지 수는 그룹 조명 변화 후보 영역 내에서 전경으로 분류된 영역에 대한 배경 영상과 입력 영상 각각의 에지 수를 나타낸다. 그룹 조명 변화 후보 영역 내에서 입력 영상과 배경 영상의 윤곽 정보는 그룹 조명 변화 후보 영역에서 전경 영역에 대한 윤곽 정보로서, 윤곽 상의 입력 영상의 에지 수와 배경 영상의 에지 수를 나타낸다. 그룹 조명 후보 영역에 대한 배경 대비 전경 비율은 전경 영역의 크기/그룹 조명 후보 영역의 크기로 계산될 수 있다. 그리고 그룹 조명 변화 후보 영역에서 전경 영역에 대한 명암 및 휘도의 비율은 수학식 1과 같이 계산될 수 있다.
Figure pat00001
시스템은 그룹 조명 변화 후보 영역의 특징 정보를 토대로 그룹 조명 변화 후보 영역의 조명 상태를 분류한다(S1010). 시스템은 그룹 조명 변화 후보 영역의 조명 상태를 조명 켜짐, 조명 꺼짐, 조명 변화 없음의 3가지 상태로 분류할 수 있다. 시스템은 그룹 조명 변화 후보 영역의 조명 상태를 더 세부적으로 분류된 경우, 분류 결과를 다시 조명 켜짐, 조명 꺼짐, 조명 변화 없음의 3가지 상태로 재분류할 수 있다. 예를 들어, 그룹 조명 변화 후보 영역의 특징 정보를 토대로 그룹 조명 변화 후보 영역의 조명 상태는 전체 조명 꺼짐, 전체 조명 켜짐, 부분 조명 꺼짐, 부분 조명 켜짐 및 조명 변화 없음과 같이 세부적으로 분류될 수 있다. 이 경우, 시스템은 전체 조명 꺼짐과 부분 조명 꺼짐을 조명 꺼짐으로 재분류하고, 전체 조명 켜짐과 부분 조명 켜짐을 조명 켜짐으로 재분류할 수 있다. 시스템은 실험을 통해 얻어진 각 특징 정보의 임계값들을 이용하여 그룹 조명 변화 후보 영역의 조명 상태를 분류할 수 있다. 시스템은 학습 분류기를 이용하여 그룹 조명 변화 후보 영역의 조명 상태를 분류할 수 있다.
시스템은 분류된 조명 상태 정보를 버퍼에 저장하고, 분류된 조명 상태 정보를 이용하여 시간에 따른 조명 상태 추정 변화 신호를 생성한다(S1012). 예를 들면, 조명 상태 추정 변화 신호는 조명 상태가 조명 켜짐을 나타낼 때는 1이 되고 조명 상태가 조명 꺼짐을 나타낼 때는 -1이 되며 조명 상태가 조명 변화 없음을 나타낼 때는 0이 될 수 있다. 이와 달리, 조명 상태 추정 변화 신호는 조명 상태가 조명 켜짐을 나타낼 때는 -1이 되고 조명 상태가 조명 꺼짐을 나타낼 때는 1벨이 되며 조명 상태가 조명 변화 없음을 나타낼 때는 0이 될 수 있다.
시스템은 그룹 조명 변화 후보 영역의 조명 상태 추정 변화 신호로부터 설정된 시간 윈도우 내 조명 켜짐의 비율, 조명 꺼짐의 비율 및 조명 변화 없음의 비율을 계산한다(S1014).
시스템은 설정된 시간 윈도우 내 조명 켜짐의 비율, 조명 꺼짐의 비율 및 조명 변화 없음의 비율을 토대로 그룹 조명 변화 후보 영역의 조명 상태를 최종적으로 분류한다(S1016). 예를 들어, 시스템은 조명 켜짐의 비율 및 조명 꺼짐의 비율을 설정된 임계값과 비교하여 그룹 조명 변화 후보 영역의 최종적인 조명 상태를 조명 꺼짐 또는 조명 켜짐으로 분류할 수 있다. 그리고 조명 꺼짐 또는 조명 켜짐으로 분류되지 않는 경우, 그룹 조명 변화 후보 영역의 최종적인 조명 상태를 조명 변화 없음으로 분류할 수 있다.
도 13은 본 발명의 실시 예에 따른 그룹 조명 변화 후보 영역의 최종적인 조명 상태 분류 결과의 일 예를 나타낸 도면으로, 도 13에 도시한 바와 같이, 시스템은 설정된 시간 윈도우 내 조명 꺼짐의 비율이 설정된 임계값 이상이 되면 그룹 조명 변화 후보 영역의 최종적인 조명 상태를 조명 꺼짐으로 분류할 수 있다.
시스템은 그룹 조명 변화 후보 영역에 대해 최종적으로 분류된 조명 상태와 그룹 조명 변화 후보 영역의 현재 조명 상태 정보의 비교를 통해 그룹 조명 변화 후보 영역의 조명 변화 및 조명 고장 여부를 판단한다(S1018). 예를 들면, 시스템은 그룹 조명 영역의 현재 조명 상태가 조명 켜짐으로 설정되어 있고, 그룹 조명 변화 후보 영역의 조명 상태가 조명 꺼짐인 경우, 조명 고장으로 판단할 수 있다. 시스템은 그룹 조명 영역의 현재 조명 상태가 조명 켜짐으로 설정되어 있고, 분류된 그룹 조명 변화 후보 영역의 조명 상태가 조명 꺼짐인 경우, 조명 고장으로 판단할 수 있다.
도 14는 본 발명의 실시 예에 따른 그룹 조명 변화 후보 영역의 조명 상태 분류를 위한 학습 분류기의 일 예를 나타낸 도면이다.
도 14를 참고하면, 학습 분류기(1400)는 온라인 학습기(1410) 및 분류기(1420)를 포함한다.
온라인 학습기(1410)는 다양한 환경에서 조명이 켜진 상태와 조명이 꺼진 상태에서의 그룹 조명 영역의 후보 영상들을 이용하여 그룹 조명 영역의 조명 상태를 학습한다.
분류기(1420)는 온라인 학습기(1410)의 학습 내용을 토대로, 그룹 조명 변화 후보 영역의 특징 정보 예를 들면, 그룹 조명 후보 영역에 대한 배경 대비 전경 비율, 그룹 조명 변화 후보 영역에 대한 배경 영상의 에지 수 대비 입력 영상의 에지 수의 비율, (-)비율, 윤곽 상의 배경 영상의 에지 수와 입력 영상의 에지 수의 비율 등을 입력 받아 그룹 조명 변화 후보 영역의 조명 상태가 조명 꺼짐인지 조명 켜짐인지, 아니면 조명 변화 없음인지 분류한다. 이렇게 분류된 결과는 분류기(1420)에 입력된 특징 정보와 함께 온라인 학습기(1410)로 입력되어 학습된다.
한편, 시스템은 실험을 통해 얻어진 각 특징 정보의 임계값들을 이용하여 그룹 조명 변화 후보 영역의 조명 상태를 분류할 수 있다.
예를 들면, 시스템은 수학식 2의 조건을 만족하면 그룹 조명 변화 후보 영역의 조명 상태를 전체 조명 꺼짐으로 분류하고, 수학식 3의 조건을 만족하면 그룹 조명 변화 후보 영역의 조명 상태를 전체 조명 켜짐으로 분류할 수 있다. 시스템은 수학식 4의 조건을 만족하면 그룹 조명 변화 후보 영역의 조명 상태를 부분 조명 꺼짐으로 분류하고, 수학식 5의 조건을 만족하면 그룹 조명 변화 후보 영역의 조명 상태를 부분 조명 켜짐으로 분류할 수 있다. 그리고 이와 같이 분류되지 않는 경우에는 그룹 조명 변화 후보 영역의 조명 상태를 조명 변화 없음으로 분류할 수 있다.
Figure pat00002
Figure pat00003
Figure pat00004
Figure pat00005
수학식 2 내지 수학식 5에서 각 특징 정보들과 비교되는 임계값들은 모두 다른 값으로 설정될 수 있으며, 실험을 통해 얻어질 수 있다.
도 15는 본 발명의 실시 예에 따른 영상 분석 기반 조명 고장 감지 시스템을 나타낸 도면이다.
도 15를 참고하면, 시스템(1500)은 감지 영역 설정부(1510), 단일 조명 고장 감지부(1520), 그룹 조명 고장 감지부(1530) 및 알람 생성부(1540)를 포함한다. 이러한 감지 영역 설정부(1510), 단일 조명 고장 감지부(1520), 그룹 조명 고장 감지부(1530) 및 알람 생성부(1540)의 기능은 중앙 처리 유닛(central processing unit, CPU)이나 기타 칩셋, 마이크로프로세서 등으로 구현되는 적어도 하나의 프로세서에 의해 수행될 수 있다.
감지 영역 설정부(1510)는 조명 감지 영역을 설정한다.
단일 조명 고장 감지부(1520)는 도 4 내지 도 9에서 설명한 단일 조명 영역의 조명 고장 감지 동작을 수행한다.
그룹 조명 고장 감지부(1530)는 도 10 내지 도 14에서 설명한 그룹 조명 영역의 조명 고장 감지 동작을 수행한다.
알람 생성부(1540)는 단일 조명 고장 감지부(1520) 및 그룹 조명 고장 감지부(1530)에 의해 해당 영역의 조명 상태가 조명 고장인 것으로 판단되면, 알람 메시지를 생성하고 시스템(100)에 연결된 장치들로 송출한다. 또한 알람 생성부(1540)는 해당 영역의 조명 상태가 조명 고장인 것으로 판단되면, 해당 영역의 영상을 저장할 수 있다.
본 발명의 실시 예는 이상에서 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시 예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시 예의 기재로부터 본 발명이 속하는 기술 분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리 범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리 범위에 속하는 것이다.

Claims (20)

  1. 조명 고장 감지 시스템에서 영상 분석 기반으로 조명 고장을 감지하는 방법에서,
    조명 감지 영역을 설정하는 단계,
    조명 고장 감지 동작 설정 시 상기 조명 감지 영역의 조명 상태를 수신하는 단계,
    입력 영상으로부터 조명 감지 영역의 조명 상태를 추정하는 단계, 그리고
    상기 조명 감지 영역의 추정된 조명 상태와 상기 조명 고장 감지 동작 설정 시 수신된 조명 상태의 비교를 통해 상기 조명 감지 영역의 조명 고장을 판단하는 단계
    를 포함하는 조명 고장 감지 방법.
  2. 제1항에서,
    상기 조명 감지 영역은 단일 조명을 포함하는 단일 조명 영역 및 복수의 조명을 포함하는 그룹 조명 영역을 포함하며,
    상기 추정하는 단계는
    상기 조명 감지 영역의 특징 정보를 계산하는 단계, 그리고
    상기 조명 감지 영역의 특징 정보를 이용하여 조명 상태를 분류하는 단계를 포함하는 조명 고장 감지 방법.
  3. 제2항에서,
    상기 단일 조명 영역의 특징 정보는 명암 및 휘도 정보, 명암 대비 휘도 분포 정보, 색상 정보 중 적어도 하나를 포함하고,
    상기 분류하는 단계는 학습 분류기 또는 설정된 임계값과의 비교를 통해 상기 단일 조명 영역의 조명 상태를 조명 꺼짐 또는 조명 꺼짐으로 분류하는 단계를 포함하는 조명 고장 감지 방법.
  4. 제3항에서,
    상기 추정하는 단계는
    상기 단일 조명 영역의 분류된 조명 상태 정보를 버퍼에 저장하는 단계,
    상기 분류된 조명 상태 정보를 이용하여 시간에 따른 조명 상태 추정 변화 신호를 생성하는 단계,
    상기 조명 상태 추정 변화 신호로부터 설정된 시간 윈도우 내에 조명 켜짐과 조명 꺼짐의 비와 조명 켜짐과 조명 꺼짐의 수를 계산하는 단계,
    상기 조명 켜짐과 조명 꺼짐의 수로부터 상기 단일 조명 영역의 조명 상태가 조명 깜빡임인지 판단하는 단계, 그리고
    상기 조명 켜짐과 조명 꺼짐의 비로부터 상기 단일 조명 영역의 조명 상태가 조명 꺼짐인지 조명 켜짐인지 판단하는 단계를 더 포함하는 조명 고장 감지 방법.
  5. 제4항에서,
    상기 조명 감지 영역의 조명 고장을 판단하는 단계는
    상기 단일 조명 영역의 조명 상태가 상기 조명 깜빡임인 경우, 조명 고장으로 판단하는 단계, 그리고
    상기 단일 조명 영역의 조명 상태가 조명 꺼짐 또는 조명 켜짐이고, 상기 단일 조명 영역의 조명 상태가 상기 조명 고장 감지 동작 설정 시 수신된 조명 상태와 다른 경우에, 조명 고장으로 판단하는 단계를 포함하는 조명 고장 감지 방법.
  6. 제2항에서,
    상기 특징 정보를 계산하는 단계는
    입력 영상으로부터 전경 영상과 배경 영상을 분리하는 단계,
    상기 전경 영상을 이용하여 그룹 조명 변화 후보 영역을 검출하는 단계, 그리고
    상기 그룹 조명 변화 후보 영역의 조명 변화 분류를 위한 특징 정보를 추출하는 단계를 포함하며,
    상기 특징 정보는 상기 그룹 조명 변화 후보 영역에 대한 상기 배경 영상과 상기 입력 영상의 명암 및 휘도 평균값의 차이, 상기 그룹 조명 변화 후보 영역에 대한 배경 영상과 입력 영상 각각의 에지 수, 상기 그룹 조명 변화 후보 영역에서 전경 영역에 대한 명암 및 휘도의 비율, 상기 그룹 조명 변화 후보 영역 내에서 입력 영상과 배경 영상의 윤곽 정보 및 상기 그룹 조명 후보 영역에 대한 배경 대비 전경 비율 중 적어도 하나를 포함하는 조명 고장 감지 방법.
  7. 제6항에서,
    상기 분류하는 단계는 학습 분류기 또는 설정된 임계값과의 비교를 통해 상기 그룹 조명 변화 후보 영역의 조명 상태를 조명 꺼짐, 조명 꺼짐 및 조명 변화 없음 중 하나로 분류하는 단계를 포함하는 조명 고장 감지 방법.
  8. 제7항에서,
    상기 추정하는 단계는
    상기 그룹 조명 변화 후보 영역의 분류된 조명 상태 정보를 버퍼에 저장하는 단계,
    상기 분류된 조명 상태 정보를 이용하여 시간에 따른 조명 상태 추정 변화 신호를 생성하는 단계,
    상기 조명 상태 추정 변화 신호로부터 설정된 시간 윈도우 내에 조명 켜짐의 비율, 조명 꺼짐의 비율 및 조명 변화 없음의 비율을 계산하는 단계, 그리고
    상기 조명 켜짐의 비율, 조명 꺼짐의 비율 및 조명 변화 없음의 비율을 토대로 상기 그룹 조명 변화 후보 영역의 조명 상태를 추정하는 단계를 더 포함하는 조명 고장 감지 방법.
  9. 제1항에서,
    상기 조명 고장으로 판단된 경우, 알람 메시지를 생성하여 연계된 장치로 송출하는 단계
    를 더 포함하는 조명 고장 감지 방법.
  10. 제1항에서,
    상기 조명 고장으로 판단된 경우, 설정된 시간 동안 조명 감지 영역의 영상을 저장하는 단계
    를 더 포함하는 조명 고장 감지 방법.
  11. 영상 분석 기반으로 조명 고장을 감지하는 시스템에서,
    조명 감지 영역을 설정하는 감지 영역 설정부,
    상기 조명 감지 영역이 단일 조명 영역인 경우, 입력 영상을 이용하여 상기 단일 조명 영역에 대한 조명 고장 감지 동작을 수행하는 단일 조명 고장 감지부,
    상기 조명 감지 영역이 그룹 조명 영역인 경우, 입력 영상을 이용하여 상기 그룹 조명 영역에 대한 조명 고장 감지 동작을 수행하는 그룹 조명 고장 감지부, 그리고
    상기 조명 감지 영역의 조명이 고장인 것으로 판단되는 경우에, 알림 메시지를 생성하고 송출하는 알람 생성부
    를 포함하는 조명 고장 감지 시스템.
  12. 제11항에서,
    상기 단일 조명 고장 감지부는 상기 입력 영상으로부터 상기 단일 조명 영역의 특징 정보를 계산하고, 상기 조명 감지 영역의 특징 정보를 이용하여 조명 상태를 분류하며, 분류된 조명 상태와 조명 고장 감지 동작 설정 시 입력된 조명 상태의 비교를 통해 상기 단일 조명 영역의 조명 고장을 판단하는 조명 고장 감지 시스템.
  13. 제12항에서,
    상기 특징 정보는 명암 및 휘도 정보, 명암 대비 휘도 분포 정보, 색상 정보 중 적어도 하나를 포함하는 조명 고장 감지 시스템.
  14. 제12항에서,
    상기 단일 조명 고장 감지부는 학습 분류기 또는 설정된 임계값과의 비교를 통해 상기 단일 조명 영역의 조명 상태를 조명 꺼짐 또는 조명 꺼짐으로 분류하는 조명 고장 감지 시스템.
  15. 제14항에서,
    상기 단일 조명 고장 감지부는 분류된 조명 상태 정보를 이용하여 설정된 시간 윈도우 내에 조명 켜짐과 조명 꺼짐의 비와 조명 켜짐과 조명 꺼짐의 주기를 계산하고, 상기 조명 켜짐과 조명 꺼짐의 주기로부터 상기 단일 조명 영역의 조명 상태가 조명 깜빡임인지 판단하며, 상기 조명 켜짐과 조명 꺼짐의 비로부터 상기 단일 조명 영역의 조명 상태가 조명 꺼짐인지 조명 켜짐인지 판단하는 조명 고장 감지 시스템.
  16. 제11항에서,
    상기 그룹 조명 고장 감지부는 상기 입력 영상으로부터 전경 영상과 배경 영상을 분리하고, 상기 전경 영상을 이용하여 그룹 조명 변화 후보 영역을 검출하며, 상기 그룹 조명 변화 후보 영역의 특징 정보를 추출하여 조명 상태를 분류하며, 분류된 조명 상태를 이용하여 조명 상태를 추정하고, 추정된 조명 상태와 조명 고장 감지 동작 설정 시 입력된 조명 상태의 비교를 통해 상기 그룹 조명 영역의 조명 고장을 판단하는 조명 고장 감지 시스템.
  17. 제16항에서,
    상기 특징 정보는 상기 그룹 조명 변화 후보 영역에 대한 상기 배경 영상과 상기 입력 영상의 명암 및 휘도 평균값의 차이, 상기 그룹 조명 변화 후보 영역에 대한 배경 영상과 입력 영상 각각의 에지 수, 상기 그룹 조명 변화 후보 영역에서 전경 영역에 대한 명암 및 휘도의 비율, 상기 그룹 조명 변화 후보 영역 내에서 입력 영상과 배경 영상의 윤곽 정보 및 상기 그룹 조명 후보 영역에 대한 배경 대비 전경 비율 중 적어도 하나를 포함하는 조명 고장 감지 시스템.
  18. 제16항에서,
    상기 그룹 조명 고장 감지부는 학습 분류기 또는 설정된 임계값과의 비교를 통해 상기 그룹 조명 변화 후보 영역의 조명 상태를 조명 꺼짐, 조명 꺼짐 및 조명 변화 없음 중 하나로 분류하는 조명 고장 감지 시스템.
  19. 제18항에서,
    상기 그룹 조명 고장 감지부는 상기 그룹 조명 변화 후보 영역의 분류된 조명 상태 정보를 이용하여 설정된 시간 윈도우 내 조명 켜짐의 비율, 조명 꺼짐의 비율 및 조명 변화 없음의 비율을 계산하고, 상기 조명 켜짐의 비율, 조명 꺼짐의 비율 및 조명 변화 없음의 비율을 토대로 상기 그룹 조명 변화 후보 영역의 조명 상태를 추정하는 조명 고장 감지 시스템.
  20. 제11항에서,
    상기 알람 생성부는 상기 조명 감지 영역의 조명이 고장인 것으로 판단되는 경우에, 상기 조명 감지 영역의 영상을 저장하는 조명 고장 감지 시스템.
KR1020160144751A 2016-11-01 2016-11-01 영상 분석 기반 조명 고장 감지 시스템 및 방법 KR101968521B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160144751A KR101968521B1 (ko) 2016-11-01 2016-11-01 영상 분석 기반 조명 고장 감지 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160144751A KR101968521B1 (ko) 2016-11-01 2016-11-01 영상 분석 기반 조명 고장 감지 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20180047906A true KR20180047906A (ko) 2018-05-10
KR101968521B1 KR101968521B1 (ko) 2019-04-12

Family

ID=62184311

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160144751A KR101968521B1 (ko) 2016-11-01 2016-11-01 영상 분석 기반 조명 고장 감지 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101968521B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220158453A (ko) * 2021-05-24 2022-12-01 이명숙 데크로드 보행자 조명 유도 시스템 및 그 제어방법
WO2024034388A1 (ja) * 2022-08-08 2024-02-15 ソニーグループ株式会社 画像処理装置、画像処理方法、およびプログラム
EP4340546A1 (fr) * 2022-09-19 2024-03-20 ALSTOM Holdings Procédé de détection d'un dysfonctionnement d'un luminaire, dispositif de détection électronique et produit programme d'ordinateur associés

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101169631B1 (ko) * 2012-04-12 2012-07-31 브이씨에이 테크놀러지 엘티디 검출 인터페이스를 구비한 영상분석 카메라, 영상분석 시스템 및 그 검출 조정 방법
KR20130130497A (ko) * 2012-05-22 2013-12-02 삼성중공업 주식회사 헬리데크 조명 고장 진단 장치 및 그 방법
KR20140047876A (ko) * 2012-10-15 2014-04-23 정승문 조명 제어 시스템 및 조명 제어 방법
JP5562473B1 (ja) * 2013-05-31 2014-07-30 株式会社ジェイ・パワーシステムズ 航空障害灯の故障検出システム及び故障検出方法
KR20160012357A (ko) * 2014-07-23 2016-02-03 서울특별시 조명장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101169631B1 (ko) * 2012-04-12 2012-07-31 브이씨에이 테크놀러지 엘티디 검출 인터페이스를 구비한 영상분석 카메라, 영상분석 시스템 및 그 검출 조정 방법
KR20130130497A (ko) * 2012-05-22 2013-12-02 삼성중공업 주식회사 헬리데크 조명 고장 진단 장치 및 그 방법
KR20140047876A (ko) * 2012-10-15 2014-04-23 정승문 조명 제어 시스템 및 조명 제어 방법
JP5562473B1 (ja) * 2013-05-31 2014-07-30 株式会社ジェイ・パワーシステムズ 航空障害灯の故障検出システム及び故障検出方法
KR20160012357A (ko) * 2014-07-23 2016-02-03 서울특별시 조명장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220158453A (ko) * 2021-05-24 2022-12-01 이명숙 데크로드 보행자 조명 유도 시스템 및 그 제어방법
WO2024034388A1 (ja) * 2022-08-08 2024-02-15 ソニーグループ株式会社 画像処理装置、画像処理方法、およびプログラム
EP4340546A1 (fr) * 2022-09-19 2024-03-20 ALSTOM Holdings Procédé de détection d'un dysfonctionnement d'un luminaire, dispositif de détection électronique et produit programme d'ordinateur associés

Also Published As

Publication number Publication date
KR101968521B1 (ko) 2019-04-12

Similar Documents

Publication Publication Date Title
KR101708547B1 (ko) 사상(事象) 검출 장치 및 사상 검출 방법
JP7272533B2 (ja) 知覚システムを評価するシステム及び方法
JP5121258B2 (ja) 不審行動検知システム及び方法
US8565484B2 (en) Forest fire smoke detection method using random forest classification
KR101968521B1 (ko) 영상 분석 기반 조명 고장 감지 시스템 및 방법
US20100208986A1 (en) Adaptive update of background pixel thresholds using sudden illumination change detection
CN109948455B (zh) 一种遗留物体检测方法及装置
CN111931726B (zh) 交通灯检测的方法、装置、计算机存储介质和路侧设备
CN111783665A (zh) 一种动作识别方法、装置、存储介质和电子设备
JP2001211466A (ja) 自己診断機能を有する画像処理システム
JP6214426B2 (ja) 物体検出装置
JP7125843B2 (ja) 障害検知システム
KR101620989B1 (ko) 야간 영상을 포함하는 동영상으로부터 화재를 자동적으로 감지하는 방법 및 이를 수행하는 시스템
JP2012128877A (ja) 不審行動検知システム及び方法
CN111079621A (zh) 检测对象的方法、装置、电子设备和存储介质
CN112180285A (zh) 识别交通信号灯故障的方法、装置、导航系统和路侧设备
JP5780979B2 (ja) 車両状態検出装置、車両挙動検出装置及び車両状態検出方法
US9443150B2 (en) Device and method for detecting objects from a video signal
KR101689863B1 (ko) 부분 영역 기반의 화염 탐지 장치 및 방법
JP3961344B2 (ja) 画像処理システム、画像処理方法、画像処理プログラム
CN110956792B (zh) 用于转换警报的方法
JP3294468B2 (ja) 映像監視装置における物体検出方法
JP5710230B2 (ja) 監視システムおよび監視方法
JP2020194227A (ja) 顔遮蔽判定装置、顔遮蔽判定方法、顔遮蔽判定プログラム及び乗員監視システム
JP2023541205A (ja) 道路交通における対象物を検出及び分類する方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E90F Notification of reason for final refusal
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant