KR20180081645A - 지하철 스크린도어에서 안전 이상을 실시간으로 검출하기 위한 임베디드 비전시스템 및 그 방법 - Google Patents
지하철 스크린도어에서 안전 이상을 실시간으로 검출하기 위한 임베디드 비전시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20180081645A KR20180081645A KR1020170002410A KR20170002410A KR20180081645A KR 20180081645 A KR20180081645 A KR 20180081645A KR 1020170002410 A KR1020170002410 A KR 1020170002410A KR 20170002410 A KR20170002410 A KR 20170002410A KR 20180081645 A KR20180081645 A KR 20180081645A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- image
- image information
- vision system
- screen door
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
본 발명은 감지 영역의 영상 깊이 정보를 포함하는 영상 정보를 획득하는 영상 정보 획득 장치 및 영상 정보를 수신하여, 영상 정보를 이용하여 감지 영역의 객체를 분리 및 추출하고, 감지 영역에 존재하는 하나 이상의 객체의 움직임 정보, 위치 정보, 형태 정보 중 적어도 하나의 정보를 이용하여 위험 상황 발생 여부를 판단하는 영상 분석 장치를 포함하는 임베디드 비전 시스템을 제안한다.
Description
본 발명은 영상 정보를 이용하여 지하철 스크린도어 또는 지하철 승강장 내의 위험 상황을 자동으로 검출하는 기술에 관한 것이다.
본 발명은 감지 영역의 영상 깊이 정보를 포함하는 영상 정보를 획득하는 영상 정보 획득 장치 및 영상 정보를 수신하여, 영상 정보를 이용하여 감지 영역의 객체를 분리 및 추출하고, 감지 영역에 존재하는 하나 이상의 객체의 움직임 정보, 위치 정보, 형태 정보 중 적어도 하나의 정보를 이용하여 위험 상황 발생 여부를 판단하는 영상 분석 장치를 포함하는 임베디드 비전 시스템을 제안한다.
도 1은 일 실시예에 따른 임베디드 비전 시스템의 구성을 개념적으로 도시한 도면이다.
도 2는 일 실시예에 따른 실시간 상태 감지 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 실시간 상태 검출 동작을 위한 학습 과정을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 영상 분석 장치의 구성을 예시적으로 도시한 도면이다.
도 2는 일 실시예에 따른 실시간 상태 감지 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 실시간 상태 검출 동작을 위한 학습 과정을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 영상 분석 장치의 구성을 예시적으로 도시한 도면이다.
이하, 본 발명의 일부 실시예들을 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 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 명세서에서의 임베디드 비전 시스템은 영상 정보를 이용하여 상황을 분석 및 분류하는 시스템을 의미하는 예시적인 용어로 그 용어에 한정은 없다. 즉, 본 명세서에서는 3차원 카메라 등을 이용한 영상 정보와 센싱 정보를 이용하여 특정 영역의 상황을 자동적으로 분류 및 분석하는 시스템을 임베디드 비전 시스템으로 기재하여 설명하나, 해당 용어에 한정되는 것은 아니다.
본 발명은 지하철 스크린도어에서 발생할 수 있는 비정상적 동작 및 안전사고를 실시간으로 자동 검출하고 통지하는 깊이(3차원 정보)와 비디오 영상 기반의 독립 임베디드 비전 시스템에 관한 것이다. 본 시스템은 스크린도어 영역, 개방 통로, 물건 또는 사람들을 보다 강건하게 분리 및 인식하기 위해 다양한 센서들과 융합된 영상(Video) 깊이(Depth: 3차원 정보)카메라 장치를 기반으로 고속 고정밀도 영상처리와 신호처리가 가능한 임베디드 시스템에 관한 것이다.
근래에 안전과 관련된 관심이 높아지고, 다양한 종류의 사고가 증가되고 있다. 특히, 지하철과 같이 지하에 위치하는 승강장의 경우 위험 요소가 상대적으로 많고, 이러한 위험 요소를 예방하기 위해서 스크린 도어 설치 등의 노력이 이어지고 있다.
예를 들어, 재난 방지를 위한 영상감시 솔루션에 대한 인식이 확대되고 있다.
- 공공시설, 특지 지하철 스크린 도어에서 발생하는 사고의 빈도가 잦아짐에 따라, 우리 사회의 안전 불감증에 대한 인식 고찰이 대두되고, 이에 따라 이를 미연에 방지 혹은 조기에 발생 및 조치할 수 있는 기술에 대한 필요성이 높아지고 있다.
- 지하철 영상감시 솔루션의 경우 스크린도어 영역, 스크린도어 개방 통로, 물건 또는 사람들을 보다 강건하게 분리/인식하는 기술의 개발이 필수적으로 요구되고 있다.
- 영상감시 통합 솔루션 시스템은 DVR/NVR, IP-Camera, CCTV, 관제서버로 구성되는데 DVR/NVR 및 CCTV, IP-Camera의 비중이 가장 높게 나타나고 있다.
한편, 이러한 상황에서 국내외 영상장비를 이용한 영상 감시 통합 솔루션에 대한 시장이 형성되고 있다.
- 영상보안 시장에도 빅데이터, 클라우드, 사물인터넷(IoT) 등으로 인해 인프라 증설에 대한 부담감 및 보안의 중요성이 증가하며, 감시목적만이 아닌 통합 솔루션의 수요 증대가 확산될 것으로 전망된다.
- 폐쇄회로(CC)TV와 관련하여 영상 행동 분석(Visual Behavior Analytics) 기술 개발 노력이 진행되고 있고, 영상 행동 분석은 CCTV 속 대상의 미세한 표정이나 행동을 정밀하게 관찰하고 분석해 어떤 행동이 나타날 것인지 예측하는 기술을 의미한다.
- 영상감시 통합 솔루션 품목의 세계시장 규모는 2015년 209.32억 달러 규모로 추산되며, 2018년까지 연 평균 18.21% 성장하여 34,577억 달러의 시장을 형성할 것으로 전망된다.
- 국내시장 규모는 2015년 3,335억 원 규모로 추산되며, 2018년까지 연평균 7% 성장하여 4,067억 원의 시장 형성이 전망된다.
이러한 상황에서 본 발명은 3차원 카메라를 이용하여 수집된 데이터를 분석 및 분리하여 특정 영역의 위험성을 자동으로 검출하는 시스템을 제안하고자 한다.
예를 들어, 본 발명은 스크린 도어의 개폐 이상, 스크린 도어와 감지 객체의 상호 관계 분석에 따른 이상 검출 및 감지된 객체의 행동 분석을 통한 객체 이상을 감지할 수 있다.
또한, 본 발명은 다양한 분야에 사용될 수 있다. 예를 들어, “역주행“, “뛰거나 걷는 행동”, “핸드레일 밖으로 몸을 내미는 행동“, “넘어지거나 주저앉는 행동“, “일정하게 서서 이동하지 않는 무질서한 행동＂ 등 위험 상황을 발생시킬 수 있거나 위험 상황에 놓인 상태를 신속 정확하게 검출하여 보고하는 에스컬레이터 안전사고 감지 시스템 개발 등에 활용이 가능하다.
이와 같이, 본 발명은 다양한 환경에 적용될 수 있다. 이는 3차원 영상 정보를 이용하여 객체를 분리하여 인식하고, 이를 토대로 특정 상황을 자동으로 인식하는 기술로 이러한 기술은 영상 정보를 획득하여 상황을 분류하는 지능형 영상 보안 분야 등 모든 기술 분야에 적용될 수 있다.
다만, 종래의 CCTV 기반의 지능형 영상 분석 시스템은 단순 영상 모니터링을 수행하거나 보행자 얼굴 분석 등을 통해 나이/성별을 구분하고 이를 이용하여 DID 기반의 고객 이동 분석 등을 수행하였다. 따라서, 본 발명과 같이 영상 분석을 통해서 상황을 분류 및 인식하는 기술에 대한 연구는 진행되지 않고 있었다.
구체적으로, CCTV 영상 정보를 이용한 스크린 도어 안전 이상 검출 시스템은 실제 적용된 사례가 없으며 또한 기존 CCTV 비디오 영상만을 이용한 지능형 보안 시스템에서는 복잡한 환경에 대한 3차원 정보를 추출하기 어렵기 때문에 실시간으로 다양한 객체의 위치, 객체 겹침, 행동 패턴 등을 상세히 분석하기 어렵다. 또한, 기존 CCTV 기반 지능형 영상 분석 시스템은 고가의 서버 시스템들을 필요로 하기 때문에 구축하는 비용 대비 효과가 낮다.
이러한 문제점을 해결하기 위해서 안출된 본 발명은 기존 CCTV 의 영상 정보만으로는 3차원 정보를 고속으로 추출하기 어렵기 때문에 깊이(Depth:3차원 정보)를 추출해주는 Video & Depth 카메라를 이용하여 임베디스 시스템에서 영상 정보와 3차원 깊이 정보를 바로 처리하는 비전 시스템 기술을 제공하고자 한다.
도 1은 일 실시예에 따른 임베디드 비전 시스템의 구성을 개념적으로 도시한 도면이다.
예를 들어, 멀티코어 기반의 임베디드 시스템을 기반으로하는 깊이(3차원 정보) 와 비디오 영상을 처리하는 임베디드 비전 시스템은 도 1과 같이 구성될 수 있다. 독립된 임베디스 비전 시스템을 구축하기 때문에 기존 CCTV 기반의 지능형 영상 분석 시스템에서 반드시 필요로 하는 고가의 영상 처리 서버를 필요로 하지 않기 때문에 전체 시스템 구축 비용과 유지 보수 비용을 절감할 수 있다.
또한, 영상 정보와 3차원 깊이 정보를 실시간으로 처리하기 위한 멀티코어 임베디드 시스템을 각 카메라 별로 설치한다. 멀티코어 임베디드 시스템에서는 실시간 처리가 가능한 작은 deep learning network을 구축하여 스크린도어 영역, 스크린도어 개방 통로, 물건 또는 사람들을 보다 강건하게 분리/인식한다.
예를 들어, 깊이 정보를 획득할 수 있는 영상 정보 획득 센서를 이용하여 미리 설정된 영역의 객체들에 대한 정보를 획득할 수 있다. 영상 분석 장치는 획득된 영상 정보에서 배경과 객체를 분류하고, 깊이 정보를 이용하여 객체의 종류를 구분하여 인식 및 분류할 수 있다.
또한, 상황 감지 알고리즘과 머신 러닝 알고리즘을 이용하여 영상 정보의 위험 상황을 판단하고, 이에 따른 경고 동작을 제어할 수 있다. 또한, 위험 상황을 미리 설정된 단계로 나누어 단계별 제어 동작을 수행할 수도 있다.
이를 통해서, 영상과 깊이 (3차원 깊이 정보) 정보를 효과적으로 사용하여 스크린도어 영역, 스크린도어 개방 통로, 물건 또는 사람들을 보다 강건하게 분리?인식할 수 있다. 따라서 지하철 스크린도어에서 발생할 수 있는 비정상적 동작 및 안전사고를 실시간으로 자동 검출하고 통지할 수 있는 보급형 임베디드 비전 시스템 개발이 가능하다.
사고 직전에 발생하는 여러 사전 징후(스크린도어의 비정상적 동작, 물건 또는 사람의 문 끼임, 강제로 문을 여는 것과 같은 비정상적인 상황)들을 실시간으로 감지하고, 이에 적합한 조치나 행동들을 취할 수 있도록 해주는 통지 및 관리 시스템 개발이 가능하다.
독립된 임베디스 비전 시스템으로 구축하기 때문에 기존 CCTV 기반의 지능형 영상 분석 시스템에서 비해 전체 시스템 구축 비용과 유지 보수 비용을 절감하게 된다.
도 2는 일 실시예에 따른 실시간 상태 감지 동작을 설명하기 위한 도면이다.
지하철 스크린도어에서의 발생할 수 있는 비정상적 동작과 안전사고의 종류를 3단계 레벨 Minor(Yellow), Major(Orange), Critical(Red)로 분류하고, 각각의 상태를 정확하게 판단할 수 있는 State Machine을 포함한다. 분류된 레벨의 종류와 각각에 해당하는 이상 징후 및 안전사고 내용은 추가 보완이 가능하다.
스크린도어의 동작 상태는 ⓐ 닫혀있음 ⓑ 열려있음 ⓒ 열리고 있음 ⓓ 닫히고 있음 ⓔ 검출(인식)이 안됨으로 구분된다. State Machine은 각각의 동작 상태 유지 시간 (Running time)과 다양하게 분석된 영상처리 결과들을 고려하여 정상적인 상태인지 비정상적인 상태인지를 실시간으로 판단할 수 있도록 한다.
도 3은 일 실시예에 따른 실시간 상태 검출 동작을 위한 학습 과정을 설명하기 위한 도면이다.
openMP, openCL, openCV, Intel IPP 등 GPU, CPU 기반 멀티코어 컴퓨팅 지원 라이브러리를 기반으로 이상동작 및 안전사고를 실시간 자동 검출하기 위한 Small Deep Learning Network 기반의 비전 시스템을 구축한다. Small Deep Learning Network 은 ImageNet의 Big data 로 학습된 1~4 번째 layer 의 weight들을 small deep learning network 로 transfer (교체) 하고 back-propagation을 수행하여 find tuning 함으로서 network 구축과 학습을 수행한다.
이상에서 설명한 본 발명의 시스템은 영상 정보를 이용하여 자동으로 여러 위험 상황을 빠르게 분류하여 인식함으로써, 위험 상황 감지 속도를 크게 향상시킬 수 있다. 또한, 위험 상황을 빠르게 자동으로 감지함으로써, 안전사고 발생을 예방할 수 있다.
이하에서는 본 발명의 시스템에 포함될 수 있는 영상 분석 장치의 구성에 대해서 도면을 참조하여 간략하게 설명한다.
도 4는 일 실시예에 따른 영상 분석 장치의 구성을 예시적으로 도시한 도면이다.
도 4를 참조하면, 영상 분석 장치(600)는 영상 정보를 획득하는 카메라 센서로부터 영상 정보를 수신하는 수신부(630)와 영상 정보를 이용하여 객체와 영역을 분리 인식하고, 인식된 결과를 이용하여 특정 위험 상황의 발생 여부를 판단하는 제어부(610) 및 위험 상황의 발생 여부 판단 결과를 모니터링 시스템으로 전달하는 송신부(620)를 포함할 수 있다.
또한, 수신부(630)는 카메라 센서 뿐만 아니라 감지 영역을 감지하는 다양한 센서로부터 센싱 정보를 획득할 수 있다. 또한, 영상 분석 장치(600)를 제어하기 위한 제어 신호를 수신할 수 있다.
또한, 송신부(620)는 영상 녹화 장치 또는 모니터링 시스템과 센서 장치로 제어 신호 및 영상 신호 또는 분석 신호를 전송할 수 있다.
제어부(610)는 전술한 본 발명을 수행하는 데에 필요한 영상 정보의 깊이 정보를 통해서 배경 영역과 객체를 구분하여 인식하고, 인식된 배경 영역과 객체 정보를 분석하여 위험 상황의 발생 여부를 판단하는 영상 분석 장치(600)의 전반적인 동작을 제어한다.
이 외에도 송신부(620)와 수신부(630)는 전술한 본 발명을 수행하는 데에 필요한 신호를 다른 시스템 구성 장치 또는 네트워크를 통한 외부 장치와 송수신할 수 있다.
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 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술사상의 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.
Claims (1)
- 감지 영역의 영상 깊이 정보를 포함하는 영상 정보를 획득하는 영상 정보 획득 장치; 및
상기 영상 정보를 수신하여, 영상 정보를 이용하여 상기 감지 영역의 객체를 분리 및 추출하고, 상기 감지 영역에 존재하는 하나 이상의 객체의 움직임 정보, 위치 정보, 형태 정보 중 적어도 하나의 정보를 이용하여 위험 상황 발생 여부를 판단하는 영상 분석 장치를 포함하는 임베디드 비전 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170002410A KR20180081645A (ko) | 2017-01-06 | 2017-01-06 | 지하철 스크린도어에서 안전 이상을 실시간으로 검출하기 위한 임베디드 비전시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170002410A KR20180081645A (ko) | 2017-01-06 | 2017-01-06 | 지하철 스크린도어에서 안전 이상을 실시간으로 검출하기 위한 임베디드 비전시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180081645A true KR20180081645A (ko) | 2018-07-17 |
Family
ID=63048763
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170002410A KR20180081645A (ko) | 2017-01-06 | 2017-01-06 | 지하철 스크린도어에서 안전 이상을 실시간으로 검출하기 위한 임베디드 비전시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180081645A (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101944070B1 (ko) | 2018-10-10 | 2019-01-30 | (주)모두그룹종합건축사사무소 | 빅데이터를 활용한 승강장안전문 관리시스템 및 방법 |
| CN109410496A (zh) * | 2018-10-25 | 2019-03-01 | 北京交通大学 | 入侵预警方法、装置及电子设备 |
| CN109816909A (zh) * | 2019-02-26 | 2019-05-28 | 北京疯马科技有限公司 | 一种基于视频识别地铁屏蔽门安全防护预警系统 |
| KR102302767B1 (ko) * | 2021-02-17 | 2021-09-14 | (주)태성에스엔씨 | 영상 딥러닝 판독에 따른 열차 출입문 감지 시스템 |
-
2017
- 2017-01-06 KR KR1020170002410A patent/KR20180081645A/ko unknown
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101944070B1 (ko) | 2018-10-10 | 2019-01-30 | (주)모두그룹종합건축사사무소 | 빅데이터를 활용한 승강장안전문 관리시스템 및 방법 |
| CN109410496A (zh) * | 2018-10-25 | 2019-03-01 | 北京交通大学 | 入侵预警方法、装置及电子设备 |
| CN109816909A (zh) * | 2019-02-26 | 2019-05-28 | 北京疯马科技有限公司 | 一种基于视频识别地铁屏蔽门安全防护预警系统 |
| KR102302767B1 (ko) * | 2021-02-17 | 2021-09-14 | (주)태성에스엔씨 | 영상 딥러닝 판독에 따른 열차 출입문 감지 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112132045B (zh) | 一种基于计算机视觉的小区人员异常行为监控方案 | |
| KR101748121B1 (ko) | 객체 인지 기반의 실시간 영상 검지 시스템 및 그 방법 | |
| CN107133564B (zh) | 一种工装工帽检测方法 | |
| Lim et al. | iSurveillance: Intelligent framework for multiple events detection in surveillance videos | |
| KR20180081645A (ko) | 지하철 스크린도어에서 안전 이상을 실시간으로 검출하기 위한 임베디드 비전시스템 및 그 방법 | |
| US10183843B2 (en) | Monitoring of step rollers and maintenance mechanics of passenger conveyors | |
| US10221046B2 (en) | System of monitoring handrail for a passenger conveyer device, a passenger conveyer device and monitoring method thereof | |
| KR101541272B1 (ko) | 사람들의 움직임 불규칙성을 이용한 폭력 행위 검출 장치 및 방법 | |
| CN111226178A (zh) | 监视设备、工业系统、用于监视的方法及计算机程序 | |
| EP2300949A1 (en) | Video-based system and method of elevator door detection | |
| KR20060031832A (ko) | 실시간 행위분석 및 상황인지 기반 스마트 영상 보안시스템 | |
| CN109867186B (zh) | 一种基于智能视频分析技术的电梯困人检测方法及系统 | |
| KR20190046351A (ko) | 침입 탐지방법 및 그 장치 | |
| CN109800715B (zh) | 一种基于物联网的出入园区监控方法及系统 | |
| KR102015959B1 (ko) | 사물 인터넷 카메라를 이용하는 딥러닝 기반의 지능형 방범 시스템 및 그의 처리 방법 | |
| EP2546807B1 (en) | Traffic monitoring device | |
| CN112757300A (zh) | 机器人的防护系统及方法 | |
| KR20160074208A (ko) | 비콘신호를 이용한 안전 서비스 제공 시스템 및 방법 | |
| CN111523386B (zh) | 一种基于机器视觉的高速铁路站台门监测防护方法及系统 | |
| KR102113489B1 (ko) | 카메라 입력 영상을 딥러닝 활용한 행동 감지 시스템 및 방법 | |
| CN110597165B (zh) | 一种堆钢监测系统及堆钢监测方法 | |
| CN103152558A (zh) | 基于场景识别的入侵检测方法 | |
| KR20160057503A (ko) | 다중시차 행위인식 기반의 폭력 검출시스템 및 검출방법 | |
| CN112541656A (zh) | 一种具有风险隐患预测能力的智能安防集成平台 | |
| KR102335156B1 (ko) | 지능형 안전사고 예방 시스템 및 그 방법 |