KR20190035186A - 딥 러닝 기법을 활용한 지능형 무인 보안 시스템 - Google Patents

딥 러닝 기법을 활용한 지능형 무인 보안 시스템 Download PDF

Info

Publication number
KR20190035186A
KR20190035186A KR1020170124130A KR20170124130A KR20190035186A KR 20190035186 A KR20190035186 A KR 20190035186A KR 1020170124130 A KR1020170124130 A KR 1020170124130A KR 20170124130 A KR20170124130 A KR 20170124130A KR 20190035186 A KR20190035186 A KR 20190035186A
Authority
KR
South Korea
Prior art keywords
image
deep learning
detection
security system
unit
Prior art date
Application number
KR1020170124130A
Other languages
English (en)
Inventor
이경석
Original Assignee
주식회사 바이캅
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 바이캅 filed Critical 주식회사 바이캅
Priority to KR1020170124130A priority Critical patent/KR20190035186A/ko
Publication of KR20190035186A publication Critical patent/KR20190035186A/ko

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G06K9/20—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
    • G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Abstract

본 발명은 딥 러닝 기법을 활용한 지능형 무인 보안 시스템에 관한 것으로, 더욱 상세하게는 보안 구역에 위치하여 물체의 영상, 소리, 움직임, 열, 가스, 진동, 충격 등을 감지하는 물리 감지부와 보안 구역의 이벤트 영상을 획득하는 영상분석의 정보융합을 이용하여 딥 러닝 기법을 통해 보안 문제가 발생되는 지를 사전에 판단하여 오보 발생을 최소화할 수 있을 뿐만 아니라, 신속한 사후 대처가 가능한 딥 러닝 기법을 활용한 지능형 무인 보안 시스템에 관한 것이다.

Description

딥 러닝 기법을 활용한 지능형 무인 보안 시스템{Intelligent unmanned security system using deep learning technique}
본 발명은 딥 러닝 기법을 활용한 지능형 무인 보안 시스템에 관한 것으로, 더욱 상세하게는 보안 구역에 위치하여 물체의 영상, 소리, 움직임, 열, 가스, 진동, 충격 등을 감지하는 물리 감지부와 보안 구역의 이벤트 영상을 획득하는 영상분석의 정보융합을 이용하여 딥 러닝 기법을 통해 보안 문제가 발생되는 지를 사전에 판단하여 오보 발생을 최소화할 수 있을 뿐만 아니라, 신속한 사후 대처가 가능한 딥 러닝 기법을 활용한 지능형 무인 보안 시스템에 관한 것이다.
카메라에서 촬영된 영상을 이용하여 보안 서비스를 제공하는 카메라 보안 시스템(video surveillance system)은 아날로그 방식에서 출발하여 점차 디지털화되었다. 이전 아날로그 방식에서는 아날로그 카메라를 동축 케이블로 VCR(Video Cassette Recorder)에 연결하여 촬영된 영상을 단순히 저장하고 감시하는 기능만을 제공하였다.
현재, 디지털화된 카메라 보안 시스템에서는 시스템의 각 구성 요소가 디지털화되었으며, 카메라 보안 시스템에서 더욱 많은 기능과 동작을 사용자에게 효율적으로 제공할 수 있게 되었다. 예를 들어, 카메라 보안 시스템에서 카메라, 저장 장치, 저장 데이터 형식 등이 디지털화되었다.
또한, 카메라 보안 시스템에 네트워크 기술이 결합하여 사용자는 카메라 보안 시스템의 각 구성요소를 네트워크 연결한 카메라 보안 시스템 네트워크를 구성할 수 있다.
최근에는 무인 보안 시스템으로서, 보안 구역에서 영상이나 물체의 움직임, 열, 연기 등을 센서로 감지하여 그 이상 신호나 영상을 자동으로 원격의 관제 센터로 전송하여 이상 발생시 출동요원이 출동하도록 하는 기술이 제안되고 있으나, 이상 신호의 정밀성이 떨어져 실제로는 사고 발생이 아닌 오보인 경우가 많아, 오보 출동으로 인한 인적, 물적, 시간적인 손실이 막대해지는 문제점이 있었다.
따라서, 본 발명은 상기와 같은 문제점을 감안하여 안출된 것으로, 본 발명의 목적은 보안 구역에서 영상, 소리, 움직임, 열, 연기, 진동, 충격 등을 물리감지기로 감지하고 이상 발생시 출동요원이 출동하거나 관련기관에 통보하는 무인 보안 시스템에 있어, 물리 감지기와 보안 구역의 이벤트 영상을 획득하는 영상분석의 정보융합을 이용하여 딥 러닝 기법을 통해 보안 문제가 발생되는 지를 사전에 판단하여 오보 발생을 최소화할 수 있을 뿐만 아니라, 신속한 사후 대처가 가능한 딥 러닝 기법을 활용한 지능형 무인 보안 시스템을 제공하는 것이다.
본 발명의 다른 목적은, 분산 구조의 지능형 IP 카메라와 영상 녹화 저장장치인 NVR(Network Video Recorder) 솔루션을 제공하여 가격 경쟁력을 제고할 수 있는 딥 러닝 기법을 활용한 지능형 무인 보안 시스템을 제공하는 것이다.
본 발명의 또 다른 목적은, 지능형 고해상도 네트워크 카메라(HW+SW), 지능형 고해상도 임베디드 NVR(HW+SW), 실시간 객체 및 상황감지 모듈(SW), 이벤트 알람을 위한 이벤트영상서버 및 모바일 앱(SW)을 통해 센서와 영상분석의 융합의 경우, 감지기와 영상분석의 감지 영역을 보완하여 오보율을 줄일 수 있고, 보급형 영상분석의 경우, 최적화된 품질과 가격 경쟁력을 확보한 보급형 무인 보안 솔루션에 활용 가능하며, 이벤트 알람의 경우, 침입 발생시 침입 인지 및 해당 시점 이미지와 영상 검색에 활용 가능한 최첨단의 딥 러닝 기법을 활용한 지능형 무인 보안 시스템을 제공하는 것이다.
상기 목적들을 달성하기 위한 본 발명에 의한 딥 러닝 기법을 활용한 지능형 무인 보안 시스템은, 지능형 무인 보안 시스템으로서, 보안 구역에 위치하여 물체의 영상, 소리, 움직임, 열, 가스, 진동, 충격을 감지하는 물리 감지부; 상기 물리 감지부와 연동하며, 상기 보안 구역의 이벤트 영상을 획득하는 적어도 하나의 영상 획득부; 상기 물리 감지부의 감지에 따라 상기 영상 획득부로부터 획득된 영상신호를 통신망을 통해 전송하는 영상신호 전송부; 및 상기 영상신호 전송부로부터 획득된 영상 정보를 수신하여 받아서 딥 러닝 기법을 이용하여 보안 문제가 발생되는 지를 판단하는 딥 러닝 분석부를 포함하여 이루어지는 것을 특징으로 한다.
여기서, 상기 물리 감지부는 물체의 영상, 소리, 움직임, 열, 가스, 진동, 충격을 감지하여 이상이 발생된 경우에는 경고(alarm)를 통해 상기 영상신호 전송부로 통지함이 바람직하다.
또한, 상기 영상 획득부는 상기 물리 감지부와의 영상 분석의 정보 융합을 위한 지능형 고해상도의 네트워크 카메라로 구비됨이 바람직하다.
또한, 상기 딥 러닝 분석부는, 획득된 보안 구역의 영상을 분석하여 딥 러닝 분석에 의해 해당 보안 구역에 이상 발생하는 지를 인지, 추론 및 판단하여 실제 이벤트 발생시에만 관제 센터나 원격지 고객에 통지함이 바람직하다.
또한, 상기 딥 러닝 분석부는 영상 정보 분석을 통해 침입 감지, 객체 분류, 이동 방향 감지, 임의조작 감지, 속도 필터, 뒤따름 감지, 출입/출현 감지, 방치된 물체 감지, 객체 카운팅, 배회 감지, 사라진 물체 감지, 연기 및 화재 감지, 정지 감지, 자동 PTZ 트레킹, 및 수위 감지의 정보를 인지, 추론 및 판단함이 바람직하다.
또한, 상기 딥 러닝 분석부는 딥 러닝과 영상 보안을 융합하는 것으로, 객체 검출/인식, 연계 추적, 사람 검출, 얼굴 검출, 얼굴인식, 얼굴 인증, 영상 개선, 영상 캡션에 적용되어 정보를 추출함이 바람직하다.
상술한 바와 같이, 본 발명에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템에 의하면, 보안 구역에서 영상, 소리, 움직임, 열, 연기, 진동, 충격 등을 물리감지기로 감지하고 이상 발생시 출동요원이 출동하거나 관련기관에 통보하는 무인 보안 시스템에 있어, 물리 감지부와 보안 구역의 이벤트 영상을 획득하는 영상분석의 정보융합을 이용하여 딥 러닝 기법을 통해 보안 문제가 발생되는 지를 사전에 판단하여 오보 발생을 최소화할 수 있을 뿐만 아니라, 신속한 사후 대처가 가능한 효과가 있다.
또한, 분산 구조의 지능형 IP 카메라와 영상 녹화 저장장치인 NVR(Network Video Recorder) 솔류션을 제공하여 가격 경쟁력을 높일 수 있는 장점도 있다.
또한, 지능형 고해상도 네트워크 카메라(HW+SW), 지능형 고해상도 임베디드 NVR(HW+SW), 실시간 객체 및 상황감지 모듈(SW), 이벤트 알람을 위한 이벤트영상서버 및 모바일 앱(SW)을 통해 센서와 영상분석의 융합의 경우, 감지기와 영상분석의 감지 영역을 보완하여 오보율을 줄일 수 있고, 보급형 영상 분석의 경우, 최적화된 품질과 가격 경쟁력을 확보한 보급형 무인 보안 솔루션에 활용 가능하며, 이벤트 알람의 경우, 침입 발생시 침입 인지 및 해당 시점 이미지와 영상 검색에 활용 가능한 장점도 있다.
도 1a 및 도 1b는 본 발명의 일실시예에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템의 개략 구성도이다.
도 2는 본 발명의 딥 러닝 분석부를 통한 딥 러닝 기반의 영상 분석의 예를 나타내는 도면이다.
도 3은 본 발명의 일실시예에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템의 동작 구성도이다.
도 4는 본 발명의 일실시예에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템을 구현하기 위한 알고리즘을 나타내는 예시도이다.
도 5는 본 발명의 일실시예에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템의 영상 획득부의 구성 예시도이다.
도 6은 본 발명의 일실시예에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템의 지능형의 영상신호 전송부 및 딥 러닝 분석부의 구성 예시도이다.
본 발명은 그 기술적 사상 또는 주요한 특징으로부터 벗어남이 없이 다른 여러가지 형태로 실시될 수 있다. 따라서, 본 발명의 실시예들은 모든 점에서 단순한 예시에 지나지 않으며 한정적으로 해석되어서는 안된다.
제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다.
상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함하다" 또는 "구비하다", "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 가장 바람직한 실시예를 첨부된 도면을 참조로 하여 상세히 설명하기로 한다.
도 1a 및 도 1b는 본 발명의 일실시예에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템의 개략 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템은 딥 러닝 기법을 활용한 지능형 무인 보안 시스템으로서, 보안 구역에 위치하여 물체의 영상, 소리, 움직임, 열, 가스, 진동, 충격 등을 감지하는 물리 감지부(10); 상기 물리 감지부(10)와 연동하며, 상기 보안 구역의 이벤트 영상을 획득하는 적어도 하나의 영상 획득부(20); 상기 물리 감지부(10)의 감지에 따라 상기 영상 획득부(20)로부터 획득된 영상신호를 통신망을 통해 전송하는 영상신호 전송부(30); 및 상기 영상신호 전송부(30)로부터 획득된 영상 정보를 수신하여 받아서 딥 러닝 기법을 이용하여 보안 문제가 발생되는 지를 판단하는 딥 러닝 분석부(40)를 포함하여 이루어진다.
상기 물리 감지부(10)는 보안 구역에 위치하여 물체의 영상, 소리, 움직임, 열, 가스, 진동, 충격 등을 감지하는 역할을 수행하는 것으로, 적외선 감지 센서, 열선 센서를 이용하여 물체를 감지하고 물체의 영상, 움직임 등에 대해 감지되어 이상이 발생된 경우에는 경고(alarm)를 통해 지능형 영상신호 전송부(30)로 통지하도록 한다.
상기 영상 획득부(20)는 보안 구역의 이상 감지시 이벤트 영상을 획득하는 역할을 수행하는 것으로, 상기 물리 감지부(10)와의 영상 분석의 정보 융합을 위한 지능형 고해상도의 네트워크 카메라로 구비됨이 바람직하다.
상기 영상신호 전송부(30)는 상기 물리 감지부(10)의 이상 신호 감지에 따라 상기 영상 획득부(20)와 연동하여 영상 획득부(20)로부터 획득된 영상신호를 통신망을 통해 지능형 영상신호 전송부(30)로 전송하여 보안 문제가 발생되었는 지를 딥 러닝 방법에 의해 사전 확인하도록 한다.
상기 딥 러닝 분석부(40)는 이상 신호(이벤트 신호) 발생시 상기 영상신호 전송부(30)로부터 획득된 영상 정보를 수신하여 받아서 딥 러닝 기법을 이용하여 보안 문제가 발생되었는 지를 사전에 판단하여 오보 발생을 최소화할 수 있도록 한다.
즉, 상기 딥 러닝 분석부(40)는 획득된 보안 구역의 영상을 분석하여 딥 러닝 분석에 의해 해당 보안 구역에 이상 발생(침입, 화재, 도난 등 발생)이 일었났는 지를 인지, 추론 및 판단하여 실제 이벤트 발생(이상 발생)시에만 예를 들면 관제 센터나 원격지 고객에 통지하여 오보율을 최소화할 수 있게 된다.
여기서, 상기 딥 러닝(deep learning) 기법은 컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 하기 위해 인공 신경망(Artificial Neural Network : ANN)을 기반으로 처리하는 기계 학습 기술로, 인간의 두뇌가 수많은 데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보 처리 방식을 모방해 컴퓨터가 사물을 분별하도록 기계를 학습시키는 기술이다. 이러한 딥 러닝 기법은 사람이 모든 판단 기준을 정해주지 않아도 컴퓨터가 이미지 인식과 사진 분석 등에서 스스로 인지, 추론 및 판단할 수 있다.
여기서, 상기 영상신호 전송부(30)가 NVR(Network Video Recorder) 솔루션으로서, 상기 딥 러닝 분석부(40) 기능을 모두 수행하는 것도 가능하며, 또한 상기 딥 러닝 분석부(40)가 네트워크 통신을 통해 원격의 영상 서버에서 수행할 수 있음은 물론이다.
이하, 상기 딥 러닝 분석부(40)를 통한 딥 러닝 기반의 영상 분석에 대해 구체적으로 설명하기로 한다.
도 2는 본 발명의 딥 러닝 분석부를 통한 딥 러닝 기반의 영상 분석의 예를 나타내는 도면이다.
도 2에 도시된 바와 같이, 상기 딥 러닝 분석부(40)는 이상 신호(이벤트 신호) 발생시 상기 영상신호 전송부(30)로부터 획득된 영상 정보를 수신하여 해당 영상으로부터 분석 가능한 다양한 정보를 딥 러닝 기반으로 추출하게 되며, CCTV 역할로 전환하여 사전 예방 역활도 가능해진다.
즉, 상기 딥 러닝 분석부(40)는 영상 정보 분석을 통해 침입 감지, 객체 분류, 이동 방향 감지, 임의조작 감지, 속도 필터, 뒤따름 감지, 출입/출현 감지, 방치된 물체 감지, 객체 카운팅, 배회 감지, 사라진 물체 감지, 연기 및 화재 감지, 정지 감지, 자동 PTZ 트레킹, 수위 감지 등 다양한 정보를 인지, 추론 및 판단할 수 있게 되는 것이다.
이와 같은 다양한 정보를 추출하기 위해서는 딥 러닝 분석부(40)는 딥 러닝과 영상 보안을 융합하는 것으로, 객체 검출/인식, 연계 추적, 사람 검출, 얼굴 검출, 얼굴인식, 얼굴 인증, 영상 개선, 영상 캡션 등에 적용할 수 있게 된다.
도 3은 본 발명의 일실시예에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템의 동작 구성도이다.
물리 감지부(10)로서의 외부리더기, 적외선 감지기, 열선 감지기 등에 의해 이벤트 신호가 감지되고, 영상 획득부(20)인 IP 카메라를 통해 영상 및 메타 데이터(primitive data)를 획득하여 지능형의 영상신호 전송부(30) 및 딥 러닝 분석부(40)에서 영상 녹화, 메터 데이터 DB화가 이루어지고, 객체 또는 상황 엔진 감지에 대한 메타 데이터 분석이 이루어져 실제 침입, 도난, 유기 등의 이벤트가 발생되었는 지를 딥 러닝 정보 융합을 통해 인지, 추론, 판단하여 출동 여부를 최종 판단할 수 있어 침입 오보를 최소화할 수 있게 되는 것이다.
이와 같은 딥 러닝 기법을 활용한 지능형 무인 보안 시스템의 구현을 위해서는 PC 기반 객체 추적 및 상황 감지 엔진이 필요하고, 타켓 환경에 대한 최적화된 특성 분석 및 적합 알고리즘이 요구되며, 또 주야간 환경에 대한 동적 백그라운드 모델링(EA-BGM; Environment Adaptive Baground Modeling) 알고리즘이 요구되며, 임베디드 기반 분산 객체 추적 엔진(DPT; Distributed Paralleled Processing Tracker)이 요구된다.
이러한 딥 러닝 기법을 활용한 지능형 무인 보안 시스템을 구현하기 위한 알고리즘은 도 4에 그 일예를 제시하고 있다..
도 5는 본 발명의 일실시예에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템의 영상 획득부의 구성도이다.
도 5에 도시된 바와 같이, 상기 영상 획득부(20)는 하이브리드(Hybrid) 지능형 네트워크 카메라의 구현 기술로서, A7@600 MHz, 32 KB I-cache, 32 KB D-cache/128 KB L2 cache 및 Neon acceleration, integrated FPU 기능을 구비한 강력한 프로세스 코어(Processor Core), 최대 5-megapixel 분해능과 Real-time H.264/H.265 encoding of multiple streams과, 1080p@30 fps+720p@30 fps+VGA@30 fps 5-megapixel@30 fps+VGA@30 fps 기능을 구비한 비디오 엔코딩 성능, 및 DMA, template filter, CSC, template filter+CSC와 sobel edge extraction, canny edge extraction와, dilate, erode, thresh, AND, subtract, OR, thresh와, integral statistics and histogram statistics을 갖춘 비디오 해석 엔진(Video Analytic Engine)을 구비하고 있다.
도 6은 본 발명의 일실시예에 따른 딥 러닝 기법을 활용한 지능형 무인 보안 시스템의 지능형의 영상신호 전송부 및 딥 러닝 분석부의 구성도이다.
도 6에 도시된 바와 같이, 상기 딥 러닝 분석부(40)는 하이브리드(Hybrid) 지능형 임베디드 NVR 기술로서, ARM Cortex A17 quad-core@maximum 1.4 GHz 32 KB L1 I-cache, 32 KB L1 D-cache, 1 MB L2 cache과, ARM Cortex A7 single-core@maximum 900 MHz 32 KB L1 I-cache, 32 KB L1 D-cache 128 KB L2 cache인 강력한 프로세스 코어(Processor Core), 4-channel 4K x 2K (3840 x 2160)@30 fps H.265/H.264 decoding 2x1080p@30 fps H.264와 16x1080p@30 fps H.265/H.264 decoding +2x1080p@30 fps H.264 encoding +16x1080p@2 fps JPEG encoding기능을 갖는 비디오 엔코딩/디코팅 성능, 및 DMA, template filter, CSC, template filter+CSC와 sobel edge extraction, canny edge extraction와, dilate, erode, thresh, AND, subtract, OR, thresh와, integral statistics and histogram statistics 을 갖춘 비디오 해석 엔진(Video Analytic Engine)을 구비하고 있다.
본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 상기 설명된 실시예에 한정되지 않으며, 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략되었다. 이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
10: 물리 감지부
20: 영상 획득부
30: 영상신호 전송부
40: 딥 러닝 분석부
20: 물체의 공간 인식부

Claims (6)

  1. 지능형 무인 보안 시스템으로서,
    보안 구역에 위치하여 물체의 영상, 소리, 움직임, 열, 가스, 진동, 충격을 감지하는 물리 감지부;
    상기 물리 감지부와 연동하며, 상기 보안 구역의 이벤트 영상을 획득하는 적어도 하나의 영상 획득부;
    상기 물리 감지부의 감지에 따라 상기 영상 획득부로부터 획득된 영상신호를 통신망을 통해 전송하는 영상신호 전송부; 및
    상기 영상신호 전송부로부터 획득된 영상 정보를 수신하여 받아서 딥 러닝 기법을 이용하여 보안 문제가 발생되는 지를 판단하는 딥 러닝 분석부를 포함하여 이루어지는 것을 특징으로 하는 딥 러닝 기법을 활용한 지능형 무인 보안 시스템.
  2. 제 1 항에 있어서,
    상기 물리 감지부는 물체의 영상, 소리, 움직임, 열, 가스, 진동, 충격을 감지하여 이상이 발생된 경우에는 경고(alarm)를 통해 상기 영상신호 전송부로 통지하는 것을 특징으로 하는 딥 러닝 기법을 활용한 지능형 무인 보안 시스템.
  3. 제 1 항에 있어서,
    상기 영상 획득부는 상기 물리 감지부와의 영상 분석의 정보 융합을 위한 지능형 고해상도의 네트워크 카메라로 구비되는 것을 특징으로 하는 딥 러닝 기법을 활용한 지능형 무인 보안 시스템.
  4. 제 1 항에 있어서,
    상기 딥 러닝 분석부는, 획득된 보안 구역의 영상을 분석하여 딥 러닝 분석에 의해 해당 보안 구역에 이상 발생하는 지를 인지, 추론 및 판단하여 실제 이벤트 발생시에만 관제 센터나 원격지 고객에 통지하는 것을 특징으로 하는 딥 러닝 기법을 활용한 지능형 무인 보안 시스템.
  5. 제 4 항에 있어서,
    상기 딥 러닝 분석부는 영상 정보 분석을 통해 침입 감지, 객체 분류, 이동 방향 감지, 임의조작 감지, 속도 필터, 뒤따름 감지, 출입/출현 감지, 방치된 물체 감지, 객체 카운팅, 배회 감지, 사라진 물체 감지, 연기 및 화재 감지, 정지 감지, 자동 PTZ 트레킹, 및 수위 감지의 정보를 인지, 추론 및 판단하는 것을 특징으로 하는 딥 러닝 기법을 활용한 지능형 무인 보안 시스템.
  6. 제 4 항에 있어서,
    상기 딥 러닝 분석부는 딥 러닝과 영상 보안을 융합하는 것으로, 객체 검출/인식, 연계 추적, 사람 검출, 얼굴 검출, 얼굴인식, 얼굴 인증, 영상 개선, 영상 캡션에 적용되어 정보를 추출하는 것을 특징으로 하는 딥 러닝 기법을 활용한 지능형 무인 보안 시스템.

KR1020170124130A 2017-09-26 2017-09-26 딥 러닝 기법을 활용한 지능형 무인 보안 시스템 KR20190035186A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170124130A KR20190035186A (ko) 2017-09-26 2017-09-26 딥 러닝 기법을 활용한 지능형 무인 보안 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170124130A KR20190035186A (ko) 2017-09-26 2017-09-26 딥 러닝 기법을 활용한 지능형 무인 보안 시스템

Publications (1)

Publication Number Publication Date
KR20190035186A true KR20190035186A (ko) 2019-04-03

Family

ID=66165021

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170124130A KR20190035186A (ko) 2017-09-26 2017-09-26 딥 러닝 기법을 활용한 지능형 무인 보안 시스템

Country Status (1)

Country Link
KR (1) KR20190035186A (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111464790A (zh) * 2020-04-21 2020-07-28 济南浪潮高新科技投资发展有限公司 一种基于深度学习的工业环境监控视频处理方法及系统
KR102144531B1 (ko) * 2019-07-10 2020-08-14 (주)아이지오 딥 러닝 영상분석을 활용한 객체 메타데이터 기반의 자동 선별관제 방법
KR20200139987A (ko) * 2019-06-05 2020-12-15 세방전지(주) Ess 침입자 및 화재 감지 장치 및 방법
CN113291056A (zh) * 2021-05-18 2021-08-24 青岛吾丁智能科技有限公司 一种智能化印刷机数据自动采集系统
KR20210133503A (ko) * 2020-04-29 2021-11-08 주식회사 디케이아이테크놀로지 인공지능형 토탈 보안관제 서비스시스템
KR20220000172A (ko) * 2020-06-25 2022-01-03 주식회사 자비스넷 엣지 컴퓨팅 기반 보안 감시 서비스 제공 장치, 시스템 및 그 동작 방법
KR20220026096A (ko) * 2020-08-25 2022-03-04 주식회사 두리번테크 광신호 기반 모니터링 시스템 및 그 방법
KR102511093B1 (ko) * 2021-11-08 2023-03-16 가온플랫폼 주식회사 스마트시티 엘리베이터 범죄예방 시스템

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200139987A (ko) * 2019-06-05 2020-12-15 세방전지(주) Ess 침입자 및 화재 감지 장치 및 방법
KR102144531B1 (ko) * 2019-07-10 2020-08-14 (주)아이지오 딥 러닝 영상분석을 활용한 객체 메타데이터 기반의 자동 선별관제 방법
CN111464790A (zh) * 2020-04-21 2020-07-28 济南浪潮高新科技投资发展有限公司 一种基于深度学习的工业环境监控视频处理方法及系统
KR20210133503A (ko) * 2020-04-29 2021-11-08 주식회사 디케이아이테크놀로지 인공지능형 토탈 보안관제 서비스시스템
KR20220000172A (ko) * 2020-06-25 2022-01-03 주식회사 자비스넷 엣지 컴퓨팅 기반 보안 감시 서비스 제공 장치, 시스템 및 그 동작 방법
KR20220026096A (ko) * 2020-08-25 2022-03-04 주식회사 두리번테크 광신호 기반 모니터링 시스템 및 그 방법
CN113291056A (zh) * 2021-05-18 2021-08-24 青岛吾丁智能科技有限公司 一种智能化印刷机数据自动采集系统
KR102511093B1 (ko) * 2021-11-08 2023-03-16 가온플랫폼 주식회사 스마트시티 엘리베이터 범죄예방 시스템

Similar Documents

Publication Publication Date Title
KR20190035186A (ko) 딥 러닝 기법을 활용한 지능형 무인 보안 시스템
KR101942808B1 (ko) 객체 이미지 인식 dcnn 기반 cctv 영상분석장치
EP1346577B1 (en) Method and apparatus to select the best video frame to transmit to a remote station for cctv based residential security monitoring
CA2545535C (en) Video tripwire
EP3002741B1 (en) Method and system for security system tampering detection
EP1435170B2 (en) Video tripwire
KR101980551B1 (ko) 기계학습 객체검출을 이용한 실시간 지능형 cctv 영상 분석 행위 탐지 시스템 및 기계학습 객체검출을 이용한 실시간 지능형 cctv 영상 분석 행위 탐지 방법
KR101425505B1 (ko) 객체인식기술을 이용한 지능형 경계 시스템의 감시 방법
KR101492473B1 (ko) 사용자 기반 상황 인지형 씨씨티비 통합관제시스템
KR101372860B1 (ko) 영상 검색 시스템 및 영상 분석 서버
KR20190035187A (ko) 감시 지역 음성 경고 방송 시스템
US10657783B2 (en) Video surveillance method based on object detection and system thereof
KR20080044812A (ko) 컴퓨터 영상 분석기술을 이용한 범죄 및 사고예방 자동경비 시스템
KR101212082B1 (ko) 영상인식장치 및 그 영상 감시방법
KR102233679B1 (ko) Ess 침입자 및 화재 감지 장치 및 방법
KR20210014988A (ko) 원격 모니터링을 위한 영상 분석 시스템 및 방법
KR101075550B1 (ko) 이미지 센싱 에이전트 및 ｕｓｎ 복합형 보안 시스템
KR102046591B1 (ko) 영상 감시 시스템 및 영상 감시방법
KR101547255B1 (ko) 지능형 감시 시스템의 객체기반 검색방법
KR20100077662A (ko) 지능형 영상감시 시스템 및 영상감시 방법
CN112804492B (zh) 一种电子猫眼的通信提示方法及装置
JP5155926B2 (ja) 警備システムおよび警備方法
KR20210043960A (ko) IoT와 인공지능 기술을 이용한 행동인식 기반의 안전 감시 시스템 및 방법
CN114422760B (zh) 一种基于多路复用的视频监控方法及装置
KR102608625B1 (ko) 효율적 운영이 가능한 딥러닝 기반 영상 감시 장치 및 방법

Legal Events

Date Code Title Description
N231 Notification of change of applicant