KR20190058230A - 감시카메라 배치 모델링 시스템 및 방법 - Google Patents

Abstract

본 발명은 감시카메라 배치 모델링 시스템 및 방법을 개시하고 있다. 본 발명의 일 실시예는, 소정 지역의 지도 데이터에 분석 범위를 설정하는 범위 설정부, 상기 분석 범위 내에 각각 특정 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하는 그리드 생성부, 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 맵 생성부, 그리고, 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 하나 이상 생성하는 모델 생성부를 포함하는 감시카메라 배치 모델링 시스템을 제공한다. 본 발명에 따르면, 특정 지역의 다양한 데이터를 기반으로 해당 지역에 추가 설치되는 감시카메라의 최적 배치를 모델링할 수 있다.

Description

감시카메라 배치 모델링 시스템 및 방법{SYSTEM AND METHOD FOR MODELING SURVEILLANCE CAMERA LAYOUT}

본 발명은 특정 지역의 다양한 데이터를 기반으로 해당 지역에 추가 설치되는 감시카메라의 배치를 모델링하는 시스템 및 방법에 관한 것이다.

카메라를 이용한 보안 및 감시 기술에 대한 수요는 계속 높아지고 있는 추세이다.　카메라를 이용한 감시 기술은 범죄 및 법규위반을 예방하고 줄이기 위한 잠재적인 솔루션을 제공한다.　이에 따라, 카메라 감시 네트워크의 사용이 증가하고 있으며, 카메라 또는 비디오 감시는 공공 공간의 질서와 보안을 유지하는 데 사용되는 강력한 시스템으로 간주되고 있다.

한편, 카메라 감시 네트워크에서 카메라 배치는 감시의 품질과 효율성에 큰 영향을 미친다.　적절한 배치는 범위, 시야, 해상도, 사용 비용, 카메라의 종류 (가시광선, 적외선 등) 등과 같은 카메라 속성과 관련된다. 이 중 가장 중요한 요소는 배치가 이루어지는 환경이다.　실제로 비디오 감시 시스템의 효과는 카메라의 물리적 배치에 크게 의존하는 것으로 해외 연구들에서 알려져 있다.

대표적인 카메라 감시 네트워크의 예로는 감시카메라(CCTV)가 있다. CCTV의 활용유형은 일반적으로 교통정보 수집 및 교통법규 위반 단속용 CCTV, 수배차량 감지용 CCTV, 쓰레기 무단투기 단속용 CCTV, 방범용 CCTV로 나뉘어 운영되고 있다. 교통 관련 CCTV는 크게 교통 흐름과 교통량을 파악하기 위해 특정 차량이나 개인을 촬영하거나 녹화하지는 않지만 실시간 모니터링을 하는 교통정보 수집 용 CCTV와 속도위반, 신호위반, 버스전용차선 위반 등을 단속하기 위한 교통 법규 위반 단속용 CCTV, 그리고 주차단속을 위한 무인주차단속용 CCTV 등으로 구분된다. 수배차량 감지용은 차량 이동이 많은 주요 도로에 설치하여 주행 중인 수배차량 번호를 자동 판독하고 신속히 범인을 검거할 수 있는 차량번호자동판독기 (Automatic Vehicle Number Identification) 시스템의 일부를 이룬다. 주행 중인 차량이 이 시스템을 통과할 경우 고도의 정밀 적외선 카메라가 수배차량 및 수배자 소유차량 여부를 신속히 가려내어 전방에 있는 검문소 단말기에 자동표시 되도록 하는 것으로 전국의 톨게이트 등을 중심으로 운영 중에 있다. 쓰레기 무단투기 단속용 CCTV는 자치구 차원에서 쓰레기 무단투기 단속용으로 설치되고 있으나 실효성에 대한 문제가 계속 제기되고 있다. 방범용 CCTV는 전국적으로는 지자체가 설치주체가 되어 운영되고 있다.

도 1에 도시된 바와 같이, 2016년 행정자치통계연보에 따르면 국내 공공기관에서의 총 CCTV 설치 및 운영대수는 비공개된 장소의 설치를 제외하고 2014년 65만5030대에서 2015년 73만9232대로 전년보다 8만4202대 증가했다. 그중 34만758대가 범죄예방을 위해 설치된 CCTV로 작년보다 4만9320대 늘어났다. CCTV는 범죄예방 및 범인검거에 있어 큰 효과를 갖는다. 한 예로 국민안전처와 경찰청에서 2016년 상반기 스쿨존 반경 100m 내에서 발생한 5대 강력범죄 현황 집계 결과 CCTV 설치 전 2013년 상반기 1655건에서 설치후인 2015년 상반기 1091건으로 줄어든 것으로 나타났다. CCTV가 지속적으로 증설되는 이유이다. 전국적으로 지자체를 중심으로 CCTV의 설치대수를 늘려 사각지대를 막겠다는 취지 아래 방범용 CCTV 증설을 추진하고 있다. 스마트시티에서도 기능적으로 용도가 분리된 CCTV의 통합운영을 통해 실효성을 높이는 방향으로 다양한 사업들이 전개되고 있다.

이와 관련하여, CCTV를 증설할수록 운영 및 관리 영역에서 비용, 인력 등 또 다른 문제들을 가져온다. 따라서 한정된 예산과 운영비용을 고려하여 특정 공간 내의 물리적인 환경에서 최적의 CCTV 설치위치를 선정할 필요가 있다.

일반적으로 카메라 등의 센서를 배치하는 방법은 전 세계 여러 연구 그룹의 관심을 모으는 연구 주제이다.　카메라 배치의 주요 목적은 관심있는 장면의 가장 유익한 장면을 선택하기 위해 시점 위치를 정의하는 것이다.　카메라 배치는 감시, 추적 및 장면 모니터링, 3차원 재구성 및 로봇 센서와 문화재 감시 또는 박물관 감시 문제와 같은 다양한 문제와 관련된다.

카메라를 배치하는 가장 직관적인 방법은 관심 영역에 카메라 네트워크를 균일하게 배치하는 것이다.　이 방법은 복잡하지 않은 영역에서 적용 범위를 최대화하는 데 유용하다. 그러나 대부분의 현장에서는 실제 물리적인 환경이 훨씬 복잡하고 어렵다.　실제로 카메라 배치 문제는 시스템의 목적에 따라 여러 가지 관점에서 접근할 수 있다.　따라서, 지금까지 다양한 연구들에서 제시된 카메라 배치 분석의 접근법은 목표점 기반 접근법과 조망 기반의 접근법 두 가지 주요 카테고리로 분류될 수 있다.

목표점 기반 접근법은 관심 대상에 따라 카메라 배치를 찾는 것이다.　대상은 공간과 시간에서 진화할 수 있는 대상, 사건 또는 현상일 수 있다.　목표점 기반 접근법은 주로 적용 범위 수준에 초점을 맞추기보다는 대상의 특성에 초점을 맞춘다.

일반적으로 이러한 분석방법은 3D CAD 데이터 파일에 기반한 자동 센서 배치 방법을 제안한다.　이 방법의 목적은 위치, 방향 및 광학 설정과 같은 적절한 매개 변수를 사용하여 비전 센서의 최상의 시점 위치를 찾는 것으로 모델 기반 로봇 비전 분야에서 개발되었다.　각 시점은 주로 센서의 물리적 및 광학적 특성과 관련된 미리 정의된 제약 조건을 충족시켜야 한다.　주요 목표는 하나의 센서(로봇 사용)를 한 위치에서 다른 위치로 움직여 대상을 특성화하는 중요한 기능을 모니터링하고 분석하는 것이다.　물체와 공간의 3차원 재구성과 관련된 유사한 연구들도 진행되어 왔다. 보더의 논문에서 저자들은 관심있는 장면을 통해 사람이 찍은 기관차의 움직임 경로를 모니터링하기 위한 분석 공식을 소개하고 있다. 이 방법은 표적의 관측 가능성을 극대화하고 그 운동을 포착하는 데 초점을 맞춘다.　저자는 목표물에 대한 선험적 지식의 최소 집합만 필요하며 이벤트가 발생하는 실제 환경에 대한 사전 지식이 필요하지 않다고 규정한다. 이러한 연구들의 결과에 따라 고정 카메라와 모바일 카메라를 결합하여 감시 카메라 네트워크의 배치를 정의하는 솔루션을 개발하였다.　저자들은 고정된 카메라를 사용하여 사람 등 표적의 움직임을 추출하기 위해 전체 장면을 관찰할 것을 제안한다.　그리고 취득된 현장 지식을 사용하여 지상 커버리지 및 해상도 품질 기준에 따라 모바일 카메라의 위치를 결정한다.

조망기반 방법은 카메라 배치가 발생할 환경의 물리적 특성이 미리 알려져 있다고 가정하여 적용 범위를 최적화하는 것을 목표로 한다.　커버리지의 정의는 다양하지만 일반적인 정의는 센서 네트워크에 의해 제공될 수있는 감시의 품질과 관심영역이 얼마나 잘 모니터링되는지에 의해 제안된다.

조망기반 접근법과 관련하여 잘 연구된 주제 중 하나는 박물관 감시카메라 위치선정과 관련된 연구이다. 이는 다각형 영역인 박물관 전시실안의 모든 포인트를 모니터하는 카메라의 수를 결정하기 위한 연구로 원하는 범위를 만족시키거나 범위를 최대화하기 위해 조망내에서 관찰자인 카메라의 최적 갯수와 위치를 찾는다.

같은 맥락에서 다른 연구들은 센서 배치를 위한 많은 최적화 방법을 제안하고 있다.　센서 배치를 최적화하기 위한 유전자 알고리즘 방법론이 제안되기도 하였고센서 네트워크를 위한 후보 사이트를 선택하고 정렬하기위한 병렬 진화 최적화 기법에 기반한 접근법들도 개발되었다.　또 다른 연구는 Simulated Annealing 기법에 기반한 센서를 배치하여 네트워크의 최적 구성을 찾는 것을 목표로 한다.　이 세 가지 방법은 모두 실제 조망환경의 복잡성과 다양성을 반영하지 않는 매우 단순한 환경에 적용되었다.

본 발명은 상기한 문제점을 해결하기 위해 안출된 것으로, 본 발명이 이루고자 하는 주된 기술적 과제는 특정 지역의 다양한 데이터를 기반으로 해당 지역에 추가 설치되는 감시카메라의 배치를 모델링하는 시스템 및 방법을 제공하는 것이다.

본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 해결하기 위해 본 발명의 일 실시예는, 소정 지역의 지도 데이터에 분석 범위를 설정하는 범위 설정부, 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하는 그리드 생성부, 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 맵 생성부. 그리고, 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 하나 이상 생성하는 모델 생성부를 포함하는 감시카메라 배치 모델링 시스템을 제공한다.

본 발명의 일 실시예에 있어서, 상기 지도 데이터는 상기 소정 지역의 지형 정보, 좌표 정보, 건물 정보, 건물 형상 정보, 감시카메라 설치 위치 정보 및 감시카메라 설치 개수 정보를 포함하고, 상기 범위 설정부는 상기 지도 데이터가 포함하는 지형 정보, 건물 정보 및 좌표 정보를 이용하여 상기 분석 범위를 설정할 수 있다.

본 발명의 일 실시예에 있어서, 상기 복수개의 그리드는 1m 내지 10m의 간격을 갖는 형태로 배열되고, 상기 수치 정보는 해당 유동 인구 수치 데이터, 범죄율 수치 데이터 및 교통량 수치 데이터 중 어느 하나이며, 상기 가중치의 크기는 상기 수치 정보의 데이터값의 크기와 비례할 수 있다.

본 발명의 일 실시예에 있어서, 상기 그리드 생성부는 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하되, 상기 분석 범위에 포함된 건물 형상 정보 및 평면 지역을 추출하고, 상기 맵 생성부는 상기 분석 범위 중 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드를 대상으로, 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성할 수 있다.

본 발명의 일 실시예에 있어서, 상기 맵 생성부는, 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 상기 복수개의 단위 그리드 각각이 상이한 색상을 띄는 형태의 히트맵을 형성할 수 있다.

본 발명의 일 실시예에 있어서, 상기 모델 생성부를 통해 형성된 하나 이상의 배치 모델링 정보는 각각 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 데이터를 포함하고, 상기 하나 이상의 배치 모델링 정보 중 상기 하나 이상의 배치 모델링 정보 각각이 포함하는 감시카메라의 개수 데이터 값이 가장 적은 모델링 정보를 제공하는 모델 추천부를 더 포함할 수 있다.

본 발명의 일 실시예에 있어서, 상기 모델 생성부는, 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 정보, 배치 가능 영역 정보, 유효 시야각 정보, 유효 시야 거리 정보 및 유효 감시 영역 정보를 토대로 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 복수개 생성할 수 있다.

본 발명의 일 실시예에 있어서, 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라는 각각 0° 내지 360°의 수평 시야각과, 90° 내지 -90°의 수직 시야각 및 기 설정된 커버리지 범위를 가지고, 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라 중 아래 수학식 1에 의해 산출되는 보로노이 영역(VOR(Si))에 배치되는 감시카메라의 개수 정보를 토대로 상기 모델 생성부를 통해 생성된 하나 이상의 배치 모델링 정보 중 특정 배치 모델링 정보를 제공하는 모델 추천부를 더 포함할 수 있다.

[수학식 1]

,

여기서, S, Si 및 Sj는 상기 특정 위치에 대응되는 건물의 집합으로, (Si∪Sj)∈S, Si = {s1, s2, ..., sn}, Sj = {s1, s2, ..., sm}, Dist(a, b)는 상기 지도 데이터 내의 임의의 점 a와 b사이의 유클리드 거리, 점　p는 상기 맵 내의 특정 위치를 포함하는 공간 E에 속한 임의의 점을 나타낸다.

또한, 상기 기술적 과제를 해결하기 위해 본 발명의 다른 실시예는, 감시카메라 배치 모델링 시스템을 이용한 감시카메라 배치 모델링 방법에 있어서, 상기 감시카메라 배치 모델링 시스템이 소정 지역의 지도 데이터에 분석 범위를 설정하는 범위 설정 단계, 상기 감시카메라 배치 모델링 시스템이 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하는 그리드 생성 단계, 상기 감시카메라 배치 모델링 시스템이 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 맵 생성 단계, 그리고, 상기 감시카메라 배치 모델링 시스템이 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 하나 이상 생성하는 모델 생성 단계를 포함하는 감시카메라 배치 모델링 방법을 제공한다.

본 발명의 다른 실시예에 있어서, 상기 지도 데이터는 상기 소정 지역의 지형 정보, 좌표 정보, 건물 정보, 건물 형상 정보, 감시카메라 설치 위치 정보 및 감시카메라 설치 개수 정보를 포함하고, 상기 범위 설정 단계는 상기 감시카메라 배치 모델링 시스템이 상기 지도 데이터가 포함하는 지형 정보, 건물 정보 및 좌표 정보를 이용하여 상기 분석 범위를 설정하는 단계일 수 있다.

본 발명의 다른 실시예에 있어서, 상기 복수개의 그리드는 1m 내지 10m의 간격을 갖는 형태로 배열되고, 상기 수치 정보는 해당 유동 인구 수치 데이터, 범죄율 수치 데이터 및 교통량 수치 데이터 중 어느 하나이며, 상기 가중치의 크기는 상기 수치 정보의 데이터값의 크기와 비례할 수 있다.

본 발명의 다른 실시예에 있어서, 상기 그리드 생성 단계는 상기 감시카메라 배치 모델링 시스템이 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하되 상기 분석 범위에 포함된 건물 형상 정보 및 평면 지역을 추출하는 과정을 더 포함하고, 상기 맵 생성 단계는 상기 감시카메라 배치 모델링 시스템이 상기 분석 범위 중 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드를 대상으로, 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 단계일 수 있다.

본 발명의 다른 실시예에 있어서, 상기 맵 생성 단계는, 상기 감시카메라 배치 모델링 시스템이 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 상기 복수개의 단위 그리드 각각이 상이한 색상을 띄는 형태의 히트맵을 형성하는 단계일 수 있다.

본 발명의 다른 실시예에 있어서, 상기 모델 생성 단계를 통해 형성된 하나 이상의 배치 모델링 정보는 각각 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 데이터를 포함하고, 상기 감시카메라 배치 모델링 시스템이 상기 하나 이상의 배치 모델링 정보 중 상기 하나 이상의 배치 모델링 정보 각각이 포함하는 감시카메라의 개수 데이터 값이 가장 적은 모델링 정보를 도출하는 모델 추천 단계를 더 포함할 수 있다.

본 발명의 다른 실시예에 있어서, 상기 모델 생성 단계는, 상기 감시카메라 배치 모델링 시스템이 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 정보, 배치 가능 영역 정보, 유효 시야각 정보, 유효 시야 거리 정보 및 유효 감시 영역 정보를 토대로 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 복수개 생성하는 단계일 수 있다.

본 발명의 다른 실시예에 있어서, 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라는 0° 내지 360°의 수평 시야각과, 90° 내지 -90°의 수직 시야각 및 기 설정된 커버리지 범위를 가지고, 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라 중 상기 감시카메라 배치 모델링 시스템이 아래 수학식 2에 의해 산출한 보로노이 영역(VOR(Si))에 배치되는 감시카메라의 개수 정보를 이용하여, 상기 모델 생성 단계를 통해 생성된 하나 이상의 배치 모델링 정보 중 특정 배치 모델링 정보를 제공하는 모델 추천 단계를 더 포함할 수 있다.

[수학식 2]

,

여기서, S, Si 및 Sj는 상기 특정 위치에 대응되는 건물의 집합으로, (Si∪Sj)∈S, Si = {s1, s2, ..., sn}, Sj = {s1, s2, ..., sm}, Dist(a, b)는 상기 지도 데이터 내의 임의의 점 a와 b사이의 유클리드 거리, 점　p는 상기 맵 내의 특정 위치를 포함하는 공간 E에 속한 임의의 점을 나타냄

본 발명에 따르면, 특정 지역의 다양한 데이터를 기반으로 해당 지역에 추가 설치되는 감시카메라의 최적 배치를 모델링할 수 있다.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.

도 1은 종래 감시카메라 설치수를 년도별로 표기한 그래프이다.
도 2 및 도 3은 본 명세서 상에서 사용되는 커버리지의 개념을 설명하기 위해 도시한 도면이다.
도 4는 본 발명의 다양한 실시예에 적용 가능한 뷰쉐드 분석을 설명하기 위해 도시한 도면이다.
도 5 및 도 6은 본 발명의 다양한 실시예에 적용 가능한 커버리지 분석의 개념을 설명하기 위해 도시한 도면이다.
도 7은 범죄발생관련 한국 및 미국 공개데이터를 도시한 도면이다.
도 8은 본 발명의 다양한 실험예에 따른 커버리지 분석의 예를 도시한 도면이다.
도 9는 본 발명의 다양한 실시예에 적용 가능한 가중치를 적용한 커버리지 분석의 개념을 설명하기 위해 도시한 도면이다.
도 10은 본 발명의 일 실험예에 따른 시스템을 도시한 도면이다.
도 11은 본 발명의 일 실험예에 따른 시스템의 아키텍처를 도시한 도면이다.
도 12 내지 도 18은 본 발명의 다양한 실험예에 따라 진행된 절차들을 통해 생성되는 화면을 도시한 도면이다.
도 19 내지 도 27은 본 발명의 다양한 실시예에 적용 가능한 보로노이 다이어그램 분석을 설명하기 위해 도시한 도면이다.
도 28 내지 도 30은 본 발명의 다양한 실험예에 따른 커버리지 레벨 평가를 설명하기 위해 도시한 도면이다.
도 31은 본 발명의 다양한 실시예에 적용 가능한 보로노이 접근법을 구현하는 주요 단계를 도시한 도면이다.
도 32 내지 도 41은 본 발명의 다양한 실험예에 따라 감시카메라 배치 모델링 테스트를 수행한 결과를 도시한 도면이다.
도 42는 본 발명의 일 실시예에 따른 감시카메라 배치 모델링 시스템의 구성을 도시한 도면이다.
도 43은 본 발명의 다른 실시예에 따른 감시카메라 배치 모델링 방법의 절차를 도시한 도면이다.

이하에서는 첨부한 도면을 참조하여 본 발명을 상세히 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실험예 및 실시예로 한정되는 것은 아니다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경물, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 도면에 나타난 각 구성요소의 크기, 형태, 형상은 다양하게 변형될 수 있고, 명세서 전체에 대하여 동일/유사한 부분에 대해서는 동일/유사한 도면 부호를 붙였다.

이하의 설명에서 사용되는 구성요소에 대한 접미사 "단계" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실험예 및 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략하였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉 또는 결합)"되어 있다고 할 때, 이는 "직접적으로 연결(접속, 접촉 또는 결합)"되어 있는 경우뿐만 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결(접속, 접촉 또는 결합)"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함(구비 또는 마련)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 "포함(구비 또는 마련)"할 수 있다는 것을 의미한다.

본 명세서에서 사용한 용어는 단지 특정한 실험예 및 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함하며, 분산되어 실시되는 구성요소들은 특별한 제한이 있지 않는 한 결합된 형태로 실시될 수도 있다. 본 명세서에서, "포함하다" 또는 "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.

또한, 본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1구성요소는 제2구성요소로 명명될 수 있고, 유사하게 제2구성요소도 제1구성요소로 명명될 수 있다.

본 발명의 일 실시예가 제공하는 감시카메라 배치 모델링 시스템과 본 발명의 다른 실시예가 제공하는 감시카메라 배치 모델링 방법을 설명하기 전에, 본 발명의 다양한 실험예를 통해 본 발명의 다양한 실시예에 적용 가능한 분석 방법과 그 개념을 먼저 설명하도록 한다.

도 2 및 도 3은 본 명세서 상에서 기술되는 커버리지(적용 범위, coverage)의 개념을 설명하기 위해 도시한 도면이다.

커버리지의 개념은 한 세트의 센서(카메라)에 의해 감시 영역이 얼마나 잘 감시되는지를 반영한다. 박물관 전시실의 각 지점이 최소한 하나의 관찰자에 의해 덮혀있는 카메라의 필요한 수를 정의하는 것을 목표로 하는 문화유산 분야의 시도가 그 한 예이다.　박물관 전시실에서 커버리지는 감시카메라(CCTV)와 표적간의 직접적인 가시성에 의해 정의된다.　커버리지 문제와 관련된 또 다른 예는 에너지 소비를 줄임으로써 센서의 수명을 연장시키는 것이다.　이러한 접근법은 사용하지 않을 때 같은 구역을 모니터링하고 있는 여분의 센서를 확인하고 끄도록 시도한다.

커버리지 문제의 일반적인 정의는 IoT등 센서 네트워크분야에서 제안되어왔으며, 대상 영역에 배치된 일련의 센서 그룹에 대해 관심 영역의 모든 점은 적어도 k개의 센서로 덮여 있고 k는 목표물을 동시에 모니터링하는 센서의 수로 정의한다.　도2에 도시된 바와 같이, 흰색 원은 하나의 센서로 덮여있는 영역에 해당하고 점선 영역은 두 개의 센서로 덮힌 영역에 해당하며 회색 영역은 세 개의 센서로 덮힌 영역에 해당하며 대시 영역은 덮지 않은 영역에 해당한다.

커버리지(적용 범위)는 주로 모니터링되는 현상과 관련된 각 센서의 감지 범위 및 대상 영역에 존재하는 장애물과 관련된다.　따라서 적용 범위를 계산할 수 있는 모델을 개발하려면 응용 프로그램의 성격과 장애물을 고려해야 한다.　카메라 네트워크 배치의 경우, 시선은 카메라 네트워크의 범위를 모델링하는 데 적합한 방법으로 간주될 수 있다.　시선 기반 모델은 관측점　O(또는 관찰자)에서 대상 영역에 속한 다른 점　T　까지의 시각적 선을 기반으로 가시성을 계산한다.　시각적인 선이　T에 도달하기 전에 장애물과 교차하면　T는 숨겨져　O에서 보이지 않는다. 그렇지 않으면 도 3에 도시된 바와 같이 T가　O에서 보인다.

가시권 분석 프로세스가 대상 영역에 속한 모든 지점에 적용될 때 3차원 GIS에서는 뷰쉐드(viewhed) 분석을 이용한다.　이 분석은 전체 표면을 가로 지르는 시선의 움직임으로 도출된다.　뷰쉐드 분석은 하나 이상의 뷰 포인트를 기반으로 수행될 수 있다.　가시권 분석의 결과는 관측점 집합에서 볼 수 있는 표면상의 점들의 집합을 결정하는 것으로 구성된다.

도 4는 본 발명에 사용되는 뷰쉐드 분석을 설명하기 위해 도시한 도면이다.

카메라의 위치에 해당하는 관측점은 2D 좌표(x, y)와 해당 입면도(z)로 표시된다.　카메라의 공간 위치는 배치가 이루어지는 환경을 나타내는 디지털 표면모델(Digital Elevation Model)을 사용하여 결정할 수 있다. ArcGIS에서는 시선을 기반으로 한 뷰쉐드 분석을 카메라 고도값 (SPOT), 수직 오프셋(OFFSETA, OFFSETB), 수평 주사각도(AZIMUTH1, AZIMUTH2), 수직 주사각도(VERT1, VERT2) 및 주사거리 (RADIUS1, RADIUS2)를 변수로 설정한다. 도4는 ArcGIS 매뉴얼에서 설명하고 있는 뷰쉐드 분석을 위한 9개의 변수를 보여주고 있다.

다음은 ArcGIS 매뉴얼에서 뷰쉐드 분석을 제어하는 데 사용되는 9개의 변수에 대한 설명이다.

SPOT　: 관측점(카메라)의 지상 높이에 해당한다.

OF1　및　OF2　: 이 변수들은 관측자　OF1　(OFFSETA) 및 대상　OF2　(OFFSETB)의 지면 고도에 추가할 수직 입면도를 정의한다.

AZ1　과　AZ2　: 이 두 값은 관찰자(카메라)의 스캔을 특징 짓는 수평각의 범위를 정의할 수 있게 한다.　AZ1(AZIMUTH1)은 스캔범위의 시작 각도에 해당하고　AZ2　(AZIMUTH2)는 스캔범위의 끝 각도에 해당한다.　AZ1과　AZ2의 값은 북쪽 방향에 의해 정의되는 0 ~ 360 ° 범위일 수 있다.

V1　과　V2　: 이 두 요소는 관찰자의 스캔 수직 범위를 정의한다.　V1(VERT1)은 수직 각도의 상한을 정의하고　V2(VERT2)는 수직 각도의 하한을 정의한다.　V1　및　V2　는 -90 °에서 90 °까지 다양하게 설정할 수 있다.R1　과　R2　:이 변수는 관찰자(카메라)의 커버리지 가능 거리를 결정한다.　R1(RADIUS1)은 대상을 볼 수 있는 시작 거리에 해당한다.

앞에서 제시된 9개의 변수를 기반으로 대상 영역의 각 지점에 대해 시선이 구성된다.　그런 다음 카메라가 배치 될 환경에 대한 뷰쉐드가 다음과 같이 계산된다.　

Oi　(xi, yi, zi)　는 관측점이며 i는 각 관측점의 지수, i = 1, 2, ..., n이다. z　i　=　SPOTi　+　OF1i　이다. Tj　(xj, yj,　zj　)　는 j가 각 표적의 지표인 표적점, j = 1, 2, ..., m이다.　Hj　는 표적　Tj에 상응하는 표면의 표고이다.

OTij　(xj-xi, yj-yi,　zj-zi)　는 지표 i를 갖는 관찰자　Oi와 지표 j를 갖는 목표　Tj에 의해 구성된 시선이다.　시선 거리는　|| OT　ij　||로 표시된다.

뷰쉐드 분석은 다음과 같이 수행된다.　후속 조건들 중 하나가 만족되면, 목표　Tj는 관찰자 Oi로부터 보이지 않는다.

(1)　Oi　와 타겟　Tj　사이의 시야　OTij　는 하나 이상의 장애물에 의해 가려진다.

(2) 목표　Tj　는　R1i　및　R2i에의해 정의된 거리 범위 밖에 있다.

(　| OTij　|| <R1i　) 또는 (　|| OTij　||> R2i　).

(3) 목표　Tj는　AZ1i　및　AZ2i에　의해 정의된 수평각 범위를 벗어난다.

(　Arctan ((yj-yi) / (xj-xi)) < AZ1i　) 및 (　Arctan (yj-yi) / (xj-xi)) > AZ2i　).

(4) 목표　Tj는　V1i　및　V2i에　의해 정의된 수직 각도 범위 밖에 있다.

(　Arcsin ((zjzi) / ||OTij||) <V1i　) 및 (　Arcsin((zjzi)/||OTij||) > V2i).

(5) 위의 조건 (1) ~ (4)가 모두 충족되지 않으면 대상　Tj　가　관찰자　Oi에서　볼 수 있다　.

시선 분석의 원리가 기하학적 접근법을 기반으로 해도 GIS 소프트웨어에서 뷰쉐드를 구현하는 것은 일반적으로 디지털 서피스 모델 (Digital Elevation Model)에서 래스터 형식으로 수행된다.　이는 공간환경을 나타내는 벡터 데이터의 각 정점에 대한 시선을 구성하는 데 필요한 계산량 때문이다.　그러나 삼각형 관측 네트워크(TIN)를 디지털 모델로 사용하여 시야를 기준으로 뷰영역 분석을 생성할 수도 있다.　3D GIS에서 시선의 구성은 이 선들을 구성할 3차원 객체를 지정해야 하므로 이산 계산을 기반으로 한다.　벡터 데이터와 마찬가지로 모든 시각을 계산할 때 계산량을 고려하여 뷰쉐드 분석에 사용되는 3D객체의 정점 수는 합리적이어야 한다.

본 발명에 따르면, 시스템의 계산속도를 고려하여 그리드 방식의 커버리지 분석 방안을 구상하고 설계할 수 있다. CCTV배치의 커버리지 분석 및 비교를 위해서는 CCTV의 POI(Point Of Interest)위치보다는 AOI(Area Of Interest)영역의 개념으로 접근하는 것이 현실적인데 대상지역의 지표면을 일정한 간격의 그리드로 분할하고 커버리지를 분석하는 방안은 이러한 AOI영역을 도출하는데 효과적으로 적용할 수 있는 방식이다.

또한, 실제 CCTV의 배치는 물리적인 환경뿐만 아니라 장소가 가지고 있는 사회적인 환경을 고려하여야 한다. 즉, 범죄율이나 유동인구의 분포도를 바탕으로 현장에서 실직적으로 필요한 CCTV의 배치 장소를 고려하는 것이 요구된다. 이를 위해 본 발명의 다양한 실험예예서는 범죄율이나 유동인구등의 공공데이터를 바탕으로 대상 지역내 장소들의 등급을 설정하고 가중치를 적용하여 커버리지 분석을 수행하였다.

커버리지 분석을 통해 지상면에 더미를 일정간격으로 분포시키고 전체적인 배치의 성능을 판단할 수 있다. 성능을 판단하는 방식은 여러가지가 될 수 있다. 우선, 그래프 해석에 있어서 주요 가시공간이 없다고 할 때, 이전의 그래프를 온전히 포함하는 더 넓은 그래프가 존재한다면, 그 배치 안이 더 좋은 것이라고 할 수 있다. 이것은 평균값과도 연관되며 주요관찰 영역을 설정하였을 경우, 표준편차가 높은 경우가 선호될 수도 있다. 주요 가시영역에 커버리지가 집중되는 경우가 바로 그러한 경우에 해당한다.

도 5는 대상영역내에 일정한 간격의 그리드를 분포시키고 커버리지를 분석하는 개념도이다. 커버리지 분석을 위해서는 지표면 영역에서 건물 영역을 제외하고 분석하는 것이 바람직하다. 이를 위해 본 발명의 다양한 실험예에서는 국가공간정보에서 지표면 데이터를 가져오고 건물통합정보 데이터에서 건물영역정보와 층수 속성정보를 가져와서 3차원 GIS에서 표면 모델링을 수행하였다.

커버리지 분석을 위해서는 관심 영역에 일정하게 분포된 그리드에서 건물영역을 제외한 그리드를 추출하여 전체 커버리지 면적으로 설정해야 하는 것이 바람직하다. 따라서, 그리드가 건물영역인 폴리곤 외부에 위치하는지 알기 위해 위상을 파악하여야 한다. 이를 위해 크로싱넘버(cn)방식을 이용하였으며, 이를 설명하기 위한 그림을 도 6에 도시하였다.

이 방법은 점　P에서 시작하는 광선이 내부와 외부를 구분하는 폴리곤 경계 가장자리를 교차하는 횟수를 계산한다.　이 숫자가 짝수이면 그 지점은 바깥 쪽이다.　교차 수가 홀수 일 때, 그 점은 안쪽이다.　광선이 다각형 모서리를 가로지를 때마다 그 내부 패리티가 변경된다.　결국 어떤 광선이라도 바운드된 다각형의 바깥 쪽과 바깥 쪽에서 끝나야 한다.　따라서 점이 안쪽에 있으면 교차의 순서는 in　>　out　>　...　>　in　>　out이어야하며 홀수가 있어야 한다.　마찬가지로, 점이 바깥쪽에 있으면 순서에 짝수개의 교차점이 있다. out　>　in　>　...　>　in　>　out.

cn　기법의 알고리즘을 구현할 때, in-out 패리티를 변경하는 교차점만 계산되도록 보장해야한다.　특히, 광선이 정점을 통과하는 특수한 경우에는 올바르게 처리되어 한다.　또한, 다각형의 경계상의 점이 내부인지 외부인지를 결정해야 한다.　표준 규칙은 왼쪽 또는 아래쪽 가장자리의 점이 안쪽이고 오른쪽 또는 위쪽 가장자리의 점이 바깥 쪽이라고 말한다.　이렇게 하면 두 개의 별개의 다각형이 공통의 경계 세그먼트를 공유하며 해당 세그먼트의 한 점이 하나의 다각형 또는 다른 하나의 점에 있지만 둘 다 동시에 존재하지는 않는다.　이것은 특히 컴퓨터 그래픽 디스플레이에서 발생할 수있는 많은 문제를 방지한다.

직선적인 크로싱 넘버 알고리즘은　P의 오른쪽으로 확장되고 양의　x　축에 평행한 수평 광선을 선택한다.　이 특정 광선을 사용하면 다각형 모서리와의 교차점을 쉽게 계산할 수 있다.　그러한 교차가 불가능할 때를 결정하는 것은 더 쉽다.　전체 교차점　cn　을 계산하기 위해 알고리즘은 다각형의 모든 모서리를 반복하고 각 교차점을 테스트하고 교차점이 있을 때마다　cn을　증가시킨다.　또한 교차 테스트는 특수한 경우와 가장자리를 처리해야 한다.

이렇게 도출된 커버리지 분석 대상의 그리드는 물리적 환경에서 동등한 가중치를 가지고 있으나, CCTV의 배치는 가시권 분석만이 아니라 장소의 사회적 환경을 고려하여 배치방안을 고려해야 하므로 그리드에 수요등급을 설정하는 가중치 적용방안을 통해 CCTV배치의 효율성을 검증하는 커버리지 분석 방안이 요구된다.

일반적으로 분석대상 구역 내 방범CCTV의 경우 장소별 위험도를 등급화 시키기 위해 설정될 수 있는 변수는 다음과 같다.

도면분석을 통해 도출될 수 있는 변수는 유해 시설의 위치, 유동인구 데이터를 고려한 사람들이 머무를 가능성이 높은 장소의 분포, 도로등급(가로의 폭), 범죄발생률 등이다. 이러한 개별 변수들은 범죄요인(범죄발생률), 통행요인(유동인구), 유해요인(유흥시설 등), 도로제원(도로의 폭)의 4가지로 재분류한 뒤 장소별 위험도 등급설정을 위해서 “감시가능성(가시성)이 높아질수록 범죄는 감소할 것”이라는 가정을 바탕으로 진행되는데 이 중 도로요인에 있어 도로등급의 경우 도로 폭이 넓을수록 통행량이 많아 감시가능성이 높아져 범죄발생가능성이 낮아지는 것으로 가정하는 의견과 이와 반대되는 의견들이 상충하고 있어 본 발명의 다양한 실험예에서는 위 사항은 고려하지 않았다.

범죄요인에서 범죄발생률이 높을수록 가로의 범죄위험도는 높아질 것으로 예상되며 해외의 경우 이러한 범죄 발생률의 공간데이터를 공개하고 있으나 국내의 경우 경찰청에서 아직까지는 공개가 불가능한 것이 현실이다. 이와 관련하여 범죄발생관련 한국(도 7의 좌측) 및 미국 공개 데이터(도 7의 우측)를 도 7에 도시하였다.

CCTV의 커버리지 분석에서 카메라의 유효거리 뿐만 아니라 카메라와 피사체간의 거리에 따른 인식 정도에 따라 카메라의 커버리지를 세분화하여 분석한다. 본 발명의 일 실험예는 거리에 따라 4단계의 카메라 커버리지를 분류할 수 있는데 가까운 거리부터 사람 및 사물의 인식 및 해석정도에 따라 Identification(Poor), Identification(Good), Recognition, Detection의 가중치를 기준으로 카메라 커버리지 분석을 통한 CCTV 배치를 계획하고 구현할 수 있으며, 이와 관련하여 CCTV의 커버리지 분석의 예를 도 8에 도시하였다.

유해요인을 공간분석에 포함시키는 것의 의미는, 구역 내에 유해시설이 많이 분포할수록 실질적인 범죄 발생건수가 증가한다고 일반화하는 것이 아니라, 유해요인에서 멀어질수록 잠재적 범죄자수가 감소함으로써 범죄발생 확률이 낮아진다는 간접적 논리에 따른 것이어서 여러 논의의 소지가 있다. 따라서 본 발명의 다양한 실험예에서는 유동인구 데이터를 기반으로 통행요인을 적용하여 공간의 가중치를 적용하였다. 유동인구 조사데이터는 과거에는 현장조사를 기반으로 하였으나, 스마트시티의 환경에서는 사용자들의 모바일 통화데이터를 기반으로 적용하고 있는 추세이며 각종 상권분석을 위한 유동인구 데이터의 공개는 지자체와 중소기업 지원기관들을 중심으로 점차 공개가 이루어지고 있다. 유동인구 데이터를 적용한 커버리지 가중치의 개념도는 도 9에 도시된 그림과 같다.

이러한 개념들을 바탕으로 본 발명의 일 실험예에 따라 CCTV 커버리지 분석 방법을 3차원 GIS상에서 적용한 시스템의 시뮬레이션 화면의 설명은 다음과 같으며, 관련 그림을 도 10에 도시하였다.

도 10을 참조하면, 본 발명의 일 실험예에 따라 분석 대상지역내에 건물면을 제외한 공간에 일정한 간격의 그리드를 배치하고 유동인구 데이터를 기반으로 장소별로 가중치를 적용한다. 도 10에 도시된 짙은 파란색의 그리드지역은 유동인구가 높은 지역이며 적색으로 표기된 부분은 CCTV의 커버리지 영역이다. CCTV의 커버리지는 3단계로 구성하여 신원인식이 가능한 가까운 거리, 일반적인 인식이 가능한 중간정도의 거리, 인식은 힘드나 움직임이 감지되는 먼 거리를 설정하였다. 카메라의 커버리지는 뷰쉐드에 의해 건물면과 건물에 의해 시선으로 가려지는 부분은 제외하고 구현하였다. 커버리지 분석의 정밀도는 그리드의 간격이 좁아질 수록 높은 정밀도를 구현할 수 있으나, 지구단위의 면적을 대상으로 시스템의 계산속도를 고려하여 최소간격을 1m로 설정하였다.

커버리지 분석은 카메라 위치에 대한 복수개의 계획안을 대상으로 커버리지의 효율성을 비교 분석하는 것으로 정의되어 감시카메라 시스템에 적용될 수 있다. 이 방식의 경우 계획안의 비교와 함께 실시간으로 사용자의 입력에 의해 카메라의 위치를 변경하면서 커버리지의 효율성을 향상시키는 배치 지원 시스템이 가능하다.

본 발명의 일 실험예에 따라 CCTV커버리지 분석을 위한 개발된 시스템은 일반적인 표준 웹 GIS와 마찬가지로 3단계 아키텍처가 사용되었으며, 도 11에 도시된 구조와 같다.

도 11을 참조하면, 원격 응용 프로그램 서버는 방대한 GIS 데이터를 저장하는 역할을 한다. 웹 서버를 통해 클라이언트와 상호작용하는 데이터베이스는 원격 응용 프로그램 서버에도 저장된다. 데이터베이스는 생성된 테이블을 저장하며 데이터베이스와 웹서버 간의 통신에 필요한 인터페이스는 웹서버에서 실행되는 코드에 의해 제공된다. 커버리지 분석을 수행하기 위한 처리를 수행하는 데 필요한 코드는 클라이언트 상에서 수행되어 카메라 위치이동에 따른 실시간 커버리지 분석이 가능하도록 속도를 개선하였다. 이를 통해 계획가는 CCTV의 설치위치를 변화시키면서 직관적으로 커버리지의 변화를 볼 수 있다. 웹서버는 클라이언트와의 요청을 처리한다. 모든 HTTP요청은 웹 서버에서 관리하며 이는 웹 사이트에 속한 다른 웹 페이지와 함께 세슘 자바스크립트 라이브러리를 호스팅한다. 필요한 자바스크립트 파일은 요청할 때마다 클라이언트로 전송된다. 또한 Apache Tomcat은 사용자가 지형 공간 데이터를 보고 편집 할 수있게 해주는 Java 기반 소프트웨어 서버인 Geoserver를 호스팅한다. Geoserver는 WMS, WMTS 또는 TMS 등과 같이 클라이언트가 요청한대로 다양한 웹 서비스를 제공한다. 이 경우 클라이언트 측의 세슘 가상 세계에 드리워진 타일 형식의 WMS를 사용하여 위성 이미지 및 맵을 제공하는 데 사용된다. 또한 WMS를 사용하여 지형 데이터를 제공하는데 사용된다. 클라이언트 측에서는 사용자가 모든 데이터에 액세스하고 분석하기 위해 웹 브라우저와 인터넷 연결만 사용하면 된다. Web GIS의 아키텍처는 플랫폼간 호환이 가능하므로 사용자는 WebGL을 실행할 수 있는 모든 운영 체제 및 웹 브라우저를 자유롭게 사용할 수 있다. 이를 통해 시스템의 범용성을 확보한다.

본 발명의 일 실험예에 따라 개발된 시스템은 EPSG:4326, WGS 84 좌표계를 사용한다. 이 때문에 국토부 건물통합정보에 저장된 건물의 shape정보를 Geojson으로 호출시 좌표계의 차이로 위치상에서 수백미터의 오차가 발생할 수 있으며, 관련 그림을 도 12에 도시하였다.

국내에서 사용되는 건물 데이터를 EPSG:4326, WGS 84 좌표계에 적용하기 위해서는 지역(경도)마다 맵과 건물간의 위치 오차에 대한 보정 기준 값이 필요하다. 건물 shape 데이터를 지도상에 로딩 시 발생하는 맵과 건물 간의 위치 오차를 해소하고 최종적으로 geojson 파일을 생성하여 세슘 지도상에 올리기 위해 테스트베드인 대전시 데이터의 경우 보정된 중부원점 매개변수를 이용하여 아래 표 1과 도 13과 같이 적용한다.

표 1

분석대상지역의 지형 및 건물 데이터를 기반으로 커버리지 분석을 위한 지역범위를 설정한다. 본 발명의 다양한 실험예에서는 사용자가 직접 지도를 기반으로 폴리곤 형태의 분석지역 경계를 설정할 수 있다. 분석대상지역의 경계가 설정되면 커버리지 분석을 위한 그리드가 생성된다. 그리드는 경계면 내에서만 생성되고 계산되도록 하였다. 이때 그리드의 간격은 사용자의 임의로 설정할 수 있도록 하여 분석 면적 대비 계산 속도를 고려하여 환경설정이 가능하도록 하였다. 효율성을 도출하기 위한 적정한 그리드 간격의 설정은 다양한 데이터를 기반으로 회귀분석을 통해 도출되어야 하나 본 발명의 다양한 실험예에서는 그러한 데이터가 부족한 한계를 고려하여 일반적으로 건물 1개동의 파사드 길이보다 작은 1-10m 단위에서 설정이 가능하다. 그리드의 간격이 작을수록 분석대상 그리드의 개수가 기하급수로 증가하므로 계산속도의 저하를 가져올 수 있으나 개발 시스템에서는 동 단위의 면적에서 작은 간격에서도 커버리지 분석의 실시간성을 확보할 수 있도록 성능을 개선하였고, 본 발명의 일 실험예에 따른 시스템의 주요 메뉴의 구성을 도 14에 도시하였다.

분석대상이 되는 지역의 설정은 커버리지 분석을 위한 기초 조건이다. 본 발명의 일 실험예에 따른 개발 시스템은 분석 영역을 사용자가 지도상에서 직접 입력할 수 있도록 하였다. 폴리라인으로 입력된 대상영역내에서 그리드를 자동으로 생성하여 분석대상 영역의 범용성을 지원하고 대상영역 설정이 자유롭도록 지원한다. 지형의 경우 그리드 형식 단위의 메쉬 데이터를 가져오지만 분석 대상이 되는 영역은 자유도형 내에 점의 형태로 존재하여 다양한 영역의 설정에 대응할 수 있도록 한다.

분석대상 지역의 경계가 설정되고 내부에 일정한 간격의 그리드가 형성된 다음 건물 부분을 제외한 커버리지 대상의 영역을 도 15에 도시된 그림과 같이 설정한다. 이에 따라, 건물통합정보 데이터에서 해당지역의 건물군 평면 형상정보를 추출하고 평면 이외의 지역에만 계산대상이 되는 그리드가 형성되도록 한다.

분석대상 지역의 CCTV커버리지 분석에 따른 감시카메라 배치 위치는 CCTV의 목적에 따라 다르게 된다. 이를 위해 단순한 물리적 환경의 커버리지뿐만 아니라 장소의 목적에 적합한 가중치의 적용을 통해 커버리지 분석의 실효성을 확보해야 한다. 방범용 CCTV의 경우 장소별 범죄율 및 유동인구 데이터를 기반으로 물리적 장소별로 가중치가 부여된다. 교통단속 및 교통정보수집의 경우 장소별 도로 통행량 정보 및 교통사고 발생율 데이터를 기반으로 가중치의 부여가 가능하다. 이외에도 다양한 공공데이터를 기반으로 분석지역에 대한 가중치 설정이 가능할 것이다. 본 발명의 다양한 실험예는 방범용 CCTV를 기준으로 장소별 범죄율과 유동인구 조사 데이터를 기준으로 가중치를 부여하고 이를 히트맵을 통해 지도상에서 시각화 하였다. 히트맵(heat map)은 열을 뜻하는 히트(heat)와 지도를 뜻하는 맵(map)을 결합시킨 것이다. 색상으로 표현할 수 있는 다양한 정보를 일정한 이미지 위에 열분포 형태의 비쥬얼한 그래픽으로 출력하는 것이 히트맵의 특징이다. 유동인구 데이터는 조사지점별로 관찰된 사람의 수를 기준으로 작성되어 왔으나, 최근에는 사용자의 스마트폰에서 제공하는 위치정보와 시간정보를 기반으로 조사하고 분석하는 빅데이터 기법들도 발전되고 있다. 본 발명의 다양한 실험예에서는 공공 및 민간 사이트에서 제공하고 있는 유동인구 공개데이터를 기반으로 하였다. 아래 표 2는 유동인구 공개 데이터의 예이다.

표 2

위치 좌표별로 조사된 목적에 맞는 데이터를 수집하여 장소별로 커버리지 분석을 위한 가중치를 부여하고 이를 시스템상에서 시각적으로 표현하는 것은 CCTV의 배치편집시 사용자에게 직관적으로 중요위치를 가이드하는 역할을 한다. 본 발명의 다양한 실험예에서는 이외에도 3차원 공간상의 거리측정, 면적계산, 경사도계산 기능의 기본적인 공간분석을 위한 기능을 제공하여 시스템 사용자의 이용 및 활용 편의성을 도 16에 도시된 바와 같이 개선하였다.

공공에서 설치하는 카메라는 현재 공공데이터 개방을 통해 설치위치와 설치목적 및 카메라 사양에 대한 기본 정보들을 제공하고 있다. 설치목적은 주로 교통단속, 교통정보 수집, 생활방범, 시설물관리, 재난재해이며 복수개의 목적을 위한 다목적 카메라도 설치되고 있다. 설치 위치는 위경도의 정보를 제공하고 있어 GIS상에 위치 매핑이 가능하다. 그러나, 복수개의 카메라에 대해 대표 좌표만을 제공하고 있어 개별 카메라의 위치를 매핑하기 위해서는 현장조사 또는 장비관리대장 확인을 통한 실제 설치위치를 입력해야 한다. 교통용 카메라의 방향은 교통용 이외의 카메라는 대부분 좌우양방향을 기준으로 하고 있어 360도 커버리지가 가능하다. 아래는 시군구 및 산하기관에서 제공하고 있는 CCTV공공데이터의 예이다. CCTV의 설치높이는 제공하고 있지 않으나 건물 1개층의 높이로 설치되어 있는 것이 일반적이며 이를 기준으로 본 발명의 일 실험예에 따른 시스템을 개발하였다.

표 3 - CCTV 관련 공공데이터의 예

기존에 설치된 CCTV를 기준으로 새로운 CCTV의 추가 설치를 위한 최적안 비교를 위해서 사용자가 시스템상에 카메라의 위치를 입력하고 이에 따른 커버리지의 변화를 직관적으로 알 수 있도록 시스템을 개발하였다. 커버리지의 분석은 가중치 없이 물리적인 환경에서만 평가하는 일반 커버리지 분석과 용도에 따른 가중치를 적용한 가중치 커버리지 분석 기능이 있으며 분석결과는 도 17에 나타낸 바와 같이, 3차원 화면상에서 히트맵 형식으로 표시될 수 있도록 하여 직관적으로 카메라 위치변화에 따른 커버리지 변화를 확인할 수 있도록 한다.

본 발명의 다양한 실험예는 하나의 프로젝트의 다수의 CCTV배치안을 저장하고 커버리지를 비교 분석할 수 있도록 하여 제안된 복수개의 배치안 중 최적안을 도출하는 시스템을 제공할 수 있다. 이를 위해 각각의 배치안 목록별로 CCTV의 개수, 일반 커버리지 비교분석, 가중치 커버리지 비교분석 결과를 도 18에 도시된 그림과 같이 시각적으로 볼 수 있게하여 최적의 카메라 배치를 위한 의사결정을 지원한다.

커버리지의 비교분석은 동일 분석대상 경계내에서 이루어져야 하므로, 프로젝트별 환경설정값은 하나이며, 하나의 경계면과 그리드간격 설정값을 기준으로 다양한 카메라 배치안의 조합들이 리스트로 저장되도록 한다.

본 발명의 다양한 실험예는 계획안의 비교분석을 통해 카메라 최적위치 선정을 위한 커버리지 분석방법의 시스템 구현과 함께 시스템에서 카메라 배치에 대한 추천기능을 수행하는 방안으로 보로노이 다이어그램을 이용한 CCTV 배치방안의 설계안을 추가적으로 제시한다.

보로노이 다이어그램의 개념은 센서 네트워크와 감시 카메라를 배치하기 위한 여러 연구에서 사용되어 왔다.　보로노이 사이트 세트의 다이어그램은 공간을 영역으로 분할한 결과이다.　사이트 "s"에 해당하는 각 지역은 다른 사이트보다 "s"에 가까운 모든 지점으로 구성된다. 다이어그램의 정의는 다음과 같다,

공간　E　(　R2　또는　R3　)에서 "사이트" 또는 "생성자"라고 하는 점 집합으로　S = { s1, s2, ..., sn　}　을 나타낸다.　또한　si　와　sj를　S에속하는 두 개의 사이트로 간주한다.　sj에　대한　si　의 우성(DOM)은 공간　E　의 부분 집합이　sj　와 적어도　si에　가깝도록 다음과 같이 공식화 될 수 있다.　

여기서,　Dist　(a, b)는 점 a와 점 b사이의 유클리드 거리이고 점　p　는 공간　E에속한 점이다. 앞에서와 같이 사이트　si에 의해 생성 된 보로노이영역(　VOR　)은　아래와 같이 S　내의 나머지 사이트들에 대한　si　의 모든 우위의 교차점의 결과이다.

따라서 사이트 집합 S = {s1, s2, ..., sn　}　에서 생성된 보로노이 다이어그램(　DIAVOR　)은 전체 공간을 나누는 모든 보로노이 영역의 모음이다.

도 19는 한 세트의 사이트에서 발생하는 보로노이 다이어그램을 보여준다. 보로노이 다이어그램에서, 모서리의 각 점은 해당 영역이 모서리를 공유하는 두 개의 사이트에서 등거리에 있다.　또한 각 꼭지점은 보로노이 영역을 생성하는 가장 가까운 3개의 사이트로부터 같은 거리에 있다.　또한, 보로노이 다이어그램의 원리는 일반적인 포인트 대신에 라인, 폴리곤 및 가중치 피쳐(포인트, 라인, 폴리곤)와 같은 다양한 유형의 사이트로 확장 될 수 있다.　도 20은 가중치가 없는 선과 다각형 (A, C)과 (A, C)와 같은 모양을 갖는 가중치 선과 다각형 (B, D)에서 생성 된 보로노이 다이어그램을 보여준다.　사용된 가중치는 B의 선 길이와 D의 다각형 영역에 해당한다. 그레이 스케일 색상은 각 점과 가장 가까운 생성기 피쳐사이의 거리(또는 B및 D의 경우 가중치)에 해당한다.　

보로노이 방식의 접근방법은 조망 기반의 방법 계열에 속한 CCTV 배치를 위한 접근법이다.　이러한 환경에서 카메라 네트워크의 배치에서 고려해야 할 가장 중요한 요소는 경로, 건물 정면 및 출입구이며 가능한 한 높은 수준의 커버리지 범위를 달성하면서 카메라 수를 최적화해야 한다.　일반적으로 감시상황에서는 건물의 지붕이 정면이나 입구만큼 중요하지 않다.　따라서 이러한 접근법의 주요 목적은 경로, 건물 정면 및 입구, 가능한 최소 카메라 수에 초점을 맞추면서 거의 100 %의 커버리지 범위에 도달하는 것이다. 또한, 감시 카메라 네트워크를 배치하기 위해 대상 지역의 지상 고도를 나타내는 디지털 고도 모델 (DEM)이 필요하며 건물과 그 특성뿐만 아니라 가시성 계산에 유용한 나무와 스트리트퍼니쳐 등의 객체를 모델링하는 3D 벡터 데이터가 필요하다.　적용 범위 평가에 필요한 데이터는 주로 관심 사이트의 지형 조사에서 비롯된다.

보로노이 접근법은 환경에 위치한 건물의 공간에서 생성된 보로노이 다이어그램을 기반으로 감시 카메라 네트워크의 최적 배치를 찾는 것을 목표로 감시 대상인 공간을 분할하는 역할을 수행하는 발전기 지점으로 카메라의 위치를 사용한다.　종래의 감시카메라 배치 모델링 방법은 카메라의 위치를 수정하거나 새 카메라를 추가하여 적용 범위를 향상시키는 데 사용되는 알고리즘이 다르며 최적의 위치에 최대한 가깝게 카메라의 초기 위치를 정의하는 효과적인 방법을 제공하지는 않는다.　보로노이 접근법은 이러한 약점을 극복하기 위한 방법을 제공한다.　원리는 먼저 건물을 보로노이 다이어그램의 생성기 개체로 사용하고 CCTV 카메라가 보로노이 가장자리에 배치되도록 한다.　이런 종류의 배치는 최대한의 적용 범위를 위해 카메라 수를 최소화하고, 건물의 정면 및 출입구를보다 잘 관찰 할 수 있게 하며, 도로를 최대한 확보해야 한다.

Voronoi 엣지에 속하는 포인트는 이 엣지를 공유하는 생성자 오브젝트에 대해 등거리가 되는 속성을 가지고있는 것으로 알려져 있다.　따라서 카메라가 보로노이 가장자리에 배치되면 동시에 두 개의 해당 건물(생성자 개체)에 최대한 근접하게 된다.　또한 카메라가 건물에 훨씬 가깝게 배치되면 자동으로 대면하는 건물과 멀리 떨어져있게 된다.　이렇게하면 전체 환경을 포괄하는 데 필요한 카메라 수를 늘릴 수 있다. 도 21은 보로노이 가장자리에 카메라를 배치하여 카메라의 수를 줄이는 이점을 보여준다.　전체 영역을 포괄하는 데 필요한 카메라의 총 개수는 설치할 카메라의 매개 변수에 따라 달라진다.　

보다 더 나은 관찰성을 가지려면 환경의 객체가 이미지 또는 비디오에서 가능한 큰 영역을 차지해야한다.　이러한 목표를 달성하기 위해서는 단축 효과(Foreshortening effect)'를 최소화 해야한다.　이 효과는 관측에서 추출 될 수 있는 정보의 양에 영향을 미친다.　단축 효과는 카메라의 시점과 대상 사이의 각도가 점점 작아 질 때 나타난다.　따라서 카메라의 이미지 계획에 있는 물체의 투영이 감소하고 모니터링된 물체가 이미지에 더 짧게 표시된다. 도 22는 단축 효과의 영향을 보여주고 있다.

내장된 환경을 모니터링하고 가능한 최소한의 카메라 수를 고려할 때, 카메라를 대면 카메라보다 가장 가까운 건물에 배치하면 카메라가 가장 먼 건물로 연결될 때 단축 효과가 증가한다.　쇼트닝 효과는 가장 가까운 건물과 먼 거리의 거리가 멀어지기 때문에 발생한다. 특히 카메라의 시야와 모니터링할 가장 먼 건물의 앞면 사이의 각도가 작으면 더욱 그렇다.　따라서 보로노이 영역 내에서도 보로노이 가장자리에 카메라를 배치하면 양쪽에서 단축 효과가 최적화되므로 건물 외벽과 입구를 더 잘 관찰 할 수 있다.

일반적으로 도로는 도시 환경 내의 건물에 대한 접근을 보장하기 위해 건설된다.　따라서 도로는 거의 건물에서 동일한 거리에 위치한다.　따라서 건물의 위치들에서 생성된 보로노이 경계는 도시환경에 구축된 도로 구조와 매우 유사하다.　따라서 보로노이 모서리에 카메라를 배치하면 카메라의 수를 최소화하면서 도로를 보다 잘 관찰하고 적용할 수 있다. 도 23은 도로를 더 잘 관찰하고 적용하기 위한 보로노이 가장자리의 카메라 배치안에 대한 개념도이다.

다음 단계는 카메라의 수를 최소화하면서 가능한 최대 범위를 얻기위해 각 카메라의 최적 위치를 찾는 것이다.　이를 위해 보로노이 엣지의 가장 좋은 위치는 (1)카메라의 매개 변수, (2)건물의 위치, (3)단축 효과를 최소화하는 세 가지 제약 조건에 따라 정의된다. 본 발명의 다양한 실험예에서는 두 가지 가정이 고려된다.　첫번째는 카메라가 지주 위에 설치되어야 한다는 것이다.　두번째 가정은 모든 카메라가 다음과 같은 매개 변수를 갖는다는 것이다.

-OFFSETB = 0　(필드에 인공 대상이 없음).

AZIMUTH1 = 0 °　(시작 수평각).

AZIMUTH2 = 360 °　(스캔 범위의 끝 수평 각도).

VERT1 = 90 °　(수직 각도의 상한).

VERT2 = -90 °　(수직 각도의 하한).

RADIUS1 = 0　(점이 보이는 시작 거리).

RADIUS2 = 상수　(이 거리를 넘어서는 지점이 확실하게 보이지 않는 거리. 이 매개 변수는 카메라 커버리지 범위를 나타냄).

다양한 값을 취할 수있는　SPOT　및　OFFSETA　카메라의 두 가지 매개 변수가 있다.

SPOT　은 카메라를 놓을 지면 고도에 해당한다.

OFFSETA　는 각 카메라에서 모니터링 할 건물의 높이와 관련이 있다.

보로노이 다이어그램을 생성하기 위해 건물의 평면외곽이 생성자 객체로 사용된다.　이러한 형상은 건물통합정보의 기존 평면과 3차원 건물의 기존 모델 또는 지형 조사를 통해 생성될 수 있다.　보로노이 다이어그램이 생성되면 각 에지는 다음과 같이 카메라 범위를 기반으로 하는 두 개의 보로노이 꼭지점 중 하나에서 분할된다.

1. 보로노이 가장자리의 길이가 카메라의 범위보다 작은 경우 이 가장자리는 분할되지 않는다.

2. 보로노이 엣지의 길이가 카메라의 범위보다 크다면, 이 엣지는 동일한 세그먼트로 분할 될 것이다.　이 새로운 세그먼트의 수는 다음 절차에 따라 계산된다.

-Ns　: 보로노이 엣지(Edge) 분할에서 생성 된 새로운 세그먼트 수

-Ceil　: 숫자의 정수 부분을 계산하는 수학 함수 (예 : Ceil (1.45) = 1).

-Mod　:는 나눗셈의 나머지를 계산하는 수학 함수

-LVE　: 보로노이 가장자리의 원래 길이

-R　Cam　: 카메라의 범위

그 후에 생성된 각 세그먼트의 길이는 다음과 같다.

여기서　LSpVE는 원래의 보로노이 가장자리를 분할하여 생성된 새로운 세그먼트의 길이이다.

보로노이 엣지를 균등한 세분들로 분할한 후, 카메라는 각각의 새로운 세그멘트의 중간점에 위치한다.　이러한 방식으로 카메라를 배치하면 건물의 관측 가능성이 높아진다.　실제로, 카메라가 보로노이 버텍스에 배치되면, 단축된 문제의 주요 원인 중 하나인 건물(및 건물 입구)을 감시하기 위해 좁은 각도가 발생할 수 있다.　도 24는 주변 건물과 관련하여 보로노이 구간의 중간에 카메라를 배치한 모습이다.

카메라 범위에 따라 보로노이 가장자리를 분할하는 것은 각 카메라가 두 인접 카메라 (앞면과 뒷면)에서 볼 수 있어야 한다는 아이디어에서 비롯된다.　따라서 두 개의 연속 카메라 사이의 거리는 항상 카메라 범위보다 작다.　따라서 카메라가 고장 나면 보로노이 가장자리를 따라 감시 사각지대가 생기지 않고, 고장난 카메라를 수리하기 전까지는 카메라를 계속 사용할 수 있다.　도 25는 카메라 고장으로 인한 서비스 지역을 보여준다.

효율적인 감시를 보장하기 위해서는 건물의 정면과 출입구를 완벽하게 관찰 할 수 있는 거리에 카메라를 설치해야한다.　따라서 건물과 입구 사이의 최대 허용 거리를 결정하여 전면 및 입구의 최대 적용 범위를 보장해야 한다.　도 26은 카메라 범위와 인접한 두 카메라 간의 거리 (이 거리는 카메라 범위를 초과해서는 안 됨)에 따라 이 거리를 계산하는 데 사용되는 방법을 보여준다.

여기서 R은 카메라의 범위이고　Dmax　는 건물과 보로노이 경계 사이의 최대 허용 거리이다. 거리 (　Dmax)는 다음과 같다.

위 방정식의 D　max　는 2D 가정에 따른 근사치이다.　3D 가정하에 기초한 계산은 약 10m 높이의 카메라와 거의 동일한 값을 제공한다.

건물 중 하나가 앞서 언급한 최대 거리보다 큰 거리로 보로노이 가장자리에서 멀리 떨어져 있는 경우에는 이 보로노이 가장자리를 복제해야 한다.　이 복제 가장자리에 배치된 카메라는 다음 두 가지 조건을 충족해야 한다. 복제된 보로노이 엣지와 해당 건물 사이의 거리는 위 식에서 언급한 거리 Dmax　보다 커서는 안된다. 중복된 보로노이 가장자리에 놓인 카메라는 보로노이 가장자리의 전체 범위를 보장해야 한다. 건물이 주어진 거리를 두고 보로노이 가장자리에서 멀리 떨어져 있다면, 마주 보는 건물은 거의 같은 거리의 보로노이 가장자리와 멀리 떨어져 있을 것이다. 도 27은 보로노이 엣지와 해당 카메라 수의 중복을 나타낸다.

이 단계에서 카메라 네트워크의 위치는 건물의 위치에서 생성된 보로노이 다이어그램을 기반으로 한다.　이러한 카메라의 위치는 래스터와 가시성에 대한 3D 벡터 분석을 결합한 하이브리드 방식을 통해 범위를 평가하고 계산하는 데 사용된다.

카메라의 위치를 정의한 후, 커버리지의 레벨은 뷰쉐드 계산에 기초하여 평가된다.　제안된 접근법은 래스터 기반 및 3차원 벡터 기반의 조망 시각 계산을 위한 두 가지 방법을 결합하여 구성된다.

래스터 기반 뷰쉐드 계산 방법을 사용하면 DSM(Digital Surface Model)을 기반으로 관심 영역의 범위를 래스터 형식으로 평가할 수 있다.　DSM은 지면 고도와 건물의 높이가 결합된 결과이다.　이러한 DSM을 생성하려면 지면 고도를 나타내는 래스터 형식의 DEM (Digital Elevation Model)을 생성해야 한다.　래스터 DEM은 일반적으로 지면의 고도를 나타내는 삼각형 불규칙 네트워크 (Triangular Irregular Network, TIN)에서 추출된다.　이후 건물의 위치와 경계는 기존 3D 모델 또는 지형 조사에서 생성된다.　그 후, 벡터 형식의 건물 경계는 원본 DEM의 동일한 해상도를 사용하여 래스터 형식으로 변환된다.　이 결과 래스터의 픽셀 값은 각 건물의 지붕 높이에 해당하다.　다음으로 건물의 지붕 높이를 나타내는 래스터 파일이 지상 높이에 해당하는 래스터 DEM과 결합된다.　다음은 이 조합을 수행하기 위해 결과로 나타나는 DSM에 속한 각 픽셀에 대해 건물의 지붕 래스터 파일에 있는 해당 값이 null이면 래스터 DEM에서 픽셀 값을 가져온다. 그렇지 않으면 픽셀 값이 건물의 지붕 래스터 파일에서 해당 픽셀에서 가져온다.

래스터 DEM과 3D 건물 모델의 고도 정보를 결합하면 관심 영역에 대한 래스터 형식의 디지털 서피스 모델이 제공된다. 이 DSM은 보르노이 접근법을 통한 카메라 네트워크의 범위를 평가하기 위해 필수적이다.

DSM을 생성 한 후에는 각 카메라의 높이 값이　OFFSETA에해당한다.　이 오프셋 값은 카메라가 배치된 보로노이 가장자리의 생성기준으로 간주되는 두 건물의 높이에 따라 선택된다.　카메라 높이는 주로 카메라를 배치하는 카메라 폴과 관련이 있다.　다음의 두 가지 상황을 예상할 수 있는데, 첫번째 경우는 카메라 폴의 주변 건물이 그다지 크지 않은 경우이다.　이 상황에서 카메라 높이 값은 가장 높은 건물에 해당한다.　이 기준의 장점은 출입구 및 정면 외에도 지붕을 모니터링할 수 있는 가능성을 제공하는 것이다.　그렇지 않으면, 키가 큰 건물과 같은 높이의 기둥을 구성하는 것이 가능하지 않거나 수익성이 없다면 카메라를 배치할 기둥의 표준 높이를 선택해야한다.　그러나 건물의 지붕이 카메라에서 보이지 않을 수 있다.　건물의 지붕은 감시상에서 중요성이 없기 때문에 본 발명의 다양한 실험예에 따른 결과에 큰 영향을 미치지는 않는다.

배치될 카메라의 기본 매개 변수는 카메라 네트워크의 2차원 배치를 나타내는 점 피쳐 클래스의 속성 테이블에 통합된다.　도 28은 카메라 클래스의 속성 테이블을 보여준다.　이 예에서 모든 카메라의 범위는 일정하며 100m이다. OFFSETB, AZIMUTH1, AZIMUTH2, VERT1, VERT2, RADIUS1 및 RADIUS2　매개변수도 일정하다.　그러나　SPOT　및　OFFSETA　는 각 카메라의 위치에 따라 다를 수 있다.　

지상 높이와 건물 높이를 결합한 래스터 DSM과 위치 및 속성이 있는 카메라를 나타내는 피쳐 클래스가 생성되면 뷰쉐드가 계산된다.　그리고 앞서 제시된 방법론을 적용하여 배치된 네트워크에 속한 하나 이상의 카메라에서 가시적인지 여부에 관계없이 각 픽셀을 평가한다.　카메라 클래스의 속성 테이블은 뷰쉐드를 계산하는 데 필요한 카메라의 매개 변수를 제공하는 데 사용된다.

가시성에 대한 3D 벡터 기반 분석법에 따라, 3D 벡터 모델을 사용하면 래스터 DSM을 기반으로 평가할 수 없는 요소에 대한 가시성 분석을 수행할 수 있다.　래스터 DSM은 표면에 있는 객체와 피쳐의 뷰쉐드 계산만 허용한다.　따라서 지붕은 래스터 DSM에 있을 수 있는 건물의 유일한 구성 요소이다.　파사드, 문, 창과 같은 건물의 다른 수직 구성 요소는 래스터 DSM에서 모델링할 수 없다.　이러한 이유로 가시성에 대한 3D 벡터기반 분석으로 카메라 네트워크의 적용 범위 평가를 완료해야한다.　이 가시성 분석 방법은 각 카메라와 이 위치에서 모니터링할 관심 대상물 사이의 시선을 구성하는 것으로 구성된다 .　이렇게 하려면 카메라 클래스와 모니터링할 객체를 나타내는 클래스 사이에 다대다 관계를 설정해야한다.　카메라 클래스에는 배포된 네트워크의 공간 레이아웃을 구성하는데 필요한 카메라의 속성 및 3차원 위치에 대한 중요한 정보가 들어있다.　Entrance 클래스는 건물(문과 창문)의 주요 출입구를 나타낸다.　이 다대다 관계는 카메라가 0개, 1개 또는 여러 개의 출입구를 모니터링할 수 있으며 하나 이상의 카메라로 출입구를 모니터링해야 한다는 것을 의미한다. 이러한 관계가 없는 경우 소프트웨어는 각 카메라와 3D 모델의 모든 정점 사이에 시선을 만들어 시간이 오래 걸리고 해석하기 어려운 결과를 제공한다.　도 29는 Camera와 Entrance 클래스 사이의 다대다 관계에 대한 UML 표기법을 보여준다.

구성된 시선은 관측점(카메라)과 대상피쳐를 연결하는 직선을 나타낸다.　카메라와 대상 피쳐가 샘플링 거리를 적용하여 선 또는 다각형 피쳐일 경우 여러 개의 선을 구성 할 수 있다. 가시성에 대한 3차원 벡터 기반 분석은 모니터링된 환경의 객체를 나타내는 3D 모델과 시야가 구성된 선을 결합하는 것으로 구성된다.　커버리지 분석의 목표는 이러한 물체가 카메라와 대상 사이의 시선과 교차하는지 확인하는 것이다.　도 30에 도시된 바와 같이 세 가지 경우가 발생할 수 있다. 첫 번째는 카메라와 대상 사이의 모든 시선과 교차하는 환경에 하나 이상의 객체가있는 경우 이 대상은 카메라에서 완전히 보이지 않는다. 두 번째는 환경에 카메라와 대상 사이의 모든 시선이 아닌 일부 시선과 교차하는 하나 이상의 객체가 있는 경우 이 대상은 카메라에서 부분적으로 표시된다. 마지막으로 카메라와 타겟 사이의 시야와 교차하는 물체가 없는 경우 이 타겟은 카메라에서 완전히 볼 수 있다.

도 31은 본 발명의 다양한 실험예에 따라 감시 카메라 네트워크 배치를 위한 보르노이 접근법의 구현 과정에서 주요 단계를 요약한 것이다.

개발된 시스템을 이용하여 테스트베드인 도안 신도시 지역의 공공데이터를 분석하고 현재 설치된 CCTV를 기준으로 새로운 CCTV의 설치를 위한 최적의 설치 지역을 분석하였다. 분석대상지역은 구체적으로 도안 신도시의 북측 지역과 주변 일대로 대전시 유성구의 구암동, 봉명동, 상대동에 걸쳐있는 지역이다. 3개의 법정동에 설치되어 있는 CCTV의 정보는 대전시청, 대전시 시설관리공단, 대전시 유성구청의 3개 기관에서 데이터를 공개하고 있으며 이 중 대전시청은 교통정보 수집 및 교통단속용 정보이고 시설관리공단은 시설관리용 카메라 정보만을 제공하고 있어 생활방범, 어린이보호 및 시설관리 목적으로 카메라를 설치하고 관련정보를 공개하고 있는 유성구청의 데이터를 참조하였다. 공개된 데이터는 2015년 기준이며 구암동은 46개소 72개, 봉명동은 21개소 23개, 상대동은 11개소 11개의 CCTV가 설치되어 있다. 이 중 분석대상 지역에 위치한 CCTV와 현장조사를 통해 추가된 CCTV를 기준으로 커버리지를 분석하고 신설되는 CCTV(유폴)의 최적지역을 도출하였다.

분석대상 지역은 3세부 유폴 연구의 대상 지역인 도안 신도시 북측 지역이다. 시스템상에서 분석대상 지역을 직접 지도상에서 입력하고 분석 그리드의 간격을 설정하면 화면상에 그리드가 형성된다. 대상지역의 경우 지형데이터의 고저차가 크지 않은 신도시 지역이어서 편의상 평면상에 그리드를 배치시켰다. 개발 시스템은 지형데이터에 대한 프로파일 기능이 있어 지형면을 따라 그리드의 생성도 가능하나 이 경우 계산량의 증가로 지구단위 면적의 지역을 대상으로 분석시 직관적인 커버리지 분석이 어려울 수 있다. 그러나, 대부분의 분석대상지역인 도심의 경우 평면상의 그리드 배치만으로도 커버리지 분석이 가능하므로 개발 시스템을 이용한 테스트베드 적용시에도 평면상에 그리드를 배치하였다. 도 32는 분석 대상지역의 경계선과 경계선 내부에 생성된 그리드 화면이다.

커버리지 분석을 위한 그리드는 건물의 평면내에 위치한 그리드는 제외하고 계산되어야 한다. 이를 위해 대상 지역의 건물 정보를 국가공간정보 포털에서 제공하는 GIS 건물통합정보 조회 서비스를 이용하여 데이터를 가져온다. 연속수치지도(수치지형도 2.0 건물레이어)의 건물 공간정보와 건축행정시스템(세움터)의 건축물대장 속성정보를 건물단위로 통합하여 구축한 공간기반의 건물통합정보를 이용하여 건물 도형 및 속성값을 포함한 피처 집합을 조회하고 공간자료 및 건축물 높이 정보를 이용하여 3차원 GIS상에 표기하였으며, 이를 도 33에 도시하였다.

공간질의를 이용하여 건물내 포함된 그리드를 제외한 최종 분석대상 그리드를 설정하면 이를 기준으로 커버리지 분석을 위한 단계를 시작한다. 그리드의 경계와 간격, 건물 데이터 정보의 변화가 발생하면 분석설정 조건이 변화하므로 새로운 프로젝트로 커버리지 분석을 진행해야 하며, 결과 화면을 도 34에 도시하였다.

다음은, 그리드로 표시된 분석 대상지역에 분석 목적에 적합한 장소별 가중치를 적용한다. 본 발명의 다양한 실험예에서는 공공 및 민간에서 공개하고 제공하는 유동인구 데이터를 이용하여 가중치를 적용하였다. 유동인구는 임의의 시점에서 10일간의 일별 데이터를 평균한 값을 적용하였으며 데이터세트의 예는 아래 표4와 같다.

표 4

유동인구 데이터세트를 기준으로 가중치를 적용하기위해 최대값과 최소값을 기준으로 히트맵을 생성한다. 도 35에 도시된 그림에서 적색으로 표기된 지역은 유동인구가 높은 지역이며 청색으로 표기된 지역은 낮은 지역이다. 커버리지 분석은 물리적인 환경과 사회적인 환경을 고려하여 진행되어야 하므로 생성된 히트맵을 기준으로 그리드별로 가중치를 적용한다. 유동인구이외에 범죄율 데이터와 도로폭, 또는 도로의 위상관계를 고려한 가중치 적용방안도 고려될 수 있으며 어린이 보호구역 등 제도적으로 중요한 지역을 고려한 가중치 적용도 고려될 수 있으나 본 발명의 다양한 실험예에서는 현 테스트베드 내에서 정보 수집이 가능한 유동인구만을 대상으로 하였다. 테스트베드 주변의 일반상업지역과 테스트베드 내 근린상업지역의 유동인구가 높은 것을 확인할 수 있다.

유동인구 데이터를 이용하여 생성된 히트맵을 기반으로 그리드별로 가중치를 적용한다. 도 36에 도시된 그림 중 우측 화면들은 그리드에 가중치가 적용되는 과정이다. 물리적인 환경에서의 커버리지 효율은 Cov(Coverage ratio) = 커버리지 면적/전체면적 (%)을 기준으로 하며 가중치가 적용되면 Wcov(Weighted Coverage ratio) = 가중치 커버리지 면적/ 가중치 전체면적 (%)을 기준으로 한다. 효율을 최대값을 100% 이지만 가중치의 위치에 따라 동일위치에 CCTV를 설치하더라도 목적 부합성에 따라 효율은 차이를 보인다.

도 37에 도시된 화면은 테스트베드내의 분석대상 지역에 적용한 가중치 적용 그리드를 나타내고 있다. 짙은색의 그리드가 유동인구를 고려하여 가중치가 높은 지역이다.

다음으로, 지역내에 기존에 설치된 CCTV를 설치하고 여기에 신설 CCTV의 위치를 설정하면서 복수개의 설치 대안을 마련한다. 기존 CCTV의 정보는 앞서 설명한 바와 같이 대전시 유성구청에서 설치하고 공개한 공공 CCTV데이터를 이용하였다. 아래 표5는 공개된 데이터의 예이며 설치목적과 설치장소의 위경도, 촬영방면정보 및 카메라 화소수가 제시되어 있다. 설치목적은 그리드의 가중치와 연관되며 생활방범, 어린이보호, 시설물관리용 카메라가 대부분을 차지하고 있다. 촬영방면정보는 교통단속용 카메라를 제외한 대부분의 카메라가 360도 전방면을 지원하고 있어 카메라 분석시 360도의 커버리지 분석을 실시한다. 카메라 화소수는 카메라의 커버리지 거리와 관련되며 화소수가 낮을수록 커버리지 거리를 낮게 설정해야 한다. 일반적인 카메라의 커버리지 거리를 100m로 설정하고 인식가능 거리를 50m로 설정하여 커버리지 분석시에도 카메라를 중심으로 거리별로 가중치를 적용한 커버리지 분석을 수행한다.

표 5

도 38에 도시된 화면은 가중치가 적용된 그리드 레이어 위에 현재 설치된 분석대상 지역내 CCTV의 위치를 매핑한 화면이다. 적색계열의 그리드가 카메라가 설치된 지역이다.

테스트베드 분석지역내 위치한 공공CCTV는 9개소에 설치되어 있으며 대부분 유동인구 밀집지역과 인접해 있다. 신규 CCTV의 경우 계획가는 시스템상의 그리드 밀집도를 보면서 직관적으로 가중치가 높은 그리드 지역에 우선적으로 CCTV를 배치할 것이다. 가중치가 적용된 그리드 상에서는 17개소의 후보 지역이 예상되며 사용자는 이들 지역에 CCTV를 배치하는 복수개의 계획안을 입력할 수 있다. 도 39에 도시된 화면에서 적색으로 표기된 부분이 신규 CCTV의 위치로 사용자가 입력한 위치이다.

신규 CCTV의 설치 수가 많아 질수록 설치 대안의 경우의 수가 많아지므로 가중치 매핑 기반의 사용자 입력은 카메라 대수가 적은 경우에는 사용이 용이하나 많은 경우에는 사용자의 편의를 위해 시스템에서 추천안을 제시하는 방안이 필요하다. 이를 위해 본 발명의 다양한 실험예에서는 시스템에서 추천하는 제안계획의 방식으로 보로노이 방법을 구상하였다. 그러나, 최종적인 커버리지 분석을 통한 최적설치지역의 탐색은 사용자 입력과 시스템 추천안을 모두 비교하면서 도출하는 방안으로 시스템을 설계하였다. 보로노이의 경우에도 최적안이라기 보다는 대안제시를 위한 하나의 방법론으로 이해해야 한다.

최종적인 커버리지 분석은 커버리지 영역의 높고 낮음을 비교해야하는 것과 함께 최소의 카메라로 최대의 면적을 확보하는 효율성의 문제도 고려해야 한다. 따라서 커버리지 면적을 설치 카메라 대수로 나누어 대당 커버리지 면적을 비교하는 것도 다양한 계획안 중 최적안을 도출하는 기준이 될 수 있다. 이를 정리하면 다음과 같으며, 관련 그림을 도 40에 도시하였다.

CCTV Num = CCTV 설치대수

Cov(Coverage ratio) = 커버리지 면적/전체면적 (%)

Wcov(Weighted Coverage ratio) = 가중치 커버리지 면적/ 가중치 전체면적 (%)

CCTV 설치 효율성(대당 커버리지 유효면적) = Wcov/CCTV Num

테스트베드 시뮬레이션의 경우 신규 설치되는 CCTV 2개소에 대한 최적의 배치계획안을 도출하기 위한 것이므로 설치대수의 유의미성은 낮으므로 가중치 커버리지 면적만으로 계획안들의 커버리지를 비교분석 한다. 도 41에 도시된 화면은 복수개의 배치안에 대한 커버리지 분석의 예이다. 최종적으로 도안신도시내 북측 CGV 소재 블록지역에서의 배치안이 가중치를 적용한 커버리지가 높은 것으로 도출되었다.

이상 살펴본 바와 같이, 본 발명의 다양한 실험예에서는 기초로 Web GIS환경에서 구현되는 CCTV최적 배치를 위한 커버리지 분석기능을 수행하는 시스템을 구현하였다. VMS의 경우에도 동일한 커버리지 분석기능을 사용한다. 개발된 시스템을 이용하여 테스트베드인 대전시 도안 신도시 지역을 대상으로 유동인구 데이터를 기초로 최적의 CCTV배치(유폴 2개소)를 위한 대안분석을 통해 유폴의 배치 최적 장소 2개소를 도출하였다. 개발된 시스템은 VWORLD의 지형정보와 국토부 건물통합정보 데이터의 형상 및 속성정보를 이용하여 구현되어 테스트베드 이외에도 타 지역에 적용 가능하도록 범용적 시스템을 구현하였다. 개발된 시스템에서는 단순한 물리적 환경에서의 커버리지 분석뿐만 아니라 유동인구 데이터를 기반으로 CCTV의 사용 목적에 적합한 물리적 장소들의 가중치를 부여하여 커버리지 분석의 실효성을 높였으며 범죄율 데이터, 교통량 데이터 등 향후 다양한 목적으로 수집되는 공공정보들을 이용하여 CCTV의 목적에 적합한 최적의 배치안들을 평가할 수 있을 것이다. 또한 본 발명의 다양한 실험예에 따른 시뮬레이션에서는 추가적으로 구축되는 CCTV 2개소에 대한 시뮬레이션을 위해 가중치 부여를 위한 상수를 최대치와 최소치 구간을 기준으로 일정하게 설정하였으나 향후 CCTV 개수의 증가와 설치장소의 밀집도를 고려할 때 현장 평가와 피드백 및 다양한 유사사례 수치들의 입출력을 통해 가중치 부여를 위한 상수에 대한 설정값을 회귀분석을 통해 찾아감으로써 현장 적용성이 높은 시스템으로 발전시키고, 이러한 부분들에 대한 연구수행을 통해 시스템의 현장 적용성을 높일 필요가 있다.

또한, 본 발명의 다양한 실험예에서는 보르노이 다이어그램을 이용한 카메라 감시 네트워크 배치 방법의 원리를 제시하였다.　이 접근법은 배치 될 카메라의 수를 최적화하면서 모니터링 감시 네트워크의 최적 배치를 제공하는 것을 목표로 시스템 이용자에게 배치 추천안을 제시하여 계획안 비교분석을 위한 사용자의 편리성을 제공해 줄 것이다.　이러한 접근방법의 아이디어는 건물의 외곽형상에서 보로노이 다이어그램을 생성하고 보로노이 가장자리를 사용하여 감시 카메라를 배치하는 것이다.　그리고, 네트워크 범위의 품질을 평가하기 위해, 분석대상 영역의 래스터 디지털 표면 모델을 사용하는 래스터 기반의 뷰쉐드 계산 (viewhed calculation)과 모니터링 할 건물의 주요 출입구를 포함하는 3차원 모델에 의존하는 가시성의 3D 벡터 기반 분석 및 래스터와 벡터 가시성 분석의 조합은 감시 카메라 네트워크를 배치할 때 예상되는 커버리지의 유효성을 평가하는 효과를 높일 것이다. 이를 통해 배치 된 카메라의 수를 최적화하는 것 외에도 건물의 주 출입구에 대한 전체 모니터링을 제공하는 카메라의 위치를 선택할 수 있다.

본 발명의 다양한 실험예에 따른 CCTV 커버리지 분석 접근법은 교통이동 및 보행자 모니터링과 같은 도시 경관의 다른 요소를 모니터링하는 데 유용하다.　특히, 보르노이 접근법은 보안 관심이 높은 영역을 모니터링하기 위해 카메라를 배치하는 데 적합한 방법이다.　이는 UAV에 탑재 될 수 있는 모바일 카메라의 배치에도 매우 효과적 일 수 있다.　이러한 네트워크의 구성은 환경의 동적 특성, 사용 가능한 UAV수 및 특정 대상의 중요성에 따라 다양하게 수행 될 수 있다.

본 발명의 다양한 실험예에 따른 CCTV/VMS 최적 설치 지원시스템 기능 개선에서는 커버리지 분석 기능 개선을 위하여 포인트 그리드를 이용한 시스템 개발로 시스템 속도를 향상시키고 국토부 공간정보를 이용한 건물데이터 모델링으로 범용적인 지역에서 시스템 사용이 가능하도록 하였다. 빅데이터의 활용은 유동인구 데이터등을 이용한 가중치 적용 지원 기능을 개발하였고 웹GIS 기반으로 지원시스템이 구동될 수 있도록 프로그램을 개발하였다. 이에 따라 테스트베드 이외의 지역에서 적용가능한 프로그램을 개발하여 향후 다양한 분야의 서비스를 추가적으로 개발하고 확산시킬 수 있는 기반 프레임워크를 구현하였다.

또한, 본 발명의 다양한 실험예에서는 현재 설치된 CCTV를 기준으로 신규 CCTV의 최적 배치안을 제안하였다. 이를 위해 공공정보로 제공되고 있는 건물통합정보와 공공 CCTV 공개정보 및 대상지역의 유동인구 데이터를 활용하여 시스템을 이용한 시뮬레이션을 통해 신규 CCTV의 설치 위치를 비교 분석 하였다.

지금까지 설명한 본 발명의 다양한 실시예에 적용 가능한 분석 방법과, 그 개념, 그리고, 본 발명의 다양한 실험예를 토대로, 이하에서는 본 발명의 일 실시예에 따른 감시카메라 배치 모델링 시스템과 본 발명의 다른 실시예에 따른 감시카메라 배치 모델링 방법에 대해 설명하도록 한다. 다만, 위 도 2 내지 도 41을 참조하여 설명한 내용과 중복되는 내용은 생략하도록 한다.

도 42는 본 발명의 일 실시예에 따른 감시카메라 배치 모델링 시스템(이하, “감시카메라 배치 모델링 시스템(10)”라 함)의 구성을 도시한 도면이다.

감시카메라 배치 모델링 시스템(10)은 소정 지역의 지도 데이터에 분석 범위를 설정하는 범위 설정부(11), 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하는 그리드 생성부(12), 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 맵 생성부(13), 그리고, 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 하나 이상 생성하는 모델 생성부(14)를 포함한다.

여기서, 상기 지도 데이터는 상기 소정 지역의 지형 정보, 좌표 정보, 건물 정보, 건물 형상 정보, 감시카메라 설치 위치 정보 및 감시카메라 설치 개수 정보를 포함한다. 이 때, 범위 설정부(11)는 상기 지도 데이터가 포함하는 지형 정보, 건물 정보 및 좌표 정보를 이용하여 상기 분석 범위를 설정할 수 있다.

분석 범위는 앞서 도 2 내지 도 41을 참조하여 설명한 설명한 커버리지 분석을 위한 범위와 동일한 범위를 의미한다.

또한, 상기 복수개의 그리드는 1m 내지 10m의 간격을 갖는 형태로 배열되고, 상기 수치 정보는 해당 유동 인구 수치 데이터, 범죄율 수치 데이터 및 교통량 수치 데이터 중 어느 하나이며, 상기 가중치의 크기는 상기 수치 정보의 데이터값의 크기와 비례할 수 있다.

가중치 역시 앞서 도 2 내지 도 41을 참조하여 설명한 가중치와 동일한 의미를 갖는다.

또한, 그리드 생성부(12)는 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하되, 상기 분석 범위에 포함된 건물 형상 정보 및 평면 지역을 추출할 수 있다.

이 때, 맵 생성부(13)는 상기 분석 범위 중 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드를 대상으로, 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성할 수 있다.

또한, 맵 생성부(13)는, 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 상기 복수개의 단위 그리드 각각이 상이한 색상을 띄는 형태의 히트맵을 형성할 수도 있다.

또한, 모델 생성부(14)를 통해 형성된 하나 이상의 배치 모델링 정보는 각각 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 데이터를 포함할 수 있으며, 감시카메라 배치 모델링 시스템(10)은 상기 하나 이상의 배치 모델링 정보 중 상기 하나 이상의 배치 모델링 정보 각각이 포함하는 감시카메라의 개수 데이터 값이 가장 적은 모델링 정보를 제공하는 모델 추천부(15)를 더 포함할 수 있다.

추가적으로, 모델 생성부(14)는, 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 정보, 배치 가능 영역 정보, 유효 시야각 정보, 유효 시야 거리 정보 및 유효 감시 영역 정보를 토대로 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 복수개 생성할 수 있다.

즉, 모델 생성부(14)는 앞서 도 2 내지 도 41을 참조하여 설명한 커버리지 분석을 통하여 상기 소정 지역의 특정 위치에 대응되는 카메라 배치 모델링 정보를 복수개 생성할 수 있다.

앞서, 도 2 내지 도 41을 참조하여 설명한 바와 같이, 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라는 0° 내지 360°의 수평 시야각과, 90° 내지 -90°의 수직 시야각 및 기 설정된 커버리지 범위를 가질 수 있다.

또한, 상술한 모델 추천부(15)는 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라 중 아래 수식 1 및 수식 2에 의해 산출되는 보로노이 영역(VOR(Si))에 배치되는 감시카메라의 개수 정보를 이용하여, 모델 생성부(14)를 통해 생성된 하나 이상의 배치 모델링 정보 중 특정 배치 모델링 정보를 제공할 수도 있다.

(수식 1)

(수식 2)

여기서, S, Si 및 Sj는 상기 특정 위치에 대응되는 건물의 집합으로, (Si∪Sj)∈S, Si = {s1, s2, ..., sn}, Sj = {s1, s2, ..., sm}, Dist(a, b)는 상기 지도 데이터 내의 임의의 점 a와 b사이의 유클리드 거리, 점　p는 상기 맵 내의 특정 위치를 포함하는 공간 E에 속한 임의의 점을 나타낸다. Si는 Sj보다 Si에 가까운 모든 지점으로 구성된다. 특정 위치에 대응되는 건물은 특정 위치에 형성된 건물일 수 있다. E는 상기 맵 내의 전체 공간 또는 기 설정된 공간일 수 있다.

이에 더하여, 모델 추천부(15)는 보로노이 영역(VOR(Si)) 중에서도 가장자리 영역에 배치된 카메라의 개수 정보를 이용하여 모델 생성부(14)를 통해 생성된 하나 이상의 배치 모델링 정보 중 특정 배치 모델링 정보를 제공할 수 있다. 가장자리 영역은 보로노이 영역 외곽선을 기준으로 일정 간격 내의 영역을 의미한다.

본 발명의 다양한 실시예에 따른 감시카메라 배치 모델 생성 및 추천의 이해를 돕기 위해, 모델 생성부(14)가 3개의 배치 모델링 정보인 제1정보, 제2정보 및 제3정보를 생성하였고, 제1정보 내지 제3정보는 각각 보로노이 영역(VOR(Si))에 배치되는 감시카메라의 개수 정보인 1개, 4개, 4개의 수치값 정보를 가지며, 제2정보와 제3정보는 각각 보로노이 영역 중 가장자리 영역에 배치된 감시카메라의 개수 정보로 2개의 수치값 정보, 3개의 수치값 정보를 갖는 경우를 예로 든다.

위 예에서, 모델 추천부(15)는 보로노이 영역(VOR(Si))에 배치되는 감시카메라의 개수 정보를 이용하여 제2정보 또는 제3정보를 제공할 수 있고, 모델 추천부(15)는 보로노이 영역(VOR(Si)) 중에서도 가장자리 영역에 배치된 카메라의 개수 정보를 이용하여 제3정보를 제공할 수도 있다.

위 예와 달리, 감시카메라 배치 모델링 정보인 제1정보 내지 제3정보는 각각 감시카메라 개수 데이터 값으로 2개, 3개, 4개의 수치값 정보를 갖는 경우, 모델 추천부(15)는 감시카메라 개수 데이터 값이 가장 적은 제1정보를 제공할 수도 있다.

즉, 모델 추천부(15)는 앞서 도 2 내지 도 41을 참조하여 설명한 보로노이 다이어그램 분석을 통해 모델 생성부(14)가 생성한 하나 이상의 배치 모델링 정보 중 최적 모델링 정보를 추출할 수 있다. 최적 모델링 정보는 각 모델링 정보가 포함하는 수치값 정보들을 평가, 수치화 또는 지표화하여 1순위에 해당하는 모델링 정보일 수 있다.

이와 관련하여, 본 명세서 상에서 정보를 이용한다는 것은 각 정보에 포함된 내용을 평가, 수치화 또는 지표화하여 순위를 설정한다는 의미일 수 있다.

도 43은 본 발명의 다른 실시예에 따른 감시카메라 배치 모델링 방법(이하, 감시카메라 배치 모델링 방법)의 절차를 도시한 도면이다.

감시카메라 배치 모델링 방법은 도 42에 도시된 감시카메라 배치 모델링 시스템(10)을 이용한 방법으로서, 감시카메라 배치 모델링 시스템(10)이 소정 지역의 지도 데이터에 분석 범위를 설정하는 범위 설정 단계(S21), 감시카메라 배치 모델링 시스템(10)이 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하는 그리드 생성 단계(S22), 감시카메라 배치 모델링 시스템(10)이 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 맵 생성 단계(S23), 그리고, 감시카메라 배치 모델링 시스템(10)이 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 하나 이상 생성하는 모델 생성 단계(S24)를 포함한다.

여기서, 상기 지도 데이터는 상기 소정 지역의 지형 정보, 좌표 정보, 건물 정보, 건물 형상 정보, 감시카메라 설치 위치 정보 및 감시카메라 설치 개수 정보를 포함할 수 있다. 이 때, 범위 설정 단계(S21)는 감시카메라 배치 모델링 시스템(10)이 상기 지도 데이터가 포함하는 지형 정보, 건물 정보 및 좌표 정보를 이용하여 상기 분석 범위를 설정하는 단계일 수 있다.

분석 범위는 앞서 도 2 내지 도 41을 참조하여 설명한 설명한 커버리지 분석을 위한 범위와 동일한 범위를 의미한다.

또한, 상기 복수개의 그리드는 1m 내지 10m의 간격을 갖는 형태로 배열되고, 상기 수치 정보는 해당 유동 인구 수치 데이터, 범죄율 수치 데이터 및 교통량 수치 데이터 중 어느 하나이며, 상기 가중치의 크기는 상기 수치 정보의 데이터값의 크기와 비례할 수 있다.

가중치 역시 앞서 도 2 내지 도 41을 참조하여 설명한 가중치와 동일한 의미를 갖는다.

또한, 그리드 생성 단계(S22)는 감시카메라 배치 모델링 시스템(10)이 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하되 상기 분석 범위에 포함된 건물 형상 정보 및 평면 지역을 추출하는 과정을 더 포함할 수 있다.

이 때, 맵 생성 단계(S23)는 감시카메라 배치 모델링 시스템(10)이 상기 분석 범위 중 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드를 대상으로, 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 단계일 수 있다.

또한, 맵 생성 단계(S23)는, 감시카메라 배치 모델링 시스템(10)이 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 상기 복수개의 단위 그리드 각각이 상이한 색상을 띄는 형태의 히트맵을 형성하는 단계일 수 있다.

또한, 모델 생성 단계(S24)를 통해 형성된 하나 이상의 배치 모델링 정보는 각각 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 데이터를 포함할 수 있고, 이 때, 감시카메라 배치 모델링 방법은 감시카메라 배치 모델링 시스템(10)이 상기 하나 이상의 배치 모델링 정보 중 상기 하나 이상의 배치 모델링 정보 각각이 포함하는 감시카메라의 개수 데이터 값이 가장 적은 모델링 정보를 도출하는 모델 추천 단계(S25)를 더 포함할 수 있다.

추가적으로, 모델 생성 단계(S24)는, 감시카메라 배치 모델링 시스템(10)이 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 정보, 배치 가능 영역 정보, 유효 시야각 정보, 유효 시야 거리 정보 및 유효 감시 영역 정보를 토대로 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 복수개 생성하는 단계일 수 있다.

즉, 모델 생성 단계(S14)는 앞서 도 2 내지 도 41을 참조하여 설명한 커버리지 분석을 통하여 상기 소정 지역의 특정 위치에 대응되는 카메라 배치 모델링 정보를 복수개 생성하는 단계일 수 있다.

앞서, 도 2 내지 도 41을 참조하여 설명한 바와 같이, 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라는 0° 내지 360°의 수평 시야각과, 90° 내지 -90°의 수직 시야각 및 기 설정된 커버리지 범위를 가질 수 있다.

또한, 상술한 모델 추천 단계(S25)는 감시카메라 배치 모델링 시스템(10)이 아래 수식 3 및 수식 4을 통해 산출한 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라 중 보로노이 영역(VOR(Si))에 배치되는 감시카메라의 개수 정보를 토대로, 모델 생성 단계(S24)를 통해 생성된 하나 이상의 배치 모델링 정보 중 특정 배치 모델링 정보를 제공하는 단계일 수 있다.

(수식 3)

(수식 4)

여기서, S, Si 및 Sj는 상기 특정 위치에 대응되는 건물의 집합으로, (Si∪Sj)∈S, Si = {s1, s2, ..., sn}, Sj = {s1, s2, ..., sm}, Dist(a, b)는 상기 지도 데이터 내의 임의의 점 a와 b사이의 유클리드 거리, 점　p는 상기 맵 내의 특정 위치를 포함하는 공간 E에 속한 임의의 점을 나타낸다. Si는 Sj보다 Si에 가까운 모든 지점으로 구성된다. 특정 위치에 대응되는 건물은 특정 위치에 형성된 건물일 수 있다. E는 상기 맵 내의 전체 공간 또는 기 설정된 공간일 수 있다.

모델 추천 단계(S25)를 통해 보로노이 영역(VOR(Si)) 중에서도 가장자리 영역에 배치된 카메라의 개수 정보를 이용하여 모델 생성 단계(S24)를 통해 생성된 하나 이상의 배치 모델링 정보 중 특정 배치 모델링 정보가 제공될 수 있다. 가장자리 영역은 보로노이 영역 외곽선을 기준으로 일정 간격 내의 영역을 의미한다.

본 발명의 다양한 실시예에 따른 감시카메라 배치 모델 생성 및 추천의 이해를 돕기 위해, 모델 생성 단계(S24)를 통해 3개의 배치 모델링 정보인 제1정보, 제2정보 및 제3정보가 생성되었고, 제1정보 내지 제3정보는 각각 보로노이 영역(VOR(Si))에 배치되는 감시카메라의 개수 정보인 1개, 4개, 4개의 수치값 정보를 가지며, 제2정보와 제3정보는 각각 보로노이 영역 중 가장자리 영역에 배치된 감시카메라의 개수 정보로 2개의 수치값 정보, 3개의 수치값 정보를 갖는 경우를 예로 든다.

위 예에서, 모델 추천 단계(S25)를 통해 보로노이 영역(VOR(Si))에 배치되는 감시카메라의 개수 정보에 따라 제2정보 또는 제3정보가 제공될 수 있고, 보로노이 영역(VOR(Si)) 중에서도 가장자리 영역에 배치된 카메라의 개수 정보에 따라 제3정보가 제공될 수도 있다.

위 예와 달리, 감시카메라 배치 모델링 정보인 제1정보 내지 제3정보는 각각 감시카메라 개수 데이터 값으로 2개, 3개, 4개의 수치값 정보를 갖는 경우, 모델 추천 단계(S25)를 통해 감시카메라 개수 데이터 값이 가장 적은 제1정보가 제공될 수도 있다.

즉, 모델 추천 단계(15)는 앞서 도 2 내지 도 41을 참조하여 설명한 보로노이 다이어그램 분석을 통해 모델 생성 단계(S14)에 따라 생성된 하나 이상의 배치 모델링 정보 중 최적 모델링 정보를 추출할 수 있다. 최적 모델링 정보는 각 모델링 정보가 포함하는 수치값 정보들을 평가, 수치화 또는 지표화하여 1순위에 해당하는 모델링 정보일 수 있다.

이상 살펴본 바와 같이, 범위 설정 단계(S21)는 범위 설정부(11)가 수행하는 모든 절차들을 포함할 수 있고, 이와 마찬가지로, 그리드 생성 단계(S22), 맵 생성 단계(S23), 모델 생성 단계(S24) 및 모델 추천 단계(S25)는 각각 그리드 생성부(12), 맵 생성부(13), 모델 생성부(14) 및 모델 추천부(15)가 수행하는 모든 절차를 포함할 수 있다.

상술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (16)

1. 소정 지역의 지도 데이터에 분석 범위를 설정하는 범위 설정부;
   상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하는 그리드 생성부;
   상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 맵 생성부; 및
   상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 하나 이상 생성하는 모델 생성부를 포함하는 것을 특징으로 하는 감시카메라 배치 모델링 시스템.
   
2. 제1항에 있어서,
   상기 지도 데이터는 상기 소정 지역의 지형 정보, 좌표 정보, 건물 정보, 건물 형상 정보, 감시카메라 설치 위치 정보 및 감시카메라 설치 개수 정보를 포함하고,
   상기 범위 설정부는 상기 지도 데이터가 포함하는 지형 정보, 건물 정보 및 좌표 정보를 이용하여 상기 분석 범위를 설정하는 것을 특징으로 하는 감시카메라 배치 모델링 시스템.
   
3. 제1항에 있어서,
   상기 복수개의 그리드는 1m 내지 10m의 간격을 갖는 형태로 배열되고,
   상기 수치 정보는 해당 유동 인구 수치 데이터, 범죄율 수치 데이터 및 교통량 수치 데이터 중 어느 하나이며,
   상기 가중치의 크기는 상기 수치 정보의 데이터값의 크기와 비례하는 것을 특징으로 하는 감시카메라 배치 모델링 시스템.
   
4. 제2항에 있어서,
   상기 그리드 생성부는 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하되, 상기 분석 범위에 포함된 건물 형상 정보 및 평면 지역을 추출하고,
   상기 맵 생성부는 상기 분석 범위 중 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드를 대상으로, 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 것을 특징으로 하는 감시카메라 배치 모델링 시스템.
   
5. 제1항에 있어서,
   상기 맵 생성부는,
   상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 상기 복수개의 단위 그리드 각각이 상이한 색상을 띄는 형태의 히트맵을 형성하는 것을 특징으로 하는 감시카메라 배치 모델링 시스템.
   
6. 제1항에 있어서,
   상기 모델 생성부를 통해 형성된 하나 이상의 배치 모델링 정보는 각각 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 데이터를 포함하고,
   상기 하나 이상의 배치 모델링 정보 중 상기 하나 이상의 배치 모델링 정보 각각이 포함하는 감시카메라의 개수 데이터 값이 가장 적은 모델링 정보를 제공하는 모델 추천부를 더 포함하는 것을 특징으로 하는 감시카메라 배치 모델링 시스템.
   
7. 제1항에 있어서,
   상기 모델 생성부는,
   상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 정보, 배치 가능 영역 정보, 유효 시야각 정보, 유효 시야 거리 정보 및 유효 감시 영역 정보를 토대로 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 복수개 생성하는 것을 특징으로 하는 감시카메라 배치 모델링 시스템.
   
8. 제1항에 있어서,
   상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라는 각각 0° 내지 360°의 수평 시야각과, 90° 내지 -90°의 수직 시야각 및 기 설정된 커버리지 범위를 가지고,
   상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라 중 아래 수학식 1에 의해 산출되는 보로노이 영역(VOR(Si))에 배치되는 감시카메라의 개수 정보를 이용하여, 상기 모델 생성부를 통해 생성된 하나 이상의 배치 모델링 정보 중 특정 배치 모델링 정보를 제공하는 모델 추천부를 더 포함하는 것을 특징으로 하는 감시카메라 배치 모델링 시스템.
   [수학식 1]
   

   

   ,

   

   
   여기서, S, Si 및 Sj는 상기 특정 위치에 대응되는 건물의 집합으로, (Si∪Sj)∈S, Si = {s1, s2, ..., sn}, Sj = {s1, s2, ..., sm}, Dist(a, b)는 상기 지도 데이터 내의 임의의 점 a와 b사이의 유클리드 거리, 점　p는 상기 맵 내의 특정 위치를 포함하는 공간 E에 속한 임의의 점을 나타냄
   
9. 감시카메라 배치 모델링 시스템을 이용한 감시카메라 배치 모델링 방법에 있어서,
   상기 감시카메라 배치 모델링 시스템이 소정 지역의 지도 데이터에 분석 범위를 설정하는 범위 설정 단계;
   상기 감시카메라 배치 모델링 시스템이 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하는 그리드 생성 단계;
   상기 감시카메라 배치 모델링 시스템이 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 맵 생성 단계; 및
   상기 감시카메라 배치 모델링 시스템이 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 하나 이상 생성하는 모델 생성 단계를 포함하는 것을 특징으로 하는 감시카메라 배치 모델링 방법.
   
10. 제9항에 있어서,
    상기 지도 데이터는 상기 소정 지역의 지형 정보, 좌표 정보, 건물 정보, 건물 형상 정보, 감시카메라 설치 위치 정보 및 감시카메라 설치 개수 정보를 포함하고,
    상기 범위 설정 단계는 상기 감시카메라 배치 모델링 시스템이 상기 지도 데이터가 포함하는 지형 정보, 건물 정보 및 좌표 정보를 이용하여 상기 분석 범위를 설정하는 단계인 것을 특징으로 하는 감시카메라 배치 모델링 방법.
    
11. 제9항에 있어서,
    상기 복수개의 그리드는 1m 내지 10m의 간격을 갖는 형태로 배열되고,
    상기 수치 정보는 해당 유동 인구 수치 데이터, 범죄율 수치 데이터 및 교통량 수치 데이터 중 어느 하나이며,
    상기 가중치의 크기는 상기 수치 정보의 데이터값의 크기와 비례하는 것을 특징으로 하는 감시카메라 배치 모델링 방법.
    
12. 제10항에 있어서,
    상기 그리드 생성 단계는 상기 감시카메라 배치 모델링 시스템이 상기 분석 범위 내에 각각 수치 정보를 갖는 복수개의 단위 그리드를 포함하는 그리드를 형성하되 상기 분석 범위에 포함된 건물 형상 정보 및 평면 지역을 추출하는 과정을 더 포함하고,
    상기 맵 생성 단계는 상기 감시카메라 배치 모델링 시스템이 상기 분석 범위 중 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드를 대상으로, 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 평면 지역 이외의 지역에 형성된 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 영역 구분이 가능한 맵을 형성하는 단계인 것을 특징으로 하는 감시카메라 배치 모델링 방법.
    
13. 제9항에 있어서,
    상기 맵 생성 단계는,
    상기 감시카메라 배치 모델링 시스템이 상기 복수개의 단위 그리드 각각이 갖는 수치 정보에 따라 상기 복수개의 단위 그리드 각각에 가중치를 부여하고, 상기 가중치의 크기에 따라 상기 복수개의 단위 그리드 각각이 상이한 색상을 띄는 형태의 히트맵을 형성하는 단계인 것을 특징으로 하는 감시카메라 배치 모델링 방법.
    
14. 제9항에 있어서,
    상기 모델 생성 단계를 통해 형성된 하나 이상의 배치 모델링 정보는 각각 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 데이터를 포함하고,
    상기 감시카메라 배치 모델링 시스템이 상기 하나 이상의 배치 모델링 정보 중 상기 하나 이상의 배치 모델링 정보 각각이 포함하는 감시카메라의 개수 데이터 값이 가장 적은 모델링 정보를 도출하는 모델 추천 단계를 더 포함하는 것을 특징으로 하는 감시카메라 배치 모델링 방법.
    
15. 제9항에 있어서,
    상기 모델 생성 단계는,
    상기 감시카메라 배치 모델링 시스템이 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 개수 정보, 배치 가능 영역 정보, 유효 시야각 정보, 유효 시야 거리 정보 및 유효 감시 영역 정보를 토대로 상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라의 배치 모델링 정보를 복수개 생성하는 단계인 것을 특징으로 하는 감시카메라 배치 모델링 방법.
    
16. 제9항에 있어서,
    상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라는 각각 0° 내지 360°의 수평 시야각과, 90° 내지 -90°의 수직 시야각 및 기 설정된 커버리지 범위를 가지고,
    상기 맵 내의 특정 위치에 대응되도록 배치되는 하나 이상의 감시카메라 중 상기 감시카메라 배치 모델링 시스템이 아래 수학식 2에 의해 산출한 보로노이 영역(VOR(Si))에 배치되는 감시카메라의 개수 정보를 이용하여, 상기 모델 생성 단계를 통해 생성된 하나 이상의 배치 모델링 정보 중 특정 배치 모델링 정보를 제공하는 모델 추천 단계를 더 포함하는 것을 특징으로 하는 감시카메라 배치 모델링 방법.
    [수학식 2]
    

    

    ,

    

    
    여기서, S, Si 및 Sj는 상기 특정 위치에 대응되는 건물의 집합으로, (Si∪Sj)∈S, Si = {s1, s2, ..., sn}, Sj = {s1, s2, ..., sm}, Dist(a, b)는 상기 지도 데이터 내의 임의의 점 a와 b사이의 유클리드 거리, 점　p는 상기 맵 내의 특정 위치를 포함하는 공간 E에 속한 임의의 점을 나타냄
    
    
    

Images