KR20200021281A - 빅데이터 분석을 이용한 유사도 기반의 cctv 영상데이터 중복 제거 시스템 및 그 방법 - Google Patents

빅데이터 분석을 이용한 유사도 기반의 cctv 영상데이터 중복 제거 시스템 및 그 방법 Download PDF

Info

Publication number
KR20200021281A
KR20200021281A KR1020180096838A KR20180096838A KR20200021281A KR 20200021281 A KR20200021281 A KR 20200021281A KR 1020180096838 A KR1020180096838 A KR 1020180096838A KR 20180096838 A KR20180096838 A KR 20180096838A KR 20200021281 A KR20200021281 A KR 20200021281A
Authority
KR
South Korea
Prior art keywords
data
image block
block data
event
image
Prior art date
Application number
KR1020180096838A
Other languages
English (en)
Other versions
KR102158318B1 (ko
Inventor
이동혁
박남제
Original Assignee
제주대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 제주대학교 산학협력단 filed Critical 제주대학교 산학협력단
Priority to KR1020180096838A priority Critical patent/KR102158318B1/ko
Publication of KR20200021281A publication Critical patent/KR20200021281A/ko
Application granted granted Critical
Publication of KR102158318B1 publication Critical patent/KR102158318B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/174—Redundancy elimination performed by the file system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 빅데이터를 기반으로 영상 분석을 수행하여, 영상 데이터 간의 유사도를 판단하여 유사한 영상 데이터를 중복으로 저장하지 않도록 하는 시스템 및 그 방법을 제공하는 것이 목적이다. 이를 위해서, CCTV 영상 데이터를 생성하는 하나 이상의 CCTV 카메라;와 상기 CCTV 카메라로부터 상기 CCTV 영상 데이터를 수신하고, 이벤트 발생 시점마다 상기 CCTV 영상 데이터를 분리하여 영상 블록 데이터로 생성하고, 특정 이벤트 발생 시점에 생성된 이벤트 영상 블록 데이터와 가장 최근에 저장되어 있는 최근 영상 블록 데이터를 빅데이터 서버로 제공하고, 상기 빅데이터 서버로부터 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사도 분석 결과를 수신하고 상기 이벤트 영상 블록 데이터와 상기 최근 저장 영상 블록 데이터가 유사하지 않은 경우에만 상기 이벤트 영상 블록 데이터를 저장하는 클라우드 서버; 및 상기 클라우드 서버로부터 상기 이벤트 영상 블록 데이터 및 상기 최근 영상 블록 데이터를 수신하고, 빅데이터 분석을 통해 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사도를 분석하는 빅데이터 서버;를 포함하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템이 제공된다.

Description

빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템 및 그 방법{Similarity-based CCTV Image Data Deduplication System using Big Data Analysis and method thereof}
본 발명은 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템 및 그 방법에 대한 것으로, 보다 상세하게는 특정 이벤트 발생 시점에 생성된 이벤트 영상 블록 데이터와 가장 최근에 저장되어 있는 최근 영상 블록 데이터를 빅데이터 분석을 통해 유사도를 분석하여 이벤트 영상 블록 데이터와 최근 영상 블록 데이터가 유사한 경우에는 이벤트 영상 블록 데이터를 저장하지 않고 유사하지 않은 경우에만 이벤트 영상 블록 데이터를 저장하는 시스템 및 그 방법에 관한 것이다.
기존의 CCTV의 영상 데이터의 중복제거(deduplication)방식은 파일을 특정한 블럭으로 분할하여, 블록 간에 데이터가 동일한 경우는 중복으로 처리하고 하나의 블럭만 저장하며, 복수개의 포인터만 관리하는 것이 주요 방법이었다.
일반적인 클라우드 환경에서는 이 방식이 잘 적용될 수 있다. 따라서, 중복제거 방식을 적용하면 매우 효율적으로 스토리지를 절감하는 효과를 가져온다는 큰 장점이 있다. 특히, 동일한 데이터가 많을수록 절감 효과는 상승한다.
CCTV 에서 촬영되는 영상데이터는 매우 큰 대용량 스토리지를 필요로 한다. 따라서, 클라우드 서버상에서의 중복 제거 알고리즘이 매우 절실한 분야이다. 그러나, 기존의 중복 제거 방식으로 CCTV에서 생성되는 영상데이터를 중복 제거하는 것은 좋은 효과를 얻기가 힘들다.
왜냐하면, CCTV 영상 데이터는 기본적으로 영상 코덱에 의해 압축 및 인코딩된 파일이므로 동일한 지역에서 동일한 영상을 촬영하였다 하더라도 실질적으로 파일의 세부 비트를 보면 다른 데이터가 된다는 것을 의미한다.
따라서, 동일한 특정 장소에서 어제 1분간 찍은 영상과 오늘 1분간 찍은 영상 데이터를 데이터 비트 단위로 비교하면 서로 상이하다. 즉, 비트 단위로 영상의 유사성을 비교하는 기존의 방법으로는 중복 제거의 효과를 기대할 수 없다.
대한민국 공개특허 제10-2014-0045719호(가상화 및 중복제거 기능을 갖는 CCTV 카메라 영상 관리 시스템)
본 발명은 빅데이터를 기반으로 영상 분석을 수행하여, 영상 데이터 간의 유사도를 판단하여 유사한 영상 데이터를 중복으로 저장하지 않도록 하는 시스템 및 그 방법을 제공하는 것이 목적이다.
본 발명은 CCTV 영상 데이터를 생성하는 하나 이상의 CCTV 카메라;와 상기 CCTV 카메라로부터 상기 CCTV 영상 데이터를 수신하고, 이벤트 발생 시점마다 상기 CCTV 영상 데이터를 분리하여 영상 블록 데이터로 생성하고, 특정 이벤트 발생 시점에 생성된 이벤트 영상 블록 데이터와 가장 최근에 저장되어 있는 최근 영상 블록 데이터를 빅데이터 서버로 제공하고, 상기 빅데이터 서버로부터 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사도 분석 결과를 수신하고 상기 이벤트 영상 블록 데이터와 상기 최근 저장 영상 블록 데이터가 유사하지 않은 경우에만 상기 이벤트 영상 블록 데이터를 저장하는 클라우드 서버; 및 상기 클라우드 서버로부터 상기 이벤트 영상 블록 데이터 및 상기 최근 영상 블록 데이터를 수신하고, 빅데이터 분석을 통해 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사도를 분석하는 빅데이터 서버;를 포함하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템이 제공된다.
여기서, 상기 클라우드 서버는, 상기 CCTV 카메라로부터 상기 CCTV 영상 데이터를 수신하는 CCTV 영상 수신부;와 상기 CCTV 영상 데이터를 블록 단위로 구분하는 이벤트를 발생시키는 이벤트 발생부;와 상기 이벤트 발생 시점마다 상기 CCTV 영상 데이터를 분리하여 영상 블록 데이터로 생성하는 영상 블록 데이터 생성부;와 상기 이벤트 영상 블록 데이터 및 상기 최근 영상 블록 데이터를 빅데이터 서버로 제공하고 상기 빅데이터 서버로부터 유사도 분석 결과를 수신하는 클라우드 서버 통신부;와 상기 영상 블록 데이터를 저장하는 DB; 및 상기 이벤트 발생 조건을 설정하고, 상기 유사도 분석 결과에 따라 상기 영상 블록 데이터를 상기 DB에 저장하도록 제어하는 클라우드 서버 제어부;를 포함하는 것을 특징으로 할 수 있다.
여기서, 상기 빅데이터 서버는, 상기 클라우드 서버로부터 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터를 수신하고, 유사도 분석 결과를 상기 클라우드 서버로 송신하는 빅데이터 서버 통신부;와 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사도를 빅데이터 분석을 통해 분석하여 상기 유사도 분석 결과를 생성하는 유사도 분석부; 및 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사성을 판단하는 유사도 판정 기준을 설정하는 빅데이터 서버 제어부;를 포함하는 것을 특징으로 할 수 있다.
여기서, 상기 이벤트는 일정 시간 간격, 임의의 객체의 등장, 영상 내의 움직임 변화 및 이들의 조합 중 어느 하나인 것을 특징으로 할 수 있다.
여기서, 상기 DB는 메타 DB와 스토리지 DB를 포함하여 구성되고, 상기 메타 DB에는 메타 데이터가 저장되고, 상기 스토리지 DB에는 상기 영상 블록 데이터가 저장되며, 상기 클라우드 서버 제어부는 상기 이벤트 영상 블록 데이터와 메타 데이터를 매칭하여 저장하도록 제어하되, 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터가 유사한 경우에는 상기 이벤트 영상 블록 데이터의 메타 데이터를 상기 최근 영상 블록 데이터 또는 상기 최근 영상 블록 데이터의 대표 이미지와 매칭하여 저장하도록 제어하는 것을 특징으로 할 수 있다.
또한, a) CCTV 카메라에서 CCTV 영상 데이터를 생성하는 단계;와 b) CCTV 카메라가 상기 CCTV 영상 데이터를 클라우드 서버로 전송하는 단계;와 c) 클라우드 서버가 이벤트 발생 시점마다 상기 CCTV 영상 데이터를 분리하여 영상 블록 데이터로 생성하는 단계;와 d) 클라우드 서버가 특정 이벤트 발생 시점에 생성된 이벤트 영상 블록 데이터와 가장 최근에 저장되어 있는 최근 영상 블록 데이터를 빅데이터 서버로 전송하는 단계;와 e) 빅데이터 서버가 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사도를 빅데이터 분석을 통해 분석하는 단계;와 f) 빅데이터 서버가 분석한 유사도 분석 결과를 상기 클라우드 서버로 제공하는 단계; 및 g) 클라우드 서버가 상기 유사도 분석 결과에 따라 상기 이벤트 영상 블록 데이터를 상기 DB에 저장하거나 이전 영상 데이터와 중복 처리하는 단계;를 포함하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 방법이 제공된다.
여기서, 상기 g) 단계는, 상기 유사도 분석 결과가 유사인 경우, 상기 이벤트 영상 블록 데이터를 폐기하고 상기 이벤트 영상 블록 데이터의 메타 데이터를 상기 최근 영상 블록 데이터 또는 상기 최근 영상 블록 데이터의 대표 이미지와 매칭하여 저장하고, 상기 유사도 분석 결과가 비유사인 경우, 상기 이벤트 영상 블록 데이터를 최근 영상 블록 데이터로 하여 저장하는 것을 특징으로 할 수 있다.
여기서, 상기 이벤트 발생 시점은 일정 시간 간격, 임의의 객체의 등장, 영상 내의 움직임 변화 및 이들의 조합 중 어느 하나인 것을 특징으로 할 수 있다.
본 발명은 빅데이터 분석을 통해 영상의 유사도를 분석하므로 이전 영상 데이터에 비해서 의미있는 영상의 변화가 발생한 영상 데이터만을 저장하므로 영상 데이터의 저장 공간을 효율적으로 이용할 수 있는 효과가 있다.
본 발명은 유사도 설정 조건을 사용자의 의도에 따라 설정할 수 있어 관찰 대상에 따라 CCTV 영상데이터를 최적으로 저장할 수 있는 효과가 있다.
본 발명은 영상의 내용이 다르더라도 실질적인 영상 내용상 특이점이 없을 경우 중복처리하여 저장하지 않으므로 유사한 영상을 중복으로 저장하지 않는 효과가 있다.
도 1은 본 발명의 일실시예로 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 일실시예로 클라우드 서버의 구성을 도시한 도면이다.
도 3은 본 발명의 영상 블록 데이터가 유사도 분석 결과를 통해 저장되는 과정을 도시한 도면이다.
도 4는 본 발명의 일실시예로 빅데이터 서버의 구성을 도시한 도면이다.
도 5는 본 발명의 일실시예로 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 방법을 나타낸 도면이다.
도 6은 본 발명의 일실시예로 유사도 분석을 통해 중복제거를 하는 영상 블록 데이터를 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시 예를 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시 예로 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.
본 명세서에서 본 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.
그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
따라서, 몇몇 실시 예에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.
또한, 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하고, 본 명세서에서 사용된(언급된) 용어들은 실시 예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함하며, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.
또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참고로 본 발명의 바람직한 실시 예에 대하여 설명한다.
도 1은 본 발명의 일실시예로 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템의 구성을 도시한 도면이다.
본 발명의 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템은 CCTV 카메라(100), 클라우드 서버(200) 및 빅데이터 서버(300)를 포함하여 구성된다.
CCTV 카메라(100 : 100-1,100-2,100-3)는 클라우드 서버(200)와 통신을 통해 연결되고 CCTV 영상데이터를 생성하여 클라우드 서버(200)로 제공한다.
여기서, CCTV 카메라(100 : 100-1,100-2,100-3)는 하나 이상이 클라우드 서버(200)에 연결될 수 있다.
도1에서는 3개의 CCTV 카메라(100 : 100-1,100-2,100-3)가 클라우드 서버(200)에 연결되어 있는 것으로 도시하고 있으나 그 이상일 될 수 있다.
클라우드 서버(200)는 CCTV 카메라(100 : 100-1,100-2,100-3)로부터 CCTV 영상데이터를 수신하고 CCTV 영상 데이터를 블록 단위로 구분하기위한 이벤트를 발생시킨다. 여기서, 이벤트는 일정 시간 간격이 될 수도 있고, CCTV영상 데이터에 임의의 사람이 등장하는 것이 될 수 있다. 또한, 임의의 사람이 등장한 이후의 일정 시간 간격이 될 수도 있다.
예를 들어, 1분 간격 또는 5분 간격으로 CCTV 영상 데이터를 블록 단위로 구분하여 이벤트 영상 블록 데이터를 생성할 수도 있고, 임의의 사람이 등장하는 경우에 이벤트를 발생시켜 이벤트 영상 블록 데이터를 생성할 수도 있다. 여기서, 임의의 사람이 등장하는 경우를 이벤트 발생 시점으로 하는 경우에는 새로운 사람이 등장하기 전까지는 이벤트가 발생하지 않게 되니, 임의의 사람이 등장한 이후에는 일정 시간 간격 또는 해당 사람의 움직임의 변화가 있는 경우에는 이벤트를 발생시켜 이벤트 영상 블록 데이터를 생성하도록 한다.
클라우드 서버(200)는 이벤트 발생 시점마다 CCTV 영상 데이터를 분리하여 영상 블록 데이터로 생성한다. 클라우드 서버(200)는 특정 이벤트 발생 시점에 생성된 이벤트 영상 블록 데이터와 가장 최근에 저장되어 있는 최근 영상 블록 데이터를 빅데이터 서버(300)로 제공한다.
또한, 클라우드 서버(200)는 빅데이터 서버(300)로부터 이벤트 영상 블록 데이터와 최근 영상 블록 데이터의 유사도 분석 결과를 수신하고 이벤트 영상 블록 데이터와 최근 저장 영상 블록 데이터가 유사하지 않은 경우에만 이벤트 영상 블록 데이터를 DB(250)에 저장한다.
빅데이터 서버(300)는 클라우드 서버(200)로부터 이벤트 영상 블록 데이터 및 최근 영상 블록 데이터를 수신하여 빅데이터 분석을 통해 이벤트 영상 블록 데이터와 최근 영상 블록 데이터의 유사도를 분석한다.
여기서, 빅데이터를 이용하여 영상 데이터의 유사도를 분석하는 이유는 다음과 같다.
빅데이터를 기반으로 영상 분석을 수행하면, 두 영상이 얼마나 유사도가 높은지에 대한 판단이 가능하다. 예를 들어 기존에는 두 영상이 동일하거나 동일하지 않은 경우만을 구분할 수 있으나, 빅데이터를 이용하면 두 영상이 동일하지 않더라도 영상의 내용을 분석하여 두 영상간에 의미 있는 영상 차이가 없는 경우에는 두 영상이 유사한 영상이라고 판단할 수 있다.
본 발명에서와 같이 CCTV 영상 데이터와 같은 연속적인 영상 데이터를 저장하는 경우에는 빅데이터를 이용하여 영상 분석을 통해 유사한 영상은 저장하지 않고 의미 있는 영상의 변화가 발생하는 경우에만 해당 영상을 저장하는 기술이 매우 효율적이다.
빅데이터를 이용하여 영상의 유사도를 분석하게 되면, 영상이 동일하지 않더라도 영상 내용이 유사한 경우에는 유사한 영상이라고 판단할 수 있어 필요하지 않은 영상을 저장하는 비효율성을 제거할 수 있다.
또한, 사용자의 선택에 의해서 영상의 유사도를 설정할 수 있어 설정된 유사도에 따라서 두영상의 유사성을 비교, 분석 및 판단할 수 있다.
예를 들어, 사용자는 두 영상의 유사성을 판단하는 기준으로 유사도를 80으로 설정하면, 두 영상의 콘텐츠 정보가 80% 이상 동일할 경우만 두 영상이 동일하다고 판단하여 중복 영상으로 처리할 수 있다.
CCTV에서 촬영되는 영상 데이터는 동일한 장소를 촬영하는 경우라도 촬영 시간 및 촬영 장소의 상태 등에 따라 두 영상의 내용이 100% 동일할 수는 없다. 예를 들어, 촬영되는 날씨 등에 따른 조도, 색상 등이 달라지게 될 것이며, 촬영 장소의 미세한 풀의 떨림 같은 부분이 영상의 차이를 가져올 수 있다. 빅데이터를 통한 영상의 유사도 분석에서 유사도는 이러한 차이를 구분하는 기준이 된다.
특히, 본 발명에서와 같은 CCTV 영상 데이터의 처리에서 중요하게 생각해야 할 부분은 CCTV의 주요 활용처는 치안 및 감시, 관제 분야이며, 이는 영상 내에 특정 인물의 등장 여부가 중요하다. 따라서, 객체의 분석 자체가 중요한 기준이 될 수 있다. 현재의 빅데이터 분석 기술은 등장 인물에 대한 얼굴 인식/식별 등이 매우 높은 수준의 정확성을 가지고 있어 효율적으로 적용할 수 있다.
본 발명에서는 CCTV 영상 데이터에서 객체 즉 사람이 한번도 등장하지 않은 경우에는 촬영 장소의 다른 영상 변화가 있어도 큰 의미가 없을 수 있다. 이러한 부분도 유사도 설정에 주요한 요소가 될 수 있다.
즉, 유사도 설정에서 임의의 사람의 등장에 따른 영상 변화를 유사도 설정의 주요 기준으로 설정한다.
예를 들어, 본 발명에서 CCTV가 치안 목적의 감시를 위하는 것이라면, 사람이 한번도 등장하지 않은 영상 자체는 중요하지 않다. 따라서, 영상에 임의의 사람이 아닌 강아지나 고양이 같은 다른 개체가 등장하면 이를 무시하고 강아지나 고양이가 등장하기 전의 영상과 유사하다고 판정할 수 있다. 이러한 경우는 유사도 기준을 비교적 낮게 설정한 상태일 것이다.
만약, 동물의 움직임도 유사성 판단의 중요한 기준인 상태라면 화면에 동물 개체가 없는 영상은 모두 유사한 영상이라고 판단하여 중복 처리도 가능하다. 예를 들어, 풀, 바람, 먼지, 낙엽 휘날림, 나무가지 흔들림, 빗방울 등은 중요하지 않은 요소로 판단하여 해당 변화가 발생하는 경우에도 해당 변화가 발생하기전 영상과 유사한 영상으로 판단하여 모두 중복처리한다.
도 2는 본 발명의 일실시예로 클라우드 서버의 구성을 도시한 도면이다.
본 발명에서 클라우드 서버(200)는 CCTV 영상 수신부(210), 이벤트 발생부(220), 영상 블록 데이터 생성부(230), 클라우드 서버 통신부(240), DB(250) 및 클라우드 서버 제어부(260)를 포함한다.
CCTV 영상 수신부(210)는 CCTV 카메라(100)로부터 CCTV 영상 데이터를 수신한다. 여기서, CCTV 영상 수신부(210)는 하나 이상의 CCTV 카메라(100)와 연결되어 각각의 CCTV 카메라로부터 CCTV 영상 데이터를 수신한다.
이벤트 발생부(220)는 CCTV 영상 데이터를 블록 단위로 구분하는 이벤트를 발생시킨다.
이벤트 발생부(220)는 클라우드 서버 제어부(260)에서 설정한 이벤트 발생 조건에 따라 이벤트를 발생시킨다.
즉, 이벤트 발생부(220)는 일정 시간마다 이벤트를 발생하거나 CCTV 카메라(100)로부터 수신한 CCTV영상 데이터를 분석하여 CCTV 영상에 임의이 사람이 등장하는 경우와 같이 이벤트 설정 조건에 맞는 영상이 발생하는 경우에 이벤트를 발생시킨다.
영상 블록 데이터 생성부(230)는 이벤트 발생 시점마다 CCTV 영상 데이터를 분리하여 영상 블록 데이터로 생성한다.
즉, 영상 블록 데이터 생성부(230)는 이벤트 발생 시점을 기준으로 특정 이벤트 발생 시점과 그 이전 이벤트 발생 시점까지의 CCTV 영상 데이터를 영상 블록 데이터로 생성한다.
클라우드 서버 통신부(240)는 이벤트 영상 블록 데이터 및 최근 영상 블록 데이터를 빅데이터 서버(300)로 제공하고 빅데이터 서버(300)로부터 유사도 분석 결과를 수신한다.
DB(250)는 영상 블록 데이터를 저장한다.
여기서, DB(250)는 메타 DB(251)와 스토리지 DB(252)를 포함하여 구성된다.
메타 DB(251)에는 메타 데이터가 저장되고, 스토리지 DB(252)에는 영상 블록 데이터가 저장된다.
클라우드 서버 제어부(260)는 이벤트 발생 조건을 설정하고, 유사도 분석 결과에 따라 상기 영상 블록 데이터를 상기 DB에 저장하도록 제어한다.
여기서, 이벤트 발생 조건은 상술한 바와 같이 일정 시간 간격이 될 수도 있고, CCTV영상 데이터에 임의의 사람이 등장하는 것이 될 수 있다. 또한, 임의의 사람이 등장한 이후의 일정 시간 간격이 될 수도 있다.
또한, 클라우드 서버 제어부(260)는 이벤트 영상 블록 데이터와 메타 데이터를 매칭하여 저장하도록 제어하되, 빅데이터 서버(300)에서의 유사도 분석 결과 이벤트 영상 블록 데이터와 최근 영상 블록 데이터가 유사한 경우에는 이벤트 영상 블록 데이터의 메타 데이터를 최근 영상 블록 데이터와 매칭하여 저장하도록 제어한다.
즉, 빅데이터 서버(300)에서의 유사도 분석 결과 이벤트 영상 블록 데이터와 최근 영상 블록 데이터가 유사한 경우에는 이벤트 영상 블록 데이터를 저장하지 않고 해당 이벤트 시점의 영상 블록 데이터를 이전 영상 블록 데이터와 동일한 데이터로 저장한다.
도 3은 본 발명의 영상 블록 데이터가 유사도 분석 결과를 통해 저장되는 과정을 도시한 도면이다.
클라우드 서버(200)는 CCTV 카메라(100)로부터 CCTV 영상 데이터를 수신한다.
이후 이벤트 발생 조건에 따라 이벤트를 발생시키고 이벤트 발생 시점에 따라 이벤트 영상 블록 데이터를 생성한다.
도 3에서는 A, B, C, D의 4개의 이벤트가 발생하고 이벤트 발생 시점을 기준으로 각각 영상 블록 데이터A, 영상 블록 데이터B, 영상 블록 데이터C, 영상 블록 데이터D 가 생성되는 것을 예로 들고 있다.
클라우드 서버(200)는 두 영상 데이터의 유사도 판단을 위해서 현재 이벤트 영상 블록 데이터와 이전 이벤트 영상 블록 데이터를 빅데이터 서버(300)로 제공한다.
여기서, 이전 이벤트 영상 블록 데이터는 가장 최근에 저장되어 있는 최근 영상 블록 데이터를 의미한다.
최근 영상 블록 데이터는 특정 이벤트의 발생에 따라 생성된 이벤트 영상 블록 데이터의 이전 이벤트 영상 블록 데이터가 될 수 있고 그 이전의 이벤트 영상 블록 데이터가 될 수 있다.
예를 들어, N, N+1, N+2 의 3개의 이벤트가 발생하였다고 가정하고, 이벤트 N에 해당하는 이벤트 영상 블록 데이터 N, 이벤트 N+1에 해당하는 이벤트 영상 블록 데이터 N+1, 이벤트 N+2에 해당하는 이벤트 영상 블록 데이터 N+2 가 생성되고, 이벤트 영상 블록 데이터 N 과 이벤트 영상 블록 데이터 N+1 이 유사한 영상 데이터인 경우에, 이벤트 N+2 가 발생하였을 때 최근 영상 블록 데이터는 이벤트 영상 블록 데이터 N이 된다. 왜냐하면 본 발명에서는 두 영상 데이터가 동일한 경우에는 나중 영상 데이터를 저장하지 않고 이전 영상 데이터와 중복 처리하기 때문이다.
도 3에서는 설명의 편의를 위해서 이벤트 B 가 발생한 경우에 최근 영상 블록 데이터를 영상 블록 데이터 A라고 가정한다.
클라우드 서버(200)는 이벤트 B 가 발생하면 이벤트 영상 블록 데이터에 해당하는 영상 블록 데이터 B 와 최근 영상 블록 데이터에 해당하는 영상 블록 데이터 A를 빅데이터 서버(300)로 제공한다.
빅데이터 서버(300)는 수신한 두 영상 데이터를 설정된 유사도 판정 기준에 따라 분석하여 두 영상 데이터 간의 유사도를 분석하여 판정한다.
도 3에서는 유사도 판정 기준을 '동물이 나타난 경우'로 설정하였다. (유사도 70%로 가정)
그리고, 영상 블록 데이터 A와 영상 블록 데이터 B의 영상의 배경에 나무가지가 흔들리는 정도의 움직임 변화만 있으며, 영상 블록 데이터 C에 임의의 사람이 등장하고 있으며, 영상 블록 데이터 D에서는 강아지 추가로 등장하고 있다고 가정한다.
상기의 경우에 빅데이터 서버(300)는 영상 블록 데이터 A와 영상 블록 데이터 B는 빅데이터를 이용한 유사도 판정 기준에 따라 동일한 영상으로 판정한다.
따라서, 영상 블록 데이터 B는 저장하지 않고 폐기하며 이벤트 B에 해당 하는 이벤트 영상 블록 데이터는 영상 블록 데이터 A로 중복 처리하여 저장한다.
여기서, 영상 블록 데이터 A 와 영상 블록 데이터 B 가 유사한 영상이므로 영상 블록 데이터 A를 영상 블록 데이터 A와 영상 블록 데이터 B의 대표 영상으로 저장하고 있으나, 영상 블록 데이터 B를 대표 영상으로 하여 저장할 수도 있다.
영상 블록 데이터 A를 영상 블록 데이터 A와 영상 블록 데이터 B의 대표 영상으로 저장하는 경우에는 이벤트 B 에 해당하는 영상 블록 데이터 B의 메타 데이터 B는 영상 블록 데이터 A와 매칭하여 저장한다.
영상 블록 데이터 C와 영상 블록 데이터 D는 각각 유사도 판정 기준에 따라 이전 영상 블록 데이터와는 유사하지 않은 영상이므로 실제 영상 데이터인 영상 블록 데이터 C와 영상 블록 데이터 D는 각각 저장한다.
여기서, 메타 데이터 A, 메타 데이터 B, 메타 데이터 C, 메타 데이터 D 는 모두 메타 DB(251)에서 저장하여 관리한다. 메타 데이터는 스토리지의 블럭 포인터 정보만을 담고 있는 문자열이므로 저장하여 보관시 용량 문제는 없다.
도 3의 예에서는 2개의 영상 블럭 데이터에 개체(사람, 강아지)가 출현하였다. 실질적으로 개체의 출현 빈도가 낮을수록 스토리지 효율성(공간절약)은 극대화될 것이다.
유사도 판정 기준을 '개체 출현' 보다 더 다양하게 설정할 수도 있다.
예를 들어, '개체 2인 출현' 혹은, '특정인의 출현'과 같이 세부적으로 유사도 판정 기준을 설정할 수 있다. 특정인의 신원은 빅데이터 분석시 얼굴 인식 기능 등을 통해서 식별이 가능하다.
도 4는 본 발명의 일실시예로 빅데이터 서버의 구성을 도시한 도면이다.
본 발명의 빅데이터 서버(300)는 빅데이터 서버 통신부(310), 유사도 분석부(320) 및 빅데이터 서버 제어부(330)을 포함하여 구성된다.
빅데이터 서버 통신부(310)는 클라우드 서버(200)로부터 이벤트 영상 블록 데이터와 최근 영상 블록 데이터를 수신하고, 유사도 분석 결과를 클라우드 서버(200)로 송신한다.
유사도 분석부(320)는 이벤트 영상 블록 데이터와 최근 영상 블록 데이터의 유사도를 빅데이터 분석을 통해 분석하여 유사도 분석 결과를 생성한다.
빅데이터 서버 제어부(330)는 이벤트 영상 블록 데이터와 최근 영상 블록 데이터의 유사성을 판단하는 유사도 판정 기준을 설정한다.
유사도 판정 기준은 사용자에 의해서 다양하게 설정될 수 있다.
예를 들어, 사람이나 동물 같은 특정 개체의 출현을 기준으로 유사도 판정 기준을 설정할 수 있으며, 여러 사람들 중에서 특정 인물의 관찰하고자하는 경우에 특정 동일인의 움직임 변화를 기준으로 유사도 판정 기준을 설정할 수 있으며, 중요한 물건을 기준으로 해당 물건의 변화를 관찰하고자하는 경우에는 특정 물체의 형태나 위치 변화를 기준으로 유사도 판정 기준을 설정할 수도 있다.
또한, 두 영상을 전제적으로 빅데이터 분석하여 영상 전제에서의 변화된 정도에 따라서 유사도 판정 기준을 설정할 수도 있다.
예를 들어, 유사도 판정 기준을 70%로 설정하면, 빅데이터 분석을 통해 두 영상의 전체적인 모습에서 70% 이하가 동일한 경우(즉, 30% 이상의 영상 변화가 있는 경우)에는 두 영상이 유사하지 않다고 판단할 수도 있다.
도 5는 본 발명의 일실시예로 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 방법을 나타낸 도면이다.
본 발명에서는 CCTV에서 촬영한 CCTV 영상 데이터는 블록단위로 촬영한다.
여기서, CCTV 의 영상 데이터는 CCTV 카메라(100)에서 블록 단위로 영상 데이터를 생성할 수도 있고, CCTV 카메라로부터 수신하는 CCTV 영상 데이터를 클라우드 서버(200)에서 이벤트를 발생 시켜 블록 단위로 구분할 수도 있다.
본 발명에서는 클라우드 서버(200)가 하나 이상의 CCTV 카메라(100)와 연결되어 있고, CCTV 카메라(100)로부터 수신하는 CCTV 영상 데이터를 블록 단위의 영상 데이터로 구분하기 위해서 이벤트를 발생시켜 이벤트 발생 시점을 기준으로 하여 영상 블록 데이터를 생성하는 것을 위주로 설명하기로 한다.
여기서, CCTV 영상 데이터를 블록 단위로 구분하는 이벤트 발생 기준은 다음의 일정 시간 간격, 임의의 객체의 등장, 영상 내의 움직임 변화 중 어느 하나 이상 또는 이들의 조합이 될 수 있다.
1) 일정시간 간격 : 분단위 등 정해진 일정시간마다 이벤트를 발생 시키고 해당 이벤트 발생 시점을 기준으로 영상 블록 데이터로 구분
2) 임의의 객체의 등장 : 영상 내에 임의의 객체(사람, 동물, 차량 등)가 등장하는 경우에 이벤트를 발생시키고 해당 이벤트 발생 시점을 기준으로 영상 블록 데이터로 구분
3) 영상 내의 움직임 변화 : 영상 내에서 특정 사람 또는 동물의 움직임이 변화되거나 특정 객체의 위치나 형태가 변하는 경우에 이벤트를 발생시키고 해당 이벤트 발생 시점을 기준으로 영상 블록 데이터로 구분
여기서, CCTV 카메라(100)에 움직임 센서가 포함되어 있는 경우에는 CCTV 카메라(100)에서 이벤트를 발생시켜 CCTV 영상 데이터를 해당 이벤트 발생 시점을 기준으로 영상 블록 데이터로 구분하여 생성한 후, 클라우드 서버(200)로 전송할 수도 있다.
S110 단계는 CCTV 카메라(100)에서 CCTV 영상을 촬영하여 CCTV 영상 데이터를 생성하고, 생성된 CCTV 영상 데이터를 클라우드 서버(200)로 전송하는 단계이다.
S120 단계는 클라우드 서버(200)에서 이벤트 발생 기준에 따라 이벤트를 발생시키고 이벤트 발생 시점을 기준으로 블록 단위로 구분된 영상 블록 데이터인 이벤트 영상 블록 데이터를 생성하는 단계이다.
S130 단계는 클라우드 서버(200)가 특정 이벤트 발생에 의해서 생성한 이벤트 영상 블록 데이터와 해당 특정 이벤트 발생 시점 이전에 마지막으로 저장된 영상 블록 데이터인 최근 영상 블록 데이터를 빅데이터 서버(300)로 제공하여 두 영상 블록 데이터의 유사도 분석을 의뢰하는 단계이다.
S140 단계는 빅데이터 서버(300)에서 이벤트 영상 블록 데이터와 최근 영상 블록 데이터의 유사도를 분석하여 판단하는 단계이다.
빅데이터 서버(300)는 클라우드 서버(200)로부터 제공받은 이벤트 영상 블록 데이터와 최근 영상 블록 데이터를 각각 빅데이터 분석을 이용하여 각각의 영상을 분석하고, 빅데이터 분석을 통한 영상 분석 결과를 서로 비교하여 두 영상 블록 데이터 간의 영상의 유사도를 판단한다.
즉, 데이터의 크기, 데이터의 해쉬값을 이용하여 두 영상 데이터의 유사도를 비교하는 것이 아니라 각각의 영상 데이터의 영상 내용을 빅데이터로 분석하여 영상의 변화 정도에 의해서 유사도를 판단한다.
S150 단계는 빅데이터 서버(300)가 S140 단계에서 분석한 이벤트 영상 블록 데이터와 최근 영상 블록 데이터간의 유사도 분석 결과를 클라우드 서버(200)로 전송하는 단계이다.
S160 단계는 클라우드 서버(200)가 수신한 유사도 분석 결과를 이용하여 이벤트 영상 블록 데이터와 최근 영상 블록 데이터가 유사한지 비유사한지를 판단하는 단계이다.
여기서, 빅데이터 서버(300)는 빅데이터 분석을 통해 이벤트 영상 블록 데이터와 최근 영상 블록 데이터가 유사한지 비유사한지를 판정하여 두 영상 블록 데이터가 유사하다 또는 비유사하다라는 판정 결과를 유사도 분석 결과로 하여 클라우드 서버(200)로 제공할 수 있고, 단지 이벤트 영상 블록 데이터와 최근 영상 블록 데이터의 유사도 정도를 수치로 나타내는 유사도 분석 결과(예를 들어 유사도가 80% 또는 유사도가 70% 임)를 클라우드 서버(200)로 제공 할 수도 있다.
빅데이터 서버(300)가 유사도 분석 결과에 유사도 정도를 수치로 하여 나타내는 경우에는 클라우드 서버(200)는 S160 단계에서 유사도 분석 결과를 가지고 이벤트 영상 블록 데이터와 최근 영상 블록 데이터가 유사한 영상 데이터인지 비유사한 영상 데이터인지를 판단할 수 있다.
S170 단계는 이벤트 영상 블록 데이터와 최근 영상 블록 데이터가 유사한 경우에 이벤트 영상 블록 데이터는 저장하지 않고, 이벤트 영상 블록 데이터의 메타 데이터를 최근 영상 블록 데이터 또는 최근 영상 블록 데이터의 대표 이미지와 매칭하여 저장하는 단계이다.
즉, 이벤트 영상 블록 데이터가 최근 영상 블록 데이터가 유사하다고 판단한 경우에는 이벤트 영상 블록 데이터는 폐기 처리하고, 해당 이벤트 영상 블록 데이터를 생성한 이벤트 발생 시점의 영상 데이터를 가장 최근에 저장된 영상 블록 데이터와 동일한 데이터로 간주한다.
여기서, 이벤트 영상 블록 데이터가 최근 영상 블록 데이터가 유사하다고 판단한 경우에는 이벤트 영상 블록 데이터는 폐기 처리하고, 해당 이벤트 영상 블록 데이터를 생성한 이벤트 발생 시점의 영상 데이터를 가장 최근에 저장된 영상 블록 데이터의 대표 이미지로 치환하여 저장할 수도 있다.
S180 단계는 이벤트 영상 블록 데이터와 최근 영상 블록 데이터가 비유사한 경우에 이벤트 영상 블록 데이터를 저장하는 단계이다.
S190 단계는 최근에 저장된 영상 블록 데이터를 최근 영상 블록 데이터로 치환하는 단계이다.
여기서, S160 단계에서 판단한 바와 같이 이벤트 영상 블록 데이터와 최근 영상 블록 데이터가 유사한 경우에는 기존의 최근 영상 블록 데이터가 계속 최근 영상 블록 데이터가 되고, 이벤트 영상 블록 데이터와 최근 영상 블록 데이터가 비유사한 경우에는 새롭게 저장되는 이벤트 영상 블록 데이터가 최근 영상 블록 데이터로 치환된다.
도 6은 본 발명의 일실시예로 유사도 분석을 통해 중복 제거를 하는 영상 블록 데이터를 설명하기 위한 도면이다.
도 6에서는 설명의 편의를 위해서 유사도 설정 조건을 사람의 움직임 변화로 설정한 것을 가정하여 설명하기로 한다.
여기서, 이벤트 발생 조건은 일정 시간 간격으로 5초 간격으로 이벤트를 발생하여 영상 블록 데이터를 생성한다고 가정한다.
즉, (2)번 영상 블록 데이터는 (1)번 영상 블록 데이터의 5초 후의 영상 블록 데이터이고, (3)번 영상 블록 데이터는 (2)번 영상 블록 데이터의 5초 후의 영상 데이터이다.
(1)번 영상과 (2)번 영상을 비교하면 (2)번 영상은 바람이 불고 있는 상태로 (1)번 영상에 비해서 구름이 바람이 부는 방향으로 이동하고 있으며, 나뭇가지의 방향도 바람이 부는 방향으로 휘어져 있으며, 상점의 출입구에 서있는 사람의 머리카락과 옷이 바람이 휘날리고 있다. 그러나, 사람의 움직임은 거의 없는 것을 알 수 있다.
즉, (2)번 영상 블록 데이터는 (1)번 영상 블록 데이터에 비해서 사물의 움직임 변화는 있으나, 사람의 의미 있는 움직임 변화는 거의 없는 것을 알 수 있다.
따라서, 유사도 설정 조건에 의하면 (1)번 영상과 (2)번 영상은 빅데이터를 통한 영상 분석시 영상의 변화가 발생하지 않고 있다고 판단한다.
즉, (1)번 영상은 최근 영상 블록 데이터가 되고, (2)번 영상은 이벤트 영상 블록 데이터가 되는 데, 두 영상에서 사람의 움직임 변화가 거의 없으므로 유사한 영상으로 간주하여 (2)번 영상은 저장하지 않고 (2)번 영상 블록 데이터를 생성하는 이벤트 시점의 메타 데이터를 (1)번 영상 데이터에 매칭하여 저장하거나 (1)번 영상의 대표 이미지를 생성하여 해당 대표 이미지에 매칭하여 저장한다.
이후 클라이언트 서버(200)는 (3)번 영상 블록 데이터와 (1)번 영상 블록 데이터를 빅데이터 서버(300)로 전송하여 유사도 분석을 의뢰한다.
이때, 이벤트 영상 블록 데이터는 (3)번 영상 블록 데이터이고, 최근 영상 블록 데이터는 (1)번 영상 블록 데이터가 된다.
여기서, (3)번 영상 블록 데이터는 사람이 상점의 출입문을 열기 위한 동작이 발생하여 (3)번 영상 블록 데이터는 (2)번 영상 블록 데이터에서 사람의 의미있는 움직임의 변화가 발생한 것을 알 수 있다.
여기서, 사람의 옷이나 머리카락이 휘날리는 것은 의미있는 움직임이라고 분석하지 않는다.
빅데이터 영상 분석을 통해 (3)번 영상 데이터는 (1)번 영상 데이터에서 사람이 상점의 출입문을 열기위한 움직임의 변화가 발생하였으므로 유사도 설정 조건에 따라 (1)번 영상 데이터와는 비유사한 영상 데이터로 판단할 수 있다.
따라서, (3)번 영상 데이터는 저장되고 최근 영상 블록 데이터는 저장된 (3)번 영상 데이터로 치환된다.
여기서, (3)번 이후에 새롭게 이벤트가 발생하여 (4)번 영상 데이터가 생성되는 경우에는 (4)번 영상 데이터는 새롭게 치환된 최근 영상 블록 데이터인 (3)번 영상 데이터와 유사도를 비교하게 된다.
본 발명은 상기한 특정의 바람직한 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 되는 것임은 자명하다.
100, 100-1,100-2,100-3 : CCTV 카메라
200 : 클라우드 서버
210 : CCTV 영상 수신부
220 : 이벤트 발생부
230 : 영상 블록 데이터 생성부
240 : 클라우드 서버 통신부
250 : DB
251 : 메타 DB
252 : 스토리지 DB
300 : 빅데이터 서버
310 : 빅데이터 서버 통신부
320 : 유사도 분석부
330 : 빅데이터 서버 제어부

Claims (8)

  1. CCTV 영상 데이터를 생성하는 하나 이상의 CCTV 카메라;
    상기 CCTV 카메라로부터 상기 CCTV 영상 데이터를 수신하고, 이벤트 발생 시점마다 상기 CCTV 영상 데이터를 분리하여 영상 블록 데이터로 생성하고, 특정 이벤트 발생 시점에 생성된 이벤트 영상 블록 데이터와 가장 최근에 저장되어 있는 최근 영상 블록 데이터를 빅데이터 서버로 제공하고, 상기 빅데이터 서버로부터 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사도 분석 결과를 수신하고 상기 이벤트 영상 블록 데이터와 상기 최근 저장 영상 블록 데이터가 유사하지 않은 경우에만 상기 이벤트 영상 블록 데이터를 저장하는 클라우드 서버; 및
    상기 클라우드 서버로부터 상기 이벤트 영상 블록 데이터 및 상기 최근 영상 블록 데이터를 수신하고, 빅데이터 분석을 통해 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사도를 분석하는 빅데이터 서버;
    를 포함하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템.
  2. 청구항 1에 있어서,
    상기 클라우드 서버는,
    상기 CCTV 카메라로부터 상기 CCTV 영상 데이터를 수신하는 CCTV 영상 수신부;
    상기 CCTV 영상 데이터를 블록 단위로 구분하는 이벤트를 발생시키는 이벤트 발생부;
    상기 이벤트 발생 시점마다 상기 CCTV 영상 데이터를 분리하여 영상 블록 데이터로 생성하는 영상 블록 데이터 생성부;
    상기 이벤트 영상 블록 데이터 및 상기 최근 영상 블록 데이터를 빅데이터 서버로 제공하고 상기 빅데이터 서버로부터 유사도 분석 결과를 수신하는 클라우드 서버 통신부;
    상기 영상 블록 데이터를 저장하는 DB; 및
    상기 이벤트 발생 조건을 설정하고, 상기 유사도 분석 결과에 따라 상기 영상 블록 데이터를 상기 DB에 저장하도록 제어하는 클라우드 서버 제어부;
    를 포함하는 것을 특징으로 하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템.
  3. 청구항 1에 있어서,
    상기 빅데이터 서버는,
    상기 클라우드 서버로부터 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터를 수신하고, 유사도 분석 결과를 상기 클라우드 서버로 송신하는 빅데이터 서버 통신부;
    상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사도를 빅데이터 분석을 통해 분석하여 상기 유사도 분석 결과를 생성하는 유사도 분석부; 및
    상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사성을 판단하는 유사도 판정 기준을 설정하는 빅데이터 서버 제어부;
    를 포함하는 것을 특징으로 하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템.
  4. 청구항 2에 있어서,
    상기 이벤트는
    일정 시간 간격, 임의의 객체의 등장, 영상 내의 움직임 변화 및 이들의 조합 중 어느 하나인 것을 특징으로 하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템.
  5. 청구항 2에 있어서,
    상기 DB는 메타 DB와 스토리지 DB를 포함하여 구성되고,
    상기 메타 DB에는 메타 데이터가 저장되고, 상기 스토리지 DB에는 상기 영상 블록 데이터가 저장되며,
    상기 클라우드 서버 제어부는 상기 이벤트 영상 블록 데이터와 메타 데이터를 매칭하여 저장하도록 제어하되, 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터가 유사한 경우에는 상기 이벤트 영상 블록 데이터의 메타 데이터를 상기 최근 영상 블록 데이터 또는 상기 최근 영상 블록 데이터의 대표 이미지와 매칭하여 저장하도록 제어하는 것을 특징으로 하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 시스템.
  6. a) CCTV 카메라에서 CCTV 영상 데이터를 생성하는 단계;
    b) CCTV 카메라가 상기 CCTV 영상 데이터를 클라우드 서버로 전송하는 단계;
    c) 클라우드 서버가 이벤트 발생 시점마다 상기 CCTV 영상 데이터를 분리하여 영상 블록 데이터로 생성하는 단계;
    d) 클라우드 서버가 특정 이벤트 발생 시점에 생성된 이벤트 영상 블록 데이터와 가장 최근에 저장되어 있는 최근 영상 블록 데이터를 빅데이터 서버로 전송하는 단계;
    e) 빅데이터 서버가 상기 이벤트 영상 블록 데이터와 상기 최근 영상 블록 데이터의 유사도를 빅데이터 분석을 통해 분석하는 단계;
    f) 빅데이터 서버가 분석한 유사도 분석 결과를 상기 클라우드 서버로 제공하는 단계; 및
    g) 클라우드 서버가 상기 유사도 분석 결과에 따라 상기 이벤트 영상 블록 데이터를 상기 DB에 저장하거나 이전 영상 데이터와 중복 처리하는 단계;
    를 포함하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 방법.
  7. 청구항 6에 있어서,
    상기 g) 단계는,
    상기 유사도 분석 결과가 유사인 경우,
    상기 이벤트 영상 블록 데이터를 폐기하고 상기 이벤트 영상 블록 데이터의 메타 데이터를 상기 최근 영상 블록 데이터 또는 상기 최근 영상 블록 데이터의 대표 이미지와 매칭하여 저장하고,
    상기 유사도 분석 결과가 비유사인 경우
    상기 이벤트 영상 블록 데이터를 최근 영상 블록 데이터로 하여 저장하는 것을 특징으로 하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 방법.
  8. 청구항 6에 있어서,
    상기 이벤트 발생 시점은 일정 시간 간격, 임의의 객체의 등장, 영상 내의 움직임 변화 및 이들의 조합 중 어느 하나인 것을 특징으로 하는 빅데이터 분석을 이용한 유사도 기반의 CCTV 영상데이터 중복 제거 방법.
KR1020180096838A 2018-08-20 2018-08-20 빅데이터 분석을 이용한 유사도 기반의 cctv 영상데이터 중복 제거 시스템 및 그 방법 KR102158318B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180096838A KR102158318B1 (ko) 2018-08-20 2018-08-20 빅데이터 분석을 이용한 유사도 기반의 cctv 영상데이터 중복 제거 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180096838A KR102158318B1 (ko) 2018-08-20 2018-08-20 빅데이터 분석을 이용한 유사도 기반의 cctv 영상데이터 중복 제거 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20200021281A true KR20200021281A (ko) 2020-02-28
KR102158318B1 KR102158318B1 (ko) 2020-09-22

Family

ID=69638510

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180096838A KR102158318B1 (ko) 2018-08-20 2018-08-20 빅데이터 분석을 이용한 유사도 기반의 cctv 영상데이터 중복 제거 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102158318B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102413157B1 (ko) * 2021-12-30 2022-06-24 주식회사 다리소프트 차량에 탑재된 정보 수집 단말과의 연동을 통해 도로 상의 위험물 정보를 수집하여 관리할 수 있는 위험물 정보 관리 서버 및 그 동작 방법
CN115134631A (zh) * 2022-07-25 2022-09-30 北京达佳互联信息技术有限公司 视频处理方法和视频处理装置
KR102633147B1 (ko) * 2023-11-03 2024-02-02 주식회사 이투온 에지-클라우드 플랫폼 시스템

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090132485A (ko) * 2009-02-05 2009-12-30 김한준 지리정보 확인시스템의 제어방법 및 이동단말기
KR20140045719A (ko) 2012-10-09 2014-04-17 쌍용정보통신 주식회사 가상화 및 중복제거 기능을 갖는 cctv 카메라 영상 관리 시스템
KR20140058753A (ko) * 2012-11-05 2014-05-15 주식회사 인지소프트 영수증 인식을 통한 빅 데이터 기반 관심상품 제공 서비스 시스템 및 방법
US9129179B1 (en) * 2012-05-10 2015-09-08 Amazon Technologies, Inc. Image-based object location
KR20170068312A (ko) * 2015-12-09 2017-06-19 이노뎁 주식회사 효율적인 영상 분석 및 검색이 가능한 영상 분석 시스템, 이를 포함하는 통합 관제 시스템 및 그 동작방법
KR20180058019A (ko) * 2016-11-23 2018-05-31 한화에어로스페이스 주식회사 영상 검색 장치, 데이터 저장 방법 및 데이터 저장 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090132485A (ko) * 2009-02-05 2009-12-30 김한준 지리정보 확인시스템의 제어방법 및 이동단말기
US9129179B1 (en) * 2012-05-10 2015-09-08 Amazon Technologies, Inc. Image-based object location
KR20140045719A (ko) 2012-10-09 2014-04-17 쌍용정보통신 주식회사 가상화 및 중복제거 기능을 갖는 cctv 카메라 영상 관리 시스템
KR20140058753A (ko) * 2012-11-05 2014-05-15 주식회사 인지소프트 영수증 인식을 통한 빅 데이터 기반 관심상품 제공 서비스 시스템 및 방법
KR20170068312A (ko) * 2015-12-09 2017-06-19 이노뎁 주식회사 효율적인 영상 분석 및 검색이 가능한 영상 분석 시스템, 이를 포함하는 통합 관제 시스템 및 그 동작방법
KR20180058019A (ko) * 2016-11-23 2018-05-31 한화에어로스페이스 주식회사 영상 검색 장치, 데이터 저장 방법 및 데이터 저장 장치

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102413157B1 (ko) * 2021-12-30 2022-06-24 주식회사 다리소프트 차량에 탑재된 정보 수집 단말과의 연동을 통해 도로 상의 위험물 정보를 수집하여 관리할 수 있는 위험물 정보 관리 서버 및 그 동작 방법
WO2023128112A1 (ko) * 2021-12-30 2023-07-06 주식회사 다리소프트 차량에 탑재된 정보 수집 단말과의 연동을 통해 도로 상의 위험물 정보를 수집하여 관리할 수 있는 위험물 정보 관리 서버 및 그 동작 방법
CN115134631A (zh) * 2022-07-25 2022-09-30 北京达佳互联信息技术有限公司 视频处理方法和视频处理装置
CN115134631B (zh) * 2022-07-25 2024-01-30 北京达佳互联信息技术有限公司 视频处理方法和视频处理装置
KR102633147B1 (ko) * 2023-11-03 2024-02-02 주식회사 이투온 에지-클라우드 플랫폼 시스템
KR102641534B1 (ko) * 2023-11-03 2024-02-27 주식회사 이투온 클라우드-에지 통합 플랫폼 시스템
KR102641536B1 (ko) * 2023-11-03 2024-02-27 주식회사 이투온 클라우드-에지 플랫폼
KR102643330B1 (ko) * 2023-11-03 2024-03-05 주식회사 이투온 에지 네트워크 클라우드 시스템

Also Published As

Publication number Publication date
KR102158318B1 (ko) 2020-09-22

Similar Documents

Publication Publication Date Title
CN109166261B (zh) 基于图像识别的图像处理方法、装置、设备及存储介质
CN108733819B (zh) 一种人员档案建立方法和装置
KR20200021281A (ko) 빅데이터 분석을 이용한 유사도 기반의 cctv 영상데이터 중복 제거 시스템 및 그 방법
US11568723B2 (en) Video surveillance and object recognition
CN110096996B (zh) 生物信息识别方法、装置、终端、系统及存储介质
US11023707B2 (en) System and method for selecting a part of a video image for a face detection operation
US20200074156A1 (en) Emotion detection enabled video redaction
CN106991395B (zh) 信息处理方法、装置及电子设备
US6774905B2 (en) Image data processing
US20230014519A1 (en) Video search device, data storage method and data storage device
US20220172586A1 (en) Targeted video surveillance processing
CN107958220B (zh) 一种基于人脸识别的人脸库压缩处理方法及其智能装置
GB2528330A (en) A method of video analysis
US11036998B2 (en) CCTV video smart surveillance system and method thereof
CN109800664B (zh) 一种确定路人轨迹的方法及装置
US10939120B1 (en) Video upload in limited bandwidth
US11250244B2 (en) Online face clustering
CN111260869B (zh) 监控视频中视频帧的提取方法、装置和计算机设备
CN111241928A (zh) 人脸识别底库优化方法、系统、设备、可读存储介质
CN113190700B (zh) 用于房产交易的人脸抓拍、筛选和存储的方法及系统
EP1266525A1 (en) Image data processing
CN110309878B (zh) 一种信息处理方法及装置、存储介质
CN111327925A (zh) 数据处理方法、装置、电子设备及机器可读存储介质
US20230195781A1 (en) Systems and methods for managing metadata
KR102589150B1 (ko) 누적 차영상을 이용한 원거리 객체 검지 시스템

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
X701 Decision to grant (after re-examination)
GRNT Written decision to grant