KR20200059643A - 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법 - Google Patents

영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법 Download PDF

Info

Publication number
KR20200059643A
KR20200059643A KR1020180144634A KR20180144634A KR20200059643A KR 20200059643 A KR20200059643 A KR 20200059643A KR 1020180144634 A KR1020180144634 A KR 1020180144634A KR 20180144634 A KR20180144634 A KR 20180144634A KR 20200059643 A KR20200059643 A KR 20200059643A
Authority
KR
South Korea
Prior art keywords
behavior
financial automation
automation device
security system
database
Prior art date
Application number
KR1020180144634A
Other languages
English (en)
Other versions
KR102142315B1 (ko
Inventor
이상규
김종우
이용철
고한석
이강휴
윤정섭
이준엽
Original Assignee
효성티앤에스 주식회사
고려대학교 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 효성티앤에스 주식회사, 고려대학교 산학협력단 filed Critical 효성티앤에스 주식회사
Priority to KR1020180144634A priority Critical patent/KR102142315B1/ko
Publication of KR20200059643A publication Critical patent/KR20200059643A/ko
Application granted granted Critical
Publication of KR102142315B1 publication Critical patent/KR102142315B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
    • G07F19/20—Automatic teller machines [ATMs]
    • G07F19/207—Surveillance aspects at ATMs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
    • G06Q20/108—Remote banking, e.g. home banking
    • G06Q20/1085—Remote banking, e.g. home banking involving automatic teller machines [ATMs]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19606—Discriminating between target movement or movement in an area of interest and other non-signicative movements, e.g. target movements induced by camera shake or movements of pets, falling leaves, rotating fan
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources

Landscapes

  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는 금융자동화기기 본체 일측 또는 금융자동화기기 설치 공간 주변에 구비되는 적어도 한개 이상의 카메라와, 상기 카메라로부터 촬영되는 영상을 실시간으로 전송받아 전송받은 영상의 분석을 통해 금융자동화기기에 대한 외부 공격을 탐지하는 보안 CPU 및 객체 행동 파악을 위한 기반 데이터가 저장되는 데이터베이스를 포함하여 구성되어, 보안 CPU에서 상기 데이터베이스에 저장된 기반 데이터를 바탕으로 상기 카메라로부터 촬영되는 영상을 실시간으로 분석하여 파악된 객체의 행동을 기반으로 객체의 이상행동 유무를 판단할 수 있도록 구성하여, 금융자동화기기에 대한 다양한 형태의 외부 공격을 효과적으로 탐지할 수 있을 뿐만 아니라, 영상 분석 결과의 누적 학습을 통해 외부 공격에 대한 탐지 효율을 지속적으로 향상시킬 수 있는 것을 특징으로 하는 영상분석 기반의 금융자동화기기 보안 시스템 및 그 방법에 관한 것이다.

Description

영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법{ATM security system based on image analyses and the method thereof}
본 발명은 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는 금융자동화기기 본체 일측 또는 금융자동화기기 설치 공간 주변에 구비되는 적어도 한개 이상의 카메라와, 상기 카메라로부터 촬영되는 영상을 실시간으로 전송받아, 전송받은 영상의 분석을 통해 금융자동화기기에 대한 외부 공격을 탐지하는 보안 CPU 및 객체와 객체 행동 파악을 위한 기반 데이터가 저장되는 데이터베이스를 포함하여 구성되어, 보안 CPU에서 상기 데이터베이스에 저장된 기반 데이터를 바탕으로 상기 카메라로부터 촬영되는 영상을 실시간으로 분석하여 파악된 객체의 행동을 기반으로 객체의 이상행동 유무를 판단할 수 있도록 구성하여, 금융자동화기기에 대한 다양한 형태의 외부 공격을 효과적으로 탐지할 수 있을 뿐만 아니라, 영상 분석 결과의 누적 학습을 통해 외부 공격에 대한 탐지 효율을 지속적으로 향상시킬 수 있는 것을 특징으로 하는 영상분석 기반의 금융자동화기기 보안 시스템 및 그 방법에 관한 것이다.
금융자동화기기(Automated Teller Machine : ATM)는 금융 서비스와 관련하여 장소 및 시간에 구애받지 않고, 은행 직원 없이도 입금 또는 출금과 같은 기본적인 금융 서비스를 보조할 수 있는 자동화 기기로서, 카드나 통장 등의 매체를 사용하여 현금의 입금 또는 출금 등의 금융거래를 사용자 자신이 직접 수행할 수 있도록 구성되어 있다.
이와 같은 금융자동화기기는 은행창구의 영업종료 후에도 시간 연장하여 가동할 수 있고, 은행이나 편의점 외에도 사용자 편의를 위해 사람들의 왕래가 많은 장소에 유리부스를 설치하여 그 내부에 설치되기도 하며, 금융자동화기기만 지면에 입설되어 설치되기도 한다.
그러나, 금융자동화기기는 무인화된 기기로 주변에 상주하여 관리하는 계원이 없어 보안상의 문제가 발생할 수 있으며, 많은 현금이 저장되어 있기 때문에 늘 범죄의 표적이 되었다. 예를 들어, 밤 늦은 시간에 금융자동화기기를 파손하고 내부의 현금을 빼내가는 금융사고가 발생하기도 하였으며, 금융자동화기기를 통째로 도난 당하는 사고가 발생하기도 하였다.
이러한 문제를 해결하기 위하여 금융자동화기기와 관련한 금융사고를 막기 위한 다양한 방법들이 제시되고 있다.
일례로, 한국공개특허 제2007-0067302호와 같이, 금융자동화기기에 적외선 센서, 충격센서, 진동센서, 수평센서 등 다양한 감지센서를 구비하고, 외부조작에 의한 도어개방, 충격, 금융자동화기기의 기울임 상태를 파악하여, 부적절한 방법으로 금융자동화기기에 보관된 현금을 인출하기 위하여 도어를 개방하거나, 파손을 위해 충격을 가하거나, 이동을 위해 기울임 발생시 이를 감지하여 외부에 이를 알리는 방법이 개시되어 있다.
그러나, 최근에 발생되는 금융사고는 금융자동화기기에 카드 복제 장치를 장착한 후, 금융거래카드에 실린 정보를 복제하는 스키밍(Skimming) 범죄나, 금융자동화기기에 장착된 핀패드 모듈을 변경하여 비밀번호를 해킹하는 등, 금융자동화기기에 대한 공격 방식이 점점 지능화됨에 따라 기존의 센서를 이용하여 금융사고를 검출하는 것은 한계가 있다.
또한, 기존에 존재하지 않았던 새로운 공격패턴에 대해서는 이에 실시간으로 대응할 수 있는 보안방법이 존재하지 않아, 모니터링을 통해 금융사고가 일어나기 전 이를 사전에 차단할 수 있는 보안 기술의 요구가 시급한 실정이다.
1. 한국공개특허공보 제2007-0067302호(공개일 : 2007. 6. 28) "감지 센서를 이용한 보안 방법 및 상기 방법을 수행하는 금융 자동화 기기"
본 발명은 상기한 종래 기술에 따른 문제점을 해결하기 위한 것이다. 즉, 본 발명의 목적은, 금융자동화기기 본체 일측 또는 금융자동화기기 설치 공간 주변에 구비되는 적어도 한개 이상의 카메라와, 상기 카메라로부터 촬영되는 영상을 실시간으로 전송받아 전송받은 영상의 분석을 통해 금융자동화기기에 대한 외부 공격을 탐지하는 보안 CPU 및 객체 행동 파악을 위한 기반 데이터가 저장되는 데이터베이스를 포함하여 구성되어, 보안 CPU에서 상기 데이터베이스에 저장된 기반 데이터를 바탕으로 상기 카메라로부터 촬영되는 영상을 실시간으로 분석하여 파악된 객체의 행동을 기반으로 객체의 이상행동 유무를 판단할 수 있도록 구성하여, 금융자동화기기에 대한 다양한 형태의 외부 공격을 효과적으로 탐지할 수 있을 뿐만 아니라, 영상 분석 결과의 누적 학습을 통해 외부 공격에 대한 탐지 효율을 지속적으로 향상시킬 수 있는 것을 특징으로 하는 영상분석 기반의 금융자동화기기 보안 시스템 및 그 방법을 제공함에 있다.
상기의 목적을 달성하기 위한 기술적 가상으로서 본 발명은, 금융자동화기기 본체 일측 또는 금융자동화기기 설치 공간 주변에 적어도 한개 이상 구비되어 금융자동화기기 주변영상을 실시간으로 획득하는 카메라; 상기 카메라로부터 촬영된 영상을 실시간으로 전송받아, 전송받은 영상의 분석을 통해 금융자동화기기에 대한 외부 공격을 탐지하는 보안 CPU; 및 객체와 객체의 행동 파악을 위한 기반 데이터가 저장되는 데이터베이스;를 포함하여 구성되어, 상기 보안 CPU를 통해 상기 카메라로부터 촬영된 영상을 실시간으로 분석하여, 상기 데이터베이스 저장된 기반 데이터를 바탕으로, 파악된 객체의 행동에 따른 객체의 이상행동 유무를 판단하여, 금융자동화기기에 대한 외부공격을 실시간으로 탐지할 수 있는 영상 분석 기반의 금융자동화기기 보안 시스템을 제공한다.
본 발명에 따른 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법은, 카메라로부터 촬영되는 영상을 실시간으로 분석하여 파악된 객체의 행동을 기반으로 객체의 이상행동 유무를 판단할 수 있도록 구성하여, 금융자동화기기에 대한 다양한 형태의 외부 공격을 효과적으로 탐지할 수 있을 뿐만 아니라, 영상 분석 결과의 누적 학습을 통해 외부 공격에 대한 탐지 효율을 지속적으로 향상시킬 수 있다.
또한, 외부 공격이 탐지되었을 경우, 이를 즉시 경비업체, 금융자동화기기 관리 서버, 보안시스템 중앙 서버 등에게 알려 금융자동화기기의 보안 위협에 대한 신속한 대응이 가능하도록 제공하며, 금융자동화기기 주변에 위치한 객체에게 경고메시지를 음성으로 출력하거나 화면에 디스플레이함으로써, 금융사고를 사전에 차단시킬 수 있는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 영상 분석 기반의 금융자동화기기 보안 시스템의 개략적인 구성도이다.
도 2는 도 1에 도시된 보안 CPU 및 데이터베이스의 내부 구성도이다.
도 3은 본 발명의 일실시예에 따른 금융자동화기기 보안 시스템을 통해 외부 공격을 탐지한 경우, 이를 외부로 알리기 위한 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 영상 분석 기반의 금융자동화기기 보안 방법을 도시한 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
본 출원에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 본 발명의 바람직한 실시예를 첨부 도면에 의거하여 상세하게 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 영상 분석 기반의 금융자동화기기 보안 시스템의 개략적인 구성도이다.
도 1에 도시된 바와 같이, 본 발명에 따른 영상 분석 기반의 금융자동화기기 보안 시스템은, 금융자동화기기 본체 일측 또는 금융자동화기기 설치 공간 주변에 적어도 한개 이상 구비되어 금융자동화기기 주변영상을 실시간으로 획득하는 카메라(100)와, 상기 카메라(100)로부터 촬영되는 영상을 실시간으로 전송받아, 전송받은 영상의 분석을 통해 금융자동화기기에 대한 외부 공격을 탐지하는 보안 CPU(200) 및 객체와 객체의 행동 파악을 위한 기반 데이터가 저장되는 데이터베이스(300)를 포함하여 구성된다.
이와 같은 구성을 통해, 상기 보안 CPU(200)는 카메라(100)로부터 촬영되는 영상을 실시간으로 분석하여 파악된 객체의 행동을 기반으로, 금융자동화기기에 접근하는 객체의 이상행동 유무를 판단함으로써, 금융자동화기기에 대한 다양한 형태의 외부 공격을 효과적으로 탐지할 수 있을 뿐만 아니라, 영상 분석 결과의 누적 학습을 통해 외부 공격에 대한 탐지 효율을 지속적으로 향상시킬 수 있게 된다.
본 발명에 적용되는 카메라(100)는 금융자동화기기 설치 공간 주변의 적절한 위치에 적어도 한개 이상 설치되어, 금융자동화기기에 근접하는 객체를 촬영한다. 이때, 카메라(100)는 금융자동화기기 전면의 본체 일측에 구비될 수 있으며, 금융자동화기기 설치 공간 내에서 일정 거리 떨어진 위치에 별도로 구비되어, 유/무선 통신망을 통해 촬영된 영상을 금융자동화기기로 실시간 전송할 수 있다. 이러한 카메라(100)는 캠코더, PC카메라, 웹캠, 적외선 비디오 카메라, 폐쇄-회로 텔레비전 카메라(CCTV), PTZ 카메라, 비디오 센싱 장치 중 그 어느 것으로도 구성될 수 있음은 물론이다.
본 발명에 적용되는 카메라(100)가 유/무선 통신망을 통해 금융자동화기기와 연결되는 경우, 이에 적용되는 유/무선 통신망은 그 종류에 있어서 특정한 제약을 받지 않으며 본 발명의 적용 분야에 따라서 적절히 선정될 수 있다. 예를 들어, 대단히 넓은 지역을 담당하는 경우에는 통상의 인터넷을 사용하는 것이 바람직할 수 있고, 건물 하나 정도의 영역을 담당하는 경우에는 건물의 내부망, 예컨대 케이블망을 사용하는 것이 더 바람직할 수 있다. 이와 더불어, 본 발명에서는 카메라(100)가 유/무선 통신망에 연결되는 방식이나 금융자동화기기가 유/무선 통신망에 연결되는 방식에 대해서 어떠한 제약도 가하지 않는다.
도 2는 도 1에 도시된 보안 CPU 및 데이터베이스의 내부 구성도이다.
도 2에 도시된 바와 같이, 본 발명에 따른 보안 CPU(200)는 객체 추출부(210), 행동 분석부(220) 및 이상행동 판단부(230)를 포함하여 구성되며, 데이터베이스(300)는 객체 데이터베이스(310), 행동 패턴 데이터베이스(320) 및 이상행동 데이터베이스(330)를 포함하여 구성된다.
먼저, 객체 추출부(210)는 카메라를 통해 촬영영상을 전송받아 컨볼루션 신경망(Convolution Neural Network, 이하 CNN)을 이용한 객체 추출 동작을 수행한다. 즉, 객체 추출부(210)는 금융자동화기기 주변에 설치된 카메라로부터 전송되는 실시간 촬영영상을 통해 미리 설정된 일정시간 단위별로 영상 프레임을 생성하며, 이러한 영상 프레임에서 고정적인 배경과 움직임이 있는 객체를 구분하고, CNN 트레이닝을 수행하여 영상 프레임 내에 포함된 객체들과 각 객체들이 보유한 도구를 검출한다.
예를 들어, 객체 추출부(210)는 영상 프레임을 복수의 영역으로 분할하고, 픽셀변화량을 기반으로 영상 프레임을 배경 영역과 객체 영역으로 분류한다. 이때, 픽셀변화량은 복수개로 분할된 영역 내에서, 특정 픽셀 값과 주변 픽셀들 사이의 픽셀 값의 변화량을 가리킬 수도 있으며, 또는 이전 영상 프레임에서 동일한 위치의 픽셀과 현재 영상 프레임의 픽셀 값 차이(또는 변화량)을 의미할 수도 있다. 즉, 복수개로 분할된 영역 중 제1 영역에 포함된 픽셀들의 픽셀 변화량이 특정 기준값보다 작은 경우, 객체 추출부(210)는 이를 배경영역으로 분류할 수 있으며, 제1 영역에 포함된 픽셀들의 픽셀 변화량이 특정 기준 값보다 큰 경우, 이를 객체 영역으로 분류할 수 있다.
이후, 객체 추출부(210)는 추출된 객체 또는 객체가 보유하고 있는 도구를 파악하기 위하여 딥러닝 알고리즘인 CNN 모델을 이용한다. CNN은 지역 수용 영역(Local Receptive Fields)과 컨볼루션 레이어(Convolutional Layer), 풀링 레이어(Pooling Layer) 등으로 구성되어 있는 신경망으로서, 이미지 분석에 대표적으로 쓰이고 있는 딥러닝 기법이다. 이러한 CNN은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출한 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 토대로 만들어진 사람의 뇌 기능을 모사한 모델이다.
본 발명은 이러한 CNN 모델을 활용하여 추출된 객체영역에서 이미지 특징 정보를 추출하고, 객체 데이터베이스(310)에 미리 학습하여 저장된 여러 도구들의 특징 정보를 비교함으로써, 추출된 객체영역이 보유하고 있는 도구의 명칭결과를 산출한다.
이와 같이, 객체 추출부(210)는 특정조건을 기반으로 영상 프레임에서 배경영역과 객체영역을 분류하고, CNN 트레이닝을 기반으로 영상 프레임 내의 도구와 객체 데이터베이스(310)에 저장된 다양한 도구의 특징 정보를 비교함으로써, 영상 프레임 내에서 객체와 객체가 보유한 도구를 특정하기 위해 종래에 필요했던 많은 연산과 이에 소요되는 시간을 줄일수 있어, 실시간으로 금융자동화기기에 근접한 객체와 해당 객체가 보유한 도구를 파악할 수 있게 된다.
행동 분석부(220)는 객체 추출부(210)를 통해 추출된 움직임이 있는 객체별로, 움직임 정보를 히스토그램 벡터의 형태로 특징 백터를 생성하며, 특정 시간 단위 및/또는 복수의 영상 프레임 단위로 특징 벡터를 누적하여 특징 벡터 히스토그램을 생성한다.
이렇게 생성된 특징 벡터 히스토그램을 이용하여, 행동 분석부(220)는 시계열 데이터 분석이 가능한 순환신경망(Recurrent Neural Network, 이하 RNN) 트레이닝을 기반으로 객체의 행동을 파악한다. RNN은 딥러닝 알고리즘 중 하나로 다른 신경망들과는 달리 시간 요인을 고려하여 시퀀스 데이터의 패턴을 명시적으로 학습하는 모델이다. 본 발명에서는 미리 학습되어 행동 분류 모델이 구축되어 있는 행동패턴 데이터베이스(320)에 저장된 다양한 행동 패턴들과 행동 분석부(220)를 통해 생성된 특징 벡터 히스토그램을 RNN 트레이닝을 기반으로 비교함으로써, 객체의 행동을 실시간으로 파악한다.
이때, 행동 분석부(220)는 금융자동화기기의 기종에 따라 사용자의 행동을 다르게 파악할 수 있다. 즉, 금융자동화기기 기종에 따라 사용자의 시선이 향하거나 또는 접근한 곳에 위치한 금융자동화기기의 각 구성요소가 상이하므로, 행동 데이터베이스(310)에는 하기의 <표 1>과 같이, 금융자동화기기 기종에 따라 사용자의 행동을 파악하는 기준 정보가 다르게 저장되어 있다. 예를 들어, 사용자가 금융자동화기기에 접근하여 아래를 바라보는 동일한 행동을 수행한다 하더라도, 기종 A의 경우에는 핀패드를 바라보는 행동으로 판단할 수 있으며, 기종 B의 경우에는 출금부를 바라보는 행동으로 판단할 수 있다.
행동 기종 A 기종 B
정면을 바라보는 경우 화면을 보는 행동으로 파악 화면을 보는 행동으로 파악
아래를 바라보는 경우 핀패드를 보는 행동으로 파악 출금부를 보는 행동으로 파악
왼쪽을 바라보는 경우 입출금부를 보는 행동으로 파악 -
오른쪽을 바라보는 경우 카드리더기를 보는 행동으로 파악 카드리더기를 보는 행동으로 파악
이상행동 판단부(230)는 객체 추출부(210)를 통해 파악된 객체가 보유한 도구와, 행동 분석부(220)를 통해 파악된 객체의 행동을 기반으로, 객체의 이상행동 유무를 판단한다. 이때, 이상행동 판단부(230)는 객체 추출부(210)를 통해 파악된 객체가 보유한 도구와, 행동 분석부(220)를 통해 파악된 객체의 행동을 조합한 후, 조합된 행동이 미리 설정된 일정시간을 지속하는 경우 이상행동으로 판단할 수 있다. 예를 들어, 사용자가 보유한 도구가 드라이버인 것으로 파악된 상태에서, 사용자가 금융자동화기기에 근접하여 카드리더기가 있는 곳을 바라보는 행동이 30초 이상 지속되는 경우, 이상행동 판단부는 이를 스키밍 장치를 부착하기 위한 이상행동으로 파악할 수 있다.
이와 같이, 이상행동 판단부(230)는 객체가 보유한 도구와 객체의 행동을 조합한 후, 조합된 행동이 미리 설정된 일정시간을 지속하는 경우 이상행동으로 판단할 수 있는데, 객체가 보유한 도구에 따라 이상행동 판단을 위한 행동 지속시간 기준을 다르게 적용할 수 있다. 즉, 객체 데이터베이스(310)에는 도구의 명칭결과 뿐만 아니라 도구별로 위험도가 사전에 설정되어 있으며, 이상행동 판단부(230)는 하기의 <표 2>와 같이, 객체 추출부(210)를 통해 파악된 객체가 보유한 도구의 위험도에 따라 행동지속시간의 기준시간을 다르게 설정할 수 있다. 예를 들어, 객체가 보유한 도구의 위험도가 최상일 경우, 행동 지속시간 기준을 1초로 설정함으로써, 해당 도구가 파악되는 즉시 금융사고를 발생시킬 수 있는 행위라 판단할 수도 있다.
위험도 도구 행동 지속시간 기준
1 가스통, 가스 롱토치, 릴타입 호스 1초
2 전동공구, 야구배트 10초
3 드라이버, 펜치, 니퍼 30초
.
.
.		 .
.
.		 .
.
.
N 스마트폰 5분
또한, 상술한 바와 같은 이상 행동 판단의 행동 지속 시간 기준은 객체의 행동대상이 되는 금융자동화기기의 구성요소별로 다르게 적용할 수 있으며, 예로써 구성요소들 중 입출금부 > 카드리더기 > 핀패드 순으로 위험도가 높은 요소로 간주하여, 위험도가 상대적으로 높은 구성요소에 대해서는 상대적으로 짧은 행동 지속시간 기준이 적용될 수 있다.
본 발명에서는 객체가 보유한 도구와 객체의 행동을 기반으로 객체의 이상행동을 판단하는 방법 역시, RNN 트레이닝 등의 딥러닝 알고리즘을 통해 객체의 이상행동 유무를 판단한다. 즉, 미리 학습되어 이상행동 분류 모델이 구축되어 있는 이상행동 데이터베이스(330)에 저장된 다양한 이상행동 정보들과 분석된 객체의 이상행동을 딥러닝 알고리즘을 통해 비교함으로써, 객체의 이상행동 유무를 판단한다.
도 3은 본 발명의 일실시예에 따른 금융자동화기기 보안 시스템을 통해 외부 공격을 탐지한 경우, 이를 외부로 알리기 위한 방법을 설명하기 위한 도면이다.
도 3에 도시된 바와 같이, 본 발명에 따른 금융자동화기기 보안 시스템은 유/무선 통신망을 통해 경비업체 서버, ATM 관리 서버 및 보안시스템 중앙 서버와 연결된다.
보안 CPU는 카메라로부터 촬영되는 영상을 실시간으로 분석하여, 금융자동화기기 주변에 접근하는 객체가 이상행동을 수행한다고 판단하는 경우, 경고메시지를 음성으로 출력하거나 화면에 디스플레이하는 동시에 유/무선 통신을 통해 객체의 이상행동이 담긴 영상을 포함한 메시지를 경비업체 서버, ATM 관리 서버 및 보안시스템 중앙 서버로 각각 전송한다.
이에 따라, 해당 금융자동화기기에서 발생되는 금융사고에 대해 적절한 대응방안을 취하는 역할을 맡고 있는 경비업체 서버, ATM 관리 서버 및 보안시스템 중앙 서버는 해당 금융자동화기기에 대한 외부 공격을 즉각적으로 인지하여 이에 대한 신속한 대응이 가능해진다.
또한, 보안 CPU는 금융자동화기기 주변에 접근하는 객체의 이상행동 유무를 판단하여 이상행동으로 파악되는 경우, 해당 객체의 이상행동 판단과 관련된 정보들을 보안시스템 중앙 서버로 전송하며, 보안시스템 중앙 서버는 각각의 금융자동화기기로부터 이상행동 판단과 관련된 정보들을 수집하여, 이상행동 판단 기준 및 데이터베이스의 학습결과를 업그레이드한다.
또한, 보안시스템 중앙 서버는, 이와 같이 업그레이드 된 이상행동 판단 기준 및 데이터베이스를 중앙 서버와 연결된 각각의 개별 금융자동화기기와 공유함으로써, 영상 분석 결과의 누적 학습을 통해 외부 공격에 대한 탐지 효율을 지속적으로 향상시킬 수 있게 된다.
도 4는 본 발명의 일실시예에 따른 영상 분석 기반의 금융자동화기기 보안 방법을 도시한 순서도이다.
도 4에 도시된 바와 같이, 금융자동화기기는 카메라로부터 자신의 주변을 촬영한 영상을 실시간으로 전송받으며(S410), 촬영영상을 통해 미리 설정된 일정시간 단위별로 영상 프레임을 생성하여, 이러한 영상 프레임에서 고정적인 배경과 움직임이 있는 객체를 구분한다(S420).
이러한, 고정적인 배경과 움직임이 있는 객체의 구분은 픽셀변화량을 기반으로 수행될 수 있다. 예를 들어, 영상 프레임을 복수의 영역으로 분할하고, 분할된 각 영역들의 픽셀 변화량을 산출하여, 픽셀변화량이 특정 기준값보다 작은 경우, 이를 배경영역으로 분류할 수 있으며, 픽셀변화량이 특정 기준값보다 큰 경우, 이를 객체영역으로 분류할 수 있다. 이때, 픽셀변화량은 복수개로 분할된 영역 내에서, 특정 픽셀값과 주변 픽셀들 사이의 픽셀 값의 변화량을 가리킬 수 있으며, 또는 이전 프레임에서 동일한 위치의 픽셀과 현재 프레임의 픽셀 값 차이를 의미할 수 있다.
이어서, 금융자동화기기는 추출된 객체영역을 CNN 트레이닝을 이용하여 객체 또는 객체가 보유하고 있는 도구를 파악한다(S430). 즉, 추출된 객체영역에서 CNN 트레이닝을 기반으로 객체의 이미지 특징 정보를 추출하여, 객체 데이터베이스에 미리 학습하여 저장된 여러 도구들의 특징 정보와 비교함으로써, 추출된 객체영역 내에 존재하는 도구의 명칭결과를 산출한다.
다음으로, 금융자동화기기는 추출된 객체영역 별로 움직임 정보를 히스토그램 벡터의 형태로 특징 벡터를 생성한 뒤, 특정 시간 단위 및/또는 복수의 프레임 단위로 특징 벡터를 누적하여 특징 벡터 히스토그램을 생성하고, RNN 트레이닝을 이용하여 행동패턴 데이터베이스에 미리 학습하여 저장된 여러 행동패턴들과 비교함으로써, 객체의 행동을 파악한다(S440).
이후, 금융자동화기기는 파악된 도구와 파악된 객체의 행동을 기반으로, 객체의 이상행동 유무를 판단한다(S450). 이때, 객체의 이상행동 유무를 판단함에 있어서는 객체가 보유한 도구와, 파악된 객체의 행동을 조합한 후, 조합된 행동이 미리 설정된 일정시간을 지속하는 경우 이상행동으로 판단할 수 있다. 예를 들어, 사용자가 보유한 도구가 드라이버인 것으로 파악된 상태에서, 사용자가 금융자동화기기에 근접하여 카드리더기가 있는 곳을 바라보는 행동이 30초 이상 지속되는 경우, 이상행동 판단부는 이를 스키밍 장치를 부착하기 위한 이상행동으로 파악할 수 있다.
이와 같이, 금융자동화기기는 자신의 주변에 위치한 객체의 이상행동을 파악하는 즉시, 경고메시지를 음성으로 출력하거나 화면에 디스플레이함(S460)으로써, 범죄자가 위기의식을 느끼게 하여 금융사고를 사전에 차단시킴과 동시에 경비업체 서버, ATM 관리 서버 및 보안시스템 중앙 서버로 이를 통보(S470)하여 관리자가 해당 금융자동화기기의 보안 위협에 신속하게 대응할 수 있도록 제공한다.
이에 따라, 본 발명은 금융자동화기기별로 각각 실시간 모니터링이 가능하여, 금융사고를 사전에 차단할 수 있으며, 금융자동화기기의 보안 위협에 대한 신속한 대응이 가능하다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하다는 것은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백하다 할 것이다.
100 : 카메라 200 : 보안 CPU
210 : 객체 추출부 220 : 행동 분석부
230 : 이상행동 판단부 300 : 데이터베이스
310 : 객체 데이터베이스 320 : 행동패턴 데이터베이스
330 : 이상행동 데이터베이스

Claims (12)

  1. 금융자동화기기 보안 시스템에 있어서,
    금융자동화기기 본체 일측 또는 금융자동화기기 설치 공간 주변에 적어도 한개 이상 구비되어 금융자동화기기 주변영상을 실시간으로 획득하는 카메라;
    상기 카메라로부터 촬영된 영상을 실시간으로 전송받아, 전송받은 영상의 분석을 통해 금융자동화기기에 대한 외부 공격을 탐지하는 보안 CPU; 및
    객체 및 객체의 행동 파악을 위한 기반 데이터가 저장되는 데이터베이스;
    를 포함하여 구성되어,
    상기 보안 CPU를 통해 상기 카메라로부터 촬영된 영상을 실시간으로 분석하여, 상기 데이터베이스 저장된 기반 데이터를 바탕으로, 파악된 객체의 행동에 따른 객체의 이상행동 유무를 판단하여, 금융자동화기기에 대한 외부공격을 실시간으로 탐지할 수 있는 영상 분석 기반의 금융자동화기기 보안 시스템.
  2. 제 1항에 있어서,
    상기 데이터베이스는,
    도구 특징 정보가 저장된 객체 데이터베이스;
    객체의 행동 패턴이 저장된 행동패턴 데이터베이스; 및
    객체의 이상행동 패턴이 저장된 이상행동 데이터베이스를 포함하여 구성되는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 시스템.
  3. 제 2항에 있어서,
    상기 객체 데이터베이스에 저장되는 도구 특징 정보에는,
    각각의 개별 도구별로 설정된 위험도가 포함되는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 시스템.
  4. 제 2항에 있어서,
    상기 행동패턴 데이터베이스에 저장되는 객체의 행동 패턴은,
    금융자동화기기 기종에 따라 각각 독립적으로 설정된 사용자 행동 파악의 기준 정보에 따라 설정되는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 시스템.
  5. 제 2항에 있어서,
    상기 보안 CPU는,
    상기 카메라로부터 전송받은 영상을 분석하여, 고정적인 배경과 움직임이 있는 객체를 구분하고, CNN 트레이닝을 기반으로 상기 움직임이 있는 객체의 이미지 특징 정보를 추출하여 상기 객체 데이터베이스에 저장된 객체 정보의 특징 정보와 비교하여 해당 객체 및 객체가 보유한 도구를 파악하는 객체 추출부;
    상기 객체 추출부를 통해 추출된 움직임이 있는 객체의 움직임 정보를 미리 설정된 특정 시간 단위 및 복수의 프레임 단위로 누적하여 특징 벡터 히스토그램을 생성하고, RNN 트레이닝을 기반으로 상기 행동패턴 데이터베이스에 저장된 행동패턴과 비교하여 객체의 행동을 파악하는 행동 분석부; 및
    상기 객체 추출부를 통해 파악된 객체 또는 객체가 보유한 도구와 상기 행동 분석부를 통해 파악된 객체의 행동을 기반으로 상기 이상행동 데이터베이스에 저장된 이상행동 패턴과 비교하여 객체의 이상행동 유무를 판단하는 이상행동 판단부;를 포함하여 구성되는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 시스템.
  6. 제 1항에 있어서,
    상기 보안 CPU는,
    금융자동화기기에 대한 외부공격이 탐지되는 경우, 경고메시지를 음성으로 출력하거나 화면에 디스플레이함과 동시에,
    유/무선 통신으로 연결된 경비업체 서버, ATM 관리 서버 및 보안시스템 중앙 서버로 이를 통보하는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 시스템.
  7. 제 6항에 있어서,
    상기 보안 CPU는,
    금융자동화기기에 대한 외부공격이 탐지되는 경우,
    유/무선 통신으로 연결된 보안시스템 중앙 서버로 해당 객체의 이상행동 관련 정보들을 전송하는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 시스템.
  8. 금융자동화기기 본체 일측 또는 금융자동화기기 설치 공간 주변에 적어도 한개 이상 구비된 카메라로부터 촬영된 영상을 기반으로, 영상 분석을 통해 금융자동화기기에 대한 외부 공격을 탐지하는 영상 분석 기반 금융자동화기기 보안 방법에 있어서,
    카메라로부터 실시간으로 촬영되는 촬영영상을 분석하여, 고정적인 배경과 움직임이 있는 객체를 구분하고,
    CNN 트레이닝을 기반으로 미리 학습하여 저장된 객체 정보와 상기 움직임이 있는 객체를 비교하여 해당 객체 또는 객체가 보유한 도구를 파악하며,
    상기 움직임이 있는 객체의 움직임 정보를 미리 설정된 특정 시간 단위 및 복수의 프레임 단위로 누적하여 특징 벡터 히스토그램을 생성하고, RNN 트레이닝을 기반으로 미리 학습하여 저장된 행동패턴과 비교하여 객체의 행동을 파악하여,
    상기 파악된 해당 객체의 행동패턴 및 객체가 보유한 도구를 기반으로 객체의 이상행동 유무를 파악하여, 금융자동화기기에 대한 외부 공격을 탐지하는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 방법.
  9. 제 8항에 있어서,
    상기 파악된 해당 객체의 행동패턴 및 객체가 보유한 도구를 기반으로 객체의 이상행동 유무를 파악함에 있어서는,
    상기 객체가 보유한 도구에 따라 사전에 정의된 위험도를 기반으로, 해당 객체의 행동패턴이 미리 설정된 일정시간 이상 유지되는 경우, 이를 이상행동으로 판단하는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 방법.
  10. 제 9항에 있어서,
    상기 객체의 이상행동 유무 파악은,
    금융자동화기기 기종에 따라 각각 독립적으로 설정된 기준이 적용되는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 방법.
  11. 제 8항에 있어서,
    상기 금융자동화기기에 대한 외부 공격이 탐지되는 경우,
    음성 또는 디스플레이 화면을 통해 경고메시지를 출력하는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 방법.
  12. 제 8항에 있어서,
    상기 금융자동화기기에 대한 외부 공격이 탐지되는 경우,
    유/무선 통신을 통해 금융자동화기기와 연결된 경비업체 서버, ATM 관리 서버 및 보안시스템 중앙 서버로 외부 공격 탐지 사실을 통보하는 것을 특징으로 하는 영상 분석 기반의 금융자동화기기 보안 방법.
KR1020180144634A 2018-11-21 2018-11-21 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법 KR102142315B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180144634A KR102142315B1 (ko) 2018-11-21 2018-11-21 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180144634A KR102142315B1 (ko) 2018-11-21 2018-11-21 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20200059643A true KR20200059643A (ko) 2020-05-29
KR102142315B1 KR102142315B1 (ko) 2020-08-10

Family

ID=70911817

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180144634A KR102142315B1 (ko) 2018-11-21 2018-11-21 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102142315B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113593142A (zh) * 2021-07-26 2021-11-02 中国工商银行股份有限公司 一种自动柜员机巡查方法及装置
WO2023022429A1 (ko) * 2021-08-19 2023-02-23 주식회사 유니유니 딥러닝 기반 비식별화 데이터 분석을 통한 이상행동감지 시스템
KR102579610B1 (ko) * 2023-08-02 2023-09-18 주식회사 인텔리빅스 Atm 이상행동감지 장치 및 그 장치의 구동방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005228197A (ja) * 2004-02-16 2005-08-25 Funai Electric Co Ltd 監視システム及び監視方法
KR20070067302A (ko) 2005-12-23 2007-06-28 노틸러스효성 주식회사 감지 센서를 이용한 보안 방법 및 상기 방법을 수행하는금융 자동화 기기
KR20070071361A (ko) * 2005-12-30 2007-07-04 노틸러스효성 주식회사 행동패턴 감지 금융자동화기기 및 그 동작방법
KR20110130033A (ko) * 2010-05-27 2011-12-05 박용헌 행동패턴 데이터베이스를 이용한 능동형 영상감시 시스템 및 그 방법
KR20130068334A (ko) * 2011-12-15 2013-06-26 주식회사 버들소프트 무장강도 자동인식 대응 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005228197A (ja) * 2004-02-16 2005-08-25 Funai Electric Co Ltd 監視システム及び監視方法
KR20070067302A (ko) 2005-12-23 2007-06-28 노틸러스효성 주식회사 감지 센서를 이용한 보안 방법 및 상기 방법을 수행하는금융 자동화 기기
KR20070071361A (ko) * 2005-12-30 2007-07-04 노틸러스효성 주식회사 행동패턴 감지 금융자동화기기 및 그 동작방법
KR20110130033A (ko) * 2010-05-27 2011-12-05 박용헌 행동패턴 데이터베이스를 이용한 능동형 영상감시 시스템 및 그 방법
KR20130068334A (ko) * 2011-12-15 2013-06-26 주식회사 버들소프트 무장강도 자동인식 대응 시스템 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113593142A (zh) * 2021-07-26 2021-11-02 中国工商银行股份有限公司 一种自动柜员机巡查方法及装置
WO2023022429A1 (ko) * 2021-08-19 2023-02-23 주식회사 유니유니 딥러닝 기반 비식별화 데이터 분석을 통한 이상행동감지 시스템
KR102579610B1 (ko) * 2023-08-02 2023-09-18 주식회사 인텔리빅스 Atm 이상행동감지 장치 및 그 장치의 구동방법

Also Published As

Publication number Publication date
KR102142315B1 (ko) 2020-08-10

Similar Documents

Publication Publication Date Title
CN108230594B (zh) 一种用于在视频监控系统中生成警报的方法
CN105979210B (zh) 一种基于多枪多球摄像机阵列的行人识别系统
US9911294B2 (en) Warning system and method using spatio-temporal situation data
CN110569720B (zh) 一种基于音视频处理系统的音视频智能识别处理方法
CN110428522A (zh) 一种智慧新城的智能安防系统
US10956753B2 (en) Image processing system and image processing method
KR102195706B1 (ko) 침입 탐지방법 및 그 장치
KR101036947B1 (ko) 컴퓨터 영상 분석기술을 이용한 범죄 및 사고예방 자동경비 시스템
KR102142315B1 (ko) 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법
KR101858396B1 (ko) 지능형 침입 탐지 시스템
US20190304272A1 (en) Video detection and alarm method and apparatus
CN109830078B (zh) 适用于狭小空间的智能行为分析方法及智能行为分析设备
KR101084914B1 (ko) 차량번호 및 사람 이미지의 인덱싱 관리시스템
CN107122743A (zh) 安防监控方法、装置和电子设备
CN115346060A (zh) 画面异常识别方法、装置、电子设备和存储介质
KR20090044957A (ko) 도난 및 방치 감시 시스템 및 도난 및 방치 검출 방법
KR102233679B1 (ko) Ess 침입자 및 화재 감지 장치 및 방법
CN114898443A (zh) 一种人脸数据获取方法及装置
KR102046591B1 (ko) 영상 감시 시스템 및 영상 감시방법
CN111753587A (zh) 一种倒地检测方法及装置
CN111241918B (zh) 一种基于人脸识别的车用防跟踪方法及系统
CN116682162A (zh) 一种基于实时视频流的机器人人员检测算法
CN114764895A (zh) 异常行为检测装置和方法
CN115346170A (zh) 一种燃气设施区域的智能监控方法及装置
CN111985331B (zh) 预防商业秘密被窃照的检测方法及装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant