KR20210076705A - 게이트 동반통과 감시 장치 및 그 방법 - Google Patents

게이트 동반통과 감시 장치 및 그 방법 Download PDF

Info

Publication number
KR20210076705A
KR20210076705A KR1020190168173A KR20190168173A KR20210076705A KR 20210076705 A KR20210076705 A KR 20210076705A KR 1020190168173 A KR1020190168173 A KR 1020190168173A KR 20190168173 A KR20190168173 A KR 20190168173A KR 20210076705 A KR20210076705 A KR 20210076705A
Authority
KR
South Korea
Prior art keywords
gate
image
sliding panel
monitoring device
companion
Prior art date
Application number
KR1020190168173A
Other languages
English (en)
Other versions
KR102287335B1 (ko
Inventor
뉴엔만둥
배영훈
권석규
Original Assignee
아이브스 주식회사
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 아이브스 주식회사 filed Critical 아이브스 주식회사
Priority to KR1020190168173A priority Critical patent/KR102287335B1/ko
Publication of KR20210076705A publication Critical patent/KR20210076705A/ko
Application granted granted Critical
Publication of KR102287335B1 publication Critical patent/KR102287335B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/10—Movable barriers with registering means
    • G07C9/15—Movable barriers with registering means with arrangements to prevent the passage of more than one individual at a time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06K9/46—
    • G06K9/627—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00571—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys operated by interacting with a central unit
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)

Abstract

본 발명은 게이트 동반통과 감시 장치 및 그 방법에 관한 것으로, 본 발명의 실시예에 따른 게이트 동반통과 감시 장치는, CCTV를 통해 촬영된 게이트 영상을 수집하기 위한 영상 수집부; 상기 게이트 영상에 대한 영상 처리를 통해 슬라이딩 패널의 개방 상태를 감지하기 위한 패널 개방 감지부; 상기 슬라이딩 패널의 개방 상태를 감지함에 따라 상기 게이트 영상의 영상 분류를 위한 영상 특징을 추출하기 위한 영상특징 추출부; 상기 영상 특징을 미리 저장된 딥러닝 기반의 학습모델에 적용하여 게이트를 통과하는 사람 숫자에 따라 구분된 카테고리로 상기 게이트 영상을 분류하기 위한 영상 분류부; 및 상기 영상 분류부로부터 상기 게이트 영상의 분류 결과를 전달받아 동반출입 상태 발생을 관리자 단말기로 알려주기 위한 알림부;를 포함한다.

Description

게이트 동반통과 감시 장치 및 그 방법{APPARATUS AND METHOD FOR MONITORING TAIL-GATING}
본 발명은 게이트 동반통과 감시 장치 및 그 방법에 관한 것으로서, 보다 상세하게는 출입 통제 구역에 설치된 게이트 부근의 촬영된 영상에 대한 딥러닝 기반의 학습모델을 구현하고, 이를 이용한 게이트의 동반통과 상황을 감시함으로써 기존 출입문 통제 시스템에 대한 물리적 제한 및 비용부담 없이 동반통과를 시도하는 경우를 차단하기 위한, 게이트 동반통과 감시 장치 및 그 방법에 관한 것이다.
빌딩 혹은 사업장 내에는 출입이 허가된 자만을 출입시키고, 출입이 허가되지 않은 비인가자의 출입을 통제하는 스피드 게이트(speed gate)가 설치되어 운용된다.
이러한 스피드 게이트는 출입자의 신원을 기 발급된 IC카드나 지문 등의 인증수단을 통해 리더기로 읽어 들여 출입자의 신분을 인증한 후, 게이트를 자동으로 열어주는 기능을 구현하게 된다.
또한, 스피드 게이트는 인가자와 비인가자를 인식하고, 그 인식 결과에 따른 출입문 개폐 제어를 위한 구성으로 이루어져 있다.
그런데, 이러한 스피드 게이트는 인가자가 출입문을 통과할 때 비인가자가 그 뒤에 바로 붙어 동반통과(tailgating)를 시도하는 경우 이를 구별 내지 차단하지 못하는 보안상 허점을 가지고 있다.
즉, 스피드 게이트는 특정 권한을 갖는 인가자에 의한 다수의 비인가자 출입 상황에 따른 적절한 제어가 가능한 제어 시스템이 갖춰져 있지 못한 실정이다.
하지만, 기존에는 출입구의 물리적 제한 및 비용 부담 등의 문제로 기존 시스템을 개선하지 않고 그대로 사용하는 경우가 많으며, 이로 인해 비인가자의 동반통과를 시도하는 경우를 효과적으로 차단하기 어려운 상황에 항상 노출되어 있다.
최근 들어, 스피드 게이트는 지하철 개찰구에도 적용되고 있다. 지하철 개찰구의 경우에는 승차권을 구매하지 않고 무임승차를 위해 동반통과를 시도하는 경우가 많기 때문에, 지하철 운영업체는 무임승차에 따른 손실로 인한 비용 적자를 해소할 수 있는 방안을 고심중에 있다.
하지만, 지하철 운영 업체에서는 지하철역 마다 개찰구의 수가 상당히 많기 때문에, 비용 문제로 인해 지하철 개찰구 자체를 개선시켜 동반출입을 차단하기가 쉽지 않은 상황이다.
이러한 상황은 지하철 운영업체에게 무임승차에 따른 손실로 이어져 비용 적자를 발생시키기 때문에 무임승차를 시도하는 경우를 효과적으로 차단할 수 있는 방안이 마련될 필요가 있다.
따라서, 기존의 출입 통제 시스템은 출입구의 물리적 제한 및 비용 부담이 없이 동반통과를 시도하는 경우를 차단할 수 있는 방안이 필요한 실정이다.
한국 등록특허공보 제10-2010428호 (2019.08.07 등록)
본 발명의 목적은 출입 통제 구역에 설치된 게이트 부근의 촬영된 영상에 대한 딥러닝 기반의 학습모델을 구현하고, 이를 이용한 게이트의 동반통과 상황을 감시함으로써 기존 출입문 통제 시스템에 대한 물리적 제한 및 비용부담 없이 동반통과를 시도하는 경우를 차단하기 위한, 게이트 동반통과 감시 장치 및 그 방법을 제공하는데 있다.
본 발명의 실시예에 따른 게이트 동반통과 감시 장치는, CCTV를 통해 촬영된 게이트 영상을 수집하기 위한 영상 수집부; 상기 게이트 영상에 대한 영상 처리를 통해 슬라이딩 패널의 개방 상태를 감지하기 위한 패널 개방 감지부; 상기 슬라이딩 패널의 개방 상태를 감지함에 따라 상기 게이트 영상의 영상 분류를 위한 영상 특징을 추출하기 위한 영상특징 추출부; 상기 영상 특징을 미리 저장된 딥러닝 기반의 학습모델에 적용하여 게이트를 통과하는 사람 숫자에 따라 구분된 카테고리로 상기 게이트 영상을 분류하기 위한 영상 분류부; 및 상기 영상 분류부로부터 상기 게이트 영상의 분류 결과를 전달받아 동반출입 상태 발생을 관리자 단말기로 알려주기 위한 알림부;를 포함할 수 있다.
상기 패널 개방 감지부는, 상기 게이트 영상에 대해 에지 검출을 통해 에지 이미지를 추출한 후, 해당 에지 이미지에서 게이트 바디 양쪽 사이를 가로질러 형성하는 상기 슬라이딩 패널의 에지가 존재하는지를 확인하여 상기 슬라이딩 패널의 개방 상태를 김지하는 것일 수 있다.
상기 패널 개방 감지부는, 상기 슬라이딩 패널의 에지 특징이 존재하면 상기 슬라이딩 패널이 폐쇄된 상태로 감지하고, 상기 슬라이딩 패널의 에지 특징이 존재하지 않으면 상기 슬라이딩 패널이 개방된 상태로 감지하는 것일 수 있다.
상기 패널 개방 감지부는, 상기 슬라이딩 패널의 에지 특징에 대한 판단을 위해 라인 피팅 알고리즘(line fitting algorithm)을 적용하는 것일 수 있다.
상기 패널 개방 감지부는, 상기 게이트 영상을 통해 게이트 바디의 상부면에서 확인되는 LED 램프의 색상을 감지하여 상기 슬라이딩 패널의 개방 상태를 감지하는 것일 수 있다.
상기 패널 개방 감지부는, 상기 LED 램프의 색상이 레드(red) 혹은 그린(green)이면 상기 슬라이딩 패널이 개방된 경우로 감지하고, 상기 LED 램프의 색상이 화이트(white)이면 상기 슬라이딩 패널이 폐쇄된 경우로 감지하는 것일 수 있다.
상기 영상특징 추출부는, 상기 게이트 영상에 대해 영상특징을 추출하기 위한 필터 영역을 미리 정의하여 필터가 스트라이드(stride)를 수행하는 것일 수 있다.
상기 필터 영역은, 서로 마주보면서 통로를 형성하는 게이트 바디와 슬라이딩 패널의 교차점을 지나는 직사각형 영역이되, 상기 직사각형 영역에서 대각선 방향에 위치하는 두 끝점을 상기 게이트 바디의 대각선 방향에 위치하는 두 끝점을 위치시키는 것일 수 있다.
상기 게이트 영상은, 상기 필터 영역이 포함되도록 촬영되는 것일 수 있다.
상기 카테고리는, 게이트를 통과하는 사람이 없는 제1 경우(non-human), 게이트를 통과하는 사람이 1명인 제2 경우(single-human), 게이트를 통과하는 사람이 2명 이상인 제3 경우(multi-human)로 구분되는 것일 수 있다.
상기 영상 분류부는, 상기 게이트 영상의 분류 결과를 나타내는 카운트 지수를 생성하여 상기 알림부로 전달하되, 상기 카운트 지수는, 상기 제1 경우에 '0'이 할당되고, 상기 제2 경우에 '1'이 할당되며, 상기 제3 경우에 '2'가 할당되는 것일 수 있다.
상기 알림부는, 상기 영상 분류부로부터 전달된 카운트 지수가 임계값을 초과하면 상기 관리자 단말기로 동반출입 상태 발생을 알려주는 것일 수 있다.
상기 임계값은 1일 수 있다.
실시예에 따르면, 상기 게이트 영상의 촬영위치를 상기 CCTV의 위치정보, 출입 통제 구역의 위치정보, 관리자 단말기 정보와 서로 대응시켜 테이블 형식으로 저장 및 관리하는 데이터베이스;를 더 포함하되, 상기 알림부는, 상기 게이트 영상에 대응된 상기 데이터베이스를 통해 상기 관리자 단말기 정보를 확인하여 상기 관리자 단말기로 동반출입 상태 발생을 알려주는 것일 수 있다.
상기 데이터베이스는, 게이트를 통과하는 사람 숫자에 따른 카테고리별로 게이트 영상을 분류하기 위한 학습 데이터량을 토대로 기계학습을 통해 생성된 상기 학습모델을 저장하는 것일 수 있다.
또한, 본 발명의 실시예에 따른 (a) CCTV를 통해 촬영된 게이트 영상을 수집하는 단계; (b) 상기 게이트 영상에 대한 영상 처리를 통해 슬라이딩 패널의 개방 상태를 감지하는 단계; (c) 상기 슬라이딩 패널의 개방 상태를 감지함에 따라 상기 게이트 영상의 영상 분류를 위한 영상 특징을 추출하는 단계; (d) 상기 영상 특징을 미리 저장된 딥러닝 기반의 학습모델에 적용하여 게이트를 통과하는 사람 숫자에 따라 구분된 카테고리로 상기 게이트 영상을 분류하는 단계; 및 (e) 상기 게이트 영상의 분류 결과에 따라 동반출입 상태 발생을 관리자 단말기로 알려주는 단계;를 포함할 수 있다.
상기 (b) 단계는, 상기 게이트 영상에 대해 에지 검출을 통해 에지 이미지를 추출한 후, 해당 에지 이미지에서 게이트 바디 양쪽 사이를 가로질러 형성하는 상기 슬라이딩 패널의 에지가 존재하는지를 확인하여 상기 슬라이딩 패널의 개방 상태를 김지하는 것일 수 있다.
상기 (c) 단계는, 상기 게이트 영상에 대해 영상특징을 추출하기 위한 필터 영역을 미리 정의하여 필터가 스트라이드(stride)를 수행하는 것일 수 있다.
상기 (e) 단계는, 상기 게이트 영상의 분류 결과를 나타내는 카운트 지수를 생성하되, 상기 카운트 지수는, 상기 제1 경우에 '0'이 할당되고, 상기 제2 경우에 '1'이 할당되며, 상기 제3 경우에 '2'가 할당되는 것일 수 있다.
상기 (e) 단계는, 상기 카운트 지수가 임계값을 초과하면 상기 관리자 단말기로 동반출입 상태 발생을 알려주는 것일 수 있다.
또한, 본 발명의 실시예에 따른 게이트 동반통과 감시 장치로서, 적어도 하나 이상의 프로세서; 및 컴퓨터 판독 가능한 명령들을 저장하기 위한 메모리;를 포함하며, 상기 명령들은, 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 게이트 동반통과 감시 장치로 하여금, CCTV를 통해 촬영된 게이트 영상을 수집하게 하고, 상기 게이트 영상에 대한 영상 처리를 통해 슬라이딩 패널의 개방 상태를 감지하게 하며, 상기 슬라이딩 패널의 개방 상태를 감지함에 따라 상기 게이트 영상의 영상 분류를 위한 영상 특징을 추출하게 하고, 상기 영상 특징을 미리 저장된 딥러닝 기반의 학습모델에 적용하여 게이트를 통과하는 사람 숫자에 따라 구분된 카테고리로 상기 게이트 영상을 분류하게 하며, 상기 게이트 영상의 분류 결과에 따라 동반출입 상태 발생을 관리자 단말기로 알려주게 하는 것일 수 있다.
본 발명은 출입 통제 구역에 설치된 게이트 부근의 촬영된 영상에 대한 딥러닝 기반의 학습모델을 구현하고, 이를 이용한 게이트의 동반통과 상황을 감시함으로써 기존 출입문 통제 시스템에 대한 물리적 제한 및 비용부담 없이 동반통과를 시도하는 경우를 차단할 수 있다.
또한, 본 발명은 별도의 인증장치와 연동 없이 영상만을 이용하여 동반통과를 판단할 수 있기 때문에 설치 편의성을 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 게이트 동반통과 감시 장치를 나타낸 도면,
도 2는 게이트 영상을 나타낸 도면,
도 3은 영상분류 카테고리를 나타낸 도면,
도 4는 본 발명의 실시예에 따른 게이트 동반통과 감시 방법을 나타낸 도면이다.
이하 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 상세히 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.
이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 또는 개략적으로 도시되었으며, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 본 발명은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되어지지 않는다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. "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, 명세서에서 사용되는 "부"라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명한다.
도 1은 본 발명의 실시예에 따른 게이트 동반통과 감시 장치를 나타낸 도면이고, 도 2는 게이트 영상을 나타낸 도면이며, 도 3은 영상분류 카테고리를 나타낸 도면이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 게이트 동반통과 감시 장치(100)는, 출입 통제 구역에 설치된 게이트(10) 부근의 촬영된 영상에 대한 딥러닝 기반의 학습모델을 구현하고, 이를 이용한 게이트(10)의 동반통과 상황을 감시함으로써 기존 출입문 통제 시스템에 대한 물리적 제한 및 비용부담 없이 동반통과를 시도하는 경우를 차단할 수 있다.
여기서, 출입 통제 구역은 빌딩 혹은 사업장 등과 같이 특정 보안구역 내에 출입을 통제하는 구역 또는 지하철 개출구, 경기장 출입구 등과 같이 특정 서비스에 대한 무임승차를 통제하는 구역일 수 있다.
또한, 게이트(10)는 다양한 출입통제 형태일 수 있으며, 어느 하나의 형태로 제한되지 않는다. 다만, 여기서는 설명의 편의상 스피드 게이트인 경우를 예를 들어 설명하기로 한다. 이러한 게이트(10)는 출입 통로를 형성하는 게이트 바디(11)와 서로 마주보는 게이트 바디(11) 사이를 가로질러 개폐되는 슬라이딩 패널(12)로 구성할 수 있다.
출입 통제 구역의 보안관리자는 게이트 동반통과 감시 장치(100)와 연동하는 관리자 단말기(20)를 지참하여 게이트 동반통과 감시 장치(100)로부터 동반통과 상황에 대한 감시결과를 제공받을 수 있다.
여기서, 관리자 단말기(20)는 게이트 동반통과 감시 장치(100)와 데이터 송수신이 가능한 유무선 디바이스로서, 데스크탑 컴퓨터, 노트북 컴퓨터, 테블릿 PC, 스마트폰, PDA 등일 수 있다.
이하, 도 1을 참조하여 게이트 동반통과 감시 장치(100)에 대해 구체적으로 살펴보기로 한다.
게이트 동반통과 감시 장치(100)는 영상 수집부(110), 패널 개방 감지부(120), 영상특징 추출부(130), 영상 분류부(140), 알림부(150), 데이터베이스(160)를 포함한다.
먼저, 영상 수집부(110)는 출입 통제 구역 내에 설치된 CCTV(30)를 통해 촬영된 게이트(10) 부근의 게이트 영상을 수집한다.
여기서, CCTV(30)는 출입 통제 구역에 설치된 통상의 카메라이므로 기존에 설치되어 있는 경우라면 추가적인 설치가 필요하지 않다. 이러한 CCTV(30)는 출입 통제 구역의 벽면 또는 천정에 장착될 수 있다.
이러한 영상 수집부(110)는 게이트 영상의 촬영 위치를 CCTV(30)의 위치 정보에 대응시킨다. CCTV(30)의 위치 정보는 출입 통제 구역의 위치 정보에 해당된다. 이는 복수의 출입 통제 구역으로부터 수집된 게이트 영상의 촬영 위치를 식별하기 위함이다.
즉, 게이트 영상의 촬영 위치는 CCTV(30)의 위치정보, 출입 통제 구역의 위치정보, 보안관리자 정보(관리자 단말기 정보)를 서로 대응시켜 데이터베이스(160)에 저장된다.
다음으로, 패널 개방 감지부(120)는 영상 수집부(110)를 통해 전달된 게이트 영상에 대한 영상 처리를 통해 서로 마주 보는 게이트 바디(11) 양쪽 사이를 개폐하는 슬라이딩 패널(12)의 개방 상태를 감지한다
즉, 패널 개방 감지부(120)는 영상 수집부(110)를 통해 전달된 게이트 영상에 대해 에지 검출(edge detection)을 통해 에지 이미지(edge image)를 추출한 후, 해당 에지 이미지에서 게이트 바디(11) 양쪽 사이를 가로질러 형성하는 슬라이딩 패널(12)의 에지가 존재하는지를 확인하여 슬라이딩 패널(12)의 개방 상태를 감지한다.
도 2를 참조하면, 해당 에지 이미지(EI)에서 게이트 바디(11)의 에지(GE)와 슬라이딩 패널(12)의 에지(SE)가 서로 직교 상태를 나타낸다. 패널 개방 감지부(120)는 슬라이딩 패널(12)의 에지(SE)가 존재하는지를 확인한다.
여기서, 패널 개방 감지부(120)는 슬라이딩 패널(12)의 에지 특징이 존재하면 슬라이딩 패널(12)이 폐쇄된 상태로 감지하고, 슬라이딩 패널(12)의 에지 특징이 존재하지 않으면 슬라이딩 패널(12)이 개방된 상태로 감지한다.
이 경우, 패널 개방 감지부(120)는 슬라이딩 패널(12)의 에지 특징에 대한 판단을 위해 라인 피팅 알고리즘(line fitting algorithm)을 적용할 수 있다.
다른 실시예로, 패널 개방 감지부(120)는 영상 수집부(110)를 통해 전달된 게이트 영상을 통해 게이트 바디(11)의 상부면에서 확인되는 LED 램프(13)의 색상을 감지하여 슬라이딩 패널(12)의 개방 상태를 감지한다.
예를 들어, 슬라이딩 패널(12)의 상부면에 형성된 LED 램프(13)의 색상은 슬라이딩 패널(12)이 개방된 경우에 레드(red) 혹은 그린(green)으로 표시되고, 슬라이딩 패널(12)이 폐쇄된 경우에 화이트(white)로 표시될 수 있다. 이에 따라, 패널 개방 감지부(120)는 LED 램프(13)의 색상이 레드 혹은 그린인 경우에 슬라이딩 패널(12)이 개방된 상태로 감지한다.
다음으로, 영상특징 추출부(130)는 패널 개방 감지부(120)에 의해 슬라이딩 패널(12)의 개방 상태를 감지한 경우에, 영상 수집부(110)를 통해 전달된 게이트 영상에 대한 영상특징을 추출한다.
이러한 영상특징 추출부(130)는 패널 개방 감지부(120)에 의해 슬라이딩 패널(12)이 개방된 상태로 감지된 경우에, 영상 수집부(110)를 통해 전달된 게이트 영상의 영상 분류를 위해 딥러닝 모델에서 적용되는 영상 특징을 추출하는 과정을 수행한다.
여기서, 딥러닝 모델은 기계학습을 활용한 요소 기술들이 포함되고, 컨볼루션 신경망(Convolutional Neural Network, CNN) 모델을 적용할 수 있다.
영상특징 추출부(130)는 영상 수집부(110)를 통해 전달된 게이트 영상에 대해 영상특징을 추출하기 위한 필터 영역(F)을 미리 정의한다.
필터 영역(F)은 컨볼루션 신경망 모델을 적용하여 컨불루션층(convolutional layer)을 수행할 대, 영상특징을 추출하기 위한 필터(또는 커널)가 훑으면서 지나가는 스트라이드(stride)를 수행하는 영역이다.
도 2를 참조하면, 이러한 필터 영역(F)은 서로 마주보면서 통로를 형성하는 게이트 바디(11)와 슬라이딩 패널(12)의 교차점(Pa, Pb)을 지나는 직사각형(rectangle) 영역으로서, 직사각형 영역에서 대각선 방향에 위치하는 두 끝점을 게이트 바디(11)의 대각선 방향에 위치하는 끝점(Pc, Pd)에 위치시킬 수 있다.
이와 같이, 게이트 영상은 슬라이딩 패널(12)의 개방 상태를 감지할 수 있고, 게이트(10)를 통과하는 사람 숫자를 카운트할 수 있는 필터 영역(F)이 포함되도록 촬영된다.
예를 들어, CCTV(30)는 게이트(10)의 통로 중심(즉, 슬라이딩 패널이 맞닿는 지점)을 기준점으로 정하고, 기준점을 중심으로 반구 형태의 좌표계를 형성한다고 가정하면, 지면으로부터 미리 정해진 각도 이상으로 촬영 각도(θ)를 형성하는 것이 바람직하다.
반구 형태의 좌표계에서 CCTV(30)의 촬영 각도(θ)는 0°≤θ≤180°사이일 수 있고, 바람직하게는 45°≤θ≤135°일 수 있다. 극단적으로, CCTV(30)의 촬영 각도가 0°라면 지면에 평행한 상태가 되므로 게이트 영상에 필터 영역(F)이 포함되지 않는다.
다음으로, 영상 분류부(140)는 영상특징 추출부(130)로부터 추출된 영상 특징을 데이터베이스(160)에 미리 저장된 학습모델에 적용하여 영상 수집부(110)를 통해 전달된 게이트 영상을 게이트(10)를 통과하는 사람 숫자에 따라 구분된 카테고리(category)로 분류한다.
도 3을 참조하면, 카테고리는 게이트(10)를 통과하는 사람 숫자에 따라 구분하되, 예를 들어, 게이트(10)를 통과하는 사람이 없는 경우인 'non-human'(a), 게이트(10)를 통과하는 사람이 1명인 경우 'single-human'(b), 게이트(10)를 통과하는 사람이 2명 이상인 경우 'multi-human'(c)으로 구분할 수 있다. 여기서, 'multi-human'(c)인 경우가 동반출입으로 판단되는 경우이다.
그리고, 영상 분류부(140)는 게이트 영상에 대한 카테고리로 분류한 다음, 게이트(10)를 통과하는 사람 숫자를 카운트하여 카운트 지수를 확인함에 따라 게이트(10)의 동반통과 상태를 보안관리자의 관리자 단말기(20)로 알려줄 수 있다.
이때, 영상 분류부(140)는 게이트 영상의 분류 결과를 나타내는 카운트 지수를 생성하여 알림부(150)로 전달한다. 여기서, 카운트 지수는 non-human인 경우에 '0', single-human인 경우에 '1', multi-human인 경우에 '2'로 할당될 수 있다.
이에 따라, 알림부(150)는 영상 분류부(140)를 통해 카운트 지수를 전달받고 카운트 지수가 임계값을 초과하면 보안관리자의 관리자 단말기(20)로 동반출입 상태 발생을 알려준다. 여기서는 카운트 지수의 임계값은 1인 경우이다.
이때, 알림부(150)는 게이트 영상에 대응된 출입 통제 구역의 위치정보를 확인하여 데이터베이스(160)에 저장된 보안관리자 정보를 확인 가능하므로, 보안관리자의 관리자 단말기(20)로 동반출입 상태 발생을 알려줄 수 있다.
다음으로, 데이터베이스(160)는 게이트 영상에 대한 딥러닝 모델 기반의 영상 분류를 수행하기 위한 학습모델을 저장한다.
이러한 학습모델은 게이트(10)를 통과하는 사람 숫자에 따른 카테고리별로 게이트 영상을 분류하기 위한 충분한 학습 데이터량을 토대로 기계학습을 수행하여 생성한다. 여기서, 학습모델을 생성하는 과정은 전술한 영상특징 추출부(130)와 영상 분류부(140)에 의해 수행되는 과정과 동일하며, 게이트(10)를 통과하는 사람 숫자를 타겟 변수로 하는 지도학습(supervised learning) 기반으로 기계학습을 수행할 수 있다.
또한, 데이터베이스(160)는 전술한 바와 같이 CCTV(30)의 위치정보, 출입 통제 구역의 위치정보, 보안관리자 정보(관리자 단말기 정보)를 서로 대응시켜 테이블 형식으로 저장 및 관리할 수 있다.
이에 따라, 게이트 동반통과 감시 장치(100)는 단일 출입 통제 구역이 아닌 복수의 출입 통제 구역에 대한 동반통과 감시를 수행하더라도 임의의 출입 통제 구역에서 동반통과 상태를 감시하여 차단할 수 있다.
한편, 다른 실시예로서, 게이트 동반통과 감시 장치(100)는 적어도 하나 이상의 프로세서에 의해 메모리에 저장된 컴퓨터 판독 가능한 명령들을 실행할 때, 본 발명의 실시예에 따른 게이트 동반통과 감시 방법을 수행할 수 있다.
여기서, 프로세서는 적어도 하나 이상의 프로세서로서, 컨트롤러(controller), 마이크로 컨트롤러(microcontroller), 마이크로 프로세서(microprocessor), 마이크로 컴퓨터(microcomputer) 등으로도 호칭될 수 있다. 그리고, 프로세서는 하드웨어(hardware) 또는 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현될 수 있다.
또한, 메모리는 하나의 저장 장치일 수 있거나, 또는 복수의 저장 엘리먼트의 집합적인 용어일 수 있다. 메모리에 저장된 컴퓨터 판독 가능한 명령들은 실행가능한 프로그램 코드 또는 파라미터, 데이터 등일 수 있다. 그리고, 메모리는 RAM(Random Access Memory)을 포함할 수 있거나, 또는 자기 디스크 저장장치 또는 플래시(flash) 메모리와 같은 NVRAM(Non-Volatile Memory)을 포함할 수 있다.
도 4는 본 발명의 실시예에 따른 게이트 동반통과 감시 방법을 나타낸 도면이다.
먼저, 게이트 동반통과 감시 장치(100)는 출입 통제 구역 내에 설치된 CCTV(30)를 통해 촬영된 게이트(10) 부근의 게이트 영상을 수집한다(S201).
이후, 게이트 동반통과 감시 장치(100)는 게이트(10)의 슬라이딩 패널(12)이 개방 상태 즉, 게이트(10)의 개방 상태인지를 확인한다(S202). 이때, 게이트 동반통과 감시 장치(100)는 게이트 영상에 대해 에지 검출을 통해 에지 이미지를 추출한 후, 해당 에지 이미지에서 게이트 바디(11) 양쪽 사이를 가로질러 형성하는 슬라이딩 패널(12)의 에지가 존재하는지를 확인하여 슬라이딩 패널(12)의 개방 상태를 감지한다.
그런 다음, 게이트 동반통과 감시 장치(100)는 슬라이딩 패널이 개방 상태인 경우에(S202), 게이트 영상에 대해 적당한 카테고리로 영상 분류를 수행하기 위해 게이트 영상에 대한 영상특징을 추출한다(S203).
이때, 게이트 동반통과 감시 장치(100)는 영상특징에 대해 학습모델을 적용하여 게이트 영상에 대해 적당한 카테고리로 분류한다(S204). 여기서, 카테고리는 게이트(10)를 통과하는 사람 숫자에 따라 구분할 수 있다.
그리고, 게이트 동반통과 감시 장치(100)는 게이트 영상에 대한 카테고리로 분류한 다음(S204), 게이트(10)를 통과하는 사람 숫자를 카운트하여 카운트 지수를 확인함에 따라 게이트(10)의 동반통과 상태를 보안관리자의 관리자 단말기(20)로 알려줄 수 있다(S205 내지 S207).
이때, 게이트 동반통과 감시 장치(100)는 영상 분류에 따라 카운트 지수를 확인함에 따라 카운트 지수가 미리 정해진 임계값을 초과하면(S205, S206), 관리자 단말기(20)로 동반통과 상태를 알려줄 수 있다(S207).
일부 실시 예에 의한 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
비록 상기 설명이 다양한 실시예들에 적용되는 본 발명의 신규한 특징들에 초점을 맞추어 설명되었지만, 본 기술 분야에 숙달된 기술을 가진 사람은 본 발명의 범위를 벗어나지 않으면서도 상기 설명된 장치 및 방법의 형태 및 세부 사항에서 다양한 삭제, 대체, 및 변경이 가능함을 이해할 것이다. 따라서, 본 발명의 범위는 상기 설명에서보다는 첨부된 특허청구범위에 의해 정의된다. 특허청구범위의 균등 범위 안의 모든 변형은 본 발명의 범위에 포섭된다.
10 ; 게이트 11 ; 게이트 바디
12 ; 슬라이딩 패널 13 ; LED 램프
20 ; 관리자 단말기 30 ; CCTV
10 ; 영상 수집부 120 ; 패널 개방 감지부
130 ; 영상특징 추출부 140 ; 영상 분류부
150 ; 알림부 160 ; 데이터베이스

Claims (23)

  1. CCTV를 통해 촬영된 게이트 영상을 수집하기 위한 영상 수집부;
    상기 게이트 영상에 대한 영상 처리를 통해 슬라이딩 패널의 개방 상태를 감지하기 위한 패널 개방 감지부;
    상기 슬라이딩 패널의 개방 상태를 감지함에 따라 상기 게이트 영상의 영상 분류를 위한 영상 특징을 추출하기 위한 영상특징 추출부;
    상기 영상 특징을 미리 저장된 딥러닝 기반의 학습모델에 적용하여 게이트를 통과하는 사람 숫자에 따라 구분된 카테고리로 상기 게이트 영상을 분류하기 위한 영상 분류부; 및
    상기 영상 분류부로부터 상기 게이트 영상의 분류 결과를 전달받아 동반출입 상태 발생을 관리자 단말기로 알려주기 위한 알림부;
    를 포함하는 게이트 동반통과 감시 장치.
  2. 제 1 항에 있어서,
    상기 패널 개방 감지부는,
    상기 게이트 영상에 대해 에지 검출을 통해 에지 이미지를 추출한 후, 해당 에지 이미지에서 게이트 바디 양쪽 사이를 가로질러 형성하는 상기 슬라이딩 패널의 에지가 존재하는지를 확인하여 상기 슬라이딩 패널의 개방 상태를 김지하는 것인 게이트 동반통과 감시 장치.
  3. 제 2 항에 있어서,
    상기 패널 개방 감지부는,
    상기 슬라이딩 패널의 에지 특징이 존재하면 상기 슬라이딩 패널이 폐쇄된 상태로 감지하고,
    상기 슬라이딩 패널의 에지 특징이 존재하지 않으면 상기 슬라이딩 패널이 개방된 상태로 감지하는 것인 게이트 동반통과 감시 장치.
  4. 제 3 항에 있어서,
    상기 패널 개방 감지부는,
    상기 슬라이딩 패널의 에지 특징에 대한 판단을 위해 라인 피팅 알고리즘(line fitting algorithm)을 적용하는 것인 게이트 동반통과 감시 장치.
  5. 제 1 항에 있어서,
    상기 패널 개방 감지부는,
    상기 게이트 영상을 통해 게이트 바디의 상부면에서 확인되는 LED 램프의 색상을 감지하여 상기 슬라이딩 패널의 개방 상태를 감지하는 것인 게이트 동반통과 감시 장치.
  6. 제 5 항에 있어서,
    상기 패널 개방 감지부는,
    상기 LED 램프의 색상이 레드(red) 혹은 그린(green)이면 상기 슬라이딩 패널이 개방된 경우로 감지하고,
    상기 LED 램프의 색상이 화이트(white)이면 상기 슬라이딩 패널이 폐쇄된 경우로 감지하는 것인 게이트 동반통과 감시 장치.
  7. 제 1 항에 있어서,
    상기 영상특징 추출부는,
    상기 게이트 영상에 대해 영상특징을 추출하기 위한 필터 영역을 미리 정의하여 필터가 스트라이드(stride)를 수행하는 것인 게이트 동반통과 감시 장치.
  8. 제 7 항에 있어서,
    상기 필터 영역은,
    서로 마주보면서 통로를 형성하는 게이트 바디와 슬라이딩 패널의 교차점을 지나는 직사각형 영역이되, 상기 직사각형 영역에서 대각선 방향에 위치하는 두 끝점을 상기 게이트 바디의 대각선 방향에 위치하는 두 끝점을 위치시키는 것인 게이트 동반통과 감시 장치.
  9. 제 8 항에 있어서,
    상기 게이트 영상은,
    상기 필터 영역이 포함되도록 촬영되는 것인 게이트 동반통과 감시 장치.
  10. 제 1 항에 있어서,
    상기 카테고리는,
    게이트를 통과하는 사람이 없는 제1 경우(non-human), 게이트를 통과하는 사람이 1명인 제2 경우(single-human), 게이트를 통과하는 사람이 2명 이상인 제3 경우(multi-human)로 구분되는 것인 게이트 동반통과 감시 장치.
  11. 제 10 항에 있어서,
    상기 영상 분류부는,
    상기 게이트 영상의 분류 결과를 나타내는 카운트 지수를 생성하여 상기 알림부로 전달하되,
    상기 카운트 지수는,
    상기 제1 경우에 '0'이 할당되고, 상기 제2 경우에 '1'이 할당되며, 상기 제3 경우에 '2'가 할당되는 것인 게이트 동반통과 감시 장치.
  12. 제 11 항에 있어서,
    상기 알림부는,
    상기 영상 분류부로부터 전달된 카운트 지수가 임계값을 초과하면 상기 관리자 단말기로 동반출입 상태 발생을 알려주는 것인 게이트 동반통과 감시 장치.
  13. 제 12 항에 있어서,
    상기 임계값은 1인 게이트 동반통과 감시 장치.
  14. 제 13 항에 있어서,
    상기 게이트 영상의 촬영위치를 상기 CCTV의 위치정보, 출입 통제 구역의 위치정보, 관리자 단말기 정보와 서로 대응시켜 테이블 형식으로 저장 및 관리하는 데이터베이스;를 더 포함하되,
    상기 알림부는,
    상기 게이트 영상에 대응된 상기 데이터베이스를 통해 상기 관리자 단말기 정보를 확인하여 상기 관리자 단말기로 동반출입 상태 발생을 알려주는 것인 게이트 동반통과 감시 장치.
  15. 제 14 항에 있어서,
    상기 데이터베이스는,
    게이트를 통과하는 사람 숫자에 따른 카테고리별로 게이트 영상을 분류하기 위한 학습 데이터량을 토대로 기계학습을 통해 생성된 상기 학습모델을 저장하는 것인 게이트 동반통과 감시 장치.
  16. (a) CCTV를 통해 촬영된 게이트 영상을 수집하는 단계;
    (b) 상기 게이트 영상에 대한 영상 처리를 통해 슬라이딩 패널의 개방 상태를 감지하는 단계;
    (c) 상기 슬라이딩 패널의 개방 상태를 감지함에 따라 상기 게이트 영상의 영상 분류를 위한 영상 특징을 추출하는 단계;
    (d) 상기 영상 특징을 미리 저장된 딥러닝 기반의 학습모델에 적용하여 게이트를 통과하는 사람 숫자에 따라 구분된 카테고리로 상기 게이트 영상을 분류하는 단계; 및
    (e) 상기 게이트 영상의 분류 결과에 따라 동반출입 상태 발생을 관리자 단말기로 알려주는 단계;
    를 포함하는 게이트 동반통과 감시 방법.
  17. 제 16 항에 있어서,
    상기 (b) 단계는,
    상기 게이트 영상에 대해 에지 검출을 통해 에지 이미지를 추출한 후, 해당 에지 이미지에서 게이트 바디 양쪽 사이를 가로질러 형성하는 상기 슬라이딩 패널의 에지가 존재하는지를 확인하여 상기 슬라이딩 패널의 개방 상태를 김지하는 것인 게이트 동반통과 감시 방법.
  18. 제 16 항에 있어서,
    상기 (c) 단계는,
    상기 게이트 영상에 대해 영상특징을 추출하기 위한 필터 영역을 미리 정의하여 필터가 스트라이드(stride)를 수행하는 것인 게이트 동반통과 감시 방법.
  19. 제 18 항에 있어서,
    상기 필터 영역은,
    서로 마주보면서 통로를 형성하는 게이트 바디와 슬라이딩 패널의 교차점을 지나는 직사각형 영역이되, 상기 직사각형 영역에서 대각선 방향에 위치하는 두 끝점을 상기 게이트 바디의 대각선 방향에 위치하는 두 끝점을 위치시키는 것인 게이트 동반통과 감시 방법.
  20. 제 16 항에 있어서,
    상기 카테고리는,
    게이트를 통과하는 사람이 없는 제1 경우(non-human), 게이트를 통과하는 사람이 1명인 제2 경우(single-human), 게이트를 통과하는 사람이 2명 이상인 제3 경우(multi-human)로 구분되는 것인 게이트 동반통과 감시 방법.
  21. 제 20 항에 있어서,
    상기 (e) 단계는,
    상기 게이트 영상의 분류 결과를 나타내는 카운트 지수를 생성하되,
    상기 카운트 지수는,
    상기 제1 경우에 '0'이 할당되고, 상기 제2 경우에 '1'이 할당되며, 상기 제3 경우에 '2'가 할당되는 것인 게이트 동반통과 감시 방법.
  22. 제 21 항에 있어서,
    상기 (e) 단계는,
    상기 카운트 지수가 임계값을 초과하면 상기 관리자 단말기로 동반출입 상태 발생을 알려주는 것인 게이트 동반통과 감시 방법.
  23. 게이트 동반통과 감시 장치로서,
    적어도 하나 이상의 프로세서; 및
    컴퓨터 판독 가능한 명령들을 저장하기 위한 메모리;를 포함하며,
    상기 명령들은, 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 게이트 동반통과 감시 장치로 하여금,
    CCTV를 통해 촬영된 게이트 영상을 수집하게 하고,
    상기 게이트 영상에 대한 영상 처리를 통해 슬라이딩 패널의 개방 상태를 감지하게 하며,
    상기 슬라이딩 패널의 개방 상태를 감지함에 따라 상기 게이트 영상의 영상 분류를 위한 영상 특징을 추출하게 하고,
    상기 영상 특징을 미리 저장된 딥러닝 기반의 학습모델에 적용하여 게이트를 통과하는 사람 숫자에 따라 구분된 카테고리로 상기 게이트 영상을 분류하게 하며,
    상기 게이트 영상의 분류 결과에 따라 동반출입 상태 발생을 관리자 단말기로 알려주게 하는 것인 게이트 동반통과 감시 장치.
KR1020190168173A 2019-12-16 2019-12-16 게이트 동반통과 감시 장치 및 그 방법 KR102287335B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190168173A KR102287335B1 (ko) 2019-12-16 2019-12-16 게이트 동반통과 감시 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190168173A KR102287335B1 (ko) 2019-12-16 2019-12-16 게이트 동반통과 감시 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20210076705A true KR20210076705A (ko) 2021-06-24
KR102287335B1 KR102287335B1 (ko) 2021-08-06

Family

ID=76607334

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190168173A KR102287335B1 (ko) 2019-12-16 2019-12-16 게이트 동반통과 감시 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102287335B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130098821A (ko) * 2012-02-28 2013-09-05 주식회사 유니온커뮤니티 무단 출입 통제 장치 및 그 방법, 이를 구현하기 위한 프로그램이 기록된 기록매체
KR20190022602A (ko) * 2019-02-25 2019-03-06 주식회사 시큐런스 무단침입감지센서를 구비한 보안용 게이트 시스템
KR102010428B1 (ko) 2019-02-14 2019-08-14 주식회사 티앤에이치시스템 스피드 게이트를 이용한 출입 통제 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130098821A (ko) * 2012-02-28 2013-09-05 주식회사 유니온커뮤니티 무단 출입 통제 장치 및 그 방법, 이를 구현하기 위한 프로그램이 기록된 기록매체
KR102010428B1 (ko) 2019-02-14 2019-08-14 주식회사 티앤에이치시스템 스피드 게이트를 이용한 출입 통제 시스템
KR20190022602A (ko) * 2019-02-25 2019-03-06 주식회사 시큐런스 무단침입감지센서를 구비한 보안용 게이트 시스템

Also Published As

Publication number Publication date
KR102287335B1 (ko) 2021-08-06

Similar Documents

Publication Publication Date Title
JP6565083B2 (ja) 制限区域アクセスに対する制御および監視のシステムおよび方法
CN105551177B (zh) 使用bim的访问控制系统中的物理和逻辑威胁分析
US20070268145A1 (en) Automated tailgating detection via fusion of video and access control
JP5212839B2 (ja) 監視システム、及び監視方法
US20060225352A1 (en) Method and device for pass-through control and/or singling-out of persons
US8941484B2 (en) System and method of anomaly detection
JP2006236183A (ja) 入退場管理システム
JP2009098814A (ja) 入退場管理方法および顔画像認識セキュリティシステム
US20140071293A1 (en) Method and device for authintication of live human faces using infra red images
JP5349080B2 (ja) 入場管理システム、入場管理装置、および入場管理方法
KR101567005B1 (ko) 뒤따름 방지 기능을 갖는 출입통제 방법 및 시스템
KR102361770B1 (ko) 보안 강화 방법 및 보안 강화 장치
CN111833504B (zh) 门禁系统及其控制方法、电子设备
KR101964374B1 (ko) 출입 통제 시스템 및 방법
CN212515949U (zh) 门禁系统
KR20150112635A (ko) 사람의　얼굴　정보를 이용한 얼굴인식 도어락 시스템
CN111462417A (zh) 一种无人银行的多信息验证系统和多信息验证方法
KR20180085337A (ko) 무단침입감지센서를 구비한 보안용 게이트 시스템
KR102287335B1 (ko) 게이트 동반통과 감시 장치 및 그 방법
KR101262363B1 (ko) 출입통제시스템
KR20190022602A (ko) 무단침입감지센서를 구비한 보안용 게이트 시스템
JP7468779B2 (ja) 情報処理装置、情報処理方法、及び記憶媒体
CN101183429A (zh) 脸部辨识系统及其操作方法和包括该系统的安全系统
CN113744443B (zh) 一种闸机通道防欺骗控制方法、装置、设备及存储介质
TWI520107B (zh) 門禁管制系統及其方法

Legal Events

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