KR20210086829A - 스마트 cctv 관제 및 경보 시스템 - Google Patents
스마트 cctv 관제 및 경보 시스템 Download PDFInfo
- Publication number
- KR20210086829A KR20210086829A KR1020190178700A KR20190178700A KR20210086829A KR 20210086829 A KR20210086829 A KR 20210086829A KR 1020190178700 A KR1020190178700 A KR 1020190178700A KR 20190178700 A KR20190178700 A KR 20190178700A KR 20210086829 A KR20210086829 A KR 20210086829A
- Authority
- KR
- South Korea
- Prior art keywords
- alarm
- risk
- alarm system
- smart
- unit
- Prior art date
Links
- 238000013135 deep learning Methods 0.000 claims abstract description 28
- 238000003384 imaging method Methods 0.000 claims abstract description 26
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 12
- 230000006641 stabilisation Effects 0.000 claims description 12
- 238000011105 stabilization Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 abstract description 3
- 239000000872 buffer Substances 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
- G08B21/0208—Combination with audio or video communication, e.g. combination with "baby phone" function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G06T5/002—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0225—Monitoring making use of different thresholds, e.g. for different alarm levels
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Child & Adolescent Psychology (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
본 발명은 스마트 CCTV 관제 및 경보 시스템에 관한 것으로, 산업 현장의 영상을 촬영하는 CCTV를 포함하는 영상장치; 상기 영상장치에서 생성된 영상에 기초하여 지정된 위험요소를 갖는 객체를 검출하여 추적하고, 상기 객체를 복수의 위험군으로 할당하고 각 상기 위험군에서 할당된 객체가 위험범위를 벗어났는지를 인공지능을 통해 판단하는 딥러닝 서버; 및 상기 딥러닝 서버에서 판단한 결과에 기초하여 경보를 발생시키는 경보부;를 포함한다.
Description
본 발명은 스마트 CCTV 관제 및 경보 시스템에 관한 것으로, 보다 구체적으로, 고해상도 CCTV 영상을 활용하여 실외 고위험 산업 현장에 적용할 수 있도록 함으로써, 현장 전체의 위험 요소를 인식하여 시간적 및 공간적 단절없이 연속으로 필요로 하는 위치 및 관련자에게 경보할 수 있도록 하는, 스마트 CCTV 관제 및 경보 시스템에 관한 것이다.
일반적으로 폐회로 텔레비젼(CCTV: Closed Circuit Television)은, 아파트, 빌딩, 및 골목 등에 설치되어 다양한 용도로 활용되고 있다. 이러한 CCTV에서 촬영한 화면을 활용하는 용도가 다양화됨에 따라 효율적인 모니터링 기술개발이 진행되고 있다.
우선 여기서 상기 CCTV로 촬영한 화면에서 안전사고, 및 충돌사고 등의 문제가 발생된 경우, 상기 스마트 CCTV를 이용한 관제 방법에 대하여 시간적 흐름에 따라 살펴보면 다음과 같다.
상기 CCTV로 촬용한 화면은 NVR(Network Video Recorder) 장치에서 녹화된다. 이 경우에 상기 CCTV가 촬영한 범위 내에서 안전사고, 교통사고, 및 폭행 등의 사고나 문제가 발생하면 사후에 관련 NVR 장치에 녹화되어 저장된 영상 화면을 확인하면서 사고나 문제 등의 발생원인, 및 과정 등에 대하여 시간의 경과에 따라 판단을 할 수 있다.
그런데 기존의 이러한 관제 방법은, 사고나 문제의 확인이나 판단이 사고가 발생한 시점에 실시간을 대응되지 않으므로, 발생되고 있거나 발생 가능성이 있는 사고를 예방할 수 없는 문제점이 있다.
더구나 기존의 CCTV 관제 방법은 CCTV가 촬영한 영상을 이용하여, 사고, 및 사건을 단순히 기록, 및 저장하고, 사고 발생 시 경보를 출력하는 방향으로 기술이 개발되어 왔다.
이러한 스마트 CCTV 관제 방법은 규칙 기반 방법에 기초하여, 만약 지정된 A조건에 대응하는 일이 발생하면 지정된 A 방식으로 대처하고, 지정된 B조건에 대응하는 일이 발생하면 지정된 B 방식으로(case if else 방식) 대처한다는 것이다. 그러나 이러한 방법은, CCTV로 촬영한 현장의 사고, 및 사건 등이 복잡하고 다양하여 설정된 규칙만을 적용하기에는 한계가 있다.
최근에 AI 기술이 발전하면서 이러한 한계를 극복하기 위하여 AI 기술을 적용한 스마트 관제 방법에 대한 연구가 진행되고 있다.
이러한 기술 발전 과정에서 AI 기술, 딥러링 기술을 특히 고위험도 작업 현장인 건설 현장에 적용하는 것이 바람직하다. 이러한 고위험도 작업 현장에서 촬영된 영상 정보를 이용하여 발생가능성이 높은 사고를 분석, 분류하여 추적하고, 그 결과 사고 발생 가능성에 대하여 실시간으로 경보를 발생하여 고위험군 현장에서 안전사고를 포함하는 사고를 미연에 예방함으로써, 인명사고뿐만 아니라 유무형의 경제적인 손실을 예방하는 기술이 필요한 상황이다.
본 발명의 배경기술은 대한민국 등록특허 제10-1980551호(2019.05.15. 등록, 기계학습 객체검출을 이용한 실시간 지능형 CCTV 영상 분석 행위 탐지 시스템 및 기계학습 객체검출을 이용한 실시간 지능형 CCTV 영상 분석 행위 탐지 방법)에 개시되어 있다.
본 발명의 목적은, 고해상도 CCTV 영상을 활용하여 실외 고위험 산업 현장에 적용할 수 있도록 함으로써, 현장 전체의 위험 요소를 인식하여 시간적 및 공간적 단절없이 연속으로 필요로 하는 위치 및 관련자에게 경보할 수 있도록 하는, 스마트 CCTV 관제 및 경보 시스템을 제공하는 것이다.
또한, 본 발명의 다른 목적은, CCTV 등이 바람이나 진동 등의 외력에 의하여 흔들려 CCTV에서 객체를 추적하지 못하거나 추적한 결과를 놓칠 수 있는 상황을 방지할 수 있도록 하는 스마트 CCTV 관제 및 경보 시스템을 제공하는 것이다.
또한, 본 발명의 또 다른 목적은, 딥러닝 알고리즘을 활용하여 고속이면서도 정확하게 객체나 물체를 감지, 및 추적할 수 있는 스마트 CCTV 관제 및 경보 시스템을 제공하는 것이다.
또한, 본 발명의 또 다른 목적은, 난이도가 높은 위험군도 효과적으로 분석할 수 있는 스마트 CCTV 관제 및 경보 시스템을 제공하는 것이다.
본 발명의 일 측면에 따른 스마트 CCTV 관제 및 경보 시스템은, 산업 현장의 영상을 촬영하는 CCTV를 포함하는 영상장치; 상기 영상장치에서 생성된 영상에 기초하여 지정된 위험요소를 갖는 객체를 검출하여 추적하고, 상기 객체를 복수의 위험군으로 할당하고 각 상기 위험군에서 할당된 객체가 위험범위를 벗어났는지를 인공지능을 통해 판단하는 딥러닝 서버; 및 상기 딥러닝 서버에서 판단한 결과에 기초하여 경보를 발생시키는 경보부;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 CCTV는 지정된 고해상도로 구비되어 상기 산업 현장을 하나의 고해상도 화면으로 촬영 가능하게 마련된 것을 특징으로 한다.
본 발명에 있어서, 상기 딥러닝 서버는, 상기 영상장치가 진동, 및 바람을 포함하는 외력에 의하여 흔들리거나 움직이는 경우 객체 추적 안정화를 가능하게 하기 위하여, 데크(deque) 구조를 바탕으로 평활화 및 필터링을 수행하는 객체안정화 추출부;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 딥러닝 서버는, 상기 영상장치 또는 상기 경보부와 유선 또는 무선으로 송수신 하는 서버통신부; 상기 영상장치에서 촬영한 영상의 객체를 검출하고 검출된 객체의 오검출을 제거하고 객체의 좌표를 복구 가능하게 하는 객체 검출필터링부; 및 상기 객체안정화 추출부에서 검출된 객체를 복수의 위험군으로 할당하고 할당된 객체가 각 위험군에 설정된 범위를 벗어나는지를 판단하는 상황인지 판단부;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 위험군으로 할당되는 객체는, 작업 현장에서 작업하거나 작업 현장에 출입하거나 작업 현장에서 관리업무를 수행하는 현장인원; 승용차, 화물차, 굴착기, 지게차, 및 크레인을 포함하여 현장을 이동하는 이동차량; 및 지정된 시간 이상 설정된 위치에서 고정되어 중량물을 이동시키는 크레인을 포함하는 고정중장비;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 이동차량이 설정된 속도 범위를 벗어나는 경우, 경보부가 지정된 제1경보를 발생시키는 것을 특징으로 한다.
본 발명에 있어서, 상기 현장인원이 안전모를 착용하지 않은 경우, 경보부가 지정된 제2경보를 발생시키는 것을 특징으로 한다.
본 발명에 있어서, 상기 현장인원이 설정된 시간 동안 이동하지 않고 쓰러진 경우, 경보구가 지정된 제3경보를 발생시키는 것을 특징으로 한다.
본 발명에 있어서, 상기 고정중장비가 이동하는 위험반경 내 또는 설정된 반경 이내에 신호수가 없는 경우, 경보부가 지정된 제4경보를 발생시키는 것을 특징으로 한다.
본 발명에 있어서, 상기 고정중장비가 이동하는 위험반경 내에 상기 고정중장비의 신호수 이외에 현장인원이 진입하는 경우, 경보부가 지정된 제5경보를 발생시키는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 본 발명은 고위험의 현장을 하나의 고해상도 CCTV로 촬영하여 딥러닝을 통해 상기 촬영한 화면을 분석하여 위험군에 설정된 위험범위 내에 속하는 객체가 발생된 경우 이를 지정된 관련자에게 알려주어 발생 가능성이 있는 안전사고를 감소시킬 수 있도록 한다.
또한, 본 발명은 CCTV 등이 바람이나 진동 등의 외력에 의하여 흔들려 CCTV에서 객체를 추적하지 못하거나 추적한 결과를 놓치지 않도록 예방할 수 있도록 한다.
또한, 본 발명은 딥러닝 알고리즘을 활용하여 고속이면서도 정확하게 객체나 물체를 감지하고 추적할 수 있도록 한다.
또한, 본 발명은 난이도가 높은 위험군을 효과적으로 분석할 수 있도록 한다.
도 1은 본 발명의 일실시예에 따른 스마트 CCTV 관제 및 경보 시스템의 개략적인 구성을 보인 예시도.
도 2는 본 발명의 일 실시예에 따른 스마트 CCTV 관제 및 경보 시스템의 작동 과정을 설명하기 위한 흐름도.
도 3은 상기 도 2에 있어서, 객체안정화 추출부의 동작을 보다 구체적으로 설명하기 위하여 보인 예시도.
도 4는 본 발명의 일 실시예에 따른 스마트 CCTV 관제 및 경보 시스템에서 CCTV가 촬영한 화면에서 객체를 검출한 상태를 설명하기 위하여 보인 예시도.
도 5는 본 발명의 일 실시예에 따른 스마트 CCTV 관제 및 경보 시스템에서 위험군을 설명하기 위한 화면을 보인 예시도.
도 2는 본 발명의 일 실시예에 따른 스마트 CCTV 관제 및 경보 시스템의 작동 과정을 설명하기 위한 흐름도.
도 3은 상기 도 2에 있어서, 객체안정화 추출부의 동작을 보다 구체적으로 설명하기 위하여 보인 예시도.
도 4는 본 발명의 일 실시예에 따른 스마트 CCTV 관제 및 경보 시스템에서 CCTV가 촬영한 화면에서 객체를 검출한 상태를 설명하기 위하여 보인 예시도.
도 5는 본 발명의 일 실시예에 따른 스마트 CCTV 관제 및 경보 시스템에서 위험군을 설명하기 위한 화면을 보인 예시도.
이하, 첨부된 도면을 참조하여 본 발명에 따른 스마트 CCTV 관제 및 경보 시스템의 일 실시예를 설명한다.
이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명의 일실시예에 따른 스마트 CCTV 관제 및 경보 시스템(100, 이하 '관제 및 경보 시스템'이라 기재할 수 있음)에 대하여 도 1 내지 도 5를 참조하여 구체적으로 설명하면 다음과 같다.
도 1은 본 발명의 일실시예에 따른 스마트 CCTV 관제 및 경보 시스템의 개략적인 구성을 보인 예시도이고, 도 2는 본 발명의 일 실시예에 따른 스마트 CCTV 관제 및 경보 시스템의 작동 과정을 설명하기 위한 흐름도이며, 도 3은 상기 도 2에 있어서, 객체안정화 추출부의 동작을 보다 구체적으로 설명하기 위하여 보인 예시도이고, 도 4는 본 발명의 일 실시예에 따른 스마트 CCTV 관제 및 경보 시스템에서 CCTV가 촬영한 화면에서 객체를 검출한 상태를 설명하기 위하여 보인 예시도이며, 도 5는 본 발명의 일 실시예에 따른 스마트 CCTV 관제 및 경보 시스템에서 위험군을 설명하기 위한 화면을 보인 예시도이다.
도 1에 도시된 바와 같이, 본 실시예에 따른 스마트 CCTV 관제 및 경보 시스템(100)은, 고위험 산업 현장의 영상을 촬영하는 CCTV를 포함하는 영상장치(110), 상기 영상장치(110)에서 생성된 영상에 기초하여 위험요소를 갖는 다수의 객체를 검출하여 추적하고, 다수의 객체를 복수의 위험군으로 할당하며, 각 상기 위험군에서 할당된 객체가 위험범위를 벗어났는지를 인공지능을 통해 판단 가능하게 마련된 딥러닝 서버(130), 상기 딥러닝 서버(130)에서 판단한 결과에 기초하여 경보를 발생시키는 경보부(150)를 포함한다.
이하 본 발명에 적용되는 상기 딥러닝 서버(130)는 공지된 웹 관련 소프트웨어로서 엔진 X(Nginx), Django을 포함할 수 있고, 이러한 소프트웨어는 컴퓨터, 모바일, 및 타블렛 등이 다중 접속될 수 있는 환경을 제공할 수 있다.
또한, 상기 경보부(150)는 Websocket 기반의 알림 API를 활용하여 외부 시스템과 연동 가능하고, 메시징 봇(예 : 메시징을 처리하는 소프트웨어 방식의 로봇)을 통해 편리하게 알릴 수도 있다.
또한 상기 CCTV를 포함하는 영상장치(110)에서는 표준 RTSP 프로토콜이 지원되며, 다양한 CCTV 영상 전송 프로토콜이 지원된다.
아울러 본 실시예에 따른 스마트 CCTV 관제 및 경보 시스템(100)은 UTM(Unified Threat Management) 통합 보안 솔루션을 적용하여 검증된 보안 환경을 제공할 수 있다.
상기 영상장치(110)는, 고해상도로 구비되어 하나의 현장에 하나의 CCTV를 포함하는 촬상부(111), 필요에 따라 촬영된 영상을 저장하는 영상저장부(113), 영상을 화면에 표시하는 영상표시부(115), 및 상기 촬상부(111)에서 생성한 영상을 유선 또는 무선으로 딥러닝 서버(130)로 보낼 수 있는 영상통신부(117)를 포함한다.
상기 촬상부(111)는 고해상도로 구비되는 CCTV를 포함하며, 예를 들면 상기 촬영부(111)를 통해 공장, 또는 아파트 등의 건설공사를 포함하는 고위험도 산업 현장에 속하는 영상을 촬영할 수 있다(S110).
상기 영상장치(110)에는 전원을 공급하는 전원부, 온-오프 스위치 등의 공지의 구성이 구비되어 있음을 물론이다.
상기 촬상부(111)는 CCTV로 예를 들면, 해상도가 400만화소에서 500만화소의 것이 좋으며 가격 등을 고려하면 400만화소가 바람직할 수 있다.
상기 딥러닝 서버(130)는 본 발명의 핵심적인 구성으로서, 서버통신부(131)가 영상장치(110)로부터 영상을 수신하고(S115), 영상분할부(132)가 상기 수신된 영상을 분할하고(S120), 객체검출 필터링부(133)가 상기 분할된 영상에서 객체를 검출하고(S125), 객체안정화 추출부(134)가 객체의 움직임 속도와 위치를 추출하며(S135), 상황인지 판단부(135)가 상기 추출된 객체에 대하여 위험 상황 여부를 판단하며, 서버저장부(136)에 상기 추출된 영상과 위험 상황 여부를 판단한 결과를 저장하며, 서버표시부(137)가 상기 추출된 영상과 위험 상황 여부를 판단한 결과를 표시할 수 있다.
상기 딥러닝 서버(130)에는, 구체적으로 도시되어 있지 않지만, 상술한 구성 이외에 비상 전원을 포함하는 전원부, 연산 등에 필요한 연산, 저장 가능한 저장장치 등을 포함하는 구성을 포함할 수 있다.
상기 서버통신부(131)는 상기 영상장치(110)에서 촬영된 영상을 수신하거나, 상기 딥러닝 서버(130)에서 판단하여 경보부(150)로 신호(또는 정보)를 제공하는 기능을 유선 또는 무선으로 수행할 수 있다(S115).
상기 서버통신부(131)는 후술하는 어플리케이션이 적용되는 경우 이와 관련된 필요한 정보를 송수신할 수 있는 것이 바람직하다. 예컨대 어플리케이션(예 : 스마트 CCTV 관제 및 경보 시스템에 통신 연결되는 어플리케이션)을 다운받은 사용자는 상기 어플리케이션을 통해 상기 객체의 위치 정보를 수신할 수 있다.
상기 영상분할부(132)는 수신된 영상이 크기 때문에 한 번에 객체를 검출하기 어려우므로 기 설정된 크기로 분할하는 기능을 수행한다(S120). 예컨대 상기 딥러닝 서버(130)에서 큰 크기의 영상에서 객체를 검출하고 인식하려면 부하가 많이 걸리기 때문에 이를 미리 설정된 크기로 분할하는 것이다. 가령, 임의의 해상도(예 : 2000ㅧ2000)로 수신된 영상을 다른 해상도(예 : 416ㅧ416)를 갖는 25개의 영상으로 분할할 수 있다.
상기와 같이 각각 분할된 영상을 객체검출 필터링부(133)에서 동시에 병렬로 GPU 처리 및 CPU 다중코어 처리를 수행하여 영상에서 객체를 검출하는 속도 및 성능을 향상시킬 수 있다(S130). 즉, 각 분할된 영상을 병렬로 동시에 처리함으로써 처리 속도를 향상시킬 수 있다.
또한 상기 딥러닝 서버(130)는 상기와 같이 분할된 영상에서 객체를 검출한다.
또한 검출 객체 필터링 단계(S130)에서 상기 딥러닝 서버(130)는 상기와 같이 분할된 영상에서 검출된 객체를 하나의 영상으로 결합하여 오검출된 객체를 제거하고, 하나의 영상에서 검출된 객체(예를 들면, 크레인, 트럭, 사람, 안전모, 굴착기 등)에 대하여 고유번호(ID 번호)를 부여하고 검출된 객체의 좌표를 전체 화면에서 복구한다(S130).
상기와 같이 객체를 검출하고 검출 객체를 필터링하는 과정(S125, S130)은 객체검출 필터링부(133)에서 이루어진다.
다음 상기 객체안정화 추출부(134)에서는 검출된 객체를 안정화하고 속도나 움직임 등을 추출하는 과정이 이루어진다(S135).
여기서, 상기 객체의 위치를 추적하는 종래의 방법 중에 칼만 필터 (Kalman filter)가 있다. 이러한 칼만 필터는 관성 법칙을 활용하므로 비관성적인 경우, 예를 들면, 영상장치(110)가 건설 작업을 하는 건설 작업 현장의 옥상에 설치되어 바람. 진동 등에 의하여 흔들리는 경우 흔들리는 영상장치(110)가 촬영한 흔들리는 영상으로부터 객체를 추적하지 못하고 놓치거나 불안정한 결과를 유발시켜 객체를 안정적으로 추적하지 못하는 문제점이 발생할 수 있다.
따라서 상기와 같이 영상장치(110)가 흔들림으로써 객체를 안정적으로 추적하지 못하는 문제점을 해결하기 위하여, 본 실시예에서는 도 3에 도시된 바와 같이, 보다 향상된 객체안정화 추출부(134)를 구현한다.
도 3에 도시된 바와 같이, 상기 객체검출 필터링부(133)를 거친 영상데이터는 데크(deque) 구조의 좌표버퍼(134a) 중 후처리버퍼(134a2)로 입력되고 먼저 입력되어 있던 선처리버퍼(134a1)를 벗어난 영상데이터는 데크 구조의 좌표버퍼(134a)에서 제거된다.
이렇게 좌표버퍼(134a)에 저장된 데이터 중에서 객체의 흔들림을 제거하여 안정화시켜 객체의 속도를 안정적으로 추출하기 위하여 좌표버퍼(134a)의 영상데이터를 선택하고 선택된 영상데이터를 평활화하고(134b, 134c), 이를 차분 필터를 통해 객체의 속도를 추출하는 과정을 거친다(134d).
보다 구체적으로 설명하면, 본 실시예의 좌표버퍼(134a)에는 60개의 영상데이터(가장 먼저 저장되어 있는 데이터가 '1'번 데이터이고, 가장 나중 입력된 데이터가 '60'번 데이터라 가정한다)가 저장되며, 1초당 20개의 영상데이터가 촬영된다고 가정한다.
이 경우 영상데이터가 유입되는 부분인 후처리버퍼(134a2)에는 '41'번 데이터부터 '60'번 데이터의 20개의 데이터가 저장되어 있고, 선처리버퍼(134a1)에는 '1'번 데이터부터 '20'번 데이터의 20개 데이터가 각각 저장되어 있다. 여기서, 선처리버퍼(134a1)의 영상데이터와 후처리버퍼(134a2)의 영상데이터를 각각 선택하여 각각 평활화한다, 즉, 각각 선택된 데이터들을 상쇄시켜 제거하는 평활화 과정을 거친다.
상기 검출된 객체에 대하여 상기와 같은 방식으로 평활화된 두 개의 영상데이터를 시간 차이(즉, 선처리버퍼(134a1)와 후처리버퍼(134a2)의 평균 시간 차이, 예를 들면, 1.5초 내지 2초 등)를 고려하여 차분 필터를 이용하여 속도를 추출한다.
이와 같은 방식은 상기 영상 장치(110)가 진동 등에 흔들리거나 진동 등이 없어 흔들리지 않는 모든 경우에 일관적으로 적용될 수 있다.
이와 같이 객체가 안정화되어 추출된 속도를 상황인지 판단부(135)에서 각 객체를 위험군으로 할당하고, 할당된 객체가 각 위험군에서 설정된 속도범위나 지역범위를 벗어나는지, 또는 안전모를 착용하였는지 등의 미리 설정된 위험을 판단하기 위한 조건에 대하여 판단하게 된다(S140, S150, S160, S170, S180).
이에 따라 각 위험군으로 할당되는 객체는, 작업 현장에서 작업하거나 출입하거나 관리업무를 수행하는 현장인원; 승용차, 화물차, 굴착기, 지게차, 및 크레인을 포함하여 현장을 이동하는 이동차량; 장시간 설정된 위치에서 고정되어 중량물을 이동시키는 크레인을 포함하는 고정중장비를 그 일예로 들 수 있다.
이러한 구성을 갖는 본 발명의 일실시예에 따른 관제 및 경보 시스템(100)의 상황인지 판단부(135)의 작동 과정을 도 2를 참조하여 구체적으로 설명하면 다음과 같다.
예컨대 객체가 이동차량인 경우, 이동차량이 설정된 속도 범위를 벗어났는지를 판단한다(S140).
상기 S140 단계의 판단 결과, 이동차량이 설정된 속도 이상으로 이동하고 있다면(S141), 경보를 발생시키도록 하고(S185), 이동차량이 설정된 속도 미만으로 이동하고 있다면 전단계로 이동하여 지속적으로 동일한 객체에 대하여 추적을 하게 된다(S143).
다음, 객체가 현장인원인 경우, 지정된 위험영역을 침범하는지 판단하고(S150), 판단 결과 현장인원이 지정된 위험영역에 침범하면(S151) 위험 경보를 발생한다(S185). 현장인원이 위험지역을 침범하지 않으면(S150의 아니오) 전단계로 이동하여 지속적으로 동일한 객체에 대하여 추적을 하게 된다(S153).
또한 현장의 이상 객체(예 : 현장인원이 안전모를 착용하였는지)를 판단하여(S160) 현장인원이 이상 객체(예 : 현장인원이 안전모를 착용하지 않았다면)로 판단된 경우(S161) 경보를 발생시키도록 한다(S185). 만약 현장인원이 이상 객체가 아닌 경우(즉, 안전모를 착용하고 있다면) 전단계로 이동하여 지속적으로 동일한 객체에 대하여 추적을 하게 된다(S163).
또한, 객체가 현장인원인 경우, 현장인원이 설정된 시간 동안 이동하지 않고 쓰러져 있는지를 판단한다(S170).
판단 결과, 현장인원이 쓰러져 있다면(S171) 경보를 발생시키도록 하고(S185), 현장인원이 쓰러져 있지 않다면 전단계로 이동하여 지속적으로 동일한 객체에 대하여 추적을 하게 된다(S173).
물론 이 경우에는 현장인원의 움직임뿐만 아니라, 누워있는지 여부, 갑자기 넘어진 경우, 걸려 넘어진 경우, 엎드려 작업하는 경우 등을 고려하여 현장인원이 쓰러져 있는지를 학습을 통해 판단할 수 있다.
그리고 객체가 고정중장비인 경우, 고정중장비의 위험 반경 내 또는 설정 범위 내에 신호수가 있는지를 판단한다(S180).
판단 결과, 고정중장비의 위험 반경 내 등에 신호수가 없다면(S181) 경보를 발생시키도록 하고(S185), 신호수가 있다면 전단계로 이동하여 지속적으로 동일한 객체에 대하여 추적을 하게 된다(S183).
아울러, 객체가 고정중장비 및 현장인원인 경우, 고정중장비가 이동하는 위험반경 내에 상기 고정중장비의 신호수 이외에 현장인원이 진입하는지를 판단한다(S180).
판단 결과, 고정중장비의 위험반경 내에 현장인원이 진입한다면 경보를 발생시키도록 하고(S181), 현장인원의 진입이 없다면 전단계로 이동하여 지속적으로 동일한 객체에 대하여 추적을 하게 된다(S183).
그리고 도면에 구체적으로 도시되어 있지 않지만, 상기 딥러닝 서버(130)는 전원을 공급하고 비상시 자체 전원을 발전하여 공급할 수 있는 서버전원부(미도시), 각종 데이터, 자료 등을 저장하는 서버저장부(136), 서버에서 진행 중인 상황, 설정된 영상, 경보 내용, 경보 위치 등을 표시할 수 있는 서버표시부(137)를 더 포함할 수 있다.
상기와 같이 상기 상황인지 판단부(135)에서 판단한 결과 설정된 속도, 지역, 움직임, 및 안전모의 착용 여부 등, 지정된 조건을 만족하지 않는 경우 상기 경보부(150)에서 경보를 발생시킨다.
상기 경보부(150)는 현장에 설치된 마이크, 경광등 등을 포함하는 현장 경보발생부(153), 본 실시예와 관련된 어플리케이션을 다운 받은 사용자나 미리 입력된 번호의 휴대용 스마트폰 등을 포함하는 휴대용기기를 휴대한 사용자의 스마트기기로 통보될 수 있는 스마트기기 경보부(155), 딥러닝 서버(130) 및 다양한 휴대 가능하거나 통신이 가능한 전자제품과 유무선으로 통신할 수 있는 경보통신부(151)를 포함한다.
그리고 상기 경보부(150)에서 발생되는 경보는, 예컨대 이동차량이 설정된 속도 범위를 벗어나는 경우 제1경보를, 현장인원이 안전모를 착용하지 않은 경우 제2경보를, 현장인원이 설정된 시간 동안 이동하지 않고 쓰러진 경우 제3경보를, 고정중장비가 이동하는 위험반경 내에 신호수가 없는 경우 제4경보를, 고정중장비가 이동하는 위험반경 내에 상기 고정중장비의 신호수 이외에 현장인원이 진입하는 경우 제5경보를 각각 발생시킬 수 있다.
도 4는 위험도가 높은 건설 현장을 하나의 화면에 표시하면서 분할되는 화면과 검출된 객체를 표시하고 추적하는 과정 등을 나타내는 사진이고, 도 5는 위험군에 속하는 영역을 화면을 통해 부분적으로 설명하는 사진이다.
이러한 스마트 CCTV 관제 및 경보 시스템(100)과 연동하는 어플리케이션으로 제공할 수 있음을 물론이다.
상술한 바와 같이 스마트 CCTV 관제 및 경보 시스템(100)을 어플리케이션으로 만드는 것은 본 실시예를 구성하는 구성들을 인터넷 등의 공간에서 적용되도록 하는 것으로서, 이하 상기 어플리케이션을 통한 관제 및 경보 방법에 대해서 설명한다.
본 실시예에 따른 스마트 CCTV 관제 및 경보 시스템(100)을 작동시킬 수 있는 어플리케이션을 사용자가 앱에서 다운받아 로그인을 하면 사용자는 스마트 CCTV 관제 및 경보 시스템(100)에서 제공하는 각종 경보를 실시간으로 제공받을 수 있다.
이 경우 사용자는 사용자가 휴대하고 이동하는 스마트폰을 포함하는 휴대용기기의 GPS 위치 정보를 스마트 CCTV 관제 및 경보 시스템(100)에서도 인식할 수 있다. 이에, 스마트 CCTV 관제 및 경보 시스템(100)에서 판단한 객체와 사용자의 이동하는 속도 등을 실시간으로 비교하여 영상에서 대응하는 객체를 특정하거나 동기화할 수 있다. 이러한 동기화에 의하여 스마트 CCTV 관제 및 경보 시스템(100)에서는 이동하는 객체인 사용자의 ID를 통해 사용자를 실시간으로 알 수 있으므로 객체의 이동 경로와 행동반경 등을 실시간으로 알 수 있다. 그러므로 객체가 경보부(150)의 경보 대상이 되는 경우 어떠한 안전 교육을 시킬 것인지, 어떠한 안전장구를 지급해야 할 것인지에 대하여 예측할 수 있다.
필요에 따라 본 발명에 따른 스마트 CCTV 관제 및 경보 시스템(100)이 적용되는 현장을 출입, 작업하는 인원, 차량을 운전하는 인원은 스마트 CCTV 관제 및 경보 시스템(100)과 관련된 어플리케이션을 다운받아 실행을 하고 누적되는 경보를 받은 경우 출입을 제한하거나 옐로우 카드 등을 발급하거나 일정한 기간 동안 안전 교육을 이수하도록 하여 산업 현장에서 발생될 수 있는 안전사고를 미연에 예방할 수 있다.
이에, 본 실시예에 따르면, 고위험의 현장을 하나의 고해상도 CCTV로 촬영하여 딥러닝을 통해 촬영한 화면을 분석, 판단하여 위험군의 설정된 위험범위 내에 속하는 객체가 발생된 경우 이를 알려주어 발생될 수 있는 안전사고의 발생 위험을 현저하게 감소시킬 수 있는 스마트 CCTV 관제 및 경보 시스템을 제공할 수 있다.
또한, CCTV 등이 바람이나 진동 등의 외력에 의하여 흔들려 CCTV에서 객체를 추적하지 못하거나 추적한 결과를 놓칠 우려를 예방할 수 있으며, 딥러닝 알고리즘을 활용하여 고속이면서도 정확하게 객체나 물체를 감지하고 추적할 수 있으며, 병렬처리를 통해 관제 및 경보를 위한 속도와 성능을 향상시킬 수 있으며, 또한 난이도가 높은 위험군도 효과적으로 판단할 수 있도록 하는 효과가 있다.
이상으로 본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 기술적 보호범위는 아래의 특허청구범위에 의해서 정하여져야 할 것이다. 또한 본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍 가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.
100 : 스마트 CCTV 관제 및 경보 시스템
110 : 영상장치
111 : 촬상부 113 : 영상저장부
115 : 영상표시부 117 : 영상통신부
130 : 딥러닝 서버 131 : 서버 통신부
132 : 영상 분할부 133 : 객체검출 필터링부
134 : 객체안정화 추출부 135 : 상황인지 판단부
136 : 서버 저장부 137 : 서버 표시부
150 : 경보부 151 : 경보통신부
153 : 현장 경보발생부 155 : 스마트기기 경보부
111 : 촬상부 113 : 영상저장부
115 : 영상표시부 117 : 영상통신부
130 : 딥러닝 서버 131 : 서버 통신부
132 : 영상 분할부 133 : 객체검출 필터링부
134 : 객체안정화 추출부 135 : 상황인지 판단부
136 : 서버 저장부 137 : 서버 표시부
150 : 경보부 151 : 경보통신부
153 : 현장 경보발생부 155 : 스마트기기 경보부
Claims (10)
- 산업 현장의 영상을 촬영하는 CCTV를 포함하는 영상장치;
상기 영상장치에서 생성된 영상에 기초하여 지정된 위험요소를 갖는 객체를 검출하여 추적하고, 상기 객체를 복수의 위험군으로 할당하고 각 상기 위험군에서 할당된 객체가 위험범위를 벗어났는지를 인공지능을 통해 판단하는 딥러닝 서버; 및
상기 딥러닝 서버에서 판단한 결과에 기초하여 경보를 발생시키는 경보부;를 포함하는 것을 특징으로 하는 스마트 CCTV 관제 및 경보 시스템.
- 제1항에 있어서,
상기 CCTV는 지정된 고해상도로 구비되어 상기 산업 현장을 하나의 고해상도 화면으로 촬영 가능하게 마련된 것을 특징으로 하는 스마트 CCTV 관제 및 경보 시스템.
- 제1항에 있어서, 상기 딥러닝 서버는,
상기 영상장치가 진동, 및 바람을 포함하는 외력에 의하여 흔들리거나 움직이는 경우 객체 추적 안정화를 가능하게 하기 위하여, 데크(deque) 구조를 바탕으로 평활화 및 필터링을 수행하는 객체안정화 추출부;를 포함하는 것을 특징으로 하는 스마트 CCTV 관제 및 경보 시스템.
- 제3항에 있어서, 상기 딥러닝 서버는,
상기 영상장치 또는 상기 경보부와 유선 또는 무선으로 송수신 하는 서버통신부;
상기 영상장치에서 촬영한 영상의 객체를 검출하고 검출된 객체의 오검출을 제거하고 객체의 좌표를 복구 가능하게 하는 객체 검출필터링부; 및
상기 객체안정화 추출부에서 검출된 객체를 복수의 위험군으로 할당하고 할당된 객체가 각 위험군에 설정된 범위를 벗어나는지를 판단하는 상황인지 판단부;를 포함하는 것을 특징으로 하는 스마트 CCTV 관제 및 경보 시스템.
- 제1항 또는 제3항에 있어서, 상기 위험군으로 할당되는 객체는,
작업 현장에서 작업하거나 작업 현장에 출입하거나 작업 현장에서 관리업무를 수행하는 현장인원;
승용차, 화물차, 굴착기, 지게차, 및 크레인을 포함하여 현장을 이동하는 이동차량; 및
지정된 시간 이상 설정된 위치에서 고정되어 중량물을 이동시키는 크레인을 포함하는 고정중장비;를 포함하는 것을 특징으로 하는 스마트 CCTV 관제 및 경보 시스템.
- 제5항에 있어서,
상기 이동차량이 설정된 속도 범위를 벗어나는 경우,
경보부가 지정된 제1경보를 발생시키는 것을 특징으로 하는 스마트 CCTV 관제 및 경보 시스템.
- 제5항에 있어서,
상기 현장인원이 안전모를 착용하지 않은 경우,
경보부가 지정된 제2경보를 발생시키는 것을 특징으로 하는 스마트 CCTV 관제 및 경보 시스템.
- 제5항에 있어서,
상기 현장인원이 설정된 시간 동안 이동하지 않고 쓰러진 경우,
경보구가 지정된 제3경보를 발생시키는 것을 특징으로 하는 스마트 CCTV 관제 및 경보 시스템.
- 제5항에 있어서,
상기 고정중장비가 이동하는 위험반경 내 또는 설정된 반경 이내에 신호수가 없는 경우,
경보부가 지정된 제4경보를 발생시키는 것을 특징으로 하는 스마트 CCTV 관제 및 경보 시스템.
- 제5항에 있어서,
상기 고정중장비가 이동하는 위험반경 내에 상기 고정중장비의 신호수 이외에 현장인원이 진입하는 경우,
경보부가 지정된 제5경보를 발생시키는 것을 특징으로 하는 스마트 CCTV 관제 및 경보 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190178700A KR102315371B1 (ko) | 2019-12-30 | 2019-12-30 | 스마트 cctv 관제 및 경보 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190178700A KR102315371B1 (ko) | 2019-12-30 | 2019-12-30 | 스마트 cctv 관제 및 경보 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210086829A true KR20210086829A (ko) | 2021-07-09 |
| KR102315371B1 KR102315371B1 (ko) | 2021-10-21 |
Family
ID=76865009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190178700A KR102315371B1 (ko) | 2019-12-30 | 2019-12-30 | 스마트 cctv 관제 및 경보 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102315371B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230034472A (ko) * | 2021-09-02 | 2023-03-10 | 주식회사 아디아랩 | 위험구역 인원 탐지 및 기계 제어 시스템 |
| KR102617063B1 (ko) * | 2023-09-26 | 2023-12-27 | 주식회사 윈스퍼트 | 환경기초시설 작업자를 위한 인공지능 기반의 작업자 안전관리 시스템 |
| KR102665858B1 (ko) * | 2022-11-25 | 2024-05-17 | 주식회사 라스테크 | 영상 분석을 이용한 작업장 안전관리 시스템 및 그 방법 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102585167B1 (ko) | 2022-12-13 | 2023-10-05 | 이노뎁 주식회사 | 압축영상에 대한 신택스 기반의 동일인 분석 방법 |
| KR102594803B1 (ko) | 2022-12-13 | 2023-10-30 | 이노뎁 주식회사 | 압축영상에 대한 신택스 기반의 동일인 검색 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100106776A (ko) * | 2009-03-24 | 2010-10-04 | 아주대학교산학협력단 | 안전모 착용 비전 감시 시스템 및 방법 |
| KR20160109761A (ko) * | 2015-03-13 | 2016-09-21 | 서울대학교산학협력단 | 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템 |
| KR101861245B1 (ko) * | 2017-11-15 | 2018-05-25 | (주)엠더블유스토리 | 멀티 센서 ｃｃｔｖ 파노라마 영상에서 움직임 검출 시스템 및 방법 |
| KR20180095261A (ko) * | 2017-02-17 | 2018-08-27 | 주식회사 영신 | Ｉｏｔ기반 건설현장 실시간 위치추적 및 영상 안전관제 시스템 |
-
2019
- 2019-12-30 KR KR1020190178700A patent/KR102315371B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100106776A (ko) * | 2009-03-24 | 2010-10-04 | 아주대학교산학협력단 | 안전모 착용 비전 감시 시스템 및 방법 |
| KR20160109761A (ko) * | 2015-03-13 | 2016-09-21 | 서울대학교산학협력단 | 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템 |
| KR20180095261A (ko) * | 2017-02-17 | 2018-08-27 | 주식회사 영신 | Ｉｏｔ기반 건설현장 실시간 위치추적 및 영상 안전관제 시스템 |
| KR101861245B1 (ko) * | 2017-11-15 | 2018-05-25 | (주)엠더블유스토리 | 멀티 센서 ｃｃｔｖ 파노라마 영상에서 움직임 검출 시스템 및 방법 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230034472A (ko) * | 2021-09-02 | 2023-03-10 | 주식회사 아디아랩 | 위험구역 인원 탐지 및 기계 제어 시스템 |
| KR102665858B1 (ko) * | 2022-11-25 | 2024-05-17 | 주식회사 라스테크 | 영상 분석을 이용한 작업장 안전관리 시스템 및 그 방법 |
| KR102617063B1 (ko) * | 2023-09-26 | 2023-12-27 | 주식회사 윈스퍼트 | 환경기초시설 작업자를 위한 인공지능 기반의 작업자 안전관리 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102315371B1 (ko) | 2021-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102315371B1 (ko) | 스마트 cctv 관제 및 경보 시스템 | |
| US10937290B2 (en) | Protection of privacy in video monitoring systems | |
| US20200175838A1 (en) | Eyeglasses-type wearable terminal, control method thereof, and control program | |
| JP4984575B2 (ja) | 画像処理による侵入者検知装置 | |
| EP3002741A1 (en) | Method and system for security system tampering detection | |
| JP6233624B2 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| CN104980653A (zh) | 视频监控系统中的照相机参数更新的系统和方法 | |
| US10419724B2 (en) | Monitoring system, monitoring method, and monitoring program | |
| KR101541272B1 (ko) | 사람들의 움직임 불규칙성을 이용한 폭력 행위 검출 장치 및 방법 | |
| KR20210053534A (ko) | 딥러닝기반 행동인식장치 및 그 장치의 구동방법 | |
| KR101036947B1 (ko) | 컴퓨터 영상 분석기술을 이용한 범죄 및 사고예방 자동경비 시스템 | |
| KR101485022B1 (ko) | 행동 패턴 분석이 가능한 객체 추적 시스템 및 이를 이용한 방법 | |
| JP6244120B2 (ja) | 映像表示システム及び映像表示用プログラム | |
| JP7459916B2 (ja) | 物体追跡方法、物体追跡装置、及びプログラム | |
| KR102015959B1 (ko) | 사물 인터넷 카메라를 이용하는 딥러닝 기반의 지능형 방범 시스템 및 그의 처리 방법 | |
| KR102219809B1 (ko) | 영상 분석을 통한 안전작업관리 시스템 | |
| KR102438433B1 (ko) | 데이터 기반의 3d 시각화가 가능한 관제 시스템 및 방법 | |
| CN112767647A (zh) | 危险预警方法、装置、设备及计算机可读存储介质 | |
| JP6570906B2 (ja) | 監視システム及び監視方法 | |
| CN111291728A (zh) | 违规翻越传输带行为的检测系统及检测设备、检测方法 | |
| CN114973053A (zh) | 检测方法、装置和系统、存储介质及计算机设备 | |
| KR101445361B1 (ko) | 현장 모니터링 장치 | |
| CN113420626A (zh) | 一种施工现场安全行为判别方法和存储设备 | |
| JP2021060784A (ja) | 物体検知装置、システム、方法、及びプログラム | |
| KR102676020B1 (ko) | 영상의 객체 간 상호작용행위 검출 장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |