KR20210133503A - 인공지능형 토탈 보안관제 서비스시스템 - Google Patents
인공지능형 토탈 보안관제 서비스시스템 Download PDFInfo
- Publication number
- KR20210133503A KR20210133503A KR1020200052173A KR20200052173A KR20210133503A KR 20210133503 A KR20210133503 A KR 20210133503A KR 1020200052173 A KR1020200052173 A KR 1020200052173A KR 20200052173 A KR20200052173 A KR 20200052173A KR 20210133503 A KR20210133503 A KR 20210133503A
- Authority
- KR
- South Korea
- Prior art keywords
- function
- learning
- model
- security control
- sensor
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 179
- 230000006870 function Effects 0.000 claims abstract description 141
- 238000001514 detection method Methods 0.000 claims abstract description 60
- 230000002265 prevention Effects 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 43
- 238000013480 data collection Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims abstract description 4
- 241000269400 Sirenidae Species 0.000 claims abstract description 3
- 238000007726 management method Methods 0.000 claims description 26
- 238000013527 convolutional neural network Methods 0.000 claims description 17
- 238000000746 purification Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000010255 response to auditory stimulus Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 49
- 239000010410 layer Substances 0.000 description 25
- 230000005540 biological transmission Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 230000001149 cognitive effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000012792 core layer Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 206010039740 Screaming Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/007—Details of data content structure of message packets; data protocols
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Alarm Systems (AREA)
Abstract
본 발명은 인공지능형 토탈 보안관제 서비스시스템에 관한 것으로, 그 구성은, 사운드에 반응하여 이벤트(파손,비명) 발생 보고기능을 가지며, 음향 감지 장치를 포함하며, 무선통신을 통해 센서 측정값 메시지를 전송하고, 메시지를 암호화하여 보안 기능을 제공하는 무선 사운드 센서, 인터넷 망을 통하여 센서의 감지 상태를 AI 보안관제 플랫폼으로 전송하며, AI 보안관제 플랫폼을 통해 센서 및 사이렌/경광등 동작을 제어하며, 다양한 유선 및 무선 센서 연동 인터페이스 기능을 수행하며, 배터리 충전으로 정전에도 일정 시간 동작하게 되는 IP 게이트웨이, SW 주장치를 포함하고, AI 모델 모듈을 탑재 및 적용하는 기능을 수행하며, 디바이스 어댑터를 포함하고, 방범/출동 서비스 기능, 출입통제 기능, 재난/안전 서비스 기능을 제공하는 AI 보안관제 플랫폼, 방범 데이터 수집/분석/정제 기능, AI 학습 기능, AI 학습 결과 시험 기능, AI 방범 예측 모델을 제공하는 센터 AI 학습시스템을 포함하고, 상기 AI 모델은 AI 방범 모듈 및 AI 재난안전 모듈을 더 포함하여 이루어지고, 상기 센터 AI 학습시스템이 데이터 수집, 정제, 학습, 모델과정을 통해 무선 사운드 센서에서 수집된 빅데이터를 분석하고, 상기 AI 모델 모듈은 출동 확률을 표출하는 것을 특징으로 한다.
Description
본 발명은 인공지능형 토탈 보안관제 서비스 시스템에 관한 것으로, 더욱 상세하게는, 센터 AI 학습시스템이 데이터 수집, 정제, 학습, 모델과정을 통해 보안감지센서에서 수집된 빅데이터를 분석하여, AI 모델 모듈에서 출동 확률을 표출하는 것을 특징으로 하는 인공지능형 토탈 보안관제 서비스시스템에 관한 것이다.
보안서비스라는 개념은 범죄, 화재 등 비상사태에 대처하기 위한 신호, 정보등으로 모니터링 및 출동하는 방범, 방재서비스를 말한다(출처:한국정보통신기술협회).
도 1은 물리보안 밸류 체인을 나타낸 개념도이다. 도 1을 참조하면, 전통적인 물리보안의 관제 사업은 센서(유선센서, 컨트롤러), 네트워크, 관제 시스템, 관제 서비스(출동)의 밸류체인(Value Chain)으로 구성되며, 센서의 이벤트 신호를 관제 시스템으로 전송하여, 관제사가 출동지령을 생성 및 처리하고, 실제로 출동사원이 지령에 따라 출동하는 서비스를 제공한다.
물리보안 서비스의 구성을 살펴보면, 물리보안 서비스의 구성요소로서, 서비스와 기기/단말로 구성된다. 서비스는 사람(인)경비(경비요원 상주, 시설관리 및 신변경호), 무인경비(기계장비)(센서, CCTV 감지, 경보 및 경비요원출동) 및 영상보안(CCTV,DVR,NVR,모니터 등 감시 영상기기)을 포함한다. 기기/단말을 종류별로 살펴보면 출입통제(스마트 카드, 생체인식 등 출입인증 기기), 출동보안(알람, 경보기, 센서 등 위험 감지/통보기기), 및 소방방재(화재경보기, 스프링쿨러 등 소방기기)를 포함한다.
상기와 같은 보안서비스는 제한된 방범센서를 수용하는 하드웨어(H/W) 주장치에서 센서 온/오프(On/Off)만으로 출동여부를 판단하므로 환경영향(바람, 불빛, 동물의 움직임 등에 의한 오경보/오출동의 비율이 높다.전체 침입이벤트의 95% 수준이 오경보).
기존 보안 관제 서비스에서는 유선센서를 사용하고, 제어장치(주장치)로서 H/W 박스형 디바이스(고객내 설치)를 사용하며, 제공형태가 SI(Customizing)형태이고, 단순 신호모니터링과 출동서비스를 수행한다.
한편, 기업고객의 다양한 니즈(Needs)(방범, 출입관리, 누수, 화재, 서버실 온도, 습도 등)를 맞춤형으로 제공하기 위해 개별 시스템통합(SI) 방식이 아닌 플러그 앤 플레이(ug&Play) 방식으로 수용할 수 있는 플랫폼이 절실히 필요한 실정이다.
4차 산업혁명과 함께 사물인터넷(IoT) 기술과 시장은 높은 성장률을 보이고 있다. 그러나, 국내 시장은 ‘CCTV 통합관제, 재난 안전 중심의 '스마트시티'(SmartCity)중심으로 공공기관이 주로 해왔다. 최근 민간 대기업 (KT/SKT/LGU+/CNS 등)도 홈아이오티(HomeIoT), 위치추적, 사용량 측정 등 다양한 IoT 서비스를 개발 및 출시하고 있으나 개선된 보안서비스 모델이 요구되는 실정이다.
[선행기술문헌]
대한민국 등록특허공보 제10-0792802호(2008.01.02)(발명의 명칭: 인공지능 방범시스템)
본 발명의 목적은 상기한 바와 같은 종래의 문제점을 해결하기 위하여 제안된 것으로서, 인공지능의 학습, 추론, 인지 기술을 바탕으로 물리보안관제에 적용할 경우 기존 운용자(관제사)가 실제 경보인지 판단하는 역할을 인공지능을 활용한 보안시스템에서 수행함으로써 휴먼 에러(human error) 방지 및 오경보 비율을 낮추어 효율적인 운용이 가능한 새로운 형태의 인공지능형 토탈 보안관제 서비스시스템을 제공함에 있다.
또한, 머신러닝, 딥러닝의 확산에 힘입어 생산성 증대와 매출확대를 위한 기업들의 도입이 본격화될 것으로 예상되는 인공지능형 토탈 보안관제 서비스시스템을 제공함에 있다.
또한, 센터 AI 학습시스템이 데이터 수집, 정제, 학습, 모델과정을 통해 보안감지센서에서 수집된 빅데이터를 분석하고, AI 모델 모듈에서 출동 확률을 표출하는 인공지능형 토탈 보안관제 서비스시스템을 제공함에 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 인공지능형 토탈 보안관제 서비스시스템은, 인공지능형 토탈 보안관제 서비스시스템에 있어서,
사운드에 반응하여 이벤트(파손,비명) 발생 보고기능을 가지며, 음향 감지 장치를 포함하며, 무선통신을 통해 센서 측정값 메시지를 전송하고, 메시지를 암호화하여 보안 기능을 제공하는 무선 사운드 센서,
인터넷 망을 통하여 센서의 감지 상태를 AI 보안관제 플랫폼으로 전송하며, AI 보안관제 플랫폼을 통해 센서 및 사이렌/경광등 동작을 제어하며, 다양한 유선 및 무선 센서 연동 인터페이스 기능을 수행하며, 배터리 충전으로 정전에도 일정 시간 동작하게 되는 IP 게이트웨이,
SW 주장치를 포함하고, AI 모델 모듈을 탑재 및 적용하는 기능을 수행하며, 디바이스 어댑터를 포함하고, 방범/출동 서비스 기능, 출입통제 기능, 재난/안전 서비스 기능을 제공하는 AI 보안관제 플랫폼,
방범 데이터 수집/분석/정제 기능, AI 학습 기능, AI 학습 결과 시험 기능, AI 방범 예측 모델을 제공하는 센터 AI 학습시스템을 포함하고,
상기 AI 모델은 AI 방범 모듈 및 AI 재난안전 모듈을 더 포함하여 이루어지고,
센터 AI 학습시스템이 데이터 수집, 정제, 학습, 모델과정을 통해 무선 사운드 센서에서 수집된 빅데이터를 분석하고, 상기 AI 모델 모듈에서 출동 확률을 표출하는 것을 특징으로 한다.
또한, 센터 AI 학습시스템은 IoT의 패킷 데이터를 받아, 메시지 큐에 전달 구현하는 IoT 어댑터기능과, oneM2M 규격에 맞는 패킷 데이터를 받아, 메시지 큐에 전달구현하는 oneM2M 어댑터 기능과, Private으로부터 패킷 데이터를 받아, 메시지 큐에 전달 구현하는 비표준 어댑터 기능을 가지는 것을 특징으로 하는 네트워크 layer 모듈을 포함하는 것을 특징으로 한다.
또한, 센터 AI 학습시스템은 제어/수집/설정 명령어를 받아 디바이스 어댑터를 통해 센서에 제어 명령어를 전달하는 기능을 제공하고, 센서로부터 디바이스 어댑터를 통해 수집 이벤트를 받아 DB에 저장기능을 구현하는 SW 주장치 기능과, 센서로부터 수집된 침입정보를 판단하여 침입 여부를 AI를 통해서 판단하도록 하는 AI 모델 기능과, 침입,화재,비상 관제에 필요한 비즈니스 로직 기능을 구현하고, 센서, 출입장치 보안장비와 고객 시설 운영에 필요한 비즈니스 로직 기능을 구현하는 관제/운영 기능과 메시지 큐로부터 수집정보를 받아서 DB에 적재하는 컬렉터(collector)기능을 포함하는 서비스 layer 모듈을 포함하는 것을 특징으로 한다.
또한, 센터 AI 학습시스템은 AI 보안관제 플랫폼에 공통적으로 필요한 기능을 구현하는 공통 API기능과, 기계경비, 출동/순찰 서비스 기능와 같은 방범/출동 관리 기능과, 출입통제, 근태/ERP 연동 기능과 같은 출입/근태 관리기능과, 공기질, 화재감지 서비스 기능과 같은 재난/안전 관리기능을 포함하는 서비스 API layer 모듈을 포함하는 것을 특징으로 한다.
또한, 열감지, 영상, 출입 등의 복합 감시 정보를 기존 머신러닝 알고리즘 또는 CNN(Convolutional Neural Network) 알고리즘 또는 다른 딥러닝 알고리즘을 이용하여 방범/재난안전 학습모델을 생성하고 모델을 이용하여 방범/재난안전 학습모델을 생성하고 모델을 통해 침입여부를 판단하는 것을 특징으로 한다.
또한, 센터 AI 학습시스템은 데이터 수집, 정제, 학습, 모델의 과정을 통해 얻어진 결과를 HW 주장치에 전송하여 침입여부를 판별하되, 데이터 학습 모델과정은 방범/재난안전 학습모델파일을 적용하는 과정으로서, 학습모델 적용을 위한 프로토콜을 적용하되, 적당한 프로토콜을 적용하기 위한 프로토콜버퍼부, 학습모델에 가중치를 포맷하는 가중치포맷부, 노드 설정을 위한 노드부, 가중치를 설정하기 위한 가중치부가 각각 동작되어 학습모델을 생성하는 것을 특징으로 한다.
또한, 센터 AI 학습시스템은 데이터 수집, 정제, 학습, 모델과정을 통해 보안감지센서에서 수집된 빅데이터를 분석하며 AI 모델 모듈은 출동 확률을 표출하는 것을 특징으로 한다.
또한, 상기 AI 보안관제 플랫폼의 AI 방범 모델은, 침입신호가 감지되면, 출동 케이스에 속하는지 확인한 후 AI 예측모델 연산 여부를 결정하고, 기본적으로 침입신호 발생 시 이전 9개 신호를 함께 확인함으로써 문맥을 고려하고(Attention layer), 최근 첫번째 신호와(t-1 시점), 가장 마지막 과거신호(t-9 시점) 9개의 중요도를 체크하여, 학습되어 얻어진 가중치를 곱하고, CNN 알고리즘 및 GRU 알고리즘을 이용하여 필수특징을 추출하고, CNN 알고리즘에서 추출한 특징벡터와 GRU 알고리즘에서 추출한 특징벡터를 이어 붙여 하나의 특징벡터로 만들고(Concatenate), Concatenate가 끝난 특징 벡터에서 가중합 연산을 통해 마지막 출동확률을 계산하는(Dense) 것을 특징으로 한다.
이상 설명한 바와 같이, 본 발명에 따른 인공지능형 토탈 보안관제 서비스시스템에 의하면, 인공지능의 학습, 추론, 인지 기술을 바탕으로 물리보안관제에 적용할 경우 기존 운용자(관제사)가 실제 경보인지 판단하는 역할을 인공지능을 활용한 보안시스템에서 수행함으로써 휴먼 에러(human error) 방지 및 오경보 비율을 낮추어 효율적인 운용이 가능한 새로운 형태의 인공지능형 토탈 보안관제 서비스시스템이 제공될 것이다.
또한, 머신러닝, 딥러닝의 확산에 힘입어 생산성 증대와 매출확대를 위한 기업들의 도입이 본격화될 것으로 예상된다.
도 1은 일반적인 물리보안 서비스 밸류체인을 나타낸 설명도이다.
도 2는 본 발명에 따른 인공지능형 토탈 보안관제 서비스시스템의 개략적인 설명도이다.
도 3은 종래 물리보안 서비스 시스템과 본 발명의 토탈 보안관제 서비스 시스템을 각각 설명하는 설명도이다.
도 4는 종래 기존 방식의 물리보안 서비스 시스템에서의 주장치와 보안센서의 구성을 나타낸 도면이다.
도 5는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 주장치와 보안센서 및 센터 인공지능(AI) 학습시스템의 구성을 개략적으로 나타낸 도면이다.
도 6은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 토탈 케어 서비스 시스템을 설명하는 설명도이다.
도 7은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 각각의 장치의 연결관계를 설명하는 개략적인 구성도이다.
도 8은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 사운드 감지율 측정 환경 구성을 개략적으로 나타낸 도면이다.
도 9는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 침입이벤트 전송 정확도 측정 환경 구성을 나타낸 도면이다.
도 10은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 전체적인 플랫폼 구성도이다.
도 11은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 기계경비 방범 서비스 과정을 개략적으로 나타낸 도면이다.
도 12는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 IP게이트웨이를 활용하여 다양한 센서를 포함한 기계경비 방범 서비스 과정을 개략적으로 나타낸 도면이다.
도 13은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 출동/순찰 서비스 과정을 개략적으로 나타낸 도면이다.
도 14는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 출입관리/출입통제 서비스 과정을 개략적으로 나타낸 도면이다.
도 15는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 근태관리 서비스 과정을 개략적으로 나타낸 도면이다.
도 16은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 실내환경 감시 서비스 과정을 개략적으로 나타낸 도면이다.
도 17은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 센터 AI 학습 시스템의 논리적 구성도이다.
도 18은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 데이터 수집과정을 개략적으로 나타낸 도면이다.
도 19는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 데이터 분석과정을 개략적으로 나타낸 도면이다.
도 20은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 데이터 정제과정을 개략적으로 나타낸 도면이다.
도 21은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 학습모델생성 과정을 개략적으로 나타낸 도면이다.
도 22는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 학습모델배포 과정을 개략적으로 나타낸 도면이다.
도 23은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 IP 게이트웨이 운용의 예를 개략적으로 나타낸 도면이다.
도 24는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 IP 게이트웨이 구성의 일예를 개략적으로 나타낸 도면이다.
도 25는 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 무선 사운드센서 서비스 시나리오의 일예를 개략적으로 나타낸 도면이다.
도 26은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 무선 사운드센서 블록도 개략적으로 나타낸 도면이다.
도 2는 본 발명에 따른 인공지능형 토탈 보안관제 서비스시스템의 개략적인 설명도이다.
도 3은 종래 물리보안 서비스 시스템과 본 발명의 토탈 보안관제 서비스 시스템을 각각 설명하는 설명도이다.
도 4는 종래 기존 방식의 물리보안 서비스 시스템에서의 주장치와 보안센서의 구성을 나타낸 도면이다.
도 5는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 주장치와 보안센서 및 센터 인공지능(AI) 학습시스템의 구성을 개략적으로 나타낸 도면이다.
도 6은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 토탈 케어 서비스 시스템을 설명하는 설명도이다.
도 7은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 각각의 장치의 연결관계를 설명하는 개략적인 구성도이다.
도 8은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 사운드 감지율 측정 환경 구성을 개략적으로 나타낸 도면이다.
도 9는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 침입이벤트 전송 정확도 측정 환경 구성을 나타낸 도면이다.
도 10은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 전체적인 플랫폼 구성도이다.
도 11은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 기계경비 방범 서비스 과정을 개략적으로 나타낸 도면이다.
도 12는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 IP게이트웨이를 활용하여 다양한 센서를 포함한 기계경비 방범 서비스 과정을 개략적으로 나타낸 도면이다.
도 13은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 출동/순찰 서비스 과정을 개략적으로 나타낸 도면이다.
도 14는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 출입관리/출입통제 서비스 과정을 개략적으로 나타낸 도면이다.
도 15는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 근태관리 서비스 과정을 개략적으로 나타낸 도면이다.
도 16은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 실내환경 감시 서비스 과정을 개략적으로 나타낸 도면이다.
도 17은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 센터 AI 학습 시스템의 논리적 구성도이다.
도 18은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 데이터 수집과정을 개략적으로 나타낸 도면이다.
도 19는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 데이터 분석과정을 개략적으로 나타낸 도면이다.
도 20은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 데이터 정제과정을 개략적으로 나타낸 도면이다.
도 21은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 학습모델생성 과정을 개략적으로 나타낸 도면이다.
도 22는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 학습모델배포 과정을 개략적으로 나타낸 도면이다.
도 23은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 IP 게이트웨이 운용의 예를 개략적으로 나타낸 도면이다.
도 24는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 IP 게이트웨이 구성의 일예를 개략적으로 나타낸 도면이다.
도 25는 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 무선 사운드센서 서비스 시나리오의 일예를 개략적으로 나타낸 도면이다.
도 26은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 무선 사운드센서 블록도 개략적으로 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 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 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
본 발명의 관하여 하기와 같이 실시 예를 들어 자세히 설명하면 다음과 같고, 본 발명의 권리범위를 실시 예에 한정하는 것은 아니다.
도 2는 본 발명에 따른 인공지능형 토탈 보안관제 서비스시스템의 개략적인 설명도이고, 도 3은 종래 물리보안 서비스 시스템과 본 발명의 토탈 보안관제 서비스 시스템을 각각 설명하는 설명도이고, 도 4는 종래 기존 방식의 물리보안 서비스 시스템에서의 주장치와 보안센서의 구성을 나타낸 도면이고, 도 5는 본 발명에 따른 토탈 보안관제 서비스 시스템에서의 주장치와 보안센서 및 센터 인공지능(AI) 학습시스템의 구성을 개략적으로 나타낸 도면이고, 도 6은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 토탈 케어 서비스 시스템을 설명하는 설명도이고, 도 7은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 각각의 장치의 연결관계를 설명하는 개략적인 구성도이다.
도 8은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 사운드 감지율 측정 환경 구성을 개략적으로 나타낸 도면이고, 도 9는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 침입이벤트 전송 정확도 측정 환경 구성을 나타낸 도면이고, 도 10은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 전체적인 플랫폼 구성도이고, 도 11은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 기계경비 방범 서비스 과정을 개략적으로 나타낸 도면이고, 도 12는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 IP게이트웨이를 활용하여 다양한 센서를 포함한 기계경비 방범 서비스 과정을 개략적으로 나타낸 도면이고, 도 13은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 출동/순찰 서비스 과정을 개략적으로 나타낸 도면이고, 도 14는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 출입관리/출입통제 서비스 과정을 개략적으로 나타낸 도면이고, 도 15는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 근태관리 서비스 과정을 개략적으로 나타낸 도면이고, 도 16은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 실내환경 감시 서비스 과정을 개략적으로 나타낸 도면이고, 도 17은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 센터 AI 학습 시스템의 논리적 구성도이다.
도 18은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 데이터 수집과정을 개략적으로 나타낸 도면이고, 도 19는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 데이터 분석과정을 개략적으로 나타낸 도면이고, 도 20은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 데이터 정제과정을 개략적으로 나타낸 도면이고, 도 21은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 학습모델생성 과정을 개략적으로 나타낸 도면이고, 도 22는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 학습모델배포 과정을 개략적으로 나타낸 도면이고, 도 23은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 IP 게이트웨이 운용의 예를 개략적으로 나타낸 도면이고, 도 24는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 IP 게이트웨이 구성의 일예를 개략적으로 나타낸 도면이고, 도 25는 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 무선 사운드센서 서비스 시나리오의 일예를 개략적으로 나타낸 도면이고, 도 26은 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에서의 무선 사운드센서 블록도 개략적으로 나타낸 도면이다.
본 발명에 따르면, 센서가 기존 유선센서 대신에 무선센서 및 배터리로 동작한다. 또한 제어장치(주장치)로서, 지능형 S/W 플랫폼(중앙서버에 설치)을 구축하였다. 또한 제공형태가 플러그 앤 플레이(Plug& Play) 형태이고, 보안 관제 서비스를 맞춤형 토탈케어서비스(TotalCareService)(복합 이벤트(event), 인공지능(AI) 적용)로 구축하였다.
도 3을 참조하면, 본 발명에 따른 개발기술이 기존 보안 서비스에 비해 갖는 차별성 및 독창성을 살펴보면, 센서 저전력/무선화, 주장치 SW 플랫폼화, 플랫폼의 지능화, 기업맞춤형 서비스의 4가지에 대한 차별성 또는 독창성을 가지며, 기존의 물리보안 서비스의 한계성을 돌파하고 다양한 서비스를 제공할 수 있는 핵심 기술을 확보하였다.
저전력 광대역을 지원하는 무선보안센서 개발(도 3 참조)
도 3을 참조하면, 기존방식은 신호 전송용 유선이 연결이 되고, 전원 공급을 위한 배선이 필요하여 설치 위치에 제약이 발생했으나(도 3(a), 본 발명을 통해 구현되는 방식은 저전력-광역(LPWA:Low-Power Wide-Area) IoT 기술을 이용하여 전원 공급과 전송을 위한 배선이 필요없어 구축비용이 기본에 비해 80% 이상 절감된 기술이다(도 3(b)).
한편, 본 발명에서 이용된 NB-IoT(Narrow Band IoT) 기술은 기존의 이동통신(LTE) 주파수를 활용한 LPWA Iot 기술의 하나로, 저용량 데이터를 간헐적으로 전송하는 방식에 적합한 검침,추적, 센싱 등에 주로 활용되며, 초저전력으로 배터리 교체 없이 수년 이상 사용 가능한 장점이 있다.
NB-IoT는 하나의 셀에 최대 5만 개의 연결 가능/배터리 사용 기간은 최장 10년 이상이고 전파 도달 거리는 15km이다.
NB-IoT 전망을 살펴보면, 글로벌 사업자 중 30개 사업자가 2017년 상용화 중이며, 과거 LTE 도입 사례처럼 시간이 길수록 전세계 통신사에서 채택할 것으로 전망된다.
본 발명에 따르면, HW 주장치를 세계최초로 SW 주장치로 개발한 점에 특징이 있다.
즉, 주장치 H/W를 SW형으로 플랫폼에 구성함으로써 초기설치 및 유지보수의 효율성을 높이며, 기업 맞춤 서비스를 제공하게 된다.
주장치(MCU H/W)는 고객시설 내 모든 센서를 관리하고, 단순 서비스 처리로직(Process logic)을 수행하는 메인 컨트롤러이다.
AI 알고리즘을 적용한 보안 관제 플랫폼의 지능화
도 4를 참조하면, 기존방식은 보안센서를 통해 열감지, 영상, 출입 등 감시정보를 HW 주장치가 수신하되(방범 감시, 데이터 수신), 이후 Rule 기반 침입여부 판별을 수행하는 방식이며, 오경보율이 95%이상이다.
이에 비해, 도 5를 참조하면, 본 발명에 따르면, 플랫폼을 지능화함으로서 경험적 판단에 근거한 인지 방식에서 AI 기술을 적용하여 침입여부 오경보율을 50% 이상 획기적으로 감소한 특징이 있다.
즉, 방범센서를 통해 열감지, 영상, 출입 등 감시정보를 획득하는 점에서 유사하지만, HW 주장치는 방범감시 및 데이터 수집을 통해 기존 Rule기반이 아닌 인공지능 방식(AI)으로 침입여부를 판별한다.
즉, 센서 AI 학습시스템은 데이터 수집, 정제, 학습, 모델의 과정을 통해 얻어진 결과를 HW 주장치에 전송하여 침입여부를 판별하는데 적용하도록 한다.
데이터 수집 과정은 방범정보 및 동영상 포함한다.
데이터 정제 과정은 정제된 학습정보 및 이미지를 포함한다.
데이터 학습 과정은 기존 머신러닝 알고리즘 또는 CNN(Convolutional Neural Network) 알고리즘 또는 다른 딥러닝 알고리즘을 이용하여 방범/재난안전 학습모델을 생성하고 모델을 통해 학습하는 과정이다. 또한, 딥러닝 알고리즘 중에서 FNN(Feed Forword Network), CNN(Convolutional Neural Network), 또는 RNN(Recurrent Neural Network)가 이용될 수도 있다.
데이터 학습 모델과정은 방범/재난안전 학습모델파일을 적용하는 과정이다. 여기서, 학습모델 적용을 위한 프로토콜을 적용하되, 적당한 프로토콜을 적용하기 위한 프로토콜버퍼부, 학습모델에 가중치를 포맷하는 가중치포맷부, 노드 설정을 위한 노드부, 가중치를 설정하기 위한 가중치부가 각각 동작되어 학습모델을 생성한다.
즉, 상기 지능형방식의 시스템에서 열감지, 영상, 출입 등의 복합 감시 정보를 SVM(Support Vector Machine) 또는 CNN(Convolutional Neural Network) 알고리즘을 이용하여 방범/재난안전 학습모델을 생성하고 모델을 통해 침입여부를 판단함으로써 침입여부 오경보율을 40% 정도로 줄인다.
상기 센서 AI 학습시스템은 데이터 수집, 정제, 학습, 모델과정을 통해 보안감지센서에서 수집된 빅데이터를 분석하여 센서 AI 학습시스템에서 출동 확률을 표출한다. 출동 확률은 미리 정해진 알고리즘에 따라 높이거나 낮출 수 있다.
기업 맞춤형 Total-Care 서비스
도 6을 참조하면, 본 발명에 따르면, 기업 고객이 공통적으로 많이 사용하는 방범서비스, 출입통제시스템 연동, 근태 관리 서비스, 식수관리서비스를 기본으로 제공한다.
또한, 기업의 방범 서비스뿐만 아니라 추가적으로 기업별 맞춤형 재난/안전, 환경감시, 방역, 빌딩/에너지 관리를 할 수 있는 Total-Care 서비스 제공한다,
도 7을 참조하면, 본 발명에 따르면 인공지능형 토탈 보안관제 서비스시스템은 서버측에서 구축형 인공지능(AI) 보안관제 플랫폼을 구축하고, 센터 AI 학습시스템을 구축한다. 또한, 디바이스 측면에서는 IP 게이트웨이와 무선 사운드센서가 구성된다.
또한, PC 클라이언트 측면에서는, 관리자용 유저 인터페이스(UI) 패키지가 구비된다.
또한, 구축형 AI 모델 플랫폼측면에서는 SW 주장치, 인공지능(AI)프로그램, 방범보안부, 출입관리부, 보안센서/IoT 센서관리부로 구성된다.
본 발명에 따르면, 주요 성능지표로서, 출입인지 시간은 카드/지문 리더기를 사용하여 처리하며, 측정방법으로는 고객 빌딩 내에 설치된 출입인증 장치와 구축형으로 설치된 서버 간, 사용자의 출입인증이 1,000ms 안에 처리가 되는지를 확인한다.
또한, 주요성능지표로서, 침입탐지 감지시간은 열선/자석 IP 게이트웨이로 감지되며, 고객 빌딩 내에 설치된 침입 보안장치와 구축형으로 설치된 서버간, 침입 이벤트처리(열선+자석+보안 등, AI 모델과 연계)가 1,100ms 안에 처리가 되는지를 확인한다.
또한, 주요성능지표로서, 사운드 감지율은 무선사운드센서로 감지되며, 성능지표 목표는 유리창 파손율 및 비명에 대한 감지율 80% 이상을 목표로 한다. 측정방법으로는 음원 출력 용도의 스피커에서 1m 거리에 두고 무선사운드 센서와 음량 측정기를 설치한다. 기준 음량을 확인하기 위하여 음원을 출력시켜 음량측정기에서 기준 음량 이상이 되도록 출력을 조정한다. 유리창 파손음과 비명을 각 5회 발생시켜 무선 사운드센서에서 4회 이상 감지되는지 확인한다(감지율 80% 이상 평가 항목). 감지된 신호가 AI 보안관제 플랫폼에 수신되는지 확인한다(전송 정확도 기준 평가 항목).
또한, 주요성능 지표로서, 침입탐지 오경보율은 열선/자석/IP 게이트웨이로 감지되며, 고객 빌딩내에 설치된 출입 인증 장치와 구축형으로 설치된 서버를 통해 열선/출입정보/영상 정보를 수신하고, 정상 출입과 침입 이벤트 시, 오경보율을 확인한다.
또한, 주요성능 지표로서, 침입이벤트(신호) 전송 정확도는 열선/자석/사운드 센서/IP 게이트웨이/인공지능플랫폼을 통해 감지되며, 성능지표목표로서, IP 게이트웨이에 연결된 유선 및 무선 센서의 감지상태를 변화시키고 이를 플랫폼으로 전송하여 방범상태(경계시)에 따라 침입이벤트가 발생하는지 정확도를 평가한다. 측정방법으로는 방범상태(경계시)에 100회 발생시 99% 이상 전송 정확도를 목표로 한다.
도 8을 참조하면, 사운드 감지율 측정환경은, 무선사운드 센서 5대와 IP게이트웨이를 구성하고, 유리창 파손음 및 비명을 발생시켰을 때 관제서버에게 감지되었는지를 평가한다. 즉, 수요처 기준음원 출력 이후, 기준 음량 감지확인, 무선사운드센서 감지 확인을 하고, IP 게이트웨이 수신 확인을 하고, 관제서버로 전송을 확인한다. 이후 관제서버에서 수신을 확인한다.
도 9를 참조하면, 사운드 감지율 측정 환경구성도에 있어서, 침입이벤트(신호) 전송 정확도 평가환경을 살펴본다
즉, 유/무선 센서(열선 10대/자석10대 /사운드10대)30대와 IP G/W 5대를 매칭하여 각각 100회 이상 침입감지동작을 시도하여 IP G/W에 수신을 시도하여 데이터 수신 오류 여부를 평가한다.
또한, 유/무선 센서(열선 10대/자석 10대/사운드 10대)30대와 IP G/W 5대를 매칭하여 각각 100회 이상 침입감지동작을 시도하여 IP G/W에 수신한 감지신호를 인공지능 보안관제 플랫폼에 연결 후 발생된 침입이벤트 정보를 비교하여 데이터 정확성을 평가한다.
도 10을 참조하면, 본 발명에 따른 인공지능형 토탈 보안관제 서비스 시스템에 있어서, 구축형 AI 보안관제 플랫폼은 SW 주장치를 포함하고, AI 모델 모듈 탑재 및 적용하는 기능을 수행하며, 디바이스 어댑터를 포함하고, 방범/출동 서비스 기능, 출입통제 기능, 재난/안전 서비스 기능을 제공한다.
또한, 센터 AI 학습시스템은 방범 데이터 수집/분석/정제 기능, AI 학습 기능, AI 학습 결과 시험 기능, AI 방범 예측 모델을 제공한다.
관리자용 UI는, 대시보드, 출입/보안관리 기능, 이력통계조회 기능, 환경설정 기능, 운영관리 기능을 수행한다.
침입탐지 AI 모델은, 침임탐지 보안관제 모델 및 안전/재난 보안관제 모델을 포함한다.
한편, IP 게이트웨이는 인터넷 망을 통하여 센서의 감지 상태를 플랫폼으로 전송하며, 플랫폼에 의한 센서 및 사이렌/경광등 동작을 제어하며, 다양한 유선 및 무선 센서 연동 인터페이스 기능을 수행하며, 배터리 충전으로 정전에도 일정 시간 동작하게 된다.
무선 사운드센서는 사운드에 반응하여 이벤트 발생 보고(파손, 비명 등)기능을 가지며, 음향 감지 성능을 위한 기능(장치)를 포함하며, 최대 배터리 수명을 위한 최소 전류의 동작 회로 설계되었고, 무선통신을 통해 센서 측정값 메시지로 전송하고, 메시지 암호화하여 보안 기능 제공한다.
도 10을 참조하면, 구축형 AI 보안관제 플랫폼으로서, 아키텍처에 대하여 개략적으로 설명한다.
네트워크 layer 모듈은 IoT의 패킷 데이터를 받아, 메시지 큐에 전달 구현하는 IoT 어댑터기능과, oneM2M 규격에 맞는 패킷 데이터를 받아, 메시지 큐에 전달구현하는 oneM2M 어댑터 기능과, Private으로부터 패킷 데이터를 받아, 메시지 큐에 전달 구현하는 비표준 어댑터 기능을 가진다, 도면에서 설명되지 않은 부분은 디바이스 어댑터 모듈의 어댑터 선택사항에 불과하여 따로 설명하지 않도록 한다.
서비스 layer 모듈은 제어/수집/설정 명령어를 받아 디바이스 어댑터를 통해 센서에 제어 명령어를 전달기능을 구현하고, 센서로부터 디바이스 어댑터를 통해 수집 이벤트를 받아 DB에 저장기능을 구현하는 SW 주장치 기능과, 센서로부터 수집된 침입정보를 판단하여 침입 여부를 AI를 통해서 판단할 수 있게 하는 기능을 구현하는 AI 모델 기능과, 침입,화재,비상 등 관제에 필요한 비즈니스 로직 기능을 구현하고, 센서, 출입장치 등 보안장비와 고객 시설 운영에 필요한 비즈니스 로직 기능을 구현하는 관제/운영 기능과 메시지 큐로부터 수집정보를 받아서 DB에 적재하는 기능을 구현하는 collector기능을 포함한다.
서비스 API Layer모듈은, 플랫폼에 공통적으로 필요한 기능을 구현하는 공통 API기능과, 기계경비, 출동/순찰 서비스 기능을 구현하는 방범/출동 관리 기능과, 출입통제, 근태/ERP 연동 기능을 구현하는 출입/근태 관리기능과, 공기질, 화재감지 서비스 기능을 구현하는 재난/안전 관리기능을 포함한다.
도 11은 본 발명에 따른 토탈 보안관제 서비스시스템을 통한 서비스의 일예를 나타낸 것으로서, 기계경비 방범 서비스는, 감지기(자석, 열선 등)를 설치 후 신호 발생 시 인공지능 플랫폼에서 침입여부를 판단해서 침입신호를 통합관제센터 (로컬)에서 수신하여, 로컬담당자(출동)에 출동지령을 내린다.
도 12는, IP 게이트웨이를 활용하여 다양한 센서를 포함한 기계경비 방범 서비스로서, 감지기(유선/무선 자석, 유선/무선 열선, 유선/무선비상벨, 적외선, 충격, 셔터, 유리, 금고, 화재 등)를 설치 후 침입 발생 시 플랫폼으로 감지 존 및 감지상태를 전송하여 인공지능 플랫폼에서 침입여부를 판단하여 아이피게이트웨이에 연동된 경광등으로 위험을 표시하고 침입신호를 통합관제센터(로컬)에서 수신, 로컬담당자(출동)에게 출동지령을 내린다.
도 13은, 출동/순찰 서비스로서, 감지기(자석, 열선 등)를 설치 후 신호 발생시 인공지능 플랫폼에서 침입여부를 판단해서 침입신호를 통합관제센터(로컬)와 중앙관제에서 동시에 수신한다. 1차 로컬통합관제세터에서 출동요원을 배치하였고, 1차 로컬에 장애시 2차 통합관제센터(중앙)에서 원격지로 출동요원 현장에 배치된다.
도 14는, 출입관리/출입통제 서비스로서, 출입통제용 리더기로 인가된 사용자에 한해 출입문을 개방하여 외부인으로 부터의 범죄를 사전에 차단한다.
도 15는, 근태관리 서비스로서, 로컬 관제를 통해 직원의 근태를 관리하고, 출입통제용 리더기로 인가된 사용자에 한해 출입문을 개방하고, 52시간 복무관리를 통해 특정지역의 출입통제를 통해 허용된 시간내 출입문 개방 및 운용관리를 수행한다.
도 16은 실내환경 감시 서비스에 관한 것으로서, 무선사운드센서를 통해 특정지역의 위험(비명소리/유리 파손음)음원 감지를 수신하고 변동폭/변동율 등의 기준에 따라 인공지능 학습을 통해 비상위험을 판단하여 출동요원을 현장에 배치하여 처리한다.
도 17은, 센터 AI 학습 시스템에 관한 개략적인 도면으로서, AI 모델 Layer 모듈(32)은 AI 방범모델, AI 재난/안전 모델로 이루어져 있으며 배포 컴포넌트를 통해 AI 보안 관제 플랫폼의 AI 모델을 적용하는 기능을 수행한다.
Service Layer 모듈(34)은 AI 보안관제 시스템(20)의 Service API(26)와 연계하여 보안 감시정보를 수집, 분석, 정제, 학습 처리하는 기능을 수행한다.
Core Layer 모듈(36)은 학습을 위한 정보를 공통으로 처리하거나 저장하는 기능을 수행한다.
리소스 관리 Layer 모듈(38)은 Data Layer 분산 파일 리소스를 관리하는 기능을 수행한다.
Data Layer 모듈(39)은 AI 보안관제 플랫폼의 출입, 영상, 사운드 감지, 열감지, 위치 등의 정보를 저장하고 있는 수집정보와 학습을 시키기 위한 학습데이터로 구성된다.
AI 보안관제 플랫폼(20)은 네트워크 레이어 모듈(22), 서비스 레이어 모듈(24) 및 서비스 API 레이어 모듈(26)을 포함한다. 서비스 레이어 모듈(24)은 SW주장치와, AI 방범 모델, AI 재난안전 모듈을 포함한다. 상기 서비스 API 레이어 모듈(26)은 상기 센터 AI 학습시스템의 AI 모델 레이어(32)에서 배포된 방범/재난안전 AI 모델을 수신하고, 출입, 영상, 가스농도, 열감지, 위치, 장지유지율, 오출동여부, 장비속성 값을 AI 학습시스템의 서비스 레이어(34)의 수집부로 송신한다.
도시되지는 않았지만, 상기 AI 보안관제 플랫폼(20)의 AI 방범 모델은 예를 들면, 다음과 같은 기능을 수행할 수 있다. 즉, 관제센터에 침입신호가 들어온 상태(Alert)에(즉, 보안/감시센서(10)에서 신호가 감지된 상태임), 관제사 노하우로 정의한 출동 케이스에 속하는지 확인 후 AI 예측모델 연산 여부를 결정하고(Rule Based Layer)(AI 방범 모델이 결정함), 기본적으로 침입신호 발생 시 이전 9개 신호를 함께 확인함으로써 문맥을 고려한다(Attention layer)(AI 방범 모델이 고려함).
하지만 9개 신호 중 최근 첫번째 신호와(t-1 시점), 가장 마지막 과거신호(t-9 시점)는 중요도가 다르다. 상대적으로 침입신호가 일어나기 직전신호(t-1 시점)를 마지막 과거 신호(t-9 시점)보다 유의 깊게 관찰해야 할 것이다. 때문에 Attention layer에서는 이전 9개 신호에 대해 중요도에 알맞게 가중치를 곱하며 해당 가중치는 학습을 통해 얻는다.
이전 신호 중에선 시점과 상관없이 꼭 잡아야 할 특징들이 있다. 예를 들어 서비스시설이 기기 수리 중일 경우, 점검 과정에서 침입신호를 포함한 여러가지 신호가 관제센터에 보안/감시센서를 통해 전달되기 때문에 이전 9개 신호 중 AS 진입신호를 빨리 찾아내는 것이 중요하다(CNN Block). CNN block에선 이와 같은 필수특징을 추출하는 역할을 한다. Attention layer를 거쳐 온 패널데이터를 문맥을 고려하며 특징을 추출한다(GRU Block). 예를 들어 아침 출근시간에 침입신호가 발생했을 때, 평소 동 시간대에 습관적으로 발생한 시설의 경우 고객 실수일 확률이 높다. 하지만, 이전에 한 번도 실수가 없었던 시설의 경우 출동 확률이 높아야 한다.
이후, CNN block에서 추출한 특징벡터와 GRU block에서 추출한 특징벡터를 이어 붙여 하나의 특징벡터로 만드는 과정(Concatenate)이 수행된다.
Concatenate가 끝난 특징 벡터에서 가중합 연산을 통해 마지막 출동확률을 계산한다(Dense).
한편, 보안/감시 센서(10)로부터 출입, 영상, 가스농도, 열감지 등이 이루어지게 된다.
한편, 상기 Core Layer 모듈(36)과, 리소스 관리 Layer 모듈(38)에서의 기능은 본 발명에서 중요한 사항이 아니고 선택사항이라서 따로 더 자세히 설명하지 않도록 한다. 본 발명에서는 수집정보와 학습데이터 세트인 데이터 레이어 모듈(39)에서 AI 보안관제 시스템(20)의 Service API(26)와 연계하여 보안 감시정보를 수집, 분석, 정제, 학습 처리하는 기능을 수행하는 Service Layer 모듈(34)이 서비스 기능을 수행하게 된다.
도 18을 참조하면, AI 학습시스템 기능에 있어서, 데이타 수집 기능은, AI 보안관제 플랫폼의 Service API를 이용하여 보안감시정보(출입, 영상, 사운드감지, 열감지, 위치, 출동여부 등)를 수집하고 Spark 컴포넌트를 통해 수집정보 저장기능을 수행한다. 그러나 이는 예시적인 과정이다.
도 19를 참조하면, AI 학습 시스템 기능에 있어서, 데이타 분석 기능은 AI 방범/재난안전 학습데이터 셋을 만들기 위해 Spark Core의 R Tool을 이용하여 다양한 방법으로 보안감시 정보를 분석(피어슨, 켄달, 스피어만 상관계수 분석 등)할 수 있다. 그러나 이는 예시적인 사항일 뿐이며, 본 발명에서는 텐서플로 라이브러리를 이용하여 예측모델을 만들어서 사용하였다.
도 20을 참조하면, AI 학습 시스템 기능에 있어서, 데이타 정제 기능은 데이터 분석의 결과를 통해 AI 학습모듈(Spark MLIB, Tensorflow등)이 학습을 오류없이 할 수 있도록 데이터를 정제(결측치, 잡음, 오류 정보 등의 정보 처리)하는 기능을 수행한다. 이는 예시적인 과정이다.
도 21을 참조하면, AI 학습 시스템 기능에 있어서, 학습모델 생성 기능은 데이터 정제를 통해 만들어진 방범 학습데이터 셋, 재난안전 학습데이터 셋을 이용하여 AI 방범모델, AI 재난안전모델을 생성한다.
도 22를 참조하면, AI 학습 시스템 기능에 있어서, 학습모델 배포 기능은 SW 주장치가 지능형 방범 및 재난 서비스가 가능하도록 생성된 학습모델(방범 /재난 학습모델)을 SW 주장치의 OpenAPI를 이용하여 SW 주장치에 배포하는 기능을 수행한다.
본 발명에서 운용되는 센서 외의 신규 센서 수요 고려하여 다양한 유/무선 센서의 감지값을 AI 플랫폼에 전송하는 장치 필요하며, 지정된 음원에 대하여 선별적으로 반응하여 감지하는 사운드 센서 장치 필요하다.
IP 게이트웨이 개발
IP 게이트웨이 개요
이벤트 센서의 감지시 (열선감지, 문열림, 충격 등) 센서 감지의 전후 상황 파악을 위하여, 플랫폼에 신호를 전송하고 플랫폼의 지정에 따라 알람(경광등/싸이렌)을 알리는 장치가 IP 게이트웨이장치이다.
IP 게이트웨이를 이용한 서비스 시나리오
도 23을 참조하면, IP 게이트웨이 운용 예를 볼 수 있다. 도 23에 도시된 바와 같이, ① 열선센서에서 인체 감지시 이벤트가 IP 게이트웨이에 전달되고, ②IP 게이트웨이는 감지 신호중 침입신호에 대해 플랫폼에 전송하며, ③ 플랫폼은 칩입신호를 확인하여 관제에 전송하고, ④IP 게이트웨이에 경광등/싸이렌 알람을 전송하고, ⑤ 관제에서 출동 지시가 내려진다.
IP 게이트웨이 기능 및 주요 특징을 살펴보면, 인터넷을 통하여 센서 감지 정보를 플랫폼으로 전송하고, 플랫폼의 제어에 따라 기기 동작 제어(사이렌 등)를 담당하고, 유무선 센서 연동 인터페이스 제공하고, 표준화된 인터페이스 제공으로 다양한 센서 추가가 용이하며, 배터리 충전으로 정전에도 일정 시간 동작한다.
IP 게이트웨이 응용 분야는 사무실, 빌딩, 공장, 작업장 등 실내 환경이며, 보안 분야 및 재해에 빠른 대응이 필요한 위험 지역에도 응용 가능하고, 다양한 센서들로 구성된 센서 네트워크 구축이 필요한 곳에 응용가능하다.
IP 게이트웨이(GW:Gateway) 제품 구성
도 23을 참조하면, 아이피게이트웨이 블록도를 나타낸 것으로서, MCU는 IoT 전용의 최적 기능 및 소비전류로 동작하고, PHY 모듈 제어, 메시지 생성, 송/수, 해석 기능을 수행하고, 센서 감지, 측정, 제어 기능을 수행하며, 외부 전원, 배터리 상태 감지 및 보고기능을 수행하고, 콘솔 입출력 처리, 상태 LED 표시 제어, 보조 센서 기능, 케이스 열림 감지, 배터리 전압 감지기능을 수행한다.
PHY Module은 TCP/IP 기능 모듈이고, 이더넷 인터페이스 제공기능을 가진다.
Power Drive 및 Battery는 외부 전원(상전) 이용시 배터리 충전기능과, 외부 전원 차단시 및 복구시 중단없는 서비스 제공 기능과, 배터리 상태 측정하여 저전압시 알림 제공을 수행한다.
입출력 장치로서, LED 표시부에서는 LED 표시로 동작상태 확인이 가능하고, 단말 모니터 및 S/W 업데이트용 콘솔 제공기능을 가진다.
무선 사운드센서 센서
파손, 비명과 같은 특정 소리에 반응하여 이벤트 감지를 보고하며, 감지결과를 무선 통신 방식으로 전송함으로써 플랫폼의 제어에 따라 사건/사고에 대응할 수 있도록 알려주는 서비스에 사용된다.
무선 사운드센서 서비스 시나리오
도 25에서와 같이, ① 무선 사운드센서에서 특정 소리 감지 결과를 플랫폼에 전송하고, ② 플랫폼은 감지 결과를 판단하여 경보를 발령한다. ③ 필요시 출동을 지시한다.
무선 사운드센서 기능 및 주요 특징을 살펴보면, 특정 사운드에 반응하여 이벤트 발생을 보고하고, 별도 배선없이 측정 지점에 부착하며, 설치/이전이 편리하여 비용 절감 효과가 우수하고, 저전력 기능에 의한 최대 배터리 사용시간 확보가 가능하며, 설정에 의한 주기적 보고 및 특정 변동폭/변동율에 따른 보고 주기 변경 이 가능하며, 감지 사운드 종류는 비명,유리창 파손음이 있고, 특정 사운드 감지시 LED 표시 기능이 있고, 송수신 메시지를 암호화하여 보안 기능을 제공한다.
무선 사운드센서 응용 분야는, 사무실, 창고, 점포, 집 등이 보안이 필요한 장소이며, 사건, 사고가 빈발하는 우범 지역에도 적용가능하고, 여성 안심 귀갓길, 공중 화장실 등에 도 적용가능하다.
무선 사운드센서의 상세 명세는 다음과 같다.
- 8bit u-controller unit, IoT purpose processor
- Active analytic sound detector
- Low Power Consumption Regulator
- Support Power Save Mode
- event-driven light weight software
- encryption AES256 of messages from/to platform
도 26을 참조하면, 무선 사운드센서 블록도로서, MCU는 IoT 전용의 최적 기능 및 소비전류로 동작하고, 센서 감지, 측정 기능을 가지며, 사운드 감지기 제어, 메시지 생성, 송신, 메시지 수신, 해석 기능을 가지며, 배터리 상태 감지, 보고기능을 가지며, 콘솔 입출력 처리기능을 가지며, 상태 LED 표시 제어기능을 가진다.
Sound Detector는 특정 사운드 입력 기능과, 특정 사운드 감지 기능과, 전력 제어 기능을 가진다.
Power Drive 및 Battery는 단위 체적당 최대 전력량 제공이 가능하고, 최대 전류량 제공할 수 있는 보조 회로가 채용되었으며, 배터리 상태를 측정하여 저전압시 알림 제공을 가진다.
입출력장치로서, LED는 LED 표시로 동작상태 및 감지상태 확인 기능을 제공하며, 센서 선택 용도의 커넥터가 제공되며, 단말 모니터 및 관리용 콘솔이 제공된다.
이상에서와 같이 도면과 명세서에서 최적의 실시예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로, 본 기술 분야의 통상의 지식을 가진자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10: 보안/감시센서
20: AI 보안관제 플랫폼
30: 센터 AI학습시스템
20: AI 보안관제 플랫폼
30: 센터 AI학습시스템
Claims (7)
- 인공지능형 토탈 보안관제 서비스시스템에 있어서,
사운드에 반응하여 이벤트(파손,비명) 발생 보고기능을 가지며, 음향 감지 장치를 포함하며, 무선통신을 통해 센서 측정값 메시지를 전송하고, 메시지를 암호화하여 보안 기능을 제공하는 무선 사운드 센서,
인터넷 망을 통하여 센서의 감지 상태를 AI 보안관제 플랫폼으로 전송하며, AI 보안관제 플랫폼을 통해 센서 및 사이렌/경광등 동작을 제어하며, 다양한 유선 및 무선 센서 연동 인터페이스 기능을 수행하며, 배터리 충전으로 정전에도 일정 시간 동작하게 되는 IP 게이트웨이,
SW 주장치를 포함하고, AI 모델 모듈을 탑재 및 적용하는 기능을 수행하며, 디바이스 어댑터를 포함하고, 방범/출동 서비스 기능, 출입통제 기능, 재난/안전 서비스 기능을 제공하는 AI 보안관제 플랫폼,
방범 데이터 수집/분석/정제 기능, AI 학습 기능, AI 학습 결과 시험 기능, AI 방범 예측 모델을 제공하는 센터 AI 학습시스템을 포함하고,
상기 AI 모델은 AI 방범 모듈 및 AI 재난안전 모듈을 더 포함하여 이루어지고,
상기 센터 AI 학습시스템이 데이터 수집, 정제, 학습, 모델과정을 통해 무선 사운드 센서에서 수집된 빅데이터를 분석하고, 상기 AI 모델 모듈은 출동 확률을 표출하는 것을 특징으로 하는 인공지능형 토탈 보안관제 서비스시스템. - 제 1 항에 있어서, 센터 AI 학습시스템은 IoT의 패킷 데이터를 받아, 메시지 큐에 전달 구현하는 IoT 어댑터기능과, oneM2M 규격에 맞는 패킷 데이터를 받아, 메시지 큐에 전달구현하는 oneM2M 어댑터 기능과, Private으로부터 패킷 데이터를 받아, 메시지 큐에 전달 구현하는 비표준 어댑터 기능을 가지는 것을 특징으로 하는 네트워크 layer 모듈을 포함하는 것을 특징으로 하는 인공지능형 토탈 보안관제 서비스시스템.
- 제 1 항에 있어서, 센터 AI 학습시스템은 제어/수집/설정 명령어를 받아 디바이스 어댑터를 통해 센서에 제어 명령어를 전달하는 기능을 제공하고, 센서로부터 디바이스 어댑터를 통해 수집 이벤트를 받아 DB에 저장기능을 구현하는 SW 주장치 기능과, 센서로부터 수집된 침입정보를 판단하여 침입 여부를 AI를 통해서 판단하도록 하는 AI 모델 기능과, 침입,화재,비상 관제에 필요한 비즈니스 로직 기능을 구현하고, 센서, 출입장치 보안장비와 고객 시설 운영에 필요한 비즈니스 로직 기능을 구현하는 관제/운영 기능과 메시지 큐로부터 수집정보를 받아서 DB에 적재하는 컬렉터(collector)기능을 포함하는 서비스 layer 모듈을 포함하는 것을 특징으로 하는 특징으로 하는 인공지능형 토탈 보안관제 서비스시스템.
- 제 1 항에 있어서, 센터 AI 학습시스템은 AI 보안관제 플랫폼에 공통적으로 필요한 기능을 구현하는 공통 API기능과, 기계경비, 출동/순찰 서비스 기능와 같은 방범/출동 관리 기능과, 출입통제, 근태/ERP 연동 기능과 같은 출입/근태 관리기능과, 공기질, 화재감지 서비스 기능과 같은 재난/안전 관리기능을 포함하는 서비스 API layer 모듈을 포함하는 것을 특징으로 하는 인공지능형 토탈 보안관제 서비스시스템.
- 제 1 항에 있어서, 열감지, 영상, 출입 등의 복합 감시 정보를 기존 머신러닝 알고리즘 또는 CNN(Convolutional Neural Network) 알고리즘 또는 다른 딥러닝 알고리즘을 이용하여 방범/재난안전 학습모델을 생성하고 모델을 이용하여 방범/재난안전 학습모델을 생성하고 모델을 통해 침입여부를 판단하는 것을 특징으로 하는 인공지능형 토탈 보안관제 서비스시스템.
- 제 1 항에 있어서, 센터 AI 학습시스템은 데이터 수집, 정제, 학습, 모델의 과정을 통해 얻어진 결과를 HW 주장치에 전송하여 침입여부를 판별하되, 데이터 학습 모델과정은 방범/재난안전 학습모델파일을 적용하는 과정으로서, 학습모델 적용을 위한 프로토콜을 적용하되, 적당한 프로토콜을 적용하기 위한 프로토콜버퍼부, 학습모델에 가중치를 포맷하는 가중치포맷부, 노드 설정을 위한 노드부, 가중치를 설정하기 위한 가중치부가 각각 동작되어 학습모델을 생성하는 것을 특징으로 하는 인공지능형 토탈 보안관제 서비스시스템.
- 제 1 항에 있어서, 상기 AI 보안관제 플랫폼의 AI 방범 모델은, 침입신호가 감지되면, 출동 케이스에 속하는지 확인한 후 AI 예측모델 연산 여부를 결정하고, 기본적으로 침입신호 발생 시 이전 9개 신호를 함께 확인함으로써 문맥을 고려하고(Attention layer), 최근 첫번째 신호와(t-1 시점), 가장 마지막 과거신호(t-9 시점) 9개의 중요도를 체크하여, 학습되어 얻어진 가중치를 곱하고, CNN 알고리즘 및 GRU 알고리즘을 이용하여 필수특징을 추출하고, CNN 알고리즘에서 추출한 특징벡터와 GRU 알고리즘에서 추출한 특징벡터를 이어 붙여 하나의 특징벡터로 만들고(Concatenate), Concatenate가 끝난 특징 벡터에서 가중합 연산을 통해 마지막 출동확률을 계산하는(Dense) 것을 특징으로 하는 인공지능형 토탈 보안관제 서비스시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200052173A KR102340644B1 (ko) | 2020-04-29 | 2020-04-29 | 인공지능형 토탈 보안관제 서비스시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200052173A KR102340644B1 (ko) | 2020-04-29 | 2020-04-29 | 인공지능형 토탈 보안관제 서비스시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210133503A true KR20210133503A (ko) | 2021-11-08 |
| KR102340644B1 KR102340644B1 (ko) | 2021-12-20 |
Family
ID=78485891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200052173A KR102340644B1 (ko) | 2020-04-29 | 2020-04-29 | 인공지능형 토탈 보안관제 서비스시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102340644B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102480449B1 (ko) * | 2022-10-07 | 2022-12-23 | (주)바이브컴퍼니 | 이기종 다중센서 기반의 재난 상황 예측 및 진단 방법 |
| WO2023096084A1 (ko) * | 2021-11-25 | 2023-06-01 | 한국전자기술연구원 | 엣지 기반 cctv에서 주변 환경정보에 최적화된 ai 모델을 선택 및 적용하여 영상을 분석하는 시스템 및 방법 |
| CN116366375A (zh) * | 2023-06-02 | 2023-06-30 | 北京华科海讯科技股份有限公司 | 基于人工智能的安全运算方法及系统 |
| WO2024075911A1 (ko) * | 2022-10-06 | 2024-04-11 | 대한민국(행정안전부 국립재난안전연구원장) | Ai에 의한 재난안전지식 통합관리시스템 |
| WO2024075950A1 (ko) * | 2022-10-07 | 2024-04-11 | 한국전자기술연구원 | 엣지 cctv를 위한 엣지 ai 모델 생성 방법 및 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101951361B1 (ko) * | 2017-09-15 | 2019-02-22 | 김동권 | 인공지능 방범 관리 방법 |
| KR20190035186A (ko) * | 2017-09-26 | 2019-04-03 | 주식회사 바이캅 | 딥 러닝 기법을 활용한 지능형 무인 보안 시스템 |
| KR20190057806A (ko) * | 2017-11-20 | 2019-05-29 | 광운대학교 산학협력단 | 상호운용성 보장을 위한 oneM2M 국제 표준 기반 사물 인터넷 플랫폼 시스템 |
| KR20190063729A (ko) * | 2017-11-30 | 2019-06-10 | 주식회사 넥토마이닝 | 사회재난 대응을 위한 융복합기술 기반의 카메라와 센서 네트워크와 지향성 스피커를 사용한 인명지킴이 시스템 |
-
2020
- 2020-04-29 KR KR1020200052173A patent/KR102340644B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101951361B1 (ko) * | 2017-09-15 | 2019-02-22 | 김동권 | 인공지능 방범 관리 방법 |
| KR20190035186A (ko) * | 2017-09-26 | 2019-04-03 | 주식회사 바이캅 | 딥 러닝 기법을 활용한 지능형 무인 보안 시스템 |
| KR20190057806A (ko) * | 2017-11-20 | 2019-05-29 | 광운대학교 산학협력단 | 상호운용성 보장을 위한 oneM2M 국제 표준 기반 사물 인터넷 플랫폼 시스템 |
| KR20190063729A (ko) * | 2017-11-30 | 2019-06-10 | 주식회사 넥토마이닝 | 사회재난 대응을 위한 융복합기술 기반의 카메라와 센서 네트워크와 지향성 스피커를 사용한 인명지킴이 시스템 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023096084A1 (ko) * | 2021-11-25 | 2023-06-01 | 한국전자기술연구원 | 엣지 기반 cctv에서 주변 환경정보에 최적화된 ai 모델을 선택 및 적용하여 영상을 분석하는 시스템 및 방법 |
| WO2024075911A1 (ko) * | 2022-10-06 | 2024-04-11 | 대한민국(행정안전부 국립재난안전연구원장) | Ai에 의한 재난안전지식 통합관리시스템 |
| KR102480449B1 (ko) * | 2022-10-07 | 2022-12-23 | (주)바이브컴퍼니 | 이기종 다중센서 기반의 재난 상황 예측 및 진단 방법 |
| WO2024075950A1 (ko) * | 2022-10-07 | 2024-04-11 | 한국전자기술연구원 | 엣지 cctv를 위한 엣지 ai 모델 생성 방법 및 시스템 |
| CN116366375A (zh) * | 2023-06-02 | 2023-06-30 | 北京华科海讯科技股份有限公司 | 基于人工智能的安全运算方法及系统 |
| CN116366375B (zh) * | 2023-06-02 | 2023-08-15 | 北京华科海讯科技股份有限公司 | 基于人工智能的安全运算方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102340644B1 (ko) | 2021-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102340644B1 (ko) | 인공지능형 토탈 보안관제 서비스시스템 | |
| CN109375594B (zh) | 城市安全智慧管控平台 | |
| US8174378B2 (en) | Human guard enhancing multiple site security system | |
| CN104079874B (zh) | 一种基于物联网技术的安防一体化系统及方法 | |
| CN102231077B (zh) | 一种安全实时监控预警系统及监控预警方法 | |
| US7990268B2 (en) | Method and protocol for real time security system | |
| US8638218B2 (en) | Wireless takeover of an alarm system | |
| US11410539B2 (en) | Internet of things (IoT) based integrated device to monitor and control events in an environment | |
| CN111710122A (zh) | 一种基于泛在电力物联网的安全用电管理系统 | |
| US8400276B2 (en) | Monitoring system, terminal device and main control device thereof, and method and program for registering terminal device | |
| US20090122143A1 (en) | Security system and network | |
| CN107588799A (zh) | 一种建筑电气设备在线监控系统 | |
| CN113542690A (zh) | 一种建筑施工安全监控系统及方法 | |
| KR20070119374A (ko) | Ｕｓｎ 기반 상황 실시간 감시 시스템 | |
| KR20200136171A (ko) | 고객 안전을 위한 ＩｏＴ 기반의 엘리베이터 모니터링 시스템 및 모니터링 방법 | |
| CN113791571A (zh) | 一种智能建筑楼宇设备自控报警装置 | |
| KR20200031246A (ko) | Ict 기반의 시설물 통합 관리 시스템을 위한 모바일 단말기 및 그 방법 | |
| KR20200027686A (ko) | Ict 기반의 시설물 통합 관리 시스템의 처리 방법 | |
| KR102475148B1 (ko) | Ess 화재 예방 시스템 및 그 방법 | |
| EP3457373A2 (en) | Method and system for service verification using wifi signal strength mapping | |
| KR102103251B1 (ko) | 사물인터넷 기반 임베디드 방식의 모니터링시스템 | |
| CN105373166A (zh) | 一种基于物联网的便民服务银亭及运行方法 | |
| KR20100074445A (ko) | 비상상황 대처시스템 | |
| KR100343045B1 (ko) | 인터넷을 이용한 방범 방법 | |
| KR20070088242A (ko) | 설비의 상태 및 이벤트의 실시간 원격 감시 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |