KR20220000492A - Method for transmitting cctv video data using artificial intelligence - Google Patents

Method for transmitting cctv video data using artificial intelligence Download PDF

Info

Publication number
KR20220000492A
KR20220000492A KR1020200078215A KR20200078215A KR20220000492A KR 20220000492 A KR20220000492 A KR 20220000492A KR 1020200078215 A KR1020200078215 A KR 1020200078215A KR 20200078215 A KR20200078215 A KR 20200078215A KR 20220000492 A KR20220000492 A KR 20220000492A
Authority
KR
South Korea
Prior art keywords
image data
event
server
artificial intelligence
data
Prior art date
Application number
KR1020200078215A
Other languages
Korean (ko)
Inventor
황의석
우대근
박범재
Original Assignee
주식회사 티앤엠테크
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 주식회사 티앤엠테크 filed Critical 주식회사 티앤엠테크
Priority to KR1020200078215A priority Critical patent/KR20220000492A/en
Publication of KR20220000492A publication Critical patent/KR20220000492A/en

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21Server components or server architectures
    • H04N21/222Secondary servers, e.g. proxy server, cable television Head-end
    • H04N21/2223Secondary servers, e.g. proxy server, cable television Head-end being a public access point, e.g. for downloading to or uploading from clients
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845Structuring of content, e.g. decomposing content into time segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

An image data relay method, device and computer program using artificial intelligence are provided. According to one embodiment of the present invention, the image data relay method using artificial intelligence is a method performed by a computing device. The method includes the steps of: collecting a plurality types of image data; processing the plurality types of image data according to a preset image data processing rule; and transmitting the processed image data and analysis result information generated by analyzing the processed image data.

Description

인공지능을 이용한 CCTV 영상 데이터 중계 방법{METHOD FOR TRANSMITTING CCTV VIDEO DATA USING ARTIFICIAL INTELLIGENCE}CCTV video data relay method using artificial intelligence {METHOD FOR TRANSMITTING CCTV VIDEO DATA USING ARTIFICIAL INTELLIGENCE}

본 발명의 다양한 실시예는 인공지능을 이용한 영상 데이터 중계 방법, 장치 및 컴퓨터 프로그램에 관한 것이다. Various embodiments of the present invention relate to a method, apparatus, and computer program for relaying image data using artificial intelligence.

정보화 기술의 발전, 유비쿼터스 컴퓨팅의 도입과 함께, 현대사회는 각종 파이프나 물리적인 선으로 연결되는 공공서비스망(전기, 가스, 상하수도 등) 기반의 인프라를 넘어서 공공서비스, 컨텐츠와 새로운 부가서비스를 전달하여 높은 부가가치를 창출할 수 있는 첨단 정보통신망을 주목하고 있다.With the development of information technology and the introduction of ubiquitous computing, modern society delivers public services, contents, and new additional services beyond the infrastructure based on public service networks (electricity, gas, water and sewage, etc.) connected by various pipes or physical lines. Therefore, attention is paid to cutting-edge information and communication networks that can create high added value.

또한, 사회가 발전하면서 범죄는 갈수록 지능화, 고속화되고 있으며, 흉포하고 동기가 없는 범죄들도 빈번해지고 있다. 이러한 범죄는 특성상 목격자나 증거를 찾아내기가 쉽지 않고 진술 확보에 있어서도 어려움이 많다.In addition, as society develops, crimes are becoming more intelligent and faster, and violent and unmotivated crimes are also becoming more frequent. Due to the nature of these crimes, it is not easy to find witnesses or evidence, and there are many difficulties in securing statements.

CCTV(Closed-Circuit Television) 카메라는 이러한 상황에서 범죄를 감시하고, 사회의 안전문제를 개선하기 위해 도입되었다.CCTV (Closed-Circuit Television) cameras were introduced to monitor crime in these situations and to improve the safety of society.

CCTV 카메라를 이용하면, 광범위한 영역을 대상으로 모니터 요원을 활용하여 실시간으로 영상을 모니터링하고 저장하면서 사건 발생 시 조치를 취하거나 사건 발생 후 저장된 영상을 검색하여 범죄발생의 증거물로 활용할 수 있다.CCTV cameras can be used as evidence of crime by taking action when an incident occurs while monitoring and storing images in real time by using a monitor agent for a wide area or by searching the stored images after an incident occurs.

그러나, 종래의 CCTV 카메라의 경우, 특수한 목적(예: 안면인식, 침입탐지, 화재 및 사고 감시, 교통신호위반 등 차량 단속)에 따라 풀-세트(Full-set)으로 구성되기 때문에 타사의 CCTV 카메라와의 호환 불가로 초기 도입비용이나 확장 시 비용문제가 발생한다는 문제가 있다.However, in the case of a conventional CCTV camera, it is composed of a full-set according to a special purpose (eg, facial recognition, intrusion detection, fire and accident monitoring, traffic signal violation, etc.) There is a problem that the initial introduction cost or cost problem occurs during expansion due to incompatibility with .

또한, 종래의 CCTV 카메라를 이용한 감시 시스템의 경우 폐쇄적인 시스템 및 애플리케이션 구조를 가지기 때문에 사용 용도의 변경이나 응용환경 적용이 어렵고, 제공사의 커스터마이징에만 의존해야 한다는 문제가 있다.In addition, since the conventional surveillance system using a CCTV camera has a closed system and application structure, it is difficult to change the intended use or apply the application environment, and there is a problem in that it has to depend only on the customization of the provider.

또한, 종래에는 구축형의 영상 분석 시스템을 적용하고 있으나, 이를 위해 시스템을 풀-세트로 구매해야 하기 비용의 부담이 있으며(특히, 실시간을 지원할수록 고비용), 유지보수 및 업그레이드에 부담이 가중된다는 문제가 있다.In addition, conventionally, a built-in image analysis system is applied, but for this purpose, there is a burden of cost to purchase a full-set system (particularly, the higher the real-time support, the higher the cost), and the burden on maintenance and upgrade is increased. there is a problem.

한국공개특허 제10-2011-0060342호(2011.06.08).Korean Patent Laid-Open Patent No. 10-2011-0060342 (2011.06.08).

본 발명이 해결하고자 하는 과제는 기기간 호환성을 확보함으로써 기존 CCTV 인프라를 연계 활용할 수 있는 인공지능을 이용한 영상 데이터 중계 방법, 장치 및 컴퓨터 프로그램을 제공하는 것이다.The problem to be solved by the present invention is to provide an image data relay method, apparatus and computer program using artificial intelligence that can link and utilize existing CCTV infrastructure by securing compatibility between devices.

본 발명이 해결하고자 하는 다른 과제는 사용 목적 및 환경이 변경됨에 따라 자유롭게 용도 변경이나 응용환경 적용이 가능한 인공지능을 이용한 영상 데이터 중계 방법, 장치 및 컴퓨터 프로그램을 제공하는 것이다.Another object to be solved by the present invention is to provide a method, apparatus and computer program for relaying image data using artificial intelligence that can freely change use or apply application environment as the purpose of use and environment change.

본 발명이 해결하고자 하는 과제는 클라우드 서비스를 활용함으로써, 시스템을 풀-세트로 구매할 필요 없이 시스템의 유지 보수 및 업그레이드 가능한 영상 데이터 중계 방법, 장치 및 컴퓨터 프로그램을 제공하는 것이다.The problem to be solved by the present invention is to provide an image data relay method, an apparatus, and a computer program that can be maintained and upgraded without the need to purchase a full-set system by utilizing a cloud service.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present invention are not limited to the problems mentioned above, and other problems not mentioned will be clearly understood by those skilled in the art from the following description.

상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 인공지능을 이용한 영상 데이터 중계 방법은, 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 복수의 영상 데이터를 수집하는 단계, 기 설정된 영상 데이터 처리 룰에 따라 상기 복수의 영상 데이터를 처리하는 단계 및 상기 처리된 영상 데이터와 상기 처리된 영상 데이터를 분석함으로써 생성되는 분석 결과 정보를 전달하는 단계를 포함할 수 있다.An image data relay method using artificial intelligence according to an embodiment of the present invention for solving the above problems is a method performed by a computing device, the method comprising: collecting a plurality of image data; preset image data processing rules processing the plurality of image data according to the method, and transmitting the processed image data and analysis result information generated by analyzing the processed image data.

다양한 실시예에서, 상기 처리하는 단계는, 상기 복수의 영상 데이터를 분석하여 상기 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터를 추출하는 단계 및 상기 추출된 하나 이상의 영상 데이터에 포함된 상기 객체의 속성을 분석하여 상기 분석된 객체의 속성에 대한 정보를 가리키는 분석 결과 정보를 포함하는 메타 데이터를 생성하는 단계를 포함하며, 상기 전달하는 단계는, 상기 추출된 하나 이상의 영상 데이터와 상기 메타 데이터를 전달하는 단계를 포함할 수 있다.In various embodiments, the processing may include analyzing the plurality of image data to extract one or more image data in which an object is recognized from among the plurality of image data, and the object included in the extracted one or more image data. and generating metadata including analysis result information indicating information on the analyzed properties of the object by analyzing the properties of the object, wherein the delivering includes: It may include the step of delivering.

다양한 실시예에서, 상기 처리하는 단계는, 상기 복수의 영상 데이터를 분석하여 상기 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터를 추출하는 단계 및 상기 추출된 하나 이상의 영상 데이터 각각을 분할하여 복수의 단위 영상 데이터를 생성하고, 상기 복수의 단위 영상 데이터 중 상기 객체를 포함하는 영역에 대응되는 하나 이상의 단위 영상 데이터를 선택하는 단계를 포함하며, 상기 전달하는 단계는, 상기 처리된 영상 데이터 중 상기 선택된 하나 이상의 단위 영상 데이터만을 전달하는 단계를 포함할 수 있다.In various embodiments, the processing may include analyzing the plurality of image data to extract one or more image data in which an object is recognized from among the plurality of image data, and dividing each of the extracted one or more image data into a plurality generating unit image data of , and selecting one or more unit image data corresponding to the region including the object from among the plurality of unit image data, wherein the transmitting includes: The method may include transmitting only the selected one or more unit image data.

다양한 실시예에서, 상기 처리하는 단계는, 상기 복수의 영상 데이터를 분석하여 상기 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터를 추출하는 단계, 상기 추출된 하나 이상의 영상 데이터 각각을 분할하여 복수의 단위 영상 데이터를 생성하고, 상기 복수의 단위 영상 데이터 중 상기 객체를 포함하지 않는 영역에 대응되는 하나 이상의 단위 영상 데이터를 선택하는 단계 및 상기 선택한 하나 이상의 단위 영상 데이터를 보정하여 상기 선택한 하나 이상의 단위 영상 데이터의 해상도를 격하시키는 단계를 포함하며, 상기 전달하는 단계는, 상기 선택한 하나 이상의 단위 영상 데이터의 해상도가 격하된 상기 하나 이상의 영상 데이터를 전달하는 단계를 포함할 수 있다.In various embodiments, the processing may include analyzing the plurality of image data and extracting one or more image data in which an object is recognized from among the plurality of image data, dividing each of the extracted one or more image data into a plurality of generating unit image data of , selecting one or more unit image data corresponding to a region not including the object from among the plurality of unit image data, and correcting the selected one or more unit image data to select the one or more units The method may include downgrading the resolution of the image data, and the transmitting may include transmitting the one or more image data of which the resolution of the selected one or more unit image data is lowered.

다양한 실시예에서, 상기 처리하는 단계는, 상기 복수의 영상 데이터를 분석하여 상기 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터를 추출하는 단계 및 상기 추출한 하나 이상의 영상 데이터를 분석하여 상기 객체의 이벤트 발생 여부를 판단하는 단계를 포함하며, 상기 전달하는 단계는, 상기 객체의 이벤트가 발생한 것에 응답하여 이벤트별 클립을 생성하고, 상기 생성된 이벤트 클립과 상기 추출한 하나 이상의 영상 데이터 및 상기 분석 결과 정보를 동기화하여 전달하는 단계를 포함할 수 있다.In various embodiments, the processing may include analyzing the plurality of image data to extract one or more image data for which an object is recognized from among the plurality of image data, and analyzing the extracted one or more image data to determine the and determining whether an event has occurred, wherein the delivering includes generating a clip for each event in response to the occurrence of the event of the object, the generated event clip, the extracted one or more image data, and the analysis result information may include the step of synchronizing and transmitting the .

다양한 실시예에서, 상기 전달하는 단계는, 상기 처리된 영상 데이터와 상기 분석 결과 정보를 매칭하여 영상 데이터 내에 포함된 객체에 대한 이벤트 발생 여부를 분석 및 판단하는 서버로 전달하되, 상기 서버를 통해 상기 이벤트 발생 여부의 분석 및 판단하고자 하는 영상 데이터의 수에 기초하여 상기 처리된 영상 데이터 중 상기 이벤트 발생 여부를 분석 및 판단할 영상 데이터의 수를 결정하고, 상기 결정된 영상 데이터의 수만큼 상기 처리된 영상 데이터에 대한 이벤트 발생 여부를 판단하여 상기 서버로 전달하는 단계를 포함할 수 있다.In various embodiments, the delivering may include matching the processed image data with the analysis result information and delivering it to a server that analyzes and determines whether an event has occurred for an object included in the image data, but through the server Based on the number of image data to be analyzed and determined whether the event has occurred, the number of image data to be analyzed and determined whether the event has occurred among the processed image data is determined, and the processed image is equal to the determined number of image data It may include the step of determining whether an event has occurred for the data and transmitting it to the server.

다양한 실시예에서, 상기 전달하는 단계는, 상기 처리된 영상 데이터에 포함된 객체에 대한 이벤트 발생 여부를 분석함으로써 생성된 상기 이벤트 발생 여부 및 상기 발생된 이벤트의 속성을 상기 처리된 영상 데이터 및 상기 분석 결과 정보와 동기화하여 서버로 전달하되, 상기 서버로 데이터를 전달하는 속도가 기 설정된 속도 미만인 경우, 상기 서버로 데이터를 전달하는 속도가 상기 기 설정된 속도 이상이 되도록 상기 이벤트 발생 여부를 분석할 영상 데이터의 수를 결정하는 단계를 포함할 수 있다.In various embodiments, the transmitting may include analyzing whether the event has occurred and a property of the generated event generated by analyzing whether an event has occurred for an object included in the processed image data, the processed image data and the analysis Image data for analyzing whether or not the event occurs so that the data is transmitted to the server in synchronization with the result information, and the speed of data transmission to the server is less than the preset speed, so that the data transmission speed to the server is greater than or equal to the preset speed may include determining the number of

다양한 실시예에서, 상기 전달하는 단계는, 상기 처리된 영상 데이터에 포함된 객체에 대한 이벤트 발생 여부를 분석함으로써 생성된 상기 이벤트 발생 여부 및 상기 발생된 이벤트의 속성을 상기 처리된 영상 데이터 및 상기 분석 결과 정보 동기화하여 서버로 전달하되, 기 저장된 영상 데이터 전송량 및 서버 이용량에 따른 비용 데이터에 기초하여 상기 서버로 전달되는 데이터의 수 및 상기 서버에서 처리하는 데이터의 수에 따른 비용이 최소가 되도록 상기 이벤트 발생 여부를 분석할 영상 데이터의 수를 결정하는 단계를 포함할 수 있다.In various embodiments, the transmitting may include analyzing whether the event has occurred and a property of the generated event generated by analyzing whether an event has occurred for an object included in the processed image data, the processed image data and the analysis The result information is synchronized and transmitted to the server, but based on the cost data according to the pre-stored amount of image data transmission and server usage, the cost according to the number of data transmitted to the server and the number of data processed by the server is minimized. The method may include determining the number of image data to be analyzed whether or not an event has occurred.

상술한 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 인공지능을 이용한 영상 데이터 중계 장치는, 하나 이상의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 본 발명의 일 실시예에 따른 인공지능을 이용한 영상 데이터 중계 방법을 수행할 수 있다.An image data relay apparatus using artificial intelligence according to another embodiment of the present invention for solving the above-described problems includes a memory for storing one or more instructions and a processor for executing the one or more instructions stored in the memory, The processor may execute the image data relay method using artificial intelligence according to an embodiment of the present invention by executing the one or more instructions.

상술한 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 컴퓨터프로그램은, 하드웨어인 컴퓨터와 결합되어, 본 발명의 일 실시예에 따른 인공지능을 이용한 영상 데이터 중계 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장될 수 있다.A computer program according to another embodiment of the present invention for solving the above-described problems is combined with a computer that is hardware, so that the computer can perform the image data relay method using artificial intelligence according to an embodiment of the present invention. It may be stored in a readable recording medium.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.Other specific details of the invention are included in the detailed description and drawings.

본 발명의 다양한 실시예에 따르면, 기기간 호환성을 확보함으로써 기존 CCTV 인프라를 연계 활용할 수 있다.According to various embodiments of the present invention, the existing CCTV infrastructure can be linked and utilized by ensuring compatibility between devices.

또한, 사용 목적 및 환경이 변경됨에 따라 자유롭게 용도 변경이나 응용환경 적용이 가능하다는 이점이 있다.In addition, as the purpose of use and the environment are changed, there is an advantage that a change of use or application of an application environment is possible freely.

또한, 클라우드 서비스를 활용함으로써, 시스템을 풀-세트로 구매할 필요 없이 시스템의 유지 보수 및 업그레이드 가능하다는 이점이 있다.In addition, by utilizing the cloud service, there is an advantage that the system can be maintained and upgraded without the need to purchase a full-set of the system.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.Effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the following description.

도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 영상 데이터 중계 시스템을 도시한 도면이다.
도 2는 본 발명의 다른 실시예에 따른 인공지능을 이용한 영상 데이터 중계 시스템을 도시한 도면이다.
도 3은 본 발명의 또 다른 실시예에 따른 인공지능을 이용한 영상 데이터 중계 장치의 하드웨어 구성도이다.
도 4는 본 발명의 또 다른 실시예에 따른 인공지능을 이용한 영상 데이터 중계 방법의 순서도이다.
도 5는 다양한 실시예에서, 인공지능을 이용한 영상 데이터 중계 장치에 의해 처리된 영상 데이터를 예시적으로 도시한 도면이다.
도 6은 다양한 실시예에서, 복수의 영상 데이터 중계 장치가 적용된 인공지능을 이용한 영상 데이터 중계 시스템을 도시한 도면이다.
도 7은 다양한 실시예에서, 이벤트 발생 시 알람을 제공하는 구성을 예시적으로 도시한 도면이다.
1 is a diagram illustrating an image data relay system using artificial intelligence according to an embodiment of the present invention.
2 is a diagram illustrating an image data relay system using artificial intelligence according to another embodiment of the present invention.
3 is a hardware configuration diagram of an image data relay apparatus using artificial intelligence according to another embodiment of the present invention.
4 is a flowchart of an image data relay method using artificial intelligence according to another embodiment of the present invention.
5 is a diagram exemplarily illustrating image data processed by an image data relay apparatus using artificial intelligence, according to various embodiments.
6 is a diagram illustrating an image data relay system using artificial intelligence to which a plurality of image data relay devices are applied, according to various embodiments.
7 is a diagram exemplarily illustrating a configuration for providing an alarm when an event occurs, according to various embodiments.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. Advantages and features of the present invention and methods of achieving them will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms, and only the present embodiments allow the disclosure of the present invention to be complete, and those of ordinary skill in the art to which the present invention pertains. It is provided to fully understand the scope of the present invention to those skilled in the art, and the present invention is only defined by the scope of the claims.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.The terminology used herein is for the purpose of describing the embodiments and is not intended to limit the present invention. In this specification, the singular also includes the plural unless specifically stated otherwise in the phrase. As used herein, “comprises” and/or “comprising” does not exclude the presence or addition of one or more other components in addition to the stated components. Like reference numerals refer to like elements throughout, and "and/or" includes each and every combination of one or more of the recited elements. Although "first", "second", etc. are used to describe various elements, these elements are not limited by these terms, of course. These terms are only used to distinguish one component from another. Accordingly, it goes without saying that the first component mentioned below may be the second component within the spirit of the present invention.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.Unless otherwise defined, all terms (including technical and scientific terms) used herein will have the meaning commonly understood by those of ordinary skill in the art to which this invention belongs. In addition, terms defined in a commonly used dictionary are not to be interpreted ideally or excessively unless specifically defined explicitly.

명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 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" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.As used herein, the term “unit” or “module” refers to a hardware component such as software, FPGA, or ASIC, and “unit” or “module” performs certain roles. However, “part” or “module” is not meant to be limited to software or hardware. A “unit” or “module” may be configured to reside on an addressable storage medium or to reproduce one or more processors. Thus, as an example, “part” or “module” refers to components such as software components, object-oriented software components, class components and task components, processes, functions, properties, Includes procedures, subroutines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays, and variables. Components and functionality provided within “parts” or “modules” may be combined into a smaller number of components and “parts” or “modules” or as additional components and “parts” or “modules”. can be further separated.

공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.Spatially relative terms "below", "beneath", "lower", "above", "upper", etc. It can be used to easily describe the correlation between a component and other components. Spatially relative terms should be understood as terms including different directions of components during use or operation in addition to the directions shown in the drawings. For example, when a component shown in the drawing is turned over, a component described as “beneath” or “beneath” of another component may be placed “above” of the other component. can Accordingly, the exemplary term “below” may include both directions below and above. Components may also be oriented in other orientations, and thus spatially relative terms may be interpreted according to orientation.

본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.In this specification, a computer refers to all types of hardware devices including at least one processor, and may be understood as encompassing software configurations operating in the corresponding hardware device according to embodiments. For example, a computer may be understood to include, but is not limited to, smart phones, tablet PCs, desktops, notebooks, and user clients and applications running on each device.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.Each step described in this specification is described as being performed by a computer, but the subject of each step is not limited thereto, and at least a portion of each step may be performed in different devices according to embodiments.

도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 영상 데이터 중계 시스템을 도시한 도면이다.1 is a diagram illustrating an image data relay system using artificial intelligence according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 인공지능을 이용한 영상 데이터 중계 시스템은 영상 데이터 중계 장치(100), 복수의 카메라 모듈(200) 및 서버(300)를 포함할 수 있다.Referring to FIG. 1 , an image data relay system using artificial intelligence according to an embodiment of the present invention may include an image data relay device 100 , a plurality of camera modules 200 , and a server 300 .

여기서, 도 1에 도시된 인공지능을 이용한 영상 데이터 중계 시스템은 일 실시예에 따른 것이고, 그 구성 요소가 도 1에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경 또는 삭제될 수 있다.Here, the image data relay system using artificial intelligence shown in FIG. 1 is according to an embodiment, and its components are not limited to the embodiment shown in FIG. 1, and may be added, changed, or deleted as necessary. have.

일 실시예에서, 영상 데이터 중계 장치(100)는 복수의 카메라 모듈(200)(예: 소정의 지역, 영역에 구비되는 CCTV 카메라) 각각이 촬영 동작을 수행함으로써 생성되는 복수의 영상 데이터를 수집할 수 있고, 수집한 복수의 영상 데이터를 처리하여 서버(300)로 제공하는 영상 데이터 중계 서비스를 제공할 수 있다.In one embodiment, the image data relay apparatus 100 collects a plurality of image data generated by each of the plurality of camera modules 200 (eg, CCTV cameras provided in a predetermined area or area) performing a photographing operation. Also, it is possible to provide an image data relay service provided to the server 300 by processing the plurality of collected image data.

이때, 영상 데이터 중계 장치(100)는 복수의 카메라 모듈(200)로부터 실시간 수집되는 실시간 스트리밍 영상 데이터에 대한 1차 분석을 수행하여 객체 탐지 및 분류(예: 사람, 동물, 차량 및 기타 사물 등)를 수행할 수 있고, 수행 결과에 따라 추출된 객체와 관련된 정보를 포함하는 메타 데이터를 생성할 수 있다. 예를 들어, 영상 데이터 중계 장치(100)는 제1 인공지능 모델을 이용하여 영상 데이터 분석함으로써, 객체와 관련된 정보를 추출할 수 있다. 그러나, 이에 한정되지 않는다.At this time, the image data relay device 100 performs primary analysis on real-time streaming image data collected in real time from the plurality of camera modules 200 to detect and classify objects (eg, people, animals, vehicles, and other objects). may be performed, and metadata including information related to the extracted object may be generated according to the execution result. For example, the image data relay apparatus 100 may extract information related to an object by analyzing image data using the first artificial intelligence model. However, the present invention is not limited thereto.

여기서, 제1 인공지능 모델은 객체와 관련된 정보, 이미지 등 다양한 데이터를 학습데이터로써 기 학습한 인공지능 모델일 수 있으나, 이에 한정되지 않는다.Here, the first artificial intelligence model may be an artificial intelligence model pre-learned using various data such as object-related information and images as learning data, but is not limited thereto.

다양한 실시예에서, 영상 데이터 중계 장치(100)는 복수의 카메라 모듈(200)로부터 수집되는 복수의 영상 데이터를 서버(300)로 전송하되, 복수의 영상 데이터 각각에 대한 객체 인식 여부에 따라 복수의 영상 데이터를 필터링하여 복수의 영상 데이터 중 하나 이상의 영상 데이터(예: 객체가 인식된 영상 데이터)만을 선택적으로 서버(300)로 전송할 수 있다.In various embodiments, the image data relay apparatus 100 transmits a plurality of image data collected from a plurality of camera modules 200 to the server 300, By filtering the image data, only one or more image data (eg, image data in which an object is recognized) among a plurality of image data may be selectively transmitted to the server 300 .

다양한 실시예에서, 영상 데이터 중계 장치(100)는 복수의 카메라 모듈(200)로부터 수집되는 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터를 2차 분석하여 객체가 인식되는 하나 이상의 영상 데이터에 대한 이벤트 및 모션을 감지할 수 있고, 이벤트와 관련된 정보(예: 이벤트 발생 여부, 발생된 이벤트의 속성 등)를 포함하는 하나 이상의 영상 데이터를 서버(300)로 전달할 수 있다. 예를 들어, 영상 데이터 중계 장치(100)는 제2 인공지능 모델을 이용하여 영상 데이터 분석함으로써, 객체가 인식되는 하나 이상의 영상 데이터에 대한 이벤트 및 모션을 감지할 수 있고, 이벤트별 클립을 생성할 수 있으며, 영상 데이터 및 메타 데이터와 동기화하여 서버(300)로 전송할 수 있다.In various embodiments, the image data relay device 100 performs secondary analysis of one or more image data in which an object is recognized among a plurality of image data collected from a plurality of camera modules 200 to add to the one or more image data in which an object is recognized. It is possible to detect an event and a motion for the event, and transmit one or more image data including information related to the event (eg, whether an event has occurred, properties of the generated event, etc.) to the server 300 . For example, the image data relay apparatus 100 may detect an event and motion for one or more image data in which an object is recognized by analyzing image data using the second artificial intelligence model, and may generate a clip for each event. It can be transmitted to the server 300 in synchronization with the image data and metadata.

여기서, 제2 인공지능 모델은 객체와 관련된 정보 및 객체로부터 발생되는 이벤트와 관련된 정보를 학습 데이터로써 기 학습한 모델일 수 있으나, 이에 한정되지 않는다.Here, the second artificial intelligence model may be a model in which information related to an object and information related to an event generated from the object have been previously learned as learning data, but is not limited thereto.

일 실시예에서, 서버(300)는 영상 데이터 중계 장치(100)로부터 복수의 영상 데이터(또는 영상 데이터 중계 장치(100)에 의해 처리된 영상 데이터)를 제공받아 저장 및 관리할 수 있다. 예를 들어, 서버(300)는 영상 데이터 중계 장치(100)로부터 제공된 이벤트별 클립과 메타 데이터를 인덱싱하여 저장할 수 있다. 그러나, 이에 한정되지 않는다.In an embodiment, the server 300 may receive, store and manage a plurality of image data (or image data processed by the image data relay device 100 ) from the image data relay device 100 . For example, the server 300 may index and store clips and metadata for each event provided from the image data relay apparatus 100 . However, the present invention is not limited thereto.

다양한 실시예에서, 서버(300)는 중복 제거 기능을 수행할 수 있고, 중복 제거 기능을 통해 기 저장된 복수의 영상 데이터 중 영상 데이터 중계 장치(100)로부터 제공된 복수의 영상 데이터와 중복되는 영상 데이터가 있는지 여부를 판단할 수 있고, 판단 결과에 따라 중복되는 영상 데이터를 제거할 수 있다.In various embodiments, the server 300 may perform a deduplication function, and image data that overlaps with a plurality of image data provided from the image data relay device 100 among a plurality of pre-stored image data through the deduplication function is displayed. It can be determined whether there is, and the overlapping image data can be removed according to the determination result.

다양한 실시예에서, 서버(300)는 영상 데이터 중계 장치(100)로부터 객체가 인식된 하나 이상의 영상 데이터를 제공받을 수 있으나, 객체가 인식되지 않은 하나 이상의 영상 데이터에 대하여 객체 인식 기능을 수행함으로써, 영상 데이터 중계 장치(100)가 누락한 영상 데이터를 검출하는 긍정오류(False Positive)를 식별하는 기능을 수행할 수 있다. In various embodiments, the server 300 may receive one or more image data in which an object is recognized from the image data relay device 100, but by performing an object recognition function on one or more image data in which an object is not recognized, The image data relay apparatus 100 may perform a function of identifying a false positive for detecting the missing image data.

다양한 실시예에서, 서버(300)는 영상 데이터 중계 장치(100)로부터 제공된 복수의 영상 데이터를 2차 분석하여, 복수의 영상 데이터에 대한 이벤트 및 모션을 감지할 수 있다. 예를 들어, 서버(300)는 제2 인공지능 모델을 이용하여 복수의 영상 데이터를 분석함으로써 복수의 영상 데이터에 대한 이벤트 및 모션을 감지할 수 있다. In various embodiments, the server 300 may detect events and motions for the plurality of image data by secondary analysis of the plurality of image data provided from the image data relay apparatus 100 . For example, the server 300 may detect an event and motion for the plurality of image data by analyzing the plurality of image data using the second artificial intelligence model.

이때, 서버(300)는 영상 데이터 중계 장치(100)로부터 이벤트 발생 여부가 판단된 영상 데이터를 수집하는 경우(예: 영상 데이터 중계 장치(200)로부터 2차 분석된 영상 데이터를 수집하는 경우), 별도의 2차 분석 동작을 수행하지 않을 수 있다. 그러나, 이에 한정되지 않고, 모니터링 감시 등급, 안전 등급 등 모니터링하는 사용자의 설정 값에 따라 영상 데이터 중계 장치(200)로부터 2차 분석된 영상 데이터를 수집하더라도 반복적으로 2차 분석을 수행하여 이벤트 발생 여부를 판단할 수 있다.At this time, when the server 300 collects image data for which the event occurrence is determined from the image data relay device 100 (eg, when collecting secondary analyzed image data from the image data relay device 200), A separate secondary analysis operation may not be performed. However, the present invention is not limited thereto, and even if the secondary analyzed image data is collected from the image data relay device 200 according to the setting value of the monitoring user, such as the monitoring monitoring grade and the safety grade, the secondary analysis is repeatedly performed to determine whether an event occurs can be judged

도 2는 본 발명의 다른 실시예에 따른 인공지능을 이용한 영상 데이터 중계 시스템을 도시한 도면이다.2 is a diagram illustrating an image data relay system using artificial intelligence according to another embodiment of the present invention.

도 2를 참조하면, 본 발명의 다른 실시예에 따른 인공지능을 이용한 영상 데이터 중계 시스템에서의 영상 데이터 중계 장치(100)는 네트워크 스위치(21)를 조작을 통해 기존 CCTV 관제 인프라에 포함된 복수의 카메라 모듈(200)로부터 복수의 영상 데이터를 제공받을 수 있고, 기 설정된 영상 데이터 처리 룰에 따라 복수의 영상 데이터를 처리(예: 실시간 스트리밍 영상에 대한 이미지 처리와 1차 분석)할 수 있고, 복수의 영상 데이터 각각을 분석함으로써 추출되는 분석 결과 정보를 포함하는 메타 데이터를 생성할 수 있으며, 이를 상위 클라우드 시스템인 서버(300)로 전송할 수 있다. 그러나, 이에 한정되지 않는다.Referring to FIG. 2 , the image data relay apparatus 100 in the image data relay system using artificial intelligence according to another embodiment of the present invention operates a network switch 21 through a plurality of existing CCTV control infrastructures. A plurality of image data may be provided from the camera module 200, and a plurality of image data may be processed (eg, image processing and primary analysis of a real-time streaming image) according to a preset image data processing rule, and a plurality of Meta data including the extracted analysis result information can be generated by analyzing each of the image data of , and this can be transmitted to the server 300, which is a higher-level cloud system. However, the present invention is not limited thereto.

서버(300)는 영상 데이터 중계 장치(100)로부터 전송된 DD영상 데이터 및 메타 데이터를 분석 및 판정할 수 있다. 여기서, 서버(300)는 MS 또는 AWS의 인공지능을 기반으로 하며, 데이터 분석 및 판정의 정확도를 지속적으로 향상시키기 위하여 룰 변경이 가능하도록 설계될 수 있다.The server 300 may analyze and determine the DD image data and metadata transmitted from the image data relay device 100 . Here, the server 300 is based on the artificial intelligence of MS or AWS, and may be designed to change the rules in order to continuously improve the accuracy of data analysis and determination.

또한, 서버(300)는 인터페이스 플랫폼(Interface Platform)(25)을 통해 복수의 영상을 실시간으로 감시 및 모니터링하는 근무자의 근무자 단말(24)에 복수의 영상 데이터, 객체와 관련된 정보 및 이벤트와 관련된 정보를 제공하는 사용자 인터페이스(User Interface, UI)를 제공할 수 있다. 이때, 서버(300)는 UI를 통해 사용자가 요청하는 조건에 맞도록 영상 데이터를 분류 및 편집(예: 특정 조건 및 행위 검색, 이벤트 데이터 저장 및 구조화)하여 제공할 수 있다. In addition, the server 300 provides a plurality of image data, object-related information, and event-related information to the worker terminal 24 of a worker who monitors and monitors a plurality of images in real time through an interface platform 25 . A user interface (UI) that provides In this case, the server 300 may classify and edit image data (eg, search for specific conditions and actions, store and structure event data) to match the conditions requested by the user through the UI.

여기서, 인터페이스 플랫폼(25)은 사용자용 애플리케이션과 이를 통해 얻을 수 있는 사용자 입력을 중계하여 서버(300)에 연결하는 API로 이루어진 플랫폼 영역일 수 있다.Here, the interface platform 25 may be a platform area composed of a user application and an API that connects to the server 300 by relaying a user input obtained through it.

또한, 서버(300)는 복수의 영상 데이터에 대한 이벤트 발생 여부를 판단하고, 이벤트가 발생되는 것으로 판단되는 경우, 해당 영상 데이터를 모니터링하는 근무자 단말(24) 또는 관제실의 모니터링 장치(23)로 안내를 제공할 수 있다. 예를 들어, 도 7에 도시된 바와 같이 서버(300)는 복수의 영상 데이터를 분석하여 이벤트 발생이 감지되는 경우, 인터페이스 플랫폼(25)을 통해 근무자 단말(24) 또는 관제실의 모니터링 장치(23)로 이벤트와 관련된 정보(예: 객체 정보, 이벤트 정보(예: 침입, 배회, 유기, 싸움, 방화 또는 이러한 이벤트가 발생될 것으로 예상되는 징후 등), 이동 경로 등)를 포함하는 알림 정보를 제공할 수 있다.In addition, the server 300 determines whether an event has occurred for a plurality of image data, and, when it is determined that an event occurs, guides the worker terminal 24 for monitoring the image data or the monitoring device 23 of the control room. can provide For example, as shown in FIG. 7 , the server 300 analyzes a plurality of image data and when an event occurrence is detected, the worker terminal 24 or the monitoring device 23 of the control room through the interface platform 25 . to provide notification information, including information related to the event (e.g. object information, event information (e.g. trespassing, roaming, abandoned, fighting, arson, or signs that such an event is expected to occur, etc.), route of movement, etc. can

이후, 서버(300)는 이벤트가 발생된 것으로 판단되는 영상 데이터와 알림 정보간의 링크(예: 도 7의 "바로가기" 링크)를 제공할 수 있고, 근무자로부터 해당 링크를 선택하는 사용자 입력을 얻는 경우, UI를 통해 이벤트가 발생된 것으로 판단되는 영상 데이터와 이벤트에 관련된 각종 정보를 출력할 수 있다.Thereafter, the server 300 may provide a link (eg, a “shortcut” link in FIG. 7 ) between the image data determined that the event has occurred and the notification information, and obtain a user input for selecting the link from the worker. In this case, image data determined that the event has occurred and various information related to the event may be output through the UI.

이때, 서버(300)는 근무자로부터 기 설정된 알림 조건에 따라 검출된 이벤트가 알림 조건에 만족하는지 여부를 판단하고, 알림 조건에 맞는 것으로 판단되는 이벤트에 대해서만 알림 정보를 제공할 수 있다.In this case, the server 300 may determine whether an event detected according to a notification condition set by the worker satisfies the notification condition, and may provide notification information only for an event determined to meet the notification condition.

DVR/NVR(22)은 기존 CCTV 관제 인프라로부터 생성된 복수의 영상 데이터를 DVR/NVR(22)에 임시 저장 및 관리할 수 있고, 저장된 복수의 영상 데이터를 영상 데이터 모니터링 관제실(예: CCTV 관제실) 서버로 제공하여 CCTV 관제실에 구비되는 모니터링 장치(23)(예: 대시보드)에 복수의 영상 데이터 원본이 출력되도록 할 수 있다. 이하, 도 3을 참조하여, 본 발명의 다른 실시예에 따른 인공지능을 이용한 영상 데이터 중계 장치(100)의 하드웨어 구성에 대해 설명하도록 한다.The DVR/NVR 22 can temporarily store and manage a plurality of video data generated from the existing CCTV control infrastructure in the DVR/NVR 22, and store the plurality of video data in a video data monitoring control room (eg, CCTV control room). A plurality of image data sources may be output to the monitoring device 23 (eg, dashboard) provided in the CCTV control room by providing it to the server. Hereinafter, a hardware configuration of the image data relay apparatus 100 using artificial intelligence according to another embodiment of the present invention will be described with reference to FIG. 3 .

도 3은 본 발명의 다른 실시예에 따른 인공지능을 이용한 영상 데이터 중계 장치의 하드웨어 구성도이다.3 is a hardware configuration diagram of an image data relay apparatus using artificial intelligence according to another embodiment of the present invention.

도 3을 참조하면, 본 발명의 다른 실시예에 따른 영상 데이터 중계 장치(100)(이하, "컴퓨팅 장치(100)")는 프로세서(110) 및 메모리(120)를 포함할 수 있다. 다양한 실시예에서, 컴퓨팅 장치(100)는 네트워크 인터페이스(또는 통신 인터페이스)(미도시), 스토리지(미도시), 버스(bus)(미도시)를 더 포함할 수 있다.Referring to FIG. 3 , an image data relay apparatus 100 (hereinafter, referred to as “computing apparatus 100”) according to another embodiment of the present invention may include a processor 110 and a memory 120 . In various embodiments, the computing device 100 may further include a network interface (or communication interface) (not shown), storage (not shown), and a bus (not shown).

일 실시예에서, 프로세서(110)는 컴퓨팅 장치(100)의 각 구성의 전반적인 동작을 제어할 수 있다. 프로세서(110)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다.In an embodiment, the processor 110 may control the overall operation of each component of the computing device 100 . The processor 110 may include a central processing unit (CPU), a micro processor unit (MPU), a micro controller unit (MCU), or any type of processor well known in the art.

다양한 실시예에서, 프로세서(110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 다양한 실시예에서, 프로세서(110)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예: 버스(bus) 등)를 포함할 수 있다.In various embodiments, the processor 110 may perform an operation on at least one application or program for executing the method according to the embodiments of the present invention. In various embodiments, the processor 110 includes one or more cores (not shown) and a graphic processing unit (not shown) and/or a connection path (eg, a bus, etc.) for transmitting and receiving signals to and from other components. can do.

다양한 실시예에서, 프로세서(110)는 프로세서(110) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(110)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.In various embodiments, the processor 110 temporarily and/or permanently stores a signal (or data) processed inside the processor 110 , a random access memory (RAM) and a read access memory (ROM). -Only Memory, not shown) may be further included. In addition, the processor 110 may be implemented in the form of a system on chip (SoC) including at least one of a graphic processing unit, a RAM, and a ROM.

일 실시예에서, 프로세서(110)는 메모리(120)에 저장된 하나 이상의 인스트럭션(instruction)을 실행함으로써, 도 4와 관련하여 설명될 방법(예: 인공지능을 이용한 영상 데이터 중계 방법)을 수행할 수 있다.In an embodiment, the processor 110 executes one or more instructions stored in the memory 120 to perform a method (eg, an image data relay method using artificial intelligence) to be described in relation to FIG. 4 . have.

예를 들어, 프로세서(110)는 메모리(120)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 복수의 영상 데이터를 수집하는 단계, 기 설정된 영상 데이터 처리 룰에 따라 복수의 영상 데이터를 처리하는 단계 및 처리된 영상 데이터와 처리된 영상 데이터를 분석함으로써 생성되는 분석 결과 정보를 전달하는 단계를 포함하는 인공지능을 이용한 영상 데이터 중계 방법을 수행할 수 있다. 그러나, 이에 한정되지 않는다.For example, the processor 110 executes one or more instructions stored in the memory 120 to collect a plurality of image data, process the plurality of image data according to a preset image data processing rule, and An image data relay method using artificial intelligence may be performed, including transmitting analysis result information generated by analyzing the image data and the processed image data. However, the present invention is not limited thereto.

일 실시예에서, 메모리(120)는 각종 데이터, 명령 및/또는 정보를 저장할 수 있다. 메모리(120)에는 프로세서(110)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(120)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.In one embodiment, the memory 120 may store various data, commands, and/or information. The memory 120 may store programs (one or more instructions) for processing and controlling the processor 110 . Programs stored in the memory 120 may be divided into a plurality of modules according to functions.

다양한 실시예에서, 본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수 있다. In various embodiments, steps of a method or algorithm described in connection with an embodiment of the present invention may be implemented directly in hardware, as a software module executed by hardware, or by a combination thereof. A software module may include random access memory (RAM), read only memory (ROM), erasable programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), flash memory, hard disk, removable disk, CD-ROM, or It may reside in any type of computer-readable recording medium well known in the art to which the present invention pertains.

본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 이하, 도 4을 참조하여, 컴퓨팅 장치(100)가 수행하는 인공지능을 이용한 영상 데이터 중계 방법에 대하여 설명하도록 한다.The components of the present invention may be implemented as a program (or application) to be executed in combination with a computer, which is hardware, and stored in a medium. Components of the present invention may be implemented as software programming or software components, and similarly, embodiments may include various algorithms implemented as data structures, processes, routines, or combinations of other programming constructs, including C, C++ , may be implemented in a programming or scripting language such as Java, assembler, or the like. Functional aspects may be implemented in an algorithm running on one or more processors. Hereinafter, an image data relay method using artificial intelligence performed by the computing device 100 will be described with reference to FIG. 4 .

도 4는 본 발명의 또 다른 실시예에 따른 인공지능을 이용한 영상 데이터 중계 방법의 순서도이다.4 is a flowchart of an image data relay method using artificial intelligence according to another embodiment of the present invention.

도 4를 참조하면, S110 단계에서, 컴퓨팅 장치(100)는 소정의 지역에 구비되는 복수의 카메라 모듈(200)로부터 복수의 영상 데이터를 수집할 수 있다.Referring to FIG. 4 , in step S110 , the computing device 100 may collect a plurality of image data from a plurality of camera modules 200 provided in a predetermined area.

다양한 실시예에서, 컴퓨팅 장치(100)는 사용자로부터 영상 데이터 수집 요청을 입력받는 것에 응답하여 복수의 카메라 모듈(200)로부터 복수의 영상 데이터를 수집하는 방식, 기 설정된 단위 시간마다 복수의 카메라 모듈(200)로부터 복수의 영상 데이터를 수집하는 방식 중 어느 하나의 방식에 따라 복수의 영상 데이터를 수집할 수 있다. 그러나, 이에 한정되지 않는다.In various embodiments, the computing device 100 collects a plurality of image data from a plurality of camera modules 200 in response to receiving an image data collection request from a user, a plurality of camera modules ( 200), a plurality of image data may be collected according to any one of the methods of collecting the plurality of image data. However, the present invention is not limited thereto.

여기서, 복수의 카메라 모듈(200)은 기존 CCTV 인프라에 기 설치되어 있던 CCTV 카메라일 수 있으나, 이에 한정되지 않는다.Here, the plurality of camera modules 200 may be CCTV cameras already installed in the existing CCTV infrastructure, but is not limited thereto.

여기서, 컴퓨팅 장치(100)는 소정의 지역에 구비되는 복수의 카메라 모듈(200)로부터 복수의 영상 데이터를 수집하는 것으로 설명하고 있으나, 이는 하나의 예시이며, 소정의 지역에 구비되는 사운드 모듈로부터 복수의 음성 데이터를 수집하거나, 소정의 지역에 구비되는 IoT 센서 모듈로부터 복수의 센서 데이터를 수집할 수 있다. Here, the computing device 100 is described as collecting a plurality of image data from a plurality of camera modules 200 provided in a predetermined area, but this is an example, and a plurality of pieces of image data are collected from a sound module provided in a predetermined area. may collect voice data of , or a plurality of sensor data from an IoT sensor module provided in a predetermined area.

S120 단계에서, 컴퓨팅 장치(100)는 S110 단계에서 수집한 복수의 영상 데이터를 처리할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 기 설정된 영상 데이터 처리 룰에 따라 복수의 영상 데이터를 처리할 수 있다.In step S120 , the computing device 100 may process the plurality of image data collected in step S110 . For example, the computing device 100 may process a plurality of image data according to a preset image data processing rule.

여기서, 영상 데이터 처리는 복수의 영상 데이터 중 불필요한 영상 데이터를 필터링하고, 필요한 영상 데이터를 분석하여 유의미한 정보(예: 객체 인식 정보 및 이벤트 정보 등)를 추출하는 과정일 수 있으나, 이에 한정되지 않는다.Here, the image data processing may be a process of filtering unnecessary image data among a plurality of image data and extracting meaningful information (eg, object recognition information and event information, etc.) by analyzing necessary image data, but is not limited thereto.

다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 영상 데이터를 1차 분석하여 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터를 추출할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 객체와 관련된 정보, 이미지 등 다양한 데이터를 학습데이터로써 기 학습한 제1 인공지능 모델(예: 객체 인식 모델)을 이용하여 복수의 영상 데이터 각각을 분석함으로써, 복수의 영상 데이터 중 객체가 인식되는 영상 데이터를 선별할 수 있다.In various embodiments, the computing device 100 may extract one or more image data in which an object is recognized from among the plurality of image data by first analyzing the plurality of image data. For example, the computing device 100 analyzes each of a plurality of image data using a first artificial intelligence model (eg, an object recognition model) that has been previously learned from various data such as information and images related to an object as learning data, Image data in which an object is recognized may be selected from among the plurality of image data.

이후, 컴퓨팅 장치(100)는 추출된 하나 이상의 영상 데이터에 포함된 객체의 속성을 분석하여 분석된 객체의 속성에 대한 정보를 가리키는 분석 결과 정보를 포함하는 메타 데이터를 생성할 수 있다.Thereafter, the computing device 100 may analyze the properties of the object included in the one or more extracted image data to generate metadata including analysis result information indicating information on the analyzed properties of the object.

예를 들어, 도 5에 도시된 바와 같이 컴퓨팅 장치(100)는 객체가 인식된 원본의 영상 데이터를 분석하여 영상 데이터 내에 포함된 객체의 움직임이나 형태와 같은 속성(예: 객체의 종류, 수, 객체가 가지는 특징, 움직임 등)을 감지할 수 있다. 또한, 컴퓨팅 장치(100)는 감지한 객체의 속성을 가리키는 메타 데이터를 생성할 수 있다. 그러나, 이에 한정되지 않는다.For example, as shown in FIG. 5 , the computing device 100 analyzes the image data of the original from which the object is recognized, and attributes such as the motion or shape of the object included in the image data (eg, the type, number, characteristics of an object, movement, etc.) can be detected. Also, the computing device 100 may generate metadata indicating properties of the detected object. However, the present invention is not limited thereto.

다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 영상 데이터에 대한 1차 분석 결과(예: 객체 인식 결과)에 따라 복수의 영상 데이터를 가공할 수 있다.In various embodiments, the computing device 100 may process a plurality of image data according to a result of a primary analysis of the plurality of image data (eg, an object recognition result).

일례로, 컴퓨팅 장치(100)는 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터 각각을 분할하여 복수의 단위 영상 데이터를 생성하고, 복수의 단위 영상 데이터 중 객체를 포함하는 영역에 대응되는 하나 이상의 단위 영상 데이터를 선택할 수 있다.For example, the computing device 100 generates a plurality of unit image data by dividing each of one or more image data in which an object is recognized among a plurality of image data, and one corresponding to a region including the object among the plurality of unit image data. More than one unit image data can be selected.

이후, 컴퓨팅 장치(100)는 객체를 포함하는 영역에 대응되는 하나 이상의 단위 영상 데이터만을 잘라 객체 영상 데이터(객체를 포함하지 않는 영역에 대응되는 단위 영상 데이터가 삭제된 형태)를 생성할 수 있다.Thereafter, the computing device 100 may generate object image data (a form in which unit image data corresponding to a region not including an object is deleted) by cutting only one or more unit image data corresponding to the region including the object.

다른 예로, 컴퓨팅 장치(100)는 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터 각각을 분할하여 복수의 단위 영상 데이터를 생성하고, 복수의 단위 영상 데이터 중 객체를 포함하지 않는 영역에 대응되는 하나 이상의 단위 영상 데이터를 선택할 수 있다.As another example, the computing device 100 generates a plurality of unit image data by dividing each of one or more image data in which an object is recognized among a plurality of image data, and corresponds to a region that does not include an object among the plurality of unit image data. One or more unit image data may be selected.

이후, 컴퓨팅 장치(100)는 하나 이상의 영상 데이터 각각에 대하여 객체를 포함하지 않는 영역에 대응되는 하나 이상의 단위 영상 데이터를 영상 데이터의 용량이 낮아지는 방향으로 보정(예: 해상도를 격하, 무채색으로 화면 구성, 프레임 수 조절 등)할 수 있다Thereafter, the computing device 100 corrects one or more unit image data corresponding to a region not including an object with respect to each of the one or more image data in a direction in which the capacity of the image data decreases (eg, lowering the resolution and changing the screen to an achromatic color). configuration, number of frames, etc.)

예를 들어, 컴퓨팅 장치(100)는 영상 데이터의 중요도에 따라 프레임 수를 조절할 수 있다. 예로, 객체가 인식된 부분의 영상은 해당 객체의 움직임을 판단하기 위하여 프레임 수를 줄이지 않거나, 상대적으로 많은 프레임을 서버로 전달할 수 있다. 반면, 객체가 인식되지 않는 것으로 확인된 부분의 영상은 프레임 수를 상대적으로 크게 줄여서 서버로 전달할 수 있다.For example, the computing device 100 may adjust the number of frames according to the importance of image data. For example, in the image of the part where the object is recognized, the number of frames may not be reduced in order to determine the motion of the object, or a relatively large number of frames may be transmitted to the server. On the other hand, the image of the part in which the object is confirmed not to be recognized can be transmitted to the server by reducing the number of frames relatively significantly.

일 실시 예에서, 서버는 컴퓨팅 장치(100)로부터 전달된 영상에 대한 객체인식을 다시 수행할 수 있다. 해당 과정에서, 컴퓨팅 장치(100)가 인식하지 못한 객체 혹은 컴퓨팅 장치(100)에 저장된 인공지능 모델은 인식하지 않는 다른 종류의 객체(예를 들어, 컴퓨팅 장치(100)에는 사람을 인식하는 모델은 있으나, 동물이나 특정 사물을 인식하는 모델은 탑재되지 않을 수 있다)가 인식되는 경우, 컴퓨팅 장치(100)에 객체가 인식된 프레임 전후의 소정 시간범위의 영상을 다시 전송(예: 더 많은 프레임이나 높은 해상도 등으로)하도록 요청할 수도 있다.In an embodiment, the server may perform object recognition on the image transmitted from the computing device 100 again. In the process, an object that the computing device 100 does not recognize or an artificial intelligence model stored in the computing device 100 does not recognize another type of object (eg, a model that recognizes a person in the computing device 100) However, when a model for recognizing an animal or a specific object may not be mounted) is recognized, an image of a predetermined time range before and after the frame in which the object is recognized is retransmitted to the computing device 100 (eg, more frames or higher resolution, etc.).

일 실시 예에서, 컴퓨팅 장치(100)는 인식된 객체의 움직임에 따라 서버(300)로 전송되는 프레임 수를 조절할 수도 있다. 예를 들어, 컴퓨팅 장치(100)는 프레임 간 변화가 클수록 더 많은 프레임 수를 서버(300)로 전송할 수 있으나, 이에 제한되는 것은 아니다.In an embodiment, the computing device 100 may adjust the number of frames transmitted to the server 300 according to the movement of the recognized object. For example, the computing device 100 may transmit a larger number of frames to the server 300 as the change between frames increases, but is not limited thereto.

일 실시 예에서, 컴퓨팅 장치(100)는 전송되는 프레임의 간격에 기반하여 서버(300)로 소정의 정보를 전달할 수 있다. 예를 들어, 생략되는 프레임의 수에 기반한 코드 정보가 서버(300)로 전달될 수 있으며, 이를 통해 전송되는 데이터의 양을 줄일 수 있다. 구체적인 예로, 영상에서 프레임이 5프레임 간격으로 샘플링된 경우 인식된 객체가 없는 것으로, 프레임이 3프레임 간격으로 샘플링된 경우 상대적으로 중요성이 낮은 객체가 인식된 것으로, 프레임이 1프레임 간격으로 샘플링된 경우 상대적으로 중요성이 높은 객체가 인식된 것으로 하여, 서버는 전송된 프레임 넘버의 간격만으로 해당 프레임들에 포함된 객체의 종류를 판단할 수 있으나, 이에 제한되는 것은 아니다. 또한, 여러 프레임들의 간격에 기반하여 더 많은 정보가 전달될 수도 있다. 예를 들어, 3번 연속 1프레임 간격으로 샘플링된 영상이 수신되는 경우 서버(300)는 이를 헤더로 판단하고, 이후 전달되는 영상의 프레임 간격에 기반한 정보를 획득할 수 있다. 예를 들어, 헤더 이후에 3프레임 간격, 2프레임 간격, 5프레임 간격으로 샘플링된 프레임들이 각각 수신되는 경우 325에 대응하는 코드의 객체가 해당 영상에 포함된 것으로 판단할 수 있다. 이를 위한 코드 테이블은 사전에 서버와 컴퓨팅 장치 간 공유될 수 있다.In an embodiment, the computing device 100 may transmit predetermined information to the server 300 based on an interval between transmitted frames. For example, code information based on the number of skipped frames may be transmitted to the server 300 , thereby reducing the amount of transmitted data. As a specific example, when frames are sampled at intervals of 5 frames in the image, there is no recognized object, when frames are sampled at intervals of 3 frames, objects of relatively low importance are recognized, and when frames are sampled at intervals of 1 frame Assuming that an object of relatively high importance is recognized, the server may determine the type of the object included in the corresponding frames only by the interval between the transmitted frame numbers, but is not limited thereto. In addition, more information may be transmitted based on the interval of several frames. For example, when an image sampled at intervals of one frame in succession three times is received, the server 300 may determine it as a header, and may obtain information based on the frame interval of an image transmitted thereafter. For example, when frames sampled at 3 frame intervals, 2 frame intervals, and 5 frame intervals are received after the header, it may be determined that the object of the code corresponding to 325 is included in the corresponding image. A code table for this may be shared between the server and the computing device in advance.

즉, 컴퓨팅 장치(100)는 복수의 영상 데이터를 서버(300)로 전달하기 위한 형태로 처리하여 전달하되, 객체가 인식되는 부분만을 추출하거나 객체가 인식되지 않는 부분의 해상도를 보정하여 전달하고자 하는 영상 데이터량을 최대한 줄임으로써, 서버(300)에서의 데이터 처리량과 서버(300)로 제공되는 데이터량 및 비용적인 문제 등을 완화시킬 수 있다.That is, the computing device 100 processes and transmits a plurality of image data in a form to be transmitted to the server 300, but extracts only a portion in which an object is recognized or corrects the resolution of a portion in which an object is not recognized to be transmitted. By reducing the amount of image data as much as possible, it is possible to alleviate problems such as the amount of data processing in the server 300 and the amount of data provided to the server 300 and cost.

S130 단계에서, 컴퓨팅 장치(100)는 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터에 대한 이벤트 발생 여부를 판단할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 S120 단계를 거쳐 추출된 하나 이상의 영상 데이터(예: 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터) 각각을 2차 분석하여 영상 데이터 내에 포함된 객체의 이벤트 발생 여부를 판단할 수 있다.In operation S130 , the computing device 100 may determine whether an event occurs with respect to one or more image data for which an object is recognized among a plurality of image data. For example, the computing device 100 performs secondary analysis of each of one or more image data (eg, one or more image data in which an object is recognized among a plurality of image data) extracted through step S120 to determine the object included in the image data. It is possible to determine whether an event has occurred.

다양한 실시예에서, 컴퓨팅 장치(100)는 객체에 대한 데이터 및 객체의 이벤트 발생과 관련된 데이터를 학습 데이터로써 기 학습한 제2 인공지능 모델(예: 이벤트 분석 모델)을 이용하여 하나 이상의 영상 데이터로부터 이벤트 발생 여부를 판단하고, 발생된 이벤트와 관련된 각종 정보를 추출할 수 있다. 그러나, 이에 한정되지 않는다.In various embodiments, the computing device 100 uses a second artificial intelligence model (eg, an event analysis model) previously learned from data about the object and data related to the occurrence of an event of the object as learning data from one or more image data. It is possible to determine whether an event has occurred and to extract various types of information related to the generated event. However, the present invention is not limited thereto.

다양한 실시예에서, 컴퓨팅 장치(100)는 서버(300)로부터 이벤트 발생 여부 판단 동작을 수행할 것을 가리키는 제어명령을 수신하는 경우, 제어명령에 응답하여 이벤트 발생 여부 판단 동작을 수행함으로써, 복수의 영상 데이터 중 객체가 인식된 하나 이상의 영상 데이터에 대한 이벤트 발생 여부를 판단할 수 있다.In various embodiments, when receiving a control command indicating to perform an event occurrence determination operation from the server 300 , the computing device 100 performs an event occurrence determination operation in response to the control command, thereby performing a plurality of images It may be determined whether an event occurs with respect to one or more image data in which an object is recognized among data.

다양한 실시예에서, 컴퓨팅 장치(100)는 기 설정된 조건에 따라 복수의 영상 데이터 중 객체가 인식된 하나 이상의 영상 데이터에 대한 이벤트 발생 여부의 판단을 결정하거나, 이벤트 발생 여부의 판단 대상이 되는 영상 데이터의 수를 결정할 수 있다.In various embodiments, the computing device 100 determines whether an event occurs with respect to one or more image data for which an object is recognized among a plurality of image data according to a preset condition, or image data to be determined whether an event occurs can determine the number of

먼저, 컴퓨팅 장치(100)는 서버(300)(예: 이벤트 발생 여부를 감지 및 판단하는 역할을 수행하는 서버)를 통해 이벤트 발생 여부의 분석 및 판단하고자 하는 영상 데이터의 수에 기초하여 복수의 영상 데이터 중 이벤트 발생 여부를 분석 및 판단할 영상 데이터의 수를 결정하고, 결정된 영상 데이터의 수만큼 영상 데이터에 대한 이벤트 발생 여부를 판단할 수 있다.First, the computing device 100 analyzes whether an event occurs and determines whether an event has occurred through the server 300 (eg, a server that detects and determines whether an event has occurred) based on a plurality of images based on the number of image data to be determined. The number of image data to be analyzed and determined whether or not an event has occurred among the data may be determined, and whether an event has occurred in the image data may be determined by the determined number of image data.

예를 들어, 컴퓨팅 장치(100)는 서버(300)로 제공되는 영상 데이터량이 기준 데이터량 미만인 경우 즉, 서버(300)로 제공되는 영상 데이터량이 적어 서버(300)에서 수행하는 이벤트 발생 여부 판단 동작만으로 영상 데이터에 대한 이벤트 발생 여부를 판단하는 것이 충분한 것으로 판단되는 경우, 1차 분석(예: 객체 인식)된 영상 데이터에 대하여 2차 분석(예: 이벤트 발생 여부 판단)하지 않고(이벤트 발생 여부를 분석 및 판단할 영상 데이터의 수를 0으로 결정), 복수의 영상 데이터 중 객체를 인식하는 동작만을 수행하여 서버(300)로 제공할 수 있다.For example, when the amount of image data provided to the server 300 is less than the reference data amount, that is, the amount of image data provided to the server 300 is small, the computing device 100 determines whether an event has occurred in the server 300 . If it is determined that it is sufficient to determine whether an event has occurred on the image data only The number of image data to be analyzed and determined is determined as 0), and only an operation of recognizing an object among a plurality of image data may be performed and provided to the server 300 .

한편, 컴퓨팅 장치(100)는 서버(300)로 제공되는 영상 데이터량이 기준 데이터량을 초과하는 경우, 객체가 인식된 하나 이상의 영상 데이터 중 일부의 영상 데이터에 대하여 이벤트 발생 여부를 판단하는 동작을 수행할 수 있다.On the other hand, when the amount of image data provided to the server 300 exceeds the reference data amount, the computing device 100 determines whether an event occurs with respect to some image data among one or more image data for which an object is recognized. can do.

이때, 컴퓨팅 장치(100)는 서버(300)로 제공되는 영상 데이터 수와 기준 간의 차이값 즉, 전송되는 영상 데이터 중 기준 데이터량을 초과하는 수를 이벤트 발생 여부를 분석 및 판단할 영상 데이터의 수로 결정할 수 있다. 그러나, 이에 한정되지 않는다.At this time, the computing device 100 determines the difference between the number of image data provided to the server 300 and the reference value, that is, the number of transmitted image data exceeding the reference data amount as the number of image data to analyze and determine whether an event has occurred. can decide However, the present invention is not limited thereto.

다음으로, 컴퓨팅 장치(100)는 복수의 영상 데이터 또는 복수의 영상 데이터 중 객체가 인식된 하나 이상의 영상 데이터를 서버(300)로 전달하는 속도와 기 설정된 속도 간의 차이에 따라 이벤트 발생 여부를 분석 및 판단할 영상 데이터의 수를 결정할 수 있다.Next, the computing device 100 analyzes whether an event occurs according to a difference between a plurality of image data or a speed at which one or more image data for which an object is recognized among the plurality of image data is transmitted to the server 300 and a preset speed, and The number of image data to be determined may be determined.

예를 들어, 컴퓨팅 장치(100)는 서버(300)로 데이터를 전달하는 속도가 기 설정된 속도 이상인 경우, 복수의 영상 데이터 또는 복수의 영상 데이터 중 객체가 인식된 하나 이상의 영상 데이터에 대한 이벤트 발생 여부를 분석 및 판단할 수 있다.For example, when the speed at which data is transmitted to the server 300 is greater than or equal to a preset speed, the computing device 100 determines whether an event occurs with respect to a plurality of image data or one or more image data for which an object is recognized among the plurality of image data. can be analyzed and judged.

이때, 컴퓨팅 장치(100)는 서버(300)로 데이터를 전달하는 속도가 기 설정된 속도 이상이 되는 범위 내에 포함되도록 이벤트 발생 여부를 분석 및 판단할 영상 데이터의 수를 결정(최대값)할 수 있고, 결정된 영상 데이터의 수만큼 영상 데이터에 대한 이벤트 발생 여부를 판단할 수 있다.At this time, the computing device 100 may determine (maximum value) the number of image data to analyze and determine whether an event has occurred so that the speed at which the data is transmitted to the server 300 is included within a range that is greater than or equal to a preset speed, , it is possible to determine whether an event has occurred with respect to the image data by the determined number of image data.

한편, 컴퓨팅 장치(100)는 서버(300)로 데이터를 전달하는 속도가 기 설정된 속도 미만인 경우, 복수의 영상 데이터 또는 복수의 영상 데이터 중 객체가 인식된 하나 이상의 영상 데이터에 대한 이벤트 발생 여부를 분석 및 판단하는 동작을 수행하지 않거나, 서버(300)로 데이터를 전달하는 속도가 상기 기 설정된 속도 이상이 되도록 이벤트 발생 여부를 분석할 영상 데이터의 수를 결정할 수 있고, 결정된 영상 데이터의 수만큼 영상 데이터에 대한 이벤트 발생 여부를 판단할 수 있다.On the other hand, when the speed at which data is transmitted to the server 300 is less than a preset speed, the computing device 100 analyzes whether an event occurs with respect to a plurality of image data or one or more image data in which an object is recognized among the plurality of image data. and the number of image data to be analyzed whether an event occurs or not may be determined so that the determining operation is not performed or the speed of data transmission to the server 300 is greater than or equal to the preset speed, and the number of image data equal to the determined number of image data It is possible to determine whether an event has occurred.

다음으로, 컴퓨팅 장치(100)는 기 저장된 영상 데이터 전송량 및 서버 이용량에 따른 비용 데이터에 기초하여 이벤트 발생 여부를 분석 및 판단할 영상 데이터의 수를 결정할 수 있다.Next, the computing device 100 may analyze whether an event has occurred and determine the number of image data to be determined based on cost data according to the pre-stored amount of image data transmission and server usage.

일반적으로 데이터 전송량 및 서버 이용량에 따라 통신 비용과 서버 이용료가 증가하거나 감소할 수 있다. 특히, 클라우드 서버를 이용하는 경우, 클라우드 사용 비용이 상당하기 때문에, 비용 절감을 위하여 서버로 전송하여 처리하는 데이터량을 조절할 필요성이 있다. In general, communication costs and server usage fees may increase or decrease depending on data transmission and server usage. In particular, when using a cloud server, since the cost of using the cloud is significant, there is a need to adjust the amount of data transmitted to and processed by the server in order to reduce costs.

즉, 컴퓨팅 장치(100)는 기 저장된 영상 데이터 전송량 및 서버 이용량에 따른 비용 데이터에 기초하여 서버(300)로 전달되는 데이터의 수 및 서버(300)에서 처리하는 데이터의 수에 따른 비용이 최소가 되도록 이벤트 발생 여부를 분석할 영상 데이터의 수를 결정할 수 있다. That is, the computing device 100 has a minimum cost according to the number of data transmitted to the server 300 and the number of data processed by the server 300 based on cost data according to the pre-stored image data transmission amount and server usage amount. It is possible to determine the number of image data to be analyzed to determine whether an event has occurred.

다양한 실시예에서, 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 성능에 따라 사전에 설정된 데이터 처리량(예: 컴퓨팅 장치(100)의 역량(컴퓨팅 파워), 초기 도입비용, 설치 및 유지관리비용 등 실질적인 문제에 의하여 초기에 조정된 값)에 기초하여 이벤트 발생 여부를 분석할 영상 데이터의 수를 결정할 수 있다. 그러나, 이에 한정되지 않고, 컴퓨팅 장치(100)가 복수의 영상 데이터에 대한 이벤트 발생 여부 동작을 수행할 것을 결정하거나 이벤트 발생 여부를 판단할 영상 데이터의 수를 결정하는 어떠한 방법이든 적용이 가능하다.In various embodiments, the computing device 100 provides a preset data throughput (eg, the capability (computing power) of the computing device 100 , initial introduction cost, installation and maintenance cost, etc.) according to the performance of the computing device 100 . It is possible to determine the number of image data to be analyzed whether or not an event has occurred based on the initially adjusted value). However, the present invention is not limited thereto, and any method of determining whether the computing device 100 performs an event occurrence operation for a plurality of image data or determining the number of image data for determining whether an event occurs may be applied.

본 발명의 다양한 실시예에서, 컴퓨팅 장치(100)와 서버(300)는 복수의 영상 데이터를 분석하여 이벤트 발생 여부를 판단하되, 컴퓨팅 장치(100)를 통해 비교적 간단한 이벤트에 대한 분석(예: 사람이 넘어지는 이벤트)을 수행하도록 하고, 서버(300)를 통해 상대적으로 복잡한 이벤트에 대한 분석을 수행하도록 설정될 수 있다.In various embodiments of the present disclosure, the computing device 100 and the server 300 analyze a plurality of image data to determine whether an event has occurred, but analyze a relatively simple event through the computing device 100 (eg, a person This falling event) may be set to be performed, and analysis of a relatively complex event may be performed through the server 300 .

또한, 서로 다른 종류의 복수의 이벤트에 대하여, 컴퓨팅 장치(100)와 서버(300)가 서로 다른 종류의 이벤트를 감지하도록 설정할 수 있다. 이를 위해, 컴퓨팅 장치(100)와 서버(300)는 이벤트 감지라는 동일한 기능을 수행하되, 서로 다른 종류의 이벤트에 대한 정보를 학습 데이터로써 기 학습된 서로 다른 인공지능 모델을 이용할 수 있다. Also, with respect to a plurality of different types of events, the computing device 100 and the server 300 may be set to detect different types of events. To this end, the computing device 100 and the server 300 perform the same function of event detection, but may use different artificial intelligence models that have been pre-learned using information on different types of events as learning data.

또한, 컴퓨팅 장치(100)와 서버(300)가 동일한 대상에 대하여 반복적으로 이벤트에 대한 분석을 수행하도록 설정될 수 있다.Also, the computing device 100 and the server 300 may be set to repeatedly analyze an event for the same object.

또한, 컴퓨팅 장치(100)가 복수의 영상 데이터 중 어느 하나 이상의 영상 데이터에 대한 이벤트 분석을 수행하도록 하고, 서버(300)가 컴퓨팅 장치(100)를 통해 이벤트 분석되지 않은 남은 영상 데이터에 대한 이벤트 분석을 수행하도록 설정될 수 있다.In addition, the computing device 100 performs event analysis on any one or more image data among a plurality of image data, and the server 300 analyzes events on the remaining image data that has not been event-analyzed through the computing device 100 . can be set to perform.

또한, 컴퓨팅 장치(100)가 복수의 영상 데이터 중 객체가 인식된 하나 이상의 영상 데이터에 대한 이벤트 분석을 수행하고, 서버(300)가 컴퓨팅 장치(100)를 통해 이벤트 분석된 영상 데이터를 반복적으로 이벤트 분석하여 이벤트 분석 결과에 대한 검증을 수행하도록 설정될 수 있다. 그러나, 이에 한정되지 않고, 컴퓨팅 장치(100)와 서버(300)가 이벤트 발생 여부를 판단하는 기능을 수행하는 다양한 방법이 적용될 수 있다.In addition, the computing device 100 performs event analysis on one or more image data for which an object is recognized among a plurality of image data, and the server 300 repeatedly performs event analysis on the event-analyzed image data through the computing device 100 . It may be set to analyze and verify the event analysis result. However, the present invention is not limited thereto, and various methods for performing the function of the computing device 100 and the server 300 determining whether an event has occurred may be applied.

즉, 본 발명의 다양한 실시예에서는 컴퓨팅 장치(100)와 서버(300)의 데이터 처리량의 균형을 유지함으로써, 데이터 처리 속도, 비용 등을 최적화시킬 수 있다. That is, in various embodiments of the present invention, data processing speed, cost, etc. may be optimized by balancing the data throughput of the computing device 100 and the server 300 .

S140 단계에서, 컴퓨팅 장치(100)는 S120 및 S130 단계를 거쳐 처리된 영상 데이터와 처리된 영상 데이터를 분석함으로써 생성되는 분석 결과 정보를 서버(300)로 전달할 수 있다.In step S140 , the computing device 100 may transmit the image data processed through steps S120 and S130 and analysis result information generated by analyzing the processed image data to the server 300 .

다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 영상 데이터 중 객체가 인식된 하나 이상의 영상 데이터와 해당 영상 데이터로부터 추출된 객체와 관련된 정보를 가리키는 메타 데이터를 함께 서버(300)로 전달할 수 있다.In various embodiments, the computing device 100 may transmit one or more image data in which an object is recognized among a plurality of image data and metadata indicating information related to an object extracted from the image data together to the server 300 .

또한, 컴퓨팅 장치(100)는 S120 단계를 거쳐 복수의 영상 데이터 각각이 가공된 경우(예: 객체가 인식된 단위 영상 데이터만이 추출되거나 객체가 인식되지 않은 단위 영상 데이터의 해상도가 조절된 형태), 가공된 영상 데이터를 서버(300)로 전달할 수 있다.In addition, when each of the plurality of image data is processed through step S120 (eg, only unit image data in which an object is recognized or the resolution of unit image data in which an object is not recognized is adjusted), the computing device 100 , the processed image data may be transmitted to the server 300 .

다양한 실시예에서, 컴퓨팅 장치(100)는 서버(300)에 의한 요청 또는 기 설정된 조건에 따라 전체의 영상 데이터 또는 일부의 영상 데이터에 대하여 이벤트 발생 여부를 판단한 경우, 객체의 이벤트가 발생한 것에 응답하여 이벤트별 클립을 생성하고, 생성된 이벤트 클립과 영상 데이터 및 분석 결과 정보(메타 데이터)를 시간에 따라 동기화(예: 타임스탬프)하여 서버(300)로 전달할 수 있다.In various embodiments, when determining whether an event has occurred with respect to the entire image data or a part of the image data according to a request by the server 300 or a preset condition, the computing device 100 responds to the occurrence of an event of the object A clip for each event may be generated, and the generated event clip, image data, and analysis result information (meta data) may be synchronized (eg, time stamped) according to time and transmitted to the server 300 .

다양한 실시예에서, 컴퓨팅 장치(100)는 내부에 구비되는 임시 저장 장치(예: DVR)에 복수의 영상 데이터, 객체가 인식된 하나 이상의 영상 데이터, 메타 데이터 및 이벤트와 관련된 데이터를 저장할 수 있고, 서버(300)로부터 영상 데이터 제공 요청을 받는 것에 응답하여, 기 저장된 영상 데이터와 각종 자료를 전송할 수 있다.In various embodiments, the computing device 100 may store a plurality of image data, one or more image data in which an object is recognized, metadata, and event related data in a temporary storage device (eg, DVR) provided therein, In response to receiving a request for providing image data from the server 300 , pre-stored image data and various data may be transmitted.

전술한 인공지능을 이용한 영상 데이터 중계 방법은 도면에 도시된 순서도를 참조하여 설명하였다. 간단한 설명을 위해 인공지능을 이용한 영상 데이터 중계 방법은 일련의 블록들로 도시하여 설명하였으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 본 명세서에 도시되고 시술된 것과 상이한 순서로 수행되거나 또는 동시에 수행될 수 있다. 또한, 본 명세서 및 도면에 기재되지 않은 새로운 블록이 추가되거나, 일부 블록이 삭제 또는 변경된 상태로 수행될 수 있다. The image data relay method using the aforementioned artificial intelligence has been described with reference to the flowchart shown in the drawings. For simple explanation, the image data relay method using artificial intelligence has been described by showing a series of blocks, but the present invention is not limited to the order of the blocks, and some blocks are performed in an order different from that shown and operated in this specification or may be performed simultaneously. In addition, new blocks not described in the present specification and drawings may be added, or some blocks may be deleted or changed.

본 발명의 일 실시예에 따른 인공지능을 이용한 영상 데이터 중계 방법에서는 기존 CCTV 관제 인프라에서의 복수의 카메라 모듈(200)로부터 영상 데이터를 수집하고, 이를 기 설정된 영상 데이터 처리 룰에 따라 처리하는 것을 기준으로 설명하였으나, 이에 한정되지 않고, 복수의 스피커(사운드) 모듈로부터 수집된 음성 형태의 데이터를 기 설정된 음성 데이터 처리 룰에 따라 처리하거나 복수의 IoT 기반의 센서들로부터 센싱된 센서 데이터를 수집하여 기 설정된 센서 데이터 처리 룰에 따라 처리할 수 있다. 이하, 도 6을 참조하여, 복수의 영상 데이터 중계 장치(100)가 적용된 형태에 대하여 설명하도록 한다.In the image data relay method using artificial intelligence according to an embodiment of the present invention, it is based on collecting image data from a plurality of camera modules 200 in the existing CCTV control infrastructure and processing it according to a preset image data processing rule. However, the present invention is not limited thereto, and the voice data collected from a plurality of speaker (sound) modules is processed according to a preset voice data processing rule or sensor data sensed from a plurality of IoT-based sensors is collected. It can be processed according to the set sensor data processing rules. Hereinafter, a form to which the plurality of image data relay devices 100 are applied will be described with reference to FIG. 6 .

도 6은 다양한 실시예에서, 복수의 영상 데이터 중계 장치가 적용된 인공지능을 이용한 영상 데이터 중계 시스템을 도시한 도면이다.6 is a diagram illustrating an image data relay system using artificial intelligence to which a plurality of image data relay devices are applied, according to various embodiments.

도 6을 참조하면, 본 발명의 다양한 실시예에 따른 영상 데이터 중계 시스템은 복수의 영상 데이터 중계 장치(100-1 내지 100-N)을 포함할 수 있다.Referring to FIG. 6 , an image data relay system according to various embodiments of the present disclosure may include a plurality of image data relay devices 100 - 1 to 100 -N.

영상 데이터 중계 장치(100)는 일정 규모(예: 하나의 공장 및 건물 단위)의 CCTV 시스템을 총괄 제어하는 기능을 수행할 수 있는 바, 소정의 지역을 일정 규모의 영역으로 분할하고, 분할된 각각의 영역에 대한 CCTV 시스템을 제어하기 위하여 복수의 영상 데이터 중계 장치(100-1 내지 100-N)를 포함할 수 있다.The video data relay device 100 may perform a function of controlling the CCTV system of a certain scale (eg, one factory and one building unit), and divides a predetermined area into an area of a certain size, and divides each A plurality of image data relay devices 100-1 to 100-N may be included in order to control the CCTV system for the area of .

복수의 영상 데이터 중계 장치(100-1 내지 100-N) 각각은 제1 인공지능 모델(예: Darknet 기반의 객체 인식 모델) 및 제2 인공지능 모델 등(예: 모션 감지 등과 같은 이벤트 감지 모델)을 포함하는 다양한 인공지능 모델이 탑재될 수 있다.Each of the plurality of image data relay devices 100-1 to 100-N includes a first AI model (eg, a Darknet-based object recognition model) and a second AI model (eg, an event detection model such as motion detection) Various artificial intelligence models including

이를 통해 복수의 영상 데이터 중계 장치(100-1 내지 100-N) 각각은 자체적으로 복수의 영상 데이터에 대한 1차 분석(예: 객체 인식)을 수행하거나 2차 분석(예: 이벤트 감지)을 수행할 수 있고, 이를 통해 추출된 결과 데이터를 정제 및 선별하여 서버(300)로 전송할 수 있다.Through this, each of the plurality of image data relay devices 100-1 to 100-N performs primary analysis (eg, object recognition) or secondary analysis (eg, event detection) on the plurality of image data by itself. , and through this, the extracted result data may be purified and selected and transmitted to the server 300 .

이때, 복수의 영상 데이터 중계 장치(100-1 내지 100-N) 각각은 설치 환경이나 사용자 및 관리자의 요청, 안전등급등 다양한 요소를 고려하여 최적의 기능을 수행할 수 있도록 서로 다른 기능을 수행하는 복수의 인공지능 모델 중 하나 이상의 인공지능 모델을 선택적으로 탑재할 수 있다.At this time, each of the plurality of image data relay devices 100-1 to 100-N performs different functions so as to perform optimal functions in consideration of various factors such as the installation environment, requests of users and managers, and safety ratings. One or more AI models among a plurality of AI models may be selectively loaded.

또한, 복수의 영상 데이터 중계 장치(100-1 내지 100-N) 각각은 처리해야할 데이터량에 기초하여 동일한 인공지능 모델을 복수 개 탑재할 수 있다.In addition, each of the plurality of image data relay devices 100 - 1 to 100 -N may mount a plurality of the same artificial intelligence model based on the amount of data to be processed.

즉, 복수의 영상 데이터 중계 장치(100-1 내지 100-N)는 설치환경이나 상황에 따라 수행하는 역할 및 기능에 차이가 있을 수 있고, 수행하고자 하는 기능에 따라 서로 다른 인공지능 모델이 탑재될 수 있다.That is, the plurality of image data relay devices 100-1 to 100-N may have different roles and functions depending on the installation environment or situation, and different AI models may be mounted according to the functions to be performed. can

예를 들어, 복수의 영상 데이터 중계 장치(100-1 내지 100-N) 중 제1 영상 데이터 중계 장치(100-1)는 제1 인공지능 모델만을 탑재하여 영상 데이터에 대한 객체 인식 기능만 수행할 수 있고, 제2 영상 데이터 중계 장치(100-2)는 제1 인공지능 모델 및 제2 인공지능 모델을 모두 탑재하여 영상 데이터에 대한 객체 인식 기능과 이벤트 발생 여부 판단 기능을 모두 수행할 수 있다. 그러나, 이에 한정되지 않고, 복수의 영상 데이터 중계 장치(100-1 내지 100-N) 각각에 서로 다른 기능을 수행하는 복수의 인공지능 모델이 모두 탑재될 수 있고, 설치환경이나 상황에 따라 이용하고자 하는 인공지능 모델만을 선택적으로 이용하는 방법 등 다양한 방법이 적용될 수 있다.For example, the first image data relay device 100-1 among the plurality of image data relay devices 100-1 to 100-N is equipped with only the first artificial intelligence model to perform only the object recognition function for image data. In addition, the second image data relay apparatus 100 - 2 may be equipped with both the first artificial intelligence model and the second artificial intelligence model to perform both an object recognition function for image data and a function to determine whether an event has occurred. However, the present invention is not limited thereto, and a plurality of artificial intelligence models performing different functions may be mounted on each of the plurality of image data relay devices 100-1 to 100-N, and may be used depending on the installation environment or situation. Various methods can be applied, such as a method of selectively using only an artificial intelligence model.

다양한 실시예에서, 복수의 영상 데이터 중계 장치(100-1 내지 100-N) 각각은 임베디드 리눅스 운영체제 및 GPU 프로그래밍(예: CUDA, OpenCL)을 기반으로, IP 카메라와 연동될 수 있는 RTSP(Real-Time Streaming Protocol) 서버일 수 있다. In various embodiments, each of the plurality of image data relay devices 100-1 to 100-N is based on an embedded Linux operating system and GPU programming (eg, CUDA, OpenCL), which may be linked to an IP camera (Real-RTSP). Time Streaming Protocol) server.

서버(300)는 영상 데이터 스트리밍 서버 및 클라우드 서버일 수 있고, 영상 데이터 클립과 메타 데이터를 인덱싱 및 저장할 수 있다.The server 300 may be an image data streaming server and a cloud server, and may index and store image data clips and metadata.

또한, 서버(300)는 복수의 영상 데이터를 모니터링하는 모니터링 서비스를 제공할 수 있고, 모니터링 서비스를 제공받는 사용자 및 장치에 대한 계정과 권한을 관리할 수 있다.In addition, the server 300 may provide a monitoring service for monitoring a plurality of image data, and may manage accounts and privileges for users and devices receiving the monitoring service.

또한, 서버(300)는 인공지능 모델을 이용한 영상 데이터 분석을 위해 빅데이터를 수집할 수 있다.In addition, the server 300 may collect big data for image data analysis using an artificial intelligence model.

서버(300)는 웹(Web) 기반의 관제 솔루션을 제공하는 애플리케이션(32)을 제공할 수 있다. 예를 들어, 서버(300)는 애플리케이션(32)을 통해 빌딩 관제 센터 서버(33)로 WEB/APP 서비스를 제공하여 단말을 통한 모니터링, 알림 및 제어 솔루션을 제공할 수 있다.The server 300 may provide an application 32 that provides a web-based control solution. For example, the server 300 may provide a WEB/APP service to the building control center server 33 through the application 32 to provide a monitoring, notification and control solution through the terminal.

이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다. In the above, embodiments of the present invention have been described with reference to the accompanying drawings, but those of ordinary skill in the art to which the present invention pertains can realize that the present invention can be embodied in other specific forms without changing the technical spirit or essential features thereof. you will be able to understand Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive.

100 : 인공지능을 이용한 영상 데이터 중계 장치(또는 컴퓨팅 장치)
200 : 카메라 모듈
300 : 서버
100: Image data relay device (or computing device) using artificial intelligence
200: camera module
300 : server

Claims (10)

컴퓨팅 장치에 의해 수행되는 방법에 있어서,
복수의 영상 데이터를 수집하는 단계;
기 설정된 영상 데이터 처리 룰에 따라 상기 복수의 영상 데이터를 처리하는 단계; 및
상기 처리된 영상 데이터와 상기 처리된 영상 데이터를 분석함으로써 생성되는 분석 결과 정보를 전달하는 단계를 포함하는,
인공지능을 이용한 영상 데이터 중계 방법.
A method performed by a computing device, comprising:
collecting a plurality of image data;
processing the plurality of image data according to a preset image data processing rule; and
Transmitting the processed image data and the analysis result information generated by analyzing the processed image data,
Video data relay method using artificial intelligence.
제1항에 있어서,
상기 처리하는 단계는,
상기 복수의 영상 데이터를 분석하여 상기 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터를 추출하는 단계; 및
상기 추출된 하나 이상의 영상 데이터에 포함된 상기 객체의 속성을 분석하여 상기 분석된 객체의 속성에 대한 정보를 가리키는 분석 결과 정보를 포함하는 메타 데이터를 생성하는 단계를 포함하며,
상기 전달하는 단계는,
상기 추출된 하나 이상의 영상 데이터와 상기 메타 데이터를 전달하는 단계를 포함하는,
인공지능을 이용한 영상 데이터 중계 방법.
According to claim 1,
The processing step is
analyzing the plurality of image data and extracting one or more image data from which an object is recognized from among the plurality of image data; and
and analyzing the properties of the object included in the one or more extracted image data to generate metadata including analysis result information indicating information on the properties of the analyzed object,
The delivering step is
Transmitting the extracted one or more image data and the metadata,
Video data relay method using artificial intelligence.
제1항에 있어서,
상기 처리하는 단계는,
상기 복수의 영상 데이터를 분석하여 상기 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터를 추출하는 단계; 및
상기 추출된 하나 이상의 영상 데이터 각각을 분할하여 복수의 단위 영상 데이터를 생성하고, 상기 복수의 단위 영상 데이터 중 상기 객체를 포함하는 영역에 대응되는 하나 이상의 단위 영상 데이터를 선택하는 단계를 포함하며,
상기 전달하는 단계는,
상기 처리된 영상 데이터 중 상기 선택된 하나 이상의 단위 영상 데이터만을 전달하는 단계를 포함하는,
인공지능을 이용한 영상 데이터 중계 방법.
According to claim 1,
The processing step is
analyzing the plurality of image data and extracting one or more image data from which an object is recognized from among the plurality of image data; and
generating a plurality of unit image data by dividing each of the one or more extracted image data, and selecting one or more unit image data corresponding to an area including the object from among the plurality of unit image data;
The delivering step is
Transmitting only the selected one or more unit image data from among the processed image data,
Video data relay method using artificial intelligence.
제1항에 있어서,
상기 처리하는 단계는,
상기 복수의 영상 데이터를 분석하여 상기 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터를 추출하는 단계;
상기 추출된 하나 이상의 영상 데이터 각각을 분할하여 복수의 단위 영상 데이터를 생성하고, 상기 복수의 단위 영상 데이터 중 상기 객체를 포함하지 않는 영역에 대응되는 하나 이상의 단위 영상 데이터를 선택하는 단계; 및
상기 선택한 하나 이상의 단위 영상 데이터를 보정하여 상기 선택한 하나 이상의 단위 영상 데이터의 해상도를 격하시키는 단계를 포함하며,
상기 전달하는 단계는,
상기 선택한 하나 이상의 단위 영상 데이터의 해상도가 격하된 상기 하나 이상의 영상 데이터를 전달하는 단계를 포함하는,
인공지능을 이용한 영상 데이터 중계 방법.
According to claim 1,
The processing step is
analyzing the plurality of image data and extracting one or more image data from which an object is recognized from among the plurality of image data;
generating a plurality of unit image data by dividing each of the one or more extracted image data, and selecting one or more unit image data corresponding to a region not including the object from among the plurality of unit image data; and
Compensating the selected one or more unit image data to lower the resolution of the selected one or more unit image data;
The delivering step is
Transmitting the one or more image data of which the resolution of the selected one or more unit image data is downgraded,
Video data relay method using artificial intelligence.
제1항에 있어서,
상기 처리하는 단계는,
상기 복수의 영상 데이터를 분석하여 상기 복수의 영상 데이터 중 객체가 인식되는 하나 이상의 영상 데이터를 추출하는 단계; 및
상기 추출한 하나 이상의 영상 데이터를 분석하여 상기 객체의 이벤트 발생 여부를 판단하는 단계를 포함하며,
상기 전달하는 단계는,
상기 객체의 이벤트가 발생한 것에 응답하여 이벤트별 클립을 생성하고, 상기 생성된 이벤트 클립과 상기 추출한 하나 이상의 영상 데이터 및 상기 분석 결과 정보를 동기화하여 전달하는 단계를 포함하는,
인공지능을 이용한 영상 데이터 중계 방법.
According to claim 1,
The processing step is
analyzing the plurality of image data and extracting one or more image data from which an object is recognized from among the plurality of image data; and
and analyzing the one or more extracted image data to determine whether an event of the object has occurred,
The delivering step is
generating a clip for each event in response to the occurrence of an event of the object, and synchronizing and transmitting the generated event clip with the one or more extracted image data and the analysis result information;
Video data relay method using artificial intelligence.
제1항에 있어서,
상기 전달하는 단계는,
상기 처리된 영상 데이터와 상기 분석 결과 정보를 매칭하여 영상 데이터 내에 포함된 객체에 대한 이벤트 발생 여부를 분석 및 판단하는 서버로 전달하되,
상기 서버를 통해 상기 이벤트 발생 여부의 분석 및 판단하고자 하는 영상 데이터의 수에 기초하여 상기 처리된 영상 데이터 중 상기 이벤트 발생 여부를 분석 및 판단할 영상 데이터의 수를 결정하고, 상기 결정된 영상 데이터의 수만큼 상기 처리된 영상 데이터에 대한 이벤트 발생 여부를 판단하여 상기 서버로 전달하는 단계를 포함하는,
인공지능을 이용한 영상 데이터 중계 방법.
According to claim 1,
The delivering step is
Matching the processed image data with the analysis result information and delivering it to a server that analyzes and determines whether an event has occurred for an object included in the image data,
Based on the number of image data to be analyzed and determined whether the event has occurred through the server, the number of image data to be analyzed and determined whether the event has occurred among the processed image data is determined, and the determined number of image data Comprising the step of determining whether an event has occurred for the processed image data as much as possible and delivering it to the server,
Video data relay method using artificial intelligence.
제1항에 있어서,
상기 전달하는 단계는,
상기 처리된 영상 데이터에 포함된 객체에 대한 이벤트 발생 여부를 분석함으로써 생성된 상기 이벤트 발생 여부 및 상기 발생된 이벤트의 속성을 상기 처리된 영상 데이터 및 상기 분석 결과 정보와 동기화하여 서버로 전달하되,
상기 서버로 데이터를 전달하는 속도가 기 설정된 속도 미만인 경우, 상기 서버로 데이터를 전달하는 속도가 상기 기 설정된 속도 이상이 되도록 상기 이벤트 발생 여부를 분석할 영상 데이터의 수를 결정하는 단계를 포함하는,
인공지능을 이용한 영상 데이터 중계 방법.
According to claim 1,
The delivering step is
The event occurrence and the properties of the generated event generated by analyzing whether an event has occurred for an object included in the processed image data are synchronized with the processed image data and the analysis result information and transmitted to the server,
When the data transmission speed to the server is less than a preset speed, determining the number of image data to be analyzed whether the event occurs so that the data delivery speed to the server is greater than or equal to the preset speed,
Video data relay method using artificial intelligence.
제1항에 있어서,
상기 전달하는 단계는,
상기 처리된 영상 데이터에 포함된 객체에 대한 이벤트 발생 여부를 분석함으로써 생성된 상기 이벤트 발생 여부 및 상기 발생된 이벤트의 속성을 상기 처리된 영상 데이터 및 상기 분석 결과 정보 동기화하여 서버로 전달하되,
기 저장된 영상 데이터 전송량 및 서버 이용량에 따른 비용 데이터에 기초하여 상기 서버로 전달되는 데이터의 수 및 상기 서버에서 처리하는 데이터의 수에 따른 비용이 최소가 되도록 상기 이벤트 발생 여부를 분석할 영상 데이터의 수를 결정하는 단계를 포함하는,
인공지능을 이용한 영상 데이터 중계 방법.
According to claim 1,
The delivering step is
The event occurrence and the properties of the generated event generated by analyzing whether an event has occurred for an object included in the processed image data are synchronized with the processed image data and the analysis result information and transmitted to the server,
Based on the pre-stored image data transmission amount and cost data according to the server usage amount, the image data to be analyzed whether the event has occurred so that the cost according to the number of data transmitted to the server and the number of data processed by the server is minimized. determining the number;
Video data relay method using artificial intelligence.
하나 이상의 인스트럭션을 저장하는 메모리; 및
상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
제1 항의 방법을 수행하는, 장치.
a memory storing one or more instructions; and
a processor executing the one or more instructions stored in the memory;
The processor by executing the one or more instructions,
An apparatus for performing the method of claim 1 .
하드웨어인 컴퓨터와 결합되어, 제1 항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.A computer program stored in a computer-readable recording medium in combination with a computer, which is hardware, to perform the method of claim 1.
KR1020200078215A 2020-06-26 2020-06-26 Method for transmitting cctv video data using artificial intelligence KR20220000492A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200078215A KR20220000492A (en) 2020-06-26 2020-06-26 Method for transmitting cctv video data using artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200078215A KR20220000492A (en) 2020-06-26 2020-06-26 Method for transmitting cctv video data using artificial intelligence

Publications (1)

Publication Number Publication Date
KR20220000492A true KR20220000492A (en) 2022-01-04

Family

ID=79342346

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200078215A KR20220000492A (en) 2020-06-26 2020-06-26 Method for transmitting cctv video data using artificial intelligence

Country Status (1)

Country Link
KR (1) KR20220000492A (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110060342A (en) 2009-11-30 2011-06-08 에스케이 텔레콤주식회사 Cctv camera device and server of safety management center using location based service, intelligent security system using the same and method thereof

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110060342A (en) 2009-11-30 2011-06-08 에스케이 텔레콤주식회사 Cctv camera device and server of safety management center using location based service, intelligent security system using the same and method thereof

Similar Documents

Publication Publication Date Title
KR102315698B1 (en) Method, apparatus and computer program for sampling video data using artificial intelligence
KR102414902B1 (en) Method for recommending artificial intelligence model for analyzing vedio data according to camera installation environment and purpose
US11800063B2 (en) Camera listing based on comparison of imaging range coverage information to event-related data generated based on captured image
EP2688296B1 (en) Video monitoring system and method
US10192414B2 (en) System and method for overlap detection in surveillance camera network
JP2016503913A (en) Security monitoring system and corresponding alarm triggering method
KR102407327B1 (en) Apparatus for Monitoring Fire And System having the same
KR102131437B1 (en) Adaptive video surveillance system and method
WO2021180004A1 (en) Video analysis method, video analysis management method, and related device
KR20220000493A (en) Method for providing modularized artificial intelligence model platform service
KR101035312B1 (en) Apparatus of seperating multi-picture and remotely monitoring system using the same
KR20220000492A (en) Method for transmitting cctv video data using artificial intelligence
WO2015093687A1 (en) Data processing system
KR20110038208A (en) A data processing method by context cognition based on smart sensor systems
KR102081577B1 (en) Intelligence Fire Detecting System Using CCTV
KR20130047439A (en) Apparatus and method for collecting information
EP3239814B1 (en) Information processing device, information processing method and program
KR101088153B1 (en) Combo type video surveillance system and method thereof
JP2019087114A (en) Robot control system
KR102153465B1 (en) Smart system for detecting fire and device for the same
CN113111215A (en) User behavior analysis method and device, electronic equipment and storage medium
KR101679849B1 (en) Automatic warning system using mobile phone and method thereof
CN114765659B (en) Method, device, equipment and medium for expanding face detection range of intelligent camera
US20230188682A1 (en) System and method for tracking a region of interest
CN114202738A (en) Power grid monitoring method, device and equipment based on edge calculation and artificial intelligence