KR20220011472A - 이벤트 영상 녹화 장치, 영상 제공 장치 및 영상 제공 방법 - Google Patents

이벤트 영상 녹화 장치, 영상 제공 장치 및 영상 제공 방법 Download PDF

Info

Publication number
KR20220011472A
KR20220011472A KR1020200090437A KR20200090437A KR20220011472A KR 20220011472 A KR20220011472 A KR 20220011472A KR 1020200090437 A KR1020200090437 A KR 1020200090437A KR 20200090437 A KR20200090437 A KR 20200090437A KR 20220011472 A KR20220011472 A KR 20220011472A
Authority
KR
South Korea
Prior art keywords
image
event
subject
motion pattern
identification information
Prior art date
Application number
KR1020200090437A
Other languages
English (en)
Inventor
김현민
정임수
Original Assignee
(주)텔레컨스
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 (주)텔레컨스 filed Critical (주)텔레컨스
Priority to KR1020200090437A priority Critical patent/KR20220011472A/ko
Priority to PCT/KR2021/009418 priority patent/WO2022019651A1/ko
Publication of KR20220011472A publication Critical patent/KR20220011472A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73Querying
    • G06F16/732Query formulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73Querying
    • G06F16/738Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G06F16/786Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content using motion, e.g. object motion or camera motion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • 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]
    • H04N21/80Generation 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
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00Details of television systems
    • H04N5/76Television signal recording
    • H04N5/91Television signal processing therefor
    • H04N5/92Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00Details of television systems
    • H04N5/76Television signal recording
    • H04N5/91Television signal processing therefor
    • H04N5/92Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback
    • H04N5/9201Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback involving the multiplexing of an additional signal and the video signal
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Television Signal Processing For Recording (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

본 발명은 이벤트 영상 녹화 장치, 영상 제공 장치 및 제공 방법에 관한 것으로, 일실시예에 따른 영상 제공 장치의 이벤트 영상 제공 방법은, 이벤트 발생에 따라 촬영된 영상을 획득하는 단계; 상기 획득된 영상에서 움직이는 피사체의 동작 패턴을 분석하는 단계; 분석 결과에 따라 상기 피사체의 동작 패턴의 식별정보를 상기 영상에 삽입하여 저장하는 단계; 및 상기 영상 검색을 요청하는 신호를 수신받고, 상기 식별정보에 기초하여 영상을 검색 및 제공하는 단계를 포함한다.

Description

이벤트 영상 녹화 장치, 영상 제공 장치 및 영상 제공 방법{EVENT VIDEO RECORDING APPARATUS, VIDEO PROVIDING APPARATUS AND VIDEO PROVIDING METHOD}
본 발명의 일 실시예는 이벤트 영상 녹화 장치, 영상 제공 장치 및 영상 제공 방법에 관한 것이다.
블랙박스(Blackbox)란 원래 비행기 따위에 비치하는 비행 자료 자동 기록 장치로서, 사고가 났을 때 그 원인을 밝히는데 중요한 구실을 하는 장치이다.
최근에는 자동차 사고 발생시 목격자 확보 및 목격자의 신뢰성 문제로 본인이 가해자로 둔갑되거나, 현장 보존의 미흡과 교차로 신호 규명의 불명확으로 책임 소재가 불명확한 것을 해결하기 위하여 상기 블랙박스를 차량에 탑재시켜 사용하고 있다.
주차중인 차량의 블랙박스는 상시 녹화와 이벤트 녹화를 수행할 수 있다. 상시녹화는 주차중인 차량의 감시영상을 계속하여 녹화하는 것으로 배터리가 빨리 소모되고, 저장공간이 많이 필요하다는 단점이 있다.
이러한 단점을 보안하기 위하여, 이벤트 녹화를 수행할 수 있다. 이벤트 녹화는 주차중인 차량에 이벤트가 발생했다고 판단되는 경우에만 감시영상을 저장하는 방식으로, 비교적 적은 저장공간을 필요로 하고, 배터리를 오래 사용할 수 있다는 장점이 있다. 여기서 말하는 이벤트는 차량 근처에 움직임 발생한 모션 감지 및 차량에 충격이 감지되는 충격 감지를 포함할 수 있다.
그러나 이벤트 녹화 방식을 선택한 경우에라도, 사용자는 블랙박스에 녹화된 영상을 분석하는 작업이 필요하다. 영상을 분석하는 작업시 통상적으로는 여러 시간에 걸쳐서 녹화된 영상을 재생하여 특이점을 발견한다. 따라서 이러한 블랙박스 영상 분석에는 많은 시간이 소요된다는 문제점이 발생한다.
상술한 바와 같은 문제점들을 해결하기 위해 본 발명은 블랙박스 영상 분석시 원하는 이벤트에 관한 영상만을 검색하여 재생가능하게 하는 장치 및 방법의 제공을 목적으로 한다.
상술한 목적을 달성하기 위한 본 발명에 따른 이벤트 영상 제공 방법은 이벤트 발생에 따라 촬영된 영상을 획득하는 단계; 상기 획득된 영상에서 움직이는 피사체의 동작 패턴을 분석하는 단계; 분석 결과에 따라 상기 피사체의 동작 패턴의 식별정보를 상기 영상에 삽입하여 저장하는 단계; 및 상기 영상 검색을 요청하는 신호를 수신받고, 상기 식별정보에 기초하여 영상을 검색 및 제공하는 단계를 포함한다.
일 실시예에서, 차량의 주차 상태가 유지되고 있는 동안에 촬영된 이벤트 영상을 획득하는 단계는, 상기 이벤트 영상을 차량에 탑재된 영상 녹화 장치로부터 수신받거나, 영상 녹화 장치의 메모리에 접근하여 획득하는 것을 특징으로 한다.
일 실시예에서, 상기 움직이는 피사체의 동작 패턴을 분석하는 단계는, 상기 영상에서 움직이는 피사체를 검출하는 단계; 및 검출된 피사체의 등장 위치 및 이동 궤적에 기초하여 딥러닝 기술을 이용해 동작 패턴을 판단하는 단계를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 딥러닝 기술을 이용해 동작 패턴을 판단하는 단계는, 복수의 훈련 샘플에 기초하여 분류된 모델링된 동작 패턴에 상기 검출된 피사체의 등장 위치 및 이동 궤적을 적용하여 상기 피사체의 동작에 대응하는 동작 패턴 모델을 판단하는 것을 특징으로 한다.
일 실시예에서, 상기 복수의 훈련 샘플은 피사체의 등장 위치 및 이동 궤적을 포함하고, 상기 동작 패턴 모델은 패턴 식별을 위한 식별정보를 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 이벤트 영상 제공 장치는 이벤트 발생에 따라 촬영된 영상을 획득하는 영상획득부; 상기 획득된 영상에서 움직이는 피사체의 동작 패턴을 분석하는 패턴 분석부; 분석 결과에 따라 상기 피사체의 동작 패턴의 식별정보를 상기 영상에 삽입하여 저장하고, 상기 식별정보에 기초하여 영상을 검색하는 제어부; 및 상기 제어부의 지시에 따라 검색된 영상을 출력하는 표시부를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 피사체의 동작 패턴의 식별정보를 삽입한 상기 영상을 저장하는 저장부를 더 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 제어부는 외부 단말로부터 영상 검색을 요청하는 신호를 수신받고, 상기 식별정보에 기초하여 영상을 검색하여, 상기 외부 단말에 검색된 영상을 송부하도록 제어하는 것을 특징으로 하는 것을 특징으로 한다.
일 실시예에서, 상기 제어부는 획득한 영상에서 움직이는 피사체를 검출하고, 검출된 검출된 피사체의 등장 위치 및 이동 궤적에 기초하여 딥러닝 기술을 이용해 동작 패턴을 판단하는 것을 특징으로 한다.
일 실시예에서, 상기 제어부는 복수의 훈련 샘플에 기초하여 분류된 모델링된 동작 패턴에 상기 검출된 피사체의 등장 위치 및 이동 궤적을 적용하여 상기 피사체의 동작에 대응하는 동작 패턴 모델을 판단하는 것을 특징으로 한다.
본 발명의 다른 실시예에 따른 영상 녹화 장치는 실시간 영상을 촬영하는 하나 이상의 카메라부; 사용자의 입력 동작을 입력 신호로 변환하는 입력부; 및 상기 영상을 분석하여 이벤트 발생을 모니터링하고, 이벤트 발생시 미리 설정된 시간의 영상을 생성하고, 생성된 영상에서 움직이는 피사체의 동작 패턴을 분석하며, 분석 결과에 따라 상기 피사체의 동작 패턴의 식별정보를 상기 영상에 삽입하여 저장하는 제어부를 포함하고, 상기 제어부는 상기 입력부로부터 이벤트 영상 검색 요청 신호를 수신받고, 상기 식별정보에 기초하여 영상을 검색 및 제공하는 것을 특징으로 한다.
일 실시예에서, 이벤트 영상 녹화 장치는 상기 카메라부에 의해 촬영되는 영상을 임시 저장하는 제1 메모리부; 및 상기 제어부의 지시에 따라 이벤트 발생에 의해 생성된 이벤트 영상을 상기 식별정보와 함께 저장하는 제2 메모리부를 더 포함한다.
일 실시예에서, 상기 제어부는 상기 실시간 영상에서 움직이는 피사체가 검출된 경우, 이벤트가 발생되었다고 간주하는 것을 특징으로 한다.
일 실시예에서, 상기 제어부는 검출된 피사체의 등장 위치 및 이동 궤적에 기초하여 딥러닝 기술을 이용해 동작 패턴을 판단하는 것을 특징으로 한다.
일 실시예에서, 상기 제어부는 복수의 훈련 샘플에 기초하여 분류된 모델링된 동작 패턴에 상기 검출된 피사체의 등장 위치 및 이동 궤적을 적용하여 상기 피사체의 동작에 대응하는 동작 패턴 모델을 판단하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 장치 및 방법은 블랙박스 영상 분석을 신속하게 수행할 수 있게 하는 효과가 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.
도 1은 본 발명의 일 실시예에 따른 차량의 이벤트 영상 제공 시스템의 구성을 개략적으로 나타낸 블록도이다.
도 2는 본 발명의 일 실시예에 따른 영상 녹화 장치(100)의 구성을 개략적으로 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 영상 분석 장치의 구성을 개략적으로 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 영상 녹화 장치가 이벤트 녹화 모드를 수행하는 과정을 설명하기 위한 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 영상 제공 장치의 영상 제공을 수행하는 과정을 설명하기 위한 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 동작 패턴을 설명하기 위한 예시도이다.
도 7은 본 발명의 다른 실시예에 따른 영상 녹화 장치의 구성을 개략적으로 나타낸 블록도이다.
도 8은 본 발명의 일 실시예에 따른 영상 녹화 장치가 영상 제공을 수행하는 과정을 설명하기 위한 흐름도이다.
실시예들은 여기에 첨부된 도면들을 참조하여 설명될 것이다 그러나, 여기에 개시된 원리들은 많은 상이한 형태로 구현될 수도 있으며 여기에서 기재된 실시예로 제한되어 생각되지 않아야 한다. 예를 들어, 영상 녹화 장치가 장착되는 대상에 있어, 차량을 주된 실시예로 서술하고 있으나, 이는 단지 예시적인 것으로서 다양한 대상에 장착될 수 있음이 통상의 기술자에게 명백할 것이다. 발명의 상세한 설명에서, 잘 알려진 특징 및 기술에 대한 상세한 설명이 실시예의 특징을 불필요하게 불명확하게 하는 것을 피하기 위해 생략될 수도 있다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있다는 것을 의미한다.
실시예들은 여기에 첨부된 도면들을 참조하여 설명될 것이다 그러나, 여기에 개시된 원리들은 많은 상이한 형태로 구현될 수도 있으며 여기에서 기재된 실시예로 제한되어 생각되지 않아야 한다. 예를 들어, 영상 녹화 장치가 장착되는 대상에 있어, 차량을 주된 실시예로 서술하고 있으나, 이는 단지 예시적인 것으로서 다양한 대상에 장착될 수 있음이 통상의 기술자에게 명백할 것이다. 발명의 상세한 설명에서, 잘 알려진 특징 및 기술에 대한 상세한 설명이 실시예의 특징을 불필요하게 불명확하게 하는 것을 피하기 위해 생략될 수도 있다.
본 명세서에서, 이벤트는 영상 녹화가 필요한 특수한 상황(예를 들어 물체의 충격, 물체의 급감속, 급가속, 또는 급제동, 사전에 설정한 속도 초과 등)이 발생한 경우 영상 보관을 시작하는 트리거(trigger)의 일종이다. 여기서, 영상 녹화가 필요한 상황은 발생된 이벤트의 가해자/피해자 간의 갈등(예를 들어, 법률적, 정신적, 시간적, 경제적인 문제), 이벤트 발생으로 인한 차량 수리에 있어 보험사/보험자 간의 갈등 등을 해결하는 데 있어, 이벤트 발생 시점의 영상 녹화가 갈등 해결에 중요한 수단으로 이용될 가능성이 있는 상황을 의미한다.
반면, 단순히 문 닫힘, 트렁크 닫힘 등의 사용자의 일반적인 행동에 의한 충격은 상술한 바와 같은 일련의 갈등들을 유발하지 않아 영상 녹화가 불필요하며, 이벤트로 판단되지 않는다.
본 발명에서는 하나의 이벤트 또는 서로 다른 다수의 이벤트를 감지하는 경우에 영상 녹화 및 보관을 시작한다. 즉, 충격 감지 시 영상 녹화 및 보관을 시작하거나, 대상의 기술적 결함으로 인한 특수한 상황(예를 들어, 차량 내 결함으로 인한 에어백 전개, 차량 급발진 등) 발생 시 영상 녹화 및 보관을 시작할 수 있다.
이하, 본 발명의 이벤트를 설명하는 데 있어 장착 대상은 차량으로, 이벤트는 충격을 예로 들어 설명하기로 한다.
이하에서, 도면을 참조하여 본 발명의 실시예들에 대하여 상세히 살펴본다.
도 1은 본 발명의 일 실시예에 따른 차량의 이벤트 영상 제공 시스템의 구성을 개략적으로 나타낸 블록도이다.
이벤트 영상 제공 시스템은 차량(10)에 설치되는 영상 녹화 장치(100), 영상 제공 장치(200) 및 사용자 단말(300)을 포함할 수 있다.
영상 녹화 장치(100)는 차량에 탑재되며 차량 및 차량 주변의 촬영 영상을 생성하는 블랙박스로서 역할을 한다.
영상 제공 장치(200)는 예를 들어 워크스테이션, 서버, 일반용 컴퓨터, 기타 통신을 수행할 수 있는 전자적 기기 또는 이와 유사한 기기로써 구현될 수 있다.
영상 제공 장치(200)는 영상 녹화 장치(100)로부터 촬영된 영상을 획득하여 이벤트 영상을 분석하고, 저장하며, 이벤트 영상에 대한 검색 요청시 검색을 수행하고 검색 결과를 제공하는 컴퓨팅 장치이다. 또한, 영상 제공 장치(200)는 분석된 이벤트 영상을 재생할 수 있다.
사용자 단말(300)은 예를 들어 스마트폰, PDA, 태블릿 PC, 노트북 컴퓨터, 랩탑 컴퓨터, 개인용 컴퓨터 기타 통신을 수행하고 사용자의 입력을 수신하고 화면을 출력할 수 있는 전자적 기기 또는 이와 유사한 기기로써 구현될 수 있다.
영상 녹화 장치(100)는 영상 제공 장치(200)와 유무선 통신망을 통해 연결될 수 있다.
사용자 단말(300)은 영상 녹화 장치(100) 또는 영상 제공 장치(200)와 통신망을 통해 연결될 수 있다.
사용자 단말(300)은 유무선 통신망을 통해 영상 녹화 장치(100) 또는 영상 제공 장치(200)에 접속하여, 이벤트 영상의 검색을 요청하거나 수신받은 영상을 디스플레이 할 수 있다.
도 2는 본 발명의 일 실시예에 따른 영상 녹화 장치(100)의 구성을 개략적으로 나타낸 블록도이다.
영상 녹화 장치(100)는 전적으로 하드웨어이거나, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다. 예컨대, 영상 녹화 장치(100)에 포함된 제어부(150)는 특정 형식 및 내용의 데이터를 처리하거나 또는/또한 전자통신 방식으로 주고받기 위한 하드웨어 및 이에 관련된 소프트웨어를 통칭할 수 있다. 즉, 본 명세서에서 "부(unit)", "모듈(module)", "장치" 또는 "시스템" 등은 하드웨어, 하드웨어와 소프트웨어의 조합, 또는 소프트웨어 등 컴퓨터 관련 엔티티(entity)를 지칭한다. 예를 들어, 본 명세서에서 부, 모듈, 장치 또는 시스템 등은 실행중인 프로세스, 프로세서, 객체(object), 실행 파일(executable), 실행 스레드(thread of execution), 프로그램(program), 및/또는 컴퓨터(computer)일 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 컴퓨터에서 실행중인 애플리케이션(application) 및 컴퓨터의 양쪽이 모두 본 명세서의 부, 모듈, 장치 또는 시스템 등에 해당할 수 있다.
영상 녹화 장치(100)는 카메라부(110), 제1 메모리(120), 제2 메모리(130), 입력부(140) 및 제어부(150)를 포함할 수 있다.
카메라부(110)는 영상을 촬영하는 하나의 수단으로서, 광학 렌즈와 이미지 센서를 포함한다.
카메라부(110)는 광학 렌즈의 시야에 투사되는 연속적인 영상을 촬영할 수 있다. 일 실시예에서, 카메라부(110)는 촬영된 아날로그 영상신호를 디지털 영상신호로 변환한다. 이로 인해, 영상 녹화 장치(100)는 차량의 외부 또는/및 차량의 내부를 촬영해 컬러, 흑백, 적외선 등의 영상 데이터를 획득할 수 있다. 일부 실시예에서, 카메라부(110)는 아날로그 영상신호만을 검출하고, 상술한 변환 처리는 아래의 제어부(150)에서 수행될 수 있다.
일부 실시예에서, 카메라부(110)의 개수는 복수일 수 있다. 이 경우, 영상 녹화 장치(100)는 복수의 카메라부(110)와 연결되는 복수의 채널을 포함할 수 있다. 예를 들어, 차량 전방의 영상을 획득하기 위한 전방 카메라는 제1 채널에 연결되고 차량 후방의 영상을 획득하기 위한 후방 카메라는 제2 채널에 연결될 수 있다.
제1 메모리(120)는 획득한 영상이 임시 저장되는 버퍼 기능이 구비되어 있으며, 휘발성 메모리인 램(RAM)으로서 통상 DDR(Double Data Rate) RAM 등으로 구현될 수 있다.
제2 메모리(130)는 제어부(150)의 데이터 쓰기(write)로 카메라부(110)에서 획득한 영상, 바람직하게는 제1 메모리(120)에 임시 저장된 영상 데이터 중에서 선택되는 영상 데이터가 기록되어 보관되는 데이터 저장 매체로서, SD 카드, USB 메모리 등의 플래시 메모리, EEPROM, 하드디스크 등으로 구현될 수 있다.
제어부(150)는 영상을 분석하여 이벤트가 발생하였는지 여부를 판단하고, 이벤트가 발생했다고 판단한 경우 녹화된 영상을 저장하는 동작 등과 같은 이벤트 영상 촬영 녹화 장치의 전반적인 동작을 제어하며, MCU(Micro Control Unit), CPU(Central Processing Unit)와 같은 일종의 응용 프로세서(AP, Application Processor)로 구현될 수 있다. 제어부(150)의 동작에 대해서는 도 4를 참조하여 아래에서 보다 상세하게 서술된다.
입력부(140)는 사용자의 입력 동작을 입력 신호로 변환하여 제어부(150)에게 송신한다. 입력부(140)는 버튼 등으로 간단하게 구현될 수 있다. 예를 들어 입력부(140)는 사용자로부터 상시 녹화 모드와 이벤트 녹화 모드 중 어느 하나를 선택받아 대응하는 신호로 변환하여 제어부(150)에게 전달할 수 있다.
제어부(150)는 영상 녹화 장치(100)의 전반적인 동작과 각 구성부를 제어한다. 제어부(150)는 특히 후술하는 바와 같이, 상시 녹화 모드, 이벤트 녹화 모드 중 선택된 녹화 모드에 따라 카메라부(110)를 제어하여 기설정된 초당 프레임(Frame) 속도(예컨대, 초당 16 프레임)로 이미지를 생성한다.
제어부(150)는 이벤트가 발생한 시점을 기준으로 미리 설정된 시간 동안 영상을 생성할 수 있다.
카메라부(110)가 촬영한 이미지는 우선 제1 메모리(120)에 임시 저장되었다가 제2 메모리(130)로 옮겨진다. 제2 메모리(130)에 저장된 복수 개의 이미지 파일들은 기설정된 시간(예컨대 1분) 단위로 하나의 동영상 파일로 만들어진다.
사용자는 제2 메모리(130)에 저장된 동영상을 영상 녹화 장치(100)에서도 볼 수 있고, 다른 컴퓨터 장치 예를 들어 영상 분석 장치(200)에 삽입하여 볼 수도 있다. 경우에 따라서는 제2 메모리(130)에 저장된 동영상을 외부 기기 예를 들어 사용자 단말(300)로 전송할 필요도 있다. 영상 녹화 장치(100)는 이동 중인 차량에 설치되기 때문에, 동영상을 전송하려면 무선 네트워크를 이용해야 한다.
도 3은 본 발명의 일 실시예에 따른 영상 분석 장치의 구성을 개략적으로 나타낸 블록도이다.
영상 분석 장치(200)는 입력부(210), 표시부(220), 영상획득부(230), 패턴 분석부(240), 제어부(250) 및 저장부(260)를 포함할 수 있다.
입력부(210)는 사용자의 입력 동작을 입력 신호로 변환하여 제어부(250)에게 송신한다. 입력부(210)는 예를 들어 키보드, 마우스, 터치스크린 상의 터치센서, 터치패드, 키패드, 음성 입력, 기타 현재, 과거에 가능하거나 미래에 가능해질 입력 처리 장치들로써 구현될 수 있다. 입력부(210)는 예를 들어 사용자의 정보 제공 요청 입력을 수신하여 제어부(250)에게 전달할 수 있다.
표시부(220)는 제어부(250)의 제어에 따라 화면을 출력한다. 표시부(220)는 예를 들어 LCD(액정표시장치), LED(발광 다이오드), OLED(유기 발광 다이오드), 프로젝터, 기타 현재, 과거에 가능하거나 미래에 가능해질 표시 장치들로써 구현될 수 있다. 표시부(220)는 예를 들어 정보 제공을 위한 인터페이스 페이지나 정보 제공 결과 페이지를 표시할 수 있다. 실시 예에 따라서는 화면 출력 대신 음성 출력이나 진동 등 기타 사용자에게 정보를 전달할 수 있는 다른 방식을 사용하는 구성부가 표시부(220) 대신 사용될 수도 있다.
영상획득부(230)는 차량의 주차 상태가 유지되고 있는 동안에, 이벤트 발생에 따라 촬영된 영상을 획득한다. 영상획득부(230)는 통신모듈일 수 있고, SD 카드 인식부와 같이 제2 메모리(130)에 저장된 영상 정보에 접근 가능한 모듈일 수도 있다.
예를 들어 영상획득부(230)는 통신모듈을 통해 영상 녹화 장치(100)로부터 이벤트 녹화 모드 시 녹화된 영상을 수신받아 획득할 수 있다. 또한, 영상획득부(230)는 SD 카드 인식부를 통해 영상 녹화 장치(100)의 SD 카드에 저장된 영상을 획득할 수 있다.
패턴 분석부(240)는 영상획득부(230)에서 획득한 영상에서 움직이는 피사체를 인식하고, 피사체의 동작 패턴을 분석한다.
패턴 분석부(240)는 분석 결과에 따라 미리 저장된 동작 패턴과 피사체의 동작 패턴을 비교하여 비교 결과에 따라 선택된 동작패턴의 식별정보를 제어부(250)에 전달할 수 있다.
제어부(250)는 장치(200)의 전반적인 동작과 각 구성부를 제어한다. 제어부(250)는 특히 후술하는 바와 같이 입력부(210)로부터 입력된 정보에 따라 패턴 분석부(240)로부터 식별정보를 수신받으면 해당 식별정보를 영상에 삽입하여 저장부(260)에 저장하고, 상기 식별정보에 기초하여 영상 검색을 수행한다. 제어부(250)는 검색된 영상을 표시부(220)를 통해 출력할 수 있다.
복수개의 영상을 분석하고, 분석 결과에 따라 선택된 영상을 표시부(220)를 통해 표시한다.
특히 제어부(250)는 사용자 단말(300)로부터 특정 동작 패턴에 대응하는 영상 검색을 요청받으면, 상기 식별정보에 기초하여 영상을 검색하고, 검색된 영상을 사용자 단말(300)에게 전송한다.
본 발명의 일 실시예에서는 패턴 분석부(240)와 제어부(250)가 분리돼 있는 연산 장치에 의해 처리되는 것처럼 예시되었지만, 하나의 연산 장치에 의해 처리될 수도 있다.
저장부(260)는 영상 분석 장치(200)에 설치되어 이벤트 영상 제공 방법을 수행하기 위한 프로그램 코드, 및/또는 그 프로그램을 설치하기 위한 설치 패키지(설치 프로그램 코드)를 저장한다. 이하 이벤트에 따른 아이템 정보 분포 제공 방법을 수행하기 위한 프로그램 코드, 및/또는 그 프로그램을 설치하기 위한 설치 패키지(설치 프로그램 코드)를 가상 입력 인터페이스 프로그램이라 칭한다.
제어부(250)의 제어에 따라 데이터를 저장하고 요청된 데이터를 제어부(250)에게 전달한다.
도 4는 본 발명의 일 실시예에 따른 영상 녹화 장치가 이벤트 녹화 모드를 수행하는 과정을 설명하기 위한 흐름도이다.
도 2 및 도 4를 참조하여, 단계 S110에서 영상 녹화 장치(100)가 입력부(140)를 통해 이벤트 녹화 모드를 선택받아, 이벤트 녹화 모드에 진입한다.
단계 S120에서 영상 녹화 장치(100)가 카메라부(110)에 의해 실시간으로 영상을 촬영하고, 생성된 영상은 제1 메모리(120)에 임시 저장한다.
단계 S130에서 영상 녹화 장치(100)가 이 발생을 모니터링한다. 영상 녹화 장치(100)는 제1 메모리(120)에 임시 저장된 영상을 분석하여 움직이는 피사체를 검출한다. 움직이는 피사체가 검출되면 이벤트가 발생했다고 판단한다.
다른 변형예에서, 영상 녹화 장치(100)가 별도의 센서를 구비하는 경우, 센서에 의해 충격 등이 감지되는 경우 이벤트가 발생했다고 판단할 수 있다.
영상 녹화 장치(100)의 제어부(150)가 이벤트가 발생하였다고 판단하면 단계 S140으로 진행하여 제1 메모리(120)에 저장된 영상을 이벤트 발생 시간을 기준으로 소정 시간(예컨대 1분) 의 영상을 제2 메모리(130)에 저장한다. 예를 들어 이벤트 발생 시간 이전 20초 이벤트 발생 시간 이후 40초 등 일 수 있다.
영상 녹화 장치(100)의 제어부(150)는 이 때 이벤트 발생 시간 및 이벤트 발생 위치를 함께 저장할 수 있다.
다른 변형예에서, 이벤트가 발생하였다고 판단하면 미리 설정된 사용자 단말(300)에 이벤트 발생 알람을 통지할 수 있다. 이벤트 발생 알람 통지시에는 단순히 이벤트 발생을 통지하는 정보만을 제공할 수 있고, 이벤트 발생시 생성된 영상을 함께 제공할 수도 있다.
도 5는 본 발명의 일 실시예에 따른 영상 제공 장치의 영상 제공을 수행하는 과정을 설명하기 위한 흐름도이고, 도 6은 본 발명의 일 실시예에 따른 동작 패턴을 설명하기 위한 예시도이다.
단계 S200에서 영상 제공 장치(200)는 영상 녹화 장치(100)로부터 녹화된 이벤트 영상을 획득한다. 이벤트 영상은 차량의 주차 상태가 유지되고 있는 동안에 차량에 발생한 이벤트를 촬영한 영상이다.
단계 S210에서 영상 제공 장치(200)는 이벤트 영상을 분석하여 피사체의 동작 패턴을 분석한다.
영상 제공 장치(200)는 이벤트 영상을 분석하여 피사체의 등장 위치 및 이동 궤적을 판단하여, 미리 설정된 동작 패턴 모델과 비교하여 연관된 동작 패턴 모델이 있는지 확인하고, 비교결과에 따라 해당 이벤트 영상에 대응하는 동작 패턴의 식별자를 추출한다.
동작 패턴 모델은 피사체의 등장 방향 및 피사체의 이동 궤적에 따라 구분되는 분류 모델로서, 복수의 훈련 샘플에 기초하여 생성될 수 있다. 동작 패턴 모델은 패턴 식별자를 포함할 수 있다. 여기서, 패턴 식별자는 각 훈련 샘플의 복수개의 동작 패턴을 각각 식별하기 위한 식별정보이다.
도 6을 참조하면 동작 패턴은, 피사체의 등장 방향이 차량의 좌측이고, 이동궤적이 좌상방향에서 우하방향이거나 그 반대(우하방향에서 좌상방향)인 제1 패턴, 이동궤적이 차량과 평행한 제2 패턴, 우상방향에서 좌하방향이거나 그 반대(좌하방향에서 우상방향)인 제3 패턴, 이동궤적이 차량과 수직한 제7 패턴으로 구분될 수 있다. 다음 피사체의 등장 방향이 차량의 우측이고, 이동궤적이 좌상방향에서 우하방향이거나 그 반대(우하방향에서 좌상방향)인 제4 패턴, 이동궤적이 차량과 평행한 제5 패턴, 우상방향에서 좌하방향이거나 그 반대(좌하방향에서 우상방향)인 제6 패턴, 이동궤적이 차량과 수직한 제8 패턴으로 구분될 수 있다. 각각의 동작 패턴은 01 부터 08까지 식별자가 부여될 수 있다. 이러한 동작 패턴 및 식별자는 일 예일 뿐 이에 한정되는 것은 아니다.
본 발명의 일 실시예에서는 딥러닝에 기반한 동작 패턴 모델링을 예시하였으나, 이에 한정되는 것은 아니다.
동작 패턴 모델은 영상 녹화 장치(100)의 제조자에 의해 모델링되어 제공될 수 있다. 또는 영상 제공 장치(100)의 설계자에 의해 모델링되어 제공될 수 있다.
다른 변형예에서, 이벤트는 피사체의 접촉 이외에 급제동, 급발진과 같은 영상 녹화가 필요한 다양하고 특수한 상황을 지칭하기 때문에, 이외에 속도 및 속도 변화량과 같은 물리량을 더 참조할 수 있다.
단계 S220에서 영상 제공 장치(200)는 분석 결과에 따라 상기 피사체의 동작 패턴의 식별정보(식별자)를 상기 영상에 삽입하여 저장한다.
단계 S230에서 영상 제공 장치(200)는 이벤트 영상 검색을 요청받으면, 단계 S240에서 상기 식별자에 기초하여 이벤트 영상을 검색한다. 이벤트 영상 검색의 요청은 영상 제공 장치(200)의 사용자가 입력부(210)를 통해 수행될 수 있고, 영상 제공 장치(200)에 연결된 외부 단말 예를 들어, 영상 녹화 장치(100) 및/또는 사용자 단말(300)로부터 수신받을 수도 있다.
단계 S250에서 영상 제공 장치(200)는 검색된 이벤트 영상을 제공한다.
영상 제공 장치(200)는 검색된 이벤트 영상을 이벤트 영상 검색 요청자에게 제공한다. 예를 들어, 사용자 단말(300)이 이벤트 영상의 검색을 요청한 경우, 사용자 단말(300)에 검색된 이벤트 영상을 제공하고, 영상 녹화 장치(100)가 이벤트 영상의 검색을 요청한 경우, 검색된 이벤트 영상을 영상 녹화 장치(100)에게 제공할 수 있다.
이와 같이 이벤트 영상에 동작 패턴 식별자를 삽입함으로써, 사용자는 원하는 동작 패턴에 대응하는 이벤트 영상만을 용이하게 검색할 수 있다.
도 7은 본 발명의 다른 실시예에 따른 영상 녹화 장치(101)의 구성을 개략적으로 나타낸 블록도이다. 본 발명의 다른 실시예에 따른 영상 녹화 장치(101)는 도 2의 영상 녹화 장치(100)의 구성과 동일한 구성에는 동일한 참조부호를 부여하고 상세한 설명은 생략한다.
영상 녹화 장치(101)는 전적으로 하드웨어이거나, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다.
영상 녹화 장치(100)는 카메라부(110), 제1 메모리(120), 제2 메모리(130), 입력부(140), 제어부(151) 및 표시부(160)를 포함할 수 있다.
카메라부(110)는 영상을 촬영하는 하나의 수단으로서, 광학 렌즈와 이미지 센서를 포함한다.
일부 실시예에서, 카메라부(110)의 개수는 복수일 수 있다. 이 경우, 영상 녹화 장치(100)는 복수의 카메라부(110)와 연결되는 복수의 채널을 포함할 수 있다. 예를 들어, 차량 전방의 영상을 획득하기 위한 전방 카메라는 제1 채널에 연결되고 차량 후방의 영상을 획득하기 위한 후방 카메라는 제2 채널에 연결될 수 있다.
제1 메모리(120)는 획득한 영상이 임시 저장되는 버퍼 기능이 구비되어 있으며, 휘발성 메모리인 램(RAM)으로서 통상 DDR(Double Data Rate) RAM 등으로 구현될 수 있다.
제2 메모리(130)는 제어부(150)의 데이터 쓰기(write)로 카메라부(110)에서 획득한 영상, 바람직하게는 제1 메모리(120)에 임시 저장되어 또는/및 저장되고 있는 영상 데이터가 기록되어 보관되는 데이터 저장 매체로서, SD 카드, USB 메모리 등의 플래시 메모리, EEPROM, 하드디스크 등으로 구현될 수 있다.
카메라부(110)가 촬영한 이미지는 우선 제1 메모리(120)에 임시 저장되었다가 제2 메모리(130)로 옮겨진다. 제2 메모리(130)에 저장된 복수 개의 이미지 파일들은 기설정된 시간(예컨대 1분) 단위로 하나의 동영상 파일로 만들어진다.
제어부(151)는 영상을 분석하여 이벤트가 발생하였는지 여부를 판단하고, 이벤트가 발생했다고 판단한 경우 녹화된 영상을 분석하고 동작 패턴과 함께 저장하는 동작 등과 같은 이벤트 영상 촬영 녹화 장치의 전반적인 동작을 제어하며, MCU(Micro Control Unit), CPU(Central Processing Unit)와 같은 일종의 응용 프로세서(AP, Application Processor)로 구현될 수 있다. 제어부(151)의 동작에 대해서는 도 8을 참조하여 아래에서 보다 상세하게 서술된다.
입력부(140)는 사용자의 입력 동작을 입력 신호로 변환하여 제어부(151)에게 송신한다. 입력부(140)는 버튼 등으로 간단하게 구현될 수 있다. 예를 들어 입력부(140)는 사용자로부터 상시 녹화 모드와 이벤트 녹화 모드 중 어느 하나를 선택받아 대응하는 신호로 변환하여 제어부(150)에게 전달할 수 있다.
제어부(151)는 영상 녹화 장치(100)의 전반적인 동작과 각 구성부를 제어한다. 제어부(151)는 특히 후술하는 바와 같이, 상시 녹화 모드, 이벤트 녹화 모드 중 선택된 녹화 모드에 따라 카메라부(110)를 제어하여 기설정된 초당 프레임(Frame) 속도(예컨대, 초당 16 프레임)로 이미지를 생성한다.
제어부(151)는 이벤트가 발생한 시점을 기준으로 미리 설정된 시간 동안 영상을 생성하며, 생성된 영상에서 움직이는 피사체를 인식하고, 피사체의 동작 패턴을 분석한다.
제어부(151)는 분석 결과에 따라 미리 저장된 동작 패턴과 피사체의 동작 패턴을 비교하여 비교 결과에 따라 선택된 동작패턴의 식별정보를 이벤트 영상에 삽입한 후 제2 메모리(130)에 저장한다.
제어부(151)는 추후 이벤트 영상 검색 시, 상기 식별정보를 이용한다.
제어부(151)는 이벤트 영상의 검색을 용이하게 하기 위하여 사용자에게 복수개의 이벤트 동작 패턴을 차량의 전부 또는 일부 형상에 문자로 나타낸 표현 및/또는 그래픽적으로 나타낸 표현을 포함할 수 있다.
제어부(151)는 도 6에 예시한 바와 유사하게, 이벤트 동작 패턴을 차량 전체의 평면도에 그래픽적으로 표시부(160)에 나타낼 수 있다.
사용자는 상기 표시부(160)에 표시된 복수개의 동작 패턴 중에서 검색을 원하는 이벤트 동작 패턴을 선택함으로써, 제어부(151)가 이벤트 영상에 포함된 식별정보에 기초하여 검색하여 선택된 이벤트 영상을 표시부(160)를 통해 제공받을 수 있다.
표시부(160)는 제어부(151)의 제어에 따라 화면을 출력한다. 표시부(160)는 예를 들어 LCD(액정표시장치), LED(발광 다이오드), OLED(유기 발광 다이오드), 프로젝터, 기타 현재, 과거에 가능하거나 미래에 가능해질 표시 장치들로써 구현될 수 있다. 표시부(160)는 예를 들어 정보 제공을 위한 인터페이스 페이지나 정보 제공 결과 페이지를 표시할 수 있다. 실시 예에 따라서는 화면 출력 대신 음성 출력이나 진동 등 기타 사용자에게 정보를 전달할 수 있는 다른 방식을 사용하는 구성부가 표시부(160) 대신 사용될 수도 있다.
도 8은 본 발명의 일 실시예에 따른 영상 녹화 장치가 영상 제공을 수행하는 과정을 설명하기 위한 흐름도이다.
도 7 및 도 8을 참조하여, 단계 S310에서 영상 녹화 장치(101)가 입력부(140)를 통해 이벤트 녹화 모드를 선택받아, 이벤트 녹화 모드에 진입한다.
단계 S320에서 영상 녹화 장치(101)가 카메라부(110)에 의해 실시간으로 영상을 촬영하고, 생성된 영상은 제1 메모리(120)에 임시 저장한다.
단계 S330에서 영상 녹화 장치(100)가 이벤트가 발생을 모니터링한다. 영상 녹화 장치(100)는 제1 메모리(120)에 임시 저장된 영상을 분석하여 움직이는 피사체를 검출한다. 움직이는 피사체가 검출되면 이벤트가 발생했다고 판단한다.
영상 녹화 장치(100)의 제어부(150)가 이벤트가 발생하였다고 판단하면 단계 S340으로 진행하여 제1 메모리(120)에 저장된 영상을 이벤트 발생 시간을 기준으로 소정 시간(예컨대 1분) 의 영상을 생성한다. 예를 들어 이벤트 발생 시간 이전 20초 이벤트 발생 시간 이후 40초 등 일 수 있다.
단계 S350에서 영상 녹화 장치(100)의 제어부(150)는 생성된 이벤트 영상을 분석하여 피사체의 동작 패턴을 분석한다. 동작 패턴은 피사체의 등장 위치, 피사체의 이동 궤적을 포함할 수 있다.
영상 녹화 장치(100)의 제어부(150)는 이벤트 영상을 분석하여 피사체의 등장 위치 및 이동 궤적을 판단하여, 미리 설정된 동작 패턴 모델과 비교하여 연관된 동작 패턴 모델이 있는지 확인한다.
연관된 동작 패턴 모델이 있는 경우, 단계 S370에서 해당 동작 패턴 모델에 부여된 식별자를 추출하고, 추출된 식별자를 해당 이벤트 영상에 삽입한다. 바람직하게는 상기 식별자는 이벤트 영상의 제일 앞부분에 삽입하여 제2 메모리(130)에 저장한다.
단계 S380에서 이벤트 영상 검색을 위한 인터페이스를 통해 특정 동작 패턴의 이벤트 영상의 검색을 요청받으면, 단계 S390에서 상기 식별자에 기초하여 저장된 복수개의 이벤트 영상을 검색한다. 상기 특정 동작 패턴에 대응하는 식별자를 포함하고 있는 이벤트 영상을 선택한다.
단계 S400에서 영상 녹화 장치는 선택된 이벤트 영상을 표시부(160)에 출력한다.
선택된 이벤트 영상이 복수개인 경우, 시간의 오름차순 또는 내림차순으로 출력할 수 있다.
본 발명의 일 실시예에서는 영상 녹화 장치가 딥러닝에 기반한 동작 패턴 모델링하고, 지속적인 영상 녹화 및 이벤트 발생에 의한 영상을 계속적으로 학습시켜, 지속적으로 동작 패턴의 판단 기능을 강화할 수 있다.
동작 패턴 모델은 영상 녹화 장치(100)의 제조자에 의해 모델링되어 제공될 수 있다. 또는 영상 제공 장치(100)의 설계자에 의해 모델링되어 제공될 수 있다.
본 발명의 일 실시예를 통해 사용자는 영상 녹화 장치를 통해 특정 이벤트에 대한 영상만을 선택적으로 재생할 수 있으므로, 영상 검색 시간을 효과적으로 단축시킬 수 있다.
이상에서 설명한 실시예들에 따른 영상 녹화 장치, 영상 제공 장치 및 방법에 의한 동작은, 적어도 부분적으로 컴퓨터 프로그램으로 구현될 수 있다. 여기서, 본 실시예를 구현하기 위한 프로그램은 연산 장치에서 실행될 수 있는 기능적인 프로그램 명령어, 및 코드들의 형태로 구성된다. 상기 연산 장치는 하나 이상의 대체적이고 특별한 목적의 프로세서, 메모리, 저장공간, 및 네트워킹 구성요소(무선 또는 유선 중 어느 하나)를 가지는 장치다. 상기 연산 장치는 예를 들어, 마이크로소프트의 윈도우와 호환되는 운영 체제, 애플 OS X 또는 iOS, 리눅스 배포판(Linux distribution), 또는 구글의 안드로이드 OS와 같은 운영체제(operating system)를 실행할 수 있다.
상기 서술된 동작 및 그들에 연관된 부(unit), 모듈 등은 소프트웨어, 펌웨어, 하드웨어 또는 이들의 임의의 조합 내에서 구현될 수도 있다. 예를 들어, 소프트웨어 모듈은 프로그램 코드를 포함하는 컴퓨터-판독가능 매체로 구성되는 프로그램 제품과 함께 구현되고, 이는 기술된 임의의 또는 모든 단계, 동작, 또는 과정을 수행하기 위한 프로세서에 의해 실행될 수 있다.
본 실시예를 구현하기 위한 기능적인 프로그램 명령어, 및 코드는 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.
또한, 영상 녹화 장치, 영상 제공 장치 및 방법에 의한 동작은 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 실시예들에 따른 영상 녹화 장치, 영상 제공 장치 및 방법에 의한 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다.
이상에서 살펴본 본 발명은 도면에 도시된 실시예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시예의 변형이 가능하다는 점을 이해할 것이다. 그러나, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.
100 : 영상 녹화 장치
110 : 카메라부
120 : 제1 메모리
130 : 제2 메모리
140 : 입력부
150 : 제어부
200 : 영상 제공 장치
210 : 입력부
220 : 표시부
230 : 영상획득부
240 : 패턴 분석부
250 : 제어부
260 : 저장부
300 : 사용자 단말

Claims (15)

  1. 영상 제공 장치의 이벤트 영상 제공 방법에 있어서,
    이벤트 발생에 따라 촬영된 영상을 획득하는 단계;
    상기 획득된 영상에서 움직이는 피사체의 동작 패턴을 분석하는 단계;
    분석 결과에 따라 상기 피사체의 동작 패턴의 식별정보를 상기 영상에 삽입하여 저장하는 단계; 및
    상기 영상 검색을 요청하는 신호를 수신받고, 상기 식별정보에 기초하여 영상을 검색 및 제공하는 단계;
    를 포함하는 이벤트 영상 제공 방법.
  2. 제1항에 있어서,
    차량의 주차 상태가 유지되고 있는 동안에 촬영된 이벤트 영상을 획득하는 단계는,
    상기 이벤트 영상을 차량에 탑재된 영상 녹화 장치로부터 수신받거나, 영상 녹화 장치의 메모리에 접근하여 획득하는 것을 특징으로 하는 이벤트 영상 제공 방법.
  3. 제1항에 있어서,
    상기 움직이는 피사체의 동작 패턴을 분석하는 단계는,
    상기 영상에서 움직이는 피사체를 검출하는 단계; 및
    검출된 피사체의 등장 위치 및 이동 궤적에 기초하여 딥러닝 기술을 이용해 동작 패턴을 판단하는 단계
    를 포함하는 것을 특징으로 하는 이벤트 영상 제공 방법.
  4. 제3항에 있어서,
    상기 딥러닝 기술을 이용해 동작 패턴을 판단하는 단계는,
    복수의 훈련 샘플에 기초하여 분류된 모델링된 동작 패턴에 상기 검출된 피사체의 등장 위치 및 이동 궤적을 적용하여 상기 피사체의 동작에 대응하는 동작 패턴 모델을 판단하는 것을 특징으로 하는 이벤트 영상 제공 방법.
  5. 제4항에 있어서,
    상기 복수의 훈련 샘플은 피사체의 등장 위치 및 이동 궤적을 포함하고,
    상기 동작 패턴 모델은 패턴 식별을 위한 식별정보를 포함하는 것을 특징으로 하는 이벤트 영상 제공 방법.
  6. 이벤트 발생에 따라 촬영된 영상을 획득하는 영상획득부;
    상기 획득된 영상에서 움직이는 피사체의 동작 패턴을 분석하는 패턴 분석부;
    분석 결과에 따라 상기 피사체의 동작 패턴의 식별정보를 상기 영상에 삽입하여 저장하고, 상기 식별정보에 기초하여 영상을 검색하는 제어부; 및
    상기 제어부의 지시에 따라 검색된 영상을 출력하는 표시부
    를 포함하는 이벤트 영상 제공 장치.
  7. 제6항에 있어서,
    상기 피사체의 동작 패턴의 식별정보를 삽입한 상기 영상을 저장하는 저장부;
    를 더 포함하는 이벤트 영상 제공 장치.
  8. 제6항에 있어서,
    상기 제어부는 외부 단말로부터 영상 검색을 요청하는 신호를 수신받고, 상기 식별정보에 기초하여 영상을 검색하여, 상기 외부 단말에 검색된 영상을 송부하도록 제어하는 것을 특징으로 하는 이벤트 영상 제공 장치.
  9. 제6항에 있어서,
    상기 제어부는 획득한 영상에서 움직이는 피사체를 검출하고, 검출된 피사체의 등장 위치 및 이동 궤적에 기초하여 딥러닝 기술을 이용해 동작 패턴을 판단하는 것을 특징으로 하는 이벤트 영상 제공 장치.
  10. 제9항에 있어서,
    상기 제어부는 복수의 훈련 샘플에 기초하여 분류된 모델링된 동작 패턴에 상기 검출된 피사체의 등장 위치 및 이동 궤적을 적용하여 상기 피사체의 동작에 대응하는 동작 패턴 모델을 판단하는 것을 특징으로 하는 이벤트 영상 제공 장치.
  11. 실시간 영상을 촬영하는 하나 이상의 카메라부;
    사용자의 입력 동작을 입력 신호로 변환하는 입력부; 및
    상기 영상을 분석하여 이벤트 발생을 모니터링하고, 이벤트 발생시 미리 설정된 시간의 영상을 생성하고, 생성된 영상에서 움직이는 피사체의 동작 패턴을 분석하며, 분석 결과에 따라 상기 피사체의 동작 패턴의 식별정보를 상기 영상에 삽입하여 저장하는 제어부
    를 포함하고,
    상기 제어부는 상기 입력부로부터 이벤트 영상 검색 요청 신호를 수신받고, 상기 식별정보에 기초하여 영상을 검색 및 제공하는 것을 특징으로 하는 이벤트 영상 녹화 장치.
  12. 제11항에 있어서,
    상기 카메라부에 의해 촬영되는 영상을 임시 저장하는 제1 메모리부; 및
    상기 제어부의 지시에 따라 이벤트 발생에 의해 생성된 이벤트 영상을 상기 식별정보와 함께 저장하는 제2 메모리부;
    를 더 포함하는 것을 특징으로 하는 이벤트 영상 녹화 장치.
  13. 제11항에 있어서,
    상기 제어부는 상기 실시간 영상에서 움직이는 피사체가 검출된 경우, 이벤트가 발생되었다고 간주하는 것을 특징으로 하는 이벤트 영상 녹화 장치.
  14. 제13항에 있어서,
    상기 제어부는 검출된 피사체의 등장 위치 및 이동 궤적에 기초하여 딥러닝 기술을 이용해 동작 패턴을 판단하는 것을 특징으로 하는 이벤트 영상 녹화 장치.
  15. 제14항에 있어서,
    상기 제어부는 복수의 훈련 샘플에 기초하여 분류된 모델링된 동작 패턴에 상기 검출된 피사체의 등장 위치 및 이동 궤적을 적용하여 상기 피사체의 동작에 대응하는 동작 패턴 모델을 판단하는 것을 특징으로 하는 이벤트 영상 녹화 장치.

KR1020200090437A 2020-07-21 2020-07-21 이벤트 영상 녹화 장치, 영상 제공 장치 및 영상 제공 방법 KR20220011472A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200090437A KR20220011472A (ko) 2020-07-21 2020-07-21 이벤트 영상 녹화 장치, 영상 제공 장치 및 영상 제공 방법
PCT/KR2021/009418 WO2022019651A1 (ko) 2020-07-21 2021-07-21 이벤트 영상 녹화 장치, 영상 제공 장치 및 영상 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200090437A KR20220011472A (ko) 2020-07-21 2020-07-21 이벤트 영상 녹화 장치, 영상 제공 장치 및 영상 제공 방법

Publications (1)

Publication Number Publication Date
KR20220011472A true KR20220011472A (ko) 2022-01-28

Family

ID=79729912

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200090437A KR20220011472A (ko) 2020-07-21 2020-07-21 이벤트 영상 녹화 장치, 영상 제공 장치 및 영상 제공 방법

Country Status (2)

Country Link
KR (1) KR20220011472A (ko)
WO (1) WO2022019651A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2003220287A1 (en) * 2002-03-14 2003-09-29 General Electric Company High-speed search of recorded video information to detect motion
KR20120067890A (ko) * 2010-12-16 2012-06-26 한국전자통신연구원 영상분석장치 및 그 방법
KR101403035B1 (ko) * 2012-07-18 2014-06-03 (주) 세인 차량용 블랙박스의 영상 탐색장치 및 그 방법
KR102151515B1 (ko) * 2013-04-29 2020-09-03 팅크웨어(주) 차량용 영상 처리 장치 및 이를 이용한 정보 제공 방법
KR101858651B1 (ko) * 2014-12-05 2018-05-16 한화테크윈 주식회사 스마트검색을 지원하는 영상저장장치 및 영상저장장치에서 스마트 검색 방법

Also Published As

Publication number Publication date
WO2022019651A1 (ko) 2022-01-27

Similar Documents

Publication Publication Date Title
US10614310B2 (en) Behavior recognition
US11615623B2 (en) Object detection in edge devices for barrier operation and parcel delivery
US11295139B2 (en) Human presence detection in edge devices
US8558889B2 (en) Method and system for security system tampering detection
CN107122743B (zh) 安防监控方法、装置和电子设备
US20160125268A1 (en) Image processing system, image processing method, and recording medium
KR101979375B1 (ko) 감시 영상의 객체 행동 예측 방법
CN110278398B (zh) 数据存储方法、视频片段搜索方法、装置及电子设备
Hakim et al. Implementation of an image processing based smart parking system using Haar-Cascade method
EP3842996A1 (en) Method of and system for determining traffic signal state
JP2008033822A (ja) 運転支援装置
CN104281258B (zh) 使用图像捕获设备调整透明显示器
WO2015093687A1 (ko) 데이터 처리 시스템
KR20220011472A (ko) 이벤트 영상 녹화 장치, 영상 제공 장치 및 영상 제공 방법
EP4125002A2 (en) A video processing apparatus, method and computer program
US20150154775A1 (en) Display control method, information processor, and computer program product
JP5085693B2 (ja) 運転支援装置および運転支援方法
KR102059966B1 (ko) 지능형 영상 녹화 장치 및 방법
KR20210114805A (ko) 머신러닝 모델을 이용한 객체 인식 방법 및 시스템
JP5139480B2 (ja) 運転支援装置、運転支援システム、運転支援ソフトおよび運転支援方法
JP4999901B2 (ja) 運転支援装置
KR20200136583A (ko) 인공지능 기반 차량번호 및 보행자 검색 시스템 및 방법
US11887386B1 (en) Utilizing an intelligent in-cabin media capture device in conjunction with a transportation matching system
JP5008100B2 (ja) 運転支援装置、運転支援システム、運転支援ソフトおよび運転支援方法
US20230274555A1 (en) Systems and methods for video captioning safety-critical events from video data

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X601 Decision of rejection after re-examination