KR20220080357A - 위험물을 감지하는 위험 관리 서버 - Google Patents
위험물을 감지하는 위험 관리 서버 Download PDFInfo
- Publication number
- KR20220080357A KR20220080357A KR1020200169379A KR20200169379A KR20220080357A KR 20220080357 A KR20220080357 A KR 20220080357A KR 1020200169379 A KR1020200169379 A KR 1020200169379A KR 20200169379 A KR20200169379 A KR 20200169379A KR 20220080357 A KR20220080357 A KR 20220080357A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- target space
- gas detection
- management server
- gas
- Prior art date
Links
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 238000012800 visualization Methods 0.000 claims abstract description 41
- 239000000126 substance Substances 0.000 claims abstract description 29
- 239000007789 gas Substances 0.000 claims description 88
- 238000000034 method Methods 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 23
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000001294 propane Substances 0.000 description 2
- 239000012855 volatile organic compound Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000001273 butane Substances 0.000 description 1
- 238000007084 catalytic combustion reaction Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 239000013056 hazardous product Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- IJDNQMDRQITEOD-UHFFFAOYSA-N n-butane Chemical compound CCCC IJDNQMDRQITEOD-UHFFFAOYSA-N 0.000 description 1
- OFBQJSOFQDEBGM-UHFFFAOYSA-N n-pentane Natural products CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000007784 solid electrolyte Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
- G08B21/0208—Combination with audio or video communication, e.g. combination with "baby phone" function
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
- G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
- G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
- G08B5/222—Personal calling arrangements or devices, i.e. paging systems
- G08B5/223—Personal calling arrangements or devices, i.e. paging systems using wireless transmission
- G08B5/224—Paging receivers with visible signalling details
- G08B5/225—Display details
- G08B5/226—Display details with alphanumeric or graphic display means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Child & Adolescent Psychology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Toxicology (AREA)
- Environmental & Geological Engineering (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Electromagnetism (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
위험물을 감지하는 위험 관리 서버는 대상 공간에 설치된 가스 감지 센서로부터 가스 감지 데이터를 수신하는 수신부, 상기 가스 감지 데이터에 기초하여 데이터 간의 분포를 나타내는 시각화 데이터를 생성하는 시각화 데이터 생성부 및 상기 시각화 데이터에 기초하여 상기 대상 공간 내에 위험물이 존재하는지 여부를 감지하는 위험물 감지부를 포함한다.
Description
본 발명은 위험물을 감지하는 위험 관리 서버에 관한 것이다.
가스 센서는 기체 중에 함유된 특정 화학물질을 검지하여 그 농도를 전기적 신호로 변환하여 출력한다. 가스 센서의 종류로는 반도체 표면에 기체분자가 흡착되면 반도체의 전기저항이 변화하는 현상을 이용하는 방식의 반도체 센서와, 가스의 흡착이나 반응에 의한 고체 물성의 변화를 이용하는 방식의 세라믹 습온 센서, 압전체 센서와, 연소열을 이용하여 가연성(可燃性) 가스 검출에 사용되는 접촉 연소식 센서와, 전기 화학 반응을 이용하는 방식의 고체 전해질 센서, 전기화학 센서와, 물리적인 특성값을 사용하는 방식의 적외선 흡수식 센서 등이 있다.
가스 센서는 가스 누설을 검지하여 경보를 발하는 가스 누설 경보기 등에 활용되고 있다. 다만, 가스 센서로부터 출력되는 전기적 신호로는 공간 관리자가 위험물의 위치 및 분포를 직관적으로 파악하기 어렵다는 문제점이 있다.
또한, 가정, 공공시설 또는 산업 환경에서 이용되고 있는 종래의 출입 관리 시스템에 가스 센서를 이용한 위험물 감지 기술을 융합하여 보안 및 안전을 도모할 수 있는 방법에 대한 수요가 증가하고 있다.
또한, 위험물이 감지된 경우에 추가적인 비디오 분석을 통해 위험 상황을 효과적으로 관리할 수 있는 방법이 필요한 상황이다.
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 대상 공간에 설치된 가스 감지 센서로부터 가스 감지 데이터를 수신하고, 가스 감지 데이터에 기초하여 데이터 간의 분포를 나타내는 시각화 데이터를 생성하고, 시각화 데이터에 기초하여 대상 공간 내에 위험물이 존재하는지 여부를 감지하는 위험 관리 서버를 제공하고자 한다.
대상 공간의 출입자를 판별하고 이벤트를 수행함으로써 위험 상황에 대응하는 방법을 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명의 일 실시예는, 위험물을 감지하는 위험 관리 서버에 있어서, 대상 공간에 설치된 가스 감지 센서로부터 가스 감지 데이터를 수신하는 수신부, 상기 가스 감지 데이터에 기초하여 데이터 간의 분포를 나타내는 시각화 데이터를 생성하는 시각화 데이터 생성부 및 상기 시각화 데이터에 기초하여 상기 대상 공간 내에 위험물이 존재하는지 여부를 감지하는 위험물 감지부를 포함할 수 있다.
일 실시예에서, 상기 시각화 데이터 생성부는 상기 가스 감지 데이터에 대해 차원 축소 방법(dimensionality reduction method)을 적용함으로써 상기 시각화 데이터를 생성할 수 있다.
일 실시예에서, 딥러닝 모델에 기초하여 상기 수신한 가스 감지 데이터를 하나 이상의 기체의 종류로 분류하는 가스 분류부를 더 포함하고, 상기 시각화 데이터 생성부는 상기 분류된 가스 감지 데이터에 기초하여 기체의 종류별 가우시안 분포에 기초한 상기 대상 공간에 대한 위험물 분포를 도시하는 상기 시각화 데이터를 생성할 수 있다.
일 실시예에서, 상기 수신부는 상기 대상 공간에 설치된 적어도 하나의 카메라로부터 비디오 데이터를 더 수신하고, 상기 비디오 데이터에 대한 객체 검출 및 얼굴 인식을 수행하여 상기 대상 공간 내에 출입한 출입자를 판별하는 출입자 판별부를 더 포함할 수 있다.
일 실시예에서, 상기 대상 공간 내에 위험물이 존재하는지 여부에 기초하여 상기 대상 공간에 대한 출입구 제어 이벤트, 경보 발생 이벤트, 위험 알림 메시지 전송 중 적어도 하나를 수행하는 이벤트 수행부를 더 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 대상 공간에 설치된 가스 감지 센서로부터 가스 감지 데이터를 수신하고, 가스 감지 데이터에 기초하여 데이터 간의 분포를 나타내는 시각화 데이터를 생성하고, 시각화 데이터에 기초하여 대상 공간 내에 위험물이 존재하는지 여부를 감지하는 위험 관리 서버를 제공할 수 있다.
또한, 대상 공간의 출입자를 판별하고 이벤트를 수행함으로써 위험 상황에 대한 효율적인 관리 방법을 제공할 수 있다.
또한, 위험물에 대한 정보를 시각화하여 제공함으로써 관리자가 공간 운용 및 안전 관리에 대한 판단을 용이하게 할 수 있도록 한다.
도 1은 본 발명의 일 실시예에 따른 위험 관리 서버의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 위험 관리 서버의 동작을 설명하기 위한 예시적인 도면이다.
도 3은 본 발명의 일 실시예에 따라 가스 감지 데이터를 하나 이상의 기체의 종류로 분류한 결과 그래프를 예시적으로 도시한다.
도 4는 본 발명의 일 실시예에 따라 생성된 시각화 데이터의 예시적인 도면이다.
도 2는 본 발명의 일 실시예에 따른 위험 관리 서버의 동작을 설명하기 위한 예시적인 도면이다.
도 3은 본 발명의 일 실시예에 따라 가스 감지 데이터를 하나 이상의 기체의 종류로 분류한 결과 그래프를 예시적으로 도시한다.
도 4는 본 발명의 일 실시예에 따라 생성된 시각화 데이터의 예시적인 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이하에서 언급되는 "네트워크"는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 위험 관리 서버의 구성도이다. 도 1을 참조하면, 위험 관리 서버(100)는 수신부(110), 가스 분류부(120), 시각화 데이터 생성부(130), 위험물 감지부(140), 출입자 판별부(150) 및 이벤트 수행부(160)를 포함할 수 있다.
위험 관리 서버(100)는 대상 공간 내에 위험물이 존재하는지 여부를 감지하고, 위험물이 존재하는지 여부에 기초하여 대상 공간에 대한 이벤트를 수행할 수 있다.
도 2는 본 발명의 일 실시예에 따른 위험 관리 서버(100)의 동작을 설명하기 위한 예시적인 도면이다. 도 2를 참조하면, 위험 관리 서버(100)는 대상 공간(20) 내의 위험물 감지 및 이벤트 수행을 통하여 대상 공간(20)에 대한 위험을 관리할 수 있다.
예를 들어, 대상 공간(20)은 출입구(205-1. 205-2)를 통해서만 출입이 가능한 밀폐된 공간일 수 있다. 대상 공간(20)에는 가스 감지 센서(201) 및 카메라(203)가 설치될 수 있다. 예를 들어, 가스 감지 센서(201) 및 카메라(203)는 대상 공간(20)의 출입구(205-1. 205-2)에 인접하여 설치될 수 있다.
위험 관리 서버(100)는 네트워크를 통해 가스 감지 센서(201) 및 카메라(203)와 연결될 수 있다. 예를 들어, 위험 관리 서버(100)는 가스 감지 센서(201) 및 카메라(203)로부터 실시간으로 또는 기설정된 시간 간격으로 데이터를 전송받을 수 있다.
다른 실시예에서, 위험 관리 서버(100)는 복수의 대상 공간에 대해 위험물을 감지하고 이벤트를 수행할 수 있다. 예를 들어, 위험 관리 서버(100)는 복수의 대상 공간의 각각에 설치된 가스 감지 센서 및 카메라로부터 데이터를 전송받을 수 있다.
수신부(110)는 대상 공간(20)에 설치된 가스 감지 센서(201)로부터 가스 감지 데이터를 수신할 수 있다. 가스 감지 센서(201)는 대상 공간(20) 내에 존재하는 기체를 감지할 수 있다.
예를 들어, 가스 감지 센서(201)는 센서 어레이를 포함할 수 있다. 센서 어레이는 하나 이상의 채널에 대응하는 센서 유닛을 포함할 수 있다. 각 센서 유닛은 대응하는 채널에 따라 다른 특징을 가지고, 기체의 종류에 따라 다르게 반응할 수 있다.
예를 들어, MOX(Metal-oxide) 가스 감지 센서는 TGS2611(메탄), TGS2612(메탄, 프로판, 부탄), TGS2610(프로판), TGS2600(수소, 일산화탄소), TGS2602(암모니아, H2S, 휘발성 유기 화합물), TGS2620(일산화탄소, 가연성 가스, 휘발성 유기 화합물) 등을 이용하여 가스 감지 데이터를 수집할 수 있다.
가스 감지 데이터는 벡터 형태의 고차원 데이터(high-dimensional data)일 수 있다. 예를 들어, 가스 감지 센서(201)는 전자적인 인터페이스에 의해 대상 공간(20) 내에 존재하는 기체로부터 벡터 형태의 가스 감지 데이터를 수집할 수 있다.
가스 분류부(120)는 딥러닝 모델에 기초하여 가스 감지 데이터를 분석하여 하나 이상의 기체의 종류로 분류할 수 있다. 가스 분류부(120)는 가스 감지 데이터를 분석하기 전에, 가스 감지 데이터에 대한 전처리를 수행할 수 있다.
가스 분류부(120)는 예를 들어, 딥러닝 모델에 기초하여 가스 감지 데이터에 대한 성분 분석을 수행할 수 있다. 가스 분류부(120)는 특징 추출 및 분류기를 이용한 분류를 통해 가스 감지 데이터의 성분을 분석할 수 있다.
도 3은 본 발명의 일 실시예에 따라 가스 감지 데이터를 하나 이상의 기체의 종류로 분류한 결과 그래프를 예시적으로 도시한다.
도 3의 (a)는 가스 감지 데이터를 분석하여 하나 이상의 기체의 종류로 분류하고, 가스 감지 데이터로부터 도출된 기체 성분 구성을 A 위험물의 성분 구성과 비교한 그래프이다.
도 3의 (b)는 가스 감지 데이터를 분석하여 하나 이상의 기체의 종류로 분류하고, 가스 감지 데이터로부터 도출된 기체 성분 구성을 B 위험물의 성분 구성과 비교한 그래프이다.
위험 관리 서버(100)는 예를 들어, 가스 감지 데이터로부터 도출된 기체 성분 구성 및 기저장된 위험물의 성분 구성과의 유사도에 기초하여 대상 공간(20) 내에 위험물이 존재하는지 여부를 판단할 수 있다.
시각화 데이터 생성부(130)는 가스 감지 데이터에 기초하여 데이터 간의 분포를 나타내는 시각화 데이터를 생성할 수 있다. 위험 관리 서버(100)는 가스 감지 데이터에 기초하여 생성된 시각화 데이터를 제공함으로써 대상 공간의 위험물의 분포를 직관적으로 파악할 수 있도록 한다.
시각화 데이터 생성부(130)는 예를 들어, 가스 감지 데이터에 대해 차원 축소 방법(dimensionality reduction method)을 적용함으로써 시각화 데이터를 생성할 수 있다.
가스 감지 데이터는 대상 공간(20)에 설치된 가스 감지 센서(201)에 의해 수집된 벡터 형태의 고차원 데이터일 수 있다. 시각화 데이터 생성부(130)는 시각화하기 위해 가스 감지 데이터의 차원을 축소시켜 저차원 데이터로 변환할 수 있다.
차원 축소 방법은 고차원의 데이터를 저차원의 데이터로 변환하는 기술로, 시각화 데이터 생성부(130)는 예를 들어, PCA(Principal Component Analysis), t-SNE(t-Distributed Stochastic Neighbor Embedding), LDA(Linear Discriminant Analysis), NCA(Neighborhood Components Analysis), Autoencoder, MDS(Multidimensional scaling) 중 어느 하나 이상의 차원 축소 방법에 기초하여 가스 감지 데이터로부터 시각화 데이터를 생성할 수 있다.
시각화 데이터 생성부(130)는 분류된 가스 감지 데이터에 기초하여 시각화 데이터를 생성할 수 있다. 시각화 데이터는 예를 들어, 기체의 종류별 가우시안 분포에 기초한 대상 공간(20)에 대한 위험물 분포를 도시할 수 있다.
도 4의 (a) 내지 (c)는 본 발명의 일 실시예에 따라 생성된 시각화 데이터의 예시적인 도면이다. 도 4의 (a) 내지 (c)에 도시된 바와 같이, 위험 관리 서버(100)는 대상 공간(20)에 대한 위험물 분포를 도시하는 시각화 데이터를 생성할 수 있다.
위험물 감지부(140)는 시각화 데이터에 기초하여 대상 공간(20) 내에 위험물이 존재하는지 여부 및 위험물의 분포를 감지할 수 있다.
수신부(110)는 대상 공간(20)에 설치된 적어도 하나의 카메라(203)로부터 비디오 데이터를 더 수신할 수 있다.
출입자 판별부(150)는 카메라(203)로부터 수신한 비디오 데이터에 대한 객체 검출 및 얼굴 인식을 수행하여 대상 공간(20) 내에 출입한 출입자를 판별할 수 있다.
객체 검출은 비디오 데이터의 객체에 대하여 분류(Classification) 및 위치 정보 파악(Localization)을 동시에 수행하는 것을 의미한다.
출입자 판별부(150)는 예를 들어, YOLO(You Only Look Once) 계열 또는 SSD(Single Shot MultiBox Detector) 계열 중 어느 하나 이상의 방법에 기초하여 비디오 데이터에 대한 객체 검출을 수행할 수 있다.
얼굴 인식은 비디오 데이터로부터 검출된 객체의 얼굴 영역을 검출하고, 검출된 얼굴 영역으로부터 인물을 판별해내는 것을 의미한다.
출입자 판별부(150)는 예를 들어, Arcface, Facenet, DeepFace 중 어느 하나 이상의 방법에 기초하여 얼굴 인식을 수행할 수 있다.
이벤트 수행부(160)는 대상 공간(20) 내에 위험물이 존재하는지 여부에 기초하여 대상 공간(20)에 대한 이벤트를 수행할 수 있다. 대상 공간(20)에 대한 이벤트는 예를 들어, 출입구 제어 이벤트, 경보 발생 이벤트, 위험 알림 메시지 전송 중 적어도 하나를 포함할 수 있다.
예를 들어, 위험 관리 서버(100)는 대상 공간(20) 내에 존재하는 위험물이 감지된 경우에 출입구(205-1, 205-2)의 개폐를 제어하거나, 대상 공간(20)에 경보를 발생시킬 수 있다.
또한, 위험 관리 서버(100)는 대상 공간(20) 내에 존재하는 위험물이 감지된 경우에 대상 공간(20) 내에 출입한 출입자 정보에 기초하여 출입자의 단말에 경보를 발생시키거나, 위험 알림 메시지를 전송할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 위험 관리 서버
110: 수신부
120: 가스 분류부
130: 시각화 데이터 생성부
140: 위험물 감지부
150: 출입자 판별부
150: 이벤트 수행부
110: 수신부
120: 가스 분류부
130: 시각화 데이터 생성부
140: 위험물 감지부
150: 출입자 판별부
150: 이벤트 수행부
Claims (5)
- 위험물을 감지하는 위험 관리 서버에 있어서,
대상 공간에 설치된 가스 감지 센서로부터 가스 감지 데이터를 수신하는 수신부;
상기 가스 감지 데이터에 기초하여 데이터 간의 분포를 나타내는 시각화 데이터를 생성하는 시각화 데이터 생성부; 및
상기 시각화 데이터에 기초하여 상기 대상 공간 내에 위험물이 존재하는지 여부를 감지하는 위험물 감지부
를 포함하는 것인, 위험 관리 서버.
- 제 1 항에 있어서,
상기 시각화 데이터 생성부는 상기 가스 감지 데이터에 대해 차원 축소 방법(dimensionality reduction method)을 적용함으로써 상기 시각화 데이터를 생성하는 것인, 위험 관리 서버.
- 제 1 항에 있어서,
딥러닝 모델에 기초하여 상기 수신한 가스 감지 데이터를 하나 이상의 기체의 종류로 분류하는 가스 분류부
를 더 포함하고,
상기 시각화 데이터 생성부는 상기 분류된 가스 감지 데이터에 기초하여 기체의 종류별 가우시안 분포에 기초한 상기 대상 공간에 대한 위험물 분포를 도시하는 상기 시각화 데이터를 생성하는 것인, 위험 관리 서버.
- 제 1 항에 있어서,
상기 수신부는 상기 대상 공간에 설치된 적어도 하나의 카메라로부터 비디오 데이터를 더 수신하고,
상기 비디오 데이터에 대한 객체 검출 및 얼굴 인식을 수행하여 상기 대상 공간 내에 출입한 출입자를 판별하는 출입자 판별부
를 더 포함하는 것인, 위험 관리 서버.
- 제 1 항에 있어서,
상기 대상 공간 내에 위험물이 존재하는지 여부에 기초하여 상기 대상 공간에 대한 출입구 제어 이벤트, 경보 발생 이벤트, 위험 알림 메시지 전송 중 적어도 하나를 수행하는 이벤트 수행부
를 더 포함하는 것인, 위험 관리 서버.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200169379A KR102524497B1 (ko) | 2020-12-07 | 2020-12-07 | 위험물을 감지하는 위험 관리 서버 |
PCT/KR2021/010132 WO2022124517A1 (ko) | 2020-12-07 | 2021-08-03 | 위험물을 감지하는 위험 관리 서버 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200169379A KR102524497B1 (ko) | 2020-12-07 | 2020-12-07 | 위험물을 감지하는 위험 관리 서버 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220080357A true KR20220080357A (ko) | 2022-06-14 |
KR102524497B1 KR102524497B1 (ko) | 2023-04-21 |
Family
ID=81974655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200169379A KR102524497B1 (ko) | 2020-12-07 | 2020-12-07 | 위험물을 감지하는 위험 관리 서버 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR102524497B1 (ko) |
WO (1) | WO2022124517A1 (ko) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160131256A (ko) * | 2015-05-06 | 2016-11-16 | 삼성전자주식회사 | 가스 처리 방법 빛 그 전자 장치 |
KR101852074B1 (ko) * | 2016-11-29 | 2018-04-25 | 단국대학교 산학협력단 | 가스 분류를 위한 전자코 시스템 및 방법 |
KR102151002B1 (ko) | 2019-11-11 | 2020-09-02 | 주식회사 삼주전자 | 영상번역 카메라 시스템 |
KR102168297B1 (ko) * | 2019-11-15 | 2020-10-21 | 주식회사 세븐미어캣 | 딥러닝과 IoT 기반의 객체 출입 통제 장치 및 방법 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100315314B1 (ko) * | 2000-05-06 | 2001-11-26 | 손원열 | 가스 분석, 농도추정 및 측정, 측정 데이터 보정방법과그의 표시방법 |
-
2020
- 2020-12-07 KR KR1020200169379A patent/KR102524497B1/ko active IP Right Grant
-
2021
- 2021-08-03 WO PCT/KR2021/010132 patent/WO2022124517A1/ko active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160131256A (ko) * | 2015-05-06 | 2016-11-16 | 삼성전자주식회사 | 가스 처리 방법 빛 그 전자 장치 |
KR101852074B1 (ko) * | 2016-11-29 | 2018-04-25 | 단국대학교 산학협력단 | 가스 분류를 위한 전자코 시스템 및 방법 |
KR102151002B1 (ko) | 2019-11-11 | 2020-09-02 | 주식회사 삼주전자 | 영상번역 카메라 시스템 |
KR102168297B1 (ko) * | 2019-11-15 | 2020-10-21 | 주식회사 세븐미어캣 | 딥러닝과 IoT 기반의 객체 출입 통제 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR102524497B1 (ko) | 2023-04-21 |
WO2022124517A1 (ko) | 2022-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meidan et al. | Detection of unauthorized IoT devices using machine learning techniques | |
CN109765539B (zh) | 室内用户行为监测方法和装置、电器设备和家居监控系统 | |
Shirazi et al. | Evaluation of anomaly detection techniques for scada communication resilience | |
Pathak et al. | Anomaly detection using machine learning to discover sensor tampering in IoT systems | |
CN107360152A (zh) | 一种基于语义分析的Web威胁感知系统 | |
US11579002B2 (en) | Sensor fusion for fire detection and air quality monitoring | |
CN111726351B (zh) | 基于Bagging改进的GRU并行网络流量异常检测方法 | |
CN112230584A (zh) | 应用于工控领域的安全监视可视化系统及安全监视方法 | |
Celil et al. | Detecting IoT botnet attacks using machine learning methods | |
KR20220080357A (ko) | 위험물을 감지하는 위험 관리 서버 | |
WO2019171363A2 (en) | A system and a method for detection and classification of gasses | |
Kuek | Comparison of Machine Learning Models for IoT Malware Classification | |
Samadzadeh et al. | Evaluating Security Anomalies by Classifying Traffic Using a Multi-Layered Model | |
Yao | Information Security Situation Awareness Based on Big Data and Artificial Intelligence Technology | |
CN108881307B (zh) | 一种面向移动终端的安全性检测方法及装置 | |
US20190303568A1 (en) | Neuromorphic system for authorized user detection | |
Maran et al. | Comparison of Machine Learning Models for IoT Malware Classification | |
Houichi et al. | Analysis of Smart Cities Security: Challenges and Advancements | |
EP3807822A1 (en) | Neuromorphic system for authorized user detection | |
Liu et al. | Zero-bias deep learning enabled quick and reliable abnormality detection in IoT | |
CN117478363B (zh) | 基于工业互联网态势感知的光伏电力网络安全监控系统及其方法 | |
KR102661221B1 (ko) | 로그인 진행시 발생하는 텍스트를 활용하여 로그인시 발생되는 이상징후 탐지방법 | |
Bugeja et al. | A Data-Centric Anomaly-Based Detection System for Interactive Machine Learning Setups | |
Bhardwaj et al. | Automated Smart Home Security System Using Biometric Solution | |
CN116647372A (zh) | 一种基于全流量分析的威胁检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |