KR20230047633A - 사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치 - Google Patents

사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치 Download PDF

Info

Publication number
KR20230047633A
KR20230047633A KR1020210130706A KR20210130706A KR20230047633A KR 20230047633 A KR20230047633 A KR 20230047633A KR 1020210130706 A KR1020210130706 A KR 1020210130706A KR 20210130706 A KR20210130706 A KR 20210130706A KR 20230047633 A KR20230047633 A KR 20230047633A
Authority
KR
South Korea
Prior art keywords
image
building
wall
detector
identification target
Prior art date
Application number
KR1020210130706A
Other languages
English (en)
Inventor
김하영
이기수
이상효
신현규
윤종현
김종훈
Original Assignee
연세대학교 산학협력단
한양대학교 에리카산학협력단
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 연세대학교 산학협력단, 한양대학교 에리카산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020210130706A priority Critical patent/KR20230047633A/ko
Publication of KR20230047633A publication Critical patent/KR20230047633A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biochemistry (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

개시된 기술은 사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치에 관한 것으로, 검출기가 건물 외벽에 대한 영상을 수신하는 단계; 상기 검출기가 상기 영상에서 비식별 대상을 검출하는 단계; 상기 검출기가 상기 영상에서 상기 비식별 대상이 포함된 영역을 제거하여 이미지 패치(Patch)를 생성하는 단계; 및 상기 검출기가 상기 이미지 패치를 검출 모델에 입력하여 상기 건물 외벽에 발생한 하자를 검출하는 단계;를 포함한다.

Description

사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치 {METHOD AND DEVICE TO PREVENT INVASION OF PRIVACY AND DETECT DEFECT ON BUILDING WALLS}
개시된 기술은 사생활 보호를 위해 이미지 패치를 이용하여 건물 외벽의 하자를 검출하는 방법 및 장치에 관한 것이다.
건물의 외벽에 발생하는 하자의 종류로 가장 대표적인 현상은 균열이 발생하는 것이다. 과거에는 고층 빌딩과 같이 사람이 육안으로 확인하기 어려운 위치에 발생하는 균열을 모니터링하기 위해서 작업자가 크레인이나 곤돌라와 같은 장치에 매달려서 육안으로 균열이 발생한 정도를 확인하였으나 최근에는 낙상사고의 위험으로 인하여 작업자 대신 카메라를 이용하거나 카메라를 드론과 같은 장치에 탑재하여 균열이 발생한 위치의 영상을 획득하고 있다.
한편, 균열로 인한 건물의 하자 보수 여부를 결정하기 위해서 획득된 영상을 분석하는 기술이 이용된다. 최근에는 딥러닝 모델을 이용하여 영상에서 균열이 포함된 영역을 감지한 후 균열의 상태를 예측하여 하자 보수 공사를 결정짓는 자료로 이용하고 있다. 그러나 이와 같이 영상 기반의 분석 기술을 이용할 때 영상에 포함된 건물 내부의 인원들의 사생활이 노출되는 문제가 있어서 이를 해결하기 위한 기술이 추가로 요구된다.
한국 공개특허 제10-2012-0109954호
개시된 기술은 사생활 보호를 위해 이미지 패치를 이용하여 건물 외벽의 하자를 검출하는 방법 및 장치를 제공하는데 있다.
상기의 기술적 과제를 이루기 위하여 개시된 기술의 제 1 측면은 검출기가 건물 외벽에 대한 영상을 수신하는 단계, 상기 검출기가 상기 영상에서 비식별 대상을 검출하는 단계, 상기 검출기가 상기 영상에서 상기 비식별 대상이 포함된 영역을 제거하여 이미지 패치(Patch)를 생성하는 단계 및 상기 검출기가 상기 이미지 패치를 검출 모델에 입력하여 상기 건물 외벽에 발생한 하자를 검출하는 단계를 포함하는 사생활 보호를 위한 건물 외벽 하자 검출 방법을 제공하는데 있다.
상기의 기술적 과제를 이루기 위하여 개시된 기술의 제 2 측면은 건물 외벽에 대한 영상을 수신하는 수신장치, 검출 모델을 저장하는 저장장치 및 상기 영상에서 비식별 대상을 검출하고 상기 비식별 대상이 포함된 영역을 제거하여 이미지 패치(Patch)를 생성하고 상기 이미지 패치를 상기 검출 모델에 입력하여 상기 건물 외벽에 발생한 하자를 검출하는 처리장치를 포함하는 사생활 보호를 위한 건물 외벽 하자 검출 장치를 제공하는데 있다.
개시된 기술의 실시 예들은 다음의 장점들을 포함하는 효과를 가질 수 있다. 다만, 개시된 기술의 실시 예들이 이를 전부 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
개시된 기술의 일 실시예에 따르면 사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치는 건물 외벽 영상에서 하자 검출에 불필요한 영역이 제거된 이미지를 학습함으로써 하자 검출을 위한 연산 효율을 높이는 효과가 있다.
또한, 사생활이 노출될 수 있는 영역을 제거하여 사생활을 보호하는 효과가 있다.
또한, 딥러닝 모델을 이용하여 건물 외벽에 대한 상태를 정확하게 예측하는 효과가 있다.
도 1은 개시된 기술의 일 실시예에 따른 건물 외벽 하자 검출 과정을 나타낸 도면이다.
도 2는 개시된 기술의 일 실시예에 따른 사생활 보호를 위한 건물 외벽 하자 검출 방법에 대한 순서도이다.
도 3은 개시된 기술의 일 실시예에 따른 사생활 보호를 위한 건물 외벽 하자 검출 장치에 대한 블록도이다.
도 4는 개시된 기술의 일 실시예에 따라 생성된 이미지 패치를 나타낸 도면이다.
도 5는 개시된 기술의 일 실시예에 따라 검출 모델을 학습하는 과정을 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제 1 , 제 2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 상기 용어들에 의해 한정되지는 않으며, 단지 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
본 명세서에서 사용되는 용어에서 단수의 표현은 문맥상 명백하게 다르게 해석되지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 한다. 그리고 "포함한다" 등의 용어는 설시된 특징, 개수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다.
도면에 대한 상세한 설명을 하기에 앞서, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다.
그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다. 따라서, 본 명세서를 통해 설명되는 각 구성부들의 존재 여부는 기능적으로 해석되어야 할 것이다.
도 1은 개시된 기술의 일 실시예에 따른 건물 외벽 하자 검출 과정을 나타낸 도면이다. 도 1을 참조하면 검출기를 이용하여 건물 외벽에 발생한 하자(Defect)를 검출할 수 있다. 건물 외벽에 발생한 하자는 건물 외벽의 도장이 박리되거나 누수의 흔적이 존재하거나 균열이 발생한 것으로 추정되는 것을 의미한다. 검출기는 하자가 발생한 영역을 검출하고 하자에 대한 구체적인 분류를 할 수 있다.
한편, 검출기는 건물 외벽 영상에 대한 하자 검출에 앞서 건물 내 사생활이 노출되는 것을 방지하기 위해서 비식별 대상을 지정하고 이를 제거한 이미지 패치를 생성할 수 있다. 비식별 대상은 건물에 거주중인 사람일 수 있다. 통상적으로 건물 외벽의 영상에서 사람이 노출되는 부분은 창문이나 출입문이 형성된 영역일 수 있다. 따라서, 검출기는 이러한 영역을 비식별 대상으로 지정하고 해당 영역을 제거한 이미지 패치를 생성할 수 있다. 즉, 비식별 대상은 영상에 포함된 사람이고 비식별 대상이 포함된 영역은 사람이 노출될 수 있는 창문 영역일 수 있다. 검출기는 전처리 과정에서 이러한 비식별 대상이 포함된 영역을 영상에서 제거할 수 있다. 일 실시예로, 비식별 대상이 포함된 영역을 모자이크, 블러(Blur) 및 단일 색상 평면 중 하나를 이용하여 가릴 수 있다. 예컨대 입력된 영상에서 특징을 추출하고 픽셀값을 변경하여 비식별 대상이 포함된 영역에 바운딩 박스를 설정하고 바운딩 박스와 동일한 위치, 동일한 크기의 마스크를 이용하여 영상의 창문 영역을 마스킹하는 방식으로 해당 영역을 가릴 수 있다. 물론 비식별 대상이 포함된 영역을 잘라내는 방식으로도 이미지 패치를 생성할 수 있다. 즉, 이미지 패치는 원본 영상에서 비식별 대상의 영역이 제거된 나머지 영역을 의미한다.
한편, 검출기는 상술한 바와 같이 전처리 과정을 수행하면 사전에 학습된 검출 모델을 이용하여 건물 외벽의 하자를 검출할 수 있다. 검출기는 이미지 패치를 검출 모델의 입력값으로 이용할 수 있다. 검출 모델은 사전에 건물 하자에 대한 실측값(Ground truth)를 이용하여 학습될 수 있다. 검출 모델은 학습 과정에서 복수의 이미지 패치를 입력받고 복수의 이미지 패치 중 실측값이 포함된 일부의 이미지 패치를 선별할 수 있다. 그리고 선별된 이미지 패치에서 건물 외벽의 하자를 검출할 수 있다.
한편, 도 1에서는 검출기가 전처리 과정을 수행하여 이미지 패치를 생성하고 검출 모델이 이미지 패치를 입력받아 하자를 검출하는 것을 예시로 설명하였으나 전처리 과정을 수행하기 위한 별도의 전처리 모델이 더 구비될 수도 있다. 즉, 건물 외벽에 대한 원본 영상을 전처리 모델에 입력하여 출력값으로 이미지 패치를 획득한 후 이를 검출 모델의 입력값으로 이용하여 건물 외벽의 하자를 검출할 수도 있다. 전처리 모델 및 검출 모델은 모두 영상을 입력받아 특정 출력값을 도출하는 동작을 수행하므로 RCNN, Faster-RCNN, YOLO 또는 오토인코더와 같은 종류의 딥러닝 모델을 이용할 수 있다.
도 2는 개시된 기술의 일 실시예에 따른 사생활 보호를 위한 건물 외벽 하자 검출 방법에 대한 순서도이다. 도 2를 참조하면 건물 외벽 하자 검출 방법(200)은 210 내지 240 단계를 포함한다. 건물 외벽 하자 검출 방법(200) 검출기를 통해서 순차적으로 수행될 수 있다.
210 단계에서 검출기는 건물 외벽에 대한 영상을 수신한다. 검출기는 외부 장치로부터 전송되는 건물 외벽 영상을 입력받을 수도 있고 사전에 연결된 통신경로를 따라 관리자가 전송하는 영상을 전송받을 수도 있다. 검출기가 수신하는 영상에는 건물 외벽에 대한 하자가 포함된다.
220 단계에서 검출기는 건물 외벽 영상에서 비식별 대상을 검출한다. 비식별 대상은 건물 외벽의 하자를 검출하는 것과 무관한 객체를 의미한다. 예컨대, 건물 내 사람을 비식별 대상으로 검출할 수 있다. 검출기는 자체적으로 비식별 대상을 검출할 수도 있고 별도의 전처리 모델을 이용하여 비식별 대상을 검출할 수 있다.
230 단계에서 검출기는 비식별 대상의 영역을 영상에서 제거하여 이미지 패치를 생성한다. 230 단계에서 검출기는 건물 외벽의 하자 검출과 무관한 부분을 영상에서 제거할 수 있다. 일 실시예로, 비식별 대상이 포함된 영역을 모자이크, 블러(Blur) 및 단일 색상 평면 중 하나를 이용하여 가리거나 비식별 대상이 포함된 영역을 잘라낼 수 있다. 이와 같이 원본 영상에서 비식별 대상이 포함된 영역을 제거하여 이미지 패치를 생성할 수 있다.
240 단계에서 검출기는 이미지 패치를 검출 모델에 입력하여 건물 외벽의 하자를 검출한다. 검출 모델은 사전에 건물 외벽의 하자를 검출하기 위해 학습된 모델로, 이미지 패치를 입력받아 건물 외벽의 하자를 검출한다.
도 3은 개시된 기술의 일 실시예에 따른 사생활 보호를 위한 건물 외벽 하자 검출 장치에 대한 블록도이다. 도 3을 참조하면 건물 외벽 하자 검출 장치(300)는 수신장치(310), 저장장치(320) 및 처리장치(330)를 포함한다.
수신장치(310)는 건물 외벽에 대한 영상을 수신한다. 수신장치(310)는 영상을 전송하는 별도의 장치와 연결될 수 있다. 예컨대, 유선 또는 무선 통신으로 연결되어 별도의 장치에서 전송하는 영상을 수신할 수 있다. 물론 관리자가 입력하는 영상을 수신할 수 있도록 영상 입력 인터페이스를 더 구비할 수 있다. 가령, 키보드나 마우스와 같은 인터페이스를 통해 관리자가 입력하는 영상을 수신할 수 있다.
저장장치(320)는 검출 모델을 저장한다. 저장장치(320)는 건물 외벽 하자 검출 장치(300)에 탑재되며 검출 모델을 저장할 수 있는 저장공간 또는 용량을 가지는 메모리 형태로 구현될 수 있다. 저장장치는 검출 모델 이외에도 별도의 딥러닝 모델을 탑재할 수도 있다.
처리장치(330)는 영상에서 비식별 대상을 검출하고 비식별 대상이 포함된 영역을 제거하여 이미지 패치(Patch)를 생성한다. 그리고 이미지 패치를 검출 모델에 입력하여 건물 외벽에 발생한 하자를 검출한다. 처리장치는 건물 외벽 하자 검출 장치(300)의 CPU 내지는 AP로 구현될 수 있다.
한편, 상술한 바와 같은 건물 외벽 하자 검출 장치(300)는 컴퓨터에서 실행될 수 있는 실행가능한 알고리즘을 포함하는 프로그램(또는 어플리케이션)으로 구현될 수도 있다. 상기 프로그램은 일시적 또는 비일시적 판독 가능 매체(non-transitory computer readable medium)에 저장되어 제공될 수 있다.
비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM (read-only memory), PROM (programmable read only memory), EPROM(Erasable PROM, EPROM) 또는 EEPROM(Electrically EPROM) 또는 플래시 메모리 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
일시적 판독 가능 매체는 스태틱 램(Static RAM，SRAM), 다이내믹 램(Dynamic RAM，DRAM), 싱크로너스 디램 (Synchronous DRAM，SDRAM), 2배속 SDRAM(Double Data Rate SDRAM，DDR SDRAM), 증강형 SDRAM(Enhanced SDRAM，ESDRAM), 동기화 DRAM(Synclink DRAM，SLDRAM) 및 직접 램버스 램(Direct Rambus RAM，DRRAM) 과 같은 다양한 RAM을 의미한다.
도 4는 개시된 기술의 일 실시예에 따라 생성된 이미지 패치를 나타낸 도면이다. 검출기는 도 4에 도시된 바와 같이 원본 영상(401)에서 비식별 대상이 포함된 영역(401a, 401b)을 표시할 수 있다. 그리고 비식별 대상이 포함된 영역을 제거하여 2개의 이미지 패치들(402, 403)을 생성할 수 있다. 검출기는 비식별 대상에 대한 클래스 이름과 비식별 대상이 해당 클래스일 확률도 영상에 표시할 수 있다. 클래스 이름 및 클래스 확률은 전처리 모델을 통해 출력될 수 있다.
한편, 도 4와 같이 비식별 대상이 포함된 영역은 건물 외벽의 창문이 형성된 영역일 수 있다. 일반적으로 건물 내 사람의 움직임이나 복장, 신원 등이 창문을 통해 외부로 유출된다는 점을 고려하여 전처리 모델이 창문 영역을 비식별 대상이 포함된 영역으로 분류할 수 있도록 사전에 학습할 수 있다.
도 5는 개시된 기술의 일 실시예에 따라 검출 모델을 학습하는 과정을 나타낸 도면이다. 학습 과정에서 검출기는 각 이미지 패치들 중 하자가 존재하는 이미지 패치를 선택할 수 있다. 즉, 실측값(Ground truth)이 포함된 이미지 패치를 학습에 이용할 수 있다.
한편, 선택된 이미지 패치는 검출 모델의 입력값으로 이용된다. 검출 모델은 실측값을 토대로 이미지 패치에 어떤 하자가 포함되어 있는지 학습할 수 있다. 이러한 과정을 반복하여 검출 모델을 충분히 학습시키면 검출기는 실측값이 포함된 이미지 패치와 실측값이 포함되지 않은 이미지 패치를 검출 모델에 입력하여 성능을 테스트할 수 있다. 이러한 학습 과정을 거친 검출 모델은 나중에 원본 이미지가 그대로 입력되도 건물 외벽에 발생한 하자를 정확하게 검출할 수 있다.
개시된 기술의 일 실시예에 따른 사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치는 이해를 돕기 위하여 도면에 도시된 실시 예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 개시된 기술의 진정한 기술적 보호범위는 첨부된 특허청구범위에 의해 정해져야 할 것이다.

Claims (10)

  1. 검출기가 건물 외벽에 대한 영상을 수신하는 단계;
    상기 검출기가 상기 영상에서 비식별 대상을 검출하는 단계;
    상기 검출기가 상기 영상에서 상기 비식별 대상이 포함된 영역을 제거하여 이미지 패치(Patch)를 생성하는 단계; 및
    상기 검출기가 상기 이미지 패치를 검출 모델에 입력하여 상기 건물 외벽에 발생한 하자를 검출하는 단계;를 포함하는 사생활 보호를 위한 건물 외벽 하자 검출 방법.
  2. 제 1 항에 있어서,
    상기 비식별 대상은 상기 영상에 포함된 사람이고, 상기 비식별 대상이 포함된 영역은 상기 영상에 포함된 창문 영역인 사생활 보호를 위한 건물 외벽 하자 검출 방법.
  3. 제 1 항에 있어서,
    상기 제거하는 단계는, 상기 검출기가 상기 비식별 대상이 포함된 영역을 모자이크, 블러(Blur) 및 단일 색상 평면 중 하나를 이용하여 가리는 사생활 보호를 위한 건물 외벽 하자 검출 방법.
  4. 제 1 항에 있어서,
    상기 제거하는 단계는, 상기 검출기가 상기 영상에서 상기 비식별 대상이 포함된 영역을 잘라내는 사생활 보호를 위한 건물 외벽 하자 검출 방법.
  5. 제 1 항에 있어서,
    상기 검출 모델은 건물 하자에 대한 실측값(Ground truth)이 포함된 이미지들을 이용하여 학습되는 사생활 보호를 위한 건물 외벽 하자 검출 방법.
  6. 건물 외벽에 대한 영상을 수신하는 수신장치;
    검출 모델을 저장하는 저장장치; 및
    상기 영상에서 비식별 대상을 검출하고 상기 비식별 대상이 포함된 영역을 제거하여 이미지 패치(Patch)를 생성하고 상기 이미지 패치를 상기 검출 모델에 입력하여 상기 건물 외벽에 발생한 하자를 검출하는 처리장치;를 포함하는 사생활 보호를 위한 건물 외벽 하자 검출 장치.
  7. 제 6 항에 있어서,
    상기 비식별 대상은 상기 영상에 포함된 사람이고, 상기 비식별 대상이 포함된 영역은 상기 영상에 포함된 창문 영역인 사생활 보호를 위한 건물 외벽 하자 검출 장치.
  8. 제 6 항에 있어서,
    상기 처리장치는 상기 비식별 대상이 포함된 영역을 모자이크, 블러(Blur) 및 단일 색상 평면 중 하나로 가려서 상기 이미지 패치를 생성하는 사생활 보호를 위한 건물 외벽 하자 검출 장치.
  9. 제 6 항에 있어서,
    상기 처리장치는 상기 영상에서 상기 비식별 대상이 포함된 영역을 잘라내서 상기 이미지 패치를 생성하는 사생활 보호를 위한 건물 외벽 하자 검출 장치.
  10. 제 6 항에 있어서,
    상기 검출 모델은 건물 하자에 대한 실측값(Ground truth)이 포함된 이미지들을 이용하여 학습되는 사생활 보호를 위한 건물 외벽 하자 검출 장치.
KR1020210130706A 2021-10-01 2021-10-01 사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치 KR20230047633A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210130706A KR20230047633A (ko) 2021-10-01 2021-10-01 사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210130706A KR20230047633A (ko) 2021-10-01 2021-10-01 사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20230047633A true KR20230047633A (ko) 2023-04-10

Family

ID=85984505

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210130706A KR20230047633A (ko) 2021-10-01 2021-10-01 사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20230047633A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120109954A (ko) 2011-03-25 2012-10-09 풍림산업 주식회사 건물 외벽 하자 모니터링 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120109954A (ko) 2011-03-25 2012-10-09 풍림산업 주식회사 건물 외벽 하자 모니터링 장치

Similar Documents

Publication Publication Date Title
US10706633B2 (en) Augmented reality systems and methods for vehicle inspection
Cohen et al. Evaluating subpixel target detection algorithms in hyperspectral imagery
US20140023248A1 (en) Apparatus and method for protecting privacy information based on face recognition
US20150256552A1 (en) Imalicious code detection apparatus and method
US11145090B2 (en) Flame finding with automated image analysis
CN111753290B (zh) 软件类型的检测方法及相关设备
CN105871883A (zh) 基于攻击行为分析的高级持续性威胁检测方法
CN108280348B (zh) 基于rgb图像映射的安卓恶意软件识别方法
CN113515774B (zh) 基于投影梯度下降法生成对抗样本的隐私保护方法
CN109726601A (zh) 违规行为的识别方法及装置、存储介质、计算机设备
CN112507892A (zh) 基于深度学习的特种场所重点人员穿着识别处理的系统、方法、装置、处理器及其存储介质
CN111612786A (zh) 基于全卷积神经网络的混凝土缺陷检测方法、装置及存储介质
KR20220137236A (ko) 사생활 침해를 방지하는 건물 외벽 하자 검출 방법 및 장치
US20220005178A1 (en) Information processing apparatus, information processing method, and information processing system
CN116758493B (zh) 基于图像处理的隧道施工监测方法、装置及可读存储介质
KR20230047633A (ko) 사생활 보호를 위한 건물 외벽 하자 검출 방법 및 장치
KR20220137237A (ko) 사생활 침해를 방지하는 건물 외벽 하자 검출 방법 및 장치
CN108509796B (zh) 一种风险性的检测方法及服务器
KR102294391B1 (ko) 객체 탐지 방법 및 이를 수행하기 위한 장치
CN111062415B (zh) 基于对比差异的目标对象图像提取方法、系统及存储介质
CN104966019B (zh) 一种启发式文档威胁检测方法及系统
CN112950443A (zh) 基于图像贴纸的自适应隐私保护方法、系统、设备及介质
CN111402185B (zh) 一种图像检测方法及装置
KR102106415B1 (ko) X선 영상 분석을 이용한 보안 장치, 보안 방법, 및 보안 시스템
CN115766090A (zh) 一种多特征融合神经网络网络安全检测方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal