KR20230102952A

KR20230102952A - 영상 분석을 통한 사고 인원 판단 시스템 및 방법

Info

Publication number: KR20230102952A
Application number: KR1020210193456A
Authority: KR
Inventors: 정석찬; 전영준; 오성훈; 최은성
Original assignee: 동의대학교 산학협력단
Priority date: 2021-12-30
Filing date: 2021-12-30
Publication date: 2023-07-07

Abstract

영상 분석을 통한 사고 인원 판단 시스템 및 방법이 제공된다. 본 발명의 실시예에 따른 영상 분석을 통한 사고 인원 판단 시스템은, 사고 영상을 획득하고 분류하는 사고 영상 분류부; 상기 사고 영상 중 사고 차량 영상을 분석하여 차량의 종류를 확인하고, 상기 사고 차량 내 탑승 인원을 확인하는 사고 차량 분석부; 사고 영상 중 사고 행인 영상을 분석하여 사고 발생 직전에 차량 사고 장소에 위치한 행인 사고 인원을 확인하는 사고 행인 분석부; 및 상기 사고 발생을 통해 부상 당한 사고 인원 수를 기반으로 출동하여야 할 구급차의 대수를 결정하고, 주변 출동 거점들에 출동 구급차를 분배하는 출동 구급차 분배부;를 포함한다.

Description

영상 분석을 통한 사고 인원 판단 시스템 및 방법{System and method for determining the number of passengers through video analysis}

본 발명은 영상 분석을 통한 사고 인원 판단 시스템 및 방법에 관한 것으로, 특히, 기존의 차량의 번호판이나 차량의 위치를 파악하는 것이 아닌 차량의 최대탑승 인원을 파악하는 것으로 다양한 방면에서 사용될 수 있으며, 특히 차량의 사고 시 부족하지 않은 숫자의 구급 차량을 급파할 수 있도록 사람의 수를 최대로 예측할 수 있는 영상 분석을 통한 사고 인원 판단 시스템 및 방법에 관한 것이다.

도로에서 차량의 사고 발생 시에 전화로 신고를 받으면서 사고정보에 관한 상세한 내용을 듣는 방식으로 사고를 파악한다면 사고 파악에 시간이 다소 걸리는 데다가 신고자가 사고로 인해 당황한 상태라면 자세한 사고 현장 파악이 어려우며 도로 CCTV 관제 시스템에서 확인할 수 있는 사고라도 사고 현장을 찾아내는 데에는 시간이 다소 걸린다. 이를 해결하기 위해 지능형 교통관제 시스템(ITS)의 발명이 진행되고 있으며 이를 통해 교통사고를 조기에 진단하고 사망자를 줄이는 방법이 연구되고 있다.

이러한 경우, 사망자를 줄이고 골든 타임 내에 부상자의 이송을 완료하기 위해서는 충분한 수의 구급차의 출동이 요구되지만, 해당 사고 현장에 과도한 수의 구급차가 출동하는 경우 다른 지역의 사고 발생 시 출동가능한 구급차의 댓수가 감소할 수 있는 문제점이 존재한다.

한국 등록특허 제 10-0783803호

상기와 같은 종래 기술의 문제점을 해결하기 위해, 본 발명의 일 실시예는 사고 영상을 YOLO 알고리즘을 통해 분석하여 차량 사고 인원 및 행인 사고 인원을 확인하여 알맞은 대수의 구급차를 출동 시킬 수 있는 영상 분석을 통한 사고 인원 판단 시스템 및 방법을 제공하고자 한다.

위와 같은 과제를 해결하기 위한 본 발명의 일 측면에 따르면, 영상 분석을 통한 사고 인원 판단 시스템이 제공된다. 상기 영상 분석을 통한 사고 인원 판단 시스템은 사고 영상을 획득하고 분류하는 사고 영상 분류부; 상기 사고 영상 중 사고 차량 영상을 분석하여 차량의 종류를 확인하고, 상기 사고 차량 내 탑승 인원을 확인하는 사고 차량 분석부; 사고 영상 중 사고 행인 영상을 분석하여 사고 발생 직전에 차량 사고 장소에 위치한 행인 사고 인원을 확인하는 사고 행인 분석부; 및 상기 사고 발생을 통해 부상 당한 사고 인원 수를 기반으로 출동하여야 할 구급차의 대수를 결정하고, 주변 출동 거점들에 출동 구급차를 분배하는 출동 구급차 분배부;를 포함한다.

상기 사고 영상 분류부는, 사고 발생 위치의 영상을 획득하는 사고 발생 위치 영상 획득 모듈; 상기 사고 발생 위치 영상 중 YOLO 알고리즘을 이용하여 상기 사고 차량에 관련된 영상인 상기 사고 차량 영상을 획득하는 사고 차량 영상 분류 모듈; 및 상기 사고 발생 위치 영상 중 상기 사고 행인에 관련된 영상인 상기 사고 행인 영상을 획득하는 사고 행인 영상 분류 모듈;를 포함할 수 있다.

상기 사고 발생 위치 영상 획득 모듈은, 사고 발생 위치를 판별하기 위해 사고 발생 직전 기 설정된 시간만큼의 차량 이동 방향 및 속력을 획득하고, 이를 이용하여 사고 발생 위치를 판별할 수 있다.

상기 사고 차량 분석부는, 상기 사고 차량 영상에 포함된 상기 사고 차량의 종류를 확인하여 상기 사고 차량에 탑승 가능한 최대 탑승 인원을 확인하는 사고 차량 종류 확인 모듈; 상기 차량 종류 및 YOLO 알고리즘을 이용하여 상기 사고 차량에 실제 탑승하고 있는 탑승 인원을 확인하는 실제 탑승 인원 확인 모듈; 상기 사고 차량에 탑승하고 있는 실제 탑승 인원을 이용하여 차량 사고 피해 인원을 결정하는 차량 사고 인원 결정 모듈; 및 상기 사고 차량의 속도 및 충돌 방향을 이용하여 상기 사고 차량에 탑승하고 있는 상기 차량 사고 피해 인원의 부상 정도를 예측하는 탑승 인원 부상 예측 모듈;을 포함할 수 있다.

상기 사고 행인 분석부는, 상기 사고 위치 영상 중 차량과의 충돌로 발생할 수 있는 피해 범위에 포함된 영역에 위치한 행인 중 상기 사고 행인의 수를 확인하는 사고 행인 확인 모듈; 및 상기 피해 범위 및 충격량을 이용하여 상기 사고 행인 별로 예상 부상 정도를 확인하는 부상 정도 예측 모듈;을 포함할 수 있다.

상기 피해 범위는 사고 발생 위치를 기준으로 사고 차량의 이동 방향 및 속력을 이용하여 예측되는 영역이며, 상기 부상 정도 예측 모듈은, 상기 피해 범위에 포함되는 상기 사고 행인 별로 상기 사고 차량의 속도를 이용하여 계산된 최초 충격량과 상기 사고 행인의 충격 형태를 이용하여 상기 부상 정도를 예측할 수 있다.

상기 출동 구급차 분배부는, 상기 사고 인원 수와 부상 정도를 이용하여 상기 사고 인원의 부상 등급을 예측하는 부상 등급 예측 모듈; 상기 부상 등급에 따라 필수 대응 시간을 계산하고, 필수 대응 시간에 따라 거리 별로 상기 출동 구급차를 배정하는 구급차 배정 모듈; 및 상기 출동 구급차의 배정을 위해 기 설정된 거리 내의 상기 출동 거점들의 잔여 출동 가능 구급차를 확인하고, 상기 거리 별로 배정된 상기 출동 구급차를 각 상기 출동 거점에 분배하여 출동을 요청하는 구급차 출동 요청 모듈;을 포함할 수 있다.

본 발명의 일 측면에 따르면, 영상 분석을 통한 사고 인원 판단 방법이 제공된다. 상기 영상 분석을 통한 사고 인원 판단 방법은 사고 영상 분류부를 이용하여 사고 영상을 획득하고 분류하는 단계; 사고 차량 분석부를 이용하여 상기 사고 영상 중 사고 차량 영상을 분석하여 차량의 종류를 확인하고, 상기 사고 차량 내 탑승 인원을 확인하는 단계; 사고 행인 분석부를 이용하여 사고 영상 중 사고 행인 영상을 분석하여 사고 발생 직전에 차량 사고 장소에 위치한 행인 사고 인원을 확인하는 단계; 및 출동 구급차 분배부를 이용하여 상기 사고 발생을 통해 부상 당한 사고 인원 수를 기반으로 출동하여야 할 구급차의 대수를 결정하고, 주변 출동 거점들에 출동 구급차를 분배하는 단계;를 포함한다.

본 발명의 일 실시예에 따른 영상 분석을 통한 사고 인원 판단 시스템 및 방법은, 차량 분류를 통해 차량의 최대탑승 인원을 파악하여 차량의 사고 시에 부족하지 않은 숫자의 구급 차량을 급파하여 부상자의 골든타임을 놓치지 않도록 차량의 최대탑승 인원 및 인도를 통해 걷고 있는 사람의 수를 제공하며 이를 통해 부족하지 않은 숫자의 구급 차량을 보낼 수 있도록 하는 효과가 있다.

도 1은 본 발명의 실시예에 따른 영상 분석을 통한 사고 인원 판단 시스템의 블록도이다.
도 2는 도 1의 사고 영상 분류부를 상세히 나타낸 블록도이다.
도 3은 도 1의 사고 차량 분석부를 상세히 나타낸 블록도이다.
도 4는 도 1의 사고 행인 분석부를 상세히 나타낸 블록도이다.
도 5는 도 1의 출동 구급차 분배부를 상세히 나타낸 블록도이다.
도 6은 본 발명의 실시예에 따른 영상 분석을 통한 사고 인원 판단 방법을 나타낸 순서도이다.
도 7은 도 6의 단계 S11을 나타낸 순서도이다.
도 8은 도 6의 단계 S13을 나타낸 순서도이다.
도 9는 도 6의 단계 S15를 나타낸 순서도이다.
도 10은 도 6의 단계 S17을 나타낸 순서도이다.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙였다.

도 1은 본 발명의 실시예에 따른 영상 분석을 통한 사고 인원 판단 시스템의 블록도이고, 도 2는 도 1의 사고 영상 분류부를 상세히 나타낸 블록도이며, 도 3은 도 1의 사고 차량 분석부를 상세히 나타낸 블록도이고, 도 4는 도 1의 사고 행인 분석부를 상세히 나타낸 블록도이며, 도 5는 도 1의 출동 구급차 분배부를 상세히 나타낸 블록도이다. 이하에서는 도 1 내지 도 5를 이용하여 본 발명의 일 실시예에 따른 영상 분석을 통한 사고 인원 판단 시스템(이하 판단 시스템이라 함)에 대하여 상세히 설명하도록 한다.

본 발명의 일 실시예에 따른 판단 시스템(1)은 CCTV 등을 통해 획득되는 사고 영상을 분석하여 차량 사고 현황과 행인 사고 현황을 구분하여 확인할 수 있도록 형성된다. 차량 사고 현황과 행인 사고 현황을 구분하여 차량 사고 인원 및 행인 사고 인원을 파악하고, 파악한 각 사고 인원에 대한 부상 정도를 예측하는 계산을 통해 등급화를 수행하면, 긴급 이송 요구 환자와 현장 치료 가능 환자 등의 구분이 가능해진다. 이를 이용하면 사고로 발생한 환자의 상태에 대응하여 탄력적으로 구급차의 출동 분배가 가능해지며, 이로 인해 구급차의 과다 출동으로 발생할 수 있는 다른 지역의 구급차 부족 사태를 방지할 수 있는 효과가 존재한다.

이를 위해 본 발명의 일 실시예에 따른 판단 시스템(1)은 도 1에 도시된 바와 같이 사고 영상 분류부(11), 사고 차량 분석부(13), 사고 행인 분석부(15), 출동 구급차 분배부(17)를 포함하도록 형성될 수 있다.

사고 영상 분류부(11)는 사고 위치에서의 사고 영상을 획득하고 분류하기 위해 형성된다. 사고 영상 분류부(11)는 도 2에 도시된 바와 같이 사고 발생 위치 영상 획득 모듈(111), 사고 차량 영상 분류 모듈(113) 및 사고 행인 영상 분류 모듈(115)을 포함하도록 형성될 수 있다.

사고 발생 위치 영상 획득 모듈(111)은 사고 발생 위치의 영상을 획득하도록 형성된다. 사고 발생 위치 영상 획득 모듈(111)은 일 예로 CCTV 등과 같이 기 설치된 카메라로부터 영상을 획득할 수 있다. 사고 발생 위치 영상 획득 모듈(111)은 사고 발생 위치를 판별하기 위해 사고 발생 직전 기 설정된 시간만큼의 차량 속도를 획득하고, 이를 이용하여 사고 발생 위치를 판별할 수 있다.

사고 차량 영상 분류 모듈(113)은 사고 발생 위치 영상을 전달 받으면 YOLO 알고리즘을 이용하여 사고 차량에 관련된 영상인 사고 차량 영상을 획득하도록 형성된다. YOLO 알고리즘은 익히 알려진 기계학습 알고리즘으로 이하에서 해당 알고리즘에 대한 설명은 생략하도록 한다.

사고 행인 영상 분류 모듈(115)은 사고 발생 위치 영상을 전달 받으면 YOLO 알고리즘을 이용하여 사고 행인에 관련된 영상인 사고 행인 영상을 획득하도록 형성된다. 여기서 사고 행인 영상의 경우에는, 사고 발생 위치에서 사고로 인해 부상 당한 행인에 대한 영상일 수 있다.

사고 영상을 획득하여 사고 차량 영상과 사고 행인 영상으로의 분류가 완료되면, 본 발명의 판단 시스템(1)은 각각의 영상을 사고 차량 분석부(13) 또는 사고 행인 분석부(15)로 전달하여 세부 분석을 수행할 수 있다.

사고 차량 분석부(13)는 사고 영상 중 사고 차량 영상을 분석하여 사고 차량의 종류를 확인하고, 차량 내 탑승 인원을 확인하도록 형성된다. 이를 위해 본 발명의 사고 차량 분석부(13)는 도 3에 도시된 바와 같이 사고 차량 종류 확인 모듈(131), 실제 탑승 인원 확인 모듈(133), 사고 인원 결정 모듈(135) 및 탑승 인원 부상 예측 모듈(137)을 포함하여 형성될 수 있다.

사고 차량 종류 확인 모듈(131)은 사고 차량 영상에 포함된 사고 차량의 종류를 확인하여 사고 차량에 탑승 가능한 최대 탑승 인원을 확인할 수 있다. 각각의 차량은 종류에 따라 그 형태나 로고 등 외관에서 차이점이 나타난다. 또, 차량의 최초 제작되고 인증되는 자료에는 해당 차량에 최대 탑승 가능한 인원이 나타나고 있다. 따라서, 사고 차량 종류 확인 모듈(131)은 사고 차량 영상의 분석을 통해 사고 차량의 종류를 확인하면, 해당 차량 종류의 최대 탑승 인원 정보를 획득할 수 있으며, 이를 통해 해당 차량에 탑승 가능한 인원 수인 최대 탑승 인원을 확인할 수 있다.

실제 탑승 인원 확인 모듈(133)은 차량 종류 및 YOLO 알고리즘을 이용하여 해당 사고 차량에 실제 탑승하고 있던 탑승 인원을 추출할 수 있다.

또, 차량 사고 인원 결정 모듈(135)은 실제 탑승 인원 확인 모듈(133)을 통해 획득한 사고 차량에 탑승하고 있는 실제 탑승 인원을 이용하여 해당 사고에서의 차량 사고 피해 인원을 결정하도록 형성될 수 있다.

차량의 종류에 따라 획득되는 최대 탑승 인원수에 대응하여 구급차를 출동시키는 경우, 실제 사고 차량에 탑승자가 1명 뿐이면 출동한 나머지 구급차들은 잉여 구급차로 취급되어 필요한 사고 현장에 분배되어 출동하지 못하는 상황이 발생할 수가 있다. 따라서, 실제 탑승 인원 확인 모듈(133)은 차량 종류와 YOLO 알고리즘을 이용하여 해당 사고 차량에 실제 탑승하고 있던 탑승 인원 수를 한번 더 검증하고, 차량 사고 인원 결정 모듈(135)을 통해 차량 사고 피해 인원을 결정함으로써 실제로 차량 사고자 수에 알맞은 수의 구급차를 출동시킬 수 있다.

탑승 인원 부상 예측 모듈(137)은 차량 사고 피해 인원의 부상 정도를 예측하기 위해 구비된다. 탑승 인원 부상 예측 모듈(137)은 사고 차량의 속도 및 충돌 방향을 기 생성된 알고리즘에 적용하여 사고 차량에 탑승하고 있는 차량 사고 피해 인원의 부상 정도를 예측할 수 있다.

상술한 바와 같이 사고 차량 분석부(13)는 사고 차량의 종류를 확인하고 해당 차량의 실제 탑승 인원 수를 획득하며, 획득한 탑승 인원 수만큼의 차량 사고 피해 인원을 결정하며, 결정된 차량 사고 피해 인원에 대하여 부상 정도를 예측하도록 형성된다.

하술되는 사고 행인 분석부(15)는 상술한 사고 차량으로 인해 발생할 수 있는 사고 행인에 대한 정보를 획득하기 위해 형성되며, 사고 영상 중 사고 행인 영상을 분석하여 사고 발생 직전에 차량 사고 장소에 위치한 행인인 행인 사고 인원을 확인할 수 있다. 이를 위해 사고 행인 분석부(15)는 도 4에 도시된 바와 같이 사고 행인 확인 모듈(151) 및 사고 행인 부상 예측 모듈(153)을 포함하여 형성될 수 있다.

사고 행인 확인 모듈(151)은 사고 위치 영상 중 차량과의 충돌로 발생할 수 있는 피해 범위에 포함된 영역에 위치한 행인 중 사고 행인의 수를 확인하기 위해 형성된다. 차량 사고에 행인이 휘말린 경우 주변 전체 행인에 대하여 구급차를 출동시키는 것은 불가능에 가깝기 때문에 사고 행인 확인 모듈(151)은 사고 피해 범위를 계산하고, 피해 범위에 위치한 행인의 수를 사고 행인의 수로 결정하고 확인할 수 있다.

여기서 피해 범위는 사고 발생 위치를 기준으로 사고 차량의 이동 방향 및 속력을 이용하여 예측되는 영역이며, 기 설정된 알고리즘 또는 계산식을 통해 일정 영역을 획득하도록 형성된다.

사고 행인 부상 예측 모듈(153)은 피해 범위 및 충격량을 이용하여 사고 행인 별로 예상 부상 정도를 확인하도록 형성된다. 사고 행인 부상 예측 모듈(153)은 획득한 피해 범위와, 사고 차량의 속도, 충돌 방향 및 충돌 대상을 이용하여 전체 충격량을 계산하고, 전체 충격량과 사고 행인의 충격 형태 등을 이용하여 기 설정된 계산식을 통해 사고 행인의 부상 정도를 예측할 수 있다.

출동 구급차 분배부(17)는 상술한 사고 차량 분석부(13) 및 사고 행인 분석부(15)를 통해 획득된 차량 사고 피해 인원과 사고 행인에 대한 정보를 이용하여 출동 구급차 대수를 결정하고, 분배하기 위해 형성된다. 출동 구급차 분배부(17)는 사고 인원 수를 기반으로 출동하여야 할 구급차의 대수를 결정하고, 주변 출동 거점들에 출동 구급차를 분배할 수 있으며, 이를 위해 도 5에 도시되는 바와 같이 부상 등급 예측 모듈(171), 구급차 배정 모듈(173) 및 구급차 출동 요청 모듈(175)을 포함할 수 있다.

부상 등급 예측 모듈(171)은 사고 인원 수와 부상 정도를 이용하여 사고 인원의 부상 등급을 예측할 수 있다. 부상 등급 예측 모듈(171)은 차량 사고 피해 인원 및 사고 행인의 충격량을 이용하여 각 인원의 부상 등급을 적어도 2단계로 구분하여 예측할 수 있다. 예측되는 부상 등급은 후술되는 구급차의 배정을 위해 사용될 수 있으며, 중상 환자와 경상 환자로 구분될 수 있고, 필요한 경우 현장 치료 환자 등급을 더 포함할 수도 있다.

구급차 배정 모듈(173)은 부상 등급 예측 모듈(171)에서 예측된 부상 등급에 따라 각 사고 인원에 대한 필수 대응 시간을 계산하고, 필수 대응 시간에 따라 거리 별로 출동 구급차를 배정할 수 있다. 일반적으로, 현대사회에서는 다양한 사고들이 끊임없이 발생하기 때문에 복수의 출동 거점(소방서, 병원 등)에 항상 충분한 구급차가 존재할 수는 없다. 따라서, 본 발명에서는 부상 등급에 따라 필수 대응 시간에 차이가 있는 점을 이용하여 구급차 배정 모듈(173)은 사고 현장을 기준으로 기 설정된 거리를 구급차 배정 영역으로 설정하고, 해당 영역 내의 출동 거점의 위치와 해당 거점에 구비된 구급차의 대수를 확인한다.

이후, 구급차 배정 모듈(173)은 사고 인원에 대한 부상 등급 분류를 확인하여 필수 대응 시간을 확인하고, 각각의 필수 대응 시간에 사고 현장까지 출동 가능한 구급차를 배정할 수 있다.

한편, 본 발명의 구급차 출동 요청 모듈(175)은 구급차 배정 모듈(173)에서 배정되는 구급차를 보다 효율적으로 출동시킬 수 있도록 최적화 작업을 더 수행하도록 구비될 수 있다.

구급차 출동 요청 모듈(175)은 부상 등급에 따라 구급차 배정 최적화 작업을 수행하며, 바람직하게는 중상 이상의 부상이 발생한 환자에 대해서는 최적화 작업을 제외하고 도착 시간이 가장 짧은 출동 거점에 해당 환자에 대해 배정된 구급차의 출동을 요청할 수 있다.

구급차 출동 요청 모듈(175)은 부상 등급이 경상 이하로 기 설정된 필수 대응 시간 이상의 대응 시간을 가지는 환자들에 대해서는 구급차 배정 영역 전체에 위치한 출동 거점들의 잔여 구급차 대수를 각각 확인하고, 잔여 구급차 비율이 가장 높은 출동 거점 순서대로 출동 구급차를 배정하고, 출동을 요청할 수도 있다. 또, 3단계로 분류하여 현장 치료 등급이 존재하는 경우에는, 구급차 출동 요청 모듈(175)은 해당 등급에 대한 구급차의 배정 대수를 최소화 하는 대신, 주변 병원이나 의원 등 보조 거점을 경유하여 해당 보조 거점으로부터 충분한 수의 의료진을 확보하여 현장에 도착하도록 구급차의 출동을 요청할 수도 있다.

한편, 도 6 내지 도 10에는 본 발명의 다른 실시예에 따른 영상 분석을 통한 사고 인원 판단 방법(이하, 판단 방법이라 함)이 도시되고 있다. 도 6은 본 발명의 실시예에 따른 영상 분석을 통한 사고 인원 판단 방법을 나타낸 순서도이고, 도 7은 도 6의 단계 S11을 나타낸 순서도이며, 도 8은 도 6의 단계 S13을 나타낸 순서도이고, 도 9는 도 6의 단계 S15를 나타낸 순서도이며, 도 10은 도 6의 단계 S17을 나타낸 순서도이다.

이하에서는 설명의 편의상 상술한 판단 시스템을 이용하는 것으로 설명하였지만, 본 발명은 이에 단순히 한정되지는 않으며 유사한 동작을 수행할 수 있는 다양한 장치, 시스템 및 단말기를 통해 수행될 수 있다.

본 발명의 일 실시예에 따른 판단 방법(10)은 CCTV 등을 통해 획득되는 사고 영상을 분석하여 차량 사고 현황과 행인 사고 현황을 구분하여 확인할 수 있도록 형성된다. 차량 사고 현황과 행인 사고 현황을 구분하여 차량 사고 인원 및 행인 사고 인원을 파악하고, 파악한 각 사고 인원에 대한 부상 정도를 예측하는 계산을 통해 등급화를 수행하면, 긴급 이송 요구 환자와 현장 치료 가능 환자 등의 구분이 가능해진다. 이를 이용하면 사고로 발생한 환자의 상태에 대응하여 탄력적으로 구급차의 출동 분배가 가능해지며, 이로 인해 구급차의 과다 출동으로 발생할 수 있는 다른 지역의 구급차 부족 사태를 방지할 수 있는 효과가 존재한다.

이를 위해 본 발명의 일 실시예에 따른 판단 방법(10)은 도 6에 도시된 바와 같이 사고 영상을 분류하는 단계(S11), 사고 차량 영상을 분석하는 단계(S13), 사고 행인 영상을 분석하는 단계(S15), 출동 구급차를 분배하는 단계(S17)를 포함하도록 형성될 수 있다.

사고 영상을 분류하는 단계(S11)는 사고 영상 분류부를 이용하여 사고 위치에서의 사고 영상을 획득하고 분류하기 위해 형성된다. 사고 영상을 분류하는 단계(S11)는 도 7에 도시된 바와 같이 사고 발생 위치 영상을 획득하는 단계(S111), 사고 차량 영상을 분류하는 단계(S113) 및 사고 행인 영상을 분류하는 단계(S115)를 포함하도록 형성될 수 있다.

사고 발생 위치 영상을 획득하는 단계(S111)는 사고 발생 위치의 영상을 획득하도록 형성된다. 사고 발생 위치 영상을 획득하는 단계(S111)는 일 예로 CCTV 등과 같이 기 설치된 카메라로부터 영상을 획득할 수 있다. 사고 발생 위치 영상을 획득하는 단계(S111)는 사고 발생 위치를 판별하기 위해 사고 발생 직전 기 설정된 시간만큼의 차량 속도를 획득하고, 이를 이용하여 사고 발생 위치를 판별할 수 있다.

사고 차량 영상을 분류하는 단계(S113)는 사고 발생 위치 영상을 전달 받으면 YOLO 알고리즘을 이용하여 사고 차량에 관련된 영상인 사고 차량 영상을 획득하도록 형성된다. YOLO 알고리즘은 익히 알려진 기계학습 알고리즘으로 이하에서 해당 알고리즘에 대한 설명은 생략하도록 한다.

사고 행인 영상을 분류하는 단계(S115)는 사고 발생 위치 영상을 전달 받으면 YOLO 알고리즘을 이용하여 사고 행인에 관련된 영상인 사고 행인 영상을 획득하도록 형성된다. 여기서 사고 행인 영상의 경우에는, 사고 발생 위치에서 사고로 인해 부상 당한 행인에 대한 영상일 수 있다.

사고 영상을 획득하여 사고 차량 영상과 사고 행인 영상으로의 분류가 완료되면, 본 발명의 판단 방법(10)에서는 각각의 영상을 사고 차량 영상을 분석하는 단계(S13) 또는 사고 행인 영상을 분석하는 단계(S15)로 전달하여 세부 분석을 수행할 수 있다.

사고 차량 영상을 분석하는 단계(S13)는 사고 차량 분석부를 이용하여 사고 영상 중 사고 차량 영상을 분석하여 사고 차량의 종류를 확인하고, 차량 내 탑승 인원을 확인하도록 형성된다. 이를 위해 본 발명의 사고 차량 영상을 분석하는 단계(S13)는 도 8에 도시된 바와 같이 사고 차량 종류를 확인하는 단계(S131), 실제 탑승 인원을 확인하는 단계(S133), 사고 인원 결정 모듈(135) 및 탑승 인원의 부상 정도를 예측하는 단계(S137)를 포함하여 형성될 수 있다.

사고 차량 종류를 확인하는 단계(S131)는 사고 차량 영상에 포함된 사고 차량의 종류를 확인하여 사고 차량에 탑승 가능한 최대 탑승 인원을 확인할 수 있다. 각각의 차량은 종류에 따라 그 형태나 로고 등 외관에서 차이점이 나타난다. 또, 차량의 최초 제작되고 인증되는 자료에는 해당 차량에 최대 탑승 가능한 인원이 나타나고 있다. 따라서, 사고 차량 종류를 확인하는 단계(S131)는 사고 차량 영상의 분석을 통해 사고 차량의 종류를 확인하면, 해당 차량 종류의 최대 탑승 인원 정보를 획득할 수 있으며, 이를 통해 해당 차량에 탑승 가능한 인원 수인 최대 탑승 인원을 확인할 수 있다.

실제 탑승 인원을 확인하는 단계(S133)은 차량 종류 및 YOLO 알고리즘을 이용하여 해당 사고 차량에 실제 탑승하고 있던 탑승 인원을 추출할 수 있다.

또, 차량 사고 인원을 결정하는 단계(S135)는 실제 탑승 인원을 확인하는 단계(S133을 통해 획득한 사고 차량에 탑승하고 있는 실제 탑승 인원을 이용하여 해당 사고에서의 차량 사고 피해 인원을 결정하도록 형성될 수 있다.

차량의 종류에 따라 획득되는 최대 탑승 인원수에 대응하여 구급차를 출동시키는 경우, 실제 사고 차량에 탑승자가 1명 뿐이면 출동한 나머지 구급차들은 잉여 구급차로 취급되어 필요한 사고 현장에 분배되어 출동하지 못하는 상황이 발생할 수가 있다. 따라서, 실제 탑승 인원을 확인하는 단계(S133)은 차량 종류와 YOLO 알고리즘을 이용하여 해당 사고 차량에 실제 탑승하고 있던 탑승 인원 수를 한번 더 검증하고, 차량 사고 인원을 결정하는 단계(S135)를 통해 차량 사고 피해 인원을 결정함으로써 실제로 차량 사고자 수에 알맞은 수의 구급차를 출동시킬 수 있다.

탑승 인원의 부상 정도를 예측하는 단계(S137)는 차량 사고 피해 인원의 부상 정도를 예측하기 위해 구비된다. 탑승 인원의 부상 정도를 예측하는 단계(S137)는 사고 차량의 속도 및 충돌 방향을 기 생성된 알고리즘에 적용하여 사고 차량에 탑승하고 있는 차량 사고 피해 인원의 부상 정도를 예측할 수 있다.

상술한 바와 같이 사고 차량 영상을 분석하는 단계(S13)는 사고 차량의 종류를 확인하고 해당 차량의 실제 탑승 인원 수를 획득하며, 획득한 탑승 인원 수만큼의 차량 사고 피해 인원을 결정하며, 결정된 차량 사고 피해 인원에 대하여 부상 정도를 예측하도록 형성된다.

하술되는 사고 행인 영상을 분석하는 단계(S15)는 상술한 사고 차량으로 인해 발생할 수 있는 사고 행인에 대한 정보를 획득하기 위해 형성되며, 사고 행인 분석부를 이용하여 사고 영상 중 사고 행인 영상을 분석하여 사고 발생 직전에 차량 사고 장소에 위치한 행인인 행인 사고 인원을 확인할 수 있다. 이를 위해 사고 행인 영상을 분석하는 단계(S15)는 도 9에 도시된 바와 같이 사고 행인을 확인하는 단계(S151) 및 사고 행인의 부상 정도를 예측하는 단계(S153)를 포함하여 형성될 수 있다.

사고 행인을 확인하는 단계(S151)는 사고 위치 영상 중 차량과의 충돌로 발생할 수 있는 피해 범위에 포함된 영역에 위치한 행인 중 사고 행인의 수를 확인하기 위해 형성된다. 차량 사고에 행인이 휘말린 경우 주변 전체 행인에 대하여 구급차를 출동시키는 것은 불가능에 가깝기 때문에 사고 행인을 확인하는 단계(S151)는 사고 피해 범위를 계산하고, 피해 범위에 위치한 행인의 수를 사고 행인의 수로 결정하고 확인할 수 있다.

사고 행인의 부상 정도를 예측하는 단계(S153)는 피해 범위 및 충격량을 이용하여 사고 행인 별로 예상 부상 정도를 확인하도록 형성된다. 사고 행인의 부상 정도를 예측하는 단계(S153)는 획득한 피해 범위와, 사고 차량의 속도, 충돌 방향 및 충돌 대상을 이용하여 전체 충격량을 계산하고, 전체 충격량과 사고 행인의 충격 형태 등을 이용하여 기 설정된 계산식을 통해 사고 행인의 부상 정도를 예측할 수 있다.

출동 구급차를 분배하는 단계(S17)는 상술한 사고 차량 영상을 분석하는 단계(S13) 및 사고 행인 영상을 분석하는 단계(S15)를 통해 획득된 차량 사고 피해 인원과 사고 행인에 대한 정보를 이용하여 출동 구급차 대수를 결정하고, 분배하기 위해 형성된다. 출동 구급차를 분배하는 단계(S17)는 출동 구급차 분배부를 이용하여 사고 인원 수를 기반으로 출동하여야 할 구급차의 대수를 결정하고, 주변 출동 거점들에 출동 구급차를 분배할 수 있으며, 이를 위해 도 10에 도시되는 바와 같이 부상 등급을 예측하는 단계(S171), 구급차를 배정하는 단계(S173) 및 구급차 출동을 요청하는 단계(S175)를 포함할 수 있다.

부상 등급을 예측하는 단계(S171)는 사고 인원 수와 부상 정도를 이용하여 사고 인원의 부상 등급을 예측할 수 있다. 부상 등급을 예측하는 단계(S171)는 차량 사고 피해 인원 및 사고 행인의 충격량을 이용하여 각 인원의 부상 등급을 적어도 7단계로 구분하여 예측할 수 있다. 예측되는 부상 등급은 후술되는 구급차의 배정을 위해 사용될 수 있으며, 중상 환자와 경상 환자로 구분될 수 있고, 필요한 경우 현장 치료 환자 등급을 더 포함할 수도 있다.

구급차를 배정하는 단계(S173)는 부상 등급을 예측하는 단계(S171)에서 예측된 부상 등급에 따라 각 사고 인원에 대한 필수 대응 시간을 계산하고, 필수 대응 시간에 따라 거리 별로 출동 구급차를 배정할 수 있다. 일반적으로, 현대사회에서는 다양한 사고들이 끊임없이 발생하기 때문에 복수의 출동 거점(소방서, 병원 등)에 항상 충분한 구급차가 존재할 수는 없다. 따라서, 본 발명에서는 부상 등급에 따라 필수 대응 시간에 차이가 있는 점을 이용하여 구급차를 배정하는 단계(S173)는 사고 현장을 기준으로 기 설정된 거리를 구급차 배정 영역으로 설정하고, 해당 영역 내의 출동 거점의 위치와 해당 거점에 구비된 구급차의 대수를 확인한다.

이후, 구급차를 배정하는 단계(S173)는 사고 인원에 대한 부상 등급 분류를 확인하여 필수 대응 시간을 확인하고, 각각의 필수 대응 시간에 사고 현장까지 출동 가능한 구급차를 배정할 수 있다.

한편, 본 발명의 구급차 출동을 요청하는 단계(S175)는 구급차를 배정하는 단계(S173)에서 배정되는 구급차를 보다 효율적으로 출동시킬 수 있도록 최적화 작업을 더 수행하도록 구비될 수 있다.

구급차 출동을 요청하는 단계(S175)는 부상 등급에 따라 구급차 배정 최적화 작업을 수행하며, 바람직하게는 중상 이상의 부상이 발생한 환자에 대해서는 최적화 작업을 제외하고 도착 시간이 가장 짧은 출동 거점에 해당 환자에 대해 배정된 구급차의 출동을 요청할 수 있다.

구급차 출동을 요청하는 단계(S175)는 부상 등급이 경상 이하로 기 설정된 필수 대응 시간 이상의 대응 시간을 가지는 환자들에 대해서는 구급차 배정 영역 전체에 위치한 출동 거점들의 잔여 구급차 대수를 각각 확인하고, 잔여 구급차 비율이 가장 높은 출동 거점 순서대로 출동 구급차를 배정하고, 출동을 요청할 수도 있다. 또, 3단계로 분류하여 현장 치료 등급이 존재하는 경우에는, 구급차 출동을 요청하는 단계(S175)는 해당 등급에 대한 구급차의 배정 대수를 최소화 하는 대신, 주변 병원이나 의원 등 보조 거점을 경유하여 해당 보조 거점으로부터 충분한 수의 의료진을 확보하여 현장에 도착하도록 구급차의 출동을 요청할 수도 있다.

이상에서 본 발명의 일 실시예에 대하여 설명하였으나, 본 발명의 사상은 본 명세서에 제시되는 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서, 구성요소의 부가, 변경, 삭제, 추가 등에 의해서 다른 실시 예를 용이하게 제안할 수 있을 것이나, 이 또한 본 발명의 사상범위 내에 든다고 할 것이다.

1: 영상 분석을 통한 사고 인원 판단 시스템
11: 사고 영상 분류부 13: 사고 차량 분석부
15: 사고 행인 분석부 17: 출동 구급차 분배부
111: 사고 발생 위치 영상 획득 모듈
113: 사고 차량 영상 분류 모듈 115: 사고 행인 영상 분류 모듈
131: 사고 차량 종류 확인 모듈 133: 실제 탑승 인원 확인 모듈
135: 차량 사고 인원 결정 모듈 137: 탑승 인원 부상 예측 모듈
151: 사고 행인 확인 모듈 153: 사고 행인 부상 예측 모듈
171: 부상 등급 예측 모듈 173: 구급차 배정 모듈
175: 구급차 출동 요청 모듈

Claims

사고 영상을 획득하고 분류하는 사고 영상 분류부;
상기 사고 영상 중 사고 차량 영상을 분석하여 차량의 종류를 확인하고, 상기 사고 차량 내 탑승 인원을 확인하는 사고 차량 분석부;
사고 영상 중 사고 행인 영상을 분석하여 사고 발생 직전에 차량 사고 장소에 위치한 행인 사고 인원을 확인하는 사고 행인 분석부; 및
상기 사고 발생을 통해 부상 당한 사고 인원 수를 기반으로 출동하여야 할 구급차의 대수를 결정하고, 주변 출동 거점들에 출동 구급차를 분배하는 출동 구급차 분배부;를 포함하는 영상 분석을 통한 사고 인원 판단 시스템.
제 1항에 있어서,
상기 사고 영상 분류부는,
사고 발생 위치의 영상을 획득하는 사고 발생 위치 영상 획득 모듈;
상기 사고 발생 위치 영상 중 YOLO 알고리즘을 이용하여 상기 사고 차량에 관련된 영상인 상기 사고 차량 영상을 획득하는 사고 차량 영상 분류 모듈; 및
상기 사고 발생 위치 영상 중 상기 사고 행인에 관련된 영상인 상기 사고 행인 영상을 획득하는 사고 행인 영상 분류 모듈;를 포함하는 영상 분석을 통한 사고 인원 판단 시스템.
제 2항에 있어서,
상기 사고 발생 위치 영상 획득 모듈은,
사고 발생 위치를 판별하기 위해 사고 발생 직전 기 설정된 시간만큼의 차량 이동 방향 및 속력을 획득하고, 이를 이용하여 사고 발생 위치를 판별하는 영상 분석을 통한 사고 인원 판단 시스템.
제 2항에 있어서,
상기 사고 차량 분석부는,
상기 사고 차량 영상에 포함된 상기 사고 차량의 종류를 확인하여 상기 사고 차량에 탑승 가능한 최대 탑승 인원을 확인하는 사고 차량 종류 확인 모듈;
상기 차량 종류 및 YOLO 알고리즘을 이용하여 상기 사고 차량에 실제 탑승하고 있는 탑승 인원을 확인하는 실제 탑승 인원 확인 모듈;
상기 사고 차량에 탑승하고 있는 실제 탑승 인원을 이용하여 차량 사고 피해 인원을 결정하는 차량 사고 인원 결정 모듈; 및
상기 사고 차량의 속도 및 충돌 방향을 이용하여 상기 사고 차량에 탑승하고 있는 상기 차량 사고 피해 인원의 부상 정도를 예측하는 탑승 인원 부상 예측 모듈;을 포함하는 영상 분석을 통한 사고 인원 판단 시스템.
제 2항에 있어서,
상기 사고 행인 분석부는,
상기 사고 위치 영상 중 차량과의 충돌로 발생할 수 있는 피해 범위에 포함된 영역에 위치한 행인 중 상기 사고 행인의 수를 확인하는 사고 행인 확인 모듈; 및
상기 피해 범위 및 충격량을 이용하여 상기 사고 행인 별로 예상 부상 정도를 확인하는 사고 행인 부상 예측 모듈;을 포함하는 영상 분석을 통한 사고 인원 판단 시스템.
제 5항에 있어서,
상기 피해 범위는 사고 발생 위치를 기준으로 사고 차량의 이동 방향 및 속력을 이용하여 예측되는 영역이며,
상기 부상 정도 예측 모듈은,
상기 피해 범위에 포함되는 상기 사고 행인 별로 상기 사고 차량의 속도를 이용하여 계산된 최초 충격량과 상기 사고 행인의 충격 형태를 이용하여 상기 부상 정도를 예측하는 영상 분석을 통한 사고 인원 판단 시스템.
제 2항에 있어서,
상기 출동 구급차 분배부는,
상기 사고 인원 수와 부상 정도를 이용하여 상기 사고 인원의 부상 등급을 예측하는 부상 등급 예측 모듈;
상기 부상 등급에 따라 필수 대응 시간을 계산하고, 필수 대응 시간에 따라 거리 별로 상기 출동 구급차를 배정하는 구급차 배정 모듈; 및
상기 출동 구급차의 배정을 위해 기 설정된 거리 내의 상기 출동 거점들의 잔여 출동 가능 구급차를 확인하고, 상기 거리 별로 배정된 상기 출동 구급차를 각 상기 출동 거점에 분배하여 출동을 요청하는 구급차 출동 요청 모듈;을 포함하는 영상 분석을 통한 사고 인원 판단 시스템.
사고 영상 분류부를 이용하여 사고 영상을 획득하고 분류하는 단계;
사고 차량 분석부를 이용하여 상기 사고 영상 중 사고 차량 영상을 분석하여 차량의 종류를 확인하고, 상기 사고 차량 내 탑승 인원을 확인하는 단계;
사고 행인 분석부를 이용하여 사고 영상 중 사고 행인 영상을 분석하여 사고 발생 직전에 차량 사고 장소에 위치한 행인 사고 인원을 확인하는 단계; 및
출동 구급차 분배부를 이용하여 상기 사고 발생을 통해 부상 당한 사고 인원 수를 기반으로 출동하여야 할 구급차의 대수를 결정하고, 주변 출동 거점들에 출동 구급차를 분배하는 단계;를 포함하는 영상 분석을 통한 사고 인원 판단 방법.