KR20230149460A - 감시 장치 및 방법 - Google Patents

감시 장치 및 방법 Download PDF

Info

Publication number
KR20230149460A
KR20230149460A KR1020220048693A KR20220048693A KR20230149460A KR 20230149460 A KR20230149460 A KR 20230149460A KR 1020220048693 A KR1020220048693 A KR 1020220048693A KR 20220048693 A KR20220048693 A KR 20220048693A KR 20230149460 A KR20230149460 A KR 20230149460A
Authority
KR
South Korea
Prior art keywords
image
captured image
mode
reduced
reduction mode
Prior art date
Application number
KR1020220048693A
Other languages
English (en)
Inventor
정승원
Original Assignee
한화비전 주식회사
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 한화비전 주식회사 filed Critical 한화비전 주식회사
Priority to KR1020220048693A priority Critical patent/KR20230149460A/ko
Publication of KR20230149460A publication Critical patent/KR20230149460A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
    • H04N21/4312—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations
    • H04N21/4316—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations for displaying supplemental content in a region of the screen, e.g. an advertisement in a separate window
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/765—Interface circuits between an apparatus for recording and another apparatus
    • H04N5/77—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television camera
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/91—Television signal processing therefor
    • H04N5/92—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback
    • H04N5/9201—Transformation 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/91—Television signal processing therefor
    • H04N5/92—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback
    • H04N5/926—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback by pulse code modulation
    • H04N5/9261—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback by pulse code modulation involving data reduction

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

본 발명은 감시 장치 및 방법에 관한 것으로서, 카메라에 의해 생성된 영상에서 객체의 크기를 유지한 채로 영상의 크기를 축소시킨 이후에 감시를 위한 분석을 수행하는 감시 장치 및 방법에 관한 것이다.
본 발명의 실시예에 따른 감시 장치는 감시 영역을 촬영하여 촬영 영상을 생성하는 촬상부와, 상기 촬영 영상에서 객체를 분리하고, 상기 객체에 대한 분석 결과에 따라 상기 촬영 영상의 영상 축소 모드를 결정하는 영상 분석부와, 상기 영상 축소 모드가 일반 모드인 경우 사전에 설정된 크기로 상기 객체와 함께 상기 촬영 영상을 축소시키고, 상기 영상 축소 모드가 수정 모드인 경우 상기 객체의 크기를 유지한 채로 상기 촬영 영상을 축소시키는 크기 조절부, 및 상기 축소된 촬영 영상에 대하여 인공지능 알고리즘을 적용하여 상기 객체에 대한 분석을 수행하는 인공지능 분석부를 포함한다.

Description

감시 장치 및 방법{Apparatus and method for surveillance}
본 발명은 감시 장치 및 방법에 관한 것으로서, 더욱 상세하게는 카메라에 의해 생성된 영상에서 객체의 크기를 유지한 채로 영상의 크기를 축소시킨 이후에 감시를 위한 분석을 수행하는 감시 장치 및 방법에 관한 것이다.
폐쇄회로 텔레비전(Closed Circuit Television)은 특정 수신자를 대상으로 영상을 전송하는 텔레비전 방식으로, 영상의 송수신은 유선 또는 무선으로 연결되며 수신 대상 이외는 임의로 수신할 수 없도록 되어 있어 폐쇄회로 텔레비전이라고 한다.
폐쇄회로 텔레비전은 방송 텔레비전 이외에 산업용, 교육용, 의료용, 방재용 및 사내의 영상 정보 전달용 등으로 그 용도가 다양하며 특히 폐쇄회로 텔레비전에 의한 영상 정보 전송은 다른 데이터 전송이나 음성 정보 전송에 비해 취급 정보량이 많아 현장의 분위기나 사람의 감정까지도 전송할 수 있는 장점이 있다.
폐쇄회로 텔레비전 시스템은 적어도 하나의 카메라를 포함할 수 있다. 카메라에 의해 촬영된 영상은 관리자에게 송신되고, 관리자는 수신된 영상을 참조하여 감시 영역에 대한 상황을 확인할 수 있다. 또는, 카메라에 의해 촬영된 영상은 별도의 보관 장치에 저장될 수도 있다.
한편, 관리자에게 전달되기 이전에 또는 보관용으로 저장되기 이전에 인공지능 알고리즘이 적용되어 영상에 대한 분석이 수행될 수 있다. 분석의 수행 대상인 영상의 크기가 지나치게 큰 경우 실시간 분석이 용이하지 않을 수 있다.
따라서, 폐쇄회로 텔레비전 시스템과 같은 감시 시스템에서 카메라로부터 수신된 영상에 대하여 인공지능 알고리즘이 적용되어 실시간 분석을 가능하게 하는 발명의 등장이 요구된다.
등록특허공보 10-2187376호 (2020.12.04)
본 발명이 해결하고자 하는 과제는 카메라에 의해 생성된 영상에서 객체의 크기를 유지한 채로 영상의 크기를 축소시킨 이후에 감시를 위한 분석을 수행하는 감시 장치 및 방법을 제공하는 것이다.
본 발명의 과제들은 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 감시 장치는 감시 영역을 촬영하여 촬영 영상을 생성하는 촬상부와, 상기 촬영 영상에서 객체를 분리하고, 상기 객체에 대한 분석 결과에 따라 상기 촬영 영상의 영상 축소 모드를 결정하는 영상 분석부와, 상기 영상 축소 모드가 일반 모드인 경우 사전에 설정된 크기로 상기 객체와 함께 상기 촬영 영상을 축소시키고, 상기 영상 축소 모드가 수정 모드인 경우 상기 객체의 크기를 유지한 채로 상기 촬영 영상을 축소시키는 크기 조절부, 및 상기 축소된 촬영 영상에 대하여 인공지능 알고리즘을 적용하여 상기 객체에 대한 분석을 수행하는 인공지능 분석부를 포함한다.
상기 영상 분석부는, 상기 객체를 축소시키더라도 상기 객체의 특징이 손실되지 않는 경우 상기 영상 축소 모드를 일반 모드로 결정하고, 상기 객체를 축소시킴에 따라 상기 객체의 특징이 손실되는 경우 상기 영상 축소 모드를 수정 모드로 결정한다.
상기 영상 분석부는 상기 촬영 영상에서 움직이는 대상물을 상기 객체로 판단하고, 상기 객체와 배경을 분리한다.
상기 크기 조절부는 상기 영상 축소 모드가 수정 모드인 경우 상기 촬영 영상에서 상기 객체를 제외한 배경의 일부를 제거하여 상기 촬영 영상을 축소시킨다.
상기 인공지능 분석부는 상기 딥 러닝(Deep Learning) 알고리즘을 적용하여 상기 객체에 대한 분석을 수행한다.
본 발명의 실시예에 따른 감시 방법은 감시 영역을 촬영하여 촬영 영상을 생성하는 단계와, 상기 촬영 영상에서 객체를 분리하고, 상기 객체에 대한 분석 결과에 따라 상기 촬영 영상의 영상 축소 모드를 결정하는 단계와, 상기 영상 축소 모드가 일반 모드인 경우 사전에 설정된 크기로 상기 객체와 함께 상기 촬영 영상을 축소시키고, 상기 영상 축소 모드가 수정 모드인 경우 상기 객체의 크기를 유지한 채로 상기 촬영 영상을 축소시키는 단계, 및 상기 축소된 촬영 영상에 대하여 인공지능 알고리즘을 적용하여 상기 객체에 대한 분석을 수행하는 단계를 포함한다.
상기 영상 축소 모드를 결정하는 단계는, 상기 객체를 축소시키더라도 상기 객체의 특징이 손실되지 않는 경우 상기 영상 축소 모드를 일반 모드로 결정하고, 상기 객체를 축소시킴에 따라 상기 객체의 특징이 손실되는 경우 상기 영상 축소 모드를 수정 모드로 결정하는 단계를 포함한다.
상기 촬영 영상에서 상기 객체를 분리하는 단계는 상기 촬영 영상에서 움직이는 대상물을 상기 객체로 판단하고, 상기 객체와 배경을 분리하는 단계를 포함한다.
상기 촬영 영상을 축소시키는 단계는 상기 영상 축소 모드가 수정 모드인 경우 상기 촬영 영상에서 상기 객체를 제외한 배경의 일부를 제거하여 상기 촬영 영상을 축소시키는 단계를 포함한다.
상기 인공지능 알고리즘은 상기 딥 러닝(Deep Learning) 알고리즘을 포함한다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
상기한 바와 같은 본 발명의 감시 장치 및 방법에 따르면 카메라에 의해 생성된 영상에서 객체의 크기를 유지한 채로 영상의 크기를 축소시킨 이후에 감시를 위한 분석을 수행함에 따라 인공지능 알고리즘이 적용된 실시간 분석을 가능하게 하는 장점이 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 감시 시스템의 블록도이다.
도 2는 본 발명의 실시예에 따른 감시 장치의 블록도이다.
도 3은 일반 모드에서 촬영 영상이 축소되는 것을 설명하기 위한 도면이다.
도 4는 수정 모드에서 촬영 영상이 축소되는 것을 설명하기 위한 도면이다.
도 5는 수정 모드에서 촬영 영상이 축소되는 원리를 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 감시 방법을 나타낸 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
도 1은 감시 시스템의 블록도이다.
도 1을 참조하면, 감시 시스템(10)은 감시 장치(100) 및 관리 장치(200)를 포함하여 구성된다.
감시 장치(100)는 감시 공간의 특정 지점에 설치되어 자신의 감시 영역을 촬영하고, 촬영 결과에 따른 영상을 생성할 수 있다. 감시 시스템(10)은 복수의 감시 장치(100)를 포함할 수 있다. 복수의 감시 장치(100) 각각은 자신의 감시 영역을 촬영하고, 촬영 영상을 생성할 수 있다. 감시 장치(100)에 의해 생성된 영상은 정지 영상이거나 동영상일 수 있다. 감시 장치(100)는 생성된 영상 및 영상에 대한 분석 결과 중 적어도 하나를 관리 장치(200)로 송신할 수 있다.
관리 장치(200)는 감시 장치(100)로부터 영상이 수신되는 경우 영상을 저장하거나 출력할 수 있다. 또는, 관리 장치(200)는 감시 장치(100)로부터 영상의 분석 결과가 수신되는 경우 분석 결과를 출력할 수 있다. 관리자는 관리 장치(200)를 통하여 출력된 영상 및 분석 결과 중 적어도 하나를 참조하여 감시 공간의 상황을 확인할 수 있다.
도 2는 본 발명의 실시예에 따른 감시 장치의 블록도이다.
도 2를 참조하면, 감시 장치(100)는 통신부(110), 촬상부(120), 저장부(130), 제어부(140), 영상 분석부(150), 크기 조절부(160) 및 인공지능 분석부(170)를 포함하여 구성된다.
통신부(110)는 관리 장치(200)와 통신을 수행할 수 있다. 후술하는 바와 같이, 촬상부(120)에 의해 촬영 영상이 생성될 수 있는데, 통신부(110)는 촬영 영상을 관리 장치(200)로 송신할 수 있다.
촬상부(120)는 감시 영역을 촬영하여 촬영 영상을 생성할 수 있다. 예를 들어, CMOS(Complementary Metal-Oxide-Semiconductor) 또는 CCD(Charge-Coupled Device) 등의 촬상 소자가 촬상부(120)에 포함될 수 있다.
촬상부(120)에 의해 생성된 영상은 정지 영상이거나 동영상일 수 있다. 촬상부(120)는 하나의 지점만을 촬영하거나 촬영 방향을 전환하면서 일정 영역을 촬영할 수 있다. 촬영 방향의 전환을 위하여 촬상부(120)에는 팬-틸트(pan-tilt) 장비(미도시)가 설치될 수 있으며, 피사체를 확대하거나 축소시키기 위한 줌(zoom) 장비(미도시)가 설치될 수도 있다.
저장부(130)는 촬상부(120)에 의해 생성된 영상을 임시로 또는 영구적으로 저장할 수 있다. 또한, 저장부(130)는 통신부(110)를 통하여 송수신되는 데이터를 임시로 또는 영구적으로 저장할 수도 있다.
영상 분석부(150)는 촬영 영상에서 객체를 분리할 수 있다. 촬영 영상은 객체 및 배경을 포함할 수 있다. 영상 분석부(150)는 촬영 영상에서 움직이는 대상물을 객체로 판단하고, 객체와 배경을 분리할 수 있다. 감시 영역에 대한 복수의 프레임이 수신되는 경우 영상 분석부(150)는 복수의 프레임 간 차이를 이용하여 움직이는 대상물을 확인하고, 확인된 대상물을 객체로 판단할 수 있다.
영상 분석부(150)는 객체에 대한 분석 결과에 따라 촬영 영상의 영상 축소 모드를 결정할 수 있다. 본 발명에서 영상 축소 모드는 일반 모드 및 수정 모드를 포함할 수 있다. 일반 모드는 촬영 영상에 포함된 객체와 함께 촬영 영상을 축소시키는 모드를 나타내고, 수정 모드는 촬영 영상에 포함된 객체는 그 크기를 유지한 채로 촬영 영상을 축소시키는 모드를 나타낸다. 촬영 영상 축소에 대한 자세한 설명은 도 3 내지 도 5를 통하여 후술하기로 한다.
영상 분석부(150)는 객체를 축소시키더라도 객체의 특징이 손실되지 않는 경우 영상 축소 모드를 일반 모드로 결정할 수 있다. 한편, 객체를 축소시킴에 따라 객체의 특징이 손실되는 경우 영상 분석부(150)는 영상 축소 모드를 수정 모드로 결정할 수 있다.
크기 조절부(160)는 영상 분석부(150)에 의해 결정된 영상 축소 모드가 일반 모드인 경우 사전에 설정된 크기로 객체와 함께 촬영 영상을 축소시킬 수 있다. 한편, 영상 분석부(150)에 의해 결정된 영상 축소 모드가 수정 모드인 경우 크기 조절부(160)는 객체의 크기를 유지한 채로 촬영 영상을 축소시킬 수 있다.
인공지능 분석부(170)는 크기 조절부(160)에 의해 축소된 촬영 영상에 대하여 인공지능 알고리즘을 적용하여 객체에 대한 분석을 수행할 수 있다. 예를 들어, 인공지능 분석부(170)는 촬영 영상에 포함된 복수의 객체 중 특정 객체를 추적함에 있어서 인공지능 알고리즘을 적용할 수 있다. 인공지능 분석부(170)는 딥 러닝(Deep Learning) 알고리즘을 적용하여 객체에 대한 분석을 수행할 수 있으나, 본 발명의 인공지능 분석부(170)가 적용하는 알고리즘이 딥 러닝 알고리즘에 한정되는 것은 아니다.
인공지능 분석부(170)가 인공지능 알고리즘을 적용하여 객체에 대한 분석을 수행하는 데에는 많은 연산량이 요구될 수 있다. 따라서, 인공지능 분석부(170)가 촬상부(120)에 의해 생성된 촬영 영상을 그대로 분석하는 경우 실시간 분석이 용이하지 않을 수 있다. 크기 조절부(160)에 의해 크기가 축소된 촬영 영상을 분석함에 따라 인공지능 분석부(170)는 실시간 분석을 수행할 수 있다.
제어부(140)는 통신부(110), 촬상부(120), 저장부(130), 영상 분석부(150), 크기 조절부(160) 및 인공지능 분석부(170)에 대한 전반적인 제어를 수행한다.
도 3은 일반 모드에서 촬영 영상이 축소되는 것을 설명하기 위한 도면이고, 도 4는 수정 모드에서 촬영 영상이 축소되는 것을 설명하기 위한 도면이며, 도 5는 수정 모드에서 촬영 영상이 축소되는 원리를 설명하기 위한 도면이다.
도 3을 참조하면, 일반 모드에서 촬영 영상(300)은 객체와 함께 축소될 수 있다.
예를 들어, 촬영 영상(300)의 가로 및 세로의 크기가 1980 및 1080 픽셀인 경우 크기 조절부(160)는 가로 및 세로의 크기를 600 및 600 픽셀인 영상으로 축소시켜 축소된 영상(400)을 생성할 수 있다. 이하, 촬상부(120)에 의해 생성된 촬영 영상(300)을 원본 영상이라 하고, 크기 조절부(160)에 의해 크기가 축소된 영상을 축소 영상이라 한다. 또한, 일반 모드로 축소된 축소 영상을 일반 축소 영상(400)이라 한다.
일반 모드에서 크기 조절부(160)는 객체(310)와 배경(320)을 구별하지 않고 전체적으로 촬영 영상(300)을 축소시켜 일반 축소 영상(400)을 생성할 수 있다.
도 3에 도시된 바와 같이, 촬영 영상(300)은 복수의 객체(310)를 포함할 수 있다. 복수의 객체(310)는 서로 다른 크기를 가질 수 있는데, 일반 모드에서 모든 객체(310)는 동일한 비율로 축소될 수 있다. 따라서, 촬영 영상(300)에 포함된 객체(310) 및 배경(320)이 일률적으로 축소되고, 일반 축소 영상(400)은 촬영 영상(300)의 객체(310) 및 배경(320)에 비하여 축소된 객체(410) 및 축소된 배경(420)을 포함할 수 있다.
도 4를 참조하면, 수정 모드에서 객체(310)는 크기가 유지된 상태에서 촬영 영상(300)이 축소될 수 있다.
영상 축소 모드가 수정 모드로 결정된 경우 크기 조절부(160)는 객체(310)의 크기를 유지한 채로 촬영 영상(300)을 축소시켜 수정 축소 영상(500)을 생성할 수 있다. 수정 축소 영상(500)은 촬영 영상(300)의 객체(310)와 동일하거나 유사한 크기의 객체(510)를 포함하고, 촬영 영상(300)의 배경(320)에 비하여 축소되거나 변형된 배경(520)을 포함할 수 있다.
수정 모드에서 촬영 영상(300)의 축소는 배경(320) 중 일부를 제거하는 것으로 수행될 수 있다.
도 5를 참조하면, 크기 조절부(160)는 영상 축소 모드가 수정 모드인 경우 촬영 영상(300)에서 객체(310)를 제외한 배경(320)의 일부(321)를 제거하여 촬영 영상(300)을 축소시킬 수 있다.
촬영 영상(300) 중 배경(320)은 인공지능 분석부(170)에 의한 분석 대상에서 제외될 수 있다. 촬영 영상(300)에서 객체(310)가 포함되도록 촬영 영상(300)을 분할한 이후에 분할 영상(301)을 조합함으로써 수정 축소 영상(500)이 생성될 수 있다.
일반 모드와 같이 촬영 영상(300)과 함께 객체(310)가 축소되는 경우 인공지능 분석부(170)에 의한 정상적인 분석이 수행되지 못할 수 있다. 수정 모드에 따라 촬영 영상(300)이 축소되는 경우 객체(310)의 크기가 유지됨에 따라 인공지능 분석부(170)에 의한 정상적인 분석이 수행될 수 있다.
도 6은 본 발명의 실시예에 따른 감시 방법을 나타낸 흐름도이다.
도 6을 참조하면, 감시 장치(100)는 감시 영역에 대한 인공지능 알고리즘을 적용하여 분석을 수행할 수 있다.
인공지능 알고리즘을 적용하여 감시 영역에 대한 분석을 수행하기 위하여 우선 감시 장치(100)의 촬상부(120)는 감시 영역을 촬영하여 촬영 영상(300)을 생성할 수 있다(S610).
촬영 영상(300)은 영상 분석부(150)로 전달되고, 영상 분석부(150)는 촬영 영상(300)을 분석할 수 있다(S620). 영상 분석부(150)는 촬영 영상(300)에서 객체(310)를 분리하고, 객체(310)에 대한 분석 결과에 따라 촬영 영상(300)의 영상 축소 모드를 결정할 수 있다. 영상 분석부(150)는 촬영 영상(300)에서 움직이는 대상물을 객체(310)하고, 객체(320)와 배경(320)을 분리할 수 있다.
영상 분석부(150)는 영상 축소 모드를 결정하기 위하여 스케일간 객체의 특징이 손실되는지 여부를 판단할 수 있다(S630). 예를 들어, 원본 스케일에서 판단된 객체의 특징이 축소된 스케일에서 판단된 객체의 특징과 동일하거나 유사한 경우 영상 분석부(150)는 영상 축소 모드를 일반 모드로 결정할 수 있다. 한편, 원본 스케일에서 판단된 객체의 특징과 축소된 스케일에서 판단된 객체의 특징 간의 차이라 사전에 설정된 임계치를 초과하는 경우 영상 분석부(150)는 영상 축소 모드를 수정 모드로 결정할 수 있다.
크기 조절부(160)는 영상 분석부(150)에 의하여 판단된 영상 축소 모드에 따라 촬영 영상(300)을 축소시킬 수 있다. 즉, 영상 축소 모드가 일반 모드로 결정된 경우 크기 조절부(160)는 일반 모드로 촬영 영상(300)의 크기를 조절하고(S640), 영상 축소 모드가 수정 모드로 결정된 경우 크기 조절부(160)는 수정 모드로 촬영 영상(300)의 크기를 조절할 수 있다(S650).
크기 조절부(160)에 의해 생성된 축소 영상은 인공지능 분석부(170)로 전달되고, 인공지능 분석부(170)는 축소 영상을 통하여 객체에 대한 분석을 수행할 수 있다(S660). 본 발명에서 촬상부(120)에 의해 생성되는 촬영 영상(300)은 동영상이고, 인공지능 분석부(170)는 스트림의 형태로 축소 영상을 수신할 수 있는데, 크기가 축소된 영상을 분석함에 따라 인공지능 분석부(170)는 수신되는 영상에 대한 실시간 분석을 수행할 수 있다.
이상과 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 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 한정적이 아닌 것으로 이해해야만 한다.
10: 감시 시스템 100: 감시 장치
110: 통신부 120: 촬상부
130: 저장부 140: 제어부
150: 영상 분석부 160: 크기 조절부
170: 인공지능 분석부 200: 관리 장치

Claims (10)

  1. 감시 영역을 촬영하여 촬영 영상을 생성하는 촬상부;
    상기 촬영 영상에서 객체를 분리하고, 상기 객체에 대한 분석 결과에 따라 상기 촬영 영상의 영상 축소 모드를 결정하는 영상 분석부;
    상기 영상 축소 모드가 일반 모드인 경우 사전에 설정된 크기로 상기 객체와 함께 상기 촬영 영상을 축소시키고, 상기 영상 축소 모드가 수정 모드인 경우 상기 객체의 크기를 유지한 채로 상기 촬영 영상을 축소시키는 크기 조절부; 및
    상기 축소된 촬영 영상에 대하여 인공지능 알고리즘을 적용하여 상기 객체에 대한 분석을 수행하는 인공지능 분석부를 포함하는 감시 장치.
  2. 제1 항에 있어서,
    상기 영상 분석부는,
    상기 객체를 축소시키더라도 상기 객체의 특징이 손실되지 않는 경우 상기 영상 축소 모드를 일반 모드로 결정하고,
    상기 객체를 축소시킴에 따라 상기 객체의 특징이 손실되는 경우 상기 영상 축소 모드를 수정 모드로 결정하는 감시 장치.
  3. 제1 항에 있어서,
    상기 영상 분석부는 상기 촬영 영상에서 움직이는 대상물을 상기 객체로 판단하고, 상기 객체와 배경을 분리하는 감시 장치.
  4. 제1 항에 있어서,
    상기 크기 조절부는 상기 영상 축소 모드가 수정 모드인 경우 상기 촬영 영상에서 상기 객체를 제외한 배경의 일부를 제거하여 상기 촬영 영상을 축소시키는 감시 장치.
  5. 제1 항에 있어서,
    상기 인공지능 분석부는 상기 딥 러닝(Deep Learning) 알고리즘을 적용하여 상기 객체에 대한 분석을 수행하는 감시 장치.
  6. 감시 영역을 촬영하여 촬영 영상을 생성하는 단계;
    상기 촬영 영상에서 객체를 분리하고, 상기 객체에 대한 분석 결과에 따라 상기 촬영 영상의 영상 축소 모드를 결정하는 단계;
    상기 영상 축소 모드가 일반 모드인 경우 사전에 설정된 크기로 상기 객체와 함께 상기 촬영 영상을 축소시키고, 상기 영상 축소 모드가 수정 모드인 경우 상기 객체의 크기를 유지한 채로 상기 촬영 영상을 축소시키는 단계; 및
    상기 축소된 촬영 영상에 대하여 인공지능 알고리즘을 적용하여 상기 객체에 대한 분석을 수행하는 단계를 포함하는 감시 방법.
  7. 제6 항에 있어서,
    상기 영상 축소 모드를 결정하는 단계는,
    상기 객체를 축소시키더라도 상기 객체의 특징이 손실되지 않는 경우 상기 영상 축소 모드를 일반 모드로 결정하고,
    상기 객체를 축소시킴에 따라 상기 객체의 특징이 손실되는 경우 상기 영상 축소 모드를 수정 모드로 결정하는 단계를 포함하는 감시 방법.
  8. 제6 항에 있어서,
    상기 촬영 영상에서 상기 객체를 분리하는 단계는 상기 촬영 영상에서 움직이는 대상물을 상기 객체로 판단하고, 상기 객체와 배경을 분리하는 단계를 포함하는 감시 방법.
  9. 제6 항에 있어서,
    상기 촬영 영상을 축소시키는 단계는 상기 영상 축소 모드가 수정 모드인 경우 상기 촬영 영상에서 상기 객체를 제외한 배경의 일부를 제거하여 상기 촬영 영상을 축소시키는 단계를 포함하는 감시 방법.
  10. 제6 항에 있어서,
    상기 인공지능 알고리즘은 상기 딥 러닝(Deep Learning) 알고리즘을 포함하는 감시 방법.
KR1020220048693A 2022-04-20 2022-04-20 감시 장치 및 방법 KR20230149460A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220048693A KR20230149460A (ko) 2022-04-20 2022-04-20 감시 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220048693A KR20230149460A (ko) 2022-04-20 2022-04-20 감시 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20230149460A true KR20230149460A (ko) 2023-10-27

Family

ID=88514301

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220048693A KR20230149460A (ko) 2022-04-20 2022-04-20 감시 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20230149460A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102187376B1 (ko) 2018-12-06 2020-12-04 이노뎁 주식회사 딥러닝 이미지 분석과 연동하는 신택스 기반의 선별 관제 제공 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102187376B1 (ko) 2018-12-06 2020-12-04 이노뎁 주식회사 딥러닝 이미지 분석과 연동하는 신택스 기반의 선별 관제 제공 방법

Similar Documents

Publication Publication Date Title
JP7207793B2 (ja) 人工知能を用いた映像基盤のリアルタイム侵入検知方法及び監視カメラ
US11089214B2 (en) Generating output video from video streams
US8305448B2 (en) Selective privacy protection for imaged matter
US9305331B2 (en) Image processor and image combination method thereof
US11037308B2 (en) Intelligent method for viewing surveillance videos with improved efficiency
US11102456B2 (en) Video encoding system and video encoding method
US11184614B2 (en) Apparatus and method for processing image
JP2008048243A (ja) 画像処理装置、画像処理方法および監視カメラ
US20220199120A1 (en) Image processing device, image processing method, and image processing program
KR20140041206A (ko) 프라이버시 마스크 생성하는 감시 카메라 및 감시 카메라의 제어 방법
US8625933B2 (en) Image processing apparatus and method for the same
CN112347849B (zh) 视频会议处理方法、电子设备及存储介质
US11044399B2 (en) Video surveillance system
WO2023219466A1 (en) Methods and systems for enhancing low light frame in a multi camera system
KR20230149460A (ko) 감시 장치 및 방법
EP3468188A1 (en) Method and system for encoding video streams
WO2009141955A1 (ja) 撮像装置、撮像方法及び集積回路
KR101793702B1 (ko) 영상 저장 장치 및 그의 영상 검색 방법
Lee et al. A real-time face tracking system based on a single PTZ camera
KR102183689B1 (ko) 실시간 영상의 객체 마스킹 처리 시스템 및 이를 이용한 마스킹 처리 방법
CN117280708A (zh) 利用基于ai的对象识别的监控摄像机的快门值调节
JPH1079881A (ja) 撮像装置
EP2495972A1 (en) Monitoring device and method for monitoring a location
KR20180137307A (ko) 영상의 비트레이트 조절 방법 및 영상 획득 장치
JP4166463B2 (ja) 映像生成装置