KR20240010128A - Cctv의 영상 처리를 통한 이상 행동 모니터링 방법, 장치 및 시스템 - Google Patents

Cctv의 영상 처리를 통한 이상 행동 모니터링 방법, 장치 및 시스템 Download PDF

Info

Publication number
KR20240010128A
KR20240010128A KR1020220087273A KR20220087273A KR20240010128A KR 20240010128 A KR20240010128 A KR 20240010128A KR 1020220087273 A KR1020220087273 A KR 1020220087273A KR 20220087273 A KR20220087273 A KR 20220087273A KR 20240010128 A KR20240010128 A KR 20240010128A
Authority
KR
South Korea
Prior art keywords
interest
abnormal situation
region
real
images
Prior art date
Application number
KR1020220087273A
Other languages
English (en)
Inventor
이동호
Original Assignee
주식회사 스피드정보
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 주식회사 스피드정보 filed Critical 주식회사 스피드정보
Priority to KR1020220087273A priority Critical patent/KR20240010128A/ko
Publication of KR20240010128A publication Critical patent/KR20240010128A/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)

Abstract

일실시예에 따른 장치는 제 1 관리자 단말로부터 모니터링 대상 영상 중 관심 영역 및 이상 상황 조건을 입력받고, 관심 영역에 해당하는 관심 영역 영상으로부터 그래프 변화, 수치 변화, 객체 수 변화, 객체의 행동 변화 및 신규 객체의 등장 중 적어도 하나를 포함하는 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 학습 모델을 학습시키고, 실시간 모니터링 대상 영상을 획득하고, 학습 모델에 기초하여 실시간 모니터링 대상 영상 중 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 상황을 탐지할 수 있다.

Description

CCTV의 영상 처리를 통한 이상 행동 모니터링 방법, 장치 및 시스템{METHOD, DEVICE AND SYSTEM FOR MONITORING ABNORMAL BEHAVIOR THROUGH VIDEO PROCESSING OF CCTV}
아래 실시예들은 CCTV의 영상 처리를 통해 이상 행동을 모니터링하는 기술에 관한 것이다.
일반적으로, CCTV 통합관제센터에서 관제 방법은 전문인력이 배치되어 1인당 행정안전부 권고 48대의 CCTV 영상을 실시간으로 모니터링 함으로써, 각종 범죄와 불법행위를 예방한다.
그래서, 기존 인력에 의존하는 CCTV 영상 관제방식은 급격한 CCTV의 증가에 따라 관제 효율과 영상관제요원의 집중도가 떨어지며, 막대한 재정부담이 지속해서 발생할 수밖에 없고, 이를 해소하기 위해서 CCTV 영상 관제 방식에 개선이 필요한 실정이다.
실시예들은 CCTV의 영상 처리를 통해 이상 행동을 모니터링하는 기술을 제공하고자 한다.
실시예들은 학습 모델에 기초하여 실시간 모니터링 대상 영상 중 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 상황을 탐지하고자 한다.
실시예들은 보안 관리 분야, 제조 산업의 시설 관리 분야, 환경 관리 분야, 헬스 관리 분야 등 다양한 산업 분야에 적용 가능한 이상 상황 탐지 서버, 방법 및 컴퓨터 프로그램을 제공하고자 한다.
일실시예에 따르면, 장치에 의해 수행되는 방법에 있어서, 제 1 관리자 단말로부터 모니터링 대상 영상 중 관심 영역 및 이상 상황 조건을 입력받는 단계; 상기 관심 영역에 해당하는 관심 영역 영상으로부터 그래프 변화, 수치 변화, 객체 수 변화, 객체의 행동 변화 및 신규 객체의 등장 중 적어도 하나를 포함하는 상기 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 학습 모델을 학습시키는 단계; 실시간 모니터링 대상 영상을 획득하는 단계; 및 상기 학습 모델에 기초하여 상기 실시간 모니터링 대상 영상 중 상기 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 상황을 탐지하는 단계를 포함할 수 있다.
상기 학습 모델을 학습시키는 단계는, 상기 모니터링 대상 영상 중 제 1 관심 영역에 해당하는 제 1 관심 영역 영상으로부터 제 1 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 제 1 학습 모델을 학습시키는 단계; 및 상기 모니터링 대상 영상 중 제 2 관심 영역에 해당하는 제 2 관심 영역 영상으로부터 제 2 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 제 2 학습 모델을 학습시키는 단계를 포함할 수 있다.
시스템은 제 1 관리자 단말로부터 모니터링 대상 영상 중 관심 영역 및 이상 상황 조건을 입력받는 입력부; 상기 관심 영역에 해당하는 관심 영역 영상으로부터 상기 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 학습 모델을 학습시키는 학습부; 실시간 모니터링 대상 영상을 획득하는 영상 획득부; 및 상기 학습 모델에 기초하여 상기 실시간 모니터링 대상 영상 중 상기 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 상황을 탐지하는 이상 상황 탐지부를 포함할 수 있다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
실시예들은 CCTV의 영상 처리를 통해 이상 행동을 모니터링하는 기술을 제공할 수 있다.
실시예들은 학습 모델에 기초하여 실시간 모니터링 대상 영상 중 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 상황을 탐지할 수 있다.
실시예들은 보안 관리 분야, 제조 산업의 시설 관리 분야, 환경 관리 분야, 헬스 관리 분야 등 다양한 산업 분야에 적용 가능한 이상 상황 탐지 서버, 방법 및 컴퓨터 프로그램을 제공할 수 있다.
도 1은 일실시예에 따른 서버의 구성을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 CCTV의 영상 처리를 통해 이상 행동을 모니터링하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 실시간 모니터링 대상 영상 중 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 상황을 탐지하는 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 일실시예에 따른 서버의 구성을 설명하기 위한 도면이다.
도 1을 참조하면, 이상 상황 탐지 서버(100)는 입력부(110), 학습 영상 추출부(120), 저장부(130), 학습부(140), 영상 획득부(150) 및 이상 상황 탐지부(160)를 포함할 수 있다.
입력부(110)는 제 1 관리자 단말로부터 모니터링 대상 영상 중 관심 영역 및 이상 상황 조건을 입력받을 수 있다. 입력부(110)는 제 1 관리자 단말로부터 모니터링 대상 영상 중 어느 하나의 관심 영역을 설정받을 수 있다. 예를 들어, 모니터링 대상 영상이 9분할 영상(200)으로 구성된 경우, 제 1 관리자 단말로부터 9분할 영상(200) 중 어느 하나의 영상(201)을 마우스 드래그 또는 터치 입력을 통해 관심 영역으로 입력받을 수 있다.
입력부(110)는 제 1 관리자 단말로부터 모니터링 대상 영상 중 이상 상황 조건을 입력받을 수 있다. 여기서, 이상 상황 조건은 그래프 변화, 수치 변화, 객체 수 변화, 객체의 행동 변화 및 신규 객체의 등장 등을 포함할 수 있다.
예를 들어, 입력부(110)는 "화면에 특정 사람이 보이면 알림(신규 객체 등장)", "그래프에서 이상 수치가 보이면 알림(그래프 변화)", "전력량이 이상 패턴을 보이면 알림(수치 변화)"과 같이 이상 상황 조건을 입력받을 수 있다.
학습 영상 추출부(120)는 모니터링 대상 영상의 변화 정도에 기초하여 학습용 영상을 추출할 수 있다.
학습 영상 추출부(120)는 모니터링 대상 영상에 대해 영상 변화 정도를 감지(310)할 수 있다. 예를 들어, 학습 영상 추출부(120)는 모니터링 대상 영상으로부터 기설정된 수준 이상의 변화가 감지된 변화 감지 프레임에 기초하여 영상 변화의 시작을 감지할 수 있다.
이후, 학습 영상 추출부(120)는 기설정된 수준 미만의 변화가 감지된 영상 변화 미감지 프레임에 기초하여 영상 변화의 종료를 감지할 수 있다.
저장부(130)는 학습용 영상을 저장할 수 있다. 저장부(130)는 학습용 영상을 저장할 수 있다. 예를 들어, 저장부(130)는 적어도 하나의 프레임을 포함하는 학습용 영상을 데이터베이스에 저장할 수 있다.
학습부(140)는 관심 영역에 해당하는 관심 영역 영상으로부터 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 학습 모델을 학습시킬 수 있다.
학습부(140)는 이상 상황 조건에 해당하는 서비스마다 복수의 학습 모델을 학습시킬 수 있다. 예를 들어, 학습부(140)는 모니터링 대상 영상 중 제 1 관심 영역에 해당하는 제 1 관심 영역 영상으로부터 제 1 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 제 1 학습 모델을 학습시킬 수 있다.
다른 예를 들어, 학습부(140)는 모니터링 대상 영상 중 제 2 관심 영역에 해당하는 제 2 관심 영역 영상으로부터 제 2 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 제 2 학습 모델을 학습시킬 수 있다.
영상 획득부(150)는 실시간 모니터링 대상 영상을 획득할 수 있다.
이상 상황 탐지부(160)는 이상 상황을 탐지할 수 있다.
도 2는 일실시예에 따른 CCTV의 영상 처리를 통해 이상 행동을 모니터링하는 과정을 설명하기 위한 순서도이다.
단계 S210에서 이상 상황 탐지 서버(100)는 제 1 관리자 단말로부터 모니터링 대상 영상 중 관심 영역 및 이상 상황 조건을 입력받을 수 있다.
단계 S220에서 이상 상황 탐지 서버(100)는 관심 영역에 해당하는 관심 영역 영상으로부터 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 학습 모델을 학습시킬 수 있다.
단계 S230에서 이상 상황 탐지 서버(100)는 실시간 모니터링 대상 영상을 획득할 수 있다.
단계 S240에서 이상 상황 탐지 서버(100)는 학습 모델에 기초하여 실시간 모니터링 대상 영상 중 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 상황을 탐지할 수 있다.
상술한 설명에서, 단계 S210 내지 S240은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
도 3은 일실시예에 따른 실시간 모니터링 대상 영상 중 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 상황을 탐지하는 과정을 설명하기 위한 도면이다.
도 3을 참조하면, 영상 획득부(150)는 실시간 모니터링 대상 영상(300)을 획득할 수 있다. 여기서, 실시간 모니터링 대상 영상은 무선 리피터를 통해 제 2 관리자 단말로 전송될 수 있다. 예를 들어, 영상 획득부(150)는 무선 리피터를 통해 실시간 모니터링 대상 영상을 캡쳐할 수 있다. 무선 리피터는 기존에 HDMI 케이블 또는 RGB 케이블 대신에 영상의 캡쳐를 위해 연결되는 것일 수 있다.
이상 상황 탐지부(160)는 학습 모델에 기초하여 실시간 모니터링 대상 영상(300) 중 관심 영역(310)에 해당하는 실시간 관심 영역 영상(320)으로부터 이상 상황을 탐지할 수 있다.
이상 상황 탐지부(160)는 이상 상황 탐지에 대한 메시지를 제 2 관리자 단말로 전송할 수 있다. 예를 들어, 이상 상황 탐지부(160)는 실시간 관심 영역 영상(320)으로부터 이상 상황이 탐지되면, 제2 관리자 단말로 "이상 상황이 감지되었습니다."라는 메시지와 함께, 실시간 관심 영역 영상(320)을 전송할 수 있다.
이상 상황 탐지 서버(100)는 제 1 관리자 단말로부터 모니터링 대상 영상 중 관심 영역 및 이상 상황 조건을 입력받을 수 있다.
예를 들어, 이상 상황 탐지 서버(100)는 모니터링 대상 영상 중 관심 영역으로 건물 정문을 촬영한 영상에 대한 영역을 입력받고, 이상 상황 조건으로 "건물 내 유동 인구 모니터링"를 입력받을 수 있다.
이상 상황 탐지 서버(100)는 학습 모델에 기초하여 실시간 모니터링 대상 영상 중 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 유동 인구를 파악하여 제 2 관리자 단말로 제공할 수 있다.
이상 상황 탐지 서버(100)는 제 1 관리자 단말로부터 모니터링 대상 영상 중 관심 영역 및 이상 상황 조건을 입력받을 수 있다.
예를 들어, 이상 상황 탐지 서버(100)는 모니터링 대상 영상 중 관심 영역으로 그래프 영역을 입력받고, 이상 상황 조건으로 "전력량이 이상 패턴을 보이면 “통보"를 입력받을 수 있다.
이상 상황 탐지 서버(100)는 학습 모델에 기초하여 실시간 모니터링 대상 영상 중 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 구간이 감지되는 그래프 영역을 제 2 관리자 단말로 제공할 수 있다.
일 실시예에 따르면, 모니터링 대상 영상에서 이상 상황을 탐지하는 기술은 보안(security) 분야에 적용 가능하다.
예를 들어, 공공 CCTV의 경우, 교통, 지하철, 버스 등의 교통 인프라의 운영 상황 및 돌발 상황에 대해 실시간으로 모니터링하고, 범죄 예방을 위한 사각지대 감시 및 불법 투기 단속을 모니터링하는데 이용될 수 있다.
다른 예를 들어, 민간 CCTV의 경우, 건물 내에 설치된 다수의 카메라를 이용한 방문자 확인 및 이력 관리를 통해 자산 관리, 치안을 보호할 수 있다.
다른 실시예에 따르면, 모니터링 대상 영상에서 이상 상황을 탐지하는 기술은 제조(Factory) 분야에 적용 가능하다. 예를 들어, 산업 시설에 대한 생산 관리, 설비 관리에 대한 모니터링을 수행하여, 불량품의 발생 확률을 낮추도록 할 수 있다.
또 다른 실시예에 따르면, 모니터링 대상 영상에서 이상 상황을 탐지하는 기술은 환경(environment) 분야에 적용 가능하다. 예를 들어, 별도의 미세 먼지 측정 장비를 구비하여 모니터링하지 않고, 기존의 CCTV 자원을 활용하여 가시도를 기준으로 미세먼지의 농도 변화를 모니터링할 수 있다.
도 4는 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(30)는 프로세서(31) 및 메모리(32)를 포함한다. 일실시예에 따른 장치(30)는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 3을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 3을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(32)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(32)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(31)는 프로그램을 실행하고, 장치(30)를 제어할 수 있다. 프로세서(31)에 의하여 실행되는 프로그램의 코드는 메모리(32)에 저장될 수 있다. 장치(30)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (3)

  1. 장치에 의해 수행되는 방법에 있어서,
    제 1 관리자 단말로부터 모니터링 대상 영상 중 관심 영역 및 이상 상황 조건을 입력받는 단계;
    상기 관심 영역에 해당하는 관심 영역 영상으로부터 그래프 변화, 수치 변화, 객체 수 변화, 객체의 행동 변화 및 신규 객체의 등장 중 적어도 하나를 포함하는 상기 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 학습 모델을 학습시키는 단계;
    실시간 모니터링 대상 영상을 획득하는 단계; 및
    상기 학습 모델에 기초하여 상기 실시간 모니터링 대상 영상 중 상기 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 상황을 탐지하는 단계
    를 포함하는
    CCTV의 영상 처리를 통한 이상 행동 모니터링 방법.
  2. 제1항에 있어서,
    상기 학습 모델을 학습시키는 단계는,
    상기 모니터링 대상 영상 중 제 1 관심 영역에 해당하는 제 1 관심 영역 영상으로부터 제 1 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 제 1 학습 모델을 학습시키는 단계; 및
    상기 모니터링 대상 영상 중 제 2 관심 영역에 해당하는 제 2 관심 영역 영상으로부터 제 2 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 제 2 학습 모델을 학습시키는 단계
    를 포함하는
    CCTV의 영상 처리를 통한 이상 행동 모니터링 방법.
  3. 제 1 관리자 단말로부터 모니터링 대상 영상 중 관심 영역 및 이상 상황 조건을 입력받는 입력부;
    상기 관심 영역에 해당하는 관심 영역 영상으로부터 상기 이상 상황 조건에 해당하는 이상 상황을 탐지하도록 학습 모델을 학습시키는 학습부;
    실시간 모니터링 대상 영상을 획득하는 영상 획득부; 및
    상기 학습 모델에 기초하여 상기 실시간 모니터링 대상 영상 중 상기 관심 영역에 해당하는 실시간 관심 영역 영상으로부터 이상 상황을 탐지하는 이상 상황 탐지부
    를 포함하는
    CCTV의 영상 처리를 통한 이상 행동 모니터링 시스템.
KR1020220087273A 2022-07-15 2022-07-15 Cctv의 영상 처리를 통한 이상 행동 모니터링 방법, 장치 및 시스템 KR20240010128A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220087273A KR20240010128A (ko) 2022-07-15 2022-07-15 Cctv의 영상 처리를 통한 이상 행동 모니터링 방법, 장치 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220087273A KR20240010128A (ko) 2022-07-15 2022-07-15 Cctv의 영상 처리를 통한 이상 행동 모니터링 방법, 장치 및 시스템

Publications (1)

Publication Number Publication Date
KR20240010128A true KR20240010128A (ko) 2024-01-23

Family

ID=89714077

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220087273A KR20240010128A (ko) 2022-07-15 2022-07-15 Cctv의 영상 처리를 통한 이상 행동 모니터링 방법, 장치 및 시스템

Country Status (1)

Country Link
KR (1) KR20240010128A (ko)

Similar Documents

Publication Publication Date Title
US11481495B2 (en) Anomalous behavior detection in processor based systems
US10061989B2 (en) Information transfer apparatus and method for image recognition
US10937290B2 (en) Protection of privacy in video monitoring systems
EP3382643B1 (en) Automated object tracking in a video feed using machine learning
EP3370416B1 (en) Cctv automatic selection monitoring system, and cctv automatic selection monitoring management server and management method
US8577082B2 (en) Security device and system
Yoon et al. Learning execution contexts from system call distribution for anomaly detection in smart embedded system
CN111274583A (zh) 一种大数据计算机网络安全防护装置及其控制方法
US10831785B2 (en) Identifying security breaches from clustering properties
KR101949676B1 (ko) 압축영상에 대한 신택스 기반의 객체 침입 감지 방법
KR101971799B1 (ko) 통합된 분석 모델에 기초하여 이상 행동을 감지하는 시스템 및 그 방법
US20190347366A1 (en) Computer-aided design and analysis method for physical protection systems
KR101971790B1 (ko) 통합된 분석 모델에 기초하여 이상 행동을 감지하는 시스템 및 그 방법
KR20240010128A (ko) Cctv의 영상 처리를 통한 이상 행동 모니터링 방법, 장치 및 시스템
CN112949359A (zh) 基于卷积神经网络的异常行为识别方法和装置
JP2008283380A (ja) 地震状況監視装置および地震状況監視方法
KR101978289B1 (ko) 컨텐츠의 불법 이용을 감지하는 시스템 및 그 방법
JP6381189B2 (ja) 監視装置
CN113408445A (zh) 机车乘务员的违章行为分析方法、装置、设备及存储介质
US20170277954A1 (en) System and method for early detecting disasters based on svm
KR20190036421A (ko) 컨텐츠의 불법 이용을 감지하는 시스템 및 그 방법
JP6911888B2 (ja) 監視装置、監視方法、及びプログラム
JP7318711B2 (ja) 異常検知装置、異常検知方法、及びプログラム
US11682213B2 (en) Method and device for training image analysis neural network model and intelligent image capturing apparatus employing the same
KR102576651B1 (ko) 피보호자에 대한 인공지능 기반의 영상 내 위험 상황 발생 감지 및 알림 서비스 제공 방법, 장치 및 컴퓨터-판독 가능 기록 매체