KR101407952B1 - 엘리베이터 방범시스템 및 방법 - Google Patents

엘리베이터 방범시스템 및 방법 Download PDF

Info

Publication number
KR101407952B1
KR101407952B1 KR1020120126464A KR20120126464A KR101407952B1 KR 101407952 B1 KR101407952 B1 KR 101407952B1 KR 1020120126464 A KR1020120126464 A KR 1020120126464A KR 20120126464 A KR20120126464 A KR 20120126464A KR 101407952 B1 KR101407952 B1 KR 101407952B1
Authority
KR
South Korea
Prior art keywords
motion
image
elevator
elevator car
descriptor
Prior art date
Application number
KR1020120126464A
Other languages
English (en)
Other versions
KR20140059962A (ko
Inventor
전창현
Original Assignee
전창현
오티스 엘리베이터 컴파니
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 전창현, 오티스 엘리베이터 컴파니 filed Critical 전창현
Priority to KR1020120126464A priority Critical patent/KR101407952B1/ko
Publication of KR20140059962A publication Critical patent/KR20140059962A/ko
Application granted granted Critical
Publication of KR101407952B1 publication Critical patent/KR101407952B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Maintenance And Inspection Apparatuses For Elevators (AREA)
  • Indicating And Signalling Devices For Elevators (AREA)

Abstract

본 발명은 엘리베이터 방범시스템 및 방법에 관한 것으로서, 엘리베이터의 천장에 설치되어 엘리베이터 카의 평면 영상을 촬영하는 카메라; 상기 카메라로 촬영된 감시 영상을 등간격 셀로 분할하여 가상 매트릭스를 형성하고 각 매트릭스 셀에서의 옵티컬 플로우를 산출한 후, 각 옵티컬 플로우들을 그 위치와 방향에 따라서 분류 및 누적하여 모션 디스크립터를 생성하는 움직임정보 처리부; 및 상기 모션 디스크립터를 기 저장된 상황별 대표 모션 디스크립터들과 비교하여 위험 상황을 발생 여부를 확률적으로 판단하는 제어부를 포함한다. 이에 의해, 엘리베이터 카의 천장에 설치된 카메라로 촬영한 영상으로부터 모션 디스크립터를 추출하여 탑승자의 위치와 동작을 파악하고 탑승자들의 동작을 학습하여 탑승자들의 동작에 따라 범죄 상황 발생 여부를 정확히 판단할 수 있도록 함으로써 엘리베이터 카 내에서의 위험 상황 인식확률을 개선할 수 있다.

Description

엘리베이터 방범시스템 및 방법{ELEVATOR CRIME PRVENT SYSTEM AND METHOD OF CONTROLLING THE SAME}
본 발명은 엘리베이터 방범시스템 및 방법에 관한 것으로서, 더욱 상세하게는 엘리베이터 카의 천장에 설치된 카메라로 촬영한 영상으로부터 모션 디스크립터를 추출하여 탑승자의 위치와 동작을 파악하고 탑승자들의 동작을 학습하여 탑승자들의 동작에 따라 범죄 상황 발생 여부를 정확히 판단할 수 있도록 함으로써 엘리베이터 카 내에서의 위험 상황 인식확률을 개선할 수 있는 엘리베이터 방범시스템 및 방법에 관한 것이다.
승객이 탑승하는 엘리베이터 카는 외부와 차단된 밀폐된 상태로 운행되므로, 탑승 중에 임의의 침입자로부터의 위험한 상황에 노출될 수 있다. 이에 따라, 엘리베이터 카에는 CCTV나 방범창이 구비되는 등 다양한 방법의 방범 기능이 추가로 구비된다.
기존의 엘리베이터 카에 설치되는 카메라 장치는 카 내의 영상을 방재실이나 관리실 등으로 전송한다. 이에, 영상을 감시하는 관리자가 다수 대의 엘리베이터 카로부터 전송되는 영상을 직접 확인하여 범죄 상황을 감시한다.
이러한 영상 감시 방법의 경우, 소수의 관리자가 다수의 영상을 모두 확인하기가 어렵고 범죄나 위험 발생 여부를 관리자가 직접 육안으로 확인하기 때문에 순간적으로 발생하는 범죄상황을 인식하지 못하거나, 뒤늦게 인식하게 되어 방범 효과가 떨어질 수 있다는 문제점이 있다.
이에, 엘리베이터 카 내에서 발생하는 상황들을 정량적으로 분석 및 처리하여 범죄발생 여부를 신속하고 정확하게 판단할 수 있는 방범시스템의 필요성이 높아지고 있다.
한국등록특허 10-1023153: 위험상태 감시 기능을 갖는 엘리베이터 시스템
본 발명은 상술한 문제점을 해결하기 위하여 안출된 것으로서, 엘리베이터 카의 천장에 설치된 카메라로 촬영한 영상으로부터 모션 디스크립터를 추출하여 탑승자의 위치와 동작을 파악하고 탑승자들의 동작을 학습하여 탑승자들의 동작에 따라 범죄 상황 발생 여부를 정확히 판단할 수 있도록 함으로써, 엘리베이터 카 내에서의 위험 상황 인식확률을 개선할 수 있는 엘리베이터 방범시스템 및 방법을 제공하는데 그 기술적 과제가 있다.
상술한 과제를 해결하기 위한 본 발명의 일 측면에 따르면, 엘리베이터의 천장에 설치되어 엘리베이터 카의 평면 영상을 촬영하는 카메라; 상기 카메라로 촬영된 감시 영상을 등간격 셀로 분할하여 가상 매트릭스를 형성하고 각 매트릭스 셀에서의 옵티컬 플로우를 산출한 후, 각 옵티컬 플로우들을 그 위치와 방향에 따라서 분류 및 누적하여 모션 디스크립터를 생성하는 움직임정보 처리부; 및 상기 모션 디스크립터를 기 저장된 상황별 대표 모션 디스크립터들과 비교하여 위험 상황을 발생 여부를 확률적으로 판단하는 제어부를 포함하는 엘리베이터 방범시스템이 제공된다.
여기서, 상기 움직임정보 처리부는, 상기 감시 영상의 2개의 연속된 프레임에서 움직임이 있었던 화면의 픽셀마다, 앞의 프레임에서 화면의 특정 픽셀이 다음의 프레임에서는 어느 위치에 해당하는지를 방향(orientation)과 화면상의 이동거리(magnitude)로 표현하여 상기 옵티컬 플로우를 산출할 수 있다.
그리고, 상기 움직임정보 처리부는, 상기 옵티컬 플로우들 중 상기 이동거리가 기준거리 이상인 옵티컬 플로우들을 해당 위치와 방향에 따라서 누적하여 히스토그램(histogram) 형태로 모션 디스크립터를 생성할 수 있다.
한편, 상기 제어부는, 상기 생성된 모션 디스크립터와 기 저장된 상황별 대표 모션 디스크립터들 간의 유사도를 비교하여 상기 유사도가 가장 높은 대표 모션 디스크립터에 해당하는 상황이 발생한 것으로 판단할 수 있다.
한편, 상기 제어부는, 상기 감시 영상에서 배경을 제거한 영상을 2진 영상으로 변환하여 탑승객을 BIOB(Binary Large Object) 형태로 추출하고, 상기 BIOB의 엣지를 검출하여 검출된 엣지들 중에 폐곡선(close loop)을 이루고 있는 엣지의 집합인 윤곽선(contour)를 인식하여 탑승객의 숫자를 인식할 수 있다.
여기서, 상기 제어부는, 기준 시간 동안 같은 개수의 윤곽선만 존재하면서 상기 윤곽선을 이루고 있는 엣지의 수의 변화가 기준 변화수 보다 적은 경우 낙상자가 발생한 것으로 판단할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 다른 측면에 따르면, (A) 엘리베이터 카 내의 천장에서 바닥을 촬영하여 상기 엘리베이터 카 내의 평면 영상을 획득하는 단계; (B) 움직임 정보 처리부에서 상기 촬영된 감시 영상을 등간격 셀로 분할하여 가상 매트릭스를 형성하는 단계; (C) 상기 움직임 정보 처리부에서 각 매트릭스 셀에서의 옵티컬 플로우를 산출하는 단계; (D) 상기 움직임 정보 처리부에서 산출된 상기 옵티컬 플로우들을 그 위치와 방향에 따라서 분류 및 누적하여 모션 디스크립터를 생성하는 단계; 및 (E) 제어부에서 상기 모션 디스크립터를 기 저장된 상황별 대표 모션 디스크립터들과 비교하여 위험 상황을 발생 여부를 확률적으로 판단하는 단계를 포함하는 엘리베이터 방범방법이 제공된다.
여기서, 상기 (c) 단계는, 상기 감시 영상의 2개의 연속된 프레임에서 움직임이 있었던 화면의 픽셀마다 앞의 프레임에서 화면의 특정 픽셀이 다음의 프레임에서는 어느 위치에 해당하는지를 방향(orientation)과 화면상의 이동거리(magnitude)로 표현하여 상기 옵티컬 플로우를 산출하는 단계를 포함할 수 있다.
그리고, 상기 (D) 단계는, 상기 옵티컬 플로우들 중 상기 이동거리가 기준거리 이상인 옵티컬 플로우들을 해당 위치와 방향에 따라서 누적하여 히스토그램(histogram) 형태로 모션 디스크립터를 생성하는 단계를 포함할 수 있다.
또한, 상기 (E) 단계는, 상기 생성된 모션 디스크립터와 기 저장된 상황별 대표 모션 디스크립터들 간의 유사도를 비교하여 상기 유사도가 가장 높은 대표 모션 디스크립터에 해당하는 상황이 발생한 것으로 판단하는 단계를 포함할 수 있다.
한편, 상기 (E) 단계 이후에, 상기 제어부가 상기 감시 영상에서 배경을 제거한 영상을 2진 영상으로 변환하여 탑승객을 BIOB(Binary Large Object) 형태로 추출하는 단계; 상기 BIOB의 엣지를 검출하여 검출된 엣지들 중에 폐곡선(close loop)을 이루고 있는 엣지의 집합인 윤곽선(contour)를 인식하는 단계; 및 상기 윤곽선의 숫자를 탑승객의 숫자로 인식하는 단계를 더 포함할 수 있다.
그리고, 기준 시간 동안 같은 개수의 윤곽선만 존재하면서 상기 윤곽선을 이루고 있는 엣지의 수의 변화가 기준 변화수 보다 적은 경우 상기 제어부가 낙상자가 발생한 것으로 판단하는 단계를 더 포함할 수 있다.
상술한 바와 같이 본 발명의 엘리베이터 방범시스템 및 방법은 엘리베이터 카의 천장에 설치된 카메라로 촬영한 영상으로부터 모션 디스크립터를 추출하여 탑승자의 위치와 동작을 파악하고 탑승자들의 동작을 학습하여 탑승자들의 동작에 따라 범죄 상황 발생 여부를 정확히 판단할 수 있도록 함으로써, 엘리베이터 카 내에서의 위험 상황 인식확률을 개선할 수 있다.
도 1은 본 발명의 실시예에 따른 엘리베이터 방범시스템의 개략적 구성도이다.
도 2는 본 발명의 실시예에 따른 엘리베이터 카의 정면도이다.
도 3은 본 발명의 실시예에 따른 엘리베이터 방범시스템의 제어장치의 제어블럭도이다.
도 4는 본 발명의 제1실시예에 따른 엘리베이터 방범시스템의 움직임 정보 처리 흐름도이다.
도 5는 본 발명의 제2실시예에 따른 엘리베이터 방범시스템의 움직임 정보 처리 흐름도이다.
도 6은 본 발명의 실시예에 따른 감시 동영상의 옵디컬 플로우 추출 상태도이다.
도 7은 도 6의 감시 동영상의 모션 디스크립터 추출 상태도이다.
도 8은 본 발명의 실시예에 따른 감시 동영상의 2진 영상 변환 상태도이다.
도 9는 도 8의 감시 동영상의 윤곽선 추출 상태도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 보다 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 엘리베이터 방범시스템의 운영 상태도이다.
건물에는 1기 이상의 엘리베이터(120, 130, 150)를 포함하는 엘리베이터 설비부(100)가 설치될 수 있다. 엘리베이터 설비부(100)는 통신망(1)을 통해 원격관리센터(10)와 통신이 가능하며, 경찰서 혹은, 경비업체 등과 통신하는 것도 가능하다.
원격관리센터(10)는 엘리베이터 설비부(100)와 통신망(1)을 통해 접속되며, 엘리베이터 설비부(100)에서 송신하는 범죄 상황 정보를 수신하여 범죄 해결을 위한 조치를 취할 수 있다.
엘리베이터 설비부(100)는 엘리베이터 카(280)와 엘리베이터 카(280) 내의 영상을 촬영하는 카메라부(290)와, 엘리베이터(120, 130, 150)의 전반적인 기능을 제어하고 엘리베이터 카(280) 내에서 범죄 상황이 발생하였는지 여부를 감지하여 범죄가 발생한 것으로 판단된 경우 관리실(20)과 원격관리센터(10) 등에 범죄 상황을 보고하는 제어장치(200, 300, 500)를 포함한다.
제어장치(200)는 엘리베이터 카(280) 내의 영상을 분석하여 탑승자의 숫자와 움직임을 감지하고, 엘리베이터 카(280) 내의 진동상태를 감지하여 범죄 발생 여부를 판단한다. 범죄 상황이 감지된 경우 제어장치(200)는 관리실(20)에 이를 통지할 수 있으며 통신망(1)을 통해 원격관리센터(10)에 보고할 수 있다.
제어장치(200)는 엘리베이터 카(280) 내에서 범죄가 발생한 것으로 판단된 경우, 엘리베이터 카(280) 내의 영상과 음성정보를 녹화하여 관리실(20) 이나 원격관리센터(10) 등의 외부로 전송할 수 있다. 이에, 다수의 사람들이 범죄상황을 인식하여 조치를 취할 수 있으며, 녹화된 영상은 범죄의 증거 자료로 활용하는 것이 가능하다.
제어장치(200)는 엘리베이터 카(280) 내의 탑승자가 원격관리센터(10), 경비업체 등과 직접 통화할 수 있도록 통화기능을 자동으로 활성화시킴으로써, 범죄 상황에 처한 탑승자가 좀더 용이하게 도움을 청할 수 있도록 한다. 또한, 승강장에 설치된 버튼을 이용하여 승강장에서 비상통화 혹은 신고전화를 시도할 수 있도록 한다.
또한, 제어장치(200)는 엘리베이터 카(280) 내에서 범죄가 발생한 것으로 판단된 경우, 엘리베이터 카(280)를 가장 가까운 층에 정차시킨 후 도어를 개방할 수 있다. 이때, 범죄 상황 감지로 인해 가까운 층에 정차한다는 점과, 현재 엘리베이터 카(280) 내의 영상을 녹화 중이라는 점을 안내하여, 범죄자를 심리적으로 무력화시킬 수 있으며, 탑승자의 불안감을 감소시킬 수 있다.
여기서, 하나의 건물에 복수개의 엘리베이터(120, 130, 150)가 설치된 경우, 각 엘리베이터(120, 130, 150)의 제어장치(200, 300, 500)는 상호 마스터/슬레이브 관계로 연결된다. 마스터 제어장치(200)는 각 슬레이브 제어장치(300, 500)와 원격관리센터(10) 간의 접속을 중계할 수 있다
즉, 마스터 제어장치(200)는 각 슬레이브 제어장치(300, 500)로부터 제2엘리베이터(130), 제N엘리베이터(150) 등의, 범죄 상황 감지 정보를 입력 받아 경찰서(20)나 원격관리센터(10)에 송신할 수 있다.
도 2는 본 발명의 실시예에 따른 엘리베이터 카(280)의 정면도이고, 도 3은 본 발명의 실시예에 따른 엘리베이터 방범시스템의 제어장치의 제어블럭도이다.
본 발명의 실시예에 따른 엘리베이터 카(280)의 천장에는 가상 매트릭스 형성을 위한 카메라(290)가 설치된다. 또한, 내부 벽면에는 탑승자의 입력을 위한 탑승자 입력부(294)가 마련된다.
천장에 설치된 카메라(290)는 엘리베이터 카(280) 내의 영상을 아래 방향으로 촬영한다. 이에, 카메라(290)를 통해 엘리베이터 카(280) 내부의 평면도 형상을 영상으로 획득할 수 있다. 여기서, 엘리베이터 카(280)의 크기가 작은 경우 한 대의 카메라로 엘리베이터 내부의 평면도 형상을 모두 영상으로 담을 수 있지만, 엘리베이터 카(280)의 크기가 큰 경우에는 두 대 이상의 카메라를 천장에 설치할 수 있다.
또한, 카메라(290)는 평상시에는 처리속도 향상을 위해 상대적으로 낮은 해상도로 촬영을 하고, 위험상황이 발생하는 것으로 의심되는 경우, 즉, 탑승자 간 근접하는 상태가 인식되는 경우, 카메라(290)의 촬영 해상도가 높아지도록 제어하여 고화질의 영상을 통해 더욱 상세한 상황을 판단할 수 있도록 제어할 수 있다.
이때, 낮은 해상도와 높은 해상도는 한 카메라의 줌 아웃(zoom-out) 및 줌인(zoom-in) 작동에 의하여 달성되는 것일 수 있다. 또한, 한대의 카메라에 의한 줌인 작동에 의한 것보다 더욱 높은 해상도의 영상을 얻기 위해 두 대 이상의 카메라에 의하여 얻은 상세한 영상을 조합하여 전체 영상을 얻는 것도 가능하다.
마이크/스피커부(282)는 탑승자의 음성정보를 입력 받거나 범죄 발생 시 안내 메시지를 출력할 수 있다.
탑승자 입력부(294)는 탑승자의 목적 층 선택을 위한 층 선택 버튼, 비상호출 버튼, 통화 버튼 등을 포함할 수 있다.
디스플레이부(284)는 평상시에 광고나 현재 엘리베이터가 도착한 층을 표시할 수 있다. 그리고, 범죄 발생 시에는 범죄자에게 경고 메시지를 표시하거나, 사용자에게 안전수칙을 안내할 수 있으며, 현재 촬영중인 영상을 표시하여 범죄자에게 현재 범죄 상황을 녹화중이라는 것을 인지시킴으로써 범죄자의 범행 의지를 저하시킬 수 있다.
제어장치(200)는 통신부(220), 저장부(230), 움직임정보 DB(240), 운행정보 감지부(250), 구동부(260), 움직임정보 처리부(270)와, 엘리베이터 카(280) 내에 구비되는 카메라부(290), 마이크/스피커(283), 디스플레이부(284), 탑승자 입력부(294)를 제어하는 제어부(210)를 포함한다.
통신부(220)는 원격관리센터(10), 관리실(20) 등과 접속되어 범죄 상황을 신고할 수 있다.
저장부(230)에는 범죄신고를 위한 연락처 정보와, 영상표시를 위한 그래픽 정보 등의 데이터가 저장될 수 있다.
구동부(260)는 엘리베이터 카(280)를 특정 층으로 승하강 시키는 카 구동장치, 도어를 개폐하는 도어 개폐 구동장치, 등 엘리베이터 기능을 제공하기 위한 다양한 구동장치를 포함할 수 있다.
운행정보 감지부(250)는 구동부(260)의 구동상태, 엘리베이터 카(280)의 위치, 이동 속도, 도어 개폐 여부 등, 엘리베이터(120) 운행과 관련된 각종 정보들을 감지하여 제어부(210)에 전달한다. 이에, 운행정보 감지부(250)는, 층 감지 센서, 속도 감지 센서, 도어 센서 등 다양한 센서들을 포함할 수 있다.
움직임정보 처리부(270)는 엘리베이터 카(280) 내의 카메라(290)로 촬영된 엘리베이터 평면 영상에 대해 가상 매트릭스를 형성하여 각 셀 단위로 옵티컬 플로우(optical flow)를 산출한 후, 산출된 각 옵티컬 플로우들을 그 위치와 방향에 따라서 분류 및 누적하여 모션 디스크립터(motion descriptor)를 히스토그램(histogram)의 형태로 생성한다.
움직임정보 처리부(270)가 설정하는 가상 매트릭스는 카메라(290)로 촬영한 엘리베이터 내의 전체 평면도 영상을 적절한 크기를 가지는 셀로 분할한 것이다. 가상 매트릭스는 가로 및 세로의 n x n 또는 n x m의 등간격 배열로 분할된 셀들을 가진다. 여기에서 n은 3 이상의 자연수이고, m은 n보다 큰 자연수이다. n과 m의 상한값은 제어부가 처리할 수 있다면 특별히 한정되지 않는다. n과 m의 값은 제어부의 처리속도에 따라 적절하게 선택될 수 있는데, 예를 들어, 10~10000의 범위를 가질 수 있으며, 처리의 정확성과 속도 그리고 경제성을 고려하여 적정하게 선택할 수 있다.
움직임정보 처리부(270)는 가상 매트릭스의 분할된 셀을 단위로 옵티컬 플로우를 산출한다. 옵티컬 플로우는 비디오의 2개의 연속된 프레임마다 계산이 된다. 각 옵티컬 플로우는 앞의 프레임에서 화면의 특정 픽셀(pixel)이 다음의 프레임에서는 어느 위치에 해당하는지를 나타낸다. 이에, 옵티컬 플로우는 움직임이 있었던 화면의 픽셀마다 방향(orientation)과 화면상의 이동거리(magnitude)로 표현된다. 움직임정보 처리부(270)는 광 흐름 분석에 이용되는 Gunnar-Farneback 알고리즘, 등을 이용하여 옵티컬 플로우를 산출할 수 있다.
움직임정보 처리부(270)는 감시 영상에서 옵티컬 플로우들을 산출한 후, 각 옵티컬 플로우들을 그 위치와 방향에 따라서 분류 및 누적하여 모션 디스크립터를 히스토그램(histogram)의 형태로 생성한다. 움직임정보 처리부(270)는 특정 시간 단위마다(예: 1초) 그 안에 관찰된 비디오 프레임들에서 옵티컬 플로우를 산출한다. 움직임정보 처리부(270)는 s*s의 가상 매트릭스를 생성한 경우 각 셀 내에서 관찰되는 특정 크기 (magnitude)이상의 옵티컬 플로우들을 방향에 따라서 8가지로 분류한다. 이에, 옵티컬 플로우들은 s*s*8가지 타입으로 분류되며, 관찰되는 각 타입의 개수를 합하여 모션 디스크립터가 완성된다. 따라서 모션 디스크립터는 s*s*8의 차원(dimension)을 가지는 히스토그램으로 생성된다.
움직임정보 처리부(270)에서 생성된 모션 디스크립터는 감시 영상에서 관찰되는 움직임(motion) 정보를 함축한 데이터로서, 영상 내 특정 구간에서 관찰되는 사물의 이동 내용을 요약한다. 감시 영상은 연속적인 반면 모션 디스크립터는 특정 영상 구간(예: 1초)의 움직임 정보를 요약하므로, 각 구간에 해당하는 모션 디스크립터들이 연속적으로 계산되게 된다. 영상 구간마다 계산된 모션 디스크립터는 그 구간의 모든 움직임을 표현하며, 이것이 비디오 기반 범죄 인식에 사용된다.
제어부(210)는 움직임정보 처리부(270)로부터 모션 디스크립터를 전달받아, 움직임정보 DB(240)에 저장된 대표 모션 디스크립터들과 비교하여 엘리베이터 카(280) 내의 위험 상황을 확률적으로 판단한다.
움직임정보 DB(240)에는 실제 엘리베이터에서의 범죄상황을 담고 있는 positive training example과 범죄 내용을 포함하고 있지 않은 엘리베이터 내 일상상황만을 가진 negative training example이 저장되며, 이에, 제어부(210)는 두 가지 영상을 이용하여 범죄 상황을 학습함으로써 어떠한 모션 디스크립터가 범죄 상황에서 관찰되고 어떠한 모션 디스크립터가 일상 상황에서 관찰되는지 그 확률을 산출할 수 있다.
제어부(210)는 모든 학습 비디오의 모든 모션 디스크립터들을 n개의움직임 타입 (motion type)으로 구분한다. 제어부(210)는 n개의 대표 모션 디스크립터를 이용하여 입력된 감시 영상의 모션 디스크립터를 가장 유사한 대표 모션 디스크립터와 같은 타입으로 결정한다. 대표 모션 디스크립터는 다양한 종류의 모션 디스크립터들의 유사도를 통계학적으로 분석하여 산출될 수 있다. 예컨대, K-means 클러스터링(clustering) 알고리즘을 적용하여 다양한 종류의 모션 디스크립터를 n개의 타입으로 분류하고, 각 타입의 대표 모션 디스크립터를 결정함으로써, 입력된 감시 영상을 n개의 움직임 타입 중 한가지로 분류할 수 있다.
결과적으로 각 학습 비디오는 관찰된 움직임 타입들의 집합으로 해석되고, 제어부(210)는 각 움직임 타입이 positive example들에서 얼마나 자주 관찰되고, negative example들에서는 얼마나 자주 관찰되는지 계산하여, 움직임 타입마다 범죄상황에 해당할 확률을 산출할 수 있다.
제어부(210)는 이렇게 계산된 움직임 타입, 즉, 대표 모션 디스크립터들과 그에 대응하는 범죄상황 확률을 움직임정보 DB(240)에 파일의 형태로 저장한다. 이러한 학습결과를 모든 엘리베이터의 움직임정보 DB(240)에 제공함으로서 추가적인 학습 없이 어떠한 엘리베이터에도 같은 서비스를 적용할 수 있다. 아울러서 이러한 학습 파일을 추후 교체함으로써 성능의 업데이트가 가능하다.
엘리베이터 카(280)에서 감시 영상이 입력되면, 움직임정보 처리부(270)는 입력된 감시 영상에서 모션 디스크립터들을 산출하여 제어부(210)에 제공하고, 이에, 제어부(210)는 모션 디스크립터들을 움직임정보 DB(240)에 저장된 대표 모션 디스크립터들과 비교하여 움직임 타입을 분류한다. 제어부(210)는 입력된 감시 영상이 범죄 상황을 포함하고 있는지 여부와, 범죄 상황이 포함하고 있다면 그에 해당하는 구체적인 영상 구간이 어디인지 인식한다. 여기서, 연속적으로 들어오는 비디오 입력에서 범죄상황을 인식하기 위하여 슬라이딩 윈도우(sliding window) 기법을 사용할 수 있다. 슬라이딩 윈도우 기법은 메모리 버퍼의 일정 범위를 Window로 한정하여 어떤 연속적인 이벤트에 대한 연산처리를 하기 위하여 그 범위를 이동하며 연산하므로써 목적하는 결과를 빠르게 얻을 수 있는 방법이다. 이에, 제어부(210)는 슬라이딩 윈도우 기법을 이용하여 특정 길이(예: 8초)의 모든 가능한 영상 구간마다 알고리즘을 적용시킨다. 이에, 제어부(210)는 특정 길이의 모든 비디오 구간마다 범죄 상황 여부를 계산하게 된다.
제어부(210)는 감시 영상에서 해당하는 모션 디스크립터들을 얻고, 그들에 대응되는 움직임 타입들을 계산한 뒤 타입별 범죄 상황 해당 확률을 가져와서 그 확률들의 평균값을 산출한다. 여기서, 계산된 확률 평균이 설정된 기준값 이상이라면 범죄 상황이라는 결정이 내려지게 된다.
제어부(210)는 감시 영상으로부터 엘리베이터 카(280) 내부의 탑승객 숫자와 낙상자를 인식할 수 있다. 이를 위해, 제어부(210)는 감시 영상에서 탑승객을 제외한 배경을 제거한 후, 탑승갯 숫자를 추정하고 낙상자를 판단하는 과정을 수행할 수 있다.
제어부(210)는 감시 영상의 배경 제거를 위해, 탑승객이 탑승하지 않고 출입문이 닫힌 상태의 엘리베이터 카(280) 내부의 영상과, 출입문이 열리고 카메라(290)의 게인(gain)이 증가하여 전체적으로 밝은 상황의 영상을 이용할 수 있다. 이다. 제어부(210)는 현재의 감시 영상에서 전술한 2장의 배경 영상을 빼어 만들어진 2장의 영상을 'AND' 연산하여 최종적으로 배경이 제거된 영상을 획득할 수 있다.
제어부(210)는 배경이 제거된 영상을 2진 영상으로 변환하여 추출된 사람의 형상을 BIOB(Binary Large Object) 형태로 표현한다. BIOB 형태는 바이너리 데이터 (이미지 파일, 텍스트 파일, 엑셀 파일 등)를 저장할 때 사용하는 데이터베이스의 SQL 처리 데이터 형식이다
제어부(210)는 변환된 2진 영상에서 BIOB를 검출하기 위해 엣지를 검출하고, 이때, 검출된 엣지를 강화하기 위해 Morphology 알고리즘을 적용할 수 있으며, Morphology 알고리즘을 사용하지 않을 경우 한 개의 BIOB에서 끊어진 여러 개의 엣지가 검출할 수 있다.
제어부(210)는 검출된 엣지들 중에 폐곡선(close loop)을 이루고 있는 엣지의 집합인 윤곽선(contour)를 인식하고, 찾은 윤곽선 중 배경 제거 중 발생한 노이즈에 의해 생긴 윤곽선나 사람이 금속 재질 벽면에 반사되어 만들어진 윤곽선 등 탑승객에 의해 만들어지지 않은 윤곽선을 제거함으로써, 탑승객의 윤곽선을 검출해 낸다. 여기서, 제어부(210)는 배경 제거 중 발생한 노이즈 등에 의해 발생한 윤곽선을 제거하기 위해 윤곽선을 찾은 후 윤곽선을 이루고 있는 엣지의 수가 너무 작을 경우 해당 윤곽선은 제거할 수 있다. 또한, 탑승객의 윤곽선은 영상 중심에 근처에 존재하고 벽면에 탑승객이 반사된 윤곽선은 영상의 외곽에만 존재하는 성질을 이용하여 영상 중심에서 윤곽선까지의 거리를 계산하고 계산된 거리의 최소값이 특정 값 이상일 경우 반사된 물체의 윤곽선로 간주하고 제거한다. 제어부(210)는 남겨진 윤곽선을 탑승객의 윤곽선로 간주하고 그 수를 카운트하여 탑승객 숫자를 인식할 수 있다.
한편, 제어부(210)는 낙상자 인식 알고리즘을 발동하여 감시 영상으로부터 낙상자를 인식할 수 있다. 제어부(210)는 엘리베이터 카(280) 내부에서 범죄가 일어나 낙상자가 발생한 경우 탑승객의 수가 2명 이상(가해자와 피해자)에서 1명(피해자)으로 감소하는 것을 이용하여 엘리베이터 카(280) 내부에 탑승객 수가 2명 이상에서 1명으로 줄어들 경우에만 아래의 낙상자 파악 단계를 수행한다. 제어부(210)는 특정 시간 동안 1개의 윤곽선만 존재하면서 윤곽선을 이루고 있는 엣지의 수의 변화가 기준 변화수 보다 적은 경우 낙상자가 발생한 것으로 간주하여 낙상자를 인식한다.
제어부(210)는 범죄 상황이나 낙상자 발생 등의 위험 상황으로 판단되면, 통신부(220)를 통해 관리실(20), 원격관리센터(10) 등, 범죄 상황에 대처할 수 있는 기관에 범죄 상황을 신고할 수 있다.
제어부(210)는 또한, 엘리베이터 카(280) 내의 마이크/스피커부(282)를 통해 범죄 상황이 감지되었으며, 이에, 현장을 녹화 중이라는 메시지를 출력하고, 가장 가까운 층에 정차할 것임을 안내한다. 제어부(210)는 안내한 바에 따라, 구동부(260)를 제어하여 현재 위치에서 가장 가까운 층에 엘리베이터 카(280)를 정차시키고, 도어를 개방함으로써 범죄 대상인 탑승자가 신속히 탈출을 시도할 수 있도록 유도하고, 범죄자를 신속히 검거할 수 있도록 한다.
도 4는 본 발명의 제1실시예에 따른 엘리베이터 방범시스템의 움직임 정보 처리 흐름도로서,범죄 여부를 판단하는 과정을 예시한 것이다.
감시 동영상이 수신되면(S110), 움직임정보 처리부(270)는 n x n 또는 n x m의 등간격 배열로 분할된 가상 매트릭스를 형성한다(S120).
움직임정보 처리부(270)는 가상 매트릭스의 분할된 셀을 단위로 옵티컬 플로우를 산출한 후, 각 옵티컬 플로우들을 그 위치와 방향에 따라서 분류 및 누적하여 모션 디스크립터를 히스토그램(histogram)의 형태로 생성한다(S130). 움직임정보 처리부(270)는 특정 시간 단위마다 그 안에 관찰된 비디오 프레임들에서 옵티컬 플로우를 산출한다. 움직임정보 처리부(270)는 s*s의 가상 매트릭스를 생성한 경우 각 셀 내에서 관찰되는 특정 크기 (magnitude)이상의 옵티컬 플로우들을 방향에 따라서 8가지로 분류한다. 이에, 옵티컬 플로우들은 s*s*8가지 타입으로 분류되며, 관찰되는 각 타입의 개수를 합하여 모션 디스크립터가 완성된다.
제어부(210)는 추출된 모션 디스크립터를 움직임정보 DB(240)에 저장된 모션 디스크립터들과 비교하여 엘리베이터 카(280) 내의 위험 상황을 확률적으로 판단한다(S140).
제어부(210)는 위험상황인 것으로 판단된 경우(S150), 위험상황 경고 및 신고할 수 있다(S160).
그리고, 제어부(210)는 추출된 모션 디스크립터와 판단결과를 파일 형태로 움직임정보 DB(240)에 저장하여 학습 결과가 자동으로 축적되도록 할 수 있다.
도 5는 본 발명의 제2실시예에 따른 엘리베이터 방범시스템의 움직임 정보 처리 흐름도로서, 탑승객 숫자와 낙상자를 인식하는 과정을 예시한 것이다.
제어부(210)는 감시 영상에서 배경 제거하고(S210), 배경이 제거된 영상을 2진 영상으로 변환하여 탑승객의 형상 표현한다(S220). 제어부(210)는 배경이 제거된 영상을 2진 영상으로 변환하여 추출된 사람의 형상을 BIOB(Binary Large Object) 형태로 표현할 수 있다.
제어부(210)는 변환된 2진 영상에서 BIOB를 검출하기 위해 엣지를 검출하고, 이때, 검출된 엣지들 중에 폐곡선(close loop)을 이루고 있는 엣지의 집합인 윤곽선(contour)를 인식하여 탑승객의 윤곽선을 추출한다(S230).
제어부(210)는 탑승객의 윤곽선 수에 따라 탑승객 수를 연산하고(S240), 윤곽선을 구성하는 엣지의 변화에 따라 낙상자를 인식한다(S250). 제어부(210)는 특정 시간 동안 같은 개수의 윤곽선만 존재하면서 윤곽선을 이루고 있는 엣지의 수의 변화가 기준 변화수 보다 적은 경우 낙상자가 발생한 것으로 인식할 수 있다.
도 6은 본 발명의 실시예에 따른 감시 동영상의 옵디컬 플로우 추출 상태도이고, 도 7은 도 6의 감시 동영상의 모션 디스크립터 추출 상태도이다.
움직임정보 처리부(270)는 s*s의 가상 매트릭스를 생성한 경우 각 셀 내에서가상 매트릭스의 분할된 셀을 단위로 옵티컬 플로우를 산출한다. 도 6에서는 4*4의 가상 매트릭스를 생성한 경우를 예시하고 있다. 움직임정보 처리부(270)는 비디오의 2개의 연속된 프레임마다 앞의 프레임에서 화면의 특정 픽셀(pixel)이 다음의 프레임에서는 어느 위치에 해당하는지를 방향(orientation)과 화면상의 이동거리(magnitude)로 표현하여 도 6과 같이 옵티컬 플로우를 추출할 수 있다.
이 후, 움직임정보 처리부(270)는 도 6과 같은 옵티컬 플로우를 여러 프레임에서 축적하여 도 7에 도시된 바와 같이 모션 디스크립터를 생성할 수 있다. 움직임정보 처리부(270)는 가상 매트릭스의 각 셀 내에서 관찰되는 특정 크기 (magnitude)이상의 옵티컬 플로우들을 방향에 따라서 8가지로 분류한다. 이에, 옵티컬 플로우들은 s*s*8가지 타입으로 분류되며, 관찰되는 각 타입의 개수를 합하여 도 7에 도시된 바와 같이 모션 디스크립터가 완성된다. 따라서 모션 디스크립터는 s*s*8의 차원(dimension)을 가지는 히스토그램으로 생성된다.
도 8은 본 발명의 실시예에 따른 감시 동영상의 2진 영상 변환 상태도이고 도 9는 도 8의 감시 동영상의 윤곽선 추출 상태도이다.
제어부(210)는 입력된 감시 영상에 탑승객이 탑승하지 않고 출입문이 닫힌 상태의 엘리베이터 카(280) 내부의 영상과, 출입문이 열리고 카메라(290)의 게인(gain)이 증가하여 전체적으로 밝은 상황의 영상을 각각 대입시켜 배경을 제거한 2장의 영상을 'AND' 연산하여 최종적으로 배경이 제거된 영상을 획득할 수 있다.
이 후, 도 8에 도시된 바와 같이, 제어부(210)는 배경이 제거된 영상을 2진 영상으로 변환하여 추출된 사람의 형상(B)을 BIOB 형태로 표현한다.
이 후, 도 9에 도시된 바와 같이, 제어부(210)는 변환된 2진 영상에서 BIOB를 검출하기 위해 엣지를 검출하고, 이때, 검출된 엣지들 중에 폐곡선(close loop)을 이루고 있는 엣지의 집합인 윤곽선(C1, C2, C3)을 검출해 낸다. 여기서, 제어부(210)는 배경 제거 중 발생한 노이즈 등에 의해 발생한 윤곽선을 제거하기 위해 윤곽선을 찾은 후 윤곽선을 이루고 있는 엣지의 수가 너무 작을 경우 해당 윤곽선은 제거할 수 있다. 또한, 탑승객의 윤곽선은 영상 중심에 근처에 존재하고 벽면에 탑승객이 반사된 윤곽선은 영상의 외곽에만 존재하는 성질을 이용하여 영상 중심에서 윤곽선까지의 거리를 계산하고 계산된 거리의 최소값이 특정 값 이상일 경우 반사된 물체의 윤곽선로 간주하고 제거한다. 제어부(210)는 남겨진 윤곽선(C1, C2, C3)을 탑승객의 윤곽선로 간주하고 그 수를 카운트하여 탑승객 숫자를 인식할 수 있다.
이와 같이, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
본 발명은 엘리베이터 카의 천장에 설치된 카메라로 촬영한 영상으로부터 모션 디스크립터를 추출하여 탑승자의 위치와 동작을 파악하고 탑승자들의 동작을 학습하여 탑승자들의 동작에 따라 범죄 상황 발생 여부를 정확히 판단할 수 있도록 함으로써 엘리베이터 카 내에서의 위험 상황 인식확률을 개선할 수 있는 엘리베이터 방범시스템 및 방법을 제공하는 데에 이용할 수 있다.
10 : 원격관리센터 20 : 관리실
100 : 엘리베이터 설비부 120, 130, 150 : 엘리베이터
200 : 제어장치 210 : 제어부
220 : 통신부 230 : 저장부
240 : 움직임정보 DB 250 : 운행정보 감지부
260 : 구동부 270 : 움직임정보 처리부
280 : 엘리베이터 카 282 : 마이크/스피커부
284 : 디스플레이부 286 : 탑승자 입력부
290 : 카메라

Claims (12)

  1. 엘리베이터의 천장에 설치되어 엘리베이터 카의 평면 영상을 촬영하는 카메라;
    상기 카메라로 촬영된 감시 영상을 등간격 셀로 분할하여 가상 매트릭스를 형성하고 각 매트릭스 셀에서의 옵티컬 플로우를 산출한 후, 각 옵티컬 플로우들을 그 위치와 방향에 따라서 분류 및 누적하여 모션 디스크립터를 생성하는 움직임정보 처리부; 및
    상기 모션 디스크립터를 기 저장된 상황별 대표 모션 디스크립터들과 비교하여 위험 상황을 발생 여부를 확률적으로 판단하는 제어부를 포함하며;
    상기 제어부는,
    상기 감시 영상에서 배경을 제거한 영상을 2진 영상으로 변환하여 탑승객을 BIOB(Binary Large Object) 형태로 추출하고, 상기 BIOB의 엣지를 검출하여 검출된 엣지들 중에 폐곡선(close loop)을 이루고 있는 엣지의 집합인 윤곽선(contour)를 인식하여 탑승객의 숫자를 인식하고, 기준 시간 동안 같은 개수의 윤곽선만 존재하면서 상기 윤곽선을 이루고 있는 엣지의 수의 변화가 기준 변화수 보다 적은 경우 낙상자가 발생한 것으로 판단하는 것을 특징으로 하는 엘리베이터 방범시스템.
  2. 제1항에 있어서,
    상기 움직임정보 처리부는,
    상기 감시 영상의 2개의 연속된 프레임에서 움직임이 있었던 화면의 픽셀마다, 앞의 프레임에서 화면의 특정 픽셀이 다음의 프레임에서는 어느 위치에 해당하는지를 방향(orientation)과 화면상의 이동거리(magnitude)로 표현하여 상기 옵티컬 플로우를 산출하는 것을 특징으로 하는 엘리베이터 방범시스템.
  3. 제2항에 있어서,
    상기 움직임정보 처리부는,
    상기 옵티컬 플로우들 중 상기 이동거리가 기준거리 이상인 옵티컬 플로우들을 해당 위치와 방향에 따라서 누적하여 히스토그램(histogram) 형태로 모션 디스크립터를 생성하는 것을 특징으로 하는 엘리베이터 방범시스템.
  4. 제1항에 있어서,
    상기 제어부는,
    상기 생성된 모션 디스크립터와 기 저장된 상황별 대표 모션 디스크립터들 간의 유사도를 비교하여 상기 유사도가 가장 높은 대표 모션 디스크립터에 해당하는 상황이 발생한 것으로 판단하는 것을 특징으로 하는 엘리베이터 방범시스템.
  5. 삭제
  6. 삭제
  7. (A) 엘리베이터 카 내의 천장에서 바닥을 촬영하여 상기 엘리베이터 카 내의 평면 영상을 획득하는 단계;
    (B) 움직임 정보 처리부에서 상기 촬영된 감시 영상을 등간격 셀로 분할하여 가상 매트릭스를 형성하는 단계;
    (C) 상기 움직임 정보 처리부에서 각 매트릭스 셀에서의 옵티컬 플로우를 산출하는 단계;
    (D) 상기 움직임 정보 처리부에서 산출된 상기 옵티컬 플로우들을 그 위치와 방향에 따라서 분류 및 누적하여 모션 디스크립터를 생성하는 단계; 및
    (E) 제어부에서 상기 모션 디스크립터를 기 저장된 상황별 대표 모션 디스크립터들과 비교하여 위험 상황을 발생 여부를 확률적으로 판단하는 단계를 포함하고,
    상기 (E) 단계 이후에,
    상기 제어부가 상기 감시 영상에서 배경을 제거한 영상을 2진 영상으로 변환하여 탑승객을 BIOB(Binary Large Object) 형태로 추출하는 단계;
    상기 BIOB의 엣지를 검출하여 검출된 엣지들 중에 폐곡선(close loop)을 이루고 있는 엣지의 집합인 윤곽선(contour)를 인식하는 단계;
    상기 윤곽선의 숫자를 탑승객의 숫자로 인식하는 단계; 및
    기준 시간 동안 같은 개수의 윤곽선만 존재하면서 상기 윤곽선을 이루고 있는 엣지의 수의 변화가 기준 변화수 보다 적은 경우 상기 제어부가 낙상자가 발생한 것으로 판단하는 단계를 더 포함하는 것을 특징으로 하는 엘리베이터 방범방법.
  8. 제7항에 있어서,
    상기 (C) 단계는,
    상기 감시 영상의 2개의 연속된 프레임에서 움직임이 있었던 화면의 픽셀마다 앞의 프레임에서 화면의 특정 픽셀이 다음의 프레임에서는 어느 위치에 해당하는지를 방향(orientation)과 화면상의 이동거리(magnitude)로 표현하여 상기 옵티컬 플로우를 산출하는 단계를 포함하는 것을 특징으로 하는 엘리베이터 방범방법.
  9. 제8항에 있어서,
    상기 (D) 단계는,
    상기 옵티컬 플로우들 중 상기 이동거리가 기준거리 이상인 옵티컬 플로우들을 해당 위치와 방향에 따라서 누적하여 히스토그램(histogram) 형태로 모션 디스크립터를 생성하는 단계를 포함하는 것을 특징으로 하는 엘리베이터 방범방법.
  10. 제8항에 있어서,
    상기 (E) 단계는,
    상기 생성된 모션 디스크립터와 기 저장된 상황별 대표 모션 디스크립터들 간의 유사도를 비교하여 상기 유사도가 가장 높은 대표 모션 디스크립터에 해당하는 상황이 발생한 것으로 판단하는 단계를 포함하는 것을 특징으로 하는 엘리베이터 방범방법.
  11. 삭제
  12. 삭제
KR1020120126464A 2012-11-09 2012-11-09 엘리베이터 방범시스템 및 방법 KR101407952B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120126464A KR101407952B1 (ko) 2012-11-09 2012-11-09 엘리베이터 방범시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120126464A KR101407952B1 (ko) 2012-11-09 2012-11-09 엘리베이터 방범시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20140059962A KR20140059962A (ko) 2014-05-19
KR101407952B1 true KR101407952B1 (ko) 2014-06-17

Family

ID=50889548

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120126464A KR101407952B1 (ko) 2012-11-09 2012-11-09 엘리베이터 방범시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101407952B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210068243A (ko) 2019-11-29 2021-06-09 한국승강기안전공단 인공지능 기반 승강기 위험상황 자동 예측판단시스템

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101580654B1 (ko) * 2015-08-07 2015-12-28 (주)리얼허브 관심대상의 비정상 상황 판별 방법
EP3406556A1 (en) 2017-05-23 2018-11-28 Otis Elevator Company Elevator doorway display systems for elevator cars
CN110287923B (zh) * 2019-06-29 2023-09-15 腾讯科技（深圳）有限公司 人体姿态获取方法、装置、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100714548B1 (ko) * 1999-02-01 2007-05-07 주식회사 팬택앤큐리텔 동영상의 움직임 활동 특징 기술 방법 및 장치
KR100885418B1 (ko) * 2008-07-30 2009-02-24 주식회사 일리시스 오버헤드 카메라 영상에서 사람을 감지하고 추적하는시스템 및 그 방법
JP2009086748A (ja) * 2007-09-27 2009-04-23 Saxa Inc 監視装置及びプログラム
JP2012084140A (ja) 2010-09-30 2012-04-26 Toshiba Corp 映像解析方法およびシステム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100714548B1 (ko) * 1999-02-01 2007-05-07 주식회사 팬택앤큐리텔 동영상의 움직임 활동 특징 기술 방법 및 장치
JP2009086748A (ja) * 2007-09-27 2009-04-23 Saxa Inc 監視装置及びプログラム
KR100885418B1 (ko) * 2008-07-30 2009-02-24 주식회사 일리시스 오버헤드 카메라 영상에서 사람을 감지하고 추적하는시스템 및 그 방법
JP2012084140A (ja) 2010-09-30 2012-04-26 Toshiba Corp 映像解析方法およびシステム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210068243A (ko) 2019-11-29 2021-06-09 한국승강기안전공단 인공지능 기반 승강기 위험상황 자동 예측판단시스템

Also Published As

Publication number Publication date
KR20140059962A (ko) 2014-05-19

Similar Documents

Publication Publication Date Title
EP4105101A1 (en) Monitoring system, monitoring method, and monitoring device for railway train
US9761248B2 (en) Action analysis device, action analysis method, and action analysis program
KR101748121B1 (ko) 객체 인지 기반의 실시간 영상 검지 시스템 및 그 방법
KR101793636B1 (ko) 통합 지능형 cctv 영상 처리 시스템
KR20140033262A (ko) 실내 감시 시스템 및 실내 감시 방법
CN108647582A (zh) 一种复杂动态环境下目标行为识别与预测方法
JP2018173914A (ja) 画像処理システム、撮像装置、学習モデル作成方法、情報処理装置
KR101877294B1 (ko) 객체, 영역 및 객체가 유발하는 이벤트의 유기적 관계를 기반으로 한 복수 개 기본행동패턴 정의를 통한 복합 상황 설정 및 자동 상황 인지가 가능한 지능형 방범 ｃｃｔｖ 시스템
US20070229663A1 (en) Image processing apparatus, monitoring camera, and image monitoring system
CN103366506A (zh) 一种驾驶员行车途中接打手机行为的自动监控装置及方法
JP2010058903A (ja) 画像認識装置
US10210392B2 (en) System and method for detecting potential drive-up drug deal activity via trajectory-based analysis
CN107911663A (zh) 一种基于计算机视觉检测的电梯乘客危险行为智能识别预警***
KR101459024B1 (ko) 시설물 감시용 보안 시스템
KR101407952B1 (ko) 엘리베이터 방범시스템 및 방법
KR101377029B1 (ko) 지능형 하이브리드 감시제어모듈을 통한 단계별 자율 경보형 스마트 cctv 감시장치 및 감시방법
WO2017126187A1 (ja) 映像監視装置及び映像監視方法
KR102122850B1 (ko) 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션
KR20110121885A (ko) 교통사고 인식장치 및 그 방법
JP2019041207A (ja) 監視システム及び監視方法
US20180032817A1 (en) System and method for detecting potential mugging event via trajectory-based analysis
WO2011025460A1 (en) Method and system for event detection
KR102327807B1 (ko) 인공지능 기반 승강기 위험상황 자동 예측판단시스템
CN113076856A (zh) 基于人脸识别的公交车安全保障***
KR101238788B1 (ko) 엘리베이터 방범시스템 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
N231 Notification of change of applicant
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee