KR101464344B1 - Surveillance camera and image managing system, and method for detecting abnormal state by training normal state of surveillance image - Google Patents

Surveillance camera and image managing system, and method for detecting abnormal state by training normal state of surveillance image Download PDF

Info

Publication number
KR101464344B1
KR101464344B1 KR1020140034556A KR20140034556A KR101464344B1 KR 101464344 B1 KR101464344 B1 KR 101464344B1 KR 1020140034556 A KR1020140034556 A KR 1020140034556A KR 20140034556 A KR20140034556 A KR 20140034556A KR 101464344 B1 KR101464344 B1 KR 101464344B1
Authority
KR
South Korea
Prior art keywords
image data
objects
abnormal state
surveillance camera
unit
Prior art date
Application number
KR1020140034556A
Other languages
Korean (ko)
Inventor
윤대준
Original Assignee
(주)그린아이티코리아
윤대준
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 (주)그린아이티코리아, 윤대준 filed Critical (주)그린아이티코리아
Priority to KR1020140034556A priority Critical patent/KR101464344B1/en
Application granted granted Critical
Publication of KR101464344B1 publication Critical patent/KR101464344B1/en

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B27/00—Alarm systems in which the alarm condition is signalled from a central station to a plurality of substations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Theoretical Computer Science (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Alarm Systems (AREA)

Abstract

A method for detecting an abnormal state according to an embodiment of the present invention in a method for detecting an abnormal state by a surveillance camera includes: a step of learning first image data determined as a normal state and setting a criterion for the normal state; a step of photographing second image data; a step of comparing the second image data with the criterion and determining whether the second image data is in an abnormal state; and a step of outputting notification information if the second image data is determined to be an abnormal state.

Description

감시 영상의 정상 상태 학습을 통한 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템{SURVEILLANCE CAMERA AND IMAGE MANAGING SYSTEM, AND METHOD FOR DETECTING ABNORMAL STATE BY TRAINING NORMAL STATE OF SURVEILLANCE IMAGE}TECHNICAL FIELD [0001] The present invention relates to a surveillance camera and a video management system, and more particularly, to a surveillance camera and a video management system employing the surveillance video surveillance system and a video surveillance system,

본 발명은 감시 영상의 정상 상태 학습을 통한 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템에 관한 것이다. 보다 구체적으로, 본 발명은 정상 상태에 해당하는 제 1 영상 데이터를 학습한 후, 제 2 영상 데이터가 이상 상태에 해당하는지 여부를 판단하는 감시 영상의 정상 상태 학습을 통한 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템에 관한 것이다.The present invention relates to a surveillance state detection method through steady state learning of a surveillance image, and a surveillance camera and a video management system using the same. More particularly, the present invention relates to a method for detecting an abnormal condition through steady state learning of a surveillance image to determine whether second image data corresponds to an abnormal state after learning first image data corresponding to a normal state, A surveillance camera and a video management system.

감시 카메라는 산업용, 교육용, 의료용, 교통 관제용, 방재용 및 사내의 화상정보 전달용 등으로 그 용도가 다양하다. Surveillance cameras are used for industrial, educational, medical, traffic control, disaster prevention, and in-house image information transmission.

감시 카메라는 범죄의 예방 및 억제효과, 범인의 발견 및 체포의 용이성, 시민들이 인식하는 범죄의 두려움 감소, 그리고 주요 지역에의 설치로 인한 한정된 경찰인력의 보완 등의 효과가 실증적으로 증명되었기 때문에 골목과 같은 우범지대에 감시 카메라를 설치하여 범죄 발생을 예방하고 있다.Since surveillance cameras have proven to be effective in preventing and suppressing crime, facilitating discovery and apprehension of criminals, reducing the fear of crime perceived by citizens, and supplementing the limited number of police manpower due to installation in major regions, To prevent the occurrence of crime.

최근, 감시 카메라는 촬영된 영상 데이터를 소정의 영상 분석 알고리즘에 적용하여 영상 데이터에 포함된 객체들의 특정 행동에 대한 작위 또는 부작위, 객체들의 식별 또는, 특정 객체의 침입 등을 분석할 수 있다. 그러나, 감시 카메라에 의해 처리되는 영상 분석 알고리즘들은 감시 카메라에 과도한 부하를 주기 때문에 감시 카메라의 고성능이 요구되는 문제점이 있다. 또한, 영상 분석 알고리즘을 감시 카메라에 적용함으로써 알고리즘을 개발한 회사 등에 대해 로열티를 지불해야 한다는 문제점도 존재한다.In recent years, the surveillance camera can analyze captured image data by applying it to a predetermined image analysis algorithm so as to analyze a specific behavior of the objects included in the image data, identification of objects, intrusion of a specific object, and the like. However, since the image analysis algorithms processed by the surveillance cameras give an excessive load to the surveillance cameras, high performance of the surveillance cameras is required. In addition, there is a problem that a company that has developed an algorithm by paying royalties by applying an image analysis algorithm to a surveillance camera.

비용을 절감하기 위한 일 방법으로서, 여러 대의 감시 카메라 중 일부의 감시 카메라에만 영상 분석 알고리즘을 적용하는 방법 등이 사용되고 있으나, 알고리즘이 적용되지 않은 감시 카메라들에 대해서는 사용자가 직접 영상 데이터를 확인하여야 한다는 불편이 존재한다.As a method for reducing the cost, a method of applying an image analysis algorithm to only a part of the surveillance cameras of a plurality of surveillance cameras is used, but in a surveillance camera to which the algorithm is not applied, the user must directly check the image data There is an inconvenience.

또한, 여러 대의 감시 카메라를 서버에 연결하고, 서버에 영상 분석 알고리즘을 적용하여 서버가 영상 데이터의 분석을 수행하는 방법도 사용되고 있으나, 이러한 방법에 의하더라도 서버에 과도한 부하를 줄 수 있는 문제점은 여전히 존재한다.In addition, although a method in which a plurality of surveillance cameras are connected to a server and an image analysis algorithm is applied to the server to analyze the image data is also used, the problem of imposing an excessive load on the server is still exist.

따라서, 감시 카메라에 대한 부하를 감소시키면서 영상 데이터를 용이하게 분석할 수 있는 방법이 요구된다.Accordingly, there is a need for a method for easily analyzing image data while reducing the load on the surveillance camera.

한국특허등록공보 제10-0954375호Korean Patent Registration No. 10-0954375

본 발명의 일 실시예에 따른 감시 영상의 정상 상태 학습을 통한 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템은, 감시 카메라에 대한 부하를 감소시키는 것을 목적으로 한다.A method for detecting an abnormal condition through steady state learning of a surveillance image according to an embodiment of the present invention and a surveillance camera and an image management system using the surveillance image for reducing surveillance camera load.

또한, 본 발명의 일 실시예에 따른 감시 영상의 정상 상태 학습을 통한 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템은, 감시 카메라에 의해 촬영된 영상 데이터에 이상 상황이 발생하였는지 여부를 용이하게 감지하는 것을 목적으로 한다.In addition, the abnormal state detection method through the steady state learning of the surveillance image according to the embodiment of the present invention and the surveillance camera and the image management system using the surveillance image can be easily carried out by checking whether the abnormal situation occurs in the image data photographed by the surveillance camera The purpose is to detect.

또한, 본 발명의 일 실시예에 따른 감시 영상의 정상 상태 학습을 통한 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템은, 영상 분석 알고리즘을 감시 카메라에 적용함으로써 발생하는 비용 낭비를 절감하는 것을 목적으로 한다.In addition, the abnormal state detection method through the steady state learning of the surveillance image according to the embodiment of the present invention and the surveillance camera and the image management system using the surveillance image can reduce the cost wasted by applying the image analysis algorithm to the surveillance camera The purpose.

본 발명의 일 실시예에 따른 이상 상태 감지 방법은,According to an embodiment of the present invention,

감시 카메라에 의한 이상 상태 감지 방법에 있어서, 정상 상태로 결정된 제 1 영상 데이터를 학습하여 상기 정상 상태에 대한 판단 기준을 설정하는 단계; 제 2 영상 데이터를 촬영하는 단계; 상기 제 2 영상 데이터와 상기 판단 기준을 비교하여 상기 제 2 영상 데이터가 이상 상태에 해당하는지를 판단하는 단계; 및 상기 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력하는 단계를 포함할 수 있다.A method for detecting an abnormal condition by a surveillance camera, the method comprising: learning first image data determined as a normal state and setting a determination criterion for the normal state; Capturing second image data; Comparing the second image data with the determination reference to determine whether the second image data corresponds to an abnormal state; And outputting notification information when the second image data corresponds to an abnormal state.

상기 판단 기준을 설정하는 단계는, 상기 감시 카메라에 의해 촬영된 영상 데이터들 중 사용자의 입력에 기초하여 선택된 상기 제 1 영상 데이터를 학습하는 단계를 포함할 수 있다.The step of setting the determination criterion may include learning the first image data selected based on the input of the user among the image data photographed by the surveillance camera.

상기 판단 기준은, 상기 제 1 영상 데이터에 포함된 객체들의 개수, 객체들의 이동 속도, 객체들이 위치하고 있는 지점, 및 객체들의 이동 방향 중 적어도 하나에 기초하여 설정될 수 있다.The determination criterion may be set based on at least one of a number of objects included in the first image data, a moving speed of the objects, a location where the objects are located, and a moving direction of the objects.

상기 판단 기준은, 상기 제 1 영상 데이터가 촬영된 시간 정보를 포함하되, 상기 제 2 영상 데이터가 이상 상태에 해당하는지를 판단하는 단계는, 상기 제 2 영상 데이터가 촬영된 시간 정보와 상기 제 1 영상 데이터가 촬영된 시간 정보를 비교하는 단계를 포함할 수 있다.Wherein the step of determining whether the second image data corresponds to an abnormal state includes the time information in which the first image data is photographed, And comparing the time information at which the data was photographed.

상기 판단 기준은, 상기 감시 카메라에 의해 촬영된 영상 데이터에 포함되어야 할 객체들의 개수 범위, 객체들이 위치해야 할 영역, 객체들의 이동 속도 범위 및 객체들의 이동 방향 범위 중 적어도 하나를 포함할 수 있다.The determination criterion may include at least one of a number of objects to be included in the image data photographed by the surveillance camera, an area where the objects should be located, a moving speed range of the objects, and a moving direction range of the objects.

상기 이상 상태 감지 방법은, 상기 알림 정보를 출력한 후, 사용자로부터 상기 제 2 영상 데이터가 정상 상태에 해당한다는 것을 나타내는 입력을 수신한 경우, 상기 제 2 영상 데이터에 기초하여 상기 판단 기준을 재설정하는 단계를 더 포함할 수 있다.The abnormal state detection method may further include resetting the determination reference based on the second image data when an input indicating that the second image data corresponds to a normal state is received from the user after outputting the notification information Step < / RTI >

상기 이상 상태 감지 방법은, 상기 감시 카메라에 의해 정상 상태로 판단된 제 3 영상 데이터가 이상 상태에 해당한다는 것을 나타내는 입력을 사용자로부터 수신한 경우, 상기 제 3 영상 데이터에 기초하여 상기 판단 기준을 재설정하는 단계를 더 포함할 수 있다.The method according to claim 1, further comprising the steps of: when receiving from the user an input indicating that the third image data determined to be in a normal state by the surveillance camera corresponds to an abnormal state, The method comprising the steps of:

상기 이상 상태 감지 방법을 실행하기 위한 컴퓨터 프로그램이 컴퓨터로 읽을 수 있는 기록 매체에 기록될 수 있다.A computer program for executing the abnormal state detection method may be recorded on a computer-readable recording medium.

본 발명의 일 실시예에 따른 감시 카메라는, According to an embodiment of the present invention,

이상 상태를 감지하는 감시 카메라에 있어서, 정상 상태로 결정된 제 1 영상 데이터를 학습하여 상기 정상 상태에 대한 판단 기준을 설정하는 판단 기준 설정부; 제 2 영상 데이터를 촬영하는 촬영부; 상기 제 2 영상 데이터와 상기 판단 기준을 비교하여 상기 제 2 영상 데이터가 이상 상태에 해당하는지를 판단하는 이상 상태 판단부; 및 상기 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력하는 출력부를 포함할 수 있다.A surveillance camera for detecting an abnormal condition, comprising: a determination criterion setting unit for learning a first image data determined as a normal condition and setting a criterion for the normal condition; A photographing unit photographing the second image data; An abnormal state determiner for comparing the second image data with the determination reference to determine whether the second image data corresponds to an abnormal state; And an output unit outputting notification information when the second image data corresponds to an abnormal state.

판단 기준 설정부는, 상기 촬영부에 의해 촬영된 영상 데이터들 중 사용자에 의해 선택된 상기 제 1 영상 데이터를 학습할 수 있다.The determination criterion setting unit may learn the first image data selected by the user from the image data photographed by the photographing unit.

상기 판단 기준은, 상기 제 1 영상 데이터에 포함된 객체들의 개수, 객체들의 이동 속도, 객체들이 위치하고 있는 지점, 및 객체들의 이동 방향 중 적어도 하나에 기초하여 설정될 수 있다.The determination criterion may be set based on at least one of a number of objects included in the first image data, a moving speed of the objects, a location where the objects are located, and a moving direction of the objects.

상기 판단 기준은, 상기 제 1 영상 데이터가 촬영된 시간 정보를 포함하되, 상기 이상 상태 판단부는, 상기 제 2 영상 데이터가 촬영된 시간 정보와 상기 제 1 영상 데이터가 촬영된 시간 정보를 비교할 수 있다.The determination criterion may include time information of the first image data, and the abnormal state determination unit may compare the time information of the second image data with the time information of the first image data .

상기 판단 기준은, 상기 촬영부에 의해 촬영된 영상 데이터에 포함되어야 할 객체들의 개수 범위, 객체들이 위치해야 할 영역, 객체들의 이동 속도 범위 및 객체들의 이동 방향 범위 중 적어도 하나를 포함할 수 있다.The determination criterion may include at least one of a number of objects to be included in the image data photographed by the photographing unit, an area where the objects should be located, a moving speed range of the objects, and a moving direction range of the objects.

상기 판단 기준 설정부는, 상기 알림 정보가 출력된 후, 사용자로부터 상기 제 2 영상 데이터가 정상 상태에 해당한다는 것을 나타내는 입력을 수신한 경우, 상기 제 2 영상 데이터에 기초하여 상기 판단 기준을 재설정할 수 있다.Wherein the determination reference setting unit is capable of resetting the determination reference based on the second image data when receiving from the user an input indicating that the second image data corresponds to a normal state after the notification information is output have.

상기 판단 기준 설정부는, 상기 이상 상태 판단부에 의해 정상 상태로 판단된 제 3 영상 데이터가 이상 상태에 해당한다는 것을 나타내는 입력을 사용자로부터 수신한 경우, 상기 제 3 영상 데이터에 기초하여 상기 판단 기준을 재설정할 수 있다.Wherein the determination reference setting unit sets the determination reference based on the third image data when receiving from the user an input indicating that the third image data determined as a normal state by the abnormal state determination unit corresponds to an abnormal state, You can reset it.

본 발명의 다른 실시예에 따른 이상 상태 감지 방법은,According to another aspect of the present invention,

적어도 하나의 감시 카메라에 연결된 관리 서버에 의한 이상 상태 감지 방법에 있어서, 정상 상태로 결정된 제 1 영상 데이터를 학습하여 상기 정상 상태에 대한 판단 기준을 설정하는 단계; 상기 적어도 하나의 감시 카메라에 의해 촬영된 제 2 영상 데이터를 획득하는 단계; 상기 제 2 영상 데이터와 상기 판단 기준을 비교하여 상기 제 2 영상 데이터가 이상 상태에 해당하는지를 판단하는 단계; 및 상기 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력하는 단계를 포함할 수 있다.A method of detecting an abnormal state by a management server connected to at least one surveillance camera, the method comprising: learning first image data determined as a normal state to set a determination criterion for the normal state; Acquiring second image data taken by the at least one surveillance camera; Comparing the second image data with the determination reference to determine whether the second image data corresponds to an abnormal state; And outputting notification information when the second image data corresponds to an abnormal state.

본 발명의 다른 실시예에 따른 영상 관리 시스템은,According to another aspect of the present invention,

적어도 하나의 감시 카메라; 및 상기 적어도 하나의 감시 카메라에 연결된 관리 서버를 포함하고, 상기 관리 서버는, 정상 상태로 결정된 제 1 영상 데이터를 학습하여 상기 정상 상태에 대한 판단 기준을 설정하는 판단 기준 설정부; 상기 적어도 하나의 감시 카메라에 의해 촬영된 제 2 영상 데이터를 획득하는 수신부; 상기 제 2 영상 데이터와 상기 판단 기준을 비교하여 상기 제 2 영상 데이터가 이상 상태에 해당하는지를 판단하는 이상 상태 판단부; 및 상기 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력하는 출력부를 포함할 수 있다.At least one surveillance camera; And a management server connected to the at least one surveillance camera, wherein the management server comprises: a determination criterion setting unit for determining a criterion for the steady state by learning first image data determined to be in a steady state; A receiving unit for acquiring second image data photographed by the at least one surveillance camera; An abnormal state determiner for comparing the second image data with the determination reference to determine whether the second image data corresponds to an abnormal state; And an output unit outputting notification information when the second image data corresponds to an abnormal state.

본 발명의 일 실시예에 따른 감시 영상의 정상 상태 학습을 통한 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템은, 감시 카메라에 대한 부하를 감소시킬 수 있다.The abnormal state detection method through the steady state learning of the surveillance image according to an embodiment of the present invention and the surveillance camera and the image management system using the surveillance image can reduce the load on the surveillance camera.

또한, 감시 영상의 정상 상태 학습을 통한 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템은, 감시 카메라에 의해 촬영된 영상 데이터에 이상 상황이 발생하였는지 여부를 용이하게 감지할 수 있다.Also, the abnormal state detection method through the steady state learning of the surveillance image and the surveillance camera and the image management system using the surveillance image can easily detect whether or not an abnormal situation occurs in the image data photographed by the surveillance camera.

또한, 감시 영상의 정상 상태 학습을 통한 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템은, 영상 분석 알고리즘을 감시 카메라에 적용함으로써 발생하는 비용 낭비를 절감할 수 있다.Also, the abnormal state detection method through the steady state learning of the surveillance image and the surveillance camera and the image management system using the surveillance image can save the cost wasted by applying the image analysis algorithm to the surveillance camera.

도 1은 본 발명의 일 실시예에 따른 감시 카메라의 구성을 도시하는 블록도이다.
도 2는 정상 상태로 결정된 제 1 영상 데이터에 포함된 프레임들을 도시하는 도면이다.
도 3은 제 2 영상 데이터에 포함된 프레임들을 도시하는 도면이다.
도 4는 본 발명의 다른 실시예에 따른 영상 관리 시스템의 구성을 도시하는 블록도이다.
도 5는 본 발명의 일 실시예에 따른 이상 상태 감지 방법의 순서를 도시하는 순서도이다.
도 6은 본 발명의 다른 실시예에 따른 이상 상태 감지 방법의 순서를 도시하는 순서도이다.
도 7은 본 발명의 또 다른 실시예에 따른 이상 상태 감지 방법의 순서를 도시하는 순서도이다.1 is a block diagram showing the configuration of a surveillance camera according to an embodiment of the present invention.
2 is a diagram showing frames included in first image data determined to be in a steady state.
3 is a diagram showing frames included in the second image data.
4 is a block diagram showing the configuration of a video management system according to another embodiment of the present invention.
5 is a flowchart showing a procedure of an abnormal state detection method according to an embodiment of the present invention.
6 is a flowchart showing a procedure of an abnormal state detection method according to another embodiment of the present invention.
7 is a flowchart showing a procedure of an abnormal state detection method according to another embodiment of the present invention.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 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.BRIEF DESCRIPTION OF THE DRAWINGS The advantages and features of the present invention, and the manner of achieving them, will be apparent from and elucidated with reference to the embodiments described hereinafter in conjunction with the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the invention to those skilled in the art. To fully disclose the scope of the invention to those skilled in the art, and the invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout the specification.

본 실시예에서 사용되는 '부'라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '부'는 어떤 역할들을 수행한다. 그렇지만 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '부'들로 결합되거나 추가적인 구성요소들과 '부'들로 더 분리될 수 있다.The term " part " used in this embodiment means a hardware component such as software, FPGA, or ASIC, and 'part' performs certain roles. However, 'minus' is not limited to software or hardware. The " part " may be configured to be in an addressable storage medium and configured to play back one or more processors. Thus, by way of example, and by no means, the terms " component " or " component " means any combination of components, such as software components, object- oriented software components, class components and task components, Subroutines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays and variables. The functions provided in the components and parts may be combined into a smaller number of components and parts or further separated into additional components and parts.

도 1은 본 발명의 일 실시예에 따른 감시 카메라(100)의 구성을 도시하는 블록도이다.1 is a block diagram showing a configuration of a surveillance camera 100 according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 감시 카메라(100)는 촬영부(110), 판단 기준 설정부(150), 이상 상태 판단부(160) 및 출력부(170)를 포함할 수 있다. 판단 기준 설정부(150), 이상 상태 판단부(160)는 마이크로 프로세서로 구성될 수 있다.1, a surveillance camera 100 according to an exemplary embodiment of the present invention includes a photographing unit 110, a determination reference setting unit 150, an abnormal state determining unit 160, and an output unit 170 . The determination criterion setting unit 150 and the anomaly state determiner 160 may be implemented by a microprocessor.

촬영부(110)는 피사체 또는 촬영 영역에 대한 영상 데이터를 촬영한다. 영상 데이터는 복수의 프레임으로 구성된 동영상 데이터일 수 있다. The photographing unit 110 photographs the image data of the object or the photographing area. The video data may be video data composed of a plurality of frames.

촬영부(110)는 렌즈부(미도시)와 CCD 센서부(미도시)를 포함할 수 있다. 렌즈부는 적어도 하나 이상의 렌즈가 장착될 수 있으며, 줌-인/아웃 동작이 가능할 수 있다. CCD 센서부는 상기 렌즈부를 통과한 영상을 감지하여 영상 처리부(120)로 전송할 수 있다. 이때, CCD 센서부는 촬영부(110)에서 촬영되는 영상의 휘도 값 또는 명도 값을 확인한 후 확인된 휘도 값 또는 명도 값에 따라 영상에 대한 자동 노출 설정 값을 조정하는 자동 노출 조절부를 더 포함할 수 있다.The photographing unit 110 may include a lens unit (not shown) and a CCD sensor unit (not shown). The lens unit may be equipped with at least one lens, and zoom-in / out operations may be possible. The CCD sensor unit senses an image passing through the lens unit and transmits the sensed image to the image processing unit 120. In this case, the CCD sensor unit may further include an automatic exposure adjusting unit for adjusting the automatic exposure setting value for the image according to the checked luminance value or brightness value after checking the luminance value or brightness value of the image photographed by the photographing unit 110 have.

판단 기준 설정부(150)는 정상 상태로 결정된 제 1 영상 데이터를 학습하여 정상 상태에 대한 판단 기준을 설정한다. 구체적으로, 판단 기준 설정부(150)는 제 1 영상 데이터에 포함된 객체들을 특정하고, 특정된 객체들의 개수, 객체들의 이동 속도, 객체들이 위치하고 있는 지점 및 객체들의 이동 방향 중 적어도 하나를 분석하여 판단 기준을 설정할 수 있다.The determination reference setting unit 150 learns the first image data determined to be in the normal state and sets the determination reference for the normal state. Specifically, the criterion setting unit 150 identifies the objects included in the first image data, analyzes at least one of the number of specified objects, the moving speed of the objects, the point where the objects are located, and the moving direction of the objects The judgment criterion can be set.

제 1 영상 데이터는 촬영부(110)에 의해 촬영된 영상 데이터를 포함할 수 있고, 정상 상태에 해당하는 것으로 결정되어 저장부(130)에 미리 저장되어 있던 영상 데이터를 포함할 수도 있다. 사용자는 촬영부(110)에 의해 촬영되고 있는 영상 데이터들 중 정상 상태로 판단되는 상기 제 1 영상 데이터를 선택할 수 있다.The first image data may include image data photographed by the photographing unit 110 and may include image data previously determined to correspond to a normal state and stored in the storage unit 130. [ The user can select the first image data that is determined as a normal state among the image data photographed by the photographing unit 110. [

사용자는 다양한 시간대의 제 1 영상 데이터를 선택할 수 있다. 예를 들어, 사용자는 다수의 객체가 포함된 출퇴근 시간의 제 1 영상 데이터를 선택할 수 있고, 퍼레이드 등이 진행되는 축제일의 제 1 영상 데이터를 선택할 수도 있다.The user can select the first image data in various time zones. For example, the user may select the first image data of commute time including a plurality of objects, and may select the first image data of the festival days on which the parade and the like proceed.

판단 기준 설정부(150)에 의해 설정되는 판단 기준은 영상 데이터에 포함되어야 할 객체들의 개수 범위, 객체들이 위치해야 할 영역, 객체들의 이동 속도 범위 및 객체들의 이동 방향 범위 중 적어도 하나를 포함할 수 있다. 예를 들어, 제 1 영상 데이터 내에 5명의 사람이 포함되어 있는 경우, 3 내지 7명의 사람 수를 영상 데이터에 대한 판단 기준으로 설정할 수 있다. 판단 기준은 제 1 영상 데이터가 촬영된 시간 정보를 더 포함할 수도 있다. The determination criterion set by the criterion setting unit 150 may include at least one of a number range of objects to be included in the image data, an area where the objects should be located, a moving speed range of the objects, and a moving direction range of the objects have. For example, when five persons are included in the first video data, the number of persons of three to seven can be set as a judgment criterion for the video data. The determination criterion may further include time information on the first image data.

또한, 판단 기준 설정부(150)는 사용자에 의해 선택된 제 1 영상 데이터를 소정의 시간 단위로 분할하고, 분할된 영상 데이터들 각각에 대응하는 판단 기준을 설정할 수도 있다.The determination criterion setting unit 150 may divide the first image data selected by the user into predetermined time units and set a determination criterion corresponding to each of the divided image data.

이상 상태 판단부(160)는 촬영부(110)에 의해 촬영된 제 2 영상 데이터와 판단 기준 설정부(150)에 의해 설정된 판단 기준을 비교하여, 제 2 영상 데이터가 이상 상태에 해당하는지를 판단한다. The abnormal state determination unit 160 compares the second image data photographed by the photographing unit 110 with the determination reference set by the determination reference setting unit 150 to determine whether the second image data corresponds to an abnormal state .

이상 상태 판단부(160)는 제 2 영상 데이터 내에 포함된 객체들을 특정하고, 특정된 객체들의 개수, 객체들이 위치하고 있는 지점, 객체들의 이동 속도 및 객체들의 이동 방향 중 적어도 하나가 판단 기준 설정부(150)에 의해 설정된 판단 기준에 포함되는지를 판단함으로써, 제 2 영상 데이터가 이상 상태에 해당하는지를 판단할 수 있다.The abnormal state determiner 160 specifies the objects included in the second image data, and determines whether at least one of the specified number of objects, the location of the objects, the moving speed of the objects, 150 to judge whether the second image data corresponds to an abnormal state or not.

또한, 판단 기준에 제 1 영상 데이터가 촬영된 시간 정보가 포함되어 있는 경우, 이상 상태 판단부(160)는 제 1 영상 데이터가 촬영된 시간과 제 2 영상 데이터가 촬영된 시간을 더 비교하여 제 2 영상 데이터가 이상 상태에 해당하는지를 판단할 수도 있다. 예를 들어, 제 1 영상 데이터가 오전 10시에 촬영된 경우, 이상 상태 판단부(160)는 오전 10시에 촬영된 제 2 영상 데이터에 대해서만 이상 상태의 해당 여부를 판단할 수 있고, 오전 10시로부터 한 시간의 시간 간격이 존재하는 오전 9시부터 오전 11시 사이에 촬영된 제 2 영상 데이터에 대해서만 이상 상태의 해당 여부를 판단할 수도 있다. 상기 시간 간격은 당업자에게 자명한 범위 내에서 다양하게 설정될 수 있다.If the time information of the first image data is included in the determination reference, the abnormal state determination unit 160 compares the time at which the first image data was captured and the time at which the second image data was captured, 2 video data corresponds to an abnormal state. For example, when the first image data is photographed at 10:00 am, the abnormal state determination unit 160 can determine whether the second image data photographed at 10:00 am is abnormal or not, It is possible to judge whether or not the abnormal state is applicable only to the second image data photographed from 9:00 am to 11:00 am in which a time interval of one hour exists from the time. The time interval may be variously set within a range apparent to a person skilled in the art.

출력부(170)는 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력한다. 또한, 출력부(170)는 저장부(130)에 저장된 영상 데이터를 출력할 수도 있다. 출력부(170)는 스피커, 디스플레이, 프린터 등 당업자에게 자명한 범위 내에서 다양한 출력 장치들을 포함할 수 있다.The output unit 170 outputs notification information when the second image data corresponds to an abnormal state. Also, the output unit 170 may output the image data stored in the storage unit 130. The output unit 170 may include various output devices within a range that is obvious to a person skilled in the art such as a speaker, a display, a printer, and the like.

사용자는 출력부(170)로부터 알림 정보가 출력되는 경우, 촬영부(110)에 의해 촬영된 영상 데이터에 이상 상황이 발생한 것으로 용이하게 인지할 수 있다.The user can easily recognize that an abnormal situation occurs in the image data photographed by the photographing unit 110 when the notification information is output from the output unit 170. [

본 발명의 일 실시예에 따른 감시 카메라(100)는 정상 상태로 결정된 영상 데이터를 학습하고, 학습 결과 생성되는 판단 기준을 통해 영상 데이터의 이상 상황 발생 여부를 판단하므로, 감시 카메라(100)에 영상 분석 알고리즘을 적용할 필요가 없다.The surveillance camera 100 according to an exemplary embodiment of the present invention learns image data determined to be in a steady state and determines whether an abnormal situation of image data occurs through a determination criterion generated as a result of learning. There is no need to apply an analysis algorithm.

또한, 본 발명의 일 실시예에 따른 감시 카메라(100)는 감시 카메라(100)에 의해 촬영된 영상 데이터가 이상 상태에 해당하는 경우에만 사용자에게 알림 정보를 출력하여 사용자가 감시 카메라(100)를 계속적으로 확인하여야 하는 부담을 덜어준다.The surveillance camera 100 according to an exemplary embodiment of the present invention outputs notification information to a user only when the surveillance camera 100 detects that the surveillance camera 100 is abnormal, It relieves the burden of continuous confirmation.

기존에는 수 많은 이상상태에 따른 수 많은 알고리즘 중 한 두 종류의 알고리즘을 선택하여 대응되는 이상 상태만 감시할 수 있었고, 여러 알고리즘을 적용할 경우 하드웨어 자원에 한계가 있어 다채널 실시간 CCTV 감시 분야에서는 적용이 어려웠으나 앞서 설명한 바와 같은 본 발명의 실시예를 이용할 경우 기존과 반대로 정상상태를 인지하는 방식으로 동작하므로 하나의 알고리즘만 이용하더라도 정상 상태를 제외한 불특정한 이상 상태를 이벤트로 처리할 수 있다. 또한, 이러한 방식을 적용할 경우 다양한 상황이 존재하는 방범 시스템에서의 효과가 상당히 높다.In the past, it was possible to monitor only one of two kinds of algorithms among the many algorithms according to the abnormal state, and only the corresponding abnormal state could be monitored. However, when the embodiment of the present invention as described above is used, it operates in a manner of recognizing the steady state as in the conventional method. Therefore, even if only one algorithm is used, an unspecified abnormal state except steady state can be treated as an event. In addition, when this method is applied, the effect in a crime prevention system in which various situations exist is considerably high.

도 1을 참조하면, 본 발명의 일 실시예에 따른 감시 카메라(100)는 영상 처리부(120), 저장부(130) 및 사용자 입력부(140)를 더 포함할 수 있다.1, the surveillance camera 100 according to an exemplary embodiment of the present invention may further include an image processing unit 120, a storage unit 130, and a user input unit 140.

영상 처리부(120)는 촬영부(110)에 의해 촬영된 영상 데이터에 잡음 제거, 스케일 변환, 화이트 밸런스 조정 등의 영상 처리를 수행할 수 있다. 도 1은 촬영부(110)에 의해 촬영된 영상 데이터가 판단 기준 설정부(150) 및 이상 상태 판단부(160)로 입력되는 것으로 도시하고 있지만, 영상 처리부(120)에 의해 영상 처리된 영상 데이터가 판단 기준 설정부(150) 및 이상 상태 판단부(160)로 입력될 수도 있다.The image processing unit 120 may perform image processing such as noise cancellation, scale conversion, and white balance adjustment on the image data photographed by the photographing unit 110. 1 shows that the image data photographed by the photographing unit 110 is input to the determination reference setting unit 150 and the abnormal state determination unit 160. However, the image data processed by the image processing unit 120 May be input to the determination reference setting unit 150 and the anomaly state determination unit 160. [

저장부(130)는 촬영부(110)에 의해 촬영된 영상 데이터 또는 정상 상태로 결정된 제 1 영상 데이터를 저장할 수 있다.The storage unit 130 may store the image data photographed by the photographing unit 110 or the first image data determined as a normal state.

사용자 입력부(140)는 감시 카메라(100) 장치에 대한 사용자의 입력을 수신하며, 마우스, 키보드, 터치펜 등 당업자에게 자명한 범위 내에서 다양한 입력 장치들을 포함할 수 있다. 사용자는 사용자 입력부(140)를 통해 정상 상태로 결정된 제 1 영상 데이터를 선택할 수 있다.The user input unit 140 receives a user's input to the surveillance camera 100 device and may include various input devices within a range obvious to a person skilled in the art such as a mouse, a keyboard, a touch pen, and the like. The user can select the first image data determined to be in the normal state through the user input unit 140. [

한편, 이상 상태 판단부(160)가 제 2 영상 데이터에 대해 잘못된 판단을 하는 경우, 예를 들어, 정상 상태에 해당하는 제 2 영상 데이터를 이상 상태로 판단하거나, 이상 상태에 해당하는 제 2 영상 데이터를 정상 상태로 판단하는 경우, 판단 기준 설정부(150)는 사용자의 입력에 기초하여 판단 기준을 재설정할 수도 있다.On the other hand, when the anomaly state determiner 160 makes a wrong decision on the second image data, for example, the second image data corresponding to the normal state is determined as an abnormal state, or the second image corresponding to the abnormal state When determining that the data is in a normal state, the determination criterion setting unit 150 may reset the criterion based on the input of the user.

구체적으로, 판단 기준 설정부(150)는 출력부(170)에 의해 알림 정보가 출력된 후, 사용자로부터 제 2 영상 데이터가 정상 상태에 해당한다는 것을 나타내는 입력을 수신한 경우, 제 2 영상 데이터에 기초하여 판단 기준을 재설정할 수 있다. Specifically, when the output of the notification information by the output unit 170 is an input indicating that the second image data corresponds to the normal state from the user, the determination reference setting unit 150 sets the reference image data The judgment criterion can be reset based on the judgment.

예를 들어, 제 2 영상 데이터에 2명의 사람이 포함되어 있고, 판단 기준은 영상 데이터에 3 내지 5명의 사람이 포함되어 있어야 한다는 것을 나타내는 경우, 이상 상태 판단부(160)는 제 2 영상 데이터가 이상 상태에 해당하는 것으로 판단할 것이다. 이때, 판단 기준 설정부(150)는 사용자로부터 제 2 영상 데이터가 정상 상태에 해당한다는 것을 나타내는 입력을 수신하면, 3 내지 5명의 사람의 판단 기준을 2 내지 5명의 사람의 판단 기준으로 변경할 수 있다. 이에 따라, 제 2 영상 데이터 이후에 촬영되는 영상 데이터에 2 명의 사람이 포함되어 있는 경우, 이상 상태 판단부(160)는 해당 영상 데이터를 정상 상태로 판단하여 판단의 정확성을 향상 시킬 수 있다.For example, when two persons are included in the second image data and the determination criterion indicates that three to five persons should be included in the image data, the abnormal state determiner 160 determines that the second image data It is judged that it corresponds to an abnormal state. At this time, when the determination reference setting unit 150 receives an input indicating that the second image data corresponds to the normal state from the user, it may change the criterion of 3 to 5 persons to the criterion of 2 to 5 persons . Accordingly, when two persons are included in the image data captured after the second image data, the abnormal state determination unit 160 may determine the normal state of the image data, thereby improving the accuracy of the determination.

반대로, 판단 기준 설정부(150)는 이상 상태 판단부(160)에 의해 정상 상태로 판단된 제 3 영상 데이터가 이상 상태에 해당한다는 것을 나타내는 입력을 사용자로부터 수신한 경우, 제 3 영상 데이터에 기초하여 상기 판단 기준을 재설정할 수 있다. On the other hand, when receiving from the user an input indicating that the third image data determined to be in the normal state by the abnormal state determination unit 160 corresponds to the abnormal state, the determination criterion setting unit 150 sets the criterion based on the third image data Thereby resetting the determination criterion.

예를 들어, 제 3 영상 데이터에 5명의 사람이 포함되어 있고, 판단 기준은 영상 데이터에 3 내지 5명의 사람이 포함되어 있어야 한다는 것을 나타내는 경우, 이상 상태 판단부(160)는 제 3 영상 데이터가 정상 상태에 해당하는 것으로 판단할 것이다.For example, if the third image data includes five persons, and the determination criterion indicates that three to five persons should be included in the image data, the abnormal state determiner 160 determines that the third image data It will judge that it is in a normal state.

이때, 판단 기준 설정부(150)는 사용자로부터 제 3 영상 데이터가 정상 상태에 해당한다는 것을 나타내는 입력을 수신하면, 3 내지 5명의 사람의 판단 기준을 3 내지 4명의 사람의 판단 기준으로 변경할 수 있다. 이에 따라, 제 3 영상 데이터 이후에 촬영되는 영상 데이터에 5 명의 사람이 포함되어 있는 경우, 이상 상태 판단부(160)는 해당 영상 데이터를 이상 상태로 판단할 수 있다.At this time, when the determination reference setting unit 150 receives an input indicating that the third image data corresponds to the normal state from the user, it can change the criterion of 3 to 5 persons to the criterion of 3 to 4 persons . Accordingly, when five persons are included in the image data photographed after the third image data, the abnormal state determination unit 160 can determine that the image data is in an abnormal state.

판단 기준 설정부(150)에 의한 판단 기준의 변경 범위는 다양하게 설정될 수 있다.The range of change of the determination criterion by the criterion setting unit 150 may be variously set.

이하에서는 도 2 및 도 3을 참조하여 판단 기준 설정부(150) 및 이상 상태 판단부(160)의 구체적인 동작에 대해 설명한다.Hereinafter, the operation of the determination criterion setting unit 150 and the abnormal state determiner 160 will be described with reference to FIGS. 2 and 3. FIG.

도 2는 정상 상태로 결정된 제 1 영상 데이터에 포함된 프레임들(201, 202, 203)을 도시하는 도면이다. 도 2는 3개의 프레임들(201, 202, 203)을 도시하고 있지만, 제 1 영상 데이터가 촬영된 시간 범위에 따라 제 1 영상 데이터에 포함된 프레임들의 개수는 다양할 수 있다.FIG. 2 is a diagram showing frames 201, 202, and 203 included in the first image data determined as a normal state. Although FIG. 2 illustrates three frames 201, 202, and 203, the number of frames included in the first image data may vary according to the time range in which the first image data is captured.

판단 기준 설정부(150)는 도 2에 도시된 제 1 프레임(201), 제 2 프레임(202) 및 제 3 프레임(203) 각각에 포함된 객체들을 특정한다. 프레임들(201, 202, 203)에 포함된 객체들은 사람, 동물, 차량, 나무 등 형태를 식별할 수 있는 생명체, 비생명체 등을 포함한다.The determination criterion setting unit 150 specifies the objects included in each of the first frame 201, the second frame 202, and the third frame 203 shown in FIG. The objects included in the frames 201, 202, and 203 include living things, non-living things, and the like that can identify shapes such as people, animals, vehicles, trees, and the like.

판단 기준 설정부(150)는 프레임들(201, 202, 203)에 포함된 객체들의 개수, 프레임(201, 202, 203) 상에서 객체들이 위치하는 지점, 객체들의 이동 방향 및 객체들의 이동 속도 중 적어도 하나를 판단한다. 예를 들어, 판단 기준 설정부(150)는 제 1 프레임(201), 제 2 프레임(202) 및 제 3 프레임(203)에 포함된 사람(210)을 식별한 경우, 제 1 프레임(201), 제 2 프레임(202) 및 제 3 프레임(203) 내에 사람(201)이 위치하고 있는 지점을 식별할 수 있고, 제 1 프레임(201), 제 2 프레임(202) 및 제 3 프레임(203) 내에 사람(210)이 위치하고 있는 지점을 비교하여 사람(210)의 이동 방향을 결정할 수 있고, 제 1 프레임(201), 제 2 프레임(202) 및 제 3 프레임(203) 내에 사람(210)이 위치하고 있는 지점과 제 1 프레임(201), 제 2 프레임(202) 및 제 3 프레임(203) 각각이 촬영된 시간에 기초하여 사람(210)의 이동 속도를 측정할 수도 있다.The judgment reference setting unit 150 sets at least one of the number of objects included in the frames 201, 202 and 203, the position of the objects on the frames 201, 202 and 203, Judge one. For example, when the determination reference setting unit 150 identifies the person 210 included in the first frame 201, the second frame 202, and the third frame 203, The first frame 201, the second frame 202, and the third frame 203 can be identified in the first frame 201, the second frame 202, and the third frame 203, The moving direction of the person 210 can be determined by comparing the position where the person 210 is located and the person 210 is located in the first frame 201, the second frame 202 and the third frame 203 And the moving speed of the person 210 may be measured based on the time at which the first frame 201, the second frame 202, and the third frame 203 are photographed.

또한, 판단 기준 설정부(150)는 제 1 프레임(201), 제 2 프레임(202) 및 제 3 프레임(203) 내에 포함된 노점상(230)을 식별한 후, 제 1 프레임(201), 제 2 프레임(202) 및 제 3 프레임(203) 내에서 노점상(230)이 위치하는 지점 및 노점상(230)이 얼마 동안 이동하고 있지 않은지에 대한 정보를 측정할 수도 있다.The determination reference setting unit 150 identifies the saddle stones 230 contained in the first frame 201, the second frame 202 and the third frame 203 and then determines the first frame 201, It may be possible to measure information about the position of the saddle stitch 230 in the second frame 202 and the third frame 203 and how long the stalls 230 are not moving.

판단 기준 설정부(150)는 제 1 프레임(201), 제 2 프레임(202) 및 제 3 프레임(203)들에 대한 분석 결과에 기초하여 정상 상태를 판단하기 위한 판단 기준을 설정한다.The determination criterion setting unit 150 sets a criterion for determining a steady state based on the analysis results for the first frame 201, the second frame 202, and the third frame 203. [

예를 들어, 제 1 프레임(201)에 10개의 객체, 제 2 프레임(202)에 12개의 객체, 제 3 프레임(203)에 9개의 객체가 존재한다면, 판단 기준 설정부(150)는 영상 데이터에 포함되어야 할 객체의 수를 8개 내지 13개로 설정할 수 있다.For example, if there are 10 objects in the first frame 201, 12 objects in the second frame 202, and 9 objects in the third frame 203, The number of objects to be included in the image can be set to 8 to 13.

또한, 판단 기준 설정부(150)는 제 1 프레임(201), 제 2 프레임(202) 및 제 3 프레임(203)에 포함된 객체들이 3시 방향 및 9시 방향으로 이동하고 있다면, 영상 데이터에 포함되어 있는 객체들이 이동하여야 할 방향을 2시 방향 내지 4시 방향, 및 8시 방향 내지 9시 방향으로 설정할 수도 있다.If the objects included in the first frame 201, the second frame 202 and the third frame 203 are moving in the 3 o'clock direction and the 9 o'clock direction, The direction in which the included objects should be moved may be set from 2 o'clock to 4 o'clock, and from 8 o'clock to 9 o'clock.

도 3은 제 2 영상 데이터에 포함된 프레임들(301, 302, 303)을 도시하는 도면이다. 도 3은 3개의 프레임들(301, 302, 303)을 도시하고 있지만, 제 2 영상 데이터가 촬영된 시간 범위에 따라 제 2 영상 데이터에 포함된 프레임들의 개수는 다양할 수 있다.3 is a diagram showing the frames 301, 302, and 303 included in the second image data. Although FIG. 3 shows three frames 301, 302, and 303, the number of frames included in the second image data may vary according to the time range in which the second image data is captured.

이상 상태 판단부(160)는, 도 3에 도시된 제 1 프레임(301), 제 2 프레임(302) 및 제 3 프레임(303) 각각에 포함된 객체들을 특정한다. The abnormal state determination unit 160 specifies the objects included in the first frame 301, the second frame 302, and the third frame 303 shown in FIG.

이상 상태 판단부(160)는 프레임들(301, 302, 303)에 포함된 객체들의 개수, 프레임(301, 302, 303) 상에서 객체들이 위치하는 지점, 객체들의 이동 방향 및 객체들의 이동 속도 중 적어도 하나를 판단한다. The abnormal state determination unit 160 determines the number of objects included in the frames 301, 302, and 303, the location of the objects on the frames 301, 302, and 303, the moving direction of the objects, Judge one.

다음으로, 이상 상태 판단부(160)는 프레임들(301, 302, 303) 각각에 포함된 객체들의 개수, 프레임(301, 302, 303) 상에서 객체들이 위치하는 지점, 객체들의 이동 방향 및 객체들의 이동 속도 중 적어도 하나가 판단 기준 설정부(150)에 의해 설정된 판단 기준에 부합하는지를 판단하여 제 2 영상 데이터가 이상 상태에 해당하는지를 판단한다.Next, the abnormal state determination unit 160 determines the number of objects included in each of the frames 301, 302, and 303, the position of the objects on the frames 301, 302, and 303, It is determined whether at least one of the moving speeds matches the determination reference set by the determination reference setting unit 150 to determine whether the second image data corresponds to an abnormal state.

예를 들어, 판단 기준 설정부(150)가 영상 데이터에 포함되어 있는 객체들이 이동하여야 할 방향을 2시 방향 내지 4시 방향, 및 8시 방향 내지 9시 방향으로 설정한 경우, 이상 상태 판단부(160)는 도 3의 제 1 프레임(301), 제 2 프레임(301) 및 제 3 프레임(301) 내에 1시 방향으로 이동하는 사람(310)이 포함되어 있으면, 제 2 영상 데이터가 이상 상태에 해당하는 것으로 판단할 수 있다.For example, when the determination reference setting unit 150 sets the direction in which the objects included in the image data should move from the 2 o'clock direction to the 4 o'clock direction and the 8 o'clock direction to the 9 o'clock direction, If the first frame 301, the second frame 301, and the third frame 301 of FIG. 3 include the person 310 moving in the 1 o'clock direction, As shown in FIG.

도 4는 본 발명의 다른 실시예에 따른 영상 관리 시스템의 구성을 도시하는 블록도이다. 도 4를 참조하면, 본 발명의 다른 실시예에 따른 영상 관리 시스템은 적어도 하나의 감시 카메라(20)와 관리 서버(400)를 포함할 수 있다. 적어도 하나의 감시 카메라(20)와 관리 서버(400)는 네트워크(10)를 통해 연결될 수 있다.4 is a block diagram showing the configuration of a video management system according to another embodiment of the present invention. Referring to FIG. 4, the video management system according to another embodiment of the present invention may include at least one surveillance camera 20 and a management server 400. At least one surveillance camera 20 and the management server 400 may be connected via the network 10. [

관리 서버(400)는 수신부(410), 판단 기준 설정부(450), 이상 상태 판단부(460) 및 출력부(470)를 포함할 수 있다. The management server 400 may include a receiving unit 410, a criterion setting unit 450, an abnormal state determiner 460, and an output unit 470.

수신부(410)는 적어도 하나의 감시 카메라(20)에 의해 촬영된 영상 데이터들을 수신한다. 또한, 수신부(410)는 적어도 하나의 감시 카메라(20)를 제어하기 위한 제어 명령을 네트워크(10)를 통해 적어도 하나의 감시 카메라(20)로 전송할 수도 있다.The receiving unit 410 receives image data photographed by at least one surveillance camera 20. In addition, the receiving unit 410 may transmit a control command for controlling at least one surveillance camera 20 to at least one surveillance camera 20 through the network 10.

판단 기준 설정부(450)는 정상 상태로 결정된 제 1 영상 데이터를 학습하여 정상 상태에 대한 판단 기준을 설정한다. 구체적으로, 판단 기준 설정부(450)는 제 1 영상 데이터에 포함된 객체들을 특정하고, 특정된 객체들의 개수, 객체들의 이동 속도, 객체들이 위치하고 있는 지점 및 객체들의 이동 방향 중 적어도 하나를 분석하여 판단 기준을 설정할 수 있다.The determination criterion setting unit 450 learns the first image data determined as a normal state and sets a determination criterion for the normal state. Specifically, the criterion setting unit 450 specifies at least one of the objects included in the first image data, and analyzes at least one of the number of the specified objects, the moving speed of the objects, the point where the objects are located, The judgment criterion can be set.

제 1 영상 데이터는 적어도 하나의 감시 카메라(20)에 의해 촬영된 영상 데이터를 포함할 수 있고, 저장부(430)에 미리 저장되어 있던 영상 데이터를 포함할 수도 있다. 사용자는 적어도 하나의 감시 카메라(20)에 의해 촬영된 영상 데이터들 중 정상 상태로 판단되는 상기 제 1 영상 데이터를 선택할 수 있다.The first image data may include image data photographed by at least one surveillance camera 20 and may include image data previously stored in the storage unit 430. [ The user can select the first image data determined as a normal state among the image data photographed by at least one surveillance camera 20. [

판단 기준 설정부(450)에 의해 설정되는 판단 기준은 영상 데이터에 포함되어야 할 객체들의 개수 범위, 객체들이 위치해야 할 영역, 객체들의 이동 속도 범위 및 객체들의 이동 방향 범위 중 적어도 하나를 포함할 수 있다.The determination criterion set by the criterion setting unit 450 may include at least one of a number range of objects to be included in the image data, an area where the objects should be located, a moving speed range of the objects, and a moving direction range of the objects have.

판단 기준은 제 1 영상 데이터가 촬영된 시간 정보를 더 포함할 수 있다. 즉, 판단 기준 설정부(450)는 제 1 영상 데이터를 통해 획득되는 판단 기준을 제 1 영상 데이터가 촬영된 시간 정보와 매칭시킬 수도 있다.The determination criterion may further include time information on the first image data. That is, the determination criterion setting unit 450 may match the determination criterion obtained through the first image data with the time information of the first image data.

판단 기준 설정부(450)는 사용자에 의해 선택된 제 1 영상 데이터를 소정의 시간 단위로 분할하고, 분할된 영상 데이터들 각각에 대응하는 판단 기준을 설정할 수도 있다.The determination criterion setting unit 450 may divide the first image data selected by the user into predetermined time units and set a determination criterion corresponding to each of the divided image data.

이상 상태 판단부(460)는 적어도 하나의 감시 카메라(20)에 의해 촬영된 제 2 영상 데이터와 판단 기준 설정부(450)에 의해 설정된 판단 기준을 비교하여, 제 2 영상 데이터가 이상 상태에 해당하는지를 판단한다. The abnormal state determiner 460 compares the second image data photographed by at least one surveillance camera 20 with the determination criterion set by the criterion setting unit 450 so that the second image data is in an abnormal state .

이상 상태 판단부(460)는 제 2 영상 데이터 내에 포함된 객체들을 특정하고, 특정된 객체들의 개수, 객체들의 이동 속도, 객체들이 위치하고 있는 지점 및 객체들의 이동 방향 중 적어도 하나가 판단 기준 설정부(450)에 의해 설정된 판단 기준에 포함되는지를 판단함으로써, 제 2 영상 데이터가 이상 상태에 해당하는지를 판단할 수 있다.The abnormal state determination unit 460 specifies the objects included in the second image data, and determines at least one of the number of specified objects, the moving speed of the objects, the position at which the objects are located, 450 to determine whether or not the second image data corresponds to an abnormal state.

또한, 판단 기준에 제 1 영상 데이터가 촬영된 시간 정보가 포함되어 있는 경우, 이상 상태 판단부(460)는 제 1 영상 데이터가 촬영된 시간과 제 2 영상 데이터가 촬영된 시간을 더 비교하여 제 2 영상 데이터가 이상 상태에 해당하는지를 판단할 수도 있다.In addition, if the time information on which the first image data is captured is included in the determination reference, the abnormal state determination unit 460 compares the time at which the first image data was captured and the time at which the second image data was captured 2 video data corresponds to an abnormal state.

출력부(470)는 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력한다. 또한, 출력부(470)는 저장부(430)에 저장된 영상 데이터를 출력할 수도 있다. 출력부(470)는 스피커, 디스플레이, 프린터 등 당업자에게 자명한 범위 내에서 다양한 출력 장치들을 포함할 수 있다.The output unit 470 outputs notification information when the second image data corresponds to an abnormal state. Also, the output unit 470 may output the image data stored in the storage unit 430. The output unit 470 may include various output devices within a range that is obvious to a person skilled in the art such as a speaker, a display, a printer, and the like.

도 4를 참조하면, 본 발명의 다른 실시예에 따른 영상 관리 시스템의 관리 서버(400)는 영상 처리부(420), 저장부(430), 사용자 입력부(440)를 더 포함할 수 있다.4, the management server 400 of the video management system according to another embodiment of the present invention may further include an image processing unit 420, a storage unit 430, and a user input unit 440.

영상 처리부(420)는 적어도 하나의 감시 카메라(20)에 의해 촬영된 영상 데이터에 잡음 제거, 스케일 변환, 화이트 밸런스 조정 등의 영상 처리를 수행할 수 있다. 도 4는 수신부(410)가 수신한 영상 데이터가 판단 기준 설정부(450) 및 이상 상태 판단부(460)로 입력되는 것으로 도시하고 있지만, 영상 처리부(420)에 의해 영상 처리된 영상 데이터가 판단 기준 설정부(450) 및 이상 상태 판단부(460)로 입력될 수도 있다.The image processing unit 420 may perform image processing such as noise cancellation, scale conversion, and white balance adjustment on the image data photographed by at least one surveillance camera 20. 4 illustrates that the image data received by the receiving unit 410 is input to the determination reference setting unit 450 and the anomaly state determination unit 460. The image data processed by the image processing unit 420 may be determined May be input to the reference setting unit 450 and the anomaly state determination unit 460.

저장부(430)는 적어도 하나의 감시 카메라(20)에 의해 촬영된 영상 데이터 또는 정상 상태로 결정된 제 1 영상 데이터를 저장할 수 있다.The storage unit 430 may store the image data photographed by at least one surveillance camera 20 or the first image data determined as a normal state.

사용자 입력부(440)는 관리 서버(400)에 대한 사용자의 입력을 수신하며, 마우스, 키보드, 터치펜 등 당업자에게 자명한 범위 내에서 다양한 입력 장치들을 포함할 수 있다. 사용자는 사용자 입력부(440)를 통해 정상 상태로 결정된 제 1 영상 데이터를 선택할 수 있다.The user input unit 440 receives a user input to the management server 400 and may include various input devices such as a mouse, a keyboard, a touch pen, etc., within a range obvious to a person skilled in the art. The user can select the first image data determined to be in a normal state through the user input unit 440. [

한편, 이상 상태 판단부(460)가 제 2 영상 데이터에 대해 잘못된 판단을 하는 경우, 예를 들어, 정상 상태에 해당하는 제 2 영상 데이터를 이상 상태로 판단하거나, 이상 상태에 해당하는 제 2 영상 데이터를 정상 상태로 판단하는 경우, 판단 기준 설정부(450)는 사용자의 입력에 기초하여 판단 기준을 재설정할 수도 있다.On the other hand, when the anomaly state determiner 460 makes an erroneous judgment on the second image data, for example, the second image data corresponding to the normal state is determined as an abnormal state, or the second image corresponding to the abnormal state When determining that the data is in a normal state, the criterion setting unit 450 may reset the criterion based on the user's input.

도 5는 본 발명의 일 실시예에 따른 이상 상태 감지 방법의 순서를 도시하는 순서도이다.5 is a flowchart showing a procedure of an abnormal state detection method according to an embodiment of the present invention.

S510 단계에서, 감시 카메라(100)는 정상 상태로 결정된 제 1 영상 데이터를 학습하여 정상 상태에 대한 판단 기준을 설정한다. 감시 카메라(100)는 사용자의 입력에 기초하여 선택된 제 1 영상 데이터를 학습할 수 있다. 판단 기준은, 제 1 영상 데이터에 포함된 객체들의 개수, 객체들의 이동 속도, 객체들이 위치하고 있는 지점, 및 객체들의 이동 방향 중 적어도 하나에 기초하여 설정될 수 있다. 판단 기준은, 감시 카메라(100)에 의해 촬영된 영상 데이터에 포함되어야 할 객체들의 개수 범위, 객체들이 위치해야 할 영역, 객체들의 이동 속도 범위 및 객체들의 이동 방향 범위 중 적어도 하나를 포함할 수 있다.In step S510, the surveillance camera 100 learns the first image data determined to be in a steady state and sets a determination criterion for the steady state. The surveillance camera 100 can learn the first image data selected based on the input of the user. The determination criterion may be set based on at least one of a number of objects included in the first image data, a moving speed of the objects, a position where the objects are located, and a moving direction of the objects. The determination criterion may include at least one of a number range of objects to be included in the image data photographed by the surveillance camera 100, an area where objects should be located, a moving speed range of objects, and a moving direction range of objects .

S520 단계에서, 감시 카메라(100)는 제 2 영상 데이터를 촬영한다.In step S520, the surveillance camera 100 captures the second image data.

S530 단계에서, 감시 카메라(100)는 제 2 영상 데이터와 판단 기준을 비교하여 제 2 영상 데이터가 이상 상태에 해당하는지를 판단한다.In step S530, the surveillance camera 100 compares the second image data with a determination criterion to determine whether the second image data corresponds to an abnormal state.

S540 단계에서, 감시 카메라(100)는 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력한다.In step S540, the surveillance camera 100 outputs notification information when the second image data corresponds to an abnormal state.

도 5의 S510 단계 내지 S540 단계는 감시 카메라(100) 이외에 관리 서버(400)에 의해서도 수행될 수 있다. 이때, S520 단계에서, 관리 서버(400)는 관리 서버(400)와 연결된 감시 카메라에 의해 촬영된 제 2 영상 데이터를 수신할 수 있다.Steps S510 through S540 of FIG. 5 may be performed by the management server 400 in addition to the surveillance camera 100. FIG. At this time, in step S520, the management server 400 can receive the second image data photographed by the surveillance camera connected to the management server 400. [

도 6은 본 발명의 다른 실시예에 따른 이상 상태 감지 방법의 순서를 도시하는 순서도이다.6 is a flowchart showing a procedure of an abnormal state detection method according to another embodiment of the present invention.

S610 단계 내지 S640 단계는 도 5의 S510 단계 내지 S540 단계와 동일한 바 상세한 설명은 생략한다.Steps S610 through S640 are the same as steps S510 through S540 of FIG. 5, and detailed description thereof will be omitted.

S650 단계에서, 감시 카메라(100)는 알림 정보를 출력한 후, 사용자로부터 제 2 영상 데이터가 정상 상태에 해당한다는 것을 나타내는 입력, 예를 들어 알림 해제 입력을 수신하였는지를 판단한다.In step S650, the surveillance camera 100 outputs notification information, and then determines whether an input indicating that the second image data corresponds to a normal state is received from the user, for example, a notification cancellation input.

사용자로부터 알림 해제 입력을 수신한 경우, S660 단계에서, 감시 카메라(100)는 제 2 영상 데이터에 기초하여 판단 기준을 재설정한다. 이에 따라, 감시 카메라(100)는 차후에 촬영되는 영상 데이터를 보다 정확하게 판단할 수 있다.If the notification cancel input is received from the user, in step S660, the surveillance camera 100 resets the determination criterion based on the second image data. Accordingly, the surveillance camera 100 can more accurately determine the image data to be photographed at a later time.

도 7은 본 발명의 또 다른 실시예에 따른 이상 상태 감지 방법의 순서를 도시하는 순서도이다.7 is a flowchart showing a procedure of an abnormal state detection method according to another embodiment of the present invention.

S710 단계에서, 감시 카메라(100)는 정상 상태로 결정된 제 1 영상 데이터를 학습하여 정상 상태에 대한 판단 기준을 설정한다.In step S710, the surveillance camera 100 learns the first image data determined as a normal state, and sets a determination criterion for the normal state.

S720 단계에서, 감시 카메라(100)는 제 3 영상 데이터를 촬영한다.In step S720, the surveillance camera 100 captures the third image data.

S730 단계에서, 감시 카메라(100)는 제 3 영상 데이터와 판단 기준을 비교하여 제 3 영상 데이터가 이상 상태에 해당하는지를 판단한다.In step S730, the surveillance camera 100 compares the third image data with a determination criterion to determine whether the third image data corresponds to an abnormal state.

S740 단계에서, 감시 카메라(100)는 제 3 영상 데이터가 정상 상태에 해당하는 것으로 판단한다.In step S740, the surveillance camera 100 determines that the third image data corresponds to a normal state.

S750 단계에서, 감시 카메라(100)는 제 3 영상 데이터가 이상 상태에 해당한다는 것을 나타내는 이상 상태 입력을 사용자로부터 수신하였는지를 판단한다.In step S750, the surveillance camera 100 determines whether an abnormal state input indicating that the third image data corresponds to an abnormal state is received from the user.

사용자로부터 이상 상태 입력이 수신된 경우, S760 단계에서, 감시 카메라(100)는 제 3 영상 데이터에 기초하여 판단 기준을 재설정한다.If an abnormal state input is received from the user, the surveillance camera 100 resets the determination criterion based on the third image data in step S760.

한편, 본 발명의 일 실시예에 따른 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템은, 정상 상태에 대한 학습을 통해서 정상 상태를 벗어나는 상황이 발생할 경우 이상 상태에 대한 이벤트를 발생시켜 관리자에게 이를 통지할 수 있으므로, 이를 감시 대상에 대한 이상 상태 뿐만 아니라 카메라 상태, 영상처리 시스템 상태, 통신 선로 상태, 통신 장비 상태 등에 관한 이상 상황 발생에 대한 모니터링으로 일부 확장이 가능하다. Meanwhile, the abnormal state detection method according to an embodiment of the present invention, and the surveillance camera and the image management system using the abnormal state detection method according to an embodiment of the present invention generate an event about an abnormal state when a state deviating from a normal state occurs through learning about a normal state, It is possible to extend it by monitoring the occurrence of an abnormal situation related to the camera state, the image processing system state, the communication line state, and the communication equipment state as well as the abnormal state of the monitored object.

즉, 본 발명의 실시예에 따른 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템을 지역에 구성된 감시 카메라의 이상 상황을 모니터링하는 자가 진단 시스템의 구성을 대체하거나 일부 보완하기 위한 목적으로 활용할 수 있다. 예를 들어, 본 발명의 실시예에 따른 이상 상태 감지 방법과 이를 적용한 감시 카메라 및 영상 관리 시스템을 통해 영상 신호의 품질 저하(프레임 손실, 노이즈 증가, 화질 악화, 야간 밝기 감소 등) 상황이 발생하면 이상 상태로 판단하여 이를 관리자에게 통지하도록 하며, 관리자 확인에 따른 수동 조작이나 이상 상태 종류에 따른 자동 판단으로 원격지 카메라, 영상 감시 시스템, 혹은 통신 장비 등을 리셋하거나 본격적인 자가진단 절차를 진행하도록 할 수도 있다.That is, the abnormal state detection method according to the embodiment of the present invention and the surveillance camera and the image management system using the abnormal state detection method can be used for the purpose of replacing or partially supplementing the configuration of the self-diagnosis system for monitoring the abnormal situation of the surveillance camera configured in the area have. For example, when an abnormal condition detection method according to an embodiment of the present invention and a surveillance camera and a video management system to which the abnormal condition detection method according to an embodiment of the present invention are applied cause a decrease in quality of a video signal (frame loss, noise increase, deterioration in image quality, It is possible to reset the remote camera, the video surveillance system, or the communication equipment by manual operation according to the administrator's confirmation or the automatic judgment according to the abnormal state type, or to carry out a full-scale self-diagnosis process have.

한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.The above-described embodiments of the present invention can be embodied in a general-purpose digital computer that can be embodied as a program that can be executed by a computer and operates the program using a computer-readable recording medium.

상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다. The computer readable recording medium may be a magnetic storage medium such as a ROM, a floppy disk, a hard disk, etc., an optical reading medium such as a CD-ROM or a DVD and a carrier wave such as the Internet Lt; / RTI > transmission).

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.While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, It will be understood. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive.

100: 감시 카메라
400: 관리 서버
110: 촬영부
410: 수신부
120, 420: 영상 처리부
130, 430: 저장부
140, 440: 사용자 입력부
150, 450: 판단 기준 설정부
160, 460: 이상 상태 판단부
170, 470: 출력부100: Surveillance camera
400: management server
110:
410:
120, and 420:
130, 430:
140, 440: user input unit
150, 450: determination reference setting unit
160, and 460:
170, 470:

Claims (17)

감시 카메라에 의한 이상 상태 감지 방법에 있어서,
정상 상태로 결정된 복수 프레임의 제 1 영상 데이터에 포함된 객체들을 특정하고 특정된 객체들의 개수, 객체들의 이동 속도, 객체들이 위치하고 있는 지점 및 객체들의 이동 방향 중 적어도 하나를 누적하여 분석한 정보와 제 1 영상 데이터가 촬영된 시간 정보를 포함하여 상기 정상 상태에 대한 판단 기준을 설정하는 단계;
제 2 영상 데이터를 촬영하는 단계;
상기 제 2 영상 데이터에 포함되어야 할 객체들의 개수 범위, 객체들이 위치해야 할 영역, 객체들의 이동 속도 범위 및 객체들의 이동 방향 범위 중 적어도 하나와 제 2 영상 데이터가 촬영된 시간 정보를 상기 정상 상태에 대한 판단 기준과 비교하여 상기 제 2 영상 데이터가 이상 상태에 해당하는지를 판단하는 단계; 및
상기 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력하는 단계를 포함하는 것을 특징으로 하는 이상 상태 감지 방법.
A method for detecting an abnormal state by a surveillance camera,
Information that accumulates and analyzes at least one of the number of specified objects, the moving speed of the objects, the location of the objects, and the moving direction of the objects; Setting a determination criterion for the steady state including time information on the time when one image data is captured;
Capturing second image data;
Wherein at least one of a number of objects to be included in the second image data, an area in which objects should be located, a moving speed range of objects and a moving direction range of objects, Determining whether the second image data corresponds to an abnormal state by comparing the first image data with the second image data; And
And outputting notification information when the second image data corresponds to an abnormal state.
제1항에 있어서,
상기 판단 기준을 설정하는 단계는,
상기 감시 카메라에 의해 촬영된 영상 데이터들 중 사용자의 입력에 기초하여 정상 상태로 선택된 상기 제 1 영상 데이터를 누적하여 학습하는 단계를 포함하는 것을 특징으로 하는 이상 상태 감지 방법.
The method according to claim 1,
Wherein the step of setting the determination criterion comprises:
And accumulating and learning the first image data selected as a normal state based on a user's input among the image data photographed by the surveillance camera.
삭제delete 삭제delete 삭제delete 제1항에 있어서,
상기 이상 상태 감지 방법은,
상기 알림 정보를 출력한 후, 사용자로부터 상기 제 2 영상 데이터가 정상 상태에 해당한다는 것을 나타내는 입력을 수신한 경우, 상기 제 2 영상 데이터에 기초하여 상기 판단 기준을 재설정하는 단계를 더 포함하는 것을 특징으로 하는 이상 상태 감지 방법.
The method according to claim 1,
The abnormal state sensing method includes:
Further comprising the step of resetting the determination criterion based on the second image data when an input indicating that the second image data corresponds to a normal state is received from the user after outputting the notification information The abnormal state detection method.
제1항에 있어서,
상기 이상 상태 감지 방법은,
상기 감시 카메라에 의해 정상 상태로 판단된 제 3 영상 데이터가 이상 상태에 해당한다는 것을 나타내는 입력을 사용자로부터 수신한 경우, 상기 제 3 영상 데이터에 기초하여 상기 판단 기준을 재설정하는 단계를 더 포함하는 것을 특징으로 하는 이상 상태 감지 방법.
The method according to claim 1,
The abnormal state sensing method includes:
And resetting the determination criterion based on the third image data when an input indicating that the third image data determined as a normal state by the surveillance camera corresponds to an abnormal state is received from a user The method comprising the steps of:
제1항, 제2항, 제6항 또는 제7항 중 어느 한 항의 이상 상태 감지 방법을 실행하기 위한 컴퓨터 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
A computer-readable recording medium having recorded thereon a computer program for executing the abnormal state detection method according to any one of claims 1, 2, 6, and 7.
이상 상태를 감지하는 감시 카메라에 있어서,
정상 상태로 결정된 복수 프레임의 제 1 영상 데이터에 포함된 객체들을 특정하고 특정된 객체들의 개수, 객체들의 이동 속도, 객체들이 위치하고 있는 지점 및 객체들의 이동 방향 중 적어도 하나를 분석한 정보와 제 1 영상 데이터가 촬영된 시간 정보를 포함하여 상기 정상 상태에 대한 판단 기준을 설정하는 판단 기준 설정부;
제 2 영상 데이터를 촬영하는 촬영부;
상기 제 2 영상 데이터에 포함되어야 할 객체들의 개수 범위, 객체들이 위치해야 할 영역, 객체들의 이동 속도 범위 및 객체들의 이동 방향 범위 중 적어도 하나와 제 2 영상 데이터가 촬영된 시간 정보를 상기 정상 상태에 대한 판단 기준과 비교하여 상기 제 2 영상 데이터가 이상 상태에 해당하는지를 판단하는 이상 상태 판단부; 및
상기 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력하는 출력부를 포함하는 것을 특징으로 하는 감시 카메라.
A surveillance camera for detecting an abnormal state,
The information analyzing unit analyzes the at least one of the number of specified objects, the moving speed of the objects, the location of the objects and the moving direction of the objects, A criterion setting unit configured to set a criterion for the steady state, the time criterion setting unit including time information on the time at which the data was photographed;
A photographing unit photographing the second image data;
Wherein at least one of a number of objects to be included in the second image data, an area in which objects should be located, a moving speed range of objects and a moving direction range of objects, An abnormal state determiner for determining whether the second image data corresponds to an abnormal state, And
And an output unit for outputting notification information when the second image data corresponds to an abnormal state.
제9항에 있어서,
판단 기준 설정부는,
상기 촬영부에 의해 촬영된 영상 데이터들 중 사용자에 의해 정상 상태로 선택된 상기 제 1 영상 데이터를 누적하여 학습하는 것을 특징으로 하는 감시 카메라.
10. The method of claim 9,
The determination criterion setting unit,
And the first image data selected by the user in the normal state is accumulated and learned among the image data photographed by the photographing unit.
삭제delete 삭제delete 삭제delete 제9항에 있어서,
상기 판단 기준 설정부는,
상기 알림 정보가 출력된 후, 사용자로부터 상기 제 2 영상 데이터가 정상 상태에 해당한다는 것을 나타내는 입력을 수신한 경우, 상기 제 2 영상 데이터에 기초하여 상기 판단 기준을 재설정하는 것을 특징으로 하는 감시 카메라.
10. The method of claim 9,
The determination criterion setting unit,
Wherein the control unit resets the determination criterion based on the second image data when an input indicating that the second image data corresponds to a normal state is received from the user after the notification information is output.
제9항에 있어서,
상기 판단 기준 설정부는,
상기 이상 상태 판단부에 의해 정상 상태로 판단된 제 3 영상 데이터가 이상 상태에 해당한다는 것을 나타내는 입력을 사용자로부터 수신한 경우, 상기 제 3 영상 데이터에 기초하여 상기 판단 기준을 재설정하는 것을 특징으로 하는 감시 카메라.
10. The method of claim 9,
The determination criterion setting unit,
Wherein the control unit resets the determination criterion based on the third image data when an input indicating that the third image data determined as a normal state by the abnormality determination unit corresponds to an abnormal state is received from the user Surveillance camera.
적어도 하나의 감시 카메라에 연결된 관리 서버에 의한 이상 상태 감지 방법에 있어서,
정상 상태로 결정된 복수 프레임의 제 1 영상 데이터에 포함된 객체들을 특정하고 특정된 객체들의 개수, 객체들의 이동 속도, 객체들이 위치하고 있는 지점 및 객체들의 이동 방향 중 적어도 하나를 누적하여 분석한 정보와 제 1 영상 데이터가 촬영된 시간 정보를 포함하여 상기 정상 상태에 대한 판단 기준을 설정하는 단계;
상기 적어도 하나의 감시 카메라에 의해 촬영된 제 2 영상 데이터를 획득하는 단계;
상기 제 2 영상 데이터에 포함되어야 할 객체들의 개수 범위, 객체들이 위치해야 할 영역, 객체들의 이동 속도 범위 및 객체들의 이동 방향 범위 중 적어도 하나와 제 2 영상 데이터가 촬영된 시간 정보를 상기 정상 상태에 대한 판단 기준과 비교하여 상기 제 2 영상 데이터가 이상 상태에 해당하는지를 판단하는 단계; 및
상기 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력하는 단계를 포함하는 것을 특징으로 하는 이상 상태 감지 방법.
A method for detecting an abnormal state by a management server connected to at least one surveillance camera,
Information that accumulates and analyzes at least one of the number of specified objects, the moving speed of the objects, the location of the objects, and the moving direction of the objects; Setting a determination criterion for the steady state including time information on the time when one image data is captured;
Acquiring second image data taken by the at least one surveillance camera;
Wherein at least one of a number of objects to be included in the second image data, an area in which objects should be located, a moving speed range of objects and a moving direction range of objects, Determining whether the second image data corresponds to an abnormal state by comparing the first image data with the second image data; And
And outputting notification information when the second image data corresponds to an abnormal state.
적어도 하나의 감시 카메라; 및
상기 적어도 하나의 감시 카메라에 연결된 관리 서버를 포함하고,
상기 관리 서버는,
정상 상태로 결정된 복수 프레임의 제 1 영상 데이터에 포함된 객체들을 특정하고 특정된 객체들의 개수, 객체들의 이동 속도, 객체들이 위치하고 있는 지점 및 객체들의 이동 방향 중 적어도 하나를 누적하여 분석한 정보와 제 1 영상 데이터가 촬영된 시간 정보를 포함하여 상기 정상 상태에 대한 판단 기준을 설정하는 판단 기준 설정부;
상기 적어도 하나의 감시 카메라에 의해 촬영된 제 2 영상 데이터를 획득하는 수신부;
상기 제 2 영상 데이터에 포함되어야 할 객체들의 개수 범위, 객체들이 위치해야 할 영역, 객체들의 이동 속도 범위 및 객체들의 이동 방향 범위 중 적어도 하나와 제 2 영상 데이터가 촬영된 시간 정보를 상기 정상 상태에 대한 판단 기준과 비교하여 상기 제 2 영상 데이터가 이상 상태에 해당하는지를 판단하는 이상 상태 판단부; 및
상기 제 2 영상 데이터가 이상 상태에 해당하는 경우, 알림 정보를 출력하는 출력부를 포함하는 것을 특징으로 하는 영상 관리 시스템.At least one surveillance camera; And
And a management server coupled to the at least one surveillance camera,
The management server includes:
Information that accumulates and analyzes at least one of the number of specified objects, the moving speed of the objects, the location of the objects, and the moving direction of the objects; A determination criterion setting unit configured to set a criterion for the steady state including time information on the time when one image data is photographed;
A receiving unit for acquiring second image data photographed by the at least one surveillance camera;
Wherein at least one of a number of objects to be included in the second image data, an area in which objects should be located, a moving speed range of objects and a moving direction range of objects, An abnormal state determiner for determining whether the second image data corresponds to an abnormal state, And
And an output unit outputting notification information when the second image data corresponds to an abnormal state.
KR1020140034556A 2014-03-25 2014-03-25 Surveillance camera and image managing system, and method for detecting abnormal state by training normal state of surveillance image KR101464344B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140034556A KR101464344B1 (en) 2014-03-25 2014-03-25 Surveillance camera and image managing system, and method for detecting abnormal state by training normal state of surveillance image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140034556A KR101464344B1 (en) 2014-03-25 2014-03-25 Surveillance camera and image managing system, and method for detecting abnormal state by training normal state of surveillance image

Publications (1)

Publication Number Publication Date
KR101464344B1 true KR101464344B1 (en) 2014-11-25

Family

ID=52291379

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140034556A KR101464344B1 (en) 2014-03-25 2014-03-25 Surveillance camera and image managing system, and method for detecting abnormal state by training normal state of surveillance image

Country Status (1)

Country Link
KR (1) KR101464344B1 (en)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102097248B1 (en) * 2019-11-04 2020-04-03 이상훈 Method for controlling the seafood transport environment
KR20200143813A (en) 2019-06-17 2020-12-28 순천향대학교 산학협력단 Method and apparatus for real-time change detection of data clustering based image sensing system
KR102210571B1 (en) * 2020-11-16 2021-02-03 주식회사 우진 Bridge and tunnel safety diagnosis remote monitoring alarm method using GPS coordinates and mobile communication system
KR20210054444A (en) 2019-11-05 2021-05-13 대구대학교 산학협력단 Waste monitoring cctv apparatus with solar module
CN113194298A (en) * 2021-05-07 2021-07-30 浙江宇视科技有限公司 Method, apparatus, system and medium for realizing image structuring of non-intelligent camera
KR20210108600A (en) * 2020-02-26 2021-09-03 슈어소프트테크주식회사 Autonomous driving situation recognition program performance test method and apparatus for porceeding the same
KR20220082196A (en) 2020-12-10 2022-06-17 주식회사 보다 A System for Detecting Abnormal Condition and a Method for Detecting the Same
KR102452570B1 (en) * 2022-01-19 2022-10-11 주식회사 엠아이엔테크 Apparatus, method, and program for detecting specific patterns in traffic conditions through cctv images
CN116269387A (en) * 2023-03-21 2023-06-23 江苏智慧工场技术研究院有限公司 Method, system and storage medium for detecting physical and mental states of special crowd
KR20230133625A (en) 2022-03-11 2023-09-19 주식회사 보다 A System for Controlling a Surveillant Camera in a Way of Being Related to a Facility Operating Device
KR102581233B1 (en) * 2023-02-14 2023-09-21 (주)아이피로드 Intelligent Real-time CCTV Monitoring System
KR20230166388A (en) 2022-05-30 2023-12-07 주식회사 소프트센 A System for Reviewing an Abnormal Operating Condition of a Facility or an Apparatus
KR20230174889A (en) 2022-06-22 2023-12-29 주식회사 소프트센 A System for Reviewing an Abnormal Operating Condition of a Facility or an Apparatus
EP4303679A1 (en) 2022-07-04 2024-01-10 Softcen Co., Ltd. A system for reviewing an abnormal operating state of an equipment or an apparatus

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06119454A (en) * 1992-10-08 1994-04-28 Babcock Hitachi Kk Method and device for detecting abnormality
JPH0944759A (en) * 1995-07-28 1997-02-14 Oki Electric Ind Co Ltd Monitoring device
JP2009157780A (en) * 2007-12-27 2009-07-16 Car Mate Mfg Co Ltd Monitoring system
JP2011123008A (en) * 2009-12-14 2011-06-23 Nexco-East Engineering Co Ltd Measuring method, measuring program, and measuring device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06119454A (en) * 1992-10-08 1994-04-28 Babcock Hitachi Kk Method and device for detecting abnormality
JPH0944759A (en) * 1995-07-28 1997-02-14 Oki Electric Ind Co Ltd Monitoring device
JP2009157780A (en) * 2007-12-27 2009-07-16 Car Mate Mfg Co Ltd Monitoring system
JP2011123008A (en) * 2009-12-14 2011-06-23 Nexco-East Engineering Co Ltd Measuring method, measuring program, and measuring device

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200143813A (en) 2019-06-17 2020-12-28 순천향대학교 산학협력단 Method and apparatus for real-time change detection of data clustering based image sensing system
KR102097248B1 (en) * 2019-11-04 2020-04-03 이상훈 Method for controlling the seafood transport environment
KR20210054444A (en) 2019-11-05 2021-05-13 대구대학교 산학협력단 Waste monitoring cctv apparatus with solar module
KR20210108600A (en) * 2020-02-26 2021-09-03 슈어소프트테크주식회사 Autonomous driving situation recognition program performance test method and apparatus for porceeding the same
KR102337034B1 (en) * 2020-02-26 2021-12-09 슈어소프트테크주식회사 Autonomous driving situation recognition program performance test method and apparatus for porceeding the same
KR102210571B1 (en) * 2020-11-16 2021-02-03 주식회사 우진 Bridge and tunnel safety diagnosis remote monitoring alarm method using GPS coordinates and mobile communication system
KR20220082196A (en) 2020-12-10 2022-06-17 주식회사 보다 A System for Detecting Abnormal Condition and a Method for Detecting the Same
CN113194298B (en) * 2021-05-07 2023-04-07 浙江宇视科技有限公司 Method, apparatus, system and medium for realizing image structuring of non-intelligent camera
CN113194298A (en) * 2021-05-07 2021-07-30 浙江宇视科技有限公司 Method, apparatus, system and medium for realizing image structuring of non-intelligent camera
KR102452570B1 (en) * 2022-01-19 2022-10-11 주식회사 엠아이엔테크 Apparatus, method, and program for detecting specific patterns in traffic conditions through cctv images
KR20230112038A (en) * 2022-01-19 2023-07-26 주식회사 엠아이엔테크 A device that detects specific patterns in traffic conditions using artificial neural network
KR102633205B1 (en) 2022-01-19 2024-02-02 주식회사 엠아이엔테크 A device that detects specific patterns in traffic conditions using artificial neural network
KR20230133625A (en) 2022-03-11 2023-09-19 주식회사 보다 A System for Controlling a Surveillant Camera in a Way of Being Related to a Facility Operating Device
KR20230166388A (en) 2022-05-30 2023-12-07 주식회사 소프트센 A System for Reviewing an Abnormal Operating Condition of a Facility or an Apparatus
KR20230174889A (en) 2022-06-22 2023-12-29 주식회사 소프트센 A System for Reviewing an Abnormal Operating Condition of a Facility or an Apparatus
EP4303679A1 (en) 2022-07-04 2024-01-10 Softcen Co., Ltd. A system for reviewing an abnormal operating state of an equipment or an apparatus
KR102581233B1 (en) * 2023-02-14 2023-09-21 (주)아이피로드 Intelligent Real-time CCTV Monitoring System
CN116269387A (en) * 2023-03-21 2023-06-23 江苏智慧工场技术研究院有限公司 Method, system and storage medium for detecting physical and mental states of special crowd
CN116269387B (en) * 2023-03-21 2023-09-12 江苏智慧工场技术研究院有限公司 Method, system and storage medium for detecting physical and mental states of special crowd

Similar Documents

Publication Publication Date Title
KR101464344B1 (en) Surveillance camera and image managing system, and method for detecting abnormal state by training normal state of surveillance image
KR101789690B1 (en) System and method for providing security service based on deep learning
US10424175B2 (en) Motion detection system based on user feedback
US11308777B2 (en) Image capturing apparatus with variable event detecting condition
EP3024227B1 (en) Image processing apparatus and image processing method
JP5567853B2 (en) Image recognition apparatus and method
US9224278B2 (en) Automated method and system for detecting the presence of a lit cigarette
JP4803376B2 (en) Camera tampering detection method
JP6127152B2 (en) Security monitoring system and corresponding alarm triggering method
JP5121258B2 (en) Suspicious behavior detection system and method
JP5644097B2 (en) Image processing apparatus, image processing method, and program
KR20190038137A (en) Image Analysis Method and Server Apparatus for Per-channel Optimization of Object Detection
KR20190016900A (en) Information processing apparatus, information processing method, and storage medium
JP2012128877A (en) Suspicious behavior detection system and method
KR102233679B1 (en) Apparatus and method for detecting invader and fire for energy storage system
US20190370992A1 (en) Image processing apparatus, information processing apparatus, information processing method, and recording medium
KR102077632B1 (en) Hybrid intellgent monitoring system suing local image analysis and cloud service
Yuwono et al. Design and implementation of human detection feature on surveillance embedded IP camera
KR101248154B1 (en) Method and apparatus for estimating moving object using variable area size, and computer readable record medium with moving estimating program for the same
KR101460440B1 (en) Camera with fire detection function, and fire detection method thereof
JP2012004720A (en) Monitor, and monitoring system
KR101482646B1 (en) Intelligent security system linking with smart device
JP2021022783A (en) Control device, tracking system, control method, and program
KR101596015B1 (en) Independent building Intrusion Prevention system using Multiple camera
JP2019033469A (en) Imaging apparatus, control method, and program

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20171102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20181113

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20191001

Year of fee payment: 6