KR101480636B1 - 영상 감시 장치의 감시 방법 - Google Patents

영상 감시 장치의 감시 방법 Download PDF

Info

Publication number
KR101480636B1
KR101480636B1 KR20130112849A KR20130112849A KR101480636B1 KR 101480636 B1 KR101480636 B1 KR 101480636B1 KR 20130112849 A KR20130112849 A KR 20130112849A KR 20130112849 A KR20130112849 A KR 20130112849A KR 101480636 B1 KR101480636 B1 KR 101480636B1
Authority
KR
South Korea
Prior art keywords
data
classifier
learning
monitoring
monitored
Prior art date
Application number
KR20130112849A
Other languages
English (en)
Inventor
이희성
Original Assignee
주식회사 에스원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 에스원 filed Critical 주식회사 에스원
Priority to KR20130112849A priority Critical patent/KR101480636B1/ko
Application granted granted Critical
Publication of KR101480636B1 publication Critical patent/KR101480636B1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

본 발명은 각각의 감시 영역별로 자동으로 감시 대상을 학습할 수 있는 영상 감시 장치의 감시 방법에 관한 것이다.
일례로, PTZ 카메라가 촬영해야 할 감시 영역을 설정하는 감시 영역 설정 단계; 상기 PTZ 카메라가 감시 영역을 촬영하여 움직이는 모든 물체의 데이터를 추출하는 제 1 추출 단계; 상기 제어부가 상기 감시 영역에서 감시하고 싶은 감시 대상 물체를 선택하는 감시 대상 물체 선택 단계; 상기 제 1 추출 단계에서 추출된 물체의 데이터 중 감시 대상 물체의 데이터를 분류하고, 분류된 데이터를 통해 분류기를 학습시키는 제 1 학습 단계; 상기 PTZ 카메라가 감시 영역을 재촬영하여 움직이는 모든 물체의 데이터를 재추출하는 제 2 추출 단계; 및 상기 제 2 추출 단계에서 추출된 물체의 데이터를 상기 제 1 학습 단계에서 학습된 분류기에 입력하여 감시 대상 물체의 데이터를 재분류하고, 재분류된 데이터를 통해 상기 분류기를 재학습시키는 제 2 학습 단계를 포함하고, 상기 감시 대상 물체의 데이터 양이 기준값 보다 크면 상기 감시 대상 물체의 감시를 시작하는 것을 특징으로 하는 영상 감지 장치의 감시 방법을 개시한다.

Description

영상 감시 장치의 감시 방법{Monitoring method of video monitoring device}
본 발명은 영상 감시 장치의 감시 방법에 관한 것이다.
일반적으로 카메라를 통한 감시 시스템은 특정 객체를 탐지하기 위해서 모니터링 요원이 필요하다. 그러나, 모니터링 요원은 시간이 지날수록 많은 사건을 놓치게 된다. 물론, 일반적인 카메라를 이용한 지능형 감시 시스템은 자동으로 특정 객체를 탐지할 수 있지만, 카메라가 고정되어 있기 때문에 그 감시 구역이 제한적일 수 밖에 없다. 따라서, 각각의 감시 영역별로 자동으로 특정 객체를 탐지할 수 있는 지능형 시스템이 필요하다.
한국공개특허공보 10-2012-0068150(2012.06.27)
본 발명은 각각의 감시 영역별로 자동으로 감시 대상을 학습할 수 있는 영상 감시 장치의 감시 방법을 제공한다.
본 발명에 의한 영상 감시 장치의 감시 방법은 PTZ 카메라가 촬영해야 할 감시 영역을 설정하는 감시 영역 설정 단계; 상기 PTZ 카메라가 감시 영역을 촬영하여 움직이는 모든 물체의 데이터를 추출하는 제 1 추출 단계; 상기 제어부가 상기 감시 영역에서 감시하고 싶은 감시 대상 물체를 선택하는 감시 대상 물체 선택 단계; 상기 제 1 추출 단계에서 추출된 물체의 데이터 중 감시 대상 물체의 데이터를 분류하고, 분류된 데이터를 통해 분류기를 학습시키는 제 1 학습 단계; 상기 PTZ 카메라가 감시 영역을 재촬영하여 움직이는 모든 물체의 데이터를 재추출하는 제 2 추출 단계; 및 상기 제 2 추출 단계에서 추출된 물체의 데이터를 상기 제 1 학습 단계에서 학습된 분류기에 입력하여 감시 대상 물체의 데이터를 재분류하고, 재분류된 데이터를 통해 상기 분류기를 재학습시키는 제 2 학습 단계를 포함하고, 상기 감시 대상 물체의 데이터 양이 기준값 보다 크면 상기 감시 대상 물체의 감시를 시작하는 것을 특징으로 한다.
또한, 상기 제 1 학습 단계에서는 감시 대상 물체의 데이터를 선택 데이터로 분류하고, 감시 대상 물체가 아닌 물체의 데이터를 비선택 데이터로 분류할 수 있다.
또한, 상기 제 1 학습 단계에서는 상기 분류기에 상기 선택 데이터가 입력되면 1을 출력하고, 상기 분류기에 상기 비선택 데이터가 입력되면 -1을 출력하도록 상기 분류기를 학습시킬 수 있다.
또한, 상기 제 2 학습 단계에서는 상기 제 2 추출 단계에서 추출된 물체의 데이터를 상기 분류기에 입력하였을 때 상기 분류기의 출력이 0보다 크면, 선택 데이터로 재분류할 수 있다.
또한, 상기 제 2 학습 단계에서는 상기 분류기에 상기 선택 데이터가 입력되면 1을 출력하도록 상기 분류기를 재학습시킬 수 있다.
상기 제 2 학습 단계에서는 상기 제 2 추출 단계에서 추출된 물체의 데이터를 상기 분류기에 입력하였을 때 상기 분류기의 출력이 0보다 작으면, 비선택 데이터로 재분류할 수 있다.
또한, 상기 제 2 학습 단계에서는 상기 분류기에 상기 비선택 데이터가 입력되면 -1을 출력하도록 상기 분류기를 재학습시킬 수 있다.
또한, 상기 감시 대상 물체의 데이터 양이 기준값 보다 작으면 상기 제 2 추출 단계로 돌아가 상기 제 2 학습 단계를 반복할 수 있다.
또한, 상기 감시 영역 설정 단계에서는 상기 감시 영역을 다수개로 설정하고, 상기 감시 대상 물체 선택 단계에서는 각 감시 영역별로 서로 다른 감시 대상을 선택하여, 동시에 여러 감시 대상 물체를 감시할 수 있다.
본 발명의 일 실시예에 따른 영상 감시 장치의 감시 방법은 분류기를 통한 반교사 학습을 수행함으로써, 감시하고 싶은 대상을 자동으로 학습할 수 있다.
또한, 본 발명의 일 실시예에 따른 영상 감시 장치의 감시 방법은 PTZ 카메라를 사용함으로써, 각각의 감시 영역별로 다중의 객체들을 자동으로 감시할 수 있다.
도 1은 본 발명의 일 실시예에 따른 영상 감시 장치를 도시한 블럭도이다.
도 2는 본 발명의 일 실시예에 따른 영상 감시 장치의 감시 방법을 도시한 순서도이다.
도 3은 본 발명의 일 실시예에 따른 영상 감시 장치의 감시 방법을 도시한 상세 순서도이다.
도 4a 내지 4c는 도 3에 도시된 영상 감시 장치의 감시 방법을 설명하기 위한 영상사진이다.
본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명하면 다음과 같다.
도 1은 본 발명의 일 실시예에 따른 영상 감시 장치를 도시한 블럭도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 영상 감시 장치(100)는 감시 영역을 촬영하는 PTZ 카메라(110), 상기 PTZ 카메라(110)에서 촬영된 영상 및 데이터를 저장하는 저장부(120), 상기 저장부(120)에 저장된 데이터를 분류하는 분류부(130) 및 상기 PTZ 카메라(110), 저장부(120) 및 분류부(130)를 제어하여, 감시 대상을 감시하는 제어부(140)를 포함한다. 이하에서는 상기와 같은 영상 감시 장치(100)가 감지 대상을 감시하는 방법에 대해서 구체적으로 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 영상 감시 장치의 감시 방법을 도시한 순서도이다. 도 3은 본 발명의 일 실시예에 따른 영상 감시 장치의 감시 방법을 도시한 상세 순서도이다. 도 4a 내지 4c는 도 3에 도시된 영상 감시 장치의 감시 방법을 설명하기 위한 영상사진이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 영상 감시 장치의 감시 방법은 감시 영역 설정 단계(S10), 제 1 추출 단계(S20), 감시 대상 물체 선택 단계(S30), 제 1 학습 단계(S40), 제 2 추출 단계(S50), 제 2 학습 단계(S60) 및 감시 여부 판단 단계(S70)를 포함한다. 이하에서는 도 2의 각 단계들을 도 3 내지 도 4c를 참조하여 설명하기로 한다.
상기 감시 영역 설정 단계(S10)는 PTZ 카메라(110)가 감시해야 할 감시 영역을 설정하는 단계이다. 먼저, 도 4a에 도시된 바와 같이, PTZ 카메라는 감시 지역의 천정, 외벽 또는 기둥 등에 설치되어, 수평 방향으로 회전되는 팬(PAN) 동작과 수직 방향으로 회전되는 틸트(TILT) 동작에 의해 한대의 카메라로 감시 영역을 용이하게 변경시켜 촬영할 수 있다. 또한, PTZ 카메라(110)는 줌 기능도 포함하고 있어, 특정 영역을 확대하여 촬영할 수 도 있다.
상기 감시 영역 설정 단계(S10)에서 상기 제어부(140)는 감시하고자 하는 영역을 다수개로 설정할 수 있다. 도 4b에 도시된 바와 같이, 상기 제어부(140)는 PTZ 카메라(110)가 감시해야 할 감시 영역을 a 영역 내지 l 영역으로 구분할 수 있다. 물론, 상기 제어부(140)는 이보다 더 많거나 더 적게 구분할 수 있다.
상기 제 1 추출 단계(S20)는 상기 감시 영역별로 움직이는 모든 물체를 추출하는 단계이다. 상기 제 1 추출 단계(S20)에서 상기 PTZ 카메라(110)는 각각의 감시 영역을 촬영하여 움직이는 모든 물체를 구별해내고, 상기 제어부(140)는 구별해 낸 모든 물체 각각의 데이터를 저장부(120)에 저장시킨다.
상기 감시 대상 물체 선택 단계(S30)는 상기 감시 영역별로 감시하고 싶은 대상 물체를 선택한다. 상기 감시 대상 물체 선택 단계(S30)에서 상기 제어부(140)는 감시 대상 물체를 선택한다. 이때, 상기 제어부(140)는 각각의 영역별로 서로 다른 대상을 선택할 수 있다. 예를 들어, 도 4c에 도시된 바와 같이, 상기 제어부(140)는 b 영역에서 검정색 승용차를 대상 물체로 선택하고, h 영역에서 파란 버스를 대상 물체로 선택하고, j 영역에서 오토바이를 타는 사람을 대상 물체로 선택할 수 있다.
상기 제 1 학습 단계(S40)는 각각의 영역에서 감시 대상 물체를 분류하고 이를 학습하는 단계이다. 상기 제 1 학습 단계(S40)에서 분류부(130)는 분류기(F)를 이용하여 상기 저장부(120)에 저장된 데이터 중에서 감시 대상 물체의 정보를 분류하는 학습을 한다. 상기 분류부(130)는 제어부(120)에 저장된 각 영역의 데이터 중에서 감시 대상 물체로 선택된 데이터를 선택 데이터(A)로 분류하고 감시 대상으로 선택되지 않은 데이터를 비선택 데이터(B)로 분류하고, 상기 선택 데이터(A)와 비선택 데이터(B)를 분류기(F)에 입력하여 다음 [수학식 1]과 같은 출력이 나오도록 학습한다.
[수학식 1]
F(A)=1, F(B)=-1
즉, 상기 분류기(F)는 감시 대상 물체인 선택 데이터(A)가 들어오면 1로 출력하고, 감시 대상 물체가 아닌 비선택 데이터(B)가 들어오면 -1로 출력하는 학습을 한다.
상기 제 2 추출 단계(S50)는 상기 감시 영역별로 움직이는 모든 물체를 재추출하는 단계이다. 상기 제 2 추출 단계(S50)에서 상기 PTZ 카메라(110)는 각각의 감시 영역을 촬영하여 움직이는 모든 물체를 구별해내고, 상기 제어부(140)는 구별해 낸 모든 물체 각각의 데이터(C)를 저장부(120)에 저장시킨다.
상기 제 2 학습 단계(S60)는 상기 제 2 추출 단계(S50)에서 저장된 데이터(C) 중에서 감시 대상 물체를 재분류하는 방법을 학습하는 단계이다. 상기 제 2 학습 단계(S60)에서 상기 분류부(130)는 상기 제 1 학습 단계(S40)에서 학습된 분류기(F)를 이용하여 상기 제 2 추출 단계(S50)에서 저장된 데이터(C) 중에서 감시 대상 물체의 정보를 분류하는 학습을 한다. 즉, 상기 제 2 학습 단계(S60)에서는 학습된 분류기의 입력으로 제 2 추출 단계(S50)에서 추출된 데이터(C)를 입력으로 사용한다(S61).
먼저, 상기 분류기(F)는 다음의 [수학식 2]를 이용하여 데이터를 재분류한다.
[수학식 2]
if F(C)>0 then AA = A U C
if F(C)<0 then BB = B U C
상기 제 2 추출 단계(S50)에서 저장된 데이터(C)가 분류기(F)에 입력되었을 때, 상기 분류기(F)의 출력이 0보다 크면(S62), 상기 분류부(130)는 이를 감시 대상 물체로 인식하여 선택 데이터(AA)로 분류한다(S63). 따라서, 선택 데이터(AA)에는 제 1 학습 단계(S40)에서 분류된 데이터(A)와 제 2 학습 단계(S60)에서 분류된 데이터(C)가 저장되게 된다(S63).
또한, 상기 제 2 추출 단계(S50)에서 저장된 데이터(C)가 분류기(F)에 입력되었을 때, 상기 분류기(F)의 출력이 0보다 작으면(S62), 상기 분류부(130)는 이를 감시 대상 물체가 아닌 것으로 인식하여 비선택 데이터(BB)로 분류한다(S64). 따라서, 비선택 데이터(BB)에는 제 1 학습 단계(S40)에서 분류된 데이터(B)와 제 2 학습 단계(S60)에서 분류된 데이터(C)가 저장되게 된다(S64).
그리고 나서, 상기 분류부(130)는 상기 선택 데이터(AA)와 비선택 데이터(BB)를 분류기(F)에 입력하여 다음 [수학식 3]과 같은 출력이 나오도록 재학습한다.
F(AA)=1, F(BB)=-1
즉, 상기 분류기(F)는 감시 대상 물체인 선택 데이터(AA)가 들어오면 1로 출력하고, 감시 대상 물체가 아닌 비선택 데이터(BB)가 들어오면 -1로 출력하도록 재학습을 한다.
상기 감시 시작 여부 판단 단계(S70)는 상기 감시 대상 물체의 감시를 시작해도 되는 지의 여부를 판단하는 단계이다. 상기 감시 시작 판단 단계(S70)에서 상기 제어부(140)는 상기 제 2 학습 단계(S60)에서 선택된 데이터(AA)로 분류된 데이터의 양과 기준값을 비교한다(S71). 상기 제어부(140)는 선택된 데이터(AA)로 분류된 데이터의 양이 기준값 보다 크면, 더 이상 데이터를 수집할 필요가 없는 것으로 판단하여, 상기 PTZ 카메라(110)에 감시 대상 물체의 감시를 시작할 것을 명령한다(S72). 즉, 상기 제어부(140)는 상기 PTZ 카메라(110)가 대상 물체를 인식하기에 충분한 학습이 이루어진 것으로 판단하여, 감시 대상 물체의 감시를 시작할 것을 명령한다.
또한, 상기 감시 시작 여부 판단 단계(S70)에서 상기 제어부(140)는 상기 제 2 학습 단계(S40)에서 선택된 데이터(AA)로 분류된 데이터의 양과 기준값을 비교한다(S71). 상기 제어부(140)는 선택된 데이터(AA)로 분류된 데이터의 양이 기준값 보다 작으면, 수집된 데이터의 양이 적은 것으로 판단하여, 상기 제 2 추출 단계(S50)로 돌아가 제 2 학습 단계(S60)를 반복한다. 즉, 상기 제어부(140)는 상기 PTZ 카메라(110)가 대상 물체를 인식하기에 충분한 학습이 이루어지지 않은 것으로 판단하여, 감시 대상 물체를 분류하는 학습을 반복할 것을 명령한다.
이와 같이, 본 발명의 일 실시예에 따른 영상 감시 장치의 감시 방법은 분류기를 통한 반교사 학습을 수행함으로써, 감시하고 싶은 대상을 자동으로 학습할 수 있다.
또한, 본 발명의 일 실시예에 따른 영상 감시 장치의 감시 방법은 PTZ 카메라를 사용함으로써, 각각의 감시 영역별로 다중의 객체들을 자동으로 감시할 수 있다.
이상에서 설명한 것은 본 발명에 의한 영상 감시 장치의 감시 방법을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기한 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.
110: PTZ 카메라
120: 저장부
130: 분류부
140: 제어부

Claims (9)

  1. PTZ(팬 틸트 줌) 카메라가 촬영해야 할 감시 영역을 설정하는 감시 영역 설정 단계;
    상기 PTZ 카메라가 감시 영역을 촬영하여 움직이는 모든 물체의 데이터를 추출하는 제 1 추출 단계;
    제어부가 상기 감시 영역에서 감시하고 싶은 감시 대상 물체를 선택하는 감시 대상 물체 선택 단계;
    상기 제 1 추출 단계에서 추출된 물체의 데이터 중 감시 대상 물체의 데이터를 분류하고, 분류된 데이터를 통해 분류기를 학습시키는 제 1 학습 단계;
    상기 PTZ 카메라가 감시 영역을 재촬영하여 움직이는 모든 물체의 데이터를 재추출하는 제 2 추출 단계; 및
    상기 제 2 추출 단계에서 추출된 물체의 데이터를 상기 제 1 학습 단계에서 학습된 분류기에 입력하여 감시 대상 물체의 데이터를 재분류하고, 재분류된 데이터를 통해 상기 분류기를 재학습시키는 제 2 학습 단계를 포함하고,
    상기 감시 대상 물체의 데이터 양이 기준값 보다 크면 상기 감시 대상 물체의 감시를 시작하는 것을 특징으로 하는 영상 감시 장치의 감시 방법.
  2. 제 1 항에 있어서,
    상기 제 1 학습 단계에서는 감시 대상 물체의 데이터를 선택 데이터로 분류하고, 감시 대상 물체가 아닌 물체의 데이터를 비선택 데이터로 분류하는 것을 특징으로 하는 영상 감시 장치의 감시 방법.
  3. 제 2 항에 있어서,
    상기 제 1 학습 단계에서는 상기 분류기에 상기 선택 데이터가 입력되면 1을 출력하고, 상기 분류기에 상기 비선택 데이터가 입력되면 -1을 출력하도록 상기 분류기를 학습시키는 것을 특징으로 하는 영상 감시 장치의 감시 방법.
  4. 제 1 항에 있어서,
    상기 제 2 학습 단계에서는 상기 제 2 추출 단계에서 추출된 물체의 데이터를 상기 분류기에 입력하였을 때 상기 분류기의 출력이 0보다 크면, 선택 데이터로 재분류하는 것을 특징으로 하는 영상 감시 장치의 감시 방법.
  5. 제 4 항에 있어서,
    상기 제 2 학습 단계에서는 상기 분류기에 상기 선택 데이터가 입력되면 1을 출력하도록 상기 분류기를 재학습시키는 것을 특징으로 하는 영상 감시 장치의 감시 방법.
  6. 제 1 항에 있어서,
    상기 제 2 학습 단계에서는 상기 제 2 추출 단계에서 추출된 물체의 데이터를 상기 분류기에 입력하였을 때 상기 분류기의 출력이 0보다 작으면, 비선택 데이터로 재분류하는 것을 특징으로 하는 영상 감시 장치의 감시 방법.
  7. 제 6 항에 있어서,
    상기 제 2 학습 단계에서는 상기 분류기에 상기 비선택 데이터가 입력되면 -1을 출력하도록 상기 분류기를 재학습시키는 것을 특징으로 하는 영상 감시 장치의 감시 방법.
  8. 제 1 항에 있어서,
    상기 감시 대상 물체의 데이터 양이 기준값 보다 작으면 상기 제 2 추출 단계로 돌아가 상기 제 2 학습 단계를 반복하는 것을 특징으로 하는 영상 감시 장치의 감시 방법.
  9. 제 1 항에 있어서,
    상기 감시 영역 설정 단계에서는 상기 감시 영역을 다수개로 설정하고, 상기 감시 대상 물체 선택 단계에서는 각 감시 영역별로 서로 다른 감시 대상을 선택하여, 동시에 여러 감시 대상 물체를 감시하는 것을 특징으로 하는 영상 감시 장치의 감시 방법.
KR20130112849A 2013-09-23 2013-09-23 영상 감시 장치의 감시 방법 KR101480636B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20130112849A KR101480636B1 (ko) 2013-09-23 2013-09-23 영상 감시 장치의 감시 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20130112849A KR101480636B1 (ko) 2013-09-23 2013-09-23 영상 감시 장치의 감시 방법

Publications (1)

Publication Number Publication Date
KR101480636B1 true KR101480636B1 (ko) 2015-01-09

Family

ID=52588275

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20130112849A KR101480636B1 (ko) 2013-09-23 2013-09-23 영상 감시 장치의 감시 방법

Country Status (1)

Country Link
KR (1) KR101480636B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101780929B1 (ko) * 2017-01-10 2017-09-26 (주)예원이엔씨 움직이는 물체를 추적하는 영상감시 시스템
EP3367353A1 (fr) * 2017-02-28 2018-08-29 Thales Procédé de pilotage d'une caméra ptz, produit programme d'ordinateur et dispositif de pilotage associés
KR20180117419A (ko) 2017-04-19 2018-10-29 한화테크윈 주식회사 감시 시스템 및 그 동작 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030077796A (ko) * 2002-03-27 2003-10-04 삼성전자주식회사 영상 신호 검출 방법 및 장치와 이를 이용한 물체 추적방법 및 장치
KR20090003803A (ko) * 2007-07-03 2009-01-12 삼성테크윈 주식회사 지능형 감시 시스템 및 그의 제어방법
KR101038726B1 (ko) 2009-03-18 2011-06-03 (주)에스엔알 높은 신뢰도를 갖는 무인 감시 방법, 무인 감시 장치 및 무인 감시 시스템
KR101196678B1 (ko) 2011-04-29 2012-11-06 부산대학교 산학협력단 실시간 화재 감시 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030077796A (ko) * 2002-03-27 2003-10-04 삼성전자주식회사 영상 신호 검출 방법 및 장치와 이를 이용한 물체 추적방법 및 장치
KR20090003803A (ko) * 2007-07-03 2009-01-12 삼성테크윈 주식회사 지능형 감시 시스템 및 그의 제어방법
KR101038726B1 (ko) 2009-03-18 2011-06-03 (주)에스엔알 높은 신뢰도를 갖는 무인 감시 방법, 무인 감시 장치 및 무인 감시 시스템
KR101196678B1 (ko) 2011-04-29 2012-11-06 부산대학교 산학협력단 실시간 화재 감시 장치 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101780929B1 (ko) * 2017-01-10 2017-09-26 (주)예원이엔씨 움직이는 물체를 추적하는 영상감시 시스템
EP3367353A1 (fr) * 2017-02-28 2018-08-29 Thales Procédé de pilotage d'une caméra ptz, produit programme d'ordinateur et dispositif de pilotage associés
FR3063409A1 (fr) * 2017-02-28 2018-08-31 Thales Procede de pilotage d'une camera ptz, produit programme d'ordinateur et dispositif de pilotage associes
KR20180117419A (ko) 2017-04-19 2018-10-29 한화테크윈 주식회사 감시 시스템 및 그 동작 방법

Similar Documents

Publication Publication Date Title
US11800063B2 (en) Camera listing based on comparison of imaging range coverage information to event-related data generated based on captured image
US20190295393A1 (en) Image capturing apparatus with variable event detecting condition
US20160142680A1 (en) Image processing apparatus, image processing method, and storage medium
US8977001B2 (en) Device and method for monitoring video objects
US20150103178A1 (en) Surveillance camera control device and video surveillance system
CN105100596B (zh) 相机设备和使用相机设备跟踪对象的方法
JP2017228082A (ja) 追跡装置、追跡方法、及びプログラム
US20180204069A1 (en) Video monitoring apparatus, method of controlling the same, computer-readable storage medium, and video monitoring system
KR102282470B1 (ko) 카메라 장치 및 이를 이용한 객체 추적 방법
KR101480636B1 (ko) 영상 감시 장치의 감시 방법
JP7222231B2 (ja) 行動認識装置、行動認識方法及びプログラム
CN107079098B (zh) 基于ptz摄像机的影像播放方法及装置
KR101695127B1 (ko) 영상을 이용한 집단 행동 분석 방법
KR101656642B1 (ko) 영상을 이용한 집단 행동 분석 방법
KR20160093253A (ko) 영상 기반 이상 흐름 감지 방법 및 그 시스템
KR101509593B1 (ko) 프리셋 투어 카메라를 위한 영상 분류 방법 및 그 장치
KR20210013865A (ko) 생성적 대립 네트워크를 이용한 사람의 비정상 행동 탐지 시스템 및 방법
KR102107137B1 (ko) 팬틸트줌 카메라를 이용한 이벤트 감지방법 및 장치
KR101589823B1 (ko) 이벤트 상황을 효율적으로 검색하기 위한 가변형 디스플레이 환경을 제공하는 cctv모니터링 시스템
KR101445361B1 (ko) 현장 모니터링 장치
KR101445362B1 (ko) 영상 판독 장치
KR100872403B1 (ko) 고정형 카메라를 이용하여 ｐｔｚ 카메라를 제어하는 감시시스템
KR101623331B1 (ko) 영상을 활용한 이동객체 검지 및 근접 확대 촬영 방법
KR101612490B1 (ko) 공간중첩을 이용한 cctv 모니터링이 가능한 영상 감시 장치
KR101623332B1 (ko) 영상을 활용한 이동객체 검지 및 근접 확대 촬영 방법

Legal Events

Date Code Title Description
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190102

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 6