KR101952122B1

KR101952122B1 - Method for analyzing fine dust and apparatus for executing the method

Info

Publication number: KR101952122B1
Application number: KR1020180021631A
Authority: KR
Inventors: 김성환; 허정석
Original assignee: 주식회사 딥비전스
Priority date: 2018-02-23
Filing date: 2018-02-23
Publication date: 2019-02-26
Also published as: WO2019164074A1

Abstract

Disclosed are a fine dust analyzing method and an apparatus to perform the same. According to an embodiment of the present invention, the disclosed fine dust analyzing method is a method performed in a computing apparatus which includes one or more processors and a memory storing one or more programs executed by the processors. The present invention includes: a step of obtaining a test shooting video shot in a predetermined area to check a fine dust level; a step of performing a smoothing process for each test image included in the test shooting video; a step of generating primary fine dust test images through a difference between each test image and the smoothing image of the corresponding test image; a step of generating secondary fine dust test images through a difference between consecutive primary fine dust test images in the test shooting video; a step of generating a plurality of feature map images by performing a convolution through a plurality of first windows in each of the secondary fine dust test images; a step of performing a subsampling by applying a second window to each of the feature map images; a step of extracting at least one final feature value about the secondary fine dust test images based on the convolution and the subsampling; and a step of classifying fine dust levels of the secondary fine dust test images based on the extracted final feature value, a preset weight coefficient, and a preset activation function. The present invention is provided to easily check fine dust levels in any area.

Description

미세 먼지 분석 방법 및 이를 수행하기 위한 장치{METHOD FOR ANALYZING FINE DUST AND APPARATUS FOR EXECUTING THE METHOD}TECHNICAL FIELD [0001] The present invention relates to a fine dust analyzing method, and more particularly,

본 발명의 실시예는 미세 먼지 분석 기술과 관련된다. Embodiments of the invention relate to fine dust analysis techniques.

최근, 미세 먼지가 사회적 이슈가 되고 있으며, 뉴스 등 각종 매체에서도 미세 먼지의 농도를 각 지역별로 제공해주고 있다. 기존의 미세 먼지 측정 방식은 방사선 또는 빛의 물리적 특성을 이용하여 간접적으로 측정하는 방법(베타선 흡수법 또는 광 산란법 등) 및 미세 먼지의 질량을 저울로 측정하는 방법(중량 농도법 등)이 있으나, 고가의 미세 먼지 측정 장비가 필요하다는 문제점이 있다. In recent years, fine dust has become a social issue, and it has been providing the concentration of fine dust in various regions such as news. Conventional fine dust measuring methods include a method of indirectly measuring using the physical properties of radiation or light (such as a beta ray absorption method or a light scattering method) and a method of measuring the mass of fine dust by a balance , There is a problem that an expensive fine dust measuring equipment is required.

기존에는 행정 구역 단위(예를 들어, 구 단위) 별로 미세 먼지를 측정하였으나, 실제적으로는 동일한 행정 구역이라 하더라도 지형 특성 및 건물 밀집도 등에 따라 미세 먼지의 측정값에는 차이가 나게 된다. 따라서, 고가의 미세 먼지 측정 장비 없이도 각 위치에 따라 미세 먼지 농도를 측정할 수 있는 방안이 요구된다. Conventionally, fine dusts have been measured for each administrative unit (for example, old units). However, even in the same administrative area, there is a difference in the measurement value of fine dust depending on the topography and building density. Therefore, it is required to measure the fine dust concentration according to each position without expensive fine dust measuring equipment.

한국공개특허공보 제10-2018-0003750호(2018.01.10)Korean Patent Publication No. 10-2018-0003750 (Aug. 201, 2018)

본 발명의 실시예는 어느 지역이라도 미세 먼지 레벨을 용이하게 확인할 수 있는 미세 먼지 분석 방법 및 이를 수행하기 위한 장치를 제공하기 위한 것이다.An embodiment of the present invention is to provide a fine dust analyzing method and an apparatus for performing the fine dust analyzing method which can easily confirm a fine dust level in any area.

개시되는 일 실시예에 따른 미세 먼지 분석 방법은, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 미세 먼지 레벨을 확인하기 위한 소정 지역에서 촬영된 테스트 촬영 동영상을 획득하는 단계; 상기 테스트 촬영 동영상에 포함된 각 테스트 이미지에 대해 스무딩 처리를 수행하는 단계; 상기 각 테스트 이미지와 해당 테스트 이미지의 스무딩 이미지 간의 차이를 통해 1차 미세 먼지 테스트 이미지들을 생성하는 단계; 상기 테스트 촬영 동영상 내에서 연속하는 1차 미세 먼지 테스트 이미지 간의 차이를 통해 2차 미세 먼지 테스트 이미지들을 생성하는 단계; 상기 2차 미세 먼지 테스트 이미지 각각에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하는 단계; 상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하는 단계; 상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 2차 미세 먼지 테스트 이미지에 대한 하나 이상의 최종 특징 값을 추출하는 단계; 및 상기 추출한 최종 특징 값, 기 설정된 가중치 계수, 및 기 설정된 활성 함수를 기반으로 상기 2차 미세 먼지 테스트 이미지에 대한 미세 먼지 레벨을 분류하는 단계를 포함한다.A method for performing fine dust analysis in accordance with one disclosed embodiment is a method performed in a computing device having one or more processors and a memory storing one or more programs executed by the one or more processors, Acquiring a test shooting video photographed in a predetermined area for confirmation; Performing smoothing processing on each test image included in the test shooting video; Generating primary fine dust test images through differences between the respective test images and the smoothed images of the test images; Generating secondary fine dust test images through a difference between successive primary fine dust test images in the test shooting video; Performing a convolution on each of the secondary fine dust test images through a plurality of first windows to generate a plurality of feature map images; Performing sub-sampling by applying a second window to each of the plurality of feature map images; Extracting one or more final feature values for the secondary fine dust test image based on the convolution and the subsampling; And classifying the fine dust level for the secondary fine dust test image based on the extracted final characteristic value, the preset weight coefficient, and the preset activation function.

상기 복수 개의 특징 맵 이미지를 생성하는 단계는, 상기 제1 윈도우를 상기 2차 미세 먼지 테스트 이미지의 각 픽셀에 순차적으로 적용하여 상기 2차 미세 먼지 테스트 이미지의 각 픽셀 값을 상기 제1 윈도우 내의 가중치에 따라 재설정하는 단계를 포함할 수 있다.Wherein the generating of the plurality of feature map images comprises sequentially applying the first window to each pixel of the secondary fine dust test image so that each pixel value of the secondary fine dust test image is weighted in the first window In accordance with the present invention.

상기 복수 개의 특징 맵 이미지를 생성하는 단계는, 상기 2차 미세 먼지 테스트 이미지에 제1 윈도우 내의 가중치가 서로 다르게 설정된 복수 개의 제1 윈도우를 각각 적용하여 컨벌루션을 수행하는 단계를 포함할 수 있다.The generating of the plurality of feature map images may include performing a convolution by applying a plurality of first windows each having a different weight in the first window to the secondary fine dust test image.

상기 서브 샘플링을 수행하는 단계는, 상기 특징 맵 이미지에서 상기 제2 윈도우를 겹치지 않게 이동하면서 상기 제2 윈도우에 포함된 특징 맵 이미지의 픽셀 값 중 최대값을 추출하는 단계를 포함할 수 있다.The step of performing sub-sampling may include extracting a maximum value among pixel values of a feature map image included in the second window while moving the second window in a non-overlapping manner in the feature map image.

상기 미세 먼지 레벨을 분류하는 단계 이후에, 상기 테스트 촬영 동영상의 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되는지 여부를 확인하는 단계; 및 상기 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되지 않는 경우, 상기 각 2차 미세 먼지 테스트 이미지가 가장 많이 분류된 미세 먼지 레벨을 상기 테스트 촬영 동영상의 미세 먼지 레벨로 최종 확정하는 단계를 더 포함할 수 있다.Confirming whether or not each secondary fine dust test image of the test photographic moving image is classified into the same fine dust level after the step of classifying the fine dust level; And finally finalizing the fine dust level of each of the secondary fine dust test images classified into the fine dust level of the test photographic moving image when the respective secondary fine dust test images are not classified into the same fine dust level As shown in FIG.

개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들; 메모리; 및 하나 이상의 프로그램들을 포함하고, 상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 미세 먼지 레벨을 확인하기 위한 소정 지역에서 촬영된 테스트 촬영 동영상을 획득하기 위한 명령; 상기 테스트 촬영 동영상에 포함된 각 테스트 이미지에 대해 스무딩 처리를 수행하기 위한 명령; 상기 각 테스트 이미지와 해당 테스트 이미지의 스무딩 이미지 간의 차이를 통해 1차 미세 먼지 테스트 이미지들을 생성하기 위한 명령; 상기 테스트 촬영 동영상 내에서 연속하는 1차 미세 먼지 테스트 이미지 간의 차이를 통해 2차 미세 먼지 테스트 이미지들을 생성하기 위한 명령; 상기 2차 미세 먼지 테스트 이미지 각각에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하기 위한 명령; 상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하기 위한 명령; 상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 2차 미세 먼지 테스트 이미지에 대한 하나 이상의 최종 특징 값을 추출하기 위한 명령; 및 상기 추출한 최종 특징 값, 기 설정된 가중치 계수, 및 기 설정된 활성 함수를 기반으로 상기 2차 미세 먼지 테스트 이미지에 대한 미세 먼지 레벨을 분류하기 위한 명령을 포함한다.A computing device according to one disclosed embodiment includes: one or more processors; Memory; And one or more programs, wherein the one or more programs are stored in the memory and are configured to be executed by the one or more processors, wherein the one or more programs include a test An instruction to acquire a photographed moving image; An instruction for performing a smoothing process on each test image included in the test shooting video; Instructions for generating primary fine dust test images through a difference between each test image and a smoothed image of the test image; Instructions for generating secondary fine dust test images through a difference between consecutive primary fine dust test images within the test shooting video; Instructions for generating a plurality of feature map images by convolving each of the secondary fine dust test images through a plurality of first windows; Performing sub-sampling by applying a second window to each of the plurality of feature map images; Instructions for extracting one or more final feature values for the secondary fine dust test image based on the convolution and the subsampling; And an instruction to classify the fine dust level for the secondary fine dust test image based on the extracted final feature value, a predetermined weight coefficient, and a predetermined activation function.

상기 복수 개의 특징 맵 이미지를 생성하기 위한 명령은, 상기 제1 윈도우를 상기 2차 미세 먼지 테스트 이미지의 각 픽셀에 순차적으로 적용하여 상기 2차 미세 먼지 테스트 이미지의 각 픽셀 값을 상기 제1 윈도우 내의 가중치에 따라 재설정하기 위한 명령을 포함할 수 있다. Wherein the instructions for generating the plurality of feature map images sequentially apply each of the pixel values of the secondary fine dust test image to each pixel of the secondary fine dust test image, And may include an instruction to reset according to the weight.

상기 복수 개의 특징 맵 이미지를 생성하기 위한 명령은, 상기 2차 미세 먼지 테스트 이미지에 제1 윈도우 내의 가중치가 서로 다르게 설정된 복수 개의 제1 윈도우를 각각 적용하여 컨벌루션을 수행하기 위한 명령을 포함할 수 있다.The instructions for generating the plurality of feature map images may include instructions for performing a convolution by applying a plurality of first windows each having a different weight in the first window to the secondary fine dust test image .

상기 서브 샘플링을 수행하기 위한 명령은, 상기 특징 맵 이미지에서 상기 제2 윈도우를 겹치지 않게 이동하면서 상기 제2 윈도우에 포함된 특징 맵 이미지의 픽셀 값 중 최대값을 추출하기 위한 명령을 포함할 수 있다. The instruction for performing the subsampling may include an instruction for extracting a maximum value among pixel values of a feature map image included in the second window while moving the second window in a non-overlapping manner in the feature map image .

상기 하나 이상의 프로그램들은, 상기 테스트 촬영 동영상의 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되는지 여부를 확인하기 위한 명령; 및 상기 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되지 않는 경우, 상기 각 2차 미세 먼지 테스트 이미지가 가장 많이 분류된 미세 먼지 레벨을 상기 테스트 촬영 동영상의 미세 먼지 레벨로 최종 확정하기 위한 명령을 더 포함할 수 있다.Wherein the one or more programs include: instructions for determining whether each secondary fine dust test image of the test photographic moving image is classified into the same fine dust level; And for finely determining the fine dust level in which each of the secondary fine dust test images is most classified to the fine dust level of the test shooting moving image when the respective secondary fine dust test images are not classified into the same fine dust level Command.

개시되는 다른 실시예에 따른 미세 먼지 분석 방법은, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 각 미세 먼지 레벨의 날씨에서 촬영된 기준 촬영 동영상을 획득하는 단계; 상기 기준 촬영 동영상에 포함된 각 이미지에 대해 스무딩 처리를 수행하는 단계; 상기 기준 촬영 동영상의 각 이미지와 해당 이미지의 스무딩 이미지 간의 차이를 통해 1차 미세 먼지 기준 이미지를 생성하는 단계; 상기 기준 촬영 동영상 내에서 연속하는 1차 미세 먼지 기준 이미지 간의 차이를 통해 2차 미세 먼지 기준 이미지를 생성하는 단계; 상기 2차 미세 먼지 기준 이미지에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하는 단계; 상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하는 단계; 상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 2차 미세 먼지 기준 이미지에 대한 하나 이상의 최종 특징 값을 추출하는 단계; 및 상기 추출한 최종 특징 값 및 기 설정된 활성 함수를 기반으로 상기 최종 특징 값들에 대해 미세 먼지 레벨을 분류하기 위한 가중치 계수를 산출하는 단계를 포함한다.A method for analyzing fine dust in accordance with another disclosed embodiment is a method performed in a computing device having one or more processors and a memory storing one or more programs executed by the one or more processors, Acquiring a reference photographic moving image photographed in the weather of the first photographing mode; Performing smoothing processing on each image included in the reference photographing moving image; Generating a primary fine dust reference image through a difference between each image of the reference picked-up moving image and a smoothed image of the corresponding image; Generating a secondary fine dust reference image through a difference between successive primary fine dust reference images in the reference photographing moving image; Performing convolution through the plurality of first windows on the secondary fine dust reference image to generate a plurality of feature map images; Performing sub-sampling by applying a second window to each of the plurality of feature map images; Extracting at least one final feature value for the secondary fine dust reference image based on the convolution and the subsampling; And calculating a weighting coefficient for classifying the fine dust level with respect to the final feature values based on the extracted final feature value and the preset activation function.

개시되는 다른 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들; 메모리; 및 하나 이상의 프로그램들을 포함하고, 상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 각 미세 먼지 레벨의 날씨에서 촬영된 기준 촬영 동영상을 획득하기 위한 명령; 상기 기준 촬영 동영상에 포함된 각 이미지에 대해 스무딩 처리를 수행하기 위한 명령; 상기 기준 촬영 동영상의 각 이미지와 해당 이미지의 스무딩 이미지 간의 차이를 통해 1차 미세 먼지 기준 이미지를 생성하기 위한 명령; 상기 기준 촬영 동영상 내에서 연속하는 1차 미세 먼지 기준 이미지 간의 차이를 통해 2차 미세 먼지 기준 이미지를 생성하기 위한 명령; 상기 2차 미세 먼지 기준 이미지에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하기 위한 명령; 상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하기 위한 명령; 상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 2차 미세 먼지 기준 이미지에 대한 하나 이상의 최종 특징 값을 추출하기 위한 명령; 및 상기 추출한 최종 특징 값 및 기 설정된 활성 함수를 기반으로 상기 최종 특징 값들에 대해 미세 먼지 레벨을 분류하기 위한 가중치 계수를 산출하기 위한 명령을 포함한다.A computing device according to another disclosed embodiment includes: one or more processors; Memory; And one or more programs are stored in the memory and are configured to be executed by the one or more processors, wherein the one or more programs are stored in a memory, An instruction to acquire; Instructions for performing smoothing processing on each image included in the reference photographing moving picture; Instructions for generating a primary fine dust reference image through a difference between each image of the reference photographic motion picture and a smoothing image of the image; Instructions for generating a secondary fine dust reference image through a difference between successive primary fine dust reference images within the reference photographing motion; Performing convolution through the plurality of first windows on the secondary fine dust reference image to generate a plurality of feature map images; Performing sub-sampling by applying a second window to each of the plurality of feature map images; Instructions for extracting one or more final feature values for the secondary fine dust reference image based on the convolution and the subsampling; And calculating a weighting coefficient for classifying the fine dust level with respect to the final feature values based on the extracted final feature value and the preset activation function.

개시되는 또 다른 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들; 메모리; 및 하나 이상의 프로그램들을 포함하고, 상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 미세 먼지 레벨을 확인하기 위한 소정 지역에서 촬영된 테스트 촬영 동영상을 획득하기 위한 명령; 상기 테스트 촬영 동영상에 포함된 각 테스트 이미지에 대해 스무딩 처리를 수행하기 위한 명령; 상기 각 테스트 이미지와 해당 테스트 이미지의 스무딩 이미지 간의 차이를 통해 미세 먼지 테스트 이미지들을 생성하기 위한 명령; 상기 미세 먼지 테스트 이미지 각각에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하기 위한 명령; 상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하기 위한 명령; 상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 미세 먼지 테스트 이미지에 대한 하나 이상의 최종 특징 값을 추출하기 위한 명령; 및 상기 추출한 최종 특징 값, 기 설정된 가중치 계수, 및 기 설정된 활성 함수를 기반으로 상기 미세 먼지 테스트 이미지에 대한 미세 먼지 레벨을 분류하기 위한 명령을 포함한다.A computing device according to another disclosed embodiment includes: one or more processors; Memory; And one or more programs, wherein the one or more programs are stored in the memory and are configured to be executed by the one or more processors, wherein the one or more programs include a test An instruction to acquire a photographed moving image; An instruction for performing a smoothing process on each test image included in the test shooting video; Instructions for generating fine dust test images through a difference between each test image and a smoothed image of the test image; Instructions for generating a plurality of feature map images by performing convolution on each of the fine dust test images through a plurality of first windows; Performing sub-sampling by applying a second window to each of the plurality of feature map images; Instructions for extracting one or more final feature values for the fine dust test image based on the convolution and the subsampling; And an instruction to classify the fine dust level for the fine dust test image based on the extracted final feature value, predetermined weight coefficient, and predetermined activation function.

개시되는 또 다른 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들; 메모리; 및 하나 이상의 프로그램들을 포함하고, 상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 각 미세 먼지 레벨의 날씨에서 촬영된 기준 촬영 동영상을 획득하기 위한 명령; 상기 기준 촬영 동영상에 포함된 각 이미지에 대해 스무딩 처리를 수행하기 위한 명령; 상기 기준 촬영 동영상의 각 이미지와 해당 이미지의 스무딩 이미지 간의 차이를 통해 미세 먼지 기준 이미지를 생성하기 위한 명령; 상기 미세 먼지 기준 이미지에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하기 위한 명령; 상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하기 위한 명령; 상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 미세 먼지 기준 이미지에 대한 하나 이상의 최종 특징 값을 추출하기 위한 명령; 및 상기 추출한 최종 특징 값 및 기 설정된 활성 함수를 기반으로 상기 최종 특징 값들에 대해 미세 먼지 레벨을 분류하기 위한 가중치 계수를 산출하기 위한 명령을 포함한다.A computing device according to another disclosed embodiment includes: one or more processors; Memory; And one or more programs are stored in the memory and are configured to be executed by the one or more processors, wherein the one or more programs are stored in a memory, An instruction to acquire; Instructions for performing smoothing processing on each image included in the reference photographing moving picture; Instructions for generating a fine dust reference image through a difference between each image of the reference picked-up moving image and a smoothed image of the corresponding image; Instructions for generating a plurality of feature map images by performing convolution on the fine dust reference image through a plurality of first windows; Performing sub-sampling by applying a second window to each of the plurality of feature map images; Instructions for extracting one or more final feature values for the fine dust reference image based on the convolution and the subsampling; And calculating a weighting coefficient for classifying the fine dust level with respect to the final feature values based on the extracted final feature value and the preset activation function.

개시되는 실시예에 의하면, 촬영 동영상만으로 해당 지역의 미세 먼지 레벨을 확인할 수 있으므로, 고가의 미세 먼지 측정 장비가 필요치 않으며, 사용자가 위치하는 각 지역에서의 미세 먼지 레벨을 용이하게 확인할 수 있게 된다. 즉, 미세 먼지 레벨을 알기 위한 장소의 주변을 촬영한 영상만 있으면 되므로, 장소나 지역에 구애 받지 않고 어느 장소에서나 미세 먼지 레벨을 용이하게 확인할 수 있게 된다. According to the disclosed embodiment, since the fine dust level of the area can be confirmed only by the photographed moving picture, expensive fine dust measuring equipment is not required, and the fine dust level in each region where the user is located can be easily confirmed. In other words, since only the image of the vicinity of the place for recognizing the fine dust level is required, it is possible to easily check the fine dust level at any place regardless of the place or the area.

도 1은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
도 2는 본 발명의 일 실시예에 따른 미세 먼지 분석 방법을 설명하기 위한 흐름도
도 3은 본 발명의 일 실시예에 따른 미세 먼지 분석 방법에서 2차 미세 먼지 기준 이미지를 생성하는 과정을 나타낸 도면
도 4는 본 발명의 다른 실시예에 따른 미세 먼지 분석 방법을 설명하기 위한 흐름도
도 5는 본 발명의 일 실시예에 따른 미세 먼지 분석 시스템을 나타낸 도면1 is a block diagram illustrating and illustrating a computing environment including a computing device suitable for use in the exemplary embodiments;
2 is a flowchart illustrating a method of analyzing fine dust according to an embodiment of the present invention.
3 is a view illustrating a process of generating a secondary fine dust reference image in the fine dust analysis method according to an embodiment of the present invention.
4 is a flowchart illustrating a method for analyzing fine dust according to another embodiment of the present invention.
5 is a view showing a fine dust analyzing system according to an embodiment of the present invention;

이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.Hereinafter, specific embodiments of the present invention will be described with reference to the drawings. The following detailed description is provided to provide a comprehensive understanding of the methods, apparatus, and / or systems described herein. However, this is merely an example and the present invention is not limited thereto.

본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail. The following terms are defined in consideration of the functions of the present invention, and may be changed according to the intention or custom of the user, the operator, and the like. Therefore, the definition should be based on the contents throughout this specification. The terms used in the detailed description are intended only to describe embodiments of the invention and should in no way be limiting. Unless specifically stated otherwise, the singular forms of the expressions include plural forms of meanings. In this description, the expressions "comprising" or "comprising" are intended to indicate certain features, numbers, steps, operations, elements, parts or combinations thereof, Should not be construed to preclude the presence or possibility of other features, numbers, steps, operations, elements, portions or combinations thereof.

이하의 설명에 있어서, 신호 또는 정보의 "전송", "통신", "송신", "수신" 기타 이와 유사한 의미의 용어는 일 구성요소에서 다른 구성요소로 신호 또는 정보가 직접 전달되는 것뿐만이 아니라 다른 구성요소를 거쳐 전달되는 것도 포함한다. 특히 신호 또는 정보를 일 구성요소로 "전송" 또는 "송신"한다는 것은 그 신호 또는 정보의 최종 목적지를 지시하는 것이고 직접적인 목적지를 의미하는 것이 아니다. 이는 신호 또는 정보의 "수신"에 있어서도 동일하다. 또한 본 명세서에 있어서, 2 이상의 데이터 또는 정보가 "관련"된다는 것은 하나의 데이터(또는 정보)를 획득하면, 그에 기초하여 다른 데이터(또는 정보)의 적어도 일부를 획득할 수 있음을 의미한다. In the following description, terms such as " transmission ", "transmission "," transmission ", "reception ", and the like, of a signal or information refer not only to the direct transmission of signals or information from one component to another But also through other components. In particular, "transmitting" or "transmitting" a signal or information to an element is indicative of the final destination of the signal or information and not a direct destination. This is the same for "reception" of a signal or information. Also, in this specification, the fact that two or more pieces of data or information are "related" means that when one piece of data (or information) is acquired, at least a part of the other data (or information) can be obtained based thereon.

또한, 제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.Also, the terms first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The terms may be used for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.

도 1은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술된 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.1 is a block diagram illustrating and illustrating a computing environment 10 that includes a computing device suitable for use in exemplary embodiments. In the illustrated embodiment, each of the components may have different functions and capabilities than those described below, and may include additional components in addition to those described below.

도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 본 발명의 실시예에 따른 미세 먼지 분석을 수행하기 위한 장치일 수 있다. The illustrated computing environment 10 includes a computing device 12. In one embodiment, the computing device 12 may be an apparatus for performing fine dust analysis in accordance with an embodiment of the present invention.

컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.The computing device 12 includes at least one processor 14, a computer readable storage medium 16, The processor 14 may cause the computing device 12 to operate in accordance with the exemplary embodiment discussed above. For example, processor 14 may execute one or more programs stored on computer readable storage medium 16. The one or more programs may include one or more computer-executable instructions, which when executed by the processor 14 cause the computing device 12 to perform operations in accordance with the illustrative embodiment .

컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.The computer-readable storage medium 16 is configured to store computer-executable instructions or program code, program data, and / or other suitable forms of information. The program 20 stored in the computer-readable storage medium 16 includes a set of instructions executable by the processor 14. In one embodiment, the computer-readable storage medium 16 may be any type of storage medium such as a memory (volatile memory such as random access memory, non-volatile memory, or any suitable combination thereof), one or more magnetic disk storage devices, Memory devices, or any other form of storage medium that can be accessed by the computing device 12 and store the desired information, or any suitable combination thereof.

통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.Communication bus 18 interconnects various other components of computing device 12, including processor 14, computer readable storage medium 16.

컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.The computing device 12 may also include one or more input / output interfaces 22 and one or more network communication interfaces 26 that provide an interface for one or more input / output devices 24. The input / output interface 22 and the network communication interface 26 are connected to the communication bus 18. The input / output device 24 may be connected to other components of the computing device 12 via the input / output interface 22. The exemplary input and output device 24 may be any type of device, such as a pointing device (such as a mouse or trackpad), a keyboard, a touch input device (such as a touch pad or touch screen), a voice or sound input device, An input device, and / or an output device such as a display device, a printer, a speaker, and / or a network card. The exemplary input and output device 24 may be included within the computing device 12 as a component of the computing device 12 and may be coupled to the computing device 12 as a separate device distinct from the computing device 12 It is possible.

도 2는 본 발명의 일 실시예에 따른 미세 먼지 분석 방법을 설명하기 위한 흐름도이다. 전술한 바와 같이, 본 발명의 일 실시예에 따른 미세 먼지 분석 방법(200)은 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치(12)에서 수행될 수 있다. 이를 위하여, 상기 미세 먼지 분석 방법(200)은 하나 이상의 컴퓨터 실행 가능 명령어를 포함하는 프로그램 내지 소프트웨어의 형태로 구현되어 상기 메모리상에 저장될 수 있다. 2 is a flowchart illustrating a method for analyzing fine particles according to an embodiment of the present invention. As described above, the method 200 for analyzing fine dust particles according to an embodiment of the present invention includes a computing device 12 having a memory for storing one or more processors and one or more programs executed by the one or more processors ). &Lt; / RTI > For this, the fine dust analysis method 200 may be implemented in the form of a program or software including one or more computer-executable instructions and stored on the memory.

또한, 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.Further, although the above-described method is described by dividing into a plurality of steps in the flowchart shown in the figure, at least some of the steps may be carried out in sequence, combined with other steps, performed together, omitted, divided into detailed steps, May be performed with one or more additional steps being added.

단계 S 202에서, 컴퓨팅 장치(12)는 각 미세 먼지 레벨의 날씨에서 촬영된 기준 촬영 동영상을 획득할 수 있다. 여기서, 미세 먼지 레벨은 매우 나쁨, 나쁨, 보통, 좋음 등이 있을 수 있다. 즉, 컴퓨팅 장치(12)는 미세 먼지 레벨이 매우 나쁨, 나쁨, 보통, 좋음 등으로 측정된 각 날씨에서 촬영된 기준 촬영 동영상을 획득할 수 있다. In step S 202, the computing device 12 may acquire a reference photographed moving image photographed in the weather of each fine dust level. Here, the fine dust level may be very bad, bad, normal, good, and the like. That is, the computing device 12 can acquire the reference photographic moving image photographed in each weather measured by the fine dust level as very poor, poor, normal, good, and the like.

설명의 편의상, 이하에서는 미세 먼지 레벨이 좋음(제1 레벨)과 나쁨(제2 레벨)으로 구분되는 것으로 설명하기로 한다. 그러나, 본 발명은 미세 먼지 레벨이 3개 이상으로 구분되는 경우에도 적용될 수 있음은 물론이다. 컴퓨팅 장치(12)는 미세 먼지 레벨이 제1 레벨인 날씨 및 제2 레벨인 날씨에서 기 설정된 시간 동안 주변을 촬영한 기준 촬영 동영상을 각각 획득할 수 있다.For convenience of explanation, it will be described below that the fine dust level is divided into a good level (first level) and a poor level (second level). However, it goes without saying that the present invention can also be applied to a case where the fine dust level is divided into three or more. The computing device 12 can acquire a reference photographing moving image in which the fine dust level is around the first level and the surrounding area is photographed for a predetermined time in the second level weather.

단계 S 204에서, 컴퓨팅 장치(12)는 기준 촬영 동영상에 포함된 각 이미지에 대해 스무딩(Smoothing) 처리를 수행할 수 있다. 예를 들어, 기준 촬영 동영상이 1초의 런닝 타임을 갖는 동영상인 경우, 기준 촬영 동영상에는 25개의 이미지가 포함될 수 있다. 컴퓨팅 장치(12)는 25개의 각 이미지에 대해 스무딩(Smoothing) 처리를 수행하여 미세 먼지가 없는 환경에서의 이미지를 얻을 수 있다. In step S 204, the computing device 12 may perform a smoothing process on each image included in the reference photographing moving image. For example, when the reference photographic moving image is a moving image having a running time of 1 second, the reference photographic moving image may include 25 images. The computing device 12 may perform a smoothing process on each of the 25 images to obtain an image in a fine dust-free environment.

즉, 미세 먼지가 있는 환경에서는 미세 먼지로 인해 기준 촬영 동영상의 각 이미지가 흐릿하게 되거나 각 이미지 내에서 불규칙한 픽셀 값을 형성하게 된다. 이에, 각 이미지에 대해 스무딩 처리를 수행함으로써, 미세 먼지가 없는 환경에서의 이미지를 생성할 수 있다. That is, in an environment with fine dust, each image of the reference photographic moving image becomes blurred due to fine dust or irregular pixel values are formed in each image. Thus, by performing the smoothing process on each image, it is possible to generate an image in a fine dust-free environment.

구체적으로, 컴퓨팅 장치(12)는 각 이미지를 구성하는 각 픽셀에 스무딩 필터(예를 들어, 3×3 크기의 필터)를 적용하여 각 픽셀 값을 재설정할 수 있다. 예를 들어, 컴퓨팅 장치(12)는 해당 픽셀 주변의 픽셀들의 평균값을 산출한 후, 산출한 평균값을 해당 픽셀의 픽셀 값으로 재정의 할 수 있다. 스무딩 처리 기법으로는 가우시안 블러(Gausiaan Blur) 기법이 사용될 수 있으나, 이에 한정되는 것은 아니다. Specifically, the computing device 12 may apply a smoothing filter (e.g., a 3x3 size filter) to each pixel that constitutes each image to reset each pixel value. For example, the computing device 12 may calculate an average value of pixels around the pixel, and then redefine the calculated average value as a pixel value of the pixel. As the smoothing processing technique, a Gaussian Blur technique may be used, but the present invention is not limited thereto.

단계 S 206에서, 컴퓨팅 장치(12)는 기준 촬영 동영상의 각 이미지와 해당 이미지의 스무딩 이미지(스무딩 처리를 수행한 이미지) 간의 차이를 통해 1차 미세 먼지 기준 이미지를 생성할 수 있다. 컴퓨팅 장치(12)는 기준 촬영 동영상의 각 이미지와 해당 이미지의 스무딩 이미지의 각 픽셀 간 RBG 차이를 계산하여 1차 미세 먼지 기준 이미지를 생성할 수 있다. In step S 206, the computing device 12 may generate the primary fine dust reference image through the difference between each image of the reference photographic movie and the smoothed image of that image (smoothed image). The computing device 12 may generate the primary fine dust reference image by calculating the RBG difference between each pixel of the reference photographed moving image and the smoothing image of the corresponding image.

즉, 기준 촬영 동영상의 이미지는 미세 먼지가 있는 환경에서의 이미지이고, 해당 이미지의 스무딩 이미지는 미세 먼지가 없는 환경에서의 이미지이므로, 기준 촬영 동영상의 이미지와 해당 이미지의 스무딩 이미지 간의 차이를 구하면, 미세 먼지에 의한 특징만 남아 있는 1차 미세 먼지 기준 이미지가 생성되게 된다. 기준 촬영 동영상에 25개의 이미지가 포함된 경우, 25개의 1차 미세 먼지 기준 이미지가 생성된다. That is, since the image of the reference photographic moving image is an image in an environment with fine dust, and the smoothed image of the image is an image in an environment free of fine dust, if the difference between the image of the reference photographic moving image and the smoothed image of the corresponding image is obtained, A primary fine dust reference image having only features attributed to fine dust is generated. When the reference photographed movie contains 25 images, 25 primary fine dust reference images are generated.

단계 S 208에서, 컴퓨팅 장치(12)는 기준 촬영 동영상 내에서 연속적인 1차 미세 먼지 기준 이미지를 기반으로 2차 미세 먼지 기준 이미지를 생성할 수 있다. 즉, 컴퓨팅 장치(12)는 기준 촬영 동영상 내에서 k(k는 자연수) 번째 1차 미세 먼지 기준 이미지와 k+1 번째 1차 미세 먼지 기준 이미지 간의 차이를 통해 2차 미세 먼지 기준 이미지를 생성할 수 있다. In step S 208, the computing device 12 may generate a secondary fine dust reference image based on successive primary fine dust reference images within the reference photographic motion picture. That is, the computing device 12 generates the secondary fine dust reference image through the difference between k (k is a natural number) first primary fine dust reference image and the (k + 1) th primary fine dust reference image in the reference photographing video .

컴퓨팅 장치(12)는 k번째 1차 미세 먼지 기준 이미지와 k+1 번째 1차 미세 먼지 기준 이미지의 각 픽셀 간 RGB 차이를 계산하여 2차 미세 먼지 기준 이미지를 생성할 수 있다. 1차 미세 먼지 기준 이미지가 25개인 경우, 24개의 2차 미세 먼지 기준 이미지가 생성되게 된다. The computing device 12 may generate the secondary fine dust reference image by calculating the RGB difference between each pixel of the k-th primary fine dust reference image and the (k + 1) -th primary fine dust reference image. When the primary fine dust reference image is 25, 24 secondary fine dust reference images are generated.

여기서, 2차 미세 먼지 기준 이미지는 시간에 따른 미세 먼지 농도의 흐름(또는 변화)에 대한 정보를 포함할 수 있다. 즉, 2차 미세 먼지 기준 이미지는 바람 또는 기상 환경 등에 따른 미세 먼지의 이동량 또는 변화량에 대한 정보를 포함하게 된다.Here, the secondary fine dust reference image may include information on the flow (or change) of the fine dust concentration with time. That is, the secondary fine dust reference image includes information on the amount or amount of movement of the fine dust in the wind or weather environment.

단계 S 210에서, 컴퓨팅 장치(12)는 2차 미세 먼지 기준 이미지에 복수 개의 제1 윈도우를 각각 적용하여 컨벌루션(Convolution)을 수행할 수 있다. 컨벌루션의 수행 결과 2차 미세 먼지 기준 이미지에 대한 특징 맵 이미지들이 생성되게 된다. 즉, 컴퓨팅 장치(12)는 하나의 2차 미세 먼지 기준 이미지에 서로 다른 복수 개의 제1 윈도우를 각각 적용하여 복수 개의 특징 맵 이미지를 생성할 수 있다. 여기서, 제1 윈도우는 컨벌루션 윈도우일 수 있다.In step S 210, the computing device 12 may perform a convolution by applying a plurality of first windows to the secondary fine dust reference image, respectively. As a result of the convolution, feature map images for the secondary fine dust reference image are generated. That is, the computing device 12 may generate a plurality of feature map images by applying a plurality of different first windows to one secondary fine dust reference image, respectively. Here, the first window may be a convolution window.

구체적으로, 컴퓨팅 장치(12)는 제1 윈도우를 2차 미세 먼지 기준 이미지의 각 픽셀에 순차적으로 적용(즉, 제1 윈도우를 픽셀 단위로 이동하면서 적용)하여 2차 미세 먼지 기준 이미지의 각 픽셀 값을 제1 윈도우의 가중치에 따라 재설정하여 특징 맵 이미지를 생성할 수 있다. Specifically, the computing device 12 sequentially applies the first window to each pixel of the secondary fine dust reference image (i.e., applies the first window while moving in the pixel unit) Value may be reset according to the weight of the first window to generate a feature map image.

이때, 컴퓨팅 장치(12)는 특징 맵 이미지의 크기가 2차 미세 먼지 기준 이미지에 비해 작아지지 않도록 하기 위해, 2차 미세 먼지 기준 이미지의 테두리를 따라 패딩(Padding)(예를 들어, 제로 패딩(Zero Padding))을 수행한 후 제1 윈도우를 각 픽셀에 순차적으로 적용시킬 수 있다. 예를 들어, 컴퓨팅 장치(12)는 2차 미세 먼지 기준 이미지의 테두리를 따라 제로(0)의 값을 갖는 픽셀들을 추가하는 패딩 작업을 수행한 후, 제1 윈도우를 각 픽셀에 순차적으로 적용시킬 수 있다.At this time, in order to prevent the size of the feature map image from becoming smaller than that of the secondary fine dust reference image, the computing device 12 may perform padding (e.g., zero padding Zero Padding) and then sequentially apply the first window to each pixel. For example, the computing device 12 may perform a padding operation to add pixels having a value of zero along the rim of the secondary fine dust reference image, and then sequentially apply the first window to each pixel .

여기서, 제1 윈도우는 3×3의 크기일 수 있으나, 이에 한정되는 것은 아니다. 제1 윈도우는 3×3의 각 픽셀에 가중치(예를 들어, 0 또는 1 등)가 부여될 수 있다. 컨벌루션을 수행하는 방법으로는 예를 들어, 컴퓨팅 장치(12)는 2차 미세 먼지 기준 이미지의 소정 픽셀에 대해 해당 픽셀의 주변에 있는 픽셀들의 픽셀 값과 제1 윈도우의 각 가중치를 곱한 후 그 총합을 해당 픽셀의 새로운 픽셀 값으로 재설정 할 수 있다. 그러나, 이에 한정되는 것은 아니며 컴퓨팅 장치(12)는 2차 미세 먼지 기준 이미지의 소정 픽셀에 대해 제1 윈도우에 포함되는 주변 픽셀 들의 픽셀 값 중 최대값을 해당 픽셀의 새로운 픽셀 값으로 재설정할 수도 있다. Here, the first window may have a size of 3 x 3, but is not limited thereto. The first window may be given a weight (e.g., 0 or 1, etc.) for each pixel of 3 × 3. As a method of performing the convolution, for example, the computing device 12 multiplies the pixel values of the pixels around the pixel with the respective weights of the first window with respect to a predetermined pixel of the secondary fine dust reference image, To the new pixel value of that pixel. However, the present invention is not limited to this, and the computing device 12 may reset the maximum value of the pixel values of surrounding pixels included in the first window to a predetermined pixel of the secondary fine dust reference image to a new pixel value of the corresponding pixel .

컴퓨팅 장치(12)는 3×3의 각 픽셀 가중치가 서로 다르게 부여된 복수 개의 제1 윈도우를 하나의 2차 미세 먼지 기준 이미지에 각각 적용하여 복수 개의 특징 맵 이미지를 생성할 수 있다. 이 과정을 통해 2차 미세 먼지 기준 이미지에서 강인한 특징을 추출할 수 있게 된다.The computing device 12 may generate a plurality of feature map images by applying a plurality of first windows each having 3 × 3 pixel weights different from each other to one secondary fine dust reference image. Through this process, robust features can be extracted from the secondary fine dust reference image.

단계 S 212에서, 컴퓨팅 장치(12)는 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링(Sub Sampling)을 수행할 수 있다. 여기서, 제2 윈도우는 특징 맵 이미지의 크기를 줄이는 방식으로 적용될 수 있다. In step S 212, the computing device 12 may perform a sub-sampling by applying a second window to each of the plurality of feature map images. Here, the second window may be applied in a manner of reducing the size of the feature map image.

예시적인 실시예에서, 제2 윈도우는 특징 맵 이미지에서 제2 윈도우가 겹치지 않게 이동(즉, 특징 맵 이미지에서 제2 윈도우 크기의 단위로 이동)하면서 제2 윈도우에 포함된 특징 맵 이미지의 픽셀 값 중 어느 하나의 픽셀 값만 추출할 수 있다. 예를 들어, 제2 윈도우는 제2 윈도우에 포함된 특징 맵 이미지의 픽셀 값 중 최대값(또는 최소값)만 추출할 수 있다. 이와 같이, 제2 윈도우에 포함된 특징 맵 이미지의 픽셀들의 픽셀 값 중 최대값만 추출하게 되면, 특징 맵 이미지의 크기를 줄일 수 있으면서 노이즈를 제거할 수 있게 된다.In the exemplary embodiment, the second window is a window in which the second window in the feature map image moves in a non-overlapping manner (i.e., moves in units of a second window size in the feature map image) Only one pixel value can be extracted. For example, the second window may extract only the maximum value (or the minimum value) of the pixel values of the feature map image included in the second window. Thus, by extracting only the maximum value among the pixel values of the pixels of the feature map image included in the second window, it is possible to reduce the size of the feature map image and remove the noise.

여기서, 크기가 3×3인 제2 윈도우를 특징 맵 이미지에 적용하면, 제2 윈도우는 3×3 단위로 겹치지 않게 이동하면서 제2 윈도우에 포함된 픽셀 값들 중 최대값만 추출하게 되므로, 특징 맵 이미지는 특징 맵 이미지의 1/9 크기로 줄어들게 된다. If the second window having the size of 3x3 is applied to the feature map image, the second window is moved in the unit of 3x3 without overlapping, and only the maximum value among the pixel values included in the second window is extracted. The image is reduced to 1/9 size of the feature map image.

단계 S 214에서, 컴퓨팅 장치(12)는 컨벌루션 및 서브 샘플링 결과 2차 미세 먼지 기준 이미지에 대한 최종 특징 값을 추출할 수 있다. 예를 들어, 컴퓨팅 장치(12)는 2차 미세 먼지 기준 이미지에 대해 컨벌루션 및 서브 샘플링을 반복적으로 수행하여 기 설정된 개수의 1차원 행렬의 최종 특징 값을 추출할 수 있다. In step 214, the computing device 12 may extract the final feature values for the secondary fine dust reference image as a result of convolution and subsampling. For example, the computing device 12 may perform convolution and subsampling on the secondary fine dust reference image repeatedly to extract a final feature value of a predetermined number of one-dimensional matrices.

단계 S 216에서, 컴퓨팅 장치(12)는 기 설정된 개수의 최종 특징 값 및 기 설정된 활성 함수(Activation Function)를 기반으로 최종 특징 값들에 대해 미세 먼지 레벨을 분류하기 위한 가중치 계수를 산출할 수 있다. 즉, 최종 특징 값들은 2차 미세 먼지 기준 이미지에서 추출한 것이고, 2차 미세 먼지 기준 이미지에 대한 미세 먼지 레벨은 이미 알고 있는 정보(즉, 2차 미세 먼지 기준 이미지는 미세 먼지 레벨이 정해진 기준 촬영 동영상으로부터 획득한 것임)이므로, 최종 특징 값들을 활성 함수에 입력하였을 때 그 출력으로 해당 미세 먼지 레벨이 나오도록 하기 위한 가중치 계수를 산출할 수 있다. In step S216, the computing device 12 may calculate a weighting factor for classifying the fine dust levels for the final feature values based on a predetermined number of final feature values and a preset activation function. That is, the final characteristic values are extracted from the secondary fine dust reference image, and the fine dust level for the secondary fine dust reference image is determined based on information already known (that is, the secondary fine dust reference image is a reference photograph It is possible to calculate a weighting coefficient for outputting the corresponding fine dust level to the output when the final feature values are input to the activation function.

예시적인 실시예에서, 컴퓨팅 장치(12)는 기 설정된 개수의 최종 특징 값들에 대해 기 설정된 가중치 계수들을 각각 곱한 후 이를 합산한 값을 기 설정된 활성 함수의 입력으로 하였을 때 활성 함수의 출력이 해당 미세 먼지 레벨(예를 들어, 좋음 또는 나쁨)으로 이진 분류되도록 하기 위한 상기 가중치 계수들을 산출할 수 있다. In the exemplary embodiment, when the computing device 12 multiplies predetermined weighting factors for a predetermined number of final feature values, respectively, and adds a value obtained by summing them to input of a predetermined activation function, (E.g., good or bad) in order to obtain the weighted coefficients.

컴퓨팅 장치(12)는 활성 함수의 입력 값(T)을 하기 수학식 1을 통해 산출할 수 있다. The computing device 12 may calculate the input value T of the activation function through the following equation (1).

(수학식 1)(1)

n : 최종 특징 값의 총 개수n: total number of final feature values

Xi : i번째 최종 특징 값Xi: i-th final feature value

Wi : i번째 가중치 계수Wi: i th weight coefficient

여기서, 활성 함수는 입력 값(T)에 따라 출력이 -1(미세 먼지 레벨 나쁨) 또는 1(미세 먼지 레벨 좋음)으로 분류되도록 하는 함수일 수 있다. 예를 들어, 활성 함수는 시그모이드 함수(Sigmoid Function),ReLU(Rectified Linear Unit) 함수, Softmax 함수 등이 사용될 수 있다. Here, the activation function may be a function that causes the output to be classified as -1 (fine dust level is poor) or 1 (fine dust level is good) according to the input value T. For example, the active function may be a Sigmoid function, a ReLU (Rectified Linear Unit) function, a Softmax function, or the like.

도 3은 본 발명의 일 실시예에 따른 미세 먼지 분석 방법에서 2차 미세 먼지 기준 이미지를 생성하는 과정을 나타낸 도면이다. 3 is a view illustrating a process of generating a secondary fine dust reference image in the fine dust analysis method according to an embodiment of the present invention.

도 3을 참조하면, 미세 먼지 레벨이 좋음(미세 먼지 농도가 80㎍/m3 미만)인 경우의 기준 촬영 동영상과 미세 먼지 레벨이 나쁨(미세 먼지 농도가 80㎍/m3 초과)인 경우의 기준 촬영 동영상을 획득한다. 각 기준 촬영 동영상에는 복수 개의 이미지(원 이미지)가 포함된다. Referring to FIG. 3, the reference photographing when the reference photographing moving image and fine dust level are poor (fine dust concentration is more than 80 占 퐂 / m3) when the fine dust level is good (fine dust concentration is less than 80 占 퐂 / Obtain the video. Each reference photographic moving image includes a plurality of images (original images).

다음으로, 각 기준 촬영 동영상의 원 이미지에 대해 스무딩 처리를 수행한 후, 각 기준 촬영 동영상의 원 이미지와 스무딩 이미지 간의 차이를 통해 1차 미세 먼지 기준 이미지를 생성한다. Next, a smoothing process is performed on the original image of each reference moving image, and a primary fine dust reference image is generated based on the difference between the original image and the smoothing image of each reference moving image.

다음으로, 각 기준 촬영 동영상의 k번째 1차 미세 먼지 기준 이미지와 k+1 번째 1차 미세 먼지 기준 이미지 간의 차이를 통해 2차 미세 먼지 기준 이미지를 생성한다. Next, a secondary fine dust reference image is generated through the difference between the k-th primary fine dust reference image and the (k + 1) -th primary fine dust reference image of each reference moving image.

도 4는 본 발명의 다른 실시예에 따른 미세 먼지 분석 방법을 설명하기 위한 흐름도이다. 전술한 바와 같이, 본 발명의 일 실시예에 따른 미세 먼지 분석 방법(400)은 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치(12)에서 수행될 수 있다. 이를 위하여, 상기 미세 먼지 분석 방법(400)은 하나 이상의 컴퓨터 실행 가능 명령어를 포함하는 프로그램 내지 소프트웨어의 형태로 구현되어 상기 메모리상에 저장될 수 있다. 4 is a flowchart illustrating a method for analyzing fine dust according to another embodiment of the present invention. As described above, the method 400 for analyzing fine dust particles according to an embodiment of the present invention includes a computing device 12 having a memory storing one or more processors and one or more programs executed by the one or more processors ). &Lt; / RTI > To that end, the fine dust analysis method 400 may be implemented in the form of a program or software, including one or more computer-executable instructions, and stored on the memory.

도 2에서는 이미 미세 먼지 레벨을 알고 있는 기준 촬영 동영상을 기반으로 미세 먼지 레벨을 판단하기 위한 사전 처리로서 가중치 계수를 산출하는 과정을 설명한 것이고, 도 4에서는 테스트 촬영 동영상만으로 상기 사전 처리 과정과 동일 또는 유사한 과정을 통해 해당 지역의 미세 먼지 레벨을 판단하는 과정을 설명하기 위한 것이다. In FIG. 2, a weight coefficient is calculated as a pre-process for determining a fine dust level on the basis of a reference photographic moving image already having a fine dust level. In FIG. 4, And a process of judging the fine dust level of the area through a similar process.

단계 S 402에서, 컴퓨팅 장치(12)는 미세 먼지 레벨을 확인하기 위한 소정 지역에서 촬영된 테스트 촬영 동영상을 획득할 수 있다. In step S402, the computing device 12 may acquire a test shooting video photographed in a predetermined area for confirming the fine dust level.

단계 S 404에서, 컴퓨팅 장치(12)는 테스트 촬영 동영상에 포함된 각 테스트 이미지에 대해 스무딩 처리를 수행할 수 있다. 테스트 촬영 동영상은 런닝 타임에 따라 복수 개의 테스트 이미지를 포함할 수 있다. In step 404, the computing device 12 may perform a smoothing process on each test image included in the test shot video. The test shooting video may include a plurality of test images according to the running time.

단계 S 406에서, 컴퓨팅 장치(12)는 테스트 촬영 동영상의 각 테스트 이미지와 해당 테스트 이미지의 스무딩 이미지 간의 차이를 통해 1차 미세 먼지 테스트 이미지를 생성할 수 있다. In step S406, the computing device 12 may generate a primary fine dust test image through a difference between each test image of the test shot video and the smoothed image of the test image.

단계 S 408에서, 컴퓨팅 장치(12)는 테스트 촬영 동영상 내에서 k번째 1차 미세 먼지 테스트 이미지와 k+1 번째 1차 미세 먼지 테스트 이미지 간의 차이를 통해 2차 미세 먼지 테스트 이미지를 생성할 수 있다. In step S408, the computing device 12 may generate a secondary fine dust test image through a difference between the kth primary fine dust test image and the (k + 1) th primary fine dust test image within the test shot movie .

단계 S 410에서, 컴퓨팅 장치(12)는 2차 미세 먼지 테스트 이미지에 복수 개의 제1 윈도우를 각각 적용하여 컨벌루션을 수행함으로써, 복수 개의 특징 맵 이미지를 생성할 수 있다. In step S 410, the computing device 12 may generate a plurality of feature map images by applying a plurality of first windows to the secondary fine dust test image and performing convolution.

단계 S 412에서, 컴퓨팅 장치(12)는 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행할 수 있다. In step S412, the computing device 12 may apply the second window to each of the plurality of feature map images to perform subsampling.

단계 S 414에서, 컴퓨팅 장치(12)는 컨벌루션 및 서브 샘플링 결과 2차 미세 먼지 테스트 이미지에 대한 최종 특징 값을 추출할 수 있다. In step 414, the computing device 12 may extract the final feature value for the secondary fine dust test image as a result of convolution and subsampling.

단계 S 416에서, 컴퓨팅 장치(12)는 추출한 최종 특징 값, 기 설정된 가중치 계수, 및 기 설정된 활성 함수를 기반으로 해당 미세 먼지 테스트 이미지에 대한 미세 먼지 레벨을 분류할 수 있다. In step 416, the computing device 12 may classify the fine dust levels for the corresponding fine dust test image based on the extracted last feature value, predetermined weight coefficient, and predetermined activation function.

상기 수학식 1에서 최종 특징 값 및 가중치 계수는 알고 있는 값이므로, 활성 함수의 입력 값(T)를 구할 수 있게 되며, 그에 따라 해당 미세 먼지 테스트 이미지에 대한 활성 함수의 출력(즉, 미세 먼지 레벨)이 좋음 또는 나쁨으로 분류되게 된다. Since the final feature value and the weight coefficient are known values, the input value T of the activation function can be obtained, and the output of the activation function for the corresponding fine dust test image (i.e., the fine dust level ) Is classified as good or bad.

단계 S 418에서, 컴퓨팅 장치(12)는 테스트 촬영 동영상의 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되는지 여부를 확인할 수 있다. In step 418, the computing device 12 may determine whether or not each secondary fine dust test image of the test photographic moving image is classified with the same fine dust level.

단계 S 420에서, 컴퓨팅 장치(12)는 테스트 촬영 동영상의 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되는 경우, 테스트 촬영 동영상의 미세 먼지 레벨을 해당 미세 먼지 레벨로 최종 확정할 수 있다. In step S 420, when each of the secondary fine dust test images of the test shooting video is classified into the same fine dust level, the computing device 12 can finally finalize the fine dust level of the test shooting video with the corresponding fine dust level .

단계 S 422에서, 컴퓨팅 장치(12)는 테스트 촬영 동영상의 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되지 않는 경우, 각 2차 미세 먼지 테스트 이미지가 가장 많이 분류된 미세 먼지 레벨을 테스트 촬영 동영상의 미세 먼지 레벨로 최종 확정할 수 있다. In step S422, the computing device 12 tests each secondary fine dust test image of the test photographic moving image for the most frequently classified fine dust level, if each secondary fine dust test image is not classified to the same fine dust level It can be finally determined as the fine dust level of the photographed moving image.

도 5는 본 발명의 일 실시예에 따른 미세 먼지 분석 시스템을 나타낸 도면이다. 5 is a view illustrating a fine dust analyzing system according to an embodiment of the present invention.

도 5를 참조하면, 미세 먼지 분석 시스템(500)은 촬영 장치(502), 분석 서버(504), 및 알림 장치(506)를 포함할 수 있다. 5, the fine dust analyzing system 500 may include a photographing device 502, an analysis server 504, and a notification device 506. [

촬영 장치(502)는 통신 네트워크를 통해 분석 서버(504)와 통신 가능하게 연결된다. 몇몇 실시예들에서, 통신 네트워크는 인터넷, 하나 이상의 로컬 영역 네트워크(local area networks), 광역 네트워크(wire area networks), 셀룰러 네트워크, 모바일 네트워크, 그 밖에 다른 종류의 네트워크들, 또는 이러한 네트워크들의 조합을 포함할 수 있다.The photographing apparatus 502 is communicably connected to the analysis server 504 via a communication network. In some embodiments, the communication network may be an Internet, one or more local area networks, a wire area networks, a cellular network, a mobile network, other types of networks, .

촬영 장치(502)는 촬영 장치(502)의 주변을 촬영할 수 있다. 촬영 장치(502)는 미세 먼지 농도를 확인하고자 하는 장소에 설치될 수 있다. 예를 들어, 촬영 장치(502)는 특정 장소에 설치되는 CCTV(Closed Circuit Television)일 수 있다. 촬영 장치(102)는 전방의 시야가 확보되는 장소에 설치될 수 있다. 그러나, 이에 한정되는 것은 아니며 촬영 장치(502)는 사용자의 모바일 단말기(예를 들어, 스마트 폰, 태블릿 PC, 디지털 카메라 등) 일 수도 있다. The photographing apparatus 502 can photograph the periphery of the photographing apparatus 502. [ The photographing apparatus 502 may be installed at a place where the concentration of fine dust is to be confirmed. For example, the photographing apparatus 502 may be a closed circuit television (CCTV) installed in a specific place. The photographing apparatus 102 can be installed in a place where a front view is secured. However, the present invention is not limited thereto, and the photographing apparatus 502 may be a user's mobile terminal (e.g., a smart phone, a tablet PC, a digital camera, and the like).

촬영 장치(502)는 촬영 장치(502)의 주변을 촬영한 영상(즉, 테스트 촬영 동영상)을 분석 서버(504)로 전송할 수 있다. 예를 들어, 촬영 장치(502)를 소지한 사용자가 자신의 주변을 촬영(예를 들어, 공중을 향하여 촬영)하고, 촬영한 영상(테스트 촬영 동영상)을 분석 서버(104)로 전송할 수 있다. The photographing apparatus 502 can transmit an image of the periphery of the photographing apparatus 502 (i.e., a test photographing moving picture) to the analysis server 504. For example, a user holding the photographing apparatus 502 can photograph the periphery of himself / herself (for example, photographing toward the air) and transmit the photographed image (test photographing moving image) to the analysis server 104.

분석 서버(504)는 테스트 촬영 동영상을 분석하여 테스트 촬영 동영상의 미세 먼지 레벨을 분류할 수 있다. 예를 들어, 분석 서버(504)는 도 4에 도시된 과정을 통해 테스트 촬영 동영상의 미세 먼지 레벨을 확인할 수 있다. 분석 서버(504)는 테스트 촬영 동영상의 미세 먼지 레벨에 대한 정보를 알림 장치(506)로 전송할 수 있다. The analysis server 504 can analyze the test shooting video and classify the fine dust level of the test video. For example, the analysis server 504 can check the fine dust level of the test photographic moving picture through the process shown in FIG. The analysis server 504 can transmit information on the fine dust level of the test shooting moving picture to the notification device 506. [

알림 장치(506)는 촬영 장치(502)가 설치된 장소 주변에 설치될 수 있다. 알림 장치(506)는 분석 서버(504)로부터 수신한 미세 먼지 레벨에 대한 정보를 화면에 표시할 수 있다. 그러나, 이에 한정되는 것은 아니며 알림 장치(506)는 촬영 장치(502) 주변에 위치하는 사용자 단말기로 미세 먼지 레벨에 대한 정보를 전송할 수도 있다. The notification device 506 can be installed around the place where the photographing device 502 is installed. The notification device 506 can display information on the fine dust level received from the analysis server 504 on the screen. However, the present invention is not limited to this, and the notification device 506 may transmit information on the fine dust level to a user terminal located in the vicinity of the photographing device 502.

개시되는 실시예에 의하면, 촬영 동영상만으로 해당 지역의 미세 먼지 레벨을 확인할 수 있으므로, 고가의 미세 먼지 측정 장비가 필요치 않으며, 사용자가 위치하는 각 지역에서의 미세 먼지 레벨을 용이하게 확인할 수 있게 된다. According to the disclosed embodiment, since the fine dust level of the area can be confirmed only by the photographed moving picture, expensive fine dust measuring equipment is not required, and the fine dust level in each region where the user is located can be easily confirmed.

이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, . Therefore, the scope of the present invention should not be limited to the above-described embodiments, but should be determined by equivalents to the appended claims, as well as the appended claims.

10 : 컴퓨팅 환경
12 : 컴퓨팅 장치
14 : 프로세서
16 : 컴퓨터 판독 가능 저장 매체
18 : 통신 버스
20 : 프로그램
22 : 입출력 인터페이스
24 : 입출력 장치
26 : 네트워크 통신 인터페이스
500 : 미세 먼지 분석 시스템
502 : 촬영 장치
504 : 분석 서버
506 : 알림 장치10: Computing environment
12: computing device
14: Processor
16: Computer readable storage medium
18: Communication bus
20: Program
22: I / O interface
24: input / output device
26: Network communication interface
500: Fine dust analysis system
502: photographing apparatus
504: Analysis server
506: Notification device

Claims

하나 이상의 프로세서들, 및
상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서,
미세 먼지 레벨을 확인하기 위한 소정 지역에서 촬영된 테스트 촬영 동영상을 획득하는 단계;
상기 테스트 촬영 동영상에 포함된 각 테스트 이미지에 대해 스무딩 처리를 수행하는 단계;
상기 각 테스트 이미지와 해당 테스트 이미지의 스무딩 이미지 간의 차이를 통해 1차 미세 먼지 테스트 이미지들을 생성하는 단계;
상기 테스트 촬영 동영상 내에서 연속하는 1차 미세 먼지 테스트 이미지 간의 차이를 통해 2차 미세 먼지 테스트 이미지들을 생성하는 단계;
상기 2차 미세 먼지 테스트 이미지 각각에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하는 단계;
상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하는 단계;
상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 2차 미세 먼지 테스트 이미지에 대한 하나 이상의 최종 특징 값을 추출하는 단계; 및
상기 추출한 최종 특징 값, 기 설정된 가중치 계수, 및 기 설정된 활성 함수를 기반으로 상기 2차 미세 먼지 테스트 이미지에 대한 미세 먼지 레벨을 분류하는 단계를 포함하는, 미세 먼지 분석 방법.
One or more processors, and
A method performed in a computing device having a memory storing one or more programs executed by the one or more processors,
Obtaining a test shooting video photographed in a predetermined area for confirming a fine dust level;
Performing smoothing processing on each test image included in the test shooting video;
Generating primary fine dust test images through differences between the respective test images and the smoothed images of the test images;
Generating secondary fine dust test images through a difference between successive primary fine dust test images in the test shooting video;
Performing a convolution on each of the secondary fine dust test images through a plurality of first windows to generate a plurality of feature map images;
Performing sub-sampling by applying a second window to each of the plurality of feature map images;
Extracting one or more final feature values for the secondary fine dust test image based on the convolution and the subsampling; And
And classifying the fine dust level for the secondary fine dust test image based on the extracted final characteristic value, the preset weight coefficient, and the preset activation function.

청구항 1에 있어서,
상기 복수 개의 특징 맵 이미지를 생성하는 단계는,
상기 제1 윈도우를 상기 2차 미세 먼지 테스트 이미지의 각 픽셀에 순차적으로 적용하여 상기 2차 미세 먼지 테스트 이미지의 각 픽셀 값을 상기 제1 윈도우 내의 가중치에 따라 재설정하는 단계를 포함하는, 미세 먼지 분석 방법.
The method according to claim 1,
Wherein the generating of the plurality of feature map images comprises:
And sequentially applying the first window to each pixel of the secondary fine dust test image to reset each pixel value of the secondary fine dust test image according to a weight in the first window. Way.

청구항 2에 있어서,
상기 복수 개의 특징 맵 이미지를 생성하는 단계는,
상기 2차 미세 먼지 테스트 이미지에 제1 윈도우 내의 가중치가 서로 다르게 설정된 복수 개의 제1 윈도우를 각각 적용하여 컨벌루션을 수행하는 단계를 포함하는, 미세 먼지 분석 방법.
The method of claim 2,
Wherein the generating of the plurality of feature map images comprises:
And performing convolution by applying a plurality of first windows with different weights in the first window to the secondary fine dust test image, respectively.

청구항 1에 있어서,
상기 서브 샘플링을 수행하는 단계는,
상기 특징 맵 이미지에서 상기 제2 윈도우를 겹치지 않게 이동하면서 상기 제2 윈도우에 포함된 특징 맵 이미지의 픽셀 값 중 최대값을 추출하는 단계를 포함하는, 미세 먼지 분석 방법.
The method according to claim 1,
Wherein performing the subsampling comprises:
Extracting a maximum value among pixel values of a feature map image included in the second window while moving the second window in a non-overlapping manner in the feature map image.

청구항 1에 있어서,
상기 미세 먼지 레벨을 분류하는 단계 이후에,
상기 테스트 촬영 동영상의 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되는지 여부를 확인하는 단계; 및
상기 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되지 않는 경우, 상기 각 2차 미세 먼지 테스트 이미지가 가장 많이 분류된 미세 먼지 레벨을 상기 테스트 촬영 동영상의 미세 먼지 레벨로 최종 확정하는 단계를 더 포함하는, 미세 먼지 분석 방법.
The method according to claim 1,
After the step of classifying the fine dust level,
Confirming whether or not each secondary fine dust test image of the test photographic moving image is classified into the same fine dust level; And
If the secondary fine dust test image is not classified into the same fine dust level, finally finishing the fine dust level in which the respective secondary fine dust test images are most classified to the fine dust level of the test shooting moving image The method of claim 1, further comprising:

하나 이상의 프로세서들;
메모리; 및
하나 이상의 프로그램들을 포함하고,
상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며,
상기 하나 이상의 프로그램들은,
미세 먼지 레벨을 확인하기 위한 소정 지역에서 촬영된 테스트 촬영 동영상을 획득하기 위한 명령;
상기 테스트 촬영 동영상에 포함된 각 테스트 이미지에 대해 스무딩 처리를 수행하기 위한 명령;
상기 각 테스트 이미지와 해당 테스트 이미지의 스무딩 이미지 간의 차이를 통해 1차 미세 먼지 테스트 이미지들을 생성하기 위한 명령;
상기 테스트 촬영 동영상 내에서 연속하는 1차 미세 먼지 테스트 이미지 간의 차이를 통해 2차 미세 먼지 테스트 이미지들을 생성하기 위한 명령;
상기 2차 미세 먼지 테스트 이미지 각각에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하기 위한 명령;
상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하기 위한 명령;
상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 2차 미세 먼지 테스트 이미지에 대한 하나 이상의 최종 특징 값을 추출하기 위한 명령; 및
상기 추출한 최종 특징 값, 기 설정된 가중치 계수, 및 기 설정된 활성 함수를 기반으로 상기 2차 미세 먼지 테스트 이미지에 대한 미세 먼지 레벨을 분류하기 위한 명령을 포함하는, 컴퓨팅 장치.
One or more processors;
Memory; And
Comprising one or more programs,
Wherein the one or more programs are stored in the memory and configured to be executed by the one or more processors,
The one or more programs,
An instruction to acquire a test shooting video photographed in a predetermined area for confirming a fine dust level;
An instruction for performing a smoothing process on each test image included in the test shooting video;
Instructions for generating primary fine dust test images through a difference between each test image and a smoothed image of the test image;
Instructions for generating secondary fine dust test images through a difference between consecutive primary fine dust test images within the test shooting video;
Instructions for generating a plurality of feature map images by convolving each of the secondary fine dust test images through a plurality of first windows;
Performing sub-sampling by applying a second window to each of the plurality of feature map images;
Instructions for extracting one or more final feature values for the secondary fine dust test image based on the convolution and the subsampling; And
And classifying the fine dust level for the secondary fine dust test image based on the extracted final feature value, a predetermined weight coefficient, and a predetermined activation function.

청구항 6에 있어서,
상기 복수 개의 특징 맵 이미지를 생성하기 위한 명령은,
상기 제1 윈도우를 상기 2차 미세 먼지 테스트 이미지의 각 픽셀에 순차적으로 적용하여 상기 2차 미세 먼지 테스트 이미지의 각 픽셀 값을 상기 제1 윈도우 내의 가중치에 따라 재설정하기 위한 명령을 포함하는, 컴퓨팅 장치.
The method of claim 6,
Wherein the instructions for generating the plurality of feature map images comprise:
And sequentially applying the first window to each pixel of the secondary fine dust test image to reset each pixel value of the secondary fine dust test image according to a weight in the first window, .

청구항 7에 있어서,
상기 복수 개의 특징 맵 이미지를 생성하기 위한 명령은,
상기 2차 미세 먼지 테스트 이미지에 제1 윈도우 내의 가중치가 서로 다르게 설정된 복수 개의 제1 윈도우를 각각 적용하여 컨벌루션을 수행하기 위한 명령을 포함하는, 컴퓨팅 장치.
The method of claim 7,
Wherein the instructions for generating the plurality of feature map images comprise:
And instructions for performing convolution by applying a plurality of first windows each having a different weight in the first window to the secondary fine dust test image.

청구항 6에 있어서,
상기 서브 샘플링을 수행하기 위한 명령은,
상기 특징 맵 이미지에서 상기 제2 윈도우를 겹치지 않게 이동하면서 상기 제2 윈도우에 포함된 특징 맵 이미지의 픽셀 값 중 최대값을 추출하기 위한 명령을 포함하는, 컴퓨팅 장치.
The method of claim 6,
Wherein the instructions for performing the subsampling include:
And extracting a maximum value among pixel values of a feature map image included in the second window while moving the second window in a non-overlapping manner in the feature map image.

청구항 6에 있어서,
상기 하나 이상의 프로그램들은,
상기 테스트 촬영 동영상의 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되는지 여부를 확인하기 위한 명령; 및
상기 각 2차 미세 먼지 테스트 이미지가 동일한 미세 먼지 레벨로 분류되지 않는 경우, 상기 각 2차 미세 먼지 테스트 이미지가 가장 많이 분류된 미세 먼지 레벨을 상기 테스트 촬영 동영상의 미세 먼지 레벨로 최종 확정하기 위한 명령을 더 포함하는, 컴퓨팅 장치.
The method of claim 6,
The one or more programs,
An instruction to confirm whether or not each secondary fine dust test image of the test shooting video is classified into the same fine dust level; And
A command for finalizing a fine dust level in which each of the secondary fine dust test images is most classified into a fine dust level of the test shooting moving image when the respective secondary fine dust test images are not classified into the same fine dust level The computing device further comprising:

하나 이상의 프로세서들, 및
상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서,
각 미세 먼지 레벨의 날씨에서 촬영된 기준 촬영 동영상을 획득하는 단계;
상기 기준 촬영 동영상에 포함된 각 이미지에 대해 스무딩 처리를 수행하는 단계;
상기 기준 촬영 동영상의 각 이미지와 해당 이미지의 스무딩 이미지 간의 차이를 통해 1차 미세 먼지 기준 이미지를 생성하는 단계;
상기 기준 촬영 동영상 내에서 연속하는 1차 미세 먼지 기준 이미지 간의 차이를 통해 2차 미세 먼지 기준 이미지를 생성하는 단계;
상기 2차 미세 먼지 기준 이미지에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하는 단계;
상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하는 단계;
상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 2차 미세 먼지 기준 이미지에 대한 하나 이상의 최종 특징 값을 추출하는 단계; 및
상기 추출한 최종 특징 값 및 기 설정된 활성 함수를 기반으로 상기 최종 특징 값들에 대해 미세 먼지 레벨을 분류하기 위한 가중치 계수를 산출하는 단계를 포함하는, 미세 먼지 분석 방법.
One or more processors, and
A method performed in a computing device having a memory storing one or more programs executed by the one or more processors,
Obtaining a reference photographic moving picture photographed in the weather of each fine dust level;
Performing smoothing processing on each image included in the reference photographing moving image;
Generating a primary fine dust reference image through a difference between each image of the reference picked-up moving image and a smoothed image of the corresponding image;
Generating a secondary fine dust reference image through a difference between successive primary fine dust reference images in the reference photographing moving image;
Performing convolution through the plurality of first windows on the secondary fine dust reference image to generate a plurality of feature map images;
Performing sub-sampling by applying a second window to each of the plurality of feature map images;
Extracting at least one final feature value for the secondary fine dust reference image based on the convolution and the subsampling; And
Calculating a weight coefficient for classifying the fine dust level with respect to the final feature values based on the extracted final feature value and the preset activation function.

하나 이상의 프로세서들;
메모리; 및
하나 이상의 프로그램들을 포함하고,
상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며,
상기 하나 이상의 프로그램들은,
각 미세 먼지 레벨의 날씨에서 촬영된 기준 촬영 동영상을 획득하기 위한 명령;
상기 기준 촬영 동영상에 포함된 각 이미지에 대해 스무딩 처리를 수행하기 위한 명령;
상기 기준 촬영 동영상의 각 이미지와 해당 이미지의 스무딩 이미지 간의 차이를 통해 1차 미세 먼지 기준 이미지를 생성하기 위한 명령;
상기 기준 촬영 동영상 내에서 연속하는 1차 미세 먼지 기준 이미지 간의 차이를 통해 2차 미세 먼지 기준 이미지를 생성하기 위한 명령;
상기 2차 미세 먼지 기준 이미지에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하기 위한 명령;
상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하기 위한 명령;
상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 2차 미세 먼지 기준 이미지에 대한 하나 이상의 최종 특징 값을 추출하기 위한 명령; 및
상기 추출한 최종 특징 값 및 기 설정된 활성 함수를 기반으로 상기 최종 특징 값들에 대해 미세 먼지 레벨을 분류하기 위한 가중치 계수를 산출하기 위한 명령을 포함하는, 컴퓨팅 장치.
One or more processors;
Memory; And
Comprising one or more programs,
Wherein the one or more programs are stored in the memory and configured to be executed by the one or more processors,
The one or more programs,
An instruction to acquire a reference shooting video photographed in the weather of each fine dust level;
Instructions for performing smoothing processing on each image included in the reference photographing moving picture;
Instructions for generating a primary fine dust reference image through a difference between each image of the reference photographic motion picture and a smoothing image of the image;
Instructions for generating a secondary fine dust reference image through a difference between successive primary fine dust reference images within the reference photographing motion;
Performing convolution through the plurality of first windows on the secondary fine dust reference image to generate a plurality of feature map images;
Performing sub-sampling by applying a second window to each of the plurality of feature map images;
Instructions for extracting one or more final feature values for the secondary fine dust reference image based on the convolution and the subsampling; And
And calculating a weighting coefficient for classifying the fine dust level for the final feature values based on the extracted final feature value and the preset activation function.

하나 이상의 프로세서들;
메모리; 및
하나 이상의 프로그램들을 포함하고,
상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며,
상기 하나 이상의 프로그램들은,
미세 먼지 레벨을 확인하기 위한 소정 지역에서 촬영된 테스트 촬영 동영상을 획득하기 위한 명령;
상기 테스트 촬영 동영상에 포함된 각 테스트 이미지에 대해 스무딩 처리를 수행하기 위한 명령;
상기 각 테스트 이미지와 해당 테스트 이미지의 스무딩 이미지 간의 차이를 통해 미세 먼지 테스트 이미지들을 생성하기 위한 명령;
상기 미세 먼지 테스트 이미지 각각에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하기 위한 명령;
상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하기 위한 명령;
상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 미세 먼지 테스트 이미지에 대한 하나 이상의 최종 특징 값을 추출하기 위한 명령; 및
상기 추출한 최종 특징 값, 기 설정된 가중치 계수, 및 기 설정된 활성 함수를 기반으로 상기 미세 먼지 테스트 이미지에 대한 미세 먼지 레벨을 분류하기 위한 명령을 포함하는, 컴퓨팅 장치.
One or more processors;
Memory; And
Comprising one or more programs,
Wherein the one or more programs are stored in the memory and configured to be executed by the one or more processors,
The one or more programs,
An instruction to acquire a test shooting video photographed in a predetermined area for confirming a fine dust level;
An instruction for performing a smoothing process on each test image included in the test shooting video;
Instructions for generating fine dust test images through a difference between each test image and a smoothed image of the test image;
Instructions for generating a plurality of feature map images by performing convolution on each of the fine dust test images through a plurality of first windows;
Performing sub-sampling by applying a second window to each of the plurality of feature map images;
Instructions for extracting one or more final feature values for the fine dust test image based on the convolution and the subsampling; And
And classifying the fine dust level for the fine dust test image based on the extracted final feature value, a predetermined weight coefficient, and a predetermined activation function.

하나 이상의 프로세서들;
메모리; 및
하나 이상의 프로그램들을 포함하고,
상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며,
상기 하나 이상의 프로그램들은,
각 미세 먼지 레벨의 날씨에서 촬영된 기준 촬영 동영상을 획득하기 위한 명령;
상기 기준 촬영 동영상에 포함된 각 이미지에 대해 스무딩 처리를 수행하기 위한 명령;
상기 기준 촬영 동영상의 각 이미지와 해당 이미지의 스무딩 이미지 간의 차이를 통해 미세 먼지 기준 이미지를 생성하기 위한 명령;
상기 미세 먼지 기준 이미지에 복수 개의 제1 윈도우를 통해 컨벌루션을 수행하여 복수 개의 특징 맵 이미지를 생성하기 위한 명령;
상기 복수 개의 특징 맵 이미지 각각에 제2 윈도우를 적용하여 서브 샘플링을 수행하기 위한 명령;
상기 컨벌루션 및 상기 서브 샘플링을 기반으로 상기 미세 먼지 기준 이미지에 대한 하나 이상의 최종 특징 값을 추출하기 위한 명령; 및
상기 추출한 최종 특징 값 및 기 설정된 활성 함수를 기반으로 상기 최종 특징 값들에 대해 미세 먼지 레벨을 분류하기 위한 가중치 계수를 산출하기 위한 명령을 포함하는, 컴퓨팅 장치.
One or more processors;
Memory; And
Comprising one or more programs,
Wherein the one or more programs are stored in the memory and configured to be executed by the one or more processors,
The one or more programs,
An instruction to acquire a reference shooting video photographed in the weather of each fine dust level;
Instructions for performing smoothing processing on each image included in the reference photographing moving picture;
Instructions for generating a fine dust reference image through a difference between each image of the reference picked-up moving image and a smoothed image of the corresponding image;
Instructions for generating a plurality of feature map images by performing convolution on the fine dust reference image through a plurality of first windows;
Performing sub-sampling by applying a second window to each of the plurality of feature map images;
Instructions for extracting one or more final feature values for the fine dust reference image based on the convolution and the subsampling; And
And calculating a weighting coefficient for classifying the fine dust level for the final feature values based on the extracted final feature value and the preset activation function.