KR102673628B1 - 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법 및 장치 - Google Patents
디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법 및 장치 Download PDFInfo
- Publication number
- KR102673628B1 KR102673628B1 KR1020220188879A KR20220188879A KR102673628B1 KR 102673628 B1 KR102673628 B1 KR 102673628B1 KR 1020220188879 A KR1020220188879 A KR 1020220188879A KR 20220188879 A KR20220188879 A KR 20220188879A KR 102673628 B1 KR102673628 B1 KR 102673628B1
- Authority
- KR
- South Korea
- Prior art keywords
- road
- crowd
- cell
- crowds
- map
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000012806 monitoring device Methods 0.000 description 28
- 238000005516 engineering process Methods 0.000 description 23
- 238000004891 communication Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 19
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004002 angle-resolved photoelectron spectroscopy Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Emergency Management (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
디지털 트윈 상황 인지를 위한 지도셀 기반 밀집도 모니터링 방법 및 장치가 개시된다. 본 발명의 일 실시 예에 따른 디지털 트윈 상황 인지를 위한 지도셀 기반 밀집도 모니터링 방법은, 특정 지역의 지도 정보를 수집하는 단계와, 특정 지역에 설치된 복수 개의 감시 카메라의 위치, 촬영 커버리지 및 식별 정보를 포함하는 감시 카메라 정보와, 감시 촬영 데이터를 수집하는 단계와, 감시 카메라 각각의 촬영 커버리지에 포함되는 도로 영역을 구분하고, 구분한 도로 영역을 설정 크기의 도로셀로 세분화하는 단계와, 기 학습된 피플 카운팅 영상분석 알고리즘을 이용하여, 감시 카메라 각각의 촬영 데이터를 기반으로 감시 카메라 각각의 촬영 커버리지 내의 군중수를 산출하는 단계와, 감시 카메라 각각의 촬영 커버리지 내의 사람 수를 감시 카메라 각각의 촬영 커버리지 내의 도로셀의 수로 나눠 평균 도로 군중수를 산출하는 단계와, 감시 카메라들의 촬영 커버리지가 중첩되는 경우, 중첩 영역의 평균 도로 군중수를 보정하여 도로셀별 군중수를 산출하는 단계와, 산출한 도로셀별 군중수를 기반으로 특정 지역의 군중 밀집 분포도를 도출하는 단계와, 도출한 군중 밀집 분포도를 기반으로 특정 지역의 군중 밀집도 상황을 모니터링하는 단계를 포함할 수 있다.
Description
본 발명은 디지털 트윈(digital twin) 상황 인지를 위해, 피플 카운팅(people counting) 기술을 활용하여 지도셀을 기반으로 군중 밀집도 상황을 인지할 수 있도록 하는 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법 및 장치에 관한 것이다.
일반적으로, 디지털 트윈(digital twin)은 현실세계의 기계나 장비, 사물 등을 컴퓨터 속 가상세계에 구현한 것으로, 가상공간에 실물과 똑같은 물체(쌍둥이)를 만들어 다양한 모의시험(시뮬레이션)을 통해 검증해 보는 기술을 말한다. 이러한 디지털 트윈 기술은 사물인터넷(IoT) 등을 통해 방대한 양의 정보를 수집할수록 정확도를 향상시킬 수 있다.
디지털 트윈 기술을 활용하면 가상세계에서 장비, 시스템 등의 상태를 모니터링하고 유지보수 시점을 파악해 개선할 수 있다. 또한, 가동 중 발생할 수 있는 다양한 상황을 예측해 안전을 검증하거나 돌발 사고를 예방해 사고 위험을 줄일 수도 있다.
한편, 군중 밀집도가 임계점을 넘어서는 수준까지 높아질 경우 안전사고가 발생할 가능성이 비약적으로 높아지기 때문에, 제한된 지역 내에서의 유동인구 수용 기준을 정해 면밀히 관리하는 것이 필요하다.
한 연구에 따르면, 가로세로 각각 1m 크기의 지면, 즉 1m2(제곱미터) 정도의 땅에 사람이 몇 명 서 있는지에 따라 사고 위험성을 판단할 수 있다. 예를 들어, 1m2 당 1~2명은 매우 여유롭고 이동도 자유로운 상황으로 판단할 수 있고, 3명은 조금 붐비기는 하나 아주 꽉 들어차지는 않은 정도로 판단할 수 있다. 또한, 1m2 당 4명의 경우 사람들 사이 간격이 더 좁아지지만 신체에 아주 가까운 영역인 개인적 공간까지 침범되지는 않는 상황으로 판단할 수 있다. 다만 5명을 넘어서면 군중 사이에 신체 접촉이 많아지기 시작하여, 공연 등을 지켜보는 관중 혹은 청중 상태일 때에는 안전할 수 있지만, 서로 떠미는 상황이 온다면 문제가 되기 시작하는 임계점이라고 판단할 수 있다.
그리고 1m2 당 6명에 이르면 상황이 위험해지기 시작한다고 판단할 수 있다. 이러한 상황에서는 신체 접촉이 많은 데다 각자 널찍한 자세를 유지하기 힘들어지고, 자칫하면 넘어지게 되는 등 사람들이 자신의 움직임에 대한 통제력을 쉽사리 잃게 될 수 있다.
그러나 상기와 같은 밀집도 기준이 있다고 하더라도 실제 현장에서 이를 적용해 위험도를 파악하기는 쉽지 않을 수 있다. 예를 들어, 1m2 당 4명이 모인 경우와 6명인 경우가 육안으로는 언뜻 큰 차이가 없어 보일 수 있기 때문이다.
이에, 사람 수만이 아닌 다양한 기준으로 밀집도를 제대로 파악하는 방법의 연구가 필요한 실정이다. 또한, 수동적인 보안감시 시스템의 문제점이 계속적으로 제기되면서 실시간으로 공공장소에서의 군중에 대한 관리 및 감독을 지원하는 자동화되고 지능적인 군중 밀도 측정에 대한 필요성이 증대되고 있다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
따라서 본 발명이 해결하고자 하는 기술적 과제는 디지털 트윈 상황 인지를 위해, 피플 카운팅 기술을 활용하여 지도셀을 기반으로 군중 밀집도 상황을 인지할 수 있도록 하는 것이다.
또한 본 발명이 해결하고자 하는 기술적 과제는 특정 지역의 지도 정보와 연계하여 해당 지역 전체의 감시 카메라에서 피플 카운팅 기술을 기반으로 분석된 군중의 수 및 군중 움직임 동향을 지도셀에 맵핑시켜 모니터링하고자 하는 것이다.
본 발명의 목적은 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 일 측면에 따른 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법은, 특정 지역의 지도 정보를 수집하는 단계와, 특정 지역에 설치된 복수 개의 감시 카메라의 위치, 촬영 커버리지 및 식별 정보를 포함하는 감시 카메라 정보와, 감시 촬영 데이터를 수집하는 단계와, 감시 카메라 각각의 촬영 커버리지에 포함되는 도로 영역을 구분하고, 구분한 도로 영역을 설정 크기의 도로셀로 세분화하는 단계와, 기 학습된 피플 카운팅 영상분석 알고리즘을 이용하여, 감시 카메라 각각의 촬영 데이터를 기반으로 감시 카메라 각각의 촬영 커버리지 내의 군중수를 산출하는 단계와, 감시 카메라 각각의 촬영 커버리지 내의 사람 수를 감시 카메라 각각의 촬영 커버리지 내의 도로셀의 수로 나눠 평균 도로 군중수를 산출하는 단계와, 감시 카메라들의 촬영 커버리지가 중첩되는 경우, 중첩 영역의 평균 도로 군중수를 보정하여 도로셀별 군중수를 산출하는 단계와, 산출한 도로셀별 군중수를 기반으로 특정 지역의 군중 밀집 분포도를 도출하는 단계와, 도출한 군중 밀집 분포도를 기반으로 특정 지역의 군중 밀집도 상황을 모니터링하는 단계를 포함할 수 있다.
이 외에도, 본 발명의 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명의 실시 예에 의하면, 본 개시의 실시 예의 일 과제는, 디지털 트윈 상황 인지를 위해, 피플 카운팅 기술을 활용하여 지도셀을 기반으로 군중 밀집도 상황을 인지할 수 있도록 함으로써, 군중 밀집도 상황을 사전 모니터링 가능하도록 할 수 있다.
또한, 본 발명의 실시 예에 의하면, 특정 지역의 지도 정보와 연계하여 해당 지역 전체의 감시 카메라에서 피플 카운팅 기술을 기반으로 분석된 군중의 수 및 군중 움직임 동향을 지도셀에 맵핑시켜 모니터링 가능하도록 할 수 있으며, 이를 통하여 군중의 밀집도 상황을 상시로 파악하여 과밀도에 따른 재난 안전 대응이 가능하도록 할 수 있다.
또한, 본 발명의 실시 예에 의하면, 특정 영역의 군중수뿐만 아니라 특정 영역의 군중 움직임 속도를 파악하여 밀집 위험도를 산출함으로써, 보다 정확한 밀집 위험 모니터링이 가능하도록 할 수 있다.
또한, 본 발명의 실시 예에 의하면, 특정 지역에 설치된 복수 개의 감시 카메라에서 분석되는 결과값들을 지도셀(도로셀)에 반영하여 보정하는 과정을 수행함으로써, 상황 분석의 정확도를 향상시킬 수 있다.
또한, 본 발명의 실시 예에 의하면, 지도셀에 색상을 지정하여 모니터링 가능하도록 함으로써, 보다 직관적으로 밀집도와 위험도 파악이 가능하도록 하여 사용자 만족도 및 상황 인지 정확도를 향상시킬 수 있다.
또한, 본 발명의 실시 예에 의하면, 지도셀의 집합체인 셀 그룹 개념을 활용하여 상황 인지에 LOD(Level of Detail)을 제공함으로써, 상황 인지 모니터링 용이성을 향상시킬 수 있다.
또한, 본 발명의 실시 예에 의하면, 디지털 트윈 기술을 기반으로, 각종 센서를 활용한 상황 인지가 가능하도록 하고, 감시 카메라 영상의 실시간 분석을 통한 상황 인지가 가능하도록 할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시 예에 따른 군중 밀집도 모니터링 시스템을 개략적으로 도시한 도면이다.
도 2는 일 실시 예에 따른 군중 밀집도 모니터링 장치를 개략적으로 나타낸 블록도이다.
도 3은 일 실시 예에 따른 도로셀별 군중수 산출 과정을 설명하기 위한 예시도이다.
도 4는 일 실시 예에 따른 중첩 영역의 도로셀별 군중수 산출 과정을 설명하기 위한 예시도이다.
도 5는 일 실시 예에 따른 군중 밀집 분포도를 히트맵으로 나타낸 예시도이다.
도 6은 일 실시 예에 따른 도로셀들을 그룹화하여 밀집도를 관리하는 과정을 설명하기 위한 예시도이다.
도 7은 일 실시 예에 따른 도로셀별 군중 움직임 속도 산출 과정을 설명하기 위한 예시도이다.
도 8은 일 실시 예에 따른 군중 속도 분포도를 히트맵으로 나타낸 예시도이다.
도 9는 일 실시 예에 따른 군중 밀집 위험 분포도를 히트맵으로 나타낸 예시도이다.
도 10은 일 실시 예에 따른 군중 밀집도 모니터링 방법을 설명하기 위한 흐름도이다.
도 2는 일 실시 예에 따른 군중 밀집도 모니터링 장치를 개략적으로 나타낸 블록도이다.
도 3은 일 실시 예에 따른 도로셀별 군중수 산출 과정을 설명하기 위한 예시도이다.
도 4는 일 실시 예에 따른 중첩 영역의 도로셀별 군중수 산출 과정을 설명하기 위한 예시도이다.
도 5는 일 실시 예에 따른 군중 밀집 분포도를 히트맵으로 나타낸 예시도이다.
도 6은 일 실시 예에 따른 도로셀들을 그룹화하여 밀집도를 관리하는 과정을 설명하기 위한 예시도이다.
도 7은 일 실시 예에 따른 도로셀별 군중 움직임 속도 산출 과정을 설명하기 위한 예시도이다.
도 8은 일 실시 예에 따른 군중 속도 분포도를 히트맵으로 나타낸 예시도이다.
도 9는 일 실시 예에 따른 군중 밀집 위험 분포도를 히트맵으로 나타낸 예시도이다.
도 10은 일 실시 예에 따른 군중 밀집도 모니터링 방법을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다.
그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명이 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시 예에 따른 군중 밀집도 모니터링 시스템을 개략적으로 도시한 도면이다.
도 1을 참조하면, 군중 밀집도 모니터링 시스템(1)은 군중 밀집도 모니터링 장치(100), 사용자 단말(200), 서버(300) 및 네트워크(400)를 포함할 수 있다.
일 실시 예의 군중 밀집도 모니터링 시스템(1)은 디지털 트윈 기술에서 지도 정보에 연계된 지도셀을 기반으로 하여 상황 인지를 할 수 있도록 하는 것이다. 또한 일 실시 예의 군중 밀집도 모니터링 시스템(1)은 특정 지역에 설치된 다양한 센서들(예를 들어, 복수 개의 감시 카메라)을 통한 피플 카운팅 기술을 활용하여 분석된 군중수 및 군중 움직임 동향 등 군중 밀집도 상황을 지도셀에 맵핑시켜 모니터링 가능하도록 하는 것이다.
즉, 일 실시 예의 군중 밀집도 모니터링 시스템(1)은 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 시스템이라고 할 수 있다.
일반적으로 디지털 트윈 기술에서는 각종 센서를 활용하여 상황 인지를 하는 것이 중요하다. 예를 들어, 각종 센서에 포함되는 감시 카메라를 활용하여 실시간 분석을 통한 상황 인지가 가능하도록 할 수 있다.
즉, 일 실시 예에서, 군중 밀집도 모니터링 시스템(1)은 특정 지역에 설치된 복수 개의 감시 카메라를 통해 실시간 상황 인지가 가능하도록 할 수 있으며, 특히 영상 분석 기반의 피플 카운팅 기술을 활용하여 지도셀을 기반으로 맵핑된 군중 밀집도 상황을 보다 직관적으로 인지할 수 있도록 할 수 있다.
또한, 일 실시 예의 군중 밀집도 모니터링 시스템(1)은 특정 지역에 설치된 복수 개의 감시 카메라에서 분석되는 결과값들을 지도셀에 반영하여 보정하는 과정을 수행함으로써, 상황 분석의 정확도를 향상시킬 수 있으며, 지도셀에 색상을 지정하여 모니터링 가능하도록 함으로써, 보다 직관적으로 밀집도와 위험도 파악이 가능하도록 하여 사용자 만족도 및 상황 인지 정확도를 향상시킬 수 있다.
한편, 일 실시 예에서, 지도셀은 지도 정보에 연계하여 특정 지역을 특정 크기의 셀로 구분하였다는 의미이며, 일 실시 예에서는, 특히 사람이 이동 가능한 영역을 모두 포함하는 도로를 셀로 구분하였으므로 이하에서는 도로셀로 기재할 수 있다. 일 실시 예에서, 지도셀과 도로셀은 동일한 의미일 수 있다.
일 실시 예의 군중 밀집도 모니터링 시스템(1)은 감시 카메라 피플 카운팅 기술을 활용한 도심지역 군중 밀집도 상황 인지 기술에 관한 것으로, 감시 카메라 영상을 분석하여 군중의 수를 추정하는 종래의 기술을 기반으로, 특정 도심지역의 지도 정보와 연계하여 해당 지역 전체의 감시 카메라들에서 분석된 군중 움직임 동향을 파악할 수 있도록 할 수 있다. 이를 통하여, 군중 밀집도 모니터링 시스템(1)은 군중의 밀집도 상황을 상시로 파악하여 과밀도에 따른 재난 안전 대응이 가능하도록 할 수 있다.
한편, 일 실시 예에서는 사용자들이 사용자 단말(200)에서 구현되는 어플리케이션 또는 웹사이트에 접속하여, 군중 밀집도 모니터링 서비스를 요청하고, 군중 밀집도 모니터링 장치(100)에서 제공하는 모니터링 인터페이스에서 서비스를 이용(확인)할 수 있으며, 군중 밀집도 모니터링을 위한 세부 설정 사항(예를 들어, 위험 계수 등)을 입력(설정)할 수 있다.
일 실시 예에서, 사용자 단말(200)은 군중 밀집도 모니터링 어플리케이션 또는 웹사이트에 접속한 후 인증 과정을 통하여 군중 밀집도 모니터링 서비스를 제공받을 수 있다. 인증 과정은 회원가입 등 사용자 정보를 입력하는 인증, 사용자 단말에 대한 인증 등을 포함할 수 있으나, 이에 한정되지 않고, 군중 밀집도 모니터링 장치(100) 및/또는 서버(300)에서 전송되는 링크에 접속하는 것만으로 인증 과정이 수행될 수도 있다.
이러한 사용자 단말(200)은 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 노트북, 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다.
또한, 사용자 단말(200)은 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 사용자 단말(200)은 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.
한편, 일 실시 예에서, 군중 밀집도 모니터링 시스템(1)은 군중 밀집도 모니터링 장치(100) 및/또는 서버(300)에 의해 구현될 수 있다. 다시 말하면, 군중 밀집도 모니터링 장치(100)는 그 일부 또는 전체가 서버(300)로 구현될 수 있다.
즉, 군중 밀집도 모니터링 장치(100)가 서버(300)에서 구현될 수 있는데, 서버(300)는 군중 밀집도 모니터링 장치(100)가 포함되는 군중 밀집도 모니터링 시스템(1)을 운용하기 위한 서버이거나 군중 밀집도 모니터링 장치(100)의 일부분 또는 전 부분을 구현하는 서버일 수 있다.
일 실시 예에서, 서버(300)는 특정 지역의 지도 정보, 특정 지역에 설치된 복수 개의 감시 카메라의 위치, 촬영 커버리지 및 식별 정보를 포함하는 감시 카메라 정보 및 감시 촬영 데이터를 수집하고, 감시 카메라 각각의 촬영 커버리지에 포함되는 도로 영역을 설정 크기의 도로셀로 세분화하며, 감시 카메라 각각의 촬영 커버리지 내의 군중수 및 평균 도로 군중수를 산출하고, 중첩 영역의 평균 도로 군중수를 보정하여 도로셀별 군중수를 산출하며, 산출한 도로셀별 군중수를 기반으로 특정 지역의 군중 밀집 분포도를 도출하고, 도출한 군중 밀집 분포도를 기반으로 특정 지역의 군중 밀집도 상황을 모니터링하는 등의 전반의 프로세스에 대한 군중 밀집도 모니터링 장치(100)의 동작을 제어하는 서버일 수 있다.
또한, 서버(300)는 예를 들어, 군중 밀집도 모니터링 장치(100)의 구성들뿐만 아니라, 관련 디바이스 장치들의 신규등록, 네트워크 환경 등을 관리 관장하여 군중 밀집도 모니터링 플랫폼에서의 서비스 제공 및 관리가 원활하게 수행될 수 있도록 제반 디바이스 운영을 담당하는 서버일 수 있다.
또한, 서버(300)는 군중 밀집도 모니터링 장치(100)를 동작시키는 데이터를 제공하는 데이터베이스 서버일 수 있다. 그 밖에 서버(300)는 웹 서버 또는 어플리케이션 서버 또는 딥러닝 네트워크 제공 서버를 포함할 수 있다.
그리고 서버(300)는 각종 인공 지능 알고리즘을 적용하는데 필요한 빅데이터 서버 및 AI 서버, 각종 알고리즘의 연산을 수행하는 연산 서버 등을 포함할 수 있다.
또한 본 실시 예에서, 서버(300)는 상술하는 서버들을 포함하거나 이러한 서버들과 네트워킹 할 수 있다. 즉, 본 실시 예에서, 서버(300)는 상기의 웹 서버 및 AI 서버를 포함하거나 이러한 서버들과 네트워킹 할 수 있다.
한편, 군중 밀집도 모니터링 시스템(1)에서 군중 밀집도 모니터링 장치(100) 및 서버(300)는 네트워크(400)에 의해 연결될 수 있다. 이러한 네트워크(400)는 예컨대 LANs(local area networks), WANs(Wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(400)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다.
또한, 네트워크(400)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(400)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(400)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(400)는 사물 등 분산된 구성 요소들 간에 정보를 주고받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
도 2는 일 실시 예에 따른 군중 밀집도 모니터링 장치를 개략적으로 나타낸 블록도이다.
도 2를 참조하면, 군중 밀집도 모니터링 장치(100)는 통신 인터페이스(110), 사용자 인터페이스(120), 메모리(130) 및 프로세서(140)를 포함할 수 있다.
통신 인터페이스(110)는 네트워크(400)와 연동하여 외부 장치 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 또한 통신 인터페이스(110)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
이러한 통신 인터페이스(110)는 각종 사물 지능 통신(IoT(internet of things), IoE(internet of everything), IoST(internet of small things) 등)을 지원할 수 있으며, M2M(machine to machine) 통신, V2X(vehicle to everything communication) 통신, D2D(device to device) 통신 등을 지원할 수 있다.
즉, 프로세서(140)는 통신 인터페이스(110)를 통해 연결된 외부 장치로부터 각종 데이터 또는 정보를 수신할 수 있으며, 외부 장치로 각종 데이터 또는 정보를 전송할 수도 있다. 그리고, 통신 인터페이스(110)는 WiFi 모듈, Bluetooth 모듈, 무선 통신 모듈, 및 NFC 모듈 중 적어도 하나를 포함할 수 있다.
사용자 인터페이스(120)는 군중 밀집도 모니터링 장치(100)에서 제공하는 군중 밀집도 모니터링 플랫폼에 대한 사용자 요청 및 명령들이 입력되는 입력 인터페이스를 포함할 수 있다. 예를 들어, 사용자는 사용자 인터페이스(120)를 통해 군중 밀집도 모니터링 서비스를 제공받기를 요청할 수 있다.
또한, 사용자 인터페이스(120)는 군중 밀집도 모니터링 장치(100)의 동작(예컨대, 군중 밀집 분포, 군중 움직임 속도 분포 및 군중 밀집 위험도 등을 산출하기 위한 세부 설정, 피플 카운팅 영상 분석 알고리즘의 파라미터 및 학습 조건 변경 등)을 제어하기 위한 사용자 요청 및 명령들이 입력되는 입력 인터페이스를 포함할 수 있다.
그리고 사용자 인터페이스(120)는 군중 밀집도 모니터링 플랫폼에 대한 모니터링 화면 등이 출력되는 출력 인터페이스를 포함할 수 있다(도 5, 도 8, 도 9 참조). 즉, 사용자 인터페이스(120)는 사용자 요청 및 명령에 따른 결과를 출력할 수 있다. 이러한 사용자 인터페이스(120)의 입력 인터페이스와 출력 인터페이스는 동일한 인터페이스에서 구현될 수 있다.
한편, 일 실시 예에서, 군중 밀집도 모니터링 장치(100)는 감시 카메라(미도시)를 구성요소로 포함할 수 있으나, 감시 카메라는 별도로 구성되고 통신 인터페이스(110)를 통해 별도의 감시 카메라로부터 위치, 촬영 커버리지 및 식별 정보를 포함하는 감시 카메라 정보와, 촬영 데이터를 수집할 수 있다.
또한, 일 실시 예에서, 감시 카메라는 방범, 감시, 화재예방 등 안전을 위해 주변에 설치된 폐쇄회로 카메라인 CCTV(Closed-circuit Television)일 수 있으나 이에 한정되는 것은 아니며, 일반 카메라, 깊이 카메라, 열화상 카메라 등을 포함할 수 있다.
더불어, 일 실시 예에서는, 감시 카메라를 통해 수집된 이미지를 분석하여 피플 카운팅을 수행하는 것으로 설명하고 있으나, 그 외 다양한 피플 카운팅 기술이 차용될 수 있다. 즉, 감시 카메라뿐만 아니라, 다양한 피플 카운팅 가능 기기나 센서(예를 들어, 객체 감지 센서, 레이더 센서, 라이더 센서 등)가 적용될 수 있다.
메모리(130)는 군중 밀집도 모니터링 장치(100) 및/또는 서버(300)의 동작의 제어(연산)에 필요한 각종 정보들을 저장하고, 제어 소프트웨어를 저장할 수 있는 것으로, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다.
메모리(130)는 하나 이상의 프로세서(140)와 전기적 또는 내부 통신 인터페이스로 연결되고, 프로세서(140)에 의해 실행될 때, 프로세서(140)로 하여금 군중 밀집도 모니터링 장치(100)를 제어하도록 야기하는(cause) 코드들을 저장할 수 있다.
여기서, 메모리(130)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media) 등의 비 일시적 저장매체이거나 램(RAM) 등의 일시적 저장매체를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(130)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
그리고, 메모리(130)에는 본 발명에 따른 학습을 수행하기 위한 알고리즘에 관련된 정보가 저장될 수 있다. 그 밖에도 본 발명의 목적을 달성하기 위한 범위 내에서 필요한 다양한 정보가 메모리(130)에 저장될 수 있으며, 메모리(130)에 저장된 정보는 서버 또는 외부 장치로부터 수신되거나 사용자에 의해 입력됨에 따라 갱신될 수도 있다.
프로세서(140)는 군중 밀집도 모니터링 장치(100)의 전반적인 동작을 제어할 수 있다. 구체적으로, 프로세서(140)는 메모리(130)를 포함하는 군중 밀집도 모니터링 장치(100)의 구성과 연결되며, 메모리(130)에 저장된 적어도 하나의 명령을 실행하여 군중 밀집도 모니터링 장치(100)의 동작을 전반적으로 제어할 수 있다.
이러한, 프로세서(140)는 다양한 방식으로 구현될 수 있다. 예를 들어, 프로세서(140)는 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 임베디드 프로세서, 마이크로 프로세서, 하드웨어 컨트롤 로직, 하드웨어 유한 상태 기계(Hardware Finite State Machine, FSM), 디지털 신호 프로세서(Digital Signal Processor, DSP) 중 적어도 하나로 구현될 수 있다.
프로세서(140)는 일종의 중앙처리장치로서 메모리(130)에 탑재된 제어 소프트웨어를 구동하여 군중 밀집도 모니터링 장치(100)의 동작을 제어할 수 있다. 프로세서(140)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령어로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다.
도 3은 일 실시 예에 따른 도로셀별 군중수 산출 과정을 설명하기 위한 예시도이고, 도 4는 일 실시 예에 따른 중첩 영역의 도로셀별 군중수 산출 과정을 설명하기 위한 예시도이며, 도 5는 일 실시 예에 따른 군중 밀집 분포도를 히트맵으로 나타낸 예시도이고, 도 6은 일 실시 예에 따른 도로셀들을 그룹화하여 밀집도를 관리하는 과정을 설명하기 위한 예시도이다.
프로세서(140)는 특정 지역의 지도 정보를 수집할 수 있다. 일 실시 예에서, 프로세서(140)는 지도 정보를 데이터베이스화하여 저장하고 있는 지도정보 데이터베이스 서버로부터 지도 정보를 수집할 수 있다. 이때, 프로세서(140)는 요청한 위치에 따라 지도정보 데이터베이스 서버로부터 해당 지역의 지도 정보를 수신할 수 있다. 지도 정보는 예를 들어, 우리나라 전체의 지형도, 행정구역 정보 등 지도에서 확인 가능한 모든 정보를 포함할 수 있으며, 2차원 및 3차원 지도 정보를 포함할 수 있다.
예를 들어, 일 실시 예에서, 지도정보 데이터베이스 서버는, GIS(geographic information system, 지리 정보 시스템) 서버일 수 있다. 따라서, 지도정보 데이터베이스 서버에서는, 전 국토의 지리공간정보를 디지털화하여 수치지도(digital map)로 작성하고 다양한 정보통신기술을 통해 재해·환경·시설물·국토공간 관리와 행정서비스에 활용할 수 있다.
일 실시 예에서, GIS는 지리적으로 참조 가능한 모든 형태의 정보를 효과적으로 수집, 저장, 갱신, 조정, 분석, 표현할 수 있도록 설계된 컴퓨터의 하드웨어와 소프트웨어 및 지리적 자료 그리고 인적자원의 통합체를 말하며, 지표면에 위치한 장소를 설명하는 자료를 모으고, 이를 이용할 수 있게 하는 컴퓨터시스템이라고 할 수 있다. 또한, GIS는 다양한 지구표면정보의 참조를 위하여 공간적으로 위치를 표현하는 지형정보와 그 형태와 기능을 설명·보완하는 비도형 속성정보를 그래픽과 데이터베이스의 관리기능 등과 연계하여 정보를 저장, 추출, 관리, 분석하여 사용자를 지원하는 정보체계 관련기술로, 지형정보의 특성(속성)정보를 부가하여 지도의 공간적인 관계를 표현하는 종합적인 분석수단이기도 하다.
프로세서(140)는 특정 지역에 설치된 복수 개의 감시 카메라의 위치, 촬영 커버리지 및 식별 정보를 포함하는 감시 카메라 정보와, 감시 카메라의 촬영 데이터를 수집할 수 있다. 일 실시 예에서는 실시간으로 감시 카메라로부터 촬영 데이터를 수집하거나, 설정된 일정 주기에 따라 촬영 데이터가 수집되도록 할 수 있으나 이에 한정되지 않으며 설정에 따라 변경될 수 있다.
프로세서(140)는 복수 개의 감시 카메라 각각의 촬영 커버리지에 포함되는 도로 영역을 구분하고, 상기 구분한 도로 영역을 설정 크기의 도로셀로 세분화할 수 있다. 예를 들어, 도로셀의 크기는 60cm X 60cm, 1m2 등으로 설정될 수 있으나, 이에 한정되지 않고 군중 밀집도를 분석하기 용이한 크기로 설정에 따라 변경될 수 있다.
즉, 일 실시 예에서 프로세서(140)는 복수 개의 감시 카메라 각각의 촬영 커버리지에 포함되는 도로 영역의 도로셀의 개수를 파악할 수 있으며, 예를 들어, 복수 개의 감시 카메라 중 A 감시 카메라의 촬영 커버리지에 포함되는 도로셀의 개수는 Total Road[A], 즉 TR[A]로 표현할 수 있다.
프로세서(140)는 감시 카메라의 촬영 데이터를 기반으로 감시 카메라의 촬영 데이터 상에 폴리곤을 생성하여, 촬영 데이터 내 객체들 중 도로 객체를 구분할 수 있다. 일 실시 예에서는, 폴리곤을 생성하는 방법 이외에 영상 내 객체를 분류할 수 있는 다양한 방법이 적용될 수 있다.
프로세서(140)는 기 학습된 피플 카운팅 영상분석 알고리즘을 이용하여, 감시 카메라 각각의 촬영 데이터를 기반으로 감시 카메라 각각의 촬영 커버리지 내의 군중수를 산출할 수 있다. 일 실시 예에서는, 복수 개의 감시 카메라 중 A 감시 카메라의 군중수를 Total People[A], 즉 TP[A]로 표현할 수 있다.
일 실시 예에서, 기 학습된 피플 카운팅 영상분석 알고리즘은, 프로세서(140)에서 구현될 수 있으나, 별도로 구성된 장치나 서버에서 피플 카운팅된 후 그 결과만 수신받을 수도 있다. 즉, 프로세서(140)에서 군중을 촬영한 영상(또는 이미지)을 입력받아 상기 영상(또는 이미지)에 대하여 군중을 인식하여 그 수를 카운팅할 수 있다. 이때 피플 카운팅 방법은 프로그램으로 구성되어 관중 밀집도 모니터링 장치(100)에 설치되어 실행되거나 ASIC(주문형 반도체) 등 하나의 전자회로로 구성되어 실시될 수 있다. 또는 프로세서(140)에서 영상을 대상으로 군중을 인식하여 그 수를 카운팅하는 작업만을 전용으로 처리하는 전용 장치, 또는 그러한 작업이 가능한 감시 카메라 자체에서 처리된 결과만을 수신할 수 있다. 한편, 영상은 시간상으로 연속된 프레임으로 구성된다. 하나의 프레임은 하나의 이미지를 갖는다. 또한, 영상은 하나의 프레임(또는 이미지)을 가질 수도 있다. 즉, 영상은 하나의 이미지인 경우에도 해당될 수 있다.
일 실시 예에서, 피플 카운팅 방법은 카메라의 설치 각도나 거리 등에 따라서 다양한 알고리즘의 접근 방법을 가질 수 있다. 크게 시맨틱(semantic) 정보를 이용하는 방법과 기계학습을 이용하는 방법으로 구분될 수 있다. 시맨틱 정보를 이용하는 방법들은 깊이지도(depth map), 템플릿 매칭(template matching), 히스토그램(histogram) 분석 등이 있을 수 있다.
일 실시 예에서는 감시 카메라 영상을 이용하므로, 촬영 각도나 촬영 거리의 변화에 따라서 다양한 변종(variant)을 가질 수 있고, 보행자 영상이 촬영되기 때문에 피플 카운팅 문제 해결을 위해서 수작업에 의한 특징들을 학습하여 군중 인식 모델을 생성하는 방법들이 적용될 수 있다.
즉, 일 실시 예에서의 기 학습된 피플 카운팅 알고리즘은 기계학습 방법일 수 있으며, 기계학습 방법은 수작업에 의한 특징을 이용하는 방법과 컨벌루션 신경망(convolutional neural network)를 이용하는 방법 등이 있을 수 있다. 예를 들어, HOG(histogram of oriented gradient), 컬러 특징(color feature), 캐니 에지(canny edge) 등 널리 알려진 수작업에 의한 특징을 이용하기도 하며 영역(area), 경계(perimeter), 경계 에지(perimeter edge) 등과 같은 선형 특징(linear feature)을 이용하는 방법도 적용될 수 있다. 또한, CNN(convolutional neural network) 구조를 이용하는 등의 방법이 적용될 수 있다.
도 3을 참조하면, 프로세서(140)는 감시 카메라 각각의 촬영 커버리지 내의 사람 수를 상기 감시 카메라 각각의 촬영 커버리지 내의 도로셀의 수로 나눠 평균 도로 군중수를 산출할 수 있다. 예를 들어, 프로세서(140)는 복수 개의 감시 카메라 중 A 감시 카메라의 군중수 TP[A]를 도로셀의 수 TR[A]로 나눠 평균 도로 군중수를 산출할 수 있다. 일 실시 예에서 복수 개의 감시 카메라 중 A 감시 카메라의 평균 도로 군중수는 Average Road People[A], 즉 ARP[A]로 표현할 수 있다.
예를 들어, TR[A]가 7.5이고, TP[A]가 30명인 경우, ARP[A]는 4일 수 있다. 그리고 각각의 도로셀에 대해, 셀 크기가 반영된 RP 값은 다음과 같을 수 있다. RP[2][0]=2, RP[3][0]=4, RP[4][0]=4, RP[5][0]=4, RP[6][0]=2, RP[2][1]=2, RP[3][1]=4, RP[4][1]=4, RP[5][1]=4, RP[6][1]=0.
한편, 도 4를 참조하면, 일 실시 예에서, 프로세서(140)는 감시 카메라들의 촬영 커버리지가 중첩되는 경우, 중첩 영역의 평균 도로 군중수를 보정하여 도로셀별 군중수를 산출할 수 있다. 일 실시 예에서, 도로셀별 군중수는 평균 도로 군중수에서 보정된 도로셀별 군중수를 의미할 수 있으며, 복수 개의 감시 카메라 중 A 감시 카메라의 도로셀별 군중수는 Road People[A], 즉 RP[A]로 표현할 수 있다.
이때, 프로세서(140)는 복수 개의 감시 카메라 중 촬영 커버리지가 중첩되는 제1 감시 카메라(A 감시 카메라)의 평균 도로 군중수와, 제2 감시 카메라(B 감시 카메라)의 평균 도로 군중수의 평균값으로 중첩 영역의 도로셀별 군중수를 보정할 수 있다. 예를 들어, 중첩 영역의 경우 (ARP[A]+ARP[B])/2로 계산하여 보정된 도로셀별 군중수 RP[A/B]가 산출될 수 있다.
예를 들어, 프로세서(140)는 TR[A], TP[A], ARP[A]와 TR[B], TP[B], ARP[B]를 계산하여 RP를 구하는 데에 있어서 중복되는 영역의 RP 셀들(RP[4][0], RP[5][0], RP[6][0], RP[4][1], RP[5][1])에 대해서는 각각의 구해진 값들의 평균값으로 도로셀 값을 계산할 수 있다.
즉, 일 실시 예에서는, 정확도 보정을 위해 복수 개의 감시 카메라에서 나오는 결과값을 도로셀을 기반으로 평균값을 활용하여 보정할 수 있다.
한편, 일 실시 예에서는 특정 지역의 복수 개의 감시 카메라의 촬영 커버리지에 포함되지 않는 영역이 있을 수 있는데, 해당 영역의 군중수는 RP[0]으로 표현할 수 있다. 이 경우 해당 지역의 전체 군중수를 산출할 때 커버리지에 포함되지 않는 영역은 제외하고 계산될 수 있다. 다만 이에 한정되는 것은 아니며, 해당 영역의 주변 감시 카메라의 평균 값으로 산출되는 등의 방법이 적용될 수도 있다.
도 5를 참조하면, 프로세서(140)는 상기 산출한 도로셀별 군중수 RP를 기반으로 특정 지역의 군중 밀집 분포도를 도출할 수 있다. 그리고 프로세서(140)는 상기 도출한 군중 밀집 분포도를 기반으로 특정 지역의 군중 밀집도 상황을 모니터링할 수 있다.
이때, 일 실시 예에서는, 특정 지역의 지도 정보를 기반으로, 특정 지역의 지도상에 군중 밀집 분포도를 히트맵으로 표시할 수 있다(도 5 참조). 또한 일 실시 예에서는, 위험도 및 재난대응을 위해서, 밀집도 정보를 다양한 방법으로 가시화할 수 있는데, 지도에 매핑되거나, 수치로 도표화하거나 그래프로 표시하여, 높은 밀집도 상황에서 신속, 정확하게 대비하거나 대응할 수 있도록 할 수 있다.
즉, 일 실시 예에서, 프로세서(140)는 특정 지역의 모든 도로셀의 도로셀별 군중수를 합하여 전체 도로 군중수를 산출하고, 상기 전체 도로 군중수가 설정 전체 군중수 이상이면, 상기 특정 지역의 군중 밀집도가 높은 상황임을 알릴 수 있다. 예를 들어, 전체 도로 군중수는 TRP(Total Road People)로 표현할 수 있으며, TRP는 RP의 총합값이다. 일 실시 예에서는, TRP가 높을 수록 그 지역의 군중 밀집도가 높아 경계가 필요한 상황이라고 판단할 수 있다. 따라서, 일 실시 예에서는, 특정 지역의 RP값이 높을 경우, 그 RP값이 전체 지역으로 분산될 수 있도록 유도할 수 있다.
또한, 일 실시 예에서, 프로세서(140)는 특정 지역의 특정 도로셀의 도로셀별 군중수가 설정 도로셀별 군중수 이상이면 특정 도로셀의 군중 밀집도가 높은 상황임을 알릴 수 있다.
또한 도 6을 참조하면, 일 실시 예에서, 프로세서(140)는 특정 지역의 도로셀을 설정 기준에 따라 그룹화하여 도로셀 집합을 생성할 수 있다. 그리고 프로세서(140)는 도로셀 집합 내 도로셀별 군중수를 합하여 도로셀 집합별 도로 군중수를 산출하고, 도로셀 집합별 도로 군중수가 설정 군중수 이상이면, 상기 도로셀 집합의 군중 밀집도가 높은 상황임을 알릴 수 있다. 즉 일 실시 예에서는, 도로셀들의 집합 RG(Road Group)의 개념을 도입하여 해당지역을 권역별로 나누어 관리할 수 있다.
즉, 일 실시 예에서, 프로세서(140)는 도로셀들의 집합체인 RG 개념을 활용하여 상황 인지에 LOD(Level of Detail)를 제공할 수 있다. 따라서, 프로세서(140)는 3차원 GIS데이터를 보다 효율적이고 빠른 속도로 가시화하기 위해 LOD 기술을 적용할 수 있다. LOD 기술은 사용자 시점으로부터 거리에 따라 지형, 영상, 3차원 객체의 정밀도와 해상도를 단계적으로 표현하는 기술이다. 이로 인해 실제 데이터보다 적은 용량의 데이터를 가시화함으로써 데이터 가시화 속도를 향상시키고, 사용자의 하드웨어 사용을 최소화하도록 지원할 수 있다.한편, 일 실시 예에서 알린다는 것은, 군중 밀집도 모니터링 장치(100)에 다양한 알람 방법(이미지, 진동, 소리 등)을 통해서 위험 상황을 알리거나 밀집도 분포도를 화면에 출력하는 것을 포함할 수 있고, 해당 현장에 직접 알람을 제공하는 것도 포함할 수 있다.
도 7은 일 실시 예에 따른 도로셀별 군중 움직임 속도 산출 과정을 설명하기 위한 예시도이고, 도 8은 일 실시 예에 따른 군중 속도 분포도를 히트맵으로 나타낸 예시도이다.
도 7을 참조하면, 프로세서(140)는 기 학습된 피플 카운팅 영상분석 알고리즘을 이용하여, 감시 카메라 각각의 촬영 데이터를 기반으로 감시 카메라 각각의 촬영 커버리지 내의 군중의 움직임 속도를 산출할 수 있다. 즉, 일 실시 예에서는, 상술한 바와 같이 피플 카운팅 영상분석 알고리즘을 기반으로, 영상 내 객체(사람)를 감지하여 객체들의 움직임 속도를 파악할 수 있다. 일 실시 예에서는, 복수 개의 감시 카메라 중 A 감시 카메라의 군중 움직임 속도를 People Speed[A], 즉 PS[A]로 표현할 수 있다.
그리고 프로세서(140)는 감시 카메라 각각의 촬영 커버리지 내의 군중의 움직임 속도를 감시 카메라 각각의 촬영 커버리지 내의 도로셀의 수로 나눠 평균 도로 군중 움직임 속도를 산출할 수 있다. 예를 들어, 프로세서(140)는 복수 개의 감시 카메라 중 A 감시 카메라의 군중 움직임 속도 PS[A]를 도로셀의 수 TR[A]로 나눠 평균 도로 군중 움직임 속도를 산출할 수 있다. 일 실시 예에서 복수 개의 카메라 중 A 감시 카메라의 평균 도로 군중 움직임 속도는 Average Road People Speed[A], 즉 ARPS[A]로 표현할 수 있다.
프로세서(140)는 상술한 도로셀별 군중수 산출 과정과 동일하게, 도로셀별 군중 움직임 속도를 산출할 수 있다. 즉, 복수 개의 감시 카메라들의 촬영 커버리지가 중첩되는 경우에도 동일한 방법이 적용될 수 있다. 따라서, 프로세서(140)는 중첩 영역의 평균 도로 움직임 속도를 보정하여 도로셀별 군중 움직임 속도를 산출할 수 있다. 일 실시 예에서, 도로셀별 군중 움직임 속도는 평균 도로 군중 움직임 속도에서 보정된 도로셀별 군중 움직임 속도를 의미할 수 있으며, 복수 개의 감시 카메라 중 A 감시 카메라의 도로셀별 군중 움직임 속도는 Road People Speed[A], 즉 RPS[A]로 표현할 수 있다.
이때, 프로세서(140)는 복수 개의 감시 카메라 중 촬영 커버리지가 중첩되는 제1 감시 카메라(A 감시 카메라)의 평균 도로 군중 움직임 속도와, 제2 감시 카메라(B 감시 카메라)의 평균 도로 군중 움직임 속도의 평균값으로 중첩 영역의 도로셀별 군중 움직임 속도를 보정할 수 있다. 예를 들어, 중첩 영역의 경우 (ARPS[A]+ARPS[B])/2로 계산하여 보정된 도로셀별 군중 움직임 속도 RPS[A/B]가 산출될 수 있다.
예를 들어, 각각의 도로셀에 대해, 셀 크기가 반영된 RPS 값은 다음과 같을 수 있다. RPS[2][0]=PS[A], RPS[3][0]=PS[A], RPS[4][0]=PS[A], RPS[5][0]=PS[A], RPS[6][0]=PS[A], RPS[2][1]=PS[A], RPS[3][1]=PS[A], RPS[4][1]=PS[A], RPS[5][1]=PS[A].
도 8을 참조하면, 프로세서(140)는 상기 산출한 도로셀별 군중 움직임 속도를 기반으로 특정 지역의 군중 속도 분포도를 도출할 수 있다. 그리고 프로세서(140)는 상기 도출한 군중 속도 분포도를 기반으로 특정 지역의 군중 움직임 속도 상황을 모니터링할 수 있다.
이때, 일 실시 예에서는, 특정 지역의 지도 정보를 기반으로, 특정 지역의 지도상에 군중 속도 분포도를 히트맵으로 표시할 수 있다(도 8 참조).
도 9는 일 실시 예에 따른 군중 밀집 위험 분포도를 히트맵으로 나타낸 예시도이다.
한편, 일 실시 예에서는, 군중 속도 분포도를 모니터링 할 수 있도록 제공하고 있으나, 군중의 속도만으로는 밀집 위험 상황을 판단하기 어려울 수 있다. 따라서 일 실시 예에서는, 군중이 많으면서 속도가 느려 잠재적 위험 지역임을 모니터링 하기 위해, 상술한 군중수 기반의 군중 밀집 분포도와 군중 움직임 속도 기반의 군중 속도 분포도를 결합하여, 특정 지역의 군중 밀집 위험 분포도를 도출하여 모니터링 할 수 있도록 제공할 수 있다.
이때, 프로세서(140)는 아래 수학식 2를 기반으로 도로셀별 군중수(RP) 및 도로셀별 군중 움직임 속도(RPS)에 따른 군중 밀집 위험도를 산출할 수 있다. 여기서, k는 위험 계수로, 사전에 설정될 수 있으며, 특정 지역의 상황이나 다양한 상황에 따라 사용자에 의해 변경, 설정될 수 있다.
즉 수학식 2와 같이, 각 도로셀의 군중 밀집 위험도는 도로셀별 군중수 RP와 도로셀별 군중 움직임 속도 RPS와의 상관관계로 파악될 수 있으며, RP와는 정비례, RPS와는 역비례하는 경향이 있음을 확인할 수 있다.
일 실시 예에서, 프로세서(140)는 특정 지역의 군중 밀집 위험도가 임계값 이상이면, 특정 지역의 군중 밀집도가 위험 상황임을 알릴 수 있다.
또한, 프로세서(140)는 상술한 바와 같이, 특정 지역의 군중 밀집 분포도 및 군중 속도 분포도를 결합하여, 특정 지역의 군중 밀집 위험 분포도를 도출하고, 특정 지역의 지도 정보를 기반으로, 특정 지역의 지도상에 군중 밀집 위험 분포도를 히트맵으로 표시할 수 있다(도 9 참조).
한편, 다른 실시 예에서는, 프로세서(140)는 복수 개의 감시 카메라에서 촬영된 각각의 촬영 데이터를 기반으로 각각 방향 맵을 생성하고, 생성된 복수의 방향 맵들을 서로 연결하여 특정 지역 전체에서 군중의 이동 방향을 나타내는 방향 맵 계층을 구성할 수도 있다.
프로세서(140)는 구성된 방향 맵 계층을 특정 지역의 지도 정보와 결합하여, 특정 지역의 군중의 동선 흐름을 직관적으로 쉽게 파악할 수 있도록 모니터링 제공할 수 있다.
여기서, 방향 맵은 하나의 입구(예를 들어, 특정 지역에 진입하기 위한 가장 가까운 지하철역 출구, 특정 지역의 지정된 입구 등 군중의 진입이 많은 것으로 판단되는 곳으로 설정될 수 있음)와 적어도 하나 이상의 출구(예를 들어, 특정 지역에서 가까운 지하철역의 출구들, 특정 지역의 지정된 출구들 등 설정될 수 있음)를 가지는 동선들의 그룹으로 구성되어, 특정 지역의 특정 지점(입구)으로부터 다수의 다른 지점(출구)으로 갈라지는 군중 동선들에 대한 방향을 직관적으로 시각화할 수 있으며, 밀집도도 함께 직관적으로 시각화할 수 있다.
한편, 일 실시 예에서는, 분포도, 위험도, 히트맵 등의 도로셀로 구분된 모니터링 인터페이스 화면을 도 3 내지 도 9에서 2차원으로 간략히 도시하고 있으나, 이는 설명의 편의를 위한 것으로, 분포도, 위험도, 히트맵 등의 도로셀로 구분된 모니터링 인터페이스가 3차원 지도에 맵핑되어 표시되는 경우, 3차원으로 제공될 수 있다.
도 10은 일 실시 예에 따른 군중 밀집도 모니터링 방법을 설명하기 위한 흐름도이다.
도 10에 도시된 바와 같이, S100단계에서, 프로세서(140)는 특정 지역의 지도 정보를 수집한다. 일 실시 예에서, 프로세서(140)는 지도 정보를 데이터베이스화하여 저장하고 있는 지도정보 데이터베이스 서버로부터 지도 정보를 수집할 수 있다.
S200단계에서, 프로세서(140)는 특정 지역에 설치된 복수 개의 감시 카메라의 위치, 촬영 커버리지 및 식별 정보를 포함하는 감시 카메라 정보와, 감시 카메라의 촬영 데이터를 수집한다. 일 실시 예에서는 실시간으로 감시 카메라로부터 촬영 데이터를 수집하거나, 설정된 일정 주기에 따라 촬영 데이터가 수집되도록 할 수 있으나 이에 한정되지 않으며 설정에 따라 변경될 수 있다.
S300단계에서, 프로세서(140)는 감시 카메라 각각의 촬영 커버리지에 포함되는 도로 영역을 구분하고, 구분한 도로 영역을 설정 크기의 도로셀(TR)로 세분화한다. 즉, 일 실시 예에서 프로세서(140)는 복수 개의 감시 카메라 각각의 촬영 커버리지에 포함되는 도로 영역의 도로셀의 개수를 파악할 수 있으며, 예를 들어, 복수 개의 감시 카메라 중 A 감시 카메라의 촬영 커버리지에 포함되는 도로셀의 개수는 Total Road[A], 즉 TR[A]로 표현할 수 있다.
그리고 S410단계에서, 프로세서(140)는 도로셀별 군중수를 기반으로 특정 지역의 군중 밀집 분포도를 도출한다. 이때, 프로세서(140)는 기 학습된 피플 카운팅 영상분석 알고리즘을 이용하여 감시 카메라 각각의 촬영 커버리지 내의 군중수(TP)를 산출하고, 평균 도로 군중수(ARP)를 산출하며, 중첩 영역의 평균 도로 군중수를 보정하여 도로셀별 군중수(RP)를 산출할 수 있다.
보다 구체적으로, 프로세서(140)는 감시 카메라 각각의 촬영 커버리지 내의 사람 수를 상기 감시 카메라 각각의 촬영 커버리지 내의 도로셀의 수로 나눠 평균 도로 군중수를 산출할 수 있다. 프로세서(140)는 감시 카메라들의 촬영 커버리지가 중첩되는 경우, 중첩 영역의 평균 도로 군중수를 보정하여 도로셀별 군중수를 산출할 수 있다. 이때, 프로세서(140)는 복수 개의 감시 카메라 중 촬영 커버리지가 중첩되는 제1 감시 카메라(A 감시 카메라)의 평균 도로 군중수와, 제2 감시 카메라(B 감시 카메라)의 평균 도로 군중수의 평균값으로 중첩 영역의 도로셀별 군중수를 보정할 수 있다.
S420단계에서, 프로세서(140)는 군중 밀집 분포도를 기반으로 특정 지역의 군중 밀집도 상황을 모니터링한다. 이때, 일 실시 예에서는, 특정 지역의 지도 정보를 기반으로, 특정 지역의 지도상에 군중 밀집 분포도를 히트맵으로 표시할 수 있다(도 5 참조).
한편, S300단계 이후, S510단계에서, 프로세서(140)는 도로셀별 군중 움직임 속도를 기반으로 특정 지역의 군중 속도 분포도를 도출한다. 이때, 프로세서(140)는 기 학습된 피플 카운팅 영상분석 알고리즘을 이용하여 감시 카메라 각각의 촬영 커버리지 내의 군중의 움직임 속도(TPS)를 산출하고, 평균 도로 군중 움직임 속도(ARPS)를 산출하며, 중첩 영역의 평균 도로 군중 움직임 속도를 보정하여 도로셀별 군중 움직임 속도(RPS)를 산출할 수 있다.
보다 구체적으로, 프로세서(140)는 감시 카메라 각각의 촬영 커버리지 내의 군중의 움직임 속도를 감시 카메라 각각의 촬영 커버리지 내의 도로셀의 수로 나눠 평균 도로 군중 움직임 속도를 산출할 수 있다. 프로세서(140)는 상술한 도로셀별 군중수 산출 과정과 동일하게, 도로셀별 군중 움직임 속도를 산출할 수 있다. 즉, 복수 개의 감시 카메라들의 촬영 커버리지가 중첩되는 경우에도 동일한 방법이 적용될 수 있다. 따라서, 프로세서(140)는 중첩 영역의 평균 도로 움직임 속도를 보정하여 도로셀별 군중 움직임 속도를 산출할 수 있다.
S520단계에서, 프로세서(140)는 군중 속도 분포도를 기반으로 특정 지역의 군중 움직임 속도 상황을 모니터링한다. 이때, 일 실시 예에서는, 특정 지역의 지도 정보를 기반으로, 특정 지역의 지도상에 군중 속도 분포도를 히트맵으로 표시할 수 있다(도 8 참조).
그리고 S420단계와 S520단계 이후, S600단계에서, 프로세서(140)는 특정 지역의 군중 밀집 분포도 및 군중 속도 분포도를 결합하여, 특정 지역의 군중 밀집 위험 분포도를 도출한다. 이때, 프로세서(140)는 도로셀별 군중수(RP) 및 도로셀별 군중 움직임 속도(RPS)에 따른 군중 밀집 위험도를 산출할 수 있다. 각 도로셀의 군중 밀집 위험도는 도로셀별 군중수 RP와 도로셀별 군중 움직임 속도 RPS와의 상관관계로 파악될 수 있으며, RP와는 정비례, RPS와는 역비례하는 경향이 있을 수 있다.
이후 S700단계에서, 프로세서(140)는 특정 지역의 군중 밀집 위험 상황을 모니터링한다.
일 실시 예에서는, 군중이 많으면서 속도가 느려 잠재적 위험 지역임을 모니터링 하기 위해, 상술한 군중수 기반의 군중 밀집 분포도와 군중 움직임 속도 기반의 군중 속도 분포도를 결합하여, 특정 지역의 군중 밀집 위험 분포도를 도출하여 모니터링 할 수 있도록 제공할 수 있다.
즉, 프로세서(140)는 상술한 바와 같이, 특정 지역의 군중 밀집 분포도 및 군중 속도 분포도를 결합하여, 특정 지역의 군중 밀집 위험 분포도를 도출하고, 특정 지역의 지도 정보를 기반으로, 특정 지역의 지도상에 군중 밀집 위험 분포도를 히트맵으로 표시할 수 있다(도 9 참조).
또한, 일 실시 예에서, 프로세서(140)는 특정 지역의 군중 밀집 위험도가 임계값 이상이면, 특정 지역의 군중 밀집도가 위험 상황임을 알릴 수 있다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 통상의 기술자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
1 : 군중 밀집도 모니터링 시스템 100 : 군중 밀집도 모니터링 장치
110 : 통신 인터페이스 120 : 사용자 인터페이스
130 : 메모리 140 : 프로세서
200 : 사용자 단말 300 : 서버
400 : 네트워크
110 : 통신 인터페이스 120 : 사용자 인터페이스
130 : 메모리 140 : 프로세서
200 : 사용자 단말 300 : 서버
400 : 네트워크
Claims (24)
- 각 단계의 적어도 일부가 프로세서에 의해 수행되는, 디지털 트윈 상황 인지를 위하여 지도셀을 기반으로 특정 지역의 군중 밀집도 상황을 인지할 수 있도록 하는 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법으로서,
(A) 특정 지역의 지도 정보를 수집하는 단계;
(B) 상기 특정 지역에 설치된 복수 개의 감시 카메라의 위치, 촬영 커버리지 및 식별 정보를 포함하는 감시 카메라 정보와, 상기 감시 카메라의 촬영 데이터를 수집하는 단계;
(C) 상기 감시 카메라 각각의 촬영 커버리지에 포함되는 도로 영역을 구분하고, 상기 구분한 도로 영역을 설정 크기의 도로셀로 세분화하는 단계;
(D) 기 학습된 피플 카운팅 영상분석 알고리즘을 이용하여 상기 감시 카메라 각각의 촬영 데이터를 기반으로 상기 감시 카메라 각각의 촬영 커버리지 내의 군중수를 산출하고, 상기 감시 카메라 각각의 촬영 커버리지 내의 군중 수를 상기 감시 카메라 각각의 촬영 커버리지 내의 도로셀의 수로 나눠 평균 도로 군중수를 산출하고, 상기 감시 카메라들의 촬영 커버리지가 중첩되는 경우 중첩 영역의 상기 평균 도로 군중수를 보정하여 도로셀별 군중수를 산출하고, 상기 산출한 도로셀별 군중수를 기반으로 상기 특정 지역의 군중 밀집 분포도를 도출하고, 상기 도출한 군중 밀집 분포도를 기반으로 상기 특정 지역의 군중 밀집도 상황을 모니터링하는 단계;
(E) 상기 기 학습된 피플 카운팅 영상분석 알고리즘을 이용하여 상기 감시 카메라 각각의 촬영 데이터를 기반으로 상기 감시 카메라 각각의 촬영 커버리지 내의 군중의 움직임 속도를 산출하고, 상기 감시 카메라 각각의 촬영 커버리지 내의 군중의 움직임 속도를 상기 감시 카메라 각각의 촬영 커버리지 내의 도로셀의 수로 나눠 평균 도로 군중 움직임 속도를 산출하고, 상기 감시 카메라들의 촬영 커버리지가 중첩되는 경우 중첩 영역의 상기 평균 도로 군중 움직임 속도를 보정하여 도로셀별 군중 움직임 속도를 산출하고, 상기 산출한 도로셀별 군중 움직임 속도를 기반으로 상기 특정 지역의 군중 속도 분포도를 도출하고, 상기 도출한 군중 속도 분포도를 기반으로 상기 특정 지역의 군중 움직임 속도 상황을 모니터링하는 단계;
(F) 상기 특정 지역의 상기 군중 밀집 분포도 및 상기 군중 속도 분포도를 결합하여 상기 특정 지역의 군중 밀집 위험 분포도를 도출하고, 상기 특정 지역의 지도 정보를 기반으로 상기 특정 지역의 지도상에 상기 군중 밀집 위험 분포도를 히트맵으로 표시하는 단계를 포함하며,
상기 (D) 단계는,
상기 특정 지역의 도로셀을 설정 기준에 따라 그룹화하여 도로셀 집합을 생성하고, 상기 도로셀 집합 내 상기 도로셀별 군중수를 합하여 상기 도로셀 집합별 도로 군중수를 산출하고, 상기 도로셀 집합별 도로 군중수가 설정 군중수 이상이면 상기 도로셀 집합의 군중 밀집도가 높은 상황임을 알리는 단계를 더 포함하며,
상기 (F) 단계는,
아래 수학식 1을 기반으로 상기 도로셀별 군중수(RP, Road People) 및 상기 도로셀별 군중 움직임 속도(RPS, Road People Speed)에 따른 군중 밀집 위험도를 산출하는, 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법.
[수학식 1]
여기서, k는 위험 계수임. - 제1항에 있어서,
상기 (D) 단계의 상기 군중 밀집도 상황 모니터링은,
상기 특정 지역의 지도 정보를 기반으로, 상기 특정 지역의 지도상에 군중 밀집 분포도를 히트맵으로 표시하는, 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법. - 제1항에 있어서,
상기 (C) 단계는,
상기 감시 카메라의 촬영 데이터를 기반으로 상기 감시 카메라의 촬영 데이터 상에 폴리곤을 생성하여, 상기 촬영 데이터 내 객체들 중 도로 객체를 구분하는, 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법. - 제1항에 있어서,
상기 (D) 단계의 상기 중첩 영역의 상기 평균 도로 군중수를 보정하여 상기 도로셀별 군중수 산출은,
상기 복수 개의 감시 카메라 중 촬영 커버리지가 중첩되는 제1 감시 카메라의 평균 도로 군중수와, 제2 감시 카메라의 평균 도로 군중수의 평균값으로 상기 중첩 영역의 도로셀별 군중수를 보정하는, 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법. - 제1항에 있어서,
상기 (D) 단계는,
상기 특정 지역의 특정 도로셀의 상기 도로셀별 군중수가 설정 도로셀별 군중수 이상이면 상기 특정 도로셀의 군중 밀집도가 높은 상황임을 알리는 단계를 더 포함하는, 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법. - 제1항에 있어서,
상기 (D) 단계는,
상기 특정 지역의 모든 도로셀의 상기 도로셀별 군중수를 합하여 전체 도로 군중수를 산출하는 단계; 및
상기 전체 도로 군중수가 설정 전체 군중수 이상이면, 상기 특정 지역의 군중 밀집도가 높은 상황임을 알리는 단계를 더 포함하는,
디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법. - 제1항에 있어서,
상기 (E) 단계의 상기 군중 움직임 속도 상황 모니터링은,
상기 특정 지역의 지도 정보를 기반으로, 상기 특정 지역의 지도상에 군중 속도 분포도를 히트맵으로 표시하는, 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법. - 제1항에 있어서,
상기 (F) 단계는,
상기 특정 지역의 상기 군중 밀집 위험도가 임계값 이상이면, 상기 특정 지역의 군중 밀집도가 위험 상황임을 알리는 단계를 더 포함하는, 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220188879A KR102673628B1 (ko) | 2022-12-29 | 2022-12-29 | 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220188879A KR102673628B1 (ko) | 2022-12-29 | 2022-12-29 | 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법 및 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102673628B1 true KR102673628B1 (ko) | 2024-06-13 |
Family
ID=91481302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220188879A KR102673628B1 (ko) | 2022-12-29 | 2022-12-29 | 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법 및 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102673628B1 (ko) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101556693B1 (ko) | 2010-11-18 | 2015-10-13 | 엑시스 에이비 | 객체 카운터 및 객체들을 카운트하는 방법 |
KR20170075445A (ko) * | 2015-12-23 | 2017-07-03 | 한화테크윈 주식회사 | 영상 처리 장치 및 영상 처리 방법 |
WO2017122258A1 (ja) * | 2016-01-12 | 2017-07-20 | 株式会社日立国際電気 | 混雑状況監視システム |
KR102358999B1 (ko) * | 2021-04-21 | 2022-02-08 | 윤정인 | 드론 촬영 사진 분석 방법 및 장소별 인구 밀집 정보 제공 시스템 |
KR102416620B1 (ko) * | 2021-12-29 | 2022-07-05 | 주식회사유원지리정보시스템 | Cctv를 이용한 객체 추적 기반의 지역시설 이용 행태 분석 방법 및 시스템 |
KR20220162351A (ko) | 2021-06-01 | 2022-12-08 | 주식회사 인포쉐어 | 지능형 cctv 및 이를 이용하는 감시시스템 |
-
2022
- 2022-12-29 KR KR1020220188879A patent/KR102673628B1/ko active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101556693B1 (ko) | 2010-11-18 | 2015-10-13 | 엑시스 에이비 | 객체 카운터 및 객체들을 카운트하는 방법 |
KR20170075445A (ko) * | 2015-12-23 | 2017-07-03 | 한화테크윈 주식회사 | 영상 처리 장치 및 영상 처리 방법 |
WO2017122258A1 (ja) * | 2016-01-12 | 2017-07-20 | 株式会社日立国際電気 | 混雑状況監視システム |
KR102358999B1 (ko) * | 2021-04-21 | 2022-02-08 | 윤정인 | 드론 촬영 사진 분석 방법 및 장소별 인구 밀집 정보 제공 시스템 |
KR20220162351A (ko) | 2021-06-01 | 2022-12-08 | 주식회사 인포쉐어 | 지능형 cctv 및 이를 이용하는 감시시스템 |
KR102416620B1 (ko) * | 2021-12-29 | 2022-07-05 | 주식회사유원지리정보시스템 | Cctv를 이용한 객체 추적 기반의 지역시설 이용 행태 분석 방법 및 시스템 |
Non-Patent Citations (1)
Title |
---|
조달송, 'Qgis로 특정 지역 내 포인트 개수 쉽게 구하기' (2021.02.09) 1부.* * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Calabrese et al. | The geography of taste: analyzing cell-phone mobility and social events | |
KR102024695B1 (ko) | 감시카메라 배치 모델링 시스템 및 방법 | |
US20190371055A1 (en) | 3d monitoring server using 3d bim object model and 3d monitoring system comprising it | |
US20220319183A1 (en) | System for tracking and visualizing objects and a method therefor | |
US9934249B2 (en) | Systems and methods for context-aware and personalized access to visualizations of road events | |
Xie et al. | Video crowd detection and abnormal behavior model detection based on machine learning method | |
US10110856B2 (en) | Systems and methods for video analysis rules based on map data | |
US10354144B2 (en) | Video camera scene translation | |
KR101856488B1 (ko) | 3차원 맵핑을 이용하는 객체 추적 방법, 이를 이용한 장치 및 컴퓨터-판독가능 매체 | |
KR102103834B1 (ko) | 고정밀 전자지도 갱신을 위한 객체 변화 탐지 시스템 및 방법 | |
CN105761500A (zh) | 交通事故处理方法及交通事故处理装置 | |
KR101937940B1 (ko) | 빅 데이터를 활용한 단계별 방범 cctv 위치 선정 방법 | |
Zuo et al. | Reference-free video-to-real distance approximation-based urban social distancing analytics amid COVID-19 pandemic | |
Kim et al. | Mapping local vulnerabilities into a 3D city model through social sensing and the CAVE system toward digital twin city | |
CN113051980A (zh) | 视频处理方法、设备、***及计算机可读存储介质 | |
EP4104028A1 (en) | System and methods for identifying obstructions and hazards along routes | |
Zhang et al. | Emergency-oriented spatiotemporal trajectory pattern recognition by intelligent sensor devices | |
US20140002499A1 (en) | Method, System, and Computer-Readable Recording Medium for Providing Information on an Object Using Viewing Frustums | |
Das et al. | Geospatial edge-fog computing: A systematic review, taxonomy, and future directions | |
KR102673628B1 (ko) | 디지털 트윈 상황 인지를 위한 지도셀 기반 군중 밀집도 모니터링 방법 및 장치 | |
Ansari et al. | Mapping and analysis of crime in Aurangabad city using GIS | |
CN113160266A (zh) | 高空坠物的检测方法、装置、计算机设备和存储介质 | |
CN115359568B (zh) | 行人智能体运动与应急疏散的仿真方法及计算机设备 | |
KR20210084182A (ko) | 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법 | |
KR102633599B1 (ko) | 군중 밀집도 예측 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |