KR20120106300A - Video monitoring method - Google Patents
Video monitoring method Download PDFInfo
- Publication number
- KR20120106300A KR20120106300A KR1020110024334A KR20110024334A KR20120106300A KR 20120106300 A KR20120106300 A KR 20120106300A KR 1020110024334 A KR1020110024334 A KR 1020110024334A KR 20110024334 A KR20110024334 A KR 20110024334A KR 20120106300 A KR20120106300 A KR 20120106300A
- Authority
- KR
- South Korea
- Prior art keywords
- change area
- area
- feature
- monitored object
- image
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- 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
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
본 발명은 영상 감시 방법에 관한 것으로, 보다 상세하게는 설정된 검지 대상물의 특성과 촬영되는 영상의 피사체를 비교하여 피사체의 종류를 판단하고, 그 피사체의 움직임에 따른 동작을 자동 수행하는 영상 감시 방법에 관한 것이다.
The present invention relates to an image monitoring method, and more particularly, to an image monitoring method for comparing a set characteristic of a detection object with a subject of a photographed image to determine a type of a subject, and automatically performing an operation according to the movement of the subject. It is about.
일반적으로, 카메라를 사용하여 원격지를 감시하는 기술은 널리 알려져 있다. 이러한 감시방법의 예로는 모니터에 표시되는 영상을 감시자가 육안으로 확인하며 이상 여부를 판단하는 방법과, 영상을 자기테이프나 하드디스크 등의 저장매체에 저장하는 방법을 사용하고 있다.
In general, techniques for monitoring remote locations using cameras are well known. Examples of such monitoring methods include a method of visually confirming an image displayed on a monitor by the monitor to determine whether an abnormality is detected and storing the image on a storage medium such as a magnetic tape or a hard disk.
상기 감시자가 상시 모니터를 확인하는 방법은 무단침입이나 화재의 발생을 초기에 확인할 수 있어 도난이나 화재의 초기대응이 가능한 장점이 있으나, 상시 감시자를 두어야 하는 문제점이 있었다.The method of checking the monitor at all times has the advantage of enabling the initial response of theft or the fire because it can confirm the occurrence of unauthorized intrusion or fire at an early stage, but there was a problem in that the monitor should be placed at all times.
또한 영상을 저장매체에 기록하는 방법은 별도의 인력을 사용하지 않아도 되기 때문에 비용을 절감할 수는 있으나, 도난이나 화재가 발생한 후 사실 관계를 확인하는 것으로, 사고의 예방 또는 초기 대응을 할 수 없는 문제점이 있었다.
In addition, the method of recording the image on the storage media can reduce the cost because it does not require a separate manpower.However, by checking the facts after the theft or fire has occurred, it is impossible to prevent the accident or to respond early. There was a problem.
또한 일부 자동으로 이상을 검지하는 시스템이 존재하나, 그 영상에 비춰진 피사체가 무엇인지 식별하는 것이 아니고, 단순하게 이전 영상과 현재 영상을 비교하여 영상의 차이, 영상의 휘도 변화 등 변화된 영상으로부터 이상을 감지하는 것으로, 감시영역에 바람에 흔들리는 나무나, 새가 지나가거나, 차량이 지나가는 등의 외부요인에 의해 검지 오류가 발생하는 문제점이 있었다.
There is also a system that automatically detects abnormalities, but it does not identify what the subject is reflected on the image, but simply compares the previous image with the current image to detect the abnormality from the changed image such as the difference of the image and the change in luminance of the image. By detecting, there was a problem that a detection error occurs due to an external factor such as a tree swaying in the wind, a bird passing, or a vehicle passing through the surveillance area.
특히 화재발생 초기에 발생되는 연기는 고체인 다른 감시대상물과는 다르게 생성, 팽창, 수축, 소멸이 반복될 수 있어, 화상의 분석 과정에서 조반사, 노이즈, 그림자와 구별이 매우 어려울 뿐만 아니라 일반적인 감시대상물과 동시에 촬영된 경우 심각한 식별오류를 보이는 문제점이 있었다.
In particular, smoke generated at the beginning of a fire can be repeatedly generated, expanded, contracted, and extinguished, unlike other solid objects, which makes it difficult to distinguish from reflection, noise, and shadows during image analysis. When taken at the same time as the subject there was a problem showing a serious identification error.
상기와 같은 문제점을 감안한 본 발명이 해결하고자 하는 기술적 과제는, 감시대상물 이외에 움직임이 검출되는 경우에도 정상적인 감시대상물의 감시가 가능한 영상 감시 방법을 제공함에 있다.SUMMARY OF THE INVENTION The present invention has been made in view of the above problems, and provides a video surveillance method capable of monitoring a normal monitored object even when a motion other than the monitored object is detected.
또한 본 발명이 해결하고자 하는 다른 과제는, 영상에서 움직임이 발생한 경우 그 움직임에 해당하는 감시대상물의 종류를 정확하게 판단하여, 감시대상물의 종류에 따른 처리를 수행할 수 있는 영상 감시 방법을 제공함에 있다.
In addition, another object of the present invention is to provide an image monitoring method that can accurately determine the type of the monitoring object corresponding to the movement when the movement occurs in the image, and can perform a process according to the type of the monitoring object. .
상기와 같은 과제를 해결하기 위한 본 발명 영상 감시 방법은, a) 특징판정항목과 각 특징판정항목의 만점에 대한 점수 비율을 포함하는 감시대상물의 특징 데이터를 입력받는 단계와, b) 카메라에서 촬영된 영상을 샘플링하여 정지화상화 한 것을 시계열적으로 비교하여, 변화영역을 구하는 단계와, c) 상기 획득된 변화영역을 해석하여 상기 변화영역의 특징판정항목의 값을 산출하는 단계와, d) 상기 변화영역의 특징판정항목의 값과 상기 S1단계에서 입력된 감시대상물의 특징 데이터와의 유사도를 판단하여 점수를 부여하여, 상기 변화영역을 설정점수 이상이며 가장 높은 점수가 부여된 감시대상물로 판정하는 단계와, e) 상기 판정된 감시대상물에 따라 이벤트 발생을 기관서버에 전송하는 단계를 포함한다.
In order to solve the above problems, the present invention provides a video surveillance method comprising the steps of: a) receiving feature data of a monitored object including a score ratio for a perfect score of a feature determination item and each feature determination item, and b) photographing the camera. Time-series comparison of the still image by sampling the captured image, c) calculating a change region, c) analyzing the obtained change region, and calculating a value of a feature determination item of the change region; d) the A score is determined by judging the similarity between the value of the feature determination item of the change area and the feature data of the monitored object input in step S1, and determining the change area as the monitored object having the highest score or higher than a set score. And e) transmitting an event occurrence to the engine server according to the determined monitoring object.
본 발명 영상 감시 방법은, 면적, 주위장, 원도, 면적 점유율, 논리적 비율, 체적 점유율, 분산, 조화평균, 상관계수, 휘도, 평균차, 색상, 채도 등 감시대상물의 특징 데이터를 미리 입력받고, 촬영된 영상에서 움직임이 발생하면 움직인 물체의 데이터를 상기 특징 데이터와 비교하여, 유사도가 설정 유사도 이상인 경우 특정한 감시대상물로 판단함으로써, 감시영역에서 바람에 의해 흔들리는 나뭇가지 등 비감시대상물의 움직임에 무관한 감시가 가능하여, 외부 영향과는 무관하게 정확한 감시대상물의 감시가 가능한 효과가 있다.In the video surveillance method of the present invention, the characteristic data of the monitored object such as area, peripheral field, circle, area occupancy, logical ratio, volume occupancy, variance, harmonic mean, correlation coefficient, luminance, average difference, hue, and saturation are received in advance. When the motion occurs in the captured image, the data of the moving object is compared with the feature data, and if the degree of similarity is greater than or equal to the set degree of similarity, it is determined as a specific monitoring object. Irrespective of external influences, it is possible to accurately monitor the object regardless of external influences.
또한 본 발명 영상 감시 방법은, 감시대상물의 종류를 정확하게 감지하여 그 감시대상물에 따라 설정된 후처리를 수행하여, 발생할 수 있는 사고의 종류에 대응하는 예방조치를 신속하게 취할 수 있어, 사고를 방지할 수 있는 효과가 있다.
In addition, the video surveillance method of the present invention, by accurately detecting the type of the object to be monitored and performing post-processing set according to the object to be monitored, it is possible to quickly take preventive measures corresponding to the types of accidents that may occur, thereby preventing accidents. It can be effective.
도 1은 본 발명의 바람직한 실시예에 따른 영상 감지 방법의 순서도이다.
도 2는 상기 감시대상물의 특징 데이터의 일례를 보인 표이다.
도 3은 상기 특징판단항목의 구체적인 산출근거를 나타낸 표이다.
도 4는 상기 변화영역의 평가항목들을 특징데이터와 비교하여 정해진 점수를 부여하는 과정의 모식도이다.1 is a flowchart of an image sensing method according to a preferred embodiment of the present invention.
2 is a table showing an example of feature data of the monitored object.
3 is a table showing specific calculation basis of the feature determination item.
4 is a schematic diagram of a process of assigning a predetermined score by comparing evaluation items of the change area with feature data.
이하, 본 발명 영상 감시 방법의 바람직한 실시예들을 첨부한 도면을 참조하여 상세히 설명한다.
Hereinafter, exemplary embodiments of the video surveillance method of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 바람직한 실시예에 따른 영상 감지 방법의 순서도이다.1 is a flowchart of an image sensing method according to a preferred embodiment of the present invention.
도 1을 참조하면 본 발명의 바람직한 실시예에 따른 영상 감지 방법은, 감시대상물의 특징 데이터를 입력받는 단계(S1)와, 카메라에서 촬영된 영상을 샘플링하여 정지화상화 한 것을 시계열적으로 비교하여, 변화영역을 구하는 단계(S2)와, 상기 획득된 변화영역을 해석하여 그 변화영역의 특징판정항목의 값을 산출하는 단계(S3)와, 상기 변화영역의 특징판정항목의 값과 상기 S1단계에서 입력된 감시대상물의 특징 데이터와의 유사도를 판단하여 점수를 부가하는 단계(S4)와, 상기 점수가 설정점수 이상인 경우 상기 변화영역과 일치하는 상기 감시대상물의 명칭을 화면상에서 표시하는 단계(S5)와, 상기 감시대상물이 감지됨에 따라 그 감시대상물의 종류에 따른 제어동작을 수행하는 단계(S6)를 포함한다.Referring to FIG. 1, in the image sensing method according to a preferred embodiment of the present invention, step S1 of receiving characteristic data of a monitored object is compared with a time series of sampling a still image by sampling an image captured by a camera. Obtaining a change area (S2), analyzing the obtained change area to calculate a value of a feature determination item of the change area (S3), and a value of the feature determination item of the change area and the step S1 Determining a similarity with the input feature data of the monitored object (S4), and displaying the name of the monitored object on the screen that matches the change area when the score is equal to or greater than a set score (S5). And performing a control operation according to the type of the monitored object as the monitored object is detected (S6).
상기 S4단계는, 상기 감시대상물의 특징데이터와 상기 변화영역을 상기 특징판정항목의 구체적인 예인 면적, 주위장, 원도, 면적 점유율, 종횡비, 논리적비율, 체적점유율, 분산, 조화평균, 상관계수, 휘도평균차, 색상 및 채도의 비교를 통해 변화영역이 어떤 감시대상물에 해당하는지 판단한다.
In the step S4, the characteristic data of the monitored object and the change area include area, peripheral length, circle, area occupancy ratio, aspect ratio, logical ratio, volume occupancy ratio, variance, harmonic mean, correlation coefficient, The difference of luminance average, hue, and saturation is compared to determine which monitoring object the change area corresponds to.
이하, 상기와 같이 구성되는 본 발명의 바람직한 실시예에 따른 영상 감지 방법의 구성과 작용을 보다 상세히 설명한다.
Hereinafter, the configuration and operation of the image sensing method according to a preferred embodiment of the present invention configured as described above in more detail.
먼저, 상기와 같이 구성되는 본 발명의 바람직한 실시예는 하나 또는 둘 이상의 카메라와, 그 카메라에서 획득된 영상을 수신하는 컴퓨터를 포함하는 시스템에서 이루어지는 감시방법이다. First, a preferred embodiment of the present invention configured as described above is a monitoring method performed in a system including one or more cameras and a computer for receiving an image obtained by the cameras.
즉, S1단계와 같이 감시대상물의 특징 데이터를 입력받는 주체는 컴퓨터가 된다.That is, as in step S1, the subject receiving the characteristic data of the monitored object is a computer.
사용자는 컴퓨터에 감시대상물의 특징 데이터를 입력한다. The user enters the feature data of the monitored object into the computer.
이때 감시대상물의 특징 데이터는 사람, 자동차, 연기, 선박, 비행기, 불 등 각각의 감시대상물이 가지는 특징판단항목인 면적, 주위장, 원도, 면적 점유율, 종횡비, 논리적비율, 체적점유율, 분산, 조화평균, 상관계수, 휘도평균차, 색상 및 채도에 대한 데이터이다.At this time, the characteristic data of the monitored object includes the area, periphery, circle, area occupancy, aspect ratio, logical ratio, volume occupancy ratio, variance, Data on harmonic mean, correlation coefficient, luminance mean difference, hue and saturation.
상기 감시대상물의 특징 데이터는, 각각 상한값과 하한값을 가지는 데이터이며, 중간값에 가까울수록 더 유사한 것으로 판단할 수 있다.
The feature data of the monitored object is data having an upper limit value and a lower limit value, respectively, and it may be determined that the closer the intermediate value is, the more similar it is.
도 2는 상기 감시대상물의 특징 데이터의 일례를 보인 표이다.2 is a table showing an example of feature data of the monitored object.
도 2에 도시한 바와 같이 감시대상물 AAA에 대하여 특징판단항목들의 상한값과 하한값을 기재하고, 각각의 특징판단항목들의 만점 기준 비율을 특정할 수 있다.As shown in FIG. 2, the upper limit value and the lower limit value of the feature determination items may be described with respect to the monitored object AAA, and a perfect reference ratio of each feature determination item may be specified.
구체적으로 면적의 하한값과 상한값은 각각 100과 199이며, 전체 만점의 기준에서 그 면적의 점수가 해당하는 비율은 만점인 120점에서 10점의 비율을 차지함을 알 수 있다.Specifically, the lower limit value and the upper limit value of the area are 100 and 199, respectively, and it can be seen that the ratio of the area score corresponds to the ratio of 120 points out of 10 points.
이처럼 각 특징판단항목들의 상한값과 하한값 및 만점에 대하여 각 특징판단항목들의 비율을 지정하여, 감시대상물 AAA의 특징 데이터로서 입력한다.In this way, the ratio of each feature judgment item to the upper limit value, the lower limit value and the perfect score of each feature judgment item is specified and input as the feature data of the monitored object AAA.
이때 감시대상물에 따라 특징 데이터는 서로 다르게 되며, 따라서 화상데이터로부터 검출한 변화영역의 특징판단항목들과 상기 입력된 특징 데이터들을 비교함으로써, 변화영역의 대상이 감시대상물인지의 여부와 함께 변화영역의 감시대상물 종류를 판단할 수 있게 된다.
At this time, the feature data differs according to the monitored object, and thus, by comparing the feature judgment items of the change area detected from the image data with the input feature data, whether or not the object of the change area is the monitored object is determined. The type of monitored object can be determined.
그 다음, S2단계와 같이 하나 또는 둘 이상의 카메라에서 촬영된 영상을 샘플링하여 정지화상화 한 것을 시계열적으로 비교하여, 변화영역을 구한다.Then, in step S2, a change region is obtained by comparing the still images obtained by sampling images captured by one or more cameras in time series.
이는 촬영된 영상을 프레임별로 샘플링하여 정지화상을 추출하고, 그 정지화상들의 추출순서에 따라 변경된 화소들을 판단하여 촬영된 영상에서 어떤 영역이 변화되었는지 확인하여 변화영역을 추출한다.
This extracts a still image by sampling the captured image for each frame, determines the changed pixels according to the extraction order of the still images, and checks which region has changed in the captured image to extract the change region.
그 다음, S3단계와 같이 상기 추출된 변화영역의 특징판단항목들을 추출한다.Then, the feature determination items of the extracted change region are extracted as in step S3.
앞서 설명한 바와 같이 특징판단항목은 상기 감시대상물의 특징 데이터와 동일한 항목들이며, 면적, 주위장, 원도, 면적 점유율, 종횡비, 논리적비율, 체적점유율, 분산, 조화평균, 상관계수, 휘도평균차, 색상 및 채도에 관한 데이터를 산출한다.
As described above, the feature judgment items are the same items as the feature data of the monitored object, and the area, peripheral field, circle, area share, aspect ratio, logical ratio, volume share, variance, harmonic mean, correlation coefficient, luminance average difference, Compute data about hue and saturation.
도 3은 상기 특징판단항목의 구체적인 산출근거를 나타낸 표이다.3 is a table showing specific calculation basis of the feature determination item.
예를 들어 면적은 추출된 변화영역에 대하여 1에서 255까지 라벨링을 행하여 라벨 번호를 부여하며, 그 라벨 번호의 수가 면적이 된다. 즉 변화영역의 라벨번호가 1이 12개 있는 경우에 면적은 12가 된다.
For example, the area is given a label number by labeling the extracted change area from 1 to 255, and the number of the label numbers is the area. In other words, if the label number of the change area is 12, the area becomes 12.
또한 주위장은 라벨링 한 것의 윤곽부분의 수가 주위장이 되며, 원도는 원과 얼마나 유사한지에 대한 평가항목이다.In addition, the periphery field is the number of contours of the labeling, and the circle is an evaluation of how similar the circle is.
면적 점유율을 전체 면적(F)에 대한 변화영역의 면적(S)을 백분율로 산출한 것이며, 종횡비는 변화영역의 폭을 높이로 나눈 값이며, 논리적 비율은 전체화면의 논리화면적에 대한 변화영역의 논리화면적의 백분율이 된다.The area occupancy is calculated as a percentage of the area of change in relation to the total area (F), and the aspect ratio is obtained by dividing the width of the area by height, and the logical ratio is the ratio of the area of change to the logical screen area of the entire screen. It is a percentage of the logical screen area.
또한 체적 점유율은 현재 영상과 직전 영상을 비교하여 이동된 부분의 면적을 구하여 변화비율을 산출하는 것이다.
In addition, the volume occupancy is to calculate the change rate by comparing the current image with the previous image to obtain the area of the moved portion.
그리고 분산은 특정한 구간(x-n, y-m)에서 현재 영상(P)의 불규칙한 정도를 산출하는 것이다. S는 면적을 뜻한다.
The variance is to calculate an irregular degree of the current image P in a specific section (xn, ym). S means area.
조화평균은 특정한 구간에서 현재 영상과 직전 영상의 면적의 차분치의 평균이다. P는 현재영상, S는 면적을 나타낸다.The harmonic mean is the average of the difference between the areas of the current image and the previous image in a particular section. P is the current image and S is the area.
또한 상관계수는 패턴의 매칭을 위해 사용하며, 영상에서 RGB와 그레이 스케일을 이차화한 상관계수의 평균치를 합산하여 산출한다.In addition, the correlation coefficient is used for pattern matching, and is calculated by summing the average of correlation coefficients obtained by quadratic RGB and gray scale in an image.
I와 T는 각각 비교할 영상이며, i는 x-n의 구간, j는 y-m의 구간에서의 값이며, 아래의 수학식1과 수학식2로 표현된다.I and T are images to be compared, i is a value in a section of x-n, j is a value in a section of y-m, and is represented by
휘도평균차는 그레이 스케일을 사용하여 현재 및 전회, 전전회 영상의 최대, 최소값을 통해 구하며, 최대값의 평균에서 최소값의 평균을 감하여 산출한다.The luminance average difference is calculated using the maximum and minimum values of the current, previous and previous images using gray scale, and is calculated by subtracting the average of the minimum values from the average of the maximum values.
i1은 현재 영상, i2는 전회영상, i3는 전전회의 영상이며, μ는 화소평균이다.
i1 is the current image, i2 is the previous image, i3 is the previous image, and μ is the pixel average.
기체류 및 사람, 차량, 동물의 정확한 식별을 위해서 상기 각각의 변수 적용에 있어 가중치를 부여하거나 그 적용을 제한적으로 적용할 수 있다.
In order to accurately identify the gas streams and people, vehicles, and animals, the respective variables may be weighted or limited in application.
이와 같이 다양한 변화영역의 평가항목들을 추출한 후, S4단계에서는 그 변화영역의 평가항목들이 S1단계에서 입력된 감시대상물의 특징 데이터의 평가항목들과 비교하여 그 유사도에 따라 정해진 점수를 부여한다.
After extracting the evaluation items of the various change areas as described above, in step S4, the evaluation items of the change areas are compared with the evaluation items of the characteristic data of the monitored object input in step S1 and given a score determined according to the similarity.
도 4는 상기 변화영역의 평가항목들을 특징데이터와 비교하여 정해진 점수를 부여하는 과정의 모식도이다.4 is a schematic diagram of a process of assigning a predetermined score by comparing evaluation items of the change area with feature data.
도 4를 참조하면 변화영역의 평가항목들은 입력된 다수의 감시대상물의 특징 데이터의 특징평가항목들과 각각 비교되어, 그 비교결과에 따른 점수가 부여된다.Referring to FIG. 4, evaluation items of the change area are compared with feature evaluation items of the input feature data of the plurality of monitored objects, and scores are given according to the comparison result.
예를 들어 감시대상물 AAA의 평가항목인 종횡비의 범위에 상기 변화영역의 종횡비가 속하지 않으면, 0점을 부여하고, 감시대상물 BBB의 평가항목인 종횡비의 범위에 그 변화영역의 산출된 종횡비가 속하는 경우 그 변화영역에 대한 전체점수에 대한 비율인 10점이 가산된다.
For example, if the aspect ratio of the change area does not belong to the range of the aspect ratio, which is the evaluation item of the monitored object AAA, 0 points are given, and the calculated aspect ratio of the change area belongs to the range of the aspect ratio, which is the evaluation item of the monitored object BBB. Ten points, which is the ratio of the total score to the change area, are added.
이와 같이 상기 변화영역의 산출된 특징평가항목들을 모든 감시대상물의 특징 데이터의 특징평가항목들과의 비교하여, 점수를 부여하고, 그 부여된 점수 중 가장 높은 비교결과를 토대로 상기 변화영역을 특정한 감시대상물로 판정한다.In this way, the calculated characteristic evaluation items of the change area are compared with the characteristic evaluation items of the feature data of all the monitored objects, and a score is assigned, and the specific change area is monitored based on the highest comparison result among the given scores. Determined as the object.
이때 상기 비교결과의 점수는 최소값 이상으로 한정되며, 그 비교결과 점수가 기준이 되는 최소값 미만인 경우에는 감시대상물이 아닌 것으로 판정한다.
In this case, the score of the comparison result is limited to the minimum value or more, and if the comparison result score is less than the minimum value as a reference, it is determined that the score is not a monitored object.
그 다음, S5단계에서는 상기 변화영역에 대한 판정결과인 감시대상물의 명칭을 상기 컴퓨터의 화면의 변화영역에 표시한다. 즉 변화영역이 사람으로 판정된 경우 그 변화영역에 '사람'으로 기재하며, 자동차인 경우 '자동차', 연기인 경우 '연기'로 표시한다.
Next, in step S5, the name of the monitored object that is the determination result of the change area is displayed on the change area of the screen of the computer. In other words, if it is determined that the change area is a person, the change area is described as 'person', and in the case of a car, 'car' is used, and in case of smoke, 'smoke' is displayed.
이는 감시자가 모니터를 확인할 때 이동하는 감시대상물의 유무를 즉시 판단할 수 있도록 하며, 그 표시된 감시대상물의 명칭도 영상데이터와 함께 저장되어 이후에도 용이하게 확인할 수 있도록 한다.
This allows the monitor to immediately determine the presence or absence of a moving object when checking the monitor, and the displayed name of the monitored object is also stored with the image data so that it can be easily checked later.
그 다음, S6단계에서는 상기 변화영역의 판정결과에 따라 알람을 발생하고, 그 감시대상물에 따라 기관에 이벤트의 발생을 자동으로 신고하는 제어를 수행한다.Next, in step S6, an alarm is generated according to the determination result of the change area, and control is performed to automatically report the occurrence of an event to an engine according to the monitoring object.
앞서 설명한 바와 같이 본 발명의 바람직한 실시예에 따른 영상 감시 방법은 컴퓨터에서 이루어지며, 상기 변화영역이 감시대상물의 이동으로 판단된 경우 컴퓨터에 연결된 인터넷을 포함한 통신선로를 통하여 기관의 서버로 이벤트의 발생을 알리게 된다.As described above, the video surveillance method according to the preferred embodiment of the present invention is performed in a computer, and when the change region is determined to be a movement of a monitored object, an event is generated to an institution server through a communication line including the Internet connected to the computer. You will be informed.
예를 들어 상기 변화영역이 감시대상물인 '연기' 또는 '불'인 경우에는 알람을 발생하고, 소방서 서버에 현재 감시지역과 화재의 가능성을 함께 전송하여 즉각적인 대응이 가능하게 된다.For example, when the change area is 'smoke' or 'fire' which is a monitoring object, an alarm is generated, and the current monitoring area and the possibility of a fire are transmitted to the fire station server, thereby enabling immediate response.
즉, 본 발명은 사후 처리가 아닌 화재의 초기나 화재의 가능성을 판단하여 초기 대응이 가능하도록 함으로써, 화재에 의한 피해를 최소화할 수 있다.That is, the present invention can minimize the damage caused by the fire by determining the initial fire or the possibility of fire, rather than post-processing, to enable initial response.
또한 허가되지 않은 감시영역에 차량이나 사람의 이동이 확인된 경우 경찰서버 등으로 직접 신고하여, 주변의 순찰차량이 감시지역으로 출동할 수 있도록 하여 범죄를 예방할 수 있게 된다.
In addition, when the movement of a vehicle or a person is confirmed to an unauthorized surveillance area, the police can directly report it to a police server, so that the surrounding patrol vehicle can be dispatched to the surveillance area to prevent crime.
본 발명은 상기 실시예에 한정되지 않고 본 발명의 기술적 요지를 벗어나지 아니하는 범위 내에서 다양하게 수정, 변형되어 실시될 수 있음은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어서 자명한 것이다.
It will be apparent to those skilled in the art that the present invention is not limited to the above embodiments and may be variously modified and modified without departing from the technical spirit of the present invention. will be.
Claims (4)
b) 카메라에서 촬영된 영상을 샘플링하여 정지화상화 한 것을 시계열적으로 비교하여, 변화영역을 구하는 단계;
c) 상기 획득된 변화영역을 해석하여 상기 변화영역의 특징판정항목의 값을 산출하는 단계;
d) 상기 변화영역의 특징판정항목의 값과 상기 S1단계에서 입력된 감시대상물의 특징 데이터와의 유사도를 판단하여 점수를 부여하여, 상기 변화영역을 설정점수 이상이며 가장 높은 점수가 부여된 감시대상물로 판정하는 단계; 및
e) 상기 판정된 감시대상물에 따라 이벤트 발생을 기관서버에 전송하는 단계를 포함하는 영상 감시 방법.
a) receiving feature data of a monitored object including a feature determination item and a ratio of scores to perfect scores of each feature determination item;
b) obtaining a change region by time-series comparing a still image obtained by sampling an image photographed by a camera;
c) analyzing the obtained change area to calculate a value of a feature determination item of the change area;
d) The similarity between the value of the feature determination item of the change area and the feature data of the monitored object input in the step S1 is assigned, and a score is assigned, and the change area is the set point or more and the highest score is given. Determining that; And
e) transmitting the event occurrence to the engine server according to the determined monitoring object.
상기 d) 단계의 판정결과로서, 상기 변화영역에 판정된 상기 감시대상물의 명칭을 화면상에서 표시하는 단계를 더 포함하는 영상 감시 방법.
The method of claim 1,
And displaying the name of the monitored object determined in the change area on a screen as a result of the determination in step d).
상기 a) 단계와 b)단계의 특징판정항목은,
면적, 주위장, 원도, 면적 점유율, 종횡비, 논리적비율, 체적점유율, 분산, 조화평균, 상관계수, 휘도평균차, 색상 및 채도인 것을 특징으로 하는 영상 감시 방법.
The method according to claim 1 or 2,
The feature determination items of step a) and b),
An image surveillance method comprising: area, peripheral field, circle, area share, aspect ratio, logical ratio, volume share, variance, harmonic mean, correlation coefficient, luminance average difference, hue and saturation.
상기 a) 단계의 감시대상물의 특징데이터를 이루는 특징판정항목은 하한값과 상한값의 범위를 가지는 것을 특징으로 하는 영상 감시 방법.
The method of claim 1,
And the feature determination item constituting the feature data of the monitored object in step a) has a lower limit and an upper limit.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110024334A KR101212466B1 (en) | 2011-03-18 | 2011-03-18 | Video monitoring method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110024334A KR101212466B1 (en) | 2011-03-18 | 2011-03-18 | Video monitoring method |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20120106300A true KR20120106300A (en) | 2012-09-26 |
KR101212466B1 KR101212466B1 (en) | 2012-12-26 |
Family
ID=47113034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020110024334A KR101212466B1 (en) | 2011-03-18 | 2011-03-18 | Video monitoring method |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101212466B1 (en) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100853744B1 (en) | 2007-04-12 | 2008-08-25 | 포스데이타 주식회사 | Image supervision unit and the method for detect circumstance change |
-
2011
- 2011-03-18 KR KR1020110024334A patent/KR101212466B1/en not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
KR101212466B1 (en) | 2012-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8200024B2 (en) | Image monitoring system | |
US20180115749A1 (en) | Surveillance system and surveillance method | |
JP2018101317A (en) | Abnormality monitoring system | |
US20080136934A1 (en) | Flame Detecting Method And Device | |
JP6764481B2 (en) | Monitoring device | |
US20030040925A1 (en) | Vision-based method and apparatus for detecting fraudulent events in a retail environment | |
KR102195706B1 (en) | Method and Apparatus for Detecting Intruder | |
WO2018179202A1 (en) | Information processing device, control method, and program | |
KR102260123B1 (en) | Apparatus for Sensing Event on Region of Interest and Driving Method Thereof | |
KR102263512B1 (en) | IoT integrated intelligent video analysis platform system capable of smart object recognition | |
EP2000998B1 (en) | Flame detecting method and device | |
CN112132048A (en) | Community patrol analysis method and system based on computer vision | |
KR20090044957A (en) | Theft and left baggage survellance system and meothod thereof | |
CN112288975A (en) | Event early warning method and device | |
KR102233679B1 (en) | Apparatus and method for detecting invader and fire for energy storage system | |
CN116403377A (en) | Abnormal behavior and hidden danger detection device in public place | |
KR101581162B1 (en) | Automatic detection method, apparatus and system of flame, smoke and object movement based on real time images | |
KR102046591B1 (en) | Image Monitoring System and Method for Monitoring Image | |
JP5758165B2 (en) | Article detection device and stationary person detection device | |
KR101395666B1 (en) | Surveillance apparatus and method using change of video image | |
CN116993265A (en) | Intelligent warehouse safety management system based on Internet of things | |
JP2005284652A (en) | Video monitoring method and apparatus using moving vector | |
US20030004913A1 (en) | Vision-based method and apparatus for detecting an event requiring assistance or documentation | |
KR101212466B1 (en) | Video monitoring method | |
KR101407394B1 (en) | System for abandoned and stolen object detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20161205 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20171020 Year of fee payment: 6 |
|
LAPS | Lapse due to unpaid annual fee |