| 1 |
1
복수개의 CCTV 및 관제 센터 서버를 구비하는 영상 인식 시스템의 딥 러닝 기반 CCTV용 영상 인식 방법에 있어서,(a) 영상 녹화부가 내장된 카메라를 이용하여 관제 대상을 촬영 및 녹화하여 형상 정보 및 이동 정보에 대한 녹화 데이터를 출력하는 단계; (b) 배경 추출부가 상기 녹화 데이터를 인가받아 촬영된 관제 대상의 형상을 통해 현재 프레임 내에서 상기 관제 대상의 이미지를 배경 이미지로부터 분리하여 추출 하고 추출 데이터를 출력하는 단계;(c) 영상 분석부가 상기 추출 데이터를 인가받아 현재 프레임과 차기 프레임의 차영상을 분석하여, 상기 관제 대상의 공간 특징을 추출하고, 벡터 공간을 생성하여 상황 데이터, 특징 데이터 및 얼굴 데이터를 출력하는 단계; 및(d) 특징 벡터 산출부가 상기 상황 데이터, 상기 특징 데이터 및 상기 얼굴 데이터를 인가받아, 딥러닝 기법을 이용하여 기 저장된 패턴과 비교하여 상기 관제 대상의 특징 벡터를 산출하는 단계; 를 포함하고,상기 (c) 단계는 상기 이동 정보를 통해 상기 관제 대상의 이동 방향 및 이동 속도에 대한 이동 벡터를 분석하는 단계; 및상기 형상 정보를 통해 상기 관제 대상의 크기, 중심 위치, 색상 및 형태 중 어느 하나 이상에 대한 이진 라벨링 객체 성분을 분석하는 단계; 를 포함하며,상기 복수개의 CCTV 각각에서 산출된 상기 특징 벡터가 기계 대 기계 방식에 따라 연동된 다른 CCTV에 전달되어, 지능적 연계를 통해 상기 관제 대상을 통합 추적 및 감시하는 것을 특징으로 하는,딥 러닝 기반 CCTV용 영상 인식 방법
|
| 2 |
2
제 1 항에 있어서, 상기 (d) 단계 이후에, 상기 특징 벡터 산출부가 상기 관제 대상에 대한 강화 학습 및 클라우딩 계산을 수행하는 단계; 및상기 강화 학습 및 상기 클라우딩 계산된 결과가 상기 관제 센터 서버 내 빅 데이터베이스에 저장되는 단계;를 더 포함하는 것을 특징으로 하는,딥 러닝 기반 CCTV용 영상 인식 방법
|
| 3 |
3
제 1 항에 있어서, 상기 (c) 단계는 (c-1) 상황 인지부가 상기 추출 데이터를 인가받아 상기 차영상을 분석하여 상기 상황 데이터를 출력하는 단계; (c-2) 대상 특징 분석부가 상기 추출 데이터를 인가받아 특징 기반 기법을 이용하여 상기 관제 대상의 인상 착의에 대한 상기 공간 특징을 추출하여 상기 특징 데이터를 출력하는 단계; 및(c-3) 얼굴 인식부가 상기 추출 데이터를 인가받아 주요 성분 분석 기법을 이용하여 차원을 축소시키고, 상기 관제 대상의 상기 벡터 공간을 생성하여 상기 관제 대상의 얼굴을 판별하여 상기 얼굴 데이터를 출력하는 단계; 를 포함하는 것을 특징으로 하는,딥 러닝 기반 CCTV용 영상 인식 방법
|
| 4 |
4
제 3 항에 있어서, 상기 (c-1) 단계에서 상기 관제 대상이 차량인 경우, 상기 영상 녹화부가 관제 구역의 일정 범위 지역에 대한 동영상을 실시간으로 촬영하여 상기 녹화 데이터를 생성하는 단계;제어부가 상기 녹화 데이터를 인가받아 촬영 객체의 출현 여부를 판단하는 단계;촬영 객체가 출현된 것으로 판단된 경우, 상기 제어부가 상기 촬영 객체를 촬영된 배경에서 분리하여 상기 촬영 객체가 차량인지 여부를 판단하고, 상기 촬영 객체의 이동 벡터를 산출하는 단계;상기 촬영 객체가 차량인 것으로 판단된 경우, 상기 제어부가 상기 산출된 이동 벡터의 이동 방향 및 이동 속도를 판단하는 단계; 및상기 판단된 이동 방향 및 이동 속도에 따라, 상기 제어부가 차량의 역주행 상황, 고장 상황 및 충돌 사고 상황 중 어느 하나 이상을 인지하는 단계;를 포함하는 것을 특징으로 하는,딥 러닝 기반 CCTV용 영상 인식 방법
|
| 5 |
5
제 4 항에 있어서, 상기 영상 인식 방법은 상기 이동 방향이 역방향인 것으로 판단된 경우, 상기 제어부가 차량의 상기 역주행 상황으로 인지하는 단계;상기 이동 속도가 일정시간 0인 것으로 판단된 경우, 상기 제어부가 차량의 상기 고장 상황으로 인지하는 단계; 및상기 이동 속도가 일정시간 0이고, 2대 이상의 차량이 근접해 있는 것으로 판단된 경우, 상기 제어부가 차량의 상기 충돌 사고 상황으로 인지하는 단계;를 포함하는 것을 특징으로 하는,딥 러닝 기반 CCTV용 영상 인식 방법
|
| 6 |
6
삭제
|
| 7 |
7
제 3 항에 있어서, 상기 (c-3) 단계는 상기 딥 러닝 기법의 학습 단계에서 상기 관제 대상의 얼굴 이미지들을 하나의 집합으로 취합하는 단계; 상기 취합된 얼굴 이미지들의 고유한 벡터를 찾는 단계;상기 관제 대상과 유사한 패턴의 복수개의 고유한 얼굴을 선택하여 얼굴 영역에 상기 관제 대상의 얼굴 이미지를 투영하는 단계; 및상기 딥 러닝 기법의 인식 단계에서 획득한 동일한 얼굴 영역에 새로운 얼굴을 상기 주요 성분 분석 기법에 의해 투영하여 상기 관제 대상의 얼굴을 판별하는 단계;를 포함하는 것을 특징으로 하는,딥 러닝 기반 CCTV용 영상 인식 방법
|
| 8 |
8
복수개의 CCTV 및 관제 센터 서버를 구비하는 영상 인식 시스템의 딥 러닝 기반 CCTV용 영상 인식 방법에 있어서,(a) 영상 녹화부가 내장된 카메라를 이용하여 관제 대상을 촬영 및 녹화하여 형상 정보 및 이동 정보에 대한 녹화 데이터를 출력하는 단계; (b) 배경 추출부가 상기 녹화 데이터를 인가받아 촬영된 관제 대상의 형상을 통해 현재 프레임 내에서 상기 관제 대상의 이미지를 배경 이미지로부터 분리하여 추출 하고 추출 데이터를 출력하는 단계;(c) 영상 분석부가 상기 추출 데이터를 인가받아 현재 프레임과 차기 프레임의 차영상을 분석하여, 상기 관제 대상의 공간 특징을 추출하고, 벡터 공간을 생성하여 상황 데이터, 특징 데이터 및 얼굴 데이터를 출력하는 단계; 및(d) 특징 벡터 산출부가 상기 상황 데이터, 상기 특징 데이터 및 상기 얼굴 데이터를 인가받아, 딥러닝 기법을 이용하여 기 저장된 패턴과 비교하여 상기 관제 대상의 특징 벡터를 산출하는 단계; 를 포함하고,상기 (c) 단계는 상기 이동 정보를 통해 상기 관제 대상의 이동 방향 및 이동 속도에 대한 이동 벡터를 분석하는 단계; 및상기 형상 정보를 통해 상기 관제 대상의 크기, 중심 위치, 색상 및 형태 중 어느 하나 이상에 대한 이진 라벨링 객체 성분을 분석하는 단계; 를 포함하며,상기 상황 데이터, 상기 특징 데이터 및 상기 얼굴 데이터는 상기 관제 대상의 이미지 픽셀 정보의 열 벡터로 처리 및 전송되는 것을 특징으로 하는,딥 러닝 기반 CCTV용 영상 인식 방법
|
| 9 |
9
복수개의 CCTV 및 관제 센터 서버를 구비하는 영상 인식 시스템의 딥 러닝 기반 CCTV용 영상 인식 방법에 있어서,(a) 영상 녹화부가 내장된 카메라를 이용하여 관제 대상을 촬영 및 녹화하여 형상 정보 및 이동 정보에 대한 녹화 데이터를 출력하는 단계; (b) 배경 추출부가 상기 녹화 데이터를 인가받아 촬영된 관제 대상의 형상을 통해 현재 프레임 내에서 상기 관제 대상의 이미지를 배경 이미지로부터 분리하여 추출 하고 추출 데이터를 출력하는 단계;(c) 영상 분석부가 상기 추출 데이터를 인가받아 현재 프레임과 차기 프레임의 차영상을 분석하여, 상기 관제 대상의 공간 특징을 추출하고, 벡터 공간을 생성하여 상황 데이터, 특징 데이터 및 얼굴 데이터를 출력하는 단계; 및(d) 특징 벡터 산출부가 상기 상황 데이터, 상기 특징 데이터 및 상기 얼굴 데이터를 인가받아, 딥러닝 기법을 이용하여 기 저장된 패턴과 비교하여 상기 관제 대상의 특징 벡터를 산출하는 단계; 를 포함하고,상기 (c) 단계는 상기 이동 정보를 통해 상기 관제 대상의 이동 방향 및 이동 속도에 대한 이동 벡터를 분석하는 단계; 및상기 형상 정보를 통해 상기 관제 대상의 크기, 중심 위치, 색상 및 형태 중 어느 하나 이상에 대한 이진 라벨링 객체 성분을 분석하는 단계; 를 포함하며,상기 특징 벡터 산출부는 상기 상황 데이터로부터 이벤트 유무 및 종류에 대한 데이터를, 상기 특징 데이터로부터 대상 특징 판정 데이터를, 상기 얼굴 데이터로부터 얼굴 여부 판정 및 인식 결과 데이터를 열 벡터로 변환하여 상기 특징 벡터를 산출하는 것을 특징으로 하는,딥 러닝 기반 CCTV용 영상 인식 방법
|
