| 1 |
1
영상정보 제공자(200)가 제공하는 학습 영상정보로부터 건물 부위별 하자정보 데이터를 도출하고 하자 판정모델에 따라 하자 이미지 DB(150)를 구축하며, 건물 부위별 하자 여부를 확인하기 위해 사용자 단말(300)이 입력하는 입력 영상정보에 따라 건물 부위별 하자를 자동 분류 및 추출하여 하자를 판정하고, 하자 판정 이미지를 생성하는 건물 부위별 하자 판정 서버(100);상기 건물 부위별 하자 판정 서버(100)에게 학습 영상정보를 제공하는 영상정보 제공자(200); 및건물 부위별 하자 여부를 확인하도록 상기 건물 부위별 하자 판정 서버(100)에 입력 영상정보를 전송하고, 상기 건물 부위별 하자 판정 서버(100)로부터 하자 판정 이미지를 제공받는 사용자 단말(300)을 포함하되,상기 건물 부위별 하자 판정 서버(100)는 건물 부위별 하자에 대한 하자 특성 학습에 따라 하자 특성을 도출하여 하자 이미지 DB(150)를 구축하고, 상기 사용자 단말(300)이 입력하는 입력 영상정보의 하자 영역 분할 및 하자 특성 분류를 통해 하자를 판정하여 하자 판정 이미지를 생성하되, 상기 하자 판정 이미지는 이미지 데이터와 하자정보 데이터를 결합하여 생성되며, 상기 하자정보 데이터는 하자 특성 데이터 및 하자 영역 데이터로 이루어지며;상기 건물 부위별 하자 판정 서버(100)는 상기 사용자 단말(300)에게 촬영 가이드를 제공하고, 상기 사용자 단말(300)은 촬영된 이미지를 상기 촬영 가이드에 따라 하자영역을 분할하여 입력하되, 상기 촬영 가이드는 하자 부위 형태에 따라 평면, 점, 선, 우각, 방사형 또는 기타 형태로 분류되는 것을 특징으로 하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 시스템
|
| 2 |
2
제1항에 있어서, 상기 건물 부위별 하자 판정 서버(100)는,상기 영상정보 제공자(200)로부터 제공되는 학습 영상정보를 수집하거나, 상기 사용자 단말(300)이 입력하는 입력 영상정보를 수집하는 영상정보 수집 모듈(110);상기 영상정보 수집 모듈(110)이 수집한 학습 영상정보 및 입력 영상정보로부터 각각 하자 판정, 하자 영역 추출을 위해 일정한 조건을 생성하도록 전처리(Pre-processing)하는 이미지 전처리 모듈(120);상기 이미지 전처리 모듈(120)에 의해 전처리된 학습 영상정보에 대해 건물 부위별 하자정보 데이터를 도출하고, 상기 학습 영상정보에 상기 하자특성을 결합하여 학습용 하자 이미지를 생성하는 건물 부위별 하자정보 도출 모듈(130);신경망모델 또는 딥러닝모델로서, 상기 도출된 다수의 학습용 하자 이미지를 학습데이터로 활용하여 머신러닝을 이용하여 건축물 또는 시설물의 부위별 하자 특성을 상기 하자 특성 데이터로 구분하여 어느 하나의 상태에 해당하는지 여부를 학습하는 하자 판정모델 학습부(140);상기 하자 판정모델 학습부(140)에서 학습된 학습용 하자 이미지를 비교용 하자 이미지로 저장하는 하자 이미지 DB(150);상기 사용자 단말(300)에게 촬영 가이드를 제공하는 촬영 가이드 제공부(160);상기 이미지 전처리 모듈(120)에서 전처리된 입력 영상정보를 상기 하자 이미지 DB(150)에 저장된 비교용 하자 이미지에 따라 하자 자동 분류 및 추출하는 하자 자동 분류 및 추출 모듈(170); 및상기 하자 자동 분류 및 추출 모듈(170)에서 하자 판정 이미지를 상기 사용자 단말(300)에게 전송하는 하자 판정결과 및 이미지 전송부(180)를 포함하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 시스템
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서, 상기 하자정보 데이터의 하자 특성 데이터는 부위속성, 하자속성 및 하자영역 특성으로 이루어지되, 상기 부위속성은 건물 부위 및 부위형태를 포함하고, 상기 하자속성은 하자 종류, 하자 정도, 하자 공종 및 하자 영향을 포함하며, 상기 하자영역 특성은 하자영역 분할 및 하자영역 특성 추출을 포함하는 것을 특징으로 하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 시스템
|
| 5 |
5
제4항에 있어서, 상기 부위속성의 건물부위는 지붕, 외벽, 내벽, 바닥, 기둥, 보, 창 또는 문으로 분류되고, 상기 부위속성의 부위형태는 평면, 점, 선, 우각, 방사형 또는 기타 형태로 분류되는 것을 특징으로 하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 시스템
|
| 6 |
6
제4항에 있어서, 상기 하자속성의 하자 종류는 불량, 오염, 균열, 침하, 들뜸, 누수, 파손, 손상으로 분류되고, 상기 하자속성의 하자 정도는 없음, 경미, 하, 중, 대, 심각으로 분류되며, 상기 하자속성의 하자 공종은 자재, 시공, 관리, 노후 또는 사고로 분류되고, 상기 하자속성의 하자 영향은 열손실, 결로, 곰팡이, 미관 또는 안전으로 분류되는 것을 특징으로 하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 시스템
|
| 7 |
7
제4항에 있어서, 상기 하자영역 특성은 하자 발생부위로서 이미지 내의 특정영역의 색상, 질감, 형상에 대해 하자영역을 분류하여 표시하는 것을 특징으로 하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 시스템
|
| 8 |
8
제2항에 있어서, 상기 하자 판정모델 학습부(140)는신경망모델 또는 딥러닝모델로서, 건축물 또는 시설물의 부위별 하자 특성을 상기 하자 특성 데이터로 구분하여 어느 하나의 상태에 해당하는지 여부를 확인하도록 모델 연산을 통해 반복 학습하여 상기 하자 특성 데이터의 특성값을 추출하는 제1 하자 판정모델(141);상기 제1 하자 판정모델(141)에서 추출된 특성값을 통해 하자의 존재, 부위, 하자 속성을 상기 하자 특성 데이터별로 어느 하나의 상태에 해당하는지 판정하는 하자 특성 데이터별 하자 판정부(142); 및상기 학습을 반복 수행한 학습결과로서, 초기의 하자 특성 데이터를 수정하는 하자 특성 데이터 수정부(143)를 포함하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 시스템
|
| 9 |
9
제2항에 있어서, 상기 하자 이미지 DB(150)는,상기 영상정보 제공자(200)로부터 수집되는 학습 영상정보를 저장하는 학습 영상정보 DB(151);상기 건물 부위별 하자정보 도출 모듈(130)에서 도출되는 건물 부위별 하자정보 데이터가 결합된 학습용 하자 이미지를 저장하는 건물 부위별 하자정보 DB(152);상기 사용자 단말(300)이 입력한 입력 영상정보와 비교하도록 상기 하자 판정모델 학습부(140)에서 학습된 힉습용 하자 이미지를 비교용 하자 이미지로 저장하는 비교용 하자 이미지 DB(153); 및상기 하자 자동 분류 및 추출 모듈(170)에서 판정되어 상기 사용자 단말(300)에게 전송되는 하자 판정 이미지를 저장하는 하자 판정 이미지 DB(154)를 포함하되, 상기 하자 판정 이미지 DB(154)에 저장되는 하자 판정 이미지는 상기 비교용 하자 이미지로 활용되는 것을 특징으로 하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 시스템
|
| 10 |
10
삭제
|
| 11 |
11
삭제
|
| 12 |
12
삭제
|
| 13 |
13
a) 건물 부위별 하자 판정 서버(100)가 영상정보 제공자(200)로부터 제공되는 학습 영상정보로부터 비교용 하자 이미지 DB(153)를 구축하는 단계;b) 사용자 단말(300)이 입력 영상정보를 건물 부위별 하자 판정 서버(100)로 전송하는 단계;c) 상기 건물 부위별 하자 판정 서버(100)가 상기 입력 영상정보의 이미지를 전처리하는 단계;d) 상기 건물 부위별 하자 판정 서버(100)가 상기 전처리된 이미지의 하자영역을 분할 추출하는 단계;e) 상기 건물 부위별 하자 판정 서버(100)가 상기 전처리된 이미지의 특성을 분류하는 단계;f) 상기 건물 부위별 하자 판정 서버(100)가 하자 판정모델에 따라 상기 전처리된 이미지의 하자특성을 판정하는 단계; 및g) 상기 건물 부위별 하자 판정 서버(100)가 판정결과에 따른 하자 판정결과 및 하자 판정 이미지를 상기 사용자 단말(300)에게 전송하는 단계를 포함하되,상기 건물 부위별 하자 판정 서버(100)는 건물 부위별 하자에 대한 하자 특성 학습에 따라 하자 특성을 도출하여 하자 이미지 DB(150)를 구축하고, 상기 사용자 단말(300)이 입력하는 입력 영상정보의 하자 영역 분할 및 하자 특성 분류를 통해 하자를 판정하여 하자 판정 이미지를 생성하되, 상기 하자 판정 이미지는 이미지 데이터와 하자정보 데이터를 결합하여 생성되며, 상기 하자정보 데이터는 하자 특성 데이터 및 하자 영역 데이터로 이루어지며;상기 건물 부위별 하자 판정 서버(100)는 상기 사용자 단말(300)에게 촬영 가이드를 제공하고, 상기 사용자 단말(300)은 촬영된 이미지를 상기 촬영 가이드에 따라 하자영역을 분할하여 입력하되, 상기 촬영 가이드는 하자 부위 형태에 따라 평면, 점, 선, 우각, 방사형 또는 기타 형태로 분류되는 것을 특징으로 하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 방법
|
| 14 |
14
제13항에 있어서, 상기 a) 단계는,a-1) 상기 건물 부위별 하자 판정 서버(100)가 상기 영상정보 제공자(200)로부터 학습 영상정보를 수집하는 단계;a-2) 상기 건물 부위별 하자 판정 서버(100)가 수집된 학습 영상정보의 이미지를 전처리하는 단계;a-3) 상기 전처리된 이미지에 대해 건물 부위별 하자정보 데이터를 도출하는 단계;a-4) 상기 건물 부위별 하자정보 데이터가 결합된 학습용 하자 이미지를 생성하는 단계;a-5) 상기 생성된 학습용 하자 이미지에 하자 판정모델을 적용하는 단계; 및a-6) 상기 학습용 하자 이미지에 따른 비교용 하자 이미지 DB(153)를 구축하는 단계를 포함하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 방법
|
| 15 |
15
삭제
|
| 16 |
16
제13항에 있어서, 상기 하자정보 데이터의 하자 특성 데이터는 부위속성, 하자속성 및 하자영역 특성으로 이루어지되, 상기 부위속성은 건물 부위 및 부위형태를 포함하고, 상기 하자속성은 하자 종류, 하자 정도, 하자 공종 및 하자 영향을 포함하며, 상기 하자영역 특성은 하자영역 분할 및 하자영역 특성 추출을 포함하는 것을 특징으로 하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 방법
|
| 17 |
17
제16항에 있어서, 상기 하자속성의 하자 종류는 불량, 오염, 균열, 침하, 들뜸, 누수, 파손, 손상으로 분류되고, 상기 하자속성의 하자 정도는 없음, 경미, 하, 중, 대, 심각으로 분류되며, 상기 하자속성의 하자 공종은 자재, 시공, 관리, 노후 또는 사고로 분류되고, 상기 하자속성의 하자 영향은 열손실, 결로, 곰팡이, 미관 또는 안전으로 분류되는 것을 특징으로 하는 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 방법
|
