• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.155-158
• /
• 2019

최근 지능형 CCTV 관제 시스템에 대한 수요가 증가하고 있다. CCTV 영상 데이터의 양이 폭발적으로 증가하고 있어 이를 분석하기 위한 기술의 발전이 필요한 실정이다. 대부분의 지능형 CCTV 관제 시스템은 영상 속 객체를 찾고 이 객체의 메타데이터를 통해 지능형 관제 시스템을 수행한다. 하지만 영상 속 객체의 로그가 항상 정확하지 않다. 현재의 객체 인식 기술로는 CCTV 영상의 밝기, 해상도 조건에 따라 성능의 차이가 심하고, 영상의 프레임 대비 빠르게 움직인 CCTV 영상 속 모든 객체를 사람이 인식하는 정도로 인식하기 어렵다. 이러한 이동 객체의 크기, 위치를 분석한 메타데이터에는 에러가 포함되기 쉽다. 본 논문에서는 지능형 CCTV 관제 시스템에서 분석한 영상 속 객체의 프레임 메타데이터 에러를 학습기반 실시간 에러 필터링 알고리즘을 통해 개선하여 에러가 필터링된 데이터를 사용하는 지능형 관제 시스템의 정확도 향상에 기여 할 것을 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.966-967
• /
• 2015

영상감시, 특히 CCTV는 이미 보안에서 없어서는 안 될 큰 중심이 된지 오래지만 지속적인 기술 성장 못지않게 또 다른 첨단기술 및 기능 요구가 증가되고 있으며 그중에 하나가 CCTV 영상의 사각지대이다. CCTV는 다양한 목적을 위해 24시간 영상을 녹화하지만 현재 시스템으로 사각지대 없는 CCTV시스템은 다수의 카메라를 설치하여만 한다. 이는 높은 비용과 유지관리가 필요하게 되어 적재적소에 CCTV시스템 설치가 어려운 실정이다. 따라서 본 연구개발에서는 사각지대가 없는 CCTV 개발에 필요한 지능형 영상분석 시스템에 필요한 통합 관리 시스템을 설계하여 전체적인 시스템 개발 완료에 목표를 두고 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.312-312
• /
• 2011

최근 정보 통신의 발달에 따라 하천의 수위표, 제방, 수문 등을 관리하기 위해 수많은 CCTV가 설치되고 있다. 이들 CCTV는 하천 구조물의 상황을 감시할 수 있을 뿐 아니라, 하천의 유황 변화를 실시간으로 제공하고 있어, 홍수 방재 및 재해 대책 등에 효율적으로 활용되고 있다. 또한, 표면영상유속계(SIV, Surface Image Velocimetry)는 하천이나 수로의 표면 영상을 이용하여 유속을 측정하고 유량을 추정할 수 있는 장비이다. 표면영상 유속계는 수면에 나타나는 부유 쓰레기나 잔물결 등을 이용하여 하천 표면 유속을 측정할 수 있다. 이 두 기술을 연계하여, 수위표가 설치되어 있는 CCTV의 동영상에서 실시간으로 하천 유속을 측정할 수 있는 시스템을 개발하였다. 기존의 CCTV 시스템에서 나오는 영상 신호를 SIV에 직접 보내서, 초당 30프레임의 영상을 일정 간격으로 분석하여 유속을 산정하는 것이다. 여기에 수위계에서 나온 수위 자료를 덧붙여 유량을 추정하는 방법을 개발하였다. 개발된 방법을 서귀포시의 DVR에 수록되어 있던 영상 자료에 활용한 결과 측정하지 못하였던 유량을 산정할 수 있었다.

• Journal of Digital Contents Society
• /
• v.14 no.4
• /
• pp.447-454
• /
• 2013

As the surveillance CCTVs are increasing every year, big data image processing for the CCTV image data has become a hot issue. In this paper, we propose a Hadoop-based big data image processing technique to recognize a vehicle number from a large amount of automatic number plate images taken from CCTVs. We also implement the vehicle route tracking system that displays the moving path of the searched vehicle on Google Maps with the related information together. In order to evaluate the performance we compare and analysis the vehicle number recognition time for a lot of CCTV image data in Hadoop and the single PC environment.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10d
• /
• pp.195-200
• /
• 2007

CCTV(Close Circuit Television)는 화상정보를 특정 목적으로 특정 사용자에게 전달해주는 시스템이다. 회사, 쇼핑몰 등 큰 규모의 건물부터 아파트, 개인 상점에 이르기까지 많은 분야에서 CCTV를 설치하여 건물 내외의 영상을 촬영하여 보안을 위해 사용한다. 하지만 기존의 CCTV 시스템을 설치하기 위해 필요한 장비가 고가이기 때문에 일반 가정에서 CCTV를 설치하여 사용하기에는 경제적 부담이 있다. 그리고 CCTV를 제어하고 영상을 저장하기 위한 장비의 전원을 계속 켜두어야 하기 때문에 CCTV 시스템의 유지 및 사용하는데 드는 비용도 비싸다는 단점이 있다. 이 문제점들을 해결하기 위해 본 논문에서는 일반 가정에서 많이 사용하는 무선 공유기와 웹 카메라를 사용해서 가정용 CCTV 시스템을 설치하는 방법을 제안하고 구현한다. 제안된 방법은 무선 공유기에 웹 카메라를 연결하여 CCTV 시스템을 구현하고, 움직임이 감지될 경우 SMS 서비스를 사용하여 사용자에게 경고 메시지를 전송함으로써 저렴한 비용으로 침입에 대한 즉각적인 대응을 할 수 있는 서비스를 제공하는데 목적이 있다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.23 no.4
• /
• pp.462-469
• /
• 2019

According to the survey of Ministry of the Interior and Safety in Korea, The number of public and private CCTV reached over ten million and is still increasing. Also with improving Image Processing Technology, it is possible to obtain diverse information. Recently, various services using CCTV are being provided. Therefore it is necessary to ensure CCTV image integrity. However there is no system to prove events in film yet. In this paper, we suggest system model that can manage, use and authenticate CCTV. This model allows a CCTV film to be verified by other nearby CCTVs' data. This model ensures film's integrity by using blockchain. And also, It addresses privacy problem in CCTV and file size problem in blockchain by using not large film data but much smaller analyzed data.

• Journal of Digital Convergence
• /
• v.11 no.10
• /
• pp.359-366
• /
• 2013

Due to the development and market expansion of image analysis and recognition technology, video security such as CCTV cameras and digital storage devices, are required for real-time monitoring systems and intelligent video security systems. This includes the development of more advanced technologies. A rotatable PTZ camera, in a CCTV camera system, has a zoom function so you can acquire a precise picture. However it can cause blind spots, and can not monitor two or more moving objects at the same time. This study concerns, the intelligent tracking of multiple moving objects, CCTV systems, and methods of video surveillance. An intelligent video surveillance system is proposed. It can accurately shoot broad areas and track multiple objects at the same time, much more effectively than using one fixed camera for an entire area or two or more PTZ cameras.

• Journal of the Korea Convergence Society
• /
• v.8 no.3
• /
• pp.15-22
• /
• 2017

People generally believe that disaster forecast and warning systems and response systems are well established in the age of cutting edge technology. As a matter of fact, reliable systems to respond to disasters are not properly equipped, as we witnessed the Sewol ferry disaster in 2014. The existing forecast and warning systems are based on sensor information with low efficiency, and image information is only operated by monitoring staff manually. In addition, the interconnection between a warning system and a response system in order to decide how to cope with the recognized disaster is very insufficient. This paper introduces the CCTV based disaster recognition and real time crisis response system composed of the CCTV image recognition engine and the crisis response technique. This system has brought the possibility to overcome the limitations of existing sensor based forecast and warning systems, and to resolve the problems in the absence of monitoring staff when responding to crisis.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2011.06a
• /
• pp.161-163
• /
• 2011

최근 몇 년사이 CCTV에 대한 활용도와 중요성이 대두되고 있으며, CCTV의 해상도 또한 SD급 CCTV에서 HD급 CCTV로 대부분 전환되고 있는 상황이다. HD급 CCTV는 고화질, 고해상도를 제공하는 장점을 갖지만, 많은 데이터 량으로 인해 실시간 처리가 어려운 문제점 또한 포함하고 있다. 또한 CCTV는 지능형 CCTV로의 기술적인 진보를 거듭하고 있으며, 대표적인 solution으로 증강현실(AR:Augmented Reality)을 꼽을 수 있다. 본 논문에서는 HD-CCTV의 최대 장점이라고 할 수 있는 실시간 영상에 선박의 정보(AIS : Automatic Identification System)을 결합하여 실시간으로 항만을 모니터링 하는 시스템을 구현하였다. 또한 750mm Zoom Lens를 탑재한 PanTilt 장비를 이용하여 선박을 targeting 하는 시스템 또한 구현하였다. 증강현실을 이용하여 실시간 영상과 선박 정보를 결합하였으며, 이를 구현하기 위해 perspective projection 방법을 통해 3차원 공간좌표계를 2차원으로 투영하였다. 실시간 처리를 위해 입력영상을 Block으로 분할하여 목적 좌표를 검색하였으며, 선박정보의 부드러운 이동을 위해 Dead Reckon 기법과 linear prediction 방법을 이용하여 선박 위치를 예측하였다. 마지막으로 삼각측량법에 기반하여 현재 PanTilt 장비를 목적된 장소로 이동시키는 시스템을 구현하였다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.38 no.3
• /
• pp.269-279
• /
• 2020

Traffic estimation mainly involves surveying equipment such as automatic vehicle classification, vehicle detection system, toll collection system, and personnel surveys through CCTV (Closed Circuit TeleVision), but this requires a lot of manpower and cost. In this study, we proposed a method of estimating traffic volume using deep learning and stereo CCTV to overcome the limitation of not detecting the entire vehicle in case of single CCTV. COCO (Common Objects in Context) dataset was used to train deep learning models to detect vehicles, and each vehicle was detected in left and right CCTV images in real time. Then, the vehicle that could not be detected from each image was additionally detected by using affine transformation to improve the accuracy of traffic volume. Experiments were conducted separately for the normal road environment and the case of weather conditions with fog. In the normal road environment, vehicle detection improved by 6.75% and 5.92% in left and right images, respectively, than in a single CCTV image. In addition, in the foggy road environment, vehicle detection was improved by 10.79% and 12.88% in the left and right images, respectively.