KR102488182B1 - 머신러닝을 이용한 무인변전소 감시 시스템 및 그 동작 방법 - Google Patents
머신러닝을 이용한 무인변전소 감시 시스템 및 그 동작 방법 Download PDFInfo
- Publication number
- KR102488182B1 KR102488182B1 KR1020200076991A KR20200076991A KR102488182B1 KR 102488182 B1 KR102488182 B1 KR 102488182B1 KR 1020200076991 A KR1020200076991 A KR 1020200076991A KR 20200076991 A KR20200076991 A KR 20200076991A KR 102488182 B1 KR102488182 B1 KR 102488182B1
- Authority
- KR
- South Korea
- Prior art keywords
- intruder
- thermal imaging
- imaging camera
- information
- unmanned substation
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 85
- 238000010801 machine learning Methods 0.000 title claims description 20
- 238000000034 method Methods 0.000 title claims description 17
- 238000001931 thermography Methods 0.000 claims abstract description 126
- 238000004891 communication Methods 0.000 claims abstract description 44
- 230000004044 response Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000012806 monitoring device Methods 0.000 abstract description 16
- 238000011017 operating method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 241000270281 Coluber constrictor Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- OQZCSNDVOWYALR-UHFFFAOYSA-N flurochloridone Chemical compound FC(F)(F)C1=CC=CC(N2C(C(Cl)C(CCl)C2)=O)=C1 OQZCSNDVOWYALR-UHFFFAOYSA-N 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19617—Surveillance camera constructional details
- G08B13/1963—Arrangements allowing camera rotation to change view, e.g. pivoting camera, pan-tilt and zoom [PTZ]
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Alarm Systems (AREA)
Abstract
본 발명의 다양한 실시 예들은 무인변전소 감시 시스템 및 그 동작 방법에 관한 것으로서, 무인변전소 감시 시스템은 감시 장치와 감시 서버를 포함할 수 있다. 감시 장치는, 레이더 센서 및 열화상 카메라를 포함할 수 있다. 감시 서버는, 통신 회로, 메모리, 및 상기 통신 회로 및 상기 메모리와 연결된 프로세서를 포함하고, 상기 프로세서는, 무인변전소 주변에 배치된 레이더 센서 및 열화상 카메라 중 적어도 하나를 통해 획득된 정보에 기반하여 상기 무인변전소에 무단으로 침입하는 침입자를 감지하고, 상기 침입자의 이동 동선에 기반하여 상기 열화상 카메라의 각도를 조정하기 위한 제어 신호를 상기 통신 회로를 통해 상기 열화상 카메라로 송신하고, 상기 침입자와 연관된 열화상 카메라의 이미지를 상기 메모리에 저장할 수 있다. 다른 실시 예들도 가능하다.
Description
본 발명의 다양한 실시 예들은 머신러닝을 이용한 무인변전소 감시 시스템 및 그 동작 방법에 관한 것이다.
변전소는 발전소에서 생상한 전력을 송전선로나 배전선로를 통해 수용가로 보내는 과정에서 전압이나 전류의 변성 및 전력의 배분을 위해 설치되며, 특별고압전력을 이용하여 각각의 부하에 적정한 전력을 공급하는 설비들을 포함할 수 있다. 예를 들어, 변전소는 변압기, 단로기, 차단기, 조상설비, 피뢰기, 및 배전반 등의 설비를 포함할 수 있다. 이러한 변전소에 이상이 발생하면, 수용가에서 심각한 불편을 겪을 수 있으며, 빠른 조취를 취하지 않을 경우, 큰 사고나 화재가 발생할 수 있다. 따라서, 변전소의 이상 상태를 감지하기 위한 감시 방안(solution)이 요구될 수 있다.
본 발명의 배경기술은 대한민국 등록특허 제10-1008956호(2011.01.11 등록, 계통설비별 색상정보를 이용한 변전소 모니터링 시스템)에 개시되어 있다.
본 발명의 다양한 실시 예들은, 열화상 카메라 및 레이더 센서를 이용하여 무인변전소의 이상 상황을 감지하는 방법 및 장치에 관하여 개시한다.
본 발명의 다양한 실시 예들에 따른 감시 서버는, 통신 회로, 메모리, 및 상기 통신 회로 및 상기 메모리와 연결된 프로세서를 포함하고, 상기 프로세서는, 무인변전소 주변에 배치된 레이더 센서 및 열화상 카메라 중 적어도 하나를 통해 획득된 정보에 기반하여 무인변전소에 무단으로 침입하는 침입자를 감지하고, 상기 침입자의 이동 동선에 기반하여 상기 열화상 카메라의 각도를 조정하기 위한 제어 신호를 상기 통신 회로를 통해 상기 열화상 카메라로 송신하고, 상기 침입자와 연관된 열화상 카메라의 이미지를 상기 메모리에 저장할 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, 상기 레이더 센서 및 상기 열화상 카메라 중 적어도 하나를 통해 획득된 정보에 기반하여 상기 무인변전소 주변의 물체에 대한 정보를 식별하고, 상기 물체에 대한 정보에 기반하여 상기 물체의 이동 거리 및 이동 속도 중 적어도 하나를 식별하고, 상기 이동 거리 및 상기 이동 속도 중 적어도 하나가 지정된 조건을 만족하지 않는 경우, 상기 물체를 필터링할 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, 상기 침입자를 감지하는 동작의 적어도 일부로서, 상기 레이더 센서를 통해 물체에 대한 정보를 획득하고, 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 물체에 대한 정보에 대한 머신러닝(machine learning)을 수행함으로써, 상기 무인변전소에 무단으로 침입하는 침입자를 감지하며, 상기 물체에 대한 정보는, 물체의 위치 정보, 물체의 크기 정보, 및 물체의 이동 속도 정보 중 적어도 일부를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, 상기 침입자를 감지하는 동작의 적어도 일부로서, 상기 열화상 카메라를 통해 열화상 이미지를 획득하고, 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 열화상 이미지에 대한 머신러닝을 수행함으로써, 상기 무인변전소에 무단으로 침입하는 침입자를 감지할 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, 상기 침입자를 감지하는 동작의 적어도 일부로서, 상기 레이더 센서를 통해 상기 무인변전소 주변의 물체에 대한 정보를 획득하고, 상기 열화상 카메라를 통해 열화상 이미지를 획득하고, 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 물체에 대한 정보 및 상기 열화상 이미지에 대한 머신러닝을 수행함으로써, 상기 무인변전소에 무단으로 침입하는 침입자를 감지할 수 있다.
다양한 실시 예들에 따르면, 상기 감시 서버는, 출력 장치를 더 포함하고, 상기 프로세서는, 상기 침입자를 감지한 것에 응답하여, 상기 감시 서버의 관리자가 상기 침입자를 인지할 수 있도록, 상기 출력 장치를 통해 상기 무인변전소에 침입자가 감지됨을 나타내는 안내 정보를 출력할 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, 상기 침입자를 감지한 것에 응답하여, 상기 감시 서버의 관리자가 상기 침입자를 인지할 수 있도록, 상기 통신 회로를 통해 상기 무인변전소에 침입자가 감지됨을 나타내는 안내 정보를 상기 관리자의 휴대용 단말기로 송신할 수 있다.
본 발명의 다양한 실시 예들에 따른 감시 서버는, 통신 회로, 메모리, 및 상기 통신 회로 및 상기 메모리와 연결된 프로세서를 포함하고, 상기 프로세서는, 무인변전소 주변에 배치된 열화상 카메라를 통해 수신된 제1 열화상 이미지에 기반하여 상기 무인변전소의 온도를 식별하고, 상기 무인변전소의 적어도 일부 구역의 온도가 기준 온도 이상임을 식별한 경우, 상기 적어도 일부 구역의 위치에 기반하여 상기 열화상 카메라의 각도를 조장하기 위한 제어 신호를 상기 통신 회로를 통해 상기 열화상 카메라로 송신하고, 상기 각도가 조정된 열화상 카메라를 통해 제2 열화상 이미지를 수신하고, 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 제2 열화상 이미지에 대한 머신러닝(machine learning)을 수행함으로써, 상기 적어도 일부 구역에 발생한 화재를 감지할 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, 상기 무인변전소의 화재를 감지한 것에 응답하여, 상기 제2 열화상 이미지를 상기 메모리에 저장할 수 있다.
다양한 실시 예들에 따르면, 출력 장치를 더 포함하고, 상기 프로세서는, 상기 무인변전소의 화재를 감지한 것에 응답하여, 상기 감시 서버의 관리자가 화재 발생을 인지할 수 있도록, 상기 출력 장치를 통해 상기 무인변전소에 화재가 발생함을 나타내는 정보를 출력할 수 있다.
다양한 실시 예들에 따르면, 상기 프로세서는, 상기 무인변전소의 화재를 감지한 것에 응답하여, 상기 감시 서버의 관리자가 화재 발생을 인지할 수 있도록, 상기 통신 회로를 통해 상기 무인변전소에 화재가 발생함을 나타내는 정보를 상기 관리자의 휴대용 단말기로 송신할 수 있다.
본 발명의 다양한 실시 예들은, 열화상 카메라와 레이더 센서를 이용하여 무인변전소에 침입하는 무단 침입자를 감지하거나 무인변전소의 화재 등을 감지함으로써, 침입자 또는 화재에 의한 무인변전소의 손상을 최소화할 수 있다.
도 1은 다양한 실시 예들에 따른 무인변전소 감시 시스템의 블록도이다.
도 2는 다양한 실시 예들에 따른 무인변전소 감시 시스템에서 열화상 카메라와 레이더 센서의 배치를 나타낸 예시도이다.
도 3은 다양한 실시 예들에 따른 감시 서버의 블록도이다.
도 4는 다양한 실시 예들에 따른 감시 서버에서 무인변전소로 무단 침입하는 침입자를 감지하는 방법을 설명하기 위한 흐름도이다.
도 5는 다양한 실시 예들에 따른 감시 서버에서 무인변전소의 화재를 감지하는 방법을 설명하기 위한 흐름도이다.
도 2는 다양한 실시 예들에 따른 무인변전소 감시 시스템에서 열화상 카메라와 레이더 센서의 배치를 나타낸 예시도이다.
도 3은 다양한 실시 예들에 따른 감시 서버의 블록도이다.
도 4는 다양한 실시 예들에 따른 감시 서버에서 무인변전소로 무단 침입하는 침입자를 감지하는 방법을 설명하기 위한 흐름도이다.
도 5는 다양한 실시 예들에 따른 감시 서버에서 무인변전소의 화재를 감지하는 방법을 설명하기 위한 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 배전선로의 단선을 감지하는 시스템 및 그 동작 방법을 설명한다.
이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
실시 예 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B" 또는 "A 및/또는 B 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째", 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서, "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들어, 하드웨어적 또는 소프트웨어적으로 "~에 적합한", "~하는 능력을 가지는", "~하도록 변경된", "~하도록 만들어진", "~를 할 수 있는", 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들어, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 application processor)를 의미할 수 있다.
도 1은 다양한 실시 예들에 따른 무인변전소 감시 시스템의 블록도이다.
도 1을 참조하면, 무인변전소 감시 시스템(100)은 감시 장치(110) 및 감시 서버(120)를 포함할 수 있다.
다양한 실시 예들에 따르면, 감시 장치(110)는 무인변전소의 주변에 배치되며, 동작하는 동안 무인변전소로 무단 침입하는 침입자를 감지하거나 또는 화재 등의 이상 상태를 식별하기 위한 정보를 획득할 수 있다. 예를 들어, 감시 장치(110)는 레이더 센서(111) 및 열화상 카메라(113)를 통해 무인변전소로 무단 침입하는 침입자를 감지하거나 또는 화재 등의 이상 상태를 식별하기 위한 정보를 획득할 수 있다. 감시 장치(110)는 정보가 획득되면, 획득된 정보를 주기적으로, 비주기적으로, 또는 실시간으로 감시 서버(120)로 제공할 수 있다. 일 실시 예에 따르면, 레이더 센서(111)는 무인변전소 주변에 설치되며, 지정된 방향으로 전자기파를 방사하고, 물체로부터 반사된 전자기파를 수신하여 무인변전소 주변의 물체를 감지할 수 있다. 예를 들어, 레이더 센서(111)는 무인변전소 주변 물체의 위치(예: 좌표), 및 물체의 크기, 물체의 이동 속도 등에 대한 정보를 획득할 수 있다. 일 실시 예에 따르면, 열화상 카메라(113)는 무인변전소 주변에 설치되며, 무인변전소 주변의 열화상 이미지를 획득할 수 있다.
다양한 실시 예들에 따르면, 감시 서버(120)는 감시 장치(110)로부터 제공되는 정보에 기반하여 무인변전소로 무단 침입하는 침입자를 식별할 수 있다. 예를 들어, 감시 서버(120)는 무인변전소 주변에 설치된 레이더 센서(111) 및 열화상 카메라(113) 중 적어도 하나로부터 정보가 수신되면, 기 저장된 데이터베이스에 기반하여 수신된 데이터에 대한 머신러닝(machine learning)을 수행함으로써, 레이더 센서(111) 및 열화상 카메라(113) 중 적어도 일부로부터 감지된 물체가 무인변전소로 무단 침입하는 침입자인지 여부를 판단할 수 있다. 감시 서버(120)는 레이더 센서(111) 및 열화상 카메라(113) 중 적어도 일부로부터 감지된 물체가 무인변전소로 무단 침입하는 침입자인 경우, 관련 정보(예: 레이더 센서(111) 및/또는 열화상 카메라(113)로부터 획득된 정보)를 저장하고, 침입자로 판단된 물체의 이동 동선에 기반하여 열화상 카메라(113)의 각도를 조정할 수 있다. 일 실시 예에 따르면, 감시 서버(120)는 무인변전소의 침입자를 식별한 경우, 감시 서버(120)의 관리자에게 무인변전소에 침입자가 발생함을 나타내는 정보를 제공할 수 있다. 예를 들어, 감시 서버(120)는 출력 장치를 통해 무인변전소에 침입자가 발생함을 나타내는 정보를 출력할 수 있다. 다른 예를 들어, 감시 서버(120)는 관리자의 휴대용 단말기로 무인변전소에 침입자가 발생함을 나타내는 정보를 송신할 수 있다.
다양한 실시 예들에 따르면, 감시 서버(120)는 감시 장치(110)로부터 제공되는 정보에 기반하여 무인변전소에서 발생한 화재를 식별할 수 있다. 예를 들어, 감시 서버(120)는 무인변전소 주변에 설치된 열화상 카메라(113)로부터 열화상 이미지가 수신되면, 열화상 이미지에 기반하여 무인변전소의 적어도 일부 구역의 온도가 기준 온도 이상인지 여부를 결정하고, 변전소의 적어도 일부 구역의 온도가 기준 온도 이상이고, 지속적으로 온도 변화(예: 증가)가 감지되면, 해당 구역에 화재가 발생한 것으로 판단할 수 있다. 일 실시 예에 따르면, 감시 서버(120)는 무인변전소의 화재를 감지한 경우, 지속적으로 무인변전소의 온도 변화를 추적함으로써, 화재의 경로를 식별하고, 식별된 화재의 경로에 대한 정보를 감시 서버(120)의 관리자에게 제공할 수 있다. 예를 들어, 감시 서버(120)는 출력 장치를 통해 화재의 경로에 대한 정보를 출력하거나 또는 관리자의 휴대용 단말기로 화재의 경로에 대한 정보를 송신할 수 있다. 일 실시 예에 따르면, 감시 서버(120)는 무인변전소의 화재를 감지한 경우, 무인변전소에 화재가 발생함을 나타내는 정보를 관리자에게 제공할 수 있다. 예를 들어, 감시 서버(120)는 출력 장치를 통해 무인변전소에 화재가 발생함을 나타내는 정보를 출력하거나 또는 관리자의 휴대용 단말기로 무인변전소에 화재가 발생함을 나타내는 정보를 송신할 수 있다.
상술한 바와 같이, 무인변전소 감시 시스템(100)은, 감시 장치(110)를 통해 획득된 정보를 이용하여 무인변전소에 무단 침입하는 침입자를 감지하거나 또는 무인변전소에서 발생한 화재를 감지하여 관리자에게 안내함으로써, 침입자 또는 화재에 의한 무인변전소의 손상을 최소화할 수 있다.
도 2는 다양한 실시 예들에 따른 무인변전소 감시 시스템에서 열화상 카메라와 레이더 센서의 배치를 나타낸 예시도이다.
도 2를 참조하면, 변전소(201)(또는 무인변전소) 주변에는, 복수의 열화상 카메라(211, 213, 215, 217) 및 복수의 레이더 센서(221, 223, 225, 227)가 배치될 수 있다.
다양한 실시 예들에 따르면, 복수의 열화상 카메라(211, 213, 215, 217)는 변전소(201) 및 변전소(201)의 주변을 촬영하도록 배치될 수 있다. 일 실시 예에 따르면, 복수의 열화상 카메라(211, 213, 215, 217) 각각의 하드웨어 스펙(hardware spec)(예: 화각(angle of view))은 동일하거나 또는 동일하지 않을 수 있다. 일 실시 예에 따르면, 복수의 열화상 카메라(221, 213, 215, 217)는 동작하는 동안, 변전소(201) 및 변전소(201)의 주변을 촬영하며, 촬영된 열화상 이미지를 주기적으로, 비주기적으로, 또는 실시간으로 감시 서버(예: 도 2의 감시 서버(120))로 송신할 수 있다. 이 경우, 감시 서버는, 열화상 카메라로부터 송신된 열화상 이미지를 이용하여 변전소(201)에 무단으로 침입하는 침입자를 감지하거나 또는 변전소(201)에서 발생한 화재를 감지할 수 있다.
다양한 실시 예들에 따르면, 복수의 열화상 카메라(211, 213, 215, 217)는 감시 서버의 제어에 따라 각도가 조정될 수 있다. 예를 들어, 감시 서버가 복수의 열화상 카메라(211, 213, 215, 217) 중 적어도 일부 열화상 카메라를 통해 획득된 열화상 이미지에 기반하여 변전소(201)에 무단 침입하는 침입자를 감지한 경우, 감시 서버의 제어에 따라 무단 침입자를 추적하도록 일부 열화상 카메라의 각도가 조정될 수 있다. 다른 예를 들어, 감시 서버가 복수의 열화상 카메라(211, 213, 215, 217) 중 적어도 일부 열화상 카메라를 통해 획득된 열화상 이미지에 기반하여 변전소(201)의 화재를 감지한 경우, 감시 서버의 제어에 따라 화재의 경로를 추적하도록 일부 열화상 카메라의 각도가 조정될 수 있다.
다양한 실시 예들에 따르면, 복수의 레이더 센서(221, 223, 225, 227)는 변전소(201) 및 변전소(201)의 주변의 물체를 감지하도록 배치될 수 있다. 일 실시 예에 따르면, 복수의 레이더 센서(221, 223, 225, 227) 각각의 하드웨어 스펙(hardware spec)(예: 물체 감지 거리)은 동일하거나 또는 동일하지 않을 수 있다. 일 실시 예에 따르면, 복수의 레이더 센서(221, 223, 225, 227)는 동작하는 동안 변전소(201) 및 변전소(201) 주변의 물체를 감지하며, 감지된 물체에 대한 정보(예: 위치(예: 좌표), 및 물체의 크기, 및 물체의 이동 속도 등)를 주기적으로, 비주기적으로, 또는 실시간으로 감시 서버로 송신할 수 있다. 이 경우, 감시 서버는, 열화상 카메라로부터 송신된 열화상 이미지를 이용하여 변전소(201)에 무단으로 침입하는 침입자를 감지할 수 있다.
상술한 바와 같이, 본 발명에서 제안하는 감시 장치는, 변전소(201) 주변에 배치되어, 변전소(201)로 무단 침입하는 침입자를 감지하거나 또는 변전소(201)에서 발생한 화재 등을 감지하는데 사용될 수 있는 정보(예: 열화상 이미지 또는 레이더 정보)를 감시 서버에 제공할 수 있다.
도 3은 다양한 실시 예들에 따른 감시 서버의 블록도이다.
도 3을 참조하면, 감시 서버(120)는, 프로세서(121), 메모리(123), 입력 장치(125), 출력 장치(127), 및 통신 회로(129)를 포함할 수 있다. 일 실시 예에 따르면, 감시 서버(120)는 상술한 구성 요소들 중 적어도 일부(예: 입력 장치(125) 또는 출력 장치(127))를 포함하지 않거나 상술한 구성 요소들 이외에 추가적인 구성 요소를 더 포함할 수도 있다.
다양한 실시 예들에 따르면, 프로세서(121)는 소프트웨어를 실행하여 프로세서(121)에 연결된 감시 서버(120)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시 예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(121)는 다른 구성요소(예: 입력 장치(125)) 또는 통신 회로(129))로부터 수신된 명령 또는 데이터를 메모리(123)에 로드하고, 메모리(123)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 메모리(123)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 메인 프로세서(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서는 메인 프로세서보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서는 메인 프로세서와 별개로, 또는 그 일부로서 구현될 수 있다.
다양한 실시 예들에 따르면, 프로세서(121)는 감시 장치(110)로부터 무인변전소를 무단으로 침입하는 침입자를 감지하기 위한 정보를 획득할 수 있다. 예를 들어, 프로세서(121)는 통신 회로(129)를 통해 무인변전소 주변에 배치된 레이더 센서(111)로부터 무인변전소 주변의 물체에 대한 정보(예: 위치, 크기, 및 이동 속도 등)를 획득할 수 있다. 다른 예를 들어, 프로세서(121)는 통신 회로(129)를 통해 무인변전소 주변에 배치된 열화상 카메라(113)로부터 무인변전소 및 무인변전소 주변을 촬영한 열화상 이미지를 획득할 수 있다.
다양한 실시 예들에 따르면, 프로세서(121)는 감시 장치(110)로부터 획득된 정보에 기반하여 무인변전소에 무단으로 침입하는 침입자를 감지할 수 있다. 예를 들어, 프로세서(121)는 레이더 센서(111)로부터 무인변전소 주변의 물체에 대한 정보가 획득되면, 메모리(123)에 기 저장된 데이터베이스를 이용하여 획득된 정보에 대한 머신러닝을 수행함으로써, 레이더 센서(111)를 통해 감지한 물체가 침입자인지 여부를 결정할 수 있다. 다른 예를 들어, 프로세서(121)는 열화상 카메라(113)로부터 무인변전소 및 무인변전소 주변을 촬영한 열화상 이미지가 획득되면, 메모리(123)에 기 저장된 데이터베이스를 이용하여 열화상 이미지에 대한 머신러닝을 수행함으로써, 열화상 이미지에 포함된 물체가 침입자인지 여부를 결정할 수 있다. 무인변전소의 주변 사물(예: 나무)의 경우, 움직임의 변위가 제한적이고, 무인변전소의 관리자(또는 비침입자)의 경우, 이동 경로(또는 행동 패턴)이 고정되며, 무인변전소의 침입자의 경우, 이동 경로가 고정되지 않기 때문에(또는 상술한 행동 패턴과 상이하기 때문에), 프로세서(121)는 이를 고려한 머신러닝을 이용하여 침입자 여부를 판단할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 물체의 이동 거리 및 이동 속도 중 적어도 하나에 기반하여 물체의 필터링 여부를 결정할 수 있다. 예를 들어, 프로세서(121)는 레이더 센서(111)를 통해 물체에 대한 정보가 획득되면, 물체에 대한 정보에 기반하여 물체의 이동 거리 및 이동 속도를 식별하고, 물체의 이동 거리가 기준거리 이하이고, 물체의 이동 속도가 기준 속도 이하이면, 해당 물체를 침입자와 무관한 물체(예: 흔들리는 나무 또는 동물 등)로 간주하여, 해당 물체를 필터링(또는 물체가 감지되지 않은 것으로 판단)할 수 있다. 다른 예를 들어, 프로세서(121)는 열화상 카메라(113)를 통해 획득된 열화상 이미지를 분석함으로써, 물체의 이동 거리 및 이동 속도를 식별하고, 물체의 이동 거리가 기준거리 이하이고, 물체의 이동 속도가 기준 속도 이하이면, 해당 물체를 침입자와 무관한 물체(예: 흔들리는 나무 또는 동물 등)로 간주하여, 해당 물체를 필터링(또는 물체가 감지되지 않은 것으로 판단)할 수 있다.
다양한 실시 예들에 따르면, 프로세서(121)는 무인변전소에 무단으로 침입하는 침입자를 감지한 것에 응답하여, 열화상 카메라(113)의 각도를 조정할 수 있다. 예를 들어, 프로세서(121)는 레이더 센서(111) 및 열화상 카메라(113) 중 적어도 하나로부터 획득된 정보를 이용하여 침입자를 감지하면, 침입자의 열화상 이미지를 지속적으로 촬영하기 위해(또는 추적하기 위해) 침입자의 이동 동선을 고려하여 통신 회로(129)를 통해 열화상 카메라(113)의 각도를 조정하는 제어 신호를 열화상 카메라(113)로 송신할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 무인변전소에 배치된 복수의 열화상 카메라 중 특정 열화상 카메라를 통해 침입자를 추적하던 중 침입자가 특정 열화상 카메라를 통해 촬영할 수 없는 지역으로 이동한 경우, 다른 열화상 카메라를 이용하여 침입자를 지속적으로 추적할 수 있다. 예를 들어, 프로세서(121)는 특정 열화상 카메라를 통해 촬영 중인 침입자가 특정 열화상 카메라로 촬영할 수 없는 위치로 이동한 경우, 마지막으로 촬영된 침입자의 위치(또는 좌표)에 기반하여 무인변전소의 주변에 배치된 복수의 열화상 카메라 중 침입자를 촬영할 수 있는 적어도 하나의 열화상 카메라를 결정하고, 결정된 적어도 하나의 열화상 카메라를 이용하여 침입자를 지속적으로 추적할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 열화상 카메라(113)를 통해 침입자를 추적하는 동안, 침입자가 열화상 카메라(113)를 통해 촬영할 수 없는 위치로 이동하더라도, 레이더 센서(111)를 이용하여 침입자의 위치를 지속적으로 추적할 수 있다.
다양한 실시 예들에 따르면, 프로세서(121)는 무인변전소에 무단으로 침입하는 침입자를 감지한 것에 응답하여, 침입자가 촬영된 열화상 이미지를 메모리(123)에 저장할 수 있다. 이러한 열화상 이미지는, 추후 증거 자료로 활용될 수 있다. 일 실시 예에 따르면, 프로세서(121)는 열화상 이미지를 저장함과 동시에, 감시 서버(120)의 관리자에게 무인변전소에 무단으로 침입한 침입자가 감지됨을 나타내는 정보를 제공할 수 있다. 예를 들어, 프로세서(121)는 출력 장치(127)를 통해 무인변전소에 무단으로 침입한 침입자가 감지됨을 나타내는 정보를 출력할 수 있다. 다른 예를 들어, 프로세서(121)는 통신 회로(129)를 통해 기 설정된 휴대용 단말기(예: 감시 서버(120)의 관리자의 휴대용 단말기)로 무인변전소에 무단으로 침입한 침입자가 감지됨을 나타내는 정보를 송신할 수 있다.
다양한 실시 예들에 따르면, 프로세서(121)는 감시 장치(110)로부터 무인변전소의 화재를 감지하기 위한 정보를 획득할 수 있다. 예를 들어, 프로세서(121)는 통신 회로(129)를 통해 무인변전소 주변에 배치된 열화상 카메라(113)로부터 무인변전소 및 무인변전소 주변을 촬영한 열화상 이미지를 획득할 수 있다.
다양한 실시 예들에 따르면, 프로세서(121)는 감시 장치(110)로부터 획득된 정보에 기반하여 무인변전소의 화재를 감지할 수 있다. 예를 들어, 프로세서(121)는 열화상 카메라(113)로부터 무인변전소 및 무인변전소 주변을 촬영한 열화상 이미지가 획득되면, 획득된 이미지를 분석함으로써, 무인변전소의 적어도 일부 구역의 온도가 기준 온도 이상인지 여부를 결정하고, 무인변전소의 적어도 일부 구역의 온도가 기준 온도 이상인 경우, 해당 구역을 집중적으로 체크하기 위해 열화상 카메라(113)의 각도를 조정하는 제어 신호를 열화상 카메라(113)로 송신하고, 각도가 조정된 열화상 카메라(113)를 통해 획득되는 열화상 이미지를 다시 분석함으로써, 해당 구역에 화재가 발생했는지 여부를 결정할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 메모리(123)에 기 저장된 데이터베이스를 이용하여 열화상 이미지에 대한 머신러닝을 수행함으로써, 화재 발생 여부를 판단할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 열화상 이미지로부터 식별된 무인변전소의 구역들의 온도 변화에 기반하여 화재의 발생 경로를 식별할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 열화상 카메라(113)를 통해 촬영한 이미지를 지속적으로 학습함으로써, 머신러닝 알고리즘의 정확도를 향상시킬 수 있다. 예를 들어, 프로세서(121)는 침입자 검출 여부와 상관없이, 열화상 카메라(113)로부터 획득된 열화상 이미지 상의 물체의 종류(예: 사람 또는 동물 등) 및 침입 유형에 대한 정보를 해당 열화상 이미지 상에 태깅(tagging)하고, 태깅 정보를 포함하는 열화상 이미지를 통해 학습을 수행함으로써, 머신러닝 알고리즘의 정확도를 향상시킬 수 있다. 여기서, 열화상 이미지에 태깅되는 정보는, 관리자로부터 입력되는 정보에 기반하여 생성되거나 또는 프로세서(121)가 머신러닝 과정을 통해 식별하는 정보에 기반하여 자동으로 생성될 수 있다.
다양한 실시 예들에 따르면, 프로세서(121)는 무인변전소의 화재를 감지한 것에 응답하여, 화재가 감지된 열화상 이미지를 메모리(123)에 저장할 수 있다. 이러한 열화상 이미지는 추후 화재 발생 경로를 파악하기 위한 자료로 활용될 수 있다. 일 실시 예에 따르면, 프로세서(121)는 열화상 이미지를 저장함과 동시에, 감시 서버(120)의 관리자에게 무인변전소에 화재가 발생함을 나타내는 정보를 제공할 수 있다. 예를 들어, 프로세서(121)는 출력 장치(127)를 통해 무인변전소에 화재가 발생함을 나타내는 정보를 출력할 수 있다. 다른 예를 들어, 프로세서(121)는 통신 회로(129)를 통해 기 설정된 휴대용 단말기(예: 감시 서버(120)의 관리자의 휴대용 단말기)로 무인변전소에 화재가 발생함을 나타내는 정보를 송신할 수 있다.
다양한 실시 예들에 따르면, 프로세서(121)는 무인변전소에 무단으로 침입하는 침입자를 감지하기 위한 프로세스와 무인변전소의 화재를 감지하기 위한 프로세스를 병렬적으로 수행할 수 있다.
다양한 실시 예들에 따르면, 메모리(123)는, 감시 서버(120)의 적어도 하나의 구성요소(예: 프로세서(121))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(123)는, 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다.
다양한 실시 예들에 따르면, 입력 장치(125)는 감시 서버(120)의 구성요소(예: 프로세서(121))에 사용될 명령 또는 데이터를 감시 서버(120)의 외부(예: 관리자)로부터 수신할 수 있다. 입력 장치(125)는, 예를 들면, 마이크, 마우스, 키보드, 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
다양한 실시 예들에 따르면, 출력 장치(127)는 감시 서버(120)의 외부(예: 관리자)로 정보를 시각적으로 제공할 수 있다. 출력 장치(117)는, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 출력 장치(127)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
다양한 실시 예들에 따르면, 출력 장치(127)는 음향 신호를 감시 서버(120)의 외부(예: 관리자)로 출력할 수 있다. 출력 장치(127)는, 예를 들면, 스피커를 포함할 수 있다.
다양한 실시 예들에 따르면, 통신 회로(129)는 감시 서버(200)와 외부 전자 장치(예: 감시 장치(110)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 회로(129)는 프로세서(121)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 회로(129)는 무선 통신 모듈(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다.
도 4는 다양한 실시 예들에 따른 감시 서버에서 무인변전소로 무단 침입하는 침입자를 감지하는 방법을 설명하기 위한 흐름도이다.
도 4를 참조하면, 동작 401에서, 감시 서버(예: 도 1 및 도 3의 감시 서버(120))의 프로세서(예: 도 3의 프로세서(121))는 레이더 센서(예: 도 1의 레이더 센서(111) 또는 도 2의 레이더 센서(221, 223, 225, 또는 227)) 및 열화상 카메라(예: 도 1의 열화상 카메라(113) 또는 도 2의 열화상 카메라(211, 213, 215, 또는 217)) 중 적어도 하나를 통해 획득된 정보에 기반하여 무인변전소에 무단으로 침입하는 침입자를 검출(또는 감지)할 수 있다. 예를 들어, 프로세서(121)는 레이서 센서(111)로부터 획득되는 정보에 기반하여 무인변전소 주변에 위치한 물체의 위치 변화, 크기, 및 이동 속도 중 적어도 일부를 식별하고, 식별된 정보에 대한 머신러닝을 수행함으로써, 레이더 센서(111)를 통해 감지된 물체가 무인변전소에 무단으로 침입하는 침입자임을 식별할 수 있다. 다른 예를 들어, 프로세서(121)는 열화상 카메라를 통해 기반하여 무인변전소 주변에 위치한 물체의 열화상 이미지를 획득하고, 획득된 열화상 이미지에 대한 머신러닝을 수행함으로써, 열화상 이미지에 포함된 물체가 무인변전소에 무단으로 침입하는 침입자임을 식별할 수 있다. 또 다른 예를 들어, 프로세서(121)는 레이더 센서(111)와 열화상 카메라(113)로부터 획득되는 정보를 종합적으로 이용하여 레이더 센서(111)와 열화상 카메라(113)로부터 획득된 정보에 포함된 물체가 무인변전소에 무단으로 침입하는 침입자임을 식별할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 물체의 이동 거리 및 이동 속도 중 적어도 하나를 고려하여 식별된 물체를 필터링할 수 있다. 예를 들어, 프로세서(121)는 레이더 센서(111) 또는 열화상 카메라를 통해 물체를 감지하면, 물체의 이동 거리 및 이동 속도 중 적어도 하나를 식별하고, 식별된 물체의 이동 거리가 기준 거리 이하이고, 식별된 물체의 이동 속도가 기준 속도 이하이면, 해당 물체를 필터링(또는 무시)할 수 있다.
동작 403에서, 프로세서(121)는 침입자를 검출한 것에 응답하여, 침입자의 이동 동선에 기반하여 열화상 카메라(113)의 각도를 조정할 수 있다. 예를 들어, 프로세서(121)는 레이더 센서(111) 및 열화상 카메라(113) 중 적어도 하나를 통해 침입자를 검출한 경우, 검출된 침입자의 이동 동선을 식별하고, 열화상 카메라(113)라 침입자를 추적할 수 있도록 식별된 이동 동선에 기반하여 열화상 카메라(113)의 각도를 조정하는 제어 신호를 통신 회로(129)를 통해 열화상 카메라(113)로 송신할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 침입자를 추적할 수 있는 열화상 카메라가 복수인 경우, 복수의 열화상 카메라의 각도를 모두 조정하거나 또는 복수의 열화상 카메라 중 침입자와 가장 인접한 하나의 열화상 카메라의 각도만 조정할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 열화상 카메라(113)의 각도뿐만 아니라, 배율(예: 확대 또는 축소)을 함께 조정할 수 있다. 예를 들어, 프로세서(121)는 침입자의 위치에 기반하여 침입자와 열화상 카메라(113) 간의 거리를 식별하고, 식별된 거리에 기반하여 열화상 카메라(113)의 배율을 조정하기 위한 제어 신호를 생성하고, 생성된 제어 신호를 열화상 카메라(113)의 각도를 조정하기 위한 제어 신호와 함께 열화상 카메라(113)로 송신할 수 있다. 일 실시 예에 따르면, 무인변전소에 구비된 복수의 열화상 카메라 중 특정 열화상 카메라를 통해 침입자를 추적하는 동안, 침입자가 특정 열화상 카메라를 통해 촬영할 수 없는 위치(예: 건물 또는 나무 뒤 등)로 이동하는 경우, 프로세서(121)는 침입자를 촬영할 수 있는 다른 열화상 카메라를 이용하여 침입자의 추적을 유지할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 무인변전소로 접근하는 침입자가 검출된 것에 응답하여, 무인변전소 주변에 배치된 출력 장치를 통해 경고 방송을 출력할 수 있다. 예를 들어, 프로세서(121)는 변전소 주변에 배치된 복수의 출력 장치(예: 디스플레이 또는 스피커) 중 침입자와 가까운 위치에 배치된 적어도 하나의 출력 장치를 결정하고, 결정된 출력 장치로 경고 방송을 송신할 수 있다. 다른 예를 들어, 프로세서(121)는 변전소 주변에 배치된 복수의 출력 장치로 경고 방송을 출력할 수 있다.
동작 405에서, 프로세서(121)는 침입자와 연관된 열화상 카메라의 이미지를 메모리(123)에 저장할 수 있다. 예를 들어, 프로세서(121)는 침입자를 추적하여 촬영된 열화상 이미지를 메모리(123)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 열화상 이미지를 메모리(123)에 저장한 후(또는 저장하기 전, 또는 저장함과 동시에), 감시 서버(120)의 관리자에게 무인변전소에 무단으로 침입한 침입자가 감지되었음을 나타내는 정보를 제공할 수 있다. 예를 들어, 프로세서(121)는 출력 장치(127)를 통해 무인변전소에 무단으로 침입한 침입자가 감지되었음을 나타내는 정보를 출력하거나 또는 통신 회로(129)를 통해 관리자의 휴대용 단말기로 무인변전소에 무단으로 침입한 침입자가 감지되었음을 나타내는 정보를 송신할 수 있다.
상술한 바와 같이, 감시 서버(120)는 무인변전소에 무단으로 침입하는 침입자를 감지하여 관리자에게 안내함으로써, 침입자에 의해 무인변전소에 사고가 발생하는 것을 방지할 수 있다. 또한, 침입자가 촬영된 열화상 이미지를 저장함에 따라, 추후 증거 자료로 활용할 수 있다.
도 5는 다양한 실시 예들에 따른 감시 서버에서 무인변전소의 화재를 감지하는 방법을 설명하기 위한 흐름도이다.
도 5를 참조하면, 동작 501에서, 감시 서버(예: 도 1 및 도 3의 감시 서버(120))의 프로세서(예: 도 3의 프로세서(121))는 열화상 카메라(예: 도 1의 열화상 카메라(113))를 통해 획득된 정보에 기반하여 변전소(또는 무인변전소)의 적어도 일부 구역의 온도 변화를 식별할 수 있다. 예를 들어, 프로세서(121)는 열화상 카메라(113)로부터 열화상 이미지가 수신되면, 수신된 열화상 이미지를 분석함으로써, 무인변전소 구역들의 온도를 지속적으로 식별할 수 있다.
동작 503에서, 프로세서(121)는 열화상 카메라의 각도를 조정할 수 있다. 예를 들어, 프로세서(121)는 무인변전소의 적어도 일부 구역의 온도가 기준 온도 이상임을 식별한 경우, 해당 구역의 열화상 이미지를 집중적으로 획득하기 위해, 해당 구역이 촬영 가능한 열화상 카메라(113)의 각도를 조정하는 제어 신호를 통신 회로(129)를 통해 해당 열화상 카메라(113)로 송신할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 기준 온도 이상인 구역을 촬영할 수 있는 열화상 카메라(113)가 복수인 경우, 복수의 열화상 카메라 모두의 각도를 조정하거나 또는 복수의 열화상 카메라 중 촬영에 가장 용이한(예: 해당 구역과 가장 인접한) 하나의 열화상 카메라의 각도만 조정할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 열화상 카메라(113)의 각도뿐만 아니라, 배율을 함께 조정할 수도 있다. 예를 들어, 프로세서(121)는 침입자의 위치에 기반하여 침입자와 열화상 카메라(113) 간의 거리를 식별하고, 식별된 거리에 기반하여 열화상 카메라(113)의 배율을 조정하는 제어 신호를 생성하고, 생성된 제어 신호를 각도를 조정하기 위한 제어 신호와 함께 열화상 카메라(113)로 송신할 수 있다.
동작 505에서, 프로세서(121)는 각도가 조정된 열화상 카메라(113)를 통해 획득된 정보에 기반하여 화재를 검출할 수 있다. 예를 들어, 프로세서(121)는 각도가 조정된 열화상 카메라(113)를 통해 열화상 이미지가 획득되면, 메모리(123)에 기 저장된 데이터베이스를 이용하여 획득된 열화상 이미지에 대한 머신러닝을 수행함으로써, 열화상 이미지로 촬영한 구역에 화재가 발생했는지 여부를 판단할 수 있다.
동작 507에서, 프로세서(121)는 화재를 검출한 것에 응답하여, 화재와 연관된 열화상 카메라의 열화상 이미지를 메모리(123)에 저장할 수 있다. 예를 들어, 프로세서(121)는 화재가 검출된 열화상 이미지를 메모리(123)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 화재를 검출한 이후에도 열화상 카메라(113)를 이용하여 지속적으로 열화상 이미지를 획득하여 분석함으로써, 화재의 경로를 분석하고, 분석된 화재의 경로에 대한 정보를 감시 서버(120)의 관리자에게 제공할 수 있다. 일 실시 예에 따르면, 프로세서(121)는 열화상 이미지를 메모리(123)에 저장한 후(또는 저장하기 전, 또는 저장함과 동시에), 감시 서버(120)의 관리자에게 무인변전소에 화재가 발생함을 나타내는 정보를 제공할 수 있다. 예를 들어, 프로세서(121)는 출력 장치(127)를 통해 무인변전소에 화재가 발생함을 나타내는 정보를 출력하거나 또는 통신 회로(129)를 통해 관리자의 휴대용 단말기로 무인변전소에 화재가 발생함을 나타내는 정보를 송신할 수 있다.
상술한 바와 같이, 감시 서버(120)는 무인변전소의 화재 발생을 감지하여 관리자에게 안내함으로써, 무인변전소의 화재가 확산되는 것을 방지할 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시 예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
다양한 실시 예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시 예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
100: 무인변전소 감시 시스템
110: 감시 장치
111: 레이더 센서
113: 열화상 카메라
120: 감시 서버
110: 감시 장치
111: 레이더 센서
113: 열화상 카메라
120: 감시 서버
Claims (11)
- 감시 서버에 있어서, 상기 감시 서버는,
통신 회로;
메모리;
출력 장치; 및
상기 통신 회로 및 상기 메모리와 연결되고, 무인변전소 주변에 배치된 레이더 센서 및 복수의 열화상 카메라를 통해 획득된 정보에 기반하여, 상기 무인변전소 주변의 물체에 대한 정보를 획득하고, 상기 복수의 열화상 카메라를 통해 열화상 이미지를 획득하고, 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 물체에 대한 정보에 대하여 머신러닝(machine learning)을 수행함으로써, 상기 무인변전소 주변의 물체에 대한 정보를 식별하고, 상기 물체에 대한 정보에 기반하여 상기 물체의 위치 변화, 크기, 이동 거리 및 이동 속도를 식별하며, 상기 무인변전소에 무단으로 침입하는 침입자를 감지하고, 상기 복수의 열화상 카메라를 통해 일부 구역에 발생한 화재를 감지하는 프로세서; 를 포함하고,
상기 프로세서는,
상기 물체의 이동 거리가 기준거리 이하이고, 상기 물체의 이동 속도가 기준 속도 이하이면, 해당 물체를 상기 침입자와 무관한 물체인 것으로 판단하여 필터링하고,
상기 침입자의 이동 동선에 기반하여 상기 복수의 열화상 카메라 중 상기 침입자의 위치와 인접한 어느 하나의 열화상 카메라의 각도를 조정하기 위한 제어 신호를 생성하고 상기 열화상 카메라의 배율을 조정하는 제어 신호를 생성하여 상기 통신 회로를 통해 상기 열화상 카메라로 송신하고,
상기 침입자의 위치에 기반하여 상기 침입자와 상기 열화상 카메라 간의 거리를 식별하고, 식별된 거리에 기반하여 상기 열화상 카메라의 배율을 조정하기 위한 제어 신호를 생성하고, 생성된 제어 신호를 상기 열화상 카메라의 각도를 조정하기 위한 제어 신호와 함께 상기 열화상 카메라로 송신하고,
상기 복수의 열화상 카메라 중 특정 열화상 카메라를 통해 침입자를 추적하던 중 침입자가 특정 열화상 카메라를 통해 촬영할 수 없는 지역으로 이동한 경우, 마지막으로 촬영된 침입자의 위치에 기반하여 상기 복수의 열화상 카메라 중 침입자를 촬영할 수 있는 열화상 카메라를 결정하고, 결정된 열화상 카메라를 이용하여 상기 침입자를 지속적으로 추적하며, 상기 침입자가 열화상 카메라를 통해 촬영할 수 없는 위치로 이동하면, 상기 레이더 센서를 이용하여 침입자의 위치를 지속적으로 추적하며,
상기 열화상 이미지 상의 물체의 종류 및 침입 유형에 대한 정보를 상기 열화상 이미지 상에 태깅(tagging)하여, 상기 메모리에 기 저장된 데이터베이스를 기반으로 태깅 정보를 포함하는 상기 열화상 이미지에 대한 머신러닝을 수행함으로써, 상기 무인변전소에 무단으로 침입하는 침입자를 감지하고,
상기 프로세서는,
상기 무인변전소 주변에 배치된 상기 복수의 열화상 카메라를 통해 수신된 제1 열화상 이미지에 기반하여 상기 무인변전소의 온도를 식별하고,
상기 무인변전소의 일부 구역의 온도가 기준 온도 이상임을 식별한 경우, 상기 일부 구역의 위치에 기반하여 상기 복수의 열화상 카메라 중 제1 열화상 카메라의 각도를 조정하기 위한 제어 신호를 상기 통신 회로를 통해 상기 제1 열화상 카메라로 송신하고,
각도가 조정된 상기 제1 열화상 카메라를 통해 제2 열화상 이미지를 수신하고,
상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 제2 열화상 이미지에 대한 머신러닝(machine learning)을 수행함으로써, 상기 일부 구역에 발생한 화재를 감지하고,
상기 제1 열화상 이미지로부터 식별된 구역들의 온도 변화에 기반하여 화재의 발생 경로를 식별하고, 화재의 경로를 분석하여 화재의 경로에 대한 정보를 출력하며,
상기 프로세서는,
상기 무인변전소에 무단으로 침입하는 침입자를 감지하기 위한 프로세스와 화재를 감지하기 위한 프로세스를 병렬적으로 수행하고,
상기 침입자를 감지한 것에 응답하여, 상기 감시 서버의 관리자가 상기 침입자를 인지할 수 있도록, 상기 출력 장치를 통해 상기 무인변전소에 침입자가 감지됨을 나타내는 안내 정보를 출력하고,
상기 무인변전소의 화재를 감지한 것에 응답하여, 상기 감시 서버의 관리자가 화재 발생을 인지할 수 있도록, 상기 출력 장치를 통해 상기 무인변전소에 화재가 발생함을 나타내는 정보를 출력하며,
상기 침입자와 연관된 열화상 카메라의 이미지를 상기 메모리에 저장하고, 상기 무인변전소의 화재를 감지한 것에 응답하여, 상기 제2 열화상 이미지를 상기 메모리에 저장하고,
상기 열화상 이미지에 태깅되는 정보는, 관리자로부터 입력되는 정보에 기반하여 생성되거나 또는 머신러닝 과정을 통해 식별하는 정보에 기반하여 자동으로 생성되고,
상기 물체에 대한 정보는, 물체의 위치 정보, 물체의 크기 정보, 및 물체의 이동 속도 정보를 포함하는 것을 특징으로 하는 감시 서버.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200076991A KR102488182B1 (ko) | 2020-06-24 | 2020-06-24 | 머신러닝을 이용한 무인변전소 감시 시스템 및 그 동작 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200076991A KR102488182B1 (ko) | 2020-06-24 | 2020-06-24 | 머신러닝을 이용한 무인변전소 감시 시스템 및 그 동작 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210158545A KR20210158545A (ko) | 2021-12-31 |
| KR102488182B1 true KR102488182B1 (ko) | 2023-01-16 |
Family
ID=79177737
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200076991A KR102488182B1 (ko) | 2020-06-24 | 2020-06-24 | 머신러닝을 이용한 무인변전소 감시 시스템 및 그 동작 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102488182B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102723099B1 (ko) | 2024-05-24 | 2024-10-29 | 주식회사 원방하이테크 | 전차선 이상 전압에 대한 변전 설비 보호 장치 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101378071B1 (ko) * | 2013-08-20 | 2014-03-28 | (주)금성보안 | 양식장 및 인공어초 도난 방지 감시 시스템 및 방법 |
| KR101927364B1 (ko) * | 2017-12-13 | 2018-12-10 | 주식회사 에스원 | 딥 러닝 기반의 상황인지 실외 침입감지 레이더 시스템 및 이를 이용한 침입 감지 방법 |
| KR102021441B1 (ko) * | 2019-05-17 | 2019-11-04 | 정태웅 | 인공지능을 이용한 영상 기반의 실시간 침입 감지 방법 및 감시카메라 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102064746B1 (ko) * | 2018-04-09 | 2020-01-10 | 미소에이스 주식회사 | 머신 러닝을 기반으로 한 화재 감시 시스템 |
-
2020
- 2020-06-24 KR KR1020200076991A patent/KR102488182B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101378071B1 (ko) * | 2013-08-20 | 2014-03-28 | (주)금성보안 | 양식장 및 인공어초 도난 방지 감시 시스템 및 방법 |
| KR101927364B1 (ko) * | 2017-12-13 | 2018-12-10 | 주식회사 에스원 | 딥 러닝 기반의 상황인지 실외 침입감지 레이더 시스템 및 이를 이용한 침입 감지 방법 |
| KR102021441B1 (ko) * | 2019-05-17 | 2019-11-04 | 정태웅 | 인공지능을 이용한 영상 기반의 실시간 침입 감지 방법 및 감시카메라 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102723099B1 (ko) | 2024-05-24 | 2024-10-29 | 주식회사 원방하이테크 | 전차선 이상 전압에 대한 변전 설비 보호 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210158545A (ko) | 2021-12-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102570973B1 (ko) | 무인변전소 감시 시스템 및 그 동작 방법 | |
| US9928707B2 (en) | Surveillance system | |
| US10728495B2 (en) | Video transmission apparatus, video transmission method, and program | |
| KR102219598B1 (ko) | 설비용 화재 모니터링 시스템 | |
| KR101425505B1 (ko) | 객체인식기술을 이용한 지능형 경계 시스템의 감시 방법 | |
| US9292939B2 (en) | Information processing system, information processing method and program | |
| KR101467352B1 (ko) | 위치기반 통합관제시스템 | |
| KR102230552B1 (ko) | 움직임 감지와 레이더 센서를 이용한 탐지 객체 위치 산출 장치 | |
| CN113068000B (zh) | 视频目标的监控方法、装置、设备、系统及存储介质 | |
| KR102233679B1 (ko) | Ess 침입자 및 화재 감지 장치 및 방법 | |
| JP6190862B2 (ja) | 監視システムとその監視制御装置 | |
| KR101014842B1 (ko) | Ｒｆｉｄ 리더를 사용하는 보안용 영상 감시 시스템 및방법 | |
| KR102488182B1 (ko) | 머신러닝을 이용한 무인변전소 감시 시스템 및 그 동작 방법 | |
| KR101003208B1 (ko) | 지능형 감시 시스템 및 방법 | |
| WO2020095383A1 (ja) | 監視システム、監視装置、監視方法、及びコンピュータ可読媒体 | |
| KR102270858B1 (ko) | 객체 추적을 위한 cctv 카메라 시스템 | |
| KR20180072466A (ko) | 영상 감시 영역 설정 시스템 및 방법 | |
| JP2008011212A (ja) | 監視装置 | |
| KR20230052092A (ko) | IoT 기술을 융합한 지능형 영상분석 기반의 이동식 독립운영 스마트 안전 시스템 및 그의 제공 방법 | |
| KR102213859B1 (ko) | 이동식 감시 장치를 이용한 모니터링 시스템 | |
| KR101716184B1 (ko) | 카메라 시스템에서 이벤트 영상 재생 방법 | |
| KR102043923B1 (ko) | 휴대용 iot센서 기반 보안방범 관제시스템 및 그 방법 | |
| KR101596015B1 (ko) | 다수의 카메라를 이용한 독립건물 침입방지 시스템 | |
| JP2021087031A (ja) | 情報処理装置、情報処理方法、監視システム、及びプログラム | |
| KR101581293B1 (ko) | 보안데이터 수집장치 및 그 수집방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20200624 |
|
| PA0201 | Request for examination | ||
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20220208 Patent event code: PE09021S01D |
|
| AMND | Amendment | ||
| E90F | Notification of reason for final refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Final Notice of Reason for Refusal Patent event date: 20220701 Patent event code: PE09021S02D |
|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| PE0601 | Decision on rejection of patent |
Patent event date: 20221004 Comment text: Decision to Refuse Application Patent event code: PE06012S01D Patent event date: 20220701 Comment text: Final Notice of Reason for Refusal Patent event code: PE06011S02I Patent event date: 20220208 Comment text: Notification of reason for refusal Patent event code: PE06011S01I |
|
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| PX0901 | Re-examination |
Patent event code: PX09011S01I Patent event date: 20221004 Comment text: Decision to Refuse Application Patent event code: PX09012R01I Patent event date: 20220901 Comment text: Amendment to Specification, etc. Patent event code: PX09012R01I Patent event date: 20220307 Comment text: Amendment to Specification, etc. |
|
| PX0701 | Decision of registration after re-examination |
Patent event date: 20230109 Comment text: Decision to Grant Registration Patent event code: PX07013S01D Patent event date: 20230105 Comment text: Amendment to Specification, etc. Patent event code: PX07012R01I Patent event date: 20221004 Comment text: Decision to Refuse Application Patent event code: PX07011S01I Patent event date: 20220901 Comment text: Amendment to Specification, etc. Patent event code: PX07012R01I Patent event date: 20220307 Comment text: Amendment to Specification, etc. Patent event code: PX07012R01I |
|
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20230110 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20230111 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |