J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 17(2); 2017 > Article
시공간 영상 분석을 이용한 하천 수위 측정

Abstract

The present study aims to develop a new technique for water surface detection by using water surface videos. For this purpose, spatio-temporal images made from video images taken in the immediate vicinity of river structures. The proposed technique analyzes mean and standard deviation of the spatio-temporal images and separates movable parts (flowing water) from fixed parts. The interfaces of two part becomes the water surfaces. The standard deviation of the image intensity of the spatio-temporal images were used as the separation criteria. When the standard deviation is smaller than 5.0, the region was classified as fixed region(non-flowing region), otherwise that was a flowing region. And peaking parts where the standard deviation were larger than 10.0 were classified the water surfaces or image noise parts. A series of tests performed at large experimental flume of Andong River Experiment Center showed the proposed method was able to detect water surface fairly accurately and effectively. It would be a good alternative for the conventional water stage gages.

요지

본 연구의 목적은 동영상을 이용하여 하천의 수위를 측정하는 새로운 기법을 제시하는 것이다. 이를 위해 하천 구조물 부근의 수면을 촬영한 동영상에서 시공간 영상을 작성하고, 이 시공간 영상의 영상강도 평균값과 표준편차를 분석하여 수표면 위치를 검출하는 새로운 수면인식기법을 제안하였다. 이 방법은 시공간 영상의 영상강도 변화에서 비유수 영역(고정부)와 유수영역을 구분하고, 그 경계를 수표면으로 분류하는 방법이다. 영역의 구분 기준으로는, 영상강도의 표준편차가 5.0 이하인 영역을 비유수 영역(고정영역), 5.0 이상인 영역을 유수 영역으로 구분하였다. 그리고 영상강도의 표준편차가 첨두를 이루는 부분(10.0 이상)을 수표면이나 영상내 얼룩으로 구분한다. 제안된 방법을 안동하천실험센터의 실규모 수로에서 일련의 실험을 수행하고, 그 영상에 대해 수표면 시험 분석을 수행한 결과 매우 효율적이고 정확하게 수표면을 분리해 낼 수 있었다. 이 방법은 기존 방법을 보완하여 영상수위계의 수위 측정성능을 높이는데 활용될 수 있을 것이다.

1. 서론

1.1 연구의 동기와 목표

하천을 관리하는 데 필요한 수문 자료는 여러 가지가 있으나, 그 중에서 유역의 강우 자료와 하천의 수위 및 유량 자료가 가장 핵심이 된다. 유역의 강우는 여러 가지 우량계를 통해 지속적이고 자동적으로 측정이 되고 있으며, 측정 자료의 빈도나 정확도 면에서 현재 적절히 측정이 되고 있다. 반면, 하천의 수위와 유량 자료는 계측의 어려움 때문에, 강우 측정에 비해서 계측의 빈도나 측정 정확도가 많이 떨어지는 것이 현실이다(이재수, 2006).
특히 유량 측정은 매우 어렵다. 자동화를 위해서 H-ADCP를 이용하는 관측소도 여러 곳 있으나, 전체 유량을 측정하는 것이 아니므로 상당 부분을 보정에 의존해야 한다. 현재 우리나라에서는 수위를 측정하고 여기에 미리 만들어 둔 수위-유량 곡선을 적용하여 유량으로 환산하는 방법을 주로 채택하고 있다(Hydrological Survey Center, 2014).
반면, 수위 측정은 유량 측정에 비해 자동화가 쉽기 때문에 비교적 용이하게 또 지속적으로 이루어지고 있다. 우리나라의 수위 측정은 통상 부자식 수위계, 압력식 수위계, 초음파식 수위계 등에 의해 이루어지고 있다(Lee, 2006). 그러나 이러한 기계적인 방법에 의한 수위 측정은 현장의 상황을 신속하고 정확하게 알기 어려운 면이 있다. 즉 홍수 첨두가 발생하는 중요한 시점에 발생하는 기기의 고장, 관측소의 문제 발생, 관측소 주변의 유황 등을 적절히 파악할 수 없다. 이 때문에 많은 수위표에서는 CCTV를 설치하여 보조적으로 현장을 관찰하도록 하고 있다. 이 경우 CCTV는 수위계의 보조적인 역할을 담당하는데 그치고 있으며, 이를 적극적으로 활용하여 영상에서 정보를 추출하거나 하는 데까지는 이르지 못하고 있다. 많은 비용을 들여 설치한 CCTV의 영상 정보를 적절히 활용하고 있지 못한 것이다.
한편, 하천의 수문 자료 측정에서 핵심이 되는 것이 유속측정이다. 우리나라에서는 하천의 유속측정을 평상시와 홍수시로 나누어 수행하고 있으며, 평상시는 프로펠러, 전자식 등 전통적인 유속계, ADCP 등을 이용하며, 홍수시는 봉부자에 의존하고 있다(Korean Water Resources Association, 2009). 최근에는 전자파 유속계나 영상유속계 등 비접촉식 방법을 이용하는 연구도 활발히 수행되고 있다(Kim et al., 2014).
본 연구의 최종 목표는 이렇게 설치된 CCTV를 활용하여 여기서 직접적으로 수위 또는 유속 자료를 분석해 내는 방법을 개발하고자 하는 것이다. CCTV를 활용하여 수위와 유속을 측정할 수 있다면, 현재의 하천 분야 측정 작업을 획기적으로 개선할 수 있을 것이다. 본 연구에서는 그 첫 단계로 영상에서 수위를 검출해 내는 새로운 방법을 제시한다.
본 연구에서 개발하고자 하는 영상수위 측정방법은 기존방법(목측 혹은 T/M 방식의 자동 수위 관측)에 비해, 많은 장점을 가지고 있다. 첫째, 장비 자체가 매우 간단하고 저렴하여 소규모 하천 유역에 대한 측정 시설 설치가 매우 쉽다는 장점이 있다. 이것은 기존의 수위계가 수천 만원을 호가하는 데 비해 본 연구에서 활용하는 장비는 수백만원 이내로 구축할 수 있다. 또한, 개발된 방법에 대해 기존의 CCTV를 활용할 수 있도록 추가적인 연구를 진행한다면, 기존에 구축되어 있는 수위 자동관측 시설들을 대체할 수 있을 것이다.

1.2 기존 연구에 대한 검토

영상을 이용하여 수위를 측정하려는 연구는 국내외에서 비교적 많이 수행되었다. 그러나 2017년 현재 실용적인 견지에서 볼 때 적절한 성능을 가진 영상수위계는 없는 상황이다. 영상 수위계측에 대해, 유럽이나 미국의 연구나 특허는 검색되지 않았으며, 대부분이 일본의 연구와 기술이고, 국내에서도 몇 가지 기술이 개발되어 있다. 유럽이나 미국의 관련 기술이 검출되지 않은 이유는 주제어 선정에 어려움이 있었을 수도 있고, 이 분야에 대한 관심이 상대적으로 적었던 까닭도 있을 것이다.
따라서 기존의 방법이 어떤 한계 또는 문제를 가지고 있으며, 본 연구에서 이를 어떤 방식으로 극복할 것인가 살펴볼 것이다.
영상 수위계측에서 가장 쉽게 찾아볼 수 있는 방법은 경사판을 이용하는 방법이다. 이 방법은 히타치제작소(日立製作所)에서 수행된 연구(Takagi et al., 1999; Takagi et al., 2000)이다. 이 방법의 개요는 경사진 양수표(목자판) 또는 수직 양수판과 경사 보조판을 하천 구조물에 설치하고 이를 카메라로 촬영한 뒤 영상 처리하여 수면 위치를 결정하는 것이다. 영상 처리에 중점을 둔 것이 아니라 장비에 의존하는 방법이므로, 수면 위치를 실제로 어떻게 결정하는지에 대해서는 자세히 언급되어 있지 않다.
국내에서는 한국건설기술연구원에서 하이테크시스템과 함께 연구를 수행하여 영상 수위계를 제작하였다(Lee et al., 2012). 이 영상 수위계의 특징은 카메라가 상하로 이동하면서 수위표를 촬영하여 수면 위치를 인식하고, 인식된 수면부근의 수위표 영상을 취득한 후, 수면 위치를 상호상관법으로 분석하고, 수면부근의 수위표의 문자를 OCR로 인식한다는 점이다(Fig. 2). 또한 인식된 문자와 수면 위치에 대한 정보로부터 수위값으로 전환하여 하천 수위를 획득한다. OCR 분석을 이용하기 때문에, 수위표 자체도 오염이 되지 않도록 방오 수위표를 만들고, 문자 인식을 위해 수위표에 LED를 장착하는 등의 다소 복잡한 부가 장치가 되어 있다. 이 영상수위계측기술은 실제 영상수위계로 제작되어 판매되었으나, 유지관리에 일부 문제를 안고 있는 것으로 알려져 있다.
Fig. 1
Three Type of Liquid Surface with a Inclined Plate (Takagi et al., 1999)
KOSHAM_17_02_461_fig_1.gif
Fig. 2
Image of Water Stage Gauge and Vertical Profile of Correlation Coefficients (Lee et al., 2012)
KOSHAM_17_02_461_fig_2.gif
이 밖에도 일본에서는 여러 가지 아이디어로 연구를 진행하여 특허를 등록하였다. 그러나 이들 대부분은 수면선 검출에 특별한 방법을 적용하지 않았다. 여기서 말하는 특별한 수면선 검출 방법이란 Pratt (2001)와 같은 영상처리 교과서에 등장하는 윤곽선 추출법들, 즉 Sobel, Prewitt, Canny 알고리즘 등이 아닌 독창적이거나 특별한 기법을 말한다.
기존 연구를 분석해 보면, 수면 검출 과정에 약간의 차이를 보인다.
가장 먼저 나온 히타치 제작소의 연구 및 특허는 수면 검출을 위해 경사 수위표라는 장치에 의존하는 방법을 채택하였다. 이 방법은 정지 수면의 검출에 유리하기 때문에, 실제로 하천보다는 저수지나 댐호에 적용된 사례가 많다(Takagi et al., 2000).
한국건설기술연구원의 연구(Lee et al., 2012)는 수면 검출을 위해 상호상관법을 이용하고, 수위표 눈금을 읽어내기 위해 OCR 기술을 접목한 것이다. 또한 방오수위표나 LED 수위표와 같은 하드웨어적인 부분을 결합한 면도 있다. 수면 검출에 대해서는 상관계수를 이용하였다고 하였으나, 구체적으로 어떤 영상을 참조 영상으로 하였는지는 알 수 없다.
위와 같은 문제를 극복하기 위한 대안으로 본 연구에서는 시공간 영상(spatio-temporal image)을 이용하여 수면 경계를 검출하는 방법을 생각하였다. 시공간 영상이란 여러 매의 연속 영상에 일정한 측정선을 설정하고, 한 영상에서 이 측정선 한 줄의 영상을 추출한 뒤 이를 시간적으로 중첩한 영상으로, 한 축은 공간적인 변화, 다른 한 축은 시간적인 변화를 나타내는 영상을 말한다.

2. 새로운 영상 수위 계측법의 제안

2.1 시공간 영상 분석의 원리

시공간 영상은 여러 매의 영상에서 특정한 선을 따라 한 줄의 영상을 추출하고 이것을 시간에 따라 축적하여 만든 영상이다. 한 축은 공간축, 다른 한 축은 시간축을 나타내므로 시공간 영상이란 이름을 붙였다. Fig. 3에서는 여러 매의 영상에서 가로와 세로줄로 영상을 추출하여 시공간 영상을 만드는 원리를 잘 보여주고 있다. 시공간 영상은 원래 전산 시각(computer vision) 분야에서 물체의 움직임을 측정하기 위해 제시한 것이다(Jähne, 1993). Fig. 3에 보인 직육면체형 영상에서 오른쪽과 윗면의 영상이 정면의 영상을 이용하여 만든 시공간 영상이다.
Fig. 3
A 3-D Image Sequence Demonstrated with a Traffic Scene (Jähne, 1993)
KOSHAM_17_02_461_fig_3.gif
이 시공간 영상은 유속 측정에 응용할 수 있다(Fujita et al., 2005; Yu and Cho, 2015). Fig. 4Fujita et al. (2005)이 유속을 측정하기 위해 시공간 영상을 응용한 것을 예로 보인 것이다. 먼저 하천 흐름의 수표면 영상(Fig. 4(a))을 동영상으로 촬영한 뒤, 여기에 흐름과 평행한 직선(측정선)을 긋고, 이 측정선을 따라 한 프레임에서 한 줄의 영상 자료를 얻어내고, 이를 시간에 따라 축적하여 시공간 영상(Fig. 4(b))을 만들었다(Fujita et al., 2005).
Fig. 4
River Flow and its Spatio-temporal Image (Fujita et al., 2005)
KOSHAM_17_02_461_fig_4.gif
본 연구에서는 이 시공간 영상을 수표면 검출에 활용할 것이다. 하천 구조물 인근과 같이 구조물(비유수 영역)과 흐르는 물(유수)가 함께 있는 영역(유수 영역)을 촬영한 뒤 시공간 영상을 작성해 보면, 비유수 영역은 수평선으로, 유수 영역은 경사선으로 나타나게 될 것이다. 수표면이 가진 영상적 특징을 검토하기 위해, 하천에서 구조물 주위를 10여초간 동영상으로 촬영하였다(Fig. 5 참조).
Fig. 5
Sample Images for Development of a New Method
KOSHAM_17_02_461_fig_5.gif
먼저 기존의 영상 처리법의 처리 내용을 개략적으로 살펴보기 위해 Fig. 5(a)의 동영상에서 Canny 필터(Pratt, 2001)에 의한 윤곽선 추출을 한 것이 Fig. 5(b)이다. Fig. 5(b)에서는 윤곽선이 매우 많으므로 어느 부분이 수면인지를 쉽게 판단할 수 없다. 이것은 일반적인 하천상황에서는 이같은 단순한 방법은 적용하기 곤란하다는 것을 의미한다.

2.2 시공간 영상 분석에 의한 수표면 위치 검출

시공간 영상을 수표면 검출에 응용하기 위해서 먼저 고체면, 수표면(경계선), 수면이 시공간 영상에서 어떤 특성을 보이는지 분석하였다.
Fig. 5(a)와 같이 촬영된 10초간의 동영상에서 각 프레임별로 영상을 추출하고, Fig. 6에 보인 것처럼 가로 방향으로 100 화소마다 수직선을 긋고 Fig. 7과 같이 시공간 영상을 작성하였다.
Fig. 6
Sample Image and Measurement Lines
KOSHAM_17_02_461_fig_6.gif
이 때 만들어진 시공간 영상(Fig. 7)들은 Fig. 4(b)의 시공간 영상과는 가로와 세로가 바뀌었다는 점에 유의할 필요가 있다. 이것은 측정선이 세로이므로 시공간 영상에서도 가로를 시간, 세로를 공간으로 하여 이해하기 쉽도록 만든 것이다. 이 시공간 영상들은 각각 가로 300화소(10초에 해당), 세로 480화소의 영상 7매이다. 이 시공간 영상 전체를 다 여기서 보이기에는 시공간 영상이 너무 크므로, Fig. 7은 각 시공간 영상에서 일부인 60×480 화소(2초간 시공간 영상에 해당)만을 잘라서 정리한 것이다.
Fig. 7
Spatio-temporal Images for Measurement Lines
KOSHAM_17_02_461_fig_7.gif
결국 시공간 영상을 이용한 수표면 검출이란 Fig. 6이나 Fig. 7에 보인 개략적인 수표면 위치를 수학적인 방법으로 정확하게 검출할 수 있어야 한다. 이를 위해 Fig. 7의 시공간 영상에 대해 시간 평균과 표준편차를 구하였다. Fig. 8은 각 측정선의 시공간 영상의 영상 강도의 평균과 표준편차를 나타낸 것이다. 이 그림에서 보면 200열과 400열은 급격하게 영상강도의 평균이 떨어지는 부분이 있어, 이 지점이 수표면임을 판정할 수 있으나, 다른 단면들은 평균만으로 판정하기가 그리 쉽지 않다. Fig. 8에서도 Fig. 6이나 Fig. 7과 마찬가지로 검정색 화살표가 개략적인 수면의 위치이다. Fig. 8에는 영상강도의 표준편차를 추가로 분석하여 검토하여, 평균과 함께 도시하였다.
Fig. 8
Statistical Distribution of Image Intensities of Spatio-temporal Images
KOSHAM_17_02_461_fig_8.gif
비유수 영역은 시간적 변화가 없으므로 영상 강도의 표준편차가 0에 가깝게 될 것이다. 물론, 영상의 배경 잡음 때문에 영상 강도는 항상 약간씩 변하며, 표준편차가 0이 되지는 않는다. 반면, 유수 영역은 시간적 변화가 있으므로, 영상 강도의 표준편차가 크게 된다. 또한 수표면은 시간적 변화가 상당히 크므로, 이 부분은 영상 강도의 표준편차가 첨두값을 가지게 될 것이다.
이와 같은 방법으로 한 시각의 수표면 위치를 손쉽게 검출할 수 있다. 다음 시각의 수표면 검출을 할 때는 전 시각에서 검출된 수표면을 기준으로 상하 몇 화소 정도의 범위만 탐색하면 손쉽고 빠르게 위치를 찾아낼 수 있을 것이다. 이런 일련의 수표면 검출의 전 과정은 다음과 같이 요약할 수 있다.
  • ① CCTV를 이용하여 1초~2초 정도의 영상을 촬영하여 동영상으로 만든다.

  • ② 이 동영상에서 수표면의 개략적인 위치를 설정한다.

  • ③ 촬영된 영상에서 가로 방향으로 한 화소 간격으로 측정선 설정 후, 측정선을 따라 수표면의 개략적인 위치에서 상하 10화소 안의 영상 한 줄을 잘라내어 시간적으로 차례로 합성하여 3차원 시공간 영상을 만든다.

  • ④ 시공간 영상을 회색 영상으로 변환한다.

  • ⑤ 변환된 시공간 영상에서 영상 강도의 평균과 표준편차를 계산한다. 이렇게 계산된 표준편차가 기준값 이하인 영역을 비유수 영역(고정영역), 기준값 이상인 영역을 유수 영역으로 구분한다. 이 기준값은 앞의 분석에 근거하여 5.0으로 하였으나, 추가적인 연구가 진행된다면 영상의 품질에 따라 다소 변할 수도 있다. 그리고 표준편차가 첨두를 이루는 부분(여기서는 10.0 이상)인 부분을 수표면이나 영상내 얼룩으로 구분한다.

  • ⑥ 위의 과정 ⑤에서 분리한 유수 영역을 선으로 연결하여, 부정확한 부분을 제거하고 단락된 부분은 연결하고 유수 영역과 비유수 영역의 경계를 수표면으로 설정한다.

  • ⑦ 그 다음에 영상내 수위를 실제 수면 표고로 환산한다.

  • ⑧ 검출된 수표면을 다음 단계의 개략적인 수표면 위치로 잡고 ①과 ③~⑦을 반복한다.

위의 과정을 흐름도로 나타내면 Fig. 9와 같다.
Fig. 9
Flow Chart of Water Surface Detection
KOSHAM_17_02_461_fig_9.gif
이러한 과정을 거쳐 수표면 위치를 검출한 결과를 화면에 도시하면, Fig. 10과 같다. Fig. 10(a)는 수표면 검출 결과를 영상강도의 표준편차 분포도위에 표시한 것이며, Fig. 10(b)는 이를 실제 영상 위에 표시한 것이다. 이 그림에서 수표면 검출은 50 화소 간격으로 검출하여 꺾은선으로 표시하였다. 이 결과는 Fig. 7에 보인 육안 검출된 수표면과 거의 유사한 결과를 보였다.
Fig. 10
Water Surface Detected by the Proposed Method
KOSHAM_17_02_461_fig_10.gif

3. 개발된 방법의 시험

3.1 시험 수로

이렇게 개발된 방법을 안동하천실험센터에 있는 직선수로에서 시험하였다.
영상 수위계의 검증을 위해 안동하천실험센터에 설치된 Raspberry Pi와 그에 접속된 카메라(640×480 화소, 30 fps)를 이용하였다. 이용한 카메라는 상류에 설치된 3개의 카메라중 U1, 하류에 설치된 D1 카메라이다. Fig. 11은 그 중에 수로 상류에 설치된 U1, U2, U3를 보여주며, 시험에서는 이중 U1 카메라만 이용하였다. 실험은 2016년 9월 28일 13:00~18:00 사이에 시행하였다. 동일한 기종의 카메라를 하류에도 설치하였으며, 이것이 D1 카메라이다.
Fig. 11
Cameas Used in the Experiment
KOSHAM_17_02_461_fig_11.gif
Fig. 12는 보정에 사용한 상류단과 하류단 영상이다. 이 사진들은 11:00 경에 촬영된 것이며, 현재 물이 흐르지 않는 상황이다. 상류단에는 화면의 정중앙에 있는 수로벽을 이용할 것이며, 하류단에서는 하상에 임의로 설치한 철제자를 이용한다. 이 자에는 눈금이 있어 수위를 읽을 수 있다. 설치 과정에서 철제자가 약간 기울어졌으나 영상수위 분석에는 아무 문제가 없어 그대로 이용하기로 한다. Fig. 12에는 두 단면의 보정에 필요한 물리 좌표를 보여 준다.
Fig. 12
Cross Section of Upstream and Downstream
KOSHAM_17_02_461_fig_12.gif

3.2 시험 조건

실험은 13:30부터 시작하여 수로에서 흘릴 수 있는 최대 유량(약 2.0 m3/sec)부터 시작하여, 18:00에는 안정적으로 흘릴 수 있는 최소유량(약 0.60 m3/sec)까지 단계적으로 줄여나가기로 하였다. 영상에 의한 수위 측정은 13:30부터 10분 간격으로 11초씩, 18:00까지 수행하였으며, 28 개 영상 × 상하류 2종 = 총 56개의 동영상을 촬영하였다. 역기서 초기 2초는 영상 안정화 때문에 변화가 심하여 분석하는 데 어려움이 있으므로 제거하고 2~10초 사이의 8초간의 동영상을 이용하여 수위를 분석하였다.
유량을 줄여나갈 때 최소 유량부터 최대 유량까지의 간격을 약 1/3 씩 나누어, 고유량 (1.90 m3/sec), 중유량(1.40 m3/sec), 저유량(0.61 m3/sec)의 세 경우에 대해서는 육안에 대한 검증을 같이 실시하였다. Fig. 13은 각 유량별 상하류 단면의 수위 상황을 보여준다.
Fig. 13
Flow Conditions for Each Cases
KOSHAM_17_02_461_fig_13.gif

3.3 영상 분석에 의한 수위 검출 결과

또, 이 6가지 경우에 대한 측정선의 시공간 영상은 Fig. 14와 같다. 상류의 U1 카메라에 대한 시공간 영상은 87×240 화소, 하류의 D1 카메라에 대한 시공간 영상은 72×240 화소이다. 이 시공간 영상들은 모두 유수영역과 비유수영역의 구분이 상당히 명확하게 나타나 있다.
Fig. 14
Spatio-temporal Images for Selected Cases
KOSHAM_17_02_461_fig_14.gif
또한, Fig. 14의 시공간 영상과 기타 50개의 시공간 영상 모두에 대해 수위를 분석하고 이를 물리 좌표로 나타내면 Fig. 15와 같다. 다만, 여기서 수위는 표고가 아니라 그 횡단면의 최소 단면 좌표점에서의 높이이다. Fig. 15에서 보면, 육안에 의한 측정과 영상 수위계에 의한 계산은 비교적 잘 일치한다. 다만, 하류단의 중유량일 때 최대 0.07 m의 오차를 보이나 이것은 Fig. 13(e)에서 철제자에서 풀이 상당히 걸려서 수위변화를 일으킨 것이 원인이라 추정된다. 또한 수위가 안정되지 못하고 계속 변동되는 모습을 보이는데, 이것도 하류의 영상 수위분석에서 사용한 철제자가 진동하기 때문에 생긴 오차인 것으로 추정된다.
Fig. 15
Comparison of Measured Water Stage with the Naked Eyes and Calculated Ones with Image Water Stage Gauge
KOSHAM_17_02_461_fig_15.gif
본 연구에서 사용한 장비는 저가의 Raspberry Pi 컴퓨터와 그에 접속할 수 있는 카메라이다. 이 모든 장비는 수십만원 이하로 마련할 수 있다. 이처럼 저렴한 장비를 이용한 이유는, 앞서 언급하였듯이 저렴한 비용으로 수위측정 시스템을 구축할 수 있는가 시험자고 한 것이다. 따라서 영상의 화질도 640×480 화소의 30 fps의 비교적 저화질의 영상을 이용하였다.
그럼에도 불구하고, 영상 수위계는 상당한 안정성을 가지고 수위를 측정할 수 있었다. 고화질의 카메라를 이용하면 정확성을 제고할 수 있을 것으로 보인다.

3.4 개발된 방법의 한계와 추후 개발 방향

본 연구에서 개발된 영상 수위계를 실제 적용해 본 결과 발견된 한계는 다음과 같다.
첫째, 영상 수위계의 측정 가능한 범위는 최소 한 화소 이다. 다시 말하자면 영상에서 해상 가능한 범위(화소) 이하의 측정이 불가능하며, 측정 범위는 영상의 해상도(m/pixel)에 절대적으로 의존한다는 점이다. 따라서 보다 정밀한 측정을 위해서는 수표면과 카메라 사이의 거리를 줄이거나, 고해상도의 카메라를 이용해야 한다. 카메라의 해상도가 좋지 않을 경우 영상수위계의 활용성이 떨어지게 된다.
둘째로, 악조건일 경우는 영상의 품질이 떨어지므로, 역시 측정 자체가 한계에 부딪힐 수 있다. 즉, 야간, 강우시, 안개 등의 악천후일 때는 영상 자체의 품질이 떨어져서 측정이 어려울 수 있으며, 이에 대한 보완책이 강구되어야 한다.

4. 결론

본 연구는 시공간 영상 분석법을 이용하여 수표면을 검출하는 영상 수위계를 개발하는 것이다. 본 연구의 개요와 결론은 다음과 같다.
  • (1) 영상 수위계 제작에 필요한 수위 검출에 관련된 기존의 연구들 세밀히 검토하였다. 그 결과 영상 처리를 통한 수위 검출은 일본과 한국에서 몇 가지 핵심적인 연구가 수행되었음을 확인하였다. 기존의 방법들은 크게 경사 양수표와 같이 하드웨어적으로 해결하는 방법과 영상 처리의 소프트웨어적인 방법으로 나눌 수 있다. 그 중에서 영상 처리에 의한 방법은 단순한 윤곽선 추출법, 상호상관법, 프레임 가산법 등이 있었다.

  • (2) 기존 연구가 지닌 한계를 밝혀내고 이를 극복하기 위한 새로운 방법을 제안하였다. 제시된 방법은 시공간 영상을 이용하는 방법으로, 시공간 영상을 이용하여 유수 영역과 비유수 영역으로 분리하는 방식을 채택하였다.

  • (3) 구체적으로는 하천 구조물 주위를 촬영한 동영상에서 측정선의 시공간 영상을 작성하고, 이 시공간의 영상의 영상 강도 평균과 표준편차를 분석하여, 표준편차가 특정 기준값(예제 영상에서는 5.0 화소) 이하인 영역을 비유수 영역(고정영역), 기준값 이상인 영역을 유수 영역으로 구분한다. 그리고 첨두를 이루는 부분(예제 영상에서는 10.0 화소 이상)인 부분을 수표면이나 영상내 얼룩으로 구분하는 방법이다.

  • (4) 제안된 방법을 컴퓨터 프로그램으로 구현하고 이를 실증 시험을 하였다. 그 결과 제안된 방법이 매우 효율적으로 수위를 검출할 수 있음을 보였다. 또한 지속적인 계측이 가능하다는 점, 완전 자동화가 가능하다는 점 등은 실제 현장에서 운용할 때는 좋은 장점이 될 수 있을 것이다.

  • (5) 본 연구에서 개발한 영상 수위계의 측정 한계는 영상 해상도(m/pixel)에 의존하므로 가급적 수표면과 카메라 사이의 거리를 줄이거나, 고해상도의 카메라를 이용해야 한다. 또한, 카메라의 해상도가 좋지 않을 경우 영상수위계의 활용성이 떨어지게 된다. 아울러 기상이 악조건일 경우는 영상의 품질이 떨어지므로, 역시 측정 자체가 한계에 부딪힐 수 있으므로, 이에 대한 보완 연구가 추후 진행되어야 한다.

감사의 글

본 연구는 국토교통부 물관리연구사업의 연구비지원 (12기술혁신C02)에 의해 수행되었습니다.

References

Fujita, I, Watanabe, H, and Tsubaki, R (2005) Efficient image analysis method for river flow measurement using space-time images. XXXI IAHR CONGRESS Seoul.
crossref
Hydrological Survey Center (2014) Manual for water stage rating curve, (in Korean). 10.1007/3-540-57418-2.
crossref
Jähne, B (1993). Spatio-temporal image processing. Springer, 10.5322/JESI.2014.4.571.
crossref
Kim, Y, Yang, S, Yu, K, and Kim, D.S (2014) Flood Runoff Calculation using Disaster Monitoring CCTV System. J. of Environmental Science International, Vol. 23, No. 4, pp. 571-584 (in Korean).
crossref
Korean Water Resources Association (2009) Design Standard of River Works, (in Korean). 10.3741/jkwra.2012.45.12.1227.
crossref
Lee, C.J, Seo, M.B, Kim, D.G, and Kwon, S.I (2012) A novel water surface detection method based on correlation analysis for rectangular control area. J. of KWRA, Vol. 45, No. 12, pp. 1227-1241 (in Korean).
crossref
Lee, J (2006). Hydrology. Kumi Publishing, (in Korean). 10.1002/0471221325.
crossref
Pratt, W.K (2001). Digital Image Processing. Third edition. John Wiley & Sons.
crossref
Takagi, Y, Mori, H, Tsujikawa, A, Saito, T, and Karube, K (2000) The geometrical and optical analysis concerning the feature of the water surface interface of an inclined plate which is used the water level measuring. J. of EICA, Vol. 4, No. 4, pp. 9-18 (in Japanese).
crossref
Takagi, Y, Tsujikawa, A, Takatou, M, Saito, T, and Kaida, M (1996) Development of noncontact detection method for liquid surface by using image processing. J. of EICA, Vol. 1, No. 2, pp. 190-193 (in Japanese).
crossref
Yu, K, and Cho, W (2014) Real-time surface image velocimeter using a smartphone. Proc. of the 19th IAHR-APD Congress Hanoi, Vietnam.
crossref
TOOLS
Share :
Facebook Twitter Linked In Google+ Line it
METRICS Graph View
  • 1 Crossref
  •    
  • 1,974 View
  • 98 Download


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
1010 New Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2024 by The Korean Society of Hazard Mitigation.

Developed in M2PI

Close layer
prev next