Deep learning based public place control and disaster prevention system that enables effective anomaly detection through public data utilization and data augmentation

The present invention relates to a deep learning-based public place control and disaster prevention system capable of detecting anomalies through public data utilization and data proliferation. Based on the fact that an anomaly may not be accurately identified due to the absence of the anomaly data since anomaly data about abnormal situations such as events/accidents/fires are relatively rare than data of normal cases, or overfitting learning may be performed for normal situations by relatively large amounts of normal data or conversely, underfitting learning may occur for abnormal situations even when the anomaly data is present, the technology of public data utilization and data propagation for abnormal situations is used in the process of operating the deep learning-based public place control and disaster prevention system, so that the accuracy of a vision recognition function is improved so as to avoid artificial intelligence algorithm learning toward overfitting and underfitting, and enable effective detection of anomalies such as events/accidents/fires. 본 발명은 공공 데이터 활용 및 데이터 증식을 통한 이상치 탐색이 가능한 딥러닝 기반 공공장소 관제 및 방재 시스템에 관한 것으로, 사건/사고/화재 등의 이상 상황에 대한 이상치 데이터(anomaly data)는 상대적으로 정상적인 상황(normal case)의 데이터 보다 희귀(rare)하여, 자칫 이상치 데이터 부존으로 인하여 이상 상황을 정확히 판별하지 못하거나, 이상치 데이터가 존재하더라도 상대적으로 많은 정상데이터에 의하여 정상상황에 대하여는 과대적합 학습되고, 반대로 이상상황에 대하여는 과소적합 학습되는 경우가 발생하는 점에 기반하여, 딥러닝 기반 공공장소 관제 및 방재 시스템을 운영하는 과정에서 이상 상황에 대한 공공 데이터 활용 및 데이터 증식 기술을 활용하여, 과대적합, 과소적합으로의 인공지능 알고리즘 학습을 회피하고, 효과적인 사건/사고/화재 등의 이상치 탐색이 가능하도록 비전인식 기능의 정확성을 향상시킬 수 있는 효과가 있다.