KR101993445B1 - Visibility meter of image analysis using artificial intelligence - Google Patents

Visibility meter of image analysis using artificial intelligence Download PDF

Info

Publication number
KR101993445B1
KR101993445B1 KR1020180025612A KR20180025612A KR101993445B1 KR 101993445 B1 KR101993445 B1 KR 101993445B1 KR 1020180025612 A KR1020180025612 A KR 1020180025612A KR 20180025612 A KR20180025612 A KR 20180025612A KR 101993445 B1 KR101993445 B1 KR 101993445B1
Authority
KR
South Korea
Prior art keywords
image information
information
distance
image
sharpness
Prior art date
Application number
KR1020180025612A
Other languages
Korean (ko)
Inventor
채신태
Original Assignee
(주)시정
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)시정 filed Critical (주)시정
Priority to KR1020180025612A priority Critical patent/KR101993445B1/en
Priority to PCT/KR2018/013289 priority patent/WO2019172500A1/en
Application granted granted Critical
Publication of KR101993445B1 publication Critical patent/KR101993445B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/507—Depth or shape recovery from shading
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

Disclosed is an image analysis visibility meter using artificial intelligence. The image analysis visibility meter using artificial intelligence includes: an image information obtaining part obtaining image information about subjects set by distance; and an information processing part calculating the definition of image information about each of the subjects and determining image information, of which the definition is no less than a preset value, if the image information about the subjects is obtained, and calculating a visible distance in a specific area based on the determined image information. Therefore, a visible distance is quantitatively calculated by analyzing an image, obtained through equipment such as a CCTV camera, based on artificial intelligence technology, and if visibility is deteriorated due to fine or ultrafine dust, information about a visible distance in an area with the deteriorated visibility is delivered to drivers in the area, so they may use more caution when driving to reduce death and injury from accidents and subsequent economic losses due to the deterioration of visibility.

Description

인공지능을 이용한 영상분석 시정계{Visibility meter of image analysis using artificial intelligence}[0001] The present invention relates to an image analysis system using artificial intelligence,

본 발명은 영상분석 시정계에 관한 것으로, 보다 상세하게는 인공지능을 이용한 영상분석 시정계에 관한 것이다. The present invention relates to an image analysis system, and more particularly, to an image analysis system using artificial intelligence.

시정(Visibility)은 낮에는 수평방향으로 먼 거리의 지형 또는 물체를 보통 육안으로 식별할 수 있는 최대거리이고, 야간에는 주간과 같은 밝은 상태를 가정했을 때에 목표물을 식별할 수 있는 최대거리일 수 있다.Visibility is the maximum distance that can identify the terrain or object at a long distance in the horizontal direction during the day, usually the naked eye, and the maximum distance at which the target can be identified at night, assuming a bright state such as daytime .

이러한 시정을 측정하는 방법에는 시각적 측정법, 광학적 측정법 및 영상학적 측정법이 활용되고 있다. 시정거리는 대기오염을 정량적으로 파악할 수 있는 지표로서의 역할이 가능할 뿐만 아니라, 공항, 도로, 해양 등에서 시정 악화로 인한 경제적 손실을 사전에 예방하는 기능을 수행할 수 있다.Visual, optical, and imaging measurements are used to measure these visibilities. The correction distance can serve as an indicator for quantitatively grasping atmospheric pollution, and can prevent the economic loss due to the deterioration of the air conditioner, the road, and the ocean in advance.

최근에는 일기 예보에 미세먼지의 예보가 포함될 정도로 미세먼지 또는 초미세먼지가 심각한 사회문제로 야기되고 있으며, 미세먼지 또는 초미세먼지로 인하여 시정 악화가 발생 되는 경우, 미세먼지 또는 초미세먼지의 발생 정도를 정량적으로 분석하고, 시정거리를 산출하는 것이 중요한 이슈로 떠오르고 있다.In recent years, fine dust or ultrafine dust is caused by serious social problems such that the forecast of fine dust is included in the weather forecast, and when the deterioration of the security due to fine dust or ultrafine dust occurs, the occurrence of fine dust or ultrafine dust Quantitatively, and calculating the visibility distance is becoming an important issue.

종래에는 이러한 시정거리를 산출하기 위하여, 대상물에 대하여 직접 광학측정을 하거나, 지리적 정보와 원근법 그리고 비선형함수를 이용하여 시정거리를 측정하는 방식이 개발되었으나, 딥 러닝과 같은 비선형 변환기법의 발달로 인하여, 기존보다 더욱 정밀한 방식으로 시정 악화시 시정거리를 측정하고자 하는 수요가 점차 증가 되고 있으나, 실효성 있는 기술의 개발은 미비한 실정이다.Conventionally, in order to calculate such a correction distance, a method has been developed in which an optical measurement is performed directly on an object, or a correction distance is measured using geographical information, a perspective and a nonlinear function. However, due to the development of nonlinear conversion techniques such as deep running , The demand for measuring the corrective distance in the case of the deterioration of the visibility in the more precise manner than the existing ones is gradually increasing, but the development of the effective technology is insufficient.

이에 따라, 인공지능 기술을 이용하여 특정 영역에서의 시정거리를 정량적으로 산출하고, 미세먼지 또는 초미세먼지 등을 이유로 시정 악화가 발생 되는 경우, 경제적 손실을 예방할 수 있는 방안의 모색이 요구된다. Accordingly, it is required to find a way to quantitatively calculate a corrective distance in a specific area by using artificial intelligence technology, and to prevent an economic loss when the deterioration of the visibility occurs due to fine dust or ultrafine dust.

한국공개특허 제10-2006-0101990호(발명의 명칭: 안개 방재 시스템)Korean Patent Laid-Open No. 10-2006-0101990 (Title: Mist Disaster Prevention System) 한국등록특허 제10-1503213호(발명의 명칭: 영상 이미지의 지리정보 및 패턴인식 기술을 이용한 시정거리 측정 장치 및 그 측정 방법)Korean Patent No. 10-1503213 (entitled " Device for Measuring Distance and Distance Using Geographic Information and Pattern Recognition Technology of Video Image "

본 발명은 상기와 같은 문제를 해결하기 위해 안출된 것으로, 본 발명의 목적은, CCTV 카메라와 같은 장비를 통해 획득된 영상 이미지를 인공지능 기술을 이용하여 분석함으로써, 시정거리를 정량적으로 산출하는 인공지능을 이용한 영상분석 시정계를 제공함에 있다. SUMMARY OF THE INVENTION The present invention has been made to solve the above-mentioned problems, and it is an object of the present invention to provide a method and apparatus for analyzing a video image obtained through a device such as a CCTV camera using artificial intelligence technology, And to provide an image analysis system using intelligence.

또한, 본 발명의 다른 목적은 미세먼지 또는 초미세먼지 등을 이유로 시정 악화가 발생 되는 경우, 시정 악화가 발생된 지역을 주행하는 운전자들에게 해당 지역의 시정거리에 대한 정보를 지향성 음성출력 수단을 통해 전달함으로써, 시정 악화로 인한 인명 피해 및 경제적 손실을 예방할 수 있는 인공지능을 이용한 영상분석 시정계를 제공함에 있다. Another object of the present invention is to provide a directional voice outputting means for informing drivers who travel in a region where a time-worsening deterioration has occurred when a time-worsening deterioration occurs due to fine dust or ultrafine dust or the like, The present invention provides an image analysis system using an artificial intelligence that can prevent human injury and economic loss due to deterioration in munition.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 인공지능을 이용한 영상분석 시정계는 거리별로 설정된 피사체들에 대한 이미지 정보를 획득하는 이미지 정보 획득부; 상기 피사체들에 대한 이미지 정보가 획득되면, 각각의 이미지 정보의 선명도를 산출하고, 상기 산출된 선명도가 기설정된 값 이상인 이미지 정보를 판별하여, 상기 판별된 이미지 정보를 기반으로 특정 영역에서의 시정거리를 산출하는 정보 처리부;를 포함한다. According to an aspect of the present invention, there is provided an image analysis system using artificial intelligence, comprising: an image information acquisition unit for acquiring image information of objects set in a distance; The image processing method according to claim 1, further comprising the steps of: calculating image clarity of each image information when the image information on the objects is acquired; determining image information whose calculated sharpness is equal to or greater than a predetermined value; And an information processing unit for calculating an output value.

그리고 상기 정보 처리부는, 상기 이미지 정보 획득부를 기준으로 기설정된 거리 간격마다 위치하는 피사체에 대한 이미지 정보와 상기 이미지 정보 획득부 및 상기 피사체 간의 거리에 대한 거리정보를 매칭시켜 저장하되, 기설정된 스케줄에 따라 거리별 이미지 정보의 획득 시점이 도래하면, 상기 이미지 정보 획득부가 상기 저장된 이미지 정보와 거리정보를 기반으로 상기 이미지 정보 획득부를 기준으로 가장 먼 곳에 위치하는 제1 피사체에 대한 이미지 정보부터 순차적으로 상기 거리별로 설정된 피사체들에 대한 이미지 정보를 획득하도록 할 수 있다.The information processing unit may store and store image information of a subject positioned at predetermined distance intervals based on the image information obtaining unit, distance information on the distance between the image information obtaining unit and the subject, The image information acquiring unit sequentially acquires the image information of the first object located at the farthest position with respect to the image information acquiring unit based on the stored image information and the distance information, It is possible to acquire the image information of the objects set by the distance.

또한, 상기 정보 처리부는, 상기 각각의 이미지 정보의 선명도를 산출하는 경우, 상기 각각의 이미지 정보 중 상기 제1 피사체에 대한 이미지 정보의 선명도를 산출하여, 상기 산출된 선명도가 상기 기설정된 값 이상인 것인지 판별하고, 상기 산출된 선명도가 상기 기설정된 값 이상이면, 다른 피사체들에 대한 이미지 정보의 선명도 산출절차를 중단하고, 상기 제1 피사체에 대한 거리정보를 기반으로 시정거리를 산출할 수 있다.When the sharpness of each of the pieces of image information is calculated, the information processing unit calculates the sharpness of the image information of the first subject among the pieces of image information, and determines whether the calculated sharpness is equal to or greater than the predetermined value And if the calculated sharpness is equal to or greater than the preset value, the sharpness calculation procedure of the image information for the other subjects may be interrupted, and the corrective distance may be calculated based on the distance information about the first subject.

그리고 상기 정보 처리부는, 상기 산출된 선명도가 상기 기설정된 값 미만이면, 상기 각각의 이미지 정보 중 상기 이미지 정보 획득부를 기준으로 상기 제1 피사체보다 상기 기설정된 거리 간격만큼 가까운 제2 피사체에 대한 이미지 정보의 선명도를 산출하여, 상기 산출된 제2 피사체에 대한 이미지 정보의 선명도가 기설정된 값 이상인 것인지 판별하고, 상기 제2 피사체에 대한 이미지 정보의 선명도의 판별 결과에 따라, 상기 제2 피사체에 대한 거리정보를 기반으로 시정거리를 산출하거나, 또는 상기 이미지 정보 획득부를 기준으로 상기 제2 피사체보다 상기 기설정된 거리 간격만큼 가까운 제3 피사체에 대한 이미지 정보의 선명도를 산출하도록 할 수 있다. If the calculated sharpness is less than the predetermined value, the information processing unit may calculate image information on the second subject, which is closer to the first subject than the first subject, based on the image information obtaining unit, And determining the sharpness of the second subject based on the result of the determination of the sharpness of the image information with respect to the second subject so that the distance to the second subject The correcting distance may be calculated on the basis of the information or the sharpness of the image information of the third subject nearer to the predetermined distance than the second subject may be calculated based on the image information obtaining unit.

또한, 상기 정보 처리부는, 상기 각각의 이미지 정보의 선명도를 산출하기 위해, 상기 각각의 이미지 정보를 구성하는 복수의 픽셀 중 일부 픽셀을 임의로 지정하여 특징점으로 설정한 것에 대한 특징점 설정정보를 미리 저장하고, 특정 이미지 정보가 획득되면, 상기 특정 이미지 정보에 대한 특징점 설정정보를 기반으로 상기 획득된 특정 이미지 정보로부터 인지 가능한 특징점의 개수를 산출함으로써, 상기 특정 이미지 정보의 선명도를 산출할 수 있다.In order to calculate the sharpness of each of the image information, the information processing unit may previously store the minutia point setting information for setting some pixels among the plurality of pixels constituting the respective pieces of image information as minutiae The sharpness of the specific image information can be calculated by calculating the number of recognizable feature points from the obtained specific image information based on the feature point setting information for the specific image information.

그리고 본 실시예에 따른 인공지능을 이용한 영상분석 시정계는 소정의 제한된 지향 각도에 의해 설정되는 제1 영역에 상기 정보 처리부에 의해 판별된 특정 영역에서의 시정거리에 대한 음성정보를 출력하는 지향성 음성정보 출력부;를 더 포함할 수 있다.The image analysis timeline using the artificial intelligence according to the present embodiment is characterized in that the image analysis system using the artificial intelligence includes a directional voice output unit for outputting voice information on the corrective distance in the specific area identified by the information processing unit, And an information output unit.

또한, 상기 제1 영역은, 주행도로가 위치하는 영역 또는 상기 주행도로를 따라 주행하는 차량이 위치하는 영역일 수 있다.The first area may be a region where a road is located or a region where a vehicle traveling along the road is located.

그리고 상기 지향성 음성정보 출력부는, 상기 주행도로를 따라 주행하는 차량을 향해 방사파(radiation wave)를 출사하고, 상기 차량에 의해 반사되는 반사파가 수신되도록 하는 레이더가 구비되어, 상기 주행도로를 따라 주행하는 차량을 감지할 수 있다.The directional voice information output unit includes a radar that emits a radiation wave toward a vehicle traveling along the traveling road and receives a reflected wave reflected by the vehicle so as to travel along the traveling road The vehicle can be detected.

이에 의해, CCTV 카메라와 같은 장비를 통해 획득된 영상 이미지를 인공지능 기술을 이용하여 분석하여 시정거리를 정량적으로 산출할 수 있으며, 미세먼지 또는 초미세먼지 등을 이유로 시정 악화가 발생 되는 경우, 시정 악화가 발생된 지역을 주행하는 운전자들에게 해당 지역의 시정거리에 대한 정보를 지향성 음성출력 수단을 통해 전달하여, 경각심을 향상시키고, 시정 악화로 인한 인명 피해 및 경제적 손실을 예방할 수 있다.Accordingly, it is possible to quantitatively calculate the correcting distance by analyzing the image obtained through the equipment such as a CCTV camera by using the artificial intelligence technology. When the deterioration of the corrective state occurs due to fine dust or ultrafine dust, Information on the corrective distance of the area can be transmitted to the drivers traveling in the area where the deterioration has occurred through the directional voice output means to improve the alertness and to prevent the loss of life and the economic loss due to the deterioration of the visibility.

도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 영상분석 시정계의 구성을 설명하기 위해 도시된 도면이다.
도 2는 본 발명의 일 실시예에 따른 이미지 정보 획득부를 통해 거리별로 획득된 이미지 정보들을 도시된 도면이다.
도 3은 본 발명의 일 실시예에 따른 이미지 정보 획득부를 통해 획득된 특정 지역에 대한 이미지 정보들을 도시된 도면이다.
도 4는 본 발명의 일 실시예에 따른 정보 처리부가 획득된 이미지 정보의 선명도 산출 과정을 설명하기 위해 도시된 도면이다.
도 5는 본 발명의 일 실시예에 따른 정보 처리부를 통해 산출된 시정거리가 별도의 화면을 통해 출력되는 모습이 도시된 도면이다.
도 6은 본 발명의 일 실시예에 따른 인공지능을 이용한 영상분석 시정계를 이용하여 시정거리를 산출하는 과정을 설명하기 위해 도시된 도면이다.FIG. 1 is a diagram illustrating a configuration of an image analysis timeline using artificial intelligence according to an embodiment of the present invention. Referring to FIG.
FIG. 2 is a diagram illustrating image information obtained by distance through an image information obtaining unit according to an embodiment of the present invention.
3 is a diagram illustrating image information for a specific region obtained through the image information obtaining unit according to an embodiment of the present invention.
4 is a view for explaining a process of calculating the sharpness of image information obtained by the information processing unit according to an embodiment of the present invention.
FIG. 5 is a view illustrating a state in which a corrected distance calculated through an information processing unit according to an exemplary embodiment of the present invention is output through a separate screen.
FIG. 6 is a diagram illustrating a process of calculating a correction distance using an image analysis timeline using artificial intelligence according to an embodiment of the present invention. Referring to FIG.

이하에서는 도면을 참조하여 본 발명에 대해 보다 상세히 설명하기로 한다. 이하에 소개되는 실시예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 본 발명은 이하 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다.Hereinafter, the present invention will be described in detail with reference to the drawings. The embodiments described below are provided by way of example so that those skilled in the art will be able to fully understand the spirit of the present invention. The present invention is not limited to the embodiments described below and may be embodied in other forms.

도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 영상분석 시정계의 구성을 설명하기 위해 도시된 도면이며, 도 2는 본 발명의 일 실시예에 따른 이미지 정보 획득부(100)를 통해 거리별로 획득된 이미지 정보들을 도시된 도면이고, 도 3은 본 발명의 일 실시예에 따른 이미지 정보 획득부(100)를 통해 획득된 특정 지역에 대한 이미지 정보들을 도시된 도면이다.FIG. 1 is a view for explaining a configuration of an image analysis timeline using artificial intelligence according to an embodiment of the present invention. FIG. 2 is a block diagram illustrating an image information acquisition unit 100 according to an embodiment of the present invention. FIG. 3 is a diagram illustrating image information for a specific region obtained through the image information obtaining unit 100 according to an embodiment of the present invention. Referring to FIG.

본 실시예에 따른 인공지능을 이용한 영상분석 시정계는 인공지능 기술을 이용하여 영상 이미지를 분석함으로써, 시정거리를 정량적으로 산출하고, 미세먼지 또는 초미세먼지 등을 이유로 시정 악화가 발생 되는 경우, 시정 악화가 발생된 지역을 주행하는 운전자들에게 해당 지역의 시정거리에 대한 정보를 지향성 음성출력 수단을 통해 전달하기 위해 마련된다.The image analysis timeline using the artificial intelligence according to the present embodiment analyzes the image image using the artificial intelligence technology to quantitatively calculate the corrective distance, and when the deterioration of the corrective state occurs due to fine dust or ultrafine dust, And is provided to transmit information on the corrective distance of the area to the drivers who travel in the area where the deterioration occurs due to the directional voice output means.

이를 위해, 본 인공지능을 이용한 영상분석 시정계는, 이미지 정보 획득부(100), 정보 처리부(200) 및 지향성 음성정보 출력부(300)로 구성될 수 있다.To this end, the image analysis timeline using the artificial intelligence may include an image information obtaining unit 100, an information processing unit 200, and a directional audio information output unit 300.

이미지 정보 획득부(100)는, 피사체들에 대한 이미지 정보를 획득하기 위해 마련된다. 구체적으로 이미지 정보 획득부(100)는, CCTV 카메라 및 IP 카메라와 같이 촬영 수단으로 구현되어, 도 2에 도시된 바와 같이 거리별로 피사체를 촬영하여 이미지 정보를 획득할 수 있다.The image information obtaining unit 100 is provided for obtaining image information on the subjects. Specifically, the image information obtaining unit 100 may be implemented as a photographing unit such as a CCTV camera and an IP camera, and may acquire image information by photographing a subject by a distance as shown in FIG.

여기서 피사체란, 구조물, 시설물, 표지판과 같이 시간과 관계없이 일정한 위치에 배치되는 대상물 중에 정보 처리부(200)에 의해, 기설정된 거리 간격마다 위치하는 피사체를 의미한다. Here, the object means a subject positioned at a predetermined distance interval by the information processing unit 200 among objects arranged at a predetermined position regardless of time, such as a structure, a facility, and a sign.

정보 처리부(200)는, 이미지 정보 획득부(100)를 통해, 피사체들에 대한 이미지 정보가 획득되면, 각각의 이미지 정보의 선명도를 산출하고, 산출된 선명도가 기설정된 값 이상인 이미지 정보를 판별하여, 판별된 이미지 정보를 기반으로 특정 영역에서의 시정거리를 산출하기 위해, 선명도 산출 모듈(210), 시정거리 산출 모듈(220) 및 저장 모듈(230)로 구성될 수 있다. The information processing unit 200 calculates the sharpness of each image information when the image information about the subjects is obtained through the image information obtaining unit 100 and determines image information whose calculated sharpness is equal to or larger than a preset value , A sharpness calculation module 210, a corrective distance calculation module 220 and a storage module 230 to calculate a correction distance in a specific area based on the discriminated image information.

구체적으로 선명도 산출 모듈(210)은, 하나 이상의 이미지 정보 획득부(100)와 연결되어, 연결된 이미지 정보 획득부(100)를 기준으로 기설정된 거리 간격마다 위치하는 피사체에 대한 이미지 정보와 이미지 정보 획득부(100)와 피사체 간의 거리에 대한 거리정보를 매칭시켜 저장 모듈(230)에 저장하도록 함으로써, 기설정된 스케줄에 따라 연결된 이미지 정보 획득부(100)가 거리별 이미지 정보를 획득하도록 할 수 있다. Specifically, the sharpness calculation module 210 is connected to one or more image information acquisition units 100, and acquires image information about a subject positioned at a predetermined distance interval based on the connected image information acquisition unit 100 and image information The distance information on the distance between the unit 100 and the subject is matched and stored in the storage module 230 so that the connected image information acquisition unit 100 can acquire image information for each distance according to a predetermined schedule.

특히, 선명도 산출 모듈(210)은, 도 3a 내지 도 3d에 도시된 바와 같이 기설정된 스케줄에 따라 거리별 이미지 정보의 획득 시점이 도래하면, 이미지 정보 획득부(100)가 저장된 이미지 정보와 거리정보를 기반으로 촬영 방향을 조절하여 저장된 이미지 정보와 관련된 피사체를 촬영하도록 할 수 있다. 여기서, 도 3a 내지 도 3d은 서로 다른 시간에 동일한 피사체를 대상으로 촬영하여 획득된 이미지 정보가 도시된 도면이다. 3A to 3D, when the image information acquiring unit 100 acquires image information by distance according to a preset schedule, the image information acquiring unit 100 acquires the image information stored in the image information acquiring unit 100 and the distance information The photographing direction can be adjusted to photograph a subject related to the stored image information. 3A to 3D are diagrams showing image information obtained by photographing the same subject at different times.

한편, 서로 다른 거리에 위치하는 각각의 이미지 정보의 획득 순서는 이미지 정보 획득부(100)를 기준으로 가장 먼 곳에 위치하는 제1 피사체에 대한 이미지 정보부터 제1 피사체보다 기설정된 거리 간격만큼 가까운 곳에 위치하는 제2 피사체, 제2 피사체보다 기설정된 거리만큼 가까운 곳에 위치하는 제3 피사체 순으로 설정되며, 이를 통해, 순차적으로 거리별로 설정된 피사체들에 대한 이미지 정보를 획득할 수 있다. On the other hand, the acquisition order of each image information located at different distances from the image information of the first object located farthest from the image information acquiring unit 100, And a third subject positioned closer by a predetermined distance than the second subject. Thus, it is possible to acquire image information on the subjects sequentially set in the distance by the second subject.

또한, 선명도 산출 모듈(210)은 각각의 이미지 정보가 획득된 순서에 따라, 이미지 정보 획득부(100)를 기준으로 가장 먼 곳에 위치하는 제1 피사체에 대한 이미지 정보부터 각각의 이미지 정보의 선명도를 산출할 수 있다.The sharpness calculation module 210 calculates the sharpness of each image information from the image information of the first object located farthest from the image information obtaining unit 100 according to the order in which each image information is obtained Can be calculated.

시정거리 산출 모듈(220)은, 산출된 선명도가 기설정된 값 이상인 이미지 정보가 판별되면, 다른 피사체들에 대한 이미지 정보의 선명도 산출절차를 중단하고, 제1 피사체에 대한 거리정보를 기반으로 특정 영역에서의 시정거리를 산출할 수 있다. When the image information whose calculated sharpness is equal to or greater than a preset value is determined, the correction amount distance calculation module 220 stops the procedure of calculating the sharpness of the image information for the other subjects, The correcting distance can be calculated.

즉, 정보 처리부(200)는, 선명도 산출 모듈(210)을 통해 제1 피사체에 대한 이미지 정보부터 선명도를 산출하고, 산출된 선명도가 기설정된 값 이상이면, 시정거리 산출 모듈(220)을 통해, 제1 피사체에 대한 거리정보를 기반으로 시정거리를 산출하고, 다른 피사체들에 대한 이미지 정보의 선명도 산출절차를 중단하되, 제1 피사체에 대한 이미지 정보의 선명도가 기설정된 값 미만이면, 선명도 산출 모듈(210)을 통해, 이미지 정보 획득부(100)를 기준으로 제1 피사체보다 기설정된 거리 간격만큼 가까운 제2 피사체에 대한 이미지 정보의 선명도를 산출하고, 시정거리 산출 모듈(220)을 통해, 산출된 제2 피사체에 대한 이미지 정보의 선명도가 기설정된 값 이상인지 판별하여 특정 영역에서의 시정거리를 산출할 수 있다. That is, the information processing unit 200 calculates the sharpness from the image information of the first object through the sharpness calculation module 210, and if the calculated sharpness is greater than a predetermined value, If the sharpness of the image information for the first subject is less than the predetermined value, the correcting distance calculating module calculates the correcting distance based on the distance information for the first subject, and stops the procedure for calculating the sharpness of the image information for the other subjects. And calculates the sharpness of the image information for the second subject nearer to the image information obtaining unit 100 than the first subject by a predetermined distance interval through the correction distance calculating module 210, The correcting distance in the specific area can be calculated by discriminating whether the sharpness of the image information for the second subject is equal to or greater than a preset value.

여기서, 선명도 산출 모듈(210)은 제2 피사체에 대한 이미지 정보의 선명도의 판별 결과에 따라 제2 피사체에 대한 거리정보를 기반으로 시정거리를 산출하거나 또는 이미지 정보 획득부(100)를 기준으로 제2 피사체보다 기설정된 거리 간격만큼 가까운 제3 피사체에 대한 이미지 정보의 선명도를 산출하는 방식으로 선명도가 기설정된 값 이상인 이미지 정보가 판별될 때까지, 선명도 산출절차를 반복해서 수행할 수 있다.Here, the sharpness calculation module 210 may calculate the correction distance based on the distance information of the second subject or may calculate the correction distance based on the image information obtaining unit 100 as a reference based on the determination result of the sharpness of the image information about the second subject. The sharpness calculation procedure can be repeatedly performed until image information whose sharpness is equal to or greater than a predetermined value is determined by calculating the sharpness of the image information for the third subject nearer to the subject than the predetermined distance interval.

예를 들면, 정보 처리부(200)는, 이미지 정보 획득부(100)를 기준으로 2km(=2,000m) 떨어진 제1 피사체에 대한 이미지 정보의 선명도를 산출하여 기설정된 값 미만이면, 제1 피사체보다 10m 가까운 곳에 위치하는 제2 피사체에 대한 이미지 정보의 선명도를 산출하여 기설정된 값과 비교하는 방식으로, 선명도가 기설정된 값 이상인 이미지 정보가 판별될 때까지, 선명도 산출절차를 반복해서 수행할 수 있으며, 제2 피사체에 대한 이미지 정보의 선명도가 기설정된 값 이상이면, 제2 피사체의 거리정보를 기반으로 시정거리가 1,990m로 산출될 수 있다. For example, the information processing unit 200 calculates the sharpness of the image information about the first subject 2 km (2,000 m) away from the image information obtaining unit 100, and if the value is less than the predetermined value, The sharpness calculation procedure can be repeatedly performed until the image information of the second subject positioned near 10m is calculated and compared with the preset value until the image information whose sharpness is equal to or greater than a preset value is discriminated , And if the sharpness of the image information for the second subject is equal to or greater than a predetermined value, the correction distance can be calculated to be 1,990m based on the distance information of the second subject.

저장 모듈(230)은, 하나 이상의 이미지 정보 획득부(100)에 대한 식별정보와 각각의 이미지 정보 획득부(100)를 기준으로 기설정된 거리 간격마다 위치하는 피사체에 대한 이미지 정보와 이미지 정보 획득부(100)와 피사체 간의 거리에 대한 거리정보를 매칭시켜 저장할 수 있다. 특히, 이미지 정보 획득부(100)가 IP 카메라로 구현되는 경우, 저장 모듈(230)에는 이미지 정보 획득부(100)에 대한 IP 주소정보가 식별정보로서 저장될 수 있다. The storage module 230 may store identification information for one or more image information acquisition units 100, image information for a subject positioned at predetermined distance intervals based on each image information acquisition unit 100, The distance information on the distance between the subject 100 and the subject can be matched and stored. In particular, when the image information obtaining unit 100 is implemented as an IP camera, IP address information of the image information obtaining unit 100 may be stored in the storage module 230 as identification information.

또한, 저장 모듈(230)에는 특정 이미지 정보 획득부(100)를 통해 기설정된 거리 간격마다 위치하는 피사체의 촬영이 효율적으로 수행되기 위한, 촬영 각도에 대한 각도정보가 이미지 정보 및 거리정보와 함께 매칭되어 저장될 수 있다. 이를 통해, 정보 처리부(200)는, 특정 이미지 정보 획득부(100)가 거리별 이미지 정보의 획득 시점이 도래하면, 거리별로 설정된 피사체들에 대한 각도정보를 활용하여 피사체들을 효율적으로 촬영할 수 있다. In addition, the storage module 230 stores the angle information about the photographing angle, which is used for efficiently photographing a subject positioned at a predetermined distance interval through the specific image information obtaining unit 100, And stored. Accordingly, when the specific image information obtaining unit 100 arrives at the time of acquiring the image information by distance, the information processing unit 200 can effectively photograph the objects by using the angle information about the objects set for each distance.

지향성 음성정보 출력부(300)는, 소정의 제한된 지향 각도에 의해 설정되는 제1 영역에 시정거리에 대한 음성정보를 출력하기 위해 마련된다.The directional voice information output unit 300 is provided for outputting voice information about the corrective distance to the first area set by a predetermined limited directivity angle.

구체적으로 지향성 음성정보 출력부(300)는, 정보 처리부(200)에 의해, 특정 영역에 대한 시정거리가 산출되면, 주행도로가 위치하는 영역 또는 주행도로를 따라 주행하는 차량이 위치하는 영역에 해당하는 제1 영역에 시정거리에 대한 음성정보를 출력할 수 있다. Specifically, when the corrective distance to a specific area is calculated by the information processing unit 200, the directional voice information output unit 300 outputs the directional voice information corresponding to the area where the vehicle is traveling The audio information on the corrected distance can be output to the first area.

여기서, 소정의 제한된 지향 각도에 의해 설정되는 제1 영역은, 시정거리가 산출된 특정 영역에 속하는 영역을 의미하며, 이를 통해, 주행도로가 위치하는 영역 또는 주행도로를 따라 주행하는 차량이 위치하는 영역에 한하여 시정거리에 대한 음성정보를 청취할 수 있다. Here, the first area set by the predetermined limited directivity angle means an area belonging to the specific area in which the corrective distance is calculated, whereby the area where the driving road is located or the vehicle traveling along the driving road is located It is possible to listen to the voice information about the correcting distance only in the area.

그리고 지향성 음성정보 출력부(300)는, 레이더(미도시)가 구비되어, 구비된 레이더를 이용하여 주행도로를 따라 주행하는 차량을 감지할 수 있다.The directional voice information output unit 300 is provided with a radar (not shown), and can sense a vehicle traveling along the traveling road using the radar.

구체적으로, 지향성 음성정보 출력부(300)는, 레이더를 이용하여 주행도로를 따라 주행하는 차량을 향해 방사파를 출사하고, 차량에 의해 반사되는 반사파가 수신되면, 주행도로를 따라 주행하는 차량을 감지할 수 있어, 주행도로를 따라 차량이 감지되는 경우에만, 시정거리에 대한 음성정보가 출력되도록 할 수 있다.Specifically, the directional audio information output unit 300 outputs a radiation wave toward a vehicle traveling along a traveling road using a radar, and when a reflected wave reflected by the vehicle is received, a vehicle traveling along the traveling road And only when the vehicle is detected along the traveling road, the voice information on the corrected distance can be outputted.

이를 통해, 시정 악화가 발생된 지역을 주행하는 운전자들에게 해당 지역의 시정거리에 대한 정보를 전달하여, 경각심을 향상시키고, 시정 악화로 인한 인명 피해 및 경제적 손실을 예방할 수 있다.Through this, it is possible to inform the driver who is traveling in the area where the deterioration is caused by the information about the visibility of the area, thereby improving the alertness and preventing the loss of life and economic loss due to the deterioration of visibility.

도 4는 본 발명의 일 실시예에 따른 정보 처리부(200)가 획득된 이미지 정보의 선명도 산출 과정을 설명하기 위해 도시된 도면이다. FIG. 4 is a diagram illustrating a process of calculating the sharpness of image information obtained by the information processing unit 200 according to an exemplary embodiment of the present invention.

본 실시예에 따른 정보 처리부(200)는, 각각의 이미지 정보의 선명도를 산출하기 위해, 선명도를 선출하기에 앞서, 미리 각각의 이미지 정보를 구성하는 복수의 픽셀 중 일부 픽셀을 임의로 지정하여 특징점으로 설정하고, 특징점으로 설정된 일부 픽셀들에 대한 특징점 설정정보를 미리 저장할 수 있다. In order to calculate the sharpness of each piece of image information, the information processing unit 200 according to this embodiment arbitrarily designates some pixels among a plurality of pixels constituting each piece of image information before selecting sharpness, And stores the feature point setting information for some pixels set as the feature points in advance.

여기서, 특징점으로 설정되는 일부 픽셀은 복수의 픽셀이 하나의 그룹을 지정하도록 하여 하나의 특징점으로 설정될 수 있으며, 구체적으로, 도 4a는 복수의 픽셀 중 일부 픽셀을 세 그룹으로 지정하여 특징점으로 설정된 예를 나타낸 도면이고, 도 4b는 복수의 픽셀 중 일부 픽셀을 네 그룹으로 지정하여 특징점으로 설정된 예를 나타낸 도면이다.Here, some of the pixels set as the minutiae can be set as one minutiae by allowing a plurality of pixels to designate one group. Specifically, FIG. 4A shows a case where some pixels among a plurality of pixels are designated as three minutiae, And FIG. 4B is a diagram showing an example in which some pixels among a plurality of pixels are designated as four groups and set as minutiae.

즉, 정보 처리부(200)는, 각각의 이미지 정보를 구성하는 복수의 픽셀 중 색상 및 형상이 유사하여 식별이 어려운 픽셀들을 하나의 그룹으로 지정하여, 하나의 특징점으로 설정되도록 할 수 있으며, 이러한 특징점들에 대한 특징점 설정정보를 저장 모듈(230)에 미리 저장해둠으로써, 특정 이미지 정보가 획득되면, 특정 이미지 정보에 대한 특징점 설정정보를 기반으로 획득된 특정 이미지 정보로부터 인지 가능한 특징점의 개수를 산출함으로써, 특정 이미지 정보의 선명도를 산출할 수 있다. In other words, the information processing unit 200 may designate one group of pixels, which are difficult to identify due to similarities in color and shape among a plurality of pixels constituting each image information, to be set as one feature point. By storing the feature point setting information for the specific image information in advance in the storage module 230 so that the number of recognizable feature points is calculated from the specific image information obtained based on the feature point setting information for the specific image information , The sharpness of specific image information can be calculated.

여기서, 정보 처리부(200)가 인지 가능한 특징점으로 판단하거나, 인지 가능한 특징점으로 판단된 특징점의 개수를 산출하는 과정은 CUDA(Compute Unified Device Architecture) 기술을 이용하여 구현할 수 있다. Here, the process of determining whether the information processing unit 200 can recognize a feature point or the number of feature points that can be recognized as a recognizable feature point can be implemented using a CUDA (Compute Unified Device Architecture) technology.

도 5는 본 발명의 일 실시예에 따른 정보 처리부(200)를 통해 산출된 시정거리가 별도의 화면을 통해 출력되는 모습이 도시된 도면이다.FIG. 5 is a view illustrating a state in which the corrected distance calculated through the information processing unit 200 according to an exemplary embodiment of the present invention is output through a separate screen.

본 실시예에 따른 정보 처리부(200)는, 특정 영역에서의 시정거리가 산출되면, 별도로 마련되는 사용자 단말의 화면을 통해, 산출된 특정 영역에서의 시정거리가 출력될 수 있다. 이를 통해, 사용자는 정보 처리부(200)가 설치된 영역 중 자신이 원하는 영역에서의 시정거리를 쉽고 편리하게 확인할 수 있다. When the correction distance in the specific area is calculated, the information processing unit 200 according to the present embodiment can output the correction distance in the calculated specific area through the screen of the user terminal provided separately. In this way, the user can easily and easily check the correcting distance in a desired area of the area where the information processing unit 200 is installed.

도 6은 본 발명의 일 실시예에 따른 인공지능을 이용한 영상분석 시정계를 이용하여 시정거리를 산출하는 과정을 설명하기 위해 도시된 도면이다.FIG. 6 is a diagram illustrating a process of calculating a correction distance using an image analysis timeline using artificial intelligence according to an embodiment of the present invention. Referring to FIG.

본 실시예에 따른 인공지능을 이용한 영상분석 시정계는 인공지능 기술을 이용하여 영상 이미지를 분석함으로써, 시정거리를 정량적으로 산출하기 위해, 우선, 선명도를 선출하기에 앞서, 정보 처리부(200)가 거리별 이미지 정보를 구성하는 복수의 픽셀 중 일부 픽셀을 임의로 지정하여 특징점으로 설정하고(S610), 특징점으로 설정된 일부 픽셀들에 대한 특징점 설정정보를 미리 저장할 수 있다. In order to quantitatively calculate the correcting distance by analyzing the image image using the artificial intelligence technology, the image processing system using the artificial intelligence according to the present embodiment may be configured such that the information processing unit 200 Some pixels among the plurality of pixels constituting the image information per distance are arbitrarily set as the minutiae points (S610), and the minutiae setting information for some pixels set as the minutiae points may be stored in advance.

그리고 이미지 정보 획득부(100)가 기설정된 스케줄에 따라 거리별 이미지 정보의 획득 시점이 도래하면, 이미지 정보와 거리정보를 기반으로 촬영 방향을 조절하여 저장된 이미지 정보와 관련된 피사체를 촬영함으로써, 피사체들에 대한 이미지 정보를 획득할 수 있다(S620).When the image information acquiring unit 100 acquires the time information of distance-based image information according to a predetermined schedule, the photographing direction is adjusted based on the image information and the distance information to photograph a subject related to the stored image information, (S620). ≪ / RTI >

그리고 정보 처리부(200)는, 각각의 이미지 정보가 획득되면, 각각의 이미지 정보 중 특정 이미지 정보에 대한 특징점 설정정보를 기반으로 획득된 특정 이미지 정보로부터 인지 가능한 특징점의 개수를 산출함으로써, 특정 이미지 정보의 선명도를 산출할 수 있다(S630). When each image information is obtained, the information processing unit 200 calculates the number of recognizable feature points from the specific image information obtained based on the feature point setting information for specific image information among the respective image information, (Step S630).

정보 처리부(200)는, 특정 이미지 정보의 선명도가 기설정된 값 이상인 것인지 판별하여(S640), 산출된 선명도가 기설정된 값 이상이면(S640-Yes), 제1 피사체에 대한 거리정보를 기반으로 시정거리를 산출하고(S670), 다른 피사체들에 대한 이미지 정보의 선명도 산출절차를 중단하되, 제1 피사체에 대한 이미지 정보의 선명도가 기설정된 값 미만이면(S640-No), 이미지 정보 획득부(100)를 기준으로 제1 피사체보다 기설정된 거리 간격만큼 가까운 제2 피사체에 대한 이미지 정보의 선명도를 산출하고(S650), 산출된 제2 피사체에 대한 이미지 정보의 선명도가 기설정된 값 이상인지 판별하여 특정 영역에서의 시정거리를 산출할 수 있다(S670).The information processing unit 200 determines whether the sharpness of the specific image information is equal to or greater than a preset value (S640). If the calculated sharpness is greater than or equal to a preset value (S640-Yes) If the sharpness of the image information for the first object is less than the predetermined value (S640-No), the image information obtaining unit 100 (Step S650), and determines whether the calculated sharpness of the image information of the second subject is equal to or greater than a predetermined value, The correcting distance in the area can be calculated (S670).

여기서, 정보 처리부(200)는, 제2 피사체에 대한 이미지 정보의 선명도의 판별 결과에 따라 제2 피사체에 대한 거리정보를 기반으로 시정거리를 산출하거나 또는 이미지 정보 획득부(100)를 기준으로 제2 피사체보다 기설정된 거리 간격만큼 가까운 제3 피사체에 대한 이미지 정보의 선명도를 산출하는 방식으로 선명도가 기설정된 값 이상인 이미지 정보가 판별될 때까지, 선명도 산출절차를 반복해서 수행할 수 있다.Here, the information processing unit 200 may calculate the correction distance based on the distance information of the second subject according to the determination result of the sharpness of the image information about the second subject, or may calculate the correction distance based on the image information obtaining unit 100 The sharpness calculation procedure can be repeatedly performed until image information whose sharpness is equal to or greater than a predetermined value is determined by calculating the sharpness of the image information for the third subject nearer to the subject than the predetermined distance interval.

정보 처리부(200)에 의해, 특정 영역에 대한 시정거리가 산출되면, 지향성 음성정보 출력부(300)가 주행도로가 위치하는 영역 또는 주행도로를 따라 주행하는 차량이 위치하는 영역에 해당하는 제1 영역에 시정거리에 대한 음성정보를 출력할 수 있다(S680). When the corrective distance to the specific area is calculated by the information processing unit 200, the directional audio information output unit 300 outputs the first distance corresponding to the area in which the traveling road is located or the area where the vehicle traveling along the traveling road is located The voice information on the corrected distance can be outputted to the area (S680).

이를 통해, 시정 악화가 발생된 지역을 주행하는 운전자들에게 해당 지역의 시정거리에 대한 정보를 전달하여, 경각심을 향상시키고, 시정 악화로 인한 인명 피해 및 경제적 손실을 예방할 수 있다.Through this, it is possible to inform the driver who is traveling in the area where the deterioration is caused by the information about the visibility of the area, thereby improving the alertness and preventing the loss of life and economic loss due to the deterioration of visibility.

이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is clearly understood that the same is by way of illustration and example only and is not to be construed as limiting the scope of the invention as defined by the appended claims. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention.

100 : 이미지 정보 획득부
200 : 정보 처리부
210 : 선명도 산출 모듈
220 : 시정거리 산출 모듈
230 : 저장 모듈
300 : 지향성 음성정보 출력부100: Image information obtaining unit
200: Information processor
210: Sharpness calculation module
220: Time constant calculation module
230: storage module
300: directional voice information output unit

Claims (8)

삭제delete 거리별로 설정된 피사체들에 대한 이미지 정보를 획득하는 이미지 정보 획득부;
상기 피사체들에 대한 이미지 정보가 획득되면, 각각의 이미지 정보의 선명도를 산출하고, 상기 산출된 선명도가 기설정된 값 이상인 이미지 정보를 판별하여, 상기 판별된 이미지 정보를 기반으로 특정 영역에서의 시정거리를 산출하는 정보 처리부;를 포함하고,
상기 정보 처리부는,
상기 이미지 정보 획득부를 기준으로 기설정된 거리 간격마다 위치하는 피사체에 대한 이미지 정보와 상기 이미지 정보 획득부 및 상기 피사체 간의 거리에 대한 거리정보를 매칭시켜 저장하되,
기설정된 스케줄에 따라 거리별 이미지 정보의 획득 시점이 도래하면, 상기 이미지 정보 획득부가 상기 저장된 이미지 정보와 거리정보를 기반으로 상기 이미지 정보 획득부를 기준으로 가장 먼 곳에 위치하는 제1 피사체에 대한 이미지 정보부터 순차적으로 상기 거리별로 설정된 피사체들에 대한 이미지 정보를 획득하도록 하는 것을 특징으로 하는 인공지능을 이용한 영상분석 시정계.An image information acquiring unit for acquiring image information of objects set for each distance;
The image processing method according to claim 1, further comprising the steps of: calculating image clarity of each image information when the image information on the objects is acquired; determining image information whose calculated sharpness is equal to or greater than a predetermined value; And an information processing unit for calculating an output value,
The information processing unit,
Wherein the image information acquiring unit matches the distance information with respect to the distance between the image information acquiring unit and the subject, the image information of the subject positioned at predetermined distance intervals based on the image information acquiring unit,
The image information obtaining unit obtains the image information of the first object located at the farthest position with reference to the image information obtaining unit based on the stored image information and the distance information, And acquires image information of the objects set sequentially by the distance from the start point of the image. 제2항에 있어서,
상기 정보 처리부는,
상기 각각의 이미지 정보의 선명도를 산출하는 경우, 상기 각각의 이미지 정보 중 상기 제1 피사체에 대한 이미지 정보의 선명도를 산출하여, 상기 산출된 선명도가 상기 기설정된 값 이상인 것인지 판별하고, 상기 산출된 선명도가 상기 기설정된 값 이상이면, 다른 피사체들에 대한 이미지 정보의 선명도 산출절차를 중단하고, 상기 제1 피사체에 대한 거리정보를 기반으로 시정거리를 산출하는 것을 특징으로 하는 인공지능을 이용한 영상분석 시정계.3. The method of claim 2,
The information processing unit,
Wherein the image processing method further comprises the steps of calculating the sharpness of the image information of the first subject among the respective pieces of image information to determine whether the calculated sharpness is equal to or greater than the predetermined value when the sharpness of each of the pieces of image information is calculated, Wherein the correcting step of the image information for the other objects is stopped and the corrective distance is calculated on the basis of the distance information about the first object if the difference is greater than or equal to the predetermined value, system. 제3항에 있어서,
상기 정보 처리부는,
상기 산출된 선명도가 상기 기설정된 값 미만이면, 상기 각각의 이미지 정보 중 상기 이미지 정보 획득부를 기준으로 상기 제1 피사체보다 상기 기설정된 거리 간격만큼 가까운 제2 피사체에 대한 이미지 정보의 선명도를 산출하여, 상기 산출된 제2 피사체에 대한 이미지 정보의 선명도가 기설정된 값 이상인 것인지 판별하고,
상기 제2 피사체에 대한 이미지 정보의 선명도의 판별 결과에 따라, 상기 제2 피사체에 대한 거리정보를 기반으로 시정거리를 산출하거나, 또는 상기 이미지 정보 획득부를 기준으로 상기 제2 피사체보다 상기 기설정된 거리 간격만큼 가까운 제3 피사체에 대한 이미지 정보의 선명도를 산출하도록 하는 것을 특징으로 하는 인공지능을 이용한 영상분석 시정계.The method of claim 3,
The information processing unit,
Calculating a sharpness of image information for a second subject nearer to the first subject than the first subject based on the image information acquiring unit among the respective pieces of image information when the calculated sharpness is less than the predetermined value, Determining whether the calculated sharpness of the image information for the second subject is equal to or greater than a predetermined value,
The correcting distance may be calculated on the basis of the distance information of the second subject or the predetermined distance may be calculated based on the determination result of the sharpness of the image information with respect to the second subject, And calculating the sharpness of the image information for the third subject close to the third distance. 제3항에 있어서,
상기 정보 처리부는,
상기 각각의 이미지 정보의 선명도를 산출하기 위해, 상기 각각의 이미지 정보를 구성하는 복수의 픽셀 중 일부 픽셀을 임의로 지정하여 특징점으로 설정한 것에 대한 특징점 설정정보를 미리 저장하고, 특정 이미지 정보가 획득되면, 상기 특정 이미지 정보에 대한 특징점 설정정보를 기반으로 상기 획득된 특정 이미지 정보로부터 인지 가능한 특징점의 개수를 산출함으로써, 상기 특정 이미지 정보의 선명도를 산출하는 것을 특징으로 하는 인공지능을 이용한 영상분석 시정계.The method of claim 3,
The information processing unit,
In order to calculate the sharpness of each of the image information, the minutiae setting information for a certain pixel among a plurality of pixels constituting the image information is arbitrarily set as the minutiae point, is stored in advance, and when specific image information is obtained And calculating the number of recognizable feature points from the obtained specific image information based on the feature point setting information for the specific image information to calculate the sharpness of the specific image information. . 거리별로 설정된 피사체들에 대한 이미지 정보를 획득하는 이미지 정보 획득부;
상기 피사체들에 대한 이미지 정보가 획득되면, 각각의 이미지 정보의 선명도를 산출하고, 상기 산출된 선명도가 기설정된 값 이상인 이미지 정보를 판별하여, 상기 판별된 이미지 정보를 기반으로 특정 영역에서의 시정거리를 산출하는 정보 처리부;를 포함하고,
소정의 제한된 지향 각도에 의해 설정되는 제1 영역에 상기 정보 처리부에 의해 판별된 특정 영역에서의 시정거리에 대한 음성정보를 출력하는 지향성 음성정보 출력부;를 더 포함하는 것을 특징으로 하는 인공지능을 이용한 영상분석 시정계.An image information acquiring unit for acquiring image information of objects set for each distance;
The image processing method according to claim 1, further comprising the steps of: calculating image clarity of each image information when the image information on the objects is acquired; determining image information whose calculated sharpness is equal to or greater than a predetermined value; And an information processing unit for calculating an output value,
And a directional audio information output unit for outputting audio information on the corrective distance in the specific area identified by the information processing unit in a first area set by a predetermined limited directional angle. Using Image Analysis System. 제6항에 있어서,
상기 제1 영역은,
주행도로가 위치하는 영역 또는 상기 주행도로를 따라 주행하는 차량이 위치하는 영역인 것을 특징으로 하는 인공지능을 이용한 영상분석 시정계.The method according to claim 6,
Wherein the first region comprises:
An area where a driving road is located or an area where a vehicle running along the driving road is located. 제7항에 있어서,
상기 지향성 음성정보 출력부는,
상기 주행도로를 따라 주행하는 차량을 향해 방사파(radiation wave)를 출사하고, 상기 차량에 의해 반사되는 반사파가 수신되도록 하는 레이더가 구비되어, 상기 주행도로를 따라 주행하는 차량을 감지하는 것을 특징으로 하는 인공지능을 이용한 영상분석 시정계.8. The method of claim 7,
Wherein the directional voice information output unit comprises:
A radar for emitting a radiation wave toward a vehicle traveling along the traveling road and receiving reflected waves reflected by the vehicle is provided to detect a vehicle traveling along the traveling road, Image analysis system using artificial intelligence.
KR1020180025612A 2018-03-05 2018-03-05 Visibility meter of image analysis using artificial intelligence KR101993445B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180025612A KR101993445B1 (en) 2018-03-05 2018-03-05 Visibility meter of image analysis using artificial intelligence
PCT/KR2018/013289 WO2019172500A1 (en) 2018-03-05 2018-11-05 Video analysis visibility meter using artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180025612A KR101993445B1 (en) 2018-03-05 2018-03-05 Visibility meter of image analysis using artificial intelligence

Publications (1)

Publication Number Publication Date
KR101993445B1 true KR101993445B1 (en) 2019-06-26

Family

ID=67105164

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180025612A KR101993445B1 (en) 2018-03-05 2018-03-05 Visibility meter of image analysis using artificial intelligence

Country Status (2)

Country Link
KR (1) KR101993445B1 (en)
WO (1) WO2019172500A1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210032075A (en) 2019-09-16 2021-03-24 (주)시정 System for image analysis using artificial intelligence and method using the same
WO2021201474A1 (en) * 2020-03-31 2021-10-07 주식회사 비트센싱 Radar device and method for classifying objects
KR20210122101A (en) * 2020-03-31 2021-10-08 주식회사 비트센싱 Radar apparatus and method for classifying object
KR20230081373A (en) 2021-11-30 2023-06-07 (주)시정 Image analysis visibility system that calculates dominant visibility using panoramic images and artificial intelligence

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005338941A (en) * 2004-05-24 2005-12-08 Fujitsu Ltd Method and device for detecting visibility
KR20060101990A (en) 2005-03-22 2006-09-27 주식회사 화흥도로안전씨스템 Fog preventing system
KR101503213B1 (en) 2014-04-04 2015-03-17 경주대학교 산학협력단 Visual range measurement device and method using a geographical information and perspective of a visual image
KR101748524B1 (en) * 2016-01-26 2017-06-27 (주)스마트테크놀로지 Apparatus and method for fog detection using visibility estimation

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4228994B2 (en) * 2004-05-24 2009-02-25 富士フイルム株式会社 Image management apparatus, image management method, and image management program
KR101032160B1 (en) * 2009-10-06 2011-05-02 충주대학교 산학협력단 System and method for road visibility measurement using camera

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005338941A (en) * 2004-05-24 2005-12-08 Fujitsu Ltd Method and device for detecting visibility
KR20060101990A (en) 2005-03-22 2006-09-27 주식회사 화흥도로안전씨스템 Fog preventing system
KR101503213B1 (en) 2014-04-04 2015-03-17 경주대학교 산학협력단 Visual range measurement device and method using a geographical information and perspective of a visual image
KR101748524B1 (en) * 2016-01-26 2017-06-27 (주)스마트테크놀로지 Apparatus and method for fog detection using visibility estimation

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김경원, "CCTV 기반 도로 및 해안 지역의 시정거리 측정 및 안개 탐지", 한국대기환경학회 2017년 제60회 정기학술대회 초록집, 2017.11.* *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210032075A (en) 2019-09-16 2021-03-24 (주)시정 System for image analysis using artificial intelligence and method using the same
WO2021201474A1 (en) * 2020-03-31 2021-10-07 주식회사 비트센싱 Radar device and method for classifying objects
KR20210122101A (en) * 2020-03-31 2021-10-08 주식회사 비트센싱 Radar apparatus and method for classifying object
KR102557620B1 (en) 2020-03-31 2023-07-21 주식회사 비트센싱 Radar apparatus and method for classifying object
KR20230081373A (en) 2021-11-30 2023-06-07 (주)시정 Image analysis visibility system that calculates dominant visibility using panoramic images and artificial intelligence
KR102654044B1 (en) * 2021-11-30 2024-04-03 (주)시정 Image analysis visibility system that calculates dominant visibility using panoramic images and artificial intelligence

Also Published As

Publication number Publication date
WO2019172500A1 (en) 2019-09-12

Similar Documents

Publication Publication Date Title
KR101993445B1 (en) Visibility meter of image analysis using artificial intelligence
US20230079730A1 (en) Control device, scanning system, control method, and program
JP7355151B2 (en) Information processing device, information processing method, program
EP3705371A1 (en) Obstacle detecting device
KR101291301B1 (en) Vehicle speed measurement system using image and radar
CN108692719B (en) Object detection device
US9154741B2 (en) Apparatus and method for processing data of heterogeneous sensors in integrated manner to classify objects on road and detect locations of objects
US20170236015A1 (en) Image processing device, alarming apparatus, image processing system, and image processing method
JP2007232690A (en) Present position detection apparatus, map display device and present position detecting method
CN107633683B (en) Off-site law enforcement management system for vehicle overload
JP4914365B2 (en) Line-of-sight measurement equipment
JP2007010335A (en) Vehicle position detecting device and system
US20220178735A1 (en) Displacement measurement apparatus for structure
KR20190043396A (en) Method and system for generating and providing road weather information by using image data of roads
KR20170039465A (en) System and Method for Collecting Traffic Information Using Real time Object Detection
CN114141057B (en) Intersection vehicle collision early warning evaluation method, device and system
KR20150039230A (en) Method for providing real time traffic information around vehicle and traffic information system using the same
JP2014130429A (en) Photographing device and three-dimensional object area detection program
CN112585484B (en) Method and assembly for detecting corona discharge of installation with operating device
JP7094854B2 (en) Collapsed slope monitoring method and collapsed slope monitoring system
WO2019151704A1 (en) Method and system for measuring three-dimensional visibility using traffic monitoring camera
KR102018582B1 (en) The apparatus and method for each lane collecting traffic information
KR20200075692A (en) Fog detection device using coordinate system and method thereof
EP3273408B1 (en) Device and method for determining a distance to a vehicle
KR102095299B1 (en) Visibility meter of night

Legal Events

Date Code Title Description
GRNT Written decision to grant