KR100874890B1 - 교통 분석 시스템 및 서비스 방법 - Google Patents
교통 분석 시스템 및 서비스 방법 Download PDFInfo
- Publication number
- KR100874890B1 KR100874890B1 KR1020070091497A KR20070091497A KR100874890B1 KR 100874890 B1 KR100874890 B1 KR 100874890B1 KR 1020070091497 A KR1020070091497 A KR 1020070091497A KR 20070091497 A KR20070091497 A KR 20070091497A KR 100874890 B1 KR100874890 B1 KR 100874890B1
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- image
- gaussian
- feature point
- value
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- 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
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명은 교통 분석 시스템 및 서비스 방법에 관한 것으로서, 더욱 상세하게는 촬영기기에 의하여 촬영된 동영상과 상기 동영상을 각 프레임별로 이미지로 변환하고 변환된 이미지 각각에 대하여 최초 촬영된 배경 이미지로부터 차량 이동전, 후 이미지로부터 특징점을 추출하여 벡터화하고 이동 후 차량의 이미지로부터 특징점을 추출하여 벡터화한 이후에 상기 벡터화된 두 특징점을 비교하여 동일 차량을 분석 분석처리기로 이루어진 것을 특징으로 하는 교통 분석 시스템 및 그 서비스 방법에 관한 것이다.
따라서, 본 발명은 촬영된 차량의 일부만이 촬영되어도 벡터화한 특징점을 이용하여 동일한 차량을 검출할 수 있고, 차량의 종류를 구분할 수 있으며, 차량의 개별 추적을 통하여 교통을 분석하는 효과가 있다.
교통, 차량, 분석, 시스템, 특징점, 벡터값
Description
본 발명은 교통 분석 시스템 및 서비스 방법에 관한 것으로서, 더욱 상세하게는 촬영기기로 촬영된 동영상을 분석처리기를 이용하여 이동 전 차량의 이미지로부터 특징점을 추출하여 벡터화하고 이동 후 차량의 이미지로부터 특징점을 추출하여 벡터화한 이후에 상기 벡터화된 두 특징점을 비교하여 동일 차량을 분석하는 교통 분석 시스템 및 그 서비스 방법에 관한 것이다.
종래의 기술로서, 대한민국 등록특허공보 제 10-0195494호인 차량 추적을 위한 목표차량 인식방법은 도로의 영상을 취득하여 데이터 라인을 추출하는 단계와, 카메라로부터 인식된 차량의 소정부위를 라인정보로 나타내어 입력하는 단계와, 취득영상에서 추출한 데이터 라인과 모델의 라인을 비교하는 단계와, 라인 매칭 함수를 이용하여 데이터 라인과 모델 라인 사이에 매칭가능한 매칭 후보 세트를 설정하는 단계와, 상기 매칭 후부 세트 내의 한 라인 세그먼트에 대해 모델 라인을 트랜 스포매이션하고 이러한 모델 프랜스포매이션에 기준이 된 모델 라인 세그먼트와 데이터 라인 세그먼트 사이의 기하학적 유사성을 체크하여 가장 근접한 데이터 라인 세크먼트들의 조합을 인식하고자 하는 차량을 갱신함으로써 반복적으로 취득한 도로 영상에 대해 차량을 인식하고 추적하는 단계로 이루어진 기술이 있었다.
이와 같이 원거리에서 카메라를 이용하여 촬영한 이미지가 차량의 형상을 갖고 있음으로 차량을 인식하여 추적할 수 있으나, 원거리로부터 카메라에 근접한 차량을 촬영한 경우에는 차량의 어느 한 부분만 촬영됨으로, 종래의 기술에 의해서 상기 어느 한 부분만 촬영된 차량과, 원거리에서 촬영된 차량을 동일한 차량으로 인식하여 차량추적을 할 수 없었다.
본 발명은 상술한 문제점을 해결하기 위하여 안출된 것으로서, 본 발명은 촬영기기로 촬영된 동영상을 이미지로 캡쳐하고 상기 캡쳐된 이미지에 포함된 차량에 해당되는 특징점을 추출하여 이동전 차량과 이동 후 차량을 분석하여 교통 분석에 활용하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 일실시예에 따르면, 본 발명 교통 분석 시스템은 차량을 촬영한 동영상을 생성하는 촬영기기와, 상기 촬영기기에서 생성된 동영상을 수신하는 동영상 수신부와 상기 수신된 동영상을 각 프레임별 이미지로 변환하는 동영상 캡쳐부와, 상기 프레임별 이미지를 이용하여 최초 촬영된 배경 이미지로부터 차량 이동전/후의 이미지를 동일한 화소값으로 제거한 차량 이동전/후인 제 1, 제 2 영상차 이미지를 생성하는 차량 검출부와, 상기 제 1, 제 2 영상차 이미지를 이용하여 차량을 축소한 다수개의 제 1, 제 2 영상차 이미지를 생성하고 생성된 차량을 축소한 다수개의 제 1, 제 2 영상차 이미지에 가우시안 필터 값에 의하여 블러링을 갖는 차량 이동전/후인 제 1, 제 2 다수의 가우시안 이미지를 생성하고 생성된 제 1, 제 2 다수의 가우시안 이미지 각각에 대하여 서로 인접한 가우시안 이미지 사이에 화소값을 제거한 차량 이동전/후 가우시안 차이미지를 생성하는 가우시안 차이미지 생성부와, 상기 생성된 차량 이동전/후의 가우시안 차이미지 각각에 대하여 서로 인접한 가우시안 차이미지의 공통 위치에 해당하는 부분의 픽셀들 중에서 임의의 특정 픽셀을 기준으로 상기 임의의 특정 픽셀을 포함한 상기 공동 위치에 해당하는 부분의 픽셀들의 화소값을 차감한 화소값의 최대값과 최소값을 결정하고 결정된 최대값과 최소값의 절대값에 대하여 가장 큰 값을 특징점 후보로 결정하여 상기 특징점 후보에 대하여 임의로 설정한 임계값 이상의 특징점 후보를 특징점으로 결정하는 특징점 추출부와, 상기 결정된 특징점을 미분한 픽셀의 화소값 중에서 큰 화소값으로부터 작은 화속값의 흐름을 방향값으로 결정하고 상기 큰 화소값으로부터 작은 화소값의 차를 크기값으로 결정한 벡터화된 특징점을 생성하고 상기 벡터화된 특징점으로 차량 이동전의 벡터화된 특징점과 차량 이동후의 벡터화된 특징점을 비교하는 특징점 벡터화부로 이루어진 분석처리기로 포함되는 것을 특징으로 한다.
본 발명의 다른 일실시예에 따르면 교통 분석 서비스 방법은 촬영기기로 도로상의 차량을 동영상으로 촬영하는 단계와, 상기 촬영된 동영상을 수신한 분석처리기가 동영상을 각 프레임별 이미지로 변환하는 단계와, 상기 변환된 이미지 각각에 대하여 분석처리기가 최초 촬영된 배경 이미지로부터 차량의 움직임이 발생한 차량 이동전, 후 이미지의 화소값을 제거하여 차량 이동전인 제 1 영상차 이미지와 차량 이동 후인 제 2 영상차 이미지를 생성하는 단계와, 상기 생성된 제 1, 제 2 영상차 이미지를 분석처리기가 차량의 크기를 축소하고 블러링을 갖는 차량 이동 전인 제 1 다수의 가우시안 이미지와 차량 이동 후인 제 2 다수의 가우시안 이미지 를 생성하는 단계와, 상기 생성된 제 1, 제 2 다수의 가우시안 이미지 각각에 대하여 분석처리기가 서로 인접한 가우시안 이미지 사이에 화소값을 제거한 차량 이동 전인 제 1 가우시안 차이미지와 차량 이동 후인 제 1 가우시안 차이미지를 생성하는 단계와, 상기 제 1, 제 2 다수의 가우시안 차이미지 각각에 대하여 분석처리기가 서로 인접한 가우시안 차이미지의 공통 위치에 해당하는 부분의 픽셀들 중에서 임의의 특정 픽셀을 기준으로 상기 임의의 특정 픽셀을 포함한 상기 공동 위치에 해당하는 부분의 픽셀들의 화소값을 차감한 화소값의 최대값과 최소값을 결정하고 상기 결정된 최대값과 최소값의 절대값에 대하여 가장 큰 값을 차량 이동전,후의 특징점 후보로 결정하는 단계와, 상기 차량 이동전, 후의 결정된 특징점 후보를 분석처리기가 임의로 설정한 임계값 이상이면 그 값을 특징점으로 결정하는 단계, 상기 차량 이동전, 후의 결정된 특징점을 분석처리기가 미분하여 화소값의 크기가 큰곳에서 작은쪽의 흐름을 방향값으로 결정하고 큰 화소값으로부터 작은 화소값의 차를 크기값으로 결정한 차량 이동전, 후의 벡터화된 특징점을 생성하는 단계와, 상기 차량 이동전, 후의 벡터화된 특징점을 이용하여 차량 이동전의 벡터화된 특징점과 차량 이동후의 벡터화된 특징점을 비교하여 동일할 경우에 동일차량으로 판단하는 단계, 및 상기 동일차량으로 판단된 벡터화된 특징점을 이용하여 차량 추적, 속도, 통행량을 분석하는 단계로 이루어진 것을 특징으로 한다.
본 발명은 촬영된 차량의 일부만이 촬영되어도 벡터화한 특징점을 이용하여 동일한 차량을 검출할 수 있고, 차량의 종류를 구분할 수 있으며, 차량의 개별 추적을 통하여 교통을 분석하는 효과가 있고 차량이 원거리에서 근거리로 접근시 변화하는 차량의 크기 및 각도에 따른 형태의 왜곡이 발생하여도 동일한 차량으로 판단할 수 있는 효과가 있다.
이하 본 발명의 최적 실시예에 대하여 첨부된 도면을 참고로 그 구성 및 작용을 설명한다.
도 1은 본 발명에 따른 교통 분석 시스템 구성도로서, 상기 시스템은 촬영기기(100)와 분석처리기(200)로 이루어진다.
아울러, 상기 촬영기기(100), 분석처리기(200)로 이루어진 교통 분석 시스템에 교통 서비스 서버(300)를 더 구비하여 차량의 속도, 차량의 종류 및 통행량 등을 분석한 정보를 웹 상에서 서비스하는 것도 바람직하다.
보다 상세하게, 상기 촬영기기(100)는 도로상의 차량을 촬영하여 동영상을 생성한다.
상기 분석처리기(200)는 도 2에 도시된 바와 같이 동영상 수신부(210)와 캡쳐부(220)와 차량 검출부(230)와 가우시안 차이미지 생성부(240)와 특징점 추출부(250) 및 특징점 벡터화부(260)로 구성된다.
상기 동영상 수신부(210)는 촬영기기(100)에서 생성된 동영상을 수신하고 수신된 동영상을 캡쳐부(220)로 전송한다.
상기 동영상 캡쳐부(220)는 동영상 수신부(210)로부터 전송받은 동영상에 포함된 차량을 검출하기 위하여 정지 영상 캡쳐 프로그램에 의하여 각 프레임별로 연속된 이미지로 변환한다.
상기 차량 검출부(230)는 동영상 캡쳐부(220)에 의해서 생성된 이미지를 지속적으로 제공받으며 차량을 검출하기 위해서 최초 촬영된 배경 이미지로부터 차량 이동전, 후의 이미지를 동일한 화소값으로 제거한 차량 이동전인 제 1 영상차 이미지와 차량이동후인 제 2 영상차 이미지를 생성한다.
즉, 도 3에 도시된 (a)와 같은 배경 이미지에서 (b)와 같은 객체(차량)가 포함된 차량 이동전, 후의 이미지를 동일한 화소값으로 제거하면 (c)와 같이 차량만 존재하는 영상차 이미지가 생성된다. 즉, 상기 영상차 이미지는 사분 트리 분할(Quad-tree segmentation)을 이용하여 화소의 유무를 검사하고 존재하는 화소들을 상호 연결하여 형성된 그룹들의 영역을 확장하여 형성된 객체 즉, 차량만이 추출된 것이다.
이와 같이 상기 영상차 이미지에 포함된 화소의 영역 크기를 통하여 차량의 종류(승용차, 버스, 트럭 등)를 구분하는 것이 바람직하다.
상기 가우시안 차이미지 생성부(240)는 차량만이 추출된 제 1, 제 2 영상차 이미지로부터 차량을 분석하기 위한 특징점 후보들을 검출하기 위한 것으로서, 상기 특징점 후보 검출은 우선적으로, 차량 검출부(230)로부터 전송된 제 1, 제 2 영상차 이미지를 이용하여 차량을 축소한 다수개의 축소된 제 1, 제 2 영상차 이미지 를 생성하고, 상기 차량을 축소한 다수개의 제 1, 제 2 영상차 이미지에 가우시안 필터 값을 조절하여 블러링을 갖는 차량 이동전인 제 1 다수의 가우시안 이미지와 차량 이동후인 제 2 다수의 가우시안 이미지를 생성한다.
아울러, 본 발명의 이해를 돕고자 다수의 가우시안 이미지를 도 4에 도시한 것이다.
다음, 상기 생성된 제 1, 제 2 다수의 가우시안 이미지(10)는 도 5에 도시된 바와 같이, 각각의 가우시안 이미지에 대해서 서로 인접한 가우시안 이미지(10-1, 10-2, 10-3, 10-4, 10-5) 사이에 화소값을 제거한 차량 이동전 제 1 가우시안 차이미지와 차량 이동 후인 제 2 가우시안 차이미지를 생성한다.
상기와 같이 모든 가우시안 이미지(10)에 대하여 같은 방법으로 다수의 가우시안 차이미지(20)를 생성한다.
상기 특징점 추출부(250)는 가우시안 차이미지 생성부(240)에 의해서 생성된 제 1, 제 2 다수의 가우시안 차이미지 각각에 대하여 도 6에 도시된 바와 같이, 특정 가우시안 차이미지(20-1)의 어느 한 부분(A)의 픽셀들과 상기 임의의 가우시안 차이미지(20-1)와 인접한 두 가우시안 차이미지(20-2, 20-3)의 어느 한 부분(B, C)의 픽셀들 사이에 상기 임의의 가우시안 차이미지(20-1)의 어느 한 부분(A)의 픽셀들 중 특정 픽셀을 기준으로 상기 픽셀들에 대하여 화소값의 최대값과 최소값을 결정하고 상기 결정된 최대값과 최소값의 절대값에 대하여 가장 큰 값을 특징점 후보로 결정한다.
아울러, 상기 특징점 후보들을 가우시안 차이미지(20) 전체에 대해서 추출하 며, 상기 결정된 특정점 후보가 임계값 이상이면 그 값을 특징점으로 판단하고 임계값 이하이면 특징점을 무시함으로써 본 발명에서 원하는 특정점이 결정된다.
예컨대, 도 6에 도시된 바와 같이 제 1 가우시안 차이미지(20-1)의 어느 한 부분(A)을 3× 3의 픽셀로 나누고 또한, 상기 제 1 가우시안 차이미지(20-1)의 어느 한 부분과 동일한 위치에 해당되는 제 2, 제 3 가우시안 차이미지(20-2, 20-3)를 3× 3의 픽셀로 나눈다.
이와 같이 나누어진 각 픽셀 중에서 제 1 가우시안 차이미지(20-1)의 어느 한 부분(A)의 중심에 해당하는 픽셀(30)을 기준으로 상기 중심에 해당하는 픽셀(30)을 포함한 26개의 픽셀 즉, 총 27개의 픽셀을 차감하여 연산된 화소값의 최대값 및 최소값에 대하여 절대값이 가장 큰 값을 특징점 후보로 결정한다.
즉, 기준이 되는 제 1 픽셀(30)의 화소값이 30이고 제 2 픽셀(31)의 화소값이 10이고 제 3 픽셀(32)의 화소값이 50이고 제 4 픽셀(33)의 화소값이 60이고 이와 같이 27개의 픽셀에 대해서 기준 픽셀인 제 1 픽셀(30)을 기준으로 차감하면 제 1 픽셀(30)이 0이 되고 제 2 픽셀(31)은 20이 되고 제 3 픽셀(32)은 -20이 되고 제 4 픽셀(33)은 -30이 되며 이와 같이 27개의 픽셀을 연산한다.
따라서, 절대값이 가장 큰 제 4 픽셀(33)이 특징점 후보가 되며 상기 제 4 픽셀(33)의 특정점은 임의로 설정된 임계값 이상이면 특징점으로 결정한다.
이와 같은 방법으로 제 1, 제 2 가우시안 차이미지 전체를 수행하여 특징점을 결정한다.
상기 특징점 벡터화부(260)는 도 7에 도시된 바와 같이, 각각의 특징점들에 대해서 방향값과 크기값을 갖도록 벡터화하는 것으로서, 상기 벡터화된 특징점을 미세하게 미분하면 화소값의 크기가 큰쪽으로부터 작은쪽으로 향하는 방향을 방향값으로 결졍하고 상기 큰화소값에서 작은화속값의 차를 크기값으로 결정하여 벡터화된 특징점을 생성한다.
따라서, 특징점 벡터화부(260)는 다수의 벡터화된 특징점으로 이동 전후의 동일 차량을 분석하고 일부가 가려져도 일부 특징점으로 분석한다. 더욱이 차량이 원거리에서 근거리로 접근시 변화하는 차량의 크기 및 각도에 따른 형태의 왜곡이 발생하여도 동일한 차량으로 판단한다.
즉 이동전 촬영된 승용차가 차선을 변경하여 화물차 옆을 지나가는 경우에 촬영기기(100)에 의해서 촬영되는 영상은 화물차에 의해서 승용차가 일부만 촬영되어도 본 발명 벡터화된 특징점을 이용하여 동일차량으로 판단한다.
도 8에 도시된 바와 같이 차량 이동전, 후의 벡터화된 특징점을 비교하여 동일한 벡터화된 특징점인 경우에 동일 차량으로 판단한다.
상기 서버(300)는 분산처리기(200)에서 벡터화된 특징점을 이용하여 이동거리와 프레임 수에 따른 시간을 이용하여 차량 속도를 계산하고, 상기 벡터화된 특징점을 이용하여 추적된 차량의 대수를 카운트하여 일정구간에서 일정시간 동안 통과한 차량의 통행량을 계산하여 방송국 서버에 전송하여 방송매체에서 나타나도록 하고 또한 웹 상에 등록하여 원하는 사용자가 열람할 수 있도록 한다.
상기 도 9는 본 발명에 따른 교통 분석 서비스 방법 흐름도로서, 상기 교통분석 서비스 방법 흐름도는 다음과 같은 단계로 이루어진다.
촬영기기로 도로상의 차량을 동영상으로 촬영하는 단계(S10)와, 상기 촬영된 동영상을 수신한 분석처리기가 동영상을 각 프레임별 이미지로 변환하는 단계(S20)와, 상기 변환된 이미지 각각에 대하여 분석처리기가 최초 촬영된 배경 이미지로부터 차량의 움직임이 발생한 차량 이동전, 후 이미지의 화소값을 제거하여 차량 이동전인 제 1 영상차 이미지와 차량 이동 후인 제 2 영상차 이미지를 생성하는 단계(S30)와, 상기 생성된 제 1, 제 2 영상차 이미지를 분석처리기가 차량의 크기를 축소하고 블러링을 갖는 차량 이동 전인 제 1 다수의 가우시안 이미지와 차량 이동 후인 제 2 다수의 가우시안 이미지를 생성하는 단계(S40)와, 상기 생성된 제 1, 제 2 다수의 가우시안 이미지 각각에 대하여 분석처리기가 서로 인접한 가우시안 이미지 사이에 화소값을 제거한 차량 이동 전인 제 1 가우시안 차이미지와 차량 이동 후인 제 1 가우시안 차이미지를 생성하는 단계(S50)와, 상기 제 1, 제 2 다수의 가우시안 차이미지 각각에 대하여 분석처리기가 서로 인접한 가우시안 차이미지의 공통 위치에 해당하는 부분의 픽셀들 중에서 임의의 특정 픽셀을 기준으로 상기 임의의 특정 픽셀을 포함한 상기 공동 위치에 해당하는 부분의 픽셀들의 화소값을 차감한 화소값의 최대값과 최소값을 결정하고 상기 결정된 최대값과 최소값의 절대값에 대하여 가장 큰 값을 차량 이동전,후의 특징점 후보로 결정하는 단계(S60)와, 상기 차량 이동전, 후의 결정된 특징점 후보를 분석처리기가 임의로 설정한 임계값 이상이면 그 값을 특징점으로 결정하는 단계(S70)와, 상기 차량 이동전, 후의 결정된 특징점을 분석처리기가 미분하여 화소값의 크기가 큰곳에서 작은쪽의 흐름을 방 향값으로 결정하고 큰 화소값으로부터 작은 화소값의 차를 크기값으로 결정한 차량 이동전, 후의 벡터화된 특징점을 생성하는 단계(S80)와, 상기 차량 이동전, 후의 벡터화된 특징점을 이용하여 차량 이동전의 벡터화된 특징점과 차량 이동후의 벡터화된 특징점을 비교하여 동일할 경우에 동일차량으로 판단하는 단계(S90), 및 상기 동일차량으로 판단된 벡터화된 특징점을 이용하여 차량 추적, 속도, 통행량을 분석하는 단계(S100)로 이루어진 것을 특징으로 한다.
보다 상세하게, 상기 촬영기기로 도로상의 차량을 동영상으로 촬영하는 단계(S10)는 동일차량을 분석하기 위하여 동영상을 촬영이 가능한 촬영기기(100)를 이용하여 움직이는 차량을 촬영한다.
상기 촬영된 동영상을 수신한 분석처리기가 동영상을 각 프레임별 이미지로 변환하는 단계(S20)는 촬영기기(100)에 의해서 촬영된 동영상을 분석처리기의 동영상 수신부(210)를 통하여 수신하고 수신된 동영상을 각 프레임별 이미지로 변환한다.
상기 변환된 이미지 각각에 대하여 분석처리기가 최초 촬영된 배경 이미지로부터 차량의 움직임이 발생한 차량 이동전, 후 이미지의 화소값을 제거하여 차량 이동전인 제 1 영상차 이미지와 차량 이동 후인 제 2 영상차 이미지를 생성하는 단계(S30)는 분석처리기(200)의 차량 검출부(230)에 의하여 차량을 검출하기 위해서 배경 이미지에서 차량이 포함된 이미지의 동일한 화소값을 제거하면 사분 트리 분할(Quad-tree segmentation)을 이용하여 화소의 유무를 검사하고 존재하는 화소들을 상호 연결하여 형성된 그룹들의 영역을 확장하여 형성된 객체 즉, 차량만을 추 출한다.
상기 생성된 제 1, 제 2 영상차 이미지를 분석처리기가 차량의 크기를 축소하고 블러링을 갖는 차량 이동 전인 제 1 다수의 가우시안 이미지와 차량 이동 후인 제 2 다수의 가우시안 이미지를 생성하는 단계(S40)는 분석처리기(200)의 가우시안 차이미지 생성부(240)에 의하여 상기 생성된 영상차 이미지를 이용하여 차량을 축소한 다수개의 축소된 영상차 이미지를 생성하고, 상기 다수개의 축소된 영상차 이미지에 가우시안 필터 값을 조절하여 블러링을 갖는 다수의 가우시안 이미지(10)를 생성하는 방식을 통하여 S30단계에서 생성된 제 1, 제 2 영상차 이미지로 제 1 다수의 가우시안 이미지와 제 2 다수의 가우시안 이미지를 생성한다.
상기 생성된 제 1, 제 2 다수의 가우시안 이미지 각각에 대하여 분석처리기가 서로 인접한 가우시안 이미지 사이에 화소값을 제거한 차량 이동 전인 제 1 가우시안 차이미지와 차량 이동 후인 제 1 가우시안 차이미지를 생성하는 단계(S50)는 분석처리기(200)의 가우시안 차이미지 생성부(240)에 의하여 가우시안 이미지와 인접한 가우시안 이미지 사이에 화소값을 제거하여 방식을 통하여 S40단계에서 생성된 제 1, 제 2 다수의 가우시안 이미지 각각을 이용하여 제 1 가우시안 차이미지와 제 2 가우시안 차이미지를 생성한다.
상기 제 1, 제 2 다수의 가우시안 차이미지 각각에 대하여 분석처리기가 서로 인접한 가우시안 차이미지의 공통 위치에 해당하는 부분의 픽셀들 중에서 임의의 특정 픽셀을 기준으로 상기 임의의 특정 픽셀을 포함한 상기 공동 위치에 해당하는 부분의 픽셀들의 화소값을 차감한 화소값의 최대값과 최소값을 결정하고 상기 결정된 최대값과 최소값의 절대값에 대하여 가장 큰 값을 차량 이동전,후의 특징점 후보로 결정하는 단계(S60)는 분석처리기(200)의 특징점 추출부(250)에 의해서 특정 가우시안 차이미지(20-1)의 어느 한 부분(A)의 픽셀들과 상기 임의의 가우시안 차이미지(20-1)와 인접한 두 가우시안 차이미지(20-2, 20-3)의 어느 한 부분(B, C)의 픽셀들 사이에 상기 임의의 가우시안 차이미지(20-1)의 어느 한 부분(A)의 픽셀들 중 특정 픽셀을 기준으로 상기 픽셀들에 대하여 화소값의 최대값과 최소값을 결정하고 상기 결정된 최대값과 최소값의 절대값에 대하여 가장 큰 값을 특징점 후보로 결정한다.
이와 같은 방법으로 제 1 가우시안 차이미지(20-1) 전체를 수행하여 특징점 후보를 결정한다.
상기 차량 이동전, 후의 결정된 특징점 후보를 분석처리기가 임의로 설정한 임계값 이상이면 그 값을 특징점으로 결정하는 단계(S70)는 분석처리기(200)의 특징점 추출부(250)에 의해서 가우시안 차이미지 전체에 대해서 다수의 특징점 후보가 결정되면 상기 다수의 특징점 후보 각각에 대하여 임의로 설정한 임계값 이상이면 특징점으로 결정하고 상기 임의로 설정한 임계값 이하이면 특정점을 무시함으로써 동일차량을 판단할 수 있는 특정점들이 결정된다.
상기 차량 이동전, 후의 결정된 특징점을 분석처리기가 미분하여 화소값의 크기가 큰곳에서 작은쪽의 흐름을 방향값으로 결정하고 큰 화소값으로부터 작은 화소값의 차를 크기값으로 결정한 차량 이동전, 후의 벡터화된 특징점을 생성하는 단계(S80)는 분석처리기(200)의 특징점 벡터화부(260)에 의해서 최종적으로 결정된 다수의 특징점을 각각 미분화하면 특징점에 해당하는 각각의 픽셀이 화소값이 큰 화소값에서 작은 화소값으로의 방향을 방향값으로 결정하고 상기 큰 화소값으로부터 작은 화소값의 차이를 크기값으로 결정하여 벡터화된 특징점을 생성한다.
상기 차량 이동전, 후의 벡터화된 특징점을 이용하여 차량 이동전의 벡터화된 특징점과 차량 이동후의 벡터화된 특징점을 비교하여 동일할 경우에 동일차량으로 판단하는 단계(S90)는 차량 이동전, 후의 벡터화된 특징점을 비교하여 동일한 특징점이 존재하면 동일 차량으로 판단한다.
따라서, 벡터화된 특징점을 비교함에 따라 차량이 다른 사물에 의해서 일부 가려진 상황에서도 동일 차량으로 판단할 수 있다.
상기 동일차량으로 판단된 벡터화된 특징점을 이용하여 차량 추적, 속도, 통행량을 분석하는 단계(S100)는 분석처리기(200)로부터 벡터화된 특징점을 이용하여 이동거리와 프레임 수에 따른 시간을 이용하여 차량 속도를 계산하고, 상기 벡터화된 특징점을 이용하여 추적된 차량의 대수를 카운트하여 일정구간에서 일정시간 동안 통과한 차량의 통행량을 분석한다.
이상 도면과 상세한 설명에서 최적 실시예들이 개시되고, 이상에서 사용된 특정한 용어는 단지 본 발명을 설명하기 위한 목적에서 사용된 것일 뿐 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것이 아니다.
그러므로 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하고, 본 발명의 진정한 기술적 보호 범위는 특허청구 범위의 기술적 사상에 의해 정해져야 할 것이다.
도 1은 본 발명에 따른 교통 분석 시스템 구성도
도 2는 본 발명에 따른 분석처리기 블록도
도 3은 본 발명에 따른 영상차 이미지 예시도
도 4는 본 발명에 따른 다수의 가우시안 이미지 예시도
도 5는 본 발명에 따른 가우시안 차이미지 예시도
도 6은 본 발명에 따른 특징점 후보를 검출하는 예시도
도 7은 본 발명에 따른 벡터화된 특징점 예시도
도 8은 본 발명에 따른 차량 이동전 후의 특징점을 비교하여 동일차량을 분석한 예시도
도 9는 본 발명에 따른 교통 분석 서비스 방법 흐름도
* 도면의 주요부분에 대한 부호의 설명 *
10, 10-1, 10-2, 10-3, 10-4, 10-5 : 가우시안 이미지
20, 20-1, 20-2, 20-3, 20-4 : 가우시안 차이미지
30, 31, 32, 33 : 픽셀
100 : 촬영기기 200 : 분석처리기
210 : 동영상 수신부 220 : 캡쳐부
230 : 차량 검출부
240 : 가우시안 차이미지 생성부 250 : 특징점 추출부
260 : 특징점 벡터화부 300 : 교통 서비스 서버
Claims (5)
- 차량을 촬영한 동영상을 생성하는 촬영기기와;상기 촬영기기에서 생성된 동영상을 수신하는 동영상 수신부와 상기 수신된 동영상을 각 프레임별 이미지로 변환하는 동영상 캡쳐부와, 상기 프레임별 이미지를 이용하여 최초 촬영된 배경 이미지로부터 차량 이동전/후의 이미지를 동일한 화소값으로 제거한 차량 이동전/후인 제 1, 제 2 영상차 이미지를 생성하는 차량 검출부와, 상기 제 1, 제 2 영상차 이미지를 이용하여 차량을 축소한 다수개의 제 1, 제 2 영상차 이미지를 생성하고 생성된 차량을 축소한 다수개의 제 1, 제 2 영상차 이미지에 가우시안 필터 값에 의하여 블러링을 갖는 차량 이동전/후인 제 1, 제 2 다수의 가우시안 이미지를 생성하고 생성된 제 1, 제 2 다수의 가우시안 이미지 각각에 대하여 서로 인접한 가우시안 이미지 사이에 화소값을 제거한 차량 이동전/후 가우시안 차이미지를 생성하는 가우시안 차이미지 생성부와, 상기 생성된 차량 이동전/후의 가우시안 차이미지 각각에 대하여 서로 인접한 가우시안 차이미지의 공통 위치에 해당하는 부분의 픽셀들 중에서 임의의 특정 픽셀을 기준으로 상기 임의의 특정 픽셀을 포함한 상기 공동 위치에 해당하는 부분의 픽셀들의 화소값을 차감한 화소값의 최대값과 최소값을 결정하고 결정된 최대값과 최소값의 절대값에 대하여 가장 큰 값을 특징점 후보로 결정하여 상기 특징점 후보에 대하여 임의로 설정한 임계값 이상의 특징점 후보를 특징점으로 결정하는 특징점 추출부와, 상기 결정된 특징점을 미분한 픽셀의 화소값 중에서 큰 화소값으로부터 작은 화소값의 흐름 을 방향값으로 결정하고 상기 큰 화소값으로부터 작은 화소값의 차를 크기값으로 결정한 벡터화된 특징점을 생성하고 상기 벡터화된 특징점으로 차량 이동전의 벡터화된 특징점과 차량 이동후의 벡터화된 특징점을 비교하는 특징점 벡터화부로 이루어진 분석처리기로 포함되는 것을 특징으로 하는 교통 분석 시스템.
- 청구항 1에 있어서,상기 분석데이터를 제공받아 차량의 속도, 차량의 종류, 통행량을 서비스하는 교통통제 서버를 더 포함하는 것을 특징으로 하는 교통 분석 시스템.
- 청구항 1 또는 청구항 2에 있어서, 상기 차량 검출부는상기 제 1 영상차 이미지에 의하여 통하여 승용차, 버스, 트럭 등의 차량종류를 구분하는 것을 특징으로 하는 교통 분석 시스템.
- 청구항 1 또는 청구항 2에 있어서, 상기 특징점 벡터화부는벡터화된 특징점 일부로 동일차량을 분석하는 것을 특징으로 하는 교통 분석 시스템.
- 촬영기기로 도로상의 차량을 동영상으로 촬영하는 단계와;상기 촬영된 동영상을 수신한 분석처리기가 동영상을 각 프레임별 이미지로 변환하는 단계와;상기 변환된 이미지 각각에 대하여 분석처리기가 최초 촬영된 배경 이미지로부터 차량의 움직임이 발생한 차량 이동전, 후 이미지의 화소값을 제거하여 차량 이동전인 제 1 영상차 이미지와 차량 이동 후인 제 2 영상차 이미지를 생성하는 단계와;상기 생성된 제 1, 제 2 영상차 이미지를 분석처리기가 차량의 크기를 축소하고 블러링을 갖는 차량 이동 전인 제 1 다수의 가우시안 이미지와 차량 이동 후인 제 2 다수의 가우시안 이미지를 생성하는 단계와;상기 생성된 제 1, 제 2 다수의 가우시안 이미지 각각에 대하여 분석처리기가 서로 인접한 가우시안 이미지 사이에 화소값을 제거한 차량 이동 전인 제 1 가우시안 차이미지와 차량 이동 후인 제 1 가우시안 차이미지를 생성하는 단계와;상기 제 1, 제 2 다수의 가우시안 차이미지 각각에 대하여 분석처리기가 서로 인접한 가우시안 차이미지의 공통 위치에 해당하는 부분의 픽셀들 중에서 임의의 특정 픽셀을 기준으로 상기 임의의 특정 픽셀을 포함한 상기 공동 위치에 해당하는 부분의 픽셀들의 화소값을 차감한 화소값의 최대값과 최소값을 결정하고 상기 결정된 최대값과 최소값의 절대값에 대하여 가장 큰 값을 차량 이동전,후의 특징점 후보로 결정하는 단계와;상기 차량 이동전, 후의 결정된 특징점 후보를 분석처리기가 임의로 설정한 임계값 이상이면 그 값을 특징점으로 결정하는 단계와;상기 차량 이동전, 후의 결정된 특징점을 분석처리기가 미분하여 화소값의 크기가 큰곳에서 작은쪽의 흐름을 방향값으로 결정하고 큰 화소값으로부터 작은 화소값의 차를 크기값으로 결정한 차량 이동전, 후의 벡터화된 특징점을 생성하는 단계와;상기 차량 이동전, 후의 벡터화된 특징점을 이용하여 차량 이동전의 벡터화된 특징점과 차량 이동후의 벡터화된 특징점을 비교하여 동일할 경우에 동일차량으로 판단하는 단계와;상기 동일차량으로 판단된 벡터화된 특징점을 이용하여 차량 추적, 속도, 통행량을 분석하는 단계로 이루어진 것을 특징으로 하는 교통 분석 서비스 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020070091497A KR100874890B1 (ko) | 2007-09-10 | 2007-09-10 | 교통 분석 시스템 및 서비스 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020070091497A KR100874890B1 (ko) | 2007-09-10 | 2007-09-10 | 교통 분석 시스템 및 서비스 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR100874890B1 true KR100874890B1 (ko) | 2008-12-19 |
Family
ID=40372877
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020070091497A KR100874890B1 (ko) | 2007-09-10 | 2007-09-10 | 교통 분석 시스템 및 서비스 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100874890B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101256873B1 (ko) | 2011-11-18 | 2013-04-22 | 광주과학기술원 | 객체 추적 방법, 객체 추적 장치 및 이를 이용한 교통 감시 시스템 |
| KR20160073791A (ko) | 2014-12-17 | 2016-06-27 | (주)에이텍티앤 | 차량 단말기의 주행 데이터를 활용한 교통 흐름 분석 시스템 및 이를 이용한 교통정보 안내 서비스 방법 |
| KR20180060041A (ko) | 2016-11-28 | 2018-06-07 | 조선대학교산학협력단 | 차량 비콘을 이용한 교통 관제 시스템 및 그 방법 |
| US10186154B2 (en) | 2014-05-09 | 2019-01-22 | Hanwha Land Systems Co., Ltd. | Device and method for detecting surrounding vehicles |
| KR20210155536A (ko) * | 2020-06-16 | 2021-12-23 | 남서울대학교 산학협력단 | 스테레오 영상과 딥러닝을 이용한 교통량 산정 시스템 및 그 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060165277A1 (en) | 2004-12-03 | 2006-07-27 | Ying Shan | Method and apparatus for unsupervised learning of discriminative edge measures for vehicle matching between non-overlapping cameras |
-
2007
- 2007-09-10 KR KR1020070091497A patent/KR100874890B1/ko not_active IP Right Cessation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060165277A1 (en) | 2004-12-03 | 2006-07-27 | Ying Shan | Method and apparatus for unsupervised learning of discriminative edge measures for vehicle matching between non-overlapping cameras |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101256873B1 (ko) | 2011-11-18 | 2013-04-22 | 광주과학기술원 | 객체 추적 방법, 객체 추적 장치 및 이를 이용한 교통 감시 시스템 |
| US10186154B2 (en) | 2014-05-09 | 2019-01-22 | Hanwha Land Systems Co., Ltd. | Device and method for detecting surrounding vehicles |
| KR20160073791A (ko) | 2014-12-17 | 2016-06-27 | (주)에이텍티앤 | 차량 단말기의 주행 데이터를 활용한 교통 흐름 분석 시스템 및 이를 이용한 교통정보 안내 서비스 방법 |
| KR20180060041A (ko) | 2016-11-28 | 2018-06-07 | 조선대학교산학협력단 | 차량 비콘을 이용한 교통 관제 시스템 및 그 방법 |
| KR20210155536A (ko) * | 2020-06-16 | 2021-12-23 | 남서울대학교 산학협력단 | 스테레오 영상과 딥러닝을 이용한 교통량 산정 시스템 및 그 방법 |
| KR102381527B1 (ko) | 2020-06-16 | 2022-03-31 | 남서울대학교 산학협력단 | 스테레오 영상과 딥러닝을 이용한 교통량 산정 시스템 및 그 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20060067562A1 (en) | Detection of moving objects in a video | |
| CN109684996B (zh) | 基于视频的实时车辆进出识别方法 | |
| KR101179497B1 (ko) | 얼굴 검출 방법 및 장치 | |
| KR100703956B1 (ko) | 차량의 번호판 인식 시스템 및 이를 처리하는 방법 | |
| US20070292029A1 (en) | Cascade plate recognition system | |
| US20100177963A1 (en) | Situation determining apparatus, situation determining method, situation determining program, abnormality determining apparatus, abnormality determining method, abnormality determining program, and congestion estimating apparatus | |
| Han et al. | Real‐time license plate detection in high‐resolution videos using fastest available cascade classifier and core patterns | |
| KR102085035B1 (ko) | 객체 인식을 위한 객체 후보영역 설정방법 및 장치 | |
| KR100874890B1 (ko) | 교통 분석 시스템 및 서비스 방법 | |
| KR101298684B1 (ko) | 무 감지센서 기반의 차량 번호 인식 시스템 및 그 동작방법 | |
| Daramola et al. | Automatic vehicle identification system using license plate | |
| KR101705061B1 (ko) | 차량 번호판의 글자 인식을 위한 번호판 검출방법 | |
| KR101552344B1 (ko) | 폭력 상황을 검출하는 장치 및 방법 | |
| KR102231356B1 (ko) | 시설물 결함 검측 방법 및 그 장치 | |
| JP4123138B2 (ja) | 車両検知方法及び車両検知装置 | |
| KR102489884B1 (ko) | 차량 번호판 인식율 개선을 위한 이미지 처리 장치 및 이를 이용한 이미지 처리 방법 | |
| Khan et al. | Comparison of various edge detection filters for ANPR | |
| CN110363192B (zh) | 物件影像辨识系统及物件影像辨识方法 | |
| Abdagic et al. | Counting traffic using optical flow algorithm on video footage of a complex crossroad | |
| Patel et al. | An algorithm for automatic license plate detection from video using corner features | |
| KR100801989B1 (ko) | 번호판 인식 시스템，전처리 장치 및 방법 | |
| Gandhi et al. | Video and seismic sensor-based structural health monitoring: Framework, algorithms, and implementation | |
| Hsieh et al. | Grid-based template matching for people counting | |
| KR101669885B1 (ko) | 영상 기반 보행자 추돌 자동 검출 방법 및 이를 적용한 사물 인터넷 장치 | |
| CN109859200B (zh) | 一种基于背景分析的低空慢速无人机快速检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20121227 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20131014 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20141204 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20151112 Year of fee payment: 8 |
|
| LAPS | Lapse due to unpaid annual fee |