KR100942409B1 - 고속 이동 차량 검지 방법 - Google Patents

Abstract

본 발명의 차량 검지 방법은 입력된 초기 영상에 검지 영역을 지정하는 단계(S1), 상기 검지 영역에서 입력된 영상으로 배경을 생성하는 단계(S2), 생성된 배경을 입력되는 영상에 대비하여 계속해서 갱신하는 단계(S3), 생성된 배경영상과 입력되는 영상과의 차이를 비교하여 배경과 전경을 구분해 내는 단계(S4), 생성된 전경 마스크 버퍼를 이용하여 새로운 배경 생성시 전경을 제외한 정확한 배경만을 생성하는 단계(S5)를 포함하여 차량이 고속으로 달리는 도로에 설치된 카메라 및 고속으로 주행하는 차량에 탑재되어 있는 카메라의 영상에서 차량을 검지할 수 있다. 그리고 본 발명의 방법은 고정형 차량 번호 판독 시스템과 같이 고정된 카메라에서 고속으로 달리는 차량을 감지할 수 있음과 아울러 이동식 차량번호 판독시스템과 같이 이동하는 차량에 설치된 카메라에서 도로에 주차된 차량이나 주행하는 차량에 대하여 정확하게 차량의 유무를 확인할 수 있다.

차량 검지, 고속 아동, 차량번호 인식, 배경, 전경

Description

고속 이동 차량 검지 방법{Method for detecting a moving vehicle at a high speed }

본 발명은 고속 주행 차량 검지 방법에 관한 것으로, 더욱 상세하게는 입력되는 영상에서 배경을 생성하고 매 시간마다 변화하는 배경을 계속해서 갱신하면서 입력되는 영상과 배경 영상과의 차이를 비교하여 배경과 전경을 구분해 고속으로 이동하는 차량을 검지하는 고속 이동 차량 검지 방법에 관한 것이다.

일반적으로, 차량 검지 기술은 주요 도로에 설치된 방범용 차량번호 인식시스템에 적용되어 수배차량, 범죄차량, 도난차량, 체납차량 또는 교통법규 위반차량 등의 범법차량을 검거 및 단속하거나 고속도로 톨게이트에서 진입하는 차량의 정보를 얻거나 도로상에 운행되는 차량의 교통량을 파악하거나 무인 불법 주정차 단속 시스템에서 차량을 검지하는데 사용된다. 이러한 차량 검지 방법으로는 루프 센서를 이용한 검지 방식, 레이저를 이용한 검지 방식, 영상을 이용한 검지 방식 등이 널리 사용되고 있다.

루프 코일 검지방식은 도로를 주행하는 차량을 검지하기 위하여 도로에 루프 코일을 매설하고, 루프 코일에 연결된 차량 검지기의 신호를 차량번호인식 주제어기가 입력받아 디지털 CCD 카메라로 차량 영상을 촬영하여 번호인식을 수행한다. 그런데 루프코일 검지 방식은 루프 코일을 도로의 노면에 설치하기 위하여 도로를 파헤쳐야 하므로 설치 작업이 번거롭고 루프 코일의 수명이 제한적이므로 루프 코일의 설치에 따른 유지보수 비용이 증가하는 문제점이 있다.

레이저 검지 방식은 매설이 필요없는 비접촉식의 레이저 센서를 이용하여 차량을 검지하는 방식으로 장시간 사용이 가능하며, 노면 공사 등이 필요 없다는 장점이 있으나 황사나 강우, 안개 또는 강설 등에 의하여 레이저 광의 산란으로 검지율이 현저히 저하되는 문제점이 있다.

영상 검지 방식은 감시영역을 촬영하는 CCD 감시 카메라를 이용하는 방식으로서, 노면공사가 필요 없고 장기간 사용할 수 있어 유지보수 비용이 거의 발생하지 않는 등 많은 장점이 있으나 영상처리 알고리즘에 따라 성능이 크게 좌우되는 문제점이 있다. 즉, 도시 유입 도로에 설치된 자동 차량 인식 장치(AVI: Automatic vehicle identification)나 도로 방범 시스템은 영상 검지 방식을 도입하여 차량의 번호를 인식하지만 매 실시간으로 차량의 번호판을 인식하다 보니 차량이 겹쳐서 들어오는 경우나 고속으로 차량이 통과하는 경우, 차량의 유무를 판단하지 못하는 문제점이 있다.

이러한 문제점을 해결하고자 차량의 번호 인식 이전에 차량의 유무를 확인하고, 차량의 유무 확인 후 차량이 확인된 영상에서 차량의 번호 인식을 하는 알고리 즘이 필요하며, 이러한 차량의 유무를 확인하는 알고리즘은 여러 가지가 존재한다.

그 중, Fuzzy c-means(FCM)방법(관련문헌:"퍼지 클러스터링을 이용한 이동차량 추적", 한국 퍼지 및 지능시스템학회 논문지, 제6권, 제4호, `96.02)은 유사한 특징을 갖는 데이터들을 하나의 클러스터로 분류하는데 퍼지(Fuzzy) 분류법으로 분류된 클러스터에서 같은 클러스터 내의 원소들은 유사한 성질을 가지며 각각의 클러스터 간에는 상대적으로 큰 성질 차를 갖으며, 클러스터 중심 값과 원소 상호 간의 가중 유사치 값을 기반으로 반복적 수행을 통해 목적 함수(objective function)의 최적화를 추구한다. 그러나 반복적 알고리즘 수행으로 인해 실시간 처리가 어렵고, 사전에 클러스터의 개수인 "c"값을 알 수 없다는 단점이 있다. 또한 컬러 군집화가 잘 진행되었다고 해도 한 차량이 항상 한 개의 컬러만을 갖는다고 가정할 수 없는 어려움이 있다.

모델 베이스 세그먼테이션(Model based segmentation)방법은 영상에서 에지를 추출하고 차량의 3차원 CAD 모델에 대한 사전 지식을 활용하여 모델 매칭을 수행하는 방법이다. 그러나 이 방법은 어두운 차량의 경우, 추출된 에지의 3차원 CAD 모델이 2차원의 투영된 모습으로 나타내기가 불충분하여 모델 매칭의 어려움이 있으며, 뷰잉 기하학(viewing geometry)에 대한 사전지식이 없는 경우 매칭에 대한 경우의 수가 기하급수적으로 증가할 수 있는 문제점이 존재한다.

MOG(Mixture of Gaussians)의 방법은 각 픽셀에 입력되는 데이터를 가우시안(Gaussian) 그래프로 적용하여 배경의 경우 입력되는 데이터가 가중치(Weight)가 큰 Gaussian그래프에 포함이 되고, 전경의 경우 가중치(Weight)가 작은 Gaussian그 래프에 포함된다는 이론으로, 배경과 전경의 구분이 명확하다는 장점이 존재하지만 그 연산 속도가 현저히 느리고 일정 시간이 지나면 멈춰 있는 전경 물체가 배경으로 흡수된다는 단점이 존재한다.

이와 같이 종래의 영상처리 방법들은 복잡하거나 제약사항이 많고, 차량번호판독 시스템의 차량을 검지하는데에 있어서 많은 오차를 가지고 있으며, 그 연산속도 역시 현저히 느리다는 문제점이 있다.

본 발명은 상기와 같은 종래의 문제점을 해소하기 위해 제안된 것으로, 본 발명의 목적은 정확하게 차량을 구분해 내고 연산 속도 역시 현저히 높일 수 있는 고속 이동 차량 검지 방법을 제공하는 것이다.

본 발명의 다른 목적은 차량을 검지하는 시스템이 초기화되는 경우 별도의 사전정보를 입력하지 않고도 간단하게 차량을 검지할 수 있는 고속 이동 차량 검지 방법을 제공하는 것이다.

상기와 같은 목적을 달성하기 위하여 본 발명의 방법은 입력된 초기 영상에 검지 영역을 지정하는 제 1 단계; 상기 검지 영역에서 입력된 영상으로 배경을 생성하는 제 2 단계; 상기 생성된 배경을 입력되는 영상에 대비하여 계속해서 갱신하는 제 3 단계; 상기 생성된 배경 영상과 입력되는 영상과의 차이를 비교하여 배경과 전경을 구분하는 제 4 단계; 및 전경 마스크 버퍼를 이용하여 새로운 배경 생성시 전경을 제외한 정확한 배경만을 추출하는 제 5 단계를 포함하는 것을 특징으로 한다.

상기 제 2 단계는 입력된 영상을 차례로 준비된 버퍼에 넣은 후 각 픽셀별로 정렬 후 중간값을 배경으로 선택하고, 상기 제 3 단계는 현재 입력되는 프레임을 버퍼의 맨 뒤쪽으로 넣고, 가장 먼저 들어온 프레임의 이미지를 제거한 후 상기 제 2 단계와 같이 각 픽셀별로 정렬한 후 그 중간값을 갱신되는 배경의 값으로 처리한다.

또한 상기 제 4 단계는 배경 이미지와 입력되는 이미지 간의 차이를 문턱치(Threshold)와 비교하여 그 차이가 문턱치(Threshold)보다 크면 그 픽셀의 값은 전경으로 구분하고, 문턱치(Threshold)보다 작으면 그 픽셀의 값을 배경으로 구분하고, 상기 제 5 단계는 생성된 출력 이미지에서 전경 픽셀만을 마스크 버퍼로 지정하여 이 후의 새로운 배경 생성시 이전의 전경이었던 부분이 배경으로 흡수되지 않도록 하여 정확하게 배경과 전경을 분리한다.

본 발명은 고속으로 달리는 차량의 차량번호를 인식하기 위한 도로방범 시스템이나 자동 차량 인식 장치(AVI: Automatic vehicle identification) 또는 차량 탑재형 카메라를 이용하는 주정차 무인단속 시스템 등에 적용되어 정확하고 신속하게 차량의 유무를 검지할 수 있다. 또한 본 발명은 빠른 연산속도로 고속으로 차량을 구분해 냄과 동시에 정확하게 전경과 배경을 분리할 수 있다.

본 발명과 본 발명의 실시에 의해 달성되는 기술적 과제는 다음에서 설명하는 본 발명의 바람직한 실시예들에 의하여 보다 명확해질 것이다. 다음의 실시예들은 단지 본 발명을 설명하기 위하여 예시된 것에 불과하며, 본 발명의 범위를 제 한하기 위한 것은 아니다.

도 1은 본 발명에 따른 차량 검지 방법을 이용한 도시 진입 차량 관리시스템의 예이고, 도 2는 도 1에 도시된 자동 차량인식장치의 구성 블럭도이며, 도 3은 도 2에 도시된 차량 검지부의 세부 구성 블럭도이다.

본 발명에 따른 차량 검지 방법을 이용한 도시 진입 차량 관리시스템은 도 1에 도시된 바와 같이 도시로 진입하는 도로(20) 변의 지지대(30)에 설치되어 진입 차량(10)을 촬영하는 카메라(110)와, 카메라(110)에 의해 촬영된 영상에서 본 발명에 따라 전경과 배경을 분리하여 고속으로 차량을 검지하고 검지된 차량의 번호를 인식하여 통신망(102)을 통해 전송하는 자동 차량인식장치 본체(120)와, 각 진입 도로변에 설치된 자동 차량인식장치 본체(120)로부터 검지된 차량번호를 수신받아 데이터베이스로 관리함과 아울러 해당 차량번호를 범법차량번호와 비교하여 범법차량을 통제하는 도시 진입차량 관리서버(130)로 구성된다. 이때 카메라(110)와 자동 차량인식장치 본체(120)는 도로(20) 변의 지지대(30) 및 이동차량(40) 등에 탑재되어 자동 차량인식장치(AVI: Automatic Vehicle Identification), 도로 방범 시스템, 버스 전용차로 위반에 대한 단속이나 불법 주정차 단속 등에 사용할 수도 있다.

본 발명이 적용된 자동 차량인식장치의 본체(120)는 도 2에 도시된 바와 같이 카메라(110)로부터 영상신호를 입력받아 필터링한 후 디지털 비디오 데이터로 변환하는 영상신호 전처리부(122)와, 본 발명에 따라 입력된 영상에서 배경을 생성하고 새로 입력되는 영상과 배경을 비교하여 전경을 식별하여 차량을 신속하게 검 지하는 차량 검지부(124)와, 검지된 차량의 차량번호를 인식하는 차량번호 인식부(126)와, 인식된 차량번호를 통신망(102)을 통해 관리서버(130)로 전송하는 통신부(128)로 구성된다.

그리고 본 발명에 따라 차량을 검지하는 차량 검지부(124)는 도 3에 도시된 바와 같이, 입력된 초기영상에 검지영역을 설정하는 검지영역 설정부(241)와, 검지영역의 영상 데이터를 입력받는 영상 입력부(242)와, 입력된 검지영역의 영상으로 배경을 생성하는 배경 생성부(243)와, 생성된 배경 영상을 저장하고 있는 배경 저장부(244)와, 생성된 배경을 입력되는 영상에 대비하여 계속해서 배경을 갱신하는 배경 갱신부(244)와, 생성된 배경영상과 입력되는 영상과의 차이를 비교하여 배경과 전경을 분리하는 배경/전경 식별부(246)와, 생성된 전경 마스크 버퍼를 이용하여 전경을 제외한 배경만을 추출하는 배경 추출부(247)로 구성된다.

도 4는 본 발명에 따른 차량 검지 방법의 순서도로서, 본 발명의 차량 검지 방법은 입력된 초기 영상에 검지 영역을 지정하는 제 1 단계(S1), 상기 검지 영역에서 입력된 영상으로 배경을 생성하는 제 2 단계(S2), 생성된 배경을 입력되는 영상에 대비하여 계속해서 갱신하는 제 3 단계(S3), 생성된 배경영상과 입력되는 영상과의 차이를 비교하여 배경과 전경을 구분해 내는 제 4 단계(S4), 생성된 전경 마스크 버퍼를 이용하여 새로운 배경 생성시 전경을 제외한 정확한 배경만을 생성하는 제 5 단계(S5)를 포함하여 배경이 계속하여 변화하는 경우에도 차량을 검지한다.

도 4를 참조하면, 제 1 단계(S1)는 배경과 전경을 구분하고자 하는 영역을 설정하는 단계로서, 불필요한 부분을 검지영역에서 제외시켜 배경과 전경을 구분하는 과정에서 불필요한 자원의 낭비를 방지하고 프로그램의 처리 속도를 증진시킨다. 또한 나무와 천막 등 바람의 영향에 의해 계속해서 움직이는 부분을 검지영역에서 제외함으로써 배경과 전경을 구분하는 어려움을 줄일 수 있다.

제 2 단계(S2)는 입력된 영상을 이용하여 배경을 만드는 단계이다. 배경을 만드는 방법에는 입력된 영상을 차례로 준비된 버퍼에 넣은 후, 각 픽셀별로 정렬 후 중간 값을 배경으로 선택한다. 이때 버퍼의 크기는 총 9 프레임 정도의 크기로 설정되어야 하며, 이러한 버퍼의 크기는 원하는 출력 결과에 따라 조절할 수 있다. 통상적으로 9 프레임 정도의 버퍼를 사용한다. 입력된 9 프레임 분량의 이미지로 배경을 생성할 때, 각 픽셀별로 정렬을 한 후 그 중간값을 해당 픽셀의 배경값으로 설정한다.

배경을 갱신하는 제 3 단계(S3)는 생성된 배경을 시간의 흐름에 따라 변화하는 조도나 기타 주변 상황에 대해서 적응할 수 있도록 하기 위해서 사용한다. 현재 입력되는 프레임을 버퍼의 맨 뒤쪽으로 넣고, 가장 먼저 들어온 프레임의 이미지를 제거한 후 상기 제 2 단계와 같이 각 픽셀별로 정렬한 후 그 중간값을 갱신되는 배경의 값으로 처리한다. 이러한 배경 갱신은 시간의 흐름이나 기타 주변 상황의 변화에 대해서도 정확한 배경을 생성할 수 있게 해주고, 또한 정확하게 배경과 전경을 구분할 수 있도록 한다.

제 4 단계(S4)는 상기 제 1 단계(S1) 내지 제 3 단계(S3)에 의해 구해진 배경 이미지와 입력되는 이미지 간의 차이를 다음 수학식1과 같이 문턱치(Threshold) 와 비교하여 그 차이가 문턱치(Threshold)보다 크면 그 픽셀의 값을 전경으로 구분하고, 문턱치(Threshold)보다 작으면 그 픽셀의 값을 배경으로 구분한다.

제 5 단계(S5)는 생성된 출력 이미지에서 전경 픽셀만을 마스크 버퍼로 지정하여 이 후의 새로운 배경 생성시 이전의 전경이였던 부분이 배경으로 흡수되지 않도록 하여 정확한 배경과 전경을 분리해 내도록 한다.

[비교 예]

도 5 내지 도 8은 카메라를 통해 입력되는 영상을 종래의 MOG(Mixture of Gaussians) 방식에 의해 영상처리하는 것과 본 발명에 따라 영상처리 절차를 비교한 예로서, 도 5a 및 도 5b는 차량 검지의 초기화 시 입력된 영상의 예이고, 도 6a 및 도 6b는 종래 MOG의 차량 검지 방법에 따른 검지 영상의 예이며, 도 7a 및 도 7b는 본 발명의 차량 검지 방법에 따른 검지 영상의 예이고, 도 8은 종래 MOG의 차량 검지 방법에 따른 CPU 점유율 표시화면의 예이며, 도 9는 본 발명의 차량 검지 방법에 따른 CPU 점유율 표시화면의 예이다.

도 6의 종래 MOG의 차량 검지 방법에 따른 검지 영상과 도 7의 본 발명의 방법에 따른 검지 영상을 비교하면, 본 발명의 검지영상이 보다 선명한 것을 알 수 있다. 또한 종래 MOG의 차량 검지 방법에 따른 처리속도와 본 발명의 방법에 따른 처리속도를 비교하면, 다음 표1과 같다.

구분	종래의 MOG	본 발명
FPS(TOTAL)	30	30
FPS(CH)	08	18

상기 표1을 참조하면, 본 발명에 따르면 초당 처리 프레임(FPS)의 수가 18로서 종래의 8보다 개선된 것을 알 수 있다.

그리고 도 8의 종래 MOG의 차량 검지 방법에 따른 CPU 점유율과 도 9의 본 발명의 방법에 따른 CPU 점유율을 비교하면, 본 발명의 방법에 따른 CPU점유율이 보다 개선된 것을 알 수 있다.

이상에서 본 발명은 도면에 도시된 일 실시예를 참고로 설명되었으나, 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.

도 1은 본 발명에 따른 차량 검지 방법을 이용한 도시 진입 차량 관리시스템의 예,

도 2는 도 1에 도시된 자동 차량인식장치의 구성 블럭도,

도 3은 도 2에 도시된 차량 검지부의 세부 구성 블럭도,

도 4는 본 발명에 따른 차량 검지 방법의 순서도,

도 5a 및 도 5b는 차량 검지의 초기화 시 입력된 영상의 예,

도 6a 및 도 6b는 종래 MOG의 차량 검지 방법에 따른 검지 영상의 예,

도 7a 및 도 7b는 본 발명의 차량 검지 방법에 따른 검지 영상의 예,

도 8은 종래 MOG의 차량 검지 방법에 따른 CPU 점유율 표시화면의 예,

도 9는 본 발명의 차량 검지 방법에 따른 CPU 점유율 표시화면의 예이다.

*도면의 주요부분에 대한 부호의 설명

10: 자동차 20: 도로

30: 지지대 40: 이동차량

102: 통신망 110: 카메라

120: 자동 차량인식장치 130: 도시 진입차량 관리서버

Claims (2)

1. 삭제
2. 입력된 초기 영상에 검지 영역을 지정하는 제 1 단계;

   상기 검지 영역에서 입력된 영상으로 배경을 생성하는 제 2 단계;

   상기 생성된 배경을 입력되는 영상에 대비하여 계속해서 갱신하는 제 3 단계;

   상기 생성된 배경 영상과 입력되는 영상과의 차이를 비교하여 배경과 전경을 구분하는 제 4 단계; 및

   전경 마스크 버퍼를 이용하여 새로운 배경 생성시 전경을 제외한 정확한 배경만을 추출하는 제 5 단계를 포함하고,

   상기 제 2 단계는 입력된 영상을 차례로 준비된 버퍼에 넣은 후 각 픽셀별로 정렬 후 중간값을 배경으로 선택하며,

   상기 제 3 단계는 현재 입력되는 프레임을 버퍼의 맨 뒤쪽으로 넣고, 가장 먼저 들어온 프레임의 이미지를 제거한 후 상기 제 2 단계와 같이 각 픽셀별로 정렬한 후 그 중간값을 갱신되는 배경의 값으로 처리하고,

   상기 제 4 단계는 배경 이미지와 입력되는 이미지 간의 차이를 문턱치(Threshold)와 비교하여 그 차이가 문턱치(Threshold)보다 크면 그 픽셀의 값은 전경으로 구분하고, 문턱치(Threshold)보다 작으면 그 픽셀의 값을 배경으로 구분하며,

   상기 제 5 단계는 생성된 출력 이미지에서 전경 픽셀만을 마스크 버퍼로 지정하여 이 후의 새로운 배경 생성시 이전의 전경이었던 부분이 배경으로 흡수되지 않도록 하여 정확하게 배경과 전경을 분리하는 것을 특징으로 하는 고속 이동 차량 검지 방법.

Images