KR101219659B1 - Ｃｃｔｖ 영상을 이용한 안개 검지 시스템 및 그 방법 - Google Patents

Ｃｃｔｖ 영상을 이용한 안개 검지 시스템 및 그 방법 Download PDF

Info

Publication number
KR101219659B1
KR101219659B1 KR1020120082591A KR20120082591A KR101219659B1 KR 101219659 B1 KR101219659 B1 KR 101219659B1 KR 1020120082591 A KR1020120082591 A KR 1020120082591A KR 20120082591 A KR20120082591 A KR 20120082591A KR 101219659 B1 KR101219659 B1 KR 101219659B1
Authority
KR
South Korea
Prior art keywords
fog
image
cctv
threshold value
road
Prior art date
Application number
KR1020120082591A
Other languages
English (en)
Inventor
장진환
김병화
Original Assignee
한국건설기술연구원
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 한국건설기술연구원 filed Critical 한국건설기술연구원
Priority to KR1020120082591A priority Critical patent/KR101219659B1/ko
Application granted granted Critical
Publication of KR101219659B1 publication Critical patent/KR101219659B1/ko

Links

Images

Classifications

    • 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
    • G06V10/52—Scale-space analysis, e.g. wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

별도의 안개 센서를 설치할 필요 없이, 기설치된 CCTV를 이용하여 도로의 안개 발생 여부를 자동으로 판별할 수 있고, 또한, 웨이블릿 패킷 알고리즘을 적용함으로써, 촬영된 CCTV 영상으로부터 보다 빠르게 안개 발생 여부를 판별할 수 있는, CCTV 영상을 이용한 안개 검지 시스템 및 그 방법이 제공된다. CCTV 영상을 이용한 안개 검지 시스템은, 도로에 기설치된 CCTV를 이용하여 안개를 검지하는 시스템에 있어서, 도로 동영상을 획득하도록 CCTV를 이용하여 도로 영상을 실시간 촬영하는 실시간 영상 촬영부; 도로 영상을 정지 영상으로 변환하는 정지영상 변환부; 정지 영상에 웨이블릿 패킷 알고리즘을 적용하여 특징벡터를 추출하고, 추출된 특징벡터의 분산값을 계산하는 영상 처리부; 및 영상 처리부에서 계산된 분산값과 기설정된 임계값을 비교하여 분산값이 기설정된 임계값보다 작은 경우, 안개가 발생한 것으로 판별하는 안개 판별부를 포함하되, 안개 판별부는 분산값의 고주파 부분과 저주파 부분의 차이가 상대적으로 작은 경우에 안개가 발생한 것으로 판별한다.

Description

ＣＣＴＶ 영상을 이용한 안개 검지 시스템 및 그 방법 {FOG DETECTION SYSTEM USING CCTV IMAGE, AND METHOD FOR THE SAME}
본 발명은 안개의 검지에 관한 것으로, 보다 구체적으로, 도로교통의 모니터링을 위해서 고속도로, 국도 등 주요간선도로에 널리 설치 및 운영되고 있는 CCTV(Close Circuit Television) 영상을 이용하여 도로 상에서 안개 발생 여부를 자동적으로 검지하는, CCTV 영상을 이용한 안개 검지 시스템 및 그 방법에 관한 것이다.
일반적으로, 교통사고의 주요 원인으로는 과속, 기상악화, 음주운전, 졸음운전, 부주의 등이 있으며, 특히, 아무리 운전에 능숙한 사람이라도 비가 내리거나 안개 낀 날씨에는 긴장을 늦출 수 없게 된다. 이와 같이 비나 안개가 운전자의 시야를 가리고, 자동차의 제동 거리에도 영향을 주기 때문에 교통사고 위험이 커지기 때문이다. 실제로 올해 3월 26일 교통안전공단이 발표한 기상재해별 교통사고 치사율에 따르면 맑은 날(2.4)보다 안개 낀 날(8.9)이 3.7배 정도, 비 오는 날(3.0)은 3배가량 높았다.
특히, 짙은 안개가 끼는 경우, 운전자는 물론 보행자도 충분한 시야를 확보하기 어려워 추돌사고나 무단횡단 사고가 날 위험이 크다. 또한, 대부분의 운전자는 안개 낀 도로에서도 기존 맑은 날씨에 하는 것과 같은 속도로 운전하고, 차간 거리도 맑은 날 운전할 때와 비슷하게 유지하므로 안개도로에서 사고는 대형사고로 이어질 가능성이 크다. 예를 들면, 2006년 10월 서해대교에서 안개 때문에 29중 추돌사고가 나 11명이 사망하고 46명이 부상당한 것이 대표적인 예다. 평소에도 안개가 자주 끼는 제주도 평화로의 경우, 2002년 개통 이후 추돌사고가 끊이지 않았고, 2011년 11월에도 29중 추돌사고가 난 바 있다.
이러한 안개 발생시 교통사고를 줄이기 위해서 가장 확실한 방법은 발생된 안개를 제거하거나, 안개가 원천적으로 발생하지 않게 하는 것이다. 그러나 이것은 현실적으로 불가능하기 때문에 전방 도로의 안개 발생 여부를 신속 정확하게 검지하여 이를 운전자에게 알려 줌으로써, 운전자로 하여금 안개 발생 위험도로구간을 우회하거나 미리 속도를 낮추어 안개구간에 진입하게 하는 등의 방안이 필요하다.
이러한 안개발생 정보제공을 위해 기존에는 고가의 안개검지(시정) 센서를 별도로 구매하여 설치하였는데, 비교적 고가인 시정센서 특성으로 위험도로구간에 널리 설치 및 운영되지 못하고 있는 설정이다.
예를 들면, 안개경보 시스템의 핵심요소는 시정(visibility)을 산출하는 것으로 주로 안개센서와 같은 광학적 방식의 시정센서(visibility sensor)를 사용하고 있으며 현재 매우 다양한 종류의 센서가 개발되어 있다. 가장 널리 사용되고 있는 장비는 1991년에 Gerber에 의해 개발된 미립자 검출장치(PVM : Particulate Volume Monitor)로 구름의 수증기와 미립자 표면영역을 적외선 레이저(780nm)로 부터 빛의 전방산란(forward scattering)을 측정하는 장치로 이 장치는 유지관리가 용이하고 어느 시간대에나 쉽게 적용할 수 있다는 장점이 있으나 비교적 고가이다. 2008년 상대적으로 저가인 광학센서(CSU OFD)가 Carrillo 등에 의해 개발되었으며, 이는 송신부와 수신부의 사이에 존재하는 안개를 검출하기 위해 880nm급 발광다이오드의 감쇠현상을 이용하고 있다. 그러나 이러한 light-scatter 방식의 센서는 매우 좁은 영역만을 검지하는 원리적 한계점에 따라 눈, 비, 안개밀도의 불균일성 등에 의한 심각한 오류발생의 가능성이 있고 운전자의 시정 감각과 큰 차이가 발생될 수 있다.
따라서 비용 효과적인 안개 검지 기술의 개발을 통해 안개 발생에 따른 정보를 즉각적으로 제공하여 안개로 인한 교통사고 감소를 감소시키는 기술의 개발이 필요한 실정이다.
전술한 바와 같이, 도로상의 안개로 인한 시정감소는 교통사고를 유발하는 주된 원인으로 운전자에게 도로의 시정거리를 미리 알려주어 안전운행을 유도하기 위한 안개경고 시스템에서는 대부분 안개센서와 같은 고가의 광학센서를 사용하고 있다.
최근 운전자의 시정감각과 유사하면서도 저렴한 카메라를 이용한 시정측정에 관한 연구가 이루어지고 있다. 그러나 기존의 연구는 별도의 표지나 ROI를 기반으로 하고 있으므로 설치가 어렵고 비용이 많이 들며, 도로에 기설치된 CCTV 시스템을 활용하기 어렵다는 문제점을 가지고 있다.
한편, 선행 기술로서, 대한민국 등록특허번호 제10-946749호에는 "영상인식 및 이미지의 학습 방법을 기반한 안개 감지 방법 및 그 시스템"이라는 명칭의 발명이 개시되어 있는데, 도 1 및 도 2를 참조하여 설명한다.
도 1은 종래의 기술에 따른 영상 카메라를 이용한 안개감지 시스템을 개략적으로 나타낸 구성도이고, 도 2는 도 1에 도시된 영상 카메라와 영상 입력기의 구체적인 구성도이다.
도 1 및 도 2를 참조하면, 종래의 기술에 따른 영상 카메라를 이용한 안개감지 시스템은, 데이터베이스(30), 영상 카메라(20) 및 안개 정보 분석기(40)를 포함하여 구성된다.
영상 카메라(20)는 도로상에서 발생한 안개의 발생 상태를 감지하기 위하여 영상을 촬영하여 디지털 영상데이터를 실시간으로 송출하는 장치로서, 예를 들면, 도로를 촬영할 수 있도록 도로 상공에 다수개로 설치될 수 있다.
영상 카메라는(20)로는, 현재 널리 사용되는 CCD 카메라가 사용될 수 있고, 이러한 영상 카메라(20)에는 촬영된 디지털 영상데이터를 데이터베이스(30)에 저장하기 위하여 압축하고, 이 영상데이터를 안개 정보 분석기(40)로 전송하기 위해 영상 처리하는 영상 입력기(10)가 구성되어 있으며, 이 영상 입력기(10)는 화소(픽셀)에 따른 해상도, 조도, 지원 가능한 색상 레벨, 촬영 프레임수, 렌즈의 집적 거리, 자동 초점 기능 등을 고려하여 선택된다.
여기서, 데이터베이스(30)는 도로상에 유선 또는 무선으로 연결된 다수개의 영상 카메라(20)에서 획득한 영상 신호를 실시간으로 기록하여 안개가 발생한 때의 영상과 안개가 발생하지 않은 때의 영상을 비교할 목적으로 지속적으로 영상을 저장 및 관리하거나, 이러한 영상 카메라(20)에서 촬영된 실시간의 시계열적인 영상데이터와, 영상에 따른 해석 정보를 인덱스화하여 상기 영상데이터의 상승하는 지역안개정보 및 교통상황정보를 저장하기 위한 시스템으로, 지역서버에 시설되어 있거나 중앙 관제 장치에 설치될 수 있다.
이러한 영상 입력기(10)는 인터페이스(11), 전처리부(12), 영상 압축부(13), 영상 분석부(14), 데이터 분석부(15), 및 데이터 통신부(16)를 포함하여 구성된다.
인터페이스(11)는 안개 정보 분석기(40) 및 다수개의 영상 입력기(10)와 유선으로 연결되는데, 연결 수단으로는 동축 RF케이블이 사용될 수 있다.
인터페이스(11)는 다수개의 영상 입력기(10)에 입력된 디지털 영상데이터를 도로 안개정보와 교통상황정보로 분류하여 수신하고, 수신한 디지털 영상데이터를 전처리부(12)와 영상압축부(13)로 각각 제공한다. 영상 입력기(10)의 처리 결과를 안개 정보 분석기(40) 및 중앙관제센터의 데이터베이스(30)로 전달한다.
인터페이스(11)는 영상입력기로 입력된 영상 데이터를 도로 안개정보와 교통상황정보로 분류하여 수신하고, 처리 결과를 상기 안개 정보 분석기(40) 및 데이터베이스(30)로 데이터통신부(16)를 통해 전송한다.
전처리부(12)는 인터페이스(11)에서 수신한 영상 데이터를 제공받아 필터링처리로 영상 처리한다.
영상 압축부(13)는 전처리부(12)로부터 영상 처리된 영상 데이터를 전송받아 H.264 포맷 방식으로 압축하여 데이터베이스(30)로 전송한다.
영상 분석부(14)는 전처리부(12)에 의해 영상 처리된 영상 데이터의 배열공간의 분할 및 영상루프를 설정하여 프레임수와 화상상태를 산출 및 수치 연산한다.
데이터 분석부(15)는 영상 분석부(14)에 의해 분석된 영상데이터를 제공받아 안개 발생 상태에 대한 정보를 분류하고, 구간별 안개 상황 정보를 평균 수치화하여 분류된 안개발생 상태정보를 비교하여 지역별 안개정보를 생성한다.
데이터통신부(16)는 영상데이터를 각각 데이터베이스, 안개 정보 분석기(40)로 전송할 수 있도록 CDMA 방식 또는 와이브로 방식으로 이루어진다.
또한, 안개 정보 분석기(40)는 안개상황 분석부(41) 및 안개정보 제공부(42)를 포함하며, 안개상황 분석부(41)는 영상 입력기(10)에 의해 분석된 지역별 안개발생 상태정보를 통계 처리하여 지역들 간의 연결구간을 포함하는 도로 전구간의 안개발생 상태정보를 생성한다. 또한, 안개정보 제공부(42)는 안개상황 분석부(41)에서 계산된 데이터를 텍스트정보, 음성정보, 지리정보 및 이들이 결합된 영상정보로 생성하고, 텍스트정보, 음성정보, 지리정보 및 이들이 결합된 영상정보 중 어느 하나 또는 전부를 데이터통신부(16)를 통해 영상 입력기(19), 데이터베이스(30) 또는 클라이언트로 무선 전송한다.
종래의 기술에 따른 영상 카메라를 이용한 안개감지 시스템의 경우, 고속도로 또는 국도의 안개가 상습 다발지역에서 발생하는 안개지역을 영상 카메라를 활용하여 평상의 도로의 환경 정보와 안개가 발생한 지역의 영상데이터를 생성하고, 이 영상데이터를 안개 정보 분석기를 통해 비교 분석하여 도로의 전체 구간에 대한 안개 발생 상황을 감지함으로써, 시각적인 도로의 정보를 분석할 수 있다.
그러나 종래의 기술에 따른 영상 카메라를 이용한 안개감지 시스템의 경우, 전처리부(12)에 의해 영상 처리된 영상 데이터의 배열공간의 분할 및 영상루프를 설정하여 프레임수와 화상상태를 산출 및 수치 연산하는 방식이기 때문에, 촬영된 CCTV 영상으로부터 보다 빠르게 안개 발생 여부를 판별할 수 없다는 문제점이 있다.
1) 대한민국 등록특허번호 제10-946749호(출원일: 2008년 3월 19일), 발명의 명칭: "영상인식 및 이미지의 학습 방법을 기반한 안개 감지 방법 및 그 시스템" 2) 대한민국 등록특허번호 제10-715140호(출원일: 2006년 5월 23일), 발명의 명칭: "시정 측정장치 및 그 방법" 3) 대한민국 등록특허번호 제10-1006652호(출원일: 2008년 10월 7일), 발명의 명칭: "영상정보분석에 의한 날씨감지장치 및 이를 이용한 날씨감지방법" 4) 일본 공개특허번호 제1997-329671호(공개일: 1997년 12월 22일), 발명의 명칭: "안개 감시 시스템" 5) 일본 공개특허번호 제2003-132458호(공개일: 2003년 5월 9일), 발명의 명칭: "연기, 안개 등의 검출 장치" 6) 일본 공개특허번호 제2006-343322호(공개일: 2006년 12월 21일), 발명의 명칭: "야간 안개를 검출하기 위한 방법 및 이 방법을 실시하기 위한 시스템" 7) 대한민국 공개특허번호 제2008-24541호(공개일: 2008년 3월 18일), 발명의 명칭: "비디오 프리미티브를 채용하는 비디오 감시 시스템" 8) 대한민국 등록특허번호 제10-1092472호(출원일: 2011년 9월 9일), 발명의 명칭: "감시카메라를 활용한 비디오 색인 시스템 및 그 색인 방법"
전술한 문제점을 해결하기 위한 본 발명이 이루고자 하는 기술적 과제는, 별도의 안개 센서를 설치할 필요 없이, 기설치된 CCTV를 이용하여 도로의 안개 발생 여부를 자동으로 판별할 수 있는, CCTV 영상을 이용한 안개 검지 시스템 및 그 방법을 제공하기 위한 것이다.
본 발명이 이루고자 하는 다른 기술적 과제는, 웨이블릿 패킷 알고리즘을 적용함으로써, 촬영된 CCTV 영상으로부터 보다 빠르게 안개 발생 여부를 판별할 수 있는 CCTV 영상을 이용한 안개 검지 시스템 및 그 방법을 제공하기 위한 것이다.
전술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명에 따른 CCTV 영상을 이용한 안개 검지 시스템은, 도로에 기설치된 CCTV를 이용하여 안개를 검지하는 시스템에 있어서, 도로 동영상을 획득하도록 CCTV를 이용하여 도로 영상을 실시간 촬영하는 실시간 영상 촬영부; 상기 도로 영상을 정지 영상(Still Image)으로 변환하는 정지영상 변환부; 상기 정지 영상에 웨이블릿 패킷 알고리즘을 적용하여 상기 정지 영상으로부터 특징벡터(Feature Vector)를 추출하고, 상기 추출된 특징벡터의 흩어짐 정도에 상응하는 분산값(Variance)을 계산하는 영상 처리부; 및 상기 영상 처리부에서 계산된 분산값과 기설정된 임계값을 비교하여 상기 분산값이 기설정된 임계값보다 작은 경우, 안개가 발생한 것으로 판별하는 안개 판별부를 포함하되, 상기 웨이블릿 패킷 알고리즘은 상기 정지 영상을 프레임 단위로 식별하고, 전체 웨이블릿 패킷 노드 중에서 상기 정지 영상의 특징을 가장 잘 표현하는 노드를 특징벡터로 선택하여 추출하고, 상기 추출된 특징벡터의 분산값은 고주파 부분과 저주파 부분으로 구분하여 표시되며, 상기 안개 판별부는 상기 분산값의 고주파 부분과 저주파 부분의 차이가 상대적으로 작은 경우에 안개가 발생한 것으로 판별하는 것을 특징으로 한다.
여기서, 상기 영상 처리부는, 상기 CCTV로부터 촬영된 영상이 컬러 영상인 경우, 상기 컬러 영상을 그레이 변환하여 흑백 영상으로 변환하는 흑백영상 변환부; 상기 흑백 영상에 웨이블릿 패킷 알고리즘을 적용하여 웨이블릿 패킷 변환하는 웨이블릿 패킷 변환부; 상기 변환된 웨이블릿 패킷의 대각선 방향 특징벡터를 추출하는 특징벡터 추출부; 및 상기 추출된 대각선 방향 특징벡터의 흩어짐 정도에 대응하는 분산값을 계산하는 분산값 계산부를 포함할 수 있다.
삭제
여기서, 상기 안개 판별부에서 상기 계산된 분산값과 비교하기 위한 임계값은 제1 내지 제5 임계값(제1 임계값 > 제5 임계값)을 포함할 수 있다.
본 발명에 따른 CCTV 영상을 이용한 안개 검지 시스템은, 상기 제1 내지 제5 임계값이 저장되고, 상기 제1 내지 제5 임계값에 각각 대응하는 시정거리 정보가 저장된 안개정보 DB를 추가로 포함할 수 있다.
여기서, 상기 안개 판별부는 상기 계산된 분산값이 제1 임계값보다 작고 제2 임계값보다 큰 경우, 시정거리 2 내지 4㎞의 연무(Haze)로 판별하는 것을 특징으로 하는 한다.
여기서, 상기 안개 판별부는 상기 계산된 분산값이 제2 임계값보다 작고 제3 임계값보다 큰 경우, 시정거리 1 내지 2㎞의 박무(Mist)로 판별하는 것을 특징으로 한다.
여기서, 상기 안개 판별부는 상기 계산된 분산값이 제3 임계값보다 작고 제4 임계값보다 큰 경우, 시정거리 200m 내지 1㎞의 안개(Fog)로 판별하는 것을 특징으로 한다.
여기서, 상기 안개 판별부는 상기 계산된 분산값이 제4 임계값보다 작고 제5 임계값보다 큰 경우, 시정거리 40m 내지 200m의 짙은 안개(Think Fog)로 판별하는 것을 특징으로 한다.
여기서, 상기 안개 판별부는 상기 계산된 분산값이 제5 임계값보다 작은 경우, 시정거리 40m 이하의 농밀한 안개(Dense Fog)로 판별하는 것을 특징으로 한다.
본 발명에 따른 CCTV 영상을 이용한 안개 검지 시스템은, 상기 안개 판별부에서 안개가 발생한 것으로 판별한 경우, 도로 이용자 또는 관리자에게 유선 또는 무선으로 안개 정보를 제공하는 안개정보 제공부를 추가로 포함할 수 있다.
전술한 기술적 과제를 달성하기 위한 다른 수단으로서, 본 발명에 따른 CCTV 영상을 이용한 안개 검지 방법은, 도로에 기설치된 CCTV를 이용하여 안개를 검지하는 방법에 있어서, a) 도로 동영상을 획득하도록 CCTV를 이용하여 도로 영상을 실시간 촬영하는 단계; b) 상기 도로 영상을 정지 영상(Still Image)으로 변환하는 단계; c) 상기 정지 영상에 웨이블릿 패킷 알고리즘을 적용하여 상기 정지 영상으로부터 특징벡터(Feature Vector)를 추출하고, 상기 추출된 특징벡터의 흩어짐 정도에 상응하는 분산값(Variance)을 계산하는 단계; 및 d) 상기 계산된 분산값과 기설정된 임계값을 비교하여 상기 분산값이 기설정된 임계값보다 작은 경우, 안개가 발생한 것으로 판별하는 단계를 포함하되, 상기 c) 단계의 웨이블릿 패킷 알고리즘은 상기 정지 영상을 프레임 단위로 식별하고, 전체 웨이블릿 패킷 노드 중에서 상기 정지 영상의 특징을 가장 잘 표현하는 노드를 특징벡터로 선택하여 추출하고, 상기 분산값은 고주파 부분과 저주파 부분으로 구분하여 표시되며, 상기 d) 단계는 상기 분산값의 고주파 부분과 저주파 부분의 차이가 상대적으로 작은 경우에 안개가 발생한 것으로 판별하는 것을 특징으로 한다.
본 발명에 따른 CCTV 영상을 이용한 안개 검지 방법은, e) 상기 안개가 발생한 것으로 판별한 경우, 도로 이용자 또는 관리자에게 안개 정보를 제공하는 단계를 추가로 포함할 수 있다.
여기서, 상기 c) 단계는, c-1) 상기 정지 영상이 컬러 영상인 경우 흑백 영상으로 그레이 변환하는 단계; c-2) 웨이블릿 패킷 알고리즘을 적용하여 상기 흑백 영상을 웨이블릿 패킷 변환하는 단계; c-3) 상기 변환된 웨이블릿 패킷으로부터 대각선 방향 특징벡터를 추출하는 단계; 및 c-4) 상기 추출된 대각선 방향 특징벡터의 흩어짐 정도에 상응하는 분산값을 계산하는 단계를 포함할 수 있다.
여기서, 상기 d) 단계의 임계값은 제1 내지 제5 임계값(제1 임계값 > 제5 임계값)을 포함하며, 도로의 시정거리는 상기 제1 내지 제5 임계값에 각각 대응하는 것을 특징으로 한다.
본 발명에 따르면, 별도의 안개 센서를 설치할 필요 없이, 기설치된 CCTV를 이용하여 도로의 안개 발생 여부를 자동으로 판별할 수 있다.
본 발명에 따르면, 웨이블릿 패킷 알고리즘을 적용함으로써, 촬영된 CCTV 영상으로부터 보다 빠르게 안개 발생 여부를 판별할 수 있다.
도 1은 종래의 기술에 따른 영상 카메라를 이용한 안개감지 시스템을 개략적으로 나타낸 구성도이다.
도 2는 도 1에 도시된 영상 카메라와 영상 입력기의 구체적인 구성도이다.
도 3은 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템의 구성도이다.
도 4는 도 3에 도시된 영상 처리부를 구체적으로 나타내는 구성도이다.
도 5는 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템의 동작을 전반적으로 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템에서 시정 산정을 위한 구체적인 안개 판별 방법을 예시하는 도면이다.
도 7은 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 방법의 동작흐름도이다.
도 8은 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템에서 비안개 영상의 웨이블릿 패킷 변환 결과를 예시하는 도면이다.
도 9는 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템에서 안개 영상의 웨이블릿 패킷 변환 결과를 예시하는 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 3은 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템의 구성도이고, 도 4는 도 3에 도시된 영상 처리부를 구체적으로 나타내는 구성도이며, 도 5는 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템의 동작을 전반적으로 설명하기 위한 도면이다.
도 3 및 도 4를 참조하면, 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템은, CCTV 영상을 이용한 안개 검지 시스템은, 도로에 기설치된 CCTV를 이용하여 안개를 검지하는 시스템으로서, 실시간 영상 촬영부(110), 정지영상 변환부(120), 영상 처리부(130), 안개 판별부(140) 및 안개정보 제공부(150)를 포함하며, 또한, 상기 영상 처리부(130)는 흑백영상 변환부(131), 웨이블릿 패킷 변환부(132), 특징벡터 추출부(133) 및 분산값 계산부(134)를 포함한다.
본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템은, 도로상 안개 검지를 위하여 종래의 경우처럼 별도의 안개검지 센서를 설치하지 않고, 기존에 널리 설치되어 운영중인 CCTV 영상을 활용하여 안개발생여부를 자동적으로 검지한다.
이를 위해서, 컬러(color) CCTV 동영상(video image)을 흑백(gray scale) 정지영상(still image)으로 변환하고, 변환된 영상을 웨이블릿 패킷 변환 알고리즘을 통해 처리한 후, 처리된 영상의 특징벡터를 추출하여, 추출된 벡터의 분산값을 계산한다. 이렇게 계산된 분산값이 미리 설정된 임계값보다 작을 경우, 해당 영상을 안개가 낀 영상으로 판별한다. 즉, 본 발명의 실시예에서 웨이블릿 패킷 변환은 CCTV를 통해 촬영한 영상을 밝기 차이가 심한 부분(고주파 영역)과 밝기 차이가 약한 부분(저주파 영역)으로 분류하는 영상처리 기법을 말한다.
구체적으로, 실시간 영상 촬영부(110)는 CCTV로서, 도로 동영상을 획득하도록 CCTV를 이용하여 도로 영상을 실시간 촬영한다. 이때, 촬영된 동영상은 MPEG 영상일 수 있다.
정지영상 변환부(120)는 상기 도로 영상을 정지 영상(Still Image)으로 변환한다. 예를 들면, 현장에 설치된 다수의 CCTV(110)로부터 광 케이블 등의 전용 통신망을 통하여 교통정보센터로 전송된 영상을 변환(트랜스) 서버 등 이미지 변환 시스템을 활용하여 CCTV 영상(동영상)을 정지영상으로 변환하게 된다.
구체적으로, 상기 정지영상 변환부(120)는 현장에 설치된 CCTV로부터 전송된 동영상을 정지영상으로 변환한다. 예를 들면, 일반적으로 도로교통 모니터링을 위해 현장에 설치된 CCTV 영상(아날로그)은 인코더 등 장비를 통해 디지털로 변환되고, 변환된 디지털 영상은 광전송 장비(RT, COT, 광 케이블 등)를 통해 센터의 릴레이 서버로 전송된다. 이와 같이 전송된 영상은, 예를 들면, 트랜스 서버를 거치면서 동영상이 정지영상으로 변환될 수 있다.
이와 같이 정지연상으로 변환된 영상은 영상처리 알고리즘이 탑재된 서버로 입력되고, 영상처리 서버는 입력된 정지영상을 흑백영상(gray-scale still image)으로 재변환한다.
즉, 영상 처리부(130)는 상기 정지 영상에 웨이블릿 패킷 알고리즘을 적용하여 특징벡터를 추출하고, 상기 추출된 특징벡터의 분산값을 계산한다. 만약 CCTV 영상이 흑백일 경우, 재변환 과정은 생략될 수 있다. 이렇게 변환된 흑백 정지영상에 웨이블릿 패킷 알고리즘을 적용하여 대각선 방향의 벡터 성분을 추출하고, 추출된 벡터 성분의 분산(흩어짐의 정도)값을 계산하여 계산된 분산값이 임계값보다 작을 경우, 해당 영상은 안개가 낀 영상으로 판별한다.
또한, 영상 처리부(130)는 트랜스 서버에서 정지영상으로 변환된 영상을 흑백 영상으로 변환하고, 변환된 흑백영상에 웨이블릿 패킷 변환 알고리즘을 적용시킨다. 상기 웨이블릿 패킷 알고리즘은 상기 정지 영상을 프레임 단위로 식별하고, 전체 웨이블릿 패킷 노드 중에서 상기 정지 영상의 특징을 가장 잘 표현하는 노드를 특징벡터로 선택하여 추출한다. 즉, 해당 영상은 고주파 성분과 저주파 성분으로 분리되며, 이렇게 분리된 영상 주파수의 분산을 계산하여 계산된 분산이 기설정된 임계값보다 작을 경우, 해당 영상을 안개 낀 영상으로 판별하게 된다. 이때, 임계값은 개별 CCTV별로 안개가 발생하지 않은 영상을 기준으로 설정할 수 있다.
구체적으로, 도 4 및 도 5에 도시된 바와 같이, 상기 영상 처리부(130)의 흑백영상 변환부(131)는 상기 CCTV(110)로부터 촬영된 영상이 컬러 영상인 경우, 상기 컬러 영상을 그레이 변환하여 흑백 영상으로 변환한다.
웨이블릿 패킷 변환부(132)는 상기 흑백 영상에 웨이블릿 패킷 알고리즘을 적용하여 웨이블릿 패킷 변환한다. 통상적으로, 웨이블릿 변환은 기저함수의 스케일을 변화시켜 함수의 길이가 가변적인 특성을 가지도록 함으로써 시간 영역 또는 주파수 영역에서 함수의 분해능(Decomposition)을 바꿀 수 있는 신호 분석 기법으로서, 임의의 입력신호를 시간-주파수 영역에서 동시에 표현할 수 있다. 그러나 웨이블릿 패킷(Wavelet packet)기법은 신호의 저주파 성분만을 분해하는 웨이블릿 기법과는 달리 신호의 저주파 성분뿐만 아니라 고주파 성분을 포함한 전 주파수 대역에서 분해한다. 따라서 웨이블릿 패킷은 중고주파 대역이 포함되어 있는 정보를 처리하는데 상기 웨이블릿 변환보다 양호한 성능을 보일 수 있고, 이때, 웨이블릿 패킷 노드 중에서 분석하고자 하는 신호에 가장 적합한 대역 분할 형태를 선택하여야 한다.
예를 들면, 웨이블릿 패킷은 이산 데이터를 처리하여야 하므로 이산 웨이블릿 변환(Discrete wavelet transform)을 반복적으로 수행하게 되며, 저주파 대역통과 필터(Low pass filter) 및 고주파 대역통과 필터(High pass filter)를 통과시킨 후, 저주파 대역통과 필터를 통과시켜 얻은 근사 계수(Approximation coefficient) 신호와 고주파 대역통과 필터를 통과시켜 얻은 상세 계수(Detail coefficient) 신호로 분해한다. 이후, 가능한 모든 웨이블릿 패킷 노드 중에서 주어진 신호의 특징을 가장 잘 표현하는 대역 분할 노드를 특징벡터(Feature Vector)로 추출한다. 즉, 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템의 경우, 상기 정지 영상을 프레임 단위로 구분하고, 프레임 단위의 신호에 웨이블릿 패킷 알고리즘을 적용함으로써 신호의 고유 특성을 잘 나타내는 특징벡터를 추출할 수 있다.
이와 같이, 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템은, 웨이블릿을 구현하여 각 영상의 블록에 대하여 여러 가지 특징을 추출한다. 이러한 웨이블릿 패킷 변환을 이용하는 것은 주파수 영역의 에너지를 분석하여 가장 큰 에너지를 가진 주파수 영역을 기준으로 분류하는 방법을 사용하며, 전체 주파수 영역을 분할하여 모든 주파수가 동일한 분해 수준(Decomposition Level)을 가지게 한다.
고속 웨이블릿 변환은 하나의 함수를 로그적으로 관계된 주파수대역들의 수열로 분해한다. 즉, 저주파 성분들은 좁은 대역으로, 반면에 고주파 성분들은 광대역으로 그룹을 이룬다. 고속 웨이블릿 변환은 함수를 더 유연성 있게 분해하도록 일반화 하였다. 이를 웨이블릿 패킷이라 칭한다.
특징벡터 추출부(133)는 상기 변환된 웨이블릿 패킷의 대각선 방향 특징벡터를 추출하며, 분산값 계산부(134)는 상기 추출된 특징벡터의 흩어짐 정도에 상응하는 분산값(Variance)을 계산한다.
안개 판별부(140)는 상기 영상 처리부에서 계산된 분산값과 기설정된 임계값을 비교하여 상기 분산값이 기설정된 임계값보다 작은 경우, 안개가 발생한 것으로 판별한다. 이때, 상기 안개 판별부(140)는 상기 분산값의 고주파 부분과 저주파 부분의 차이가 상대적으로 작은 경우에 안개가 발생한 것으로 판별하게 된다.
실질적으로, 상기 안개 판별부(140)에서 상기 계산된 분산값과 비교하기 위한 임계값은 제1 내지 제5 임계값(제1 임계값 > 제5 임계값)을 포함할 수 있고, 상기 제1 내지 제5 임계값에 각각 대응하여 시정거리를 판단할 수 있다.
안개정보 제공부(150)는, 도 5에 도시된 바와 같이, 상기 안개 판별부(140)에서 안개가 발생한 것으로 판별한 경우, 도로 이용자 또는 관리자에게 유선 또는 무선으로 안개 정보를 제공한다. 즉, 안개 영상으로 판별될 경우, 인터넷 등을 이용하여 도로이용자 및 관리자에게 해당 정보를 제공해줄 수 있다.
다시 말하면, 안개정보 제공부(150)는 영상처리 결과, 안개 영상으로 판별될 경우, 인터넷 등을 활용하여 도로이용자 및 관리자에게 자동적으로 제공해 주며, 이때, ARS, 인터넷, 스마트 폰 등 다양한 정보제공 매체가 활용될 수 있다.
결국, 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템은, 기존에 도로 교통상황 모니터링을 위해 널리 설치 및 운영되고 있는 CCTV 영상을 활용하여 안개 발생 여부를 자동적으로 검지할 수 있고, 이에 따라 비용 및 효과적으로 안개를 검지하여 운전자 또는 도로관리자에게 관련정보를 제공할 수 있으며, 그에 따른 교통사고를 감소시킬 수 있다.
한편, 도 6은 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템에서 시정 산정을 위한 구체적인 안개 판별 방법을 예시하는 도면이다.
본 발명에 따른 CCTV 영상을 이용한 안개 검지 시스템은, 상기 제1 내지 제5 임계값이 저장되고, 상기 제1 내지 제5 임계값에 각각 대응하는 시정거리 정보가 저장된 안개정보 DB(160)를 추가로 포함할 수 있다.
수증기가 응결핵을 중심으로 응결하면 구름이나 안개가 되는데, 이때 지표면에 접하고 있고 시정이 1km 이하일 때를 보통 안개라고 한다. 발생 원인별로는 복사안개, 역전안개, 이류안개, 활승안개, 증발안개, 전선안개 등으로 분류하며, 시정에 따른 안개분류 기준은 <표 1> 및 <표 2>와 같다.
<표 1>과 <표 2>의 안개분류에 따르면 안개는 시정이 1km 이하일 때를 말하며, 시정에 따른 안개의 국제적 분류는 40m이하를 농밀한 안개, 40~200m을 짙은 안개, 200~1,000m을 안개라고 한다. 우리는 도로상에서 나타나는 시정의 변화를 도로시정(road visibility)라고 부르고, 운전자의 안전운행을 위해 요구되는 시정에서 1km 이상의 시정은 무의미하므로 도로시정은 도로상 1km 이하 범위의 시정을 의미하는 것으로 정의하였다.
그러나 실제 차량의 운행속도 제한을 위해서는 약 250m 이하의 시정이 중요하다.
Figure 112012060409714-pat00001
Figure 112012060409714-pat00002
따라서 상기 안개 판별부(140)는 상기 계산된 분산값이 제1 임계값보다 작고 제2 임계값보다 큰 경우, 시정거리 2 내지 4㎞의 연무(Haze)로 판별한다.
또한, 상기 안개 판별부는 상기 계산된 분산값이 제2 임계값보다 작고 제3 임계값보다 큰 경우, 시정거리 1 내지 2㎞의 박무(Mist)로 판별한다.
또한, 상기 안개 판별부(140)는 상기 계산된 분산값이 제3 임계값보다 작고 제4 임계값보다 큰 경우, 시정거리 200m 내지 1㎞의 안개(Fog)로 판별한다.
또한, 상기 안개 판별부(140)는 상기 계산된 분산값이 제4 임계값보다 작고 제5 임계값보다 큰 경우, 시정거리 40m 내지 200m의 짙은 안개(Think Fog)로 판별한다.
또한, 상기 안개 판별부(140)는 상기 계산된 분산값이 제5 임계값보다 작은 경우, 시정거리 40m 이하의 농밀한 안개(Dense Fog)로 판별한다.
한편, 도 7은 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 방법의 동작흐름도이다.
도 7을 참조하면, 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 방법은, 도로에 기설치된 CCTV를 이용하여 안개를 검지하는 방법으로서, 먼저, 도로 동영상을 획득하도록 CCTV를 이용하여 도로 영상을 실시간 촬영한다(S110).
다음으로, 상기 도로 영상을 정지 영상(Still Image)으로 변환한다(S120).
다음으로, 상기 정지영상이 컬러영상인지를 확인하고(S130), 상기 정지영상이 컬러 영상인 경우, 흑백 영상으로 그레이 변환한다(S140).
다음으로, 웨이블릿 패킷 알고리즘을 적용하여 상기 흑백 영상을 웨이블릿 패킷 변환한다(S150).
다음으로, 상기 변환된 웨이블릿 패킷으로부터 대각선 방향의 특징벡터를 추출한다(S160).
다음으로, 상기 추출된 특징벡터의 흩어짐 정도에 대응하는 분산값을 계산한다(S170).
다음으로, 상기 계산된 분산값과 기설정된 임계값을 비교하여(S180), 상기 분산값이 기설정된 임계값보다 작은 경우, 안개가 발생한 것으로 판별한다(S190). 즉, 상기 분산값의 고주파 부분과 저주파 부분의 차이가 상대적으로 작은 경우에 안개가 발생한 것으로 판별한다. 이때, 상기 임계값은, 전술한 바와 같이, 제1 내지 제5 임계값(제1 임계값 > 제5 임계값)을 포함하며, 도로의 시정거리는 상기 제1 내지 제5 임계값에 각각 대응하게 된다.
다음으로, 상기 안개가 발생한 것으로 판별한 경우, 도로 이용자 또는 관리자에게 안개 정보를 제공한다(S200).
한편, 도 8은 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템에서 비안개 영상의 웨이블릿 패킷 변환 결과를 예시하는 도면이고, 도 9는 본 발명의 실시예에 따른 CCTV 영상을 이용한 안개 검지 시스템에서 안개 영상의 웨이블릿 패킷 변환 결과를 예시하는 도면이다.
본 발명의 실시예에서 웨이블릿 패킷 변환은 CCTV를 통해 촬영한 영상을 밝기 차이가 심한 부분(고주파 영역)과 밝기 차이가 약한 부분(저주파 영역)으로 분류하는 영상처리 기법을 말한다.
따라서 안개가 없는 영상의 경우, 영상내 사물(도로, 자동차, 나무 등) 질감 특성으로 인해 영상의 밝기 차이가 상대적으로 크게(고주파 성분) 나타나고, 안개가 발생한 영상의 경우 안개로 인한 영상내 사물의 질감 특성이 약화됨에 따라 영상의 밝기가 균일해져 밝기 차이가 상대적으로 작게(저주파 성분) 나타난다. 이러한 특성을 활용하여 안개 발생 여부를 자동적으로 검지하게 된다.
예를 들면, 도 8에 도시된 바와 같이, 고주파 부분과 저주파 부분의 차이가 상대적으로 큰 경우, 안개가 발생하지 않은 것으로 판별하고, 또한, 도 9에 도시된 바와 같이, 고주파 부분과 저주파 부분의 차이가 상대적으로 작은 경우, 안개가 발생한 것으로 판별하게 된다.
결국, 본 발명의 실시예에 따르면, 별도의 안개 센서를 설치할 필요 없이, 기설치된 CCTV를 이용하여 도로의 안개 발생 여부를 자동으로 판별할 수 있고, 또한, 웨이블릿 패킷 알고리즘을 적용함으로써, 촬영된 CCTV 영상으로부터 보다 빠르게 안개 발생 여부를 판별할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
110: 실시간 영상 촬영부
120: 정지영상 변환부
130: 영상 처리부
131: 흑백영상 변환부
132: 웨이블릿 패킷 변환부
133: 특징벡터 추출부
134: 분산값 계산부
140: 안개 판별부
150: 안개정보 제공부
160: 안개정보 DB

Claims (15)

  1. 도로에 기설치된 CCTV를 이용하여 안개를 검지하는 시스템에 있어서,
    도로 동영상을 획득하도록 CCTV를 이용하여 도로 영상을 실시간 촬영하는 실시간 영상 촬영부;
    상기 도로 영상을 정지 영상(Still Image)으로 변환하는 정지영상 변환부;
    상기 정지 영상에 웨이블릿 패킷 알고리즘을 적용하여 상기 정지 영상으로부터 특징벡터(Feature Vector)를 추출하고, 상기 추출된 특징벡터의 흩어짐 정도에 상응하는 분산값(Variance)을 계산하는 영상 처리부; 및
    상기 영상 처리부에서 계산된 분산값과 기설정된 임계값을 비교하여 상기 분산값이 기설정된 임계값보다 작은 경우, 안개가 발생한 것으로 판별하는 안개 판별부
    를 포함하되,
    상기 웨이블릿 패킷 알고리즘은 상기 정지 영상을 프레임 단위로 식별하고, 전체 웨이블릿 패킷 노드 중에서 상기 정지 영상의 특징을 가장 잘 표현하는 노드를 특징벡터로 선택하여 추출하고, 상기 추출된 특징벡터의 분산값은 고주파 부분과 저주파 부분으로 구분하여 표시되며, 상기 안개 판별부는 상기 분산값의 고주파 부분과 저주파 부분의 차이가 상대적으로 작은 경우에 안개가 발생한 것으로 판별하는 것을 특징으로 하는 CCTV 영상을 이용한 안개 검지 시스템.
  2. 제1항에 있어서, 상기 영상 처리부는,
    상기 CCTV로부터 촬영된 영상이 컬러 영상인 경우, 상기 컬러 영상을 그레이 변환하여 흑백 영상으로 변환하는 흑백영상 변환부;
    상기 흑백 영상에 웨이블릿 패킷 알고리즘을 적용하여 웨이블릿 패킷 변환하는 웨이블릿 패킷 변환부;
    상기 변환된 웨이블릿 패킷의 대각선 방향 특징벡터를 추출하는 특징벡터 추출부; 및
    상기 추출된 대각선 방향 특징벡터의 흩어짐 정도에 대응하는 분산값을 계산하는 분산값 계산부
    를 포함하는 CCTV 영상을 이용한 안개 검지 시스템.
  3. 삭제
  4. 제1항에 있어서,
    상기 안개 판별부에서 상기 계산된 분산값과 비교하기 위한 임계값은 제1 내지 제5 임계값(제1 임계값 > 제5 임계값)을 포함하는 CCTV 영상을 이용한 안개 검지 시스템.
  5. 제4항에 있어서,
    상기 제1 내지 제5 임계값이 저장되고, 상기 제1 내지 제5 임계값에 각각 대응하는 시정거리 정보가 저장된 안개정보 DB를 추가로 포함하는 CCTV 영상을 이용한 안개 검지 시스템.
  6. 제5항에 있어서,
    상기 안개 판별부는 상기 계산된 분산값이 제1 임계값보다 작고 제2 임계값보다 큰 경우, 시정거리 2 내지 4㎞의 연무(Haze)로 판별하는 것을 특징으로 하는 CCTV 영상을 이용한 안개 검지 시스템.
  7. 제5항에 있어서,
    상기 안개 판별부는 상기 계산된 분산값이 제2 임계값보다 작고 제3 임계값보다 큰 경우, 시정거리 1 내지 2㎞의 박무(Mist)로 판별하는 것을 특징으로 하는 CCTV 영상을 이용한 안개 검지 시스템.
  8. 제5항에 있어서,
    상기 안개 판별부는 상기 계산된 분산값이 제3 임계값보다 작고 제4 임계값보다 큰 경우, 시정거리 200m 내지 1㎞의 안개(Fog)로 판별하는 것을 특징으로 하는 CCTV 영상을 이용한 안개 검지 시스템.
  9. 제5항에 있어서,
    상기 안개 판별부는 상기 계산된 분산값이 제4 임계값보다 작고 제5 임계값보다 큰 경우, 시정거리 40m 내지 200m의 짙은 안개(Think Fog)로 판별하는 것을 특징으로 하는 CCTV 영상을 이용한 안개 검지 시스템.
  10. 제5항에 있어서,
    상기 안개 판별부는 상기 계산된 분산값이 제5 임계값보다 작은 경우, 시정거리 40m 이하의 농밀한 안개(Dense Fog)로 판별하는 것을 특징으로 하는 CCTV 영상을 이용한 안개 검지 시스템.
  11. 제1항에 있어서,
    상기 안개 판별부에서 안개가 발생한 것으로 판별한 경우, 도로 이용자 또는 관리자에게 유선 또는 무선으로 안개 정보를 제공하는 안개정보 제공부를 추가로 포함하는 CCTV 영상을 이용한 안개 검지 시스템.
  12. 도로에 기설치된 CCTV를 이용하여 안개를 검지하는 방법에 있어서,
    a) 도로 동영상을 획득하도록 CCTV를 이용하여 도로 영상을 실시간 촬영하는 단계;
    b) 상기 도로 영상을 정지 영상(Still Image)으로 변환하는 단계;
    c) 상기 정지 영상에 웨이블릿 패킷 알고리즘을 적용하여 상기 정지 영상으로부터 특징벡터(Feature Vector)를 추출하고, 상기 추출된 특징벡터의 흩어짐 정도에 상응하는 분산값(Variance)을 계산하는 단계; 및
    d) 상기 계산된 분산값과 기설정된 임계값을 비교하여 상기 분산값이 기설정된 임계값보다 작은 경우, 안개가 발생한 것으로 판별하는 단계
    를 포함하되,
    상기 c) 단계의 웨이블릿 패킷 알고리즘은 상기 정지 영상을 프레임 단위로 식별하고, 전체 웨이블릿 패킷 노드 중에서 상기 정지 영상의 특징을 가장 잘 표현하는 노드를 특징벡터로 선택하여 추출하고, 상기 분산값은 고주파 부분과 저주파 부분으로 구분하여 표시되며, 상기 d) 단계는 상기 분산값의 고주파 부분과 저주파 부분의 차이가 상대적으로 작은 경우에 안개가 발생한 것으로 판별하는 것을 특징으로 하는 CCTV 영상을 이용한 안개 검지 방법.
  13. 제12항에 있어서,
    e) 상기 안개가 발생한 것으로 판별한 경우, 도로 이용자 또는 관리자에게 안개 정보를 제공하는 단계를 추가로 포함하는 CCTV 영상을 이용한 안개 검지 방법.
  14. 제12항에 있어서, 상기 c) 단계는,
    c-1) 상기 정지 영상이 컬러 영상인 경우 흑백 영상으로 그레이 변환하는 단계;
    c-2) 웨이블릿 패킷 알고리즘을 적용하여 상기 흑백 영상을 웨이블릿 패킷 변환하는 단계;
    c-3) 상기 변환된 웨이블릿 패킷으로부터 대각선 방향 특징벡터를 추출하는 단계; 및
    c-4) 상기 추출된 대각선 방향 특징벡터의 흩어짐 정도에 상응하는 분산값을 계산하는 단계
    를 포함하는 CCTV 영상을 이용한 안개 검지 방법.
  15. 제12항에 있어서,
    상기 d) 단계의 임계값은 제1 내지 제5 임계값(제1 임계값 > 제5 임계값)을 포함하며, 도로의 시정거리는 상기 제1 내지 제5 임계값에 각각 대응하는 것을 특징으로 하는 CCTV 영상을 이용한 안개 검지 방법.
KR1020120082591A 2012-07-27 2012-07-27 Ｃｃｔｖ 영상을 이용한 안개 검지 시스템 및 그 방법 KR101219659B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120082591A KR101219659B1 (ko) 2012-07-27 2012-07-27 Ｃｃｔｖ 영상을 이용한 안개 검지 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120082591A KR101219659B1 (ko) 2012-07-27 2012-07-27 Ｃｃｔｖ 영상을 이용한 안개 검지 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101219659B1 true KR101219659B1 (ko) 2013-01-09

Family

ID=47841395

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120082591A KR101219659B1 (ko) 2012-07-27 2012-07-27 Ｃｃｔｖ 영상을 이용한 안개 검지 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101219659B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101786553B1 (ko) * 2017-03-02 2017-10-17 주식회사 에스카 시정상태의 변화에 강인한 복합 필터링 기반의 오토포커싱 기능을 갖는 감시카메라 및 그것이 적용된 영상감시시스템
KR20170119260A (ko) * 2016-04-18 2017-10-26 주식회사 월드텍 카메라를 이용한 기상관측 장치 및 이를 제어하는 방법
KR102220164B1 (ko) * 2019-11-11 2021-02-25 인하대학교 산학협력단 차량에서 수집된 영상 기반 안개 검출을 위한 관심 영역 추출 기법
KR102267517B1 (ko) * 2020-07-22 2021-06-22 재단법인 서울특별시 서울기술연구원 도로 안개감지 장치 및 그 감지 방법
KR102471542B1 (ko) 2022-01-04 2022-11-28 재단법인 서울특별시 서울기술연구원 Cctv 개방정보를 이용한 야간 도로 안개감지 시스템 및 그 감지 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050069207A1 (en) 2002-05-20 2005-03-31 Zakrzewski Radoslaw Romuald Method for detection and recognition of fog presence within an aircraft compartment using video images
KR20090067910A (ko) * 2007-12-21 2009-06-25 삼성디지털이미징 주식회사 디지털 영상 처리 장치에서 영상의 배경흐림 효과 처리장치 및 방법
US20090256910A1 (en) 2006-01-27 2009-10-15 Ram Ganeshan Camera System to detect, monitor and report low visibility
KR101154552B1 (ko) 2009-12-04 2012-06-08 서강대학교산학협력단 전방 카메라를 이용한 차량의 기후 상황 감지 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050069207A1 (en) 2002-05-20 2005-03-31 Zakrzewski Radoslaw Romuald Method for detection and recognition of fog presence within an aircraft compartment using video images
US20090256910A1 (en) 2006-01-27 2009-10-15 Ram Ganeshan Camera System to detect, monitor and report low visibility
KR20090067910A (ko) * 2007-12-21 2009-06-25 삼성디지털이미징 주식회사 디지털 영상 처리 장치에서 영상의 배경흐림 효과 처리장치 및 방법
KR101154552B1 (ko) 2009-12-04 2012-06-08 서강대학교산학협력단 전방 카메라를 이용한 차량의 기후 상황 감지 방법

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170119260A (ko) * 2016-04-18 2017-10-26 주식회사 월드텍 카메라를 이용한 기상관측 장치 및 이를 제어하는 방법
KR101858339B1 (ko) * 2016-04-18 2018-06-28 주식회사 월드텍 카메라를 이용한 기상관측 장치 및 이를 제어하는 방법
KR101786553B1 (ko) * 2017-03-02 2017-10-17 주식회사 에스카 시정상태의 변화에 강인한 복합 필터링 기반의 오토포커싱 기능을 갖는 감시카메라 및 그것이 적용된 영상감시시스템
WO2018159896A1 (ko) * 2017-03-02 2018-09-07 주식회사 에스카 시정상태의 변화에 강인한 복합 필터링 기반의 오토포커싱 기능을 갖는 감시카메라 및 그것이 적용된 영상감시시스템
US10931925B2 (en) 2017-03-02 2021-02-23 Esca(Electronic Security Of The Creative Association) Co., Ltd. Monitoring camera having autofocusing function based on composite filtering robust against change in visibility status and video monitoring system employing same
KR102220164B1 (ko) * 2019-11-11 2021-02-25 인하대학교 산학협력단 차량에서 수집된 영상 기반 안개 검출을 위한 관심 영역 추출 기법
KR102267517B1 (ko) * 2020-07-22 2021-06-22 재단법인 서울특별시 서울기술연구원 도로 안개감지 장치 및 그 감지 방법
US11398054B2 (en) 2020-07-22 2022-07-26 Seoul Institute Of Technology Apparatus and method for detecting fog on road
KR102471542B1 (ko) 2022-01-04 2022-11-28 재단법인 서울특별시 서울기술연구원 Cctv 개방정보를 이용한 야간 도로 안개감지 시스템 및 그 감지 방법
US20230215177A1 (en) * 2022-01-04 2023-07-06 Seoul Institute Of Technology Nighttime road fog detection system using open information of cctv and detection method thereof
US11881026B2 (en) 2022-01-04 2024-01-23 The Seoul Institute Nighttime road fog detection system using open information of CCTV and detection method thereof

Similar Documents

Publication Publication Date Title
KR101219659B1 (ko) Ｃｃｔｖ 영상을 이용한 안개 검지 시스템 및 그 방법
KR101793636B1 (ko) 통합 지능형 cctv 영상 처리 시스템
KR101971878B1 (ko) 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템 및 방법
KR101095528B1 (ko) 연속류도로 사고 및 돌발 자동판별 검지시스템 및 그 방법
CN113706737B (zh) 基于自动驾驶车辆的路面巡检系统及方法
JP4793571B2 (ja) 走行支援システム及び走行支援方法
KR101731050B1 (ko) 음향센서, 레이더센서 및 영상센서를 결합한 복합센서를 이용한 돌발상황 자동 검지장치 및 그 방법
US20220270376A1 (en) Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program
KR20160062880A (ko) 카메라 및 레이더를 이용한 교통정보 관리시스템
KR101748524B1 (ko) 시정거리 산정을 이용한 안개 감지 장치 및 방법
EP3361412B1 (en) Black ice detection system, program, and method
CN111582130B (zh) 一种基于多源异构信息的交通行为感知融合系统及方法
KR20150074893A (ko) 화재 감지 센서 및 카메라를 이용한 화재 감지 방법 및 장치
CN112769877A (zh) 团雾预警方法、云端服务器及车辆和介质
KR101954899B1 (ko) 지능형 cctv 기반 자동 수위감지 방법
KR102366544B1 (ko) 딥러닝을 활용한 영상 기반의 강수 정보 제공 시스템 및 방법
CN112419745A (zh) 一种基于深度融合网络的高速公路团雾预警系统
KR101911239B1 (ko) 불법 주정차 단속을 위한 채널 확대 운영 시스템
KR102267517B1 (ko) 도로 안개감지 장치 및 그 감지 방법
KR100782205B1 (ko) 영상검지를 이용한 차량속도 표시 장치 및 시스템
CN111710168A (zh) 基于5g传输的违停车牌抓拍和监控方法及系统、设备
KR101453386B1 (ko) 차량 지능형 검색 시스템 및 그 동작방법
KR20200075692A (ko) 좌표계를 이용한 안개 탐지 장치 및 그 방법
KR100699596B1 (ko) 철도 건널목 돌발상황 자동감지 영상처리경보장치
US20230088660A1 (en) Identity-concealing motion detection and portraying device

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170103

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20171226

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190102

Year of fee payment: 7