KR101277188B1 - 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템 - Google Patents

지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템 Download PDF

Info

Publication number
KR101277188B1
KR101277188B1 KR1020120076328A KR20120076328A KR101277188B1 KR 101277188 B1 KR101277188 B1 KR 101277188B1 KR 1020120076328 A KR1020120076328 A KR 1020120076328A KR 20120076328 A KR20120076328 A KR 20120076328A KR 101277188 B1 KR101277188 B1 KR 101277188B1
Authority
KR
South Korea
Prior art keywords
image
intersection
fisheye lens
vehicle
accident
Prior art date
Application number
KR1020120076328A
Other languages
English (en)
Inventor
박성완
정태인
Original Assignee
(주)엠로드정보시스템
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)엠로드정보시스템 filed Critical (주)엠로드정보시스템
Priority to KR1020120076328A priority Critical patent/KR101277188B1/ko
Application granted granted Critical
Publication of KR101277188B1 publication Critical patent/KR101277188B1/ko

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

본 발명의 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템은 어안렌즈와 고 해상도의 카메라 센서를 구비하여 피사체를 광각으로 고화질의 영상으로 촬영하는 어안렌즈 카메라 영상 입력부(10)와, 상기 어안렌즈 카메라 영상 입력부에서 입력된 영상 중에서 어안렌즈에서 캐치된 영상만을 추출하는 어안렌즈 영상 추출모듈(20)과, 어안렌즈 영상을 보정을 통하여 직사각형의 영상으로 변환시키기 위하여 투사 방식을 사용하여 영상을 보정하고 추출하는 어안렌즈 영상 보정모듈(30)과, 상기 보정된 영상을 기초로 하여 교차로에서의 움직이는 객체를 인식하고 객체를 추적하는 객체인식 추적모듈(40)과, 교차로에서 추적된 객체를 기초로 사고 여부를 판단하는 교차로 사고 감지 모듈(50)과, 원격으로 영상을 전송하기 위하여 보정된 영상을 재조합하는 영상 재조합 모듈(90)과, 상기 영상 재조합 모듈에서 재 조합된 고 해상도의 영상을 전송하기 위해 압축하여 스트림을 생성하는 압축 비트스트림 생성 및 전송부(100)와, 통합 관제 시스템과의 데이터 송수신을 하기 위한 인터넷 망(110)과, 상기 인터넷 망에 연결되고 수신된 영상 정보를 기초로 하여 교통 흐름을 모니터링하고 사고 발생 시에 경보를 제공하는 통합관제 시스템(120)과, 보정 전의 어안렌즈 영상 자체를 스케일 다운하기 위한 어안렌즈 영상 스케일링부(60)와, 스케일 다운된 영상을 압축하여 비트스트림을 생성하는 압축 비트스트림 생성부(70)와, 생성된 압축 비트스트림을 외장 디스크에 저장하기 위한 로컬 저장 모듈(80)로 구성되는 것이다. 상기와 같이 구성된 본 발명의 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템은 어안렌즈를 이용하여 광각의 영상 정보를 수집하여 보정하고 압축하여 통합관제 시스템으로 전송함으로써 교차로에서의 교통 흐름과 사고 발생을 모니터링 하여 조치할 수 있는 것이다.

Description

지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템{Accident Sensing System at Intersection by using Fisheye Lens of High-definition}
본 발명은 교차로에서의 차량의 사고를 감지하는 시스템에 관한 것이다. 교차로에서는 횡단 보도가 설치되고 4 방향에서 차량이 진출입하므로 교차로에서의 사고를 감지하고 신호등을 감지하여 사고 영상을 처리하기 위하여는 다수의 카메라가 필요하고 그럼에도 불구하고 사고 지점과 방향에 따라서 사고 영상을 정확히 촬영하여 보존하기가 어려운 것이다. 본 발명은 교차로에서의 사고 감지를 정확히 하기 위하여 광각의 어안렌즈를 사용하여 사고 영상을 촬영하고 고화질의 영상으로 감지하는 것에 관한 것이다.
본 발명과 관련한 종래의 교차로에서의 사고 감지에 관한 기술은 대한민국 등록 특허 제10-0969995호에 개시되어 있다. 도 1은 상기 종래의 영상처리 기법을 이용한 신호 교차로의 교통 상충 판단 시스템에 대한 구성도이다. 상기 도 1에서 종래의 영상처리 기법을 이용한 신호 교차로의 교통 상충 판단 시스템은 검지 라인 기반 영상감지 시스템(200) 및 교통상충 판단 시스템(300)을 포함하여 구성된 것으로 상기 검지라인 기반 영상감지 시스템(200)은 촬상부(CCTV: 210), 영상변환부(220), 영상처리부(230) 및 검지라인 자동계산부(240) 등을 포함할 수 있는 것이다. 또한, 교통상충 판단 시스템(300)은 주행궤적 추적부(310), 개별차량 ID 부여부(320), 대향좌회전 상충 판단부(330), 직각충돌 상충 판단부(340) 및 상충정보 DB(350)를 포함할 수 있으며, 상기 영상감지 시스템(200)은 신호교차로(Signalized Intersection:100)에 자동으로 형성된 검지영역(110) 내의 검지라인(Detection Line Segments: 120)을 기반으로 이동 차량들을 개별적으로 추적하여 영상을 감지하는 것이다. 즉 상기 영상감지 시스템(200)은 상기 신호교차로(100) 전 영역에 걸쳐 검지영역(110)을 수동으로 설정한 후, 카메라의 원근에 따라 일정 길이로 정렬하여 자동으로 검지라인(120)을 설정할 수 있는 것이다. 또한, 상기 영상감지 시스템(200)은 상기 신호교차로로부터 촬영되는 영상의 픽셀거리를 픽셀거리 보정 알고리즘(252)에 따라 보정하고, 또한, 차량검지 및 추적 알고리즘(251)에 따라 상기 이동 차량을 개별적으로 영역-기반 추적(Region Based Tracking)하는 것이다. 또한, 상기 영상감지 시스템(200)은 배경 영상과 현재영상의 차영상(difference image)으로 이동 차량을 추출하고, 상기 이동 차량의 MOR(Moving Object Region)을 추출하기 위해 모폴로지를 이용하여 차량영역을 추출하며, 상기 검지라인(120)을 통과하는 차량에 대해 속도와 점유시간을 산출하는 것이다. 또한, 상기 영상감지 시스템(200)의 촬상부(CCTV: 210), 영상변환부(220) 및 영상처리부(230)는 기존의 영상감지 시스템과 동일하고 교통상충 판단 시스템(300)의 주행궤적 추적부(310)는 상기 영상감지 시스템(200)으로부터 제공되는 상충 분석용 원시 데이터(Raw Data)인 감지영상에 따라 상기 이동 차량들의 이동궤적을 추적하여 매 프레임별로 화면상의 위치정보를 추적하는 것이다. 교통상충 판단 시스템(300)의 개별차량 ID 부여부(320)는 상기 이동 차량들 각각에 식별번호(ID)를 부여하는 것으로 개별차량 ID 부여부(320)는 상기 매 프레임에서 개별차량 MOR(Moving Object Region)이 감지되면 ID를 부여하고, 상기 MOR의 (left, top) 및 (right, bottom)의 좌표값을 참조테이블(Reference Table: RT)에 저장하게 되는 것이다. 상충 판단부는 이동 차량들의 신호위반시 발생하는 대향좌회전 상충 판단부(330) 또는 직각충돌 상충 판단부 (340)를 포함하며, 상기 개별차량 ID가 부여된 이동 차량들의 추적된 주행궤적에 따라 상기 이동 차량들 간의 상충을 각각의 유형별로 상충의 심각도를 고려하여 판단하게 되는 것이다. 이때, 대향좌회전 상충 판단부(330)는 대향좌회전 상충 판단 알고리즘(331)에 따라 상충을 판단하고, 직각충돌 상충 판단부(340)는 직각충돌 상충 판단 알고리즘(341)에 따라 상충을 판단하는 것이다. 상기 대향좌회전 상충 판단부(330) 또는 직각충돌 상충 판단부(340)는 신호위반, 약한 상충, 위험한 상충 및 심각한 상충으로 구분하여 판단하게 되며, 상기 대향좌회전 상충 판단부(330) 또는 직각충돌 상충 판단부(340)는 영상처리-기반으로 각 차량들의 시간에 따른 위치자료와 교차로 신호현시를 연결하여 각 차량이 교차로 안으로 진입한 시간과 밖으로 진출한 시간을 신호시간과 비교하여 신호위반을 판단하고, 신호위반 건수를 측정하는 것이다. 또한, 상기 대향좌회전 상충 판단부(330) 또는 직각충돌 상충 판단부(340)는 이전 신호의 차량이 신호위반을 하였을 때 다음 신호의 차량이 교차로 내로 진입한 경우, 두 차량간의 제동거리를 계산하여 약한 상충을 판단하게 되며, 또한, 주행 중인 두 차량간의 상기 제동거리에 따라 두 차량간의 제동지점까지의 연장선이 서로 만나거나, 상호 교차하지 않는다면, 심각하지 않은 약한 상충으로 판단하게 되는 것이다. 또한, 상기 대향좌회전 상충 판단부(330) 또는 직각충돌 상충 판단부(340)는 주행 중인 두 차량의 상기 제동정지 거리를 계산하여 좌표화하였을 때, 상기 두 차량의 주행궤적이 상호 교차하는 경우, 위험한 상충으로 판단하게 되는 것이다. 또한, 상기 대향좌회전 상충 판단부(330) 또는 직각충돌 상충 판단부(340)는 주행 중인 두 차량의 좌표에서 각각 차량의 범위를 나타내는 부분이 만나거나 겹치는 경우, 심각한 상충인 사고로 판단하게 되는 것이다. 이때, 상기 신호위반, 약한 상충, 위험한 상충 또는 심각한 상충에 대한 정보는 상충정보 DB(350) 내에 저장될 수 있다. 따라서 교통신호와 연관되어 발생하는 상충의 유형을 구분하고 발생 가능한 상황에 대해 분석함으로써, 신호교차로의 안전성을 자동으로 판별하고 감시할 수 있고, 특히, 사고다발 신호교차로에 적용한 교통상충 판단 시스템 및 방법을 통하여 기존 신호교차로 및 신설되는 신호교차로의 안전도를 평가하고 감시하는데 이용할 수 있는 것이다.
상기와 같은 종래의 기술은 촬상부의 CCTV가 범용 카메라를 사용함으로 촬영 각도가 적으므로 이에 따른 사각 지대를 없애기 위하여 다수의 카메라가 필요하며 촬영 영상의 화질 보상도 소프트웨어적으로 처리하므로 시스템에 부하분담이 크고 소프트웨어의 호환성도 어려운 문제점이 있는 것이다. 또한 상기와 같은 종래의 기술은 소프트웨어적으로 화질 보상이 이루어지므로 화질의 선명도에 한계가 있으며, 시스템 구축 비용도 증가하는 문제점이 있는 것이다. 따라서 상기와 같은 종래 기술의 문제점을 해결하기 위한 본 발명의 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템은 어안렌즈와 고 해상도의 카메라 센서를 사용함으로써 카메라 설치 대수를 줄여 구축비용을 절감하고 하드웨어적으로 고화질의 교차로 사고 영상을 확보하기 위한 것이다.
상기와 같은 목적을 가진 본 발명의 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템은 광각으로 영상을 캐치하며 고 해상도의 카메라 센서를 구비하여 피사체를 고화질의 영상으로 촬영하는 어안렌즈 카메라 영상 입력부와, 상기 어안렌즈 카메라 영상 입력부에서 입력된 영상 중에서 어안렌즈에서 캐치된 영상만을 추출하는 어안렌즈 영상 추출모듈과, 어안렌즈 영상을 보정을 통하여 직사각형의 영상으로 변환시키기 위하여 투사 방식을 사용하여 영상을 보정하고 추출하는 어안렌즈 영상 보정모듈과, 상기 보정된 영상을 기초로 하여 교차로에서의 움직이는 객체를 인식하고 객체를 추적하는 객체인식 추적모듈과, 교차로에서 추적된 객체를 기초로 사고 여부를 판단하는 교차로 사고 감지 모듈과, 원격으로 영상을 전송하기 위하여 보정된 영상을 재조합하는 영상 재조합 모듈과, 상기 영상 재조합 모듈에서 재 조합된 고 해상도의 영상을 전송하기 위해 압축하여 스트림을 생성하는 압축 비트스트림 생성 및 전송부와, 통합 관제 시스템과의 데이터 송수신을 하기 위한 인터넷 망과, 상기 인터넷 망에 연결되고 수신된 영상 정보를 기초로 하여 교통 흐름을 모니터링하고 사고 발생 시에 경보를 제공하는 통합관제 시스템과, 보정 전의 어안렌즈 영상 자체를 스케일 다운하기 위한 어안렌즈 스케일링부와, 스케일 다운된 영상을 압축하여 비트스트림을 생성하는 압축 비트스트림 생성부와, 생성된 압축 비트스트림을 외장 디스크에 저장하기 위한 로컬 저장 모듈로 구성되는 것이다. 상기와 같이 구성된 본 발명의 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템은 어안렌즈를 이용하여 광각의 영상 정보를 수집하여 보정하고 압축하여 통합관제 시스템으로 전송함으로써 교차로에서의 교통 흐름과 사고 발생을 모니터링하여 조치할 수 있는 것이다.
고화질 광각의 어안렌즈 카메라와 교차로 내에서의 객체를 검출 추적함으로써 한 대의 카메라로 교통 사고 감지 및 교통 흐름을 모니터링함으로써 시스템 구축비용을 절감할 수 있는 효과가 있는 것이다. 또한, 어안렌즈와 고 해상도의 카메라 센서를 사용함으로써 고화질의 영상을 얻을 수 있어서 사고 감지의 오판단을 줄일수 있으며 동시에 사고 당시의 교차로 신호등 상태까지 제공함으로써 사고 후의 원인 분석에 활용가능한 효과가 있는 것이다. 또한 본 발명은 어안렌즈의 영상을 멀티 채널의 영상으로 보정하고 압축하여 전송함으로써 별도의 보정을 위한 소프트웨어가 필요하지 않고 호환성을 높일 수 있는 효과가 있는 것이다.
도 1은 종래 감리자인 기반의 영상 감지 시스템의 구성도,
도 2는 본 발명 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템 전체 구성도,
도 3은 본 발명에 적용된 어안렌즈 영상 추출 모듈 상세도,
도 4는 본 발명에 적용된 어안렌즈 영상 자동 추출 알고리즘 상세도,
도 5는 본 발명 통합관제 시스템의 어안렌즈 보정 후의 화면 배치도,
도 6은 본 발명에 적용되는 어안렌즈 영상 로컬 저장과 재생에 관한 상세도,
도 7은 교차로 내에서의 어안렌즈 카메라 설치와 신호등 위치 평면도,
도 8은 교차로 내에서의 어안렌즈 카메라 설치 상세 위치도,
도 9는 어안렌즈 영상 자동 추출 방법에 대한 제어 흐름도,
도 10은 객체인식/추적을 통한 교차로 방향 자동인식 제어 흐름도,
도 11은 교차로 각 방향별 시점(View Point) 설정 구성도,
도 12는 교차로 내 객체 인식 및 추적영역 구성도,
도 13은 교차로 사고 감지 제어 흐름도,
도 14는 교차로 내에서 움직이는 객체의 검출 예,
도 15는 야간의 교차로 사고 감지 제어 흐름도,
도 16은 교차로 꼬리 물기 감지 제어 흐름도,
도 17은 교차로 내 중심점 상태도,
도 18은 교차로 내 중심점 산정 제어 흐름도,
도 19는 차량 영상의 중심점 산정 상태도,
도 20은 교차로 내의 중심점 좌표 상태도 이다.
상기와 같은 목적을 가진 본 발명의 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템을 도 2 내지 도 20을 참고로 하여 설명하면 다음과 같다.
도 2는 본 발명 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템 전체 구성도이다. 상기 도 2에서 본 발명 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템은 어안렌즈와 고 해상도의 카메라 센서를 구비하여 피사체를 광각 및 고화질의 영상으로 촬영하는 어안렌즈 카메라 영상 입력부(10)와, 상기 어안렌즈 카메라 영상 입력부(10)에서 입력된 영상 중에서 어안렌즈에서 캐치된 영상만을 추출하는 어안렌즈 영상 추출모듈(20)과, 상기 어안렌즈 영상 추출모듈(20)에서 출력된 어안렌즈 영상을 보정을 통하여 직사각형의 영상으로 변환시키기 위하여 투사 방식을 사용하여 영상을 보정하고 추출하는 어안렌즈 영상 보정모듈(30)과, 상기 보정된 영상을 기초로 하여 교차로에서의 움직이는 객체를 인식하고 객체를 추적하는 객체인식 추적모듈(40)과, 교차로에서 추적된 객체를 기초로 사고 여부를 판단하는 교차로 사고 감지 모듈(50)과, 원격으로 영상을 전송하기 위하여 보정된 영상을 재조합하는 영상 재조합 모듈(90)과, 상기 영상 재조합 모듈(90)에서 재조합된 고 해상도의 영상을 전송하기 위해 압축하여 비트스트림을 생성하는 압축 비트스트림 생성 및 전송부(100)와, 통합 관제 시스템(120)과의 데이터 송수신을 하기 위한 인터넷 망(110)과, 상기 인터넷 망(110)에 연결되고 수신된 영상 정보를 기초로 하여 교통 흐름을 모니터링하고 사고 발생 시에 경보를 제공하는 통합관제 시스템(120)과, 보정 전의 어안렌즈 영상 자체를 스케일 다운하기 위한 어안렌즈 영상 스케일링부(60)와, 스케일 다운된 영상을 압축하여 비트스트림을 생성하는 압축 비트스트림 생성부(70)와, 생성된 압축 비트스트림을 외장 디스크에 저장하기 위한 로컬 저장 모듈(80)로 구성되는 것이다.
도 3은 본 발명에 적용된 어안렌즈 영상 추출 모듈 상세도이다. 상기 도 3에서 어안렌즈 영상 추출 모듈(20)에서 모듈의 도면부호 21, 23은 각각 4 : 3의 종횡비를 가지는 CCD 센서의 영상 촬영 범위와 16 : 9의 종횡비를 가지는 CMOS 센서의 영상 촬영 범위를 나타낸 것이고, 각각은 5메가 픽셀의 해상도를 가지는 것이다. 상기에서 CCD 센서와 CMOS 센서의 종횡비는 하나의 예이고, 다른 상이한 종횡비를 가질 수 있는 것이다. 또한 상기 도 3에서 모듈의 도면부호 22는 모듈의 21에서 어안렌즈 영상부분 만을 선택하여 추출하는 모듈이며, 모듈의 도면부호 24는 모듈 23에서 어안렌즈 영상부분을 추출하는 모듈이다. 본 발명은 상기에서와 같이 카메라 센서에서 촬영되는 영상 중에서 어안렌즈 영상 부분만을 추출함으로써 영상을 보정하거나 객체를 인식/추적하는 모듈에서 프로세서의 사용량을 줄일 수 있으며 압축 용량을 줄일 수 있는 것이다.
도 4는 본 발명에 적용된 어안렌즈 영상 자동 추출 알고리즘 상세도이다. 상기 도 4에서 본 발명에 적용된 어안렌즈 영상 자동 추출 알고리즘은 카메라 센서 값들 중에서 어안렌즈의 실제 영상 값이 아닌 경우에는 검은색의 픽셀 값을 가지므로 입력되는 전체 해상도 중에서 휘도 영상(Luminance) 값이 검은색 값이 아닌 값의 시작 위치와 끝 위치를 수직 방향(수직 최소점, 수직 최대점)과 수평방향(수평 최소점, 수평 최대점) 각각에 대해 구하여 이 값을 이용해 정사각형의 좌표값을 만들어 실제 어안렌즈의 좌표값으로 결정하여 정사각형의 실제 어안렌즈의 영상 부분을 추출하는 것이다.
도 5는 본 발명 통합관제 시스템의 어안렌즈 보정 후의 화면 배치도이다. 상기 도 5에서 본 발명 통합관제 시스템의 어안렌즈 보정 후의 화면은 각 교차로의 4 방향에 대한 영상과 중심부에 대한 영상을 보정 시 시점 변환을 통해 획득하여 각 방향별 교차로 영상을 화면에 배치하여 모니터링을 편리하게 구성하는 것이다. 상기에서 어안렌즈의 보정은 투사 방식을 사용하여 어안렌즈 영상을 직사각형의 영상으로 변환시키기 것을 나타내는 것으로 교차로에서 4 방향과 중심부에 대한 영상을 보정한 후에 화면에 모듈 31과 같이 배치하며, 교차로에서의 사고 발생의 경우 모듈 32와 같이 중심부의 영상을 자동으로 팝업시켜 사고 현장을 자세히 관찰할 수 있도록 한 것이다. 또한, 모듈 33은 다른 화면 배치 모드로서 전체 교차로 화면을 넓게 보고자 하는 경우 화면 배치를 나타내는 것이다.
도 6은 본 발명에 적용되는 어안렌즈 영상 로컬 저장과 재생에 관한 상세도이다. 상기 도 6에서 본 발명에 적용되는 어안렌즈 영상 로컬 저장과 재생에 있어서 저장 시에는 어안렌즈 영상 스케일링부(60)에서 보정되지 아니한 어안렌즈의 영상 자체를 스케일 다운(scale down)하고 스케일 다운된 어안렌즈 영상을 압축 비트스트림 생성부(70)에서 압축하여 비트스트림을 생성한 후 로컬 저장모듈(80)을 통하여 디스크(85)에 저장하는 것이다. 스케일 다운(scale down)하여 저장하는 이유는 저장 디스크의 저장 효율을 높여 적은 디스크의 용량으로 전체 화각의 어안렌즈 영상을 저장하기 위한 목적이다. 또한 통합 관제시스템에서 재생 명령을 보내는 경우에는 저장 시와 역순으로 디스크에 저장된 보정되지 아니한 어안렌즈의 영상을 로컬 저장 모듈(80)을 통하여 불러와 압축을 풀고 어안렌즈 영상 보정모듈(30), 영상 재조합 모듈(90), 압축 비트스트림 생성 및 전송 모듈(100), 인터넷(110)을 거쳐 통합 관제시스템(120)의 화면에서 재생되는 것이다.
도 7은 교차로 내에서의 어안렌즈 카메라 설치와 신호등 위치 평면도이다. 상기 도 7에서 신호등은 교차로 사고 발생 시 가해자와 피해자의 교통신호 위반 여부를 알 수 있는 중요한 정보이므로 교차로 영상 표출에서 신호등 표출 여부는 중요하며 신호등 자체의 영상도 어안렌즈 영상에 표출되도록 하는 것이다. 상기 도 7에서 a의 위치는 어안렌즈의 카메라 설치 위치이며, 상기 a의 어안렌즈를 설치하는 경우 어안렌즈의 영상을 통해 출력이 가능한 신호등은 b, c, f, h, k, m 신호등이 될 수 있으며, 신호등 d, e, g, i, j, l 은 표출하기가 어려운 것이다. 이 경우 표출할 수 있는 신호등을 통해 표출할 수 없는 신호등의 신호를 유추할 수 있으므로 표출 가능한 신호등 정보만으로도 충분히 교차로 사고시 신호 위반 여부를 판별할 수 있는 것이다. 상기 어안렌즈 영상에서의 각각의 신호등의 표출 여부는 어안렌즈 카메라 영상의 설치 높이, 설치 각도, 설치 위치에 좌우될 수 있는 것이다.
도 8은 교차로 내에서의 어안렌즈 카메라 설치 상세 위치도이다. 상기 도 8에서 a는 측면도, b는 평면도이다. 상기 도 8에서 교차로 신호등(130)의 신호등 설치 암(131)은 신호등 지주의 상부에, 어안렌즈 설치 암(141)은 상기 신호등 설치 암(131)의 하부에 설치되는 것을 나타내는 것이고, 어안렌즈 설치 암(141)은 신호등 설치 암(131)의 하부 30cm 거리에 위치하는 것이 유리하다. 상기와 같이 설치하는 이유는 경험치이며 카메라 설치 암(141)과 신호등 설치 암(131)의 높이가 동일한 경우에는 신호등이 어안렌즈의 영상에 들어와 다른 영상을 가릴 수 있으며, 어안렌즈가 신호등보다 높게 설치되는 경우에는 신호등이 어안렌즈를 가릴 수 있으며 너무 높은 경우 사물이 작아서 인식하기 어려울 수 있는 것이다. 또한 너무 낮게 설치하는 경우에는 교차로와 연동된 전체 교통 흐름을 파악할 수 없어 교차로 내의 정확한 사고 감지를 하는데 어려울 수 있는 것이다. 또한, 어안렌즈의 설치 위치는 교차로의 정 중앙점에 위치하는 것이 가장 이상적이지만 실제 암을 길게 하는데 한계가 있으므로 가능한 중앙점에 가깝게 길이를 맞추는 것이 영상 감지 면에서 유리한 것이다.
도 9는 어안렌즈 영상 자동 추출 방법에 대한 제어 흐름도이다. 상기 도 9에서 어안렌즈 영상 자동 추출하는 방법은 영상의 휘도(Luminance) 값을 선택하는 단계(S11)와, 선택된 휘도 값 중에서 수평 방향으로 배경값(black, 검은색)이 아닌 픽셀 값 좌표의 최소값과 최대값을 설정하는 단계(S12)와, 수직방향으로 배경값(black, 검은색)이 아닌 픽셀값 좌표의 최소값과 최대값을 설정하는 단계(S13)와, 수직 방향, 수평 방향의 최소값과 최대값을 이용하여 정사각형의 좌표를 산정하는 단계(S14)로 구성되며 상기와 같은 방법으로 어안렌즈의 영상 부분을 정사각형으로 추출하는 것이다.
도 10은 객체인식/추적을 통한 교차로 방향 자동인식 제어 흐름도이다. 상기 도 10에서 객체인식/추적을 통한 교차로 방향 자동인식은 화면의 중심 영역에서 움직이는 차량을 인식하는 단계(S21)와, 인식된 차량을 추적하면서 방향을 감지하여 추출하는 단계(S22)와, 추출된 각 방향을 기반으로 교차로 중심점을 결정하는 단계(S23)와, 정해진 각 방향에 대해 횡단 보도 부분을 인식하는 단계(S24)와, 횡단 보도의 끝 부분을 카메라 시점(view piint)으로 설정하는 단계(25)로 이루어진 것이다.
도 11은 교차로 각 방향별 시점(View Point) 설정 구성도이다. 상기 도 11에서 교차로 각 방향별 시점(View Point) 설정은 자동으로 인식된 교차로의 각 방향별 어안렌즈 영상의 시점을 나타내었으며, 이 시점을 기준으로 이 시점을 지나는 차량의 번호판을 인식하는 것이다. 차량의 번호판 인식은 어안렌즈 카메라 해상도가 일정 이상이어야만 가능하며 최소 5메가 픽셀 이상이 되어야 인식 가능하다. 또한 차량의 번호판 인식은 실시간 처리가 어려우므로 별도의 버퍼에 영상을 저장하고 있다가 사고가 발생한 경우 버퍼에 저장된 영상에 대해 번호판을 불러와 표출할 수 있는 것이다.
도 12는 교차로 내 객체 인식 및 추적영역 구성도이다. 상기 도 12에서 교차로 내 객체 인식 및 추적 영역은 인식된 횡단 보도 영역(150)을 기준으로 하여 각 방향의 내부 영역을 교차로 인식 및 추적 영역(160)으로 설정하는 것을 나타내고 있는 것이다.
도 13은 교차로 사고 감지 제어 흐름도이다. 상기 도 13에서 교차로 사고 감지는 어안렌즈의 영상의 시점(view point)을 교차로 중심점으로 이동하는 단계(S31)와, 촬영된 각 차량(object)에서 그림자를 제거하고 베이스 레이어(base layer)를 추출하는 단계(S32)와, 각각의 차량의 베이스 레이어를 이용하여 영역이 중첩되는 부분이 있는지 확인하는 단계(S33)와, 상기 베이스 레이어 영역이 중첩된 후 차량이 멈추는 경우 사고 후보로 선택하는 단계(S34)와, 멈춘 차량에 대하여 진행 방향이 정체인지 확인하는 단계(S35)와, 정체인 경우 꼬리 물기 인지 확인하는 단계(S36)와, 꼬리 물기가 아닌 경우 사고로 판단하는 단계(S37)로 이루어진 것이다. 상기에서 베이스 레이어는 각 차량의 입체 효과를 없애기 위하여 각 차량의 저면 부분만을 취하는 것으로 차량의 진행하는 방향에서 정면 가로 길이를 구하고 이와 직각되는 새로 길이를 구하여 가상의 사각형을 구하여 이것을 차량의 베이스 레이어로 추출하는 것이며 이는 객체의 입체로 인한 오 동작을 최소화할 수 있는 것이다.
도 14는 교차로 내에서 움직이는 객체의 검출 예이다. 상기 도 14에서 교차로 내에서 움직이는 객체는 도 13과 같은 단계로 이루어지는 것으로 진행 방향에 따라 객체의 검출을 나타내고 있는 것이다.
도 15는 야간의 교차로 사고 감지 제어 흐름도이다. 상기 도 15에서 야간의 교차로에서의 사고 감지는 어안렌즈의 시점(view point)을 교차로 중심으로 이동하는 단계(S41)와, 입력 영상 데이터를 흑백 영상 데이터로 전환하는 단계(S42)와, 각 방향별 진행되는 차량(object)에서 헤드라이트 불빛을 인식하는 단계(S43)와, 헤드 라이트 불빛 주위의 에지를 확인하는 단계(S44)와, 헤드라이트 불빛과 에지 정보를 이용해 차량의 영역을 확정하는 단계(S45)와, 각 영역이 중첩되고 차량이 멈추었는지 확인하는 단계(S46)와, 중첩되는 경우 소리 데이터가 일정 레벨 이상 발생하였는지 확인하는 단계(S47)와, 위의 조건을 만족하는 경우 사고로 판단하는 단계(S48)로 이루어진 것이다. 상기와 같은 야간의 교차로 사고 감지는 야간에는 광량이 부족하여 카메라의 출력 조도가 낮고 형태를 인식하기 어려우므로 헤드라이트 불빛을 이용하여 차량의 위치를 확인하고 주변의 영상 데이터의 sharpness를 높여 에지를 검출하여 차량의 영역을 결정하는 것이다.
도 16은 교차로 꼬리 물기 감지 제어 흐름도이다. 상기 도 16에서 교차로 꼬리 물기 감지는 교차로 방향별 교통 흐름 정보를 계산하는 단계(S51)와, 교차로 내 차량의 진행 방향을 결정하는 단계(S52)와, 교차로 내 차량이 멈추었는지 결정하는 단계(S53)와, 차량이 멈춘 경우 진행 방향의 교통 흐름 정보를 참고하는 단계(S54)와, 진행 방향의 교통 흐름이 정체이고, 교차로 내의 차량이 멈춘 경우 꼬리 물기로 판단하는 단계(S55)로 이루어진 것이다.
도 17은 교차로 내 중심점 상태도 이다. 상기 도 17에서 교차로 내의 중심점은 영상의 센터 포인트(a1)를 도출한 후에 영상의 센터 포인트(a1)를 중심으로 가상의 영역(b1)을 설정하여 중심점을 산정하는 것으로 각 차량의 중심점(center Point)이 가상의 영역(b1)을 지나는 경우의 좌표를 획득하며 그 좌표는 c1, d1, e1, f1, g1, h1, i1, j1이 되고, 차량의 추적을 통해 차량이 직진하는 경우에만 유효한 좌표로 선택하며, 각 방향별 차선별 유효한 좌표 중에서 각 방향에서 중앙선에 가장 가까운 좌표를 대표 좌표로 다시 선택하는 것으로 그 대표 좌표는 c1, d1, e1, f1, g1, h1, i1, j1인 것이다. 또한, 각 방향별 차선별 대표 좌표를 연결한 직선의 교차점을 산정하는 것이고, 그 교차점은 k1, l1, m1, n1이 되는 것이고, 산정된 각 교차점의 좌표를 연결한 직선의 교차점을 계산하여 교차로 내의 중심점으로 선택하는 것이다.
도 18은 교차로 내 중심점 산정 제어 흐름도이다. 상기 도 18에서 교차로 내 중심점 산정은 영상의 센터 포인트(a1)를 도출하는 단계(S61)와, 상기 영상의 중심으로 가상의 영역(b1)을 설정하는 단계(S62)와, 각 차량의 중심점(center Point)이 가상의 영역(b1)을 지나는 경우의 좌표를 획득하는 단계(S63)와, 차량의 추적을 통해 차량이 직진하는 경우에만 유효한 좌표로 선택하는 단계(S64)와, 각 방향별 차선별 유효한 좌표 중에서 각 방향에서 중앙선에 가장 가까운 좌표를 대표 좌표로 다시 선택하는 단계(S65)와, 상기 각 방향별 차선별 대표 좌표를 연결한 직선의 교차점을 산정하는 단계(S66)와, 산정된 각 교차점의 좌표를 연결한 직선의 교차점을 계산하여 교차로 내의 중심점으로 선택하고(S67) 종료하는 것이다.
도 19는 차량 영상의 중심점 산정 상태도 이다. 상기 도 19에서 어안 렌즈에 의한 차량 영상의 중심점은 차량의 에지를 검출한 후 차량의 형태를 검출 후 객체의 수평 최소점의 좌표와 최대점의 좌표, 차량의 수직 최소점과 최대점의 좌표를 구해 중간되는 좌표를 선택하는 것이다. 즉 차량의 중심점의 x0 좌표와 y0 좌표는
x0 = (차량의 수평 최소점의 좌표 + 차량의 수평 최대점의 좌표)/2
y0 = (차량의 수직 최소점의 좌표 + 차량의 수직 최대점의 좌표)/2 으로 구할 수 있는 것이다.
도 20은 교차로 내의 중심점 좌표 산정 상태도 이다. 상기 도 20에서 교차로 내의 중심점은 각 방향별 차선별 대표 좌표를 연결한 직선의 교차점(P1, P2, P3, P4)를 상호 연결하고 그 교차점을 교차로 내의 중심점으로 산정하는 것이다.
상기와 같이, 도 17 내지 도 20에서 설명한 교차로 중심점의 산정을 예를 들어 구체적으로 설명하면 다음과 같다.
첫째는 도 17과 도 18은 교차로에서의 중심점을 구하기 위한 알고리즘을 나타낸 것으로 먼저 입력된 영상의 수평 방향의 좌표와 수직 방향의 좌표를 이용해 영상의 중심점(x,y)를 구하는 것이다. 즉
x = (영상의 수평 해상도/2)
y = (영상의 수직 해상도/2) 이다.
둘째는 영상의 중심점(x,y)를 중심으로 하여 가상의 영역을 설정하는 것이다(도 17의 b1). 상기에서 가상의 영역의 크기는 초기에는 영상의 수직 해상도와 영상의 수평 해상도의 80% 정도의 크기로 설정하고 차량이 움직임이 가상의 영역에 들어오지 않는 경우에는 가상의 영역 크기를 조정할 필요가 있는 것이다.
셋째는 인식 및 추적할 차량의 중심점을 구하는 것이다. 상기 차량의 중심점은 차량의 에지를 검출한 후 차량의 형태를 검출 후 객체의 수평 최소점의 좌표와 최대점의 좌표, 차량의 수직 최소점과 최대점의 좌표를 구해 중간되는 좌표를 선택하는 것이다. 즉 차량의 중심점의 x0 좌표와 y0 좌표는
x0 = (차량의 수평 최소점의 좌표 + 차량의 수평 최대점의 좌표)/2
y0 = (차량의 수직 최소점의 좌표 + 차량의 수직 최대점의 좌표)/2 으로 구할 수 있는 것이다.
상기에서 각 차량의 중심점이 가상의 영역을 지나는 경우의 좌표를 선택하여 그 차량이 교차로를 지나 수직방향으로 진행할 때만 유효한 좌표를 선택하는 것이다. 그 차량이 우회전 또는 좌회전을 하는 경우에는 유효한 차량의 좌표에서 삭제하는 것이다. 상기에서 각 차선별 가상의 영역을 지나는 좌표를 선택한 경우 각 차선별 복수 개의 좌표를 얻을 수 있는데 이 중 중앙선에 가까운 좌표 하나만을 최종적으로 대표 좌표로 선택하는 것이다. 상기에서 중앙선에 가까운 좌표 선택은 가상 영역에서 x0, y0 좌표를 이용하여 구살 수 있는 것이다(도 17의 c1,d1,e1,f1,g1,h1,i1,j1).
넷째는 각 방향별 구해진 대표 좌표를 연결한 직선의 교차점을 계산하여 교차로 중심점 주위의 4점을 구하는 것이다(도 17의 k1, l1, m1, n1). 상기 각 좌표를 연결한 직선의 교차점 좌표는 아래와 같이 구할 수 있는 것이다.
도 20의 p1(x,y), p2(x,y), p3(x,y), p4(x,y)에 대하여
(x1,y1) = p1(x,y),
(x2,y2) = p2(x,y),
(x3,y3) = p3(x,y),
(x4,y4) = p4(x,y) 라고 하면,
d = (x1-x2)*(y3-y4) - (y1-y2)*(x3-x4),
pre = (x1*y2 - y1*x2),
post = (x3*y4 - y3*x4)
x = (pre*(x3 - x4) - post*(x1 - x2))/d,
y = (pre*(y3 - y4) - post*(y1 - y2))/d 으로 정의된다.
상기에서 구하여진 4점의 좌표를 연결한 직선의 교차점을 위의 교차점 구하는 식을 이용하여 다시 교차로 중심점의 좌표(x,y)를 구할 수 있는 것이다.
이상에서 설명한 바와 같이 본 발명의 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템은 어안렌즈를 이용하고 어안렌즈 표출 영상을 보정하고 압축하여 전송하며, 교차로 내에서의 객체 인식 및 추적을 통하여 교차로에서의 사고 감지를 효과적으로 할 수 있는 특징이 있는 것이다.
10 : 어안렌즈 카메라 영상 입력부, 20 : 어안렌즈 영상 추출모듈,
30 : 어안렌즈 영상 보정모듈, 40 : 객체 인식모듈,
50 : 교차로 사고 감지모듈, 80 : 로컬 저장모듈,
90 : 영상 재조합모듈, 120 : 통합관제 시스템,
130 : 신호등, 131 : 신호등 설치 아암,
141 : 어안렌즈 설치 아암, 210 : 촬상부,
230 : 영상처리부, 310 : 주행궤적 추적부,
330 : 대향좌회전 상충판단부

Claims (6)

  1. 교차로에서 발생하는 사고를 감지하는 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템에 있어서,
    상기 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템은,
    어안렌즈와 고 해상도의 카메라 센서를 구비하여 피사체를 광각 및 고화질의 영상으로 촬영하는 어안렌즈 카메라 영상 입력부(10)와;
    상기 어안렌즈 카메라 영상 입력부(10)에서 입력된 영상 중에서 어안렌즈에서 캐치된 영상만을 추출하는 어안렌즈 영상 추출모듈(20)과;
    상기 어안렌즈 영상 추출모듈(20)에서 출력된 어안렌즈 영상을 보정을 통하여 직사각형의 영상으로 변환시키기 위하여 투사 방식을 사용하여 영상을 보정하고 추출하는 어안렌즈 영상 보정모듈(30)과;
    상기 보정된 영상을 기초로 하여 교차로에서의 움직이는 객체를 인식하고 객체를 추적하는 객체인식 추적모듈(40)과, 교차로에서 추적된 객체를 기초로 사고 여부를 판단하는 교차로 사고 감지 모듈(50)과;
    원격으로 영상을 전송하기 위하여 보정된 영상을 재조합하는 영상 재조합 모듈(90)과;
    상기 영상 재조합 모듈(90)에서 재조합된 고 해상도의 영상을 전송하기 위해 압축하여 비트스트림을 생성하는 압축 비트스트림 생성 및 전송부(100)와;
    통합 관제 시스템(120)과의 데이터 송수신을 하기 위한 인터넷 망(110)과;
    및 상기 인터넷 망(110)에 연결되고 수신된 영상 정보를 기초로 하여 교통 흐름을 모니터링하고 사고 발생 시에 경보를 제공하는 통합관제 시스템(120)을 포함하여 구성된 것을 특징으로 하는 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템.
  2. 제1항에 있어서,
    지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템은,
    보정 전의 어안렌즈 영상 자체를 스케일 다운하기 위한 어안렌즈 영상 스케일링부(60)와;
    스케일 다운된 영상을 압축하여 비트스트림을 생성하는 압축 비트스트림 생성부(70)와;
    및 상기 압축 비트스트림 생성부(70)에서 생성된 압축 비트스트림을 외장 디스크에 저장하기 위한 로컬 저장 모듈(80)을 더 포함하여 구성된 것을 특징으로 하는 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템.
  3. 교차로에서 발생하는 사고를 감지하는 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 방법에 있어서,
    상기 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 방법은,
    화면의 중심 영역에서 움직이는 차량을 인식하는 단계(S21)와;
    인식된 차량을 추적하면서 방향을 감지하여 추출하는 단계(S22)와;
    추출된 각 방향을 기반으로 교차로 중심점을 결정하는 단계(S23)와;
    정해진 각 방향에 대해 횡단 보도 부분을 인식하는 단계(S24)와;
    횡단 보도의 끝 부분을 카메라 시점(view piint)으로 설정하는 단계(25)와;
    어안렌즈의 영상의 시점(view point)을 교차로 중심점으로 이동하는 단계(S31)와;
    촬영된 각 차량(object)에서 그림자를 제거하고 베이스 레이어(base layer)를 추출하는 단계(S32)와;
    각각의 차량의 베이스 레이어를 이용하여 영역이 중첩되는 부분이 있는지 확인하는 단계(S33)와;
    상기 베이스 레이어 영역이 중첩된 후 차량이 멈추는 경우 사고 후보로 선택하는 단계(S34)와;
    멈춘 차량에 대하여 진행 방향이 정체인지 확인하는 단계(S35)와;
    정체인 경우 꼬리 물기 인지 확인하는 단계(S36)와;
    및 꼬리 물기가 아닌 경우 사고로 판단하는 단계(S37)를 포함하여 이루어진 것을 특징으로 하는 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 방법.
  4. 제3항에 있어서,
    정체인 경우 꼬리 물기 인지 확인하는 단계(S36)는,
    교차로 방향별 교통 흐름 정보를 계산하는 단계(S51)와;
    교차로 내 차량의 진행 방향을 결정하는 단계(S52)와;
    교차로 내 차량이 멈추었는지 결정하는 단계(S53)와;
    차량이 멈춘 경우 진행 방향의 교통 흐름 정보를 참고하는 단계(S54)와;
    및 진행 방향의 교통 흐름이 정체이고, 교차로 내의 차량이 멈춘 경우 꼬리 물기로 판단하는 단계(S55)를 포함하여 이루어진 것을 특징으로 하는 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 방법.
  5. 제3항에 있어서,
    상기 추출된 각 방향을 기반으로 교차로 중심점을 결정하는 단계(S23)는,
    영상의 센터 포인트(a1)를 도출하는 단계(S61)와;
    상기 영상의 중심으로 가상의 영역(b1)을 설정하는 단계(S62)와;
    각 차량의 중심점(center Point)이 가상의 영역(b1)을 지나는 경우의 좌표를 획득하는 단계(S63)와;
    차량의 추적을 통해 차량이 직진하는 경우에만 유효한 좌표로 선택하는 단계(S64)와;
    각 방향별 차선별 유효한 좌표 중에서 각 방향에서 중앙선에 가장 가까운 좌표를 대표 좌표로 다시 선택하는 단계(S65)와;
    상기 각 방향별 차선별 대표 좌표를 연결한 직선의 교차점을 산정하는 단계(S66)와;
    및 산정된 각 교차점의 좌표를 연결한 직선의 교차점을 계산하여 교차로 내의 중심점으로 선택하는 단계(S67)를 포함하여 이루어진 것을 특징으로 하는 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 방법.
  6. 야간의 교차로에서 사고를 감지하는 지능형 고화질 어안렌즈를 이용한 야간의 교차로에서의 사고 감지 방법에 있어서,
    지능형 고화질 어안렌즈를 이용한 야간의 교차로에서의 사고 감지 방법은,
    어안렌즈의 시점(view point)을 교차로 중심으로 이동하는 단계(S41)와;
    입력 영상 데이터를 흑백 영상 데이터로 전환하는 단계(S42)와;
    각 방향별 진행되는 차량(object)에서 헤드라이트 불빛을 인식하는 단계(S43)와;
    헤드라이트 불빛 주위의 에지를 확인하는 단계(S44)와;
    헤드라이트 불빛과 에지 정보를 이용해 차량의 영역을 확정하는 단계(S45)와;
    각 영역이 중첩되고 차량이 멈추었는지 확인하는 단계(S46)와;
    중첩되는 경우 소리 데이터가 일정 레벨 이상 발생하였는지 확인하는 단계(S47)와;
    및 위의 조건을 만족하는 경우 사고로 판단하는 단계(S48)를 포함하여 이루어진 것을 특징으로 하는 지능형 고화질 어안렌즈를 이용한 야간의 교차로에서의 사고 감지 방법.

KR1020120076328A 2012-07-12 2012-07-12 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템 KR101277188B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120076328A KR101277188B1 (ko) 2012-07-12 2012-07-12 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120076328A KR101277188B1 (ko) 2012-07-12 2012-07-12 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템

Publications (1)

Publication Number Publication Date
KR101277188B1 true KR101277188B1 (ko) 2013-06-20

Family

ID=48867435

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120076328A KR101277188B1 (ko) 2012-07-12 2012-07-12 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템

Country Status (1)

Country Link
KR (1) KR101277188B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103456171A (zh) * 2013-09-04 2013-12-18 北京英泰智软件技术发展有限公司 一种基于鱼眼镜头的车流量检测系统、方法及图像校正方法
CN110556000A (zh) * 2018-06-04 2019-12-10 义硕智能股份有限公司 人工智慧交通检测系统
US10535147B2 (en) 2016-11-18 2020-01-14 Samsung Electronics Co., Ltd. Electronic apparatus and method for processing image thereof
CN112837538A (zh) * 2021-03-27 2021-05-25 深圳市迅朗科技有限公司 一种车牌云识别相机、图像传感器组件及补光、保洁方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002329291A (ja) 2001-04-27 2002-11-15 Mitsubishi Heavy Ind Ltd 交差点情報装置および交差点情報システム
JP2005190142A (ja) 2003-12-25 2005-07-14 Foundation For The Promotion Of Industrial Science 交差点交通量計測装置および交差点交通量計測方法
KR101052803B1 (ko) 2011-01-05 2011-07-29 김도연 카메라를 이용한 지능형 조명제어 및 사건/사고 관리시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002329291A (ja) 2001-04-27 2002-11-15 Mitsubishi Heavy Ind Ltd 交差点情報装置および交差点情報システム
JP2005190142A (ja) 2003-12-25 2005-07-14 Foundation For The Promotion Of Industrial Science 交差点交通量計測装置および交差点交通量計測方法
KR101052803B1 (ko) 2011-01-05 2011-07-29 김도연 카메라를 이용한 지능형 조명제어 및 사건/사고 관리시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103456171A (zh) * 2013-09-04 2013-12-18 北京英泰智软件技术发展有限公司 一种基于鱼眼镜头的车流量检测系统、方法及图像校正方法
US10535147B2 (en) 2016-11-18 2020-01-14 Samsung Electronics Co., Ltd. Electronic apparatus and method for processing image thereof
CN110556000A (zh) * 2018-06-04 2019-12-10 义硕智能股份有限公司 人工智慧交通检测系统
CN112837538A (zh) * 2021-03-27 2021-05-25 深圳市迅朗科技有限公司 一种车牌云识别相机、图像传感器组件及补光、保洁方法
CN112837538B (zh) * 2021-03-27 2023-12-22 深圳市迅朗科技有限公司 一种车牌云识别相机及补光方法

Similar Documents

Publication Publication Date Title
US11790504B2 (en) Monitoring method and apparatus
US9154741B2 (en) Apparatus and method for processing data of heterogeneous sensors in integrated manner to classify objects on road and detect locations of objects
KR101496390B1 (ko) 차량번호인식 시스템
US8792681B2 (en) Imaging system and imaging method
KR101149651B1 (ko) 어안카메라의 다면영상분석을 통한 주차가능면 실시간 감지시스템 및 그 감지방법
KR101277188B1 (ko) 지능형 고화질 어안렌즈를 이용한 교차로 사고 감지 시스템
KR101238989B1 (ko) 어안카메라의 다면영상분석을 통한 주차가능면 실시간 감지시스템 및 그 감지방법
KR101049758B1 (ko) 어린이보호구역 통합 감시 방법 및 그 시스템
WO2016072625A1 (ko) 영상방식을 이용한 주차장의 차량 위치 확인 시스템 및 그 제어방법
KR101629803B1 (ko) 주차관리시스템
KR101365557B1 (ko) 차선 검출장치 및 그 방법
KR101073053B1 (ko) 자동 교통정보추출 시스템 및 그의 추출방법
JP2002145072A (ja) 踏切障害物検知装置
JP2006285399A (ja) 交差点における車両の動きを監視するための映像監視方法及び装置
KR20210158037A (ko) 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법
CN111462502B (zh) 车辆管理的方法、装置及计算机可读存储介质
KR101026852B1 (ko) 주정차위반 검지 시스템 및 방법
KR101069766B1 (ko) 방범용 폐쇄회로 텔레비전과 연동하는 주정차 단속 시스템 및 이를 이용한 주정차 단속 방법
JP5315104B2 (ja) 交通流計測装置
KR20230020184A (ko) 고정 카메라 및 이동 카메라를 이용한 영상 분석 장치
WO2002091746A2 (fr) Dispositif de traitement d'image, procede de traitement d'image et systeme de surveillance de vehicules
JP2004042737A (ja) 踏切監視装置および踏切監視方法
KR20140135368A (ko) 어레이형 카메라를 이용한 교차로 촬영 시스템
KR101462269B1 (ko) 고화질 카메라의 부분 저장장치 및 방법
JP2006012013A (ja) 移動物体追跡装置

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: 20160519

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170608

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee