KR101301868B1 - 차종분석 시스템 및 그 방법 - Google Patents

차종분석 시스템 및 그 방법 Download PDF

Info

Publication number
KR101301868B1
KR101301868B1 KR1020100059629A KR20100059629A KR101301868B1 KR 101301868 B1 KR101301868 B1 KR 101301868B1 KR 1020100059629 A KR1020100059629 A KR 1020100059629A KR 20100059629 A KR20100059629 A KR 20100059629A KR 101301868 B1 KR101301868 B1 KR 101301868B1
Authority
KR
South Korea
Prior art keywords
image
vehicle
histogram
blended
smoothing
Prior art date
Application number
KR1020100059629A
Other languages
English (en)
Other versions
KR20110139503A (ko
Inventor
이중
김준석
문기웅
김병현
Original Assignee
대한민국
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 대한민국 filed Critical 대한민국
Priority to KR1020100059629A priority Critical patent/KR101301868B1/ko
Publication of KR20110139503A publication Critical patent/KR20110139503A/ko
Application granted granted Critical
Publication of KR101301868B1 publication Critical patent/KR101301868B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 저해상도 영상에서 촬영된 차량의 차종을 분석할 수 있는 차종분석 시스템 및 그 방법에 관한 것으로, 차량이 포함된 원 영상을 획득하는 영상촬영부 및 상기 영상촬영부를 통해 획득된 원 영상의 히스토그램을 산출시킨 후 미리 설정된 어두운 영역 및 밝은 영역의 비율 값에 따른 히스토그램 스트레칭 처리를 하여 개선된 영상을 산출시키고, 상기 개선된 영상을 슬라이딩 블록 기반의 히스토그램 평활화 처리를 하여 보정된 영상을 산출시키고, 상기 원 영상과 상기 보정된 영상을 블렌딩 처리하여 산출된 블렌딩 영상에서 상기 차량의 특징을 추출시킨 후 데이터베이스에 미리 설정된 각종 차량 데이터와 비교되도록 하여 차종이 추출되도록 하는 사용자 단말기를 포함한다.
본 발명의 차종분석 시스템 및 그 방법에 따르면, 촬영된 영상의 히스토그램을 스트레칭하여 영상을 개선하고, 히스토그램 평활화를 통하여 영상을 선명하게 하여 차량의 종류에 따른 특징을 추출한 후 이에 따른 차종이 추출될 수 있도록 함으로써, 영상처리기술이 부족한 사용자들도 손쉽게 저 해상도로 촬영된 차량을 분석하여 차종을 알아낼 수 있도록 하는 효과가 발휘된다.

Description

차종분석 시스템 및 그 방법{System for car model analysis and method thereof}
본 발명은 차종분석 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 저해상도 영상에서 촬영된 차량의 차종을 분석할 수 있는 차종분석 시스템 및 그 방법에 관한 것이다.
읍, 면, 동 단위 골목길과 학교 운동장 등 전국 모든 지역에 강, 절도와 폭력 등 주요 범죄발생의 예방을 위하여 방범용 감시카메라(Surveillance camera) 등의 CCTV(Closed-circuit television)가 설치되고 있으며, 범죄가 발생한 경우 감시카메라에 범죄현장, 용의자 또는 중요 증거물이 영상자료로 촬영되는 경우가 점점 높아지고 있다.
특히, 강력범죄의 경우 차량이 이용되는 경우가 많으므로 차량 모델을 판단하는 것이 중요하지만, 촬영된 영상의 대부분이 멀리서 촬영되거나 어두운 곳에서 촬영되어 가시성이 많이 떨어지는 경우가 대부분이었으며, 저 해상도로 촬영된 차량 영상의 화질을 향상시키기 위해서 포토샵과 같은 영상처리프로그램을 이용하여 영상을 선명하게 하였다.
그러나, 포토샵에서 제공하는 기능들이 한정되어 있고, 프로그램을 사용하는 작업도 숙련된 기술이 필요하기 때문에 전문적인 Video investigator, Video focus 또는 Video detective 등의 법 영상분석 프로그램을 사용하였지만 이는 차량 분석에 대한 기능이 없을 뿐만 아니라 영상을 선명하게 하기 위해서 많은 경험이 필요하다는 문제점이 있었다.
본 발명은 전술한 문제점을 해결하기 위해 안출된 것으로서, 촬영된 영상의 히스토그램을 스트레칭하여 영상을 개선하고, 히스토그램 평활화를 통하여 영상을 선명하게 하여 차량의 종류에 따른 특징을 추출한 후 이에 따른 차종이 추출될 수 있도록 함으로써, 영상처리기술이 부족한 사용자들도 손쉽게 저 해상도로 촬영된 차량을 분석하여 차종을 알아낼 수 있도록 하는 차종분석 시스템 및 그 방법을 제공하는 것이다.
전술한 목적을 달성하기 위한 본 발명의 차종분석 시스템 및 그 방법은 차량이 포함된 원 영상을 획득하는 영상촬영부 및 상기 영상촬영부를 통해 획득된 원 영상의 히스토그램을 산출시킨 후 미리 설정된 어두운 영역 및 밝은 영역의 비율 값에 따른 히스토그램 스트레칭 처리를 하여 개선된 영상을 산출시키고, 상기 개선된 영상을 슬라이딩 블록 기반의 히스토그램 평활화 처리를 하여 보정된 영상을 산출시키고, 상기 원 영상과 상기 보정된 영상을 블렌딩 처리하여 산출된 블렌딩 영상에서 상기 차량의 특징을 추출시킨 후 데이터베이스에 미리 설정된 각종 차량 데이터와 비교되도록 하여 차종이 추출되도록 하는 사용자 단말기를 포함한다.
상기 영상촬영부를 통해 획득된 원 영상은 화상필터를 거쳐 노이즈가 제거된 후 히스토그램이 산출될 수 있다.
상기 슬라이딩 블록 기반의 히스토그램 평활화는 미리 설정된 블록 단위로 평활화가 이루어지되, 블록 단위로 이동되면서 블록에서 변경되는 부분과 추가되는 부분만을 산출하여 평활화 처리될 수 있다.
상기 차량 데이터는 2차원 영상데이터 또는 3차원 영상데이터일 수 있다.
상기 차량 데이터는 백미러의 형태, 백미러의 외주면 형태, 창문사이의 색상, 옆창의 외주면 형태, 지붕의 외주면 형태, 뒷창의 외주면 형태, 번호판 주변의 형태, 번호판의 위치, 배기통의 위치, 측면의 표면 형태 및 도어 손잡이의 형태 중 어느 하나 이상을 포함할 있다.
그리고, 전술한 목적을 달성하기 위한 본 발명의 차종분석 시스템 및 그 방법은 (a) 영상촬영부(200)를 통해 획득된 원 영상의 히스토그램을 산출 후 히스토그램 스트레칭 처리를 하여 개선된 영상을 산출하는 단계, (b) 상기 개선된 영상을 슬라이딩 블록 기반의 히스토그램 평활화 처리를 하여 보정된 영상을 산출하는 단계 및 (c) 상기 원 영상과 상기 보정된 영상을 블렌딩 처리하여 산출된 블렌딩 영상에서 상기 차량의 특징을 추출한 후 데이터베이스에 미리 설정된 각종 차량 데이터와 비교하여 차종을 추출하는 단계를 포함한다.
상기 (a) 단계에서 영상촬영부를 통해 획득된 원 영상은 화상필터를 거쳐 노이즈가 제거된 후 히스토그램을 산출하는 단계를 포함할 수 있다.
상기 (b) 단계에서 상기 슬라이딩 블록 기반의 히스토그램 평활화는, 블록 단위로 이동되면서 블록에서 변경되는 부분과 추가되는 부분만을 산출하여 평활화 처리하는 단계를 포함할 수 있다.
상기 (c) 단계에서 백미러의 형태, 백미러의 외주면 형태, 창문사이의 색상, 옆창의 외주면 형태, 지붕의 외주면 형태, 뒷창의 외주면 형태, 번호판 주변의 형태, 번호판의 위치, 배기통의 위치, 측면의 표면 형태 및 도어 손잡이의 형태를 포함하는 차량 데이터 중 하나 이상과 추출된 차량의 특징을 비교할 수 있다.
이상에서 설명한 바와 같은 본 발명의 차종분석 시스템 및 그 방법에 따르면, 촬영된 영상의 히스토그램을 스트레칭하여 영상을 개선하고, 히스토그램 평활화를 통하여 영상을 선명하게 하여 차량의 종류에 따른 특징을 추출한 후 이에 따른 차종이 추출될 수 있도록 함으로써, 영상처리기술이 부족한 사용자들도 손쉽게 저 해상도로 촬영된 차량을 분석하여 차종을 알아낼 수 있도록 하는 효과가 발휘된다.
도 1은 본 발명의 일실시예에 따른 차종분석 시스템을 도시한 블록도이며,
도 2는 본 발명의 일실시예에 따른 영상촬영부를 통하여 획득된 영상을 도시한 예시도이며,
도 3은 본 발명의 일실시예에 적용되는 화상필터를 도시한 예시도이며,
도 4는 본 발명의 일실시예에 따른 영상촬영부를 통하여 획득된 영상의 히스토그램 분포도이며,
도 5는 본 발명의 일실시예에 따른 상대적으로 어두운 영역 비율 값에 따른 히스토그램 분포도이며,
도 6은 본 발명의 일실시예에 따른 상대적으로 밝은 영역 비율 값에 따른 히스토그램 분포도이며,
도 7은 본 발명의 일실시예에 따른 히스토그램 스트레칭 결과 영상을 도시한 예시도이며,
도 8은 본 발명의 일실시예에 따른 히스토그램 평활화 과정을 도시한 예시도이며,
도 9 및 도 10은 본 발명의 일실시예에 따른 히스토그램 평활화 산출을 도시한 예시도이며,
도 11은 본 발명의 일실시예에 따른 히스토그램 평활화 결과 영상을 도시한 예시도이며,
도 12는 본 발명의 일실시예에 따른 영상촬영부를 통하여 획득된 영상과 히스토그램 평활화 결과 영상을 블렌딩 한 결과 영상을 도시한 예시도이며,
도 13은 본 발명의 일실시예에 따른 2차원 상으로 적용될 수 있는 차량의 특징을 도시한 예시도이며,
도 14는 본 발명의 일실시예에 따른 3차원 상으로 적용될 수 있는 차량의 특징을 도시한 예시도이며,
도 15는 본 발명의 일실시예에 따른 차량 데이터 등록용 화면을 도시한 예시도이며,
도 16은 본 발명의 일실시예에 따른 차량 데이터 조회용 화면을 도시한 예시도이며,
도 17은 본 발명의 일실시예에 따른 차량의 제원 확인용 화면을 도시한 예시도이며,
도 18은 본 발명의 일실시예에 따른 3차원 화면이 재생되는 과정을 도시한 예시도이며,
도 19는 본 발명의 일실시예에 따른 차종분석 방법을 도시한 플로우차트이다.
이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 상세히 설명하기 위하여, 본 발명의 바람직한 실시예를 첨부한 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 차종분석 시스템을 도시한 블록도이며, 도 2는 본 발명의 일실시예에 따른 영상촬영부를 통하여 획득된 영상을 도시한 예시도이며, 도 3은 본 발명의 일실시예에 적용되는 화상필터를 도시한 예시도이다.
본 발명의 일실시예에 따른 차종분석 시스템은, 도 1에 나타낸 바와 같이 차량(300)이 포함된 영상을 촬영하여 획득하는 영상촬영부(200) 및 영상촬영부(200)를 통해 획득된 영상에 포함된 노이즈를 제거하고, 영상을 선명화하기 위한 화질 보정 처리를 하여 차량(300)의 특징을 추출함으로써 미리 설정되어 데이터베이스(115; DB)에 저장된 차량 데이터와 비교 후 차종을 추출하는 사용자 단말기(110)를 포함하여 이루어진다.
영상촬영부(200)를 통해 획득된 차량(300)이 포함된 원 영상(400)은 도 2에 도시한 바와 같이, 차량(300)의 움직임으로 인해 노이즈가 포함될 수 있으며, 도 3에 도시한 바와 같이 원 영상에 화상필터를 적용하여 노이즈를 제거시킨다.
Figure 112010040397514-pat00001
를 원 영상신호,
Figure 112010040397514-pat00002
를 노이즈 신호,
Figure 112010040397514-pat00003
를 노이즈로 인해 흐려진 영상이라고 하면, 화상필터
Figure 112010040397514-pat00004
를 통과시켜 노이즈가 제거된 원 영상
Figure 112010040397514-pat00005
를 얻게 된다.
화상필터를 적용하는 목적은 흐려진 영상으로부터 노이즈를 분리하여 원 영상(400)
Figure 112010040397514-pat00006
를 얻기 위한 것인데 원 영상(400)이 노이즈와 상승 적분 형태로 결합 되어
Figure 112010040397514-pat00007
에 대한 폐형(closed form)을 얻기가 힘들다. 그러나, 퓨리에 변환은 공간영역의 상승적분을 주파수 영역에서 단순 곱으로 바꾸어주게 되므로 원 영상에서 노이즈를 분리해 낼 수가 있다.
본 발명에서는 화상필터로 위너필터(Wiener filter)를 사용하였으며, 이에 대한 결과 식은 수학식 1과 같다.
Figure 112010040397514-pat00008
여기서,
Figure 112010040397514-pat00009
는 화질이 저하된 원 영상의 파워 스펙트럼(Power spectrum),
Figure 112010040397514-pat00010
는 노이즈의 파워 스펙트럼이다.
참고로, 위너필터는 상가성 선형 랜덤 잡음(Additive linear random noise; ALRN)이 존재할 때 효과적이며, 최소 평균 제곱 오차(Minimum Mean-Square Error; MMSE)의 관점에서 설계된다.
도 4는 본 발명의 일실시예에 따른 영상촬영부를 통하여 획득된 영상의 히스토그램 분포도이며, 도 5는 본 발명의 일실시예에 따른 상대적으로 어두운 영역 비율 값에 따른 히스토그램 분포도이며, 도 6은 본 발명의 일실시예에 따른 상대적으로 밝은 영역 비율 값에 따른 히스토그램 분포도이며, 도 7은 본 발명의 일실시예에 따른 히스토그램 스트레칭 결과 영상을 도시한 예시도이다.
상술한 바와 같이, 영상촬영부(200)를 통해 획득된 원 영상(400)은 화상필터를 거쳐 노이즈가 제거되면, 선명화 처리 전에 콘트라스트(Contrast)와 밝기를 조정하여 영상의 화질을 향상시켜야 한다.
따라서, 도 4에 도시한 바와 같이 원 영상(400)에 대한 히스토그램 분석을 하여 상대적으로 어두운 영역과 밝은 영역으로 크게 나눌 수 있으며, 어두운 영역의 경우 픽셀(Pixel) 값이 0인 영역 부근에서 형성되고, 밝은 영역의 경우 픽셀 값이 255인 영역 부근에서 형성된다.
따라서, 어두운 영역과 밝은 영역의 비율(Ratio)을 사용자가 적절하게 설정하고, 설정된 영역 내에서 히스토그램 분포 값들을 다시 정의함으로써 즉 히스토그램 분포 값들을 스트레칭시킴으로써 화질을 향상시킬 수 있다.
히스토그램 스트레칭 처리는 수학식 2를 통하여 수행될 수 있다.
Figure 112010040397514-pat00011
여기서, old pixel은 원 영상 픽셀 값, new pixel은 스트레칭 처리된 영상 픽셀 값, low는 원 영상 히스토그램의 최저 픽셀 값, high는 원 영상 히스토그램의 최고 픽셀 값이다.
도 4에 도시된 히스토그램 분포를 보면 어두운 영역 쪽으로 많이 치중된 것을 알 수 있으며, 전체 픽셀 값에 대한 비율을 얻고 그 비율을 만족하는 픽셀 값으로 지정해주고 스트레칭 하면 어두운 영역 쪽으로 치중된 히스토그램을 모든 영역으로 확장시킬 수가 있는 것이다.
예를 들어, 어두운 영역의 비율을 10%로 하게 되면 도 4에 도시한 히스토그램 분포도는 도 5에 도시한 히스토그램 분포도와 같이 스트레칭되며, 반면 밝은 영역 비율을 10%로 하게 되면, 도 6에 도시한 히스토그램 분포도와 같이 스트레칭된다.
이러한 방법으로 상술한 원 영상(400)에 대한 화질을 향상시키기 위하여, 본 발명에서는 어두운 영역의 비율을 0.7%, 밝은 영역의 비율을 1.6%로 하여 히스토그램을 스트레칭시킴으로써 도 7에 도시한 바와 같은 개선된 영상(401)이 산출된다.
도 8은 본 발명의 일실시예에 따른 히스토그램 평활화 과정을 도시한 예시도이며, 도 9 및 도 10은 본 발명의 일실시예에 따른 히스토그램 평활화 산출을 도시한 예시도이며, 도 11은 본 발명의 일실시예에 따른 히스토그램 평활화 결과 영상을 도시한 예시도이며, 도 12는 본 발명의 일실시예에 따른 영상촬영부를 통하여 획득된 영상과 히스토그램 평활화 결과 영상을 블렌딩 한 결과 영상을 도시한 예시도이다.
이어서, 상술한 히스토그램 스트레칭에 의한 개선된 영상(401)에서 선명도를 좀 더 형상시키기 위해 히스토그램 평활화 처리를 한다.
본 발명에서는 평활화 처리를 위해 도 8에 도시한 바와 같이, 슬라이딩 블록기반 히스토그램 평활화 방법을 사용하였으며 블록 기반 내의 히스토그램 분포를 회선할 때마다 구할 필요없이 변경되는 부분과 추가되는 부분만을 계산하여 블록내의 히스토그램 분포도를 생성하고 이를 통하여 블록 내의 영상들의 평활화를 수행한다.
예를 들어, 도 9에 도시한 바와 같이 평활화를 수행할 개선된 영상(401)에서 임의의 블록(450)을 설정하였으며 도 9에서는 3 x 3 블록(450)을 설정하였지만 이에 한정되지는 않고 2 x 2, 4 x 4 등으로 사용자가 임의로 적절하게 설정할 수 있는 것이다.
도 9에 도시한 바와 같이, 블록(450)에는 p1, p2, p3, p4, p5, p6, p7, p8, p9의 9개의 픽셀이 존재하고, 이 중 p5 픽셀에 대한 평활화를 수행하려면, 수학식 3을 이용하여 수행할 수 있다.
Figure 112010040397514-pat00012
여기서,
Figure 112010040397514-pat00013
는 평활화가 수행된 픽셀 값,
Figure 112010040397514-pat00014
는 평활화가 수행될 픽셀 값,
Figure 112010040397514-pat00015
는 블록 내에서의 최고 픽셀 값,
Figure 112010040397514-pat00016
은 블록 내에서의 최소 픽셀 값을 나타낸다.
따라서, p1, p2, p3, p4, p5, p6, p7, p8 및 p9의 픽셀 값을 산출하고 비교하여 그 중에서 최고 픽셀 값과, 최소 픽셀 값을 찾고, 수학식 3을 이용하여 p5에 대한 평활화를 수행하여 도 10에 도시한 바와 같이, 평활화가 수행된 픽셀 값 p10으로 변경되었으며 p6에 대한 평활화를 수행하기 위해 새로운 블록(451)을 설정하였다.
이때, 새로운 블록(451)에서는 도 9에서의 블록(450)에 포함된 p2, p3, p8, p9이 포함되어 있고, 이 픽셀에 대한 값은 이미 알고 있는 상태가 되므로, 변경된 p10에 대한 픽셀 값 및 새로 추가되는 p11, p12, p13 픽셀 값만 산출하고, 수학식 3을 이용하여 p6에 대한 평활화를 수행하므로, 새로운 블록(451) 내에서 모든 픽셀에 대한 값을 반복하여 산출하지 않게 되므로 평활화 수행 속도가 보다 빨라질 수 있다.
이런 식으로 상술한 히스토그램 스트레칭으로 산출된 개선된 영상(401)을 히스토그램 평활화 처리를 하여, 도 11에 도시한 바와 같이 보정된 영상(402)이 산출된다.
이어서, 상기 원 영상(400)과 상기 보정된 영상(402)을 블렌딩 처리하여 원 영상(400)과 보정된 영상(403)이 겹쳐진 블렌딩 영상(403)이 산출된다.
블렌딩 영상 산출은 수학식 4를 통해서 수행될 수 있다.
Figure 112010040397514-pat00017
여기서,
Figure 112010040397514-pat00018
는 블렌딩 펙터,
Figure 112010040397514-pat00019
는 배경 영상에서의 픽셀,
Figure 112010040397514-pat00020
는 덮어 씌워질 영상에서의 픽셀,
Figure 112010040397514-pat00021
는 블렌딩 수행된 영상에서의 픽셀이며,
Figure 112010040397514-pat00022
값을 설정하여 배경 픽셀 또는 덮어 씌워질 픽셀의 기여도를 조절할 수가 있다. 그래서, 수학식 4에서
Figure 112010040397514-pat00023
값을 0.5보다 크고 1보다 작게 설정했다면, 덮어 씌워질 픽셀의 기여도가 더 큰 것을 나타내는 것이다.
이를 이용하여 본 발명에서는 배경 영상으로 도 11에 도시한 보정된 영상(403), 덮어 씌워질 영상으로 도 2에 도시한 원 영상(400)을 이용하였으며,
Figure 112010040397514-pat00024
는 0.5보다 크고 1보다 작은 값으로 설정하였다.
따라서, 본 발명에서는 하나의 예로써
Figure 112010040397514-pat00025
값을 0.8로 하였으며, 이에 따라 보정된 영상(403)보다 원 영상(400)이 블렌딩 기여도가 더 높게 되며, 이에 따른 블렌딩 영상(403)이 도 12에 도시한 바와 같이 산출된다.
도 13은 본 발명의 일실시예에 따른 2차원 상으로 적용될 수 있는 차량의 특징을 도시한 예시도이며, 도 14는 본 발명의 일실시예에 따른 3차원 상으로 적용될 수 있는 차량의 특징을 도시한 예시도이다.
상술한 바와 같이 블렌딩 영상(403)이 산출되면, 블렌딩 영상(403)에 포함된 차량에 대한 특징을 추출해야 하며, 데이터베이스(115)에 미리 설정된 각종 차량 데이터와 비교되도록 하여 차종이 추출되도록 한다.
차량 데이터는 도 13에 도시한 바와 같이 2차원 이미지상에서 분류될 수 있으며, 차량의 백미러(410)의 형태가 기역(ㄱ) 형태, 백미러(410) 하단 부분이 검은색 등의 색상, 차량의 창문사이(420)의 색상, 옆창(430)의 은색 테두리 등의 외주면 형태, 지붕(440)의 검은색 라인 등의 외주면 형태, 뒷창(450)의 은색 테두리 등의 외주면 형태, 번호판(460) 옆의 조명, 번호판(460) 주변 은색 테두리 등의 주변의 형태, 번호판(460)이 범퍼에 있거나 범퍼 위쪽에 구비되는 등의 번호판(460) 위치, 배기통(470)이 왼쪽, 오른쪽 또는 양쪽으로 설치되는 등의 위치, 측면(480)의 하단에 은색라인 등의 표면 형태 및 앞문과 뒷문의 도어 손잡이(490)가 근접해 있거나 문을 여는 방법에 따른 도어 손잡이(490)의 형태를 포함할 수 있다.
따라서, 블렌딩 영상(403)에서 추출된 차량의 특징과, 차량 데이터를 비교함으로써 블렌딩 영상(403)에 포함된 차량의 차종을 찾을 수 있게 된다.
한편, 도 14의 왼쪽에 도시한 바와 같이 블렌딩 영상(403)에서 차량 특징의 일부(300a)만 획득되면 2차원 이미지상에서 차종의 분석이 어려울 수 있으며, 이와 같은 경우에는 도 14의 오른쪽에 도시한 바와 같이 3차원 이미지상에서 차량의 특징을 비교함으로써 차종을 찾을 수 있게 된다.
도 15는 본 발명의 일실시예에 따른 차량 데이터 등록용 화면을 도시한 예시도이며, 도 16은 본 발명의 일실시예에 따른 차량 데이터 조회용 화면을 도시한 예시도이며, 도 17은 본 발명의 일실시예에 따른 차량의 제원 확인용 화면을 도시한 예시도이며, 도 18은 본 발명의 일실시예에 따른 3차원 화면이 재생되는 과정을 도시한 예시도이다.
상술한 바와 같이, 차량 데이터는 사용자 단말기(110)를 통하여 DB(115)에 미리 저장되는 것으로, 사용자 단말기(110)에는 도 15에 도시한 바와 같은 차량 데이터 등록용 화면(710)을 통하여 차량 데이터를 DB(115)에 저장시킬 수 있다.
따라서, 도 15에 도시한 차량 데이터 등록용 화면(710)에서 차량 특징에 해당하는 항목들을 입력 후 차량의 사진 및 영상 등을 저장한다.
그리고, 차량 데이터 등록용 화면(710)에서 아래의 조회버튼을 클릭하면 도 16에 도시한 바와 같이, 등록된 차량의 리스트 및 차량 데이터를 확인할 수 있는 차량 데이터 조회용 화면(720)이 디스플레이된다.
이어서, "Select" 링크를 클릭하면 도 17에 도시한 바와 같이 등록된 차량의 상세 정보를 확인할 수 있는 차량의 제원 확인용 화면(730)이 디스플레이되고, 동영상을 선택하면 차량에 대한 동영상이 재생되며, 3D이미지를 선택하면 도 18에 도시한 바와 같은 3차원 화면(740)이 디스플레이된다.
도 19는 본 발명의 일실시예에 따른 차종분석 방법을 도시한 플로우차트이다.
본 발명의 일실시예에 따른 차종분석 방법은, 상술한 바와 같이 영상촬영부(200)를 통해 원 영상(400)을 획득하고(단계 S110), 원 영상(400)에 차량 움직임 등으로 인한 노이즈가 포함되어 있으면 노이즈를 제거하는 움직임 보정을 수행하며(단계 S120), 노이즈가 포함되어 있지 않으면 획득된 원 영상(400)의 히스토그램을 산출 후 히스토그램 스트레칭 처리를 하여 개선된 영상(401)을 산출한다(단계 S130).
이어서, 상기 개선된 영상(401)을 슬라이딩 블록 기반의 히스토그램 평활화 처리를 하여 보정된 영상(402)을 산출한다(단계 S150).
이어서, 상기 원 영상(400)과 상기 보정된 영상(402)을 블렌딩 처리하여 블렌딩 영상(403)을 산출하고(단계 S160), 상기 블렌딩 영상(403)에서 영상에 포함된 차량(300)의 특징을 추출한 후(단계 S170) 데이터베이스(115)에 미리 설정된 각종 차량 데이터와 비교하여 차종을 추출한다(단계 S180).
한편, 본 발명에 따른 단계 S110 내지 단계 S180에 따른 방법을 프로그램화하여 컴퓨터가 읽을 수 있도록 시디롬, 메모리, ROM, EEPROM 등의 기록매체에 저장시킬 수도 있다.
이상의 설명에서는 본 발명의 바람직한 실시예를 제시하여 설명하였으나, 본 발명이 반드시 이에 한정되는 것은 아니며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경할 수 있음을 쉽게 알 수 있을 것이다.
110: 사용자 단말기 115: 데이터베이스
200: 영상촬영부 300: 차량
400: 원 영상 401: 개선된 영상
402: 보정된 영상 403: 블렌딩 영상

Claims (10)

  1. 차량(300)이 포함된 원 영상(400)을 획득하는 영상촬영부(200) 및 상기 영상촬영부(200)를 통해 획득된 원 영상(400)의 히스토그램을 산출시킨 후 미리 설정된 어두운 영역 및 밝은 영역의 비율 값에 따른 히스토그램 스트레칭 처리를 하여 개선된 영상(401)을 산출시키고, 상기 개선된 영상(401)을 슬라이딩 블록 기반의 히스토그램 평활화 처리를 하여 보정된 영상(402)을 산출시키고, 상기 원 영상(400)과 상기 보정된 영상(402)을 블렌딩 처리하여 산출된 블렌딩 영상(403)에서 상기 차량(300)의 특징을 추출시킨 후 데이터베이스(115)에 미리 설정된 각종 차량 데이터와 비교되도록 하여 차종이 추출되도록 하는 사용자 단말기(110)를 포함하며;
    상기 블렌딩 처리는
    Figure 112013027106105-pat00045
    식으로 연산되어 블렌딩 영상(403)이 산출되며,
    Figure 112013027106105-pat00046
    는 블렌딩 펙터,
    Figure 112013027106105-pat00047
    는 보정된 영상(402)인 배경 영상에서의 픽셀,
    Figure 112013027106105-pat00048
    는 원 영상(400)인 덮어 씌워질 영상에서의 픽셀,
    Figure 112013027106105-pat00049
    는 블렌딩 처리된 블렌딩 영상(403)에서의 픽셀인 것을 특징으로 하는 차종분석 시스템.
  2. 제1항에 있어서,
    Figure 112013027106105-pat00050
    는 0.5보다 크고 1보다 작은 것을 특징으로 하는 차종분석 시스템.
  3. 제1항에 있어서, 상기 슬라이딩 블록 기반의 히스토그램 평활화는,
    미리 설정된 블록 단위로 평활화가 이루어지되, 블록 단위로 이동되면서 블록에서 변경되는 부분과 추가되는 부분만을 산출하여 평활화 처리되는 것을 특징으로 하는 차종분석 시스템.
  4. 제1항에 있어서, 상기 차량 데이터는 2차원 영상데이터 또는 3차원 영상데이터인 것을 특징으로 하는 차종분석 시스템.
  5. 제1항에 있어서, 상기 차량 데이터는
    백미러(410)의 형태, 백미러(410)의 외주면 형태, 창문사이(420)의 색상, 옆창(430)의 외주면 형태, 지붕(440)의 외주면 형태, 뒷창(450)의 외주면 형태, 번호판(460) 주변의 형태, 번호판(460)의 위치, 배기통(470)의 위치, 측면(480)의 표면 형태 및 도어 손잡이(490)의 형태 중 어느 하나 이상을 포함한 것을 특징으로 하는 차종분석 시스템.
  6. (a) 영상촬영부(200)를 통해 획득된 원 영상(400)의 히스토그램을 산출 후 히스토그램 스트레칭 처리를 하여 개선된 영상(401)을 산출하는 단계;
    (b) 상기 개선된 영상(401)을 슬라이딩 블록 기반의 히스토그램 평활화 처리를 하여 보정된 영상(402)을 산출하는 단계 및
    (c) 상기 원 영상(400)과 상기 보정된 영상(401)을 블렌딩 처리하여 산출된 블렌딩 영상(402)에서 차량(300)의 특징을 추출한 후 데이터베이스(115)에 미리 설정된 각종 차량 데이터와 비교하여 차종을 추출하는 단계를 포함하며;
    상기 차종을 추출하는 단계에서 실행되는 블렌딩 처리는
    Figure 112013027106105-pat00051
    식으로 연산되어 블렌딩 영상(403)이 산출되며,
    Figure 112013027106105-pat00052
    는 블렌딩 펙터,
    Figure 112013027106105-pat00053
    는 보정된 영상(402)인 배경 영상에서의 픽셀,
    Figure 112013027106105-pat00054
    는 원 영상(400)인 덮어 씌워질 영상에서의 픽셀,
    Figure 112013027106105-pat00055
    는 블렌딩 처리된 블렌딩 영상(403)에서의 픽셀인 것을 특징으로 하는 차종분석 방법.
  7. 제6항에 있어서,
    Figure 112013059075510-pat00056
    는 0.5보다 크고 1보다 작은 것을 특징으로 하는 차종분석 방법.
  8. 제6항에 있어서, 상기 (b) 단계에서
    상기 슬라이딩 블록 기반의 히스토그램 평활화는, 블록 단위로 이동되면서 블록에서 변경되는 부분과 추가되는 부분만을 산출하여 평활화 처리하는 단계를 포함하는 것을 특징으로 하는 차종분석 방법.
  9. 제6항에 있어서, 상기 (c) 단계에서
    백미러(410)의 형태, 백미러(410)의 외주면 형태, 창문사이(420)의 색상, 옆창(430)의 외주면 형태, 지붕(440)의 외주면 형태, 뒷창(450)의 외주면 형태, 번호판(460) 주변의 형태, 번호판(460)의 위치, 배기통(470)의 위치, 측면(480)의 표면 형태 및 도어 손잡이(490)의 형태를 포함하는 차량 데이터 중 하나 이상과 추출된 차량(300)의 특징을 비교하는 것을 특징으로 하는 차종분석 방법.
  10. 제6항 내지 제9항 중 어느 한 항의 차종분석 방법이 실행되는 프로그램이 기록되어 컴퓨터로 읽을 수 있는 기록매체.
KR1020100059629A 2010-06-23 2010-06-23 차종분석 시스템 및 그 방법 KR101301868B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100059629A KR101301868B1 (ko) 2010-06-23 2010-06-23 차종분석 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100059629A KR101301868B1 (ko) 2010-06-23 2010-06-23 차종분석 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20110139503A KR20110139503A (ko) 2011-12-29
KR101301868B1 true KR101301868B1 (ko) 2013-09-02

Family

ID=45504976

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100059629A KR101301868B1 (ko) 2010-06-23 2010-06-23 차종분석 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101301868B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102432585B1 (ko) * 2021-12-27 2022-08-17 충북대학교 산학협력단 내부 관측을 위한 이미지 처리 시스템 및 그 방법
KR20220150568A (ko) 2021-05-04 2022-11-11 파킹클라우드 주식회사 컴퓨터 비전 기반의 차종 인식을 위한 방법, 시스템 및 컴퓨터 판독가능 저장 매체

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10157320B2 (en) 2013-06-28 2018-12-18 Institute Of Automation, Chinese Academy Of Sciences Vehicle detection method based on hybrid image template
KR101855990B1 (ko) * 2016-10-31 2018-05-10 (주)노바코스 차량 통과 감지 장치 및 방법
KR101928055B1 (ko) * 2018-10-17 2019-02-26 주식회사 모터스랜드 폐차의 재활용 사이드밀러의 검사 장치 및 그 방법
KR102525153B1 (ko) 2021-02-05 2023-04-24 사이클롭스 주식회사 Cctv 카메라 영상을 활용한 주차현황분석 시스템 및 그 방법
KR102423323B1 (ko) * 2021-11-10 2022-07-21 주식회사 디펜스타 기상 환경을 고려한 촬영 영상의 영상 개선 및 영상 기록 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007317025A (ja) * 2006-05-26 2007-12-06 Fujitsu Ltd 車両判別装置及びそのプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007317025A (ja) * 2006-05-26 2007-12-06 Fujitsu Ltd 車両判別装置及びそのプログラム

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Liu, Y. et al., "Vehicle detection with projection histogram and type recognition using hybrid neural networks", Proc. of the 2004 IEEE Intern. Conf. Networking, Sensing and Control, pp.393-398, 2004. *
Liu, Y. et al., "Vehicle detection with projection histogram and type recognition using hybrid neural networks", Proc. of the 2004 IEEE Intern. Conf. Networking, Sensing and Control, pp.393-398, 2004.*
Wang, Z. et al., "A fast implementation of adaptive histogram equalization", 2006 8th International Conference on Signal Processing (ICSP2006 Proceedings), vol.2, pp.1-4, 2006. *
Wang, Z. et al., "A fast implementation of adaptive histogram equalization", 2006 8th International Conference on Signal Processing (ICSP2006 Proceedings), vol.2, pp.1-4, 2006.*

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220150568A (ko) 2021-05-04 2022-11-11 파킹클라우드 주식회사 컴퓨터 비전 기반의 차종 인식을 위한 방법, 시스템 및 컴퓨터 판독가능 저장 매체
KR102432585B1 (ko) * 2021-12-27 2022-08-17 충북대학교 산학협력단 내부 관측을 위한 이미지 처리 시스템 및 그 방법

Also Published As

Publication number Publication date
KR20110139503A (ko) 2011-12-29

Similar Documents

Publication Publication Date Title
KR101301868B1 (ko) 차종분석 시스템 및 그 방법
AU2011265429B2 (en) Method and system for robust scene modelling in an image sequence
CN109584204B (zh) 一种图像噪声强度估计方法、存储介质、处理及识别装置
KR101662846B1 (ko) 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법
WO2017054314A1 (zh) 一种建筑物高度计算方法、装置和存储介质
DE112016007131T5 (de) Objektdetektionseinrichtung und Objektbestimmungsverfahren
CN107958441B (zh) 图像拼接方法、装置、计算机设备和存储介质
CN111031239B (zh) 图像处理方法及其装置、电子设备和计算机可读存储介质
KR101552600B1 (ko) 영상분할을 이용한 복수의 보행자 객체를 동시에 추적하는 방법
Wu et al. A robust and fast anti-ghosting algorithm for high dynamic range imaging
CN111985427A (zh) 活体检测方法、设备及可读存储介质
GB2557035A (en) IR or thermal image enhancement method based on background information for video analysis
KR101553589B1 (ko) Lpr 시스템에서 적응적 확률기반의 저조도 영상개선 및 스미어 복원처리 장치와 그 방법
Chen et al. Robust license plate detection in nighttime scenes using multiple intensity IR-illuminator
KR101218302B1 (ko) 차량 번호판 위치 추정 방법
CN112215875A (zh) 图像处理方法、装置和电子系统
CN109784322A (zh) 一种基于图像处理的vin码识别方法、设备及介质
WO2009126258A1 (en) System and method for enhancing the visibility of an object in a digital picture
CN114648473A (zh) 图像增强方法和图像增强装置
JP2004104425A (ja) 視差分布測定方法、視差分布測定装置および視差分布測定プログラム
Chen et al. Hybrid saliency detection for images
CN112330544A (zh) 图像拖影的处理方法、装置、设备及介质
CN110349110B (zh) 一种基于累帧过融合的模糊图像增强方法及应用
KR101563543B1 (ko) 경차 및 이륜차 인식을 위한 lpr 시스템
JP3823982B2 (ja) 画像補正方法、プログラム及び装置

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant