KR101717613B1 - The moving vehicle detection system using an object tracking algorithm based on edge information, and method thereof - Google Patents

The moving vehicle detection system using an object tracking algorithm based on edge information, and method thereof Download PDF

Info

Publication number
KR101717613B1
KR101717613B1 KR1020160180184A KR20160180184A KR101717613B1 KR 101717613 B1 KR101717613 B1 KR 101717613B1 KR 1020160180184 A KR1020160180184 A KR 1020160180184A KR 20160180184 A KR20160180184 A KR 20160180184A KR 101717613 B1 KR101717613 B1 KR 101717613B1
Authority
KR
South Korea
Prior art keywords
image
vehicle
vehicle detection
edge information
detection system
Prior art date
Application number
KR1020160180184A
Other languages
Korean (ko)
Inventor
김진호
이홍기
Original Assignee
주식회사한맥아이피에스
김진호
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 주식회사한맥아이피에스, 김진호 filed Critical 주식회사한맥아이피에스
Priority to KR1020160180184A priority Critical patent/KR101717613B1/en
Application granted granted Critical
Publication of KR101717613B1 publication Critical patent/KR101717613B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G06T5/002—
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/272—Means for inserting a foreground image in a background image, i.e. inlay, outlay
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

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

Abstract

The present invention relates to a moving vehicle detection system and method using an object tracking algorithm based on edge information. The method according to the present invention includes the steps of: removing a shadow or noise included in an input image using noise filtering; extracting edge information included in the input image; extracting edge information connected in a vehicle form; generating a background image of a grayscale image; finally generating a difference image of a foreground monochrome image from which the shadow or noise is removed; extracting edge information of a vehicle form; determining whether the edge of an object candidate region is identical to the shape information of the vehicle; determining that a new vehicle enters a detection area; and updating the corresponding vehicle object candidate region to a road background at high speed. The present invention can detect the new vehicle by updating the background image.

Description

에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법{The moving vehicle detection system using an object tracking algorithm based on edge information, and method thereof}BACKGROUND OF THE INVENTION 1. Field of the Invention [0001] The present invention relates to a moving vehicle detection system and method using an edge information-based object tracking algorithm,

본 발명은 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법에 관한 것으로, 보다 상세하게는, CCTV로 촬영된 비디오 영상에서 탐지 영역을 지정하고 해당 탐지 영역으로 진입하는 차량을 검출 및 추적하는 기술을 이용하여 해당 탐지 영역 내에 특정 차량이 일정 시간 이상 정차하거나 주차할 경우 해당 특정 차량을 탐지해내는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법에 관한 것이다.The present invention relates to a moving vehicle detection system and method using an edge information-based object tracking algorithm, and more particularly, to a moving vehicle detection system and method using an edge information based object tracking algorithm. More particularly, And more particularly to a moving vehicle detection system and method using an object-based object tracking algorithm that detects a specific vehicle when a specific vehicle is parked or parked for a predetermined time or longer in the detection area.

꾸준한 경제 발전과 국민 소득 증대로 인하여 해마다 증가하고 있는 우리나라의 차량 수는 한정된 국내 도로 여건과 주차 시설의 부족으로 인해 여러 사회적 문제점을 야기하고 있다.Due to the steady economic development and the increase of the national income, the number of vehicles in our country is increasing year by year due to limited domestic road conditions and lack of parking facilities.

또한, 해마다 증가하는 우리나라의 차량 수는 자연스럽게 불법 주정차 문제로 귀결된다.In addition, the number of vehicles in Korea increasing every year naturally results in illegal parking problems.

상기 불법 주정차는 통행 시간과 비용의 증가를 야기하는 도로 용량의 감소와, 사고의 위험성 증가, 재난 발생 시 긴급 차량의 운행 방해, 및 보행자의 안전 위협과 같은 여러 문제 들을 발생시킬 수 있다.Such illegal driving can cause various problems such as decrease of road capacity causing increase of travel time and cost, increase of risk of accident, interruption of emergency vehicle in case of disaster, and pedestrian safety threat.

일반적으로, 연속적으로 입력되는 비디오 영상에서 이동 객체를 추적하는 방식으로 불법 주정차 차량을 검출하기 위해서는 먼저, 배경 영상을 구축한 다음 입력 영상과 배경 영상과의 차영상을 구하는 방식으로 불법 주정차 차량을 검출하고 있다.In general, in order to detect an illegal parking vehicle by tracking moving objects in a continuously input video image, first, a background image is constructed, and then a difference image between the input image and the background image is obtained to detect illegal parking vehicles .

이와 같이, 기존 배경 영상 기반의 객체 검출 및 추적 알고리즘을 이용할 경우 첫번째 문제점으로 탐지 영역 내에 차량 이외의 이동 물체가 차량으로 잘못 검출될 수 있고 두번째 문제점으로 오랫동안 정차된 차량이 배경 영상으로 흡수된 후에 다시 움직여 탐지 영역 바깥으로 빠져나갔을 때 차영상에서는 새로운 차량이 나타난 것으로 오인할 수 있다.As a result, when the object detection and tracking algorithm based on the conventional background image is used, a moving object other than the vehicle can be detected as a vehicle in the detection area as the first problem, and the second problem is that the vehicle stopped for a long time is absorbed into the background image When moving out of the detection area, it can be mistaken for a new vehicle in the car image.

세번째 문제점으로 정차된 차량 객체가 탐지 영역을 빠져나간 직후에 기존의 배경 영상을 정차된 차량 객체가 빠져나간 실제 배경 영상으로 업데이트하는데 긴 시간이 소요되기 때문에 배경 영상을 완전히 업데이트하기 전에 새로운 객체가 탐지 영역 안으로 들어왔을 때 잘못된 객체가 검출될 수 있다는 문제점이 있었다.As a third problem, it takes a long time to update the existing background image to the actual background image from the stopped vehicle object immediately after the stopped vehicle object exits the detection area. Therefore, before the background image is completely updated, There has been a problem that a wrong object can be detected when entering the area.

한편, 본 발명의 선행 기술로는 특허등록번호 "10-0834550"호의 "불법 주정차 무인 자동 단속 방법"이 출원되어 등록되었는데, 상기 불법 주정차 무인 자동 단속 방법은 도로에 설치된 검지용 고정 카메라를 통해 실시간으로 촬영된 단속 현장의 영상을 관심영역 설정모듈을 통해 영상분석을 위한 차량 검지 영역인 복수의 관심영역(ROI: Region Of Interest)을 설정하는 단계와; 상기 검지용 고정카메라로부터 차례로 입력되는 1~N장의 영상으로 초기 배경 모델을 제작하고, 제작된 초기 배경 모델과 N+1번째 이후부터는 입력 영상 간의 차영상으로 획득된 이동물체와 이동물체의 그림자가 포함된 전경 영상을 그림자 제거 모듈에서 이동물체의 그림자 영역을 제거하는 단계; 상기 그림자 제거 모듈에서 그림자 영역이 제거된 이동물체 영역을 적응적 배경 모델링 모듈에서 검지된 이동물체영역(추적객체영역)으로 취하고, N+1번째 이후 입력 영상에서 검지 된 이동물체영역(추적객체영역)을 제외하고, 이전에 영상 프레임에서 추적 완료된 이동물체영역을 포함하여 배경 모델을 갱신하는 단계; 및 상기 그림자 영역의 제거와 배경 영상의 모델링 후에 영상 분석을 위한 영상의 블록화 및 단속을 위한 차량을 검지하는 단계를 포함한다.On the other hand, in the prior art of the present invention, an "unlawful automatic unauthorized automatic unauthorized intermission method" of the patent registration number "10-0834550" was filed and registered. Setting a plurality of ROIs (Region Of Interest) as a vehicle detection region for image analysis through an ROI module; An initial background model is created from 1 to N images input sequentially from the fixed camera for detection, and a moving object and a shadow of a moving object obtained as a difference image between the initial background model and the input image from the (N + 1) Removing the shadow region of the moving object from the shadow removal module in the included foreground image; The moving object area from which the shadow region is removed from the shadow removal module is taken as the moving object area (tracking object area) detected by the adaptive background modeling module, and the moving object area detected from the (N + 1) Updating the background model to include a moving object area that has been traced previously in the image frame; And detecting a vehicle for blocking and interrupting an image for image analysis after removing the shadow region and modeling the background image.

대한민국 특허공개번호 10-2007-0104999 (2007.10.30)Korean Patent Publication No. 10-2007-0104999 (Oct. 30, 2007) 대한민국 특허등록번호 10-0834550 (2008.06.02)Korea Patent Registration No. 10-0834550 (2008.06.02) 대한민국 특허등록번호 10-1648208 (2016.08.12)Korea Patent Registration No. 10-1648208 (2016.08.12)

이에 본 발명은 상기 문제점을 해결하기 위하여 배경 영상을 이용하여 객체를 검출하거나 객체를 추적할 경우 미리 설정한 탐지 영역으로 진입한 차량이 일정 시간 이상 주차하거나 정차한 다음에 탐지 영역 바깥으로 빠져나갔을 때 배경 영상이 새롭게 갱신되지 않아 탐지 영역 안으로 들어온 새로운 차량이 탐지되지 못하는 문제점을 해결할 수 있는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법을 제공하는 것이다.The object of the present invention is to solve the above-described problem in that, when an object is detected or an object is tracked using a background image, when a vehicle entering a preset detection area parks or stops for a predetermined time, A moving vehicle detection system and method using an object tracking algorithm based on an edge information that can solve a problem that a background vehicle is not newly updated and a new vehicle entering a detection area can not be detected.

또한, 본 발명의 또 다른 목적은 탐지 영역 내에 오랫동안 정차된 차량이 배경 영상에 포함된 이후 다시 움직여 탐지 영역 바깥으로 빠져나갈 때 입력 영상에서 배경 영상을 뺀 차영상에서 새로운 차량이 나타난 것으로 오인되는 문제점을 해결할 수 있는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법을 제공하는 것이다.It is a further object of the present invention to provide a method and apparatus for detecting a new vehicle from a difference image obtained by subtracting a background image from an input image when a vehicle stopped for a long time in the detection area is included in a background image, And a method for detecting a moving vehicle through an object tracking algorithm based on edge information.

상기 목적을 달성하기 위한 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법은 차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계와; 상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계; 상기 이동 차량 탐지 시스템이 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 단계; 상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계; 상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계; 상기 이동 차량 탐지 시스템이 생성된 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 단계; 상기 이동 차량 탐지 시스템이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계; 상기 이동 차량 탐지 시스템이 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 단계; 및 상기 이동 차량 탐지 시스템은 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 단계로 이루어질 수 있다.According to another aspect of the present invention, there is provided a moving vehicle detection method using an edge information-based object tracking algorithm, comprising: detecting a moving vehicle detection system for detecting a driving vehicle or a moving vehicle in a vehicle detection area; Removing noise or shadows included in the input image using noise filtering; Applying an adaptive binarization algorithm to an input image that has undergone noise reduction filtering by the moving vehicle detection system to convert an input image into a monochrome image and extracting edge information included in the input image; Extracting edge information connected in a vehicle form by continuously performing a morphology operation on the edge information extracted by the moving vehicle detection system; Generating a background image of a grayscale image by using a binary image obtained by binarizing an input image obtained by photographing a vehicle detection region and an input image subjected to noise removal filtering by a moving vehicle detection system; A pixel whose difference between the intensities of each pixel of the background image of the gray scale image generated by the moving vehicle detection system and the intensities of the respective pixels of the input image newly input from the CCTV is greater than a threshold value set in the moving vehicle detection system, Generating a difference image of a foreground black-and-white image in which shadows or noise are removed by processing a pixel with a value of '1' as a foreground while processing a pixel lower than a threshold value with a binary number '0' as a background; Performing a morphology operation on the difference image of the foreground monochrome image generated by the moving vehicle detection system to extract the edge information of the vehicle shape; The moving vehicle detection system extracts edge information of a candidate vehicle area of the vehicle from the edge information extracted from the difference image, removes edge components less than or equal to the edge size set in the moving vehicle detection system, Determining whether the edge of the object candidate region is the same as the shape information of the vehicle by extracting the component; Determining that a new vehicle has entered the detection area when the edge information of the vehicle object candidate region extracted from the differential image by the moving vehicle detection system is the same as the shape information of the vehicle; And the moving vehicle detection system judges that the vehicle object candidate region extracted from the difference image is a region where the vehicle stopped in the background image is exited, And updating the area to a road background.

이러한 구성으로 이루어진 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법은 배경 영상을 이용하여 객체를 검출하거나 객체를 추적할 경우 미리 설정한 탐지 영역으로 진입한 차량이 일정 시간 이상 주차하거나 정차한 다음에 탐지 영역 바깥으로 빠져나갔을 때 배경 영상이 새롭게 갱신되지 않아 탐지 영역 안으로 들어온 새로운 차량이 탐지되지 못하는 문제점을 해결할 수 있다.In the moving vehicle detection method using the edge information-based object tracking algorithm according to the present invention, when the object is detected or the object is tracked using the background image, The background image is not newly updated when the vehicle leaves the detection area after stopping the vehicle, or a new vehicle entering the detection area can not be detected.

또한, 본 발명은 탐지 영역 내에 오랫동안 정차된 차량이 배경 영상에 포함된 이후 다시 움직여 탐지 영역 바깥으로 빠져나갈 때 입력 영상에서 배경 영상을 뺀 차영상에서 새로운 차량이 나타난 것으로 오인되는 문제점을 해결할 수 있다.Further, the present invention can solve the problem that a new vehicle is mistakenly displayed as a difference image obtained by subtracting a background image from an input image when the vehicle stopped for a long time is included in a background image and then moves again to the outside of the detection area .

도면 1a와 도면 1b는 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법에 대한 플로우 챠트,
도면 2는 CCTV로부터 전송된 그레이스케일 이미지의 입력 영상에서 전경 에지와, 배경, 그림자와 잡음을 최소화한 이진 영상을 생성한 예,
도면 3은 차영상을 이용하여 차량 객체를 추출한 영상과, 추출된 차량 객체를 이진화시킨 이진 영상, 이진 영상에 모폴로지 연산 후 그림자나 잡음을 최소화한 다음 차량 형태의 에지를 추출한 도면을 도시한 예,
도면 4는 각 프레임별로 입력 영상과, 배경 영상, 차 영상, 객체 추출 영상, 및 객체 영역으로부터 에지를 추출한 영상을 도시한 도면,
도면 5는 배경 영상에 흡수된 정차 차량이 움직여 차량 탐지 영역으로부터 벗어났을 경우 정차된 차량이 빠진 배경 영상을 고속 업데이트(Update) 하는 과정을 도시한 도면,
도면 6은 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템의 제어 블록도.1a and 1b are flow charts of a moving vehicle detection method using an edge information based object tracking algorithm according to the present invention,
2 shows an example of generating a binary image in which a foreground edge, a background, a shadow and a noise are minimized in an input image of a gray-scale image transmitted from a CCTV,
FIG. 3 is a diagram showing an example in which a vehicle object is extracted using a difference image, a binarized binary image of the extracted vehicle object, and a vehicle shape edge is extracted after minimizing shadows or noise after a morphology operation,
4 is a view showing an input image, a background image, a difference image, an object extracted image, and an image obtained by extracting an edge from an object region for each frame,
5 is a diagram illustrating a process of updating a background image in which a stopped vehicle is missing when a vehicle that has been absorbed by a background image moves and is out of a vehicle detection area,
FIG. 6 is a control block diagram of a moving vehicle detection system through an edge information-based object tracking algorithm according to the present invention.

이하, 첨부된 도면을 참조하여 본 발명을 자세히 설명한다.Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.

본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법은 도면 1a 내지 도면 5에 도시한 바와 같이, 차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계(S1)와; 상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계(S3); 상기 이동 차량 탐지 시스템이 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 단계(S5); 상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계(S7); 상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계(S9); 상기 이동 차량 탐지 시스템이 생성된 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 단계(S11); 상기 이동 차량 탐지 시스템이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계(S13); 상기 이동 차량 탐지 시스템이 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 단계(S15); 상기 이동 차량 탐지 시스템은 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 단계(S17)로 이루어질 수 있다.As shown in FIGS. 1A to 5, a moving vehicle detection method using an edge information-based object tracking algorithm according to the present invention is a method in which a moving vehicle detection system for detecting a driving vehicle or a moving vehicle in a vehicle detection area is transmitted from a CCTV A step (S1) of removing shadow or noise included in the captured input image of the vehicle detection region using noise filtering; (S3) of transforming an input image into a monochrome image by applying an adaptive binarization algorithm to an input image that has undergone noise reduction filtering by the moving vehicle detection system and extracting edge information included in the input image; (S5) of continuously performing a morphology operation on the extracted edge information of the moving vehicle detection system to extract edge information connected in a vehicle form; A step S7 of generating a background image of a grayscale image by using the binary image obtained by binarizing the input image obtained by photographing the vehicle detection region and the input image subjected to the noise elimination filtering by the moving vehicle detection system, ; A pixel whose difference between the intensities of each pixel of the background image of the gray scale image generated by the moving vehicle detection system and the intensities of the respective pixels of the input image newly input from the CCTV is greater than a threshold value set in the moving vehicle detection system, A step of finally generating a difference image of a foreground / monochrome image in which shadows or noises are removed by processing a pixel with a value of '1' as a foreground while processing a pixel lower than a threshold value as a binary number '0' S9); (S11) extracting edge information of a vehicle type by performing a morphology operation on a difference image of a foreground monochrome image generated by the moving vehicle detection system; The moving vehicle detection system extracts edge information of a candidate vehicle area of the vehicle from the edge information extracted from the difference image, removes edge components less than or equal to the edge size set in the moving vehicle detection system, (S13) of determining whether the edge of the object candidate region is the same as the shape information of the vehicle by extracting the component; (S15) when the moving vehicle detection system determines that a new vehicle has entered the detection area when the edge information of the vehicle object candidate region extracted from the difference image is the same as the shape information of the vehicle; When the vehicle object candidate region extracted from the car image is the region where the vehicle stopped in the background image is extracted, the moving vehicle detection system determines that the road background is left after the stop vehicle is removed, (Step S17) of performing a fast update on a road background.

상기 차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계(S1)에서 상기 잡음 제거 필터링으로는 적응적 선형 필터인 Wiener 필터를 사용한다.A moving vehicle detection system for detecting a driving vehicle or a moving vehicle in the vehicle detection area removes shadows or noise included in the captured image of the vehicle detection area transmitted from the CCTV using noise filtering S1), a Wiener filter, which is an adaptive linear filter, is used as the noise removal filtering.

상기 잡음 제거 필터로서 상기 Wiener 필터는 최소 평균 제곱 오차 필터로 알려져 있는데, 상기 Wiener 필터는 이미지의 국소 영역 내 화소들의 명암도에 대한 분산 정도에 따라 영상 평활화를 각각 다르게 수행하는 필터이다.As the noise reduction filter, the Wiener filter is known as a minimum mean square error filter. The Wiener filter is a filter that performs image smoothing differently according to degree of variance of intensities of pixels in a local region of an image.

상기 Wiener 필터는 국소 영역 내 각 화소들의 명암도에 대한 분산 값이 클 경우 영상 평활화를 작게 수행하고 국소 영역 내 각 화소들의 명암도에 대한 분산 값이 작을 경우 영상 평활화를 크게 함으로써 국소 영역의 에지 획은 보존하면서도 잡음을 제거하고 전경을 제외한 배경을 평활화할 수 있기 때문에 입력 영상에 포함된 그림자나 잡음을 최소화시킬 수 있다.The Wiener filter performs image smoothing if the variance value of the intensities of the pixels in the local region is small and increases the image smoothing when the variance value of the intensities of the pixels in the local region is small so that the edge strokes of the local region are preserved It is possible to minimize the shadow or noise included in the input image because it is possible to remove the noise and smooth the background except for the foreground.

상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에

Figure 112016128075329-pat00001
식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화한다.The Wiener filter is used to convert an input image converted into a grayscale image
Figure 112016128075329-pat00001
Apply the equations to remove noise in the brightness image and smooth the background surface.

여기서,

Figure 112016128075329-pat00002
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 국소 평균이고,
Figure 112016128075329-pat00003
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산,
Figure 112016128075329-pat00004
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산 값들의 전체 평균,
Figure 112016128075329-pat00005
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암도(소스 명도 영상: source grayscale image),
Figure 112016128075329-pat00006
: 명도 영상 중 3×3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성된 명도 영상이다.here,
Figure 112016128075329-pat00002
: The local average of the contrast of each pixel in the 3x3 region of the brightness image,
Figure 112016128075329-pat00003
: Variance of lightness and darkness of each pixel in the 3x3 region of brightness image,
Figure 112016128075329-pat00004
: A total average of variance values for the contrast of each pixel in the 3x3 region of the brightness image,
Figure 112016128075329-pat00005
: The intensity of each pixel in the 3 × 3 region of the brightness image (source brightness image)
Figure 112016128075329-pat00006
: It is the brightness image generated by applying the Wiener filter to each pixel in the 3 × 3 region of the brightness image.

또한, 상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계(S3)에서 도로 바닥의 경우 차량 형태의 에지와 같은 에지 성분이 나타날 확률이 매우 낮다는 가정하에 입력 영상으로부터 추출된 에지 중 상기 이동 차량 탐지 시스템에 저장된 에지 기준 크기보다 작은 에지 정보들은 제거하는 반면 큰 에지 정보들은 추출한다.In addition, in the step S3 of converting the input image into the black and white image by applying the adaptive binarization algorithm to the input image subjected to the noise elimination filtering by the moving vehicle detection system and extracting the edge information included in the input image, The edge information smaller than the edge reference size stored in the moving vehicle detection system among the edges extracted from the input image is removed while the probability that the edge component such as the vehicle shape edge is very low is extracted, do.

상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계(S3)는 상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 Sauvola의 적응적 이진화 알고리즘을 적용하여 입력 영상 중 전경은 흑색 이진화 수 '1'로 정의하고 입력 영상 중 배경은 백색 이진화수 '0'로 정의하여 흑백 영상을 추출한다.(S3) of converting an input image into a monochrome image by applying an adaptive binarization algorithm to an input image subjected to the noise elimination filtering by the moving vehicle detection system and extracting edge information included in the input image, The adaptive binarization algorithm of Sauvola is applied to the input image which has been filtered by the detection system, and the foreground of the input image is defined as black binarization number '1', and the background of the input image is defined as the number of white binarization '0' .

상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계(S7)에서 상기 배경 영상은 A step S7 of generating a background image of a grayscale image by using the binary image obtained by binarizing the input image obtained by photographing the vehicle detection region and the input image subjected to the noise elimination filtering by the moving vehicle detection system, The background image is

Figure 112016128075329-pat00007
을 이용하여 생성한다.
Figure 112016128075329-pat00007
.

상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고, 상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며, 상기 S(x,y)는 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상이다.(X, y) is a background image of a gray scale image, I (x, y) is an input image of a vehicle detection region, S (x, y) It is a binary image which is binarized into a monochrome image.

상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계(S9)는A pixel whose difference between the intensities of each pixel of the background image of the gray scale image generated by the moving vehicle detection system and the intensities of the respective pixels of the input image newly input from the CCTV is greater than a threshold value set in the moving vehicle detection system, A step of finally generating a difference image of a foreground / monochrome image in which shadows or noises are removed by processing a pixel with a value of '1' as a foreground while processing a pixel lower than a threshold value as a binary number '0' S9)

Figure 112016128075329-pat00008
을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하고, 상기 임계치 d(B(x,y))는
Figure 112016128075329-pat00008
, And the threshold value d (B (x, y)) is calculated using the following equation

Figure 112016128075329-pat00009
이고,
Figure 112016128075329-pat00009
ego,

Figure 112016128075329-pat00010
이며,
Figure 112016128075329-pat00011
이다.
Figure 112016128075329-pat00010
Lt;
Figure 112016128075329-pat00011
to be.

여기서, T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상이고, B(x,y)는 그레이스케일 이미지의 배경 영상, S(x,y)는 CCTV로부터 새롭게 입력된 입력 영상을 흑백 영상으로 이진화시킨 이진 영상, I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상, d(B(x,y))는 임계치, q는 0.55,

Figure 112016128075329-pat00012
는 0.45,
Figure 112016128075329-pat00013
는 0.75,
Figure 112016128075329-pat00014
는 배경 영상의 배경과 전경의 평균 거리로서 그레이스케일 이미지로 변환된 배경 영상의 전경과 배경에 대한 명도 차이들을 배경 영상의 모든 화소들에 대해 평균 낸 값, b는 이진 영상(S(x,y))의 배경 화소(S(x,y)=0)와 맞대응되는 그레이스케일 이미지의 배경 영상의 화소들에 대한 명암도(B(x,y)) 평균,
Figure 112016128075329-pat00015
는 영상의 전체 화소를 대상으로 한 합계이다.Here, T (x, y) is the difference image of the finally generated foreground monochrome image, B (x, y) is the background image of the gray scale image, S (x, y) is the input image newly input from CCTV D (B (x, y)) is the threshold value, q is 0.55, and q (x, y) is the input image newly input from the CCTV.
Figure 112016128075329-pat00012
0.45,
Figure 112016128075329-pat00013
0.75,
Figure 112016128075329-pat00014
Is a mean value of the background image and the foreground, and the brightness difference between the foreground and background of the background image converted to the gray scale image is averaged over all the pixels of the background image, and b is a value obtained by averaging the binary image (S (B (x, y)) for the pixels of the background image of the gray scale image which is in phase with the background pixel (S (x, y) = 0)
Figure 112016128075329-pat00015
Is a total of all the pixels of the image.

상기 이동 차량 탐지 시스템이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계(S13)에서 상기 이동 차량 탐지 시스템은 탐지 영역 내에서 객체 후보 영역에 가로 길이가 일정 크기 이상인 수평 에지가 존재하고, 객체 후보 영역 상하에 일정 크기 이상의 에지가 존재하며, 객체 후보 영역을 4 사분면으로 나눴을 때 최소 3 사분면 이상에 일정 크기 이상의 에지가 존재할 때 객체 후보 영역의 에지가 차량의 형태 정보와 같다고 판단한다.The moving vehicle detection system extracts edge information of a candidate vehicle area of the vehicle from the edge information extracted from the difference image, removes edge components less than or equal to the edge size set in the moving vehicle detection system, In step S13, the moving vehicle detection system determines whether the edge of the object candidate region is the same as the shape information of the vehicle by extracting the component, and there is a horizontal edge whose horizontal length is equal to or larger than a certain size in the object candidate region in the detection region The edge of the object candidate region is equal to the shape information of the vehicle when there is an edge of at least a certain size over at least three quadrants when the object candidate region is divided into quadrants in the upper and lower portions of the object candidate region .

상기 이동 차량 탐지 시스템은 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상 안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 단계(S17)에서 상기 이동 차량 탐지 시스템은 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 해당 영역을 배경 영상의 가우시안 혼합물(mixture of Gaussian)들 중에서 중요도가 가장 높은 가우시안 모드(Gaussian mode)의 평균을 해당 영역의 색상 값으로 업데이트(Update) 한다.When the vehicle object candidate region extracted from the car image is the region where the vehicle stopped in the background image is extracted, the moving vehicle detection system determines that the road background is left after the stop vehicle is removed, In step S17, the moving vehicle detection system extracts the corresponding region from the background image by using the Gaussian mixture of the background image if the extracted vehicle object candidate region is a region in which the vehicle stopped in the background image is missing. of the Gaussian mode having the highest importance is updated to the color value of the corresponding region.

이러한 기술을 본 발명에 적용하면 일정 시간 이상 정차된 차량이 배경 영상으로 흡수된 이후에 정차된 차량이 빠져나갈 경우 배경 영상과 입력 영상의 차 영상에서 차량 객체 후보 영역으로 검출된 부분을 배경 영상으로 고속 업데이트함으로써 차량 객체의 검출 에러를 줄일 수 있다.When the above-described technique is applied to the present invention, when a vehicle that has been stopped for a predetermined time or more is absorbed into a background image and then a stopped vehicle leaves, a portion detected as a candidate vehicle object region in a difference image between the background image and the input image is referred to as a background image By updating at high speed, detection errors of the vehicle object can be reduced.

즉, 배경 영상이 업데이트 되는 도중에 차량 탐지 영역으로 새로운 차량이 진입할 경우 발생될 수 있는 객체 검출 에러를 줄일 수 있다.That is, object detection errors that may occur when a new vehicle enters the vehicle detection area while the background image is being updated can be reduced.

한편, 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템은 도면 6에 도시한 바와 같이, CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 잡음 제거 필터부(1)와; 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 제1 에지 정보 추출부(3); 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 모폴로지 연산부(5); 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 배경 영상 생성부(7); 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 차영상 생성부(9); 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 제2 에지 정보 추출부(11); 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 설정된 에지 크기 이하의 에지 성분은 제거하며 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 에지 판단부(13); 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 진입 차량 판단부(15); 및 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 배경 영상 업데이트부(17)로 이루어진다.Meanwhile, as shown in FIG. 6, a moving vehicle detection system based on an edge information-based object tracking algorithm performs noise filtering and filtering of shadows and noise included in an input image of a vehicle detection area transmitted from a CCTV A noise removing filter unit (1) which removes the noise canceling filter unit (1) A first edge information extracting unit 3 for converting an input image into a monochrome image by applying an adaptive binarization algorithm to an input image subjected to noise reduction filtering and extracting edge information included in the input image; A morphology operation unit 5 for continuously performing a morphology operation on the extracted edge information to extract edge information connected in a vehicle form; A background image generation unit (7) for generating a background image of a grayscale image by using a binary image obtained by binarizing an input image in which a vehicle detection area is imaged and an input image subjected to noise elimination filtering in a monochrome image; A pixel whose difference between the intensity of each pixel of the background image of the generated gray-scale image and the brightness of each pixel of the input image newly input from the CCTV is greater than the threshold value set in the moving vehicle detection system is processed as binary number '1' A difference image generation unit 9 for finally generating a difference image of a foreground / monochrome image in which a shadow or a noise is removed by processing a pixel whose foreground is lower than a threshold value as a binary number '0' as a background; A second edge information extracting unit (11) for extracting edge information of a vehicle type by performing a morphological operation on a difference image of foreground black and white images; The edge information of the vehicle object candidate region is extracted from the edge information extracted from the difference image, the edge components of less than the set edge size are removed, and the edge component of the set edge size or more is extracted, An edge determination unit 13 for determining whether the component is a component; An entry vehicle judging unit 15 for judging that a new vehicle is entered into the detection area when the edge information of the vehicle object candidate area extracted from the difference image is the same as the shape information of the vehicle; If the vehicle object candidate region extracted from the difference image is a region in which the vehicle stopped in the background image is missing, it is determined that the road background is left after the stopping vehicle is left. Thus, And a background image update unit 17 that updates the background image.

상기 잡음 제거 필터부(1)는 적응적 선형 필터인 Wiener 필터를 사용한다.The noise reduction filter unit 1 uses a Wiener filter, which is an adaptive linear filter.

상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에

Figure 112016128075329-pat00016
식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화한다.The Wiener filter is used to convert an input image converted into a grayscale image
Figure 112016128075329-pat00016
Apply the equations to remove noise in the brightness image and smooth the background surface.

여기서,

Figure 112016128075329-pat00017
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 국소 평균이고,
Figure 112016128075329-pat00018
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산,
Figure 112016128075329-pat00019
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산 값들의 전체 평균,
Figure 112016128075329-pat00020
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암도(소스 명도 영상: source grayscale image),
Figure 112016128075329-pat00021
: 명도 영상 중 3×3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성된 명도 영상이다.here,
Figure 112016128075329-pat00017
: The local average of the contrast of each pixel in the 3x3 region of the brightness image,
Figure 112016128075329-pat00018
: Variance of lightness and darkness of each pixel in the 3x3 region of brightness image,
Figure 112016128075329-pat00019
: A total average of variance values for the contrast of each pixel in the 3x3 region of the brightness image,
Figure 112016128075329-pat00020
: The intensity of each pixel in the 3 × 3 region of the brightness image (source brightness image)
Figure 112016128075329-pat00021
: It is the brightness image generated by applying the Wiener filter to each pixel in the 3 × 3 region of the brightness image.

상기 제1 에지 정보 추출부(3)는 잡음 제거 필터링을 거친 입력 영상에 Sauvola의 적응적 이진화 알고리즘을 적용하여 입력 영상 중 전경은 흑색 이진화 수 '1'로 정의하고 입력 영상 중 배경은 백색 이진화수 '0'로 정의하여 흑백 영상을 추출한다.The first edge information extracting unit 3 applies Sauvola's adaptive binarization algorithm to the input image that has undergone the noise elimination filtering so that the foreground of the input image is defined as black binarization number '1', and the background of the input image is a white binarization number '0' to extract the black and white image.

상기 배경 영상 생성부(7)는 The background image generation unit 7

Figure 112016128075329-pat00022
을 이용하여 배경 영상을 생성한다.
Figure 112016128075329-pat00022
To generate a background image.

상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고, 상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며, 상기 S(x,y)는 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상이다.(X, y) is a background image of a gray scale image, I (x, y) is an input image of a vehicle detection region, S (x, y) It is a binary image which is binarized into a monochrome image.

상기 차영상 생성부(9)는

Figure 112016128075329-pat00023
을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하고, 상기 임계치 d(B(x,y))는The difference image generation unit 9
Figure 112016128075329-pat00023
, And the threshold value d (B (x, y)) is calculated using the following equation

Figure 112016128075329-pat00024
이고,
Figure 112016128075329-pat00024
ego,

Figure 112016128075329-pat00025
이며,
Figure 112016128075329-pat00026
이다.
Figure 112016128075329-pat00025
Lt;
Figure 112016128075329-pat00026
to be.

여기서, T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상, B(x,y)는 그레이스케일 이미지의 배경 영상, S(x,y)는 CCTV로부터 새롭게 입력된 입력 영상을 흑백 영상으로 이진화시킨 이진 영상, I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상, d(B(x,y))는 임계치, q는 0.55,

Figure 112016128075329-pat00027
는 0.45,
Figure 112016128075329-pat00028
는 0.75,
Figure 112016128075329-pat00029
는 배경 영상의 배경과 전경의 평균 거리로서 그레이스케일 이미지로 변환된 배경 영상의 전경과 배경에 대한 명도 차이들을 배경 영상의 모든 화소들에 대해 평균 낸 값, b는 이진 영상(S(x,y))의 배경 화소(S(x,y)=0)와 맞대응되는 그레이스케일 이미지의 배경 영상의 화소들에 대한 명암도(B(x,y)) 평균,
Figure 112016128075329-pat00030
는 영상의 전체 화소를 대상으로 한 합계이다.(X, y) is the background image of the gray-scale image, S (x, y) is the input image of the new input from the CCTV, T (x, y) D (B (x, y)) is the threshold value, q is 0.55, and q (x, y) is the input image newly input from the CCTV.
Figure 112016128075329-pat00027
0.45,
Figure 112016128075329-pat00028
0.75,
Figure 112016128075329-pat00029
Is a mean value of the background image and the foreground, and the brightness difference between the foreground and background of the background image converted to the gray scale image is averaged over all the pixels of the background image, and b is a value obtained by averaging the binary image (S (B (x, y)) for the pixels of the background image of the gray scale image which is in phase with the background pixel (S (x, y) = 0)
Figure 112016128075329-pat00030
Is a total of all the pixels of the image.

상기 에지 판단부(13)는 탐지 영역 내에서 객체 후보 영역에 가로 길이가 일정 크기 이상인 수평 에지가 존재하고, 객체 후보 영역 상하에 일정 크기 이상의 에지가 존재하며, 객체 후보 영역을 4 사분면으로 나눴을 때 최소 3 사분면 이상에 일정 크기 이상의 에지가 존재할 때 객체 후보 영역의 에지가 차량의 형태 정보와 같다고 판단한다.The edge determination unit 13 determines that the horizontal edge has a horizontal length of a certain size or more in the object candidate region in the detection region, the edge has a certain size or more above and below the object candidate region, and divides the object candidate region into quadrants The edge of the object candidate region is determined to be the same as the shape information of the vehicle when there is an edge of at least a certain size at least in the third quadrant.

상기 배경 영상 업데이트부(17)는 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 해당 영역을 배경 영상의 가우시안 혼합물(mixture of Gaussian)들 중에서 중요도가 가장 높은 가우시안 모드(Gaussian mode)의 평균을 해당 영역의 색상 값으로 업데이트(Update) 한다.If the extracted vehicle object candidate region is a region in which the vehicle stopped in the background image has escaped, the background image update unit 17 updates the region in the Gaussian mode (Gaussian mode) having the highest importance among the Gaussian mixture of the background image Gaussian mode) is updated with the color value of the corresponding area.

이러한 구성으로 이루어진 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법은 배경 영상을 이용하여 객체를 검출하거나 객체를 추적할 경우 미리 설정한 탐지 영역으로 진입한 차량이 일정 시간 이상 주차하거나 정차한 다음에 탐지 영역 바깥으로 빠져나갔을 때 배경 영상이 새롭게 갱신되지 않아 탐지 영역 안으로 들어온 새로운 차량이 탐지되지 못하는 문제점을 해결할 수 있다.The moving vehicle detection system and method using the edge information-based object tracking algorithm according to the present invention having the above-described configuration can detect the object using the background image or track the object, It is possible to solve the problem that the background image is not renewed newly when the vehicle leaves the detection area after parking or stopping the vehicle more than the predetermined time, and thus a new vehicle entering the detection area can not be detected.

또한, 본 발명은 탐지 영역 내에 오랫동안 정차된 차량이 배경 영상에 포함된 이후 다시 움직여 탐지 영역 바깥으로 빠져나갈 때 입력 영상에서 배경 영상을 뺀 차 영상에서 새로운 차량이 나타난 것으로 오인되는 문제점을 해결할 수 있다.Further, the present invention can solve the problem that a new vehicle is mistakenly displayed as a difference image obtained by subtracting a background image from an input image when the vehicle stopped for a long time is included in a background image and then moves again to the outside of the detection area .

1. 잡음 제거 필터부 3. 제1 에지 정보 추출부
5. 모폴로지 연산부 7. 배경 영상 생성부
9. 차영상 생성부 11. 제2 에지 정보 추출부
13. 에지 판단부 15. 진입 차량 판단부
17. 배경 영상 업데이트부1. Noise elimination filter unit 3. First edge information extracting unit
5. Morphology operation unit 7. Background image generation unit
9. Secondary image generating unit 11. Secondary edge information extracting unit
13. Edge judging unit 15. An entering vehicle judging unit
17. Background image update section

Claims (10)

차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계(S1)와;
상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계(S3);
상기 이동 차량 탐지 시스템이 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 단계(S5);
상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계(S7);
상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계(S9);
상기 이동 차량 탐지 시스템이 생성된 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 단계(S11);
상기 이동 차량 탐지 시스템이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계(S13);
상기 이동 차량 탐지 시스템이 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 단계(S15);
상기 이동 차량 탐지 시스템은 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 단계(S17)로 이루어진 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법.
A moving vehicle detection system for detecting a driving vehicle or a moving vehicle in a vehicle detection area removes a shadow or noise included in an input image of a vehicle detection area transmitted from a CCTV using noise filtering filtering S1 )Wow;
(S3) of transforming an input image into a monochrome image by applying an adaptive binarization algorithm to an input image that has undergone noise reduction filtering by the moving vehicle detection system and extracting edge information included in the input image;
(S5) of continuously performing a morphology operation on the extracted edge information of the moving vehicle detection system to extract edge information connected in a vehicle form;
A step S7 of generating a background image of a grayscale image by using the binary image obtained by binarizing the input image obtained by photographing the vehicle detection region and the input image subjected to the noise elimination filtering by the moving vehicle detection system, ;
A pixel whose difference between the intensities of each pixel of the background image of the gray scale image generated by the moving vehicle detection system and the intensities of the respective pixels of the input image newly input from the CCTV is greater than a threshold value set in the moving vehicle detection system, A step of finally generating a difference image of a foreground / monochrome image in which shadows or noises are removed by processing a pixel with a value of '1' as a foreground while processing a pixel lower than a threshold value as a binary number '0'S9);
(S11) extracting edge information of a vehicle type by performing a morphology operation on a difference image of a foreground monochrome image generated by the moving vehicle detection system;
The moving vehicle detection system extracts edge information of a candidate vehicle area of the vehicle from the edge information extracted from the difference image, removes edge components less than or equal to the edge size set in the moving vehicle detection system, (S13) of determining whether the edge of the object candidate region is the same as the shape information of the vehicle by extracting the component;
(S15) when the moving vehicle detection system determines that a new vehicle has entered the detection area when the edge information of the vehicle object candidate region extracted from the difference image is the same as the shape information of the vehicle;
When the vehicle object candidate region extracted from the car image is the region where the vehicle stopped in the background image is extracted, the moving vehicle detection system determines that the road background is left after the stop vehicle is removed, And a step (S17) of updating the road information with a road background.
제1 항에 있어서,
상기 차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계(S1)에서
상기 잡음 제거 필터링으로는 적응적 선형 필터인 Wiener 필터를 사용하고,
상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에
Figure 112016128075329-pat00031
식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법.
여기서,
Figure 112016128075329-pat00032
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 국소 평균,
Figure 112016128075329-pat00033
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산,
Figure 112016128075329-pat00034
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산 값들의 전체 평균,
Figure 112016128075329-pat00035
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암도(소스 명도 영상: source grayscale image),
Figure 112016128075329-pat00036
: 명도 영상 중 3×3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성된 명도 영상.
The method according to claim 1,
A moving vehicle detection system for detecting a driving vehicle or a moving vehicle in the vehicle detection area removes shadows or noise included in the captured image of the vehicle detection area transmitted from the CCTV using noise filtering S1)
A Wiener filter, which is an adaptive linear filter, is used as the noise canceling filtering,
The Wiener filter is used to convert an input image converted into a grayscale image
Figure 112016128075329-pat00031
Wherein the noise is removed from the brightness image and the background surface is smoothed by applying the equation.
here,
Figure 112016128075329-pat00032
: A local average of the contrast of each pixel in the 3 × 3 region of the brightness image,
Figure 112016128075329-pat00033
: Variance of lightness and darkness of each pixel in the 3x3 region of brightness image,
Figure 112016128075329-pat00034
: A total average of variance values for the contrast of each pixel in the 3x3 region of the brightness image,
Figure 112016128075329-pat00035
: The intensity of each pixel in the 3 × 3 region of the brightness image (source brightness image)
Figure 112016128075329-pat00036
: Brightness image generated by applying Wiener filter to each pixel in 3 × 3 area of brightness image.
제1 항에 있어서,
상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계(S7)에서
상기 배경 영상은
Figure 112017018529579-pat00037
을 이용하여 생성하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법.
상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고,
상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며,
상기 S(x,y)는 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상이다.
The method according to claim 1,
A step S7 of generating a background image of a grayscale image by using the binary image obtained by binarizing the input image obtained by photographing the vehicle detection region and the input image subjected to the noise elimination filtering by the moving vehicle detection system, in
The background image
Figure 112017018529579-pat00037
The method comprising the steps of: (a) detecting a moving object by using an edge information based object tracking algorithm;
B (x, y) is a background image of a gray scale image,
I (x, y) is an input image in which a vehicle detection region is photographed,
The S (x, y) is a binary image obtained by binarizing an input image subjected to noise cancellation filtering to a monochrome image.
제1 항에 있어서,
상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계(S9)는
Figure 112016128075329-pat00038
을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법.
여기서,
T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상,
B(x,y)는 그레이스케일 이미지의 배경 영상,
S(x,y)는 CCTV로부터 새롭게 입력된 입력 영상을 흑백 영상으로 이진화시킨 이진 영상,
I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상,
d(B(x,y))는 임계치.
The method according to claim 1,
A pixel whose difference between the intensities of each pixel of the background image of the gray scale image generated by the moving vehicle detection system and the intensities of the respective pixels of the input image newly input from the CCTV is greater than a threshold value set in the moving vehicle detection system, A step of finally generating a difference image of a foreground / monochrome image in which shadows or noises are removed by processing a pixel with a value of '1' as a foreground while processing a pixel lower than a threshold value as a binary number '0' S9)
Figure 112016128075329-pat00038
The difference image of the foreground black and white image is finally generated using the edge information based object tracking algorithm.
here,
T (x, y) is the difference image of the finally generated foreground monochrome image,
B (x, y) is the background image of the grayscale image,
S (x, y) is a binary image obtained by binarizing an input image newly input from a CCTV into a monochrome image,
I (x, y) is the input image newly input from the CCTV,
d (B (x, y)) is the threshold value.
삭제delete CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 잡음 제거 필터부(1)와;
잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 제1 에지 정보 추출부(3);
추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 모폴로지 연산부(5);
차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 배경 영상 생성부(7);
생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 차영상 생성부(9);
전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 제2 에지 정보 추출부(11);
상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 에지 판단부(13);
차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 진입 차량 판단부(15);
및 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 배경 영상 업데이트부(17)로 이루어진 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템.
A noise removal filter unit (1) for removing a shadow or noise included in the captured input image of the vehicle detection region transmitted from the CCTV using noise filtering;
A first edge information extracting unit 3 for converting an input image into a monochrome image by applying an adaptive binarization algorithm to an input image subjected to noise reduction filtering and extracting edge information included in the input image;
A morphology operation unit 5 for continuously performing a morphology operation on the extracted edge information to extract edge information connected in a vehicle form;
A background image generation unit (7) for generating a background image of a grayscale image by using a binary image obtained by binarizing an input image in which a vehicle detection area is imaged and an input image subjected to noise elimination filtering in a monochrome image;
A pixel whose difference between the intensities of each pixel of the background image of the generated gray-scale image and the intensities of the pixels of the input image newly input from the CCTV is greater than the set threshold value is processed as a binary number '1' A difference image generating unit (9) for finally generating a differential image of a foreground / monochrome image in which shadows or noise are removed by processing a pixel lower than a threshold value by a binary number '0' as a background;
A second edge information extracting unit (11) for extracting edge information of a vehicle type by performing a morphological operation on a difference image of foreground black and white images;
Extracting edge information of a vehicle object candidate region from edge information extracted from the difference image, removing edge components less than the edge size set in the moving vehicle detection system, and extracting edge components larger than the edge size set in the moving vehicle detection system, An edge determination unit (13) for determining whether an edge of the area is the same as the shape information of the vehicle;
An entry vehicle judging unit 15 for judging that a new vehicle is entered into the detection area when the edge information of the vehicle object candidate area extracted from the difference image is the same as the shape information of the vehicle;
If the vehicle object candidate region extracted from the difference image is a region in which the vehicle stopped in the background image is missing, it is determined that the road background is left after the stopping vehicle is left. Thus, And a background image update unit (17) for updating the background image update unit (17).
제6 항에 있어서,
상기 잡음 제거 필터부(1)는 적응적 선형 필터인 Wiener 필터를 사용하고,
상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에
Figure 112016128075329-pat00039
식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템.
여기서,
Figure 112016128075329-pat00040
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 국소 평균,
Figure 112016128075329-pat00041
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산,
Figure 112016128075329-pat00042
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산 값들의 전체 평균,
Figure 112016128075329-pat00043
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암도(소스 명도 영상: source grayscale image),
Figure 112016128075329-pat00044
: 명도 영상 중 3×3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성된 명도 영상.
The method according to claim 6,
The noise reduction filter unit 1 uses a Wiener filter, which is an adaptive linear filter,
The Wiener filter is used to convert an input image converted into a grayscale image
Figure 112016128075329-pat00039
Wherein the noise is removed from the brightness image and the background surface is smoothed by applying the equation to the moving object detection system based on the edge information based object tracking algorithm.
here,
Figure 112016128075329-pat00040
: A local average of the contrast of each pixel in the 3 × 3 region of the brightness image,
Figure 112016128075329-pat00041
: Variance of lightness and darkness of each pixel in the 3x3 region of brightness image,
Figure 112016128075329-pat00042
: A total average of variance values for the contrast of each pixel in the 3x3 region of the brightness image,
Figure 112016128075329-pat00043
: The intensity of each pixel in the 3 × 3 region of the brightness image (source brightness image)
Figure 112016128075329-pat00044
: Brightness image generated by applying Wiener filter to each pixel in 3 × 3 area of brightness image.
제6 항에 있어서,
상기 배경 영상 생성부(7)는
Figure 112017018529579-pat00045
을 이용하여 배경 영상을 생성하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템.
여기서,
상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고,
상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며,
상기 S(x,y)는 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상
The method according to claim 6,
The background image generation unit 7
Figure 112017018529579-pat00045
And the background image is generated using the edge information based object tracking algorithm.
here,
B (x, y) is a background image of a gray scale image,
I (x, y) is an input image in which a vehicle detection region is photographed,
S (x, y) is a binary image obtained by binarizing an input image subjected to noise elimination filtering into a monochrome image
제6 항에 있어서,
상기 차영상 생성부(9)는
Figure 112016128075329-pat00046
을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템.
여기서,
T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상,
B(x,y)는 그레이스케일 이미지의 배경 영상,
I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상.
d(B(x,y))는 임계치
The method according to claim 6,
The difference image generation unit 9
Figure 112016128075329-pat00046
The difference image of the foreground black and white image is finally generated using the edge information based object tracking algorithm.
here,
T (x, y) is the difference image of the finally generated foreground monochrome image,
B (x, y) is the background image of the grayscale image,
I (x, y) is the input image newly input from the CCTV.
d (B (x, y)) is a threshold value
삭제delete
KR1020160180184A 2016-12-27 2016-12-27 The moving vehicle detection system using an object tracking algorithm based on edge information, and method thereof KR101717613B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160180184A KR101717613B1 (en) 2016-12-27 2016-12-27 The moving vehicle detection system using an object tracking algorithm based on edge information, and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160180184A KR101717613B1 (en) 2016-12-27 2016-12-27 The moving vehicle detection system using an object tracking algorithm based on edge information, and method thereof

Publications (1)

Publication Number Publication Date
KR101717613B1 true KR101717613B1 (en) 2017-03-17

Family

ID=58502019

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160180184A KR101717613B1 (en) 2016-12-27 2016-12-27 The moving vehicle detection system using an object tracking algorithm based on edge information, and method thereof

Country Status (1)

Country Link
KR (1) KR101717613B1 (en)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220949A (en) * 2017-05-27 2017-09-29 安徽大学 The self adaptive elimination method of moving vehicle shade in highway monitoring video
CN107644528A (en) * 2017-08-02 2018-01-30 浙江工业大学 A kind of vehicle queue length detection method based on vehicle tracking
CN107748866A (en) * 2017-10-20 2018-03-02 河北机电职业技术学院 illegal parking automatic identifying method and device
KR101878239B1 (en) * 2017-03-22 2018-07-13 경남대학교 산학협력단 Development of library management system based on a mobile robot
GB2561639A (en) * 2016-11-23 2018-10-24 Ford Global Tech Llc Detection of lane-splitting motorcycles
US10509974B2 (en) 2017-04-21 2019-12-17 Ford Global Technologies, Llc Stain and trash detection systems and methods
KR20200051338A (en) * 2018-11-05 2020-05-13 엘엔피랩 주식회사 Electronic device for extracting fingerprinting signal from image and operating method thereof
CN112102609A (en) * 2020-03-10 2020-12-18 中国科学院沈阳自动化研究所 Intelligent detection system for highway vehicle violation behaviors
CN112364884A (en) * 2020-10-09 2021-02-12 北京星闪世图科技有限公司 Method for detecting moving object
KR102237753B1 (en) * 2020-09-28 2021-04-08 (유) 지제이 The system for monitoring change of structure and method thereof
CN113311440A (en) * 2020-02-26 2021-08-27 苏州佳世达电通有限公司 Method for improving ultrasonic image quality and detection system thereof
CN117036341A (en) * 2023-10-07 2023-11-10 青岛奥维特智能科技有限公司 Pavement crack detection method based on image processing

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070104999A (en) 2006-04-24 2007-10-30 주식회사 에스오넷 Moving vehicle tracking and parked vehicle extraction system and method for illegal-parking management
KR100834550B1 (en) 2007-12-17 2008-06-02 (주)동화이엔지 Detecting method at automatic police enforcement system of illegal-stopping and parking vehicle and system thereof
KR101294347B1 (en) * 2012-02-20 2013-08-07 울산대학교 산학협력단 Mehtod for brick path recognition using image shape pattern and texture feature
KR101473971B1 (en) * 2014-06-06 2014-12-19 이미자 The multi-functional anti-crime camera system
KR101560810B1 (en) * 2014-12-17 2015-10-23 인하공업전문대학산학협력단 Space controled method and apparatus for using template image
KR101648208B1 (en) 2015-09-08 2016-08-12 김동기 Method and apparatus for recognizing and tracking object by using high resolution image
KR101677972B1 (en) * 2016-07-26 2016-11-21 주식회사 싸인텔레콤 The apparatus and method of multi-lane car plate detection and recognition

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070104999A (en) 2006-04-24 2007-10-30 주식회사 에스오넷 Moving vehicle tracking and parked vehicle extraction system and method for illegal-parking management
KR100834550B1 (en) 2007-12-17 2008-06-02 (주)동화이엔지 Detecting method at automatic police enforcement system of illegal-stopping and parking vehicle and system thereof
KR101294347B1 (en) * 2012-02-20 2013-08-07 울산대학교 산학협력단 Mehtod for brick path recognition using image shape pattern and texture feature
KR101473971B1 (en) * 2014-06-06 2014-12-19 이미자 The multi-functional anti-crime camera system
KR101560810B1 (en) * 2014-12-17 2015-10-23 인하공업전문대학산학협력단 Space controled method and apparatus for using template image
KR101648208B1 (en) 2015-09-08 2016-08-12 김동기 Method and apparatus for recognizing and tracking object by using high resolution image
KR101677972B1 (en) * 2016-07-26 2016-11-21 주식회사 싸인텔레콤 The apparatus and method of multi-lane car plate detection and recognition

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2561639A (en) * 2016-11-23 2018-10-24 Ford Global Tech Llc Detection of lane-splitting motorcycles
KR101878239B1 (en) * 2017-03-22 2018-07-13 경남대학교 산학협력단 Development of library management system based on a mobile robot
US10509974B2 (en) 2017-04-21 2019-12-17 Ford Global Technologies, Llc Stain and trash detection systems and methods
CN107220949A (en) * 2017-05-27 2017-09-29 安徽大学 The self adaptive elimination method of moving vehicle shade in highway monitoring video
CN107644528A (en) * 2017-08-02 2018-01-30 浙江工业大学 A kind of vehicle queue length detection method based on vehicle tracking
CN107748866B (en) * 2017-10-20 2020-02-14 河北机电职业技术学院 Illegal parking automatic identification method and device
CN107748866A (en) * 2017-10-20 2018-03-02 河北机电职业技术学院 illegal parking automatic identifying method and device
KR20200051338A (en) * 2018-11-05 2020-05-13 엘엔피랩 주식회사 Electronic device for extracting fingerprinting signal from image and operating method thereof
KR102137229B1 (en) 2018-11-05 2020-07-23 엘엔피랩 주식회사 Electronic device for extracting fingerprinting signal from image and operating method thereof
CN113311440A (en) * 2020-02-26 2021-08-27 苏州佳世达电通有限公司 Method for improving ultrasonic image quality and detection system thereof
CN112102609A (en) * 2020-03-10 2020-12-18 中国科学院沈阳自动化研究所 Intelligent detection system for highway vehicle violation behaviors
KR102237753B1 (en) * 2020-09-28 2021-04-08 (유) 지제이 The system for monitoring change of structure and method thereof
CN112364884A (en) * 2020-10-09 2021-02-12 北京星闪世图科技有限公司 Method for detecting moving object
CN112364884B (en) * 2020-10-09 2024-02-20 江苏星闪世图科技(集团)有限公司 Method for detecting moving object
CN117036341A (en) * 2023-10-07 2023-11-10 青岛奥维特智能科技有限公司 Pavement crack detection method based on image processing

Similar Documents

Publication Publication Date Title
KR101717613B1 (en) The moving vehicle detection system using an object tracking algorithm based on edge information, and method thereof
Gao et al. Car license plates detection from complex scene
Wu et al. Lane-mark extraction for automobiles under complex conditions
KR101546700B1 (en) System and method for recognizing road pothole area using image
TWI607901B (en) Image inpainting system area and method using the same
US8848978B2 (en) Fast obstacle detection
KR101403876B1 (en) Method and Apparatus for Vehicle License Plate Recognition
US9811746B2 (en) Method and system for detecting traffic lights
Kaur et al. An efficient approach for number plate extraction from vehicles image under image processing
KR101738129B1 (en) Apparatus and method for recognizing automatic number plate on long distance image using one camera
KR101224164B1 (en) Pre- processing method and apparatus for license plate recognition
JP2012038318A (en) Target detection method and device
Jagannathan et al. License plate character segmentation using horizontal and vertical projection with dynamic thresholding
CN110060221B (en) Bridge vehicle detection method based on unmanned aerial vehicle aerial image
Babbar et al. A new approach for vehicle number plate detection
CN114127784A (en) Method, computer program product and computer readable medium for generating a mask for a camera stream
Gilly et al. A survey on license plate recognition systems
KR101613703B1 (en) detection of vehicle video and license plate region extraction method
CN111046741A (en) Method and device for identifying lane line
CN103971347A (en) Method and device for treating shadow in video image
Ahmed et al. Robust lane departure warning system for adas on highways
CN110363192B (en) Object image identification system and object image identification method
KR100801989B1 (en) Recognition system for registration number plate and pre-processor and method therefor
Meem et al. Zebra-crossing detection and recognition based on flood fill operation and uniform local binary pattern
Davix et al. License plate localization by sobel vertical edge detection method

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant