KR101875180B1 - 차량을 검출하고 차량의 차량 번호를 인식하기 위한 방법, 장치 및 시스템 - Google Patents

Abstract

차량 검지 및 차량 번호 인식을 위한 방법, 장치 및 시스템이 제공된다. 차량 검지 및 차량 번호 인식을 위한 시스템은 하나 이상의 카메라들 및 서버를 포함할 수 있다. 하나 이상의 카메라들의 각 카메라는 영상을 촬영하고, 촬영된 영상에 대한 차량의 검지 및 차량 번호의 인식을 수행한다. 각 카메라에서 수행된 차량의 검지의 결과 및 차량 번호의 인식의 결과는 네트워크를 통해 서버로 전송된다. 차량의 검지 및 차량 번호의 인식이 각 카메라에서 수행됨에 따라, 시스템의 구성이 단순하게 될 수 있고, 네트워크를 통한 데이터 전송의 부하가 감소할 수 있고, 네트워크의 구축 비용이 절감될 수 있다. 또한, 시스템의 유지 보수가 더 편리해질 수 있다.

Description

차량을 검출하고 차량의 차량 번호를 인식하기 위한 방법, 장치 및 시스템{METHOD, APPARATUS AND SYSTEM FOR DETECTING VECHICLE AND RECOGNIZING VECHICLE NUMBER OF THE VECHICLE}

아래의 실시예들은 영상 처리에 관한 것으로, 보다 상세히는 차량을 검출하고 차량의 차량 번호를 인식하기 위한 방법, 장치 및 시스템이 개시된다.

차량 번호를 인식하는 기술로서, 카메라가 영상을 촬영하고, 카메라가 카메라와 네트워크로 연결된 영상의 분석 및 저장을 위한 컴퓨터에 촬영된 이미지를 전송하면, 컴퓨터에 탑재된 차량 번호 인식 모듈이 영상의 분석을 통해 차량 번호를 추출 및 인식하는 방식이 널리 사용되고 있다.

예를 들면, 이러한 방식은 주차장의 입출구의 차량 번호 인식기 및 실내 주차장의 내차 찾기 차량 유도 시스템 등에서 일반적으로 사용되는 방식일 수 있다.

차량 유도 시스템의 경우, 통합 센터 또는 방재실에 설치된 영상의 분석 및 저장을 위한 컴퓨터가 데이터 처리를 수행한다. 따라서, 영상의 분석 및 저장을 위한 컴퓨터로의 데이터 집중화가 발생한다. 이러한 데이터 집중화때문에, 차량 유도 시스템은 원활한 데이터 처리를 위하여 카메라 영상 전송 네트워크 과부하 계산 및 분산 구축, 영상 처리를 위한 저장 공간 확보, 그리고 컴퓨터 1 대당 연결 가능한 카메라 대수의 제한 등의 방법을 사용한다.

또한, 기존의 방식의 차량 검출 시스템은 차량의 주차 유무를 판단하는데 있어서, 차량 자체에 대한 분선 및 판단이 아니라 주변의 특정 지점의 디지털 값의 변화로 차량의 주차 유무를 판단한다. 이러한 차량 검출 시스템에서는, 주차장의 조명등 불빛에 의한 간섭이나, 빈 주차면 바닥에 비치는 옆 차량의 이미지 등에 의해 판단 오류가 발생할 수 있으며, 특히 주차 타워와 같이 외부에 노출되어 햇빛의 영향이 크게 미치는 장소에는 이러한 판단 오류가 빈번하게 발생하고 있다.

일 실시예는 카메라에 의해 차량의 검지 및 차량 번호의 인식이 이루어지는 시스템을 제공할 수 있다.

일 실시예는 카메라에 의한 차량의 검지 및 차량 번호의 인식의 결과를 서버에게 제공하는 시스템을 제공할 수 있다.

일 측면에 있어서, 차량의 차량 번호를 인식하는 카메라에 있어서, 영상을 촬영하는 이미지 센서; 상기 촬영된 영상에 대한 상기 차량의 검지 및 상기 차량의 상기 차량 번호의 인식을 수행하는 어플리케이션 프로세서; 및 상기 차량의 검지의 결과 및 상기 차량 번호의 인식의 결과를 네트워크를 통해 상기 카메라와 연결된 서버로 전송하는 카메라 프로세서를 포함하는 카메라가 제공된다.

상기 카메라는 상기 촬영된 영상을 상기 서버로 전송할 수 있다.

상기 카메라 프로세서는 상기 촬영된 영상에 대한 인코딩을 수행함으로써 인코딩된 영상을 생성할 수 있다.

상기 서버로 전송되는 상기 촬영된 영상은 상기 인코딩된 영상일 수 있다.

상기 촬영된 영상은 상기 촬영된 영상에서 상기 차량의 움직임이 검지된 경우에만 상기 서버로 전송될 수 있다.

상기 카메라 프로세서는 상기 촬영된 영상에 대한 이미지 프로세싱을 수행함으로써 튜닝된 영상을 생성할 수 있다.

상기 어플리케이션 프로세서가 사용하는 상기 촬영된 영상은 상기 튜닝된 영상일 수 있다.

상기 어플리케이션 프로세서는 사다리꼴 영상 켈리브레이션에 의한 크기 추정(Size Estimation by Trapezoid Image Calibration; SETIC) 알고리즘을 사용할 수 있다.

상기 SETIC 알고리즘에 의해 촬영된 영상 내의 사다리꼴의 모양의 주차면이 상기 카메라가 주차면의 위에서 바라보는 것처럼 직사각형의 모양으로 변환될 수 있다.

상기 어플리케이션 프로세서는 상기 촬영된 영상에 상기 SETIC 알고리즘을 사용함으로써 보정된 영상을 생성하고, 상기 보정된 영상에서 차량의 검지 및 차량 번호의 인식을 할 수 있다.

상기 어플리케이션 프로세서는 상기 SETIC 알고리즘의 보정을 통해 상기 촬영된 영상 내의 주차면의 가로 길이 및 세로 길이를 실제의 크기로 변환할 수 있다.

상기 SETIC 알고리즘은 상기 촬영된 이미지에서 검출된 오브젝트의 폭 및 상기 오브젝트 및 주차면의 라인 간의 길이에 기반하여 차량을 검출할 수 있다.

상기 SETIC 알고리즘은 상기 오브젝트의 상기 폭이 기정의된 임계 값의 이상이면 상기 오브젝트가 차량인 것으로 판단할 수 있다.

상기 SETIC 알고리즘은 상기 길이에 대한 측정을 통해 상기 오브젝트의 위치 및 상기 오브젝트의 이동 방향을 판별할 수 있다.

상기 차량의 검지의 결과는 상기 카메라의 식별자, 상기 카메라가 촬영하는 주차면에 대한 정보 및 상기 카메라가 촬영하는 주차면에 차량이 존재하는지 여부를 나타내는 정보 중 적어도 하나를 포함할 수 있다.

상기 어플리케이션 프로세서는 상기 촬영된 영상에 대한 모션 벡터 영상 분석을 통해 이동하는 차량을 검지하고, 상기 촬영된 영상에 대한 오브젝트(object) 영상 분석을 통해 정지한 차량을 검지할 수 있다.

상기 어플리케이션 프로세서는 상기 차량이 검지된 경우에만 상기 차량 번호의 인식을 진행할 수 있다.

상기 어플리케이션 프로세서는 상기 촬영된 영상의 배경에 대한 분석을 수행하고, 상기 분석의 결과를 생성할 수 있다.

상기 어플리케이션 프로세서는 상기 촬영된 영상의 기정의된 영역에 대해서 상기 차량의 검지 및 상기 차량 번호의 인식을 수행할 수 있다.

상기 기정의된 영역은 상기 촬영된 영상 중 차량이 주차하는 주차면 또는 차량이 주차하는 주차면의 지정된 영역에 대응할 수 있다.

상기 기정의된 영역은 복수일 수 있다.

다른 일 측에 있어서, 카메라가 차량을 검지하고 상기 차량의 차량 번호를 인식하는 방법에 있어서, 영상을 촬영하는 단계; 상기 촬영된 영상에 대한 상기 차량의 검지 및 상기 차량의 상기 차량 번호의 인식을 수행하는 단계; 및 상기 차량의 검지의 결과 및 상기 차량 번호의 인식의 결과를 네트워크를 통해 상기 카메라와 연결된 서버로 전송하는 단계를 포함하는 차량 검지 및 차량 번호 인식의 방법이 제공된다.

또 다른 일 측에 있어서, 하나 이상의 카메라들; 및 상기 하나 이상의 카메라들의 각각과 네트워크로 연결된 서버를 포함하고, 상기 하나 이상의 카메라들의 각 카메라는 영상을 촬영하고, 상기 촬영된 영상에 대한 상기 차량의 검지 및 상기 차량의 상기 차량 번호의 인식을 수행하고, 상기 차량의 검지의 결과 및 상기 차량 번호의 인식의 결과를 상기 네트워크를 통해 상기 서버로 전송하는 차량 검지 및 차량 번호 인식 시스템이 제공된다.

상기 서버는 상기 차량의 검지의 결과 및 상기 차량의 차량 번호의 인식을 결과를 사용하여 요구되는 처리를 수행할 수 있다.

상기 요구되는 처리는 요구되는 처리는 주차된 차량에 대한 과금의 처리, 주차장의 주차 상황에 대한 처리, 주차된 차량에 대한 추적의 처리 및 차량의 주차 상태에 대한 안내의 처리 중 적어도 하나를 포함할 수 있다.

카메라에 의해 차량의 검지 및 차량 번호의 인식이 이루어지는 시스템이 제공된다.

카메라에 의한 차량의 검지 및 차량 번호의 인식의 결과를 서버에게 제공하는 시스템이 제공된다.

도 1은 종래의 차량 검지 및 차량 번호 인식 시스템을 나타낸다.
도 2은 일 실시예에 따른 차량 검지 및 차량 번호 인식 시스템을 나타낸다.
도 3은 일 실시예에 따른 카메라의 구조도이다.
도 4는 일 실시예에 따른 차량의 검지 및 차량의 차량 번호의 인식의 방법의 흐름도이다.
도 5는 일 예에 따른 촬영된 영상들을 사용하는 차량의 검지를 나타낸다.
도 6은 일 예에 따른 빈 주차면의 영상 및 차량이 검지된 영상의 비교를 나타낸다.
도 7은 일 예에 따른 보정 전의 영상 및 보정 후의 영상의 비교를 나타낸다.
도 8은 일 예에 따른 보정 전의 영상 및 보정 후의 영상에서의 차량의 검지를 나타낸다.
도 9는 일 예에 따른 차량이 주차면에 진입할 경우에 촬영된 영상들을 도시한다.
도 10은 일 예에 따른 차량이 주차면에 진입할 경우에 SETIC 알고리즘의 분석의 결과를 도시한다.

후술하는 예시적 실시예들에 대한 상세한 설명은, 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 실시예를 실시할 수 있기에 충분하도록 상세히 설명된다. 다양한 실시예들은 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 실시예의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 예시적 실시예들의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다.

도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다. 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.

실시예에서 사용된 용어는 실시예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 실시예에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않으며, 추가적인 구성이 예시적 실시예들의 실시 또는 예시적 실시예들의 기술적 사상의 범위에 포함될 수 있음을 의미한다. 어떤 구성요소(component)가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기의 2개의 구성요소들이 서로 간에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있으나, 상기의 2개의 구성요소들의 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

제1 및 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기의 구성요소들은 상기의 용어들에 의해 한정되어서는 안 된다. 상기의 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하여 지칭하기 위해서 사용된다. 예를 들어, 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.

또한, 실시예들에 나타나는 구성요소들은 서로 다른 특징적인 기능들을 나타내기 위해 독립적으로 도시되는 것으로, 각 구성요소가 분리된 하드웨어나 하나의 소프트웨어 구성 단위로만 이루어짐을 의미하지 않는다. 즉, 각 구성요소는 설명의 편의상 각각의 구성요소로 나열된 것이다. 예를 들면, 구성요소들 중 적어도 두 개의 구성요소들이 하나의 구성요소로 합쳐질 수 있다. 또한, 하나의 구성요소가 복수의 구성요소들로 나뉠 수 있다. 이러한 각 구성요소의 통합된 실시예 및 분리된 실시예 또한 본질에서 벗어나지 않는 한 권리범위에 포함된다.

또한, 일부의 구성요소는 본질적인 기능을 수행하는 필수적인 구성요소는 아니고 단지 성능을 향상시키기 위한 선택적 구성요소일 수 있다. 실시예들은 실시예의 본질을 구현하는데 필수적인 구성부만을 포함하여 구현될 수 있고, 예를 들면, 단지 성능 향상을 위해 사용되는 구성요소와 같은, 선택적 구성요소가 제외된 구조 또한 권리 범위에 포함된다.

이하에서는, 기술분야에서 통상의 지식을 가진 자가 실시예들을 용이하게 실시할 수 있도록 하기 위하여, 첨부된 도면을 참조하여 실시예들을 상세히 설명하기로 한다. 실시예들을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 명세서의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

도 1은 종래의 차량 검지 및 차량 번호 인식 시스템을 나타낸다.

종래의 차량 검지 및 차량 번호 인식 시스템은 하나 이상의 카메라들의 그룹 및 서버를 포함할 수 있다.

또한, 하나 이상의 카메라들의 그룹은 복수일 수 있으며, 서버 또한 복수일 수 있다.

도 1에서는, 제1 그룹 및 제1 그룹에 대한 제1 서버가 도시되었고, 제2 그룹 및 제2 그룹에 대한 제2 서버가 도시되었다.

각 카메라는 카메라에 의해 촬영된 영상을 서버로 전송할 수 있다. 서버는 촬영된 영상에서 차량을 검지할 수 있고, 차량의 차량 번호를 인식할 수 있다.

말하자면, 종래의 차량 검지 및 차량 번호 인식 시스템에서 카메라는 영상의 촬영 및 촬영된 영상의 서버로의 전송 만을 수행할 수 있고, 서버는 하나 이상의 카메라들에서 촬영된 영상들에서 하나 이상의 차량들을 검지할 수 있고, 하나 이상의 차량들의 하나 이상의 차량 번호들을 인식할 수 있다.

촬영된 영상의 전송 및 저장을 위한 부하와, 차량의 검지 및 차량 번호의 인식을 위한 부하가 서버에 집중됨에 따라, 서버의 처리 능력에 따라 서버에 연결되는 하나 이상의 카메라들의 개수가 제한될 수 있다. 도 1에서는, 서버에 연결되는 하나 이상의 카메라들의 개수가 48 개로 제한되는 것으로 예시되었다.

연결되는 카메라들의 개수의 제한에 따라서, 전체의 차량들의 검지 및 차량 번호들의 인식을 위해 복수의 서버들이 요구될 수 있다. 도 1에서는, 2 개의 서버들이 2 개의 그룹들을 각각 관리하는 것으로 예시되었다.

도 2은 일 실시예에 따른 차량 검지 및 차량 번호 인식 시스템을 나타낸다.

차량 검지 및 차량 번호 인식 시스템(200)은 하나 이상의 카메라들(210-1 내지 210-n) 및 서버(220)를 포함할 수 있다.

하나 이상의 카메라들(210-1 내지 210-n)의 각 카메라는 차량을 검지하고 차량의 차량 번호를 인식할 수 있다.

하나 이상의 카메라들(210-1 내지 210-n)의 각각은 네트워크를 통해 서버로 연결될 수 있다.

각 카메라는 주차장의 주차 영역을 촬영할 수 있고, 주차 영역에 주차 또는 정차된 차량을 검지할 수 있고, 차량의 차량 번호를 인식할 수 있다. 각 카메라는 차량의 검지의 결과 및/또는 차량의 차량 번호의 인식의 결과를 서버(220)로 전송할 수 있다. 또한, 각 카메라는 촬영된 영상을 서버(220)로 전송할 수 있다.

예를 들면, 주차 영역은 주차장의 이동 통로 및 주차장의 주차면을 포함할 수 있다. 하나 이상의 카메라들(210-1 내지 210-n)에 의해 주차 영역들에 대한 촬영된 영상들이 실시간으로 분석될 수 있다.

서버(220)는 각 카메라로부터 전송된 차량의 검지의 결과 및/또는 차량의 차량 번호의 인식의 결과를 사용하여 요구되는 처리를 수행할 수 있다.

예를 들면, 요구되는 처리는 주차된 차량에 대한 과금의 처리, 주차장의 주차 상황에 대한 처리, 주차된 차량에 대한 추적의 처리 및 차량의 주차 상태에 대한 안내의 처리 중 적어도 하나를 포함할 수 있다.

서버(220)는 각 카메라로부터 전송된 촬영된 영상을 저장할 수 있다.

도 1을 참조하여 전술된 시스템과는 달리, 실시예의 차량 검지 및 차량 번호 인식 시스템(200)에서는, 카메라가 차량의 검지 및 차량 번호의 인식을 수행함에 따라, 서버(220)에서는 촬영된 영상에 대한 분석이 수행되지 않을 수 있다. 따라서, 서버(220)에 가해지는 부하가 도 1의 시스템에 비해 더 적을 수 있으며, 서버(220)에 연결되는 하나 이상의 카메라들(210-1 내지 210-n)의 개수는 도 1의 서버에 연결되는 하나 이상의 카메라들의 개수에 비해 더 클 수 있다. 예를 들면, 도 2에서는 서버(220)에 연결되는 하나 이상의 카메라들(210-1 내지 210-n)의 개수가 144 개로 제한되는 것으로 예시되었다.

또한, 실시예의 차량 검지 및 차량 번호 인식 시스템(200)의 서버(220)의 개수는 도 1의 시스템의 서버들의 개수보다 더 적을 수 있다. 따라서, 차량 검지 및 차량 번호 인식 시스템(200)의 구축 비용이 도 1의 시스템의 구축 비용에 비해 더 적을 수 있다. 또한, 구축 비용 외에도 차량 검지 및 차량 번호 인식 시스템(200)의 유지 비용이 도 1의 시스템의 유지 비용에 비해 더 적을 수 있다.

구축 비용 및 유지 비용의 절감을 통해 실시예의 차량 검지 및 차량 번호 인식 시스템(200)의 구축이 확대될 수 있고, 주차장을 이용하는 사용자가 보다 편리하게 차량 검지 및 차량 번호 인식 시스템(200)의 주차장을 이용할 수 있다.

또한, 실시예의 차량 검지 및 차량 번호 인식 시스템(200)에서는, 촬영된 영상에 대한 분석을 통한 차량의 검지 및 차량 번호의 인식이 카메라에서 이루어지고, 차량의 검지의 결과 및 차량 번호의 인식의 결과 등만이 서버(220)에 전송되기 때문에, 영상 분석을 위한 별도의 컴퓨터가 요구되지 않을 수 있다.

도 2에서 도시된 것과 같이, 하나 이상의 카메라들(210-1 내지 210-n)은 하나 이상의 그룹들로 분류될 수 있다.

하나 이상의 카메라들(210-1 내지 210-n)은 카메라가 설치된 위치, 영역 또는 층에 따라 하나 이상의 그룹들로 분류될 수 있다. 또는, 하나 이상의 카메라들(210-1 내지 210-n)은 카메라가 촬영하는 장소, 촬영하는 장소의 특징 또는 촬영하는 장소의 종류에 따라 하나 이상의 그룹들로 분류될 수 있다. 하나 이상의 카메라들(210-1 내지 210-n)은 카메라 및 서버(220) 간의 네트워크 등에 따라 하나 이상의 그룹들로 분류될 수 있다. 하나 이상의 카메라들(210-1 내지 210-n)은 카메라의 종류, 카메라의 하드웨어의 버전, 소프트웨어의 버전 또는 펌웨어의 버전 등에 따라 하나 이상의 그룹들로 분류될 수 있다.

도 3은 일 실시예에 따른 카메라의 구조도이다.

카메라(300)는 도 2를 참조하여 전술된 하나 이상의 카메라들(210-1 내지 210-n)의 각 카메라에 대응할 수 있다.

카메라(300)는 이미지 센서(310), 카메라 프로세서(320) 및 어플리케이션 프로세서(330)를 포함할 수 있다.

이미지 센서(310)는 고화질(High Definition; HD) 씨모스(Complementary Metal-Oxide-Semiconductor; CMOS) 이미지 센서일 수 있다.

이미지 센서(310)는 영상을 촬영할 수 있다. 이미지 센서(310)는 촬영된 영상을 카메라 프로세서(320)에게 제공할 수 있다.

이미지 센서(310)는 엠아이피아이(Mobile Industry Processor Interface; MIPI) 씨에스아이-2(Camera Serial Interface-2; CSI-2) 표준으로 영상을 촬영할 수 있다.

카메라 프로세서(320)는 아이피(Internet Protocol; IP) 카메라 시스템-온-칩(System-on-Chip; SoC)일 수 있다.

촬영된 영상은 로(Raw) 영상일 수 있다. 카메라 프로세서(320)는 촬영된 영상에 대한 이미지 프로세싱을 수행함으로써 튜닝된 영상을 생성할 수 있다.

카메라 프로세서(320)는 촬영된 영상을 어플리케이션 프로세서(330)로 전송할 수 있다. 어플리케이션 프로세서(330)가 사용하는 촬영된 영상은 튜닝된 영상일 수 있다.

카메라 프로세서(320)는 카메라 프로세서(320) 및 어플리케이션 프로세서(330) 간의 유에스비(Universal Serial Bus; USB) 인터페이스를 통해 촬영된 영상을 어플리케이션 프로세서(330)로 전송할 수 있다.

어플리케이션 프로세서(330)는 촬영된 영상에 대한 차량의 검지 및 차량의 차량 번호의 인식을 수행할 수 있다.

카메라(300)는 주차면을 주차면의 위에서 비스듬한 방향으로 향할 수 있다. 이러한 카메라(300)의 배치에 따라, 카메라(300)에서 바라본 주차면은 사다리꼴의 모양일 수 있다. 말하자면, 카메라(300) 또는 이미지 센서(310)에 의해 촬영된 영상 또는 카메라 프로세서(320)에 의해 생성된 튜닝된 영상에서, 주차면은 사다리꼴의 모양을 가질 수 있다.

영상 내에서, 사다리꼴의 모양의 주차면을 주차면의 위에서 바라보는 것처럼 보정하기 위해서, 어플리케이션 프로세서(330)는 사다리꼴 영상 켈리브레이션에 의한 크기 추정(Size Estimation by Trapezoid Image Calibration; SETIC) 알고리즘을 사용할 수 있다. SETIC 알고리즘에 의해 영상 내에서 사다리꼴의 모양의 주차면이 카메라(300)가 주차면의 위에서 바라보는 것처럼 직사각형의 모양으로 변환될 수 있다.

어플리케이션 프로세서(330)는 SETIC 알고리즘을 사용하여 차량의 검지 및 차량 번호의 인식을 수행할 수 있다. 어플리케이션 프로세서(330)는 촬영된 영상에 SETIC 알고리즘을 사용함으로써 보정된 영상을 생성할 수 있고, 보정된 영상에서 차량의 검지 및 차량 번호의 인식을 할 수 있다.

어플리케이션 프로세서(330)에는 리눅스 등의 운영 체제가 포팅될 수 있다.

운영 체제는 SETIC 알고리즘을 사용하는 차량의 검지 및 차량 번호의 인식을 위해 사용될 수 있다. 상기의 운영 체제는 카메라(300)의 내부에서 차량의 검지 및 차량 번호의 인식의 작업을 처리할 수 있게 하고, 따라서, 차량의 검지의 결과 및 차량 번호의 인식의 결과 만을 전송하는 구현을 가능하게 할 수 있다.

어플리케이션 프로세서(330)는 차량의 검지의 결과 및/또는 차량 번호의 인식의 결과를 카메라 프로세서(320)로 전송할 수 있다. 어플리케이션 프로세서(330)는 USB 인터페이스를 통해 차량의 검지의 결과 및/또는 차량 번호의 인식의 결과를 카메라 프로세서(320)로 전송할 수 있다.

차량의 검지의 결과는 카메라(300)의 식별자를 포함할 수 있다. 차량의 검지의 결과는 카메라(300)가 촬영하는 위치, 장소 또는 주차면에 대한 정보를 포함할 수 있다. 예를 들면, 카메라(300)는 회전 및 이동 등을 통해 복수의 위치들을 촬영할 수 있으며, 차량의 검지의 결과는 복수의 위치들 중 어느 위치에 대한 검지의 결과인가를 나타내는 정보를 포함할 수 있다. 또한, 차량의 검지의 결과는 카메라(300)가 촬영하는 위치, 장소 또는 주차면에 차량이 존재하는지 여부를 나타내는 정보를 포함할 수 있다.

예를 들면, 차량의 검지는 주차면에 차량이 주차하고 있는지 여부를 판단하는 것을 포함할 수 있다. 또는, 차량의 검지는 주차면이 차량에 의해 점유된 상태인지 여부를 나타내는 것을 포함할 수 있다.

차량 번호의 인식의 결과는 인식된 차량 번호를 포함할 수 있다. 어플리케이션 프로세서(330)는 영상 인식 알고리즘 등을 통해 촬영된 영상에서 차량 번호판 내의 차량 번호를 식별할 수 있다.

이동하는 차량에 대해서, 어플리케이션 프로세서(330)는 촬영된 영상에 대한 모션 벡터(motion vector) 영상 분석을 통해 이동하는 차량을 검지할 수 있다.

정지한 차량에 대해서, 어플리케이션 프로세서(330)는 촬영된 영상에 대한 오브젝트(object) 영상 분석을 통해 정지한 차량을 검지할 수 있다. 또한, 어플리케이션 프로세서(330)는 SETIC 알고리즘을 사용하여 차량을 검지할 수 있다.

불필요한 리소스(resource)의 사용을 제거하기 위해, 어플리케이션 프로세서(330)는 특정된 조건이 충족된 경우에만 차량 번호의 인식을 진행할 수도 있다. 예를 들면, 어플리케이션 프로세서(330)는 차량이 검지된 경우에만 차량 번호의 인식을 진행할 수 있다. 또는, 어플리케이션 프로세서(330)는 차량의 움직임이 검지된 경우에만 차량 번호의 인식을 진행할 수 있다.

어플리케이션 프로세서(330)는 촬영된 영상의 배경에 대한 분석을 수행할 수 있고, 분석의 결과를 생성할 수 있다.

어플리케이션 프로세서(330)는 촬영된 영상의 배경에 대한 분석의 결과를 카메라 프로세서(320)로 전송할 수 있다.

카메라 프로세서(320)는 촬영된 영상에 대한 인코딩을 수행할 수 있다. 예를 들면, 카메라 프로세서(320)는 에이치(H).264 또는 H.264 등의 인코딩 방식을 사용하여 촬영된 영상에 대한 인코딩을 수행함으로써 인코딩된 영상을 생성할 수 있다.

카메라 프로세서(320)는 차량의 검지의 결과, 차량 번호의 인식의 결과, 촬영된 영상의 배경에 대한 분석의 결과 및 촬영된 영상을 서버(220)로 전송할 수 있다. 서버(220)로 전송되는 촬영된 영상은 인코딩된 영상일 수 있다.

말하자면, 카메라 프로세서(320)에 의해 카메라(300)에 의한 촬영된 영상에 대한 처리의 결과가 일괄적으로 서버(220)로 전송될 수 있다. 여기에서, 촬영된 영상에 대한 처리의 결과는, 차량의 검지의 결과, 검지된 차량의 영상, 검지된 차량에 대한 정보, 차량 번호의 인식의 결과 및 영상의 배경에 대한 분석의 결과 등을 포함할 수 있다.

카메라 프로세서(320)는 티씨피(Transmission Control Protocol; TCP)/아이피(Internet Protocol; IP)의 스트리밍을 제공할 수 있고, 스트리밍을 통해 촬영된 영상을 서버(220)로 전송할 수 있다. 촬영된 영상은 카메라 프로세서(320)의 이더넷 물리 계층(Ethernet PHY)(340) 및 이더넷 물리 계층(340)에 접속된 알제이45(Registered jack 45; RJ45)(350)를 통해 서버(220)로 전송될 수 있다.

카메라 프로세서(320)는 알티피(Real-time Transport Protocol; RTP) 및/또는 알티에스피(Real Time Streaming Protocol; RTSP)를 이용하는 실시간 스트리밍을 제공할 수 있고, 실시간 스트리밍을 통해 촬영된 영상을 서버(220)로 전송할 수 있다.

카메라 프로세서(320)에는 리눅스 등의 운영 체제가 포팅될 수 있고, 운영 체제는 스트리밍 또는 실시간 스트리밍을 위해 사용될 수 있다.

전술된 것과 같이, 카메라(300)에 의해 차량의 검지 및 차량의 움직임의 검지 등이 수행될 수 있다.

촬영된 영상을 서버(220)로 전송함에 있어서, 카메라 프로세서는 특정된 조건이 충족될 경우에만 촬영된 영상을 서버(220)로 전송할 수도 있다. 예를 들면, 카메라 프로세서(320)는 촬영된 영상에서 차량이 검지된 경우에만 촬영된 영상을 서버(220)로 전송할 수 있다. 또는, 카메라 프로세서(320)는 촬영된 영상에서 차량의 움직임이 검지된 경우에만 촬영된 영상을 서버(220)로 전송할 수 있다.

따라서, 카메라가 항상 촬영된 영상을 서버에게 전송하고, 서버가 촬영된 영상에서 차량을 검지하는 종래의 기술에 비해, 시스템의 구성이 단순하게 될 수 있고, 데이터 전송의 부하가 감소할 수 있고, 네트워크의 구축 비용이 절감될 수 있다. 또한, 시스템의 유지 보수가 더 편리해질 수 있다.

차량의 검지 및 차량 번호의 인식이, 상기의 검지 및 인식을 위한 모듈이 하드웨어 적으로 추가된 어플리케이션 프로세서(330)에서 수행됨에 따라, 카메라(300)에 의해 수행되는 작업의 결과가 하나의 독립된 컴퓨터에서의 처리의 결과에 상응할 수 있다.

카메라(300)는 응용하는 방식에 따라 다양한 제품으로서 개발될 수 있다. 예를 들면, 카메라(300)는 주차장의 입출구에 설치된 주차 관제용 차량 번호 인식기, 노상 주차장의 노상 주차 차량 번호 인식기 및 차량 유도 시스템의 차량 유도 카메라 등일 수 있다. 예를 들면, 카메라(300)는 주차장의 이동 통로의 교차점에 설치되어 이동하는 차량의 차량 번호를 인식하거나, 차량의 내부의 네비게이션에 탑재되어 주행하는 다른 차량의 차량 번호를 인식하거나, 횡단 보도에 대기 중인 사람의 유무를 판단하는 등의 용도 또는 기술에 적용될 수 있다.

도 4는 일 실시예에 따른 차량의 검지 및 차량의 차량 번호의 인식의 방법의 흐름도이다.

단계(410)에서, 카메라(300)의 이미지 센서(310)는 영상을 촬영하여, 촬영된 영상을 생성할 수 있다.

단계(420)에서, 카메라(300)의 카메라 프로세서(320)는 촬영된 영상에 대한 이미지 프로세싱을 수행함으로써 튜닝된 영상을 생성할 수 있다.

단계(430)에서, 카메라(300)의 카메라 프로세서(320)는 촬영된 영상에 대한 인코딩을 수행함으로써 인코딩된 영상을 생성할 수 있다.

단계(440)에서, 카메라(300)의 어플리케이션 프로세서(330)는 촬영된 영상에 대한 차량의 검지 및 차량의 차량 번호의 인식을 수행할 수 있다.

여기에서, 어플리케이션 프로세서(330)가 차량의 검지 및 차량의 차량 번호의 인식을 위해 사용하는 촬영된 영상은 단계(420)의 튜닝된 영상일 수 있다.

단계(450)에서, 카메라(300)의 카메라 프로세서(320)는 차량의 검지의 결과, 차량 번호의 인식의 결과, 촬영된 영상의 배경에 대한 분석의 결과 및 촬영된 영상을 서버(220)로 전송할 수 있다.

여기에서, 어플리케이션 프로세서(330)가 서버(220)로 전송하는 촬영된 영상은 단계(430)의 인코딩된 영상일 수 있다. 인코딩된 영상을 전송함에 따라 네트워크의 부하가 감소될 수 있고, 부하가 네트워크 또는 서버(220)로부터 카메라(300)로 이전하는 효과가 발생할 수 있다.

단계(460)에서, 서버(220)는 차량의 검지의 결과, 차량 번호의 인식의 결과 및 촬영된 영상의 배경에 대한 분석의 결과를 사용하는 처리를 수행할 수 있다.

단계(470)에서, 서버(220)는 촬영된 영상을 저장할 수 있다. 또한, 서버(220)는 차량의 검지의 결과, 차량 번호의 인식의 결과, 촬영된 영상의 배경에 대한 분석의 결과를 저장할 수 있다.

전술된 단계들(410 내지 470)에서의 카메라(300) 및 서버(220)의 동작 및 기능은 도 3을 참조하여 전술된 설명에 대응할 수 있다. 중복되는 설명은 생략한다.

도 5는 일 예에 따른 촬영된 영상들을 사용하는 차량의 검지를 나타낸다.

도 5의 예에서의 동작은 도 4를 참조하여 전술된 단계(440)의 차량의 검지를 위해 수행될 수 있다.

제1 영상(510)에서 도시된 것과 같이, 어플리케이션 프로세서(330)는 촬영된 영상에서 영상의 일부를 잘라낼 수 있다.

어플리케이션 프로세서(330)는 촬영된 영상에서 기정의된 영역을 잘라낼 수 있고, 잘려진 기정의된 영역에 대하여 차량의 검지 및 차량 번호의 인식을 수행할 수 있다.

기정의된 영역은 촬영된 영상 중 차량이 주차하는 주차면 또는 차량이 주차하는 주차면의 지정된 영역에 대응하는 영역일 수 있다. 말하자면, 촬영된 영상 중 실제로 차량이 주차하는 영역에 대해 처리를 집중하기 위해, 촬영된 영상에서 기정의된 영역이 선택될 수 있다.

하나의 카메라(300)는 복수의 주차면에 주차 또는 정차된 복수의 차량들을 검지할 수 있고, 복수의 차량들의 차량 번호들을 인식할 수 있다.

기정의된 영역은 복수일 수 있다. 제1 영상(510)에서, 복수의 기정의된 영역들로서, "spot00", "spot01" 및 "spot02"가 도시되었다. 어플리케이션 프로세서(330)는 복수의 기정의된 영역들의 각각에 대해 차량의 검지 및 차량 번호의 인식을 수행할 수 있다.

제2 영상(520) 및 제3 영상(530)에서 도시된 것과 같이, 어플리케이션 프로세서(330)는 촬영된 영상 중 주차면의 지정된 영역에 대한 값을 사용하여 차량을 검지할 수 있다. 여기서, 값은 픽셀 값일 수 있고, 제2 영상(520)에서 도시된 것과 같이 칼라의 값이거나, 제3 영상(530)에서 도시된 것과 같이 흑백의 값일 수 있다.

어플리케이션 프로세서(330)는 차량의 검지 및 차량 번호의 인식을 위해 영상의 픽셀의 칼라의 값을 흑백의 값으로 변환할 수 있고, 변환에 의해 생성된 흑백의 값을 차량의 검지 및 차량 번호의 인식을 위해 사용할 수 있다.

제4 영상(540) 내의 숫자들은 차량 검지 결과 값들일 수 있다. 제4 영상(540)에서 도시된 것과 같이, 잘려진 기정의된 영역에 대해, 차량 검지 결과 값들이 도출될 수 있다. 어플리케이션 프로세서(330)는 촬영된 영상을 사용하여 차량 검지 결과 값들을 생성할 수 있다. 어플리케이션 프로세서(330)는 촬영된 영상의 잘려진 기정의된 영역을 사용하여 잘려진 기정의된 영역에 대한 차량 검지 결과 값들을 생성할 수 있다.

차량 검지 결과 값들은 촬영된 영상에 대응하는 주차면 또는 잘려진 기정의된 영역에 대응하는 주차면의 지정된 영역에 차량이 주차하였는지 여부를 나타내는 값들일 수 있다.

차량 검지 결과 값들은 배경 영역 값 변화의 값, 주차면 영역 분석의 값 및 주차 유무 판단의 값을 포함할 수 있다.

배경 영역 값 변화의 값은 픽셀들의 값들이 변한 정도를 나타낼 수 있다. 여기에서, 픽셀들은 촬영된 영상 내의 픽셀들 또는 잘려진 기정의된 영역의 픽셀들일 수 있다. 예를 들면, 배경 영역 값 변화의 값이 임계 값(예를 들면, 0.1)의 이상이면, 어플리케이션 프로세서(330)는 차량이 주차한 것으로 판단할 수 있다.

어플리케이션 프로세서(330)는 주차면에 차량이 주차하지 않은 경우의 기정의된 영역의 픽셀들의 픽셀 값들을 저장할 수 있고, 저장된 픽셀 값들을 촬영된 영상의 기정의된 영역의 픽셀 값들과 비교할 수 있다.

예를 들면, 어플리케이션 프로세서(330)는 주차면에 차량이 주차하지 않은 경우의 기정의된 영역의 픽셀들의 픽셀 값들 및 촬영된 영상의 기정의된 영역의 픽셀 값들 간의 비교를 통해 배경 영역 값 변화의 값을 생성할 수 있다.

예를 들면, 어플리케이션 프로세서(330)는 주차면에 차량이 주차하지 않은 경우의 기정의된 영역의 픽셀들의 픽셀 값들 및 촬영된 영상의 기정의된 영역의 픽셀 값들 간의 차이들을 사용하여 배경 영역 값 변화의 값을 생성할 수 있다. 말하자면, 배경 영역 값 변화의 값은 주차면에 차량이 주차하지 않은 경우의 기정의된 영역의 픽셀들의 픽셀 값들 및 촬영된 영상의 기정의된 영역의 픽셀 값들 간의 차이를 나타낼 수 있다.

주차면 영역 분석의 값은 촬영된 영상 또는 촬영된 영상의 잘려진 기정의된 영역이 나타내는 주차면의 영역에 대한 분석의 결과를 나타낼 수 있다. 예를 들면, 주차면 영역 분석의 값이 임계 값(예를 들면, 0.1)의 이상이면, 어플리케이션 프로세서(330)는 차량이 주차한 것으로 판단할 수 있다.

주차 유무 판단의 값은 차량의 주차하였는지 여부를 나타내는 값일 수 있다. 예를 들면, 주차 유무 판단의 값이 1에 가까울수록 차량이 주차해 있을 가능성이 더 높을 수 있다. 예를 들면, 주차 유무 판단의 값이 임계 값(예를 들면, 0.9)의 이상이면, 어플리케이션 프로세서(330)는 차량이 주차한 것으로 판단할 수 있다.

주차 유무 판단의 값은 배경 영역 값 변화의 값 및 주차면 영역 분석의 값에 기반하여 계산될 수 있다. 예를 들면, 주차 유무 판단의 값은 배경 영역 값 변화의 값 및 주차면 영역 분석의 값을 입력 값들로 사용하는 함수의 결과 값일 수 있다.

제4 영상(540)에서는, 3 개의 기정의된 영역들 "spot00", "spot01" 및 "spot02"에 대해, 주차 유무 판단의 값, 주차면 영역 분석의 값 및 배경 영역 값 변화의 값이 위에서 아래의 순서로 도시되었다.

예를 들면, 차량이 주차된 "spot00"에서, 주차 유무 판단의 값은 "0.9809"이고, 주차면 영역 분석의 값은 "3.7396"이고, 배경 영역 값 변화의 값은 "0.2197"인 것으로 도시되었다.

도 6은 일 예에 따른 빈 주차면의 영상 및 차량이 검지된 영상의 비교를 나타낸다.

도 6의 좌측 상단 영상(610)은 빈 주차면의 영상일 수 있다.

도 6의 좌측 하단 영상(620)은 빈 주차면의 영상에 대한 분석의 결과를 나타낼 수 있다.

차량이 주차되지 않은 좌측 하단 영상(620)의 제1 기정의된 영역 "spot00"에서, 주차 유무 판단의 값은 "0.0000"이고, 주차면 영역 분석의 값은 "0.0330"이고, 배경 영역 값 변화의 값은 "0.0328"일 수 있다. 따라서, 어플리케이션 프로세서(330)는 제1 기정의된 영역에 대해 차량이 검출되지 않은 것으로 판단할 수 있고, 차량이 주차하지 않은 것으로 판단할 수 있다. 유사하게, 어플리케이션 프로세서(330)는 제2 기정의된 영역 "spot02" 및 제3 기정의된 영역 "spot03"에 대해서도 차량이 검출되지 않은 것으로 판단할 수 있고, 차량이 주차하지 않은 것으로 판단할 수 있다.

도 6의 우측 상단 영상(630)은 차량이 주차된 주차면의 영상일 수 있다.

도 6의 우측 하단 영상(640)은 차량이 주차된 주차면의 영상에 대한 분석의 결과를 나타낼 수 있다.

차량이 주차된 않은 좌측 하단 영상(620)의 제1 기정의된 영역 "spot00"에서, 주차 유무 판단의 값은 "0.9809"이고, 주차면 영역 분석의 값은 "3.7396"이고, 배경 영역 값 변화의 값은 "0.2197"일 수 있다. 따라서, 어플리케이션 프로세서(330)는 제1 기정의된 영역에 대해 차량이 검출된 것으로 판단할 수 있고, 차량이 주차한 것으로 판단할 수 있다. 유사하게, 어플리케이션 프로세서(330)는 제2 기정의된 영역 "spot02" 및 제3 기정의된 영역 "spot03"에 대해서도 차량이 검출된 것으로 판단할 수 있고, 차량이 주차한 것으로 판단할 수 있다.

도 7은 일 예에 따른 보정 전의 영상 및 보정 후의 영상의 비교를 나타낸다.

도 7에서는 SETIC 알고리즘에 의한 보정 전의 영상(710) 및 SETIC 알고리즘에 의한 보정 후의 영상(720)이 도시되었다.

전술된 것과 같이, 카메라 프로세서(320)는 촬영된 영상에 대한 이미지 프로세싱을 수행함으로써 튜닝된 영상을 생성할 수 있고, 어플리케이션 프로세서(330)는 촬영된 영상에 대한 차량의 검지 및 차량의 차량 번호의 인식을 수행할 수 있다. 어플리케이션 프로세서(330)는 차량의 검지 및 차량의 차량 번호의 인식을 위해 SETIC 알고리즘을 사용할 수 있다. SETIC 알고리즘을 사용하기 전에, 카메라 프로세서(320) 또는 어플리케이션 프로세서(330)는 노이즈를 감소시키기 위해 촬영된 영상의 화면 선명도를 감소시킬 수 있다. 또는, 어플리케이션 프로세서(330)는 노이즈를 감소시키기 위해 촬영된 영상의 잘려진 기정의된 영역의 화면 선명도를 감소시킬 수 있다.

어플리케이션 프로세서(330)는 SETIC 알고리즘을 사용하여 촬영된 영상 내의 사다리꼴 모양의 주차면을 직사각형의 모양으로 보정할 수 있다.

도 7에서는, 보정 전의 영상(710)에서의 주차면의 하단 지점 A, 좌측 지점 B, 상단 지점 C, 우측 지점 D, 가로 길이 x 및 세로 길이 y가 도시되었다. 또한, 도 7에서는, 보정 후의 영상(720)에서의 주차면의 하단 지점 A, 좌측 지점 B, 상단 지점 C, 우측 지점 D, 가로 길이 x 및 세로 길이 y가 도시되었다. 어플리케이션 프로세서(330)는 SETIC 알고리즘의 보정을 통해 촬영된 영상 내의 주차면의 가로 길이 및 세로 길이를 실제의 크기로 변환할 수 있다. 여기서, 가로 길이 및 세로 길이의 실제의 크기는 보정 우측 영상(720)의 가로 길이 x 및 세로 길이 y일 수 있다.

도 8은 일 예에 따른 보정 전의 영상 및 보정 후의 영상에서의 차량의 검지를 나타낸다.

SET 알고리즘은 주차면의 영역에의 변화를 사용하여 차량을 검출할 수 있다. 여기에서, 변화는 영역 내의 픽셀들의 픽셀 값들의 변화를 의미할 수 있다.

말하자면, SETIC 알고리즘은 차량이 주차면에 입차할 때의 촬영된 이미지의 변화를 통해 차량을 검출할 수 있다.

SETIC 알고리즘은 촬영된 이미지에서 검출된 오브젝트의 폭 및 오브젝트 및 주차면의 라인 간의 길이에 기반하여 차량을 검출할 수 있다.

오브젝트의 폭은 오브젝트의 가로 길이일 수 있다. 도 8의 좌측 영상(810)에서는, 자동차 오브젝트의 폭 x 및 보행자 오브젝트의 폭 x'가 도시되었다.

SETIC 알고리즘은 오브젝트의 폭을 사용하여 오브젝트가 차량인지 여부를 판단할 수 있다. SETIC 알고리즘은 오브젝트의 폭이 기정의된 임계 값의 이상이면 오브젝트가 차량인 것으로 판단할 수 있다. 예를 들면, 도 8의 좌측 영상(810)에서, x'는 기정의된 임계 값보다 더 작기 때문에, SETIC 알고리즘은 보행자의 오브젝트가 차량이 아닌 것으로 판단할 수 있다.

SETIC 알고리즘은 오브젝트 및 주차면의 라인 간의 길이에 대한 측정을 통해 오브젝트의 위치 및 오브젝트의 이동 방향을 판별할 수 있다.

도 8의 우측 영상(820)에서는, 보정된 영상에서의 오브젝트의 폭, 오브젝트 및 주차면의 라인 간의 길이 및 오브젝트의 진입 방향(즉, 이동 방향)이 도시되었다.

도 9는 일 예에 따른 차량이 주차면에 진입할 경우에 촬영된 영상들을 도시한다.

도 9에서는 차량이 주차면에 진입할 경우에 촬영된 영상들이 연속적으로 도시되었다.

도 10은 일 예에 따른 차량이 주차면에 진입할 경우에 SETIC 알고리즘의 분석의 결과를 도시한다.

도 10에서는 차량이 주차면에 진입할 경우에 촬영된 영상들이 SETIC 알고리즘에 의해 분석된 결과가 도시되었다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

200: 차량 검지 및 차량 번호 인식 시스템(
210-1 내지 210-n: 하나 이상의 카메라들
220: 서버
300: 카메라
310: 이미지 센서
320: 카메라 프로세서
330: 어플리케이션 프로세서

Claims (20)

1. 삭제
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 삭제
10. 삭제
11. 삭제
12. 삭제
13. 삭제
14. 삭제
15. 차량의 차량 번호를 인식하는 카메라에 있어서,
    영상을 촬영하는 이미지 센서;
    상기 촬영된 영상에 대한 상기 차량의 검지 및 상기 차량의 상기 차량 번호의 인식을 수행하는 어플리케이션 프로세서; 및
    상기 차량의 검지의 결과 및 상기 차량 번호의 인식의 결과를 네트워크를 통해 상기 카메라와 연결된 서버로 전송하는 카메라 프로세서
    를 포함하고,
    상기 어플리케이션 프로세서는 상기 촬영된 영상의 배경에 대한 분석을 수행하고, 상기 분석의 결과를 생성하고,
    상기 어플리케이션 프로세서는 촬영된 영상에 대한 차량 검지 결과 값들을 생성하고,
    상기 차량 검지 결과 값들은 촬영된 영상에 대응하는 주차면 또는 잘려진 기정의된 영역에 대응하는 주차면의 지정된 영역에 상기 차량이 주차하였는지 여부를 나타내는 값들이고,
    상기 차량 검지 결과 값들은 배경 영역 값 변화의 값, 주차면 영역 분석의 값 및 주차 유무 판단의 값 중 적어도 하나를 포함하고,
    상기 배경 영역 변화의 값은 상기 촬영된 영상 내의 픽셀들의 값들이 변한 정도를 나타내고, 상기 어플리케이션 프로세서는 상기 배경 영역 값 변화의 값이 임계 값 이상이면 상기 차량이 주차한 것으로 판단하고,
    상기 주차면 영역 분석의 값은 상기 촬영된 영상이 나타내는 주차면의 영역에 대한 분석의 결과를 나타내고, 상기 어플리케이션 프로세서는 상기 주차면 영역 분석의 값이 임계 값 이상이면 상기 차량이 주차한 것으로 판단하고,
    상기 주차 유무 판단의 값은 상기 차량이 주차하였는지 여부를 나타내는 값이고, 상기 어플리케이션 프로세서는 상기 주차 유무 판단의 값이 임계 값의 이상이면 상기 차량이 주차한 것으로 판단되고,
    상기 주차 유무 판단의 값은 상기 배경 영역 값 변화의 값 및 상기 주차면 영역 분석의 값에 기반하여 계산되는 카메라.
16. 삭제
17. 삭제
18. 삭제
19. 삭제
20. 삭제

Images