KR101939350B1 - 무임 승차 감지 방법 및 장치 - Google Patents

무임 승차 감지 방법 및 장치 Download PDF

Info

Publication number
KR101939350B1
KR101939350B1 KR1020180084864A KR20180084864A KR101939350B1 KR 101939350 B1 KR101939350 B1 KR 101939350B1 KR 1020180084864 A KR1020180084864 A KR 1020180084864A KR 20180084864 A KR20180084864 A KR 20180084864A KR 101939350 B1 KR101939350 B1 KR 101939350B1
Authority
KR
South Korea
Prior art keywords
passenger
card
free
passengers
image information
Prior art date
Application number
KR1020180084864A
Other languages
English (en)
Inventor
김동기
박종화
Original Assignee
주식회사 핀텔
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 주식회사 핀텔 filed Critical 주식회사 핀텔
Application granted granted Critical
Publication of KR101939350B1 publication Critical patent/KR101939350B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06K9/00342—
    • G06K2017/0045—

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

무임 승차 감지 방법 및 장치가 개시된다. 무임 승차 감지 방법은 무임 승차 감지 장치가 승객의 제1 영상 정보를 수신하는 단계, 무임 승차 감지 장치가 학습 결과를 기반으로 제1 영상 정보를 분류하여 승객을 식별하는 단계, 무임 승차 감지 장치가 식별된 승객에 대한 정보를 기반으로 승객의 승차 또는 하차 여부를 결정하는 단계와 무임 승차 감지 장치가 승객의 제2 영상 정보를 기반으로 승객의 카드 체크 여부를 판단하는 단계를 포함할 수 있다.

Description

무임 승차 감지 방법 및 장치{Method and apparatus for detecting free riding}
본 발명은 객체 탐지 방법에 관한 것으로서, 보다 상세하게는 무임 승차 감지 방법 및 장치에 관한 것이다.
최근 국회에서는 지방자치단체가 수행하고 있는 지하철이나 경전철 무임승차제도를 정부 부조금 지급 대상에 포함되도록 하는‘보조금 관리에 관한 법률 일부 개정안’을 발의하였다. 현행법에서는 서울 등 도시철도 무임수송 손실비용은 국고지원 대상에서 빠져있어 손실액 전부를 지자체가 떠안고 있다. 2014년도 기준 서울도시 철도의 국가 복지정책으로 인한 지하철 무임 수송 인원은 2억 4,900만 명으로 전체 이용인원의 13.7%에 이르며, 무임 손실액은 2,880억 원으로 당기 순손실 4,245억원의 67.8%를 차지하여 재정악화의 주요 원인으로 지적되고 있다. 서울의 한 도시철도 운영 기관에서는 2013년까지 5년 사이에 부채가 23% 증가하여 총 3조 3,300 억 원에 이르고 있으며, 이러한 영업 적자는 차량, 시설 등 승객의 안전 수송을 위한 투자활동에 까지 영향을 준다고 보고하고 있다. 이는 재정이 부실할 경우 자칫 지하철 안전 문제를 소홀히 하여 시설 노후화에 적절히 대응할 수 없기 때문이다. 실제 2014년 5월 발생한 지하철 2호선 상왕십리역 전동차 추돌 사고의 원인이 안전점검 소홀 외에도 복잡한 신호 체계와 함께 20년 이상 된 낡은 차량과 시설 노후화 등이 주요 요인으로 꼽히고 있다. 이러한 재정 악화의 원인이 경로 우대와 무임 승차에 따른 운임 수입 감면이 가장 큰 원인으로 지적 받고 있다.
이러한 문제는 서울뿐만 아니라 전국의 도시철도 운영 기관 모두에 해당되는 사항으로 그 사안이 더 심각하게 받아들일 필요가 있다.
KR 10-2014-0114572
본 발명의 일 측면은 무임 승차 감지 방법을 제공한다.
본 발명의 다른 측면은 무임 승차 감지 방법을 수행하는 장치를 제공한다.
본 발명의 일 측면에 따른 무임 승차 감지 방법은 무임 승차 감지 장치가 승객의 제1 영상 정보를 수신하는 단계, 상기 무임 승차 감지 장치가 학습 결과를 기반으로 상기 제1 영상 정보를 분류하여 상기 승객을 식별하는 단계, 상기 무임 승차 감지 장치가 식별된 승객에 대한 정보를 기반으로 상기 승객의 승차 또는 하차 여부를 결정하는 단계와 상기 무임 승차 감지 장치가 상기 승객의 제2 영상 정보를 기반으로 상기 승객의 카드 체크 여부를 판단하는 단계를 포함할 수 있다.
한편, 상기 학습 결과는 승객들의 머리와 어깨에 대한 학습을 기반으로 생성되고, 상기 승객에 대한 식별은 상기 승객의 머리와 어깨에 대한 이미지를 기반으로 수행될 수 있다.
또한, 상기 카드 체크 여부는 상기 승객의 이동 궤적과 상기 승객의 손에 위치한 카드의 이동 궤적을 기반으로 판단되되, 상기 승객의 이동 궤적은 상기 승객의 특징점을 기반으로 결정되고, 상기 카드의 이동 궤적은 상기 카드의 특징점을 기반으로 결정될 수 있다.
또한, 상기 승객의 이동 궤적을 기반으로 상기 승객의 특징점이 출입구 쪽으로 이동하는 경우, 상기 승객을 하차 승객으로 결정하고, 상기 승객의 특징점이 출입구 안 쪽으로 이동하는 경우, 상기 승객을 승차 승객으로 결정할 수 있다.
본 발명의 일 측면에 따른 무임 승차 감지를 수행하는 무임 승차 감지 장치는 프로세서를 포함하고, 상기 프로세서는 승객의 제1 영상 정보를 수신하고, 학습 결과를 기반으로 상기 제1 영상 정보를 분류하여 상기 승객을 식별하고, 식별된 승객에 대한 정보를 기반으로 상기 승객의 승차 또는 하차 여부를 결정하고, 상기 승객의 제2 영상 정보를 기반으로 상기 승객의 카드 체크 여부를 판단하도록 구현될 수 있다.
한편, 상기 학습 결과는 승객들의 머리와 어깨에 대한 학습을 기반으로 생성되고, 상기 승객에 대한 식별은 상기 승객의 머리와 어깨에 대한 이미지를 기반으로 수행될 수 있다.
또한, 상기 카드 체크 여부는 상기 승객의 이동 궤적과 상기 승객의 손에 위치한 카드의 이동 궤적을 기반으로 판단되되, 상기 승객의 이동 궤적은 상기 승객의 특징점을 기반으로 결정되고, 상기 카드의 이동 궤적은 상기 카드의 특징점을 기반으로 결정될 수 있다.
또한, 상기 승객의 이동 궤적을 기반으로 상기 승객의 특징점이 출입구 쪽으로 이동하는 경우, 상기 승객을 하차 승객으로 결정하고, 상기 승객의 특징점이 출입구 안 쪽으로 이동하는 경우, 상기 승객을 승차 승객으로 결정할 수 있다.
본 발명의 실시예에 따른 무임 승차 감지 방법 및 장치는 하나의 카메라로 궤적을 분석하여 승객 계수와 카드 체킹 여부를 동시에 판단할 수 있다. 따라서, 보다 정확하게 무임 승차 여부를 판별할 수 있다.
도 1은 본 발명의 실시예에 따른 승객 탐지 방법을 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 학습 데이터를 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 승객 계수 방법을 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 승차 또는 하차에 대한 궤적 분석을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 카드 체킹 방법을 나타낸 개념도이다.
도 6은 본 발명의 실시예에 따른 시간에 따른 카드 체킹 궤적을 나타낸 개념도이다.
도 7은 본 발명의 실시예에 따른 무임 승차 감지 장치를 나타낸 개념도이다.
도 8은 본 발명의 실시예에 따른 객체 판단 방법을 나타낸 개념도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조 부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
본 발명의 실시예에 따른 무임 승차 감지 방법 및 장치는 하나의 카메라로 승객 계수와 카드 체킹 여부를 동시에 판단하여 무임 승차 여부를 확인할 수 있다. 또한, 본 발명의 실시예에 따른 무임 승차 감지 방법에서는 승객의 행동 궤적 분석을 통하여 카드 체킹 여부를 판단할 수 있다.
도 1은 본 발명의 실시예에 따른 승객 탐지 방법을 나타낸 개념도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 무임 승차 감지 방법에서는 영상 분석 기술 기반의 운송 수단(버스 또는 트램)에서 입구 또는 출구 상단에 어안 렌즈 카메라를 설치하고, 승객의 승차 또는 하차시 딥 러닝(deep learning) 방법을 이용하여 승객의 헤드와 숄더를 인식하여 승객을 검지하고 승객의 승차 또는 하차시 카드 리더기 주변의 움직임 궤적을 분석하여 승객의 승차 또는 하차시 카드 체킹 여부를 탐색할 수 있다.
승객에 대한 검지를 위해서는 딥 러닝(deep learning) 학습 방식 중 CNN(Convolutional neural network) 방식을 이용하여 승객을 탐지할 수 있다. 학습 데이터는 머리 색깔별, 머리카락을 종류(펌), 모자, 의상에 따라 다양한 머리 형태로서 이러한 학습 데이터를 기반으로 한 학습이 진행될 수 있다.
도 2는 본 발명의 실시예에 따른 학습 데이터를 나타낸 개념도이다.
도 2에서는 CNN 방식의 딥러닝을 위한 학습 데이터가 개시된다.
도 2를 참조하면, CNN 방식의 딥러닝을 위한 승객들의 다양한 머리 및 어깨에 대한 이미지가 개시된다.
전술한 바와 같이 학습 데이터는 머리 색깔별, 머리스타일 종류(예를 들어, 펌), 모자, 의상에 따라 다양하개 분류되고 학습될 수 있다.
도 3은 본 발명의 실시예에 따른 승객 계수 방법을 나타낸 개념도이다.
도 3을 참조하면, 하차를 수행함에 있어서 사용자의 이동 궤적이 개시되고, 객체 검지에 사용되는 딥 러닝(deep learning)을 기반으로 승객의 머리가 검지되고 객체의 이동 방향을 분석하여 승차 또는 하차를 구별하여 승객이 계수될 수 있다. 승객 계수 방법은 검지된 영역(머리)부분이 출입구 쪽으로 이동하게 되면 하차 승객이고, 출입구 안쪽으로 이동하면 승차라고 판단할 수 있다. 사전에 정의된 라인 또는 영역을 기준으로 승객 계수가 수행되는 것도 가능하지만 검지된 영역의 움직이는 궤적을 분석하여 승객 계수가 수행될 수 있다.
도 4는 본 발명의 실시예에 따른 승차 또는 하차에 대한 궤적 분석을 나타낸 개념도이다.
도 4를 참조하면, 무임 승차 감지 장치는 영상을 입력받을 수 있다(단계 S400).
무임 승차 감지 장치는 영상 촬상 장치에 의해 촬상된 영상을 수신할 수 있다.
무임 승차 감지 장치는 승객 영역을 검출할 수 있다(단계 S410).
촬상된 영상 상에서 승객을 탐지하고, 승객 영역에 대한 검출을 진행할 수 있다.
무임 승차 감지 장치는 검출 영역 상에서 특징점을 추출할 수 있다(단계 S420).
무임 승차 감지 장치는 검출 영역 상에서 객체를 식별하기 위한 특징점을 추출할 수 있다.
무임 승차 감지 장치는 특징점을 추적할 수 있다(단계 S430).
추출된 특징점을 기반으로 객체에 대한 추적이 수행될 수 있다.
무임 승차 감지 장치는 영역별 궤적을 분석할 수 있다(단계 S440).
객체에 대한 추적을 기반으로 객체의 이동 방향을 결정하고, 객체의 궤적을 결정할 수 있다.
영역별 궤적을 기반으로 객체의 승차 또는 하차를 구분할 수 있다(단계 S450).
객체의 승차 또는 하차를 기반으로 승객을 계수할 수 있다(단계 S460).
도 5는 본 발명의 실시예에 따른 카드 체킹 방법을 나타낸 개념도이다.
도 5에서는 승객의 카드 체킹 여부를 확인하기 위한 방법이 개시된다.
카메라로부터 수신한 영상을 분석하여 승차시 또는 하차시 카드 체킹 여부를 확인하는 방법은 정확도가 떨어진다. 다만, 카드 리더기가 영상 내에서 시각적으로 보인다면 카드 리더기 주변에 발생하는 영역을 분석하여 체킹 유무를 판단할 수 있다.
설정 화면에서 카드 주변이 설정될 수 있다. 3점 이상 다각형을 카드 리더기 영역으로 설정하고, 3점 이상의 다각형을 카드 리더기 주변 영역으로 설정할 수 있다. 또한, 카드 리더기의 색의 변화를 감지할 수 있다. 움직이는 객체의 궤적과 카드 리더기의 상호 관계를 분석하여 체킹 여부가 판단될 수 있다.
궤적 정보는 시간에 따라 속도, 방향, 거리, 시간에 대한 정보를 포함할 수 있다. 궤적 정보를 기반으로 승객의 패턴을 분석하고 궤적이 가지고 있는 시간적 정보/공간적 정보들의 연관성을 분석하여 카드 체킹 여부를 판단할 수 있다.
카드 리더기와의 시간적 관계를 정의하기 위하여 아래의 타입을 정의할 수 있다. '터치(touch)'는 카드리더기와 승객의 카드가 정상적인 접촉이 이루어졌을 때, "오버랩(overlap)"은 카드리더기가 승객으로 가려졌을 때로 정의될 수 있다.
도 6은 본 발명의 실시예에 따른 시간에 따른 카드 체킹 궤적을 나타낸 개념도이다.
도 6의 상단을 참조하면, 카드 체킹을 수행함에 따라 사용자의 손에 들린 카드와 카드 리더기의 접촉을 위한 이미지가 개시된다.
도 6의 하단을 참조하면, 카드에 대한 특징점 및 추적점이 추출되고, 카드에 대한 특징점 및 추적점에 대한 트래킹을 기반으로 카드와 카드 리더기와의 접촉 경로에 대한 트래킹이 수행될 수 있다.
무임 승차 감지 장치는 카드 체킹 궤적에 대한 판단을 기반으로 카드와 카드 리더기 간의 접촉 여부에 대해 판단할 수 있다.
도 7은 본 발명의 실시예에 따른 무임 승차 감지 장치를 나타낸 개념도이다.
도 7을 참조하면, 무임 승차 감지 장치는 영상 입력부(700), 승객 검출부(710), 화면 설정부(720), 특징점 추출부(730), 특징점 추적부(740), 궤적 분석부(750) 및 통계 관리부(760)를 포함할 수 있다.
영상 입력부(700)는 영상 촬상 장치로부터 촬상된 영상을 입력받기 위해 구현될 수 있다.
승객 검출부(710)는 촬상된 영상에서 승객을 검출하기 위해 구현될 수 있다.
화면 설정부(720)는 화면 설정부는 카드 리더기 주변 영역에 대한 화면을 설정하기 위해 구현될 수 있다.
특징점 추출부(730)는 객체(승객, 카드)의 특징점을 추출하기 위해 구현될 수 있다. 특징점 추출부(730)는 지역 특징점 추출부(승객), 지역 특징점 추출부(카드 리더기)를 포함할 수 있다.
특징점 추적부(740)는 지역 추적부(승객), 지역 추적부(카드 리더기)를 포함할 수 있다. 지역 추적부(승객)는 승객의 특징점을 추적하기 위해 구현될 수 있다. 지역 추적부(카드 리더기)는 카드/카드 리더기의 특징점을 추적하기 위해 구현될 수 있다.
궤적 분석부(750)는 객체(승객 또는 카드)의 궤적을 분석하기 위해 구현될 수 있다. 궤적 분석부(750)는 승하차 계수부 및 카드 체킹 여부 판단부를 포함할 수 있다.
승하차 계수부는 승차 또는 하차를 하는 승객의 수를 카운트하기 위해 구현될 수 있다. 카드 체킹 여부 판단부는 승객의 카드 체크 여부를 판단하기 위해 구현될 수 있다.
통계 관리부(760)는 승객의 승차 또는 하차, 카드 체크에 대한 통계 정보를 관리하기 위해 구현될 수 있다.
도 8은 본 발명의 실시예에 따른 객체 판단 방법을 나타낸 개념도이다.
도 8에서는 객체의 특징점을 추출하기 위한 방법이 개시된다.
도 8을 참조하면, 객체의 이동 방향을 결정하고 승차 또는 하차 여부를 판단하기 위한 방법이 개시된다.
객체가 승차하는 경우, 객체에 대한 영상을 획득하고, 영상을 분석하여 객체의 특징이 추출될 수 있다.
사용자의 머리 이미지 및 어깨 이미지와 같은 사용자의 신체 부위에 대한 특정 이미지를 추출하고, 사용자의 머리 이미지 및 어깨 이미지에 대한 분류를 통해 사용자의 머리 이미지와 어깨 이미지를 특징점으로 분류될 수 있다.
교통 수단의 일부 영역(예를 들어, 승차를 위한 영역, 하차를 위한 영역)을 설정하고 해당 영역 내에서의 객체의 이동만이 판단될 수 있다. 또는 교통 수단 내에서 객체에 대한 계속적인 트래킹을 통해 객체의 이동이 판단될 수도 있다.
본 발명의 실시예에 따르면, 객체의 개수에 따라 객체 판단을 위한 영역이 늘어날 수 있다. 예를 들어, 객체에 대한 식별을 위해 객체에 대한 이미지 정보를 획득하고 이미지에 대한 판단을 진행시 분류의 깊이를 서로 다르게 설정하여 객체 에 대한 분류를 진행할 수 있다.
예를 들어, 객체에 대한 분류를 위해 객체 이미지에 대한 판단을 진행시 1차 분류 기준(810)으로 객체의 머리 색깔만을 기반으로 객체를 분류할 수 있다. 머리 색깔만으로 객체에 대한 분석이 어려운 경우, 2차 분류 기준(820)으로 객체의 머리 스타일을 추가하여 객체를 분류할 수 있다.
1차 분류 기준(810) 및 2차 분류 기준(820)을 기반으로 객체에 대한 분류가 어려운 경우, 3차 분류 기준(830)으로 의상과 같은 추가적인 정보를 기반으로 객체에 대한 분류를 진행할 수 있다.
예를 들어, 1차 분류 기준(810)으로 모든 객체에 대한 판단이 가능한 경우, 2차 분류 기준(820)을 기반으로 한 판단은 수행하지 않을 수 있다. 마찬가지 방식으로 1차 분류 기준(810) 및 2차 분류 기준(820)을 기반으로 한 판단이 가능한 경우, 추가적으로 3차 분류 기준(830)을 기반으로 한 판단은 수행하지 않을 수 있다. 즉, 승객이 많아질수록 분류 기준이 상대적으로 보다 깊게 설정되고, 승객이 적을수록 분류 기준이 상대적으로 보다 적게 설정될 수 있다.
본 발명의 실시예에 따르면, 이러한 분류 기준은 분류의 정확도에 따라 적응적으로 변화될 수 있다. 예를 들어, 1차 분류 기준으로 설정된 특징을 기반으로 승객의 분류가 어려운 경우, 2차 분류 기준과 1차 분류 기준이 자리를 변경할 수도 있다. 즉, 기존의 2차 분류 기준이 새로운 1차 분류 기준으로 설정되고, 기존의 1차 분류 기준이 새로운 2차 분류 기준으로 설정될 수 있다.
또한, 분류 기준으로 설정되는 승객의 신체 부위가 계절, 시간에 따라 변화될 수도 있다.
또한, 이러한 분류 기준의 변화는 승객의 수, 프로세싱 부하를 기반으로도 변화될 수 있다. 예를 들어, 승객이 적은 경우, 상대적으로 프로세싱 부하가 많은 분류 기준이 상위 분류 기준으로 설정되고, 승객이 많은 경우, 상대적으로 프로세싱 부하가 적은 분류 기준이 상위 분류 기준으로 설정될 수 있다.
또한, 본 발명의 실시예에 따르면, 카드 체킹 여부를 확인하기 위한 방법이 개시된다.
사용자가 가짜로 카드를 터치하는 동작에 대한 판별을 위해 사용자의 카드의 터치시 발생되는 비프음(beep sound)가 있는지 여부도 판단하여 카드 체킹 여부에 대해 결정할 수 있다. 예를 들어, 사용자의 카드 체킹을 위한 궤적이 카드 리더기의 임계 영역에 위치하였을 경우, 카드 리더기에서 발생되는 비프음이 존재하는지 여부를 추가적으로 판단하여 승객의 무임승차 여부에 대해 판단할 수 있다.
또한, 본 발명의 실시예에 따르면, 영상에서 카드가 카드 리더기를 터치시 발생하는 빛에 대한 정보를 기반으로 사용자의 카드 체킹 여부를 추가적으로 판단할 수도 있다. 예를 들어, 사용자의 카드 체킹을 위한 궤적이 카드 리더기의 임계 영역에 위치하였을 경우, 카드 리더기에서 발생되는 빛이 존재하는지 여부를 추가적으로 판단하여 승객의 무임승차 여부에 대해 판단할 수 있다.
본 발명의 실시예에 따르면 승객에 의해 카드리더기가 가려진 경우, 승객의 카드 체킹 여부에 대해 확인이 어렵고 오류가 발생할 수 있다. 이러한 경우를 방지하기 위해 추가적인 영상 촬상부가 카드 리더기에 구현되어 카드 리더기 자체에서 촬상된 영상이 부가적으로 승객의 확인을 위해 활용될 수도 있다. 예를 들어, 제1 영상 촬상부에 의해 승객의 촬영이 어려운 경우, 카드 리더기에 구현된 제2 영상 촬상부에 촬상 명령이 전달될 수 있고, 카드리더기에 구현된 제2 영상 촬상부가 승객의 영상을 촬상할 수 있다. 제2 영상 촬상부는 아래 설치되어 있으므로, 승객의 머리나 어깨에 대한 촬상은 어려울 수 있다. 따라서, 제1 영상 촬상부는 머리 부분에 대한 촬상을 수행하여 승객을 식별하는 역할을 하여 승객을 식별하고, 제2 영상 촬상부는 카드 리더기에 카드를 체킹하는지 여부를 식별하는 역할을 수행할 수 있다. 제1 영상 촬상부와 제2 영상 촬상부는 서로 다른 영상을 촬상하여 동일한 시간 상에서 동기화를 시키고, 이러한 동기화 결과를 기반으로 승객의 카드 체킹 여부에 대해 확인할 수 있다. 제1 영상 촬상부와 제2 영상 촬상부 간의 영상 동기화는 시간뿐만 아니라, 제1 영상 촬상부와 제2 영상 촬상부 각각에 포함된 객체의 위치 정보 및 객체가 입은 옷의 특징과 같은 추가적인 정보를 기반으로 수행될 수 있다. 위와 같은 동기화를 통해서도 판별이 어려운 경우, 전술한 빛 또는 소리 정보를 추가적으로 활용하여 승객의 터치 여부에 대한 판단이 수행될 수 있다.
전술한 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (8)

  1. 무임 승차 감지 방법은,
    무임 승차 감지 장치가 승객의 제1 영상 정보를 수신하는 단계;
    상기 무임 승차 감지 장치가 학습 결과를 기반으로 상기 제1 영상 정보를 분류하여 상기 승객을 식별하는 단계;
    상기 무임 승차 감지 장치가 식별된 승객에 대한 정보를 기반으로 상기 승객의 승차 또는 하차 여부를 결정하는 단계; 및
    상기 무임 승차 감지 장치가 상기 승객의 제2 영상 정보를 기반으로 상기 승객의 카드 체크 여부를 판단하는 단계를 포함하고,
    상기 학습 결과는 승객들의 머리와 어깨에 대한 학습을 기반으로 생성되고, 상기 승객에 대한 식별은 상기 승객의 머리와 어깨에 대한 이미지를 기반으로 수행되고,
    상기 카드 체크 여부는 상기 승객의 이동 궤적과 상기 승객의 손에 위치한 카드의 이동 궤적을 기반으로 판단되되, 상기 승객의 이동 궤적은 상기 승객의 특징점을 기반으로 결정되고, 상기 카드의 이동 궤적은 상기 카드의 특징점을 기반으로 결정되는 것을 특징으로 하는 방법.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 승객의 이동 궤적을 기반으로 상기 승객의 특징점이 출입구 쪽으로 이동하는 경우, 상기 승객을 하차 승객으로 결정하고, 상기 승객의 특징점이 출입구 안 쪽으로 이동하는 경우, 상기 승객을 승차 승객으로 결정하는 것을 특징으로 하는 방법.
  5. 무임 승차 감지를 수행하는 무임 승차 감지 장치에 있어서,
    상기 무임 승차 감지 장치는 프로세서를 포함하고,
    상기 프로세서는 승객의 제1 영상 정보를 수신하고,
    학습 결과를 기반으로 상기 제1 영상 정보를 분류하여 상기 승객을 식별하고,
    식별된 승객에 대한 정보를 기반으로 상기 승객의 승차 또는 하차 여부를 결정하고,
    상기 승객의 제2 영상 정보를 기반으로 상기 승객의 카드 체크 여부를 판단하고,
    상기 학습 결과는 승객들의 머리와 어깨에 대한 학습을 기반으로 생성되고, 상기 승객에 대한 식별은 상기 승객의 머리와 어깨에 대한 이미지를 기반으로 수행되고,
    상기 카드 체크 여부는 상기 승객의 이동 궤적과 상기 승객의 손에 위치한 카드의 이동 궤적을 기반으로 판단되되, 상기 승객의 이동 궤적은 상기 승객의 특징점을 기반으로 결정되고, 상기 카드의 이동 궤적은 상기 카드의 특징점을 기반으로 결정되는 것을 특징으로 하는 무임 승차 감지 장치.
  6. 삭제
  7. 삭제
  8. 제5항에 있어서,
    상기 승객의 이동 궤적을 기반으로 상기 승객의 특징점이 출입구 쪽으로 이동하는 경우, 상기 승객을 하차 승객으로 결정하고, 상기 승객의 특징점이 출입구 안 쪽으로 이동하는 경우, 상기 승객을 승차 승객으로 결정하는 것을 특징으로 하는 무임 승차 감지 장치.
KR1020180084864A 2018-01-15 2018-07-20 무임 승차 감지 방법 및 장치 KR101939350B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20180005155 2018-01-15
KR1020180005155 2018-01-15

Publications (1)

Publication Number Publication Date
KR101939350B1 true KR101939350B1 (ko) 2019-01-16

Family

ID=65280690

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180084864A KR101939350B1 (ko) 2018-01-15 2018-07-20 무임 승차 감지 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101939350B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110861683A (zh) * 2019-11-14 2020-03-06 交控科技股份有限公司 列车自动清客方法
KR102109648B1 (ko) 2019-12-03 2020-05-12 주식회사 핀텔 딥러닝의 얼굴인식을 이용한 대중교통수단의 무임승차 검출 시스템 및 방법
KR102109647B1 (ko) 2019-12-03 2020-05-12 주식회사 핀텔 딥러닝을 이용한 대중교통수단의 승하차 계수 시스템 및 방법
CN111259103A (zh) * 2020-01-10 2020-06-09 上海钧正网络科技有限公司 一种乘车状态的识别方法、装置、存储介质及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140114572A (ko) 2013-03-19 2014-09-29 한국철도공사 부정승차 관리시스템
KR101606162B1 (ko) * 2014-11-10 2016-04-05 한국철도기술연구원 궤도차량 출입문 승하차 인식장치 및 방법
KR20170044841A (ko) * 2015-10-16 2017-04-26 노환기 무임승차권 부정사용 방지 장치 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140114572A (ko) 2013-03-19 2014-09-29 한국철도공사 부정승차 관리시스템
KR101606162B1 (ko) * 2014-11-10 2016-04-05 한국철도기술연구원 궤도차량 출입문 승하차 인식장치 및 방법
KR20170044841A (ko) * 2015-10-16 2017-04-26 노환기 무임승차권 부정사용 방지 장치 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110861683A (zh) * 2019-11-14 2020-03-06 交控科技股份有限公司 列车自动清客方法
KR102109648B1 (ko) 2019-12-03 2020-05-12 주식회사 핀텔 딥러닝의 얼굴인식을 이용한 대중교통수단의 무임승차 검출 시스템 및 방법
KR102109647B1 (ko) 2019-12-03 2020-05-12 주식회사 핀텔 딥러닝을 이용한 대중교통수단의 승하차 계수 시스템 및 방법
CN111259103A (zh) * 2020-01-10 2020-06-09 上海钧正网络科技有限公司 一种乘车状态的识别方法、装置、存储介质及设备

Similar Documents

Publication Publication Date Title
KR101939350B1 (ko) 무임 승차 감지 방법 및 장치
EP2801956B1 (en) Passenger counter
CN111144247B (zh) 一种基于深度学习的自动扶梯乘客逆行检测方法
CN103116987B (zh) 一种基于监控视频处理的车流统计和违规检测的方法
US6430303B1 (en) Image processing apparatus
CN107911663A (zh) 一种基于计算机视觉检测的电梯乘客危险行为智能识别预警系统
JP6595375B2 (ja) 交通状況解析装置、交通状況解析方法、及び、交通状況解析プログラム
KR102109647B1 (ko) 딥러닝을 이용한 대중교통수단의 승하차 계수 시스템 및 방법
CN109344886B (zh) 基于卷积神经网络的遮挡号牌判别方法
CN112381014A (zh) 一种基于城市道路的违停车辆检测及管理方法及系统
CN109344829B (zh) 一种高速铁路列车的车号识别方法及装置
CN111104554B (zh) 基于轮廓检测和头肩检测的自动门控制方法与系统
CN111666879A (zh) 一种基于大数据框架的公交客流分析与规划系统和方法
KR101889282B1 (ko) 놀이시설 안전 관리 방법 및 장치
CN112949341B (zh) 一种信息获得方法、装置、电子设备及存储介质
Tschürtz et al. System of systems safety analysis and evaluation in ZalaZONE
KR102109648B1 (ko) 딥러닝의 얼굴인식을 이용한 대중교통수단의 무임승차 검출 시스템 및 방법
KR102287683B1 (ko) 컴퓨터 비전을 이용한 승객 계수 장치 및 승객 모니터링 시스템
CN113247720A (zh) 基于视频的智能梯控方法及系统
KR20220089217A (ko) 이륜차 단속 장치 및 이륜차 단속 방법
CN113611025A (zh) 一种新型轨道交通快速检人系统及方法
JP7342054B2 (ja) 乗降人数カウントシステム、乗降人数カウント方法、及び、乗降人数カウントプログラム
CN117079379B (zh) 轨道交通高容差人脸过闸方法和系统、计算机程序介质
CN116258466B (zh) 多模态电力场景作业规范检测方法、系统、设备及介质
Li et al. Anomalous tie plate detection for railroad inspection

Legal Events

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