KR102032828B1 - 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법 - Google Patents

사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법 Download PDF

Info

Publication number
KR102032828B1
KR102032828B1 KR1020160169405A KR20160169405A KR102032828B1 KR 102032828 B1 KR102032828 B1 KR 102032828B1 KR 1020160169405 A KR1020160169405 A KR 1020160169405A KR 20160169405 A KR20160169405 A KR 20160169405A KR 102032828 B1 KR102032828 B1 KR 102032828B1
Authority
KR
South Korea
Prior art keywords
vehicle
lane
speed
information
image
Prior art date
Application number
KR1020160169405A
Other languages
English (en)
Other versions
KR20180067949A (ko
Inventor
허서원
Original Assignee
홍익대학교 산학협력단
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 홍익대학교 산학협력단 filed Critical 홍익대학교 산학협력단
Priority to KR1020160169405A priority Critical patent/KR102032828B1/ko
Publication of KR20180067949A publication Critical patent/KR20180067949A/ko
Application granted granted Critical
Publication of KR102032828B1 publication Critical patent/KR102032828B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—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
    • G06K9/4652—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G06K2209/15—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 영상 분석 시스템에 관한 것으로 상세하게는 단속 카메라가 없는 사각지대에서 다른 차량의 블랙박스를 통해 차량을 단속할 수 있도록 차량 블랙박스를 이용해 차선 검출 및 차량 검출을 이용한 지능형 사건 사고 차량 정보 수집 시스템 및 방법에 관한 것으로, 보다 상세하게는 도로 상황 정보를 포함하는 촬영 영상을 수신하고, 수신한 촬영 영상을 분석하고, 분석결과를 기초로 메타 데이터를 생성하여 촬영 영상에 대응시켜 저장하고, 외부의 확인 요청을 수신하고 저장된 메타 데이터 중에서 확인 요청에 대응되는 메타 데이터를 검색하여 제공하는 기술에 관한 것이다.

Description

사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법 {System and method of blackbox video sequence analysis for gathering information of crime scene or car accident}
본 발명은 영상 분석 시스템에 관한 것으로 상세하게는 단속 카메라가 없는 사각지대에서 다른 차량의 블랙박스를 통해 차량을 단속할 수 있도록 차량 블랙박스를 이용해 차선 검출 및 차량 검출을 이용한 지능형 사건 사고 차량 정보 수집 시스템에 관한 것이다.
도로 위에서는 교통 사고 또는 범죄는 여러 종류가 있지만 기본적으로 차선을 이탈하는 행위, 과속 행위, 급정거 행위 등이 발생한다. 터널, 교량, 진입로, 교차로, 건널목 등과 같이 차선 변경 금지 구간은 차선 변경이 교통사고 등으로 이어질 수 있는 위험도가 높은 구간이다. 따라서 이러한 구간은 실선으로 표시하여 운전자들의 눈에 잘 들도록 하는데, 현재 자동차 운전자들은 차선변경 금지구간의 사고의 위험성을 망각하여 차선변경 금지구간에서도 차선 변경을 하고 있다. 이와 같은 행위들은 사고로 이어지기 쉽다.
도로 위에서 사고나 범죄사건 등의 정보는 고정 카메라를 이용하여 정보를 수동적으로 검색하거나, 전단지, 현수막 등을 통한 게시를 통해 시민들의 자발적 지원에 의해 범죄, 사고 등에 대한 정보를 모을 수 있다. 이런 경우 정보를 필요로 한다는 소식을 접하지 못하면 필요로 하는 자는 정보를 구하지 못하게 되는 문제점이 있다.
또한, 속도 위반 사례들이 자주 나타나고 있는데 속도 위반을 잡아내는 방식은 고정 카메라로 일정 구간에서 확인하여 단속한다. 차량 속도 위반에 있어서 운전자가 조심하지 못한 경우가 있을 수 있으나, 어린이 보호구역이나 동물이 자주 나타나는 지역의 경우 운전자가 미리 인지하여 속도를 늦춰야만 한다. 고정된 차량 단속 카메라로 차선 위반 단속 및 실시간 속도 위반 단속을 실시하는데 어려움이 있으며, 모든 구간에 단속 카메라를 설치하기란 현실적으로 어려움이 있다.
종래에는 한국등록특허 제 10-1354057호 "다중 카메라를 이용한 차선 위반 검출 장치 및 이를 이용한 차선 위반 검출 방법, 다중 카메라에 의한 차선 위반 검출 장치를 이용하는 차선 위반 차량 단속시스템"에는 차선변경 금지구간에 다중으로 카메라를 설치하여 차량의 사선을 위반하지 않도록 계도하는 동시에 차선 위반 차량을 단속하여 사고를 미연에 예방하는 다중 카메라를 이용한 차선 위반 검출 장치에 관하여 개시하고 있다.
위 선행기술은 특정 지역 또는 특정 장소에 카메라가 고정되어 있어 특정 장소 또는 특정 지역이 아닌 장소의 차량을 단속하는데 어려움이 있다.
따라서 고정된 카메라가 아니라 차량이 다닐 수 있는 장소는 언제 어디서나 다른 차량을 단속하여 도로의 안전을 지킬 뿐만 아니라 사건 사고에 대한 정보가 필요한 경우 정보를 제공할 수 있는 시스템 또는 방법이 요구된다.
한국등록특허 제 10-1354057호
본 발명은 차량 블랙박스를 통해 차선 위반 및 속도 위반을 하는 차량을 검출을 함으로써, 단속 카메라가 없는 사각지대에서 다른 차량을 단속할 수 있도록 하는 것을 목적으로 한다.
본 발명은 촬영 영상으로부터 촬영된 차량의 차선 위반, 속도 위반, 차량 번호, 차량 색상 정보를 판단함으로써, 차량의 차선 및 속도 위반 여부를 판단하고 차량이 차선 및 속도 위반을 하였을 때 차량을 좀더 정확하게 인식 할 수 있도록 하는 것을 목적으로 한다.
본 발명은 촬영 영상으로부터 차선 정보 및 차량 영역 정보를 확인하여 차선 정보 및 차량 정보로부터 촬영된 차량이 차선 위반을 하는지 여부를 확인함으로써, 차선 위반 등의 도로 상황을 정확하게 판단할 수 있도록 하는 것을 목적으로 하고 있다.
본 발명은 촬영 영상에서 차선의 위치, 차선의 색상, 차선 종류를 판단함으로써, 다른 차량이 차선과 관련하여 교통법규를 위반하였는지 여부를 판단하는 것을 목적으로 한다.
본 발명은 촬영 영상에서 차량이 존재할 가능성이 높은 관심영역을 설정하며 관심영역 내에서 차량 후보를 검출하여 검출된 차량 후보 중 실제 차량 영역을 구별함으로써, 간단한 동작으로 차량 후보들을 검출하여 계산량을 줄이고 정확도도 증가시키는 것을 목적으로 한다.
본 발명은 차량의 영역을 인식하여 차량의 속도를 측정해 차량이 영역 및 측정된 차량의 속도로부터 촬영된 차량이 속도 위반을 하는지 여부를 확인함으로써, 과속 등 도로 상황을 정확히 판단할 수 있도록 하는 것을 목적으로 하고 있다.
본 발명은 GPS 수신 장치로부터 위치 정보를 확인하여 이를 기초로 영상 분석 시스템의 이동 속도를 계산하고, 프레임에서의 차량 영역의 이동을 통해 촬영 영상 내의 차량의 상대 이동 속도를 계산하여, 영상 분석 시스템의 이동 속도와 촬영 영상 내의 차량의 상대 이동 속도를 더하여 촬영 영상 내의 차량 속도를 측정함으로써, 촬영 영상 내의 차량의 이동 속도를 보다 정확하게 계산하기 위한 것을 목적으로 한다.
본 발명은 메타 데이터를 암호화하여 저장하고, 암호화한 메타 데이터를 복호화하여 확인 요청에 대응되는 메타 데이터를 제공함으로써, 다른 차량의 개인 정보를 보호하기 위한 것을 목적으로 한다.
본 발명은 검색된 메타 데이터 및 메타 데이터에 대응되는 영상 정보를 압축하여 전송함으로써, 전송되는 데이터의 용량을 줄여 메모리 및 인터넷 데이터 전송량을 절약 할 수 있는 것을 목적으로 한다.
이러한 목적을 달성하기 위하여 본 발명의 일실시예에 따른 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템은 도로 상황 정보를 포함하는 촬영 영상을 수신하는 영상 수신부; 상기 수신한 촬영 영상을 분석하는 영상 분석부; 상기 영상 분석부의 분석 결과를 기초로 메타 데이터를 생성하여 상기 촬영 영상에 대응시켜 저장하는 메타 데이터 저장부; 및 외부의 확인 요청을 수신하고 상기 저장된 메타 데이터 중에서 확인 요청에 대응되는 상기 메타 데이터를 검색하여 제공하는 분석결과 제공부를 포함하여 구성된다.
또한, 상기 영상 분석부는 상기 촬영 영상으로부터 촬영된 차량의 차선 위반 정보를 판단하는 차선 위반 정보 판단부; 상기 촬영 영상으로부터 촬영된 차량의 속도 위반 정보를 판단하는 속도 위반 정보 판단부; 상기 촬영 영상으로부터 촬영된 차량의 차량 번호 정보를 판단하는 차량 번호 정보 추출부; 및 상기 촬영 영상으로부터 촬영된 차량의 차량 색상 정보를 판단하는 차량 색상 정보 판단부를 포함하여 구성된다.
또한, 상기 차선 위반 정보 판단부는 상기 촬영 영상으로부터 차선 정보를 추출하는 차선 인식부; 상기 촬영된 차량의 영역을 인식하는 차량 영역 인식부; 및 상기 차선 정보 및 차량 영역 정보로부터 상기 촬영된 차량이 차선 위반을 하는지 여부를 확인하는 차선 위반 확인부를 포함하여 구성된다.
또한, 상기 차선 인식부는 상기 촬영 영상에서 직선 성분을 인식하여 차선의 위치를 판단하는 차선 위치 검출부; 상기 인식된 차선의 색상을 확인하는 차선 색 검출부; 및 상기 인식된 차선이 점선인지 실선인지 이중선인지 여부를 판단하는 차선 종류 검출부를 포함하여 구성된다.
또한, 상기 차량 영역 인식부는 상기 촬영 영상에서 차량이 존재할 가능성이 높은 관심 영역을 설정하는 관심영역 설정부; 상기 관심영역 내에서 차량 후보를 검출하는 차량 후보 검출부; 상기 검출된 차량 후보 중 실제 차량 영역을 구별하는 차량 영역 검출부를 포함하여 구성된다.
또한, 상기 속도 위반 정보 판단부는 상기 촬영된 차량의 영역을 인식하는 차량 영역 인식부; 상기 촬영 영상 내의 복수의 프레임으로부터 상기 인식된 차량 영역을 확인하고, 복수의 프레임의 차량 영역이 동일한 차량에 대한 것인지 확인한 후, 상기 차량의 속도를 측정하는 차량 속도 측정부; 및 상기 촬영된 차량의 영역 및 상기 측정된 차량의 속도로부터 상기 촬영된 차량이 속도 위반을 하는지 여부를 확인하는 속도 위반 확인부를 포함하여 구성된다.
또한, 상기 차량 속도 측정부는 GPS 수신 장치로부터 위치 정보를 확인하여, 이를 기초로 상기 영상 분석 시스템의 이동 속도를 계산하고, 상기 복수의 프레임에서의 차량 영역의 이동을 통해 상기 촬영 영상 내의 차량의 상대 이동 속도를 계산하여, 상기 영상 분석 시스템의 이동 속도와 상기 촬영 영상 내의 차량의 상대 이동 속도를 더하여 상기 촬영 영상 내의 차량의 속도를 측정하는 것을 포함하여 구성된다.
또한, 상기 메타 데이터 저장부는 상기 생성된 메타 데이터를 암호화하여 저장하고, 상기 분석결과 제공부는 상기 메타 데이터 저장부에서 암호화하여 저장한 데이터를 복호화하여, 상기 확인 요청에 대응되는 메타 데이터를 제공하는 것을 포함하여 구성된다.
또한, 상기 분석결과 제공부는 상기 검색된 메타 데이터 및 상기 메타 데이터에 대응되는 영상 정보를 압축하여 전송하는 것을 포함하여 구성된다.
본 발명은 차량 블랙박스를 통해 차선 위반 및 속도 위반을 하는 차량을 검출을 함으로써, 단속 카메라가 없는 사각지대에서 다른 차량을 단속할 수 있도록 하는 시스템을 제공할 수 있다.
본 발명은 촬영 영상으로부터 촬영된 차량의 차선 위반, 속도 위반, 차량 번호, 차량 색상 정보를 판단함으로써, 차량의 차선 및 속도 위반 여부를 판단하고 차량이 차선 및 속도 위반을 하였을 때 차량을 좀더 정확하게 인식 할 수 있도록 하는 시스템을 제공할 수 있다.
본 발명은 촬영 영상으로부터 차선 정보 및 차량 영역 정보를 확인하여 차선 정보 및 차량 정보로부터 촬영된 차량이 차선 위반을 하는지 여부를 확인함으로써, 차선 위반 등 도로상황을 보다 정확하게 확인할 수 있도록 하는 시스템을 제공할 수 있다.
본 발명은 촬영 영상에서 차선의 위치, 차선의 색상, 차선 종류를 판단함으로써, 다른 차량이 차선과 관련하여 교통법규를 위반하였는지 여부를 판단 하는 시스템을 제공할 수 있다.
본 발명은 촬영 영상에서 차량이 존재할 가능성이 높은 관심영역을 설정하며 관심영역 내에서 차량 후보를 검출하여 검출된 차량 후보 중 실제 차량 영역을 구별함으로써, 간단한 동작으로 차량 후보들을 검출하여 계산량을 줄이고 정확도도 증가시키는 시스템을 제공할 수 있다.
본 발명은 차량의 영역을 인식하여 차량의 속도를 측정해 차량이 영역 및 측정된 차량의 속도로부터 촬영된 차량이 속도 위반을 하는지 여부를 확인함으로써, 과속 등 도로 상황을 정확히 판단할 수 있도록 하는 시스템을 제공할 수 있다.
본 발명은 GPS 수신 장치로부터 위치 정보를 확인하여 이를 기초로 영상 분석 시스템의 이동 속도를 계산하고, 프레임에서의 차량 영역의 이동을 통해 촬영 영상 내의 차량의 상대 이동 속도를 계산하여, 영상 분석 시스템의 이동 속도와 촬영 영상 내의 차량의 상대 이동 속도를 더하여 촬영 영상 내의 차량 속도를 측정함으로써, 촬영 영상 내의 차량의 이동 속도를 보다 정확하게 계산하는 시스템을 제공할 수 있다.
본 발명은 메타 데이터를 암호화하여 저장하고, 암호화한 메타 데이터를 복호화하여 확인 요청에 대응되는 메타 데이터를 제공함으로써, 다른 차량의 개인 정보를 보호하는 시스템을 제공할 수 있다.
본 발명은 검색된 메타 데이터 및 메타 데이터에 대응되는 영상 정보를 압축하여 전송함으로써, 데이터의 용량을 줄여 메모리 및 인터넷 데이터 전송량을 절약 할 수 있는 시스템을 제공할 수 있다.
도 1은 본 발명의 일실시예에 따른 사건 사고 차량 정보 수집 시스템을 위한 차량용 블랙박스 영상 분석 시스템의 전체 구성도를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 영상 분석부의 세부 구성을 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 차선 위반 정보 판단부의 구성도를 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 속도 위반 정보 판단부의 구성도를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 분석결과 제공부의 구성도를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따른 차량 번호 정보 추출부의 구성도를 도시한 도면이다.
도 7은 본 발명이 일실시예에 따른 사고가 발생하였을 때 본 발명을 적용한 일례를 도시한 도면이다.
도 8은 본 발명의 일실시예에 따른 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 방법의 흐름을 도시한 순서도이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략하기로 한다. 또한 본 발명의 실시예들을 설명함에 있어 구체적인 수치는 실시예에 불과하며 이에 의하여 발명의 범위가 제한되지 아니한다.
본 발명에 따른 그림자 신호를 제거하는 영상 분석 시스템은 차량 영상을 촬영할 수 있는 카메라의 내부 시스템으로 구축될 수도 있고, 차량 영상을 촬영하는 카메라로부터 네트워크 등을 통해 분석결과를 수신하여 처리하는 서버 시스템 형태로 구현될 수도 있다. 또한, 본 발명에 따른 그림자 신호를 제거하는 차량번호 인식 시스템은 물리적으로 하나의 장치로 구성될 수도 있으며, 복수의 장치에 분산된 형태로 구현될 수도 있어, 본 발명은 이와 같은 물리적인 장치의 구성에 의하여 한정되지 아니한다.
도 1은 본 발명의 일실시예에 따른 사건 사고 차량 정보 수집 시스템을 위한 차량용 블랙박스 영상 분석 시스템의 전체 구성도를 도시한 도면이다.
도면에 도시한 바와 같이 본 발명의 영상 분석 시스템은 영상 수신부(101), 영상 분석부(102), 메타 데이터 저장부(103), 분석결과 제공부(104), GPS 수신장치(105), 네트워크, 서버를 포함하여 구성될 수 있다.
영상 수신부(101)는 도로 상황 정보를 포함하는 촬영 영상을 수신한다.
도로 상황 정보를 포함하는 촬영 영상은 블랙박스, CCTV, 일반 카메라 등의 다양한 카메라로 촬영한 영상일 수 있다. 특히 그 중에서 블랙박스는 차량에 부착되어 차량이 운행되거나 운행되지 않는 경우에도 사건 또는 사고가 발생하는 경우 사고의 경위 및 당시의 상태를 녹화하는 카메라로, 차량의 전면 또는 후면을 촬영하여 수 있다. 차량이 도로 위에서 운행중인 경우 차량이 운행하는 전면 또는 후면의 도로 상황이 촬영되며, 촬영되는 영상에는 다른 차량 및 다른 차량의 차량 운행 과정도 함께 촬영될 수 있다. 이처럼 영상 수신부(101)는 도로 상황 정보가 포함된 모든 영상을 수신 할 수 있다.
영상 분석부(102)는 수신한 촬영 영상을 분석한다.
영상 분석부(102)는 영상 수신부(101)에서 수신한 도로 상황 정보를 포함하는 촬영 영상을 수신하여 어떤 차량이 차선위반 또는 속도위반을 하였는지 분석하며, 차량의 번호판 정보를 추출할 수 있다.
또한, GPS 수신장치(105)는 내 차량의 위치와 시간을 먼저 기록할 수 있으며, GPS 수신장치(105)의 정보를 영상 분석부(102)에서 수신할 수 있다.
영상 분석부(102)는 차선 위반 정보 판단부(201), 속도 위반 정보 판단부(202), 차량 번호 정보 추출부(203), 차량 색상 정보 판단부(204)를 포함한다.
차선 위반 정보 판단부(201)는 촬영 영상으로부터 촬영된 차량의 차선 위반 정보를 판단한다.
차선 위반 정보 판단부(201)는 블랙박스 또는 카메라로 촬영된 영상으로부터 차량을 인식하여 인식된 차량이 차선을 위반했는지 여부를 판단하여 차량 영역을 인식하여 차선 위반 정보를 생성 할 수 있다.
차선 위반 정보 판단부(201)는 차선 인식부(310) 및 차량 영역 인식부(320)를 포함한다.
차선 위반 정보 판단부(201)의 차선 인식부(310)는 촬영 영상으로부터 차선 정보를 추출한다.
차선 인식부(310)는 차선의 위치, 색, 종류를 검출하여 판단 할 수 있으며, 이를 종합하여 차선 정보를 판단할 수 있다.
차선 위치 검출부(311)에서 확인된 차선을 이탈하는 행위는 차선 변경 금지 차량이 운행되는 경우 차선을 위반했다고 판단할 수 있다.
차선 색 검출부(312)에서 확인된 차선의 색 종류로 차량이 황색 차선을 넘는 경우 또는 버스가 아닌경우 파란색의 차선안에서 차량을 운행하는 경우 차선을 위반했다고 판단할 수 있다.
차선 종류 검출부(313)에서 차선의 종류가 중앙선이라고 판단하였을 경우, 차선의 종류가 중앙선이며 실선인 경우 차선을 넘어서면 안되는 선으로 차선 위반을 했다고 판단할 수 있다. 중앙선이며 점선인 경우 추월이 허용되어 차선을 넘었다고 차선을 위반했다고 판단할 수 없으나 주차가 되어있는 경우는 차선위반을 했다고 판단할 수 있다.
차선 인식부(310)는 차선 위치 검출부(311), 차선 색 검출부(312), 차선 종류 검출부(313)를 포함한다.
차선 인식부(310)의 차선 위치 검출부(311)는 촬영 영상에서 직선 성분을 인식하여 차선의 위치를 판단한다.
차선은 주로 직선 또는 지그재그로 이루어져 있으며 보통은 직선으로 이루어져 있다. 지그재그 차선은 서행하라는 의미를 가지고 있으며 도로의 지속적인 지그재그 또는 직선의 모양으로 차선의 위치를 판단할 수 있다.
차선 인식부(310)의 차선 색 검출부(312)는 인식된 차선의 색상을 확인한다.
차선의 색상은 일반적으로 일반 차선의 색상은 흰색, 중앙선은 황색, 버스전용차선의 색상은 파란색으로, 차선 색 검출부(312)는 차선의 색상으로 일반 차선, 중앙차선, 버스전용차선의 여부를 판단할 수 있다.
차선 인식부(310)의 차선 종류 검출부(313)는 인식된 차선이 점선인지 실선인지 이중선인지 여부를 판단한다.
도로에는 차선, 차로 및 중앙선이 있으며, 차선은 차로를 구분짓는 선을 의미한다. 중앙선은 차량의 방향을 구분짓는 선이다. 중앙선과 차선은 실선, 점선, 실선과 점선 그리고 이중선으로 구분 할 수 있으며, 차선 종류 검출부(313)는 차선의 종류가 중앙선인지 또는 차선인지의 여부를 판단한다.
차선 위반 정보 판단부(201)의 차량 영역 인식부(320)는 촬영된 차량의 영역을 인식한다.
차량 영역 인식부(320)는 차선 인식부(310)에서 차선 변경 금지 구간이라고 판단 되었을 경우 차량의 위치를 검출 할 수 있다.
차량 영역 인식부(320)는 차선/속도 위반을 확인하는데 필요한 차량만을 판단하며, 촬영하는 영상 부분에서 차선/속도 위반을 구별하기 위한 차량이 아닌 다른 부분을 제외 시킴으로서 계산량을 줄이고 정확도도 더욱 증가시킬 수 있다.
차량 영역 인식부(320)는 관심영역 설정부(321), 차량 후보 검출부(322), 차량 영역 검출부(323)를 포함한다.
차량 영역 인식부(320)의 관심영역 설정부(321)는 촬영 영상에서 차량이 존재할 가능성이 높은 관심 영역을 설정한다.
관심영역 설정부(321)는 촬영된 영상의 전체가 차선/속도 위반을 확인하기 위한 영역이 아니므로, 촬영된 영상 중 차선/속도 위반을 확인하기 위한 영역을 설정할 수 있다.
예를 들면, 블랙박스가 차량의 전면에 설치되어 있고 차선 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 차량의 전면부와 측면부 일부일 것이다. 그러나 속도 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 단지 차량의 전면부만 필요할 것이다. 그러므로 블랙박스가 촬영하고 있는 영역 중 차선 위반 또는 속도 위반에 필요한 일부의 영역을 판단하여 인도 등을 포함하고 있는 제외하고 차선/속도 위반을 확인하는데 필요한 일부 영역을 판단하여 관심영역으로 설정할 수 있다.
차량 영역 인식부(320)의 차량 후보 검출부(322)는 관심영역 내에서 차량 후보를 검출한다.
차량 후보 검출부(322)는 관심영역 설정부(321)에서 설정된 영역 중 차량인지 아닌지의 여부를 확인하여 차량일 수 있는 경우 차량 후보로 검출 할 수 있다.
차량 영역 인식부(320)의 차량 영역 검출부(323)는 검출된 차량 후보 중 실제 차량 영역을 구별한다.
차량 영역 검출부(323)는 차량 후보 검출부(322)에서 차량이라고 판단되는 후보 중 실제 차량인지 아닌지의 여부를 판단하여 실제 차량인 경우와 아닌 경우를 구분할 수 있다.
차선 위반 정보 판단부(201)의 차선 위반 확인부(330)는 차선 정보 및 차량 영역 정보로부터 촬영된 차량이 차선 위반을 하였는지 여부를 확인한다.
차량 위반 확인부는 차선 인식부(310)에서 차선 변경 금지 구간이라고 판단되는 경우 차량 영역 인식부(320)에서 차량 영역을 검출하여 최종적으로 차량이 차선 위반을 하였는지 하지 않았는지 여부를 판단하여 정보를 생성할 수 있다.
속도 위반 정보 판단부(202)는 촬영 영상으로부터 촬영된 차량의 속도 위반 정보를 판단한다.
속도 위반 정보 판단부(202)는 차량 영역을 인식하여 차량의 속도를 측정하여 속도 위반을 하였는지 여부를 판단할 수 있다.
속도 위반 정보 판단부(202)는 차량 영역 인식부(320), 차량 속도 측정부(410), 속도 위반 확인부(420)를 포함한다.
속도 위반 정보 판단부(202)의 차량 영역 인식부(320)는 촬영된 차량의 영역을 인식한다.
차량 영역 인식부(320)는 차선/속도 위반을 확인하는데 필요한 차량만을 판단하며, 촬영하는 영상 부분에서 차선/속도 위반을 구별하기 위한 차량이 아닌 다른 부분을 제외 시킴으로서 계산량을 줄이고 정확도도 더욱 증가시킬 수 있다.
차량 영역 인식부(320)는 관심영역 설정부(321), 차량 후보 검출부(322), 차량 영역 검출부(323)를 포함한다.
차량 영역 인식부(320)의 관심영역 설정부(321)는 촬영 영상에서 차량이 존재할 가능성이 높은 관심 영역을 설정한다.
관심영역 설정부(321)는 촬영된 영상의 전체가 차선/속도 위반을 확인하기 위한 영역이 아니므로, 촬영된 영상 중 차선/속도 위반을 확인하기 위한 영역을 설정할 수 있다.
예를 들면, 블랙박스가 차량의 전면에 설치되어 있고 차선 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 차량의 전면부와 측면부 일부일 것이다. 그러나 속도 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 단지 차량의 전면부만 필요할 것이다. 그러므로 블랙박스가 촬영하고 있는 영역 중 차선 위반 또는 속도 위반에 필요한 일부의 영역을 판단하여 인도 등을 포함하고 있는 제외하고 차선/속도 위반을 확인하는데 필요한 일부 영역을 판단하여 관심영역으로 설정할 수 있다.
차량 영역 인식부(320)의 차량 후보 검출부(322)는 관심영역 내에서 차량 후보를 검출한다.
차량 후보 검출부(322)는 관심영역 설정부(321)에서 설정된 영역 중 차량인지 아닌지의 여부를 확인하여 차량일 수 있는 경우 차량 후보로 검출 할 수 있다.
차량 영역 인식부(320)의 차량 영역 검출부(323)는 검출된 차량 후보 중 실제 차량 영역을 구별한다.
차량 영역 검출부(323)는 차량 후보 검출부(322)에서 차량이라고 판단되는 후보 중 실제 차량인지 아닌지의 여부를 판단하여 실제 차량인 경우와 아닌 경우를 구분할 수 있다.
속도 위반 정보 판단부(202)의 차량 속도 측정부(410)는 촬영 영상 내의 복수의 프레임으로부터 인식된 차량 영역을 확인하고, 복수의 프레임의 차량 영역이 동일한 차량에 대한 것인지 확인한 후, 차량의 속도를 측정한다.
차량 속도 측정부(410)는 촬영 영상의 복수의 프레임인 여러 사진을 이용하여 움직인 속도의 차이와 자신의 차량 속도를 더해 속도를 계산할 수 있다. 영상을 촬영하는 동안에도 차량은 지속적으로 움직이기 때문에 복수의 프레임의 차량 영역이 동일한 차량인지 확인 할 수 있다. 또한, 속도를 측정하는 순간에 다른 차량으로 바뀔 수가 있기 때문에 인식된 차량과 속도를 측정한 차량이 동일한 차량인지 확인 할 수 있다.
차량 번호 정보 추출부(203)는 복수의 프레임인 여러 사진을 이용하여 인식된 차량과 속도를 측정한 차량이 동일한 차량인지의 여부는 차량의 색깔이나 번호판의 정보가 동일한지를 확인할 수 있다.
차량 속도 측정부(410)는 GPS 수신 장치로부터 위치 정보를 확인하여 이를 기초로 영상 분석 시스템의 이동 속도를 계산한다.
GPS 수신 장치로부터 자신의 차량의 위치와 시간을 수신할 수 있으며, 앞차량의 이동거리를 측정하되 카메라의 촬영 각도나 사진 왜곡 현상으로 인한 문제를 보정하고 속도를 예측할 수 있다.
차량 속도 측정부(410)는 복수의 프레임에서의 차량 영역의 이동을 통해 촬영 영상 내의 차량의 상대 이동 속도를 계산한다.
차량 속도 측정부(410)는 복수의 프레임인 여러사진을 이용하여 속도를 구할 차량의 영역을 차량 영역의 이동을 통해 인식하고, 속도를 구할 차량의 영역을 인식하면 차량의 상대 이동 속도를 계산할 수 있다.
차량 속도 측정부(410)는 영상 분석 시스템의 이동 속도와 촬영 영상 내의 차량의 상대 이동 속도를 더하여 촬영 영상 내의 차량 속도를 측정한다.
차량 속도 측정부(410)는 자신의 차량에 장착되어 있는 영상 분석 시스템에서 다른 차량의 속도를 측정하기 위해 속도를 측정 할 수 있다. 영상 분석 시스템이 장착되어 있는 자신의 차량은 차량이 운행중이어서 움직일 수도 있고 움직이지 않을 수도 있다. 자신의 차량이 움직이지 않는 경우 다른 차량의 속도를 측정할 때 다른 차량의 속도만 측정될 수 있으나, 자신의 차량이 움직일 때 다른 차량의 속도를 측정하면 자신의 차량의 움직이는 속도를 제외한 속도가 측정될 수 있다. 따라서 다른 차량의 이동 속도는 자신의 차량의 속도를 더하여 다른 차량의 차량 속도를 측정 할 수 있다.
속도 위반 정보 판단부(202)의 속도 위반 확인부(420)는 촬영된 차량의 영역 및 측정된 차량의 속도로부터 촬영된 차량이 속도 위반을 하는지 여부를 확인한다.
속도 위반 확인부(420)는 차량의 영역을 추출하여 차량이 속도를 측정하여 차량이 속도 위반을 하였는지 하지 않았는지의 여부를 판단하여 정보를 저장할 수 있다.
차량 번호 정보 추출부(203)는 촬영 영상으로부터 촬영된 차량의 차량 번호 정보를 판단한다.
차량 번호 추출부는 차량 번호판 정보 생성을 위한 것으로 차선 위반 또는 속도 위반 차량이 발생 시 차량의 정보인 번호판을 인식하여 저장할 수 있다. 차량 영역 인식부(320)를 통해 얻어진 차량 영역에서 번호판 영역 검출부를 통해 차량의 번호판 위치를 찾을 수 있다. 찾은 번호판 영역을 번호 인식부로 넘겨 번호판 정보를 저장할 수 있다.
번호 인식부는 번호판 종류 검출부, 문자 영역 추출부, 문자 인식부를 포함한다.
번호판 종류 검출부는 구형 번호판, 신형 번호판, 사업용 번호판 등을 번호판의 색, 크기 및 모양 등으로 검출 할 수 있다.
문자 영역 추출부는 번호판 종류 검출부에서 검출한 번호판의 종류에 따라 문자의 위치를 파악하여 번호판의 숫자와 글자를 분리하고, 글자 중 분리될 수 있는 한글은 하나로 합쳐 문자를 추출할 수 있다.
문자 인식부는 번호판 종류 검출부와 문자 영역 추출부를 통해 추출된 번호판 종류 정보와 숫자 및 글자의 종류 정보를 통해 문자를 인식할 수 있으며, 번호판 종류에 따라 사용하는 숫자 및 글자의 종류가 한정적이기 때문에 문자 인식 결과의 종류를 제한함으로서 문자 인식률과 문자 인식 속도를 높일 수 있다.
차량 색상 정보 판단부(204)는 촬영 영상으로부터 촬영된 차량의 색상 정보를 판단한다.
차량의 색상은 흰색, 회색, 은색, 검정색 등 다양한 색상이 있으며, 차량을 구분짓는 중요한 요소일 수 있다. 차량의 색상 정보 판단부는 차량의 색상을 파악하여 차량 인식을 용이하게 할 수 있다.
또한 차량 색상 정보 판단부는 차량의 종류도 함께 파악할 수 있으며, 차량이 소형차, 대형차의 여부인지를 포함하여 차량이 버스인지 버스가 아닌지를 확인하여 버스 전용차선에서는 버스가 아닌 다른 차량이 버스 전용차로를 침범하였을 경우 차선 위반을 하였다고 판단할 수 있는 정보를 제공 할 수 있다.
메타 데이터 저장부(103)는 영상 분석부(102)의 분석 결과를 기초로 메타 데이터를 생성하여 촬영 영상에 대응시켜 저장한다.
메타 데이터 저장부(103)는 영상 분석부(102)에서 분석한 속도 위반 또는 차선 위반에 관한 결과를 추출하기 위한 정보를 메타 데이터로 생성 할 수 있다. 메타 데이터는 자신이 차량의 위치, 자신의 차량이 시간, 사건 사고 차량 또는 다른 차량의 번호판 정보, 번호판 색깔, 속도, 차선 위반 또는 속도 위반을 생성하여 기록 할 수 있다. 메타 데이터는 일정한 포맷일 수 있으며, 필요에 따라서 필요한 정보만을 생성하여 저장할 수 있다.
메타 데이터 저장부(103)는 생성된 메타 데이터를 촬영 영상에 대응 시켜 저장할 수 있다. 메타 데이터에 저장된 차량의 위치, 자신의 차량이 시간, 사건 사고 차량 또는 다른 차량의 번호판 정보, 번호판 색깔, 속도, 차선 위반 또는 속도 위반에 관한 정보를 촬영 영상에 하나하나 대응 시켜 필요한 정보를 원하는 경우 필요한 부분에 관한 정보만 메타 데이터와 영상을 함께 송/수신 할 수 있다.
메타 데이터 저장부(103)는 생성된 데이터를 암호화하여 저장한다.
메타 테이터 저장부에 저장된 메타 데이터에 개인정보가 포함되어 있기 때문에 해킹 방지를 위한 절차가 필요하며, 어느 누구나 함부로 그 정보를 보게 되면 악용될 가능성이 있어 쉽게 볼 수 없도록 암호화 할 수 있다.
예를 들어, AES, DES, RAS 같은 알고리즘을 적용하여 정보를 암호화하여 기록하면 쉽게 접근할 수 없으며, 암호화 하여 메타 데이터를 메모리에 저장 할 수 있다.
메타 데이터 저장부(103)는 생성기, 암호화기, 메모리를 포함한다.
영상 분석부(102)를 통과하여 정보를 찾으면 제 6도의 메타데이터 생성기에서 메타 데이터로 바꾸어 저장한다. 메타 데이터를 생성할 때에는 규칙을 약속하여 저장한다. 예를 들어, GPS 수신장치(105)로부터 내 차량의 위치와 시간을 먼저 기록한 후 사건 사고 차량의 번호판 정보, 색깔, 속도, 차선 위반, 속도 위반을 기록한다. 이렇게 일정 포맷을 만들어 메타 데이터를 생성한다. 번호판의 정보, 시간, 위치 등의 정보는 개인정보를 포함하고 있다. 어느 누구나 함부로 그 정보를 보게 된다면 악용될 가능성이 있기에 쉽게 볼 수 없고 해킹 방지를 위한 절차가 필요하다. 예를 들어, AES, DES, RAS 같은 알고리즘을 적용하여 정보를 암호화하여 기록하면 쉽게 접근할 수 없다. 암호화기에서 앞서 만들어진 정보를 암호화한다. 그렇게 하여 메모리에 기록하게 된다. 또한, 분석결과 제공부(104)에서 필요 정보를 송신하는 장치가 있기에 메타 데이터 저장부(103)의 메모리에 접근할 수 있어야 한다.
분석결과 제공부(104)는 외부의 확인 요청을 수신하고 저장된 메타 데이터 중에서 확인 요청에 대응되는 메타 데이터를 검색하여 제공한다.
분석결과 제공부(104)는 외부인 경찰청 또는 사건 사고에 대한 정보를 원하는 모든 곳에서 확인 요청을 하는 메시지를 수신하여 정보 요청을 받을 수 있으며, 수신된 메시지를 분석하여 정보를 요청한 곳 또는 요청한 자가 필요한 정보가 무엇인지 분석할 수 있다. 요청한 정보는 메타 데이터에 저장된 차량의 위치, 자신의 차량이 시간, 사건 사고 차량 또는 다른 차량의 번호판 정보, 번호판 색깔, 속도, 차선 위반 또는 속도 위반에 관한 정보 중 하나 일부 일수 있으며, 모두 일 수 있다. 분석된 메시지를 메타 데이터 저장부(103)에 저장된 암호화된 데이터에 매핑하여 데이터를 찾을 수 있다.
분석결과 제공부(104)는 메타 데이터 저장부(103)에서 암호화하여 저장된 데이터를 복호화하여, 확인 요청에 대응되는 메타 데이터를 제공한다.
분석결과 제공부(104)는 암호화 된 데이터 중에서 찾고자 하는 데이터가 있는 경우 암호화된 정보를 복호화(해독)하여 암호화 되지 않은 메타 데이터로 다시 바꿀 수 있다. 복호화된 메타 데이터는 외부의 확인 요청에 의해 검색된 데이터이며 이를 제공 할 수 있다.
분석결과 제공부(104)는 검색된 메타 데이터 및 메타 데이터에 대응되는 영상 정보를 압축하여 전송한다.
외부의 확인 요청에 의해 검색된 메타 데이터에는 시간과 장소 등의 여러가지 기록이 있기 때문에 용량이 클 수 있다. 분석결과 제공부(104)는 용량이 큰 검색된 메타 데이터와 검색된 메타 데이터에 대응되는 촬영 영상을 함께 압축하여 외부로 송신 할 수 있다.
도 2는 본 발명의 일실시예에 따른 영상 분석부(102)의 세부 구성을 도시한 도면이다.
영상 분석부(102)는 수신한 촬영 영상을 분석한다.
영상 분석부(102)는 영상 수신부(101)에서 수신한 도로 상황 정보를 포함하는 촬영 영상을 수신하여 어떤 차량이 차선위반 또는 속도위반을 하였는지 분석하며, 차량의 번호판 정보를 추출할 수 있다.
또한, GPS 수신장치(105)는 내 차량의 위치와 시간을 먼저 기록할 수 있으며, GPS 수신장치(105)의 정보를 영상 분석부(102)에서 수신할 수 있다.
영상 분석부(102)는 차선 위반 정보 판단부(201), 속도 위반 정보 판단부(202), 차량 번호 정보 추출부(203), 차량 색상 정보 판단부(204)를 포한다.
도 3은 본 발명의 일실시예에 따른 차선 위반 정보 판단부(201)의 구성도를 도시한 도면이다.
차선 위반 정보 판단부(201)는 촬영 영상으로부터 촬영된 차량의 차선 위반 정보를 판단한다.
차선 위반 정보 판단부(201)는 블랙박스 또는 카메라로 촬영된 영상으로부터 차량을 인식하여 인식된 차량이 차선을 위반했는지 여부를 판단하여 차량 영역을 인식하여 차선 위반 정보를 생성 할 수 있다.
차선 위반 정보 판단부(201)는 차선 인식부(310) 및 차량 영역 인식부(320)를 포함한다.
차선 위반 정보 판단부(201)의 차선 인식부(310)는 촬영 영상으로부터 차선 정보를 추출한다.
차선 인식부(310)는 차선의 위치, 색, 종류를 검출하여 판단 할 수 있으며, 이를 종합하여 차선 정보를 판단할 수 있다.
차선 위치 검출부(311)에서 확인된 차선을 이탈하는 행위는 차선 변경 금지 차량이 운행되는 경우 차선을 위반했다고 판단할 수 있다.
차선 색 검출부(312)에서 확인된 차선의 색 종류로 차량이 황색 차선을 넘는 경우 또는 버스가 아닌경우 파란색의 차선안에서 차량을 운행하는 경우 차선을 위반했다고 판단할 수 있다.
차선 종류 검출부(313)에서 차선의 종류가 중앙선이라고 판단하였을 경우, 차선의 종류가 중앙선이며 실선인 경우 차선을 넘어서면 안되는 선으로 차선 위반을 했다고 판단할 수 있다. 중앙선이며 점선인 경우 추월이 허용되어 차선을 넘었다고 차선을 위반했다고 판단할 수 없으나 주차가 되어있는 경우는 차선위반을 했다고 판단할 수 있다.
차선 인식부(310)는 차선 위치 검출부(311), 차선 색 검출부(312), 차선 종류 검출부(313)를 포함한다.
차선 인식부(310)의 차선 위치 검출부(311)는 촬영 영상에서 직선 성분을 인식하여 차선의 위치를 판단한다.
차선은 주로 직선 또는 지그재그로 이루어져 있으며 보통은 직선으로 이루어져 있다. 지그재그 차선은 서행하라는 의미를 가지고 있으며 도로의 지속적인 지그재그 또는 직선의 모양으로 차선의 위치를 판단할 수 있다.
차선 인식부(310)의 차선 색 검출부(312)는 인식된 차선의 색상을 확인한다.
차선의 색상은 일반적으로 일반 차선의 색상은 흰색, 중앙선은 황색, 버스전용차선의 색상은 파란색으로, 차선 색 검출부(312)는 차선의 색상으로 일반 차선, 중앙차선, 버스전용차선의 여부를 판단할 수 있다.
차선 인식부(310)의 차선 종류 검출부(313)는 인식된 차선이 점선인지 실선인지 이중선인지 여부를 판단한다.
도로에는 차선, 차로 및 중앙선이 있으며, 차선은 차로를 구분짓는 선을 의미한다. 중앙선은 차량의 방향을 구분짓는 선이다. 중앙선과 차선은 실선, 점선, 실선과 점선 그리고 이중선으로 구분 할 수 있으며, 차선 종류 검출부(313)는 차선의 종류가 중앙선인지 또는 차선인지의 여부를 판단한다.
차선 위반 정보 판단부(201)의 차량 영역 인식부(320)는 촬영된 차량의 영역을 인식한다.
차량 영역 인식부(320)는 차선 인식부(310)에서 차선 변경 금지 구간이라고 판단 되었을 경우 차량의 위치를 검출 할 수 있다.
차량 영역 인식부(320)는 차선/속도 위반을 확인하는데 필요한 차량만을 판단하며, 촬영하는 영상 부분에서 차선/속도 위반을 구별하기 위한 차량이 아닌 다른 부분을 제외 시킴으로서 계산량을 줄이고 정확도도 더욱 증가시킬 수 있다.
차량 영역 인식부(320)는 관심영역 설정부(321), 차량 후보 검출부(322), 차량 영역 검출부(323)를 포함한다.
차량 영역 인식부(320)의 관심영역 설정부(321)는 촬영 영상에서 차량이 존재할 가능성이 높은 관심 영역을 설정한다.
관심영역 설정부(321)는 촬영된 영상의 전체가 차선/속도 위반을 확인하기 위한 영역이 아니므로, 촬영된 영상 중 차선/속도 위반을 확인하기 위한 영역을 설정할 수 있다.
예를 들면, 블랙박스가 차량의 전면에 설치되어 있고 차선 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 차량의 전면부와 측면부 일부일 것이다. 그러나 속도 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 단지 차량의 전면부만 필요할 것이다. 그러므로 블랙박스가 촬영하고 있는 영역 중 차선 위반 또는 속도 위반에 필요한 일부의 영역을 판단하여 인도 등을 포함하고 있는 제외하고 차선/속도 위반을 확인하는데 필요한 일부 영역을 판단하여 관심영역으로 설정할 수 있다.
차량 영역 인식부(320)의 차량 후보 검출부(322)는 관심영역 내에서 차량 후보를 검출한다.
차량 후보 검출부(322)는 관심영역 설정부(321)에서 설정된 영역 중 차량인지 아닌지의 여부를 확인하여 차량일 수 있는 경우 차량 후보로 검출 할 수 있다.
차량 영역 인식부(320)의 차량 영역 검출부(323)는 검출된 차량 후보 중 실제 차량 영역을 구별한다.
차량 영역 검출부(323)는 차량 후보 검출부(322)에서 차량이라고 판단되는 후보 중 실제 차량인지 아닌지의 여부를 판단하여 실제 차량인 경우와 아닌 경우를 구분할 수 있다.
차선 위반 정보 판단부(201)의 차선 위반 확인부(330)는 차선 정보 및 차량 영역 정보로부터 촬영된 차량이 차선 위반을 하였는지 여부를 확인한다.
차량 위반 확인부는 차선 인식부(310)에서 차선 변경 금지 구간이라고 판단되는 경우 차량 영역 인식부(320)에서 차량 영역을 검출하여 최종적으로 차량이 차선 위반을 하였는지 하지 않았는지 여부를 판단하여 정보를 생성할 수 있다.
차선 인식부(310)는 기존의 Hough Line Detection 알고리즘을 사용하여 차선 위치 검출부(311)에서 촬영 영상에서 직선인 성분을 검출하고, 차선 색 검출부(312)를 통해 어떤 색의 차선인지 판단한다. 마지막으로 차량 종류 추출부을 통해 차선이 직선인지 실선인지를 판단한다. 차선 인식부(310)를 통해 차선의 종류와 차선 변경 금지구간 인지 아닌지를 판단 할 수 있다.
또한, 차량 영역 인식부(320)를 통해 차선 인식부(310)에서 차선 변경 금지 구간이라고 판단 되었을 때의 차량의 위치를 검출하여 최종적으로 제 3도의 차선 위반 확인부(330)에서 차선 위반 정보를 생성한다. 차량 영역 인식부(320)에서는 관심영역 설정부(321), 차량 후보 검출부(322), 차량 영역 검출부(323) 세 단계로 이루어져 있다. 관심영역 설정부(321)를 통하여 입력 영상의 계산 부위를 줄일 수 있다. 또한 차량 후보 검출부(322)와 차량 영역 검출부(323) 2단계를 통해 바로 차량 영역을 찾지 않고 간단한 동작으로 차량 후보들을 검출 함으로서, 계산량을 줄이고 정확도도 더욱 증가 시킬 수 있다.
도 4는 본 발명의 일실시예에 따른 속도 위반 정보 판단부(202)의 구성도를 도시한 도면이다.
속도 위반 정보 판단부(202)는 촬영 영상으로부터 촬영된 차량의 속도 위반 정보를 판단한다.
속도 위반 정보 판단부(202)는 차량 영역을 인식하여 차량의 속도를 측정하여 속도 위반을 하였는지 여부를 판단할 수 있다.
속도 위반 정보 판단부(202)는 차량 영역 인식부(320), 차량 속도 측정부(410), 속도 위반 확인부(420)를 포함한다.
속도 위반 정보 판단부(202)의 차량 영역 인식부(320)는 촬영된 차량의 영역을 인식한다.
차량 영역 인식부(320)는 차선/속도 위반을 확인하는데 필요한 차량만을 판단하며, 촬영하는 영상 부분에서 차선/속도 위반을 구별하기 위한 차량이 아닌 다른 부분을 제외 시킴으로서 계산량을 줄이고 정확도도 더욱 증가시킬 수 있다.
차량 영역 인식부(320)는 관심영역 설정부(321), 차량 후보 검출부(322), 차량 영역 검출부(323)를 포함한다.
차량 영역 인식부(320)의 관심영역 설정부(321)는 촬영 영상에서 차량이 존재할 가능성이 높은 관심 영역을 설정한다.
관심영역 설정부(321)는 촬영된 영상의 전체가 차선/속도 위반을 확인하기 위한 영역이 아니므로, 촬영된 영상 중 차선/속도 위반을 확인하기 위한 영역을 설정할 수 있다.
예를 들면, 블랙박스가 차량의 전면에 설치되어 있고 차선 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 차량의 전면부와 측면부 일부일 것이다. 그러나 속도 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 단지 차량의 전면부만 필요할 것이다. 그러므로 블랙박스가 촬영하고 있는 영역 중 차선 위반 또는 속도 위반에 필요한 일부의 영역을 판단하여 인도 등을 포함하고 있는 제외하고 차선/속도 위반을 확인하는데 필요한 일부 영역을 판단하여 관심영역으로 설정할 수 있다.
차량 영역 인식부(320)의 차량 후보 검출부(322)는 관심영역 내에서 차량 후보를 검출한다.
차량 후보 검출부(322)는 관심영역 설정부(321)에서 설정된 영역 중 차량인지 아닌지의 여부를 확인하여 차량일 수 있는 경우 차량 후보로 검출 할 수 있다.
차량 영역 인식부(320)의 차량 영역 검출부(323)는 검출된 차량 후보 중 실제 차량 영역을 구별한다.
차량 영역 검출부(323)는 차량 후보 검출부(322)에서 차량이라고 판단되는 후보 중 실제 차량인지 아닌지의 여부를 판단하여 실제 차량인 경우와 아닌 경우를 구분할 수 있다.
속도 위반 정보 판단부(202)의 차량 속도 측정부(410)는 촬영 영상 내의 복수의 프레임으로부터 인식된 차량 영역을 확인하고, 복수의 프레임의 차량 영역이 동일한 차량에 대한 것인지 확인한 후, 차량의 속도를 측정한다.
차량 속도 측정부(410)는 촬영 영상의 복수의 프레임인 여러 사진을 이용하여 움직인 속도의 차이와 자신의 차량 속도를 더해 속도를 계산할 수 있다. 영상을 촬영하는 동안에도 차량은 지속적으로 움직이기 때문에 복수의 프레임의 차량 영역이 동일한 차량인지 확인 할 수 있다. 또한, 속도를 측정하는 순간에 다른 차량으로 바뀔 수가 있기 때문에 인식된 차량과 속도를 측정한 차량이 동일한 차량인지 확인 할 수 있다.
차량 번호 정보 추출부(203)는 복수의 프레임인 여러 사진을 이용하여 인식된 차량과 속도를 측정한 차량이 동일한 차량인지의 여부는 차량의 색깔이나 번호판의 정보가 동일한지를 확인할 수 있다.
차량 속도 측정부(410)는 GPS 수신 장치로부터 위치 정보를 확인하여 이를 기초로 영상 분석 시스템의 이동 속도를 계산한다.
GPS 수신 장치로부터 자신의 차량의 위치와 시간을 수신할 수 있으며, 앞차량의 이동거리를 측정하되 카메라의 촬영 각도나 사진 왜곡 현상으로 인한 문제를 보정하고 속도를 예측할 수 있다.
차량 속도 측정부(410)는 복수의 프레임에서의 차량 영역의 이동을 통해 촬영 영상 내의 차량의 상대 이동 속도를 계산한다.
차량 속도 측정부(410)는 복수의 프레임인 여러사진을 이용하여 속도를 구할 차량의 영역을 차량 영역의 이동을 통해 인식하고, 속도를 구할 차량의 영역을 인식하면 차량의 상대 이동 속도를 계산할 수 있다.
차량 속도 측정부(410)는 영상 분석 시스템의 이동 속도와 촬영 영상 내의 차량의 상대 이동 속도를 더하여 촬영 영상 내의 차량 속도를 측정한다.
차량 속도 측정부(410)는 자신의 차량에 장착되어 있는 영상 분석 시스템에서 다른 차량의 속도를 측정하기 위해 속도를 측정 할 수 있다. 영상 분석 시스템이 장착되어 있는 자신의 차량은 차량이 운행중이어서 움직일 수도 있고 움직이지 않을 수도 있다. 자신의 차량이 움직이지 않는 경우 다른 차량의 속도를 측정할 때 다른 차량의 속도만 측정될 수 있으나, 자신의 차량이 움직일 때 다른 차량의 속도를 측정하면 자신의 차량의 움직이는 속도를 제외한 속도가 측정될 수 있다. 따라서 다른 차량의 이동 속도는 자신의 차량의 속도를 더하여 다른 차량의 차량 속도를 측정 할 수 있다.
속도 위반 정보 판단부(202)의 속도 위반 확인부(420)는 촬영된 차량의 영역 및 측정된 차량의 속도로부터 촬영된 차량이 속도 위반을 하는지 여부를 확인한다.
속도 위반 확인부(420)는 차량의 영역을 추출하여 차량이 속도를 측정하여 차량이 속도 위반을 하였는지 하지 않았는지의 여부를 판단하여 정보를 저장할 수 있다. 속도 위반 확인부(420)는 속도 위반 여부를 판단하기 위하여 GPS 수신 장치로부터 위치 정보를 확인하고, 위치 정보를 기반으로 촬영된 위치의 제한속도 정보를 확인하고, 측정된 차량의 속도가 제한속도를 초과하는지 여부를 판단함으로써, 속도위반 여부를 확인할 수 있다.
차량 번호 정보 추출부(203)는 촬영 영상으로부터 촬영된 차량의 차량 번호 정보를 판단한다.
차량 번호 추출부는 차량 번호판 정보 생성을 위한 것으로 차선 위반 또는 속도 위반 차량이 발생 시 차량의 정보인 번호판을 인식하여 저장할 수 있다. 차량 영역 인식부(320)를 통해 얻어진 차량 영역에서 번호판 영역 검출부를 통해 차량의 번호판 위치를 찾을 수 있다. 찾은 번호판 영역을 번호 인식부로 넘겨 번호판 정보를 저장할 수 있다.
번호 인식부는 번호판 종류 검출부, 문자 영역 추출부, 문자 인식부를 포함한다.
번호판 종류 검출부는 구형 번호판, 신형 번호판, 사업용 번호판 등을 번호판의 색, 크기 및 모양 등으로 검출 할 수 있다.
문자 영역 추출부는 번호판 종류 검출부에서 검출한 번호판의 종류에 따라 문자의 위치를 파악하여 번호판의 숫자와 글자를 분리하고, 글자 중 분리될 수 있는 한글은 하나로 합쳐 문자를 추출할 수 있다.
문자 인식부는 번호판 종류 검출부와 문자 영역 추출부를 통해 추출된 번호판 종류 정보와 숫자 및 글자의 종류 정보를 통해 문자를 인식할 수 있으며, 번호판 종류에 따라 사용하는 숫자 및 글자의 종류가 한정적이기 때문에 문자 인식 결과의 종류를 제한함으로서 문자 인식률과 문자 인식 속도를 높일 수 있다.
차량 색상 정보 판단부(204)는 촬영 영상으로부터 촬영된 차량의 색상 정보를 판단한다.
차량의 색상은 흰색, 회색, 은색, 검정색 등 다양한 색상이 있으며, 차량을 구분짓는 중요한 요소일 수 있다. 차량의 색상 정보 판단부는 차량의 색상을 파악하여 차량 인식을 용이하게 할 수 있다.
차량 영역 인식부(320)는 앞에서 설명한 제 3도의 차량 영역 인식부(320)와 수행하는 기술은 비슷하나 관심영역 설정 부분이 다를 수 있으며, 제 4도의 구성 관심영역 설정부(321)의 관심영역 설정 부분은 바로 정면 차량의 위치를 보는 것으로 큰 변함 없이 관심영역이 정해져 있을 수 있으며, 제 3도의 관심영역 설정 부분을 제외한 이하 작업은 동일할 수 있다. 차량 속도 측정부(410)는 영상의 여러 사진을 이용하여 움직인 속도의 차이와 GPS 수신장치(105)로부터 받은 자신의 차량 속도를 더해 속도를 측정하는 것이다. GPS 수신장치(105)로부터 자신의 차량 위치와 시간을 수신할 수 있다. 앞 차량의 이동거리를 측정하되 카메라의 촬영 각도나 사진 왜곡 현상으로 인한 문제를 보정하고 속도를 예측한다. 속도 측정 차량이 동일한 차량인지 알고 있어야 하기 때문에 제 4도의 동일 차량 확인(412)에서 앞 차량의 색깔이나 번호판의 정보가 동일한지를 확인한다.
도 5는 본 발명의 일실시예에 따른 분석결과 제공부(104)의 구성도를 도시한 도면이다.
분석결과 제공부(104)는 외부의 확인 요청을 수신하고 저장된 메타 데이터 중에서 확인 요청에 대응되는 메타 데이터를 검색하여 제공한다.
분석결과 제공부(104)는 외부인 경찰청 또는 사건 사고에 대한 정보를 원하는 모든 곳에서 확인 요청을 하는 메시지를 수신하여 정보 요청을 받을 수 있으며, 수신된 메시지를 분석하여 정보를 요청한 곳 또는 요청한 자가 필요한 정보가 무엇인지 분석할 수 있다. 요청한 정보는 메타 데이터에 저장된 차량의 위치, 자신의 차량이 시간, 사건 사고 차량 또는 다른 차량의 번호판 정보, 번호판 색깔, 속도, 차선 위반 또는 속도 위반에 관한 정보 중 하나 일부 일수 있으며, 모두 일 수 있다. 분석된 메시지를 메타 데이터 저장부(103)에 저장된 암호화된 데이터에 매핑하여 데이터를 찾을 수 있다.
분석결과 제공부(104)는 메타 데이터 저장부(103)에서 암호화하여 저장된 데이터를 복호화하여, 확인 요청에 대응되는 메타 데이터를 제공한다.
분석결과 제공부(104)는 암호화 된 데이터 중에서 찾고자 하는 데이터가 있는 경우 암호화된 정보를 복호화(해독)하여 암호화 되지 않은 메타 데이터로 다시 바꿀 수 있다. 복호화된 메타 데이터는 외부의 확인 요청에 의해 검색된 데이터이며 이를 제공 할 수 있다.
분석결과 제공부(104)는 검색된 메타 데이터 및 메타 데이터에 대응되는 영상 정보를 압축하여 전송한다.
외부의 확인 요청에 의해 검색된 메타 데이터에는 시간과 장소 등의 여러가지 기록이 있기 때문에 용량이 클 수 있다. 분석결과 제공부(104)는 용량이 큰 검색된 메타 데이터와 검색된 메타 데이터에 대응되는 촬영 영상을 함께 압축하여 외부로 송신 할 수 있다.
분석결과 제공부(104)는 메시지 수신(501), 메시지 분석(502), 암호화된 데이터 매칭(503), 암호화 정보 복호화(504), 데이터 압축기(505), 송신기(506)를 포함한다. 수신기로부터 경찰청과 같은 정보가 필요한 기관 즉, 서버에서 그 정보를 접근하고자 할 경우 메시지 분석(502)에서 필요 정보가 무엇인지 분석을 한다. 그 후, 메타데이터 매칭(503)에서 필요로 하는 정보가 있는지 메타 데이터 저장부(103)의 메모리에서 찾는다. 메시지에서 요구하는 정보가 존재할 시에는 암호화된 정보이기 때문에 암호화 정보 복호화(504)에서 그 암호를 다시 해독하여 메타 데이터로 다시 바꾼다. 그 후, 필요 메타 데이터에는 시간과 장소의 기록이 남아있기 때문에 영상이 저장되어 있다면 그 영상과 같이 보낼 수 있다. 이 때, 영상의 데이터 크기는 매우 크고 거기에 필요 정보인 메타 데이터도 같이 보내야 하기 때문에 데이터를 압축하여 송신기를 통해 보내주게 된다. 통신 수단은 현 시점 가장 많이 이용하는 LTE 혹은 Wifi를 이용한다. 전체 상황의 모습을 예시로 들자면 도 7과 같이 나타낼 수 있다.
도 6은 본 발명의 일실시예에 따른 차량 번호 정보 추출부(203)의 구성도를 도시한 도면이다.
차량 번호 정보 추출부(203)는 촬영 영상으로부터 촬영된 차량의 차량 번호 정보를 판단한다.
차량 번호 추출부는 차량 번호판 정보 생성을 위한 것으로 차선 위반 또는 속도 위반 차량이 발생 시 차량의 정보인 번호판을 인식하여 저장할 수 있다. 차량 영역 인식부(320)를 통해 얻어진 차량 영역에서 번호판 영역 검출부를 통해 차량의 번호판 위치를 찾을 수 있다. 찾은 번호판 영역을 번호 인식부로 넘겨 번호판 정보를 저장할 수 있다.
번호 인식부는 번호판 종류 검출부, 문자 영역 추출부, 문자 인식부를 포함한다.
번호판 종류 검출부는 구형 번호판, 신형 번호판, 사업용 번호판 등을 번호판의 색, 크기 및 모양 등으로 검출 할 수 있다.
문자 영역 추출부는 번호판 종류 검출부에서 검출한 번호판의 종류에 따라 문자의 위치를 파악하여 번호판의 숫자와 글자를 분리하고, 글자 중 분리될 수 있는 한글은 하나로 합쳐 문자를 추출할 수 있다.
문자 인식부는 번호판 종류 검출부와 문자 영역 추출부를 통해 추출된 번호판 종류 정보와 숫자 및 글자의 종류 정보를 통해 문자를 인식할 수 있으며, 번호판 종류에 따라 사용하는 숫자 및 글자의 종류가 한정적이기 때문에 문자 인식 결과의 종류를 제한함으로서 문자 인식률과 문자 인식 속도를 높일 수 있다.
차량 번호 추출부는 앞선 장치들을 통해 차선 위반 차량이 발생시 해당 차량의 정보인 번호판을 인식하여 저장하기 위한 장치이다. 차량 영역 인식부(320)를 통해 얻어진 차량 영역에서 번호판 영역 검출부(610)를 통해 차량의 번호판 위치를 찾는다. 찾은 번호판 영역을 번호 인식부(620)로 넘겨주어 번호판 정보를 저장한다. 정확한 번호인식을 위해 번호 인식부(620)는 번호판 종류 검출부(621), 문자영역 추출부(622), 문자 인식부(623)으로 나뉜다. 도로에는 구형 번호판, 신형 번호판, 사업용 번호판 등 여러 가지의 번호판이 존재한다. 각 번호판마다 특징은 제각각 이며 쓰이는 문자 종류 역시 다르다. 따라서 번호판 종류 검출부(621)를 통해 번호판 종류를 알아내는 것이 번호 인식률을 높이는 방법이 된다. 또한 문자 영역 추출부(622)를 통해 번호판의 각 숫자와 한글을 분리하여 문자 인식부(623)에 데이터를 넘겨 준다. 문자 영역 추출부(622)에서 숫자와 한글을 구분 할 수 있다. 또한 한글 중 분리될 수 있는 글자들을 하나로 합쳐 문자 인식부(623)에 데이터를 넘겨주게 된다. 문자 인식부는 번호판 종류 검출부(621)와 문자영역 추출부(622)를 통해 얻은 번호판 종류 정보와 문자의 종류 정보를 통해 해당 문자 인식 결과의 종류를 제한 함으로서 번호 인식률을 높힐 수 있다.
도 7은 본 발명이 일실시예에 따른 사고가 발생하였을 때 본 발명을 적용한 일례를 도시한 도면이다.
사고가 발생하였을 경우 이동 차량은 GPS 수신장치(105)를 통해 자신의 위치 정보와 시간 정보를 받고 동시에 경찰청과 같은 외부와의 통신이 이루어질 수 있다. 사고가 발생하면 사고가 발생한 차량의 주변에 있던 차량의 영상 분석 시스템을 분석 할 수 있다. 경찰청과 같은 외부로부터 메시지로 정보 요청을 받고 요청된 정보를 분석하여 해당하는 시스템에 암호화 되어 저장되어 있던 정보를 검색하여 정보를 송부 할 수 있다. 지속적으로 도로에서 차선 또는 속도를 위반하는 차량을 분석할 뿐만 아니라 다른 사고가 났을 경우에도 GPS 수신장치(105)를 통해 저장된 정보를 통해 언제 어디서든 원하는 정보를 제공 할 수 있어 사고를 당해도 범인을 잡지 못하는 경우는 줄어들 수 있는 효과가 있다.
도 8은 본 발명의 일실시예에 따른 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 방법의 흐름을 도시한 순서도이다.
단계 S801는 도로 상황 정보를 포함하는 촬영 영상을 수신한다.
도로 상황 정보를 포함하는 촬영 영상은 블랙박스, CCTV, 일반 카메라 등의 다양한 카메라로 촬영한 영상일 수 있다. 특히 그 중에서 블랙박스는 차량에 부착되어 차량이 운행되거나 운행되지 않는 경우에도 사건 또는 사고가 발생하는 경우 사고의 경위 및 당시의 상태를 녹화하는 카메라로, 차량의 전면 또는 후면을 촬영하여 수 있다. 차량이 도로 위에서 운행중인 경우 차량이 운행하는 전면 또는 후면의 도로 상황이 촬영되며, 촬영되는 영상에는 다른 차량 및 다른 차량의 차량 운행 과정도 함께 촬영될 수 있다. 이처럼 단계 S801는 도로 상황 정보가 포함된 모든 영상을 수신 할 수 있다.
단계 S802는 수신한 촬영 영상을 분석한다.
단계 S802는 단계 S801에서 수신한 도로 상황 정보를 포함하는 촬영 영상을 수신하여 어떤 차량이 차선위반 또는 속도위반을 하였는지 분석하며, 차량의 번호판 정보를 추출할 수 있다.
또한, GPS 수신장치(105)는 내 차량의 위치와 시간을 먼저 기록할 수 있으며, GPS 수신장치(105)의 정보를 단계 S802에서 수신할 수 있다.
단계 S802는 차선 위반 정보 판단 단계, 속도 위반 정보 판단 단계, 차량 번호 정보 추출 단계, 차량 색상 정보 판단 단계를 포함한다.
차선 위반 정보 판단 단계는 촬영 영상으로부터 촬영된 차량의 차선 위반 정보를 판단한다.
차선 위반 정보 판단 단계는 블랙박스 또는 카메라로 촬영된 영상으로부터 차량을 인식하여 인식된 차량이 차선을 위반했는지 여부를 판단하여 차량 영역을 인식하여 차선 위반 정보를 생성 할 수 있다.
차선 위반 정보 판단 단계는 차선 인식하는 단계 및 차량 영역 인식하는 단계를 포함한다.
차선 위반 정보 판단 단계의 차선 인식하는 단계는 촬영 영상으로부터 차선 정보를 추출한다.
차선 인식하는 단계는 차선의 위치, 색, 종류를 검출하여 판단 할 수 있으며, 이를 종합하여 차선 정보를 판단할 수 있다.
차선 위치 검출 검출하는 단계에서 확인된 차선을 이탈하는 행위는 차선 변경 금지 차량이 운행되는 경우 차선을 위반했다고 판단할 수 있다.
차선 색 검출 하는 단계에서 확인된 차선의 색 종류로 차량이 황색 차선을 넘는 경우 또는 버스가 아닌경우 파란색의 차선안에서 차량을 운행하는 경우 차선을 위반했다고 판단할 수 있다.
차선 종류 검출 검출하는 단계에서 차선의 종류가 중앙선이라고 판단하였을 경우, 차선의 종류가 중앙선이며 실선인 경우 차선을 넘어서면 안되는 선으로 차선 위반을 했다고 판단할 수 있다. 중앙선이며 점선인 경우 추월이 허용되어 차선을 넘었다고 차선을 위반했다고 판단할 수 없으나 주차가 되어있는 경우는 차선위반을 했다고 판단할 수 있다.
차선 인식하는 단계는 차선 위치 검출 검출하는 단계, 차선 색 검출 하는 단계, 차선 종류 검출 검출하는 단계를 포함한다.
차선 인식하는 단계의 차선 위치 검출 검출하는 단계는 촬영 영상에서 직선 성분을 인식하여 차선의 위치를 판단한다.
차선은 주로 직선 또는 지그재그로 이루어져 있으며 보통은 직선으로 이루어져 있다. 지그재그 차선은 서행하라는 의미를 가지고 있으며 도로의 지속적인 지그재그 또는 직선의 모양으로 차선의 위치를 판단할 수 있다.
차선 인식하는 단계의 차선 색 검출 하는 단계는 인식된 차선의 색상을 확인한다.
차선의 색상은 일반적으로 일반 차선의 색상은 흰색, 중앙선은 황색, 버스전용차선의 색상은 파란색으로, 차선 색 검출 하는 단계는 차선의 색상으로 일반 차선, 중앙차선, 버스전용차선의 여부를 판단할 수 있다.
차선 인식하는 단계의 차선 종류 검출 검출하는 단계는 인식된 차선이 점선인지 실선인지 이중선인지 여부를 판단한다.
도로에는 차선, 차로 및 중앙선이 있으며, 차선은 차로를 구분짓는 선을 의미한다. 중앙선은 차량의 방향을 구분짓는 선이다. 중앙선과 차선은 실선, 점선, 실선과 점선 그리고 이중선으로 구분 할 수 있으며, 차선 종류 검출 검출하는 단계는 차선의 종류가 중앙선인지 또는 차선인지의 여부를 판단한다.
차선 위반 정보 판단 단계의 차량 영역 인식하는 단계는 촬영된 차량의 영역을 인식한다.
차량 영역 인식하는 단계는 차선 인식하는 단계에서 차선 변경 금지 구간이라고 판단 되었을 경우 차량의 위치를 검출 할 수 있다.
차량 영역 인식하는 단계는 차선/속도 위반을 확인하는데 필요한 차량만을 판단하며, 촬영하는 영상 부분에서 차선/속도 위반을 구별하기 위한 차량이 아닌 다른 부분을 제외 시킴으로서 계산량을 줄이고 정확도도 더욱 증가시킬 수 있다.
차량 영역 인식하는 단계는 관심영역 설정하는 단계, 차량 후보 검출하는 단계, 차량 영역 검출하는 단계를 포함한다.
차량 영역 인식하는 단계의 관심영역 설정하는 단계는 촬영 영상에서 차량이 존재할 가능성이 높은 관심 영역을 설정한다.
관심영역 설정하는 단계는 촬영된 영상의 전체가 차선/속도 위반을 확인하기 위한 영역이 아니므로, 촬영된 영상 중 차선/속도 위반을 확인하기 위한 영역을 설정할 수 있다.
예를 들면, 블랙박스가 차량의 전면에 설치되어 있고 차선 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 차량의 전면부와 측면부 일부일 것이다. 그러나 속도 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 단지 차량의 전면부만 필요할 것이다. 그러므로 블랙박스가 촬영하고 있는 영역 중 차선 위반 또는 속도 위반에 필요한 일부의 영역을 판단하여 인도 등을 포함하고 있는 제외하고 차선/속도 위반을 확인하는데 필요한 일부 영역을 판단하여 관심영역으로 설정할 수 있다.
차량 영역 인식하는 단계의 차량 후보 검출하는 단계는 관심영역 내에서 차량 후보를 검출한다.
차량 후보 검출하는 단계는 관심영역 설정하는 단계에서 설정된 영역 중 차량인지 아닌지의 여부를 확인하여 차량일 수 있는 경우 차량 후보로 검출 할 수 있다.
차량 영역 인식하는 단계의 차량 영역 검출하는 단계는 검출된 차량 후보 중 실제 차량 영역을 구별한다.
차량 영역 검출하는 단계는 차량 후보 검출하는 단계에서 차량이라고 판단되는 후보 중 실제 차량인지 아닌지의 여부를 판단하여 실제 차량인 경우와 아닌 경우를 구분할 수 있다.
차선 위반 정보 판단 단계의 차선 위반 확인하는 단계는 차선 정보 및 차량 영역 정보로부터 촬영된 차량이 차선 위반을 하였는지 여부를 확인한다.
차량 위반 확인부는 차선 인식하는 단계에서 차선 변경 금지 구간이라고 판단되는 경우 차량 영역 인식하는 단계에서 차량 영역을 검출하여 최종적으로 차량이 차선 위반을 하였는지 하지 않았는지 여부를 판단하여 정보를 생성할 수 있다.
속도 위반 정보 판단 단계는 촬영 영상으로부터 촬영된 차량의 속도 위반 정보를 판단한다.
속도 위반 정보 판단 단계는 차량 영역을 인식하여 차량의 속도를 측정하여 속도 위반을 하였는지 여부를 판단할 수 있다.
속도 위반 정보 판단 단계는 차량 영역 인식하는 단계, 차량 속도 측정부(410), 속도 위반 확인하는 단계를 포함한다.
속도 위반 정보 판단 단계의 차량 영역 인식하는 단계는 촬영된 차량의 영역을 인식한다.
차량 영역 인식하는 단계는 차선/속도 위반을 확인하는데 필요한 차량만을 판단하며, 촬영하는 영상 부분에서 차선/속도 위반을 구별하기 위한 차량이 아닌 다른 부분을 제외 시킴으로서 계산량을 줄이고 정확도도 더욱 증가시킬 수 있다.
차량 영역 인식하는 단계는 관심영역 설정하는 단계, 차량 후보 검출하는 단계, 차량 영역 검출하는 단계를 포함한다.
차량 영역 인식하는 단계의 관심영역 설정하는 단계는 촬영 영상에서 차량이 존재할 가능성이 높은 관심 영역을 설정한다.
관심영역 설정하는 단계는 촬영된 영상의 전체가 차선/속도 위반을 확인하기 위한 영역이 아니므로, 촬영된 영상 중 차선/속도 위반을 확인하기 위한 영역을 설정할 수 있다.
예를 들면, 블랙박스가 차량의 전면에 설치되어 있고 차선 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 차량의 전면부와 측면부 일부일 것이다. 그러나 속도 위반을 확인하기 위한 영역은 블랙박스가 촬영하는 전체의 영역이 아닌 단지 차량의 전면부만 필요할 것이다. 그러므로 블랙박스가 촬영하고 있는 영역 중 차선 위반 또는 속도 위반에 필요한 일부의 영역을 판단하여 인도 등을 포함하고 있는 제외하고 차선/속도 위반을 확인하는데 필요한 일부 영역을 판단하여 관심영역으로 설정할 수 있다.
차량 영역 인식하는 단계의 차량 후보 검출하는 단계는 관심영역 내에서 차량 후보를 검출한다.
차량 후보 검출하는 단계는 관심영역 설정하는 단계에서 설정된 영역 중 차량인지 아닌지의 여부를 확인하여 차량일 수 있는 경우 차량 후보로 검출 할 수 있다.
차량 영역 인식하는 단계의 차량 영역 검출하는 단계는 검출된 차량 후보 중 실제 차량 영역을 구별한다.
차량 영역 검출하는 단계는 차량 후보 검출하는 단계에서 차량이라고 판단되는 후보 중 실제 차량인지 아닌지의 여부를 판단하여 실제 차량인 경우와 아닌 경우를 구분할 수 있다.
속도 위반 정보 판단 단계의 차량 속도 측정부(410)는 촬영 영상 내의 복수의 프레임으로부터 인식된 차량 영역을 확인하고, 복수의 프레임의 차량 영역이 동일한 차량에 대한 것인지 확인한 후, 차량의 속도를 측정한다.
차량 속도 측정부(410)는 촬영 영상의 복수의 프레임인 여러 사진을 이용하여 움직인 속도의 차이와 자신의 차량 속도를 더해 속도를 계산할 수 있다. 영상을 촬영하는 동안에도 차량은 지속적으로 움직이기 때문에 복수의 프레임의 차량 영역이 동일한 차량인지 확인 할 수 있다. 또한, 속도를 측정하는 순간에 다른 차량으로 바뀔 수가 있기 때문에 인식된 차량과 속도를 측정한 차량이 동일한 차량인지 확인 할 수 있다.
차량 번호 정보 추출 단계는 복수의 프레임인 여러 사진을 이용하여 인식된 차량과 속도를 측정한 차량이 동일한 차량인지의 여부는 차량의 색깔이나 번호판의 정보가 동일한지를 확인할 수 있다.
차량 속도 측정부(410)는 GPS 수신 장치로부터 위치 정보를 확인하여 이를 기초로 영상 분석 시스템의 이동 속도를 계산한다.
GPS 수신 장치로부터 자신의 차량의 위치와 시간을 수신할 수 있으며, 앞차량의 이동거리를 측정하되 카메라의 촬영 각도나 사진 왜곡 현상으로 인한 문제를 보정하고 속도를 예측할 수 있다.
차량 속도 측정부(410)는 복수의 프레임에서의 차량 영역의 이동을 통해 촬영 영상 내의 차량의 상대 이동 속도를 계산한다.
차량 속도 측정부(410)는 복수의 프레임인 여러사진을 이용하여 속도를 구할 차량의 영역을 차량 영역의 이동을 통해 인식하고, 속도를 구할 차량의 영역을 인식하면 차량의 상대 이동 속도를 계산할 수 있다.
차량 속도 측정부(410)는 영상 분석 시스템의 이동 속도와 촬영 영상 내의 차량의 상대 이동 속도를 더하여 촬영 영상 내의 차량 속도를 측정한다.
차량 속도 측정부(410)는 자신의 차량에 장착되어 있는 영상 분석 시스템에서 다른 차량의 속도를 측정하기 위해 속도를 측정 할 수 있다. 영상 분석 시스템이 장착되어 있는 자신의 차량은 차량이 운행중이어서 움직일 수도 있고 움직이지 않을 수도 있다. 자신의 차량이 움직이지 않는 경우 다른 차량의 속도를 측정할 때 다른 차량의 속도만 측정될 수 있으나, 자신의 차량이 움직일 때 다른 차량의 속도를 측정하면 자신의 차량의 움직이는 속도를 제외한 속도가 측정될 수 있다. 따라서 다른 차량의 이동 속도는 자신의 차량의 속도를 더하여 다른 차량의 차량 속도를 측정 할 수 있다.
속도 위반 정보 판단 단계의 속도 위반 확인하는 단계는 촬영된 차량의 영역 및 측정된 차량의 속도로부터 촬영된 차량이 속도 위반을 하는지 여부를 확인한다.
속도 위반 확인하는 단계는 차량의 영역을 추출하여 차량이 속도를 측정하여 차량이 속도 위반을 하였는지 하지 않았는지의 여부를 판단하여 정보를 저장할 수 있다.
차량 번호 정보 추출 단계는 촬영 영상으로부터 촬영된 차량의 차량 번호 정보를 판단한다.
차량 번호 추출부는 차량 번호판 정보 생성을 위한 것으로 차선 위반 또는 속도 위반 차량이 발생 시 차량의 정보인 번호판을 인식하여 저장할 수 있다. 차량 영역 인식하는 단계를 통해 얻어진 차량 영역에서 번호판 영역 검출부를 통해 차량의 번호판 위치를 찾을 수 있다. 찾은 번호판 영역을 번호 인식부로 넘겨 번호판 정보를 저장할 수 있다.
번호 인식부는 번호판 종류 검출부, 문자 영역 추출부, 문자 인식부를 포함한다.
번호판 종류 검출부는 구형 번호판, 신형 번호판, 사업용 번호판 등을 번호판의 색, 크기 및 모양 등으로 검출 할 수 있다.
문자 영역 추출부는 번호판 종류 검출부에서 검출한 번호판의 종류에 따라 문자의 위치를 파악하여 번호판의 숫자와 글자를 분리하고, 글자 중 분리될 수 있는 한글은 하나로 합쳐 문자를 추출할 수 있다.
문자 인식부는 번호판 종류 검출부와 문자 영역 추출부를 통해 추출된 번호판 종류 정보와 숫자 및 글자의 종류 정보를 통해 문자를 인식할 수 있으며, 번호판 종류에 따라 사용하는 숫자 및 글자의 종류가 한정적이기 때문에 문자 인식 결과의 종류를 제한함으로서 문자 인식률과 문자 인식 속도를 높일 수 있다.
차량 색상 정보 판단 단계는 촬영 영상으로부터 촬영된 차량의 색상 정보를 판단한다.
차량의 색상은 흰색, 회색, 은색, 검정색 등 다양한 색상이 있으며, 차량을 구분짓는 중요한 요소일 수 있다. 차량의 색상 정보 판단부는 차량의 색상을 파악하여 차량 인식을 용이하게 할 수 있다.
단계 S803는 단계 S802의 분석 결과를 기초로 메타 데이터를 생성하여 촬영 영상에 대응시켜 저장한다.
단계 S803는 단계 S802에서 분석한 속도 위반 또는 차선 위반에 관한 결과를 추출하기 위한 정보를 메타 데이터로 생성 할 수 있다. 메타 데이터는 자신이 차량의 위치, 자신의 차량이 시간, 사건 사고 차량 또는 다른 차량의 번호판 정보, 번호판 색깔, 속도, 차선 위반 또는 속도 위반을 생성하여 기록 할 수 있다. 메타 데이터는 일정한 포맷일 수 있으며, 필요에 따라서 필요한 정보만을 생성하여 저장할 수 있다.
단계 S803는 생성된 메타 데이터를 촬영 영상에 대응 시켜 저장할 수 있다. 메타 데이터에 저장된 차량의 위치, 자신의 차량이 시간, 사건 사고 차량 또는 다른 차량의 번호판 정보, 번호판 색깔, 속도, 차선 위반 또는 속도 위반에 관한 정보를 촬영 영상에 하나하나 대응 시켜 필요한 정보를 원하는 경우 필요한 부분에 관한 정보만 메타 데이터와 영상을 함께 송/수신 할 수 있다.
단계 S803는 생성된 데이터를 암호화하여 저장한다.
메타 테이터 저장부에 저장된 메타 데이터에 개인정보가 포함되어 있기 때문에 해킹 방지를 위한 절차가 필요하며, 어느 누구나 함부로 그 정보를 보게 되면 악용될 가능성이 있어 쉽게 볼 수 없도록 암호화 할 수 있다.
예를 들어, AES, DES, RAS 같은 알고리즘을 적용하여 정보를 암호화하여 기록하면 쉽게 접근할 수 없으며, 암호화 하여 메타 데이터를 메모리에 저장 할 수 있다.
단계 S803는 생성기, 암호화기, 메모리를 포함한다.
단계 S802를 통과하여 정보를 찾으면 제 6도의 메타데이터 생성기에서 메타 데이터로 바꾸어 저장한다. 메타 데이터를 생성할 때에는 규칙을 약속하여 저장한다. 예를 들어, GPS 수신장치(105)로부터 내 차량의 위치와 시간을 먼저 기록한 후 사건 사고 차량의 번호판 정보, 색깔, 속도, 차선 위반, 속도 위반을 기록한다. 이렇게 일정 포맷을 만들어 메타 데이터를 생성한다. 번호판의 정보, 시간, 위치 등의 정보는 개인정보를 포함하고 있다. 어느 누구나 함부로 그 정보를 보게 된다면 악용될 가능성이 있기에 쉽게 볼 수 없고 해킹 방지를 위한 절차가 필요하다. 예를 들어, AES, DES, RAS 같은 알고리즘을 적용하여 정보를 암호화하여 기록하면 쉽게 접근할 수 없다. 암호화기에서 앞서 만들어진 정보를 암호화한다. 그렇게 하여 메모리에 기록하게 된다. 또한, 단계 S804에서 필요 정보를 송신하는 장치가 있기에 단계 S803의 메모리에 접근할 수 있어야 한다.
단계 S804는 외부의 확인 요청을 수신하고 저장된 메타 데이터 중에서 확인 요청에 대응되는 메타 데이터를 검색하여 제공한다.
단계 S804는 외부인 경찰청 또는 사건 사고에 대한 정보를 원하는 모든 곳에서 확인 요청을 하는 메시지를 수신하여 정보 요청을 받을 수 있으며, 수신된 메시지를 분석하여 정보를 요청한 곳 또는 요청한 자가 필요한 정보가 무엇인지 분석할 수 있다. 요청한 정보는 메타 데이터에 저장된 차량의 위치, 자신의 차량이 시간, 사건 사고 차량 또는 다른 차량의 번호판 정보, 번호판 색깔, 속도, 차선 위반 또는 속도 위반에 관한 정보 중 하나 일부 일수 있으며, 모두 일 수 있다. 분석된 메시지를 단계 S803에 저장된 암호화된 데이터에 매핑하여 데이터를 찾을 수 있다.
단계 S804는 단계 S803에서 암호화하여 저장된 데이터를 복호화하여, 확인 요청에 대응되는 메타 데이터를 제공한다.
단계 S804는 암호화 된 데이터 중에서 찾고자 하는 데이터가 있는 경우 암호화된 정보를 복호화(해독)하여 암호화 되지 않은 메타 데이터로 다시 바꿀 수 있다. 복호화된 메타 데이터는 외부의 확인 요청에 의해 검색된 데이터이며 이를 제공 할 수 있다.
단계 S804는 검색된 메타 데이터 및 메타 데이터에 대응되는 영상 정보를 압축하여 전송한다.
외부의 확인 요청에 의해 검색된 메타 데이터에는 시간과 장소 등의 여러가지 기록이 있기 때문에 용량이 클 수 있다. 단계 S804는 용량이 큰 검색된 메타 데이터와 검색된 메타 데이터에 대응되는 촬영 영상을 함께 압축하여 외부로 송신 할 수 있다.
본 발명의 일실시예에 따른 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 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 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
101: 영상 수신부 102: 영상 분석부
103: 메타 데이터 저장부 104: 분석결과 제공부
105: GPS 수신장치 106: 네트워크
107: 외부 서버

Claims (19)

  1. 도로 상황 정보를 포함하는 촬영 영상을 수신하는 영상 수신부;
    상기 수신한 촬영 영상을 분석하는 영상 분석부;
    상기 영상 분석부의 분석 결과를 기초로 메타 데이터를 생성하여 상기 촬영 영상에 대응시켜 저장하는 메타 데이터 저장부; 및
    외부의 확인 요청을 수신하고 상기 저장된 메타 데이터 중에서 확인 요청에 대응되는 상기 메타 데이터를 검색하여 제공하는 분석결과 제공부
    를 포함하고,
    상기 영상 분석부는
    상기 촬영 영상으로부터 촬영된 차량의 차선 위반 정보를 판단하는 차선 위반 정보 판단부;
    상기 촬영 영상으로부터 촬영된 차량의 속도 위반 정보를 판단하는 속도 위반 정보 판단부;
    상기 촬영 영상으로부터 촬영된 차량의 차량 번호 정보를 판단하는 차량 번호 정보 추출부; 및
    상기 촬영 영상으로부터 촬영된 차량의 차량 색상 정보를 판단하는 차량 색상 정보 판단부
    를 포함하고, 상기 메타 데이터 저장부는
    상기 생성된 메타 데이터를 암호화하여 저장하고,
    상기 분석결과 제공부는 상기 메타 데이터 저장부에서 암호화하여 저장한 데이터를 복호화하여, 상기 확인 요청에 대응되는 메타 데이터를 제공하는 것
    을 특징으로 하는 영상 분석 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 차선 위반 정보 판단부는
    상기 촬영 영상으로부터 차선 정보를 추출하는 차선 인식부;
    상기 촬영된 차량의 영역을 인식하는 차량 영역 인식부; 및
    상기 차선 정보 및 차량 영역 정보로부터 상기 촬영된 차량이 차선 위반을 하는지 여부를 확인하는 차선 위반 확인부
    를 포함하는 것을 특징으로 하는 영상 분석 시스템.
  4. 제3항에 있어서,
    상기 차선 인식부는
    상기 촬영 영상에서 직선 성분을 인식하여 차선의 위치를 판단하는 차선 위치 검출부;
    상기 인식된 차선의 색상을 확인하는 차선 색 검출부; 및
    상기 인식된 차선이 점선인지 실선인지 이중선인지 여부를 판단하는 차선 종류 검출부
    를 포함하는 것을 특징으로 하는 영상 분석 시스템.
  5. 제3항에 있어서,
    상기 차량 영역 인식부는
    상기 촬영 영상에서 차량이 존재할 가능성이 높은 관심 영역을 설정하는 관심영역 설정부;
    상기 관심영역 내에서 차량 후보를 검출하는 차량 후보 검출부;
    상기 검출된 차량 후보 중 실제 차량 영역을 구별하는 차량 영역 검출부
    를 포함하는 것을 특징으로 하는 영상 분석 시스템.
  6. 제1항에 있어서,
    상기 속도 위반 정보 판단부는
    상기 촬영된 차량의 영역을 인식하는 차량 영역 인식부;
    상기 촬영 영상 내의 복수의 프레임으로부터 상기 인식된 차량 영역을 확인하고, 복수의 프레임의 차량 영역이 동일한 차량에 대한 것인지 확인한 후, 상기 차량의 속도를 측정하는 차량 속도 측정부; 및
    상기 촬영된 차량의 영역 및 상기 측정된 차량의 속도로부터 상기 촬영된 차량이 속도 위반을 하는지 여부를 확인하는 속도 위반 확인부
    를 포함하는 것을 특징으로 하는 영상 분석 시스템.
  7. 제6항에 있어서,
    상기 차량 속도 측정부는
    GPS 수신 장치로부터 위치 정보를 확인하여, 이를 기초로 상기 영상 분석 시스템의 이동 속도를 계산하고,
    상기 복수의 프레임에서의 차량 영역의 이동을 통해 상기 촬영 영상 내의 차량의 상대 이동 속도를 계산하여,
    상기 영상 분석 시스템의 이동 속도와 상기 촬영 영상 내의 차량의 상대 이동 속도를 더하여 상기 촬영 영상 내의 차량의 속도를 측정하는 것
    을 특징으로 하는 영상 분석 시스템.
  8. 삭제
  9. 제1항에 있어서,
    상기 분석결과 제공부는
    상기 검색된 메타 데이터 및 상기 메타 데이터에 대응되는 영상 정보를 압축하여 전송하는 것
    을 특징으로 하는 영상 분석 시스템.
  10. 도로 상황 정보를 포함하는 촬영 영상을 수신하는 영상 수신하는 단계;
    상기 수신한 촬영 영상을 분석하는 영상 분석하는 단계;
    상기 영상 분석하는 단계의 분석 결과를 기초로 메타 데이터를 생성하여 상기 촬영 영상에 대응시켜 저장하는 메타 데이터 저장하는 단계; 및
    외부의 확인 요청을 수신하고 상기 저장된 메타 데이터 중에서 확인 요청에 대응되는 상기 메타 데이터를 검색하여 제공하는 분석결과 제공하는 단계
    를 포함하고,
    상기 영상 분석하는 단계는
    상기 촬영 영상으로부터 촬영된 차량의 차선 위반 정보를 판단하는 차선 위반 정보 판단하는 단계;
    상기 촬영 영상으로부터 촬영된 차량의 속도 위반 정보를 판단하는 속도 위반 정보 판단하는 단계;
    상기 촬영 영상으로부터 촬영된 차량의 차량 번호 정보를 판단하는 차량 번호 정보 추출하는 단계; 및
    상기 촬영 영상으로부터 촬영된 차량의 차량 색상 정보를 판단하는 차량 색상 정보 판단하는 단계
    를 포함하고,
    상기 메타 데이터 저장하는 단계는
    상기 생성된 메타 데이터를 암호화하여 저장하고,
    상기 분석결과 제공하는 단계는 상기 메타 데이터 저장하는 단계에서 암호화하여 저장한 데이터를 복호화하여, 상기 확인 요청에 대응되는 메타 데이터를 제공하는 것을 특징으로 하는 영상 분석 방법.
  11. 삭제
  12. 제10항에 있어서,
    상기 차선 위반 정보 판단하는 단계는
    상기 촬영 영상으로부터 차선 정보를 추출하는 차선 인식하는 단계;
    상기 촬영된 차량의 영역을 인식하는 차량 영역 인식하는 단계; 및
    상기 차선 정보 및 차량 영역 정보로부터 상기 촬영된 차량이 차선 위반을 하는지 여부를 확인하는 차선 위반 확인하는 단계
    를 포함하는 것을 특징으로 하는 영상 분석 방법.
  13. 제12항에 있어서,
    상기 차선 인식하는 단계는
    상기 촬영 영상에서 직선 성분을 인식하여 차선의 위치를 판단하는 차선 위치 검출하는 단계;
    상기 인식된 차선의 색상을 확인하는 차선 색 검출하는 단계; 및
    상기 인식된 차선이 점선인지 실선인지 이중선인지 여부를 판단하는 차선 종류 검출하는 단계
    를 포함하는 것을 특징으로 하는 영상 분석 방법.
  14. 제12항에 있어서,
    상기 차량 영역 인식하는 단계는
    상기 촬영 영상에서 차량이 존재할 가능성이 높은 관심 영역을 설정하는 관심영역 설정하는 단계;
    상기 관심영역 내에서 차량 후보를 검출하는 차량 후보 검출하는 단계;
    상기 검출된 차량 후보 중 실제 차량 영역을 구별하는 차량 영역 검출하는 단계
    를 포함하는 것을 특징으로 하는 영상 분석 방법.
  15. 제10항에 있어서,
    상기 속도 위반 정보 판단하는 단계는
    상기 촬영된 차량의 영역을 인식하는 차량 영역 인식하는 단계;
    상기 촬영 영상 내의 복수의 프레임으로부터 상기 인식된 차량 영역을 확인하고, 복수의 프레임의 차량 영역이 동일한 차량에 대한 것인지 확인한 후, 상기 차량의 속도를 측정하는 차량 속도 측정하는 단계; 및
    상기 촬영된 차량의 영역 및 상기 측정된 차량의 속도로부터 상기 촬영된 차량이 속도 위반을 하는지 여부를 확인하는 속도 위반 확인하는 단계
    를 포함하는 것을 특징으로 하는 영상 분석 방법.
  16. 제15항에 있어서,
    상기 차량 속도 측정하는 단계는
    GPS 수신 장치로부터 위치 정보를 확인하여, 이를 기초로 상기 영상 분석 시스템의 이동 속도를 계산하고,
    상기 복수의 프레임에서의 차량 영역의 이동을 통해 상기 촬영 영상 내의 차량의 상대 이동 속도를 계산하여,
    상기 영상 분석 시스템의 이동 속도와 상기 촬영 영상 내의 차량의 상대 이동 속도를 더하여 상기 촬영 영상 내의 차량의 속도를 측정하는 것
    을 특징으로 하는 영상 분석 방법.
  17. 삭제
  18. 제10항에 있어서,
    상기 분석결과 제공하는 단계는
    상기 검색된 메타 데이터 및 상기 메타 데이터에 대응되는 영상 정보를 압축하여 전송하는 것
    을 특징으로 하는 영상 분석 방법.
  19. 제10항, 제12항 내지 제16항 및 제18항 중 어느 한 항에 기재된 방법을 실현시키기 위한 프로그램을 기록한 기록매체.
KR1020160169405A 2016-12-13 2016-12-13 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법 KR102032828B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160169405A KR102032828B1 (ko) 2016-12-13 2016-12-13 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160169405A KR102032828B1 (ko) 2016-12-13 2016-12-13 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20180067949A KR20180067949A (ko) 2018-06-21
KR102032828B1 true KR102032828B1 (ko) 2019-10-16

Family

ID=62806641

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160169405A KR102032828B1 (ko) 2016-12-13 2016-12-13 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102032828B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102679502B1 (ko) * 2023-10-12 2024-07-01 건아정보기술 주식회사 Ai와 위치정보를 이용한 자동단속 시스템

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102203632B1 (ko) * 2019-11-07 2021-01-15 비트플로(주) 집단 지성 기반의 차량 범죄 분석 시스템을 이용한 차량 범죄 분석 방법
KR102474728B1 (ko) * 2020-12-31 2022-12-06 주식회사 유라코퍼레이션 주행 영상기록 시스템 및 이를 이용한 과속주행 확인영상 제공방법
CN114267096B (zh) * 2021-12-03 2024-10-08 联通智网科技股份有限公司 行车记录数据处理方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007148615A (ja) * 2005-11-25 2007-06-14 I Transport Lab Co Ltd 周辺車両運動状態推定装置、自車運動状態推定装置、自車および周辺車両運動状態推定装置およびプログラム
KR100968433B1 (ko) * 2010-04-07 2010-07-08 주식회사 비스타씨엔씨 차량번호 인식정보 저장 시스템과 그 시스템을 이용한 차량 영상정보 검색 시스템
KR101196738B1 (ko) * 2011-11-17 2012-11-07 이승진 차량용 블랙박스 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100412733B1 (ko) * 2001-12-19 2003-12-31 현대자동차주식회사 버스 전용차선 감시방법 및 관리방법
KR101104625B1 (ko) * 2010-05-06 2012-01-12 한국산업기술대학교산학협력단 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법
KR101354057B1 (ko) 2012-11-26 2014-01-22 주식회사 토페스 다중 카메라를 이용한 차선 위반 검출 장치 및 이를 이용한 차선 위반 검출 방법, 다중 카메라에 의한 차선 위반 검출 장치를 이용하는 차선 위반 차량 단속시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007148615A (ja) * 2005-11-25 2007-06-14 I Transport Lab Co Ltd 周辺車両運動状態推定装置、自車運動状態推定装置、自車および周辺車両運動状態推定装置およびプログラム
KR100968433B1 (ko) * 2010-04-07 2010-07-08 주식회사 비스타씨엔씨 차량번호 인식정보 저장 시스템과 그 시스템을 이용한 차량 영상정보 검색 시스템
KR101196738B1 (ko) * 2011-11-17 2012-11-07 이승진 차량용 블랙박스 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102679502B1 (ko) * 2023-10-12 2024-07-01 건아정보기술 주식회사 Ai와 위치정보를 이용한 자동단속 시스템

Also Published As

Publication number Publication date
KR20180067949A (ko) 2018-06-21

Similar Documents

Publication Publication Date Title
KR102032828B1 (ko) 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법
JP6527678B2 (ja) プライバシー保護のための延滞車両特定
KR101848236B1 (ko) 차량 촬영용 드론 및 이를 이용한 차량 모니터링 시스템
KR101783982B1 (ko) 차량용 감시 카메라를 이용한 통합 관제 시스템 및 그 방법
KR102029128B1 (ko) 운전자간 블랙박스 사고영상을 상호교환하기 위한 iot 플랫폼 및 그 구현 방법
KR101735684B1 (ko) 차량용 영상 기록 및 제공 장치와 이를 이용한 지역 정보 획득 장치 및 방법
KR101742490B1 (ko) 끼어들기 위반차량 단속 시스템 및 그 방법
WO2014172708A1 (en) Pedestrian right of way monitoring and reporting system and method
KR102282800B1 (ko) 라이다와 영상카메라를 이용한 멀티 표적 추적 방법
KR102272279B1 (ko) 인공지능 알고리즘을 이용한 차량번호판 인식 방법
CN110648539B (zh) 车载装置以及控制方法
CN108932849B (zh) 一种记录多台机动车低速行驶违法行为的方法及装置
KR102200204B1 (ko) Cctv 영상을 활용한 3차원 영상분석 시스템
KR20100053318A (ko) 코너정보를 이용한 끼어들기 위반차량 검지시스템 및 그 방법
CN111798667A (zh) 非机动车的监控方法、监控服务器及监控系统、存储介质
KR101394201B1 (ko) 버스장착 무선cctv 촬영단속시스템
CN113496213A (zh) 一种目标感知数据的确定方法、装置、系统及存储介质
US20180189588A1 (en) Device for reading vehicle license plate number and method therefor
KR101066081B1 (ko) 차량 탑재형 스마트 정보 판독 시스템 및 방법
CN111985304A (zh) 巡防告警方法、系统、终端设备及存储介质
KR101494514B1 (ko) 차량용 블랙박스를 이용한 차량 탐지 시스템
KR20100033331A (ko) 차량 번호판 인식 시스템 및 방법
KR102526194B1 (ko) 이동차량 추적에 의한 불법 끼어들기 차량 감지시스템
KR20160037251A (ko) 이중 카메라를 이용한 불법 주정차 단속 시스템
KR101570485B1 (ko) 카메라 사각지역의 불법 주정차 단속 시스템

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant