KR102100965B1 - 카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법 - Google Patents

카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법 Download PDF

Info

Publication number
KR102100965B1
KR102100965B1 KR1020190061972A KR20190061972A KR102100965B1 KR 102100965 B1 KR102100965 B1 KR 102100965B1 KR 1020190061972 A KR1020190061972 A KR 1020190061972A KR 20190061972 A KR20190061972 A KR 20190061972A KR 102100965 B1 KR102100965 B1 KR 102100965B1
Authority
KR
South Korea
Prior art keywords
vehicle
license plate
camera
information
lane
Prior art date
Application number
KR1020190061972A
Other languages
English (en)
Inventor
차기욱
강필식
Original Assignee
주식회사 엔슨소프트
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 엔슨소프트 filed Critical 주식회사 엔슨소프트
Priority to KR1020190061972A priority Critical patent/KR102100965B1/ko
Application granted granted Critical
Publication of KR102100965B1 publication Critical patent/KR102100965B1/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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G06K9/3258—
    • 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
    • G06V20/63—Scene text, e.g. street names
    • 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
    • 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
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • G06K2209/15—
    • G06K2209/23—
    • 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
    • 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)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법에 관한 것이다.
본 발명에 따른 카메라 내장형 다차로 차량정보 분석 시스템은 다차로 차량정보 분석 프로그램이 저장된 메모리 및 프로그램을 실행시키는 프로세서를 포함하고, 프로세서는 다차로를 촬영한 영상 데이터를 이용하여 차량 속도와 차량 고유 정보를 포함하는 차량 정보를 분석하는 것을 특징으로 한다.

Description

카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법{SYSTEM FOR ANALYZING VEHICLE INFORMATION ON MULTI-LANE EMBEDDED A CAMERA AND ANALYZING METHOD USING THEREOF}
본 발명은 카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법에 관한 것이다.
종래 기술에 따르면, 생활 방범 시스템과 도로 방범 시스템은 상호 분리되어 운영되고 있다.
생활 방범 시스템은 동영상 녹화를 통한 식별용으로 그 영상을 사용하며, 관제 인력에 의한 사건, 사고 인지 후 이를 증거자료로 사용한다.
그런데, 종래 기술에 따른 생활 방범 시스템은 차량 번호 인식 및 야간 식별이 불가한 문제점이 있다.
도로 방범 시스템은 차량 번호를 인식하여 차량 번호를 저장하고, 야간 차량 번호 인식을 수행하나, 동영상 녹화 기능을 지원하지 않는 한계가 있다.
기구축된 관제 센터에 대해서는 지속적으로 고도화 작업이 수행되고 있는데, 도로 방범 시스템에 동영상 녹화 및 모니터링 기능을 적용한 통합 시스템의 요구가 높은 실정이다.
한편, 종래 기술에 따른 차량 검지 방식은 루프와 카메라를 이용하는 방식, 레이저와 카메라를 이용하는 방식 등으로 발전되어 왔다.
그런데, 루프와 카메라를 이용하는 방식은 루프 단선이 잦아서 유지 비용이 많이 발생되는 문제점이 있고, 차선간의 주행, 갓길 주행 시에는 차량 검지가 불가한 문제점이 있다.
또한, 레이저와 카메라를 이용하는 방식은 눈, 비가 오는 상황 등 기상 환경에 따라 오검지가 발생하고, 루프와 카메라를 이용하는 방식과 마찬가지로 차선간의 주행, 갓길 주행 시에는 차량 검지가 불가한 문제점이 있다.
본 발명은 전술한 문제점을 해결하기 위하여 제안된 것으로, 차량 판독기(고성능 PC)가 없이도 임베디드 방식으로 소프트웨어 기반의 차량 번호 인식, 주행 속도 인식, 차량 정보가 오버레이된 동영상 전송 등이 가능한 카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법을 제공하는 것에 그 목적이 있다.
본 발명에 따른 카메라 내장형 다차로 차량정보 분석 시스템은 다차로 차량정보 분석 프로그램이 저장된 메모리 및 프로그램을 실행시키는 프로세서를 포함하고, 프로세서는 다차로를 촬영한 영상 데이터를 이용하여 차량 속도와 차량 고유 정보를 포함하는 차량 정보를 분석하는 것을 특징으로 한다.
본 발명에 따른 카메라 내장형 다차로 차량정보 분석 방법은 카메라를 이용하여 다차로를 촬영하여 영상 데이터를 획득하는 단계와, 다차로 차량 분석 프로그램을 이용하여, 영상 데이터 내의 차량의 주행 정보 및 고유 정보를 분석하는 단계 및 차량의 주행 정보 및 고유 정보를 오버레이하여 동영상을 전송하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 단일 카메라로 다차로의 차량을 인식하므로, 추가 차량 검지 장치 없이 운영이 가능한 효과가 있다.
본 발명에 따르면, 카메라 내장형으로 임베디드 방식의 소프트웨어 기반 차량정보 분석을 수행하여, 고성능 PC 등 추가적인 차량 판독 장비 없이, 카메라 자체에서 차량 정보를 인식하므로, 내구성이 높은 장점이 있다.
본 발명에 따르면, 차량 정보 인식(번호, 속도) 및 인식된 차량 정보를 오버레이한 동영상 생성을 통해, 사건/사고 발생 시 원거리 정황 증거 동영상 및 유관된 차량 정보를 제공하는 것이 가능한 효과가 있다.
본 발명에 따르면, 스킵 마스크를 이용하여 차량 정보를 인식하여 인식 속도를 개선시키고, 영상에서 획득된 차량의 이동 거리를 실제 바닥 표면에서의 이동 거리로 환산하여, 인식된 차량의 주행 속도를 정확히 추출하는 것이 가능한 효과가 있다.
본 발명에 따르면, 영상 기반의 차량 판독을 수행하므로, 정주행 차량뿐 아니라 역주행 차량의 주행 정보도 용이하게 획득하는 것이 가능한 효과가 있다.
본 발명에 따르면, 인식 최소/최대 픽셀 크기를 기반으로 기설정된 ROI 영역을 확대/축소하여, 처리 속도를 향상시키고 최적화된 영역을 기반으로 차량 정보를 분석하는 것이 가능한 효과가 있다.
본 발명에 따르면, 제조사, 차량명, 연식, 색상을 포함하는 차량 정보를 획득하는 것이 가능한 효과가 있다.
본 발명에 따르면, 차량 번호 판독 시 듀얼 이진화 기법을 이용하여 영상 데이터가 열화된 경우에도 인식 성능을 향상시키는 것이 가능한 효과가 있다.
본 발명에 따르면, 설치 환경 및 날씨 변화에 따라 카메라 영상의 밝기를 자동 제어하여, 차량 정보 인식을 위한 최적의 영상을 획득하도록 제어하는 것이 가능한 효과가 있다.
본 발명의 효과는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템을 나타내는 블록도이다.
도 2는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 다차로 인식을 나타내는 도면이다.
도 3은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 다차로 인식 과정을 나타내는 도면이다.
도 4는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 차량 번호판 이미지의 정규화 및 인식 결과 나타내는 도면이다.
도 5는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 차량 속도 검출을 도시한다.
도 6은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 차량 속도 검출을 위한 y축 픽셀 및 거리의 그래프를 도시한다.
도 7은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 정주행 및 역주행 검출을 설명하는 도면이다.
도 8은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 적응적 ROI를 도시한다.
도 9는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 적응적 ROI(ROI 확장)를 도시한다.
도 10은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 적응적 ROI(ROI 축소)를 도시한다.
도 11은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 차량 번호판 정보를 도시한다.
도 12는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 번호판 구분표를 도시한다.
도 13은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 차량 번호 인식을 위한 템플릿 구조를 도시한다.
도 14는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 차량 정보(제조사, 차량명, 연식, 색상) 인식 과정을 도시한다.
도 15는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 이진화를 도시한다.
도 16은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 이진화 결과를 도시한다.
도 17은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 가상 문자영역 생성을 도시한다.
도 18은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 동영상 인식 정보 오버레이 결과를 도시한다.
도 19는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 동영상 인식 정보 오버레이 과정을 도시한다.
도 20은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 차량정보 추출 과정을 도시한다.
도 21은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 실시간 카메라 영상 밝기 제어를 설명한다.
도 22는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 실시간 카메라 영상 밝기 제어 과정을 도시한다.
도 23은 본 발명에 따른 카메라 내장형 다차로 차량정보 분석 방법을 도시한다.
본 발명의 전술한 목적 및 그 이외의 목적과 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다.
그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 이하의 실시예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 목적, 구성 및 효과를 용이하게 알려주기 위해 제공되는 것일 뿐으로서, 본 발명의 권리범위는 청구항의 기재에 의해 정의된다.
한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성소자, 단계, 동작 및/또는 소자가 하나 이상의 다른 구성소자, 단계, 동작 및/또는 소자의 존재 또는 추가됨을 배제하지 않는다.
도 1은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템을 나타내는 블록도이다.
본 발명에 따른 카메라 내장형 다차로 차량정보 분석 시스템은 다차로 차량정보 분석 프로그램이 저장된 메모리(110) 및 프로그램을 실행시키는 프로세서(120)를 포함하고, 프로세서(120)는 다차로를 촬영한 영상 데이터를 이용하여 차량 속도와 차량 고유 정보를 포함하는 차량 정보를 분석한다.
프로세서(120)는 영상 데이터를 이용하여 이차 함수 그래프로 표현되는 거리 테이블을 생성하고, 차량 번호판의 인식 위치 및 인식 시점을 이용하여 실제 주행 속도를 산출한다.
프로세서(120)는 영상 감지 시간 순서에 따른 좌표 정보를 이용하여 차량의 주행 방향을 산출한다.
프로세서(120)는 차량의 번호판의 높이를 기준으로 설정된 인식 범위와, 실제 인식된 차량 번호판의 크기를 비교하여, 기설정된 인식 영역을 적응적으로 조정한다.
프로세서(120)는 영상 데이터에 포함되는 차량 번호판, 차량의 전면 그릴 및 라이트 형상 정보를 이용하여, 제조사, 차량 명칭, 연식, 색상을 포함하는 차량 고유 정보를 산출한다.
프로세서(120)는 분석된 차량 정보를 오버레이한 동영상을 전송한다.
프로세서(120)는 차량의 번호판과 유사한 음영을 가지는 위치를 카메라 밝기 기준 영역으로 설정하고, 차량 번호판 및 그에 포함되는 문자의 에지 패턴 강도를 고려하여 카메라의 영상 밝기를 제어한다.
프로세서(120)는 복수의 임계값을 이용하여 템플릿을 이진화하여 인식률을 개선시킨다.
프로세서(120)는 영상 데이터에 포함된 번호판 이미지에 대한 정규화를 수행하고, 정규화된 번호판 이미지에서 개별 문자에 대한 인식을 수행하여, 인식률을 개선시킨다.
프로세서(120)는 영상 데이터에서 차량 번호판이 존재하는 영역을 기준으로 스킵 마스크를 설정하여, 인식 속도를 개선시킨다.
도 2는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 다차로 인식을 나타내는 도면이다.
프로세서(120)는 입력된 영상에서 기설정된 방향으로 스캔을 수행하여 에지 패턴을 생성하고, 에지 패턴에 대한 평균 강도 값을 산출하여 번호판에 대한 인식을 수행한다.
일례로 고해상도 카메라를 사용하여 3차로의 차량 번호를 인식하고자 하는 경우, 각 차선별로 2~3대가 인식 영역 내에 존재할 수 있다.
본 발명의 실시예에 따르면, 도 2에 도시한 입력된 영상의 ROI(관심영역)에서 존재하는 번호판을 기설정 개수(최대 10개)까지 인식할 수 있으며, 이러한 다차로, 다수 번호판 인식을 위해서 스킵 마스크(skip mask) 기능을 통해 처리 속도를 향상시킨다.
프로세서(120)는 차량의 번호판이 인식된 영역을 기준으로 인식하지 않을 영역을 설정하는데, 이러한 설정 영역은 차량 번호판 사각형의 크기를 기준으로 한다.
프로세서(120)는 차량 번호판이 존재하는 영역은 그 주변 크기만큼은 차량이 존재하지 않을 것이므로, 그 영역을 마스크 영역으로 설정하여, 해당 영역에 대해서는 인식을 수행하지 않고, 나머지 영역에 대해서 차량 정보 분석을 수행하게 된다.
도 3은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 다차로 인식 과정을 나타내는 도면이다.
프로세서(120)는 입력 영상에 대해 스캔 시작 지점으로 결정된 지점부터 기설정된 방향으로 스캔을 수행하고(S310), 후보 영역을 확인한다(S320).
이어서, 후보 영역 내에 차량 번호판이 존재하는지 여부를 확인하고(S330), 차량 번호판이 후보 영역 내에 존재하지 않는 경우 S301 단계로 돌아가고, 차량 번호판이 후보 영역 내에 존재하는 경우에는 스킵 마스크(skip mask)를 설정하고(S340), S301 단계로 돌아간다.
이 때, 스킵 마스크 영역은 차량 번호판의 크기를 기준으로, 외부 사용자 입력 등을 통해 설정/변경된다.
도 4는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 차량 번호판 이미지의 정규화 및 인식 결과 나타내는 도면이다.
프로세서(120)는 다차로 영상에서 차량번호판을 인식하게 되는데, 다차로 영상에서는 카메라의 설치 방향에 따라 가장 자리의 차로(예: 편도 4차선 도로에서 1차선 또는 4차선)에 위치한 차량의 번호판에 대한 촬상 각도가 커지고, 이에 따라 번호판에 포함되는 개별 문자의 각도 또한 영상 내 중앙에 위치하는 차량의 번호판 대비 커지게 된다.
따라서, 프로세서(120)는 번호판 이미지를 정규화(normalize)하고, 정규화한 번호판 이미지에서 개별 문자에 대한 재인식을 수행하여, 인식률을 개선시킨다.
도 4의 (a) 내지 (d)는 촬상 각도에 의해 기울어진 형태로 차량 번호판이 인식되는 경우, 전술한 정규화 및 재인식의 결과를 도시한다.
도 5는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 차량 속도 검출을 도시하고, 도 6은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 차량 속도 검출을 위한 y축 픽셀 및 거리의 그래프를 도시한다.
본 발명의 실시예에 따르면, 인식 영역(ROI) 내에 차량의 이동 거리 계산을 위한 점(마커)이 위치하게 된다.
Y축 픽셀 대비 거리 계산을 위한 점 간의 거리는 아래 [수학식 1]과 같이 정의되며, 이를 통해 도 6에 도시한 바와 같이 이차 함수 그래프로 나타나는 거리 테이블이 생성된다.
Figure 112019054153563-pat00001
프로세서(120)는 아래 [수학식 2]를 이용하여, 개별 프레임간 속도 정보를 획득한다.
Figure 112019054153563-pat00002
즉, 개별 프레임 간 속도 정보는 현재 프레임의 시간 정보(t(n)) 및 번호판의 위치 정보(d(n))와, 이전 프레임의 시간 정보(t(n-1)) 및 번호판의 위치 정보(d(n-1))를 이용하여 계산된다.
프로세서(120)는 아래 [수학식 3]을 이용하여, 번호판이 인식된 차량의 평균 속도를 계산한다.
Figure 112019054153563-pat00003
즉, 차량의 평균 속도는 최종 프레임의 시간 정보(t(n)) 및 번호판의 위치 정보(d(n))와, 최초 프레임의 시간 정보(t(0)) 및 번호판의 위치 정보(d(0))를 이용하여 계산된다.
도 7은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 정주행 및 역주행 검출을 설명하는 도면이다.
도 6을 참조하여 전술한 바와 같이, 본 발명의 실시예에 따른 프로세서(120)는 미리 설정된 ROI 영역 내에서 거리 맵을 이용하여 획득한 거리 정보 및 인식 시점의 시간 정보를 이용하여, 차량의 평균 속도를 산출한다.
본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템은 루프를 이용한 방식이 아닌, 영상 검지 방식이 적용되는 바, 촬영되는 차량이 어떠한 경로로 이동하더라도, 즉 정주행을 하거나, 역주행을 하거나, 차선을 변경하며 이동을 하는 경우에도, 차량의 평균 속도와 함께 주행 방향을 산출/획득한다.
도 7을 참조하면, 영상 내의 도로는 아래 방향으로의 주행이 정주행에 해당되고, 프로세서(120)를 이용한 차량의 번호판 인식 시점의 시간이 경과됨에 따라, 인식 정보의 사각형이 아래 방향으로 연속적인 경우, 해당 차량이 정주행 중임을 알 수 있다.
또한, 프로세서(120)를 이용한 차량의 번호판 인식 시점의 시간이 경과됨에 따라, 인식 정보의 사각형이 위쪽 방향으로 연속적인 경우, 해당 차량이 역주행 중임을 알 수 있다.
아래 방향(+방향)으로 연속적이라는 것은, 이미지 영역 최상단, 최좌측의 좌표를 x=0, y=0으로 설정한 경우, y좌표가 시간이 지남에 따라 점점 더 커진다는 의미이고, 위쪽 방향(-방향)으로 연속적이라는 것은, y 좌표가 시간이 지남에 따라 점점 더 작아지는 것을 의미한다.
도 8은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 적응적 ROI를 도시하고, 도 9는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 적응적 ROI(ROI 확장)를 도시하며, 도 10은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 적응적 ROI(ROI 축소)를 도시한다.
동일한 카메라가 설치되고, 촬영 세팅을 동일하게 하더라도, 줌인 상태에 따라 화면에 보이는 위치의 번호판 크기는 상이한 경우가 있다.
통상 줌 인/아웃의 화각을 비슷하게 설정하므로 크게 차이가 나지는 않지만, 본 발명의 실시예에 따르면 다차선 인식을 위해 고해상도(약 5메가 픽셀 내지 9 메가 픽셀)의 카메라를 사용하므로, 2차선을 바라보거나, 3차선을 바라보는 경우를 비교하면, 번호판 크기의 차이가 발생된다.
ROI의 기본적인 설정과 함께, 프로세서(120)의 번호 인식 모듈은 번호판 숫자 4자리의 크기 인식을 위해, 15픽셀 내지 200픽셀의 크기 인식이 가능하도록 설정된다.
본 발명의 실시예에 따르면, 프로세서(120)는 기본적으로 설정된 ROI 내에서, 실시간으로 위치별 번호의 크기 정보를 획득하여 제공하고, 이를 토대로 현재의 화각에서 적절한 번호의 크기를 설정하는 것이 가능하다.
본 발명의 실시예에 따른 프로세서(120)는 적응적 ROI 설정 기법을 통해, 설정된 범위의 크기에 맞게 적응적으로 ROI를 확대하거나 축소하게 된다.
본 발명의 실시예에 따르면, 번호판 인식 영역을 적응적으로 변경하여 설정함으로써, 인식이 불가한 영역을 제거하여 영상 처리 및 차량 정보 분석 속도를 향상시키고, 최적화된 영역을 사용함으로써 인식/분석의 효율성이 증대된다.
도 9를 참조하면, 차량 번호판의 4자리 숫자의 높이(Pixel)을 기준으로 인식 범위가 설정되는데, 최소 15 픽셀 내지 최대 200 픽셀이 설정될 수 있다.
프로세서(120)는 전술한 바와 같이 차량 번호에 대해 평균 속도와 주행 방향을 추출하고, 적응적 ROI를 설정한다.
이 때, 사용자가 설정한 인식 대상 번호판의 크기 설정이 최소 크기 20픽셀, 최대 크기 200픽셀인 것을 가정하여 보면, 영상 내에서 상단에 인식된 번호판의 크기는 최소 인식 20픽셀 보다 큰 30픽셀임을 알 수 있다.
이 경우 프로세서(120)는 번호판의 영상 내 하단까지의 크기 증가율을 고려하여, 사용자가 설정한 최소 20 픽셀이 인식 가능할 것으로 예상되는 예상 위치까지 ROI를 확장하게 된다.
도 10을 참조하면, 차량 번호판의 4자리 숫자의 높이(Pixel)을 기준으로 인식 범위가 설정되는데, 최소 15 픽셀 내지 최대 200 픽셀이 설정될 수 있다.
프로세서(120)는 전술한 바와 같이 차량 번호에 대해 평균 속도와 주행 방향을 추출하고, 적응적 ROI를 설정한다.
이 때, 사용자가 설정한 인식 대상 번호판의 크기 설정이 최소 크기 20픽셀, 최대 크기 200픽셀이고, 영상 내에서 상단에 인식된 번호판의 크기가 해당 최소 인식 픽셀 20인 것으로 가정한다.
차량 번호판이 최초 인식된 위치가 기설정된 ROI의 상단과 거리가 있는 경우, 프로세서(120)는 ROI를 축소한다.
본 발명의 실시예에 따르면, 인식된 위치에서의 번호판 크기를 화면상에 표출함으로써, 화각이 결정된 화면에서 최대 인식 크기를 설정한다.
도 11은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 차량 번호판 정보를 도시한다.
본 발명의 실시예에 따른 프로세서(120)는 인식된 시점의 번호 크기 정보 및 인식 정보(번호판 문자)를 획득하여 영상 내에서 표출되도록 한다.
도 12는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 번호판 구분표를 도시하고, 도 13은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 차량 번호 인식을 위한 템플릿 구조를 도시하며, 도 14는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 차량 정보(제조사, 차량명, 연식, 색상) 인식 과정을 도시한다.
본 발명의 실시예에 따르면, 프로세서(120)는 차량 정보(제조사, 차량명, 연식, 색상)을 인식하기 위해 차량의 전면 그릴 및 라이트에 포함되는 특징 정보를 이용한다.
본 발명의 실시예에 따르면, 번호판의 위치 정보 및 형태 정보를 이용하여 전면의 상대 좌표 정보를 생성하고, 이를 딥러닝 모듈을 이용한 학습을 통해 제조사, 차량명, 연식, 차종, 색상 등 차량 정보를 분석한다.
이 때, 차량 색상은 차량 본네트의 색상을 대표 색상으로 인식한다.
본 발명의 실시예에 따르면, 전체 영상에 대한 분석이 수행되는 것이 아니라, 특정 영역에 대해서만 분석이 수행되는 바, 그 분석 속도의 개선이 가능하다.
프로세서(120)는 번호 인식 및 문자 인식 결과를 산출함과 더불어, 도 12에 표시된 분류 방식을 이용하여 번호판의 종류를 구분한다.
본 발명의 실시예에 따르면, 번호 인식을 위한 템플릿을 번호 판별과 구분 인식함으로써, 인식률을 개선한다.
도 14의 (a) 및 (b)를 참조하면, 촬영된 영상 내에서 번호판의 위치, 차량 정보(제조사, 차량명, 연식) 인식을 위한 영역, 색상 인식을 위한 영역이 설정된다.
도 14의 (c)는 차량 정보를 분석하기 위해 특징 정보가 포함된 차량 정보 인식을 위한 영역을 도시하고, 도 14의 (d)는 차량의 색상 인식을 위한 본네트 영역을 도시한다.
전술한 인식 결과에 따라, 프로세서(120)는 도 14의 (e)와 같이, 차량 번호, 제조사, 연식, 차종, 색상을 차량 정보의 분석 결과로 획득한다.
도 15는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 이진화를 도시한다.
도 15의 (a)는 1개의 임계값(threshold)를 이용하여 템플릿을 이진화하는 경우를 도시하고, 도 15의 (b)는 본 발명의 실시예에 따라 복수의 임계값을 이용하여 템플릿을 이진화하는 경우를 도시한다.
도 15의 (a)에 도시된 바와 같이, 1개의 임계값으로 이진화하는 경우, 영상 내에서 차량 번호의 크기가 작거나 화질이 열화되는 경우에는, 이진화 결과에 대한 신뢰성이 떨어진다.
본 발명의 실시예에 따르면, 프로세서(120)는 도 15의 (b)에 도시한 바와 같이, 2 개의 임계값(상한, 하한)을 이용하여 이진화를 수행하여, 1개의 임계값으로 이진화하는 경우보다 개선된 결과를 획득하며, 도 16은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 이진화 결과를 1개의 임계값을 이용한 이진화의 결과와 대비하여 도시한다.
도 17은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 가상 문자영역 생성을 도시한다.
영상 내 번호판 영역에 대한 검증은 때때로 스미어(smear, 화상 왜곡), 훼손, 가려진 문자에 의해 제대로 된 검증이 이루어지지 않을 수 있다.
따라서, 본 발명의 실시예에 따른 프로세서(120)는 도 17a 및 도 17b에 도시한 바와 같이, 번호판 영역 내에 가상 영역을 삽입하여, 개별 문자 영역을 삽입한다.
도 18은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 동영상 인식 정보 오버레이 결과를 도시하고, 도 19는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 동영상 인식 정보 오버레이 과정을 도시한다.
본 발명의 실시예에 따른 프로세서(120)는 차량 정보 인식 결과(차량 번호, 차종, 색깔, 차속)를 오버레이(overlay)한 동영상을 전송한다.
도 19에 도시한 바와 같이, 오버레이 처리는 디지털 이미지 데이터를 인코딩(encoding)하기 전 오버레이 데이터(overlay data)처리가 이루어진다.
본 발명의 실시예에 따르면, 오버레이를 표시할 좌표는 카메라의 이미지 데이터를 기준으로 그 위치가 지정되는데, 이는 니즈에 따라 위치를 변경할 수 있다.
또한, 오버레이 메모리 영역은 YUV 420 포맷으로 할당된다.
센서(1901)로부터 아날로그 시그널이 전송되면, AFE(1902, Analog Front End)는 디지털 이미지 데이터를 ISP(1903, Image Signal Processor)로 전달한다.
ISP(1903)는 오버레이에 표시할 데이터(차량 번호판 이미지, 차량속도, 차량 제조사, 차종, 색깔 등)를 오버레이 메모리 영역에 YUV420 포맷으로 저장하고, 디지털 이미지 데이터에 오버레이 좌표에 해당하는 메모리 영역에 오버레이 메모리 영역을 YUV420 포맷으로 복사한다.
오버레이가 적용된 디지털 이미지 데이터는 엔코더(1904)를 통해 H.264 인코딩된 후 스트리밍된다.
도 20a 및 도 20b는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템의 차량정보 추출 과정을 도시한다.
본 발명의 실시예에 따르면, 카메라 영상이 입력되면(S2010), 차량 번호 검출 여부를 확인한다(S2011).
이 때, 차량 번호가 검출되지 않은 경우, 카메라 영상 입력 단계(S2010)로 돌아가고, 차량 번호가 검출된 경우, 차량정보 관리부에 차량 번호를 저장한다(S2012).
이어서, 차량정보 관리부에 동일 차량 번호가 존재하는지 여부를 확인하여(S2013), 동일 차량 번호가 존재하지 않는 경우 카메라 영상 입력 단계(S2010)로 돌아가고, 동일 차량 번호가 존재하는 경우 실시간 차량 속도를 추출(S2014)한 후, 차량정보 관리부에 차량 속도를 저장한다(S2015).
차량 속도 추출은 도 5 및 도 6을 참조하여 전술한 바와 같다.
차량 정보 관리 단계(S2020)가 진행되면, 차량 번호가 입력되었는지 여부를 확인한다(S2021).
차량 번호가 입력된 경우, 동일 차량 번호가 존재하는지 여부를 확인하고(S2022), 동일 차량 번호가 존재하는 경우에는 차량 번호 리스트에 추가 삽입을 수행하고(S2024), 동일 차량 번호가 존재하지 않는 경우에는 차량 번호 리스트를 생성한 후 정보를 삽입한다(S2023).
S2021 단계에서 차량 번호가 입력되지 않는 경우, 차량 번호 리스트의 마지막 정보 시간 이후 현 시점이 기설정 시간(예: 1초)을 경과한 것인지 여부를 확인한다(S2025).
기설정 시간이 경과되지 않은 경우, 차량 정보 관리 단계(S2020)로 돌아가고, 기설정 시간이 경과된 경우, 누적된 차량 인식 정보를 이용하여 해당 차량의 평균 속도와 주행 방향을 추출하고, 적응적 ROI 설정을 수행한다(S2026).
적응적 ROI 설정은 도 8 내지 도 10을 참고하여 전술한 바와 같다.
이어서, 차량 정보(차종, 제조사, 차량 색깔 등)을 추출하고(S2027), 이미지 저장을 수행한다(S2028).
도 21은 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 실시간 카메라 영상 밝기 제어를 설명한다.
본 발명의 실시예에 따르면, 카메라 내장형 시스템을 통과하는 차량들에 대해 빠짐 없이 차량 번호를 인식한다.
그런데, 이는 CCTV 카메라의 영상처럼 영상의 전체적인 밝기가 평이하게 보이게 하는 것이 아니고, 차량 정보를 인식하고 분석하는 것이 그 목적이므로, 영상 내에서 차량 번호판이 잘 보이도록 영상 밝기를 제어하는 것이 중요하다.
따라서, 본 발명의 실시예에 따르면 설치환경 및 날씨 변화에 따라 적응적으로 카메라 영상의 밝기를 실시간으로 분석하고, 노출값(Exposure)을 제어하여, 카메라를 통해 획득한 입력 영상이 차량번호판 인식을 위한 최적의 영상이 되도록 제어한다.
도 21를 참조하면, 프로세서(120)는 카메라 입력영상에서 차량번호판(A)을 인식한 후 인식된 차량번호의 문자와 번호판의 에지 패턴의 강도가 임계 강도 값보다 낮으면 카메라를 밝게 제어한다.
반면, 프로세서(120)는 인식된 차량번호의 문자와 번호판의 에지 패턴의 강도가 에지 패턴 강도가 높으면, 카메라 밝기를 어둡게 제어한다.
이 때, 프로세서(120)는 셔터(shutter), 게인(gain), 조리개(IRIS) 및 스트로브(strobe)를 조절하여 카메라 밝기를 조절한다.
본 발명의 실시예에 따르면, 카메라 밝기를 판단하는 기준영역(B, AE ROI)을 설정하여 카메라 밝기를 제어하는데, 해당 기준영역은 통과차량의 차량번호판 밝기의 음영이 유사한 영역으로, 카메라 영상 내에서의 전봇대, 중앙분리대 구조물, 주변 건물이 될 수 있다.
이 때, 태양의 위치에 따라, 차량 번호판과 동일한 음영을 가지는 위치를 카메라 밝기 기준 영역으로 설정한다.
도 22는 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 시스템에 의한 실시간 카메라 영상 밝기 제어 과정을 도시한다.
기준 영역의 밝기 임계 강도 값과 인식된 차량 번호 에지 임계 강도값이 설정된다(S2201).
카메라 영상이 입력되면(S2202), 차로 별 차량 번호가 인식되고(S2203), 차량 번호가 검출됨에 따라 인식된 차로 별 차량 번호 에지 평균 강도 값이 검출된다(S2204).
이어서, 기준 영역의 밝기 강도 값을 분석(S2205)한 후, 차량 번호 에지 평균 강도 값과 기준 영역의 밝기 강도 값이 각 임계 강도값이 되도록 카메라의 밝기를 제어한다(S2206).
도 23은 본 발명에 따른 카메라 내장형 다차로 차량정보 분석 방법을 도시한다.
본 발명에 따른 카메라 내장형 다차로 차량정보 분석 방법은 카메라를 이용하여 다차로를 촬영하여 영상 데이터를 획득하는 단계(S2301)와, 다차로 차량 분석 프로그램을 이용하여, 영상 데이터 내의 차량의 주행 정보 및 고유 정보를 분석하는 단계(S2302) 및 차량의 주행 정보 및 고유 정보를 오버레이하여 동영상을 전송하는 단계(S2303)를 포함한다.
S2301단계는 차량의 번호판과 유사한 음영을 가지는 상기 영상 데이터 내의 기준 위치를 카메라 밝기 기준 영역으로 설정하고, 차량 번호판 및 그에 포함되는 문자의 에지 패턴 강도를 고려하여 설정된 영상 밝기로 상기 카메라를 이용한 촬영을 수행한다.
S2302 단계는 차량의 주행 속도를 포함하는 차량의 주행 정보와, 차량의 제조사, 연식, 차종, 색상, 차량 번호판 정보를 포함하는 차량의 고유 정보를 분석한다.
이 때, S2302 단계는 영상 데이터를 이용하여 이차 함수 그래프로 표현되는 거리 테이블을 생성하고, 차량 번호판의 인식 위치 및 인식 시점을 이용하여 차량의 주행 속도를 산출한다.
S2302 단계는 차량의 번호판의 높이를 기준으로 설정된 인식 범위와, 실제 인식된 차량 번호판의 크기를 비교하여, 기설정된 인식 영역을 적응적으로 조정한다.
S2302 단계는 영상 데이터에 포함되는 차량 번호판, 차량의 전면 그릴 및 라이트 형상 정보를 이용하여 차량 고유 정보를 산출한다.
S2302 단계는 차량 번호판을 인식함에 있어서, 복수의 임계값을 이용하여 템플릿을 이진화하여(듀얼 이진화), 인식률을 개선시킨다.
S2302 단계는 영상 데이터에 포함된 차량의 번호판 이미지에 대한 정규화를 수행하고, 정규화된 번호판 이미지에서 개별 문자에 대한 인식을 수행하여 인식률을 개선시킨다.
S2302 단계는 영상 데이터에서 차량 번호판이 존재하는 영역을 기준으로 스킵 마스크를 설정하여 인식 속도를 개선시킨다.
한편, 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 방법은 컴퓨터 시스템에서 구현되거나, 또는 기록매체에 기록될 수 있다. 컴퓨터 시스템은 적어도 하나 이상의 프로세서(120)와, 메모리와, 사용자 입력 장치와, 데이터 통신 버스와, 사용자 출력 장치와, 저장소를 포함할 수 있다. 전술한 각각의 구성 요소는 데이터 통신 버스를 통해 데이터 통신을 한다.
컴퓨터 시스템은 네트워크에 커플링된 네트워크 인터페이스를 더 포함할 수 있다. 프로세서(120)는 중앙처리 장치(central processing unit (CPU))이거나, 혹은 메모리 및/또는 저장소에 저장된 명령어를 처리하는 반도체 장치일 수 있다.
메모리 및 저장소는 다양한 형태의 휘발성 혹은 비휘발성 저장매체를 포함할 수 있다. 예컨대, 메모리는 ROM 및 RAM을 포함할 수 있다.
따라서, 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 방법은 컴퓨터에서 실행 가능한 방법으로 구현될 수 있다. 본 발명의 실시예에 따른 카메라 내장형 다차로 차량정보 분석 방법이 컴퓨터 장치에서 수행될 때, 컴퓨터로 판독 가능한 명령어들이 본 발명에 따른 분석 방법을 수행할 수 있다.
한편, 상술한 본 발명에 따른 카메라 내장형 다차로 차량정보 분석 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체로는 컴퓨터 시스템에 의하여 해독될 수 있는 데이터가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래시 메모리, 광 데이터 저장장치 등이 있을 수 있다. 또한, 컴퓨터로 판독 가능한 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.
이제까지 본 발명의 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (19)

  1. 다차로 차량정보 분석 프로그램이 저장된 메모리; 및
    상기 프로그램을 실행시키는 프로세서를 포함하되,
    상기 프로세서는 다차로를 촬영한 영상 데이터를 이용하여 차량 속도와 차량 고유 정보를 포함하는 차량 정보를 분석하고,
    상기 영상 데이터에서 인식된 차량 번호판의 사각형 크기를 기준으로, 타 차량이 존재하지 않는 것으로 예상되는 영역에 대해, 타 차량에 대한 인식을 수행하지 않는 스킵 마스크를 설정하고,
    상기 차량 번호판의 높이를 기준으로 설정된 인식 범위와, 실제 인식된 상기 차량 번호판의 크기를 비교하여, 기설정된 관심 영역을 적응적으로 조정하되, 현재 카메라의 화각을 고려하여 상기 차량 번호판의 숫자 인식을 위해 기설정된 픽셀 범위에 따라 관심 영역을 적응적으로 변경시키고,
    카메라 밝기를 판단하기 위해 기준영역을 설정하되, 차량의 외부 영역 중에서 상기 기준영역을 설정하고, 상기 차량 번호판 및 그에 포함되는 문자의 에지 패턴 강도와 임계 강도 값을 비교한 결과에 따라 카메라의 영상 밝기를 제어하고,
    복수의 임계값을 이용하여 템플릿을 이진화하여 상기 차량 번호판을 인식하고,
    상기 차량 번호판의 영역 내에 가상 영역을 삽입하여, 개별 문자 영역을 삽입하는 것
    인 카메라 내장형 다차로 차량정보 분석 시스템.
  2. 제1항에 있어서,
    상기 프로세서는 상기 영상 데이터를 이용하여 이차 함수 그래프로 표현되는 거리 테이블을 생성하고, 차량 번호판의 인식 위치 및 인식 시점을 이용하여 실제 주행 속도를 산출하는 것
    인 카메라 내장형 다차로 차량정보 분석 시스템.
  3. 제1항에 있어서,
    상기 프로세서는 영상 감지 시간 순서에 따른 좌표 정보를 이용하여 차량의 주행 방향을 산출하는 것
    인 카메라 내장형 다차로 차량정보 분석 시스템.
  4. 삭제
  5. 제1항에 있어서,
    상기 프로세서는 상기 영상 데이터에 포함되는 차량 번호판, 차량의 전면 그릴 및 라이트 형상 정보를 이용하여, 제조사, 차량 명칭, 연식, 색상을 포함하는 상기 차량 고유 정보를 산출하는 것
    인 카메라 내장형 다차로 차량정보 분석 시스템.
  6. 제1항에 있어서,
    상기 프로세서는 상기 분석된 차량 정보를 오버레이한 동영상을 전송하는 것
    인 카메라 내장형 다차로 차량정보 분석 시스템.
  7. 삭제
  8. 삭제
  9. 제1항에 있어서,
    상기 프로세서는 상기 영상 데이터에 포함된 번호판 이미지에 대한 정규화를 수행하고, 정규화된 번호판 이미지에서 개별 문자에 대한 인식을 수행하는 것
    인 카메라 내장형 다차로 차량정보 분석 시스템.
  10. 삭제
  11. (a) 카메라를 이용하여 다차로를 촬영하여 영상 데이터를 획득하는 단계;
    (b) 상기 카메라에 임베디드된 다차로 차량 분석 프로그램을 이용하여, 상기 영상 데이터 내의 차량의 주행 정보 및 고유 정보를 분석하는 단계; 및
    (c) 상기 차량의 주행 정보 및 고유 정보를 오버레이하여 동영상을 전송하는 단계를 포함하고,
    상기 (b) 단계는 상기 영상 데이터에서 인식된 차량 번호판의 사각형 크기를 기준으로, 타 차량이 존재하지 않는 것으로 예상되는 영역으로서, 타 차량에 대한 인식을 수행하지 않는 스킵 마스크를 설정하고, 상기 차량 번호판의 높이를 기준으로 설정된 인식 범위와, 실제 인식된 상기 차량 번호판의 크기를 비교하여, 기설정된 관심 영역을 적응적으로 조정하되, 현재 카메라의 화각을 고려하여 상기 차량 번호판의 숫자 인식을 위해 기설정된 픽셀 범위에 따라 관심 영역을 적응적으로 변경시키고, 카메라 밝기를 판단하기 위해 기준영역을 설정하되, 차량의 외부 영역 중에서 상기 기준영역을 설정하고, 상기 차량 번호판 및 그에 포함되는 문자의 에지 패턴 강도와 임계 강도 값을 비교한 결과에 따라 카메라의 영상 밝기를 제어하고, 복수의 임계값을 이용하여 템플릿을 이진화하여 상기 차량 번호판을 인식하고, 상기 차량 번호판의 영역 내에 가상 영역을 삽입하여, 개별 문자 영역을 삽입하는 것
    을 특징으로 하는 카메라 내장형 다차로 차량정보 분석 방법.
  12. 삭제
  13. 제11항에 있어서,
    상기 (b) 단계는 상기 차량의 주행 속도를 포함하는 상기 차량의 주행 정보와, 상기 차량의 제조사, 연식, 차종, 색상, 차량 번호판 정보를 포함하는 상기 차량의 고유 정보를 분석하는 것
    인 카메라 내장형 다차로 차량 정보 분석 방법.
  14. 제13항 에 있어서,
    상기 (b) 단계는 상기 영상 데이터를 이용하여 이차 함수 그래프로 표현되는 거리 테이블을 생성하고, 차량 번호판의 인식 위치 및 인식 시점을 이용하여 상기 차량의 주행 속도를 산출하는 것
    인 카메라 내장형 다차로 차량 정보 분석 방법.
  15. 삭제
  16. 제13항에 있어서,
    상기 (b) 단계는 상기 영상 데이터에 포함되는 차량 번호판, 차량의 전면 그릴 및 라이트 형상 정보를 이용하여 상기 차량 고유 정보를 산출하는 것
    인 카메라 내장형 다차로 차량 정보 분석 방법.
  17. 삭제
  18. 제13항에 있어서,
    상기 (b) 단계는 상기 영상 데이터에 포함된 차량의 번호판 이미지에 대한 정규화를 수행하고, 정규화된 번호판 이미지에서 개별 문자에 대한 인식을 수행하는 것
    인 카메라 내장형 다차로 차량정보 분석 방법.
  19. 삭제
KR1020190061972A 2019-05-27 2019-05-27 카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법 KR102100965B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190061972A KR102100965B1 (ko) 2019-05-27 2019-05-27 카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190061972A KR102100965B1 (ko) 2019-05-27 2019-05-27 카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR102100965B1 true KR102100965B1 (ko) 2020-04-14

Family

ID=70291385

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190061972A KR102100965B1 (ko) 2019-05-27 2019-05-27 카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102100965B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111784859A (zh) * 2020-07-28 2020-10-16 哈尔滨智路科技开发有限公司 一种高速公路专用嵌入式车道控制系统
CN114863690A (zh) * 2021-02-04 2022-08-05 浙江宇视科技有限公司 一种实线变道的识别方法、装置、介质及电子设备
CN115083170A (zh) * 2022-07-06 2022-09-20 深圳市创安视迅技术有限公司 一种摄像机的图像抓拍方法、装置、电子设备及存储介质
KR20230164382A (ko) 2022-05-25 2023-12-04 주식회사 딥비전 교행 다차로에서의 주행차량 속성 인식방법 및 장치
CN115083170B (zh) * 2022-07-06 2024-06-07 深圳市创安视迅技术有限公司 一种摄像机的图像抓拍方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100948382B1 (ko) * 2009-07-28 2010-03-22 경북대학교 산학협력단 방범 서비스 방법 및 시스템
KR101727487B1 (ko) * 2015-11-18 2017-04-17 숭실대학교산학협력단 내용기반 차량분석기 및 이를 이용한 내용기반 차량분석방법
KR101738129B1 (ko) * 2017-01-18 2017-05-22 주식회사 엠제이비전테크 단일 카메라를 이용한 원거리 영상에서의 차량 번호판 인식 장치 및 그 방법
KR20170080481A (ko) * 2015-12-30 2017-07-10 건아정보기술 주식회사 다차선 차량 속도 측정 시스템
KR20180098945A (ko) * 2017-02-27 2018-09-05 주식회사 에스원 고정형 단일 카메라를 이용한 차량 속도 감지 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100948382B1 (ko) * 2009-07-28 2010-03-22 경북대학교 산학협력단 방범 서비스 방법 및 시스템
KR101727487B1 (ko) * 2015-11-18 2017-04-17 숭실대학교산학협력단 내용기반 차량분석기 및 이를 이용한 내용기반 차량분석방법
KR20170080481A (ko) * 2015-12-30 2017-07-10 건아정보기술 주식회사 다차선 차량 속도 측정 시스템
KR101738129B1 (ko) * 2017-01-18 2017-05-22 주식회사 엠제이비전테크 단일 카메라를 이용한 원거리 영상에서의 차량 번호판 인식 장치 및 그 방법
KR20180098945A (ko) * 2017-02-27 2018-09-05 주식회사 에스원 고정형 단일 카메라를 이용한 차량 속도 감지 방법 및 장치

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111784859A (zh) * 2020-07-28 2020-10-16 哈尔滨智路科技开发有限公司 一种高速公路专用嵌入式车道控制系统
CN114863690A (zh) * 2021-02-04 2022-08-05 浙江宇视科技有限公司 一种实线变道的识别方法、装置、介质及电子设备
CN114863690B (zh) * 2021-02-04 2023-07-21 浙江宇视科技有限公司 一种实线变道的识别方法、装置、介质及电子设备
KR20230164382A (ko) 2022-05-25 2023-12-04 주식회사 딥비전 교행 다차로에서의 주행차량 속성 인식방법 및 장치
CN115083170A (zh) * 2022-07-06 2022-09-20 深圳市创安视迅技术有限公司 一种摄像机的图像抓拍方法、装置、电子设备及存储介质
CN115083170B (zh) * 2022-07-06 2024-06-07 深圳市创安视迅技术有限公司 一种摄像机的图像抓拍方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
KR102100965B1 (ko) 카메라 내장형 다차로 차량정보 분석 시스템 및 그 방법
US9679203B2 (en) Traffic violation detection
Robert Night-time traffic surveillance: A robust framework for multi-vehicle detection, classification and tracking
US9363483B2 (en) Method for available parking distance estimation via vehicle side detection
KR101756849B1 (ko) 노상 무인정산 주차관제 시스템
KR101038669B1 (ko) 영상기반의 비검지식 차량 인식 시스템 및 차량 인식방법
KR102122859B1 (ko) 교통 영상감시시스템의 멀티 표적 추적 방법
KR101565978B1 (ko) 원거리 캡처 영상으로 복수의 차량번호를 인식하고 복수의 증거사진을 동시에 추출하는 방법
JP5223675B2 (ja) 車両検知装置，車両検知方法並びに車両検知プログラム
KR101845943B1 (ko) 단일카메라를 이용한 다차로상의 차량번호인식 시스템 및 방법
WO2015089867A1 (zh) 一种交通违章检测方法
WO2018008461A1 (ja) 画像処理装置
KR102122850B1 (ko) 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션
Uy et al. Automated traffic violation apprehension system using genetic algorithm and artificial neural network
KR101738129B1 (ko) 단일 카메라를 이용한 원거리 영상에서의 차량 번호판 인식 장치 및 그 방법
KR101355201B1 (ko) 시-공간적 특징벡터 기반의 차량인식을 활용한 불법 주정차 단속 시스템 및 단속방법
KR101756848B1 (ko) 불법 주정차 관리 시스템
KR102200204B1 (ko) Cctv 영상을 활용한 3차원 영상분석 시스템
WO2019085930A1 (zh) 车辆中双摄像装置的控制方法和装置
JP5423764B2 (ja) 移動体検出装置、コンピュータプログラム及び移動体検出方法
KR101809088B1 (ko) 전방 차량 추돌 알림 장치 및 방법
KR102338912B1 (ko) 수퍼 레졸루션 기법을 이용한 차량 번호판 인식 방법
KR101089029B1 (ko) 광류를 이용한 방범용 차량 감지 시스템
KR101319508B1 (ko) 초점열화방법을 이용한 불법 주정차 단속 시스템 및 단속방법
KR101911239B1 (ko) 불법 주정차 단속을 위한 채널 확대 운영 시스템

Legal Events

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