KR102111845B1 - 주차구역의 차량을 인식하는 방법 및 장치 - Google Patents

Abstract

본 발명의 일 측면에 따른 차량 인식 방법은, 차량이 주차하는 주차구역이나 주차구역에 인접하게 설치되는 센서로부터 출력되는 제1 데이터를 시계열적으로 복수회 혹은 일정 시간동안 획득하는 단계, 제1 데이터를 기본값으로 설정하는 단계, 제1 데이터를 획득한 시간 이후에 센서로부터의 제2 데이터를 획득하는 단계, 기본값과 제2 데이터 간의 변화값을 측정하는 단계, 기본값에 대해 변화값을 백분율로 환산하는 단계, 및 백분율로 환산한 데이터의 범위가 일정 크기 이상 줄어들거나 늘어나는 경우에 기초하여 차량 유무를 판별하는 단계를 포함한다.

Description

주차구역의 차량을 인식하는 방법 및 장치{METHOD AND APPARATUS FOR RECOGNIZING VEHICLE IN PARKING AREA}

본 발명의 실시예는 차량 인식 기술에 관한 것으로, 보다 상세하게는 자기 저항 센서를 이용하여 주차구역이나 전기차 충전 스테이션 등의 현장에서 실시간으로 차량을 인식하는 방법 및 장치에 관한 것이다.

지자기 센서의 일종인 이방성 자기저항 센서는 자기장 측정 방식의 비접촉 차량 감지 장비로서 실내, 실외 주차장에 설치 가능하며, 편리한 시공과 구축비용 절감은 물론 다양한 응용서비스 구현이 가능한 장점이 있다.

이방성 자기저항 센서를 이용하면, 저전력기반 배터리 방식으로 무선통신이 가능하고, 전원공사나 통신공사를 생략한 간편한 시공이 가능하며 구조물 없이 주차면에 직접 시공할 수 있는 장점이 있어 야외, 노상주차장 등의 설치에 적합한 장점이 있다.

또한, 이방성 자기저항 센서는, 가설물없이 간편하게 차량을 검지하는데 사용될 수 있고, 매립 방식, 돌출 방식 등 간편하고 다양한 시공 방식을 적용하기 용이하며, PLC 유선통신의 유지보수에 소요되는 비용을 절감할 수 있는 장점이 있다.

또한, 이방성 자기저항 센서는, 실내 및 실외의 주차장 차량 유무를 감지하는데 사용될 수 있고, 차량통로에서의 차량 통과나 통행량을 감지하는데 사용될 수 있으며, 노견 불법주차를 감지하거나 철도건널목, 공사장 등의 위험지역의 차량 통행 유무를 감지하는데 사용될 수 있다.

이와 같이, 이방성 자기저항 센서 등의 지자기 센서를 카메라, 가로등 등과 연동하여 운행함으로써 다양한 응용서비스 활용이 가능한 장점이 있다.

하지만, 종래의 지자기 센서는 주차장(실내, 실외, 야외, 노상, 도로변), 공사장, 철도건널목, 차량통로 등의 현장의 환경이나 현장에 출입하는 물체나 사물의 특성에 따라 센서값이 유동적으로 변하는 특성으로 인해 대상 감지, 차량 인식 등 목적하는 기능을 구현하는데 어려움이 있다.

등록특허공보 제10-0337106호(2002.05.06.)

본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로, 본 발명의 목적은 지자기 센서 또는 자기저항 센서를 이용하면서 센서 특성에 관계없이 효과적으로 대상 감지 혹은 차량 인식을 수행할 수 있는 방법 및 장치를 제공하는데 있다.

본 발명의 다른 목적은, 주차구역 등의 현장에 설치되는 지자기 센서 또는 자기저항 센서를 이용하여 현장의 차량 유무를 효과적으로 인식할 수 있는 차량 인식 방법 및 장치를 제공하는데 있다.

상기 기술적 과제를 해결하기 위한 본 발명의 일 측면에 따른 차량 인식 방법은, 차량이 주차하는 주차구역이나 상기 주차구역에 인접하게 설치되는 센서로부터 출력되는 제1 데이터를 시계열적으로 복수회 혹은 일정 시간동안 획득하는 단계; 상기 제1 데이터를 기본값으로 설정하는 단계; 상기 제1 데이터를 획득한 시간 이후에 상기 센서로부터의 제2 데이터를 획득하는 단계; 상기 기본값과 상기 제2 데이터 간의 변화값을 측정하는 단계; 상기 기본값에 대해 상기 변화값을 백분율로 환산하는 단계; 및 상기 백분율로 환산한 데이터의 범위가 일정 크기 이상 줄어들거나 늘어나는 경우에 기초하여 차량 유무를 판별하는 단계를 포함한다.

일실시예에서, 차량 인식 방법은 상기 제1 데이터를 획득하는 단계 및 상기 제2 데이터를 획득하는 단계 후에 상기 제1 데이터와 상기 제2 데이터를 딥러닝(deep learning)을 통해 분석하는 단계를 각각 더 포함할 수 있다.

상기 기술적 과제를 해결하기 위한 본 발명의 다른 측면에 따른 차량 인식 방법은, 차량이 주차하는 주차구역이나 상기 주차구역에 인접하게 설치되는 센서로부터 제1 데이터를 획득하고, 상기 제1 데이터를 획득한 시간 이후에 상기 센서로부터의 제2 데이터를 획득하는 데이터 수집부; 상기 제1 데이터를 기본값으로 설정하는 기본값 설정부; 상기 기본값과 상기 제2 데이터 간의 변화값을 측정하는 감지부; 상기 기본값에 대해 상기 변화값을 백분율로 환산하는 백분율 환산부; 및 상기 백분율로 환산한 데이터의 범위가 일정 크기 이상 줄어들거나 늘어나는 경우에 기초하여 차량 유무를 판별하는 판별부를 포함한다.

일실시예에서, 백분율 환산부는 노이즈 및 오차율이 상대적으로 심한 y 값을 제외하고 x 값과 z 값의 기본값에 대하여 x 값과 z 값의 변화값을 백분율로 계산할 수 있다.

일실시예에서, 차량 인식 장치는 상기 제1 데이터와 상기 제2 데이터를 딥러닝(deep learning)을 통해 분석하는 분석부를 더 포함할 수 있다.

일실시예에서, 상기 센서는 지자기 센서 또는 이방성 자기저항(anisotropic magnetoresistance, AMR) 센서일 수 있다.

일실시예에서, 상기 판별부는 상기 데이터 수집부에서 수집된 제1 데이터와 제2 데이터에 기초하여 미리 설정된 차종에 따른 데이터 상에서의 차이를 기준으로 차량을 인식할 수 있다.

본 발명에 의하면, 아날로그 센싱 기반의 기존 지자기 센서나 자기저항 센서 등의 센서를 이용하여 물체를 인지하는 방식 대부분에서 임계치를 적용하고 그에 의해 물체 또는 사물을 인지하게 프로그래밍 되어 있는 경우에, 다양한 현장의 환경 및 사물의 특성에서 발생하는 노이즈에 반응하여 물체 또는 사물 인지 성능이 저하되고 신뢰성이 크게 떨어지는 문제를 해결할 수 있다.

본 발명에 의하면, 단순 임계치 비교 방식을 백분율로 환산하여 사물을 분별할 수 있도록 함으로써 인식율을 획기적으로 개선하는 효과가 있다. 또한, 수집한 데이터를 딥러닝(deep learning) 분석함으로써 주차구역의 환경 변화와 차량이나 사물의 특성에 따라 센서값이 유동적으로 변하는 경우에도 주차구역 등 지정된 위치에 위치하는 차량을 효과적이면서 신뢰성 있게 인지할 수 있다.

또한, 본 발명에 의하면, 소방시설점검, 전기차 충전, 노견 불법 주차 등을 위해 차량을 차종별로 감지하는데 이용될 수 있으며, 그에 의해 차량 감지에 대한 신뢰성과 효율을 높일 수 있는 장점이 있다. 전기차는 하이브리드 자동차(HEV), 플러그인 하이브리드 자동차(PHEV), 전기 자동차(EV)를 포함한다.

도 1은 본 발명의 일실시예에 따른 차량 인식 장치에 대한 블록도이다.
도 2는 본 발명의 다른 실시예에 따른 차량 인식 방법에 대한 흐름도이다.
도 3은 본 발명의 또 다른 실시예에 따른 차량 인식 방법에 대한 흐름도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 아니하는 것으로 이해되어야 할 것이다.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함한다", "가진다" 등과 관련된 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

본 명세서에서 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 포함한다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 의미와 일치하는 의미로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 본 발명의 일실시예에 따른 차량 인식 장치에 대한 블록도이다.

도 1을 참조하면, 본 실시예에 따른 차량 인식 장치(10)는 적어도 하나 이상의 센서(2, 4)에 연결되어 센서(2, 4)로부터 데이터를 수집한다. 이하의 실시예에서는 센서가 지자기 센서 또는 자기저항 센서일 수 있고, 자기저항 센서는 이방성 자기저항 센서(anisotropic magnetoresistance, AMR)인 경우를 중심으로 설명하나, 본 발명은 이에 한정되지 않고 기존의 다양한 자기저항 센서나 지자기 센서 또는 저항 센서가 이용될 수 있다.

센서(2, 4)는 차량이 주차하는 주차구역이나 주차구역에 인접하게 설치된다. 센서(2, 4)는 주차구역 등의 현장의 환경 및 현장에 출입하는 사물이나 물체의 특성에 따라 센서값이 유동적으로 변하는 특성을 가진다.

본 실시예에서 센서(2, 4)는 저전력을 위한 슬립(sleep) 모드와 웨이크업(wakeup) 모드를 구비할 수 있고, 웨이크업 후에 상태값(센서값) 데이터를 중계(전송)할 수 있다. 또한, 배터리 잔량을 차량 인식 장치나 게이트웨이로 전송할 수 있고, 차량인식을 위한 초기화 기능을 구비할 수 있으며, 동작상태 감시를 위한 발광다이오드(LED) 램프를 구비하고, 전원 상태나 데이터 전송 상태를 표시할 수 있다. 센서(2, 4)는 제어보드 상의 마이크로컨트롤유닛, 내장형 안테나 등과 함께 단일 하우징에 의해 보호될 수 있다.

또한, 차량 인식 장치(10)는 수집한 데이터를 분석하고, 수집한 데이터 중 특정 초기값을 기본값으로 설정하고, 시계열적으로 소정 간격을 두고 수집한 데이터들의 비교를 통해 사물, 물체 또는 차량을 감지하고, 감지한 데이터의 변화값을 기본값에 기초하여 백분율로 변환하거나 환산하고, 변환 또는 환산한 백분율에 기초하여 해당 현장에서의 차량유무를 판별한다.

이를 위해, 차량 인식 장치(10)는 데이터 수집부(11), 분석부(12), 기본값 설정부(13), 감지부(14), 백분율 환산부(15) 및 판별부(16)를 구비할 수 있다. 차량 인식 장치(10)는 프로세서 또는 마이크로프로세서를 포함할 수 있다. 이 경우, 데이터 수집부(11), 분석부(12), 기본값 설정부(13), 감지부(14), 백분율 환산부(15) 및 판별부(16)는 프로세서에 연결되는 메모리나 저장장치(20)에 저장되는 소프트웨어 모듈을 실행하여 프로세서에 탑재되고 미리 설정된 기능이나 동작을 수행하도록 이루어질 수 있다.

차량 인식 장치(10)의 각 구성요소를 좀더 구체적으로 설명하면, 먼저 데이터 수집부(11)는 센서(2, 4)로부터 센서 데이터(이하 '제1 데이터'에 대응함)를 획득한다. 제1 데이터는 일정 시간동안 예컨대 3분 내지 5분 정도의 시간동안에 수집될 수 있다. 센서 데이터는 x축 센서 데이터, y축 센서 데이터 및 z축 센서 데이터를 포함한다. x축은 차량이 진입하는 방향, y축은 차량이 진입하는 방향의 좌우측 방향 또는 측면 방향, z축은 주차 구역의 바닥면에서 하늘을 향하는 방향(하늘 방향)에 각각 대응할 수 있다.

데이터 수집부(11)는 입력 포트, 아날로그 디지털 컨버터 등을 포함할 수 있으며, 센서(2, 4)로부터 입력되는 데이터를 수신하는 기능 외에 프로세서의 컨트롤 유닛의 제어에 따라 능동적으로 센서(2, 4)에 접근하여 센서(2, 4) 내 저장유닛에 저장된 데이터를 독출하도록 구현될 수도 있다. 수집한 센서 데이터는 저장장치(20)에 저장될 수 있다.

분석부(12)는 수집한 데이터 내 지자기값에 대해 평균을 구하거나 딥러닝 분석을 수행할 수 있다. 센서로부터 수집한 데이터에 대하여 딥러닝 분석을 수행하면, 주차구역 등의 현장의 환경 및 현장에 출입하는 사물이나 물체의 특성에 따라 센서값이 유동적으로 변하는 센서 데이터에서 차량을 신뢰성 있게 인식할 수 있다.

기본값 설정부(13)는 센서로부터 수집한 데이터 중 특정 데이터를 기본값으로 설정한다. 특정 데이터는 차량이 없는 상태에서 측정된 데이터로서 지자기값에 대한 평균값에 기초하여 자동으로 결정될 수 있다.

감지부(14)는 센서로부터 수집한 데이터 중 제1 데이터와 제1 데이터보다 시계열적으로 늦게 측정된 제2 데이터를 비교하고 이들 간의 변화값을 통해 차량의 접근을 감지한다. 차량의 접근을 감지하는 것은 딥러닝(deep learning) 분석에 의해 미리 설정된 데이터 형태나 패턴에 기초하여 1차적으로 판단되고, 상기 변화값에 기초하여 최종적으로 판단될 수 있다.

딥러닝 분석은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstractions) 즉, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업을 시도하는 기계학습(machine learning) 알고리즘의 집합으로 정의될 수 있다. 본 실시예에서 딥러닝 분석은 저항 센서의 데이터를 차량 인식 작업을 위한 데이터로 정형화 또는 패턴화 하는데 이용될 수 있다.

백분율 환산부(15)는 감지부(14)로부터 얻은 변화값을 백분율로 환산한다. 백분율 환산부(15)는 앞서 설정된 기본값을 토대로 변화값을 백분율로 환산할 수 있다. 변화값을 백분율로 환산하는 방식을 적용하면, 기존 기술의 임계치를 적용한 경우에 비해 센서 데이터의 분석에서의 오차 및 오감지를 크게 줄일 수 있고, 센서 데이터의 유동적 변화와 노이즈에 대한 오차를 최소화 할 수 있다.

판별부(16)는 백분율로 환산한 값이나 데이터가 기본값 또는 기본값에 대응하는 기본데이터의 일정 범위 안에 들어오거나 일정 범위로부터 벗어나게 되면, 이에 기초하여 해당 현장에서의 차량 유무를 판별할 수 있다.

본 실시예에서 전술한 구성부들(11 내지 16)은 데이터 수집 모듈, 분석 모듈, 기본값 설정 모듈, 감지 모듈, 백분율 환산 모듈 및 판별 모듈 형태로 저장장치(20)에 저장될 수 있다.

저장장치(20)는 차량 인식 장치(10)이나 이에 대응하는 프로세서에 연결될 수 있다. 저장장치(20)의 적어도 일부와 프로세서는 단일 컨트롤러 형태로 구현될 수 있다. 저장장치(20)는 기억장치, 메모리 등으로 지칭될 수 있으며, 메모리로는 비휘발성 메모리, 휘발성 메모리 등을 포함할 수 있다.

또한, 차량 인식 장치(10)는 통신 장치(30)와 연결될 수 있다. 통신 장치(30)는 저항 센서(2, 4)와 데이터 수집부(11) 사이의 신호 및 데이터의 송수신을 지원하거나, 차량 인식 장치(10)의 프로세서와 장치 외부의 다른 장치나 시스템 간의 신호 및 데이터의 송수신을 지원할 수 있다. 외부의 다른 장치나 시스템은 관리자 단말, 주차장 운영 게이트웨이, 주차장관제시스템, 클라우드 서비스 기반의 주차통합 관리서버, 지능형교통시스템 호스트 등을 포함할 수 있다.

통신 장치(30)는 유선, 무선, 인트라넷, 위성망 또는 이들의 조합을 지원하는 적어도 하나의 서브통신시스템을 구비할 수 있다. 이러한 통신 장치(30)는 하나의 구성요소로서 차량 인식 장치(10)에 포함될 수 있다.

한편, 전술한 딥러닝 분석을 위해, 차량 인식 장치(10)는 학습부(17)를 더 구비할 수 있다. 학습부(17)는 데이터 수집부(11), 분석부(12), 기본값 설정부(13), 감지부(14), 백분율 환산부(15) 및 판별부(16) 중 적어도 어느 하나 이상과 유사하게 프로세서에 연결되는 메모리나 저장장치(20)에 저장되는 소프트웨어 모듈을 실행하여 프로세서에 탑재되고 미리 설정된 기능이나 동작을 수행하도록 이루어질 수 있다. 여기서, 소프트웨어 모듈은 딥러닝(deep learning)을 위한 소프트웨어 모듈(20a)이나 프로그램을 포함할 수 있고, 미리 설정된 기능은 딥러닝에 의한 학습을 통해 분석을 수행하거나 기본값을 설정하거나 차량을 감지하는 것을 포함하며, 이러한 구성에 의해 차량 유무나 차종을 신뢰성 있게 판별하는 동작을 수행하는 것을 포함할 수 있다.

도 2는 본 발명의 다른 실시예에 따른 차량 인식 방법에 대한 흐름도이다.

도 2를 참조하면, 본 실시예에 따른 차량 인식 방법은, 먼저 현장에 설치된 센서로부터 x축, y축, z축에 대한 센서 데이터(제1 데이터)를 수집한다(S21).

다음, 수집한 제1 데이터를 기본값으로 셋팅한다(S22). 제1 데이터는 현장에 차량이 없는 경우에 수집된 데이터에 대응한다. 일례로, 현장에 설치된 센서로부터 수집되는 x, y, z축상의 검출값(이하 간략히 x, y, z 값이라고도 함)이 이전값 대비 현재값을 비교할 때 소정 기준이나 이벤트에 부합하게 되면 현재값을 기본값을 설정할 수 있다. 이전값 또는 현재값은 센서 데이터의 평균값일 수 있으나 이에 한정되지는 않는다.

다음, 미리 설정된 시간 간격을 두거나 미리 설정된 주기에 따라 센서로부터 제2 데이터를 수집하여 저장한다(S23). 제2 데이터는 현장에 차량이 있는 경우에 수집된 데이터에 대응할 수 있다. 제2 데이터의 수집 당시(직전) 차량 인식 장치는 현장에 차량이 있는지를 인식하고 있지 못한 상태이다. 제2 데이터는 메모리나 저장장치에 저장된다.

다음, 기본값과 제2 데이터의 변화값을 측정한다(S24).

다음, 측정한 변화값을 백분율로 환산한다(S25). 백분율의 환산은 기본값에 기초하여 수행될 수 있다. 또한, 백분율의 환산은 x, y, z 값들 중 일부를 제외한 나머지 값에 대하여 수행될 수 있다. 일례로, 노이즈 및 오차율이 상대적으로 심한 y 값을 최소화하거나 제외하고 x 값과 z 값의 기본값에 대하여 x 값과 z 값의 변화값을 백분율로 계산할 수 있다. 이러한 선택적 백분율 적용 방법에 의하면, 센서의 특성에 상관없이 매우 신뢰성 있는 차량 인식이 가능하다.

다음, 환산한 데이터 또는 환산한 값의 범위가 일정 크기 이상 줄어들었거나 늘어난 경우, 이에 기초하여 현장에 대한 차량 유무를 판별한다(S26). 환산한 값 또는 데이터의 일정 크기 이상의 증감은 설정에 따라 줄어든 경우를 차량 존재로 판별하거나 늘어난 경우를 차량 존재로 판별하는 것이 가능하다.

본 실시예에서 전술한 단계들(S21 내지 S26)은 차량 인식 장치(10)의 데이터 수집부(11), 분석부(12), 기본값 설정부(13), 감지부(14), 백분율 환산부(15) 및 판별부(16)에 의해 수행될 수 있다.

도 3은 본 발명의 또 다른 실시예에 따른 차량 인식 방법에 대한 흐름도이다.

도 3을 참조하면, 본 실시예에 따른 차량 인식 방법은, 주위 환경 변화에 의해 차량 유무를 판별할 수 있는 기준 값이 수시로 변경되어야 하는 필요에 따라 시스템(차량 인식 장치) 내에서 자체적으로 그 변화를 감지하여 기준 값을 재설정하고 수집되는 데이터를 필터링한다(S31, S32 및 S33). 여기서, 설치 또는 리셋 시간 등에서 나타나는 일정 부분의 불안정 데이터는 필터링하여 제외시키므로 기준 값의 정확도를 제고할 수 있다.

다음, 수집된 센서값을 이용하여 차량유무 판별기준을 자동으로 셋팅할 수 있도록 하며, 이때 임계치의 기준값을 센서값이 아닌 캘리브레이션된 데이터와 차량 판단 기준비율 값을 이용한다(S34).

본 실시예는 도 1의 판별부가 데이터 수집부에서 수집된 제1 데이터와 제2 데이터에 기초하여 미리 설정된 차종에 따른 데이터 상에서의 차이를 기준으로 차량을 인식하는 방법 중 하나에 대응될 수 있다.

또한, 본 실시예는 기계학습, 딥러닝, 인공지능 등에 의한 학습을 통해 상황을 분석하고 처리하여 차종별 차량을 인식하는 방법 중 하나에 대응될 수 있다.

본 실시예에 의하면, 시스템 내 딥러닝 기반의 기준값 및 인식값의 비율 재조정을 통해, 정보의 정확도를 고도화하므로써, 주차정보 서비스의 품질을 향상시킬 수 있고, 유지보수의 비용과 시간을 최소화할 수 있는 장점이 있다.

전술한 실시예에 의하면, 감도, 내구성 및 사용성이 우수한 센서와 함께 센서 데이터의 변화값의 백분율 환산 방법을 적용함으로써 신뢰성 있는 물체 또는 차량 감지의 효과를 얻을 수 있다. 또한, 센서와 함께 센서 데이터를 딥러닝 분석하여 센서 특성에 의한 오차 및 오감지를 줄임으로써 차량 인식의 정확도를 크게 향상시킬 수 있다. 아울러, 센서, 센서 데이터의 딥러닝 분석 및 센서 데이터의 변화값의 백분율 환산 방법을 적용하면 매우 정밀하고 신뢰성 높게 현장의 차량을 인식할 수 있는 효과가 있다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

2, 4: 센서
10: 차량 인식 장치
20: 저장 장치
30: 통신 장치

Claims (6)

1. 차량이 주차하는 주차구역이나 상기 주차구역에 인접하게 설치되는 센서로부터 출력되는 제1 데이터를 획득하는 단계;
   상기 제1 데이터를 기본값으로 설정하는 단계;
   상기 제1 데이터를 획득한 시간 이후에 상기 센서로부터의 제2 데이터를 획득하는 단계;
   상기 제1 데이터와 상기 제2 데이터를 차량 인식 작업을 위한 데이터로 정형화 또는 패턴화하여, 미리 설정된 데이터 형태나 패턴에 기초하여 차량의 접근의 1차적 판단을 시행하고, 상기 센서 특성에 의한 오차 및 오감지의 방지를 위하여 상기 제1 데이터와 상기 제2 데이터의 평균에 따른 비율을 재조정하여 변화값을 딥러닝(deep learning)을 통해 분석하는 단계;
   상기 기본값에 대해 상기 변화값을 백분율로 환산하는 단계; 및
   상기 백분율로 환산한 데이터의 범위가 미리 설정된 차종에 따른 데이터 상에서 일정 크기 이상 줄어들거나 늘어나는 데이터 상에서의 차이를 기준으로 차량 유무를 판별하는 단계를 포함하는 차량 인식 방법.
2. 삭제
3. 차량이 주차하는 주차구역이나 상기 주차구역에 인접하게 설치되는 센서로부터 제1 데이터를 획득하고, 상기 제1 데이터를 획득한 시간 이후에 상기 센서로부터의 제2 데이터를 획득하는 데이터 수집부;
   상기 제1 데이터의 평균값을 기본값으로 설정하는 기본값 설정부;
   상기 기본값과 상기 제2 데이터 간의 변화값을 측정하는 감지부;
   상기 제1 데이터와 상기 제2 데이터를 차량 인식 작업을 위한 데이터로 정형화 또는 패턴화하여, 미리 설정된 데이터 형태나 패턴에 기초하여 차량의 접근의 1차적 판단을 시행하고, 상기 센서 특성에 의한 오차 및 오감지의 방지를 위하여 상기 제1 데이터와 상기 제2 데이터의 평균에 따른 비율을 재조정하여 변화값을 측정하는 딥러닝(deep learning)을 통해 분석을 수행하는 분석부;
   상기 기본값에 대해 상기 변화값을 백분율로 환산하는 백분율 환산부;
   상기 제1 데이터와 제2 데이터에 기초하여 미리 설정된 차종에 따른 데이터 상에서의 차이를 기준으로 상기 백분율로 환산한 데이터의 범위가 일정 크기 이상 줄어들거나 늘어나는 경우에 기초하여 차량 유무를 판별하는 판별부; 및
   상기 데이터 수집부, 분석부, 기본값 설정부, 감지부, 백분율 환산부 및 판별부 중 적어도 어느 하나 이상과 연동하여 딥러닝에 의한 학습을 통한 기본값을 설정하거나, 분석을 수행하거나, 차량을 감지하거나, 차량 유무를 판별하거나, 차종을 판별하는 동작을 수행하는 학습부;를 포함하는 차량 인식 장치.
4. 청구항 3에 있어서,
   상기 백분율 환산부는 노이즈 및 오차율이 상대적으로 심한 y 값을 제외하고 x 값과 z 값의 기본값에 대하여 x 값과 z 값의 변화값을 백분율로 계산하는 차량 인식 장치.
5. 청구항 3에 있어서,
   상기 센서는 이방성 자기저항(anisotropic magnetoresistance, AMR) 센서인 차량 인식 장치.
6. 삭제

Images