KR102145409B1 - System for visibility measurement with vehicle speed measurement - Google Patents

System for visibility measurement with vehicle speed measurement Download PDF

Info

Publication number
KR102145409B1
KR102145409B1 KR1020180101690A KR20180101690A KR102145409B1 KR 102145409 B1 KR102145409 B1 KR 102145409B1 KR 1020180101690 A KR1020180101690 A KR 1020180101690A KR 20180101690 A KR20180101690 A KR 20180101690A KR 102145409 B1 KR102145409 B1 KR 102145409B1
Authority
KR
South Korea
Prior art keywords
visibility distance
vehicle speed
image information
vehicle
visibility
Prior art date
Application number
KR1020180101690A
Other languages
Korean (ko)
Other versions
KR20200024997A (en
Inventor
채신태
Original Assignee
(주)시정
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 (주)시정 filed Critical (주)시정
Priority to KR1020180101690A priority Critical patent/KR102145409B1/en
Publication of KR20200024997A publication Critical patent/KR20200024997A/en
Application granted granted Critical
Publication of KR102145409B1 publication Critical patent/KR102145409B1/en

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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Abstract

차량속도 측정이 가능한 시정거리 측정 시스템이 개시된다. 차량속도 측정이 가능한 시정거리 측정 시스템은 도로 위 특정 차량에 대한 이미지 정보를 획득하고, 상기 특정 차량의 차량속도를 측정하는 차량속도 측정부; 및 상기 차량속도 측정부를 통해 상기 차량속도 측정부로부터 기설정된 거리만큼 이격되도록 배치된 특정 피사체에 대한 이미지 정보가 획득되면, 상기 획득된 이미지 정보를 기반으로 시정거리를 측정하는 시정거리 측정부;를 포함한다. 이에 의해, 시정거리를 산출하고, 산출된 시정거리를 반영한 상황별 제한속도를 산출하여, 운전자들에게 제공함으로써, 운전자의 경각심을 일깨워주고, 시정 악화시 과속으로 인한 교통사고를 예방함으로써, 인적, 경제적 손실을 줄일 수 있다. 그리고 상황별 제한속도의 위반 여부, 미세먼지 농도 등을 전달하여 운전자들에게 편의를 제공할 수 있다. A visibility distance measurement system capable of measuring vehicle speed is disclosed. A visibility distance measurement system capable of measuring vehicle speed includes: a vehicle speed measuring unit that acquires image information on a specific vehicle on a road and measures a vehicle speed of the specific vehicle; And a visibility distance measurement unit configured to measure a visibility distance based on the acquired image information when image information on a specific subject arranged to be spaced apart from the vehicle speed measurement unit by a preset distance is obtained through the vehicle speed measurement unit. Include. Thereby, by calculating the visibility distance, calculating the speed limit for each situation reflecting the calculated visibility distance, and providing it to the drivers, awakening the driver's alertness and preventing traffic accidents caused by speeding when the visibility worsens, Economic losses can be reduced. In addition, it is possible to provide convenience to drivers by conveying whether or not the speed limit for each situation is violated and the concentration of fine dust.

Description

차량속도 측정이 가능한 시정거리 측정 시스템{System for visibility measurement with vehicle speed measurement}System for visibility measurement with vehicle speed measurement

본 발명은 시정거리 측정 시스템에 관한 것으로, 더욱 상세하게는 차량속도 측정이 가능한 시정거리 측정 시스템에 관한 것이다. The present invention relates to a visibility distance measurement system, and more particularly, to a visibility distance measurement system capable of measuring vehicle speed.

일반적으로 과속검출장치는 과속에 의한 교통사고를 예방하기 위해 마련되는 것으로, 차량의 과속을 방지하거나 과속차량을 검출하기 위한 기술들이 다양하게 개발되고 있다. In general, a speed detection device is provided to prevent a traffic accident due to speeding, and various technologies for preventing speeding of a vehicle or detecting a speeding vehicle have been developed.

이 중 시정 악화로 인하여 시야 거리를 충분히 확보할 수 없는 상황(짙은 안개)에서 운전자에게 경각심을 일깨워주기 위해 마련된 기존의 시정거리 측정 시스템은 도로의 기상상태에 따라 시정거리를 측정하여 운전자에게 전달할 수 있으나, 이는 단순히 측정된 시정거리를 운전자에게 전달 가능하여, 기상상태(눈, 비, 안개, 황사 및 미세먼지 등) 및 기상상태에 따른 시정거리에 따라 해당 도로구간의 상황에 맞는 적절한 제한속도에 대한 정보를 제공하지 못한다는 한계가 존재한다. Among them, the existing visibility distance measurement system prepared to alert the driver in situations where the visibility cannot be sufficiently secured due to poor visibility (dark fog) can measure the visibility distance according to the weather condition of the road and transmit it to the driver. However, it is possible to simply transmit the measured visibility distance to the driver, and according to the weather conditions (snow, rain, fog, yellow dust and fine dust, etc.) and the visibility distance according to the weather conditions, the appropriate speed limit is appropriate for the situation of the road section. There is a limitation in that it cannot provide information about.

따라서, 시정 악화로 인하여 시야 거리를 충분히 확보할 수 없는 상황(짙은 안개)에서의 과속운전은 운전자에게 치명적인 손상을 입히는 인명사고로 발전할 수 있기 때문에, 차량의 과속을 방지하거나 과속차량을 검출하여, 운전자의 경각심을 일깨워주고, 시정 악화시 과속으로 인한 교통사고를 예방함으로써, 인적, 경제적 손실을 줄일 수 있는 방안이 필요하다. Therefore, speeding driving in a situation in which the viewing distance cannot be sufficiently secured due to poor visibility (dark fog) can lead to a life-threatening accident that causes fatal damage to the driver. Therefore, the speeding of the vehicle is prevented or the speeding vehicle is detected. , There is a need for a way to reduce human and economic losses by arousing the driver's alertness and preventing traffic accidents caused by speeding in case of poor visibility.

한국등록특허 제10-1291301호(발명의 명칭: 영상 및 레이더를 이용한 차량 속도 측정 시스템)Korean Patent Registration No. 10-1291301 (Name of invention: Vehicle speed measurement system using images and radar) 한국등록특허 제10-1032160호(발명의 명칭: 카메라를 이용한 도로 시정거리 측정 시스템 및 그 방법)Korean Patent Registration No. 10-1032160 (Name of invention: road visibility distance measurement system and method using camera)

본 발명은 상기와 같은 문제를 해결하기 위해 안출된 것으로, 본 발명의 목적은, 영상 이미지를 인공지능 기술을 이용하여 분석함으로써, 시정거리를 산출하고, 산출된 시정거리를 기반으로 도로의 기상상태 및 시정거리를 반영한 상황별 제한속도를 산출하여, 운전자들에게 제공하는 차량속도 측정이 가능한 시정거리 측정 시스템을 제공함에 있다. The present invention was conceived to solve the above problems, and an object of the present invention is to calculate a visibility distance by analyzing an image image using artificial intelligence technology, and based on the calculated visibility distance, the weather condition of the road And a visibility distance measurement system capable of measuring vehicle speed provided to drivers by calculating a speed limit for each situation reflecting the visibility distance.

또한, 상황별 제한속도의 위반 여부, 미세먼지 농도 등을 전달하는 차량속도 측정이 가능한 시정거리 측정 시스템을 제공함에 있다. In addition, it is to provide a visibility distance measurement system capable of measuring vehicle speed that conveys whether or not the speed limit for each situation is violated and the concentration of fine dust.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 차량속도 측정이 가능한 시정거리 측정 시스템은 도로 위 특정 차량에 대한 이미지 정보를 획득하고, 상기 특정 차량의 차량속도를 측정하는 차량속도 측정부; 및 상기 차량속도 측정부를 통해 상기 차량속도 측정부로부터 기설정된 거리만큼 이격되도록 배치된 특정 피사체에 대한 이미지 정보가 획득되면, 상기 획득된 이미지 정보를 기반으로 시정거리를 측정하는 시정거리 측정부;를 포함한다.A visibility distance measurement system capable of measuring vehicle speed according to an embodiment of the present invention for achieving the above object includes: a vehicle speed measuring unit that acquires image information on a specific vehicle on a road and measures a vehicle speed of the specific vehicle; And a visibility distance measurement unit configured to measure a visibility distance based on the acquired image information when image information on a specific subject arranged to be spaced apart from the vehicle speed measurement unit by a preset distance is obtained through the vehicle speed measurement unit. Include.

그리고 상기 시정거리 측정부는, 이미지 정보를 구성하는 복수의 픽셀 중 일부 픽셀을 임의로 지정하여 특징점으로 설정하고, 상기 설정된 특징점에 대한 특징점 설정정보를 미리 저장하고, 상기 특정 피사체에 대한 이미지 정보가 획득되면, 상기 저장된 특징점 설정정보를 기반으로 상기 획득된 특정 이미지 정보로부터 인지 가능한 특징점의 개수를 산출함으로써, 상기 특정 이미지 정보의 선명도를 산출하고, 상기 산출된 선명도를 기반으로 시정거리를 측정할 수 있다. In addition, the visibility distance measurement unit randomly designates some of the pixels constituting the image information and sets them as a feature point, stores feature point setting information for the set feature points in advance, and when image information on the specific subject is obtained , By calculating the number of recognizable feature points from the acquired specific image information based on the stored feature point setting information, the sharpness of the specific image information may be calculated, and a visibility distance may be measured based on the calculated sharpness.

또한, 상기 시정거리 측정부는, 기상 상태 및 대기에 포함된 미세먼지의 농도에 따라 산출되는 상기 이미지 정보의 선명도에 대응되는 시정거리 값이 포함된 룩업 테이블을 이용하여 시정거리를 측정할 수 있다.In addition, the visibility distance measurement unit may measure the visibility distance using a lookup table including a visibility distance value corresponding to the sharpness of the image information calculated according to the weather condition and the concentration of fine dust contained in the atmosphere.

한편, 본 실시예에 따른 차량속도 측정이 가능한 시정거리 측정 시스템은 상기 차량속도 측정부가 설치된 도로구간에 따라 설정된 기본 제한속도에 상기 측정된 시정거리를 반영하여 상기 도로구간의 상황별 제한속도를 산출하는 상황별 제한속도 산출부; 및 상기 도로구간의 상황별 제한속도를 출력하는 출력부;를 더 포함할 수 있다. On the other hand, the visibility distance measurement system capable of measuring vehicle speed according to the present embodiment calculates the speed limit for each situation of the road section by reflecting the measured visibility distance to the basic speed limit set according to the road section in which the vehicle speed measurement unit is installed. A speed limit calculation unit for each situation; And an output unit that outputs the speed limit for each situation of the road section.

또한, 상기 시정거리 측정부는, 상기 특정 피사체에 대한 복수의 이미지 정보가 획득되면, 상기 복수의 이미지 정보가 대기 중 미세먼지의 농도에 영향을 받은 영역의 이미지에 대한 영상 필터 속성 정보인 제1 메타 데이터에 따라 각각의 이미지 정보 간에 차이가 발생된 추상적 특징이 필터링되도록 하여, 복수의 제1 콘벌루션 계층(first convolutional layer)을 생성하며, 상기 복수의 제1 콘벌루션 계층이 생성되면, 풀링 필터(pooling filter)를 이용하여 각각의 제1 콘벌루션 계층의 사이즈를 축소하는 서브 샘플링(subsampling)을 수행하여 제1 서브 샘플링 계층을 복수로 생성하고, 상기 제1 서브 샘플링 계층이 복수로 생성되면, 상기 제1 콘벌루션 계층을 이루는 이미지 데이터를 기설정된 농도 범위별로 분류하기 위한 속성 정보인 제2 메타 데이터를 기반으로 상기 생성된 복수의 제1 서브 샘플링 계층을 미세먼지의 정도(程度)에 따라 분류하여, 하나의 평균 풀링 필터(average pooling filter)를 이용하여, 상기 평균 풀링 필터에 포함되는 이미지 데이터 유닛들에 관한 미세먼지의 농도의 평균값을 산출하고, 상기 평균 풀링 필터에 포함된 이미지 데이터 유닛들이 상기 산출된 평균값이 포함된 하나의 이미지 데이터 유닛으로 축소 변환되는 제2 서브 샘플링 계층을 복수로 생성하고, 상기 제2 서브 샘플링 계층이 복수로 생성되면, 상기 생성된 복수의 제2 서브 샘플링 계층을 상기 차량속도 측정부가 마련된 도로 주변의 기상상태 및 안개의 발생 여부에 따라 분류하여, 상기 도로구간의 미세먼지 농도 값을 산출할 수 있다.In addition, when a plurality of image information for the specific subject is obtained, the visibility distance measuring unit may be configured to obtain a first meta, which is image filter attribute information for an image of an area affected by the concentration of fine dust in the air. An abstract feature with a difference between image information generated according to data is filtered to generate a plurality of first convolutional layers, and when the plurality of first convolutional layers are generated, a pooling filter ( pooling filter) by performing subsampling to reduce the size of each first convolutional layer to generate a plurality of first sub-sampling layers, and if a plurality of first sub-sampling layers are generated, the The generated plurality of first sub-sampling layers are classified according to the degree of fine dust based on second metadata, which is attribute information for classifying the image data constituting the first convolutional layer according to a preset concentration range. , Using one average pooling filter, an average value of the concentration of fine dust with respect to the image data units included in the average pooling filter is calculated, and the image data units included in the average pooling filter are When a plurality of second sub-sampling layers are reduced and converted into one image data unit including the calculated average value, and a plurality of the second sub-sampling layers are generated, the generated plurality of second sub-sampling layers are By classifying according to the weather conditions around the road where the vehicle speed measuring unit is provided and whether or not fog is generated, a fine dust concentration value of the road section may be calculated.

그리고 상기 출력부는, 상기 차량속도 측정부에 의해, 측정된 특정 차량과의 실시간 거리가 기설정된 거리범위 미만인 것으로 판단되면, 상기 도로구간의 상황별 제한속도, 상기 특정 차량의 차량속도 및 상기 특정 차량의 상황별 제한속도 위반 여부에 대한 정보가 함께 출력되도록 하되, 상기 차량속도 측정부에 의해, 측정된 특정 차량과의 실시간 거리가 상기 기설정된 거리범위 이상인 것으로 판단되면, 상기 측정된 시정거리, 상기 도로구간의 미세먼지 농도 값 및 상기 도로구간의 상황별 제한속도가 출력되도록 할 수 있다. And, the output unit, when it is determined by the vehicle speed measuring unit that the measured real-time distance to the specific vehicle is less than a preset distance range, the speed limit for each situation of the road section, the vehicle speed of the specific vehicle, and the specific vehicle The information on whether or not the speed limit for each situation is violated is output together, but if it is determined that the measured real-time distance to the specific vehicle is more than the preset distance range, the measured visibility distance and the It is possible to output the fine dust concentration value of the road section and the speed limit for each situation of the road section.

이에 의해, 시정거리를 산출하고, 산출된 시정거리를 반영한 상황별 제한속도를 산출하여, 운전자들에게 제공함으로써, 운전자의 경각심을 일깨워주고, 시정 악화시 과속으로 인한 교통사고를 예방함으로써, 인적, 경제적 손실을 줄일 수 있다. 그리고 상황별 제한속도의 위반 여부, 미세먼지 농도 등을 전달하여 운전자들에게 편의를 제공할 수 있다. Thereby, by calculating the visibility distance, calculating the speed limit for each situation reflecting the calculated visibility distance, and providing it to the drivers, awakening the driver's alertness and preventing traffic accidents caused by speeding when visibility worsens, Economic losses can be reduced. In addition, it is possible to provide convenience to drivers by conveying whether or not the speed limit for each situation is violated and the concentration of fine dust.

도 1은 본 발명의 일 실시예에 따른 차량속도 측정이 가능한 시정거리 측정 시스템의 구성을 설명하기 위해 도시된 도면이다.
도 2는 본 발명의 일 실시예에 따른 차량속도 측정부가 이미지에 대한 정보들을 획득하는 과정을 설명하기 위해 도시된 도면이다.
도 3은 본 발명의 일 실시예에 따른 차량속도 측정부에 의해 획득된 특정 피사체에 대한 이미지 정보들이 도시된 도면이다.
도 4는 본 발명의 일 실시예에 따른 이미지 정보의 선명도 산출 과정을 설명하기 위해 도시된 도면이다.
도 5는 본 발명의 일 실시예에 따른 시정거리 측정부가 미세먼지 농도 값을 산출하기 위해 콘벌루션 신경망을 이용하여 이미지 정보를 영상 처리하는 과정을 설명하기 위해 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 시정거리 측정부가 미세먼지 농도 값을 산출하기 위해 콘벌루션 계층을 생성하는 과정을 설명하기 위해 도시된 도면이다.
도 7은 본 발명의 일 실시예에 따른 차량속도 측정이 가능한 시정거리 측정 시스템을 이용하여 시정거리를 산출하고, 산출된 시정거리를 이용하여 도로구간의 상황별 제한속도 및 차량의 상황별 제한속도 위반 여부를 출력하는 과정을 설명하기 위해 도시된 도면이다.1 is a diagram illustrating a configuration of a visibility distance measurement system capable of measuring a vehicle speed according to an embodiment of the present invention.
FIG. 2 is a diagram illustrating a process of obtaining information about an image by a vehicle speed measuring unit according to an embodiment of the present invention.
3 is a diagram illustrating image information on a specific subject acquired by a vehicle speed measuring unit according to an embodiment of the present invention.
4 is a diagram illustrating a process of calculating sharpness of image information according to an embodiment of the present invention.
FIG. 5 is a diagram illustrating a process of processing image information by using a convolutional neural network to calculate a concentration value of fine dust by a visibility distance measuring unit according to an embodiment of the present invention.
6 is a diagram illustrating a process of generating a convolutional layer in order to calculate a fine dust concentration value by a visibility distance measuring unit according to an embodiment of the present invention.
FIG. 7 is a diagram illustrating a visibility distance measurement system capable of measuring vehicle speed according to an embodiment of the present invention, and using the calculated visibility distance, the speed limit for each situation of the road section and the speed limit for each situation of the vehicle It is a diagram illustrating a process of outputting whether or not a violation has occurred.

이하에서는 도면을 참조하여 본 발명에 대해 보다 상세히 설명하기로 한다. 이하에 소개되는 실시예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 본 발명은 이하 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다.Hereinafter, the present invention will be described in more detail with reference to the drawings. The embodiments introduced below are provided as examples in order to sufficiently convey the spirit of the present invention to those of ordinary skill in the art to which the present invention pertains. The present invention is not limited to the embodiments described below and may be embodied in other forms.

도 1은 본 발명의 일 실시예에 따른 차량속도 측정이 가능한 시정거리 측정 시스템(이하에서는 '시정거리 측정 시스템'으로 총칭하기로 함)의 구성을 설명하기 위해 도시된 도면이고, 도 2는 본 발명의 일 실시예에 따른 차량속도 측정부(100)가 이미지에 대한 정보들을 획득하는 과정을 설명하기 위해 도시된 도면이고, 도 3은 본 발명의 일 실시예에 따른 차량속도 측정부(100)에 의해 획득된 특정 피사체에 대한 이미지 정보들이 도시된 도면이며, 도 4는 본 발명의 일 실시예에 따른 이미지 정보의 선명도 산출 과정을 설명하기 위해 도시된 도면이다. 1 is a diagram illustrating the configuration of a visibility distance measurement system capable of measuring vehicle speed according to an embodiment of the present invention (hereinafter, collectively referred to as a'visibility distance measurement system'), and FIG. 2 is A diagram illustrating a process of obtaining information on an image by the vehicle speed measurement unit 100 according to an embodiment of the present invention, and FIG. 3 is a vehicle speed measurement unit 100 according to an embodiment of the present invention. It is a diagram illustrating image information on a specific subject obtained by the method, and FIG. 4 is a diagram illustrating a process of calculating sharpness of image information according to an embodiment of the present invention.

본 실시예에 따른 시정거리 측정 시스템은 영상 이미지를 인공지능 기술을 이용하여 분석함으로써, 시정거리를 산출하고, 산출된 시정거리를 기반으로 도로의 기상상태 및 시정거리를 반영한 상황별 제한속도를 산출하여, 운전자들에게 제공하고, 나아가 상황별 제한속도의 위반 여부, 미세먼지 농도 등을 전달하여, 운전자들에게 편의를 제공하기 위해 마련된다.The visibility distance measurement system according to this embodiment calculates the visibility distance by analyzing the video image using artificial intelligence technology, and calculates the speed limit for each situation reflecting the weather condition and the visibility distance of the road based on the calculated visibility distance. Thus, it is provided to provide convenience to drivers by providing them with information on whether or not the speed limit for each situation is violated and the concentration of fine dust.

이를 위해 본 시정거리 측정 시스템은, 차량속도 측정부(100), 시정거리 측정부(200), 상황별 제한속도 산출부(300) 및 출력부(400)로 구성된다. To this end, the present visibility measurement system includes a vehicle speed measurement unit 100, a visibility distance measurement unit 200, a speed limit calculation unit 300 for each situation, and an output unit 400.

차량속도 측정부(100)는, 도로구간별로 설치되어, 도로 위 특정 차량의 차량속도를 측정하기 위해 마련된다. The vehicle speed measurement unit 100 is installed for each road section, and is provided to measure the vehicle speed of a specific vehicle on the road.

이를 위해, 차량속도 측정부(100)는, 특정 도로구간을 주행 중인 특정 차량을 촬영하는 카메라(110)와 특정 차량을 향해 방사파(radiation wave)를 출사하고, 특정 차량에 의해 반사되는 반사파가 수신되도록 하여 차량속도를 측정하는 레이더(120), 그리고 주행 중인 특정 차량과의 실시간 거리를 측정하는 거리측정기(130)로 구성될 수 있다. To this end, the vehicle speed measurement unit 100 emits a radiation wave toward a specific vehicle and a camera 110 for photographing a specific vehicle driving on a specific road section, and the reflected wave reflected by the specific vehicle is It may be composed of a radar 120 that measures the vehicle speed by being received, and a range finder 130 that measures a real-time distance to a specific vehicle being driven.

일 예를 들면, 차량속도 측정부(100)는, 거리측정기(130)로 차량과의 실시간 거리를 측정하여, 해당 차량이 기설정된 거리범위 이내인 것으로 판단되면, 레이더(120)로 차량의 속도를 측정하며, 카메라(110)로 차량을 촬영할 수 있다. For example, the vehicle speed measurement unit 100 measures a real-time distance to the vehicle with the range finder 130, and when it is determined that the vehicle is within a preset distance range, the radar 120 determines the vehicle speed. Is measured, and the vehicle can be photographed with the camera 110.

첨언하면, 카메라(110)는 피사체인 차량(10)의 차량속도를 산출하거나, 촬영된 영상을 기반으로 차량(10)의 차량번호를 인지할 수 있다. 이 경우, 인지된 차량번호는 차량(10)의 차량속도와 상황별 제한속도 위반 여부 등과 함께 출력부(400)를 통해 출력되도록 할 수 있으며, 카메라(110)를 통해 산출된 차량속도와 레이더(120)를 통해 산출된 차량속도의 평균속도를 산출하여 출력부(400)를 통해 출력되도록 할 수 있다. In addition, the camera 110 may calculate the vehicle speed of the vehicle 10 as a subject, or recognize the vehicle number of the vehicle 10 based on the captured image. In this case, the recognized vehicle number may be output through the output unit 400 along with the vehicle speed of the vehicle 10 and whether the speed limit for each situation is violated, and the vehicle speed calculated through the camera 110 and a radar ( The average speed of the vehicle speed calculated through 120) may be calculated and output through the output unit 400.

한편, 차량속도 측정부(100)는 기설정된 스케줄에 따라 카메라(110)의 각도를 조절하여, 특정 차량이 아닌 카메라(110)로부터 기설정된 거리(d)만큼 이격되도록 배치된 구조물, 시설물, 표지판과 같은 특정 피사체(20)를 촬영하여 특정 피사체(20)에 대한 이미지 정보를 획득할 수 있다. Meanwhile, the vehicle speed measurement unit 100 adjusts the angle of the camera 110 according to a preset schedule, and is arranged to be spaced apart by a preset distance (d) from the camera 110, not a specific vehicle. Image information on the specific subject 20 may be obtained by photographing a specific subject 20 such as.

이때, 피사체(20)는 도 2a에 도시된 바와 같이 단일 객체로 마련되거나 또는 도 2b에 도시된 바와 같이 복수 객체로 마련되되, 각각 기설정된 거리간격마다 배치될 수 있다.In this case, the subject 20 may be provided as a single object as illustrated in FIG. 2A or as a plurality of objects as illustrated in FIG. 2B, but may be disposed at each predetermined distance interval.

다른 예를 들면, 차량속도 측정부(100)는 레이더(120)를 대체하기 위해, 복수의 동작감지 센서(미도시) 또는 객체감지 센서(미도시)가 마련되어, 각각의 동작감지 센서 또는 객체감지 센서 간의 거리정보와 각각의 동작감지 센서 또는 객체감지 센서를 통과하는 차량(10)의 감지시간에 대한 시간정보를 기반으로 차량(10)의 차량속도를 측정할 수 있다. For another example, the vehicle speed measurement unit 100 is provided with a plurality of motion detection sensors (not shown) or object detection sensors (not shown) to replace the radar 120, and each motion detection sensor or object detection The vehicle speed of the vehicle 10 may be measured based on distance information between the sensors and time information about the detection time of the vehicle 10 passing through each motion detection sensor or object detection sensor.

시정거리 측정부(200)는, 차량속도 측정부(100)가 설치된 지역의 시정거리를 측정하기 위해 마련된다. The visibility distance measurement unit 200 is provided to measure a visibility distance in an area where the vehicle speed measurement unit 100 is installed.

구체적으로 시정거리 측정부(200)는, 기설정된 스케줄에 따라 카메라(110)를 통해 카메라(110)로부터 기설정된 거리(d)만큼 이격되도록 배치된 구조물, 시설물, 표지판과 같은 특정 피사체(20)에 대한 이미지 정보가 획득되면, 획득된 이미지 정보의 선명도를 산출하고, 산출된 선명도를 기반으로 시정거리를 측정할 수 있다. 또한, 시정거리 측정부(200)는, 시정거리뿐 아니라, 차량속도 측정부(100)가 설치된 지역의 미세먼지 농도를 측정할 수 있다. Specifically, the visibility distance measurement unit 200 is a structure, facility, and a specific subject 20 such as a sign, arranged to be spaced apart by a preset distance d from the camera 110 through the camera 110 according to a preset schedule. When the image information for is obtained, the sharpness of the acquired image information may be calculated, and the visibility distance may be measured based on the calculated sharpness. In addition, the visibility distance measurement unit 200 may measure not only the visibility distance, but also the concentration of fine dust in an area where the vehicle speed measurement unit 100 is installed.

이를 위해, 시정거리 측정부(200)는, 선명도 산출 모듈(210), 시정거리 산출 모듈(220), 미세먼지 농도 산출 모듈(230), 그리고 제1 저장 모듈(240)로 구성될 수 있다. To this end, the visibility distance measurement unit 200 may include a sharpness calculation module 210, a visibility distance calculation module 220, a fine dust concentration calculation module 230, and a first storage module 240.

선명도 산출 모듈(210)은, 획득된 이미지 정보의 선명도를 산출하기 위해 마련된다. The sharpness calculation module 210 is provided to calculate the sharpness of the acquired image information.

구체적으로, 선명도 산출 모듈(210)은, 이미지 정보를 구성하는 복수의 픽셀 중 일부 픽셀을 임의로 지정하여 특징점으로 설정하고, 설정된 특징점에 대한 특징점 설정정보를 미리 저장하고, 특정 피사체(20)에 대한 이미지 정보가 획득되면, 저장된 특징점 설정정보를 기반으로 획득된 특정 이미지 정보로부터 인지 가능한 특징점의 개수를 산출함으로써, 특정 이미지 정보의 선명도를 산출할 수 있다. Specifically, the sharpness calculation module 210 arbitrarily designates some pixels among a plurality of pixels constituting image information and sets them as feature points, stores feature point setting information for the set feature points in advance, and When the image information is acquired, the sharpness of the specific image information may be calculated by calculating the number of recognizable feature points from the acquired specific image information based on the stored feature point setting information.

이때, 선명도 산출 모듈(210)은 이미지 정보를 구성하는 복수의 픽셀 중 색상 및 형상이 유사하여 식별이 어려운 픽셀들을 하나의 그룹으로 지정하여, 하나의 특징점으로 설정되도록 할 수 있으며, 특징점으로 설정되는 일부 픽셀은 복수의 픽셀이 하나의 그룹을 지정하도록 하여 하나의 특징점으로 설정될 수 있다.At this time, the sharpness calculation module 210 may designate pixels that are difficult to identify because of a similar color and shape among a plurality of pixels constituting the image information as one group, so that they are set as one feature point. Some pixels may be set as one feature point by allowing a plurality of pixels to designate one group.

여기서, 선명도 산출 모듈(210)이 인지 가능한 특징점으로 판단하거나, 인지 가능한 특징점으로 판단된 특징점의 개수를 산출하는 과정은 CUDA(Compute Unified Device Architecture) 기술을 이용하여 구현할 수 있다.Here, the process of determining the sharpness calculation module 210 as a recognizable feature point or calculating the number of feature points determined as recognizable feature points may be implemented using a Compute Unified Device Architecture (CUDA) technology.

다만, 도 2b에 도시된 바와 같이 피사체(20)가 복수로 마련되는 경우, 선명도 산출 모듈(210)은 피사체(20)에 대한 거리정보를 기반으로 거리정보가 생성된 피사체 중 기설정된 거리범위(d1) 내에 위치하는 제1 피사체가 선별되면, 선별된 제1 피사체(20-1)에 대한 이미지 정보를 획득하는 획득된 이미지 정보의 선명도를 산출하고, 산출된 선명도가 기설정된 값 이상인 것인지 판별하여, 산출된 선명도가 기설정된 값 이상이면, 제1 피사체(20-1)에 대한 거리정보를 기반으로 시정거리를 산출하되, 산출된 이미지 정보의 선명도가 기설정된 값 미만이면, 제1 피사체보다 기설정된 거리간격만큼 가까운 곳에 위치하는 제2 피사체(20-2)를 선별하도록 하고, 상기 제2 피사체(20-2)에 대한 이미지 정보를 획득하도록 하여, 제2 피사체에 대한 이미지 정보의 선명도를 산출하고, 산출된 선명도가 기설정된 값 이상인 것인지 판별하여, 시정거리를 산출할 수 있다. However, as shown in FIG. 2B, when a plurality of subjects 20 are provided, the sharpness calculation module 210 includes a preset distance range among subjects for which distance information is generated based on distance information for the subject 20 ( d1) When the first subject located within is selected, the sharpness of the acquired image information for obtaining image information on the selected first subject 20-1 is calculated, and the calculated sharpness is determined to be greater than or equal to a preset value. , If the calculated sharpness is greater than or equal to a preset value, the visibility distance is calculated based on the distance information for the first subject 20-1, but if the sharpness of the calculated image information is less than a preset value, it is more than the first subject. Selecting the second subject 20-2 located close by a set distance interval, obtaining image information on the second subject 20-2, and calculating the sharpness of the image information on the second subject And, by determining whether the calculated sharpness is greater than or equal to a preset value, the visibility distance may be calculated.

시정거리 산출 모듈(220)은, 산출된 선명도를 기반으로 시정거리를 산출하기 위해 마련된다. The visibility distance calculation module 220 is provided to calculate the visibility distance based on the calculated sharpness.

구체적으로, 시정거리 산출 모듈(220)은, 맑은 날 특정 피사체(10)에 대한 이미지 정보의 선명도를 기반으로 측정된 시정거리 값을 기준으로 하여, 기상 상태 및 대기에 포함된 미세먼지의 농도에 따라 산출되는 이미지 정보의 선명도에 대응되는 시정거리 값이 포함된 룩업 테이블을 이용하여 시정거리를 산출할 수 있다. Specifically, the visibility distance calculation module 220 is based on the visibility distance value measured based on the sharpness of image information for a specific subject 10 on a clear day, and determines the concentration of fine dust contained in the weather condition and the atmosphere. The visibility distance may be calculated using a lookup table including a visibility distance value corresponding to the sharpness of image information calculated accordingly.

미세먼지 농도 산출 모듈(230)은, 차량속도 측정부(100)가 설치된 지역의 미세먼지 농도를 측정하기 위해 마련된다.The fine dust concentration calculation module 230 is provided to measure the fine dust concentration in an area where the vehicle speed measurement unit 100 is installed.

미세먼지 농도 산출 모듈(230)은, 카메라(110)를 통해 특정 피사체에 대한 복수의 이미지 정보가 획득되도록 하고, 복수의 이미지 정보가 획득되면, 복수의 이미지 정보를 이용하여 미세먼지 농도의 값을 산출할 수 있으며, 이와 관련된 더욱 상세한 설명은 도 5 내지 도 6b를 참조하여 후술하기로 한다. The fine dust concentration calculation module 230 allows a plurality of image information on a specific subject to be obtained through the camera 110, and when a plurality of image information is obtained, the value of the fine dust concentration is calculated using the plurality of image information. It can be calculated, and a more detailed description related thereto will be described later with reference to FIGS. 5 to 6B.

제1 저장 모듈(240)은 시정거리 측정부(200)가 시정거리 및 미세먼지 농도 값을 산출하기 위해 필요한 프로그램 및 데이터를 저장하기 위해 마련된다.The first storage module 240 is provided to store programs and data necessary for the visibility distance measurement unit 200 to calculate a visibility distance and a fine dust concentration value.

구체적으로, 제1 저장 모듈(240)은, 하나 이상의 피사체에 대한 이미지 정보와 이미지 정보마다 각각의 이미지 정보를 구성하는 복수의 픽셀 중 일부 픽셀을 임의로 지정하여 특징점으로 설정하고, 설정된 특징점에 대한 특징점 설정정보를 저장할 수 있다.Specifically, the first storage module 240 randomly designates and sets some pixels among a plurality of pixels constituting each image information for each image information and image information on one or more subjects, and sets a feature point for the set feature point. You can save the setting information.

또한, 제1 저장 모듈(240)은, 기상 상태에 따른 추상적 특징에 대한 정보가 저장되어, 미세먼지의 농도 값을 산출하는 경우, 각각의 제2 서브 샘플링 계층이 생성되면, 획득된 복수의 이미지에 대한 미세먼지의 농도 범위에 따라 분류 가능하도록 할 수 있다.In addition, the first storage module 240 stores information on abstract features according to weather conditions and calculates the concentration value of fine dust, when each second sub-sampling layer is generated, the obtained plurality of images It can be classified according to the concentration range of fine dust.

상황별 제한속도 산출부(300)는 차량속도 측정부(100)가 설치된 도로구간에 따라 설정된 기본 제한속도에 측정된 시정거리를 반영하여 도로구간의 상황별 제한속도를 산출하기 위해 마련된다. The speed limit for each situation calculation unit 300 is provided to calculate the speed limit for each situation of the road section by reflecting the measured visibility distance to the basic speed limit set according to the road section in which the vehicle speed measurement unit 100 is installed.

이를 위해, 상황별 제한속도 산출부(300)는 제2 저장 모듈(310)과 상황별 제한속도 산출 모듈(320)로 구성될 수 있다. To this end, the speed limit calculation unit 300 for each situation may include a second storage module 310 and a speed limit calculation module 320 for each situation.

제2 저장 모듈(310)은 상황별 제한속도 산출부(300)가 측정된 시정거리를 반영하여 도로구간의 상황별 제한속도를 산출하기 위해 필요한 프로그램 및 정보들을 저장하기 위해 마련된다. The second storage module 310 is provided to store programs and information necessary for calculating the speed limit for each situation of the road section by reflecting the measured visibility distance by the speed limit calculation unit 300 for each situation.

일 예를 들면, 제2 저장 모듈(310)은 도로구간별 기본 제한속도에 대한 정보 및 맑은 날에 측정된 해당 도로구간의 시정거리를 기준으로 하여, 시정거리에 대응되는 상황별 제한속도가 포함된 룩업 테이블에 대한 정보가 저장될 수 있다. For example, the second storage module 310 includes information on the basic speed limit for each road section and the speed limit for each situation corresponding to the visibility distance based on the visibility distance of the corresponding road section measured on a clear day. Information on the created lookup table may be stored.

상황별 제한속도 산출 모듈(320)은 맑은 날 대비 시정거리가 감소하는 경우, 기본 제한속도가 감소된 시정거리에 따라 새롭게 산출되도록 하기 위해, 기본 제한속도 및 맑은 날에 측정된 해당 도로구간의 시정거리를 기준으로 하여, 시정거리에 대응되는 상황별 제한속도가 포함된 룩업 테이블을 이용하여, 측정된 시정거리를 반영하여 도로구간의 상황별 제한속도를 산출할 수 있다. When the visibility distance is reduced compared to a sunny day, the speed limit calculation module 320 for each situation is configured to newly calculate the basic speed limit according to the reduced visibility distance, the basic speed limit and the visibility of the road section measured on a clear day. Based on the distance, by using a lookup table including the speed limit for each situation corresponding to the visibility distance, the speed limit for each situation of the road section may be calculated by reflecting the measured visibility distance.

일 예를 들면, 상황별 제한속도 산출 모듈(320)은 기본 제한속도가 100km/h 인 도로구간에 눈이 오거나 안개가 발생하여, 측정된 시정거리가 맑은 날보다 감소하는 경우, 기본 제한속도가 100km/h 인 도로구간의 상황별 제한속도를 80km/h로 산출할 수 있다. For example, the situation-specific speed limit calculation module 320 is when snow or fog occurs in a road section with a basic speed limit of 100 km/h, and the measured visibility distance decreases from a sunny day, the default speed limit is The speed limit for each situation on a road section of 100 km/h can be calculated as 80 km/h.

또한, 상황별 제한속도 산출 모듈(320)은 도로구간의 상황별 제한속도가 산출되면, 속도가 측정된 특정 차량에 대하여 산출된 상황별 제한속도의 위반 여부가 판별되어, 출력부(400)를 통해 출력되도록 할 수 있다. In addition, when the speed limit for each situation of the road section is calculated, the speed limit calculation module 320 for each situation determines whether or not the calculated speed limit for a specific vehicle for which the speed is measured is violated, and outputs the output unit 400. Can be output through.

출력부(400)는, 시정거리 측정 시스템이 출력하고자 하는 정보들을 출력하기 위해 마련된다. The output unit 400 is provided to output information to be output by the visibility distance measurement system.

구체적으로, 출력부(400)는 디스플레이(410)와 지향성 음성정보 출력 모듈(420)이 구비되어, 시정거리 측정 시스템이 출력하고자 하는 정보들을 디스플레이(410) 화면 또는 지향성 음성정보 출력 모듈(420)을 통해 출력할 수 있다. Specifically, the output unit 400 is provided with a display 410 and a directional voice information output module 420, and displays information to be output by the visibility distance measurement system on a display 410 screen or a directional voice information output module 420 You can print it through

일 예를 들면, 출력부(400)는, 차량속도 측정부(100)에 의해, 측정된 특정 차량과의 실시간 거리가 기설정된 거리범위 미만인 것으로 판단되면, 디스플레이(410)를 통해 도로구간의 상황별 제한속도, 특정 차량의 차량속도 및 특정 차량의 상황별 제한속도 위반 여부에 대한 정보가 함께 출력되도록 하되, 차량속도 측정부(100)에 의해, 측정된 특정 차량과의 실시간 거리가 기설정된 거리범위 이상인 것으로 판단되면, 측정된 시정거리, 도로구간의 미세먼지 농도 값 및 도로구간의 상황별 제한속도가 출력되도록 할 수 있다. For example, when it is determined by the vehicle speed measurement unit 100 that the measured real-time distance to a specific vehicle is less than a preset distance range, the output unit 400 displays the status of the road section through the display 410. The information on the speed limit for each vehicle, the vehicle speed of a specific vehicle, and whether or not the speed limit for each situation is violated by the specific vehicle is output together, but the real-time distance from the measured specific vehicle is a preset distance by the vehicle speed measurement unit 100 If it is determined that it is above the range, the measured visibility distance, the fine dust concentration value of the road section, and the speed limit for each situation of the road section can be output.

다른 예를 들면, 출력부(400)는 지향성 음성정보 출력 모듈(420)을 통해 소정의 제한된 지향 각도에 의해 설정되는 제1 영역에 시정거리 및 상황별 제한속도에 대한 음성정보를 출력할 수 있다. For another example, the output unit 400 may output voice information on the visibility distance and the speed limit for each situation in a first area set by a predetermined limited directional angle through the directional voice information output module 420. .

여기서 제1 영역은, 주행도로가 위치하는 영역 또는 주행 도로를 따라 주행하는 차량이 위치하는 영역일 수 있다. Here, the first region may be a region in which a driving road is located or a vehicle traveling along a driving road is located.

이를 통해, 주행도로가 위치하는 영역 또는 주행도로를 따라 주행하는 차량이 위치하는 영역에 한하여 시정거리 및 상황별 제한속도에 대한 음성정보를 청취할 수 있어, 시정 악화로 인하여 시야 거리를 충분히 확보할 수 없는 상황에서 운전자에게 경각심을 일깨워 줄 수 있다. Through this, voice information on the visibility distance and the speed limit for each situation can be heard only in the area where the driving road is located or the vehicle driving along the driving road is located, so that the viewing distance can be sufficiently secured due to poor visibility. It can alert the driver in situations that cannot be done.

또한, 첨언하면, 시정거리 측정 시스템의 구성요소인 차량속도 측정부(100), 시정거리 측정부(200), 상황별 제한속도 산출부(300) 및 출력부(400)는 각각 처리하는 데이터 및 정보를 전달하거나 또는 수신하기 위해, 데이터 통신용 인터페이스 또는 통신 모듈이 마련될 수 있으나, 이는 특정 실시예에 한정되지 아니하기 때문에 더욱 상세한 설명은 생략하기로 한다. In addition, in addition, the vehicle speed measurement unit 100, the visibility distance measurement unit 200, the speed limit calculation unit 300 and the output unit 400, which are components of the visibility distance measurement system, each process data and In order to transmit or receive information, an interface for data communication or a communication module may be provided, but since this is not limited to a specific embodiment, a more detailed description will be omitted.

도 5는 본 발명의 일 실시예에 따른 시정거리 측정부(200)가 미세먼지 농도 값을 산출하기 위해 콘벌루션 신경망을 이용하여 이미지 정보를 영상 처리하는 과정을 설명하기 위해 도시한 도면이고, 도 6은 본 발명의 일 실시예에 따른 시정거리 측정부(200)가 미세먼지 농도 값을 산출하기 위해 콘벌루션 계층을 생성하는 과정을 설명하기 위해 도시된 도면이다. FIG. 5 is a diagram illustrating a process in which the visibility distance measurement unit 200 processes image information using a convolutional neural network to calculate a fine dust concentration value according to an embodiment of the present invention. 6 is a diagram illustrating a process of generating a convolutional layer in order to calculate a fine dust concentration value by the visibility distance measuring unit 200 according to an embodiment of the present invention.

도 5 내지 도 6b를 참조하면, 미세먼지 농도 산출 모듈(230)은, 특정 피사체에 대한 복수의 이미지 정보가 획득되면, 복수의 이미지 정보를 이용하여 미세먼지 농도의 값을 산출하기 위해, 우선 복수의 이미지 정보가 대기 중 미세먼지의 농도에 영향을 받은 영역의 이미지에 대한 영상 필터 속성 정보인 제1 메타 데이터에 따라 각각의 이미지 정보 간에 차이가 발생된 추상적 특징이 필터링되도록 하여, 복수의 제1 콘벌루션 계층(first convolutional layer)을 생성할 수 있다.5 to 6B, when a plurality of image information for a specific subject is obtained, the fine dust concentration calculation module 230 first calculates a value of the fine dust concentration using the plurality of image information. The abstract features in which the difference between the image information is generated are filtered according to the first metadata, which is the image filter attribute information for the image of the area affected by the concentration of fine dust in the air. A first convolutional layer can be created.

그리고 미세먼지 농도 산출 모듈(230)은, 복수의 제1 콘벌루션 계층이 생성되면, 풀링 필터(pooling filter)를 이용하여 각각의 제1 콘벌루션 계층의 사이즈를 축소하는 서브 샘플링(subsampling)을 수행하여 제1 서브 샘플링 계층을 복수로 생성하고, 제1 서브 샘플링 계층이 복수로 생성되면, 제1 콘벌루션 계층을 이루는 이미지 데이터를 기설정된 농도 범위별로 분류하기 위한 속성 정보인 제2 메타 데이터를 기반으로 생성된 복수의 제1 서브 샘플링 계층을 미세먼지의 정도(程度)에 따라 분류하여, 하나의 평균 풀링 필터(average pooling filter)를 이용하여, 평균 풀링 필터에 포함되는 이미지 데이터 유닛들에 관한 미세먼지의 농도의 평균값을 산출하고, 평균 풀링 필터에 포함된 이미지 데이터 유닛들이 산출된 평균값이 포함된 하나의 이미지 데이터 유닛으로 축소 변환되는 제2 서브 샘플링 계층을 복수로 생성할 수 있다.And, when a plurality of first convolutional layers are generated, the fine dust concentration calculation module 230 performs subsampling to reduce the size of each first convolutional layer using a pooling filter. Thus, when a plurality of first sub-sampling layers are generated, and when a plurality of first sub-sampling layers are generated, the second metadata, which is attribute information for classifying image data constituting the first convolutional layer according to a preset concentration range, is based By classifying the plurality of first sub-sampling layers generated by the method according to the degree of fine dust, and using one average pooling filter, the image data units included in the average pooling filter are A plurality of second sub-sampling layers may be generated in which the average value of the concentration of dust is calculated, and the image data units included in the average pooling filter are reduced and converted into one image data unit including the calculated average value.

여기서, 제1 메타 데이터는, 특정 영역에 대한 이미지 정보 중 추출하고자 하는 정보인 대기 중 미세먼지의 영향을 받은 시설물, 지리적 배경 등이 존재하는 영역의 이미지에 대한 영상 필터의 속성 정보로서, 특정 지역을 촬영하는 경우, 미세먼지의 영향으로 서로 다르게 촬영되어, 식별 여부가 결정되거나 또는 식별 정도(程度)가 달라지는 표지판, 신호등, 구조물 또는 시설물이 존재하는 영역의 이미지만을 필터링하기 위한 영상 필터의 속성 정보이며, 제2 메타 데이터는, 미세먼지의 정도(程度)에 따라 특정 영역에서 추출 가능한 이미지 특징이 포함될 수 있으며, 제1 메타 데이터가 이미지 정보에서 미세먼지의 영향으로 서로 다르게 촬영되어, 식별 여부가 결정되거나 또는 식별 정도(程度)가 달라지는 표지판, 신호등, 구조물 또는 시설물이 존재하는 영역을 관심 영역으로 지정하고, 관심 영역에 포함되지 않은 영역을 필터링하기 위한 속성 정보라면, 제2 메타 데이터는 미세먼지의 농도 값이 기설정된 농도 범위별로 분류되거나, 제1 콘벌루션 계층을 이루는 이미지 데이터 유닛 중 특정 농도 범위의 이미지 데이터 유닛들만을 필터링하기 위한 속성 정보를 의미한다. Here, the first metadata is attribute information of an image filter for an image of an area in which facilities affected by fine dust in the air, geographic background, etc., which are information to be extracted from the image information for a specific area, is present. In the case of photographing, attribute information of an image filter for filtering only images of areas where signs, traffic lights, structures, or facilities that are differently identified due to the influence of fine dust and whose identification is determined or the degree of identification is different The second metadata may include image features that can be extracted from a specific area according to the degree of fine dust, and the first metadata is photographed differently due to the influence of fine dust in the image information, so that identification If the area in which signs, traffic lights, structures or facilities are determined or whose degree of identification is different is designated as the area of interest, and is attribute information for filtering areas not included in the area of interest, the second meta data is fine dust. The density value of is classified according to a preset density range or means attribute information for filtering only image data units of a specific density range among image data units constituting the first convolutional layer.

그리고 이미지 정보 및 영상 필터에 포함된 정보들을 수치로 예를 들어 도시한 도면들인 도 6a 내지 도 6b를 참조하여, 제1 메타 데이터를 이용하여 제1 콘벌루션 계층의 생성 과정을 수치적으로 설명하면, 하기와 같다.In addition, referring to FIGS. 6A to 6B, which are diagrams showing numerical examples of image information and information included in an image filter, a process of generating a first convolutional layer using first meta data will be numerically described. , As follows.

제1 메타 데이터는 도 6a에 도시된 영상 필터에서 X1, X0, X1, X0, X1, X0, X1, X0, X1 값(1행 1열부터 3행 3열)을 가지는 속성 정보라고 가정하면, 미세먼지 농도 산출 모듈(230)은, 이미지 정보에 포함된 정보들을 제1 메타 데이터에 따라 필터링되도록 하여, 필터링 결과를 모두 합산하여 콘벌루션 특징을 추출할 수 있다.Assuming that the first metadata is attribute information having X1, X0, X1, X0, X1, X0, X1, X0, and X1 values (1 row 1 column to 3 row 3 columns) in the image filter shown in FIG. 6A, The fine dust concentration calculation module 230 may filter the information included in the image information according to the first meta data and add the filtering results to extract the convolutional feature.

도 6a을 참조하면, 미세먼지 농도 산출 모듈(230)은, 이미지 데이터들이 메타 데이터에 필터링되어 (1X1+1X0+0X1+1X0+1X1+1X0+0X1+1X0+1X1), 필터링 결과(1+0+0+0+1+0+0+0+1)를 합산하여 콘벌루션 특징(3)을 추출할 수 있다.Referring to FIG. 6A, the fine dust concentration calculation module 230 is configured to filter image data into metadata (1X1+1X0+0X1+1X0+1X1+1X0+0X1+1X0+1X1), and a filtering result (1+0). +0+0+1+0+0+0+1) can be added to extract the convolutional feature (3).

이때, 도 6a 내지 도 6b는 설명의 편의를 위해, 미세먼지 농도 산출 모듈(230)에 의해, 추출된 특정 이미지들이 5X5 구조의 이미지 데이터들의 결합으로 도시하고, 영상 필터는 3X3 구조의 메타 데이터들의 결합으로 도시하였으나, 실제 본 실시예 에 따른 미세먼지 농도 산출 모듈(230)에 의해 추출된 특정 이미지들이 32X32 구조의 이미지 데이터들의 결합으로 구현되고, 영상 필터는 5X5 구조의 메타 데이터들의 결합으로 구현되어, 콘벌루션 특징들이 매핑된 28X28 구조의 콘벌루션 계층을 6장 생성할 수 있다.At this time, for convenience of explanation, FIGS. 6A to 6B show specific images extracted by the fine dust concentration calculation module 230 as a combination of 5X5 structured image data, and the image filter is a combination of 3X3 structured metadata. Although shown as a combination, in fact, specific images extracted by the fine dust concentration calculation module 230 according to the present embodiment are implemented by combining image data of a 32X32 structure, and the image filter is implemented by combining meta data of a 5X5 structure. , Six convolutional layers having a 28X28 structure to which convolutional features are mapped may be generated.

또한, 풀링 필터에 대하여 간략하게 설명하면, 풀링 필터는 각각의 제1 콘벌루션 계층의 사이즈를 개별적으로 축소하여, 서브 샘플링 계층을 생성하는데, 콘벌루션 특징(추상적 특징)을 선별하는 과정에 따라, 가장 중요한 추상적 특징만 남기는 최대 풀링 필터과 추상적 특징들의 평균값을 산출하는 평균 풀링 필터로 나뉠 수 있으나, 미세먼지 농도 산출 모듈(230)은, 미세먼지의 농도 값을 정량적으로 파악하기 위해, 평균 풀링 필터를 이용하여, 콘벌루션 계층의 사이즈를 축소하여 서브 샘플링 계층을 생성하도록 한다.In addition, briefly explaining the pooling filter, the pooling filter individually reduces the size of each first convolutional layer to generate a sub-sampling layer. According to a process of selecting a convolutional feature (abstract feature), Although it can be divided into a maximum pooling filter that leaves only the most important abstract features and an average pooling filter that calculates the average value of the abstract features, the fine dust concentration calculation module 230 uses an average pooling filter to quantitatively grasp the concentration value of the fine dust. By using, the size of the convolutional layer is reduced to generate a sub-sampling layer.

구체적으로, 미세먼지 농도 산출 모듈(230)은, 제2 메타 데이터에 특정 영역의 미세먼지의 농도가 기설정된 농도 범위를 초과하여, 가시거리가 기설정된 거리범위 미만이 되도록 하는 기상 상태의 특징이 포함되면, 해당 특징이 포함된 제2 메타 데이터에 따라 추출된 이미지들이 필터링되어, 생성된 제2 콘벌루션 계층이 복수로 생성되도록 하되, 하나의 평균 풀링 필터(average pooling filter)에 포함되는 이미지 데이터 유닛들에 포함된 미세먼지의 농도의 평균값이 산출되어, 하나의 평균 풀링 필터에 포함된 이미지 데이터 유닛들이 산출된 평균값이 포함된 하나의 이미지 데이터 유닛(1X1 구조)으로 축소 변환되어 제2 서브 샘플링 계층이 생성되도록 할 수 있다.Specifically, the fine dust concentration calculation module 230 has a feature of a weather condition such that the concentration of the fine dust in a specific region exceeds a preset concentration range in the second meta data, so that the visible distance is less than the preset distance range. If included, images extracted according to the second metadata including the corresponding feature are filtered so that a plurality of generated second convolutional layers are generated, but image data included in one average pooling filter The average value of the concentration of fine dust included in the units is calculated, and the image data units included in one average pooling filter are reduced and converted into one image data unit (1X1 structure) including the calculated average value, and the second sub-sampling You can let the hierarchy be created.

좀 더 첨언하면, 미세먼지 농도 산출 모듈(230)은, 28X28 구조의 콘벌루션 계층이 6장 생성된 경우, 각각의 콘벌루션 계층을 평균 풀링 필터를 이용하여, 서브 샘플링하여 14X14 구조의 서브 샘플링 계층을 6장 생성할 수 있으며, 평균 풀링 필터를 이용하여 서브 샘플링 계층을 생성하는 경우, 콘벌루션 계층의 사이즈는 1/4로 축소됨에 따라, 제2 서브 샘플링 과정이 한번 수행하는 것이 아니라, 이미지 데이터 유닛이 1X1 구조로 구현될 때까지 제2 서브 샘플링 과정이 반복 수행될 수 있다.In addition, when six convolutional layers having a 28X28 structure are generated, the fine dust concentration calculation module 230 subsamples each convolutional layer using an average pooling filter to obtain a sub-sampling layer having a 14X14 structure. When the sub-sampling layer is generated using the average pooling filter, the size of the convolutional layer is reduced to 1/4, so that the second sub-sampling process is not performed once, but image data The second sub-sampling process may be repeatedly performed until the unit is implemented in a 1X1 structure.

또한, 미세먼지 농도 산출 모듈(230)은, 제2 서브 샘플링 계층이 복수로 생성되면, 생성된 복수의 제2 서브 샘플링 계층을 기상상태 및 안개의 발생 여부에 따라 분류하여, 도로구간의 미세먼지 농도 값을 산출할 수 있다. In addition, when a plurality of second sub-sampling layers are generated, the fine dust concentration calculation module 230 classifies the generated second sub-sampling layers according to weather conditions and whether fog occurs, and The concentration value can be calculated.

구체적으로 예를 들면, 미세먼지 농도 산출 모듈(230)은 각각의 제2 서브 샘플링 계층에 미세먼지의 정도(程度)에 따라 특정 영역의 이미지 특징이 포함되도록 하되, 제1 저장 모듈(240)에 저장된 기상 상태에 따른 추상적 특징에 대한 정보를 이용하여, 특정 영역의 이미지 특징들을 120~122㎍/m³, 122~124㎍/m³, 124~126㎍/m³, 126~128㎍/m³, 128~130㎍/m³등으로 미세먼지의 농도 범위에 따라 분류할 수 있다.Specifically, for example, the fine dust concentration calculation module 230 allows each second sub-sampling layer to include image features of a specific area according to the degree of fine dust, but in the first storage module 240 Using the stored information on abstract features according to weather conditions, image features of a specific area can be selected from 120 to 122 µg/m³, 122 to 124µg/m³, 124 to 126µg/m³, 126 to 128µg/m³, and 128 to It can be classified according to the concentration range of fine dust, such as 130㎍/m³.

또한, 미세먼지 농도 산출 모듈(230)은 특정 영역의 이미지 특징이 포함된 제2 서브 샘플링 계층이 분류되면, 분류된 카테고리별로 추상적 특징들을 학습하도록 함으로써, 이미지 정보를 획득한 시점의 특정 영역의 기상 상태 특히, 미세먼지 농도 값을 산출할 수 있다.In addition, when the second sub-sampling layer including the image features of a specific area is classified, the fine dust concentration calculation module 230 learns abstract features for each classified category. State, in particular, the concentration of fine dust can be calculated.

그리고 미세먼지 농도 산출 모듈(230)은 제2 서브 샘플링 계층의 분류 카테고리 및 추상적 특징들에 따라 미세먼지 농도뿐만 아니라, 비, 눈, 구름, 바람 또는 안개의 발생 여부 및 발생 정도와 기온 등의 기상상태 역시 판별할 수 있다.In addition, the fine dust concentration calculation module 230 includes not only the fine dust concentration according to the classification categories and abstract features of the second sub-sampling layer, but also the weather such as rain, snow, cloud, wind, or fog, and the degree of occurrence and temperature. The state can also be determined.

도 7은 본 발명의 일 실시예에 따른 시정거리 측정 시스템을 이용하여 시정거리를 산출하고, 산출된 시정거리를 이용하여 도로구간의 상황별 제한속도 및 차량의 상황별 제한속도 위반 여부를 출력하는 과정을 설명하기 위해 도시된 도면이다.FIG. 7 is a diagram for calculating a visibility distance using the visibility distance measurement system according to an embodiment of the present invention, and outputting the speed limit for each situation of the road section and whether the vehicle violates the speed limit for each situation using the calculated visibility distance. It is a diagram shown to explain the process.

도 7을 참조하면, 본 시정거리 측정 시스템은, 시정거리를 산출하고, 산출된 시정거리를 이용하여 도로구간의 상황별 제한속도 및 차량(10)의 상황별 제한속도 위반 여부를 출력하기 위해, 우선, 시정거리 측정부(200)를 이용하여 특정 피사체(20)에 대한 이미지 정보를 구성하는 복수의 픽셀 중 일부 픽셀을 임의로 지정하여 특징점으로 설정할 수 있다(S410).Referring to FIG. 7, the present visibility distance measurement system calculates the visibility distance, and uses the calculated visibility distance to output the speed limit for each situation of the road section and whether the vehicle 10 violates the speed limit for each situation, First, some pixels among a plurality of pixels constituting image information for a specific subject 20 may be arbitrarily designated and set as a feature point using the visibility distance measuring unit 200 (S410).

일부 픽셀이 특징점으로 설정되면, 시정거리 측정부(200)가 설정된 특징점에 대한 특징점 설정정보를 저장할 수 있다(S415).When some pixels are set as the feature points, the visibility distance measuring unit 200 may store feature point setting information for the set feature points (S415).

또한, 카메라(110)가 기설정된 스케줄에 따라 특정 피사체(20)에 대한 이미지 정보를 획득하도록 하고(S420), 특정 피사체(20)에 대한 이미지 정보가 획득되면, 시정거리 측정부(200)가 저장된 특징 설정정보를 기반으로 획득된 특정 이미지 정보로부터 인지 가능한 특징점의 개수를 산출함으로써, 이미지 정보의 선명도를 산출할 수 있다(S425). In addition, when the camera 110 obtains image information on a specific subject 20 according to a preset schedule (S420), and when image information on a specific subject 20 is obtained, the visibility distance measurement unit 200 The sharpness of the image information may be calculated by calculating the number of recognizable feature points from the specific image information acquired based on the stored feature setting information (S425).

이미지 정보의 선명도가 산출되면, 시정거리 측정부(200)가 기상 상태 및 대기에 포함된 미세먼지의 농도에 따라 산출되는 이미지 정보의 선명도에 대응되는 시정거리 값이 포함된 룩업 테이블을 이용하여 산출된 이미지 정보의 선명도에 대응되는 시정거리 값을 산출할 수 있다(S430). When the sharpness of the image information is calculated, the visibility distance measurement unit 200 is calculated using a lookup table including a visibility distance value corresponding to the sharpness of the image information calculated according to the weather condition and the concentration of fine dust contained in the atmosphere. A visibility distance value corresponding to the sharpness of the image information may be calculated (S430).

그리고 시정거리 값이 산출되면, 시정거리 측정부(200)는 특정 피사체(20)에 대한 이미지 정보를 이용하여 미세먼지 농도 값을 산출할 수 있다(S435). 이때, 미세먼지 농도 값을 산출하는 과정은 도 5 내지 도 6b를 참조하여 전술한 바와 같다. In addition, when the visibility distance value is calculated, the visibility distance measurement unit 200 may calculate a fine dust concentration value using image information on a specific subject 20 (S435). At this time, the process of calculating the fine dust concentration value is as described above with reference to FIGS. 5 to 6B.

시정거리 값과 미세먼지 농도 값이 산출되면, 상황별 제한속도 산출부(300)가 차량속도 측정부(100)가 설치된 도로구간에 따라 설정된 기본 제한속도에 측정된 시정거리를 반영하여 도로구간의 상황별 제한속도를 산출할 수 있다(S440). When the visibility distance value and the fine dust concentration value are calculated, the speed limit calculation unit 300 for each situation reflects the measured visibility distance to the basic speed limit set according to the road section in which the vehicle speed measurement unit 100 is installed. The speed limit for each situation can be calculated (S440).

도로구간의 상황별 제한속도가 산출되면, 차량속도 측정부(100)가, 측정된 특정 차량과의 실시간 거리가 기설정된 거리범위 미만인지 여부를 판단하고(S445), 차량속도 측정부(100)에 의해, 측정된 특정 차량과의 실시간 거리가 기설정된 거리범위 미만인 것으로 판단되면(S445-Y), 차량속도 측정부(100)가 기설정된 거리범위 미만에 위치하는 차량의 차량속도를 측정하고(S450), 상황별 제한속도 산출부(300)가 속도가 측정된 차량에 대하여 산출된 상황별 제한속도의 위반 여부가 판별하여(S455), 출력부(400)가 디스플레이(410)를 통해 도로구간의 상황별 제한속도, 특정 차량의 차량속도 및 특정 차량의 상황별 제한속도 위반 여부에 대한 정보가 함께 출력되도록 할 수 있다(S460).When the speed limit for each situation of the road section is calculated, the vehicle speed measurement unit 100 determines whether the measured real-time distance to the specific vehicle is less than a preset distance range (S445), and the vehicle speed measurement unit 100 If it is determined that the measured real-time distance to the specific vehicle is less than the preset distance range (S445-Y), the vehicle speed measurement unit 100 measures the vehicle speed of the vehicle located less than the preset distance range ( S450), the situation-specific speed limit calculation unit 300 determines whether or not the calculated speed limit for the vehicle for which the speed is measured is violated (S455), and the output unit 400 displays the road section through the display 410. The speed limit for each situation, the vehicle speed of a specific vehicle, and information on whether the speed limit for each situation of the specific vehicle is violated may be output together (S460).

반면에, 차량속도 측정부(100)에 의해, 측정된 특정 차량과의 실시간 거리가 기설정된 거리범위 이상인 것으로 판단되면(S445-N), 출력부(400)가 측정된 시정거리, 도로구간의 미세먼지 농도 값 및 도로구간의 상황별 제한속도가 출력되도록 할 수 있다(S465).On the other hand, if it is determined by the vehicle speed measurement unit 100 that the measured real-time distance to the specific vehicle is greater than or equal to a preset distance range (S445-N), the output unit 400 determines the measured visibility distance and the road section. It is possible to output the fine dust concentration value and the speed limit for each situation of the road section (S465).

이를 통해, 산출된 시정거리를 반영한 상황별 제한속도를 산출하여, 운전자들에게 제공함으로써, 운전자의 경각심을 일깨워주고, 시정 악화시 과속으로 인한 교통사고를 예방함으로써, 인적, 경제적 손실을 줄일 수 있다. 그리고 상황별 제한속도의 위반 여부, 미세먼지 농도 등을 전달하여 운전자들에게 편의를 제공할 수 있다.Through this, it is possible to reduce human and economic losses by calculating the speed limit for each situation that reflects the calculated visibility distance and providing it to the drivers to awaken the driver's alertness and to prevent traffic accidents caused by speeding when the visibility worsens. . In addition, it is possible to provide convenience to drivers by conveying whether or not the speed limit for each situation is violated and the concentration of fine dust.

첨언하면, 출력부(400)는 디스플레이(410)와 지향성 음성정보 출력 모듈(420)이 함께 마련된 경우, 차량속도 측정부(100)에 의해, 측정된 특정 차량과의 실시간 거리가 기설정된 거리범위 이상인 것으로 판단되면(S445-N), 지향성 음성정보 출력 모듈(420)을 통해 소정의 제한된 지향 각도에 의해 설정되는 제1 영역에 시정거리 및 상황별 제한속도에 대한 음성정보를 출력할 수 있으며, 측정된 특정 차량과의 실시간 거리가 기설정된 거리범위 미만인 것으로 판단되면(S445-Y), 도로구간의 상황별 제한속도, 특정 차량의 차량속도 및 특정 차량의 상황별 제한속도 위반 여부에 대한 음성정보를 출력할 수 있다. Incidentally, when the display 410 and the directional voice information output module 420 are provided together, the output unit 400 determines the real-time distance to the specific vehicle measured by the vehicle speed measurement unit 100 in a preset distance range. If it is determined to be abnormal (S445-N), the directional voice information output module 420 may output voice information on the visibility distance and the speed limit for each situation in a first area set by a predetermined limited directional angle, If it is determined that the measured real-time distance to the specific vehicle is less than the preset distance range (S445-Y), voice information on the speed limit for each situation of the road section, the vehicle speed of a specific vehicle, and whether the specific vehicle violates the speed limit for each situation. Can be printed.

이를 통해, 주행도로가 위치하는 영역 또는 주행도로를 따라 주행하는 차량이 위치하는 영역에 한하여 시정거리 및 상황별 제한속도에 대한 음성정보 또는 특정 차량의 차량속도, 상황별 제한속도에 대한 음성정보 및 특정 차량의 상황별 제한속도 위반 여부에 대한 음성정보를 청취할 수 있어, 시정 악화로 인하여 시야 거리를 충분히 확보할 수 없는 상황에서 운전자에게 경각심을 일깨워 줄 수 있다. Through this, audio information about the visibility distance and the speed limit for each situation, or voice information about the vehicle speed of a specific vehicle, the speed limit for each situation, and only in the area where the driving road is located or the vehicle driving along the driving road is located. Since it is possible to listen to voice information on whether a specific vehicle violates the speed limit for each situation, it is possible to alert the driver in situations where a sufficient viewing distance cannot be secured due to poor visibility.

이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.In the above, preferred embodiments of the present invention have been illustrated and described, but the present invention is not limited to the specific embodiments described above, and is generally used in the technical field to which the present invention belongs without departing from the gist of the present invention claimed in the claims. Various modifications are possible by those skilled in the art, as well as these modifications should not be individually understood from the technical idea or perspective of the present invention.

100 : 차량속도 측정부 110 : 카메라
120 : 레이더 130 : 거리측정기
200 : 시정거리 측정부 210 : 선명도 산출 모듈
220 : 시정거리 산출 모듈 230 : 미세먼지 농도 산출 모듈
240 : 제1 저장 모듈 300 : 상황별 제한속도 산출부
310 : 제2 저장 모듈 320 : 상황별 제한속도 산출 모듈
400 : 출력부 410 : 디스플레이
420 : 지향성 음성정보 출력 모듈100: vehicle speed measurement unit 110: camera
120: radar 130: range finder
200: visibility distance measurement unit 210: sharpness calculation module
220: visibility distance calculation module 230: fine dust concentration calculation module
240: first storage module 300: speed limit calculation unit for each situation
310: second storage module 320: limit speed calculation module for each situation
400: output unit 410: display
420: Directional voice information output module

Claims (6)

차량속도 측정이 가능한 시정거리 측정 시스템에 있어서,
도로 위 특정 차량에 대한 이미지 정보를 획득하고, 상기 특정 차량의 차량속도를 측정하는 차량속도 측정부; 및
상기 차량속도 측정부를 통해 상기 차량속도 측정부로부터 기설정된 거리만큼 이격되도록 배치된 특정 피사체에 대한 이미지 정보가 획득되면, 상기 획득된 이미지 정보를 기반으로 시정거리를 측정하는 시정거리 측정부;를 포함하고,
상기 시정거리 측정부는,
이미지 정보를 구성하는 복수의 픽셀 중 일부 픽셀을 임의로 지정하여 특징점으로 설정하고, 상기 설정된 특징점에 대한 특징점 설정정보를 미리 저장하고,
상기 특정 피사체에 대한 이미지 정보가 획득되면, 상기 저장된 특징점 설정정보를 기반으로 상기 획득된 특정 이미지 정보로부터 인지 가능한 특징점의 개수를 산출함으로써, 상기 특정 이미지 정보의 선명도를 산출하고, 상기 산출된 선명도를 기반으로 시정거리를 측정하며,
상기 시정거리 측정부는,
기상 상태 및 대기에 포함된 미세먼지의 농도에 따라 산출되는 상기 이미지 정보의 선명도에 대응되는 시정거리 값이 포함된 룩업 테이블을 이용하여 시정거리를 측정하며,
상기 시정거리 측정 시스템은,
상기 차량속도 측정부가 설치된 도로구간에 따라 설정된 기본 제한속도에 상기 측정된 시정거리를 반영하여 상기 도로구간의 상황별 제한속도를 산출하는 상황별 제한속도 산출부; 및
상기 도로구간의 상황별 제한속도를 출력하는 출력부;를 더 포함하며,
상기 시정거리 측정부는,
상기 특정 피사체에 대한 복수의 이미지 정보가 획득되면, 상기 복수의 이미지 정보가 대기 중 미세먼지의 농도에 영향을 받은 영역의 이미지에 대한 영상 필터 속성 정보인 제1 메타 데이터에 따라 각각의 이미지 정보 간에 차이가 발생된 추상적 특징이 필터링되도록 하여, 복수의 제1 콘벌루션 계층(first convolutional layer)을 생성하며,
상기 복수의 제1 콘벌루션 계층이 생성되면, 풀링 필터(pooling filter)를 이용하여 각각의 제1 콘벌루션 계층의 사이즈를 축소하는 서브 샘플링(subsampling)을 수행하여 제1 서브 샘플링 계층을 복수로 생성하고,
상기 제1 서브 샘플링 계층이 복수로 생성되면, 상기 제1 콘벌루션 계층을 이루는 이미지 데이터를 기설정된 농도 범위별로 분류하기 위한 속성 정보인 제2 메타 데이터를 기반으로 상기 생성된 복수의 제1 서브 샘플링 계층을 미세먼지의 정도(程度)에 따라 분류하여, 하나의 평균 풀링 필터(average pooling filter)를 이용하여, 상기 평균 풀링 필터에 포함되는 이미지 데이터 유닛들에 관한 미세먼지의 농도의 평균값을 산출하고, 상기 평균 풀링 필터에 포함된 이미지 데이터 유닛들이 상기 산출된 평균값이 포함된 하나의 이미지 데이터 유닛으로 축소 변환되는 제2 서브 샘플링 계층을 복수로 생성하고,
상기 제2 서브 샘플링 계층이 복수로 생성되면, 상기 생성된 복수의 제2 서브 샘플링 계층을 상기 차량속도 측정부가 마련된 도로 주변의 기상상태 및 안개의 발생 여부에 따라 분류하여, 상기 도로구간의 미세먼지 농도 값을 산출하는 것을 특징으로 하는 차량속도 측정이 가능한 시정거리 측정 시스템.In the visibility distance measurement system capable of measuring vehicle speed,
A vehicle speed measuring unit that acquires image information on a specific vehicle on a road and measures a vehicle speed of the specific vehicle; And
A visibility distance measurement unit configured to measure a visibility distance based on the acquired image information when image information on a specific subject arranged to be spaced apart from the vehicle speed measurement unit by a preset distance is obtained through the vehicle speed measurement unit. and,
The visibility distance measuring unit,
Some pixels of a plurality of pixels constituting image information are arbitrarily designated and set as feature points, and feature point setting information for the set feature points is stored in advance,
When image information on the specific subject is obtained, the number of recognizable feature points from the acquired specific image information is calculated based on the stored feature point setting information, thereby calculating the sharpness of the specific image information, and calculating the calculated sharpness. It measures the visibility distance based on the
The visibility distance measuring unit,
The visibility distance is measured using a lookup table including a visibility distance value corresponding to the sharpness of the image information calculated according to the weather condition and the concentration of fine dust contained in the atmosphere,
The visibility distance measurement system,
A speed limit for each situation calculating a speed limit for each situation of the road section by reflecting the measured visibility distance to a basic speed limit set according to the road section in which the vehicle speed measuring part is installed; And
Further comprising; an output unit for outputting the speed limit for each situation of the road section,
The visibility distance measuring unit,
When a plurality of image information for the specific subject is acquired, the plurality of image information is between each image information according to first metadata, which is image filter attribute information for an image of an area affected by the concentration of fine dust in the air. A plurality of first convolutional layers are generated by filtering the abstract features in which differences have occurred,
When the plurality of first convolutional layers are generated, a plurality of first sub-sampling layers are generated by performing subsampling to reduce the size of each first convolutional layer using a pooling filter and,
When a plurality of first sub-sampling layers are generated, the plurality of first sub-samplings generated based on second metadata, which is attribute information for classifying image data constituting the first convolutional layer according to a preset concentration range The layers are classified according to the degree of fine dust, and an average value of the concentration of fine dust with respect to the image data units included in the average pooling filter is calculated using one average pooling filter. , Generating a plurality of second sub-sampling layers in which the image data units included in the average pooling filter are reduced and converted into one image data unit including the calculated average value,
When a plurality of second sub-sampling layers are generated, the generated second sub-sampling layers are classified according to weather conditions around the road where the vehicle speed measuring unit is provided and whether or not fog occurs, and fine dust in the road section Visibility distance measurement system capable of measuring vehicle speed, characterized in that calculating a concentration value. 삭제delete 삭제delete 삭제delete 삭제delete 제1항에 있어서,
상기 출력부는,
상기 차량속도 측정부에 의해, 측정된 특정 차량과의 실시간 거리가 기설정된 거리범위 미만인 것으로 판단되면, 상기 도로구간의 상황별 제한속도, 상기 특정 차량의 차량속도 및 상기 특정 차량의 상황별 제한속도 위반 여부에 대한 정보가 함께 출력되도록 하되,
상기 차량속도 측정부에 의해, 측정된 특정 차량과의 실시간 거리가 상기 기설정된 거리범위 이상인 것으로 판단되면, 상기 측정된 시정거리, 상기 도로구간의 미세먼지 농도 값 및 상기 도로구간의 상황별 제한속도가 출력되도록 하는 것을 특징으로 하는 차량속도 측정이 가능한 시정거리 측정 시스템.
The method of claim 1,
The output unit,
When it is determined by the vehicle speed measuring unit that the measured real-time distance to the specific vehicle is less than a preset distance range, the speed limit for each situation of the road section, the vehicle speed of the specific vehicle, and the speed limit for each situation of the specific vehicle Make sure that the information on the violation is printed together,
When it is determined by the vehicle speed measuring unit that the measured real-time distance to the specific vehicle is greater than or equal to the preset distance range, the measured visibility distance, the fine dust concentration value of the road section, and the speed limit for each situation of the road section Visibility distance measurement system capable of measuring vehicle speed, characterized in that to output.
KR1020180101690A 2018-08-29 2018-08-29 System for visibility measurement with vehicle speed measurement KR102145409B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180101690A KR102145409B1 (en) 2018-08-29 2018-08-29 System for visibility measurement with vehicle speed measurement

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180101690A KR102145409B1 (en) 2018-08-29 2018-08-29 System for visibility measurement with vehicle speed measurement

Publications (2)

Publication Number Publication Date
KR20200024997A KR20200024997A (en) 2020-03-10
KR102145409B1 true KR102145409B1 (en) 2020-08-18

Family

ID=69801340

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180101690A KR102145409B1 (en) 2018-08-29 2018-08-29 System for visibility measurement with vehicle speed measurement

Country Status (1)

Country Link
KR (1) KR102145409B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002014038A (en) * 2000-06-29 2002-01-18 Koito Ind Ltd Measuring apparatus for visibility status

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100751494B1 (en) * 2005-09-02 2007-08-23 한국건설기술연구원 A road visibility warning system using visibility sensors and pavement sensors and controlling method the same
KR101086738B1 (en) * 2009-01-29 2011-11-25 한양대학교 산학협력단 System and method for managing the limited speed based on the road visibility
KR101032160B1 (en) 2009-10-06 2011-05-02 충주대학교 산학협력단 System and method for road visibility measurement using camera
KR20120105966A (en) * 2011-03-17 2012-09-26 주식회사 지에스인스트루먼트 Apparatus for measuring of visibility and method for thereof
KR101291301B1 (en) 2013-02-28 2013-07-30 심광호 Vehicle speed measurement system using image and radar
KR101824614B1 (en) * 2015-11-23 2018-02-01 한국외국어대학교 연구산학협력단 Valiable speed limit managementing system method thereof

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002014038A (en) * 2000-06-29 2002-01-18 Koito Ind Ltd Measuring apparatus for visibility status

Also Published As

Publication number Publication date
KR20200024997A (en) 2020-03-10

Similar Documents

Publication Publication Date Title
CN105512623B (en) Based on multisensor travelling in fog day vision enhancement and visibility early warning system and method
CN105989724B (en) Road sign judgment means
CN106611512B (en) Method, device and system for processing starting of front vehicle
US8284996B2 (en) Multiple object speed tracking system
CN110415544B (en) Disaster weather early warning method and automobile AR-HUD system
JP7355151B2 (en) Information processing device, information processing method, program
US10474910B2 (en) Warning device, warning method, and warning program
DE102011081614A1 (en) Method and device for analyzing a road section to be traveled by a vehicle
US20180158327A1 (en) Method for generating a digital record and roadside unit of a road toll system implementing the method
CN106951898B (en) Vehicle candidate area recommendation method and system and electronic equipment
US20100131442A1 (en) Intelligent monitoring system
CN110738150B (en) Camera linkage snapshot method and device and computer storage medium
CN102867417A (en) Taxi anti-forgery system and taxi anti-forgery method
JP4988781B2 (en) Vehicle periphery monitoring device
CN107534717B (en) Image processing device and traffic violation management system with same
Mertz et al. City-wide road distress monitoring with smartphones
CN111753612A (en) Method and device for detecting sprinkled object and storage medium
JP2010224670A (en) Periphery monitoring device for vehicle
KR102267517B1 (en) Road fog detecting appartus and method using thereof
CN111523368B (en) Information processing device, server, and traffic management system
KR102145409B1 (en) System for visibility measurement with vehicle speed measurement
Matsuda et al. A system for real-time on-street parking detection and visualization on an edge device
JP7238821B2 (en) Map generation system and map generation program
CN202887450U (en) Taxi anti-fake system
Singh et al. A Review: Techniques of vehicle detection in Fog

Legal Events

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