KR102316309B1 - Photo analysis method of server including Artificial Intelligence photo analysis module - Google Patents

Photo analysis method of server including Artificial Intelligence photo analysis module Download PDF

Info

Publication number
KR102316309B1
KR102316309B1 KR1020190133688A KR20190133688A KR102316309B1 KR 102316309 B1 KR102316309 B1 KR 102316309B1 KR 1020190133688 A KR1020190133688 A KR 1020190133688A KR 20190133688 A KR20190133688 A KR 20190133688A KR 102316309 B1 KR102316309 B1 KR 102316309B1
Authority
KR
South Korea
Prior art keywords
photo
analyzing
server
determining
surrounding environment
Prior art date
Application number
KR1020190133688A
Other languages
Korean (ko)
Other versions
KR20210049413A (en
Inventor
유수호
이재만
Original Assignee
주식회사 도넛
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 도넛 filed Critical 주식회사 도넛
Priority to KR1020190133688A priority Critical patent/KR102316309B1/en
Priority to PCT/KR2019/016371 priority patent/WO2021080081A1/en
Publication of KR20210049413A publication Critical patent/KR20210049413A/en
Application granted granted Critical
Publication of KR102316309B1 publication Critical patent/KR102316309B1/en

Links

Images

Classifications

    • G06K9/20—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06K9/46—
    • G06K9/6201—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/30—Transportation; Communications
    • G06Q50/40—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Abstract

본 발명은 인공 지능(Artificial Intelligence, AI) 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법에 관한 것이다.
본 발명의 일례에 따른 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법은 분석대상 사진을 업로드 받는 단계; 상기 AI 사진 분석 모듈이 상기 사진을 분석하는 단계; 및 상기 분석하는 단계의 결과를 기반으로 승인 또는 거절을 결정하는 단계를 포함하고, 상기 사진을 분석하는 단계는, 상기 사진에서 미리 정해진 오브젝트와 상기 오브젝트의 주변 환경을 구분하는 단계; 상기 주변 환경이 실내인지, 실외인지 판단하는 단계; 및 상기 주변 환경에서 미리 정해진 지물을 감지하는 단계를 포함한다.The present invention relates to a method for a server including an artificial intelligence (AI) photo analysis module to analyze a photo.
A method for a server including an AI photo analysis module according to an example of the present invention to analyze a photo includes the steps of: uploading a photo to be analyzed; analyzing, by the AI photo analysis module, the photo; and determining approval or rejection based on a result of the analyzing, wherein the analyzing of the photo includes: classifying a predetermined object in the photo and a surrounding environment of the object; determining whether the surrounding environment is indoors or outdoors; and detecting a predetermined feature in the surrounding environment.

Figure R1020190133688
Figure R1020190133688

Description

AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법{Photo analysis method of server including Artificial Intelligence photo analysis module}{Photo analysis method of server including Artificial Intelligence photo analysis module}

본 발명은 인공 지능(Artificial Intelligence, AI) 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법에 관한 것이다. 보다 상세하게는 본 발명은 AI 분석 모듈이 전동 킥보드, 전동 스쿠터 또는 전동 자전거와 같은 개인용 전동기(Personal Mobility, PM)의 반납이 올바른지 여부를 분석 및 판단하는 방법에 관한 것이다.The present invention relates to a method for a server including an artificial intelligence (AI) photo analysis module to analyze a photo. More specifically, the present invention relates to a method for analyzing and determining whether the AI analysis module is correct to return a personal electric motor (PM) such as an electric scooter, an electric scooter, or an electric bicycle.

최근에는 전동 킥보드, 전동 스쿠터 또는 전동 자전거와 같은 개인용 전동기(PM)를 이용하는 사용자가 증가하고 있으며, 특히 도심지에서는 건강을 위해서는 물론, 대중 교통 수단을 대체하는 교통 수단으로서 많은 사람이 이용하고 있다.Recently, the number of users using personal electric motors (PM) such as electric scooters, electric scooters, or electric bicycles is increasing.

이러한 개인용 전동기(PM)는 일반적인 이동수단과 달리 화석연료를 사용하지 않기 때문에 환경오염이 발생되지 않고, 근거리 통학 및 출퇴근 수단으로써 경비절감과 출퇴근 시간 절약 또는 근거리 이동에서 그 활용성이 급격하게 늘고 있다.This personal electric motor (PM) does not cause environmental pollution because it does not use fossil fuel unlike general means of transportation, and its utility is rapidly increasing as a means of short-distance commuting and commuting to reduce costs and save commuting time or to move within short distances. .

최근 이를 위해, 개인용 전동기(PM)를 대여 및 공유하는 다양한 사업 모델이 증가하고 있다.Recently, for this purpose, various business models for renting and sharing personal electric motors (PM) are increasing.

그러나, 한편, 최근에는 개인용 전동기(PM)의 반납업무를 처리하는데 따른 관리비용이 증가하고, 이용자들은 복잡한 반납절차로 인한 불편함이 있으며, 개인용 전동기(PM)를 실내에서 반납하여 다른 사용자의 이용을 방해하거나, 개인용 전동기(PM)의 반납이 다른 사용자가 이용하기 어려운 상태로 반납하거나, 개인용 전동기(PM)가 위치해서는 안될 장소에 반납하는 등 문제점이 있어 왔다.On the other hand, on the other hand, recently, the management cost for handling the return of the personal electric motor (PM) has increased, and the users are inconvenient due to the complicated return procedure, and the personal electric motor (PM) is returned indoors for the use of other users. There have been problems such as interfering with the motor, returning the personal motor PM in a state that is difficult for other users to use, or returning the personal motor PM to a place where it should not be located.

일본공개특허공보 특개2018-160125호(공개일2018.10.11.)Japanese Patent Application Laid-Open No. 2018-160125 (published on October 11, 2018)

본 발명은 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법을 제공하는데, 그 목적이 있다. 보다 상세하게는 본 발명은 AI 분석 모듈이 전동 킥보드, 전동 스쿠터 또는 전동 자전거와 같은 개인용 전동기(Personal Mobility, PM)의 반납이 올바른지 여부를 분석 및 판단하는 방법을 제공하는데, 그 목적이 있다. An object of the present invention is to provide a method for a server including an AI photo analysis module to analyze a photo. More specifically, the present invention provides a method for analyzing and determining whether the AI analysis module is correct to return a personal electric motor (PM) such as an electric scooter, an electric scooter, or an electric bicycle, and there is an object.

본 발명의 일례에 따른 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법은 분석대상 사진을 업로드 받는 단계; 상기 AI 사진 분석 모듈이 상기 사진을 분석하는 단계; 및 상기 분석하는 단계의 결과를 기반으로 승인 또는 거절을 결정하는 단계를 포함하고, 상기 사진을 분석하는 단계는, 상기 사진에서 미리 정해진 오브젝트와 상기 오브젝트의 주변 환경을 구분하는 단계; 상기 주변 환경이 실내인지, 실외인지 판단하는 단계; 및 상기 주변 환경에서 미리 정해진 지물을 감지하는 단계를 포함한다.A method for a server including an AI photo analysis module according to an example of the present invention to analyze a photo includes the steps of: uploading a photo to be analyzed; analyzing, by the AI photo analysis module, the photo; and determining approval or rejection based on a result of the analyzing, wherein the analyzing of the photo includes: classifying a predetermined object in the photo and a surrounding environment of the object; determining whether the surrounding environment is indoors or outdoors; and detecting a predetermined feature in the surrounding environment.

상기 서버는 상기 미리 정해진 지물의 이미지를 포함하는 데이터베이스를 포함하거나, 상기 데이터베이스에 접근 가능하고, 상기 지물을 감지하는 단계는, 상기 주변 환경과 상기 데이터베이스를 비교하여 상기 주변 환경의 특정 부분이 상기 미리 정해진 지물과 일치하는 정도를 산출할 수 있다.The server includes or has access to a database including the image of the predetermined feature, and the detecting of the feature includes comparing the database with the surrounding environment to determine whether a specific part of the surrounding environment is determined in advance. It is possible to calculate the degree of agreement with a given feature.

상기 미리 정해진 지물은 벽, 거치대, 울타리, 도로 경계선 및 출입구 중 적어도 하나를 포함할 수 있다.The predetermined feature may include at least one of a wall, a cradle, a fence, a road boundary, and an entrance.

상기 사진을 분석하는 단계는, 상기 오브젝트가 위치하는 지면을 감지하는 단계를 더 포함할 수 있다.The analyzing of the photo may further include detecting a ground on which the object is located.

상기 사진을 분석하는 단계는, 상기 오브젝트가 위치하는 지면의 종류를 감지하는 단계를 더 포함할 수 있다.The analyzing of the photo may further include detecting a type of ground on which the object is located.

상기 지면의 종류를 감지하는 단계는, 상기 지면의 형태, 위치, 폭, 색상 등에 기반하여 감지할 수 있다.The sensing of the type of the ground may be performed based on the shape, position, width, color, and the like of the ground.

상기 사진을 분석하는 단계는, 상기 오브젝트가 일 종류의 지면에서 차지하고 있는 비율을 산출하는 단계를 더 포함할 수 있다.The analyzing of the photo may further include calculating a ratio that the object occupies on one type of ground.

상기 승인 또는 거절을 결정하는 단계는, 상기 산출된 비율이 미리 정해진 레벨을 초과하는 경우, 거절로 결정할 수 있다.In the determining of the approval or rejection, when the calculated ratio exceeds a predetermined level, it may be determined as rejection.

상기 사진을 분석하는 단계에서, 상기 오브젝트가 실내에 위치하는 것으로 판별된 경우, 상기 승인 또는 거절을 결정하는 단계는, 거절로 결정할 수 있다.When it is determined that the object is located indoors in the analyzing the photo, the determining of the approval or the rejection may be determined as rejection.

상기 사진을 분석하는 단계는 상기 오브젝트로 추출된 개인용 전동기가 넘어진 상태인지 여부를 분석하고, 상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트로 추출된 개인용 전동기가 넘어진 상태로 판별된 경우, 거절로 결정할 수 있다.The step of analyzing the photo analyzes whether the personal electric motor extracted as the object is in a fallen state, and the step of determining whether to approve or reject is, if it is determined that the personal electric motor extracted as the object is in a fallen state, it is rejected can decide

상기 사진을 분석하는 단계는 상기 오브젝트가 도로 상의 횡단 보도에 위치하는지를 분석하고, 상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트가 도로 상의 횡단 보도에 위치하는 것으로 판별된 경우, 거절로 결정할 수 있다.The analyzing of the photo may include analyzing whether the object is located at the crosswalk on the road, and the determining of approval or rejection may be determined as rejection if it is determined that the object is located at the crosswalk on the road. .

상기 사진을 분석하는 단계는 상기 오브젝트가 건물 주차장의 진출입로, 건물 출입구의 진출입로 또는 건물 엘리베이터나 에스컬레이터의 진출입로 중 적어도 하나의 진출입로에 위치하는지를 분석하고, 상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트가 적어도 하나의 진출입로에 위치하는 것으로 판별된 경우, 거절로 결정할 수 있다.The step of analyzing the photo is analyzing whether the object is located in at least one of the entrance and exit of the building parking lot, the entrance and exit of the building entrance, or the entrance and exit of the building elevator or escalator, and the step of determining whether to approve or reject is , when it is determined that the object is located in at least one entry/exit path, it may be determined to be rejected.

본 발명의 일례에 따른 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법은 AI 사진 분석 모듈이 사진을 업로드 받아, 사진을 분석하여, 상기 분석하는 단계의 결과를 기반으로 개인용 전동기의 반납에 대한 승인 또는 거절을 결정하도록 함으로써, 개인용 전동기에 대한 관리를 보다 효율적으로 운영하도록 할 수 있다. The method for the server including the AI photo analysis module according to an example of the present invention to analyze the photo is the AI photo analysis module uploads the photo, analyzes the photo, and based on the result of the analyzing step, to return the personal motor. By deciding whether to approve or reject the motor, it is possible to operate the management of the personal motor more efficiently.

도 1은 본 발명의 일례에 따른 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법의 개념을 간략하게 설명하기 위한 도이다.
도 2는 본 발명의 일례에서, AI 사진 분석 모듈을 포함하는 서버를 설명하기 위한 도이다.
도 3은 본 발명의 일례에 따른 AI 사진 분석 모듈을 포함하는 서버가 동작하는 방법의 일례를 설명하기 위한 도이다.
도 4는 도 3의 각 단계를 보다 구체적으로 설명하기 위한 도이다.
도 5는 도 4에서 PM 주변 환경 분석 방법을 보다 구체적으로 설명하기 위한 도이다.
도 6 내지 도 14는 도 5에 도시된 PM 주변 환경 분석 방법의 구체적 일례를 설명하기 위한 도이다.1 is a diagram for briefly explaining the concept of a method for a server including an AI photo analysis module according to an example of the present invention to analyze a photo.
2 is a diagram for explaining a server including an AI photo analysis module in an example of the present invention.
3 is a diagram for explaining an example of how a server including an AI photo analysis module according to an example of the present invention operates.
4 is a diagram for explaining each step of FIG. 3 in more detail.
FIG. 5 is a diagram for explaining the PM surrounding environment analysis method in FIG. 4 in more detail.
6 to 14 are diagrams for explaining a specific example of the PM ambient environment analysis method shown in FIG. 5 .

이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다. 본 발명을 설명하는데 있어서, 해당 분야에 이미 공지된 기술 또는 구성에 대한 구체적인 설명을 부가하는 것이 본 발명의 요지를 불분명하게 할 수 있다고 판단되는 경우에는 상세한 설명에서 이를 일부 생략하도록 한다. 또한, 본 명세서에서 사용되는 용어들은 본 발명의 실시예들을 적절히 표현하기 위해 사용된 용어들로서, 이는 해당 분야의 관련된 사람 또는 관례 등에 따라 달라질 수 있다. 따라서, 본 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. In describing the present invention, if it is determined that adding a detailed description of a technique or configuration already known in the relevant field may make the gist of the present invention unclear, some of these will be omitted from the detailed description. In addition, the terms used in this specification are terms used to properly express the embodiments of the present invention, which may vary according to a person or custom in the relevant field. Accordingly, definitions of these terms should be made based on the content throughout this specification.

이하, 첨부된 도면을 참조하여 본 발명에 따른 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법에 대해서 설명한다.Hereinafter, a method of analyzing a photo by a server including an AI photo analysis module according to the present invention will be described with reference to the accompanying drawings.

도 1은 본 발명의 일례에 따른 AI 사진 분석 모듈(110)을 포함하는 서버(100)가 사진을 분석하는 방법의 개념을 간략하게 설명하기 위한 도이다.1 is a diagram for briefly explaining the concept of a method in which the server 100 including the AI photo analysis module 110 according to an example of the present invention analyzes a photo.

도 1에 도시된 바와 같이, 본 발명의 일례에 따른 AI 사진 분석 모듈(110)을 포함하는 서버(100)가 사진을 분석하는 방법은 사용자가 개인용 전동기(10)(PM, 10)를 이용한 이후, 그 사용을 종료하고자 할 때, 사용자가 스마트폰 또는 휴대폰과 같은 이동 통신 단말기(20)인 사용자 단말기(20)를 이용하여 개인용 전동기(10) 관리 서버(100)에 반납을 신청할 수 있다. As shown in Fig. 1, the server 100 including the AI photo analysis module 110 according to an example of the present invention analyzes the photo after the user uses the personal electric motor 10 (PM, 10). , when the user wants to end the use, the user can apply for return to the personal electric motor 10 management server 100 by using the user terminal 20, which is a mobile communication terminal 20 such as a smart phone or a mobile phone.

이를 위해, 도 1에 도시된 바와 같이, 사용자는 사용이 종료된 개인용 전동기(10)의 반납 상태를 사용자 단말기(20)기로 촬영한 이후, 이를 인터넷 통신망을 통하여, 개인용 전동기(10) 관리 서버(100)로 업로드할 수 있다.To this end, as shown in FIG. 1, the user takes a picture of the return state of the personal electric motor 10, which has been used, with the user terminal 20, and then, through the Internet communication network, the personal electric motor 10 management server ( 100) can be uploaded.

개인용 전동기(10) 관리 서버(100)는 AI 사진 분석 모듈(110)을 포함할 수 있으며, AI 사진 분석 모듈(110)이 업로드된 사진을 분석하고, 분석된 결괄를 기반으로, 사용자의 반납에 대해 승인 또는 거절을 결정할 수 있다.The personal electric motor 10 management server 100 may include an AI photo analysis module 110, and the AI photo analysis module 110 analyzes the uploaded photo, and based on the analyzed collation, to the user's return You can decide to approve or reject it.

이와 같이, 본 발명의 일례에 따른 AI 사진 분석 모듈(110)을 포함하는 서버(100)가 사진을 분석하는 방법은 개인용 전동기(10)의 올바른 반납을 유도함으로써, 개인용 전동기(10)에 대한 관리를 보다 효율적으로 운영하도록 할 수 있다.As such, the server 100 including the AI photo analysis module 110 according to an example of the present invention analyzes the photo by inducing the correct return of the personal electric motor 10, thereby managing the personal electric motor 10 can be operated more efficiently.

이하에서는 AI 사진 분석을 통하여, 반납의 승인 또는 거절을 결정하는 AI 사진 분석 모듈(110)을 포함하는 서버(100)에 대해 설명하고, AI 사진 분석 모듈(110)을 포함하는 서버(100)가 동작하는 방법의 일례에 대해 설명한다.Hereinafter, the server 100 including the AI photo analysis module 110 that determines approval or rejection of return through AI photo analysis will be described, and the server 100 including the AI photo analysis module 110 is An example of how it works will be described.

도 2는 본 발명의 일례에서, AI 사진 분석 모듈(110)을 포함하는 서버(100)를 설명하기 위한 도이다.2 is a diagram for explaining the server 100 including the AI photo analysis module 110 in an example of the present invention.

도 2에 도시된 바와 같이, 본 발명의 일례에 따른 개인용 전동기(10) 관리 서버(100)는 AI 사진 분석 모듈(110)을 포함할 수 있으며, 미리 정해진 지물의 이미지를 포함하는 데이터 베이스부(120)와 연동되어 데이터 베이스부(120)에 접근이 가능하다.As shown in FIG. 2, the personal electric motor 10 management server 100 according to an example of the present invention may include an AI photo analysis module 110, and a database unit including an image of a predetermined feature ( 120) and access to the database unit 120 is possible.

도 2에서는 서버(100)가 미리 정해진 지물의 이미지를 포함하는 데이터 베이스부(120)를 포함하지 않는 경우를 일례로 도시하였으나, 이는 일례로, 본 발명이 반드시 이에 한정되는 것은 아니고, 본 발명에 따른 서버(100)는 도 2에 도시된 바와 다르게, 미리 정해진 지물의 이미지를 포함하는 데이터베이스를 포함할 수도 있다.In FIG. 2, a case in which the server 100 does not include the database unit 120 including the image of a predetermined feature is shown as an example, but this is an example, and the present invention is not necessarily limited thereto, and the present invention is not limited thereto. The server 100 may include a database including a predetermined image of a feature, unlike that shown in FIG. 2 .

데이터 베이스부(120)에는 개인용 전동기(10)의 반납 상태를 분석하기 위해, 많은 양의 비교용 빅데이터 사진 데이터가 저장되어 있으며, 서버(100)의 요청에 따라 사진을 분석할 때, 빅데이터 사진 데이터가 서버(100)로 전송될 수 있다.In order to analyze the return state of the personal electric motor 10 in the database unit 120 , a large amount of big data for comparison photo data is stored, and when analyzing the photo according to the request of the server 100 , the big data Photo data may be transmitted to the server 100 .

AI 사진 분석 모듈(110)은 사진 수신 모듈(111), 오브젝트 추출 모듈(112), 주변 환경 분석 모듈(113), 반납 여부 결정 모듈(114) 및 AI 고도화 모듈(115)을 포함할 수 있다.The AI photo analysis module 110 may include a photo reception module 111 , an object extraction module 112 , a surrounding environment analysis module 113 , a return or not determination module 114 , and an AI advancement module 115 .

여기서, 사진 수신 모듈(111)은 사용자가 사용이 종료된 개인용 전동기(10)를 반납하기 위해, 이동 통신 단말기(20)로 촬영한 개인용 전동기(10)에 대한 사진을 업로드 받을 수 있다.Here, the photo receiving module 111 may receive an upload of a photo of the personal electric motor 10 taken by the mobile communication terminal 20 in order for the user to return the personal electric motor 10 that has been used.

오브젝트 추출 모듈(112)은 업로드된 사진으로부터 개인용 전동기(10)에 대한 오브젝트를 추출하여, 개인용 전동기(10)에 대한 이미지와, 개인용 전동기(10)가 위치한 배경에 대한 이미지를 분리할 수 있다.The object extraction module 112 may extract an object for the personal electric motor 10 from the uploaded photo, and separate an image of the personal electric motor 10 and an image of a background in which the personal electric motor 10 is located.

오브젝트 추출 모듈(112)이 오브젝트를 추출할 때, 일례로, 오브젝트는 업로드된 사진으로부터 개인용 전동기(10)에 대한 특징점을 추출하는 방식으로 추출될 수 있다. When the object extraction module 112 extracts the object, for example, the object may be extracted in a manner of extracting feature points for the personal electric motor 10 from the uploaded photo.

이와 같이, 오브젝트 추출 모듈(112)에 의해 오브젝트가 추출된 이후, AI 사진 분석 모듈(110)은 개인용 전동기(10)에 대한 이미지와, 개인용 전동기(10)가 위치한 배경에 대한 이미지를 분리하여 분석할 수 있다.In this way, after the object is extracted by the object extraction module 112, the AI photo analysis module 110 separates and analyzes the image for the personal electric motor 10 and the image for the background in which the personal electric motor 10 is located. can do.

주변 환경 분석 모듈(113)은 오브젝트를 추출한 이후, 오브젝트와 배경을 분리하여 인식하고, 사진을 분석하여, 오브젝트가 위치한 환경을 분석할 수 있다.After extracting the object, the surrounding environment analysis module 113 may separate and recognize the object and the background, analyze the photo, and analyze the environment in which the object is located.

여기서, 개인용 전동기(10)가 위치한 배경이나 환경에 대한 분석은 배경이나 환경에 표시되는 각 부분(예를 들어, 지면, 벽면, 도로 등)에 대해, 데이터 베이스부(120)에 이미 저장된 많은 양의 사진 데이터와 비교하여, 유사성의 정도에 대한 값을 산출하고, 산출된 값으로부터 배경이나 환경에 표시되는 각 부분의 유사도를 판단하여, 개인용 전동기(10)가 어디에 위치하는지 또는 개인용 전동기(10)의 상태는 어떠한지(예를 들어, 넘어진 상태인지, 세워진 상태인지) 분석할 수 있다.Here, the analysis of the background or environment in which the personal electric motor 10 is located is a large amount already stored in the database unit 120 for each part (eg, ground, wall, road, etc.) displayed in the background or environment. By comparing with the photographic data of , calculating a value for the degree of similarity, and judging the similarity of each part displayed in the background or environment from the calculated value, where the personal electric motor 10 is located or the personal electric motor 10 It is possible to analyze what the state of the body is (for example, whether it is a fallen state or an upright state).

반납 여부 결정 모듈(114)은 사진을 분석한 결과를 기반으로 사용자의 개인용 전동기(10) 반납에 대한 승인 또는 거절을 결정할 수 있다. 즉, 반납 여부 결정 모듈(114)은 주변 환경 분석 모듈(113)에서 분석된 결과에 기반하여, 개인용 전동기(10)의 반납 장소가 올바른지 아닌지 여부를 판별하여, 반납에 대한 승인 또는 거절을 결정할 수 있다.The return or not determination module 114 may determine approval or rejection of the user's return of the personal electric motor 10 based on the analysis result of the photo. That is, the return or not determination module 114 determines whether or not the return location of the personal electric motor 10 is correct based on the analysis result in the surrounding environment analysis module 113, and determines whether to approve or reject the return. have.

일례로, 반납 여부 결정 모듈(114)은 오브젝트가 위치한 장소에 대한 적절성 여부 및 오브젝트의 자세에 대한 적절성 여부 등을 고려하여, 미리 정해진 임계값을 넘어서는 경우 반납을 승인할 수 있으며, 임계값을 넘어서지 못하는 경우 거절을 결정할 수 있다.As an example, the return or not determination module 114 may approve the return when it exceeds a predetermined threshold value in consideration of whether the object is appropriate for the place where the object is located and whether it is appropriate for the posture of the object, and does not exceed the threshold. If not, you can decide to decline.

AI 고도화 모듈(115)은 사용자가 업로드한 사진에 대한 분석이 종료된 이후, 사진 분석에 대한 결과를 라벨링하여, 서버(100)와 연결되는 데이터 베이스부(120)에 업로드할 수 있고, 차후의 개인용 전동기(10) 반납 여부를 결정할 때, 분석된 사진이 비교 데이터로 이용되도록 할 수 있다. The AI advancement module 115 may label the result of the photo analysis after the analysis of the photo uploaded by the user is finished, and upload it to the database unit 120 connected to the server 100, and When determining whether to return the personal electric motor 10, the analyzed photo may be used as comparison data.

이에 따라, AI 사진 분석 모듈(110)을 포함하는 서버(100)가 개인용 전동기(10)에 대한 주변 환경을 분석하는 횟수가 증가할수록, AI 사진 분석 모듈(110)의 정확도가 보다 고도화되도록 할 수 있다.Accordingly, as the number of times that the server 100 including the AI photo analysis module 110 analyzes the surrounding environment for the personal electric motor 10 increases, the accuracy of the AI photo analysis module 110 can be more advanced. have.

이하에서는, AI 사진 분석 모듈(110)을 포함하는 서버(100)가 동작하는 방법의 일례에 대해 설명한다.Hereinafter, an example of how the server 100 including the AI photo analysis module 110 operates will be described.

도 3은 본 발명의 일례에 따른 AI 사진 분석 모듈(110)을 포함하는 서버(100)가 동작하는 방법의 일례를 보다 구체적으로 설명하기 위한 도이고, 도 4는 도 3의 각 단계를 보다 구체적으로 설명하기 위한 도이다.3 is a diagram for explaining in more detail an example of how the server 100 including the AI photo analysis module 110 according to an example of the present invention operates, and FIG. 4 is a more detailed view of each step of FIG. It is a diagram to explain.

AI 사진 분석 모듈(110)을 포함하는 서버(100)가 사진을 분석하는 방법은 반납 요청 단계(S110), 가이드 라인 제공 단계(S120), 사진 업로드 단계(S130), 사진 분석 단계(S140), 반납 승인 여부 판단 단계(S150) 및 AI 고도화 단계(S160)를 포함할 수 있다.The method for the server 100 including the AI photo analysis module 110 to analyze the photo is a return request step (S110), a guideline providing step (S120), a photo upload step (S130), a photo analysis step (S140), It may include a return approval determination step (S150) and an AI advancement step (S160).

여기서, 반납 요청 단계(S110), 가이드 라인 제공 단계(S120) 및 AI 고도화 단계(S160)는 경우에 따라 생략되는 것도 가능하다. 그러나, 편의상 도시된 바와 같이 구비된 경우를 일례로 설명한다.Here, the return request step (S110), the guideline providing step (S120), and the AI advancement step (S160) may be omitted in some cases. However, for convenience, the case provided as shown will be described as an example.

반납 요청 단계(S110)는 사용자의 이동 통신 단말기(20)에 사전에 미리 설치되어, 개인용 전동기(10) 관리 서버(100)와 연동되는 애플리케이션(APP)에서, 반납 요청 버튼을 클릭하여 시작될 수 있다.The return request step (S110) may be started by clicking the return request button in the application (APP) that is pre-installed in the user's mobile communication terminal 20 and interlocked with the personal electric motor 10 management server 100 . .

사용자가 사용자 단말기(20)를 통하여, 반납 요청 버튼을 클릭하면, 단말기(20)는 인터넷 통신망을 통하여, 서버(100)에 반납 요청 정보를 전송할 수 있다.When the user clicks a return request button through the user terminal 20 , the terminal 20 may transmit return request information to the server 100 through the Internet communication network.

만약, 개인용 전동기(10)에 위치 감지 센서가 구비된 경우, 서버(100)는 반납 요청 정보를 수신한 후, 개인용 전동기(10)의 위치를 확인할 수 있다. 그러나, 개인용 전동기(10)에 위치 감지 센서가 구비되지 않은 경우, 서버(100)는 반납 정보를 수신할 때, 사용자 단말기(20)의 위치 정보를 함께 수신하여, 개인용 전동기(10)의 위치를 확인할 수 있다. If the personal electric motor 10 is provided with a position detection sensor, the server 100 may check the position of the personal electric motor 10 after receiving the return request information. However, when the personal electric motor 10 is not provided with a position detection sensor, the server 100 receives the location information of the user terminal 20 together when receiving return information, and determines the location of the personal electric motor 10 . can be checked

이와 같이, 반납 요청 단계(S110)가 수행된 이후, 가이드 라인 제공 단계(S120)가 수행될 수 있다.In this way, after the return request step S110 is performed, the guide line providing step S120 may be performed.

가이드 라인 제공 단계(S120)에서는 서버(100)의 AI 사진 분석 모듈(110)이 사용자 단말기(20)로 도 4의 (a)에 도시된 바와 같이, 개인용 전동기(10)를 촬영하기 위한 가이드 라인(GL)을 제공할 수 있다.In the guide line providing step (S120), the AI photo analysis module 110 of the server 100 is the user terminal 20 as shown in FIG. (GL) can be provided.

이와 같은 가이드 라인(GL)에 따라, 사용자가 개인용 전동기(10)를 촬영한 이후, 촬영된 사진을 서버(100)로 업로드할 수 있다.According to such a guideline GL, after the user takes a picture of the personal electric motor 10 , the photographed picture may be uploaded to the server 100 .

사진 업로드 단계(S130)에서는 사진 수신 모듈(111)이 사용자 단말기(20)로부터 전송되는 사진을 수신할 수 있다.In the photo uploading step ( S130 ), the photo receiving module 111 may receive a photo transmitted from the user terminal 20 .

사진 분석 단계(S140)에서는 AI 사진 분석 모듈(110)의 오브젝트 추출 모듈(112) 및 주변 환경 분석 모듈(113)이 사진을 분석할 수 있다.In the photo analysis step S140 , the object extraction module 112 and the surrounding environment analysis module 113 of the AI photo analysis module 110 may analyze the photo.

이와 같은 사진 분석 단계(S140)는 AI 사진 분석 모듈이 사진을 분석하기 위해, PM 오브젝트 추출 단계(S141) 및 PM 주변 환경 분석 단계(S143)를 포함할 수 있다.The photo analysis step (S140) may include a PM object extraction step (S141) and a PM surrounding environment analysis step (S143) so that the AI photo analysis module analyzes the photo.

PM 오브젝트 추출 단계(S141)에서는 개인용 전동기(10)의 반납 상태를 확인하기 위하여, 오브젝트 추출 모듈(112)이 개인용 전동기(10)에 대한 이미지인 오브젝트를 추출하여, 도 4의 (b)에 도시된 바와 같이, 사진에서 정해진 오브젝트와 오브젝트의 주변 환경을 구분할 수 있다.In the PM object extraction step (S141), in order to check the return state of the personal electric motor 10, the object extraction module 112 extracts an object that is an image of the personal electric motor 10, and is shown in FIG. As described above, it is possible to distinguish an object determined in the photo and the surrounding environment of the object.

PM 주변 환경 분석 단계(S143)에서는 도 4의 (c)에 도시된 바와 같이, 오브젝트와 오브젝트의 주변 환경을 분석하여, 개인용 전동기(10)의 반납 상태를 확인할 수 있다. In the PM surrounding environment analysis step ( S143 ), as shown in FIG. 4C , the return state of the personal electric motor 10 may be checked by analyzing the object and the surrounding environment of the object.

이를 위해, PM 주변 환경 분석 단계(S143)에서는 반납되는 개인용 전동기(10)의 주변 환경이 실내인지, 실외인지 판단하고, 주변 환경에서 미리 정해진 지물을 감지할 수 있다.To this end, in the PM surrounding environment analysis step S143, it is determined whether the surrounding environment of the returned personal electric motor 10 is indoors or outdoors, and a predetermined feature in the surrounding environment can be detected.

이와 같은 PM 주변 환경 분석 단계(S143)에서는 오브젝트와 오브젝트의 주변 환경을 분석하기 위해, 오브젝트 이미지와 오브젝트의 주변 환경 이미지를 데이터 베이스부(120)에 사전에 저장된 많은 양의 빅데이터 사진 데이터와 비교하여, 유사도를 판단할 수 있다.In the PM surrounding environment analysis step ( S143 ), in order to analyze the object and the surrounding environment of the object, the object image and the surrounding environment image of the object are compared with a large amount of big data photo data stored in advance in the database unit 120 . Thus, the degree of similarity can be determined.

이와 같은 유사도 판단은 오브젝트의 주변 환경 이미지의 각 부분에 대해, 사진 데이터의 각 부분을 구분하여 수행될 수 있다.Such similarity determination may be performed by dividing each part of the photo data with respect to each part of the image of the surrounding environment of the object.

일례로, 도 4의 (c)에 도시된 바와 같이, 개인용 전동기(10)의 주변 지물을 검출하여, 개인용 전동기(10)가 실내에 위치하는지, 주변 지물은 무엇이 있는지(예를 들어, 도로 위인지, 보도 위인지, 근처에 벽이 있는지, 나무가 있는지) 등을 주변 환경 이미지의 각 부분에 대해 유사도를 판단하여, 개인용 전동기(10)가 구체적으로 어떤 장소에 위치하는지 분석할 수 있다.For example, as shown in (c) of Figure 4, by detecting the surrounding features of the personal electric motor 10, whether the personal electric motor 10 is located indoors, what are the surrounding features (for example, on the road It is possible to analyze the specific location of the personal electric motor 10 by judging the similarity of each part of the surrounding environment image, such as whether it is on the sidewalk, whether there is a wall nearby, or a tree).

아울러, AI 사진 분석 모듈(110)은 업로드된 사진의 오브젝트 이미지 또는 개인용 전동기(10)에 구비된 자이로 센서로부터 수신된 정보를 확인하여, 반납 요청 당시 개인용 전동기(10)가 세워져 있는지, 넘어져 있는지 등을 확인할 수 있다.In addition, the AI photo analysis module 110 checks the information received from the object image of the uploaded photo or the gyro sensor provided in the personal electric motor 10, and whether the personal electric motor 10 is upright or overturned at the time of the return request, etc. can confirm.

이와 같이, PM 주변 환경 분석 단계(S143)에 대해서는 도 5 이하에서 보다 구체적으로 설명한다. As such, the PM surrounding environment analysis step ( S143 ) will be described in more detail below with reference to FIG. 5 .

이와 같이, PM 주변 환경 분석 단계(S143)가 수행된 이후, 반납 승인 여부 판단 단계(S150)에서는 사진 분석 단계(S140)의 결과를 기반으로 반납 여부 결정 모듈(114)이 사용자의 반납 요청에 대해 승인 또는 거절을 결정을 할 수 있다.In this way, after the PM surrounding environment analysis step (S143) is performed, in the return approval determination step (S150), based on the result of the photo analysis step (S140), the return determination module 114 responds to the user's return request. You can decide to approve or reject.

즉, 사진 분석 단계(S140)의 결과, 개인용 전동기(10)가 적절한 장소에 위치했는지, 개인용 전동기(10)의 상태는 제대로 세워져 있는지 등을 판단하여, 판단된 값이 임계값을 넘어서는 사용자의 반납 요청에 대해 승인하고, 임계값에 미치지 못하는 경우 거절을 결정할 수 있다.That is, as a result of the photo analysis step (S140), it is determined whether the personal electric motor 10 is located in an appropriate place, the state of the personal electric motor 10 is properly erected, etc., and the determined value exceeds the threshold value. Return of the user It can approve the request, and decide to reject it if the threshold is not reached.

AI 고도화 단계(S160)에서는 AI 고도화 모듈(115)이 업로드된 사진에 대해, 사진 분석 단계(S140)의 결과값을 라벨링하여, 데이터 베이스부(120)에 업로드할 수 있다. 이와 같이 데이터 베이스부(120)에 업로드된 사진은 추후, 다른 반납 요청이 서버(100)로 입력되었을 때, 사진 분석 단계(S140)의 사진 데이터 자료로 활용될 수 있다.In the AI upgrading step ( S160 ), the AI upgrading module 115 may label the uploaded photo with the result value of the photo analysis step ( S140 ) and upload it to the database unit 120 . The photo uploaded to the database unit 120 as described above may be used as photo data data of the photo analysis step ( S140 ) when another return request is input to the server 100 .

이하에서는 주변 환경 분석 모듈(113)이 PM 주변 환경 분석 단계(S143)를 수행하는 보다 구체적인 예들에 대해 설명한다.Hereinafter, more specific examples in which the surrounding environment analysis module 113 performs the PM surrounding environment analysis step S143 will be described.

도 5는 도 4에서 PM 주변 환경 분석 방법을 보다 구체적으로 설명하기 위한 도이고, 도 6 내지 도 14는 도 5에 도시된 PM 주변 환경 분석 방법의 구체적 일례를 설명하기 위한 도이다.FIG. 5 is a diagram for explaining in more detail the method for analyzing the PM surrounding environment in FIG. 4 , and FIGS. 6 to 14 are diagrams for explaining a specific example of the method for analyzing the PM surrounding environment shown in FIG. 5 .

도 5에 도시된 바와 같이, PM 주변 환경 분석 단계(S143)는 반납 요청된 개인용 전동기(10)가 적절하게 반납될 수 있는 상태인지를 분석하기 위하여, 실내 여부 판단 단계(143a), 주변 지물 검출 단계(143b), 지면 종류 판별 단계(143c), 통행 불편 여부 판별 단계(143d), 진출입로 판별 단계(143e), 횡단 보도 판별 단계(143f) 및 PM 상태 판별 단계(143G)를 수행할 수 있다.As shown in FIG. 5 , in the PM surrounding environment analysis step (S143), in order to analyze whether the return-requested personal electric motor 10 is in a state in which it can be properly returned, the indoor determination step (143a), surrounding features detection Step 143b, the ground type determination step 143c, the passage inconvenient determination step 143d, the entry/exit route determination step 143e, the crosswalk determination step 143f, and the PM state determination step 143G may be performed. .

PM 주변 환경 분석 단계(S143)가 전술한 모든 단계를 반드시 포함하는 것은 아니나, 적어도 실내 여부 판단 단계(143a) 및 주변 지물 검출 단계(143b)는 필수적으로 포함될 수 있다. 이하에서는 설명의 편의상 PM 주변 환경 분석 단계(S143)가 전술한 모든 단계를 포함하는 경우를 일례로 설명한다.Although the PM surrounding environment analysis step ( S143 ) does not necessarily include all the steps described above, at least the indoor or not determining step ( 143a ) and the surrounding feature detection step ( 143b ) may be essentially included. Hereinafter, for convenience of description, a case in which the PM surrounding environment analysis step S143 includes all the above-described steps will be described as an example.

실내 여부 판단 단계(143a)에서는 반납되는 개인용 전동기(10)의 주변 환경이 실내인지, 실외인지 판단할 수 있다.In the indoor or not determining step 143a, it may be determined whether the surrounding environment of the returned personal electric motor 10 is indoors or outdoors.

이를 위해, 일례로, 개인용 전동기(10)의 특정 위치를 파악하여, 빅데이터 사진 자료가 저장된 데이터 베이스부(120)로부터 특정 위치에 대한 사진 데이터를 선택적으로 제공받아, 해당 위치에 주변 환경을 분석할 수 있다.To this end, for example, by identifying a specific location of the personal electric motor 10, and selectively receiving photo data for a specific location from the database unit 120 in which big data photo data is stored, the surrounding environment is analyzed at the location. can do.

개인용 전동기(10)의 주변 환경이 실내인지 여부를 판별하기 위해 이미 저장된 실내용 빅데이터 사진 데이터와 비교하고, 유사도를 판단하여 실내인지 여부를 분석할 수 있다.In order to determine whether the surrounding environment of the personal electric motor 10 is indoors, it is possible to analyze whether it is indoors by comparing it with already stored indoor big data photo data, and determining the degree of similarity.

일례로, 반납을 위해 도 6의 (a)와 같은 사진이 업로드된 경우, 서버(100)는 데이터 베이스로부터 도 6의 (b)와 같은 빅데이터 사진 데이터를 제공받아, 업로드된 사진과 빅데이터 사진을 상호 비교하여 유사도를 판단하여, 유사도 값이 미리 결정된 임계값 이상으로 나올 경우, 실내로 판단할 수 있다.For example, when a photo as shown in (a) of FIG. 6 is uploaded for return, the server 100 receives the big data photo data as shown in (b) of FIG. 6 from the database, and receives the uploaded photo and big data The photos are compared to each other to determine the similarity, and when the similarity value is greater than or equal to a predetermined threshold value, it can be determined to be indoors.

만약, 실내 여부 판단 단계(143a)에서 실내가 아닌 실외인 것으로 판별된 경우, 실외에 대한 기존의 빅데이터 사진과 비교하거나, 예를 들어, 주변의 건물, 차도, 또는 벽의 위치, 출입문, 상점, 조도 등을 분석하여, 주변 지물 검출 단계(143b)를 수행할 수 있다.If, in the indoor or not determining step 143a, it is determined that the outdoor is not indoors, it is compared with the existing big data photos for the outdoors, or, for example, the location of a nearby building, driveway, or wall, an entrance door, a store , illuminance, etc. may be analyzed to perform the detection of surrounding features (143b).

그러나, 실내 여부 판단 단계(143a)에서, 도 6의 (a)와 같이, 개인용 전동기(10)에 대한 오브젝트가 실내에 위치하는 것으로 판별된 경우, 승인 또는 거절을 결정하는 단계에서는 서버(100)가 사용자의 반납 요청을 거절로 결정할 수 있다.However, in the indoor determination step 143a, when it is determined that the object for the personal electric motor 10 is located indoors, as shown in FIG. 6 (a), in the step of determining approval or rejection, the server 100 may decide to reject the user's return request.

실내 여부 판단 단계(143a)에서, 실외로 판단된 경우, 주변 지물 검출 단계(143b)가 수행될 수 있다.In the indoor or not determining step (143a), when it is determined to be outdoors, the surrounding feature detection step (143b) may be performed.

주변 지물 검출 단계(143b)에서는 주변 환경에서 미리 정해진 지물을 감지할 수 있다.In the surrounding feature detection step 143b, a predetermined feature may be detected in the surrounding environment.

이와 같이, 지물을 감지하는 단계는, 주변 환경과 데이터베이스를 비교하여 주변 환경의 특정 부분이 미리 정해진 지물과 일치하는 정도를 산출할 수 있다. In this way, in the detecting of the feature, the degree to which a specific part of the surrounding environment matches the predetermined feature may be calculated by comparing the surrounding environment with the database.

여기서, 미리 정해진 지물은 벽, 거치대, 울타리, 도로 경계선 및 출입구 중 적어도 하나를 포함할 수 있다.Here, the predetermined feature may include at least one of a wall, a cradle, a fence, a road boundary, and an entrance.

일례로, 도 7의 (a)와 같이, 개인용 전동기(10)가 벽을 마주 보고 있는 사진이 업로드된 경우, 서버(100)는 데이터 베이스부(120)로부터 제공받은 빅데이터 사진들과 비교하여, 도 7의 (b)와 같이, 벽을 마주 보고 있는 빅데이터 사진과의 유사도가 높은 것으로 판단하여, 주변 환경을 분석하고, 반납 여부 결정 모듈(114)은 분석된 결과 올바른 반납이라고 판단하여 반납을 승인할 수 있다.For example, as shown in (a) of FIG. 7 , when a photo of the personal electric motor 10 facing the wall is uploaded, the server 100 compares it with the big data photos provided from the database unit 120 . , as shown in (b) of FIG. 7, it is determined that the similarity with the big data photo facing the wall is high, and the surrounding environment is analyzed, and the return decision module 114 determines that the return is correct as a result of the analysis and returns it can approve.

이외에 도 8의 (a)와 같이, 개인용 전동기(10)가 거치대에 거치되어 있는 사진이 서버(100)로 업로드된 경우, 서버(100)는 데이터 베이스부(120)로부터 제공받은 빅데이터 사진들과 비교하여, 도 8의 (b)와 같이, 거치대에 거치되어 있는 빅데이터 사진과의 유사도가 높은 것으로 판단하여, 주변 환경을 분석하고, 반납 여부 결정 모듈(114)은 분석된 결과 올바른 반납이라고 판단하여 반납을 승인할 수 있다.In addition, as shown in (a) of FIG. 8 , when a photo in which the personal electric motor 10 is mounted on the cradle is uploaded to the server 100 , the server 100 receives the big data photos provided from the database unit 120 . In comparison with FIG. 8(b), it is determined that the similarity with the big data photo mounted on the cradle is high, and the surrounding environment is analyzed, and the return decision module 114 says that the returned or not is correct as a result of the analysis. You may decide to approve the return.

또한, 주변 지물 검출 단계(143b)에서는 주변 환경 분석 모듈(113)은 반납 요청된 개인용 전동기(10)가 주변에 다른 개인용 전동기(10)와 함께 거치되어 있는지, 주변에 울타리가 있는지, 도로 경계석과의 거리는 어느 정도인지, 출입구 근처에 있는지, 등도 함께 분석할 수 있다.In addition, in the surrounding feature detection step 143b, the surrounding environment analysis module 113 determines whether the personal motor 10 requested to be returned is mounted with other personal motors 10 in the vicinity, whether there is a fence around it, the road boundary stone and It is also possible to analyze what the distance is, whether it is near the entrance, etc.

지면 종류 판별 단계(143c)에서는 오브젝트가 위치하는 지면을 감지하여, 오브젝트가 위치하는 지면의 종류를 감지할 수 있다. 여기서, 지면의 종류를 감지할 때, 지면의 형태, 위치, 폭, 색상 등에 기반하여 감지할 수 있다. In the ground type determination step 143c, the ground on which the object is located may be detected, and the type of the ground on which the object is located may be detected. Here, when detecting the type of the ground, it may be detected based on the shape, position, width, color, etc. of the ground.

즉, 지면의 형태, 위치, 폭 색상 등을 판별하여 지면이, 인도인지, 차도인지, 공원인지 등을 분석할 수 있다. 이를 위해, 서버(100)는 지면에 관한 빅 데이터 사진을 제공받아, PM 오브젝트 추출 단계(S141)에서 추출된 개인용 전동기(10)의 바퀴에 대한 특징점으로부터 바퀴에 맞닿아 있는 지면의 종류를 판단하고, 지면의 종류와 비슷한 데이터의 일치 정도를 판단하여 지면의 종류를 판단하여, 지면이 인도인지, 차도인지, 공원인지 등을 분석할 수 있다.That is, it is possible to analyze whether the ground is a sidewalk, a driveway, a park, etc. by determining the shape, location, width and color of the ground. To this end, the server 100 receives a big data picture of the ground, and determines the type of ground in contact with the wheel from the characteristic point for the wheel of the personal electric motor 10 extracted in the PM object extraction step (S141), and , it is possible to analyze whether the ground is a sidewalk, a driveway, a park, etc. by determining the degree of matching of similar data with the type of the ground.

예를 들어, 도 9의 (a)와 같은 사진이 업로드된 경우, 데이터 베이스부(120)로부터 도 9의 (b)에 도시된 바와 같은 빅데이터 사진을 제공받아, 유사도를 판단하여, 개인용 전동기(10)가 도로와 인도 사이의 경계석 근처에 있음을 분석할 수 있고, 반납 여부 결정 모듈(114)은 도로 경계석과 개인용 전동기(10) 사이의 거리를 분석하여, 거리가 충분히 이격된 경우, 사용자의 반납 요청을 승인할 수 있다.For example, when a picture as shown in (a) of FIG. 9 is uploaded, a big data picture as shown in FIG. 9 (b) is provided from the database unit 120, the degree of similarity is determined, and the personal electric motor It can be analyzed that (10) is near the boundary stone between the road and the sidewalk, and the return or not determination module 114 analyzes the distance between the road boundary stone and the personal electric motor 10, and when the distance is sufficiently spaced apart, the user may approve the return request.

또한, 도 10의 (a)와 같은 사진이 업로드된 경우, 서버(100)는 실내 여부 판단 단계(143a), 주변 지물 검출 단계(143b)와 지면 종류 판별 단계(143c)를 통해, 도 9의 (b)에 도시된 바와 같은 빅데이터 사진들과 유사하게, 개인용 전동기(10)가 도로와 인접하여 울타리가 있는 인도 상에 위치하고 있는 것을 분석하여, 사용자의 반납 요청을 승인할 수 있다.In addition, when a picture as shown in (a) of FIG. 10 is uploaded, the server 100 performs the indoor determination step 143a, the surrounding feature detection step 143b and the ground type determination step 143c, in Similar to the big data photos as shown in (b), it is possible to approve the user's return request by analyzing that the personal electric motor 10 is located on a fenced sidewalk adjacent to the road.

또한, 도 11의 (a)와 같은 사진이 업로드된 경우, 서버(100)는 실내 여부 판단 단계(143a), 주변 지물 검출 단계(143b)와 지면 종류 판별 단계(143c)를 통해, 도 11의 (b)에 도시된 바와 같은 빅데이터 사진들과 유사하게, 개인용 전동기(10)가 공원과 인접한 인도 상에 위치하고 있는 것을 분석하여, 사용자의 반납 요청을 승인할 수 있다.In addition, when a photo as in (a) of FIG. 11 is uploaded, the server 100 performs the indoor or not determination step 143a, the surrounding feature detection step 143b and the ground type determination step 143c, in Similar to the big data photos as shown in (b), it is possible to approve the return request of the user by analyzing that the personal electric motor 10 is located on the sidewalk adjacent to the park.

통행 불편 여부 판별 단계(143d)에서는 오브젝트가 일 종류의 지면에서 차지하고 있는 비율을 산출하고, 반납 승인 여부 판단 단계(S150)에서, 산출된 비율이 미리 정해진 레벨을 초과하는 경우, 서버(100)가 사용자의 반납 요청을 거절로 결정할 수 있다. In the step of determining whether or not the passage is inconvenient (143d), the ratio that the object occupies on one type of ground is calculated, and in the return approval determination step (S150), when the calculated ratio exceeds a predetermined level, the server 100 It may be decided to reject the user's return request.

일례로, 도 12와 같은 사진이 업로드된 경우, 서버(100)는 실내 여부 판단 단계(143a), 주변 지물 검출 단계(143b)와 지면 종류 판별 단계(143c)를 통해, 개인용 전동기(10)가 도로와 인접한 인도상에 위치하는 것으로 분석할 수 있고, 인도폭(D2)과 개인용 전동기(10)가 인도를 가로막고 있는 점유폭(D1)을 분석할 수 있다.For example, when a picture as shown in FIG. 12 is uploaded, the server 100 determines whether indoors or not (143a), detects surrounding features (143b), and determines the type of ground (143c) through the personal electric motor (10) It can be analyzed as being located on the sidewalk adjacent to the road, and the sidewalk width (D2) and the occupancy width (D1) where the personal electric motor 10 is blocking the sidewalk can be analyzed.

이후, 반납 승인 여부 판단 단계(S150)에서, 인도폭(D2)에 대한 개인용 전동기(10)의 점유폭(D1)의 점유 비율이 미리 정해진 레벨을 초과하는 경우(예를 들어, 50%를 초과하는 경우), 서버(100)가 사용자의 반납 요청을 거절로 결정할 수 있다. Then, in the return approval determination step (S150), when the occupation ratio of the occupation width (D1) of the personal electric motor 10 to the delivery width (D2) exceeds a predetermined level (for example, exceeding 50%) ), the server 100 may determine to reject the user's return request.

진출입로 판별 단계(143e)에서는 개인용 전동기(10)가 진출입로에 위치하는지를 분석하고, 반납 승인 여부 판단 단계(S150)에서, 오브젝트가 진출입로에 위치하는 것으로 판별된 경우, 서버(100)는 사용자의 반납 요청을 거절로 결정할 수 있다.일례로, 도 13의 (a)와 같은 사진이 업로드된 경우, 서버(100)는 도 13의 (b)와 같은 빅데이터 사진을 비교하여 유사도를 판단하고, 판단 결과 개인용 전동기(10)가 진출입로에 위치한 것으로 분석된 경우, 반납 승인 여부 판단 단계(S150)에서 서버(100)는 사용자의 반납 요청을 거절할 수 있다. In the entry/exit path determination step 143e, it is analyzed whether the personal electric motor 10 is located in the entry/exit path, and in the return approval determination step (S150), if it is determined that the object is located in the entrance/exit path, the server 100 is the user may decide to reject the return request. For example, when a photo as shown in (a) of FIG. 13 is uploaded, the server 100 compares the big data photo as shown in (b) of FIG. 13 to determine the degree of similarity and , when it is analyzed that the personal electric motor 10 is located in the entrance/exit road as a result of the determination, the server 100 may reject the user's return request in the return approval determination step ( S150 ).

보다 구체적으로, 진출입로 판별 단계(143e)에서는 개인용 전동기(10)가 진출입로에 위치하는지를 분석할 때, 개인용 전동기가 위치한 진출입로의 종류를 판단할 수 있다.More specifically, when analyzing whether or not the personal electric motor 10 is located in the entrance/exit path determination step 143e, the type of the entrance/exit path in which the personal electric motor is located may be determined.

여기서, 진출입로의 종류는 건물 주차장의 진출입로, 건물 출입구의 진출입로 또는 건물 엘리베이터나 에스컬레이터의 진출입로 중 적어도 하나일 수 있다.Here, the type of entry/exit path may be at least one of an entrance/exit path of a building parking lot, an entrance/exit path of a building entrance, or an entrance/exit path of a building elevator or escalator.

반납 승인 여부 판단 단계(S150)에서, 진출입로의 종류에 따라 서로 다른 판단 기준을 적용하여, 사용자의 반납 요청을 승인 또는 거절할 수 있다.In the return approval determination step ( S150 ), different determination criteria may be applied according to the type of entry/exit path, and the user's return request may be approved or rejected.

예를 들어, 진출입로가 자동차가 주로 통행하는 건물 주차장의 진출입로인 경우, 건물 주차장의 진출입로 한 가운데 통로, 가장 자리 또는 주변에 오브젝트가 위치한 경우, 반납 승인 여부 판단 단계(S150)에서는 판단 기준을 보다 엄격하게 적용하여, 건물 주차장의 주변에 위치하더라도, 사용자의 반납 요청을 거절할 수 있다. 그러나, 진출입로가 사람이 주로 통행하는 건물 출입구, 건물 엘리베이터나 에스컬레이터의 진출입로인 경우, 반납 승인 여부 판단 단계(S150)에서, 오브젝트가 진출입로의 한 가운데 있지 아니하고, 진출입로의 가장 자리 또는 주변에 위치한 경우, 판단 기준을 보다 느슨하게 적용하여, 사용자의 반납 요청을 승인할 수 있다.For example, if the entrance/exit path is the entrance/exit path of the parking lot of a building through which cars mainly pass, if an object is located in the middle, on the edge, or around the entrance/exit path of the building parking lot, the determination criterion of whether to approve the return (S150) by more strictly applied, even if it is located in the vicinity of the building parking lot, it is possible to reject the user's return request. However, in the case where the entrance and exit routes are the entrances and exits of buildings, elevators or escalators, the object is not in the middle of the entrances and exits, and the object is not in the middle of the entrances and exits. If it is located in , the determination criterion may be applied more loosely, and the user's return request may be approved.

횡단 보도 판별 단계(143f)에서는 오브젝트가 도로 상의 횡단 보도에 위치하는지를 분석하고, 오브젝트가 도로 상의 횡단 보도에 위치하는 것으로 분석된 경우, 반납 승인 여부 판단 단계(S150)에서 서버(100)는 사용자의 반납 요청을 거절할 수 있다.In the crosswalk determination step (143f), it is analyzed whether the object is located in the crosswalk on the road, and when the object is analyzed to be located in the crosswalk on the road, in the return approval determination step (S150), the server 100 is the user's You can decline a return request.

PM 상태 판별 단계(143G)에서는 오브젝트로 추출된 개인용 전동기(10)가 넘어진 상태인지 여부를 분석하고, 오브젝트로 추출된 개인용 전동기(10)가 넘어진 상태로 판별된 경우, 반납 승인 여부 판단 단계(S150)에서, 서버(100)는 사용자의 반납 요청을 거절할 수 있다.In the PM state determination step 143G, it is analyzed whether the personal electric motor 10 extracted as an object is in a fallen state, and when it is determined that the personal electric motor 10 extracted as an object is in a fallen state, return approval determination step (S150) ), the server 100 may reject the user's return request.

여기서, 개인용 전동기(10)의 넘어진 상태 여부에 대해서는 업로드된 사진의 오브젝트 이미지 또는 개인용 전동기(10)에 구비된 자이로 센서로부터 수신된 정보를 확인하여, 반납 요청 당시 개인용 전동기(10)가 세워져 있는지, 넘어져 있는지 등을 확인할 수 있다.Here, as to whether the personal electric motor 10 has fallen down, the information received from the object image of the uploaded photo or the gyro sensor provided in the personal electric motor 10 is checked, and the personal electric motor 10 is erected at the time of the return request, You can check to see if it has fallen over.

이외에 도 14에 도시된 바와 같이, 본 발명에 따른 서버(100)는 (a) 개인용 전동기(10)가 도로 상에 위치한 경우, (b) 공원 상의 인도에 대한 점유폭이 과도한 경우, (c) 실외이나 계단 아래에 위치하여, 다른 이용자가 개인용 전동기(10)를 찾기 어려운 경우, (d) 벤치 뒤에 넘어져 은폐되어 있는 경우, (e) 벤치에 기대어 다른 벤치 이용자의 방해를 초래하는 경우, (f) 계단 위에 위치하여 개인용 전동기(10)가 파손될 위험이 있는 경우에 사용자의 반납 요청을 거절할 수 있다. In addition, as shown in FIG. 14, the server 100 according to the present invention (a) when the personal electric motor 10 is located on the road, (b) when the occupancy width for the sidewalk in the park is excessive, (c) It is located outdoors or under stairs, where it is difficult for other users to find the personal electric motor (10); (d) it is hidden behind a bench; ) It is possible to reject the user's return request when there is a risk of damage to the personal electric motor 10 by being located on the stairs.

본 발명은 상술한 실시예 및 첨부한 도면에 한정되는 것은 아니며, 각 실시예에 개시된 기술적 특징들은 해당 실시예에만 한정되는 것은 아니고, 각 실시예에 기재된 기술적 특징들은 서로 양립 불가능하지 않은 이상, 서로 다른 실시예에 병합되어 적용될 수 있다.The present invention is not limited to the above-described embodiment and the accompanying drawings, the technical features disclosed in each embodiment are not limited to the corresponding embodiment, and the technical features described in each embodiment are mutually exclusive, unless they are incompatible with each other. It may be combined and applied to other embodiments.

따라서, 각 실시예에서는 각각의 기술적 특징을 위주로 설명하지만, 각 기술적 특징이 서로 양립 불가능하지 않은 이상, 서로 병합되어 적용될 수 있다.Accordingly, in each embodiment, each technical feature will be mainly described, but unless the technical features are incompatible with each other, they may be merged and applied.

본 발명이 속하는 분야에서 통상의 지식을 가진 자의 관점에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명의 범위는 본 명세서의 청구범위 뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.Various modifications and variations will be possible from the point of view of those of ordinary skill in the art to which the present invention pertains. Accordingly, the scope of the present invention should be defined not only by the claims of the present specification, but also by those claims and their equivalents.

10: 개인용 전동기 20: 사용자 단말기
100: 서버 110: AI 사진 분석 모듈
120: 데이터 베이스부10: personal electric motor 20: user terminal
100: server 110: AI photo analysis module
120: database unit

Claims (13)

AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법에 있어서,
분석대상 사진을 업로드 받는 단계;
상기 AI 사진 분석 모듈이 상기 사진을 분석하는 단계; 및
상기 분석하는 단계의 결과를 기반으로 승인 또는 거절을 결정하는 단계를 포함하고,
상기 사진을 분석하는 단계는,
상기 사진에서 미리 정해진 오브젝트와 상기 오브젝트의 주변 환경을 구분하는 단계;
상기 주변 환경에서 상기 오브젝트가 위치하는 지면의 종류를 감지하는 단계;
상기 오브젝트가 점유한 상기 지면에서의 점유 비율 및 상기 오브젝트와 인접한 다른 지면과의 이격 거리 중 상기 승인 또는 거절을 결정에 대한 판단 기준으로 사용할 요소를 상기 지면의 종류에 따라 다르게 결정하는 단계; 및
선택된 상기 각 판단 기준에 대한 임계치를 상기 지면의 종류에 따라 서로 다르게 결정하는 단계를 포함하는
서버가 사진을 분석하는 방법.In a method for a server comprising an AI photo analysis module to analyze a photo,
receiving an analysis target photo upload;
analyzing, by the AI photo analysis module, the photo; and
Comprising the step of determining approval or rejection based on the result of the analyzing step,
The step of analyzing the photo is,
distinguishing a predetermined object from the picture and a surrounding environment of the object;
detecting a type of ground on which the object is located in the surrounding environment;
determining, according to the type of the ground, a factor to be used as a criterion for determining whether to approve or reject the object among the occupancy ratio on the ground occupied by the object and the separation distance from the other ground adjacent to the object; and
and determining a threshold value for each of the selected determination criteria differently depending on the type of the ground.
How the server parses the photos. 제1 항에 있어서,
상기 서버는 상기 미리 정해진 지물의 이미지를 포함하는 데이터베이스를 포함하거나, 상기 데이터베이스에 접근 가능하고,
상기 사진을 분석하는 단계는
상기 주변 환경이 실내인지, 실외인지 판단하는 단계; 및 상기 주변 환경에서 미리 정해진 지물을 감지하는 단계를 더 포함하고,
상기 지물을 감지하는 단계는,
상기 주변 환경과 상기 데이터베이스를 비교하여 상기 주변 환경의 특정 부분이 상기 미리 정해진 지물과 일치하는 정도를 산출하는 것을 특징으로 하는 서버가 사진을 분석하는 방법. According to claim 1,
The server includes a database including the image of the predetermined feature, or is accessible to the database,
Analyzing the picture
determining whether the surrounding environment is indoors or outdoors; and detecting a predetermined feature in the surrounding environment,
The step of detecting the feature is
A method for analyzing pictures by a server, characterized in that by comparing the database with the surrounding environment, the degree to which a specific part of the surrounding environment matches the predetermined feature is calculated. 제2 항에 있어서,
상기 미리 정해진 지물은 벽, 거치대, 울타리, 도로 경계선 및 출입구 중 적어도 하나를 포함하는 서버가 사진을 분석하는 방법.3. The method of claim 2,
The predetermined feature is a method for a server to analyze a photo including at least one of a wall, a cradle, a fence, a road boundary, and an entrance. 삭제delete 삭제delete 제1 항에 있어서,
상기 지면의 종류를 감지하는 단계는,
상기 지면의 형태, 위치, 폭, 색상 중 적어도 하나에 기반하여 감지하는 것을 특징으로 하는 서버가 사진을 분석하는 방법. According to claim 1,
The step of detecting the type of the ground is,
A method for analyzing a photo by a server, characterized in that sensing based on at least one of the shape, position, width, and color of the ground. 제1 항에 있어서,
상기 판단 기준으로 사용할 요소를 선택하는 단계는,
상기 오브젝트가 점유한 상기 지면에서의 점유 비율에 대한 요소를 상기 판단 기준으로 결정하고,
상기 오브젝트가 일 종류의 지면에서 차지하고 있는 비율을 산출하는 서버가 사진을 분석하는 방법.According to claim 1,
The step of selecting an element to be used as the criterion for determination includes:
Determining a factor for an occupancy ratio on the ground occupied by the object as the criterion for determination,
A method of analyzing a photo by a server that calculates the proportion the object occupies on a kind of ground. 제7 항에 있어서,
상기 승인 또는 거절을 결정하는 단계는,
상기 산출된 비율이 미리 정해진 레벨을 초과하는 경우, 거절로 결정하는 서버가 사진을 분석하는 방법. 8. The method of claim 7,
The step of determining whether to approve or reject the
When the calculated ratio exceeds a predetermined level, the server determining the rejection method analyzes the photo. 제2 항에 있어서,
상기 사진을 분석하는 단계에서, 상기 오브젝트가 실내에 위치하는 것으로 판별된 경우,
상기 승인 또는 거절을 결정하는 단계는, 거절로 결정하는 서버가 사진을 분석하는 방법. 3. The method of claim 2,
In the step of analyzing the photo, if it is determined that the object is located indoors,
The step of determining the approval or rejection is a method of analyzing the photo by the server determining the rejection. 제1 항에 있어서,
상기 사진을 분석하는 단계는 상기 오브젝트로 추출된 개인용 전동기가 넘어진 상태인지 여부를 분석하고,
상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트로 추출된 개인용 전동기가 넘어진 상태로 판별된 경우, 거절로 결정하는 서버가 사진을 분석하는 방법. According to claim 1,
The step of analyzing the photo analyzes whether the personal electric motor extracted as the object is in a fallen state,
In the step of determining whether to approve or reject, when it is determined that the personal electric motor extracted as the object is in a fallen state, the server determining the rejection is a method of analyzing the photo. 제1 항에 있어서,
상기 사진을 분석하는 단계는 상기 오브젝트가 도로 상의 횡단 보도에 위치하는지를 분석하고,
상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트가 도로 상의 횡단 보도에 위치하는 것으로 판별된 경우, 거절로 결정하는 서버가 사진을 분석하는 방법. According to claim 1,
The step of analyzing the photo analyzes whether the object is located in a crosswalk on the road,
In the step of determining whether to approve or reject, when it is determined that the object is located at a crosswalk on a road, a server determining rejection is a method of analyzing a photo. 제1 항에 있어서,
상기 사진을 분석하는 단계는, 상기 오브젝트가 진출입로에 위치하는지를 분석하는 단계를 더 포함하고,
상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트가 상기 진출입로에 위치하는 것으로 판별된 경우, 거절로 결정하는 서버가 사진을 분석하는 방법. According to claim 1,
The step of analyzing the picture further comprises the step of analyzing whether the object is located in the entrance and exit,
In the step of determining whether to approve or reject, when it is determined that the object is located in the entrance/exit path, a server determining rejection is a method of analyzing a photo. 제12 항에 있어서,
상기 진출입로에 위치하는지를 분석하는 단계는, 상기 진출입로의 종류를 판단하는 단계를 포함하고,
상기 승인 또는 거절을 결정하는 단계는, 상기 진출입로의 종류에 따라 서로 다른 판단 기준을 적용하는 서버가 사진을 분석하는 방법.13. The method of claim 12,
The step of analyzing whether it is located in the entry/exit road includes determining the type of the entry/exit road,
In the determining of the approval or rejection, the server applies different judgment criteria according to the type of the entry/exit path to analyze the photo.
KR1020190133688A 2019-10-25 2019-10-25 Photo analysis method of server including Artificial Intelligence photo analysis module KR102316309B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190133688A KR102316309B1 (en) 2019-10-25 2019-10-25 Photo analysis method of server including Artificial Intelligence photo analysis module
PCT/KR2019/016371 WO2021080081A1 (en) 2019-10-25 2019-11-26 Method for analyzing photo by server comprising ai photo analysis module

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190133688A KR102316309B1 (en) 2019-10-25 2019-10-25 Photo analysis method of server including Artificial Intelligence photo analysis module

Publications (2)

Publication Number Publication Date
KR20210049413A KR20210049413A (en) 2021-05-06
KR102316309B1 true KR102316309B1 (en) 2021-10-22

Family

ID=75620767

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190133688A KR102316309B1 (en) 2019-10-25 2019-10-25 Photo analysis method of server including Artificial Intelligence photo analysis module

Country Status (2)

Country Link
KR (1) KR102316309B1 (en)
WO (1) WO2021080081A1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101814937B1 (en) * 2016-10-24 2018-01-05 (주)씨어스테크놀로지 Method And Apparatus for Separating Indoor and Outdoor by Using Image
JP2018160125A (en) * 2017-03-23 2018-10-11 アイシン・エィ・ダブリュ株式会社 Vehicle management system, photographing system, vehicle management program, and photographing program
JP2018530808A (en) * 2015-08-04 2018-10-18 ゴゴロ インク Apparatus, method and article for sharing electric vehicles

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140031418A (en) * 2012-08-27 2014-03-13 주식회사 얼라이드인터내셔널 Automatic car renting system and thereof method
KR102436962B1 (en) * 2017-09-19 2022-08-29 삼성전자주식회사 An electronic device and Method for controlling the electronic device thereof

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018530808A (en) * 2015-08-04 2018-10-18 ゴゴロ インク Apparatus, method and article for sharing electric vehicles
KR101814937B1 (en) * 2016-10-24 2018-01-05 (주)씨어스테크놀로지 Method And Apparatus for Separating Indoor and Outdoor by Using Image
JP2018160125A (en) * 2017-03-23 2018-10-11 アイシン・エィ・ダブリュ株式会社 Vehicle management system, photographing system, vehicle management program, and photographing program

Also Published As

Publication number Publication date
WO2021080081A1 (en) 2021-04-29
KR20210049413A (en) 2021-05-06

Similar Documents

Publication Publication Date Title
CN109191898B (en) Online intelligent parking system
Sánchez-Martínez Inference of public transportation trip destinations by using fare transaction and vehicle location data: Dynamic programming approach
CN103632572A (en) Intelligent parking method and system
JP2006221355A (en) Monitoring device and monitoring system
CN111310550A (en) Method and apparatus for improving location decisions based on ambient environment
KR102289181B1 (en) System, apparatus and method for vision based parking management
CN101923602B (en) Method and device for identifying and marking different terrains in virtual scene
CN104239386A (en) Method and system for prioritizion of facial recognition matches
CN111222408A (en) Method and apparatus for improved location decision based on ambient environment
CN110853391A (en) Intelligent shared parking system
CN113053013A (en) Access control method and device based on face recognition, computer equipment and medium
CN115222158B (en) Smart city parking lot management method, system and device based on Internet of things
KR100583987B1 (en) Information gathering robot
KR102316309B1 (en) Photo analysis method of server including Artificial Intelligence photo analysis module
CN114554391A (en) Parking lot vehicle searching method, device, equipment and storage medium
KR102393619B1 (en) System for producing parking map using deep-learning
KR102289182B1 (en) System, apparatus and method for vision based parking management
CN105868799A (en) Information pushing system and method using electronic tag
KR102073661B1 (en) A parking guiding system for decentralized parking
KR102163706B1 (en) Parking management system based on parking area designation, and method thereof
Pareek et al. IoT based prototype for smart vehicle and parking management system
CN110659580A (en) Method and device for quickly authenticating identity information
CN116013013A (en) Intelligent security system for community based on Internet of things
KR101042360B1 (en) System for parking position search using hot code and method thereof
KR20170012714A (en) Device for providing parking information using a cctv camera

Legal Events

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