KR102366042B1 - 인공 지능 기반 교통 안전 시스템을 위한 장치 및 그 동작 방법 - Google Patents

Abstract

본 발명의 다양한 실시예들은 인공 지능 기반 교통 안전 시스템을 위한 장치 및 그 동작 방법에 대한 것이다.
본 발명의 다양한 실시예들에 따르면, 인공 지능 기반 교통 안전 시스템을 위한 장치의 시청각적 효과로부터 운전자/보행자 기타 사용자가 자발적으로 교통 질서를 지키도록 유도될 수 있다.

Description

인공 지능 기반 교통 안전 시스템을 위한 장치 및 그 동작 방법 {APPARATUS FOR ARTIFICIAL INTELLIGENCE BASED SAFE DRIVING SYSTEM AND OPERATION METHOD THEREOF}

본 발명은 교통 안전 시스템에 관한 것이다.

또한 본 발명의 일 실시예는 인공 지능 기반 교통 안전 시스템을 위한 장치 및 그 동작 방법에 대한 것이다.

주정차(parking and stopping) 금지구역에서의 불법 주정차로 인하여 교통 혼잡이 심화되고 있다. 또한, 불법 주정차는 차량 흐름 방해 뿐만 아니라 교통 사고의 큰 원인이 되고 있다. 또한, 운전자의 시야가 제한되거나 주의력이 감소될 수 있는 환경에서 운전 안전 및 위험 회피가 도모될 필요성이 있다.

국내공개특허 10-2012-0111332 (2012.10.10)

다양한 실시예들은 인공 지능 기반 교통 안전 시스템을 위한 장치 및 그 동작 방법을 제공할 수 있다.

다양한 실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.

다양한 실시예들은, 장치를 제공할 수 있다.

다양한 실시예들에 따르면, 장치는: 식별부; 출력부; 및 상기 식별부 및 상기 출력부와 연결된 하나 이상의 프로세서를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 하나 이상의 프로세서는: 상기 식별부를 통하여 획득되는 미리 설정된 영역의 영상 정보와 미리 설정된 AI (artificial intelligence) 엔진에 기초하여, 상기 영상 정보에 미리 설정된 오브젝트(object)의 적어도 일부가 포함되는지 여부를 식별; 및 상기 영상 정보에 상기 오브젝트의 적어도 일부가 포함된 것으로 식별됨에 기초하여, 상기 출력부를 통하여 제1 메시지를 출력; 하도록 설정될 수 있다.

다양한 실시예들에 따르면, 상기 오브젝트는, 상기 영상 정보에 포함된 복수의 오브젝트들 중 하나일 수 있다.

다양한 실시예들에 따르면, 상기 제1 메시지는, 상기 AI 엔진에 기초하여 식별되는 상기 오브젝트의 종류에 기초하여 설정될 수 있다.

다양한 실시예들에 따르면, 상기 오브젝트의 종류가 차량, 보행자, VRU (vulnerable road user), 자전거, 이륜차, 또는 PM (personal mobility) 중 하나 이상으로 식별됨에 기초하여: 상기 제1 메시지는, 상기 차량, 보행자, VRU, 자전거, 이륜차 또는 PM 중 하나 이상에 대한 주의를 안내하는 정보 및 상기 영상 정보를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 제1 메시지는, 상기 오브젝트 또는 상기 미리 설정된 영역으로부터 상기 복수의 오브젝트들 중 상기 오브젝트와는 다른 오브젝트 중 하나 이상의 속력에 대한 정보를 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 속력이 상기 미리 설정된 영역과 관련된 제한 최고 속력을 초과함에 기초하여, 상기 제1 메시지는, 상기 속력이 상기 제한 최고 속력을 초과함을 나타내는 정보를 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 속력이 상기 제한 최고 속력을 초과하지 않음에 기초하여, 상기 제1 메시지는, 상기 속력이 상기 제한 최고 속력을 초과하지 않음을 나타내는 정보를 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 AI 엔진은: - (a1) 상기 복수의 오브젝트들 각각의 상기 영상 정보에서의 위치에 대한 영상 좌표를 획득; - (b1) 상기 복수의 오브젝트들 각각의 영상 좌표에 기초하여 상기 복수의 오브젝트들 각각의 중심점의 지표면에서의 위치에 대한 중심점 위치 좌표를 획득; 및 - (c1) 상기 복수의 오브젝트들 각각의 중심점 위치 좌표의 변화에 기초하여 상기 복수의 오브젝트들 각각의 속력, 상기 복수의 오브젝트들 각각의 이동방향 및 상기 복수의 오브젝트들 간의 거리를 획득; 하도록 설정될 수 있다.

다양한 실시예들에 따르면, 상기 오브젝트의 종류가 주정차된 차량으로 식별됨 및 상기 미리 설정된 영역의 종류가 주정차 금지 구역에 대응됨에 기초하여: 상기 제1 메시지는, 상기 미리 설정된 영역은 주정차 금지 구역임을 안내하는 정보, 상기 영상 정보 및 상기 주정차된 차량에 대한 식별 정보를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 영상 정보에 상기 오브젝트의 적어도 일부가 포함되는지 여부가 식별되는 것은, 상기 영상 정보에 대한 전처리 후, 상기 전처리된 영상 정보가 입력됨에 따른 상기 AI 엔진의 출력에 기초할 수 있다.

다양한 실시예들에 따르면, 상기 영상 정보에 포함된 미리 설정된 영역에 대응되는 영상 정보는, 상기 장치와의 거리에 따라 복수의 구간들로 구분될 수 있다.

다양한 실시예들에 따르면, 상기 전처리에서, 상기 복수의 구간들 중 상기 장치와 가장 가까운 구간이 아닌 다른 구간에 포함된 상기 복수의 오브젝트들 중 하나 이상의 오브젝트에 대응되는 영상은 상기 복수의 구간들 중 상기 장치와 가장 가까운 구간에 포함된 하나 이상의 오브젝트에 대응되는 영상과 동일한 크기를 갖도록 확대될 수 있다.

다양한 실시예들에 따르면, 상기 하나 이상의 프로세서는: 상기 영상 정보에 상기 오브젝트의 적어도 일부가 포함되지 않은 것으로 식별됨에 기초하여, 상기 출력부를 통하여 제2 메시지를 출력; 하도록 설정될 수 있다.

다양한 실시예들에 따르면, 상기 제2 메시지는, 상기 미리 설정된 영역의 종류에 기초하여 설정될 수 있다.

다양한 실시예들에 따르면, 상기 미리 설정된 영역의 종류가 주정차 금지 구역에 대응됨에 기초하여: 상기 제2 메시지는, 상기 미리 설정된 영역은 주정차 금지 구역임을 안내하는 정보, 주정차의 금지를 나타내는 교통안전표지에 대응되는 정보, 상기 주정차 금지 구역의 종류를 안내하는 정보, 및 상기 주정차 금지 구역에 주정차된 차량은 견인 조치됨을 안내하는 정보를 포함할 수 있다.

상술한 다양한 실시예들은 바람직한 실시예들 중 일부에 불과하며, 다양한 실시예들의 기술적 특징들이 반영된 여러 가지 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 상세한 설명을 기반으로 도출되고 이해될 수 있다.

다양한 실시예들에 따르면, 인공 지능 기반 교통 안전 시스템을 위한 장치의 시청각적 효과로부터 운전자/보행자 기타 사용자가 자발적으로 교통 질서를 지키도록 유도될 수 있다.

다양한 실시예들에 따르면, 인공 지능에 기초하여 교통 관련 위험 상황 등이 안내될 수 있어, 보다 효과적으로 교통 안전이 달성될 수 있다.

다양한 실시예들에 따르면, 주정차 금지구역에서의 불법 주정차가 방지될 수 있다.

다양한 실시예들에 따르면, 안전한 보행 환경이 조성될 수 있다.

다양한 실시예들에 따르면, 교통 혼잡이 감소될 수 있다.

다양한 실시예들에 따르면, 교통 사고가 예방될 수 있다.

다양한 실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.

다양한 실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 다양한 실시예들이 적용 가능한 위험상황 유형의 일 예를 나타낸 도면이다.
도 2는 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 설명하기 위한 도면이다.
도 3은 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.
도 4는 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 위한 장치의 일 구현 예를 나타낸 도면이다.
도 5는 다양한 실시예들에 따른 알림 정보 제공 장치의 일 설치 예를 나타낸 도면이다.
도 6은 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 위한 장치의 동작 예를 나타낸 도면이다.
도 7 내지 도 10은 다양한 실시예들을 나타내는 도면이다.
위한 장치의 일 구현 예를 나타낸 도면이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.

이하의 실시예들은 다양한 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.

도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.

이하, 다양한 실시예들에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.

또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.

도 1은 다양한 실시예들이 적용 가능한 위험상황 유형의 일 예를 나타낸 도면이다.

도 1에 도시된 위험상황 유형은 예시적인 것으로, 다양한 실시예들이 이에 제한되는 것은 아니다.

다양한 실시예들에 대한 설명에서, 생활도로는 보조간선도로로 둘러싸인 생활권 도로 및/또는 주거지역 내에 있는 소규모 이면도로 및/또는 주거지 주변에 있는 (폭 9m 미만의) 도로를 의미할 수 있다. 다양한 실시예들에 대한 설명에서, 도로 외 구역은 도로구역 외의 구역을 의미할 수 있으며, 도로구역은 도로를 구성하는 일단의 토지로서 도로법 등에 따라 지정되는 구역을 의미할 수 있다.

예를 들어, 생활도로 및 도로 외 구역은 상대적으로 좁은 도로폭, 교통신호 등의 미운영, 비정형적 도로선형 (직선부, 곡선부, 오르막, 내리막 등), 상대적으로 부족한 안전시설, 상대적으로 빈번한 불법 주·정차, 차량, 보행자, VRU (vulnerable road user), 자전거, 이륜차, 또는 PM (personal mobility) 등 다양한 통행수단이 이용함 등의 원인으로 교통사고의 위험이 상대적으로 증가될 수 있다. 예를 들어, 보행자 사망 중 68.7% 가 생활도로에서 발생되고, 전체 교통사고 중 16.4% 가 도로 외 구역에서 발생될 수 있다.

예를 들어, 생활도로 및 도로 외 구역에서의 위험행태는 다음과 같을 수 있다. 예를 들어, 비보호 좌회전 구역에서는 대항차량과의 수락 간격 (gap acceptance), 좌회전 후 진입도로 횡단보도의 보행자, VRU, 자전거, 이륜차, 또는 PM 등이 있을 수 있다. 예를 들어, 주차 금지 구역에서는 불법 주·정차된 차량에 따른 유효 차로폭 축소로 인한 대항차량 상충, 불법 주·정차된 차량 사이에서 보행자, VRU, 자전거, 이륜차, 또는 PM 등의 출현 등이 있을 수 있다. 예를 들어, 일방통행로에서는 정주행/역주행 차량 및/또는 다른 도로 이용자 간의 충돌이 있을 수 있다. 기타 주간/야간 및 기상 상황 (안개, 눈, 비 등) 등의 환경적 요인, 택배차량, 조업정차 등의 따른 시인성 저하 및 보행자, VRU, 자전거, 이륜차, 또는 PM 등의 돌발출현에 따른 돌발상황 등이 있을 수 있다.

도 1을 참조하면, 다양한 실시예들은 생활도로 및 도로 외 구역에서 발생 가능한 다양한 위험상황에 적용될 수 있다. 예를 들어, 다양한 실시예들은 생활도로 출입부에서의 비보호좌회전 구역, 아파트 출입부에서의 비보호좌회전 구역, (불법 주·정차가 발생 가능한) 주차 금지 구역, 어린이 보호구역, 신호/비신호 교차로, 및/또는 일방 통행로 등에서 활용될 수 있다. 예를 들어, 다양한 실시예들에 따르면 비보호좌회전 구역에서 차량, 보행자, VRU, 자전거, 이륜차, 또는 PM 간의 충돌 사고 등이 예방될 수 있다. 예를 들어, 다양한 실시예들에 따르면, 불법 주·정차가 예방될 수 있으며, 차량, 보행자, VRU, 자전거, 이륜차, 또는 PM 등에 대한 시야확보 및 충돌사고가 예방될 수 있다. 예를 들어, 다양한 실시예들에 따르면, 일방통행 구역에서 역주행 및 충돌사고가 예방될 수 있다.

도 2은 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 설명하기 위한 도면이다.

도 2을 참조하면, 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템은 다양한 종류의 장치들에 구현될 수 있다. 예를 들어, 인공 지능 기반 교통 안전 시스템은 제1 디바이스(100) 및/또는 제2 디바이스(200)에 구현될 수 있다. 달리 말해, 제1 디바이스(100) 및/또는 제2 디바이스(200)는 각각의 장치에 구현된 인공 지능 기반 교통 안전 시스템을 기반으로, 다양한 실시예들에 따른 동작을 수행할 수 있다. 한편, 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템은, 상기 도 2에 도시된 바에 국한되지 않고, 더 다양한 장치들 및/또는 서버들에 구현될 수도 있을 것이다.

다양한 실시예들에 따른 제1 디바이스(100)는, 식별/센싱 가능한 일정 범위 내에서 발생 가능한 위험상황에 대한 경고, 안내 및/또는 단속 등을 위하여 설치될 수 있다.

다양한 실시예들에 따른 제2 디바이스(200)는, 제1 디바이스(100)들과 무선 및/또는 유선 통신을 수행하며, 대단위의 저장 용량을 갖는 데이터베이스를 포함하는 장치일 수 있다. 예를 들어, 제2 디바이스(200)는 복수 개의 제1 디바이스(100)들과 연동될 수도 있다. 다양한 실시예들에 따르면, 제2 디바이스(200)는 인공 지능 기반 교통 안전 시스템을 전반적으로 제어하는 통합 시스템 및/또는 통합 서버로 이해될 수 있다.

다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템은 동작을 위한 다양한 모듈들을 포함할 수 있다. 인공 지능 기반 교통 안전 시스템에 포함된 모듈들은 인공 지능 기반 교통 안전 시스템이 구현되는(또는, 물리적 장치에 포함되는) 물리적 장치(예: 제1 디바이스(100) 및/또는 제2 디바이스(200))가 지정된 동작을 수행할 수 있도록 구현된 컴퓨터 코드 내지는 하나 이상의 인스트럭션(instruction)일 수 있다. 다시 말해, 인공 지능 기반 교통 안전 시스템이 구현되는 물리적 장치는 복수 개의 모듈들을 컴퓨터 코드 형태로 메모리에 저장하고, 메모리에 저장된 복수 개의 모듈들이 실행되는 경우 복수 개의 모듈들은 물리적 장치가 복수 개의 모듈들에 대응하는 지정된 동작들을 수행하도록 할 수 있다.

다양한 실시예들에 따르면, 제1 디바이스는 식별부, 출력부 및 프로세서를 포함할 수 있다.

다양한 실시예들에 따르면, 프로세서는 제2 디바이스(200)과의 통신에 기초하여 기상 정보를 수집/획득하거나 및/또는 제2 디바이스(200)와의 정보 교환을 수행할 수 있다.

다양한 실시예들에 따르면, 프로세서는 식별부 (에 포함된 카메라, CCTV (closed circuit television) 등) 로부터 획득되는 영상 정보에 대한 영상 분석에 기초하여, 차량, 보행자, VRU, 자전거, 이륜차, 또는 PM 등을 포함하는 오브젝트에 대한 정보를 수집할 수 있다. 특별히 달리 언급되지 않는 한, 다양한 실시예들에 대한 설명에서 언급되는 영상 분석에는 미리 설정/정의된 AI (artificial intelligence) 엔진이 사용될 수 있다. 예를 들어, AI 엔진은 후술되는 학습 방법에 기초하여 획득된 이후, 캘리브레이션(calibration)을 거쳐 정확도가 향상된 것일 수 있다.

다양한 실시예들에 따르면, 프로세서는 제1 디바이스(100)의 소비 에너지 모니터링을 위하여, 제1 디바이스(100)의 사용 전류에 대한 정보를 수집할 수 있다.

다양한 실시예들에 따르면, 프로세서는 속력 판단, 위험성 판단 및 오브젝트 식별을 수행할 수 있다. 다양한 실시예들에 따르면, 프로세서는 식별부 (에 포함된 카메라, CCTV, 라이다 센서 등) 으로부터 획득되는 영상 정보에 대한 영상 분석 및/또는 센싱값에 기초하여, 오브젝트를 식별하고, 각 오브젝트의 속력/속도/이동 방향을 판단하고, 위험 상황에 대하여 식별할 수 있다. 다양한 실시예들에 따르면, 속력 판단, 위험성 판단 및 오브젝트 식별에는 미리 설정된 AI(Artificial Intelligence) 엔진이 사용될 수 있다. 이하의 다양한 실시예들에 대한 설명에서는 주로 식별부로부터 획득되는 영상 정보에 대한 분석 결과에 기초하여 속력 판단, 위험성 판단 및 오브젝트 식별이 수행되는 것을 예시로 설명되었으나, 라이다 센서의 센싱값에 기초하여 속력 판단, 위험성 판단 및 오브젝트 식별이 수행될 수도 있다. 다른 예시로, 다양한 실시예들에 대한 설명에서는 주로 식별부로부터 획득되는 영상 정보에 대한 분석 결과에 기초하여 획득된 속력 판단, 위험성 판단 및 오브젝트 식별 결과가 라이다 센서의 센싱값에 기초하여 보정되거나, 및/또는 식별부로부터 획득되는 영상 정보에 대한 분석 결과와 라이다 센서의 센싱값 모두가 활용되어 속력 판단, 위험성 판단 및 오브젝트 식별이 수행될 수도 있다.

다양한 실시예들에 따르면, 프로세서는 속력 판단, 위험성 판단 및 오브젝트 식별 결과에 기초하여, 그에 대응되는 정보가 출력되도록 출력부를 제어할 수 있다. 예를 들어, 프로세서는 시각적 정보가 출력되도록 출력부에 포함된 디스플레이를 제어하거나 및/또는 청각적 정보가 출력되도록 출력부에 포함된 스피커 (및/또는 그와 연결된 증폭기(amplifier) 등)를 제어할 수 있다. 다양한 실시예들에 따르면, 프로세서는 식별부(에 포함된 조도 센서)의 센싱값에 기초하여, 디스플레이의 밝기를 조절할 수 있다.

다양한 실시예들에 따른 제1 디바이스의 각 구성의 보다 구체적인 설명은 후술되는 도 3에 대한 설명을 참조할 수 있다.

도 3는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.

도 3를 참조하면, 제1 디바이스 및/또는 제2 디바이스는 입/출력부(310), 통신부(320), 센싱부(330), 데이터베이스(340) 및 프로세서(350)를 포함할 수 있다.

입/출력부(310)는 사용자 입력을 받거나 또는 사용자에게 정보를 출력하는 각종 인터페이스나 연결 포트 등일 수 있다. 입/출력부(310)는 입력 모듈과 출력 모듈로 구분될 수 있는데, 입력 모듈은 사용자로부터 사용자 입력을 수신한다. 사용자 입력은 키 입력, 터치 입력, 음성 입력을 비롯한 다양한 형태로 이루어질 수 있다. 이러한 사용자 입력을 받을 수 있는 입력 모듈의 예로는 전통적인 형태의 키패드나 키보드, 마우스는 물론, 사용자의 터치를 감지하는 터치 센서, 음성 신호를 입력 받는 마이크, 영상 인식을 통해 제스처 등을 인식하는 카메라, 사용자 접근을 감지하는 조도 센서나 적외선 센서 등으로 구성되는 근접 센서, 가속도 센서나 자이로 센서 등을 통해 사용자 동작을 인식하는 모션 센서 및 그 외의 다양한 형태의 사용자 입력을 감지하거나 입력 받는 다양한 형태의 입력 수단을 모두 포함하는 포괄적인 개념이다. 여기서, 터치 센서는 디스플레이 패널에 부착되는 터치 패널이나 터치 필름을 통해 터치를 감지하는 압전식 또는 정전식 터치 센서, 광학적인 방식에 의해 터치를 감지하는 광학식 터치 센서 등으로 구현될 수 있다. 이외에도 입력 모듈은 자체적으로 사용자 입력을 감지하는 장치 대신 사용자 입력을 입력 받는 외부의 입력 장치를 연결시키는 입력 인터페이스(USB 포트, PS/2 포트 등)의 형태로 구현될 수도 있다. 또 출력 모듈은 각종 정보를 출력해 사용자에게 이를 제공할 수 있다. 출력 모듈은 영상을 출력하는 디스플레이, 소리를 출력하는 스피커 (및/또는 이와 연결된 증폭기 (amplifier)), 진동을 발생시키는 햅틱 장치 및 그 외의 다양한 형태의 출력 수단을 모두 포함하는 포괄적인 개념이다. 이외에도 출력 모듈은 상술한 개별 출력 수단을 연결시키는 포트 타입의 출력 인터페이스의 형태로 구현될 수도 있다.

일 예로, 디스플레이 형태의 출력 모듈은 텍스트, 정지 영상, 동영상을 디스플레이 할 수 있다. 디스플레이는 액정 디스플레이(LCD: Liquid Crystal Display), 발광 다이오드(LED: light emitting diode) 디스플레이, 유기 발광 다이오드(OLED: Organic Light Emitting Diode) 디스플레이, 평판 디스플레이(FPD: Flat Panel Display), 투명 디스플레이(transparent display), 곡면 디스플레이(Curved Display), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 홀로그래픽 디스플레이(holographic display), 프로젝터 및 그 외의 영상 출력 기능을 수행할 수 있는 다양한 형태의 장치를 모두 포함하는 광의의 영상 표시 장치를 의미하는 개념이다. 이러한 디스플레이는 입력 모듈의 터치 센서와 일체로 구성된 터치 디스플레이의 형태일 수도 있다.

통신부(320)는 외부 기기와 통신할 수 있다. 따라서, 제1 디바이스 및/또는 제2 디바이스는 통신부를 통해 외부 기기와 정보를 송수신할 수 있다. 예를 들어, 제1 디바이스 및/또는 제2 디바이스는 통신부를 이용해 불법 주·정차 경고 시스템에 저장 및 생성된 정보들이 공유되도록 외부 기기와 통신을 수행할 수 있다.

여기서, 통신, 즉 데이터의 송수신은 유선 또는 무선으로 이루어질 수 있다. 이를 위해 통신부는 LAN(Local Area Network)를 통해 인터넷 등에 접속하는 유선 통신 모듈, 이동 통신 기지국을 거쳐 이동 통신 네트워크에 접속하여 데이터를 송수신하는 이동 통신 모듈, 와이파이(Wi-Fi) 같은 WLAN(Wireless Local Area Network) 계열의 통신 방식이나 블루투스(Bluetooth), 직비(Zigbee)와 같은 WPAN(Wireless Personal Area Network) 계열의 통신 방식을 이용하는 근거리 통신 모듈, GPS(Global Positioning System)과 같은 GNSS(Global Navigation Satellite System)을 이용하는 위성 통신 모듈 또는 이들의 조합으로 구성될 수 있다. 통신에 사용되는 무선 통신 기술은 저전력 통신을 위한 NB-IoT (Narrowband Internet of Things) 를 포함할 수 있다. 이때, 예를 들어 NB-IoT 기술은 LPWAN (Low Power Wide Area Network) 기술의 일례일 수 있고, LTE Cat (category) NB1 및/또는 LTE Cat NB2 등의 규격으로 구현될 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 다양한 실시예들에 따른 무선 기기에서 구현되는 무선 통신 기술은 LTE-M 기술을 기반으로 통신을 수행할 수 있다. 이때, 일 예로, LTE-M 기술은 LPWAN 기술의 일례일 수 있고, eMTC (enhanced Machine Type Communication) 등의 다양한 명칭으로 불릴 수 있다. 예를 들어, LTE-M 기술은 1) LTE CAT 0, 2) LTE Cat M1, 3) LTE Cat M2, 4) LTE non-BL(non-Bandwidth Limited), 5) LTE-MTC, 6) LTE Machine Type Communication, 및/또는 7) LTE M 등의 다양한 규격 중 적어도 어느 하나로 구현될 수 있으며 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 다양한 실시예들에 따른 무선 기기에서 구현되는 무선 통신 기술은 저전력 통신을 고려한 지그비(ZigBee), 블루투스(Bluetooth) 및 저전력 광역 통신망(Low Power Wide Area Network, LPWAN) 중 적어도 어느 하나를 포함할 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 일 예로 ZigBee 기술은 IEEE 802.15.4 등의 다양한 규격을 기반으로 소형/저-파워 디지털 통신에 관련된 PAN(personal area networks)을 생성할 수 있으며, 다양한 명칭으로 불릴 수 있다.

식별부(330)는 영상 인식을 통해 오브젝트 등을 인식하는 카메라, 오브젝트 접근을 감지하는 감지 센서 및 그 외의 다양한 형태의 외부 입력을 감지하거나 입력 받는 다양한 형태의 식별/센싱 수단을 모두 포함하는 포괄적인 개념일 수 있다. 식별부는 입/출력부(310) 내의 입력 모듈과 동일한 것으로 이해될 수 있거나 및/또는 입력 모듈과는 별도의 것으로 이해될 수도 있다. 식별부(330)는 지자기 센서(Magnetic sensor), 가속도 센서(Acceleration sensor), 온/습도 센서, 적외선 센서, 자이로스코프 센서, 위치 센서(예컨대, GPS), 기압 센서, 근접 센서, RGB 센서(illuminance sensor), 라이다 (radar) 센서, 조도 센서, 및 전류 센서 중 하나 이상을 더 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.

데이터베이스(340)는 각종 정보를 저장할 수 있다. 데이터베이스는 데이터를 임시적으로 또는 반영구적으로 저장할 수 있다. 예를 들어, 데이터베이스에는 제1 디바이스 및/또는 제2 디바이스를 구동하기 위한 운용 프로그램(OS: Operating System), 웹 사이트를 호스팅하기 위한 데이터나 점자 생성을 위한 프로그램 내지는 어플리케이션(예를 들어, 웹 어플리케이션)에 관한 데이터 등이 저장될 수 있다. 또, 데이터베이스는 상술한 바와 같이 모듈들을 컴퓨터 코드 형태로 저장할 수 있다.

데이터베이스(340)의 예로는 하드 디스크(HDD: Hard Disk Drive), SSD(Solid State Drive), 플래쉬 메모리(flash memory), 롬(ROM: Read-Only Memory), 램(RAM: Random Access Memory) 등이 있을 수 있다. 이러한 데이터베이스는 내장 타입 또는 탈부착 가능한 타입으로 제공될 수 있다.

프로세서(350)는 제1 디바이스(100) 및/또는 제2 디바이스(200)의 전반적인 동작을 제어한다. 이를 위해 프로세서(350)는 각종 정보의 연산 및 처리를 수행하고 제1 디바이스 및/또는 제2 디바이스의 구성요소들의 동작을 제어할 수 있다. 예를 들어, 프로세서(350)는 인공 지능 기반 교통 안전 시스템을 위한 프로그램 내지 어플리케이션을 실행시킬 수 있을 것이다. 프로세서(350)는 하드웨어 소프트웨어 또는 이들의 조합에 따라 컴퓨터나 이와 유사한 장치로 구현될 수 있다. 하드웨어적으로 프로세서(350)는 전기적인 신호를 처리하여 제어 기능을 수행하는 전자 회로 형태로 제공될 수 있으며, 소프트웨어적으로는 하드웨어적인 프로세서(240)를 구동시키는 프로그램 형태로 제공될 수 있다. 한편, 이하의 설명에서 특별한 언급이 없는 경우에는 제1 디바이스 및/또는 제2 디바이스의 동작은 프로세서(350)의 제어에 의해 수행되는 것으로 해석될 수 있다. 즉, 인공 지능 기반 교통 안전 시스템에 구현되는 모듈들이 실행되는 경우, 모듈들은 프로세서(350)가 제1 디바이스 및/또는 제2 디바이스를 이하의 동작들을 수행하도록 제어하는 것으로 해석될 수 있다.

요약하면, 다양한 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 다양한 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.

하드웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.

펌웨어나 소프트웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 이하에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 예를 들어, 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치할 수 있으며, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.

이하에서는, 상기와 같은 기술적 사상에 기초하여 다양한 실시예들에 대해 보다 상세히 설명한다. 이하에서 설명되는 다양한 실시예들은 상호 배척되지 않는 한 전부 또는 일부가 결합되어 또 다른 다양한 실시예들을 구성할 수도 있으며, 이는 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있다.

이하에서 설명되는 다양한 실시예들에 대해서는 상술된 내용들이 적용될 수 있다. 예를 들어, 이하에서 설명되는 다양한 실시예들에서 정의되지 않은 동작, 기능, 용어 등은 상술된 내용들에 기초하여 수행되고 설명될 수 있다.

특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, A/B/C 는 A 및/또는 B 및/또는 C 를 의미할 수 있다.

특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, A 초과/이상인 것은 A 이상/초과인 것으로 대체될 수 있다.

특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, B 미만/이하인 것은 B 이하/미만인 것으로 대체될 수 있다.

특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, 속도는 속력으로 대체될 수 있으며, 속력은 속도로 대체될 수 있다.

이하에서는, 다양한 실시예들에 따른 제1 디바이스(100)의 일 구현 예에 따른 인공 지능 기반 교통 안전 시스템을 위한 장치가 설명되나, 이외에도 유사한 기능을 수행하는 다른 장치들도 제1 디바이스가 될 수 있다.

이하에서는, 다양한 실시예들에 따른 제2 디바이스(200)의 일 구현 예에 따른 서버가 설명되나, 이외에도 유사한 기능을 수행하는 다른 장치들도 제2 디바이스가 될 수 있다.

특별히 달리 언급되지 않은 한, 이하의 다양한 실시예들에 대한 설명에서 인공 지능 기반 교통 안전 시스템을 위한 장치가 이용하는 정보/인공 지능 기반 교통 안전 시스템을 위한 장치가 출력/표시하는 정보 등은 주인공 지능 기반 교통 안전 시스템을 위한 장치가 직접 식별/획득한 정보이거나, 인공 지능 기반 교통 안전 시스템을 위한 장치에 포함된 데이터베이스에 저장된 정보이거나, 서버 및/또는 기타 외부 기기로부터 수신 받은 정보 중 하나 이상일 수 있다.

후술될 바와 같이, 다양한 실시예들에 따르면, 인공 지능 기반 교통 안전 시스템을 위한 장치는 식별부를 포함하거나, 식별부를 제외한 인공 지능 기반 교통 안전 시스템을 위한 장치가 마련되고 식별부가 별도로 마련될 수 있다. 이러한 점을 고려하여, 이하의 다양한 실시예들에 대한 설명에서, 인공 지능 기반 교통 안전 시스템을 위한 장치가 설치/마련되는 위치는, 별도로 마련된 식별부가 설치/마련되는 위치 및/또는 식별부를 통하여 식별/센싱 가능한 영역에 대응되는 위치로 대체될 수 있다.

도 4는 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 위한 장치의 일 구현 예를 나타낸 도면이다.

도 4를 참조하면, 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 위한 장치는, 외장부재(400), 식별부(410), 출력부(420), 연결부재(430), 지지부재(440), 받침부재(450) 및 프로세서(미도시)를 포함할 수 있다. 도 4는 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 위한 장치의 일 구현 예를 도시한 것으로, 도시된 각 구성은 필수적인 것이 아니고 하나 이상의 구성은 생략될 수도 있다.

다양한 실시예들에 따르면, 프로세서는 외장부재(400), 식별부(410), 출력부(420), 연결부재(430), 지지부재(440), 받침부재(450) 중 하나 이상의 동작/기능을 제어할 수 있다.

다양한 실시예들에 따르면, 외장부재(400)는 인공 지능 기반 교통 안전 시스템을 위한 장치의 외면의 적어도 일부를 구성할 수 있다. 다양한 실시예들에 따르면, 프로세서, 통신부(미도시), 데이터베이스(미도시) 및/또는 기타 인공 지능 기반 교통 안전 시스템을 위한 장치의 동작을 위한 회로, 장치 등은 외장부재(400)의 내부에 마련될 수 있다. 다양한 실시예들에 따르면, 외장부재(400)는 프로세서, 통신부(미도시), 데이터베이스(미도시) 및/또는 기타 인공 지능 기반 교통 안전 시스템을 위한 장치의 동작을 위한 회로, 장치 등의 고정/수용을 위한 케이스로 이해될 수 있다.

다양한 실시예들에 따르면, 식별부(410)는 센싱 가능한 범위 내에서 영상 정보를 수집/센싱할 수 있다. 다양한 실시예들에 따르면, 식별부(410)는 상술한 바와 같이, 영상 인식을 통해 오브젝트 등을 인식하는 카메라, 오브젝트 접근을 감지하는 감지 센서 및 그 외의 다양한 형태의 외부 입력을 감지하거나 입력 받는 다양한 형태의 식별/센싱 수단을 모두 포함하는 포괄적인 개념일 수 있다. 예를 들어, 센싱 가능한 범위는 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 위한 장치 및/또는 식별부(410)의 설치 위치를 기준으로 식별부(410)가 오브젝트를 식별/센싱할 수 있는 범위를 의미할 수 있다. 예를 들어, 식별부(410)로부터 센싱 가능한 범위에 생활도로 및 도로 외 구역의 적어도 일부가 포함될 수 있다.

다양한 실시예들에 따르면, 식별부(410)는 외장부재(400)와 물리적으로 연결되거나 및/또는 외장부재(400)와 물리적으로 분리될 수도 있다. 다양한 실시예들에 따르면, 외장부재(400)와 식별부(410)가 물리적으로 연결되는 경우, 인공 지능 기반 교통 안전 시스템을 위한 장치는 외장부재(400)와 식별부(410) 사이에 마련되어, 외장부재(400)와 식별부(410)를 물리적으로 연결하는 연결부재(미도시)를 더 포함할 수 있다. 다양한 실시예들에 따르면, 외장부재(400)와 식별부(410)가 물리적으로 연결되는 경우, 식별부(410)는 센싱값 및/또는 센싱 정보를 프로세서에 유선으로 전달할 수 있다. 다양한 실시예들에 따르면, 외장부재(400)와 식별부(410)가 물리적으로 분리되는 경우, 인공 지능 기반 교통 안전 시스템을 위한 장치는 식별부(410)의 일면의 적어도 일부와 연결되는 연결부재(미도시)를 더 포함할 수 있다. 다양한 실시예들에 따르면, 외장부재(400)와 식별부(410)가 물리적으로 분리되는 경우, 식별부(410)는 센싱값 및/또는 센싱 정보를 프로세서에 유선 또는 무선으로 전달할 수 있다. 다양한 실시예들에 따르면, 식별부(410)는 하나 또는 복수 개가 마련될 수 있다. 예를 들어, 식별부(410)가 복수 개인 경우, 각 식별부(410)는 동일한 생활도로 및 도로 외 구역의 적어도 일부를 식별/센싱할 수 있되, 상호 이격되도록 서로 다른 위치에 설치될 수 있다.

및/또는, 다양한 실시예들에 따르면, 식별부(410)를 직접 포함하지 않는 복수의 인공 지능 기반 교통 안전 시스템을 위한 장치들이 있을 수도 있다. 다양한 실시예들에 따르면, 식별부(410)를 직접 포함하지 않는 인공 지능 기반 교통 안전 시스템을 위한 장치는 알림 정보 제공 장치로 이해될 수 있다.

도 5는 다양한 실시예들에 따른 알림 정보 제공 장치의 일 설치 예를 나타낸 도면이다.

상술한 바와 같이, 다양한 실시예들에 따르면, 하나의 생활도로 및 도로 외 구역에 복수의 알림 정보 제공 장치들이 설치/마련될 수도 있다. 다양한 실시예들에 따르면, 하나의 생활도로 및 도로 외 구역은 하나의 식별부(미도시)가 센싱/식별 가능한 영역의 적어도 일부에 대응될 수 있다. 다양한 실시예들에 따르면, 복수의 알림 정보 제공 장치들 각각과 별도로 마련된 하나의 식별부가 복수의 알림 정보 제공 장치들과 유선 또는 무선으로 연결될 수 있다. 예를 들어, 하나의 식별부로부터 식별/센싱 가능한 영역 (예를 들어, 50 ~ 60 m 의 도로) 내에, 하나의 식별부와 유선 또는 무선으로 연결된 복수의 (예를 들어, 3 ~ 6개) 알림 정보 제공 장치들이 서로 이격되어 설치/마련될 수 있다. 예를 들어, 도로의 길이 (예를 들어, 120 m) 가 하나의 식별부로부터 식별/센싱 가능한 길이(예를 들어, 50 ~ 60 m, 본 예시에선 60m 로 가정)를 초과하는 경우, 도로는 두 개의 영역으로 분할될 수 있으며, 각 분할된 영역에 하나의 식별부와, 해당 하나의 식별부와 유선 또는 무선으로 연결된 알림 정보 제공 장치들이 설치/마련될 수 있다.

다시 도 4를 참조하면, 출력부(420)는 외장부재(400)의 외면의 일부에 적어도 일부가 도출되도록 마련될 수 있다. 다양한 실시예들에 따르면, 출력부(420)는 시각 및/또는 음성 메시지를 출력할 수 있다. 다양한 실시예들에 따르면, 출력부(420)는 디스플레이부 또는 스피커부 중 하나 이상을 포함할 수 있다. 다양한 실시예들에 따르면, 스피커부는 디스플레이부로부터 출력되는 메시지 중 하나 이상에 대응되는 메시지를 청각적으로 출력할 수 있다. 예를 들어, 스피커부로부터 일정 크기 이상의 음량을 출력하거나 식별성이 좋은 특정 주파수에 기초하여 메시지가 출력될 수 있다. 이하에서는 디스플레이부로부터 출력되는 시각적 메시지를 예로 들어 설명하나, 특별히 달리 언급되지 않는 한 다양한 실시예들에 대한 설명에서 디스플레이부로부터 출력되는 모든 정보/메시지는 스피커부로부터 출력되는 청각적 정보/메시지로 대체될 수 있다.

다양한 실시예들에 따르면, 디스플레이부는 식별부(410)로부터 획득되는 영상 정보에 대한 영상 분석 결과에 기초한 시각적 메시지를 출력할 수 있다.

다양한 실시예들에 따르면, 영상 분석 결과 미리 설정된 오브젝트의 적어도 일부가 식별되지 않은 경우 (미리 설정된 영역 내에 미리 설정된 오브젝트의 적어도 일부가 포함/존재하지 않는 경우에 대응됨), 디스플레이부는 미리 설정된 영역의 종류에 따라 달리 설정되는 메시지를 출력할 수 있다. 다양한 실시예들에 따르면, 미리 설정된 오브젝트는 식별부(410)로부터 획득되는 영상 정보에 포함된 복수의 오브젝트들 중, 인공 지능 기반 교통 안전 시스템을 위하여 미리 설정된 종류의 오브젝트일 수 있다. 다양한 실시예들에 따르면, 미리 설정된 오브젝트는 차량 (주·정차된 차량을 포함), 보행자, VRU, 자전거, 이륜차, 또는 PM 중 하나 이상일 수 있다. 다양한 실시예들에 따르면, 미리 설정된 오브젝트의 적어도 일부가 영상 정보에 포함되는 지 여부와 관련된 영상 분석에는 미리 설정된 AI 엔진이 사용될 수 있다.

예를 들어, 미리 설정된 영역이 주·정차 금지 구역에 대응되는 경우, 디스플레이부는 미리 설정된 영역은 주·정차 금지 구역임을 안내하는 정보, 주·정차의 금지를 나타내는 교통안전표지에 대응되는 정보, 주·정차 금지 구역의 종류(예를 들어, 소방시설 주변, 교차로 모퉁이 주변, 버스 정류장 주변, 초/중/고/대학교 주변, 어린이 보호구역 주변, 견인 구역 주변, 및/또는 기타 법령 상 내지 기타 필요성에 따른 주·정차 금지 구역)를 안내하는 정보, 주·정차 금지 구역에 주·정차된 차량은 견인 조치됨을 안내하는 정보 중 하나 이상을 포함하는 메시지를 출력할 수 있다. 예를 들어, 미리 설정된 영역 내에 주·정차된 차량은 단속됨을 안내하는 영상 정보는, '불법 주·정차 단속 중' 과 같이 주·정차된 차량은 단속됨을 나타내는 기호, 문자, 영상, 이미지 또는 기타 시각 정보 중 하나 이상을 포함할 수 있다. 예를 들어, 미리 설정된 영역 내에 주·정차를 금지하도록 안내하는 영상 정보는, '주·정차 금지' 와 같이 주·정차가 금지됨을 나타내는 기호, 문자, 영상, 이미지 또는 기타 시각 정보, 주·정차의 금지를 나타내는 교통안전표지에 대응되는 기호, 문자, 영상, 이미지, 또는 기타 시각 정보, 주·정차 금지 구역의 종류를 나타내는 기호, 문자, 영상, 이미지 또는 기타 시각 정보, 미리 설정된 영역에 대응되는 주·정차 금지 구역에 주·정차된 차량은 견인 조치됨을 안내하는 기호, 문자, 영상, 이미지 또는 기타 시각 정보 중 하나 이상을 포함할 수 있다.

예를 들어, 미리 설정된 영역이 사각 지역(blind spot)에 대응되는 경우, 디스플레이부는 교통 안전과 관련된 공익 표지를 나타내는 정보, 및 제한 속도를 안내하는 정보 중 하나 이상을 포함하는 메시지를 출력할 수 있다. 예를 들어, 교통 안전과 관련된 공익 표지는 '교통법규 준수', '보행자 우선', '보행자 주의', '귀중한 생명지킴' 등과 같이 교통 안전과 관련된 공익적 표지 및/또는 공익적 캠페인을 나타내는 기호, 문자, 영상, 이미지 또는 기타 시각 정보 중 하나 이상을 포함할 수 있다.

예를 들어, 미리 설정된 영역이 일방통행 지역에 대응되는 경우, 디스플레이부는 미리 설정된 영역은 일방 통행 구역임을 안내하는 정보 및 일방통행을 나타내는 교통안전표지에 대응되는 정보 중 하나 이상을 포함하는 메시지를 출력할 수 있다. 예를 들어, 일방 통행 구역임을 안내하는 정보는 '일방 통행 주의' 등과 같이 일방 통행 지역임을 나타내는 기호, 문자, 영상, 이미지 또는 기타 시각 정보 중 하나 이상을 포함할 수 있다.

다양한 실시예들에 따르면, 영상 분석 결과 미리 설정된 오브젝트의 적어도 일부가 식별된 경우 (미리 설정된 영역 내에 미리 설정된 오브젝트의 적어도 일부가 포함/존재하는 경우에 대응됨), 디스플레이부는 미리 설정된 영역의 종류 (예를 들어, 주·정차 금지 구역, 사각 지역, 일방통행 지역 등) 를 안내하는 정보, 식별된 오브젝트 (차량, 보행자, VRU, 자전거, 이륜차 또는 PM 중 하나 이상) 에 대한 주의를 안내하는 정보, 영상 정보 (식별부를 통하여 획득되는 미리 설정된 영역의 실시간 영상 정보), 오브젝트의 속력에 대한 정보, 오브젝트의 속력이 미리 설정된 영역과 관련된 제한 최고 속력 (미리 설정된 영역의 제한 최고 속력, 다양한 실시예들에 대한 설명에서, 최고 속력/최고 제한 속력은 최소 제한 속력으로 대체될 수 있음) 의 초과 여부와 관련된 정보 및 위험 상황을 안내하는 정보 중 하나 이상을 포함하는 메시지를 출력할 수 있다.

다양한 실시예들에 따르면, 영상 분석 결과 미리 설정된 오브젝트의 적어도 일부가 주·정차된 차량의 적어도 일부이고, 미리 설정된 영역이 주·정차 금지 구역에 대응되는 경우, 디스플레이부는 미리 설정된 영역은 주·정차 금지 구역임을 안내하는 정보, 영상 정보 (식별부를 통하여 획득되는 미리 설정된 영역의 실시간 영상 정보) 및 주·정차된 차량에 대한 식별 정보(예를 들어, 차량 번호)를 포함하는 메시지를 출력할 수 있다.

다양한 실시예들에 따르면, 영상 분석 결과 미리 설정된 오브젝트를 포함하는 미리 설정된 영역의 현재 상황이 미리 설정된 위험 상황 데이터 집합에 포함된 복수의 위험 상황들 중 하나 이상의 위험 상황에 대응되는 것으로 식별되는 경우, 디스플레이부는 하나 이상의 위험 상황을 안내하는 정보를 포함하는 메시지를 출력할 수 있다. 다양한 실시예들에 따르면, 위험 상황은 미리 설정된 영역의 종류, 오브젝트의 종류, 오브젝트의 정지 여부, 오브젝트의 속력, 오브젝트의 이동 경로, 영상 정보에 포함된 복수의 오브젝트들 중 상기 오브젝트와는 다른 오브젝트와 상기 오브젝트 간의 거리, 상기 다른 오브젝트의 속력 중 하나 이상에 기초하여 식별될 수 있다.

다양한 실시예들에 따르면, 미리 설정된 위험 상황 데이터 집합은, 복수의 위험 상황들에 대한 데이터를 포함하는 집합일 수 있으며, 복수의 위험 상황들은 미리 설정된 영역에서 발생 가능한 교통 안전과 관련된 위험 상황을 포함할 수 있다. 예를 들어, 위험 상황은 '차량 접근 중', '보행자 접근 중', '자전거 접근 중', '이륜차 접근 중', '미끄럼 과속 주의', '빙판길 과속 주의', '사고 다발 지역', '보행자 출연 서행', '차량 접근 횡단 금지', '진입 금지 우회하시오', 'PM 출현 주의' 등 과 관련된 위험 상황을 포함할 수 있으며, 이에 제한되지 아니한다.

다양한 실시예들에 따르면, 프로세서는 미리 설정된 위험 상황 데이터 집합에 포함된 복수의 위험 상황들 중 영상 분석 결과 미리 설정된 오브젝트를 포함하는 미리 설정된 영역의 현재 상황과 유사성이 높은 순서대로 하나 이상의 위험 상황을 선택할 수 있다. 예를 들어, 프로세서는 현재 상황과 복수의 위험 상황들 각각의 유사성에 대하여 점수를 부여할 수 있으며, 점수의 내림차순으로 N 개 (N>=1)의 위험 상황을 선택할 수 있다.

다양한 실시예들에 따르면, 위험 상황 여부를 식별하기 위하여, 인공 지능 기반 교통 안전 시스템을 위한 장치가 설치된 위치 근방의 현재 기상 정보, 인공 지능 기반 교통 안전 시스템을 위한 장치가 설치된 위치 근방의 교통 사고 발생 빈도/확률 정보가 활용될 수 있으며, 이는 서버로부터 제공되거나 및/또는 인공 지능 기반 교통 안전 시스템을 위한 장치에 포함된 데이터베이스에 저장된 것일 수 있다.

다양한 실시예들에 따르면, 위험 상황을 안내하는 정보는 '차량 접근 중', '보행자 접근 중', '자전거 접근 중', '이륜차 접근 중', '미끄럼 과속 주의', '빙판길 과속 주의', '사고 다발 지역', '보행자 출연 서행', '차량 접근 횡단 금지', '진입 금지 우회하시오', 'PM 출현 주의' 등과 같은 위험 상황을 나타내는 기호, 문자, 영상, 이미지 또는 기타 시각 정보 중 하나 이상을 포함할 수 있다.

및/또는, 다양한 실시예들에 따르면, 영상 분석 결과 미리 설정된 오브젝트의 적어도 일부가 식별되지 않은 경우, 디스플레이부(를 포함한 출력부)는 오프 (off) 될 수 있으며, 이 경우 영상 분석 결과 미리 설정된 오브젝트의 적어도 일부가 식별된 경우, 메시지를 출력하기 위하여 디스플레이부(를 포함한 출력부)가 온 (on) 될 수도 있다.

다양한 실시예들에 따르면, 디스플레이부의 크기는 인공 지능 기반 교통 안전 시스템을 위한 장치의 구체적인 용도에 따라 달라질 수 있다. 다양한 실시예들에 따르면, 인공 지능 기반 교통 안전 시스템을 위한 장치의 구체적인 용도는 인공 지능 기반 교통 안전 시스템을 위한 장치가 설치되는 위치 (및/또는 상술된 미리 설정된 영역의 종류) 에 대응될 수 있다. 예를 들어, 인공 지능 기반 교통 안전 시스템을 위한 장치의 구체적인 용도는 미리 설정된 영역이 사각 지대에 대응됨에 따른 사각 지대를 안내하기 위한 용도 (이하, 사각 지대용), 인근 보행자에게 교통 안전을 안내하기 위한 용도 (이하, 보행자용), 인극 운전자에게 교통 안전을 안내하기 위한 용도 (이하, 운전자용), 미리 설정된 영역이 주·정차 금지 구역에 대응됨에 따른 주·정차 금지를 안내하기 위한 용도(이하, 불법 주·정차용)를 포함할 수 있으며, 이에 제한되지 않을 수 있다.

예를 들어, 운전자용, 사각지대용 및 불법 주·정차용의 경우, 디스플레이부는 1792 × 1152 (단위: mm × mm, 이하 동일) 크기를 가질 수 있다. 예를 들어, 보행자용의 경우, 디스플레이부는 512 × 1536 크기를 가질 수 있다. 예를 들어, 사각지대용, 보행자용 및 불법 주·정차용의 경우, 디스플레이부는 768 × 1024 크기를 가질 수 있다. 예를 들어, 불법 주·정차용의 경우, 디스플레이부는 512 × 896 크기를 가질 수 있다. 후술될 바와 같이, 다양한 실시예들에 따르면, 하나의 인공 지능 기반 교통 안전 시스템을 위한 장치는 복수의 디스플레이부를 포함할 수도 있다. 다양한 실시예들에 따르면, 복수의 디스플레이부 각각은 서로 다른 용도에 대응될 수 있으며, 이 경우, 복수의 디스플레이부 각각은 그에 대응되는 크기를 가질 수 있다.

다양한 실시예들에 따르면, 연결부재(430)는 외장부재(400)와 지지부재(440) 사이에 마련될 수 있다. 다양한 실시예들에 따르면, 연결부재(430)는 외장부재(400)와 지지부재(440)를 물리적으로 연결할 수 있다. 예를 들어, 연결부재(430)는 x 축, y 축 또는 z 축 방향 중 하나 이상의 방향으로 이동 및/또는 x 축, y 축 또는 z 축을 중심으로 회전 가능하도록 마련될 수도 있다. 이를 위하여, 예를 들어, 연결부재(430)는 프로세서의 제어에 따라 동작하는 모터부를 포함할 수도 있다. 예를 들어, 연결부재(430)의 이동 및/또는 회전에 따라 외장부재(400) 또한 이동 및/또는 회전될 수 있다. 예를 들어, 연결부재(430)는 출력부(420)로부터 출력되는 영상 및/또는 음성 정보가 더 잘 전달될 수 있는 위치로 출력부(420)를 이동 및/또는 회전시킬 수 있다. 예를 들어, 운전자/보행자의 시야각, 차량, 보행자, VRU, 자전거, 이륜차, 또는 PM의 높이, 또는 출력부(420)에 포함된 디스플레이부/스피커부의 일표면의 연장선 및/또는 디스플레이부/스피커부의 일표면에 수직한 법선을 기준으로 한 차량의 각도 중 하나 이상을 고려할 때 출력부(420)로부터 출력되는 영상 및/또는 음성 정보가 운전자/보행자로부터 식별되기 어려운 것으로 판단되는 경우, 출력부(420)로부터 출력되는 영상 및/또는 음성 정보가 운전자/보행자로부터 제대로 식별될 수 있도록 연결부재(430)는 이동 및/또는 회전할 수 있다. 상술된 내용은 식별부(410)와 외장부재(400) 간의 연결부재에도 동일하게 적용될 수 있다. 예를 들어, 연결부재는 프로세서의 제어에 따라 동작하는 모터부를 포함할 수도 있다. 예를 들어, 연결부재의 이동 및/또는 회전에 따라 식별부(410) 또한 이동 및/또는 회전될 수 있다. 예를 들어, 연결부재는 식별부(410)로부터 오브젝트가 보다 잘 식별/센싱될 수 있는 위치로 식별부(410)를 이동 및/또는 회전시킬 수 있다.

다양한 실시예들에 따르면, 지지부재(440)는 인공 지능 기반 교통 안전 시스템을 위한 장치가 설치/고정되는 지면의 연직 방향 (z 축 방향)으로 연장된 형태를 가질 수 있으며, 일정 길이 (예를 들어, 6000 mm 내지 8000 mm)를 가질 수 있다. 다양한 실시예들에 따르면, 지지부재(440)의 측단면의 적어도 일부에는 연결부재(430)가 연결되거나 및/또는 외장부재(400)가 연결될 수 있다.

다양한 실시예들에 따르면, 받침부재(450)는 지지부재(440)의 일단의 적어도 일부와 연결될 수 있다. 예를 들어, 인공 지능 기반 교통 안전 시스템을 위한 장치가 안정적으로 설치/고정될 수 있도록, 받침부재(450)의 직경은 지지부재(440)의 직경보다 클 수 있다. 다양한 실시예들에 따르면, 받침부재(450)의 아랫면에 지지부재(440)의 일단을 포함하는 지지부재(440)의 적어도 일부가 관통된 형태로 마련될 수도 있으며, 이 경우 지지부재(440)의 일단을 포함하는 적어도 일부가 지면에 붙박이 (예를 들어, 지지부재(440)의 일단을 포함하는 적어도 일부가 지면을 파고든/매립된 등) 형태로 설치되되, 받침부재(450)의 아랫면이 지면에 접촉되는 형태로 인공 지능 기반 교통 안전 시스템을 위한 장치가 설치/고정될 수도 있다.

다양한 실시예들에 따르면, 인공 지능 기반 교통 안전 시스템을 위한 장치는 복수의 출력부(420, 460)(및/또는 복수의 디스플레이부 및/또는 복수의 스피커부)를 포함할 수도 있다. 다양한 실시예들에 따르면, 인공 지능 기반 교통 안전 시스템을 위한 장치는 지지부재(440)와 연결되고 일방향으로 연장된 연장부재(470)를 더 포함할 수 있으며, (예를 들어, 연장부재(470)의 길이는 2 m, 5m, 또는 6m 일 수 있으며, 이에 제한되지 않을 수 있음), 출력부 (460)와 연장부재(470) 사이에는 연결부재(480)가 마련되어, 출력부 (460)와 연장부재(470)를 물리적으로 연결할 수 있다. 다양한 실시예들에 따르면, 연결부재(480)는 연결부재(430)과 동일한 구성을 포함할 수 있으며, 보다 상세한 설명은 상술된 내용을 참조할 수 있다.

다양한 실시예들에 따르면, 복수의 디스플레이부 각각은 동일한 시각적 메시지를 출력하거나 및/또는 서로 다른 시각적 메시지를 출력할 수 있다. 보다 구체적인 예시는 후술된다.

도 6은 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 위한 장치의 동작 예를 나타낸 도면이다.

도 6의 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 위한 장치의 동작 예는 다양한 실시예들에 따른 인공 지능 기반 교통 안전 시스템을 위한 장치에 포함된 프로세서의 동작 예로 이해될 수 있다.

다양한 실시예들에 따르면, 프로세서의 동작 모드는 제1 동작 모드와 제2 동작 모드를 포함할 수 있다. 예를 들어, 제1 동작 모드는 노말 (normal) 동작 모드로 이해될 수 있으며, 제2 동작 모드는 특수 (special) 동작 모드로 이해될 수 있다.

다양한 실시예들에 따르면, 프로세서의 동작은 인공 지능 기반 교통 안전 시스템을 위한 장치의 설치 위치의 특성에 따라 달라질 수 있다. 다양한 실시예들에 따르면, 프로세서의 동작을 결정하기 위한 파라미터는 인공 지능 기반 교통 안전 시스템을 위한 장치의 설치 위치의 특성에 따라 달라질 수 있다. 예를 들어, 교통 안전에 대한 안내의 필요성이 상대적으로 높은 지역에서는 제1 동작 모드로 동작될 수 있으며, 교통 안전에 대한 안내의 필요성이 상대적으로 낮은 지역에서는 제2 동작 모드로 동작될 수 있다. 예를 들어, 식별부로부터 센싱 가능한 영역 내에서의 평균 교통 사고 발생 빈도/확률이 일정 임계치 보다 높은 경우에는 제1 동작 모드로 동작될 수 있고, 낮은 경우에는 제2 동작 모드로 동작될 수 있다. 다른 예시로, 식별부로부터 센싱 가능한 영역 내에서의 평균 불법 주·정차 발생 빈도/확률이 일정 임계치 보다 높은 경우에는 제1 동작 모드로 동작될 수 있고, 낮은 경우에는 제2 동작 모드로 동작될 수 있다.

예를 들어, 평균 교통 사고 발생 빈도/확률 및/또는 평균 불법 주·정차 발생 빈도/확률은 일, 주, 월, 또는 년 단위의 시간 동안 (예를 들어, 5 일, 3 주, 6 개월, 5 년 등)의 통계로부터 획득되는 평균 교통 사고 발생 빈도/확률 및/또는 평균 불법 주·정차 발생 빈도/확률일 수 있다. 예를 들어, 이러한 통계에 대한 정보는, 데이터베이스에 미리 저장된 정보로부터 획득되거나, 서버 및/또는 기타 외부 기기와의 통신에 기초하여 획득될 수 있다.

도 6(a)는 다양한 실시예들에 따른 프로세서의 제1 동작 모드의 일 예를 나타낸 도면이다.

도 6(a)를 참조하면, 다양한 실시예들에 따른 동작 610에서, 프로세서는 식별부로부터 통하여 획득되는 미리 설정된 영역의 영상 정보와 미리 설정된 AI (artificial intelligence) 엔진에 기초하여, 영상 정보에 미리 설정된 오브젝트(object) 의 적어도 일부가 포함되는지 여부를 식별할 수 있다.

예를 들어, 미리 설정된 영역은 식별부에 기초하여 식별 가능한 범위 내에 포함된 교통 안전 안내가 필요한 영역으로, 생활도로 및 도로 외 구역으로 설정될 수 있다. 예를 들어, 미리 설정된 영역은, 인공 지능 기반 교통 안전 시스템을 위한 장치의 설치 위치에 따라, 소방시설 주변, 교차로 모퉁이 주변, 버스 정류장 주변, 초/중/고/대학교 주변, 어린이 보호구역 주변, 견인 구역 주변, 및/또는 기타 법령 상 내지 기타 필요성에 따른 주·정차 금지 구역에 대응되는 영역 및/또는 생활도로 출입부에서의 비보호좌회전 구역, 아파트 출입부에서의 비보호좌회전 구역, (불법 주·정차가 발생 가능한) 주차 금지 구역, 어린이 보호구역, 신호/비신호 교차로, 및/또는 일방 통행로 등으로써, 식별부에 기초하여 식별 가능한 범위에 기초하여 설정된 영역일 수 있다.

다양한 실시예들에 따른 동작 620 에서, 프로세서는 영상 정보에 오브젝트의 적어도 일부가 포함된 것으로 식별됨에 기초하여, 출력부를 통하여 제1 메시지를 출력할 수 있다. 다양한 실시예들에 따르면, 오브젝트는 영상 정보에 포함된 복수의 오브젝트들 중 미리 설정/정의된 오브젝트일 수 있으며, 미리 설정/정의된 오브젝트가 식별된 경우에, 프로세서는 제1 메시지를 출력할 수 있다.

예를 들어, 프로세서가 미리 설정된 오브젝트의 적어도 일부가 포함되는지 여부를 식별하는 것은, 프로세서가 오브젝트를 인지하고, 오브젝트를 분류하고, 오브젝트를 판단하는 것을 포함할 수 있다. 예를 들어, 프로세서는 영상 정보에 복수의 오브젝트들이 포함되었음을 식별/인지할 수 있다. 예를 들어, 프로세서는 영상 정보에 포함된 복수의 오브젝트들을 분류할 수 있으며, 복수의 오브젝트들 중 미리 설정/정의된 오브젝트 (예를 들어, 차량, 보행자, VRU (vulnerable road user), 자전거, 이륜차, 또는 PM (personal mobility) 등) 이 포함되었는지를 판단할 수 있다.

다양한 실시예들에 따르면, 제1 메시지는 AI 엔진에 기초하여 식별되는 오브젝트의 종류에 기초하여 설정될 수 있다. 다양한 실시예들에 따르면, 제1 메시지는 오브젝트의 종류에 따라 달리 설정될 수 있다. 예를 들어, 오브젝트의 종류가 차량, 보행자, VRU, 자전거, 이륜차, 또는 PM 중 하나 이상으로 식별된 경우, 제1 메시지는 차량, 보행자, VRU, 자전거, 이륜차 또는 PM 중 하나 이상에 대한 주의를 안내하는 정보 및 영상 정보(식별부를 통하여 획득되는 실시간 영상 정보)를 포함할 수 있다.

다양한 실시예들에 따르면, 제1 메시지는 상술된 오브젝트 및/또는 복수의 오브젝트들 중 상술된 오브젝트를 제외한 다른 오브젝트의 속력(복수의 오브젝트들 중 하나 이상의 오브젝트의 속력)에 대한 정보를 포함할 수 있다. 다양한 실시예들에 따르면, 프로세서는 AI 엔진에 기초하여 복수의 오브젝트들 각각의 속력을 측정/획득/계산할 수 있으며, 필요에 따라 하나 이상의 오브젝트의 속력에 대한 정보를 제1 메시지에 포함시킬 수 있다.

다양한 실시예들에 따르면, 프로세서는 AI 엔진을 이용하여 복수의 오브젝트들 각각의 영상 정보에서의 위치에 대한 영상 좌표를 획득할 수 있다. 다양한 실시예들에 따르면, 프로세서는 AI 엔진을 이용하여 복수의 오브젝트들 각각의 영상 좌표를 복수의 오브젝트들 각각의 중심점의 지표면에서의 위치에 대한 중심점 위치 좌표를 획득할 수 있다. 다양한 실시예들에 따르면, 프로세서는 AI 엔진을 이용하여 복수의 오브젝트들 각각의 중심점 위치 좌표의 변화에 기초하여 복수의 오브젝트들 각각의 속력, 복수의 오브젝트들 각각의 이동방향 및 복수의 오브젝트들 간의 거리를 획득할 수 있다. 예를 들어, 복수의 오브젝트들 각각의 속력을 획득하는데에는 타임스탬프 (time stamp) 가 사용될 수 있다. 예를 들어, 일정 단위 시간 (예를 들어, 0.005 초) 간격 마다 측정되는 좌표 변화에 기초할 수 있다.

예를 들어, 복수의 오브젝트들 간의 거리는 위험성 판단에 이용될 수 있다. 예를 들어, 제1 오브젝트와 제2 오브젝트 간의 거리 (d) 가 일정 임계치 (d_c) (임계 수락 간격) 이하인 경우에는 위험성이 높은 것으로 판단될 수 있다. 예를 들어, 제1 메시지는 오브젝트의 속력에 대한 정보 뿐만 아니라, 복수의 오브젝트들 중 하나 이상의 오브젝트의 이동방향 및/또는 거리에 대한 정보를 더 포함할 수도 있다. 예를 들어, 프로세서는 위험성을 단계 별로 판단할 수도 있으며, 위험 상황이 발생된 상황에 대한 로그 데이터를 기록할 수도 있다.

다양한 실시예들에 따르면, 오브젝트 및/또는 복수의 오브젝트들 중 상기 오브젝트와는 다른 오브젝트의 속력이 미리 설정된 영역과 관련된 제한 최고 속력을 초과하는 경우, 제1 메시지는 속력이 제한 최고 속력을 초과함을 나타내는 정보(기호, 문자, 영상, 이미지 또는 기타 시각 정보 중 하나 이상)를 포함할 수 있다. 다양한 실시예들에 따르면, 오브젝트 및/또는 복수의 오브젝트들 중 상기 오브젝트와는 다른 오브젝트의 속력이 미리 설정된 영역과 관련된 제한 최고 속력을 초과하지 않는 경우, 제1 메시지는 속력이 제한 최고 속력을 초과하지 않음을 나타내는 정보(기호, 문자, 영상, 이미지 또는 기타 시각 정보 중 하나 이상)를 포함할 수 있다.

다양한 실시예들에 따른 동작 630 에서, 프로세서는 영상 정보에 오브젝트의 적어도 일부가 포함되지 않은 것으로 식별됨에 기초하여, 출력부를 통하여 제2 메시지를 출력할 수 있다.

다양한 실시예들에 따르면, 제2 메시지는 미리 설정된 영역의 종류에 기초하여 설정될 수 있다. 다양한 실시예들에 따르면, 제2 메시지는 미리 설정된 영역의 종류에 따라 달리 설정될 수 있다. 예를 들어, 미리 설정된 영역의 종류는 주·정차 금지 구역, 사각 지역 (blind spot), 일방통행 지역일 수 있으며, 이에 제한되지 않을 수 있다.

예를 들어, 미리 설정된 영역의 종류가 주·정차 금지 구역에 대응되는 경우, 제2 메시지는, 미리 설정된 영역은 주·정차 금지 구역임을 안내하는 정보, 주·정차의 금지를 나타내는 교통안전표지에 대응되는 정보, 주·정차 금지 구역의 종류를 안내하는 정보, 및 주·정차 금지 구역에 주·정차된 차량은 견인 조치됨을 안내하는 정보 중 하나 이상을 포함할 수 있다.

예를 들어, 미리 설정된 영역의 종류가 사각 지역에 대응되는 경우, 제2 메시지는, 교통 안전과 관련된 공익 표지를 나타내는 정보 및 제한 속도를 안내하는 정보 중 하나 이상을 포함할 수 있다.

예를 들어, 미리 설정된 영역의 종류가 일방통행 지역에 대응되는 경우, 제2 메시지는, 미리 설정된 영역은 일방 통행 구역임을 안내하는 정보 및 일방통행을 나타내는 교통안전표지에 대응되는 정보 중 하나 이상을 포함할 수 있다.

도 6(b)는 다양한 실시예들에 따른 프로세서의 제2 동작 모드의 일 예를 나타낸 도면이다. 전술한 다양한 실시예들에 따른 프로세서의 제1 동작 모드와 동일한 동작에 대해서는 구체적인 설명을 생략하며, 이에 대한 구체적인 내용은 도 6(a) 의 설명을 참조할 수 있다.

다양한 실시예들에 따른 동작 615 에서, 프로세서는 미리 설정된 영역 내에 오브젝트가 포함되었는지 여부를 판단/식별할 수 있다.

다양한 실시예들에 따른 동작 625 에서, 미리 설정된 영역 내에 오브젝트가 포함된 것으로 식별된 경우, 프로세서는 오프된 출력부의 전원을 온 (on) 할 수 있다. 예를 들어, 출력부의 전원을 온한다는 것은 이미 온된 출력부의 전원을 온된 상태로 유지하는 것을 포함할 수 있다.

다양한 실시예들에 따른 동작 645 에서, 프로세서는 제1 메시지를 출력할 수 있다.

다양한 실시예들에 따른 동작 635 에서, 미리 설정된 영역 내에 오브젝트가 포함되지 않은 것으로 식별된 경우, 프로세서는 출력부의 전원을 오프(off)할 수 있다. 예를 들어, 출력부의 전원을 오프(off)한다는 것은, 이미 오프된 출력부의 전원을 오프된 상태로 유지하는 것을 포함하는 것으로 이해될 수 있다. 도 6(a) 를 함께 참조하면, 다양한 실시예들에 따르면, 제2 동작 모드로 동작되는 경우에는 동작 630 이 수행되지 않고 (즉, 동작 630 이 드롭/취소됨) 동작 635 가 대신 수행되는 것으로 이해될 수 있다. 반대로, 다양한 실시예들에 따르면, 제1 동작 모드로 동작되는 경우에는 동작 635 가 수행되지 않고 (즉, 동작 635 가 드롭/취소됨) 동작 630 이 대신 수행되는 것으로 이해될 수 있다.

다양한 실시예들에 따른 제1 메시지 및/또는 제2 메시지에 포함되는 정보의 보다 구체적인 설명은 도 4 에 대한 설명을 참조할 수 있다.

다양한 실시예들에 따른 제1 메시지 및/또는 제2 메시지를 표시/표출하기 위하여, 프로세서는 제1 메시지 및/또는 제2 메시지를 획득/생성/스케쥴링할 수 있다. 다양한 실시예들에 따르면, 프로세서는 인공 지능 기반 교통 안전 시스템을 위한 장치의 구체적인 용도(사각 지대용, 보행자용, 운전자용, 불법 주·정차용 등)에 따른 메시지의 표출 대상, 제1 메시지 및/또는 제2 메시지에 포함되는 정보의 구체적인 형태(기호, 문자, 영상, 이미지 또는 기타 시각 정보), 상술된 특정 조건에 따라 제1 메시지 및/또는 제2 메시지에 포함되는 정보 및/또는 표출 문구 및/또는 디스플레이부에서의 각 정보의 표출 위치 및/또는 표출 시간을 결정할 수 있다. 예를 들어, 표출 위치를 결정하기 위하여, 미리 설정/정의되는 템플릿이 사용될 수 있다. 예를 들어, 미리 설정/정의되는 템플릿은 제1 메시지 및/또는 제2 메시지에 포함되는 각 정보의 디스플레이부에 표시되는 화면에서의 위치를 미리 결정하는 것일 수 있다. 예를 들어, 표출 시간은 오브젝트의 접근 거리 및/또는 시간에 기초하여 설정될 수 있다. 예를 들어, 제1 메시지 및/또는 제2 메시지는 일정 주기에 따라 반복적으로 표출되거나 및/또는 일정 시간 동안 표출될 수 있다. 예를 들어, 제1 메시지 및/또는 제2 메시지는 로고 젝션 방식, 히든글라스 방식, 스마트미러방식, 동적사이즈, 및/또는 LED 라이트 등의 기술에 기초하여 표출될 수 있으며, 이에 제한되지 않을 수 있다.

또한 본 발명의 다양한 실시예들에 따르면, 장치는: 식별부; 출력부; 및 상기 식별부 및 상기 출력부와 연결된 하나 이상의 프로세서를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 하나 이상의 프로세서는: 상기 식별부를 통하여 획득되는 미리 설정된 영역의 영상 정보와 미리 설정된 AI (artificial intelligence) 엔진에 기초하여, 상기 영상 정보에 미리 설정된 오브젝트(object)의 적어도 일부가 포함되는지 여부를 식별; 및 상기 영상 정보에 상기 오브젝트의 적어도 일부가 포함된 것으로 식별됨에 기초하여, 상기 출력부를 통하여 제1 메시지를 출력; 하도록 설정될 수 있다.

다양한 실시예들에 따르면, 상기 오브젝트는, 상기 영상 정보에 포함된 복수의 오브젝트들 중 하나일 수 있다.

다양한 실시예들에 따르면, 상기 제1 메시지는, 상기 AI 엔진에 기초하여 식별되는 상기 오브젝트의 종류에 기초하여 설정될 수 있다.

다양한 실시예들에 따르면, 상기 오브젝트의 종류가 차량, 보행자, VRU (vulnerable road user), 자전거, 이륜차, 또는 PM (personal mobility) 중 하나 이상으로 식별됨에 기초하여: 상기 제1 메시지는, 상기 차량, 보행자, VRU, 자전거, 이륜차 또는 PM 중 하나 이상에 대한 주의를 안내하는 정보 및 상기 영상 정보를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 제1 메시지는, 상기 오브젝트 또는 상기 미리 설정된 영역으로부터 상기 복수의 오브젝트들 중 상기 오브젝트와는 다른 오브젝트 중 하나 이상의 속력에 대한 정보를 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 속력이 상기 미리 설정된 영역과 관련된 제한 최고 속력을 초과함에 기초하여, 상기 제1 메시지는, 상기 속력이 상기 제한 최고 속력을 초과함을 나타내는 정보를 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 속력이 상기 제한 최고 속력을 초과하지 않음에 기초하여, 상기 제1 메시지는, 상기 속력이 상기 제한 최고 속력을 초과하지 않음을 나타내는 정보를 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 AI 엔진은: - (a1) 상기 복수의 오브젝트들 각각의 상기 영상 정보에서의 위치에 대한 영상 좌표를 획득; - (b1) 상기 복수의 오브젝트들 각각의 영상 좌표에 기초하여 상기 복수의 오브젝트들 각각의 중심점의 지표면에서의 위치에 대한 중심점 위치 좌표를 획득; 및 - (c1) 상기 복수의 오브젝트들 각각의 중심점 위치 좌표의 변화에 기초하여 상기 복수의 오브젝트들 각각의 속력, 상기 복수의 오브젝트들 각각의 이동방향 및 상기 복수의 오브젝트들 간의 거리를 획득; 하도록 설정될 수 있다.

다양한 실시예들에 따르면, 상기 오브젝트의 종류가 주정차된 차량으로 식별됨 및 상기 미리 설정된 영역의 종류가 주정차 금지 구역에 대응됨에 기초하여: 상기 제1 메시지는, 상기 미리 설정된 영역은 주정차 금지 구역임을 안내하는 정보, 상기 영상 정보 및 상기 주정차된 차량에 대한 식별 정보를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 영상 정보에 상기 오브젝트의 적어도 일부가 포함되는지 여부가 식별되는 것은, 상기 영상 정보에 대한 전처리 후, 상기 전처리된 영상 정보가 입력됨에 따른 상기 AI 엔진의 출력에 기초할 수 있다.

다양한 실시예들에 따르면, 상기 영상 정보에 포함된 미리 설정된 영역에 대응되는 영상 정보는, 상기 장치와의 거리에 따라 복수의 구간들로 구분될 수 있다.

다양한 실시예들에 따르면, 상기 전처리에서, 상기 복수의 구간들 중 상기 장치와 가장 가까운 구간이 아닌 다른 구간에 포함된 상기 복수의 오브젝트들 중 하나 이상의 오브젝트에 대응되는 영상은 상기 복수의 구간들 중 상기 장치와 가장 가까운 구간에 포함된 하나 이상의 오브젝트에 대응되는 영상과 동일한 크기를 갖도록 확대될 수 있다.

다양한 실시예들에 따르면, 상기 하나 이상의 프로세서는: 상기 영상 정보에 상기 오브젝트의 적어도 일부가 포함되지 않은 것으로 식별됨에 기초하여, 상기 출력부를 통하여 제2 메시지를 출력; 하도록 설정될 수 있다.

다양한 실시예들에 따르면, 상기 제2 메시지는, 상기 미리 설정된 영역의 종류에 기초하여 설정될 수 있다.

다양한 실시예들에 따르면, 상기 미리 설정된 영역의 종류가 주정차 금지 구역에 대응됨에 기초하여: 상기 제2 메시지는, 상기 미리 설정된 영역은 주정차 금지 구역임을 안내하는 정보, 주정차의 금지를 나타내는 교통안전표지에 대응되는 정보, 상기 주정차 금지 구역의 종류를 안내하는 정보, 및 상기 주정차 금지 구역에 주정차된 차량은 견인 조치됨을 안내하는 정보를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 미리 설정된 영역의 종류가 사각 지역 (blind spot) 에 대응됨에 기초하여: 상기 제2 메시지는, 교통 안전과 관련된 공익 표지를 나타내는 정보, 및 제한 속도를 안내하는 정보를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 미리 설정된 영역의 종류가 일방통행 지역에 대응됨에 기초하여: 상기 제2 메시지는, 상기 미리 설정된 영역은 일방 통행 구역임을 안내하는 정보 및 일방통행을 나타내는 교통안전표지에 대응되는 정보를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 AI 엔진은, 상기 AI 엔진의 획득을 위한 모델 (model) 에 기계 학습이 적용됨에 기초하여 미리 설정될 수 있다.

다양한 실시예들에 따르면, 상기 기계 학습은: - (a2) 상기 AI 엔진의 획득을 위한 훈련용 데이터에 기초하여 상기 모델을 학습; - (b2) 학습된 모델의 검증을 위한 테스트용 데이터가 상기 모델로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 피드백 정보를 획득; - (c2) 상기 피드백 정보에 기초하여 상기 모델을 업데이트; 및 - (d2) 상기 (a2) 내지 (c2) 가 반복되되, 상기 (a2) 내지 (c2) 가 반복될 때 마다 초기값 0 인 카운트 값이 1 씩 증가 되고, 상기 카운트 값이 미리 설정된 카운트 임계값과 일치됨에 기초하여 종료; 됨에 기초하여 수행될 수 있다.

다양한 실시예들에 따르면, 상기 학습용 데이터는, 제1 시간 구간 동안 획득된 학습용 데이터와 제2 시간 구간 동안 획득된 학습용 데이터를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 기계 학습은, 상기 제1 시간 구간 동안 획득된 학습용 데이터와 상기 제2 시간 구간 동안 획득된 학습용 데이터 각각에 대하여 별도로 수행될 수 있다.

다양한 실시예들에 따르면, 상기 학습용 데이터는, 상기 미리 설정된 영역이 될 수 있는 임의의 복수의 후보 영역들 각각에 대응되는 데이터를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 학습용 데이터는, 상기 오브젝트가 될 수 있는 복수의 후보 오브젝트들 각각의 종류, 상기 복수의 후보 오브젝트들 각각에 할당된 식별자, 상기 복수의 후보 영역들의 종류에 기초하여 획득될 수 있다.

다양한 실시예들에 따르면, 상기 영상 정보와 상기 AI 엔진에 기초하여, 상기 영상 정보가 미리 설정된 위험 상황 데이터 집합에 포함된 복수의 이상의 위험 상황들 중 하나 이상의 위험 상황에 대응되는 것으로 식별됨에 기초하여: 상기 제1 메시지는, 상기 하나 이상의 위험 상황을 안내하는 정보를 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 위험 상황은, 상기 미리 설정된 영역의 종류, 상기 오브젝트의 종류, 상기 오브젝트의 정지 여부, 상기 오브젝트의 속력, 상기 오브젝트의 이동 경로, 상기 미리 설정된 영역으로부터 상기 오브젝트와 상기 복수의 오브젝트들 중 상기 오브젝트와는 다른 오브젝트 간의 거리, 상기 다른 오브젝트의 속력에 기초하여 식별될 수 있다.

다양한 실시예들에 따르면, 상기 차량, 보행자, VRU, 자전거, 이륜차 또는 PM 중 하나 이상에 대한 주의를 안내하는 정보는: 상기 차량, 보행자, VRU, 자전거, 이륜차 또는 PM 중 하나 이상에 대한 주의를 안내하는 영상 또는 음성 중 하나 이상을 포함할 수 있다.

다양한 실시예들에 따르면, 장치의 동작 방법이 제공될 수 있다.

다양한 실시예들에 따르면, 상가 방법은: 미리 설정된 영역의 영상 정보와 미리 설정된 AI (artificial intelligence) 엔진에 기초하여, 상기 영상 정보에 미리 설정된 오브젝트(object)의 적어도 일부가 포함되는지 여부를 식별; 및상기 영상 정보에 상기 오브젝트의 적어도 일부가 포함된 것으로 식별됨에 기초하여, 제1 메시지를 출력; 하는 것을 포함할 수 있다.

다양한 실시예들에 따르면, 상기 오브젝트는, 상기 영상 정보에 포함된 복수의 오브젝트들 중 하나일 수 있다.

다양한 실시예들에 따르면, 상기 제1 메시지는, 상기 AI 엔진에 기초하여 식별되는 상기 오브젝트의 종류에 기초하여 설정될 수 있다.

다양한 실시예들에 따르면, 상기 오브젝트의 종류가 차량, 보행자, VRU (vulnerable road user), 자전거, 이륜차, 또는 PM (personal mobility) 중 하나 이상으로 식별됨에 기초하여: 상기 제1 메시지는, 상기 차량, 보행자, VRU, 자전거, 이륜차 또는 PM 중 하나 이상에 대한 주의를 안내하는 정보 및 상기 영상 정보를 포함할 수 있다.

상술한 다양한 실시예들은 바람직한 실시예들 중 일부에 불과하며, 다양한 실시예들의 기술적 특징들이 반영된 여러 가지 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 상세한 설명을 기반으로 도출되고 이해될 수 있다.

다양한 실시예들은 그 기술적 아이디어 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 다양한 실시예들의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 다양한 실시예들의 등가적 범위 내에서의 모든 변경은 다양한 실시예들의 범위에 포함된다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.

Claims (5)

1. 장치에 있어서,
   식별부;
   출력부; 및
   상기 식별부 및 상기 출력부와 연결된 프로세서를 포함하고,
   상기 프로세서는:
   상기 식별부를 통하여 획득되는 미리 설정된 영역의 영상 정보와 미리 설정된 AI (artificial intelligence) 엔진에 기초하여, 상기 영상 정보에 미리 설정된 오브젝트(object)의 적어도 일부가 포함되는지 여부를 식별; 및
   상기 영상 정보에 상기 오브젝트의 적어도 일부가 포함된 것으로 식별됨에 기초하여, 상기 출력부를 통하여 제1 메시지를 출력; 하도록 설정되고,
   상기 오브젝트는, 상기 영상 정보에 포함된 복수의 오브젝트들 중 하나이고,
   상기 제1 메시지는, 상기 AI 엔진에 기초하여 식별되는 상기 오브젝트의 종류에 기초하여 설정되고,
   상기 오브젝트의 종류가 차량, 보행자, VRU (vulnerable road user), 자전거, 이륜차, 또는 PM (personal mobility) 중 하나 이상으로 식별됨에 기초하여: 상기 제1 메시지는, 상기 차량, 보행자, VRU, 자전거, 이륜차 또는 PM 중 하나 이상에 대한 주의를 안내하는 정보 및 상기 영상 정보를 포함하고,
   상기 제1 메시지는, 상기 오브젝트 또는 상기 미리 설정된 영역으로부터 상기 복수의 오브젝트들 중 상기 오브젝트와는 다른 오브젝트 중 하나 이상의 속력에 대한 정보를 더 포함하고,
   상기 속력이 상기 미리 설정된 영역과 관련된 제한 최고 속력을 초과함에 기초하여, 상기 제1 메시지는, 상기 속력이 상기 제한 최고 속력을 초과함을 나타내는 정보를 더 포함하고,
   상기 속력이 상기 제한 최고 속력을 초과하지 않음에 기초하여, 상기 제1 메시지는, 상기 속력이 상기 제한 최고 속력을 초과하지 않음을 나타내는 정보를 더 포함하는,
   장치.
   
2. 삭제
3. 제 1 항에 있어서,
   상기 AI 엔진은:
   - (a1) 상기 복수의 오브젝트들 각각의 상기 영상 정보에서의 위치에 대한 영상 좌표를 획득;
   - (b1) 상기 복수의 오브젝트들 각각의 영상 좌표에 기초하여 상기 복수의 오브젝트들 각각의 중심점의 지표면에서의 위치에 대한 중심점 위치 좌표를 획득; 및
   - (c1) 상기 복수의 오브젝트들 각각의 중심점 위치 좌표의 변화에 기초하여 상기 복수의 오브젝트들 각각의 속력, 상기 복수의 오브젝트들 각각의 이동방향 및 상기 복수의 오브젝트들 간의 거리를 획득; 하도록 설정되는,
   장치.
   
4. 제 1 항에 있어서,
   상기 오브젝트의 종류가 주정차된 차량으로 식별됨 및 상기 미리 설정된 영역의 종류가 주정차 금지 구역에 대응됨에 기초하여: 상기 제1 메시지는, 상기 미리 설정된 영역은 주정차 금지 구역임을 안내하는 정보, 상기 영상 정보 및 상기 주정차된 차량에 대한 식별 정보를 포함하는,
   장치.
   
5. 제 1 항에 있어서,
   상기 차량, 보행자, VRU, 자전거, 이륜차 또는 PM 중 하나 이상에 대한 주의를 안내하는 정보는: 상기 차량, 보행자, VRU, 자전거, 이륜차 또는 PM 중 하나 이상에 대한 주의를 안내하는 영상 또는 음성 중 하나 이상을 포함하는,
   장치.

Images