KR102371391B1 - Ai 활용 차량 번호판 인식 시스템 및 이를 위한 동작 방법 - Google Patents

Ai 활용 차량 번호판 인식 시스템 및 이를 위한 동작 방법 Download PDF

Info

Publication number
KR102371391B1
KR102371391B1 KR1020210045074A KR20210045074A KR102371391B1 KR 102371391 B1 KR102371391 B1 KR 102371391B1 KR 1020210045074 A KR1020210045074 A KR 1020210045074A KR 20210045074 A KR20210045074 A KR 20210045074A KR 102371391 B1 KR102371391 B1 KR 102371391B1
Authority
KR
South Korea
Prior art keywords
identification
image
image frame
license plate
perform
Prior art date
Application number
KR1020210045074A
Other languages
English (en)
Inventor
신광식
김춘열
김승호
Original Assignee
(주)아이엠시티
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)아이엠시티 filed Critical (주)아이엠시티
Priority to KR1020210045074A priority Critical patent/KR102371391B1/ko
Application granted granted Critical
Publication of KR102371391B1 publication Critical patent/KR102371391B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/44—Secrecy systems
    • H04N1/448—Rendering the image unintelligible, e.g. scrambling
    • H04N1/4486—Rendering the image unintelligible, e.g. scrambling using digital data encryption

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명의 일 실시예에 따르면, 차량 번호판 인식 장치가 개시된다. 상기 장치는, 입력된 영상로부터 적어도 하나의 이미지 프레임을 추출하고, 추출된 이미지 프레임 내 대상 객체를 검출하는 인식 모듈; 복호화를 수행하기 위해 미리 생성된 키값을 이용하여, 상기 이미지 프레임 내 대상 객체에 대응되는 대상 영역의 비식별화를 수행함으로써 상기 영상의 적어도 일부를 암호화하는 암호화 모듈; 및 상기 비식별화에 사용된 상기 키값 및 상기 비식별화가 수행된 상기 이미지 프레임의 식별 정보를 저장하는 데이터 베이스를 포함하도록 구성된다.

Description

AI 활용 차량 번호판 인식 시스템 및 이를 위한 동작 방법{LICENSE PLATAE RECOGNITION SYSTEM USING AI AND OPERATION METHOD THEREOF}
본 명세서는 AI 활용 차량 번호판 인식 시스템 및 이를 위한 동작 방법에 관한 것으로, 더 구체적으로 본 명세서는 일반적인 필드 환경으로부터 획득한 다양한 이미지에 대하여 번호판 및 사람에 대한 실시간 인식을 기반으로 개인정보 비식별화를 위한 암호화 처리뿐만 아니라 영상 공개에 필요한 복호화 처리가 가능한 AI 활용 차량 번호 인식 시스템 및 이를 위한 동작 방법에 관한 것이다.
최근 ICT 기술의 비약적인 발전으로 지능형 교통시스템(ITS)구축에 대한 관심이 매우 높아지고 있다. 특히 스마트 시티 등의 도입으로 통합관제의 핵심기술로서 대규모 CCTV 영상에서 다양한 정보가 들어오게 되면서 이에 따른 정보처리의 요구량은 많아지나 이에 따른 인력은 빈약한 수준에 있다.
민간과 관공서 CCTV 설치가 늘어 남에 따라 이에 따른 영상정보 처리량도 늘었으나 이를 처리할 인력은 부족한 상태이다 이에 부족한 인력을 도울 영상처리 기술이 요구된다. 최근에는 교통관제센터 등에서 지원하는 CCTV 영상뿐만 아니라 차량용 블랙박스 모바일 등 다양한 촬영 영상에서의 교통관련 민원이 접수됨에 따라 관련 영상을 처리 요구량이 늘어가고 있다.
본 명세서와 관련된 선행기술문헌으로 대한민국 특허 공개공보 10-2015-0173025(2015.12.07)를 참조할 수 있다.
본 발명의 실시 예들은 일반적인 필드 환경으로부터 획득한 다양한 이미지에 대하여 번호판 및 사람에 대한 실시간 인식을 기반으로 개인정보 비식별화를 위한 암호화 처리뿐만 아니라 영상 공개에 필요한 복호화 처리를 수행하는 방법을 제공하는 것에 목적이 있다.
본 발명의 일 실시 예에 따르면, 입력된 영상로부터 적어도 하나의 이미지 프레임을 추출하고, 추출된 이미지 프레임 내 대상 객체를 검출하는 인식 모듈; 복호화를 수행하기 위해 미리 생성된 키값을 이용하여, 상기 이미지 프레임 내 대상 객체에 대응되는 대상 영역의 비식별화를 수행함으로써 상기 영상의 적어도 일부를 암호화하는 암호화 모듈; 및 상기 비식별화에 사용된 상기 키값 및 상기 비식별화가 수행된 상기 이미지 프레임의 식별 정보를 저장하는 데이터 베이스를 포함하는, 차량 번호판 인식 장치가 제공된다.
상기 대상 객체는 사람일 수 있다.
상기 입력된 영상은, 차량의 번호판을 포함하며, 상기 암호화 모듈은, 상기 영상에서 상기 번호판의 이미지를 식별 가능한 상태로 유지하도록 구성될 수 있다.
상기 데이터 베이스에 저장된 키값을 이용하여 상기 식별 정보에 대응되는 이미지 프레임에서 비식별화된 대상 영역을 식별 가능한 상태로 복구함으로써 최초 입력된 상기 영상을 복호화하는 복호화 모듈을 더 포함할 수 있다.
상기 암호화 모듈은, 비식별화 이전의 이미지 프레임에서 상기 키값을 기반으로 상기 이미지 프레임의 상기 대상 영역을 구성하는 픽셀들의 위치를 이동시켜 비식별화를 수행할 수 있다.
상기 암호화 모듈은, 비식별화 이전의 이미지 프레임에서 각 픽셀의 픽셀값은 유지하고, 기 설정된 함수에 따라 상기 대상 영역 내에서 상기 픽셀들의 위치를 이동시켜 비식별화를 수행할 수 있다.
상기 암호화 모듈은, 상기 대상 영역을 복수의 서브 영역으로 나누고, 각각의 상기 서브 영역 내에서 상기 픽셀을 이동시키도록 구성될 수 있다.
본 발명의 다른 실시 예에 따르면, 인식 모듈에서 입력된 영상로부터 적어도 하나의 이미지 프레임을 추출하는 단계; 상기 인식 모듈에서 추출된 이미지 프레임 내 대상 객체를 검출하는 단계; 암호화 모듈에서 복호화를 수행하기 위해 미리 생성된 키값을 이용하여, 상기 이미지 프레임 내 대상 객체에 대응되는 대상 영역의 비식별화를 수행함으로써 상기 영상의 적어도 일부를 암호화하는 단계; 및 상기 비식별화에 사용된 상기 키값 및 상기 비식별화가 수행된 상기 이미지 프레임의 식별 정보를 데이터 베이스에 저장하는 단계를 포함하는, 차량 번호판 인식 방법이 제공된다.
상기 대상 객체는 사람일 수 있다.
상기 입력된 영상은, 차량의 번호판을 포함하며, 상기 암호화 모듈은, 상기 영상에서 상기 번호판의 이미지를 식별 가능한 상태로 유지하도록 구성될 수 있다.
복호화 모듈에서, 상기 데이터 베이스에 저장된 키값을 이용하여 상기 식별 정보에 대응되는 이미지 프레임에서 비식별화된 대상 영역을 식별 가능한 상태로 복구함으로써 최초 입력된 상기 영상을 복호화하는 단계를 더 포함할 수 있다.
상기 암호화하는 단계는, 비식별화 이전의 이미지 프레임에서 상기 키값을 기반으로 상기 이미지 프레임의 상기 대상 영역을 구성하는 픽셀들의 위치를 이동시켜 비식별화를 수행하도록 구성될 수 있다.
상기 암호화하는 단계는, 비식별화 이전의 이미지 프레임에서 각 픽셀의 픽셀값은 유지하고, 기 설정된 함수에 따라 상기 대상 영역 내에서 상기 픽셀들의 위치를 이동시켜 비식별화를 수행하도록 구성될 수 있다.
상기 암호화하는 단계는, 상기 대상 영역을 복수의 서브 영역으로 나누고, 각각의 상기 서브 영역 내에서 상기 픽셀을 이동시키도록 구성될 수 있다.
본 발명의 실시 예들에 따르면, 별도의 인력을 요구하지 않고, 일반적인 필드에서 획득된 이미지/영상에 대해 개인 정보 보호 처리를 수행할 수 있다.
나아가, 비식별화된 영역에 대해 복구를 수행함으로써 원본에 대한 신뢰도를 높일 수 있다.
도 1은 본 발명의 일 실시 예에 따른 차량 번호판 인식 장치의 구성을 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 따른 복호화 가능한 비식별화 동작을 나타내는 예시도이다.
도 3은 본 발명의 일 실시 예에 따른 복호화 불가능한 비식별화 동작을 나타내는 예시도이다.
도 4는 본 발명의 일 실시 예에 따른 차량 번호판 인식 방법을 나타낸 시퀀스도(sequence-chart)이다.
도 5는 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도이다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 본 발명은 특정 실시 예에 대해 한정되지 아니며, 본 발명의 실시 예들의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 문서에서, "가진다", "가질 수 있다", "포함한다", 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B", "A 또는/및 B 중 적어도 하나", 또는 "A 또는/및 B 중 하나 또는 그 이상" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B", "A 및 B 중 적어도 하나", 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 본 문서에 기재된 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)", "~하는 능력을 가지는(having the capacity to)", "~하도록 설계된(designed to)", "~하도록 변경된(adapted to)", "~하도록 만들어진(made to)", 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성(또는 설정)된"은 "특별히 설계된(specifically designed to)"것만을 반드시 의미하지는 않는다.
본 문서에 있어서 제1 전자 장치(들)와 제2 전자 장치(들) 사이에서 송수신되는, 예컨대, "명령(command)", "명령어(instruction)", "제어 정보", "메시지", "정보", "데이터", "패킷", "데이터 패킷", "인텐트(intent)" 및/또는 "신호"는 그 표현에 구애됨 없이 인간이 인지할 수 있는 사상이나 구체적인 전기적 표현(예: 디지털 부호/아날로그 물리량)을 포함하거나 그 자체를 지칭하는 것일 수 있다. 상기 열거된 예시적인 표현이 사용하게 되는 맥락에 따라 다양하게 해석될 수 있음은 본 문서에서 개시된 발명이 속한 기술분야의 통상의 기술자에게 자명할 것이다. 본 문서에서 “A가 B보다 크다”는 단순히 “A가 B보다 크다”는 의미를 갖고 있을 뿐만 아니라 “A가 B보다 같거나 크다”라는 의미도 포함한다.
본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시 예들을 배제하도록 해석될 수 없다.
도 1은 본 발명의 일 실시 예에 따른 차량 번호판 인식 장치 (100)의 구성을 나타낸 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시 예에 따른 차량 번호판 인식 장치 (100)는 인식 모듈 (102), 암호화 모듈 (104), 데이터베이스 (106) 및 복호화 모듈 (108)을 포함한다. 실시 예에 따라, 차량 번호판 인식 장치 (100)는 제어 모듈을 더 포함할 수 있다.
인식 모듈 (102)은 입력된 영상로부터 적어도 하나의 이미지 프레임을 추출하고, 추출된 이미지 프레임 내 대상 객체를 검출할 수 있다.
일 실시 예에 따른 영상은, 조명이나 카메라 조작없는 일반적인 필드에서 취득된 영상으로서, 예를 들어, 스마트폰 어플리케이션, cctv, 블랙박스에 기록된 영상일 수 있다.
인식 모듈 (102)은 입력된 영상은 상기 영상을 구성하는 이미지 프레임을 추출할 수 있다. 상기 영상은 상기 이미지 프레임의 집합일 수 있다. 구체적으로, 이미지 프레임은 특정 시간에서 상기 영상의 일시 정지 상태의 이미지일 수 있다.
인식 모듈 (102)은 추출된 이미지 프레임 내에 포함된 복수의 객체를 식별할 수 있다. 예를 들어, 인식 모듈 (102)은 차량 번호판, 사람일 수 있다. 일 실시 예에 따른 객체를 검출하는 과정은 AI, 딥러닝, 머신 러닝을 이용한 방법으로 수행될 수 있으나, 본 명세서에서 구체적인 설명은 생략하기로 한다.
특히, 인식 모듈 (102)은 추출된 이미지 프레임 내 대상 객체를 검출 할 수 있다. 대상 객체는 개인 정보 보호 대상에 해당하여 비공개 또는 비식별화를 필요로 하는 객체로서, 예를 들어 영상에 포함된 사람일 수 있다.
인식 모듈 (102)은 이미지 프레임의 식별 정보 및 각 이미지 프레임에 포함된 대상 객체의 위치 및 형상에 관한 정보를 생성할 수 있다.
암호화 모듈 (104)은 상기 이미지 프레임 내 대상 객체에 대응되는 대상 영역의 비식별화를 수행함으로써 상기 영상의 적어도 일부를 암호화할 수 있다.
암호화 모듈 (104)은 인식 모듈 (102)로부터 수신된 이미지 프레임 별 대상 객체에 관한 정보를 기반으로 암호화를 수행한다. 암호화는 이미지 프레임에 포함된 대상 객체를 육안으로 식별할 수 없을 정도로 변형하는 것으로, 예를 들어 모자이크 처리를 포함할 수 있다. 본 설명에서 암호화는 비식별화, 비공개화 등의 용어와 혼용될 수 있다.
대상 영역은 상기 이미지 프레임 상에서 대상 객체를 포함하는 영역으로, 대상 객체의 윤곽을 따라 형성될 수 있으나, 대상 객체를 포함하되 최소한의 크기를 갖는 특정 모양(사각형 등)으로 형성될 수도 있다.
한편, 암호화 모듈 (104)은 상기 영상에 포함된 번호판의 이미지를 식별 가능한 상태로 유지하도록 구성될 수 있다. 즉, 암호화 모듈 (104)은 상기 영상에서 식별된 번호판에 대해서는 암호화를 수행하지 않는다.
일 예시에서, 암호화 모듈 (104)은 대상 객체를 복호화 가능하도록 비식별화할지, 또는 복호화 불가능하도록 비식별화할지 결정할 수 있다. 암호화 모듈 (104)은 입력된 영상의 재활용 가능성, 데이터베이스의 저장 가능 용량 등을 기반으로, 복호화 가능한 비식별화 또는 복호화 불가능한 비식별화를 수행될 수 있다. 복호화 가능한 비식별화는 복호화 불가능한 비식별화보다 더 많은 데이터 저장을 요구한다. 한편, 사용자의 설정에 따라 암호화 모듈 (104)은 복호화 가능한 비식별화 또는 복호화 불가능한 비식별화를 수행할 수 있다
대상 객체를 복호화 가능하도록 비식별화하는 것으로 결정된 경우, 암호화 모듈 (104)은 복호화를 수행하기 위해 미리 생성된 키값(KEY_value)을 이용하여, 대상 영역의 비식별화를 수행할 수 있다.
일 실시 예에 따르면, 암호화 모듈(104)은 비식별화 이전의 이미지 프레임에서 상기 키값(KEY_value)을 기반으로 상기 이미지 프레임의 상기 대상 영역을 구성하는 픽셀들의 위치를 이동시켜 비식별화를 수행할 수 있다.
즉, 암호화 모듈 (104)은 비식별화 이전의 이미지 프레임에서 각 픽셀의 픽셀값은 유지하고, 기 설정된 함수에 따라 상기 대상 영역 내에서 상기 픽셀들의 위치를 이동시켜 비식별화를 수행할 수 있다. 이때, 픽셀값은 RGB 값일 수 있다.
더 구체적으로, 암호화 모듈 (104)은 상기 대상 영역을 복수의 서브 영역으로 나누고, 각각의 상기 서브 영역 내에서 상기 픽셀을 이동시키도록 구성될 수 있다.
일 실시 예에 따르면, 키값(KEY_value)은 대상 영역을 구성하는 서브 영역의 정보 및 픽셀의 이동 정보 중 적어도 하나를 기반으로 생성될 수 있다. 픽셀의 이동 정보는 각 서브 영역 내 픽셀들의 이동 칸 수 및 이동 방향을 포함할 수 있다. 암호화 모듈 (104)은 이미지 프레임 별로 가변적인 길이의 키값을 생성할 수 있다.
대상 객체를 복호화 불가능하도록 비식별화하는 것으로 결정된 경우, 암호화 모듈 (104)은 대상 영역에 포함된 픽셀값을 변경함으로써 상기 대상 영역을 비식별화할 수 있다. 예를 들어, 암호화 모듈 (104)은 대상 영역을 복수의 서브 영역 (예를 들어, 2개의 서브 영역)으로 분할하고, 각 서브 영역에 포함된 픽셀값 (RGB 값)의 평균값을 산출하여 상기 평균값에 대응되는 RGB 값을 해당 서브 영역에 적용시킬 수 있다.
암호화 모듈 (104)은 비식별화된 이미지 프레임 및 상기 이미지 프레임을 포함하는 암호화된 영상 데이터(IMG_Data_enc)를 생성할 수 있다.
데이터베이스 (106)는 상기 비식별화에 사용된 상기 키값(KEY_value) 및 상기 비식별화가 수행된 상기 이미지 프레임의 식별 정보를 저장할 수 있다. 즉, 데이터베이스 (106)는 이미지 프레임 별로 키값(KEY_value)을 저장할 수 있다. 표 1은 데이터베이스에 저장된 키값 및 대응되는 이미지 프레임의 정보의 예시를 나타낸다.
키값 암호화 이미지 정보
T1030_P1_21031650106_n IMG #1~IMG #1, 000
일 실시 예에 따르면, 데이터베이스 (106)는 차량 번호판 인식 장치 (100) 내부에 구비될 필요는 없고, 별도의 장치로 구성될 수도 있다. 이 경우, 데이터베이스(106)는 차량의 번호판 인식 장치 (100)와 전기적으로 연결되어 데이터를 송수신할 수 있도록 연동될 수 있다.
예를 들어, 데이터베이스 (106)는 제어모듈(110)로부터 수신된 요청정보(REQ_dec)에 대한 응답으로 응답 영상 데이터(IMG_Data_RSP)를 복호화 모듈 (108)로 전달할 수 있다.
여기서, 응답 영상 데이터(IMG_Data_RSP)는 요청정보(REQ_dec)에 따라 암호화된 영상 데이터(IMG_Data_enc)의 일부 또는 전부를 포함할 수 있음은 이해될 것이다.
복호화 모듈 (108)은 상기 데이터 베이스에 저장된 키값(KEY_value)을 이용하여 상기 식별 정보에 대응되는 이미지 프레임에서 비식별화된 대상 영역을 식별 가능한 상태로 복구함으로써 최초 입력된 상기 영상을 복호화할 수 있다.
복호화 모듈 (108)은 암호화 모듈이 복호화 가능한 비식별화를 수행한 경우에 한해서 동작할 수 있다.
복호화 모듈 (108)은 비식별화가 수행된 이미지 프레임에 대해 복구를 수행할 수 있다. 구체적으로, 복호화 모듈 (108)은 데이터베이스에 저장된 각 이미지 프레임에 대응되는 키값을 적용하여 상기 이미지 프레임을 복구할 수 있다.
복호화 모듈(108)은 응답 영상 데이터(IMG_Data_RSP)을 기반으로 복구된 이미지 프레임 및 상기 이미지 프레임을 포함하는 복호화된 영상 데이터(IMG_Data_dec)을 생성할 수 있다.
제어 모듈 (110)은 앞서 설명된 모듈들이 수행하는 동작의 일부를 대신 수행하도록 구성될 수 있다. 예를 들어, 제어 모듈 (110)은 영상 또는 이미지 프레임의 입출력, 모듈 간의 상호 동작에 관여할 수 있다. 구체적으로, 제어 모듈 (110)은 상기 비식별화에 사용된 상기 키값 및 상기 비식별화가 수행된 상기 이미지 프레임의 식별 정보를 데이터 베이스에 저장하는 동작을 수행할 수 있다.
그러나, 제어 모듈 (110)이 반드시 차량 번호판 인식 장치 (100)에 구비되는 것은 아니고, 실시 예에 따라 각 모듈에 의해 제어 모듈 (110)의 동작이 대체될 수 있다.
본 발명의 실시 예들에 따르면, 별도의 인력을 요구하지 않고, 일반적인 필드에서 획득된 이미지/영상에 대해 개인 정보 보호 처리를 수행할 수 있다. 나아가, 비식별화된 영역에 대해 복구를 수행함으로써 원본에 대한 신뢰도를 높일 수 있다.
도 2는 본 발명의 일 실시 예에 따른 복호화 가능한 비식별화 동작을 나타내는 예시도이다.
도 2에 도시된 바와 같이, 비식별화의 대상이 되는 대상 영역은 복수의 서브 영역(진한 선을 경계로 구분)으로 분할될 수 있다. 이후 각 서브 영역 내에서 각각의 픽셀 또는 하나 이상의 픽셀로 이루어진 이동 구역들은 화살표 방향에 따라 이동할 수 있다. 여기서, 이동 방향 및 이동 칸 수는 키값(KEY_value)과 관련될 수 있다.
구체적으로, 여기서 각 구역(
Figure 112021040614686-pat00001
)들이 진한 선 안에서 한 칸식 이동할 수 있다. 이 경우, 반복회수와 진한 선의 크기 비식별화 이미지의 위치 등을 이용하여 키값 (예: T53_X413Y416_W153H200_V3H4S1)이 생성될 수 있음 이해될 것이다. 여기서, 각 구역은 하나 이상의 픽셀을 포함할 수 있다.
다시 말해, 복호화 가능한 비식별화 동작은 각 픽셀에 대한 고유의 RGB 값을 변경하지 않고, 위치만을 변경하기 때문에, 변경된 위치 정보를 가지고 있는 경우 복호화가 가능하다.
도 3은 본 발명의 일 실시 예에 따른 복호화 불가능한 비식별화 동작을 나타내는 예시도이다.
도 3에 도시된 바와 같이, 대상 영역을 너비(w), 높이(h) 크기로 등분하여
Figure 112021040614686-pat00002
와 같은 여러 개의 구역으로 분할한다.
Figure 112021040614686-pat00003
을 예시로
Figure 112021040614686-pat00004
의 범위 안에는 여러 개의 RGB 값을 가진 픽셀들이 존재할 수 있다. 이 픽셀들의 RGB 값을 합친 후
Figure 112021040614686-pat00005
안에 있는 픽셀의 수 (
Figure 112021040614686-pat00006
) 노 나누어 평균값을 구하고,
Figure 112021040614686-pat00007
안의 픽셀 전부를 평균값으로 바꿀 수 있다. 도 3에 표시된 수식은 해당 구역 안의 픽셀 전부를 평균 값을 바꾸는 수식이다.
다시 말해, 복호화 불가능한 비식별화 동작은 각 픽셀에 대한 고유의 RGB 값을 변경하기 때문에 복호화가 불가능하다.
도 4는 본 발명의 일 실시 예에 따른 차량 번호판 인식 방법을 서명하기 위한 시퀀스도이다.
단계 S402에서, 인식 모듈에서 입력된 영상로부터 적어도 하나의 이미지 프레임을 추출할 수 있다.
단계 S404에서, 상기 인식 모듈에서 추출된 이미지 프레임 내 대상 객체를 검출할 수 있다. 대상 객체는 사람일 수 있다.
단계 S406에서, 암호화 모듈에서 복호화를 수행하기 위해 미리 생성된 키값을 이용하여, 상기 이미지 프레임 내 대상 객체에 대응되는 대상 영역의 비식별화를 수행함으로써 상기 영상의 적어도 일부를 암호화할 수 있다. 상기 암호화 모듈은, 비식별화 이전의 이미지 프레임에서 상기 키값을 기반으로 상기 이미지 프레임의 상기 대상 영역을 구성하는 픽셀들의 위치를 이동시켜 비식별화를 수행할 수 있다. 상기 암호화 모듈은, 비식별화 이전의 이미지 프레임에서 각 픽셀의 픽셀값은 유지하고, 기 설정된 함수에 따라 상기 대상 영역 내에서 상기 픽셀들의 위치를 이동시켜 비식별화를 수행할 수 있다. 상기 암호화 모듈은, 상기 대상 영역을 복수의 서브 영역으로 나누고, 각각의 상기 서브 영역 내에서 상기 픽셀을 이동시키도록 구성될 수 있다.
단계 S408에서, 상기 비식별화에 사용된 상기 키값 및 상기 비식별화가 수행된 상기 이미지 프레임의 식별 정보를 데이터 베이스에 저장할 수 있다. 일 실시 예에 따르면, 본 단계는 제어 모듈 (110)에 의해 수행될 수 있으나, 이에 한정되지 않고, 암호화 모듈에 의해 수행될 수도 있다.
복호화 모듈에서, 상기 데이터 베이스에 저장된 키값을 이용하여 상기 식별 정보에 대응되는 이미지 프레임에서 비식별화된 대상 영역을 식별 가능한 상태로 복구함으로써 최초 입력된 상기 영상을 복호화하는 단계를 더 포함할 수 있다.
본 발명의 실시 예들에 따르면, 별도의 인력을 요구하지 않고, 일반적인 필드에서 획득된 이미지/영상에 대해 개인 정보 보호 처리를 수행할 수 있다. 나아가, 비식별화된 영역에 대해 복구를 수행함으로써 원본에 대한 신뢰도를 높일 수 있다.
도 5는 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되지 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 인식 모듈 (102), 암호화 모듈 (104), 복호화 모듈 (106) 및 제어 모듈 (110)일 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 프로세서부(106)와 연결될 수도 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 차량 번호판 인식 장치
102: 인식 모듈
104: 암호화 모듈
106: 데이터베이스
110: 복호화 모듈

Claims (10)

  1. 입력된 영상로부터 적어도 하나의 이미지 프레임을 추출하고, 추출된 이미지 프레임 내 대상 객체를 검출하는 인식 모듈;
    미리 결정된 사용자의 설정에 따라 상기 대상 객체에 대하여 복호화가 가능한 비식별화 및 복호화가 불가능한 비식별화 중에서 어느 하나를 수행하도록 결정하고, 상기 복호화가 가능한 비식별화를 수행하도록 결정된 경우, 미리 생성된 키값을 이용하여 상기 대상 객체에 상응하는 대상 영역에 대한 비식별화를 수행함으로써 상기 영상의 적어도 일부를 암호화하는 암호화 모듈; 및
    상기 키값 및 상기 비식별화가 수행된 상기 이미지 프레임의 식별 정보를 저장하는 데이터 베이스를 포함하되,
    상기 입력된 영상은 차량의 번호판을 포함하고,
    상기 암호화 모듈은 상기 영상에서 상기 번호판의 이미지에 대하여 별도의 암호화를 수행하지 않고 식별 가능한 상태로 유지하도록 구현되는,
    차량 번호판 인식 장치.
  2. 제1항에 있어서,
    상기 암호화 모듈은, 상기 복호화가 불가능한 비식별화를 수행하도록 결정된 경우, 상기 대상 영역을 복수의 서브 영역으로 분할하고, 상기 다수의 분할된 서브 영역 각각에 포함된 픽셀값의 평균 값을 산출하고, 상기 평균값에 상응하는 픽셀값을 상기 복수의 서브 영역에 적용하는, 차량 번호판 인식 장치.
  3. 제1항에 있어서,
    상기 데이터 베이스에 저장된 키값을 이용하여 상기 식별 정보에 대응되는 이미지 프레임에서 비식별화된 대상 영역을 식별 가능한 상태로 복구함으로써 최초 입력된 상기 영상을 복호화하는 복호화 모듈을 더 포함하는, 차량 번호판 인식 장치.
  4. 제1항에 있어서,
    상기 암호화 모듈은, 비식별화 이전의 이미지 프레임에서 상기 키값을 기반으로 상기 이미지 프레임의 상기 대상 영역을 구성하는 픽셀들의 위치를 이동시켜 비식별화를 수행하는, 차량 번호판 인식 장치.
  5. 제4항에 있어서,
    상기 암호화 모듈은, 비식별화 이전의 이미지 프레임에서 각 픽셀의 픽셀값은 유지하고, 기 설정된 함수에 따라 상기 대상 영역 내에서 상기 픽셀들의 위치를 이동시켜 비식별화를 수행하는, 차량 번호판 인식 장치.
  6. 제5항에 있어서,
    상기 암호화 모듈은, 상기 대상 영역을 복수의 서브 영역으로 나누고, 각각의 상기 서브 영역 내에서 상기 픽셀을 이동시키도록 구성되는, 차량 번호판 인식 장치.
  7. 인식 모듈에서 입력된 영상로부터 적어도 하나의 이미지 프레임을 추출하는 단계;
    상기 인식 모듈에서 추출된 이미지 프레임 내 대상 객체를 검출하는 단계;
    미리 결정된 사용자의 설정에 따라 상기 대상 객체에 대하여 복호화가 가능한 비식별화 및 복호화가 불가능한 비식별화 중에서 어느 하나를 수행하도록 결정하는 단계;
    상기 복호화가 가능한 비식별화를 수행하도록 결정된 경우, 암호화 모듈에서 복호화를 수행하기 위해 미리 생성된 키값을 이용하여 상기 대상 객체에 상응하는 대상 영역에 대한 비식별화를 수행함으로써 상기 영상의 적어도 일부를 암호화하는 단계; 및
    상기 키값 및 상기 비식별화가 수행된 상기 이미지 프레임의 식별 정보를 데이터 베이스에 저장하는 단계를 포함하되,
    상기 입력된 영상은 차량의 번호판을 포함하고,
    상기 암호화 모듈은 상기 영상에서 상기 번호판의 이미지에 대하여 별도의 암호화를 수행하지 않고 식별 가능한 상태로 유지하도록 구현되는, 차량 번호판 인식 방법.
  8. 제7항에 있어서,
    상기 암호화 모듈은, 상기 복호화가 불가능한 비식별화를 수행하도록 결정된 경우, 상기 대상 영역을 복수의 서브 영역으로 분할하고, 상기 다수의 분할된 서브 영역 각각에 포함된 픽셀값의 평균 값을 산출하고, 상기 평균값에 상응하는 픽셀값을 상기 복수의 서브 영역에 적용하는, 차량 번호판 인식 방법.
  9. 제8항에 있어서,
    상기 데이터 베이스에 저장된 키값을 이용하여 상기 식별 정보에 대응되는 이미지 프레임에서 비식별화된 대상 영역을 식별 가능한 상태로 복구함으로써 최초 입력된 상기 영상을 복호화하는 단계를 더 포함하는, 차량 번호판 인식 방법.
  10. 제8항에 있어서,
    상기 암호화하는 단계는, 비식별화 이전의 이미지 프레임에서 상기 키값을 기반으로 상기 이미지 프레임의 상기 대상 영역을 구성하는 픽셀들의 위치를 이동시켜 비식별화를 수행하도록 구성되는, 차량 번호판 인식 방법.
KR1020210045074A 2021-04-07 2021-04-07 Ai 활용 차량 번호판 인식 시스템 및 이를 위한 동작 방법 KR102371391B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210045074A KR102371391B1 (ko) 2021-04-07 2021-04-07 Ai 활용 차량 번호판 인식 시스템 및 이를 위한 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210045074A KR102371391B1 (ko) 2021-04-07 2021-04-07 Ai 활용 차량 번호판 인식 시스템 및 이를 위한 동작 방법

Publications (1)

Publication Number Publication Date
KR102371391B1 true KR102371391B1 (ko) 2022-03-08

Family

ID=80812230

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210045074A KR102371391B1 (ko) 2021-04-07 2021-04-07 Ai 활용 차량 번호판 인식 시스템 및 이를 위한 동작 방법

Country Status (1)

Country Link
KR (1) KR102371391B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240000687A (ko) 2022-06-23 2024-01-03 동의대학교 산학협력단 차량 번호판 인식 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120035299A (ko) * 2010-10-05 2012-04-16 한국인터넷진흥원 프라이버시 보호를 위한 영상 보호처리 장치와, 그를 이용한 영상 보안 시스템 및 그 방법
KR101736229B1 (ko) * 2016-03-22 2017-05-16 인천대학교 산학협력단 암호화된 이미지를 압축하기 위한 방법 및 장치
KR101746168B1 (ko) * 2016-01-28 2017-06-27 경일대학교산학협력단 차량용 블랙박스의 영상 처리를 위한 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터 판독 가능한 기록매체
KR101753804B1 (ko) * 2016-12-01 2017-07-04 (주)아이엠시티 인공지능을 통한 주정차 위반 단속 알림 시스템
KR102222109B1 (ko) * 2020-01-17 2021-03-03 유한회사 홍석 불법 주정차 단속 이미지 통합 관리 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120035299A (ko) * 2010-10-05 2012-04-16 한국인터넷진흥원 프라이버시 보호를 위한 영상 보호처리 장치와, 그를 이용한 영상 보안 시스템 및 그 방법
KR101746168B1 (ko) * 2016-01-28 2017-06-27 경일대학교산학협력단 차량용 블랙박스의 영상 처리를 위한 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터 판독 가능한 기록매체
KR101736229B1 (ko) * 2016-03-22 2017-05-16 인천대학교 산학협력단 암호화된 이미지를 압축하기 위한 방법 및 장치
KR101753804B1 (ko) * 2016-12-01 2017-07-04 (주)아이엠시티 인공지능을 통한 주정차 위반 단속 알림 시스템
KR102222109B1 (ko) * 2020-01-17 2021-03-03 유한회사 홍석 불법 주정차 단속 이미지 통합 관리 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240000687A (ko) 2022-06-23 2024-01-03 동의대학교 산학협력단 차량 번호판 인식 방법

Similar Documents

Publication Publication Date Title
KR102090696B1 (ko) 영상수신장치, 영상수신장치의 영상 복원 방법, 및 영상 시스템의 영상 마스킹 및 복원 방법
CN109145563B (zh) 一种身份验证方法及装置
MY182245A (en) Authentication methods and systems
CN103745151A (zh) 一种二维码与动态密码相结合的身份认证系统及方法
CN110533643B (zh) 证件鉴定方法及装置
JP2013522771A (ja) 二次導関数エッジ検出方法のためのエッジオリエンテーション
KR102469380B1 (ko) 영상 데이터의 개인정보 비식별화 및 복원 방법 및 장치
US20160142702A1 (en) 3d enhanced image correction
Yin et al. Improved reversible image authentication scheme
EP3314899B1 (en) Technologies for depth-based user authentication
CN106709319B (zh) 一种二维码编码、解码应用权限控制系统及分级授权方法
KR102371391B1 (ko) Ai 활용 차량 번호판 인식 시스템 및 이를 위한 동작 방법
CN114298902A (zh) 一种图像对齐方法、装置、电子设备和存储介质
US20210392116A1 (en) Privacy Protection Camera
CN111428740A (zh) 网络翻拍照片的检测方法、装置、计算机设备及存储介质
KR20210084806A (ko) 홍채 인식 기반 왜곡 영상 복원 처리 방법
CN112633230B (zh) 一种人脸加密方法、装置、电子设备及存储介质
CN116432210B (zh) 一种基于安全保护的档案管理方法和系统
CN109561236B (zh) 图像加密、识别方法装置、设备及介质
Hong et al. An efficient authentication method for AMBTC compressed images using adaptive pixel pair matching
KR102454677B1 (ko) 암호 키 기반 영상의 개인정보 비 식별화 및 복원 기술
US11132591B2 (en) System and method for transmitting financial information via color matrix code
CN113191210A (zh) 一种图像处理方法、装置及设备
KR20210084805A (ko) 지문 인식 기반 왜곡 영상 복원 처리 방법
KR20210084804A (ko) 신분증 인식 기반 왜곡 영상 복원 처리 방법

Legal Events

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