KR102386676B1 - 인공지능 기반 차량 영상 및 차량 위치 송출 시스템 - Google Patents

Abstract

본 발명은 인공지능 기반 차량 영상 및 차량 위치 송출 시스템에 관한 것으로, 보다 구체적으로는 차량에 제공되는 4채널 카메라로부터의 영상 데이터와 차량 위치를 포함하는 부가의 데이터를 차량 관제 서버에 송출할 수 있는 블랙박스를 이용한 인공지능 기반의 차량 영상 및 차량 위치 송출 시스템에 관한 것이다. 본 발명에 따르면, 디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 복수의 카메라, 위성항법장치(GPS)가 제공된 차량에 설치되는 차량용 블랙박스 장치를 이용한 인공지능 기반 차량 영상 및 차량 위치 송출 시스템이 제공되고, 이 시스템에서, 블랙박스 장치는,디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 복수의 카메라, 위성항법장치(GPS)로부터의 출력은 블랙박스 장치에 입력되고, 상기 블랙박스는 디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 복수의 카메라, 위성항법장치(GPS)로부터 취득된 데이터를 차량 관제 센터의 서버에 제공하도록 구성되고, 상기 블랙박스는 복수의 카메라로부터 수신된 영상 데이터를 인공지능 기반의 부호화된 데이터로 변환하여 차량 관제 센터에 제공한다.

Description

인공지능 기반 차량 영상 및 차량 위치 송출 시스템{ARTIFICIAL INTELLIGENCE-BASED VEHICLE RECORDING VIDEO AND VEHICLE LOCATION TRANSMISSION SYSTEM}

본 발명은 인공지능 기반 차량 영상 및 차량 위치 송출 시스템에 관한 것으로, 보다 구체적으로는 차량에 제공되는 4채널 카메라로부터의 영상 데이터와 차량 위치를 포함하는 부가의 데이터를 차량 관제 서버에 송출할 수 있는 블랙박스를 이용한 인공지능 기반의 차량 영상 및 차량 위치 송출 시스템에 관한 것이다.

영업용 차량으로서 택시, 화물차, 버스와 같은 여러가지 차량들이 알려져 있다. 이와 같은 영업용 차량은 주로 운수 회사(이하 차주측)에서 운행하고 있으며, 운행 차량에 대해 각종 규정이 마련되어 있다.

예를 들면, 차주의 경우 운행하는 영업용 차량들에 대한 운행 정보, 위치 정보, 속도 정보를 포함하는 운행 기록 정보를 매달 한번씩 차도로 교통 안전 협회에 전송하도록 규정되어 있다. 이를 위해 영업용 차량에는 디지탈 타코그래프(또는 디지털 운행 기록계)가 설치되어 있으며, 차주는 디지털 타코 그래프 정보를 안전 협회에 전송하기 위해 이를 서비스하는 대행 업체에 매달 일정 비용을 지불하고 있으며, 차주 입장에서 이와 같은 비용은 불필요한 지출로서 영업 이익에 손실을 끼치는 요소로서 인식되고 있다.

또한 영업용 차량에는 디지탈 타코 그래프(DTG) 이외에도 차량의 안전 운행을 위한 차선 이탈 방지 장치와, 차량을 운행하는 운전자의 근태관리를 위한 근태관리 장치, 운전자 또는 승객의 안전을 도모하기 위해 차량의 내부에 설치되는 CCTV 카메라와 차량의 외부의 상황을 기록하기 위한 CCTV 또는 블랙박스가 추가로 설치되고 있는 추세이다.

차선 이탈 방지 장치의 경우 영업용 차량의 운전자가 차량을 운전하는 중에 차선을 규정에 맞지 않게, 즉 깜빡이 등을 켜지 않고 이탈하였는지 여부를 알려주는 차량의 안전 장치이지만, 이 역시 운전자의 차선 이탈을 여부를 확인하기 위해서는 차주가 직접 차선 이탈 방지 장치에 접근하여 수동으로 이를 확인하고 운전자마다 이를 기록하고 있기 때문에 실제 운전자가 차선을 준수하여 운행하였는지 여부를 확인하기 어렵다는 문제점이 존재한다.

또한 근태 관리 장치와 CCTV 카메라 역시 차주의 측면에서 살펴볼 때 운전자가 정상적인 업무 시간에 차량을 운행을 시작하고 종료하였는지 또한 정상적으로 업무 시간 내에 운행을 하고 있는지 여부를 관리하기 위해 설치되는데, 이를 실시간으로 확인하기 위해서는 차량 내에 별도의 통신 장치를 설치하여 영업 차량의 관제소로 송신해야하므로 추가의 설치비용와 유지비용이 드는 문제점이 존재한다.

또한 차량의 통합 관제를 위해서는 차량의 실내 및 실외의 CCTV로부터 기록되는 영상 또는 블랙박스 영상을 통합 관제 센터로 전송할 필요가 있는데, 통상적으로 이와 같은 영상 데이터의 경우 용량이 매우 크기 때문에 이를 관제 센터로 전송하는 것이 불가능하다라는 문제점이 있었다.

본 발명은 전술한 문제점에 기반하여 안출된 발명으로서 택시, 화물차, 버스와 같은 영업용 차량에서 영업용 차량의 운행 정보, 차량의 위치 정보, 속도 정보, 차선이탈 정보를 포함하는 차량 운행 정보를 포함하여, 차량의 CCTV의 영상 정보, 운전자의 근태 관리에 필요한 정보를 관제 센터로 송출할 수 있는 인공지능 기반 차량 영상 및 차량 위치 송출 시스템을 제공하는 것을 목적으로 한다.

전술한 과제를 해결하기 위해 본 발명의 일양태에 따르면, 디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 복수의 카메라, 위성항법장치(GPS)가 제공된 차량에 설치되는 차량용 블랙박스 장치를 이용한 인공지능 기반 차량 영상 및 차량 위치 송출 시스템이 제공된다. 이 시스템에서, 블랙박스 장치는,디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 복수의 카메라, 위성항법장치(GPS)로부터의 출력은 블랙박스 장치에 입력되고, 상기 블랙박스는 디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 복수의 카메라, 위성항법장치(GPS)로부터 취득된 데이터를 차량 관제 센터의 서버에 제공하도록 구성되고, 상기 블랙박스는 복수의 카메라로부터 수신된 영상 데이터를 인공지능 기반의 부호화된 데이터로 변환하여 차량 관제 센터에 제공한다.

전술한 양태에서 차량용 블랙박스 장치는 차량의 화물 적재함에 설치된 온도센서로부터 검출된 화물 적재함 온도를 수신하고 화물 적재함 온도를 차량 관제 센터에 더 제공하도록 구성된다.

또한 전술한 양태에서 상기 차량용 블랙박스 장치는,

디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 온도 센서, 및 GPS 장치로부터 디지털 신호를 수신하는 신호 수신부;

복수의 카메라로부터 채널별 영상을 수신하기 위한 영상 수신부; 및

복수의 카메라로부터 수신된 영상을 저장하는 영상 저장부; 및

영상 수신부 및 신호 수신부로부터 수신한 데이터를 차량 관제 센터의 서버로 전송하는 통신부를 포함하고,

상기 차량용 블랙박스 장치는

복수의 카메라로부터 수신된 영상을 영상 저장부에 저장하고 난 후 복수의 카메라로부터 수신된 영상 데이터를 인공지능 기반의 부호화된 데이터로 변환하여 차량 관제 센터에 제공한다.

전술한 양태에서 차량용 블랙박스 장치는 신호 수신부로부터 수신된 디지털 신호를 처리하는 신호 처리부를 포함하고,

상기 신호 처리부는,

운전자 근태 관리를 위한 근태 관리 모듈,

디지털 타코메타의 기록을 관리하는 DTG 관리 모듈,

차선이탈 기록장치로부터의 차선이탈 신호를 관리하는 차선 정보 관리 모듈, 및

차량의 위치를 관리하기 위한 차량 위치 관리 모듈을 포함하고,

근태 관리 모듈은 운전자가 차량에 탑승한 시간, 운전자가 하차한 시간, 운전자가 정차한 시간, 탑승 시간으로부터 하차 시간까지의 차량 운행 정보를 차량 관제 센터의 서버에 전송하도록 구성된다.

또한 전술한 양태에서, 근태 관리 모듈은 DTG 관리 모듈과 연동되어 동작하고, 근태 관리 모듈은 차량의 운행과 차량의 운행후 미리정해진 시간 이상으로 차량의 시동이 꺼져 있는 상태로 유지되거나, 차량의 시동이 켜진 후 미리 정해진 거리 이상 이동하지 않은 상태에 있을 때 이를 차량 관제 센터의 서버에 전송하도록 구성된다.

또한 전술한 양태에서, 차선 정보 관리 모듈은 차선이탈 기록치의 차선이탈 정보를 수집하고, 수집된 차선 이탈 정보가 단위 시간 당 기준 회수를 초과하는지 여부를 판단하고, 기준을 초과하는 경우 차량 관제 센터의 서버에 전송하도록 구성된다.

본 발명에 따르면 차량에 설치된 디지탈 타코메타, 차선이탈방지 장치, 차량의 실내외에 설치된 CCTV로 부터의 데이터를 교통안전 공단과 차량 관제실에 필요한 정보를 송수신함으로써 영업용 차량을 효율적으로 관리할 수 있다는 작용효과가 얻어질 수 있다.

도 1은 본 발명에 따른 차량용 블랙박스 장치를 이용한 인공지능 기반 차량 영상 및 차량 위치 송출 시스템의 전체 구성을 나타내는 도면.
도 2는 본 발명에 따른 차량용 블랙박스 장치의 주요 구성을 나타내는 블록도.
도 3은 본 발명에 따른 차량용 블랙박스 장치의 제어부의 주요구성을 나타내는 블록도.
도 4는 본 발명에 따른 차량용 블랙박스 장치로부터의 데이터에 기반하여 차량 관제 서버에서 이루어지는 서비스의 일례를 나타내는 블록도.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시예를 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.

본 명세서에서 본 실시예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 따라서, 몇몇 실시예들에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.

명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. 그리고, 본 명세서에서 사용된(언급된) 용어들은 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 또한, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다. 이하 첨부된 도면을 참조하여 본 발명의 실시예에 대해 설명하도록 한다.

도 1은 본 발명에 따른 영업용 차량을 위한 인공지능 기반 차량 영상 및 차량 위치 송출 시스템의 전체적인 구성을 개략적으로 나타내는 설명도이다. 도 1에 도시된 바와 같이 영업용 차량을 위한 인공지능 기반 차량 영상 및 차량 위치 송출 시스템(1)은 애플리케이션(100) 설치가능하고 외부의 서버와 통신가능한 4채널 블랙박스(10), 4채널 블랙박스(10)와 네트워크를 통해 연결되는 차량 관제 서버(20), 및 4채널 블랙박스(10) 및/또는 차량 관제 서버(20)와 네트워크를 통해 연결되는 교통안전공단측 서버(30)를 포함한다.

4채널 블랙박스(10)에 설치되는 애플리케이션(100)은 차량에 무선 및/또는 유선을 통해 연결되어 차량으로부터의 정보, 예를 들면, 운전자 정보, 운행기록 정보, 차량위치 정보, 차량 속도 정보, 차선위반정보, 근태 정보 등을 수집하고, 정해진 방법에 의해 이들 정보를 교통 안전 공단 서버(30) 및/또는 차량의 관제 서버(20)에 전송하도록 구성된다.

차량 관제 서버(20)는 블랙박스(10)로부터 전송되어 오는 정보, 예를 들면, 운전자 정보, 운행기록 정보, 차량위치 정보, 차량 속도 정보, 차선위반정보, 근태 정보, CCTV 영상 데이터 등을 수신하고 이를 각각의 서버 내에 배치된 데이터베이스에 기록하고, 필요시 실시간으로 이들 데이터를 모니터링하도록 구성된다.

교통안전공단측 서버(30)는 블랙박스(10)를 통해 전송되어 오는 디지털 운행 기록 정보, 특히, 차량 위치 정보, 차량 속도 정보, 차량의 주행거리를 포함하는 운행기록정보를 수신하고 이를 자체의 데이터베이스에 저장하도로 구성된다.

도 2는 본 발명에 따른 블랙박스 장치(10)의 내부 구성을 개략적으로 도시한 블록도이다.

도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 블랙박스 장치(10)는 외부에 설치된 복수의 신호 검출기(130), 예를 들면 DTG(131), ADAS(132), 온도센서(133) 및 GPS 센서(134)로부터의 신호를 수신하기 위한 신호 수신부(112), 사용자의 ID 카드로부터 ID 정보를 수신하기 위한 ID 수신부(105), 블랙박스에 연결된 외부의 카메라들(141~144)로부터 디지털 영상을 수신하는 영상 수신부(111), 영상 수신부(116)에서 수신된 영상을 저장하기 위한 영상 저장부(116), 신호 수신부(112), 영상 수신부(111) 및 ID 수신부(105)로부터 수신된 데이터를 처리하기 위한 프로세서(120), 및 프로세서(120)에서 처리된 결과를 외부의 관제 서버(20) 및/또는 교통공단서버(30)에 전송하기 위한 통신부(115)를 포함한다.

신호 수신부(112)는 전술한 DTG(131), ADAS(132), 온도센서(133) 및 GPS 센서(134)와 각각 RS232, RS232C, RS422, USB와 같은 직렬 통신 방식 또는 병렬통신방식을 통해 연결될 수 있으며, 본 발명이 이에 한정되는 것은 아니다. 또한 신호 수신부(112)는 DTG(131), ADAS(132), 온도센서(133) 및 GPS 센서(134)와 무선 통신을 통해 연결될 수도 있다.

신호 수신부(112)에서 수신되는 각종 데이터들은 프로세서의 신호 처리부(1210)로 전송된다.

ID 수신부(105)는 운전자 식별을 위한 수단으로서 운전자에게 지급되는 ID 카드, 예를 들면 NFC 통신 모듈, 블루투스 통신 모듈과 같은 무선통신모듈을 통해 사용자의 고유 ID를 판독하도록 구성된다. 운전자는 차량에 탑승시 ID 카드를 ID 수신부(105)에 근접 시킴으로써 ID 수신부(105)는 탑승한 운전자가 누구인지 식별할 수 있게 된다.

식별된 운전자 ID는 차량의 블랙박스에 고유하게 부여되는 차량 식별 ID와 연계되어 관리된다. 예를 들면, 블랙박스 장치(10)의 일련번호가 차량의 번호판 번호와 연관되어 저장되고, 사용자가 탑승 또는 하차로 인해 사용자 ID 수신부에서 이벤트가 발생되면 운전자 ID와 차량 ID가 쌍으로 메모리에 저장되고 서보(20)로 전송될 수 있다. 이를 통해 서버는 현재 어떤 운전자가 몇시에 탑승하고 하차하였는지를 알 수 있게 된다.

영상 수신부(111)는 블랙박스 장치(10)에 연결된 4개의 카메라(141~142)로부터 영상 데이터를 수신한다. 블랙박스 장치(10)에 연결되는 카메라는 이에 한정되는 것은 아니지만, 차량의 전방을 감시하는 1대의 전방 카메라(141); 차량의 후방을 감시하는 1대의 후방 카메라(141), 영업용 차량의 경우 차량의 전방 내부를 감시하는 제1 실내 카메라(143) 및 차량의 후방 내부를 감시하는 제2 실내 카메라(144)로 이루어질 수 있다.

이와 같은 영상 수신부(111)는 각각의 채널을 통해 수신되는 감시 영상들을 수신하고 수신된 영상을 영상 저장부(116)에 기록하는 동시에 프로세서(120)의 영상 처리부(1220)로 전송한다.

도 3은 도 2의 프로세서(120)의 일례를 나타낸 기능 블록도이다. 프로세서(120)는 MPU(micro processing unit), CPU(central processing unit), GPU(graphics processing unit), NPU(neural processing unit) 또는 TPU(tensor processing unit), 캐시 메모리(cache memory), 데이터 버스(data bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.

또한 여기서 설명되는 프로세서(120)는 하드웨어를 통해 구현될 수도 있지만 프로세서에 의해 수행되는 프로그램 또는 애플리케이션을 통해 구현될 수도 있다는 것은 자명하며, 또한 하드웨어와 소프트웨어의 조합에 의해 구현될 수도 있다.

다시 도 3에 도시된 바와 같이 프로세서(120)는 전술한 바와 같은 DTG(131), ADAS(132), 온도센서(133) 및 GPS 센서(134)로부터 수신된 신호들을 처리하기 위한 신호 처리부(1210)와 4개의 카메라로부터 수신된 영상 신호를 처리하기 위한 영상 처리부(1220)을 포함한다.

신호 처리부(1210)는 운전자 근태 관리를 위한 근태 관리 모듈(1211), 디지털 타코 메타(1212)의 기록을 관리하는 DTG 관리 모듈(1212), 차량의 차선 위반 여부를 관리하는 차선 정보 관리 모듈(1223), 차량의 위치를 관리하기 위한 차량 위치 관리 모듈(1224)를 포함한다.

근태 관리 모듈(1211)은 운전자가 차량에 탑승하여 출근 처리를 수행하고, 운전자가 하차할 때의 퇴근 처리까지의 출근, 퇴근, 차량 운행과 관련된 정보를 관리하도록 동작한다.

종래의 영업용 차량의 출차 및 하차의 경우 운전자가 차주에게 전화하여 출근하였음을 유선으로 보고 하고 또한 운전자가 차주에게 전화하여 퇴근하였음을 유선으로 보고하는 것이 일반적이다.

본 발명의 실시예에서는 NFC 태그와 같은 ID 수신부(105)를 제공하고 사용자가 ID 수신부(105)에 태킹을 통해 출근, 하차, 퇴근, 정차와 같은 기록이 근태 관리 모듈(1211)에 저장되도록 구성된다.

따라서 본 발명에 따르면 운전자는 차량에 탑승하여 블랙박스에 제공된 ID 수신부에 ID 카드를 태깅하는 것으로 출근 및 퇴근을 보다 편리하게 관리할 수 있으며 차량의 출근 및 퇴근 정보는 실시간으로 차량 관제 서버(20)로 전송되어 차주의 입장에서는 운전자 직원의 근태 상황을 보다 명확하게 파악할 수 있게 된다.

또한 근태 관리 모듈(1211)은 DTG 관리 모듈(1212)과 연결되어 차량의 운행과 관련하여 특정 이벤트가 발생한 경우 이를 기록하도록 동작한다. 예를 들면 근태 관리 모듈(1211)은 DTG 관리 모듈(1212)과 조합하여 차량의 운행후 미리정해진 시간 이상으로 차량의 시동이 꺼져 있는 상태로 유지되거나, 차량의 시동이 켜져 있지만 미리 정해진 거리 이상 이동하지 않은 상태로 있는 경우 이를 기록하고 차량 관제 서버(20)에 이를 근태 이벤트로서 보고하도록 동작한다.

DTG 관리 모듈(1212)은 차량에 장착된 DTG 장치로부터 수신되는 정보를 저장하고 특정 조건하에서 이를 교통공단 서버(30)와 같은 제2 외부 서버에 전송하도로 구성된다. DTG 저장 정보는 차량의 운행기록, 위치 정보, 속도 정보를 포함하고, DTG 관리 모듈(1212)은 시간대별로 저장 또는 기록되어야 하므로 DTG 관리 모듈은 타임 스탬프를 포함할 수 있다.

DTG 관리 모듈(1212)은 정해진 시간, 예를 들면, 매월 30일이 되면 DTG 관리 모듈(1212)에 저장된 주행기록정보를 교통안전 공단 서버(30)에 전송하고, 또한 주행기록정보 보관을 위해 주차 관제 서버(20)에 전송하고, 전송한 날의 타임스탬프를 근태 관리 모듈에 할당된 메모리에 저장한다. 저장된 타임스팸프 정보는 차회 주행기록정보의 전송시 기준일시로 기능하며, 따라서 주행기록정보가 누락되는 일 없이 모두 교통안전 공단 서버(30)에 보고될 수 있다.

차선 정보 관리 모듈(1213)은 차선이탈감시장치(ADAS)(132)의 차선이탈 정보를 저장하고 관리하도록 기능한다. 차선 정보 관리 모듈(1213)은 운전자에 대한 차선 이탈 정보를 수집하고 수집된 차선 이탈 정보가 단위 시간 당 기준 회수를 초과하는지 여부를 판단하고, 기준을 초과하는 경우 경고 이벤트를 발행하도록 동작한다. 경고 이벤트는 운전자의 블랙박스에 제공된 애플리케이션을 통해 사용자에게 경고될 수 있다.

차량 관제 서버(20)는 전송되어 온 차선 이탈 경고 이벤트에 기반하여 운전자에 대한 인사 평가에 활용할 수도 있으며, 필요한 경우 카메라 중계 모듈(미도시)를 통해 차량에 설치된 CCTV를 통해 차량의 현재 상황을 모니터링할 수도 있게 된다.

차량 위치관리 모듈(1214)는 현재 차량의 위치를 계산하고 통신부를 통해 주차 관제 서버(20)에 전송하도록 구성된다.

차량 위치추적을 위한 구성요소로서 차량 위치관리 모듈(1214)은 본 발명에서는 GPS 모듈이 이용되는 것이 바람직하지만 WPS(Wi-fi based Positioning System) 모듈을 더 포함할 수도 있고 이 경우 GPS 모듈과 WPS 모듈을 조합하여 복합측위를 수행하도록 구성될 수 있다. 이와 같은 복합 측위 동작은 도심의 GPS 음영지역에서 GPS를 이용한 위치정보 취득에 어려움이 발생되므로 와이파이 기반 WPS모듈을 이용하여 GPS 음영지역에서도 위치정보를 용이하게 취득할 수 있도록 하는 이점이 얻어질 수 있다.

Wi-Fi 기반 위치 시스템(WPS)을 더 포함하는 경우 Wi-Fi AP는 통상적으로 공공장소, 사무실, 가정집, 도심 등 인구밀집지역 주심으로 전국적으로 분포되어 있으며, 전국적으로 분포된 Wi-Fi AP를 이용하기 위해 본 발명에 따른 실시예에서 차량 관제 서버(20)는 Wi-Fi AP의 위치 정보를 포함하는 데이터베이스를 포함할 수 있다. Wi-Fi AP의 데이터베이스는 Wi-Fi AP의 MAC 어드레스와 건물의 위치를 매칭시킨 정보를 포함할 수 있다.

또한 전술한 Wi-Fi AP를 이용하는 것과 달리 본 발명에서 통신 수단으로 이용된 LTE 또는 5G 통신을 이용하는 방법도 고려될 수 있다. 이는 블랙박스에 통신부로서 제공되는 5G 통신 수단과 주변의 기지국 사이의 신호 또는 데이터의 도착 시간을 이용하는 방법이다. 도착 시간을 이용하는 방법은 통신부(115)에서 송신한 신호를 통신부(115) 주변의 복수의 기지국에서 수신하고, 각 기지국에 수신된 신호의 도달 시간을 측정하여 통신부와(115)와 기지국 사이의 거리를 구하고, 그 거리를 반지름으로 하는 가상의 원을 기지국을 중심으로 그린 다음, 이러한 원들이 교차하는 지점을 통신부(115)를 포함하는 차량 위치를 추정하는 방법이 이용될 수 있다.

바람직하게, 차량의 정확한 위치 검출을 위해 차량 위치 관리 모듈(1214)는 GPS 모듈로부터 수신되는 GPS 신호의 강도를 측정하고, GPS 신호의 강도가 미리정해진 기준값 이하인 경우 전술한 바와 같이 통신부(115)과 복수의 기지국 사이의 신호 송수신 시간을 이용하여 차량 위치를 추정하도록 동작될 수 있다.

다음으로 차량에 부착된 복수의 카메라(141~144)로부터의 영상처리를 수행하는 영상 처리부(1220)에 대해 설명하도록 한다. 본 발명에 따른 영상 처리부(1220)는 수신된 영상으로부터 특징점을 검출하는 특징점 검출부(1221), 특징점 검출부(1222)로부터 검축된 특징점을 분리시키기 위한 특징점 분리부(1222) 및 분리된 특징점으로 이루어진 특징 맵을 생성하는 특징맵 생성부(1223)을 포함한다. 특징점 검출부(1221), 특징점 분리부(1222) 및 특징맵 생성부(1223)는 인공지능 처리를 수행하기 위한 하나의 인공신경망일 수 있으며, 따라서 영상 처리부(1220)는 인공지능 처리에 기반한 부호화 모듈일 수 있다.

인공지능과 관련하여 사용되는 용어는 다음과 같이 정의될 수 있다.

인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습,Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.

인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화함수(Activation Function)에 의해 정의될 수 있다.

인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한활성 함수의 함숫값을 출력할 수 있다.

모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.

인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.

머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화학습(Reinforcement Learning)으로 분류할 수 있다.

지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.

인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신러닝은 딥 러닝을 포함하는 의미로 사용된다.

특징점 검출부(1221)는 복수의 카메라(141~144)로부터 수신된 입력 영상으로부터 차량의 번호판 위치, 차량의 번호, 차량의 종류, 차량의 위치, 차선 위치를 포함하는 정보를 검출하도록 구성된다.

특징점 분리부(1222)는 전술한 특징점 검출부(1221)로부터 검출된 특징점들을 분리하도록 구성된다. 이와 같이 특징점을 분리하는 것은 카메라로부터 촬영된 입력 영상으로부터 차량의 주행 상태를 판단하는데 불필요한 요소, 예를 들면 배경을 분리함으로써 전송하고자 하는 데이터의 량을 대폭으로 감소시킬 수 있기 때문이다.

특징맵 생성부(1223)은 특징점 분리부(1222)로부터 분리된 특징점들을 포함하는 특징맵을 생성한다. 생성된 특징맵은 전술한 바와 같은 특징점들로 구성되어 있다. 특징맵 생성부(1223)에서 이루어지는 부호화는 분리된 특징점들을 데이터 송수신에 적합한 형태로 직렬화하거나, 압축하거나, 암호화하는 것 중 적어도 하나를 포함할 수 있다.

차량 관제 서버(20)는 차량의 블랙박스로부터 전송되어 오는 특징맵을 이용하여 적어도 차량의 번호판 위치, 차량의 번호, 차량의 종류, 차량의 위치, 차선 위치를 포함하는 영상의 복호화를 수행하게 된다.

특징맵으로 부호화된 영상 데이터는 인공 신경망에 기반하여 특정 입력 영상이 특징맵으로 변환된 결과를 나타낸다. 따라서 특징맵으로 부호화된 데이터는 관제 서버(20)에 제공되는 부호화모듈에 대응하는 복호화 모듈에 의해 특정의 데이터들, 예를 들면 적어도 차량의 번호판 위치, 차량의 번호, 차량의 종류, 차량의 위치, 차선 위치를 포함하는 영상 데이터로 복원될 수 있게 된다.

도 4는 전술한 바와 같은 블랙박스(10)로부터 전송되어 온 데이터에 기반한 차량 관제 서버(20)의 통합 관제 서비스를 나타내는 블록도이다. 도 4에 도시된 바와 같이 차량 관제 서버(20)는 통합된 차량 관제 서비스를 제공하기 위해, 차량의 차량의 DTG 및 ADAS로부터의 데이터를 교통 공단 서버(30)에 제공하기 위한 운행기록 보고 서비스 모듈(210), 차량 운전자의 출퇴근, 근무 시간 등을 관리하기 위한 근태 관리 서비스 모듈(220), 차량의 실시간 위치를 모니터링하기 위한 실시간 위치 관리 서비스 모듈(230) 및 차량, 특히 물건을 운송하는 화물 차량, 냉동차량의 물건 적재함의 온도를 모니터링하기 위한 온도 데이터 관리 서비스 모듈(240) 및 블랙박스(10)로부터 전송되어 오는 특징맵 데이터로부터 영상을 복원하기 위한 AI 복호화 모듈(250)을 포함하고 있다.

운행기록 보고 서비스 모듈(210)은 차량의 DTG 및 ADAS로부터 측정된 디지털 타코메터 데이터와 차선 이탈 정보를 수신하고 이를 차량별로 보관하며 지정된 시간에 교통 공단 서버(30)에 전송하도록 구성된다.

이와 같이 차량 관제 서버(20)에서 예를 들면, DTG 및 ADAS로부터 측정된 운행 기록 정보를 교통 안전 협회에 전송하게 되면 이를 서비스하는 대행 업체에 매달 일정 비용을 지불하지 않기 때문에 불필요한 지출을 방지할 수 있게 된다.

근태 관리 서비스 모듈(220)은 차량으로부터 전송되어 오는 근태 정보, 예를 들면 차량에 입차한 데이터, 차량으로부터 출차한 데이터, 차량의 주행 정보에 기반하여 운전자가 언제 출근을 했고, 언제 퇴근을 했으며, 정상적으로 근무 중인지를 관리 할 수 있기 때문에 차주의 입장에서는 운전자 직원의 근태 상황을 보다 명확하게 파악할 수 있게 된다.

또한 근태 관리 서비스 모듈(220)은 DTG 관리 모듈과 연결되어 차량의 운행과 관련하여 특정 이벤트가 발생한 경우 이를 기록하도록 동작한다. 예를 들면 근태 관리 서비스 모듈(220)은 DTG 관리 모듈로부터의 데이터와 조합하여 차량의 운행후 미리정해진 시간 이상으로 차량의 시동이 꺼져 있는 상태로 유지되거나, 차량의 시동이 켜져 있지만 미리 정해진 거리 이상 이동하지 않은 상태로 있는 경우 이를 기록하고 운전자의 근태 정보에 반영할 수 있다.

실시간 위치 관리 서비스 모듈(230)은 차량의 현재 위치를 차량 관제 센터의 관제 모니터 상에 표시하도로 기능한다. 이와 같은 관제 모니터 상에 차량의 현재 위치가 표시됨에 따라 차주는 다음 화물의 이송을 보다 정확하게 계획하고 차량의 운행 일정에 반영할 수 있게 된다.

온도 데이터 관리 서비스 모듈(240)은 화물의 신선도가 유지되어야 하는 경우 이를 관리하는데 필요하다. 예를 들면 화물차에 유지된 화물이 생선, 농산물과 같이 특정 온도로 유지되어야 하는 경우 관제 센터에서는 각각의 화물차의 현재 냉동함의 온도를 체크할 수 있고, 온도가 기준치 이하인 경우 이를 운전자에게 통보하여 신속하게 화물이 손상되는 것을 방지할 수 있게 된다.

또한 화물을 운반한 이후 수취자로부터 화물이 손상되었다고 주장하는 경우 화물의 적재함의 온도가 관제 센터 서버(20)에 기록되고 보관되기 때문에 수취자에게 이를 통보할 수 있게 되고, 수취자의 일방적인 손해배상을 미연에 방지할 수 있게 된다.

AI 영상 복호화 모듈(250)은 부호화된 특징맵 데이터를 부호화에 대응하는 복호화 모듈에 의해 적어도 차량의 번호판 위치, 차량의 번호, 차량의 종류, 차량의 위치, 차선 위치를 포함하는 영상 데이터로 복원하여 저장한다. 저장된 영상 데이터는 사고 발생시 사고의 원인을 파악하는 근거로 이용될 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively)처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로, 본 발명이 속하는 기술분야에서 통상의 지식을 갖는 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 게시된 실시예는 본 발명의 기술 사상을 한정하기 위한 것이 아닌 설명을 위한 것이고, 이런 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.

따라서 본 발명의 보호 범위는 전술한 실시예에 의해 제한되기 보다는 아래의 청구범위에 의하여 해석되어야하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

10: 블랙박스 20: 차량 관제 센터 서버
30: 교통 안전 협회 서버 112: 신호 수신부
105: ID 수신부 120: 프로세서
111: 영상 수신부 115: 통신부
116: 영상 저장부 131: 디지털 타코 메타
132: ADAS 133: 온도 센서
134: GPS 센서 1211: 근태 관리 모듈
1212: DTG 관리 모듈 1213: 차선정보 관리 모듈
1214: 차량위치 관리 모듈 1221: 특징점 검출부
1222: 특징점 분리부 1223: 특징맵 생성부

Claims (6)

1. 디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 복수의 카메라, 위성항법장치(GPS)가 제공된 차량에 설치되는 차량용 블랙박스 장치를 이용한 인공지능 기반 차량 영상 및 차량 위치 송출 시스템에 관한 것으로,
   상기 블랙박스 장치는,
   디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 복수의 카메라, 위성항법장치(GPS)로부터의 출력은 블랙박스 장치에 입력되고,
   상기 블랙박스는 디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 복수의 카메라, 위성항법장치(GPS)로부터 취득된 데이터를 차량 관제 센터의 서버에 제공하도록 구성되고,
   상기 블랙박스는 복수의 카메라로부터 수신된 영상 데이터를 인공지능 기반의 부호화된 데이터로 변환하여 차량 관제 센터에 제공하되,
   상기 차량용 블랙박스 장치는
   디지털 타코메터(DTG), 차선이탈 기록장치(ADAS), 온도 센서, 및 GPS 장치로부터 디지털 신호를 수신하는 신호 수신부;
   복수의 카메라로부터 채널별 영상을 수신하기 위한 영상 수신부; 및
   복수의 카메라로부터 수신된 영상을 저장하는 영상 저장부; 및
   영상 수신부 및 신호 수신부로부터 수신한 데이터를 차량 관제 센터의 서버로 전송하는 통신부를 포함하고,
   상기 차량용 블랙박스 장치는
   복수의 카메라로부터 수신된 영상을 영상 저장부에 저장하고 난 후 복수의 카메라로부터 수신된 영상 데이터를 인공지능 기반의 부호화된 데이터로 변환하여 차량 관제 센터에 제공하는 한편,
   상기 차량용 블랙박스 장치는 신호 수신부로부터 수신된 디지털 신호를 처리하는 신호 처리부를 포함하고,
   상기 신호 처리부는,
   운전자 근태 관리를 위한 근태 관리 모듈,
   디지털 타코메타의 기록을 관리하는 DTG 관리 모듈,
   차선이탈 기록장치로부터의 차선이탈 신호를 관리하는 차선 정보 관리 모듈, 및
   차량의 위치를 관리하기 위한 차량 위치 관리 모듈을 포함하고,
   근태 관리 모듈은 운전자가 차량에 탑승한 시간, 운전자가 하차한 시간, 운전자가 정차한 시간, 탑승 시간으로부터 하차 시간까지의 차량 운행 정보를 차량 관제 센터의 서버에 전송하도록 구성된 것을 특징으로 하는
   차량용 블랙박스 장치를 이용한 인공지능 기반 차량 영상 및 차량 위치 송출 시스템.
   
2. 제1항에 있어서,
   상기 차량용 블랙박스 장치는 차량의 화물 적재함에 설치된 온도센서로부터 검출된 화물 적재함 온도를 수신하고 화물 적재함 온도를 차량 관제 센터에 더 제공하도록 구성된 것을 특징으로 하는
   차량용 블랙박스 장치를 이용한 인공지능 기반 차량 영상 및 차량 위치 송출 시스템.
   
3. 삭제
4. 삭제
5. 제1항에 있어서,
   근태 관리 모듈은 DTG 관리 모듈과 연동되어 동작하고, 근태 관리 모듈은 차량의 운행과 차량의 운행후 미리정해진 시간 이상으로 차량의 시동이 꺼져 있는 상태로 유지되거나, 차량의 시동이 켜진 후 미리 정해진 거리 이상 이동하지 않은 상태에 있을 때 이를 차량 관제 센터의 서버에 전송하도록 구성된 것을 특징으로 하는
   차량용 블랙박스 장치를 이용한 인공지능 기반 차량 영상 및 차량 위치 송출 시스템.
   
6. 제1항에 있어서,
   차선 정보 관리 모듈은 차선이탈 기록치의 차선이탈 정보를 수집하고, 수집된 차선 이탈 정보가 단위 시간 당 기준 회수를 초과하는지 여부를 판단하고, 기준을 초과하는 경우 차량 관제 센터의 서버에 전송하도록 구성된 것을 특징으로 하는
   차량용 블랙박스 장치를 이용한 인공지능 기반 차량 영상 및 차량 위치 송출 시스템.
   

Images