KR102401262B1 - 영상을 이용한 정보 분석 시스템 및 그에 관한 방법 - Google Patents

영상을 이용한 정보 분석 시스템 및 그에 관한 방법 Download PDF

Info

Publication number
KR102401262B1
KR102401262B1 KR1020210113878A KR20210113878A KR102401262B1 KR 102401262 B1 KR102401262 B1 KR 102401262B1 KR 1020210113878 A KR1020210113878 A KR 1020210113878A KR 20210113878 A KR20210113878 A KR 20210113878A KR 102401262 B1 KR102401262 B1 KR 102401262B1
Authority
KR
South Korea
Prior art keywords
vehicle
point
feature point
wheel
image
Prior art date
Application number
KR1020210113878A
Other languages
English (en)
Inventor
최인호
Original Assignee
렉스젠(주)
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 렉스젠(주) filed Critical 렉스젠(주)
Priority to KR1020210113878A priority Critical patent/KR102401262B1/ko
Application granted granted Critical
Publication of KR102401262B1 publication Critical patent/KR102401262B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/536—Depth or shape recovery from perspective effects, e.g. by using vanishing points
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템은 영상으로부터 차량 및 상기 차량에 대응되는 바퀴 영역을 검출하고, 상기 차량의 소실점과 상기 바퀴 영역에 설정되는 특징점을 이용하여 상기 차량의 바퀴 사용 상태를 분석하는 데이터 처리부를 포함할 수 있다.

Description

영상을 이용한 정보 분석 시스템 및 그에 관한 방법{SYSTEM FOR ANALYZING INFORMATION USING VIDEO AND METHOD THEREOF}
본 문서에 개시된 실시예들은 영상을 이용한 정보 분석 시스템 및 그에 관한 방법에 관한 것이다.
한계 용량 이상의 무거운 짐을 싣고 다니는 화물 차량은 차량 자체의 안정성에도 문제를 야기하지만, 도로 파손의 주범이 되고 있다. 이러한 화물 차량의 경우, 바퀴를 구동하는 축당 허용된 무게에 관한 안전 규정이 있으며, 규정 범위를 넘어서는 짐을 적재하는 경우에는 단속의 대상이 된다. 이에, 안전 규정을 준수하면서 적재량을 늘리기 위한 방법의 하나로 가변축(Lifting Axle)을 장착하여 보조 바퀴를 운용하는 경우가 많다. 가변축은 필요에 따라 내리거나(적차시) 올릴 수(공차시) 있도록 고안된 것으로서, 가변축을 내릴 경우 가변축에 연결된 보조바퀴가 차량의 하중을 나누어 지지함으로써 각 축당 부가되는 하중의 크기를 줄일 수 있다.
안전 규정에 맞게 가변축을 사용하고 있는지 여부를 단속하는 방법으로 톨게이트에서 사용하는 바퀴 접촉식이 있다. 그런데 이를 악용하여 톨게이트 진입 시 가변축을 사용해 통과하고, 톨게이트 통과 후에는 연비 향상 등을 위해 가변축을 사용하지 않고 차량을 운행하는 경우가 있고, 이는 도로의 파손, 과도한 적재물의 무게로 인한 타이어 폭발, 차량의 전복 등 대형 사고로 이어질 수 있는 큰 문제이지만, 현실적으로 단속이 어려운 실정이다.
본 문서에 개시된 실시예들의 일 목적은 영상을 이용하여 차량의 가변축 사용 상태를 분석할 수 있는 영상을 이용한 정보 분석 시스템 및 그에 관한 방법을 제공하는 데 있다.
본 문서에 개시된 실시예들의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템은 영상으로부터 차량 및 상기 차량에 대응되는 바퀴 영역을 검출하고, 상기 차량의 소실점과 상기 바퀴 영역에 설정되는 특징점을 이용하여 상기 차량의 바퀴 사용 상태를 분석하는 데이터 처리부를 포함할 수 있다.
일 실시예에서, 상기 데이터 처리부는 상기 바퀴 영역의 밝기 정보에 기초하여 획득되는 경계선에 상기 특징점을 설정하고, 상기 차량의 소실점과 상기 특징점을 연결한 기준선을 이용하여 상기 차량의 바퀴 사용 상태를 분석할 수 있다.
일 실시예에서, 상기 데이터 처리부는 상기 바퀴 영역의 밝기 정보에 기초하여 획득되는 경계선에 복수의 상기 특징점을 설정하고, 상기 설정되는 복수의 특징점에 기반하여 형성되는 도형의 적어도 일부분과 상기 경계선을 정합시켜 상기 복수의 특징점 중 적어도 하나의 특징점의 위치를 보정할 수 있다.
일 실시예에서, 상기 데이터 처리부는 상기 검출되는 바퀴 영역의 개수가 기준 개수 이상인 경우 상기 차량의 바퀴 사용 상태를 분석할 수 있다.
일 실시예에서, 상기 바퀴 영역은 제1 바퀴 영역 및 제2 바퀴 영역을 포함하고, 상기 데이터 처리부는 상기 제1 바퀴 영역의 밝기 정보에 기초하여 획득되는 제1 경계선에 제1 특징점 및 제2 특징점을 설정하고, 상기 제2 바퀴 영역의 밝기 정보에 기초하여 획득되는 제2 경계선에 제5 특징점 및 제6 특징점을 설정하고, 상기 차량의 소실점과 상기 제1 특징점, 제2 특징점, 제5 특징점 및 제6 특징점을 이용하여 상기 차량의 바퀴 사용 상태를 분석할 수 있다.
일 실시예에서, 상기 데이터 처리부는 상기 제1 경계선에 제3 특징점 및 제4 특징점을 더 설정하고, 상기 제1 특징점은 상기 영상을 기준으로 상기 제1 경계선의 최상측점에 설정되고, 상기 제2 특징점은 상기 제1 경계선의 최하측점에 설정되고, 상기 제3 특징점은 상기 제1 경계선의 최좌측점에 설정되고, 상기 제4 특징점은 상기 제1 경계선의 최우측점에 설정되고, 상기 제5 특징점은 상기 제2 경계선의 최상측점에 설정되고, 상기 제6 특징점은 상기 제2 경계선의 최하측점에 설정될 수 있다.
일 실시예에서, 상기 데이터 처리부는 상기 제1 특징점, 제2 특징점, 제3 특징점 및 제4 특징점에 기반하여 형성되는 도형의 적어도 일부분과 상기 제1 경계선을 정합시켜, 상기 제1 특징점, 제2 특징점, 제3 특징점 및 제4 특징점 중 적어도 하나의 특징점의 위치를 보정할 수 있다.
일 실시예에서, 상기 데이터 처리부는 상기 차량의 소실점과 상기 제1 특징점을 연결한 제1 기준선 및 상기 차량의 소실점과 상기 제2 특징점을 연결한 제2 기준선을 생성하고, 상기 제1 기준선과 상기 제5 특징점의 대응 여부 및 상기 제2 기준선과 상기 제6 특징점의 대응 여부 중 적어도 어느 하나에 기초하여 상기 차량의 바퀴 사용 상태를 분석할 수 있다.
일 실시예에서, 상기 데이터 처리부는 상기 제1 기준선과 상기 제5 특징점 간의 거리인 제1 거리 및 상기 제2 기준선과 상기 제6 특징점 간의 거리인 제2 거리 중 적어도 어느 하나를 임계값과 비교하여 상기 차량의 바퀴 사용 상태를 분석할 수 있다.
일 실시예에서, 상기 제1 거리 및 제2 거리는 수직 거리이며, 상기 데이터 처리부는 상기 제1 거리 및 제2 거리 중 적어도 어느 하나가 상기 임계값 이상인 경우 상기 차량이 가변축 바퀴를 미사용하는 것으로 판단할 수 있다.
일 실시예에서, 상기 데이터 처리부는 상기 영상에 기반하여 획득된 차선의 소실점에 대응되는 상기 차량의 소실점을 검출할 수 있다.
일 실시예에서, 상기 데이터 처리부는 상기 획득되는 영상으로부터 상기 차량의 식별정보를 검출하고, 상기 식별정보와 상기 차량의 바퀴 사용 상태를 분석한 결과를 포함하는 결과 데이터를 생성할 수 있다.
일 실시예에서, 상기 결과 데이터를 운영 장치에 전송하는 통신 인터페이스를 더 포함할 수 있다.
일 실시예에서, 상기 영상을 촬영하도록 설정된 촬영부를 더 포함할 수 있다.
일 실시예에서, 상기 차량을 포함하는 영상 내의 객체의 위치 또는 이동 거리를 측정하는 센서부를 더 포함할 수 있다.
일 실시예에서, 상기 영상을 분석하여 획득된 정보를 통해 도로 상황을 관제하도록 설정된 운영 장치를 더 포함할 수 있다.
본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 방법은 영상으로부터 차량 및 상기 차량에 대응되는 바퀴 영역을 검출하는 단계, 상기 바퀴 영역의 특징점을 획득하는 단계, 상기 차량의 소실점을 검출하는 단계, 및 상기 차량의 소실점과 상기 바퀴 영역의 특징점을 이용하여 상기 차량의 바퀴 사용 상태를 분석하는 단계를 포함할 수 있다.
본 문서에 개시된 실시예들에 따르면 영상을 이용하여 차량의 가변축 사용 상태를 정확하게 분석할 수 있다.
또한, 본 문서에 개시된 실시예들에 따르면 바퀴 접촉 센서와 같은 부가적인 설비없이 차량의 가변축 사용 상태를 분석할 수 있으므로 비용을 절감할 수 있다.
또한, 본 문서에 개시된 실시예들에 따르면 차량의 가변축 사용 상태를 분석한 결과를 기초로 가변축 사용 의무를 위반한 차량들을 단속할 수 있으므로, 차량의 과적으로 인한 사고, 도로 파손 등과 같은 안전 문제의 발생을 줄일 수 있다.
또한, 본 문서에 개시되는 실시예들에 따르면, 정보 분석 시스템은 차량 및 보행자의 통행 정보, 교통 법규 위반 정보, 및 방범 정보 등을 수집함으로써 다양한 교통 관련 서비스를 제공할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템을 개념적으로 보여준다.
도 2는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 통행 정보 획득 장치를 보여주는 블록도이다.
도 3 및 도 4는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 촬영부의 실시예들을 보여준다.
도 5 내지 도 11은 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 데이터 처리부의 동작을 설명하기 위한 도면들이다.
도 12는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 방법을 보여주는 흐름도이다.
도 13은 본 문서에 개시된 다양한 실시예들에 따른 통행 정보 획득 장치 및 운영 장치를 포함하는 정보 분석 시스템의 기능적 블록도를 나타낸다.
이하, 본 문서에 개시된 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 문서에 개시된 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 문서에 개시된 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 문서에 개시된 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템을 개념적으로 보여준다.
도 1을 참조하면, 영상을 이용한 정보 분석 시스템(10, 이하에서 '정보 분석 시스템'으로 칭함)은 통행 정보 획득 장치(100) 및 운영 장치(1000)를 포함할 수 있다.
통행 정보 획득 장치(100)는 특정 지역(예를 들어, 도로, 교차로, 고속도로 등)에 설치되어 영상을 촬영 및 분석할 수 있다. 통행 정보 획득 장치(100)는 획득된 영상으로부터 차량 및 차량의 바퀴 영역을 검출하고, 검출된 바퀴 영역에 설정되는 특징점과 차량의 소실점에 기초하여 차량의 바퀴 사용 상태를 분석할 수 있다. 실시예에 따르면, 차량의 바퀴 사용 상태는 차량의 가변축 바퀴의 사용 여부 및 차량의 바퀴 축 사용 개수 중 적어도 어느 하나를 포함할 수 있다.
실시예에 따르면, 통행 정보 획득 장치(100)는 검출되는 차량의 식별 정보를 획득할 수 있다. 예를 들어, 차량의 식별 정보는 차량의 번호를 포함할 수 있으며, 차종, 색상, 크기 및 차량의 모델 정보 중 적어도 어느 하나를 더 포함할 수 있다.
통행 정보 획득 장치(100)는 차량의 식별 정보와 차량의 바퀴 사용 상태를 분석한 결과를 포함하는 결과 데이터를 생성하고, 생성된 결과 데이터를 운영 장치(1000)에 전달할 수 있다.
운영 장치(1000)는 통행 정보 획득 장치(100)로부터 수신되는 결과 데이터에 기초하여 차량의 바퀴 사용 상태를 확인할 수 있다. 따라서, 운영 장치(1000)는 특정 지역을 주행하는 차량들이 가변축 바퀴를 사용하고 있는지 여부를 확인할 수 있고, 차량의 식별정보를 함께 이용하여 가변축 사용 의무을 위반한 차량들을 단속할 수 있다. 예를 들어, 화물 차량의 경우 적재물의 중량에 따라 차량의 가변축을 사용해야 하는 가변축 사용 의무가 규정될 수 있는데, 운영 장치(1000)는 이러한 가변축 사용 의무를 위반한 차량들의 단속이 가능할 수 있다.
또한 실시예에 따르면, 운영 장치(1000)(예: 관제 센터)는 지방자치단체, 도로공사, 시설공단, 또는 경찰청과 같은 공공기관에 의하여 운영될 수 있다. 운영 장치(1000)는 통행 정보 획득 장치(100)를 통해 획득된 정보를 데이터 베이스에 저장 및 관리하고, 저장된 정보를 이용하여 운영 장치(1000)의 사용자(예: 관제 요원)가 실시간으로 도로 상황을 관제할 수 있는 인터페이스를 출력할 수 있다. 또한, 운영 장치(1000)는 분석된 도로 상황에 기반하여 신호를 제어하거나 차량에게 다른 경로를 제공하도록 통행 정보 획득 장치(100)에게 명령을 전달할 수 있다.
이하에서는 통행 정보 획득 장치(100)의 구성 및 동작에 대해 구체적으로 설명한다.
도 2는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 통행 정보 획득 장치를 보여주는 블록도이다. 도 3 및 도 4는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 촬영부의 실시예들을 보여준다. 도 5 내지 도 11은 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 데이터 처리부의 동작을 설명하기 위한 도면들이다.
도 2를 참조하면, 통행 정보 획득 장치(100)는 촬영부(110), 센서부(120), 데이터 처리부(130), 및 통신 인터페이스(140)를 포함할 수 있다.
촬영부(110)는 영상을 촬영할 수 있는 카메라를 포함할 수 있다. 촬영부(110)는 특정 지역에 설치되어 관심 영역을 촬영할 수 있다. 예를 들어, 관심 영역은 도로 및 차선을 포함하는 영역으로 설정될 수 있다.
도 3을 참조하면, 촬영부(110)는 도로의 일 측에 차량의 진행 방향에 대향하는 방향으로 설치될 수 있다. 촬영부(110)는 도로를 주행하는 차량의 측면과 차량의 번호판을 동시에 촬영할 수 있는 화각을 갖도록 설치될 수 있다. 도 4를 참조하면, 촬영부(110a, 110b)는 도로의 양 측에 차량의 진행 방향에 대향하는 방향으로 설치될 수 있다. 이 경우, 촬영부(110a 및 110b)의 화각은 서로 중첩되도록 구성될 수 있다.
다시 도 2를 참조하면, 센서부(120)는 차량 또는 사람과 같은 객체를 검출하고, 객체의 이동을 추적함으로써 객체의 위치 또는 이동 거리를 측정할 수 있는 센서(예: 레이더(radio detection and ranging, RADAR), 라이다(light detection and ranging, LIDAR), 영상 센서 및 레이다(laser detection and ranging, LADAR) 중 적어도 하나)를 포함할 수 있다. 실시예들에 따라, 통행 정보 획득 장치(100)는 촬영부(110) 및 센서부(120)를 상호 협력적으로 사용할 수 있다. 예를 들어, 통행 정보 획득 장치(100)는 객체의 이동 위치, 거리, 방향, 또는 속도를 보다 정확하게 검출하기 위하여 센서부(120)를 우선적으로 사용할 수 있으며, 객체의 형태를 식별할 필요가 있는 경우에는 촬영부(110)를 이용할 수 있다. 실시예에 따르면, 촬영부(110) 및 센서부(120)는 하나의 통합된 모듈로 구현될 수 있다.
데이터 처리부(130)는 촬영부(110) 또는 센서부(120) 중 적어도 어느 하나를 통해 다양한 정보를 획득할 수 있다. 예를 들어, 데이터 처리부(130)는 통행 정보를 획득할 수 있으며, 통행 정보는 도로 영상을 포함할 수 있다. 또한, 통행 정보는 차량 영상, 차량의 수, 차량의 주행 속도, 차량의 주행 방향, 차량의 주행 차로, 차량의 이동 거리, 차량의 통행량, 차량의 대기 길이, 차량의 점유율, 보행자 영상, 보행자의 수, 보행 속도, 또는 보행 방향 중 적어도 하나를 더 포함할 수 있다. 또한, 통행 정보는 차량의 종류, 색상, 크기, 주행 차로, 차량번호, 또는 보행자의 외형 중 적어도 하나를 포함하는 식별 정보를 포함할 수 있다. 추가적으로, 데이터 처리부(130)는 촬영부(121)를 통해 방범 정보를 획득할 수 있으며, '방범 정보'는 생활 방범 정보 또는 교통 방범 정보 중 적어도 하나를 포함할 수 있다.
데이터 처리부(130)는 통행 정보(예: 영상)를 이용하여 이벤트를 검출할 수 있다. '이벤트'는 도로 상에 발생한 위험 상황으로써 차량이나 보행자에게 알릴 필요가 있는 상태를 의미할 수 있다. 예를 들어, 데이터 처리부(130)는 차량의 정지, 차량 사고, 역주행, 보행자/야생동물의 출현, 낙하물, 로드킬, 산사태, 안개, 또는 포트홀과 같은 이벤트 종류와, 해당 이벤트가 발생한 위치를 검출할 수 있다. 이벤트의 종류 또는 이벤트의 위치를 나타내는 정보는 '이벤트 정보'로 참조될 수 있다.
데이터 처리부(130)는 통행 정보 외에도 적어도 하나의 센서로부터 획득된 데이터를 통해서 이벤트를 검출할 수 있다. 예를 들어, 데이터 처리부(130)는 도로 위의 충격을 감지하기 위한 가속도 센서, 도로 인접 비탈면에서 산사태를 감지하기 위한 측위 센서, 온/습도와 같은 기상 변화를 감지하기 위한 온/습도 센서, 로드킬을 감지하기 위한 동작 감지 센서, 또는 음향 센서 중 적어도 하나로부터 수신된 데이터에 기반하여 이벤트 정보를 획득할 수 있다.
데이터 처리부(130)는 분석 결과 정보(예: 통행 정보, 방범 정보, 및 이벤트 정보 중 적어도 하나)를 통신 인터페이스(140)를 통해 연결된 통신 중계기 또는 운영 장치(1000)에 전달함으로써 해당 구역에 대한 교통 상황을 제공할 수 있다.
도 5를 참조하면, 데이터 처리부(130)는 획득된 영상으로부터 차량 및 차량의 바퀴 영역(W1, W2, W3)을 검출할 수 있다. 일 측면에서, 차량의 바퀴 영역(W1, W2, W3)은 차량의 바퀴축에 대응되는 영역일 수 있다. 실시예들에 따르면, 데이터 처리부(130)는 딥 러닝(deep learning) 또는 머신 러닝(machine learning)과 같은 인공지능(artificial intelligence, AI) 기반의 영상 분석/처리 알고리즘을 적용함으로써 통행 정보, 방범 정보 및 이벤트 정보 중 적어도 어느 하나를 획득하고/획득하거나, 차량 및 차량의 바퀴 영역(W1, W2, W3)을 검출할 수 있다. 예를 들어, 차량의 바퀴 영역은 제1 바퀴 영역(W1), 제2 바퀴 영역(W2) 및 제3 바퀴 영역(W3)을 포함할 수 있으나, 이에 제한되는 것은 아니며, 검출되는 차량의 바퀴 수에 따라 가변될 수 있다.
실시예에 따르면, 데이터 처리부(130)는 검출된 차량의 바퀴 영역(W1, W2, W3)의 개수를 판단할 수 있다. 예를 들어, 데이터 처리부(130)는 검출된 차량의 바퀴 영역(W1, W2, W3)의 개수가 3개 이상인 경우 차량의 바퀴 사용 상태를 분석할 수 있다. 따라서, 대상이 되는 차량을 특정해서 차량의 바퀴 사용 상태를 분석할 수 있으므로 데이터 처리부(130)의 리소스를 효율적으로 사용할 수 있고, 불필요한 리소스 낭비를 줄일 수 있다. 실시예에 따르면, 제2 바퀴 영역(W2)은 차량의 가변축 바퀴에 대응되는 영역일 수 있으나, 이에 한정되는 것은 아니다.
데이터 처리부(130)는 차량의 바퀴 영역으로부터 적어도 하나의 특징점을 획득할 수 있다. 실시예에 따르면, 데이터 처리부(130)는 획득된 영상 또는 차량의 바퀴 영역(W1, W2, W3)을 전처리 할 수 있다.
도 6을 참조하면, 데이터 처리부(130)는 제1 바퀴 영역(W1)의 밝기 정보(예를 들어, 제1 바퀴 영역(W1)에 포함된 픽셀들의 밝기)에 기초하여 획득되는 제1 경계선(L1)에 적어도 하나의 특징점을 설정할 수 있다. 예를 들어, 차량의 바퀴 영역은 타이어 영역과 휠디스크 영역을 포함하며, 휠디스크 영역과 타이어 영역은 밝기 차이가 존재하므로 데이터 처리부(130)는 밝기 차이를 이용하여 타이어 영역과 휠디스크 영역 사이의 제1 경계선(L1)을 검출할 수 있다.
실시예에 따르면, 특징점은 영상을 기준으로 제1 경계선(L1)의 최상측점에 설정되는 제1 특징점(P1) 및 최하측점에 설정되는 제2 특징점(P2)을 포함할 수 있다. 다른 실시예에 따르면, 특징점은 제1 경계선(L1)의 최좌측점에 설정되는 제3 특징점(P3) 및 최우측점에 설정되는 제4 특징점(P4)을 더 포함할 수도 있다. 데이터 처리부(130)는 제1 특징점(P1), 제2 특징점(P2), 제3 특징점(P3), 및 제4 특징점(P4) 각각의 좌표를 획득할 수 있다.
또한, 데이터 처리부(130)는 제2 바퀴 영역(W2)의 밝기 정보에 기초하여 획득되는 제2 경계선(L2)에 적어도 하나의 특징점을 설정할 수 있다. 실시예에 따르면, 특징점은 영상을 기준으로 제2 경계선(L2)의 최상측점에 설정되는 제5 특징점(P5) 및 최하측점에 설정되는 제6 특징점(P6)을 포함할 수도 있다. 다른 실시예에 따르면, 특징점은 제2 경계선(L2)의 최좌측점에 설정되는 제7 특징점(P7) 및 최우측점에 설정되는 제8 특징점(P8)을 더 포함할 수도 있다. 데이터 처리부(130)는 제5 특징점(P5), 제6 특징점(P6), 제7 특징점(P7), 및 제8 특징점(P8) 각각의 좌표를 획득할 수 있다.
도 7a 내지 도 7d를 참조하면, 데이터 처리부(130)는 특징점들의 위치(예를 들어, 좌표)를 보정할 수 있다. 실시예에 따르면, 데이터 처리부(130)의 특징점들에 대한 위치 보정은 서클 피팅(circle fitting) 방법을 이용하여 수행될 수 있으며, 이는 촬영부(110)로부터의 거리가 멀거나 장애물이 존재하는 바퀴에 대응되는 바퀴 영역에 발생될 수 있는 밝기 왜곡에 따른 소실 영역으로 인한 특징점의 위치 오차를 제거하기 위함이다.
설명의 반복을 피하기 위하여, 도 7a 내지 도 7d에서는 데이터 처리부(130)가 제1 바퀴 영역(W1)에 설정된 특징점들(P1, P2, P3, P4)의 위치를 보정하는 것으로 가정하여 설명하나, 위치 보정은 제2 바퀴 영역(W2)의 특징점들에도 실질적으로 동일하게 적용될 수 있다.
실시예에 따르면, 데이터 처리부(130)는 제1 바퀴 영역(W1)으로부터 검출된 제1 경계선(L1, 도 7a 참조)에 제1 특징점(P1), 제2 특징점(P2), 제3 특징점(P3), 및 제4 특징점(P4)을 설정할 수 있다(도 7b 참조). 데이터 처리부(130)는 기 정의된 방법에 따라 제1 특징점(P1), 제2 특징점(P2), 제3 특징점(P3), 및 제4 특징점(P4)에 기초하여 도형(F, 도 7c 참조)을 생성할 수 있다. 예를 들어, 도형(F)은 제1 특징점(P1), 제2 특징점(P2), 제3 특징점(P3), 및 제4 특징점(P4)을 연결하여 형성되는 최적의 원 또는 타원 형태의 도형을 포함할 수 있다.
데이터 처리부(130)는 도형(F)의 적어도 일부분을 변화시켜 제1 경계선(L1)에 정합시킴으로써(F', 도 7d 참조), 제1 특징점(P1), 제2 특징점(P2), 제3 특징점(P3), 및 제4 특징점(P4) 중 적어도 어느 하나의 위치를 보정할 수 있다. 예를 들어 도 7d를 참조하면, 제1 특징점(P1)은 제1 방향(1st)으로, 제2 특징점(P2)은 제2 방향(2nd)으로, 제3 특징점(P3)은 제1 방향(1st)로, 및 제4 특징점(P4)은 제1 방향(1st) 및 제4 방향(4th)으로 이동된 위치로 보정될 수 있다.
도 8a 내지 도 8d를 참조하면, 제1 바퀴 영역(W1)에 장애물(Ob)에 의한 소실 영역이 발생된 경우가 도시된다. 제1 바퀴 영역(W1)에 장애물(Ob)이 존재하는 경우(도 8a 참조), 휠디스크에 밝기 왜곡에 따른 소실 영역이 발생하여 제1 경계선(L1)은 휠디스크의 일부 영역과 장애물의 일부 영역을 따라 획득될 수 있다(도 8b 참조).
데이터 처리부(130)는 제1 바퀴 영역(W1)으로부터 검출된 제1 경계선(L1)에 제1 특징점(P1), 제2 특징점(P2), 제3 특징점(P3), 및 제4 특징점(P4)을 설정할 수 있다(도 8b 참조). 데이터 처리부(130)는 기 정의된 방법에 따라 제1 특징점(P1), 제2 특징점(P2), 제3 특징점(P3), 및 제4 특징점(P4)에 기초하여 도형(F, 도 8c 참조)을 생성할 수 있다. 예를 들어, 도형(F)은 제1 특징점(P1), 제2 특징점(P2), 제3 특징점(P3), 및 제4 특징점(P4)을 연결하여 형성되는 최적의 원 또는 타원 형태의 도형을 포함할 수 있다.
데이터 처리부(130)는 도형(F)의 적어도 일부분을 변화시켜 제1 특징점(P1), 제2 특징점(P2), 제3 특징점(P3), 및 제4 특징점(P4) 중 적어도 어느 하나의 위치를 보정할 수 있다. 예를 들어 도 8c를 참조하면, 데이터 처리부(130)는 제2 특징점(P2), 제3 특징점(P3) 및 제4 특징점(P4)을 연결하여 형성되는 일부 영역을 중심으로 도형(F)의 적어도 일부분을 변화시켜 제1 경계선(L1)에 정합시킴으로써 제2 특징점(P2), 제3 특징점(P3) 및 제4 특징점(P4)의 위치를 보정하고, 보정된 제2 특징점(P2), 제3 특징점(P3) 및 제4 특징점(P4)의 위치를 이용하여 제1 특징점(P1)의 위치를 보정할 수 있다(도 8d 참조). 실시예에 따르면, 제2 특징점(P2), 제3 특징점(P3) 및 제4 특징점(P4)을 연결하여 형성되는 일부 영역은 원 또는 타원 형태의 도형과 부분적으로 유사한 형태를 가질 수 있다.
데이터 처리부(130)는 상술한 바와 같이 특징점들의 위치를 보정함으로써 특징점들에 기반하여 차량의 바퀴 사용 상태를 정확하게 분석할 수 있다.
도 9를 참조하면, 데이터 처리부(130)는 차량의 소실점(Vvp)과 특징점들을 이용하여 차량의 바퀴 사용 상태를 분석할 수 있다.
실시예에 따르면, 데이터 처리부(130)는 제1 바퀴 영역(W1)의 제1 특징점(P1)과 차량의 소실점(Vvp)을 연결하여 제1 기준선을 생성하고, 제2 특징점(P2)과 차량의 소실점(Vvp)을 연결하여 제2 기준선을 생성할 수 있다. 이를 위해, 데이터 처리부(130)는 차선의 소실점(Rvp)에 대응되는 차량의 소실점(Vvp)을 생성할 수 있다. 차선의 소실점(Rvp) 및 차량의 소실점(Vvp)은 이하에서 도 10 및 도 11을 참조하여 구체적으로 설명한다.
실시예에 따르면, 제1 바퀴 영역(W1)은 차량의 뒷바퀴들 중 지면에 닿는 바퀴에 대응되는 영역으로 정의될 수 있으나, 이에 한정되는 것은 아니며, 차량의 앞바퀴에 대응되는 바퀴 영역(예: 제3 바퀴 영역(W3), 도 5 참조)으로 정의될 수도 있다. 이 경우, 데이터 처리부(130)는 제3 바퀴 영역(W3)에 제1 바퀴 영역(W1)과 실질적으로 동일한 방법으로 특징점들을 설정하고, 설정된 특징점들과 차량의 소실점(Vvp)을 연결한 기준선을 이용하여 차량의 바퀴 사용 상태를 분석할 수 있다.
데이터 처리부(130)는 제1 기준선과 제2 바퀴 영역(W2)의 제5 특징점(P5)의 대응 여부 및 제2 기준선과 제6 특징점(P6)의 대응 여부 중 적어도 어느 하나에 기초하여 차량의 바퀴 사용 상태를 분석할 수 있다. 실시예에 따르면, 데이터 처리부(130)는 제1 기준선과 제5 특징점(P5) 간의 수직 거리인 제1 수직 거리(d1) 및 제2 기준선과 제6 특징점(P6) 간의 수직 거리인 제2 수직 거리(d2) 중 적어도 어느 하나를 임계값과 비교하여 차량의 바퀴 사용 상태를 분석할 수 있다. 예를 들어, 데이터 처리부(130)는 제1 수직 거리(d1) 및 제2 수직 거리(d2) 중 적어도 어느 하나가 임계값 이상인 경우 차량이 가변축 바퀴를 미사용하는 것으로 판단할 수 있다.
데이터 처리부(130)는 차량의 식별 정보와 차량의 바퀴 사용 상태를 분석한 결과를 포함하는 결과 데이터를 생성하고, 생성된 결과 데이터를 운영 장치(1000, 도 1 참조)에 전달할 수 있다. 실시예에 따르면, 데이터 처리부(130)는 통신 인터페이스(140)를 통해 결과 데이터를 운영 장치(1000)에 전달할 수 있다.
실시예에 따르면, 데이터 처리부(130)는 제1 바퀴 영역(W1)의 제1 경계선(L1)에 설정된 제1 특징점(P1) 및 제2 특징점(P2), 제2 바퀴 영역(W2)의 제2 경계선(L2)에 설정된 제5 특징점(P5) 및 제6 특징점(P6), 그리고 차량의 소실점(Vvp)을 이용하여 차량의 바퀴 사용 상태를 분석할 수 있다. 이는 특징점들에 대한 위치 보정이 불필요한 경우로 이해될 수 있으며, 예를 들어 데이터 처리부(130)는 제1 특징점(P1), 제2 특징점(P2), 제3 특징점(P3) 및 제4 특징점(P4)에 기초하여 형성되는 도형(F)과 제1 경계선(L1)의 불일치 정도가 기 설정된 오프셋 이하인 경우 특징점들에 대한 위치 보정이 불필요한 것으로 판단할 수 있다. 이 경우 데이터 처리부(130)는 제1 특징점(P1)과 차량의 소실점을 연결한 제1 기준선과 제5 특징점(P5)의 대응 여부 및 제2 특징점(P2)과 차량의 소실점을 연결한 제2 기준선과 제6 특징점(P6)의 대응 여부 중 적어도 어느 하나에 기초하여 차량의 바퀴 사용 상태를 분석할 수 있다.
실시예에 따르면, 데이터 처리부(130)는 제1 바퀴 영역(W1) 및 제2 바퀴 영역(W2) 중 어느 하나의 바퀴 영역에만 특징점을 설정할 수도 있다. 예를 들어, 데이터 처리부(130)는 제1 바퀴 영역(W1)의 제1 경계선(L1)에 적어도 하나의 특징점을 설정하고, 설정된 특징점과 차량의 소실점을 연결하는 기준선을 이용하여 차량의 바퀴 사용 상태를 분석할 수 있다.
실시예에 따르면, 데이터 처리부(130)는 차량의 바퀴 영역 내의 임의의 위치(예를 들어, 바퀴 영역의 중심점)에 특징점을 설정할 수도 있다. 실시예에 따라, 데이터 처리부(130)는 제1 바퀴 영역(W1)의 중심점에 설정된 특징점과 차량의 소실점을 연결하는 기준선 및 제2 바퀴 영역(W2)의 중심점에 설정된 특징점과 차량의 소실점을 연결하는 제2 기준선을 이용하여 차량의 바퀴 사용 상태를 분석할 수 있다.
따라서, 본 문서에 개시된 실시예들에 따르면 영상을 이용하여 차량의 가변축 사용 상태를 정확하게 분석할 수 있다. 또한, 본 문서에 개시된 실시예들에 따르면 바퀴 접촉 센서와 같은 부가적인 설비없이 차량의 가변축 사용 상태를 분석할 수 있으므로 비용을 절감할 수 있다.
도 10을 참조하여 데이터 처리부(130)가 차선의 소실점(Rvp)을 획득하는 동작에 대해 설명한다. 실시예에 따르면, 데이터 처리부(130)는 스틱셀(stixel) 기법과 같은 영상 처리 알고리즘에 기반하여 차선의 소실점(Rvp)을 획득할 수 있다.
데이터 처리부(130)는 획득된 영상으로부터 차선을 검출할 수 있다. 실시예에 따라, 데이터 처리부(130)는 획득된 영상을 그레이 스케일(grey scale) 영상으로 변환하고, 변환된 영상으로부터 차선을 검출할 수 있다. 데이터 처리부(130)는 검출된 차선들을 차선 별로 각각 연결하여 직선들을 생성하고, 각 직선들의 연장선들이 교차되는 점을 차선의 소실점(Rvp)으로 설정할 수 있다. 차선의 소실점(Rvp)은 데이터 처리부(130)에 의해 미리 설정될 수 있으며, 촬영부(110)의 화각, 설치 높이, 배율 등에 따라 영상 내부 또는 영상 외부에 설정될 수 있으며, 실시예에 따르면, 차선의 소실점(Rvp)은 영상의 중심을 기준으로 구분되는 사분면(A, B, C, D)중 사분면(D)의 외부에 정의될 수 있다.
도 11을 참조하여 데이터 처리부(130)가 차량의 소실점(Vvp)을 획득하는 동작에 대해 설명한다. 데이터 처리부(130)는 차량의 외형으로부터 검출 가능한 윤곽선들 중 차선의 소실점(Rvp) 방향으로 연장 가능한 윤곽선들(B1, B2, B3)에 기초하여 차량의 소실점(Vvp)을 설정할 수 있다. 데이터 처리부(130)는 윤곽선들(B1, B2, B3)을 차선의 소실점(Rvp) 방향으로 연장한 직선들이 교차되는 점을 차량의 소실점(Vvp)으로 설정할 수 있다.
도 12는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 방법을 보여주는 흐름도이다.
도 12를 참조하면, 동작 S110에서 통행 정보 획득 장치(100)는 획득되는 영상으로부터 차량 및 차량에 대응되는 바퀴 영역을 검출할 수 있다.
동작 S120에서 통행 정보 획득 장치(100)는 검출된 바퀴 영역으로부터 특징점을 획득할 수 있다. 통행 정보 획득 장치(100)는 바퀴 영역으로부터 획득되는 경계선에 적어도 하나의 특징점을 설정할 수 있으며, 실시예에 따라 통행 정보 획득 장치(100)는 서클 피팅(circle fitting) 방법을 이용하여 특징점들의 위치를 보정할 수 있다.
동작 S130에서 통행 정보 획득 장치(100)는 차량의 소실점을 획득할 수 있다. 실시예에 따르면, 통행 정보 획득 장치(100)는 차선의 소실점(Rvp)을 이용하여 차량의 소실점(Vvp)을 획득할 수 있다.
동작 S140 에서 통행 정보 획득 장치(100)는 차량의 소실점(Vvp)과 바퀴 영역의 특징점을 이용하여 차량의 바퀴 사용 상태를 분석할 수 있다. 실시예에 따르면, 통행 정보 획득 장치(100)는 제1 바퀴 영역(W1)의 제1 특징점(P1)과 차량의 소실점(Vvp)을 연결하여 제1 기준선을 생성하고, 제2 특징점(P2)과 차량의 소실점(Vvp)을 연결하여 제2 기준선을 생성할 수 있다. 통행 정보 획득 장치(100)는 제1 기준선과 제2 바퀴 영역(W2)의 제5 특징점(P5) 간의 수직 거리인 제1 수직 거리(d1) 및 제2 기준선과 제6 특징점(P6) 간의 수직 거리인 제2 수직 거리(d2) 중 적어도 어느 하나를 임계값과 비교하여 차량의 바퀴 사용 상태를 분석할 수 있다. 예를 들어, 통행 정보 획득 장치(100)는 제1 수직 거리(d1) 및 제2 수직 거리(d2) 중 적어도 어느 하나가 임계값 이상인 경우 차량이 가변축 바퀴를 미사용하는 것으로 판단할 수 있다.
도 13은 본 문서에 개시된 다양한 실시예들에 따른 통행 정보 획득 장치 및 운영 장치를 포함하는 정보 분석 시스템의 기능적 블록도를 나타낸다.
도 13을 참조하면, 정보 분석 시스템(10)은 네트워크(200)를 통해 연결되는 적어도 하나의 통행 정보 획득 장치(예: 100-1, 100-2, 100-3)와 운영 장치(1000)를 포함할 수 있다. 예를 들어, 통행 정보 획득 장치(100-1)는 특정 지역(예: 고속도로, 일반도로 등) 단위로 설치될 수 있다. 통행 정보 획득 장치 (100-1)는 운영 장치(1000)와 통신할 수 있는 통신 인터페이스(140)를 포함할 수 있다. 통신 인터페이스(140)는 유선 또는 무선 중 적어도 하나를 포함할 수 있다.
운영 장치(1000)는 데이터 처리부(130)의 부족한 하드웨어 성능을 보완할 수 있다. 예를 들어, 운영 장치(1000)의 데이터 처리부(1100)는 데이터 처리부(130) 보다 고성능의 영상 처리를 구현할 수 있는 하드웨어(예: GPU(graphic processing unit))를 포함할 수 있다.
데이터 처리부(1100)는 통행 정보 획득 장치(100-1)에서 수행되는 차량의 바퀴 사용 상태에 대한 분석을 포함하여 데이터 처리부(130)의 기능과 실질적으로 동일한 기능을 수행할 수 있다. 이 경우, 통행 정보 획득 장치(100-1)의 데이터 처리부(130)는 제거 또는 비활성화되는 것이 가능하다. 운영 장치(1000)는 정보 분석 시스템 유닛(100-1, 100-2, 100-3)으로부터 전달되는 결과 데이터에 기초하여 차량들의 바퀴 사용 상태를 확인할 수 있고, 가변축 사용 의무를 위반하는 차량들을 단속할 수 있다. 운영 장치(1000)는 분석된 도로 상황에 기반하여 신호를 제어하거나 차량에게 다른 경로를 제공하도록 데이터 처리부(130)에게 명령을 전달할 수 있다.
이상의 설명은 본 문서에 개시된 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 문서에 개시된 실시예들의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 문서에 개시된 실시예들은 본 문서에 개시된 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 문서에 개시된 기술 사상의 범위가 한정되는 것은 아니다. 본 문서에 개시된 기술 사상의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 문서의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 정보 분석 시스템
100: 통행 정보 획득 장치
110: 촬영부
120: 센서부
130: 데이터 처리부
140: 통신 인터페이스

Claims (17)

  1. 영상으로부터 차량 및 상기 차량에 대응되는 바퀴 영역을 검출하고, 상기 차량의 소실점과 상기 바퀴 영역에 설정되는 특징점을 이용하여 상기 차량의 바퀴 사용 상태를 분석하는 데이터 처리부를 포함하고,
    상기 바퀴 영역은 제1 바퀴 영역 및 제2 바퀴 영역을 포함하고,
    상기 데이터 처리부는 상기 제1 바퀴 영역의 밝기 정보에 기초하여 획득되는 제1 경계선에 제1 특징점 및 제2 특징점을 설정하고,
    상기 제2 바퀴 영역의 밝기 정보에 기초하여 획득되는 제2 경계선에 제5 특징점 및 제6 특징점을 설정하고,
    상기 차량의 소실점과 상기 제1 특징점, 제2 특징점, 제5 특징점 및 제6 특징점을 이용하여 상기 차량의 바퀴 사용 상태를 분석하는 영상을 이용한 정보 분석 시스템.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 설정되는 제1 특징점 및 제2 특징점에 기반하여 형성되는 도형의 적어도 일부분과 상기 제1 경계선을 정합시켜 상기 제1 특징점 및 제2 특징점 중 적어도 하나의 특징점의 위치를 보정하는 영상을 이용한 정보 분석 시스템.
  4. 제1 항에 있어서,
    상기 데이터 처리부는 상기 검출되는 바퀴 영역의 개수가 기준 개수 이상인 경우 상기 차량의 바퀴 사용 상태를 분석하는 영상을 이용한 정보 분석 시스템.
  5. 삭제
  6. 제 1 항에 있어서,
    상기 데이터 처리부는 상기 제1 경계선에 제3 특징점 및 제4 특징점을 더 설정하고,
    상기 제1 특징점은 상기 영상을 기준으로 상기 제1 경계선의 최상측점에 설정되고, 상기 제2 특징점은 상기 제1 경계선의 최하측점에 설정되고, 상기 제3 특징점은 상기 제1 경계선의 최좌측점에 설정되고, 상기 제4 특징점은 상기 제1 경계선의 최우측점에 설정되고,
    상기 제5 특징점은 상기 제2 경계선의 최상측점에 설정되고, 상기 제6 특징점은 상기 제2 경계선의 최하측점에 설정되는 영상을 이용한 정보 분석 시스템.
  7. 제 6 항에 있어서,
    상기 데이터 처리부는 상기 제1 특징점, 제2 특징점, 제3 특징점 및 제4 특징점에 기반하여 형성되는 도형의 적어도 일부분과 상기 제1 경계선을 정합시켜, 상기 제1 특징점, 제2 특징점, 제3 특징점 및 제4 특징점 중 적어도 하나의 특징점의 위치를 보정하는 영상을 이용한 정보 분석 시스템.
  8. 제 1 항, 제 6 항 및 제 7 항 중 어느 한 항에 있어서,
    상기 데이터 처리부는 상기 차량의 소실점과 상기 제1 특징점을 연결한 제1 기준선 및 상기 차량의 소실점과 상기 제2 특징점을 연결한 제2 기준선을 생성하고,
    상기 제1 기준선과 상기 제5 특징점의 대응 여부 및 상기 제2 기준선과 상기 제6 특징점의 대응 여부 중 적어도 어느 하나에 기초하여 상기 차량의 바퀴 사용 상태를 분석하는 영상을 이용한 정보 분석 시스템.
  9. 제 8 항에 있어서,
    상기 데이터 처리부는 상기 제1 기준선과 상기 제5 특징점 간의 거리인 제1 거리 및 상기 제2 기준선과 상기 제6 특징점 간의 거리인 제2 거리 중 적어도 어느 하나를 임계값과 비교하여 상기 차량의 바퀴 사용 상태를 분석하는 영상을 이용한 정보 분석 시스템.
  10. 제 9 항에 있어서,
    상기 제1 거리 및 제2 거리는 수직 거리이며,
    상기 데이터 처리부는 상기 제1 거리 및 제2 거리 중 적어도 어느 하나가 상기 임계값 이상인 경우 상기 차량이 가변축 바퀴를 미사용하는 것으로 판단하는 영상을 이용한 정보 분석 시스템.
  11. 제 1 항에 있어서,
    상기 데이터 처리부는 상기 영상에 기반하여 획득된 차선의 소실점에 대응되는 상기 차량의 소실점을 검출하는 영상을 이용한 정보 분석 시스템.
  12. 제 1 항에 있어서,
    상기 데이터 처리부는 상기 영상으로부터 상기 차량의 식별정보를 검출하고,
    상기 식별정보와 상기 차량의 바퀴 사용 상태를 분석한 결과를 포함하는 결과 데이터를 생성하는 영상을 이용한 정보 분석 시스템.
  13. 제 12 항에 있어서,
    상기 결과 데이터를 운영 장치에 전송하는 통신 인터페이스를 더 포함하는 영상을 이용한 정보 분석 시스템.
  14. 제 1 항에 있어서,
    상기 영상을 촬영하도록 설정된 촬영부를 더 포함하는 영상을 이용한 정보 분석 시스템.
  15. 제 1 항에 있어서,
    상기 차량을 포함하는 영상 내의 객체의 위치 또는 이동 거리를 측정하는 센서부를 더 포함하는 영상을 이용한 정보 분석 시스템.
  16. 제 1 항에 있어서,
    상기 영상을 분석하여 획득된 정보를 통해 도로 상황을 관제하도록 설정된 운영 장치를 더 포함하는 영상을 이용한 정보 분석 시스템.
  17. 영상으로부터 차량 및 상기 차량에 대응되는 바퀴 영역을 검출하는 단계;
    상기 바퀴 영역의 특징점을 획득하는 단계;
    상기 차량의 소실점을 검출하는 단계; 및
    상기 차량의 소실점과 상기 바퀴 영역의 특징점을 이용하여 상기 차량의 바퀴 사용 상태를 분석하는 단계를 포함하고,
    상기 바퀴 영역은 제1 바퀴 영역 및 제2 바퀴 영역을 포함하고,
    상기 바퀴 영역의 특징점을 획득하는 단계는 상기 제1 바퀴 영역의 밝기 정보에 기초하여 획득되는 제1 경계선에 제1 특징점 및 제2 특징점을 설정하고,
    상기 제2 바퀴 영역의 밝기 정보에 기초하여 획득되는 제2 경계선에 제5 특징점 및 제6 특징점을 설정하고,
    상기 차량의 소실점과 상기 바퀴 영역의 특징점을 이용하여 상기 차량의 바퀴 사용 상태를 분석하는 단계는 상기 차량의 소실점과 상기 제1 특징점, 제2 특징점, 제5 특징점 및 제6 특징점을 이용하여 상기 차량의 바퀴 사용 상태를 분석하는 영상을 이용한 정보 분석 방법.
KR1020210113878A 2021-08-27 2021-08-27 영상을 이용한 정보 분석 시스템 및 그에 관한 방법 KR102401262B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210113878A KR102401262B1 (ko) 2021-08-27 2021-08-27 영상을 이용한 정보 분석 시스템 및 그에 관한 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210113878A KR102401262B1 (ko) 2021-08-27 2021-08-27 영상을 이용한 정보 분석 시스템 및 그에 관한 방법

Publications (1)

Publication Number Publication Date
KR102401262B1 true KR102401262B1 (ko) 2022-05-25

Family

ID=81800470

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210113878A KR102401262B1 (ko) 2021-08-27 2021-08-27 영상을 이용한 정보 분석 시스템 및 그에 관한 방법

Country Status (1)

Country Link
KR (1) KR102401262B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160099807A (ko) * 2015-02-13 2016-08-23 (주) 알티솔루션 도로교통안전 서비스를 위한 제한차량 검지 시스템
KR102039118B1 (ko) * 2019-04-17 2019-11-26 유에프엠시스템즈 주식회사 레이더를 이용한 다차로 촬영시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160099807A (ko) * 2015-02-13 2016-08-23 (주) 알티솔루션 도로교통안전 서비스를 위한 제한차량 검지 시스템
KR102039118B1 (ko) * 2019-04-17 2019-11-26 유에프엠시스템즈 주식회사 레이더를 이용한 다차로 촬영시스템

Similar Documents

Publication Publication Date Title
Han et al. Research on road environmental sense method of intelligent vehicle based on tracking check
US10223910B2 (en) Method and apparatus for collecting traffic information from big data of outside image of vehicle
US11380105B2 (en) Identification and classification of traffic conflicts
CN108345822B (zh) 一种点云数据处理方法及装置
CN105922991B (zh) 基于生成虚拟车道线的车道偏离预警方法及系统
US9335178B2 (en) Method for using street level images to enhance automated driving mode for vehicle
CN102862574B (zh) 基于智能手机实现车辆主动安全的方法
KR102272295B1 (ko) 영상의 깊이정보를 이용한 차량번호판 인식률 향상 방법
CN109905847B (zh) Gnss盲区智能车辅助定位系统累积误差的协同校正系统及方法
CN105825185A (zh) 车辆防碰撞预警方法及装置
JP2020196442A (ja) 事故判定装置
EP3806062A1 (en) Detection device and detection system
KR101756848B1 (ko) 불법 주정차 관리 시스템
CN110659552B (zh) 有轨电车障碍物检测及报警方法
CN114419874B (zh) 基于路侧感知设备数据融合的目标行车安全风险预警方法
JP6678552B2 (ja) 車種判別装置および車種判別方法
CN114387785A (zh) 一种基于智慧公路的安全管控方法、系统及可存储介质
KR20220038857A (ko) 자율주행 상황 인지 알고리즘 평가 서비스 장치 및 방법
KR102415620B1 (ko) 보행자 판단 시스템을 포함하는 가변형 차량 속도 경고 시스템
KR102401262B1 (ko) 영상을 이용한 정보 분석 시스템 및 그에 관한 방법
KR102363760B1 (ko) 실시간으로 노면을 모니터링하기 위한 전자 장치와 그의 동작 방법 및 그를 포함하는 시스템
CN113178081B (zh) 一种车辆汇入预警方法、装置及电子设备
KR102317311B1 (ko) 영상을 이용한 정보 분석 시스템 및 그에 관한 방법
KR102612353B1 (ko) 영상 분석 시스템 및 그에 관한 방법
KR102115792B1 (ko) 신호등에 설치된 카메라에 의한 상황감시 시스템

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant