KR102407315B1 - 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템 및 이를 이용한 주차 관제 방법 - Google Patents
번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템 및 이를 이용한 주차 관제 방법 Download PDFInfo
- Publication number
- KR102407315B1 KR102407315B1 KR1020210129772A KR20210129772A KR102407315B1 KR 102407315 B1 KR102407315 B1 KR 102407315B1 KR 1020210129772 A KR1020210129772 A KR 1020210129772A KR 20210129772 A KR20210129772 A KR 20210129772A KR 102407315 B1 KR102407315 B1 KR 102407315B1
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- license plate
- image
- unit
- image data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000012545 processing Methods 0.000 claims abstract description 75
- 238000013145 classification model Methods 0.000 claims abstract description 51
- 238000004891 communication Methods 0.000 claims abstract description 6
- 230000003190 augmentative effect Effects 0.000 claims description 15
- 238000002372 labelling Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 238000012958 reprocessing Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 6
- 230000010339 dilation Effects 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000013434 data augmentation Methods 0.000 description 5
- 230000003416 augmentation Effects 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 102100032202 Cornulin Human genes 0.000 description 2
- 101000920981 Homo sapiens Cornulin Proteins 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 229940061368 sonata Drugs 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G06Q50/30—
-
- 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
-
- 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
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Traffic Control Systems (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
본 발명의 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템은, 주차장의 입구 및 출구에 설치되서 진입하는 차량 및 진출하는 차량 이미지를 촬상하는 카메라부, 카메라부에 의해서 촬상된 차량 이미지에서 번호판 영역을 추출하고, 추출된 차량 번호판의 이미지에서 번호 정보를 식별하는 번호판 식별부, 번호판 식별부에 의해서 번호 정보를 식별하지 못하는 경우에, 해당 번호판을 포함하는 진입 차량에 대해서 연속적으로 차량 이미지를 촬상하도록 카메라부를 제어하고, 차량 이미지에 대한 연속적인 이미지 데이터를 통신모듈을 통해서 AI서버로 전송하도록 제어하는 제어부, AI 서버로부터 사전 훈련된 이미지 분류 모델을 수신하여 저장하고, 번호판 식별부에 의해서 번호 정보를 식별하지 못하는 차량의 이미지를 입력 데이터로 이미지 분류 모델에 입력받고, 이미지 분류 모델에 의해서 출력된 결과값에 기초하여 해당 차량을 식별하는 처리를 실행하는 AI 처리부; 및 번호판 식별부의 번호 정보 또는 AI 처리부에 의해서 식별된 차량정보를 이용하여 해당 차량에 대한 입출차 처리를 실행하는 입출차 처리부를 포함한다.
Description
본 발명은 주차 관제 시스템 및 주체 관제 방법에 관한 것으로써, 보다 상세하게는 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템 및 이를 이용한 주차 관제 방법에 관한 것이다.
기존의 사람에 의해서 관리되는 주차장 관리 시스템에서 차량번호를 자동으로 인식하여 무인으로 관리되는 무인 시스템으로 전환되고 있는 추세이다.
주차 관제 시스템의 업계 동향에 따르면 시장 규모가 점차적으로 증가하고 있고, 시장에서 요구되는 기술도 유인 시스템에서 무인 시스템을 선호하고 있는 실정이다. 하지만, 이러한 무인 시스템의 경우에는 유인 시스템과 비교하여 시스템 구축에 추가적인 비용이 소모되고 있다.
기존의 무인 시스템의 경우에는 카메라 오작동, 차단기 오작동, 차량 번호판 미인식 등으로 완벽한 무인 시스템으로 적용하는 데 한계를 보이고 있다. 특히, 차량 번호판에 기반하여 입차 및 출차 과정에서 차량을 식별하는 방식은 무인 시스템의 핵심 요소 기술에 해당한다.
하지만, 입차시에 차량의 번호판을 미인식 하는 경우에 입차 및 출차 처리를 함에 있어서 정확하게 요금 부과를 할 수 없는 문제점이 있다. 이에 차량의 번호판의 인식율을 높이기 위한 다양한 연구가 진행되고 있고, 인공지능을 활용한 연구도 활발하게 이루어지고 있다.
이러한 연구의 노력에도 불구하고, 여전히 훼손 번호판, 오염 번호판, 열악한 조건 하에서의 번호판 인식율은 100%를 도달하는데 어려움이 따르고 있으며, 번호판을 통한 차량 식별 이외에 새로운 방식의 차량 식별 방법에 대한 개발의 필요성이 요구되고 있다.
상술한 필요성에 의해서 안출된 본 발명은 주차장에 입차하는 차량에 대한 번호판 인식이 실패한 경우에, 차량에 대한 이미지를 획득하고, 획득된 이미지를 이용하여 해당 차량에 대한 고유한 식별 정보를 부여함으로써, 출차시에 해당 차량을 고유하게 식별할 수 있는 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템 및 이를 이용한 주차 관제 방법을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위하여 본 발명의 일 실시 예에 따른 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템은 주차장의 입구 및 출구에 설치되서 진입하는 차량 및 진출하는 차량 이미지를 촬상하는 카메라부; 상기 카메라부에 의해서 촬상된 차량 이미지에서 번호판 영역을 추출하고, 추출된 차량 번호판의 이미지에서 번호 정보를 식별하는 번호판 식별부; 상기 번호판 식별부에 의해서 번호 정보를 식별하지 못하는 경우에, 해당 번호판을 포함하는 진입 차량에 대해서 연속적으로 차량 이미지를 촬상하도록 상기 카메라부를 제어하고, 차량 이미지에 대한 연속적인 이미지 데이터를 통신모듈을 통해서 AI서버로 전송하도록 제어하는 제어부; 상기 AI 서버로부터 사전 훈련된 이미지 분류 모델을 수신하여 저장하고, 상기 번호판 식별부에 의해서 번호 정보를 식별하지 못하는 차량의 이미지를 입력 데이터로 상기 이미지 분류 모델에 입력받고, 상기 이미지 분류 모델에 의해서 출력된 결과값에 기초하여 해당 차량을 식별하는 처리를 실행하는 AI 처리부; 및 상기 번호판 식별부의 번호 정보 또는 상기 AI 처리부에 의해서 식별된 차량정보를 이용하여 해당 차량에 대한 입출차 처리를 실행하는 입출차 처리부;를 포함한다.
이 경우에, 상기 번호판 식별부는, 상기 추출된 번호판 이미지에 대해서 밝기의 조절을 처리하는 밝기 조절 모듈; 상기 밝기 조절 모듈에 의해서 밝기 조절된 이미지에 대해서 밝은 구역은 발게 처리하고, 어두운 구역은 어둡게 처리하는 콘트라스트 조절 모듈; 상기 콘트라스트 조절 모듈에 의해서 처리된 번호판 이미지에 대해서 꼭짓점 추출을 통하여 번호판의 기울기를 변환하는 기울기 조절 모듈; 및 상기 기울기 조절 모듈에 의해서 처리된 번호판 이미지에 대해서 팽창(dilation) 또는 침식(erosion) 처리를 통해서 내부 노이즈를 제거하는 노이즈 제거 모듈;을 더 포함한다.
이 경우에, 상기 번호판 식별부는, 상기 차량 번호판에서 번호 정보를 식별하는 처리를 본처리와 재처리로 구분하여 수행하되, 재처리를 위해서 상기 밝기 조절 모듈, 상기 콘트라스트 조절 모듈, 상기 기울기 조절 모듈 및 상기 노이즈 제거 모듈을 이용할 수 있다.
이 경우에, 상기 제어부는, 정차된 차량을 촬상하여 얻어진 번호판에 대해서 상기 번호판 식별부에 의해서 번호 정보를 식별하지 못하는 경우, 상기 입출차 처리부에 의해서 입차 처리를 실행시키되, 해당 차량을 기 결정된 시간동안 연속적으로 촬상하도록 상기 카메라부를 제어할 수 있다.
이 경우에, 상기 제어부는, 상기 AI 서버로 번호 정보 미인식 차량에 대한 연속적인 이미지 데이터를 전송하고, 소정의 시간이 경과한 뒤에 상기 AI 서버로부터 신규 이미지 분류 모델을 수신하여 상기 AI 처리부에 갱신하도록 제어할 수 있다.
한편, 본 시스템은 수신된 연속적인 이미지 데이터에 대해서 각각 상-하 방향으로 반전하는 처리, 좌-우 방향으로 반전하는 처리 및 이미지의 중심 픽셀을 포함하는 기 결정된 크기의 정사각형 크기로 크롭하는 처리를 수행하여 해당 연속적인 이미지 데이터를 증강(augmentation)하는 처리를 수행하여 이미지 데이터 세트를 생성하는 상기 AI 서버를 더 포함할 수 있다.
이 경우에, 상기 AI 서버는, 상기 이미지 데이터 세트에 대해서, 이미지에 포함된 차량의 객체 영역을 라벨링하고, 해당 이미지 데이터 세트에 대해서 고유한 식별 정보를 부여하는 처리를 실행할 수 있다.
이 경우에, 상기 AI 서버는, 라벨링과 고유한 식별 정보가 부여된 이미지 데이터 세트를 기존 이미지 데이터 세트에 무작위로 포함시켜서 훈련 데이터 및 테스트 테이터로 구분하고, 상기 훈련 데이터를 이미지 분류 모델의 입력 노드로 입력하여 해당 이미지 분류 모델을 학습시키고, 학습이 완료된 이미지 분류 모델을 상기 AI 처리부로 전송할 수 있다.
본 발명의 다른 실시 예에 따른 카메라부, 번호판 식별부, 제어부, AI 처리부 및 AI 서버를 포함하는 주차 관제 시스템을 이용한 주차 관제 방법은, 상기 카메라부에 의해서, 주차장의 입구 및 출구에 설치되서 진입하는 차량 및 진출하는 차량 이미지를 촬상하는 단계; 상기 번호판 식별부에 의해서, 촬상된 차량 이미지에서 번호판 영역을 추출하고, 추출된 차량 번호판의 이미지에서 번호 정보를 식별하는 단계; 상기 제어부에 의해서, 번호 정보를 식별하지 못한 번호판을 포함하는 진입 차량에 대해서 연속적으로 차량 이미지를 촬상하도록 상기 카메라부를 제어하고, 차량 이미지에 대한 연속적인 이미지 데이터를 통신모듈을 통해서 AI서버로 전송하는 단계; 상기 AI 처리부에 의해서, 상기 AI 서버로부터 사전 훈련된 이미지 분류 모델을 수신하여 저장하고, 상기 번호판 식별부에 의해서 번호 정보를 식별하지 못하는 차량의 이미지를 상기 이미지 분류 모델에 입력받고, 상기 이미지 분류 모델에 의해서 출력된 결과값에 기초하여 해당 차량을 식별하는 처리를 실행하는 단계; 및 상기 입출차 처리부에 의해서, 상기 번호판 식별부의 번호 정보 또는 상기 AI 처리부에 의해서 식별된 차량정보를 이용하여 해당 차량에 대한 입출차 처리를 실행하는 단계;를 포함하되, 상기 AI서버로 전송하는 단계 이후에, 상기 AI 서버는 수신된 연속적인 이미지 데이터에 대해서 각각 상-하 방향으로 반전하는 처리, 좌-우 방향으로 반전하는 처리 및 이미지의 중심 픽셀을 포함하는 기 결정된 크기의 정사각형 크기로 크롭하는 처리를 수행하여 해당 연속적인 이미지 데이터를 증강(augmentation)하는 처리를 하여 이미지 데이터 세트를 생성하는 단계; 및 상기 증강된 이미지 데이터 세트에 대해서, 이미지에 포함된 차량의 객체 영역을 라벨링하는 처리와, 해당 이미지 데이터 세트에 대해서 고유한 식별 정보를 부여하는 처리를 실행하는 단계;를 더 수행할 수 있다.
이 경우에, 상기 AI 서버는, 라벨링과 고유한 식별 정보가 부여된 이미지 데이터 세트를 기존 이미지 데이터 세트에 무작위로 포함시켜서 훈련 데이터 및 테스트 테이터로 구분하는 처리와, 상기 훈련 데이터를 이미지 분류 모델의 입력 노드로 입력하여 해당 이미지 분류 모델을 학습시키는 처리와, 학습이 완료된 이미지 분류 모델을 상기 AI 처리부로 전송하는 처리를 실행시킬 수 있다.
본 발명의 다양한 실시 예에 따르면, 주차장 내에 진입하는 차량의 번호판에 대한 미인식 상황이 발생하면, 미인식된 차량에 대해서 이미지 정보를 획득하고, 획득된 이미지를 데이터 증강시킨 뒤, 증강된 이미지 데이터에서 차량 객체를 오토 라벨링하고, 해당 이미지에 고유한 식별정보를 부여한 뒤, 인공지능 기반의 이미지 분류 모델에 입력 데이터로 입력하여 이미지 분류 모델을 갱신시킨 뒤, 해당 차량의 출차시에 차량의 이미지를 이용하여 이미지 분류 모델에 의해서 해당 차량을 고유하게 식별함으로써 번호판 미인식 상황에서도 입출차 관리를 수행할 수 있는 효과를 발휘한다.
도 1은 본 발명의 일 실시 예에 따른 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템을 예시적으로 설명하는 블럭도,
도 2는 도 1에 도시된 주차 관제 시스템의 번호판 식별부를 구체적으로 설명하기 위한 도면,
도 3은 도 1에 도시된 주차 관제 시스템에 의한 주차 관제 방법의 전반적인 동작 제어 흐름을 설명하기 위한 흐름도,
도 4는 본 발명의 다른 실시 예에 따라 미인식 차량에 대한 연속적인 차량 이미지 데이터를 수집하는 방식을 예시적으로 설명하는 도면,
도 5는 본 발명의 다른 실시 예에 따라 수집된 미인식 차량에 대한 연속적인 차량 이미지 데이터에 대한 증강 처리의 일 예를 예시적으로 설명하는 도면,
도 6은 본 발명의 다른 실시 예에 따라 수집된 미인식 차량에 대한 연속적인 차량 이미지 데이터에 대한 증강 처리의 다른 예를 예시적으로 설명하는 도면,
도 7은 본 발명의 다른 실시 예에 따라 수집된 미인식 차량에 대한 연속적인 차량 이미지 데이터에 대한 증강 처리된 이미지 데이터 세트의 일 예를 예시적으로 설명하는 도면,
도 8은 도 7에서 처리된 이미지 데이터 세트를 이용하여 이미지 분류 모델을 훈련시키는 과정을 예시적으로 설명하는 블럭도, 그리고,
도 9는 본 발명의 다른 실시 예에 따라 미인식 차량의 입차-출차 처리 과정을 예시적으로 설명하는 도면.
도 2는 도 1에 도시된 주차 관제 시스템의 번호판 식별부를 구체적으로 설명하기 위한 도면,
도 3은 도 1에 도시된 주차 관제 시스템에 의한 주차 관제 방법의 전반적인 동작 제어 흐름을 설명하기 위한 흐름도,
도 4는 본 발명의 다른 실시 예에 따라 미인식 차량에 대한 연속적인 차량 이미지 데이터를 수집하는 방식을 예시적으로 설명하는 도면,
도 5는 본 발명의 다른 실시 예에 따라 수집된 미인식 차량에 대한 연속적인 차량 이미지 데이터에 대한 증강 처리의 일 예를 예시적으로 설명하는 도면,
도 6은 본 발명의 다른 실시 예에 따라 수집된 미인식 차량에 대한 연속적인 차량 이미지 데이터에 대한 증강 처리의 다른 예를 예시적으로 설명하는 도면,
도 7은 본 발명의 다른 실시 예에 따라 수집된 미인식 차량에 대한 연속적인 차량 이미지 데이터에 대한 증강 처리된 이미지 데이터 세트의 일 예를 예시적으로 설명하는 도면,
도 8은 도 7에서 처리된 이미지 데이터 세트를 이용하여 이미지 분류 모델을 훈련시키는 과정을 예시적으로 설명하는 블럭도, 그리고,
도 9는 본 발명의 다른 실시 예에 따라 미인식 차량의 입차-출차 처리 과정을 예시적으로 설명하는 도면.
이하에서 도면을 참고하여 본 발명의 바람직한 실시 예에 대해서 설명한다. 이하에 기술된 바람직한 실시예는 본 발명을 이해하기 위한 하나의 예시에 불과하고, 본 발명의 기술적 사상의 범위에서 다양하게 설계변경될 수 있다.
도 1은 본 발명의 일 실시 예에 따른 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템을 예시적으로 설명하는 블럭도이다. 도 1을 참고하면, 주차 관제 시스템(100)은 카메라부(110), 번호판 식별부(120), 제어부(130), AI 처리부(140) 및 입출차 처리부(150)를 포함한다.
카메라부(110)는 주차장의 입구 및 출구에 복수의 카메라를 설치하고, 카메라에 의해서 차량 및 진출하는 차량 이미지를 촬상할 수 있다.
번호판 식별부(120)는 카메라부(110)에 의해서 촬상된 차량 이미지를 수신한다. 번호판 식별부(120)는 수신된 차량 이미지를 이미지프로세싱하여 차량 이미지에서 번호판 영역을 추출한다. 번호판 식별부(120)는 추출된 차량 번호판의 이미지에서 광학적 문자 인식 기술을 이용하여 번호 정보를 식별할 수 있다.
제어부(130)는 번호판 식별부(120)에 의해서 번호 정보를 식별하지 못하는 경우를 인지할 수 있다. 제어부(130)는 번호 정보를 식별하지 못하는 상황에서 해당 번호판을 포함하는 진입 차량에 대한 추가적인 이미지 획득을 위한 조치를 실행할 수 있다. 제어부(130)는 번호 정보를 인식할 수 없는 진입 차량에 대하여 카메라부(110)를 제어하여 연속적으로 차량 이미지를 촬상하도록 제어한다. 제어부(130)는 차량 이미지에 대한 연속적인 이미지 데이터를 통신모듈(미도시)을 통해서 AI서버(200)로 전송하도록 제어한다.
AI 처리부(140)는 AI 서버(200)로부터 사전 훈련된 이미지 분류 모델을 수신하여 저장할 수 있다. AI 처리부(140)는 경량화된 딥러닝 모델을 실행할 수 있도록 임베디드 마이크로프로세서로 구현될 수 있다. 이러한 AI 처리부(140)는 AI 서버(200)와 연동하여 엣지 컴퓨터로 동작함으로써 차량 번호판 미인식 상황에서 차량 이미지를 이용하여 해당 차량을 식별할 수 있도록 동작한다.
즉, AI 처리부(140)는 번호판 식별부(120)에 의해서 번호 정보를 식별하지 못하는 차량의 이미지를 이미지 분류 모델에 입력으로 넣고, 이미지 분류 모델에 의해서 처리된 결과값(고유 식별 정보)에 기초하여 해당 차량을 구분하고, 입출차 처리부(150)에 의해서 입차 처리를 수행할 수 있다고 제어신호를 전달한다.
다만, AI 처리부(140)는 사전에 훈련된 이미지 분류 모델에 의해서도 번호판 미인식 차량을 식별할 수 없는 경우에는 해당 차량의 이미지를 오토 라벨링하고 라벨링된 이미지에 신규의 고유 식별 정보를 부여할 수 있다. 또한, AI 처리부(140)는 제어부(130)에 해당 차량에 대한 식별이 불가하다는 정보를 전달하고, 제어부(130)는 해당 차량에 대한 연속적인 차량 이미지 데이터를 수집하도록 카메라부(110)를 제어하게 된다.
AI 처리부(140)는 일정 시간 주기로 AI 서버(200)로 부터 갱신된 이미지 분류 모델을 수신하여 저장함으로써, 최신성을 유지하는 이미지 분류 모델을 유지할 수 있다. AI 처리부(140)는 임베디드 마이크로프로세서로 구현함으로써 저전력, 낮은 자원 상황에서도 딥러닝 모델을 충분히 동작시킬 수 있다. 예를들어 AI 처리부(140)는 TensorFlow Lite 버전에 의해서 딥러닝 모델(CNN, RNN, CRNN 등)에 의해서 구축된 딥러닝 모델을 구동시킬 수 있다.
입출차 처리부(150)는 번호판 식별부(120)에 의해서 식별된 번호 정보를 이용하여 해당 차량에 대한 입차 처리를 실행한다. 또는 입출차 처리부(150)는 AI 처리부(140)에 의해서 식별된 차량 정보(고유 식별 정보)를 이용하여 해당 차량에 대한 입차 처리를 실행할 수 있다. 입출차 처리부(150)는 출차 처리에 대해서도 상술한 방식대로 얻어진 해당 차량에 대한 차량 번호 정보 또는 식별된 차량 정보(고유 식별 정보)를 이용하여 출차 처리를 실행할 수 있다.
도 2는 도 1에 도시된 주차 관제 시스템의 번호판 식별부를 구체적으로 설명하기 위한 도면이다. 도 2를 참고하면, 번호판 식별부(120)는 밝기 조절 모듈(121), 콘트라스트 조절 모듈(122), 기울기 조절 모듈(123), 노이즈 제거 모듈(124)를 포함한다.
번호판 식별부(120)는 밝기 조절 모듈(121)에 의해서 차량 이미지 중 번호판 영역의 밝기를 부분적으로 또는 전체적으로 밝게 하거나 어둡게 하여 조절할 수 있다. 번호판 식별부(120)는 콘트라스트 조절 모듈(122)에 의해서 밝기 조절이 된 차량 이미지나 또는 밝기 조절되지 않은 차량 이미지의 밝은 부위를 더 밝게하고 어두운 부위를 더 어둡게 처리하여 콘트라스트를 조절할 수 있다. 번호판 식별부(120)는 기울기 조절 모듈(123)에 의해서 기울어진 번호판의 꼭짓점 추출을 통해서 기울어진 번화판의 기울기를 변환시키는 처리를 실행할 수 있다. 번호판 식별부(120)는 노이즈 조절 모듈(124)에 의해서 번호판 내부에 포함된 노이즈를 제거하기 위하여 팽창(Dilation)시키거나 침식(Erosion)시키는 처리를 실행시킨다.
도 3은 도 1에 도시된 주차 관제 시스템에 의한 주차 관제 방법의 전반적인 동작 제어 흐름을 설명하기 위한 흐름도이다. 도 3을 참고하면, 주차 관제 시스템(100)은 입차하는 차량에 대한 이미지를 스틸 이미지를 획득한다. 또는 주차 관제 시스템(100)은 카메라부(110)에 의해서 입차 차량의 번호판을 포함하는 영역에 대한 이미지 또는 동영상을 촬상할 수 있다. 주차 관제 시스템(100)은 번호판 식별부(120)에 의해서 차량 이미지에서 차량 번호판 영역을 식별하는 처리를 실행한다. 이때 차량 번호판 영역을 식별하는 이미지 프로세싱은 번호판의 특징점을 이용하여 에지 영역을 추출하여 번호판 영역만을 이미지로 획득할 수 있다. 이러한 번호판 영역을 구별하는 알고리즘은 SVM(support vector machine)등의 기계학습 알고리즘을 이용할 수 있으며, 이에 대한 자세한 설명은 생략한다.
주차 관제 시스템(100)은 번호판 식별부(120)에 의해서 번호 정보 인식이 성공한 경우에는 인식된 번호 정보를 획득하고, 이를 이용하여 입차 처리를 수행한다. 만약, 주차 관제 시스템(1000은 번호판 식별부(120)에 의해서 번호 정보 인식이 실패한 경우에는 해당 번호판에 대한 1차 재처리 과정을 진행한다. 1차 재처리 과정을 진행한 후에 번호판 식별부(120)에 의해서 번호 정보 인식이 성공하면 인식된 번호 정보를 획득하고, 이를 이용하여 입차 처리를 수행한다. 만약, 주차 관제 시스템(1000은 번호판 식별부(120)에 의해서 번호 정보 인식이 또 실패한 경우에는 해당 번호판에 대한 2차 재처리 과정을 진행한다. 2차 재처리 과정을 진행한 후에 번호판 식별부(120)에 의해서 번호 정보 인식이 성공하면 인식된 번호 정보를 획득하고, 이를 이용하여 입차 처리를 수행한다. 만약 주차 관제 시스템(1000은 번호판 식별부(120)에 의해서 번호 정보 인식이 재차 실패한 경우에는 해당 번호판에 대한 3차 재처리 과정을 진행한다. 이때 3차 재처리 과정은 이하에서 보다 상세하게 설명하는 딥러닝 기반의 이미지 재처리 방식이다. 이에 대해서는 별도의 도면을 참고하여 설명한다.
본 발명의 경우에는 3차 재처리에 의해서는 번호판 인식을 하지 않고, 해당 차량에 대한 고유한 특징값을 이용하여 해당 차량 이미지에 고유 식별 정보를 부옇는 방식으로 해당 차량에 대한 입차 처리를 실행한다.
예를 들어, 입차 과정에서 차종(소나타), 차색(흰색), 차량 기타 특징(액세서리)을 포함하는 차량 이미지를 오토 라벨링을 통해서 라벨링하고, 해당 차량에 대한 고유 식별 정보(문자, 숫자, 숫자와 문자의 조합 등)를 부여한다. 이렇게 번호판 미인식 차량에 대해서는 해당 차량에 대한 복수의 차량 이미지를 획득하고, 획득한 차량 이미지를 각각 오토 라벨링하며, 각각의 이미지에 대해서 고유 식별 정보를 부여한 뒤, 이러한 이미지 데이터 세트를 AI 서버(200)로 전달한다. AI 서버(200)는 이전의 훈련 데이터에 신규 이미지 데이터 세트를 포함시켜서 이미지 분류 모델을 재훈련 시키고, 재훈련된 결과 모델을 신규 이미지 분류 모델로써 주차 관제 시스템(100)으로 전송한다.
이렇게 재훈련된 이미지 분류 모델을 이용하여 AI 처리부(140)는 출차 시에 해당 차량이 번호판 미인식이 되더라도, 해당 차량의 이미지 정보를 획득하고, 이미지 분류 모델에 입력하여 해당 차량에 대한 고유 식별 정보를 얻을 수 있게 된다. 이렇게 얻어진 고유 식별 정보와 해당 차량의 입차 및 출차 정보를 이용하여 해당 차량에 대한 출차 처리를 실행할 수 있다.
도 4는 본 발명의 다른 실시 예에 따라 미인식 차량에 대한 연속적인 차량 이미지 데이터를 수집하는 방식을 예시적으로 설명하는 도면이다. 도 4를 참고하면, 본 발명의 주차 관제 시스템(100)은 카메라부(110)에 의해서 초당 30프레임에서 60프레임의 연속적인 이미지를 촬상할 수 있도록 설계된다. 실시 예에 따라서는 초당 30프레임 미만 또는 60프레임 초과하도록 설계될 수 있으나 바람직하게는 30~60프레임의 연속적인 이미지를 획득하고, 각각의 연속 이미지(N번째 이미지 내지 N+29번째 이미지)를 각각 정지 이미지로써 데이터 증강을 위해서 사용할 수 있다. 60프레인 영상에 대해서는 N번째 이미지에서 N+59번째 이미지를 이용하여 모두 60개의 원본 이미지를 데이터 증강을 위한 소스로 사용할 수 있다. 이하에서는 데이터 증강의 방식에 대해서 설명한다.
도 5는 본 발명의 다른 실시 예에 따라 수집된 미인식 차량에 대한 연속적인 차량 이미지 데이터에 대한 증강 처리의 일 예를 예시적으로 설명하는 도면이다. 도 5를 참고하면, 원본 이미지보다 작은 크기의 축소 이미지 1 내지 3을 생성하고, 축소 이미지 1에서 3으로 점진적으로 크기를 증가시켜서 3종의 이미지를 증강할 수 있다. 또는 원본 이미지에서 중심 픽셀을 기준으로 하여 정사각형 필터를 중심 픽셀을 상하좌우로 5~10픽셀 이동시켜서 8개의 정사각형 축소 이미지를 획득하는 방식도 고려해볼 수 있다.
도 6은 본 발명의 다른 실시 예에 따라 수집된 미인식 차량에 대한 연속적인 차량 이미지 데이터에 대한 증강 처리의 다른 예를 예시적으로 설명하는 도면이다. 도 6을 참고하면, 원본 이미지, 크기 증강된 이미지에 대해서 좌우 반전 효과를 부여하여 데이터 증강을 할 수 있고, 원본과 좌우 반전 이미지에 대해서 각각 상하 반전 효과를 부여하여 데이터 증강을 할 수 있다.
도 7은 본 발명의 다른 실시 예에 따라 수집된 미인식 차량에 대한 연속적인 차량 이미지 데이터에 대한 증강 처리된 이미지 데이터 세트의 일 예를 예시적으로 설명하는 도면이다. 도 7을 참고하면, 상하 반전, 좌우 반전시켜서 얻어진 데이터 증강 방식을 축소 이미지 1, 축소 이미지 2, 축소 이미지 3에 대해서 각각 적용하여 최종적으로 3 서브 세트로 이루어진 전체 360개의 증강 데이터를 획득할 수 있다.
실시예에 따라서는 360개 이상의 증강 데이터를 생성할 수 있으며, 원본 이미지의 크기를 조절하더라도 이미지를 왜곡시키거나 비율을 조절하지 않고 증강 데이터를 생성하는 것이 바람직하다.
도 8은 도 7에서 처리된 이미지 데이터 세트를 이용하여 이미지 분류 모델을 훈련시키는 과정을 예시적으로 설명하는 블럭도이다. 도 8을 참고하면, 데이터 증강을 통해서 이미지 데이터 세트를 생성하고, 이를 AI 서버(200)로 전달한다. AI 서버(200)는 입력된 이미지 데이터 세트를 입력 받으면, 해당 이미지 데이터에 대해서 오토 라벨링을 통해서 이미지 속의 객체(차량)을 라벨링한다. 오토 라벨링된 이미지에 대해서는 고유 식별 정보(예, H0006)를 부여한다. 모두 360개에 대해서 오토 라벨링을 진행하고, 고유 식별 정보(예, H0006)을 부여한면, 해당 이미지 데이터 세트를 이용하여 객체 검증용 인공지능 학습 모델의 훈련 데이터-테스트 데이터로 구분하여 입력한다. AI 서버(200)는 H0006을 고유 식별 정보로 갖는 360장의 이미지 데이터를 포함시켜서 이미지 분류 모델을 재훈련시킨 모델을 신규 이미지 분류 모델로 출력하고, 이를 주차 관제 시스템(100)으로 전달한다. 신규 이미지 분류 모델은 고유 식별 번호 H0006을 구별할 수 있는 이미지 정보를 원-핫 인코딩으로 벡터화한 데이터 베이스를 생성하고, 모델의 하이퍼파라미터를 미세튜닝하여 성능을 더 높일 수도 있다.
도 9는 본 발명의 다른 실시 예에 따라 미인식 차량의 입차-출차 처리 과정을 예시적으로 설명하는 도면이다. 도 9를 참고하면, 차량 X가 09:15분 입차하는 과정에서 주차 관제 시스템(100)에 의해서 차량 번호판 인식이 불가되면, 주차 관제 시스템(100)은 해당 차량 X에 대한 이미지 데이터 세트를 획득하고, 획득된 이미지 데이터 세트를 AI 서버(200)로 전달한다. 이때, 주차 관제 시스템(100)은 차량 X에 대해서 고유 식별 정보로 H0006을 부여한다. 주차 관제 시스템(100)은 입차 관리 데이터베이스에 고유 식별 정보(H0006)을 기록하고, 이를 고유한 키로 이용하여 해당 차량 X를 식별한다. 도 9에서 입차 관리 데이터 베이스에서 고유 식별 정보(H0006)를 고유키로하여 입차 시간이 2021년 9월 17일 09시15분으로 기록된다. 주차 관제 시스템(100)은 고유 식별 정보(H0006)부여한 다수의 이미지 데이터 세트를 AI 서버(200)로 전송하면, AI 서버(200)는 다수의 이미지 데이터 세트에 대해서 오토 라벨링을 수행하고, 오토 라벨링을 수행한 결과와 고유 식별 정보(H0006)를 기 훈련 데이터-테스트 데이터에 포함시켜서 이미지 분류 모델에 입력으로 넣는다.
이미지 분류 모델은 CNN, RNN CRNN등의 딥러닝 알고리즘에 의해서 훈련되고, 훈련된 결과 모델은 신규 이미지 분류 모델로 AI 서버(200)에서 주차 관제 시스템(100)으로 전달된다. 이때 고유 식별 정보(H0006)을 갖는 이미지에 대해서는 원-핫 인코딩으로 벡터화됨으로써 고유값 [0,0,0,0,0,1,0,0,0,0]을 갖게 되고, 입차 관리 데이터베이스 중 고유 키 H0006을 갖는 필드의 0ne-hot encoding 컬럼에 기록된다.
이렇게 입차 관리 데이터베이스의 로우(H0006)의 One-hot encoding 컬럼에 고유값([0,0,0,0,0,0,1,0,0,0,0])이 채워지면 추후 출차 처리시에 활용할 수 있다. 즉, AI 처리부(140)는 차량 X의 출차 이미지를 이미지 분류 모델에 의해서 처리하여 해당 차량 X의 출차 이미지가 갖는 고유값 [0,0,0,0,0,1,0,0,0]을 획득한다. 획득한 출차 이미지에 대한 고유값을 입출차 처리부(150)로 전달한다. 입출차 처리부(150)는 해당 차량 X의 One-hot encoding 값([0,0,0,0,0,1,0,0,0,0])을 입차 관리 데이터베이스의 정보와 비교하여 해당 차량이 고유 식별 정보(H0006)를 갖는 차량임을 식별할 수 있고, 식별된 차량의 출차 시간(12:30)을 출차 관리 데이터베이스에 기록하고 출차 처리를 완료할 수 있다.
한편, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.
여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100 : 주차 관제 시스템
110 : 카메라부
120 : 번호판 식별부
130 : 제어부
140 : AI 처리부
150 : 입출차 처리부
200 : AI 서버
110 : 카메라부
120 : 번호판 식별부
130 : 제어부
140 : AI 처리부
150 : 입출차 처리부
200 : AI 서버
Claims (10)
- 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템에 있어서,
주차장의 입구 및 출구에 설치되서 진입하는 차량 및 진출하는 차량 이미지를 촬상하는 카메라부;
상기 카메라부에 의해서 촬상된 차량 이미지에서 번호판 영역을 추출하고, 추출된 차량 번호판의 이미지에서 번호 정보를 식별하는 번호판 식별부;
상기 번호판 식별부에 의해서 번호 정보를 식별하지 못하는 경우에, 해당 번호판을 포함하는 진입 차량에 대해서 연속적으로 차량 이미지를 촬상하도록 상기 카메라부를 제어하고, 차량 이미지에 대한 연속적인 이미지 데이터를 통신모듈을 통해서 AI서버로 전송하도록 제어하는 제어부;
상기 AI 서버로부터 사전 훈련된 이미지 분류 모델을 수신하여 저장하고, 상기 번호판 식별부에 의해서 번호 정보를 식별하지 못하는 차량의 이미지를 입력 데이터로 상기 이미지 분류 모델에 입력받고, 상기 이미지 분류 모델에 의해서 출력된 결과값에 기초하여 해당 차량을 식별하는 처리를 실행하는 AI 처리부;
상기 번호판 식별부의 번호 정보 또는 상기 AI 처리부에 의해서 식별된 차량정보를 이용하여 해당 차량에 대한 입출차 처리를 실행하는 입출차 처리부; 및
수신된 연속적인 이미지 데이터에 대해서 각각 상-하 방향으로 반전하는 처리, 좌-우 방향으로 반전하는 처리 및 이미지의 중심 픽셀을 포함하는 기 결정된 크기의 정사각형 크기로 크롭하는 처리를 수행하여 해당 연속적인 이미지 데이터를 증강(augmentation)하는 처리를 수행하여 이미지 데이터 세트를 생성하는 상기 AI 서버;를 포함하는,
번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템.
- 제1 항에 있어서,
상기 번호판 식별부는,
상기 추출된 번호판 이미지에 대해서 밝기의 조절을 처리하는 밝기 조절 모듈;
상기 밝기 조절 모듈에 의해서 밝기 조절된 이미지에 대해서 밝은 구역은 발게 처리하고, 어두운 구역은 어둡게 처리하는 콘트라스트 조절 모듈;
상기 콘트라스트 조절 모듈에 의해서 처리된 번호판 이미지에 대해서 꼭짓점 추출을 통하여 번호판의 기울기를 변환하는 기울기 조절 모듈; 및
상기 기울기 조절 모듈에 의해서 처리된 번호판 이미지에 대해서 팽창(dilation) 또는 침식(erosion) 처리를 통해서 내부 노이즈를 제거하는 노이즈 제거 모듈;을 더 포함하는 것을 특징으로 하는,
번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템.
- 제2 항에 있어서,
상기 번호판 식별부는, 상기 차량 번호판에서 번호 정보를 식별하는 처리를 본처리와 재처리로 구분하여 수행하되, 재처리를 위해서 상기 밝기 조절 모듈, 상기 콘트라스트 조절 모듈, 상기 기울기 조절 모듈 및 상기 노이즈 제거 모듈을 이용하는 것을 특징으로 하는,
번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템.
- 제3 항에 있어서,
상기 제어부는,
정차된 차량을 촬상하여 얻어진 번호판에 대해서 상기 번호판 식별부에 의해서 번호 정보를 식별하지 못하는 경우, 상기 입출차 처리부에 의해서 입차 처리를 실행시키되, 해당 차량을 기 결정된 시간동안 연속적으로 촬상하도록 상기 카메라부를 제어하는 것을 특징으로 하는,
번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템.
- 제4 항에 있어서,
상기 제어부는,
상기 AI 서버로 번호 정보 미인식 차량에 대한 연속적인 이미지 데이터를 전송하고, 소정의 시간이 경과한 뒤에 상기 AI 서버로부터 신규 이미지 분류 모델을 수신하여 상기 AI 처리부에 갱신하도록 제어하는 것을 특징으로 하는,
번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템.
- 삭제
- 제1 항에 있어서,
상기 AI 서버는,
상기 이미지 데이터 세트에 대해서, 이미지에 포함된 차량의 객체 영역을 라벨링하고, 해당 이미지 데이터 세트에 대해서 고유한 식별 정보를 부여하는 처리를 실행하는 것을 특징으로 하는,
번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템.
- 제7 항에 있어서,
상기 AI 서버는,
라벨링과 고유한 식별 정보가 부여된 이미지 데이터 세트를 기존 이미지 데이터 세트에 무작위로 포함시켜서 훈련 데이터 및 테스트 테이터로 구분하고, 상기 훈련 데이터를 이미지 분류 모델의 입력 노드로 입력하여 해당 이미지 분류 모델을 학습시키고, 학습이 완료된 이미지 분류 모델을 상기 AI 처리부로 전송하는 것을 특징으로 하는,
번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템.
- 카메라부, 번호판 식별부, 제어부, AI 처리부, 입출차 처리부 및 AI 서버를 포함하는 주차 관제 시스템을 이용한 주차 관제 방법에 있어서,
상기 카메라부에 의해서, 주차장의 입구 및 출구에 설치되서 진입하는 차량 및 진출하는 차량 이미지를 촬상하는 단계;
상기 번호판 식별부에 의해서, 촬상된 차량 이미지에서 번호판 영역을 추출하고, 추출된 차량 번호판의 이미지에서 번호 정보를 식별하는 단계;
상기 제어부에 의해서, 번호 정보를 식별하지 못한 번호판을 포함하는 진입 차량에 대해서 연속적으로 차량 이미지를 촬상하도록 상기 카메라부를 제어하고, 차량 이미지에 대한 연속적인 이미지 데이터를 통신모듈을 통해서 AI서버로 전송하는 단계;
상기 AI 처리부에 의해서, 상기 AI 서버로부터 사전 훈련된 이미지 분류 모델을 수신하여 저장하고, 상기 번호판 식별부에 의해서 번호 정보를 식별하지 못하는 차량의 이미지를 상기 이미지 분류 모델에 입력받고, 상기 이미지 분류 모델에 의해서 출력된 결과값에 기초하여 해당 차량을 식별하는 처리를 실행하는 단계; 및
상기 입출차 처리부에 의해서, 상기 번호판 식별부의 번호 정보 또는 상기 AI 처리부에 의해서 식별된 차량정보를 이용하여 해당 차량에 대한 입출차 처리를 실행하는 단계;를 포함하되,
상기 AI서버로 전송하는 단계 이후에, 상기 AI 서버는 수신된 연속적인 이미지 데이터에 대해서 각각 상-하 방향으로 반전하는 처리, 좌-우 방향으로 반전하는 처리 및 이미지의 중심 픽셀을 포함하는 기 결정된 크기의 정사각형 크기로 크롭하는 처리를 수행하여 해당 연속적인 이미지 데이터를 증강(augmentation)하는 처리를 하여 이미지 데이터 세트를 생성하는 단계; 및 상기 증강된 이미지 데이터 세트에 대해서, 이미지에 포함된 차량의 객체 영역을 라벨링하는 처리와, 해당 이미지 데이터 세트에 대해서 고유한 식별 정보를 부여하는 처리를 실행하는 단계;를 더 수행하는 것을 특징으로 하는,
번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템을 이용한 주차 관제 방법.
- 제9 항에 있어서,
상기 AI 서버는, 라벨링과 고유한 식별 정보가 부여된 이미지 데이터 세트를 기존 이미지 데이터 세트에 무작위로 포함시켜서 훈련 데이터 및 테스트 테이터로 구분하는 처리와, 상기 훈련 데이터를 이미지 분류 모델의 입력 노드로 입력하여 해당 이미지 분류 모델을 학습시키는 처리와, 학습이 완료된 이미지 분류 모델을 상기 AI 처리부로 전송하는 처리를 실행시키는,
번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템을 이용한 주차 관제 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210129772A KR102407315B1 (ko) | 2021-09-30 | 2021-09-30 | 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템 및 이를 이용한 주차 관제 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210129772A KR102407315B1 (ko) | 2021-09-30 | 2021-09-30 | 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템 및 이를 이용한 주차 관제 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102407315B1 true KR102407315B1 (ko) | 2022-06-13 |
Family
ID=81984554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210129772A KR102407315B1 (ko) | 2021-09-30 | 2021-09-30 | 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템 및 이를 이용한 주차 관제 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102407315B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102491217B1 (ko) | 2022-07-08 | 2023-01-26 | 주식회사 대영아이오티 | 인공지능 기반 도메인 적응 주차관제시스템의 차량 인식 최적화 장치 및 그 장치의 구동방법 |
| CN118072529A (zh) * | 2024-04-22 | 2024-05-24 | 深圳市前海铼停科技有限公司 | 基于双目视觉的车辆检测方法、装置及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1173514A (ja) * | 1997-08-29 | 1999-03-16 | Nissan Motor Co Ltd | 車両用認識装置 |
| JP2007293492A (ja) * | 2006-04-24 | 2007-11-08 | Omron Corp | ナンバープレート番号認識装置 |
| KR20120111153A (ko) * | 2011-03-31 | 2012-10-10 | 하이테콤시스템(주) | 번호판영역 검출을 위한 전처리 방법 및 장치 |
| KR102090907B1 (ko) | 2019-10-15 | 2020-03-19 | 주식회사 넥스파시스템 | 영상개선 및 딥러닝 기술을 접목한 차량검출 및 번호인식 방법과 이를 이용한 주차시스템 |
| KR102161949B1 (ko) | 2020-06-29 | 2020-10-06 | 이홍기 | 신경망을 이용한 차량 번호판 인식 기술이 적용된 통합 주차 관리 방법 및 시스템 |
| KR102269367B1 (ko) | 2020-10-29 | 2021-06-25 | (주)아이트로 | 딥러닝 기반의 차량 특징점을 이용한 주차 정산 시스템 |
| KR102294741B1 (ko) * | 2020-03-09 | 2021-08-27 | (주)제이앤리 | 딥러닝을 통한 그림기반 심리검사 방법 및 서버 |
| KR102296274B1 (ko) * | 2020-10-26 | 2021-09-01 | 주식회사 보고넷 | 사용자 학습 기반 딥러닝 객체 인식 서비스 제공 방법 |
-
2021
- 2021-09-30 KR KR1020210129772A patent/KR102407315B1/ko active IP Right Grant
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1173514A (ja) * | 1997-08-29 | 1999-03-16 | Nissan Motor Co Ltd | 車両用認識装置 |
| JP2007293492A (ja) * | 2006-04-24 | 2007-11-08 | Omron Corp | ナンバープレート番号認識装置 |
| KR20120111153A (ko) * | 2011-03-31 | 2012-10-10 | 하이테콤시스템(주) | 번호판영역 검출을 위한 전처리 방법 및 장치 |
| KR102090907B1 (ko) | 2019-10-15 | 2020-03-19 | 주식회사 넥스파시스템 | 영상개선 및 딥러닝 기술을 접목한 차량검출 및 번호인식 방법과 이를 이용한 주차시스템 |
| KR102294741B1 (ko) * | 2020-03-09 | 2021-08-27 | (주)제이앤리 | 딥러닝을 통한 그림기반 심리검사 방법 및 서버 |
| KR102161949B1 (ko) | 2020-06-29 | 2020-10-06 | 이홍기 | 신경망을 이용한 차량 번호판 인식 기술이 적용된 통합 주차 관리 방법 및 시스템 |
| KR102296274B1 (ko) * | 2020-10-26 | 2021-09-01 | 주식회사 보고넷 | 사용자 학습 기반 딥러닝 객체 인식 서비스 제공 방법 |
| KR102269367B1 (ko) | 2020-10-29 | 2021-06-25 | (주)아이트로 | 딥러닝 기반의 차량 특징점을 이용한 주차 정산 시스템 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102491217B1 (ko) | 2022-07-08 | 2023-01-26 | 주식회사 대영아이오티 | 인공지능 기반 도메인 적응 주차관제시스템의 차량 인식 최적화 장치 및 그 장치의 구동방법 |
| CN118072529A (zh) * | 2024-04-22 | 2024-05-24 | 深圳市前海铼停科技有限公司 | 基于双目视觉的车辆检测方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3740897B1 (en) | License plate reader using optical character recognition on plural detected regions | |
| Sivaraman et al. | A general active-learning framework for on-road vehicle recognition and tracking | |
| KR101848019B1 (ko) | 차량 영역 검출을 통한 차량 번호판 검출 방법 및 장치 | |
| Kaur et al. | Number plate recognition using OCR technique | |
| AU2020211766B2 (en) | Tyre sidewall imaging method | |
| KR101999985B1 (ko) | 차량 번호판 인식 방법과 시스템 | |
| CN109740590B (zh) | 基于目标跟踪辅助的roi精确提取方法及系统 | |
| CN104915632A (zh) | 事件检测装置以及事件检测方法 | |
| KR102269367B1 (ko) | 딥러닝 기반의 차량 특징점을 이용한 주차 정산 시스템 | |
| US11527057B2 (en) | System and method for license plate recognition | |
| EP3602398A1 (en) | Method and apparatus for analysing an image | |
| Bell et al. | A novel system for nighttime vehicle detection based on foveal classifiers with real-time performance | |
| JP7185419B2 (ja) | 車両のための、対象物を分類するための方法および装置 | |
| Sharma et al. | A hybrid technique for license plate recognition based on feature selection of wavelet transform and artificial neural network | |
| KR102407315B1 (ko) | 번호판 및 차량 인식의 하이브리드 방식에 기반한 주차 관제 시스템 및 이를 이용한 주차 관제 방법 | |
| WO2018185574A1 (en) | Apparatus and method for documents and/or personal identities recognition and validation | |
| CN113067980A (zh) | 图像采集方法、装置、电子设备及存储介质 | |
| KR20160057059A (ko) | 선택적 선명화를 통한 차량 번호판 인식 방법과 시스템 | |
| KR102220643B1 (ko) | 딥러닝을 기반으로 차량번호를 인식할 수 있는 cctv | |
| Kapdi et al. | Image-based seat belt fastness detection using deep learning | |
| KR102379575B1 (ko) | 코드 인식장치, 코드의 인식방법 및 이를 활용한 차량번호의 추출시스템 | |
| EP4332910A1 (en) | Behavior detection method, electronic device, and computer readable storage medium | |
| Shahrear et al. | An automatic traffic rules violation detection and number plate recognition system for Bangladesh | |
| KR100722966B1 (ko) | 차량 번호판 영상 최적화 방법 | |
| KR102326185B1 (ko) | 딥러닝을 이용한 얼굴 매칭 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |