KR102421705B1 - 객체 재식별을 위한 정보 분석 시스템 및 그에 관한 방법 - Google Patents

객체 재식별을 위한 정보 분석 시스템 및 그에 관한 방법 Download PDF

Info

Publication number
KR102421705B1
KR102421705B1 KR1020210183179A KR20210183179A KR102421705B1 KR 102421705 B1 KR102421705 B1 KR 102421705B1 KR 1020210183179 A KR1020210183179 A KR 1020210183179A KR 20210183179 A KR20210183179 A KR 20210183179A KR 102421705 B1 KR102421705 B1 KR 102421705B1
Authority
KR
South Korea
Prior art keywords
interest
image
information obtaining
data processing
processing unit
Prior art date
Application number
KR1020210183179A
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 KR1020210183179A priority Critical patent/KR102421705B1/ko
Application granted granted Critical
Publication of KR102421705B1 publication Critical patent/KR102421705B1/ko

Links

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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

본 문서에 개시된 일 실시 예에 따른 정보 분석 시스템은 제 1 통행 정보 획득 장치에 의해 획득된 제 1 영상에서 관심 객체를 인식하고, 상기 관심 객체의 이동 방향을 예측하고 상기 예측된 이동 방향과 복수의 통행 정보 획득 장치들의 설치 위치 정보를 이용하여 상기 이동 방향에 대응하는 적어도 하나의 제2 통행 정보 획득 장치를 선택하고, 상기 선택된 제 2 통행 정보 획득 장치로 재식별을 요청하는 데이터 처리부를 포함할 수 있다.

Description

객체 재식별을 위한 정보 분석 시스템 및 그에 관한 방법{INFORMATION ANALYSIS SYSTEM FOR RE-IDENTIFYING OBJECT AND METHOD THEREOF}
본 문서에 개시된 실시 예들은 객체 재식별을 위한 정보 분석 시스템 및 그에 관한 방법에 관한 것이다.
영상을 이용한 정보 분석 시스템은, 인도(예: 보행자 전용 도로), 도로, 교차로, 고속도로, 터널, 교각 및 골목 등과 같은 실외 공간 및 실내 공간에 설치되어 차량, 사람 또는 동물과 같은 객체를 모니터링할 수 있다.
뿐만 아니라, 정보 분석 시스템은 다수의 카메라를 통해 획득된 영상에서 동일한 객체를 재식별(Re-Identification)하는 기술을 지원할 수 있다. 예를 들어, 정보 분석 시스템은 특정 영상에서 특정(또는 인식)된 관심 객체를 다른 영상을 통해서도 재식별함으로써 관심 객체를 지속적으로 추적할 수 있다.
일반적으로, 정보 분석 시스템은 객체를 재식별하기 위하여, 관심 객체가 포함된 기준 영상을 주변의 카메라를 통해 획득되는 추가 영상과 비교하여 관심 객체와 동일하다고 판단되는 추가 영상 내의 객체를 재식별 객체로 식별할 수 있다.
하지만, 치안/보안에 대한 사회적 관심이 높아짐에 따라, 최근 객체 모니터링을 목적으로 설치되는 카메라의 개수가 급격히 증가하고 있다. 이로 인해, 정보 분석 시스템에 의해 비교 분석되는 추가 영상의 수는 증가하여 객체 재식별에 요구되는 연산량이 증가하고 추적하고자 하는 타겟 객체를 재식별하는데 많은 시간이 소요되는 문제점이 있다.
본 문서에 개시된 다양한 실시 예들 중 적어도 하나는 관심 객체의 재식별 성능, 예를 들어, 재식별 속도 및/또는 재식별 처리 용량을 향상시키기 위한 정보 분석 시스템 및 그에 관한 방법을 제공하는데 있다.
본 문서에 개시된 실시 예들의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들도 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 문서에 개시된 일 실시 예에 따른 정보 분석 시스템은 제 1 통행 정보 획득 장치에 의해 획득된 제 1 영상에서 관심 객체를 인식하고, 상기 관심 객체의 이동 방향을 예측하고 상기 예측된 이동 방향과 복수의 통행 정보 획득 장치들의 설치 위치 정보를 이용하여 상기 이동 방향에 대응하는 적어도 하나의 제2 통행 정보 획득 장치를 선택하고, 상기 선택된 제 2 통행 정보 획득 장치로 재식별을 요청하는 데이터 처리부를 포함할 수 있다.
본 문서에 개시된 일 실시 예에 따른 정보 분석 방법은 제 1 통행 정보 획득 장치에 의해 획득된 제 1 영상에서 관심 객체를 인식하는 단계, 상기 관심 객체의 이동 방향을 예측하고 상기 예측된 이동 방향과 복수의 통행 정보 획득 장치들의 설치 위치 정보를 이용하여 상기 이동 방향에 대응하는 적어도 하나의 제2 통행 정보 획득 장치를 선택하는 단계 및 상기 선택된 제 2 통행 정보 획득 장치로 재식별을 요청하는 단계를 포함할 수 있다.
본 문서에 개시된 실시 예들에 따른 정보 분석 시스템은 제 1 영상에 포함된 관심 객체의 속성을 제 2 영상에 포함된 객체들의 속성과 비교하고, 제 2 영상에 포함된 객체들 중 제 1영상에서 확인된 관심 객체의 속성과 일정 수준 이상의 유사한 속성을 가지는 객체를 관심 객체로 재식별함으로써, 영상 내의 관심 객체 재식별 속도를 향상시킬 수 있다.
또한, 본 문서에 개시된 실시 예들에 따른 정보 분석 시스템은 관심 객체가 진행하는 방향에 존재하는 객체만 구분하여 관심 객체의 속성을 비교함으로써 관심 객체 재식별에 요구되는 연산량을 줄이고 재식별 성공률을 향상시킬 수 있다.
또한, 본 문서에 개시된 실시 예들에 따른 정보 분석 시스템은 영상 내에서 관심 객체의 재식별에 실패하는 경우 관심 객체의 이동 방향을 고려하여 주변의 카메라로 관심 객체에 대한 재식별을 요청함으로써 관심 객체의 이동을 지속적으로 추적할 수 있다.
또한, 본 문서에 개시되는 실시 예들에 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 1a는 다양한 실시 예에 따른 영상을 이용한 정보 분석 시스템을 개념적으로 보여준다.
도 2는 다양한 실시 예에 따른 영상을 이용한 정보 분석 시스템의 통행 정보 획득 장치를 보여주는 블록도이다.
도 3a 및 도 3b는 다양한 실시 예에 따른 관심 객체 재식별 동작을 설명하기 위한 도면이다.
도 4a 내지 도 4d는 다양한 실시 예에 따른 관심 객체를 재식별하는 재식별 수행 장치를 지정하는 동작을 설명하기 위한 도면이다.
도 5a 및 도 5b는 다양한 실시 예에 따른 관심 객체의 재식별 실패를 처리하는 동작을 설명하기 위한 도면이다.
도 6은 다양한 실시 예에 따른 정보 분석 시스템의 동작 방법을 도시한 흐름도이다.
도 7은 다양한 실시 예에 따른 정보 분석 시스템에서 객체 재식별을 요청하는 방법을 도시한 흐름도이다.
도 8은 다양한 실시 예에 따른 정보 분석 시스템에서 관심 객체를 재식별하는 동작을 도시한 흐름도이다.
도 9는 다양한 실시 예에 따른 정보 분석 시스템에서 관심 객체의 방향 전환을 판단하는 동작을 도시한 흐름도이다.
도 10는 다양한 실시 예에 따른 정보 분석 시스템에서 관심 객체의 추적 범위를 변경하는 동작을 도시한 흐름도이다.
도 11a 및 도 11b는 다양한 실시 예에 따른 정보 분석 시스템에서 관심 객체의 추적 범위를 변경하는 동작을 설명하기 위한 도면이다.
도 12는 다양한 실시 예들에 따른 통행 정보 획득 장치 및 운영 장치를 포함하는 정보 분석 시스템의 기능적 블록도를 나타낸다.
이하, 본 문서에 개시된 실시 예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 문서에 개시된 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 문서에 개시된 실시 예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 문서에 개시된 실시 예의 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 실시 예들이 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 1a는 다양한 실시 예에 따른 영상을 이용한 정보 분석 시스템을 개념적으로 보여준다. 그리고, 도 1b 및 도 1c는 다양한 실시 예에 따른 정보 분석 시스템의 객체 재식별을 설명하기 위한 도면이다.
도 1a를 참조하면, 영상을 이용한 정보 분석 시스템(10)은 통행 정보 획득 장치(100) 및 운영 장치(120)를 포함할 수 있다.
통행 정보 획득 장치(100)는 특정 지역(예를 들어, 인도, 도로, 교차로, 고속도로, 터널, 교각 및 골목 등)에 설치되어 영상을 촬영 및 분석할 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)는 촬영 영상을 분석하여 차량, 사람(예: 차량 탑승자, 보행자 등) 및 동물 등과 같은 객체를 검출하고, 객체의 이동을 추적할 수 있다. 그러나, 이는 예시적일 뿐, 본 문서가 이에 한정되는 것은 아니다. 예컨대, 영상을 통해 검출되는 객체는 신호등, 전광판, 가로등, 시선유도 표지, 고가 도로, 램프, 톨게이트 등과 같은 도로 상의 시설물 등과 같은 다양한 객체를 포함할 수도 있다.
일 실시 예에 따르면, 도 1b 및 도 1c에 도시된 바와 같이, 통행 정보 획득 장치(100)는 제 1 촬영 범위(또는 제 1 촬영 방향)를 가지며 제 1 지역에 설치된 제 1 통행 정보 획득 장치(100-1)와 제 2 촬영 범위(또는 제 2 촬영 방향)을 가지며 제 2 지역에 설치된 제 2 통행 정보 획득 장치(100-2)를 포함할 수 있다. 제 1 통행 장치(100-1)는 제 1 촬영 범위에 출현되는 제 1 객체(예: 제 1 차량(152), 사람(154))를 포함하는 제 1 영상(111)을 촬영 및 분석할 수 있다. 또한, 제 2 통행 장치(100-2)는 제 2 촬영 범위에 출현되는 제 2 객체(예: 제 1 차량(152), 제 2 차량(156), 제 3 차량(158))을 포함하는 제 2 영상(112)을 촬영 및 분석할 수 있다.
이와 관련하여, 통행 정보 획득 장치(100)는 제 1 영상(111)에 포함된 제 1 객체들(예: 제 1 차량(152), 사람(154)) 중 적어도 하나의 관심 객체(예: 제 1 차량(152)(또는 타겟 객체)가 지정되면 제 2 영상(112)을 통해서도 관심 객체(152)를 재식별함으로써, 관심 객체(152)의 이동을 지속적으로 추적할 수 있다. 관심 객체는 영상 분석을 통해 결정될 수 있다. 예를 들어, 제 1 영상(111)에 포함된 제 1 객체들 중 미리 지정된 조건을 만족하는 적어도 하나가 관심 객체로 지정될 수 있다. 또한, 관심 객체는 운영 장치(120)(예: 관제 센터) 또는 운영 장치의 사용자(예: 관제 요원)에 의해 지정될 수도 있다.
통행 정보 획득 장치(100)는 검출되는 객체에 대한 식별 정보를 획득할 수 있다. 도 1b 및 도 1c를 통해 설명한 바 같이, 객체는 차량일 수 있으며, 이러한 경우, 차량의 번호, 차종, 차량의 색상, 차량 번호판의 색상, 차량의 크기 및 차량의 모델 정보 중 적어도 어느 하나가 식별 정보로 획득될 수 있다. 그러나, 이는 예시적일 뿐, 본 문서가 이에 한정되는 것은 아니다. 예컨대, 차량 외관에 형성된 레터링 정보 및 차량의 외관을 꾸미기 위해 차량에 부착된 부착물의 정보 등과 같이 차량 식별이 가능한 다양한 종류의 정보가 차량에 대한 식별 정보로 획득될 수도 있다. 또한, 객체는 사람일 수도 있다. 이러한 경우, 사람이 이용하고 있는 보조 이동 수단(예: 차량, 자전거, 킥보드, 스케이트 보드 등), 동행자 존재 여부, 성별, 소지품, 착용 액세서리, 착용 중인 옷의 색상, 헤어 스타일 등이 식별 정보로 획득될 수 있다. 또한, 객체는 동물일 수도 있다. 이러한 경우, 품종, 털 색상, 목줄 색상, 착용 액세서리, 케이지 형태 등이 식별 정보로 획득될 수도 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)는 객체에 대한 식별 정보 및/또는 관심 객체(152)에 대한 검출 결과를 포함하는 결과 데이터를 생성하고, 생성된 결과 데이터를 운영 장치(120)에 전달할 수 있다.
운영 장치(120)는 통행 정보 획득 장치(100)로부터 수신되는 결과 데이터에 기초하여 관심 객체(152)의 이동을 추적할 수 있다. 따라서, 운영 장치(120)는 관심 객체(152)의 이동 경로, 이동 방향, 이동 속도 등과 같은 관심 객체(152)의 상태를 지속적으로 확인할 수 있다.
다양한 실시 예에 따르면, 운영 장치(120)(예: 관제 센터)는 지방자치단체, 도로공사, 시설공단, 또는 경찰청과 같은 공공기관에 의하여 운영될 수 있다. 운영 장치(120)는 통행 정보 획득 장치(100)를 통해 획득된 정보를 데이터 베이스에 저장 및 관리하고, 저장된 정보를 이용하여 운영 장치(120)의 사용자(예: 관제 요원)가 실시간으로 도로 상황을 관제할 수 있는 인터페이스를 출력할 수 있다. 또한, 운영 장치(120)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 다양한 실시 예에 따른 영상을 이용한 정보 분석 시스템의 통행 정보 획득 장치를 보여주는 블록도이다. 그리고, 도 3a 및 도 3b는 다양한 실시 예에 따른 관심 객체 재식별 동작을 설명하기 위한 도면이고, 도 4a 내지 도 4d는 다양한 실시 예에 따른 관심 객체를 재식별하는 재식별 수행 장치를 지정하는 동작을 설명하기 위한 도면이다. 또한, 도 5a 및 도 5b는 다양한 실시 예에 따른 관심 객체의 재식별 실패를 처리하는 동작을 설명하기 위한 도면이다.
도 2를 참조하면, 통행 정보 획득 장치(100)는 촬영부(101), 센서부(103), 메모리(105), 데이터 처리부(107) 및 통신 인터페이스(109)를 포함할 수 있다. 그러나, 이는 예시적일 뿐, 다양한 실시 예들이 이에 한정되는 것은 아니다. 예컨대, 전술한 통행 정보 획득 장치(100)의 구성 요소 중 적어도 하나가 생략되거나 또는 하나 이상의 다른 구성 요소가 통행 정보 획득 장치(100)의 구성으로 추가될 수도 있다.
촬영부(101)는 영상을 촬영할 수 있는 적어도 하나의 카메라를 포함할 수 있다. 촬영부(101)는 특정 지역에 설치되어 관심 영역을 촬영할 수 있다. 예를 들어, 관심 영역은 도로 및 차선을 포함하는 영역으로 설정될 수 있다.
다양한 실시 예에 따르면, 촬영부(101)는 도로의 일 측에 차량의 진행 방향에 대향하는 방향으로 설치될 수 있다. 일 실시 예에 따르면, 촬영부(101)는 적어도 하나 이상의 차로를 주행하는 차량의 정면과 차량의 번호판을 동시에 촬영할 수 있는 화각을 갖도록 설치될 수 있다. 그러나, 이는 예시적일 뿐, 본 문서가 이에 한정되는 것은 아니다. 예컨대, 촬영부(101)는 차량의 진행 방향으로 설치되어 주행하는 차량의 후면과 차량 후면에 구비되는 번호판을 촬영하도록 구성될 수도 있다. 또한, 촬영부(101)는 보행자 전용 도로를 촬영하도록 설치될 수도 있다.
센서부(103)는 차량, 사람 및 동물 등과 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. 다양한 실시 예들에 따라, 통행 정보 획득 장치(100)는 촬영부(101) 및 센서부(103)를 상호 협력적으로 사용할 수 있다. 예를 들어, 통행 정보 획득 장치(100)는 객체의 이동 위치, 객체의 이동 거리, 객체의 이동 방향, 또는 객체의 이동 속도를 보다 정확하게 검출하기 위하여 센서부(103)를 우선적으로 사용할 수 있으며, 객체의 형태를 식별할 필요가 있는 경우에는 촬영부(101)를 이용할 수 있다. 다양한 실시 예에 따르면, 촬영부(101) 및 센서부(103)는 하나의 통합된 모듈로 구현될 수 있다.
메모리(105)는 통행 정보 획득 장치(100)의 적어도 하나의 구성 요소(예: 촬영부(101), 센서부(103), 데이터 처리부(107) 또는 통신 인터페이스(109))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 예를 들어, 메모리(105)는 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다. 다양한 실시 예에 따르면, 메모리(105)는 영상을 이용한 정보 분석과 관련된 프로그램, 알고리즘, 루틴 및/또는 명령어를 포함할 수 있다.
데이터 처리부(107)는 촬영부(101) 또는 센서부(103) 중 적어도 어느 하나를 통해 다양한 정보를 획득할 수 있다. 예를 들어, 데이터 처리부(107)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. 추가적으로, 데이터 처리부(107)는 촬영부(101)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(107)는 통행 정보(예: 영상)를 이용하여 이벤트를 검출할 수 있다. 전술한 바와 같이, 객체는 차량, 사람(예: 차량 탑승자, 보행자 등) 및 동물 등을 포함할 수 있다. 또한, 이벤트는 도로 상에 발생한 위험 상황으로써 차량이나 보행자에게 알릴 필요가 있는 상태를 의미할 수 있다. 예를 들어, 데이터 처리부(107)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(107)는 통행 정보 외에도 적어도 하나의 센서로부터 획득된 데이터를 통해서 이벤트를 검출할 수 있다. 예를 들어, 데이터 처리부(107)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(107)는 통행 정보(예: 영상)를 이용하여 객체를 인식할 수 있다. 전술한 바와 같이, 객체는 차량, 사람(예: 차량 탑승자, 보행자 등) 및 동물 등을 포함할 수 있다. 또한, 데이터 처리부(107)는 객체에 대한 식별 정보를 통행 정보의 적어도 일부로 획득할 수도 있다. 예를 들어, 차량의 종류, 차량의 색상, 차량의 크기, 차량 번호판의 색상, 또는 차량 번호 중 적어도 하나가 차량에 대한 식별 정보로 획득될 수 있다. 또한, 사람이 객체로 인식되는 경우, 데이터 처리부(107)는 사람이 이용하고 있는 보조 이동 수단(예: 차량, 자전거, 킥보드, 스케이트 보드 등), 동행자 존재 여부, 성별, 소지품, 착용 액세서리, 착용 중인 옷의 색상, 헤어 스타일 등을 식별 정보로 획득할 수 있다. 또한, 동물이 객체로 인식되는 경우에는, 데이터 처리부(107)는 품종, 털 색상, 목줄 색상, 착용 액세서리, 케이지 형태 등이 동물에 대한 식별 정보로 획득될 수도 있다. 그러나, 이는 예시적일 뿐, 언급한 객체 외에 다양한 종류의 객체가 영상을 통해 인식될 수 있으며, 이러한 객체를 식별할 수 있는 다양한 정보들이 식별 정보로 획득될 수도 있다.
데이터 처리부(107)는 결과 데이터(예: 통행 정보, 방범 정보, 및 이벤트 정보 중 적어도 하나)를 통신 인터페이스(109)를 통해 연결된 통신 중계기 또는 운영 장치(120)에 전달함으로써 해당 구역에 대한 교통 상황을 제공할 수 있다.
도 1a 내지 도 1c를 통해 전술한 바와 같이, 데이터 처리부(107)는 촬영부(101)에 의해 촬영된 영상을 통해 적어도 하나의 관심 객체(예: 차량, 사람 및 동물 등)(또는 타겟 객체)를 검출하고, 관심 객체의 이동을 추적할 수 있다. 예를 들어, 데이터 처리부(107)는 다수의 통행 정보 획득 장치를 통해 촬영된 영상에서 동일한 관심 객체를 재식별(Re-Identification)하는 기술을 지원할 수 있다.
다양한 실시 예에 따르면, 데이터 처리부(107)는 관심 객체를 재식별함에 있어서, 영상(또는 촬영된 영상)에 포함된 객체에 대한 속성 정보(이하 설명에서 ‘객체 속성’으로 지칭한다)를 이용할 수 있다. 일 실시 예에 따르면, 데이터 처리부(107)는 관심 객체에 대한 추적이 요청되는 것에 응답하여, 영상에 포함된 적어도 하나의 객체를 인식하고 인식된 객체에 대한 객체 속성을 획득할 수 있다. 또한, 데이터 처리부(107)는 다른 영상에서 인식된 관심 객체에 대한 속성(이하 설명에서 ‘기준 속성’으로 지칭한다)을 획득하고 이를 객체 속성과 비교함으로써 관심 객체를 재식별할 수 있다. 예를 들어, 어느 하나의 통행 정보 획득 장치를 통해 획득된 영상(예: 제 1 영상)에서 인식된 관심 객체를 다른 통행 정보 획득 장치를 통해 획득된 다른 영상(예: 제 2 영상)에서 재식별하는 경우, 데이터 처리부(107)는 제 1 영상에서 인식된 관심 객체에 대한 객체 속성을 기준 속성으로 사용하여 제 2 영상에서 인식된 객체에 대한 객체 속성과 비교할 수 있다. 예컨대, 제 2 영상 내의 객체들 중에서 기준 속성과 일정 수준으로 유사한 객체 속성을 가지는 객체가 관심 객체로 재식별 될 수 있다. 예를 들어, 기준 속성은 제 1 영상에서 관심 객체를 인식한 통행 정보 획득 장치 또는 운영 장치(120)로부터 획득될 수도 있다.
이와 관련하여, 데이터 처리부(107)는 영상(300)에 존재하는 적어도 하나의 객체를 추출하고, 추출된 객체의 종류(예: 사람, 차량, 동물, 보조 이동 수단 등) 및 객체의 이동 정보를 객체 속성의 적어도 일부로 획득할 수 있다. 이동 정보는 영상 내에서 객체의 이동 방향 등을 포함할 수 있다. 예를 들어, 도 3a를 참조하여 설명하면, 영상(300)을 통해 사람에 해당되는 제 1 객체(302)와 차량에 해당되는 제 2 객체(304)가 추출되는 경우, 데이터 처리부(107)는 제 1 객체(302)가 사람임을 지시하는 정보(312-1)를 포함하는 제 1 객체 속성(312)과 제 2 객체(304)가 차량임을 지시하는 정보(314-1)를 포함하는 제 2 객체 속성(314)을 획득할 수 있다. 도시되지 않았지만, 영상(300)에서 추출된 객체 이미지도 객체 속성으로 획득될 수 있다. 추가적으로, 객체 속성은 객체에 대한 이동 정보와 색상 정보를 포함할 수도 있다. 예컨대, 제 1 객체 속성(312)은 제 1 객체(302)가 북쪽(N) 방향에서 등장하였으며 동쪽(E) 방향으로 이동함을 나타내는 정보(312-2), 제 1 객체(302)가 화이트 계열의 옷을 착용하고 있음을 나타내는 정보(312-3)를 포함하고, 제 2 객체 속성(314)은 제 2 객체(304)가 북쪽(N) 방향에서 등장하였으며 남쪽(S) 방향으로 이동함을 나타내는 정보(314-2), 제 2 객체(304)가 블랙 계열의 차량임을 나타내는 정보(314-3)를 포함할 수도 있다. 그러나, 이는 예시적일 뿐, 다양한 실시 예들이 이에 한정되는 것은 아니다. 예컨대, 차량에 해당되는 제 2 객체(304)에 대한 주행 상태(예: 역주행 상태 또는 정주행 상태)를 나타내는 정보가 제 2 속성 정보(314)의 일부로 획득될 수도 있다. 이와 관련하여, 데이터 처리부(107)는 아래의 도 4a를 통해 후술하는 바와 같이, 관심 객체의 전면(예: 차량의 전면)이 향하는 방향과 미리 지정된 방위표에 기초하여 제 2 객체에 대한 주행 상태를 확인할 수 있다.
또한, 데이터 처리부(107)는 영상 내에서 관심 객체를 재식별하기 위해서, 객체 속성과 기준 속성을 비교하여 유사도를 산출할 수 있다. 전술한 바와 같이, 기준 속성은 외부로부터 제공받을 수 있으며, 일 예로, 다른 영상에서 인식된 관심 객체의 종류, 관심 객체의 색상, 관심 객체의 이동 방향 중 적어도 하나를 포함할 수 있다. 예를 들어, 도 3a에 도시된 바와 같이, 데이터 처리부(107)는 영상(300)에 포함된 제 1 객체(302)에 대한 제 1 객체 속성(312)과 기준 속성(320)에 기초하여 제 1 유사도를 산출할 수 있다. 예컨대, 데이터 처리부(107)는 기준 속성(320)의 각 정보(예: 관심 객체의 종류, 관심 객체의 색상, 관심 객체의 이동 방향)와 제 1 객체 속성(312)의 각 정보(예: 제 1 객체의 종류, 제 1 객체의 색상, 제 1 객체의 이동 방향)의 비교 결과에 대한 점수를 산출하고, 각 점수를 합하거나 평균을 계산하여 제 1 유사도를 산출할 수 있다. 또한, 데이터 처리부(107)는 제 1 유사도를 산출하는 방법과 유사한 방법으로 제 2 객체(304)에 대한 제 2 유사도를 산출할 수 있으며, 제 1 유사도와 제 2 유사도 중 상대적으로 높은 유사도를 가지는 객체를 선택하여 관심 객체로 재식별할 수 있다. 이와 관련하여, 데이터 처리부(107)는 트리플릿 손실(triplet loss) 기반의 재식별 딥러닝 알고리즘과 같은 다양한 공지의 기술을 적용하여 관심 객체를 재식별할 수 있다.
이는 특정 객체가 포함된 영상과 다른 영상을 비교하여 특정 객체와 동일하다고 판단되는 객체를 영상 내에서 재식별하는 일반적인 객체 재식별 방식 대비, 관심 객체를 재식별하는데 요구되는 연산량을 줄이고 관심 객체의 재식별 속도 및 정확도를 향상시킬 수 있다.
전술한 객체 속성은 관심 객체에 대한 추적이 요청되는 것에 응답하여 획득될 수 있다. 그러나, 이는 예시적일 뿐, 본 문서가 이에 한정되는 것은 아니다. 예컨대, 데이터 처리부(107)는 관심 객체에 대한 추적이 요청되는 것과 상관없이, 주기적으로 또는 지속적으로 촬영 영상으로부터 객체 속성을 획득하여 메모리(105)에 저장할 수 있다.
이러한 경우, 데이터 처리부(107)는 관심 객체에 대한 추적이 요청되는 것에 응답하여, 촬영된 영상을 분석하여 객체를 추출하고 추출된 객체에 대한 객체 속성을 메모리(105)로부터 획득할 수 있다.
이와 관련하여, 데이터 처리부(107)는 객체 속성을 획득하여 저장함에 있어서, 각 객체에 대한 객체 식별자(객체 ID)를 부여할 수도 있다. 예를 들어, 도 3b에 도시된 바와 같이, 제 1 객체 속성(312)은 제 1 객체 식별자(312-4)와 연관되어 저장되고, 제 2 객체 속성(314)은 제 2 객체 식별자(314-4)와 연관되어 저장될 수 있다. 이에, 데이터 처리부(107)는 메모리(105)에 저장된 객체 속성 중 현재 영상에 포함된 객체에 대한 객체 속성을 용이하게 획득할 수 있다.
추가적으로 또는 선택적으로, 관심 객체의 재식별 성능을 더욱 향상시키기 위하여, 데이터 처리부(107)는 객체의 종류와 관련된 추가 정보를 객체 속성으로 획득할 수도 있다. 예를 들어, 도 3b에 도시된 바와 같이, 데이터 처리부(107)는 사람과 같은 제 1 객체(302)를 추출하는 경우에는, 성별 정보(예: 남자, 여자, 확인 불가(또는 판독 실패), 연령대 정보(예: 소인, 성인, 확인 불가, 동행자 존재 여부, 소지품 소지 여부, 사람의 이동 속도 등과 관련된 추가 정보(312-5)를 제 1 객체 속성(312)으로 획득할 수도 있다. 다른 예로, 데이터 처리부(107)는 차량과 같은 제 2 객체(304)를 추출하는 경우, 차량의 이동 속도, 차량 외관에 형성된 레터링 정보, 차량 외관에 형성된 구조물(예: 경광등, 견인 장치, 조명 장치, 소방호스, 물탱크, 사다리 등) 정보 등의 추가 정보(314-5)를 제 2 객체 속성(314)으로 획득할 수도 있다.
일 실시 예에 따르면, 데이터 처리부(107)에 의해 인식된 관심 객체가 지속적으로 추적되기 위해서는, 주변의 다른 통행 정보 획득 장치에 의해 촬영된 영상에서도 동일한 관심 객체가 재식별될 필요가 있다. 이에, 데이터 처리부(107)는 주변에 위치한 통행 정보 획득 장치들에게 관심 객체에 대한 추적을 요청할 수 있다. 이때, 데이터 처리부(107)는 추적을 요청함과 동시에 또는 추적을 요청한 후에 관심 객체에 대한 속성(예: 기준 속성)을 주변의 통행 정보 획득 장치들로 제공함으로써, 주변의 통행 정보 획득 장치들에 의해서도 관심 객체가 재식별되도록 처리할 수 있다.
전술한 바와 같이, 관심 객체의 이동을 추적하기 위하여, 추적 요청을 수신한 통행 정보 획득 장치 각각은 자신의 영상에서 추출된 객체와 관련된 객체 속성과 다른 영상을 통해 획득된 기준 속성(예: 다른 통행 정보 획득 장치 또는 운영 장치(120))로부터 수신된 기준 속성)을 비교하는 동작을 수행할 수 있다. 하지만, 관심 객체가 출현하지 않은 영상을 획득하는 통행 정보 획득 장치, 다시 말해서, 관심 객체의 위치 및/또는 관심 객체의 이동 경로를 벗어난 위치에 설치된 통행 정보 획득 장치에서 전술한 동작이 수행되는 경우, 관심 객체를 재식별하는데 요구되는 연산량을 증가시키고 관심 객체의 재식별 속도 및 재식별 정확도를 저하시킬 수 있다.
이를 방지하기 위하여, 다양한 실시 예에 따른 데이터 처리부(107)는 주변에 설치된 통행 정보 획득 장치 중 관심 객체에 대한 이동 정보에 기초하여 객체를 재식별하는 재식별 수행 장치(예: 통행 정보 획득 장치)를 선택할 수 있다. 이동 정보는 관심 객체의 이동 방향을 포함할 수 있다. 예를 들어, 데이터 처리부(107)는 관심 객체의 이동 방향에 대응되는 위치에 설치된 통행 정보 획득 장치를 재식별 수행 장치로 선택할 수 있다.
일 실시 예에 따르면, 데이터 처리부(107)는 도 4a에 도시된 바와 같이, 관심 객체(410)의 전면(예: 차량의 범퍼 중앙, 차량 앞 바퀴 등)으로 연장되는 가상의 선(412)과 미리 지정된 방위표(420)를 기초로 하여, 관심 객체(410)의 이동 방향을 예측할 수 있다. 방위표(420)는 동쪽(E) 방향, 서쪽(W) 방향, 남쪽(S) 방향 및 북쪽(N) 방향과 같이 4 방위를 정의할 수 있으며, 도시된 바와 같이, 추가적으로, 북동(NE), 남동(SE), 남서(SW) 및 북서(NW) 방향 등으로 더욱 세분화하여 정의할 수도 있다. 예를 들어, 도시된 바와 같이, 데이터 처리부(107)는 관심 객체(410)의 가상의 선(412)이 향하는 방향에 대응되는 방위표(420)의 방향(예: 남동(SE) 방향)을 관심 객체(410)의 이동 방향으로 예측할 수 있다. 뿐만 아니라, 데이터 처리부(107)는 영상 내에서 관심 객체 주변의 비교 객체를 검출하여, 관심 객체의 주행 상태(예: 역주행 상태 또는 정주행 상태)도 확인할 수도 있다. 예를 들어, 비교 객체는 관심 객체(410)와 동일한 방향으로 주행하는 적어도 하나의 객체일 수 있다. 이와 관련하여, 데이터 처리부(107)는 관심 객체(410)의 전면(예: 헤드 램프)(또는 후면(예: 리어 램프))과 비교 객체의 전면(또는 후면)이 동일한 방향으로 이동하는 경우 관심 객체(410)가 정주행하고 있다고 판단하고, 그렇지 않은 경우에는 관심 객체(410)가 역주행하고 있다고 판단할 수 있다. 그러나, 이는 예시적일 뿐, 다양한 실시 예들이 이에 한정되는 것은 아니다. 예컨대, 관심 객체는 차량이 아닌 사람일 수도 있다. 이러한 경우, 데이터 처리부(107)는 신체의 적어도 일부(예: 몸통, 안면 등)가 향하는 방향에 기초하여 사람에 대한 이동 방향을 예측할 수 있다. 또한, 사람이 이용하는 보조 이동 수단도 관심 객체가 될 수도 있다. 이러한 경우, 데이터 처리부(107)는 보조 이동 수단을 이용하는 사람의 신체 일부 및/또는 보조 이동 수단의 전면이 향하는 방향에 기초하여 보조 이동 수단에 대한 이동 방향을 예측할 수도 있다.
다른 예로, 데이터 처리부(107)는 객체의 이동 방향을 예측함에 있어서, 도로의 노면 표시를 고려할 수도 있다. 예를 들어, 데이터 처리부(107)는 도 4b에 도시된 바와 같이, 관심 객체(410)가 위치한 도로(430)의 노면 표시(432)(예: 좌회전 지시 표시, 유턴(U-turn) 지시 표시 등)를 인식할 수 있으며, 이를 기초로 하여 관심 객체(410)가 좌측 방향으로 이동할 것으로 예측하거나 또는 유턴하여 이동할 것이라고 예측할 수 있다. 그러나, 이는 예시적일 뿐, 본 문서가 이에 한정되는 것은 아니다. 예컨대, 데이터 처리부(107)는 차량과 같은 관심 객체(410)에 대하여, 영상 분석을 통해 방향 지시등의 점멸을 인식할 수도 있으며, 이를 기초로 하여 관심 객체(410)가 좌측 방향으로 이동할 것인지 또는 우측 방향으로 이동할 것인지를 예측할 수도 있다. 또한, 데이터 처리부(107)는 차량과 같은 관심 객체(410)가 위치한 차선의 속성(예: 좌회전 전용 차선, 유턴 전용 차선, 우회전 전용 차선 등)을 확인할 수 있으며, 이를 기초하여 관심 객체(410)가 좌측 방향으로 이동할 것인지, 우측 방향으로 이동할 것인지 또는 유턴하여 이동할 것인지를 예측할 수도 있다.
전술한 실시 예와 같이, 관심 객체에 대한 이동 방향이 예측되면, 데이터 처리부(107)는 통행 정보 획득 장치들에 대한 속성 정보(이하 설명에서 ‘장치 속성’으로 지칭한다)에 기초하여, 주변에 설치된 통행 정보 획득 장치 중 관심 객체의 이동 방향에 대응되는 적어도 하나의 통행 정보 획득 장치를 재식별 수행 장치로 지정할 수 있다. 또한, 데이터 처리부(107)는 관심 객체가 이동하여 지나온 경로에 대응되는 적어도 하나의 통행 정보 획득 장치를 재식별 수행 장치로 지정하여 관심 객체의 이동 경로를 역추적할 수도 있다. 장치 속성은 통행 정보 획득 장치와 관련된 설치 위치 정보(예: 위도와 경도 정보)를 포함할 수 있으며, 데이터 처리부(107)는 관심 객체를 추적하기 전 또는 관심 객체를 추적하는 동안 외부(예: 주변에 설치된 통행 정보 획득 장치 또는 운영 장치(120))로부터 장치 속성을 획득할 수 있다.
예를 들어, 도 4c에 도시된 바와 같이, 복수의 통행 정보 획득 장치들(예: 제 1 통행 정보 획득 장치(401) 내지 제 5 통행 정보 획득 장치(407))이 교차로에 설치되고, 관심 객체(410)가 제 1 통행 정보 획득 장치(401)에 의해 촬영된 상황을 가정할 수 있다.
이러한 상황에서, 데이터 처리부(107)는 촬영된 영상을 분석(예: 노면 표시(432)를 분석)하여 관심 객체(410)가 좌회전하여 이동(442)할 것임을 예측할 수 있다. 이에, 데이터 처리부(107)는 주변에 설치된 제 2 통행 정보 획득 장치(402), 제 3 통행 정보 획득 장치(403), 제 4 통행 정보 획득 장치(405) 및 제 5 통행 정보 획득 장치(407) 중, 관심 객체(410)의 이동 방향을 따르는 위치(444)에 설치된 제 5 통행 정보 획득 장치(407)를 재식별 수행 장치로 지정할 수 있다. 또한, 데이터 처리부(107)는 재식별 수행 장치로 지정된 제 5 통행 정보 획득 장치(407)로 관심 객체에 대한 객체 속성을 제공하면서 관심 객체(410)의 재식별(또는 추적)을 요청할 수 있다. 이에, 재식별 수행 장치로 지정된 제 5 통행 정보 획득 장치(407)는 데이터 처리부(107)에 의해 제공된 객체 속성을 기준 속성으로 사용하여 관심 객체를 재식별할 수 있다. 또한, 재식별 수행 장치로 지정되지 않은 제 2 통행 정보 획득 장치(402) 및 제 4 통행 정보 획득 장치(405)는 관심 객체(410)를 추적하는 동작을 수행하지 않을 수 있다.
또한, 데이터 처리부(107)는 추가적으로 또는 선택적으로 관심 객체(410)가 위치한 차선의 속성(예: 비보호 유턴 차선)이 확인되는 경우, 관심 객체(410)가 유턴하여 이동하는 상황도 예측할 수 있다. 이에, 데이터 처리부(107)는 주변에 설치된 제 2 통행 정보 획득 장치(402)도 재식별 수행 장치로 지정할 수도 있다.
추가적으로 또는 선택적으로, 데이터 처리부(107)는 재식별 수행 장치를 지정함에 있어서, 통행 정보 획득 장치들에 대한 촬영 정보를 추가로 고려할 수도 있다. 촬영 정보는 촬영 방향, 촬영 범위(또는 화각), 촬영 타입(예: 단방향 촬영, 양방향 촬영 등) 등을 포함할 수 있다.
예를 들어, 데이터 처리부(107)는 도 4d에 도시된 바와 같이, 관심 객체(410)의 이동 방향을 따르는 위치(446)에 설치된 통행 정보 획득 장치들(예: 제 5 통행 정보 획득 장치(407), 제 6 통행 정보 획득 장치(408) 및 제 7 통행 정보 획득 장치(409)) 중 도로를 촬영하도록 설정된 통행 정보 획득 장치(예: 제 5 통행 정보 획득 장치(407) 및 제 7 통행 정보 획득 장치(409))를 재식별 수행 장치로 지정하고, 인도를 촬영하도록 설정되어 관심 객체의 촬영이 불가한 통행 정보 획득 장치(예: 제 6 통행 정보 획득 장치(408))는 재식별 수행 장치에서 제외시킬 수도 있다.
전술한 바와 같이, 데이터 처리부(107)는 촬영된 영상을 분석하여 관심 객체를 재식별 및 추적할 수 있다. 하지만, 영상 내의 관심 객체가 촬영 범위를 벗어나거나 주변의 다른 객체에 의해 관심 객체가 가려짐에 의해, 데이터 처리부(107)에 의한 관심 객체 재식별 및 추적이 실패되는 상황을 배제할 수 없다.
이와 관련하여, 데이터 처리부(107)는 영상 내의 관심 객체가 촬영 범위를 벗어나는 경우 주변의 다른 통행 정보 획득 장치로 관심 객체에 대한 추적을 요청할 수 있으며, 이로 인하여, 관심 객체는 주변의 다른 통행 정보 획득 장치에 의해 지속적으로 추적될 수 있다.
예를 들어, 도 5a의 (a)에 도시된 바와 같이, 데이터 처리부(107)는 촬영된 영상(500)의 일부분을 인식 영역(510)으로 지정하고 인식 영역(510) 내에서 관심 객체(501)를 추적할 수 있다. 이러한 상황에서, 도 5a의 (b)에 도시된 바와 같이, 인식 영역(510)을 벗어나는 관심 객체(501)의 이동을 감지하는 경우, 데이터 처리부(107)는 관심 객체(501)가 촬영 범위를 벗어났다고 판단하고 다른 통행 정보 획득 장치로 관심 객체(501)에 대한 추적을 요청할 수 있다.
또한, 도 5b에 도시된 바와 같이, 영상 내(500)의 관심 객체(501)가 촬영 범위를 벗어나지 않았지만 주변의 다른 객체(502)에 의해 가려지는 경우, 데이터 처리부(107)는 인식 영역(510)을 변경하여 영상(500) 내에서 관심 객체를 재식별하는 동작을 수행할 수 있다.
예를 들어, 촬영된 영상(500)의 인식 영역(510)에서 추적되는 관심 객체(501)가 주변의 다른 객체(502)에 의해 가려지는 경우, 데이터 처리부(107)는 가려진 관심 객체(501)의 위치를 중심으로 인식 영역(512)을 재설정하고 재설정된 인식 영역(512)을 중심으로 관심 객체(501)의 재식별을 시도할 수 있다. 도시된 바와 같이, 재설정된 인식 영역의 크기(512)는 기존의 인식 영역(510) 보다 작을 수 있다. 이와 관련하여, 데이터 처리부(107)는 기존의 인식 영역(510)에서는 제 1 수준의 인식 성능을 요구하는 제 1 인식 동작(예: 일반 인식 동작)을 수행하고, 축소된 인식 영역(512)에 대하여는 제 1 수준보다 높은 제 2 수준의 인식 성능을 요구하는 제 2 인식 동작(예: 정밀 인식 동작)을 수행하여 관심 객체(501)를 재식별할 수 있다.
다른 예로, 데이터 처리부(107)는 촬영된 영상(500)을 통해 관심 객체(501)를 재식별하는 동안, 영상(500)의 적어도 일부에 대하여 관심 객체(501)를 재식별하는 동작을 배제할 수 있다. 예컨대, 건물, 나무, 간판, 가로등, 신호등 등과 같은 구조물은 이동하는 관심 객체(501)를 가리는 요소로 작용될 수 있다. 이에, 데이터 처리부(107)는 사용자 입력에 의해 선택되는 구조물 또는 영상 분석을 통해 인식되는 구조물을 기준으로 일정 범위에 대하여 관심 객체(501)를 재식별하는 동작을 배제할 수도 있다.
도 6은 다양한 실시 예에 따른 정보 분석 시스템의 동작 방법을 도시한 흐름도이다. 이하의 실시 예에서의 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다. 또한, 이하의 동작들 중 적어도 하나의 동작은 실시 예에 따라 생략될 수도 있다.
도 6을 참조하면, 다양한 실시 예에 따른 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 610에서, 제 1 영상에서 관심 객체를 인식할 수 있다. 제 1 영상은 제 1 통행 정보 획득 장치에 의해 획득된(또는 촬영된) 영상일 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 620에서, 관심 객체에 대한 속성 정보를 획득할 수 있다. 전술한 바와 같이, 제 1 영상에서 추출된 객체의 종류(예: 사람, 차량, 동물, 보조 이동 수단 등) 및 객체의 이동 정보(예: 영상 내에서 객체의 위치, 객체의 이동 방향)가 객체 속성의 적어도 일부로 획득될 수 있다. 또한, 도 3a 및 도 3b를 통해 전술한 바와 같이, 객체에 대한 색상 및 객체의 종류와 관련된 추가 정보도 객체 속성으로 획득될 수도 있다. 예를 들어, 추가 정보는 성별 정보(예: 남자, 여자, 확인 불가(또는 판독 실패), 연령대 정보(예: 소인, 성인, 확인 불가), 동행자 존재 여부, 소지품 소지 여부 등을 포함할 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 630에서, 제 1 영상에서 확인된 관심 객체에 대한 속성 정보(예: 기준 속성)에 기초하여 제 2 영상에서 관심 객체를 재식별할 수 있다. 제 2 영상은 제 2 통행 정보 획득 장치에 의해 획득된 영상일 수 있다. 일 실시 예에 따르면, 통행 정보 획득 장치(100)는 제 1 영상에서 확인된 관심 객체의 속성 정보(예: 관심 객체의 색상, 관심 객체의 이동 방향 또는 상기 관심 객체의 이동 속도 등)와 유사한 속성을 가지는 제 2 영상의 객체를 관심 객체로 재식별할 수 있다. 예를 들어, 통행 정보 획득 장치(100)는, 제 2 영상에서 객체를 인식할 수 있으며, 인식된 객체에 대한 속성 정보를 획득할 수 있다. 속성 정보는 제 2 영상에서 추출된 객체의 종류(예: 사람, 차량, 동물, 보조 이동 수단 등) 및 객체의 이동 정보(예: 영상 내에서 객체의 이동 방향)가 객체 속성의 적어도 일부로 획득될 수 있다. 또한, 객체에 대한 색상 및 객체의 종류와 관련된 추가 정보도 객체 속성으로 획득될 수도 있다. 또한, 통행 정보 획득 장치(100)는 제 1 영상에서 인식된 관심 객체에 대한 객체 속성을 기준 속성으로 사용하여 제 2 영상에서 인식된 객체에 대한 객체 속성과 비교하고, 기준 속성과 일정 수준 이상의 유사한 속성을 가지는 객체를 관심 객체로 재식별할 수 있다.
도 7은 다양한 실시 예에 따른 정보 분석 시스템에서 객체 재식별을 요청하는 방법을 도시한 흐름도이다. 일 실시 예에 따르면, 이하의 동작을 수행하는 통행 정보 획득 장치는 제 1 통행 정보 획득 장치로 정의될 수 있다. 또한, 이하의 동작들 중 적어도 하나의 동작은 실시 예에 따라 생략될 수도 있다.
도 7을 참조하면, 다양한 실시 예에 따른 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 710에서, 관심 객체를 확인할 수 있다. 예를 들어, 통행 정보 획득 장치(100)는 제 1 영상에서 관심 객체를 확인할 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 720에서, 관심 객체에 대한 속성 정보(예: 기준 속성)를 획득할 수 있다. 일 실시 예에 따르면, 기준 속성은 관심 객체 종류, 관심 객체의 색상, 관심 객체의 이동 방향, 관심 객체의 이동 속도 중 적어도 하나를 포함할 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 730에서, 관심 객체에 대한 이동 정보를 확인할 수 있다. 이동 정보는 영상 내에서 객체의 이동 방향 등을 포함할 수 있다. 일 실시 예에 따르면, 통행 정보 획득 장치(100)는 도 4a 및 도 4b를 통해 전술한 방법으로 예측된 관심 객체에 대한 이동 방향을 이동 정보의 적어도 일부로 확인할 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 740에서, 이동 정보 및 주변 통행 정보 획득 장치의 속성(예: 장치 속성)에 기초하여 주변 통행 정보 획득 장치 중 적어도 하나의 제 2 통행 정보 획득 장치를 결정할 수 있다. 일 실시 예에 따르면, 통행 정보 획득 장치(100)는 관심 객체의 이동 방향을 따르는 위치에 설치된 제 2 통행 정보 획득 장치를 재식별 수행 장치로 지정할 수 있다. 또한, 통행 정보 획득 장치(100)는 관심 객체가 이동하여 지나온 경로에 설치된 적어도 하나의 제 2 통행 정보 획득 장치를 재식별 수행 장치로 지정하여 관심 객체의 이동 경로를 역추적할 수도 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 750에서, 적어도 하나의 제 2 통행 정보 획득 장치로 객체 추적을 요청할 수 있다. 일 실시 예에 따르면, 통행 정보 획득 장치(100)는 관심 객체에 대한 기준 속성을 적어도 하나의 제 2 통행 정보 획득 장치로 제공할 수 있다.
도 8은 다양한 실시 예에 따른 정보 분석 시스템에서 관심 객체를 재식별하는 동작을 도시한 흐름도이다. 일 실시 예에 따르면, 이하의 동작을 수행하는 통행 정보 획득 장치는 제 2 통행 정보 획득 장치로 정의될 수 있다. 또한, 이하의 동작들 중 적어도 하나의 동작은 실시 예에 따라 생략될 수도 있다.
도 8을 참조하면, 다양한 실시 예에 따른 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 810에서, 제 1 통행 정보 획득 장치로부터 관심 객체 추적 요청을 수신할 수 있다. 일 실시 예에 따르면 통행 정보 획득 장치(100)는 관심 객체 추적 요청과 함께 관심 객체에 대한 기준 속성을 수신할 수 있다. 또한, 기준 속성은 다른 통행 정보 획득 장치 또는 운영 장치(120)로부터 획득될 수도 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 820에서, 제 2 영상에 포함된 객체의 속성 정보(예: 객체 속성)를 획득할 수 있다. 제 2 영상은 통행 정보 획득 장치(100) 자신에 의해 촬영되는 영상일 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 830에서, 제 2 영상에서 관심 객체가 재식별되는지를 판단할 수 있다. 일 실시 예에 따르면, 통행 정보 획득 장치(100)는 제 1 통행 정보 획득 장치를 통해 수신된 기준 속성과 유사한 속성을 가지는 객체가 제 2 영상에 포함되어 있는지를 판단할 수 있다.
다양한 실시 예에 따르면, 제 2 영상에서 관심 객체가 재식별되는 경우(또는 관심 객체 재식별에 성공하는 경우), 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 840에서, 관심 객체 재식별(또는 재식별 결과)을 예를 들어, 관심 객체 추적을 요청한 제 1 통행 정보 획득 장치, 다른 통행 정보 획득 장치 또는 운영 장치로 통보할 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 850에서, 관심 객체 추적 동작을 수행할 수 있다. 일 실시 예에 따르면, 통행 정보 획득 장치(100)는 제 2 영상 내에서 관심 객체의 이동을 추적할 수 있다. 또한, 통행 정보 획득 장치(100)는 주변의 다른 통행 정보 획득 장치로 관심 객체의 추적을 요청할 수 있다. 이와 관련하여, 통행 정보 획득 장치(100)는 재식별된 관심 객체에 대한 속성 정보를 통행 정보 획득 장치(100) 내부 또는 외부에 저장 또는 갱신할 수 있으며, 갱신된 속성 정보를 다른 통행 정보 획득 장치로 제공할 수 있다. 이에, 다른 통행 정보 획득 장치는 제공받은 속성 정보를 기준 속성으로 사용하여 관심 객체를 재식별하는데 사용할 수 있다.
다양한 실시 예에 따르면, 제 2 영상에서 관심 객체가 재식별되지 않는 경우(또는 관심 객체 재식별에 실패한 경우), 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 860에서, 관심 객체의 방향 전환을 판단할 수 있다. 일 실시 예에 따르면, 통행 정보 획득 장치(100)는 관심 객체가 예측된 방향으로 이동하지 않고 다른 방향으로 전환하였는지를 판단할 수 있다.
도 9는 다양한 실시 예에 따른 정보 분석 시스템에서 관심 객체의 방향 전환을 판단하는 동작을 도시한 흐름도이다. 이하의 동작은 도 8의 동작 860에 대한 다양한 실시 예일 수 있다. 또한, 이하의 동작을 수행하는 통행 정보 획득 장치는 제 2 통행 정보 획득 장치로 정의될 수 있으며, 이하의 동작들 중 적어도 하나의 동작은 실시 예에 따라 생략될 수도 있다.
도 9를 참조하면, 다양한 실시 예에 따른 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 910에서, 지정된 제 1 시점의 영상을 획득할 수 있다. 제 1 시점의 영상은 관심 객체 재식별에 실패한 현 시점보다 이전에 획득된 영상일 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 920에서, 제 1 시점의 영상에서도 관심 객체가 재식별되지 않는지를 판단할 수 있다. 일 실시 예에 따르면, 제 1 시점에서 관심 객체가 재식별되지 않은 상황은 통행 정보 획득 장치(100)의 촬영 범위 내에 관심 객체가 출현하지 않은 상황일 수 있다. 다시 말해서, 통행 정보 획득 장치(100)는 현 시점보다 이전인 제 1 시점에서도 관심 객체를 재식별하는데 실패하였는지 여부를 판단할 수 있다.
다양한 실시 예에 따르면, 제 1 시점의 영상에서도 관심 객체가 재식별되지 않으면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 930에서, 관심 객체가 예측된 방향으로 이동하지 않고 다른 방향으로 전환한 것으로 판단할 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 940에서, 관심 객체의 방향 전환을 판단함에 따라 관심 객체 추적 범위를 변경할 수 있다. 일 실시 예에 따르면, 통행 정보 획득 장치(100)는 주변의 다른 통행 정보 획득 장치로 관심 객체 추적을 요청할 수 있다.
다양한 실시 예에 따르면, 제 1 시점의 영상에서 관심 객체가 재식별되면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 950에서, 제 2 시점의 영상을 획득할 수 있다. 제 2 시점의 영상은 관심 객체 재식별에 실패한 시점보다 이후에 획득되는 영상일 수 있다. 일 실시 예에 따르면, 현 시점에 관심 객체가 검출되지 않았으나 제 1 시점에서 관심 객체가 재식별되는 상황은, 관심 객체가 예측된 방향을 따라 이동하고 있으나 저속 이동 또는 다른 객체에 가려져 현 시점에서 관심 객체가 통행 정보 획득 장치(100)의 촬영 범위에 출현되지 않은 상황일 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 960에서, 제 2 시점의 영상에 대한 관심 객체 재식별 동작을 수행할 수 있다. 예를 들어, 통행 정보 획득 장치(100)는, 제 2 시점의 영상에서 객체를 재식별할 수 있으며, 재식별된 객체에 대한 속성 정보를 획득할 수 있다. 속성 정보는 제 2 시점의 영상에서 추출된 객체의 종류(예: 사람, 차량, 동물, 보조 이동 수단 등) 및 객체의 이동 정보(예: 영상 내에서 객체의 위치, 객체의 이동 방향)가 객체 속성의 적어도 일부로 획득될 수 있다. 또한, 객체에 대한 색상 및 객체의 종류와 관련된 추가 정보도 객체 속성으로 획득될 수도 있다. 또한, 통행 정보 획득 장치(100)는 제 1 영상에서 인식된 관심 객체에 대한 객체 속성을 기준 속성으로 사용하여 제 2 시점의 영상에서 인식된 객체에 대한 객체 속성과 비교하고, 기준 속성과 일정 수준 이상의 유사한 속성을 가지는 객체를 관심 객체로 재식별할 수 있다.
도 10는 다양한 실시 예에 따른 정보 분석 시스템에서 관심 객체의 추적 범위를 변경하는 동작을 도시한 흐름도이다. 이하의 동작은 도 9의 동작 940에 대한 다양한 실시 예일 수 있다. 또한, 이하의 동작을 수행하는 통행 정보 획득 장치는 제 2 통행 정보 획득 장치로 정의될 수 있으며, 이하의 동작들 중 적어도 하나의 동작은 실시 예에 따라 생략될 수도 있다.
도 10을 참조하면, 다양한 실시 예에 따른 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 1010에서, 지정된 제 1 통행 정보 획득 장치의 위치와 제 2 통행 정보 획득 장치의 위치에 기초하여 적어도 하나의 제 3 통행 정보 획득 장치를 결정할 수 있다. 일 실시 예에 따르면, 제 3 통행 정보 획득 장치는 제 1 통행 정보 획득 장치와 제 2 통행 정보 획득 장치 사이에 설치된 통행 정보 획득 장치일 수 있다. 그러나, 이는 예시적일 뿐, 본 문서가 이에 한정되는 것은 아니다. 예컨대, 관심 객체에 대하여 예측된 이동 방향과 다른 방향에 설치된 통행 정보 획득 장치라면 제 3 통행 정보 획득 장치로 이해될 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 1020에서, 적어도 하나의 제 3 통행 정보 획득 장치로 관심 객체 추적을 요청할 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 1030에서, 제 2 영상을 통해 관심 객체를 추적할 수 있다. 제 2 영상은 제 2 통행 정보 획득 장치를 통해 획득되는 영상일 수 있다. 일 실시 예에 따르면, 통행 정보 획득 장치(100)는 관심 객체가 제 2 통행 정보 획득 장치의 촬영 범위로 다시 출현하는 상황에 대비하여 제 2 영상을 통해 관심 객체를 추적할 수도 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 1040에서, 제 2 영상을 통해 관심 객체가 재식별되는지를 판단할 수 있다.
다양한 실시 예에 따르면, 제 2 영상을 통해 관심 객체가 재식별되는 경우, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 1050에서, 관심 객체를 추적하는 동작을 수행할 수 있다.
다양한 실시 예에 따르면, 통행 정보 획득 장치(100)(또는 데이터 처리부(170))는, 동작 1060에서, 적어도 하나의 제 3 통행 정보 획득 장치로 관심 객체 추적 중단을 요청할 수 있다.
도 11a 및 도 11b는 다양한 실시 예에 따른 정보 분석 시스템에서 관심 객체의 추적 범위를 변경하는 동작을 설명하기 위한 도면이다.
도 11a를 참조하면, 제 1 통행 정보 획득 장치(1101)는 관심 객체(1100)의 이동 방향(1103)에 기초하여 제 2 통행 정보 획득 장치(1107)로 객체 추적을 요청할 수 있다. 이에, 제 2 통행 정보 획득 장치(1107)는 영상 분석을 통해 관심 객체(1100)를 재식별하는 동작을 수행할 수 있다.
하지만, 도 11b에 도시된 바와 같이, 관심 객체가 방향 전환을 통해 다른 방향으로 이동(1110)하는 경우, 제 2 통행 정보 획득 장치(1107)는 영상에서 관심 객체(1100)를 재식별하는데 실패하게 된다.
이에, 제 2 통행 정보 획득 장치(1107)는 제 2 통행 정보 획득 장치(1107) 주변에 위치한 제 1 통행 정보 획득 장치(1101), 제 3 통행 정보 획득 장치(1103) 및 제 4 통행 정보 획득 장치(1105)로 관심 객체(1100)의 추적을 요청할 수 있다. 이에, 방향을 전환한 관심 객체(1100)의 이동은 주변의 통행 장치에 의해 지속적으로 추적될 수 있다.
도 12는 본 문서에 개시된 다양한 실시 예들에 따른 통행 정보 획득 장치 및 운영 장치를 포함하는 정보 분석 시스템의 기능적 블록도를 나타낸다.
도 12를 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(120)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(120)와 통신할 수 있는 통신 인터페이스(109)를 포함할 수 있다. 통신 인터페이스(109)는 유선 또는 무선 중 적어도 하나를 포함할 수 있다.
운영 장치(120)는 데이터 처리부(107)의 부족한 하드웨어 성능을 보완할 수 있다. 예를 들어, 운영 장치(120)의 데이터 처리부(122)는 데이터 처리부(107) 보다 고성능의 영상 처리를 구현할 수 있는 하드웨어(예: GPU(graphic processing unit))를 포함할 수 있다.
데이터 처리부(122)는 통행 정보 획득 장치(100-1)에서 수행되는 관심 객체 재식별을 포함하여 데이터 처리부(107)의 기능과 실질적으로 동일한 기능을 수행할 수 있다. 이 경우, 통행 정보 획득 장치(100-1)의 데이터 처리부(107)는 제거 또는 비활성화되는 것이 가능하다. 운영 장치(120)는 정보 분석 시스템 유닛(100-1, 100-2, 100-3)으로부터 전달되는 결과 데이터에 기초하여 관심 객체의 이동 경로, 이동 방향, 이동 속도 등과 같은 관심 객체의 상태를 지속적으로 확인할 수 있다. 운영 장치(120)는 분석된 도로 상황에 기반하여 신호를 제어하거나 차량에게 다른 경로를 제공하도록 데이터 처리부(107)에게 명령을 전달할 수 있다.
이상의 설명은 본 문서에 개시된 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 문서에 개시된 실시 예들이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 문서에 개시된 실시 예들의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 문서에 개시된 실시 예들은 본 문서에 개시된 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 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
101: 촬영부
103: 센서부
105: 메모리
107: 데이터 처리부
109: 통신 인터페이스

Claims (23)

  1. 복수의 통행 정보 획득 장치들 중 적어도 하나의 제 1 통행 정보 획득 장치로부터 제 1 영상을 획득하여 관심 객체를 인식하고, 상기 관심 객체의 일부로부터 연장되는 가상의 선과 미리 지정된 방위표에 기초하여 상기 관심 객체의 이동 방향을 예측하고,
    상기 예측된 이동 방향과 상기 복수의 통행 정보 획득 장치들의 설치 위치 정보를 이용하여, 상기 복수의 통행 정보 획득 장치들 중 상기 이동 방향에 대응하는 적어도 하나의 제2 통행 정보 획득 장치를 선택하고,
    상기 적어도 하나의 제 2 통행 정보 획득 장치로 재식별을 요청하는 데이터 처리부를 포함하는 운영 장치.
  2. 제 1항에 있어서,
    상기 데이터 처리부는,
    상기 적어도 하나의 제2 통행 정보 획득 장치가, 상기 적어도 하나의 제 2 통행 정보 획득 장치에 의해 획득된 제 2 영상에서 상기 관심 객체의 기준 속성에 기초하여 상기 관심 객체를 재식별하고 상기 재식별 결과를 상기 운영 장치로 제공하도록 상기 재식별을 요청하는 운영 장치.
  3. 제 1항에 있어서,
    상기 데이터 처리부는,
    상기 적어도 하나의 제 2 통행 정보 획득 장치에서 획득된 제 2 영상에서 상기 관심 객체의 기준 속성에 기초하여 상기 관심 객체를 재식별하는 운영 장치.
  4. 삭제
  5. 제 1 항에 있어서,
    상기 데이터 처리부는,
    상기 관심 객체가 차량인 경우, 상기 차량의 전면이 향하는 방향, 상기 차량이 위치한 도로의 노면 표시, 상기 차량이 위치한 차선의 속성, 상기 차량에 구비된 방향 지시등의 점멸 상태, 상기 차량의 주행 상태 중 적어도 하나에 기초하여 상기 관심 객체의 이동 방향을 예측하고,
    상기 관심 객체가 사람인 경우, 상기 사람의 신체 일부가 향하는 방향에 기초하여 상기 관심 객체의 이동 방향을 예측하고,
    상기 관심 객체가 보조 이동 수단인 경우, 상기 보조 이동 수단의 전면이 향하는 방향에 기초하여 상기 관심 객체의 이동 방향을 예측하는 운영 장치.
  6. 제 2항 또는 제 3항 중 어느 한 항에 있어서,
    상기 관심 객체의 기준 속성은,
    상기 관심 객체의 종류, 상기 관심 객체의 색상, 상기 관심 객체의 이동 방향, 또는 상기 관심 객체의 이동 속도 중 적어도 하나를 포함하는, 운영 장치.
  7. 제 6 항에 있어서,
    상기 관심 객체의 기준 속성은 상기 관심 객체의 종류와 관련된 추가 정보를 더 포함하되,
    상기 추가 정보는,
    상기 관심 객체가 차량인 경우, 상기 차량에 형성된 레터링 정보, 상기 차량에 형성된 구조물 중 적어도 하나를 포함하고,
    상기 관심 객체가 사람인 경우, 성별 정보, 연령대 정보, 동행자 존재 여부 중 적어도 하나를 포함하는, 운영 장치.
  8. 제 2항 또는 제 3항 중 어느 한 항에 있어서,
    상기 기준 속성과 일정 수준 이상의 유사도를 가지는 상기 제 2 영상의 객체가 상기 관심 객체로 재식별되는, 운영 장치.
  9. 제 8 항에 있어서,
    상기 데이터 처리부는, 상기 제 2 영상에서 적어도 하나의 객체를 인식하고, 상기 적어도 하나의 객체에 대한 속성을 나타내는 객체 속성과 상기 기준 속성을 비교하여 상기 유사도를 산출하되,
    상기 객체 속성은, 상기 객체의 종류, 상기 객체의 색상, 상기 객체의 이동 방향, 또는 상기 객체의 이동 속도 중 적어도 하나를 포함하는, 운영 장치.
  10. 제 1 항에 있어서,
    상기 데이터 처리부는 상기 복수의 통행 정보 획득 장치들의 속성 정보를 추가로 고려하여 상기 적어도 하나의 제 2 통행 정보 획득 장치를 선택하되,
    상기 속성 정보는 상기 복수의 통행 정보 획득 장치들 각각에 대한 촬영 방향, 상기 복수의 통행 정보 획득 장치들 각각에 대한 촬영 범위 또는 상기 복수의 통행 정보 획득 장치들 각각에 대한 촬영 타입 중 적어도 하나를 포함하는, 운영 장치.
  11. 제 1항에 있어서,
    상기 데이터 처리부는 상기 관심 객체가 상기 제 1 영상에서 사라지는 경우 상기 관심 객체의 재식별을 요청하는, 운영 장치.
  12. 제2 항 또는 제 3항 중 어느 한 항에 있어서,
    상기 관심 객체가 상기 제 2 영상에서 재식별되지 않는 경우, 상기 데이터 처리부는 상기 관심 객체를 제 3 영상에서 재식별하되,
    상기 제 3 영상은 상기 복수의 통행 정보 획득 장치 중, 상기 제 1 영상을 촬영한 제 1 통행 정보 획득 장치의 제 1 촬영 방향 및 상기 제 2 영상을 촬영한 적어도 하나의 제 2 통행 정보 획득 장치의 제 2 촬영 방향과 다른 제 3 촬영 방향을 가지는 적어도 하나의 제 3 통행 정보 획득 장치에 의해 촬영된 영상을 포함하는, 운영 장치.
  13. 제 12 항에 있어서,
    상기 데이터 처리부는 상기 제 2 영상 및 상기 제 3 영상을 통해 상기 관심 객체를 재식별하고, 상기 제 2 영상을 통해 상기 관심 객체가 재식별되는 경우 상기 제 3 영상을 통해 상기 관심 객체를 재식별하는 동작을 중단하는, 운영 장치.
  14. 제 3항에 있어서,
    상기 데이터 처리부는 상기 제 2 영상의 제 1 인식 영역에서 상기 관심 객체를 재식별하고, 상기 관심 객체가 상기 제 2 영상 내의 다른 객체에 의해 가려지는 경우 상기 제 1 인식 영역 보다 작은 제 2 인식 영역에서 상기 관심 객체를 재식별하는, 운영 장치.
  15. 제 14 항에 있어서,
    상기 데이터 처리부는 상기 제 1 인식 영역을 통해 제 1 수준의 인식 성능이 요구되는 제 1 인식 동작을 수행하고, 상기 제 2 인식 영역을 통해서는 상기 제 1 수준보다 높은 제 2 수준의 인식 성능이 요구되는 제 2 인식 동작을 수행하는, 운영 장치.
  16. 제 3항에 있어서,
    상기 데이터 처리부는 입력에 의해 지정되는 상기 제 2 영상의 적어도 일부에 대하여는 상기 관심 객체에 대한 재식별 동작이 수행되는 것을 배제하는, 운영 장치.
  17. 제 2항 또는 제 3항 중 어느 한 항에 있어서,
    상기 데이터 처리부는 상기 관심 객체의 재식별 결과를 포함하는 결과 데이터를 생성하는, 운영 장치.
  18. 제 17항에 있어서,
    상기 결과 데이터는 통행 정보, 방범 정보, 및 이벤트 정보 중 적어도 하나를 더 포함하는, 운영 장치.
  19. 삭제
  20. 제 3항에 있어서,
    상기 복수의 통행 정보 획득 장치들 각각은 촬영부를 포함하며,
    상기 데이터 처리부는,
    상기 적어도 하나의 제 1 통행 정보 획득 장치의 촬영부에 의해 촬영된 영상을 상기 제1 영상으로 획득하고, 상기 적어도 하나의 제2 통행 정보 획득 장치의 촬영부에 의해 촬영된 영상을 상기 제2 영상으로 획득하는 운영 장치.
  21. 제 17항에 있어서,
    상기 복수의 통행 정보 획득 장치들 각각은 센서부를 포함하며,
    상기 데이터 처리부는,
    상기 적어도 하나의 제 1 통행 정보 획득 장치의 센서부와 상기 적어도 하나의 제2 통행 정보 획득 장치의 센서부 중 적어도 하나를 통해 획득되는 정보에 기초하여 상기 관심 객체의 위치 또는 이동 거리를 측정하고,
    상기 측정 결과에 기초하여 상기 결과 데이터를 생성하는 운영 장치.
  22. 제 2항 또는 제 3항 중 어느 한 항에 있어서,
    상기 데이터 처리부는,
    상기 제 1 영상 및 상기 제 2 영상 중 적어도 하나의 영상을 분석하여 획득된 정보를 통해 도로 상황을 관제하는 운영 장치.
  23. 복수의 통행 정보 획득 장치들 중 적어도 하나의 제 1 통행 정보 획득 장치를 통해 제 1 영상을 획득하는 단계;
    상기 제 1 영상에서 관심 객체를 인식하는 단계;
    상기 관심 객체의 일부로부터 연장되는 가상의 선과 미리 지정된 방위표에 기초하여 상기 관심 객체의 이동 방향을 예측하는 단계;
    상기 예측된 이동 방향과 상기 복수의 통행 정보 획득 장치들의 설치 위치 정보를 이용하여, 상기 복수의 통행 정보 획득 장치들 중 상기 이동 방향에 대응하는 적어도 하나의 제2 통행 정보 획득 장치를 선택하는 단계; 및
    상기 적어도 하나의 제 2 통행 정보 획득 장치로 재식별을 요청하는 단계를 포함하는, 운영 장치의 정보 분석 방법.
KR1020210183179A 2021-12-20 2021-12-20 객체 재식별을 위한 정보 분석 시스템 및 그에 관한 방법 KR102421705B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210183179A KR102421705B1 (ko) 2021-12-20 2021-12-20 객체 재식별을 위한 정보 분석 시스템 및 그에 관한 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210183179A KR102421705B1 (ko) 2021-12-20 2021-12-20 객체 재식별을 위한 정보 분석 시스템 및 그에 관한 방법

Publications (1)

Publication Number Publication Date
KR102421705B1 true KR102421705B1 (ko) 2022-07-18

Family

ID=82700893

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210183179A KR102421705B1 (ko) 2021-12-20 2021-12-20 객체 재식별을 위한 정보 분석 시스템 및 그에 관한 방법

Country Status (1)

Country Link
KR (1) KR102421705B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140058192A (ko) * 2012-11-06 2014-05-14 에스케이텔레콤 주식회사 관심객체 이동방향에 따른 관제 영상 재배치 방법 및 장치
US20150104066A1 (en) * 2013-10-10 2015-04-16 Canon Kabushiki Kaisha Method for improving tracking in crowded situations using rival compensation
KR20150144639A (ko) * 2014-06-17 2015-12-28 인천광역시(인천광역시경제자유구역청장) 유비쿼터스 시티 기반의 다수개의 감시 카메라를 이용한 이동경로 예측 시스템 및 방법
KR20160032432A (ko) * 2014-09-16 2016-03-24 삼성에스디에스 주식회사 동일 객체 검출 방법 및 장치
KR101995813B1 (ko) * 2018-12-31 2019-07-03 렉스젠(주) 영상 기반의 교통 정보 제공 시스템 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140058192A (ko) * 2012-11-06 2014-05-14 에스케이텔레콤 주식회사 관심객체 이동방향에 따른 관제 영상 재배치 방법 및 장치
US20150104066A1 (en) * 2013-10-10 2015-04-16 Canon Kabushiki Kaisha Method for improving tracking in crowded situations using rival compensation
KR20150144639A (ko) * 2014-06-17 2015-12-28 인천광역시(인천광역시경제자유구역청장) 유비쿼터스 시티 기반의 다수개의 감시 카메라를 이용한 이동경로 예측 시스템 및 방법
KR20160032432A (ko) * 2014-09-16 2016-03-24 삼성에스디에스 주식회사 동일 객체 검출 방법 및 장치
KR101995813B1 (ko) * 2018-12-31 2019-07-03 렉스젠(주) 영상 기반의 교통 정보 제공 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
US11982540B2 (en) Infrastructure mapping and layered output
US11914041B2 (en) Detection device and detection system
KR102327185B1 (ko) 정밀도로지도 갱신을 위한 객체 변화 탐지 시스템 및 그 방법
JP6984379B2 (ja) 道路構造データ生成装置
US7804980B2 (en) Environment recognition device
KR20200130279A (ko) 항법 정보를 익명화 하는 시스템 및 방법
JP5435306B2 (ja) 画像処理システム及び位置測位システム
EP3806062A1 (en) Detection device and detection system
CN106462727A (zh) 用于车道尽头识别的系统和方法
US11703335B2 (en) Coordinating and learning maps dynamically
US10832569B2 (en) Vehicle detection systems
CN112598899A (zh) 一种数据处理方法和装置
CN111247574A (zh) 信息生成装置
KR102415620B1 (ko) 보행자 판단 시스템을 포함하는 가변형 차량 속도 경고 시스템
JP2019207655A (ja) 検知装置及び検知システム
KR102421705B1 (ko) 객체 재식별을 위한 정보 분석 시스템 및 그에 관한 방법
CN112537302B (zh) 一种无人驾驶交通载具车道保持方法、装置及交通载具
CN112537301B (zh) 智能驾驶交通载具的行车参照物选择方法、装置
WO2022255190A1 (ja) 歩行者装置およびその測位方法
KR102317311B1 (ko) 영상을 이용한 정보 분석 시스템 및 그에 관한 방법
TW202115616A (zh) 應用路側特徵辨識之圖資定位系統及方法
JP7491260B2 (ja) 人検出装置、人検出方法及び人検出用コンピュータプログラム
KR102510896B1 (ko) 영상 분석 기반의 신호 제어 시스템
KR102612353B1 (ko) 영상 분석 시스템 및 그에 관한 방법
KR102340902B1 (ko) 스쿨존을 모니터링하는 장치 및 방법

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant