KR102450169B1 - 인공지능형 교통 제어시스템 - Google Patents

Abstract

본 발명은 인공지능형 교통 제어시스템에 관한 것으로, 횡단보도에 신호등을 제어하는 교통 신호 제어기, 횡단보도에 접근하는 차량을 촬영하는 다수의 카메라부; 표출정보를 표시하는 전광판,
상기 횡단보도에 대응되는 신호등을 제어하는 교통 신호 제어기로부터 신호등 제어 신호를 수신하여, 현재 교통신호를 식별하고, 상기 카메라부를 통해 수신된 영상신호에 대하여 영상신호가 식별 가능한 신호인지를 판단하며, 영상 분석을 통해 하나 이상의 차량과 각각 대응되는 하나 이상의 객체(차량)를 식별하며, 상기 현재 교통 신호가 상기 횡단보도의 보행 가능 신호인지를 판별하고, 식별이 불가능한 영상신호이면 경고 표시를 하고, 식별이 가능한 경우에는 그 신호에 따라 각각 다른 표출정보를 표시하도록 제어하는 제어부를 갖는 제어 모듈 ,및
상기 제어 모듈로부터 상기 표출정보를 수신 시 상기 전광판을 통해 상기 표출정보를 표시하는 전광판 제어부; 를 포함한다.

Description

인공지능형 교통 제어시스템{Crosswalk Control System Employing AI}

본 발명은 횡단보도 근처에서의 차량 관리를 위한 교통 제어 시스템에 관한 것으로서, 더욱 상세하게는 횡단보도 주변에 있는 영상장치에 의해 촬영된 영상신호를 이용하여 교통 위반 차량에 대한 안전 정보를 전광판을 통해 제공함으로써 교통사고를 사전에 방지하고, 또한 전방 촬영이 불가능한 우천 시나 안개가 자욱한 날씨에도 효과적인 대응으로 교통사고를 사전에 방지할 수 있도록 한 횡단보도에서의 인공지능형 교통 제어시스템에 관한 것이다.

최근 횡단보도 주변에서 규정 속도 미준수 또는 정지선 미준수로 인한 교통사고가 빈번하고, 정지선 미준수 및 꼬리물기로 인한 교통 혼잡이 증가하고 있다.

기존 교통 통제 시스템은 운전자가 차량 내의 디스플레이를 통해 표시되는 속도표시를 보고 운전을 하고, 운전자 자신의 차량 속도가 횡단보도 근처에서 어느 정도로 운행을 해야 하는 지를 쉽게 인지하지 못하였고, 따라서 이러한 전광판을 통한 경고에도 이것을 무시하여 운행하는 경우가 빈번히 발생하였다.

또한, 아침 저녁이나 특히 날씨의 변화에 의해 도로 전방 시각이 매우 불투명하여 사실상 단순히 전광판의 경고 표시만으로는 효과적으로 대응하기가 힘든 경우가 많았다.

이러한 문제점을 해결하기 위해 여러 가지 시도가 있었다.

그 예인 종래의 기술의 하나를 예시하면,

보행자의 이동 방향으로 횡단보도의 가장자리에 서로 마주 보도록 위치하여 보행자 및 차량의 움직임을 감시하는 제 1 감시 구조물과 제 2 감시 구조물로 구성된 스쿨존 내의 횡단보도 감시 시스템에 있어서, 상기 보행자 및 차량에 대한 영상을 획득하는 광각렌즈를 구비한 카메라부와, 상기 영상에서 보행자 또는 차량의 윤곽선을 파악하여 보행자 또는 차량의 움직임을 감지하고, 상기 횡단보도와 이격되어 있는 차량 정지선 사이에 설정된 제 1 감시영역을 상기 차량이 침범 또는 통과하는지를 판단하는 영역감시부와, 상기 영상을 저장하는 DVR(Digital Video Recoder)과, 신호등과 연계되어 정지신호 및 출발신호를 제공하는 신호 판별부와, 광원, 경고메시지 또는 경고음 중 적어도 하나를 출력하는 알림 수단과, 상기 신호 판별부의 정지신호 제공 중에 상기 영역감시부의 판단을 근거로 차량이 제 1 감시영역을 침범하는 경우 상기 알림수단을 통해 경고신호를 출력하고, 영상을 상기 DVR에 선별 기록하는 제어부를 포함하는 제 1 감시 구조물과, 광각이나 분할 렌즈를 구비한 카메라를 포함하여 줌잉(Zooming) 기능을 통해 상기 보행자 또는 차량에 대한 확대 이미지를 촬영하는 제 2 감시 구조물로 구성되며, 상기 제 1 감시 구조물과 제 2 감시 구조물은 각각 무선통신수단을 포함하여, 상기 제어부는 상기 무선통신수단을 근거로 상기 제 1 감시영역을 통과한 차량에 대하여 상기 제 2 감시구조물이 확대 이미지를 촬영하도록 제어하며, 촬영된 이미지를 상기 무선통신수단을 통해 수신하고 상기 영상과 매칭하여 상기 DVR에 저장하는 것을 특징으로 한다.

이러한 종래기술은 단순 경계 영역의 침범을 경고하는 수준에 지나지 않았고 다양한 차량이 진입할 시에 각 운행자가 그것에 해당된다는 사실을 인식하지 못하였다.

또한 도로 전방 시각이 매우 불투명한 우천 시나 안개가 낀 날씨에는 종래의 기술은 단순 별도 속도 제한이라는 경고 외에 다른 방도가 없었다.

출원번호(일자) :출원번호 10-2009-0045842(2009년 05월 26일)

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 본 발명은 정지선 및 규정 속도를 준수하지 않는 차량을 특정하여 표시정보를 제공할 수 있도록 하여 교통사고 및 교통 혼잡을 미연에 방지할 수 있을 뿐만 아니라 전방 촬영이 불가능한 나쁜 날씨의 경우에 원거리로부터 달려오는 차량의 충돌사고 등을 방지할 수 있는데 그 목적이 있다.

상기와 같은 기술적인 문제점을 해결하기 위하여, 본 발명의 일 실시예에 따른 인공지능형 교통 제어시스템은,

횡단보도에 신호등을 제어하는 교통 신호 제어기;

상기 횡단보도에 접근하는 다수의 차량을 촬영하는 다수의 카메라를 구비한 카메라부;

경고 표출정보를 표시하는 전광판;

상기 횡단보도에 대응되는 신호등을 제어하는 교통 신호 제어기로부터 신호등 제어신호를 수신하여, 현재 교통 신호가 횡단보도의 보행가능신호인지를 식별하고, 상기 카메라부를 통해 수신된 영상에 대한 영상 분석을 통해, 식별 가능한 신호인지를 판단하고, 식별 가능한 신호일 경우, 하나 이상의 차량과 각각 대응되는 하나 이상의 차량 식별하며, 식별된 차량 신호에 따라 각각 다른 경고 표출정보를 표시하도록 제어하는 제어부를 갖는 제어 모듈 ;및

상기 제어 모듈로부터 상기 경고 표출정보를 수신시 상기 전광판을 통해 상기 경고 표출정보를 표시하도록 제어하는 전광판 제어부; 를 포함하고,

상기 제어 모듈은,

신호등 제어신호를 수신하는 단계;

상기 신호등 제어신호를 수신한 후 보행 가능 신호인지를 판단하는 단계;

상기 보행가능 신호인지를 판단하고 상기 카메라로부터 제공된 영상신호가 식별 가능한지를 먼저 판단하는 단계;

상기 영상신호 식별가능 판단하는 단계를 수행한 후 식별 가능하지 않은 영상신호임이 확인되면 상기 전광판을 통해 다가오는 객체(차량)에 대해 경고표시를 하는 단계;

만약 식별가능 한 영상신호임이 확인되면 정지선을 침범하는 객체를 검출하고 그 객체(차량)의 정보를 표시하는 표출정보를 생성하고, 만약 상기 보행 가능 신호인지를 판단하는 단계에서 보행신호가 아님이 확인되면 횡단보도를 향해 달려오는 객체에 대해 속도 측정한 후에 미리 설정된 규정속도 이상인 경우 속도를 표시함과 동시에 정지선 침범 주의를 위한 표출정보를 생성시키는 단계; 를 수행하는 것을 특징으로 한다.

바람직하게는, 상기 제어 모듈을 통해 수행되는 단계에서

복수의 카메라 중 근거리를 촬영하는 카메라를 통하여 전달된 영상신호를 수집하는 단계;

신호등 제어 신호 수신하는 단계;

상기 신호등 수신하는 단계를 수행한 후 객체(차량) 식별 가능한지를 판단하는 단계;

상기 객체(차량) 식별 가능한지를 판단하는 단계에서 식별 불가능하면 단순 경고정보 표시를 하고, 객체(차량)가 식별 가능하다고 판단되면 객체(차량)의 움직임을 판단하는 단계;

상기 객체(차량)의 움직임이 있다고 판단되면 상기 객체(차량)에 대해 정지선 침범 여부를 검출하고 그 객체(차량) 차량의 정보를 인식하여, 그에 대응하는 표출정보를 생성하는 단계;를 포함할 수 있다.

본 발명에 의한 인공지능형 제어시스템은, 교통신호 제어기로부터 제공된 신호등 제어 신호를 기초로 하여 영상신호의 식별 가능여부를 판단한 후에 그 판단 결과에 따라 각각 적절한 경고 표출정보를 표시함으로써, 우천 시나 아침 안개가 많이 낀 날씨에도 효과적으로 대응하여 교통사고 방지에 도움이 된다.

도 1은 본 발명에 의한 인공지능형 교통 제어시스템의 구성도.
도 2는 본 발명에 의한 인공지능형 교통 제어시스템의 블록도.
도 3은 본 발명에 의한 인공지능형 교통 제어시스템에서 제어 모듈에 의해 수행되는 안전 정보를 제공하기 위한 순서도.
도 4는 본 발명에 의한 인공지능형 교통 제어시스템에서 근거리 촬영 카메라로부터 받을 영상신호를 중심으로 움직임을 관찰하여 안전 정보를 제공하기 위한 순서도.
도 5a 내지 도 5c는 본 발명에 의한 인공지능형 교통 제어시스템의 일실시예에서 안전 정보가 전광판에 표시된 일 예를 나타낸 도면.
도 6는 본 발명에 의한 인공지능형 교통 제어시스템에서 제어모듈에 의해 수행되는 객체(차량)에 대한 통행 패턴 및 유형을 판별하기 위한 솔루션 데이터의 포맷를 설정하는 과정을 나타낸 순서도.
도 7은 본 발명에 의한 인공지능형 교통 제어시스템에서 카메라로부터 촬영된 영상신호를 수집하여 제어 모듈 내에 저장된 인공지능 솔루션 데이터와, 현재 다가오는 차량의 해당 영상자료를 비교하여 통행 패턴 및 유형을 판단하고 그에 대응한 안전 정보를 생성하는 과정에 대한 순서도.
도 8는 본 발명의 일실시예에 따른 인공지능형 교통 제어시스템에서 접근 차량에 대하여 구현되는 실제적 상황의 일 예를 나타낸 도면.

도 1은 본 발명에 의한 인공지능형 교통 제어시스템이 실제 구현된 구성도이다.

도 1에 도시된 바와 같이, 횡단보도에 설치된 가로대에 있는 전광판(10)과 그 옆에 위치한 복수 개의 카메라(11a),(11b)와 신호등(12)이 도시되어 있다.

본 발명의 일 실시예에 의하면 카메라가 복수로 설치될 수 있는데 하나(11a)는 약간 원거리 촬영에 이용되고, 다른 하나(11b)는 근거리 촬영 즉 정지선과 관련하여 이용될 수 있다. 물론 하나의 카메라가 원거리 또는 근거리를 모두 촬영할 수 있고, 시간의 흐름에 따라 다양한 형태의 패턴에 순간적으로 대응할 수 있도록 촬영 모드 전환이 가능하도록 된 것이다.

도 2는 본 발명에 의한 인공지능형 교통 제어시스템의 블록도이다.

도시된 바와 같이, 카메라(21a, 21b)는 횡단보도로 다가오는 차량을 촬영하거나 또는 정지 상태에 있는 차량을 근접 촬영하고, 속도를 측정하여 기존 규정 속도 이상일 경우 속도를 표시하고, 또한 정지선을 침범하는 영상신호를 제어 모듈로 보내도록 연결되어 있다. 교통신호 제어기(23)는 신호등 제어신호를 제어모듈(200)로 신호를 보내고, 제어 모듈(200) 내의 제어부(24)는 미리 저장된 영상 판별 솔루션용으로써 각종 영상 데이터가 저장된 데이터 저장부(D/B,26)와 데이터를 주고받도록 연결되어 있다. 또한 제어부(24)는 교통 제어신호를 내보낸다.

제어부(24)로부터 출력된 제어 신호는 전광판 제어부(27)와 교통 신호등(22)으로 입력된다. 또한 전광판 제어부(27)는 표출정보를 표시하도록 전광판(20)으로 정보신호를 제공한다.

도 3은 본 발명에 의한 인공지능형 교통 제어시스템에서의 일실시예로써, 제어 모듈에 의해 수행되는 안전 정보를 제공하기 위한 순서도이다.

도 3을 참조하면, 먼저 교통신호 제어기(23)로부터 신호등 제어 신호를 수신하는 단계(S310)가 수행된다. 이후 신호등이 보행가능 신호인지를 판별하는 단계(S311)가 수행되는데, 여기에서 만약 보행 가능신호일 경우 즉 보행자 신호로 판별되는 경우 도 1의 카메라로부터 입력된 영상신호에서 영상신호가 객체(차량) 식별 가능 신호인지를 판단하는 단계(S312)가 수행되는데 이는 미리 설정된 영상데이터를 기준으로 비교하여 결론이 얻어진다. 예를 들면 촬영 영상 전체가 동일하게 뿌연 영상으로 파악되면(대상물 예상 지역과 그 주변지역이 동일하게 흐린 뿌연 영상) 식별 불가하다고 판단될 수 있을 것이다. 또 여기에서 구별되는 영상이 아니라고 판단되면 사실상 차량 영상신호로 구별할 수조차 없는 상황인 우천 또는 심한 안개 상황이라고 판단하고, 단순히 다가오는 차량에 대한 경고와 알람을 수행하는 단계가 수행된다(S330). 그리고 아울러서, 이렇게 경고 표시를 하는 경우에는, 상기 전광판을 통해 다가오는 객체(차량)에 대해 다수의 상이한 횡단보도 설치장소 유형별로의 대응하는 설정 색상 또는 밝기, 점멸속도로 표시한다. 그리고, 식별 가능하지 않은 영상신호가 설정 임계 식별 가능하지 않은 신호보다 미만인 경우에는 상기 전광판을 통해 횡단보도 설치장소 유형별로의 대응하는 설정 색상으로 지속적으로 표시하고, 이상인 경우에는 표시하지 않는다. 만약 영상신호가 식별 가능한 것이라면(대상물 범위 영상과 그 주변 영상이 다른 영상) 정지선 침범 객체(차량) 검출 단계(S313)가 수행된다. 이어 정지서 침범 객체(차량)에 대한 스틸 이미지 추출해서 차량번호를 인식하는 단계(S314)가 수행되고 뒤이어 이러한 인식을 바탕으로 제 1 표출정보를 생성하는 단계(S315)를 수행한다. 이에 더하여, 이렇게 식별가능 한 보행가능 신호와 영상신호임이 확인되어 정지선을 침범하는 객체(차량)를 검출할 경우에는, 상기 전광판을 통해 횡단보도 설치장소 유형별로의 설정 색상과 점멸속도로 발광한다. 그리고, 또한 보행가능 신호가 아님이 확인되면 횡단보도를 향해 달려오는 객체(차량)에 대해 속도 측정을 한 후에 미리 설정된 규정속도 이상인 경우 상기 전광판을 통해 횡단보도 설치장소 유형별로의 설정 색상과 점멸속도로 표출정보를 생성시킨다. 추가적으로, 식별가능 한 영상신호 내에 설정 위험 객체가 확인되면 횡단보도 설치장소 유형별로의 설정 색상으로 표출정보를 생성시키고, 확인되지 않으면 생성시키지 않고, 횡단보도 설치장소 유형이 우범영역인 경우에는 관리자 설정정보에 따라 맞춤형으로 설정 색상으로 표출정보를 생성시키고, 확인되지 않으면 생성시키지 않는다.

한편, 상술한 단계(S311)에서 보행 가능 신호가 아니라고 판명되면, 영상신호 식별 가능한지를 판단하는 단계(S316)를 수행한다. 이어서 객체(차량)의 속도 측정을 수행하는 단계(S317)를 수행한다. 이 속도 측정 수행 단계는 카메라에 부착된 속도 측정기를 이용할 수도 있고 기타 다른 솔루션을 이용하여 측정할 수도 있다. 차량의 속도를 측정하는 단계(S317)를 수행한 후 미리 설정된 규정속도와 비교하는 단계(S318)를 수행한다. 이 단계(S318)에서 규정속도 이상인 차량이 존재하는 경우 객체(차량)인 차량의 번호 인식하는 단계(S319)가 수행된다. 이어서 후술되는 도 5b에 도시된 바와 같이 제 2 표출정보인 차량번호 표시와 현재 속도를 표시하고 동시에 규정 속도가 표시된다. 이어, 전술한 단계(S315)에서의 제 1 표출정보 생성단계에서와 같이 전광판(20)에 안전정보가 표시되도록 전광판 제어부(27)로 신호를 전송하는 단계(S321)가 수행된다.

도 4는 본 발명에 의한 인공지능형 교통 제어시스템에서 근거리 촬영 카메라로부터 받은 영상신호를 중심으로 움직임을 관찰하여 경고정보를 제공하기 위한 순서도이다. 이 근거리 촬영 카메라는 복수 개의 카메라 중에 선택될 수 있고, 반드시 하나로 고정될 필요는 없다.

도 4를 참조하여 설명하면, 먼저 신호등 제어신호 수신하는 단계(S410)를 수행한다. 도 4는 전술한 도 3에서 수행 중인 원거리에서 다가오는 차량의 속도를 판단하는 것과 별도로 동시에 근거리 카메라에서 촬영된 영상신호를 통해서 별도로 진행될 수 있음을 알아야 한다. 이것은 계속 많은 차량이 횡단보도를 향하여 다가오고 있고, 일부 차량은 정지선 근방에 위치하거나 근접한 상태에서 이러한 차량의 움직임을 관찰할 필요가 있기 때문이다. 또한 이것은 전광판의 구획을 나누어서 별도 표시를 하거나 별도로 구비된 전광판을 통해 표시할 수 있음은 물론이다.

먼저, 신호등 제어신호가 수신되면, 객체(차량)식별 가능신호인지를 판단한다(S411). 만약 객체(차량) 식별가능 영상신호임이 확인되면 객체(차량)의 움직임이 있는지를 판단하는 단계를 수행한다(S421). 객체(차량)의 움직임이 있다고 판단되면. 다음 단계인 정지선 침범 객체(차량) 검출단계(S413)를 수행하고, 여기에서 움직임이 없다고 판단되는 경우 전술한 단계(S411)를 수행하도록 복귀된다. 전술한 정지선 침범 객체(차량) 검출단계(S413)를 수행한 이후 다음 단계는 정지선 객체(차량)에 대한 스틸 이미지 추출을 수행하고 차량번호 인식하는 단계(S414)를 수행한다. 이어서 전광판(20)에 표시되는 제 1 표출정보를 생성하는 단계(S415)를 수행하고, 이어서 상술한 제 1 표출정보가 전광판에 표시되도록 전광판 제어부로 신호를 전송하는 단계(S416)를 수행한다.

한편, 상술한 단계(S411)에서 강한 우천 시나 안개가 낀 날씨의 경우 객체(차량)식별가능이 힘든 영상신호일 경우 바로 다가오는 차량들이 인식할 수 있는 경고정보 표시하는 단계(S420)를 수행하는데 통상적으로 원거리에 있는 차량이 더 잘 감지할 수 있도록, 전광판에 LED를 통하여 깜박거림과 동시에 큰 글씨로 "충돌주의" 라는 경고정보를 표시하고 바람직하게는 경고음을 동시에 알려주기도 한다.

도 5a내지 도 5c는 본 발명에 의한 인공지능형 교통 제어시스템의 일실시예에서 안전정보가 전광판에 표시된 일 예를 나타낸 도면이다.

도 5a는 전술한 도 3에서 보행가능 신호인지를 판단하는 단계(S311)에서 "예"일 경우 표시되는 제 1 표출정보 표시인 경우이다. 동시에 도 4의 경우에 있어서 근거리 촬영 카메라부에서 제공된 신호가 독자적으로 수행되는 정지선 근처의 객체(차량)가 움직임이 있을 경우의 안정정보인 제 1 표출정보 표시의 경우이기도 하다.

도 5b는 도 3에서의 보행가능신호 판단하는 단계(S316)에서 "아니오"인 경우에 횡단보도에 다가오는 차량의 속도와 번호를 표시하는 안전정보인 제 2 표출정보 표시의 경우이다.

도 5a 또는 도 5b에서의 표출 문장은 발명자의 의도에 따라 적절히 디자인될 수 있음은 물론이다.

도 5c는 본 발명에 의한 인공지능형 교통 제어시스템의 제어모듈에서 단계 (S411)에서 "아니오" 일 경우로 날씨로 인하여 카메라부에서 촬영된 영상신호가 객체(차량) 확인 불가능한 상태에서의 안전정보 표시의 경우이다. 도시된 바와 같이 전광판에는 시각적으로 멀리서도 파악 가능하게 LED 표시등이 구성되고, 전광판 주의의 LED의 깜박거림을 통하여 원거리에서도 운전자가 식별할 수 있도록 강조되고, 동시에 음성출력 스피커도 장착될 수도 있다.

한편 본 발명의 일 실시예를 완벽하게 이해하기 위해서는 그 기본적 바탕이 되는 영상신호 중 다양한 형태의 객체를 추출하는 것과 많은 학습을 통해 판단 데이터를 구축하는 것에 대한 설명이 필요하다.

도 6는 본 발명에 의한 인공지능형 교통 제어시스템에서 제어 모듈에 의해 수행되는 객체(차량)에 대한 통행 패턴 및 유형을 판별하기 위한 솔루션 데이터의 포맷을 설정하는 과정을 나타낸 순서도이다.

도 6의 내용은 데이터 추출과 관련한 분야에 이미 통용되는 기술임을 유의할 필요가 있다. 다만 본 실시예에 이러한 기술들을 이용함으로써 더 효과적으로 본 실시예를 구현할 수 있었다.

또한 도 6은 상술한 제어부가 수행하는 데에 있어서 객체에 대한 통행 패턴 및 유형을 판별하기 위한 데이터(솔루션 데이터)를 만드는 과정으로써, 이런 기술로 만들어진 다양한 기본 데이터가 D/B에 저장되고, 딥러닝 기법의 인공지능에 의해 저장된 다양한 영상자료와 카메라로부터 입력되는 영상신호를 비교판단하여 추후 수행하게 된다. 아래는 이러한 데이터 포맷을 하는 과정이 설명된다.

먼저 횡단 보도 영역 상의 영상신호를 입력 받은 경우 감시 영상신호를 누적해서 일치하는 배경 파트로 생성시킨다(P621). 생성된 배경파트의 화소와 나머지 영역의 화소를 비교하여 두 화소 간의 차이값(예; 휘도 또는 계조)이 기 설정된 차이값보다 초과하는 화소 산출하는 과정이 수행된다( P622), 이어서 이러한 화소에 대한 차이값을 임계치와 비교하여, 비교 결과 임계치 이상인 화소 영역을 모아서 비로소 전경 파트로 확정하여 획득하는 과정이 수행된다(P633). 이어서 전경파트의 노이즈를 모폴리지(Morphology) 필터를 통해 삭제하는 과정이 수행된다(P634). 노이즈가 제거된 전경 파트에서 관리자가 감시를 원하는 다수의 상이한 객체(차량) 별로 부분 윤곽을 추출하는 과정(여기서 부분 윤곽은 객체(차량)별 각각의 특징을 나타내는 윤곽을 일컫음)이 수행된다(P635), 추출된 객체(차량) 부분 윤곽을 일정 영역과 결합하여 객체(차량)의 서브 바디를 만드는 과정이 수행된다(P636). 이어서 객체(차량)의 서브 바디로부터 객체(차량)의 전체 크기와 위치를 추정하고 이를 위해 객체(차량) 별로 각각 상이한 서브 바디에서 전체 객체(차량)의 크기와 위치를 추정하도록 미리 정함으로써 객체(차량) 별로 전체 크기와 위치를 구하는 설정 포맷 등록하는 과정이 수행된다(P637). 마지막으로 이러한 객체(차량)로 자세와 모션, 움직임 정보 등과 MOT(Multi Object Tracking)에 의한 객체(차량)의 움직임 좌표 분포정보를 확인한 후 통행패턴 및 유형을 찾는 과정이 수행된다(P638).

이러한 과정을 통하여 상술한 제어모듈은 객체(차량)를 정확히 추출하여 그에 맞는 제어신호를 출력한다.

위에 설명이 되었지만, 제공되는 영상신호와 비교하는 바탕이 되는 위의 포맷을 구성하기 위해서 보다 쉽게 설명하면 다음과 같다.

a) 먼저 영상신호로부터 다수의 상이한 차량과 보행자(또는, 유형)별로의 통행패턴 유형마다 자세와 모션, 움직임 정보 등을 분류한다.

그리고 또한, 실제 상황을 반영하도록, 각각의 유형별로 횡단보도 상 또는, 주변에서 활동영역을 특정해서, 활동영역에 해당하는 화면에서 MOT(Multi Object Tracking)에 의한 객체(차량과 보행자)의 움직임 좌표 분포 정보를 위의 통행패턴 및 유형별로 분류한다.

그래서, 위의 통행패턴 및 유형별로 각기 자세와 모션, 움직임 정보 등과 이러한 움직임 좌표 분포를 조합, 학습함으로써, 위의 특정 통행패턴을 도출하는 포맷이 정의된다..

b) 다음으로 각각의 통행패턴 유형별로의 자세와 모션, 움직임 정보 등에 대한 데이터셋과, 또한 MOT에 의한 객체(차량)의 움직임 좌표 분포 정보에 대한 데이터 셋을 각기 추출한다.

그리고 나서, 이러한 데이터셋에서 각각의 통행패턴 유형별로 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 객체(차량)의 움직임 좌표 분포 정보를 검출함으로써, 각각의 정보에 대한 속성을 결정한다.

c) 그래서, 이러한 결정한 정보를 정규화해서, 상이한 통행패턴 유형별로 각기 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 객체(차량)의 움직임 좌표 분포 정보를 구한다.

그래서, 이를 통해 통행패턴 유형별로 각각의 특징을 나타내는 통행패턴을 산출하기 위한 독립변수(통행패턴 유형별로의 특징을 나타내는 통행패턴) 및 종속변수(자세와 모션, 움직임 정보 등과 MOT에 의한 객체의 움직임 좌표 분포 정보)를 설정한다.

d) 따라서, 이를 통해 이러한 설정 정보로 학습 및 훈련 데이터를 구성하여 위의 포맷을 만든다.

한편, 다른 예로서 아래의 구성을 더 포함하기도 한다.

구체적으로는, 상기 제어 모듈은 아래의 동작을 수행한다.

먼저, 전술한 영상 신호를 수집한 경우, 객체를 추출할 경우마다 교통약자의 객체 부분을 추출한다.

그리고, 추출된 교통약자의 객체에 관한 자세와 모션 움직임을 포함하여 교통약자의 객체에 관한 통행패턴 및 이에 따른 유형을 확인한다.

다음, 상기 확인된 통행패턴 및 유형과, 제 2 포맷에 따른 특정 통행패턴 및 유형을 비교하고, 어떠한 통행패턴 및 유형에 속하는지 파악한다.

그래서, 상기 해당 통행패턴 및 유형에 대응한 정보를 상기 전광판을 통해 각기 대응하는 색상과 밝기, 발광시간으로 상이하게 제공한다.

이를 위해, 상기 제 2 포맷은 아래와 같다.

a) 먼저, 영상신호로부터 다수의 상이한 교통약자(또는, 유형)별로의 통행패턴 및 유형마다 자세와 모션, 움직임 정보를 분류한다.

그리고 또한, 실제 상황을 반영하도록, 각각의 유형별로 횡단보도 상 또는, 주변에서 활동영역을 특정해서, 활동영역에 해당하는 화면에서 MOT에 의한 교통약자의 움직임 좌표 분포 정보를 위의 통행패턴 및 유형별로 분류한다.

그래서, 각각의 통행패턴 및 유형별로 각각 자세와 모션, 움직임 정보, 움직임 좌표 분포를 조합, 학습함으로써, 특정 통행패턴이 도출되는 포맷이 정의된다.

b) 다음, 상기 각각의 통행패턴 및 유형별로의 자세와 모션, 움직임 정보에 대한 데이터셋과, 또한 상기 MOT에 의한 교통약자의 움직임 좌표 분포 정보에 대한 데이터 셋이 각각 추출된다.

그래서, 상기 각각의 데이터셋에서 각각의 통행패턴 및 유형별로 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 교통약자의 움직임 좌표 분포 정보를 검출함으로써, 각각의 정보에 대한 속성이 결정된다.

c) 상기 속성이 결정된 정보를 정규화해서, 상이한 통행패턴 유형별로 각각 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 객체(보행자와 차량)의 움직임 좌표 분포 정보를 구한다.

그래서, 상기 각각의 통행패턴 유형별로 각각의 특징을 나타내는 통행패턴을 산출하기 위한 독립변수(통행패턴 유형별로의 특징을 나타내는 특정 통행패턴) 및 종속변수(자세와 모션, 움직임 정보 등과 MOT에 의한 객체의 움직임 좌표 분포 정보)를 설정한다.

d) 그래서, 상기 설정된 자세와 모션, 움직임 정보 및 객체의 움직임 좌표 분포 정보로 학습 및 훈련 데이터를 구성한다.

한편으로는 또 다른 예로서, 아래와 같다.

이를 위해, 상기 제어 모듈은 아래의 동작을 수행한다.

먼저, 횡단보도 설치장소 유형이 우범영역인 경우에 있어서, 관리자 설정정보에 따라 맞춤형으로 상기 전광판을 통하여 표출정보를 생성시킬 경우, 전술한 영상감시장치를 통하여 횡단보도 영역부 감시영상을 수집한다.

그리고, 전술한 감시 영상 내 객체(OBJECT, 보행자와 차량)를 추출한다.

그래서, 객체(보행자와 차량)별로 다수의 상이한 우범영역(또는, 유형)마다의 통행 패턴 및 유형을 분석한다.

이를 통해, 상기 분석된 통행패턴 및 유형과, 제 3 포맷에 따른 특정 통행패턴 및 유형을 비교하고, 어떠한 통행패턴 및 유형에 속하는지 파악한다.

그래서, 상기 해당 통행패턴 및 유형에 대응한 정보를 상기 전광판을 통해 대응하는 색상으로 상이하게 제공한다.

그리고, 이러한 경우에 상기 제 3 포맷은 아래와 같다.

a) 먼저, 영상신호로부터 다수의 상이한 차량과 보행자(또는, 유형)별로의 통행패턴 및 유형마다 자세와 모션, 움직임 정보를 상이한 우범영역마다(또는, 유형) 분류한다.

그리고 또한, 실제 상황을 반영하도록, 각각의 유형별로 횡단보도 상 또는, 주변에서 활동영역을 특정해서, 활동영역에 해당하는 화면에서 MOT에 의한 객체(차량과 보행자)의 움직임 좌표 분포 정보를 위의 통행패턴 및 유형별로 분류한다.

그래서, 각각의 통행패턴 및 유형별로 각각 자세와 모션, 움직임 정보, 움직임 좌표 분포를 조합, 학습함으로써, 특정 통행패턴이 도출되는 포맷이 정의된다.

b) 다음으로 상기 각각의 통행패턴 및 유형별로의 자세와 모션, 움직임 정보에 대한 데이터셋과, 또한 상기 MOT에 의한 객체의 움직임 좌표 분포 정보에 대한 데이터 셋이 각각 추출된다.

그래서, 상기 각각의 데이터셋에서 각각의 통행패턴 및 유형별로 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 객체의 움직임 좌표 분포 정보를 검출함으로써, 각각의 정보에 대한 속성이 결정된다.

c) 그리고, 상기 속성이 결정된 정보를 정규화해서, 상이한 통행패턴 유형별로 각각 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 객체(차량)의 움직임 좌표 분포 정보를 구한다.

그래서 이를 통해, 상기 각각의 통행패턴 유형별로 각각의 특징을 나타내는 통행패턴을 우범영역마다 산출하기 위한 독립변수(통행패턴 유형별로의 특징을 나타내는 특정 통행패턴) 및 종속변수(자세와 모션, 움직임 정보 등과 MOT에 의한 객체의 움직임 좌표 분포 정보)를 설정한다.

d) 따라서, 상기 설정된 자세와 모션, 움직임 정보 및 객체의 움직임 좌표 분포 정보로 학습 및 훈련 데이터를 구성한다.

도 7은 본 발명에 의한 인공지능형 교통 제어시스템에서 카메라로부터 촬영된 영상신호를 수집하여 제어 모듈 내에 저장된 인공지능 솔루션 데이터와, 현재 다가오는 차량의 해당 영상자료를 비교하여 통행 패턴 및 유형을 판단하고 그에 대응한 안전 정보를 생성하는 과정에 대한 순서도이다.

도 7을 참조하여 설명하면 다음과 같다.

여기에서는 주로 원거리 촬영으로부터 횡단보도로 다가오는 객체(차량)에 대하여 파악하고 그에 대응하는 안전 정보(표출정보)를 표시하는 과정에 대하여 중점을 둔 것이다.

또한, 여기서 전술한 설명에서 우천이나 안개 등으로 영상신호로부터 객체(차량)를 판단할 수 없는 상태를 제외한 경우이다.

먼저 횡단보도로 다가오는 객체(차량)가 촬영된 영상신호를 수집하는 과정(P710)이 수행된다. 뒤이어 수집된 영상신호로부터 객체(차량)를 추출하는 과정(P720)이 수행된다. 이것은 전술한 도 6의 과정을 통해 이러한 작업이 진행됨을 알 수 있다. 이어서 추출된 객체(차량)의 자세와 모션, 움직임으로부터 객체(차량)의 통행 패턴과 유형을 확인하는 과정(P730)이 수행된다. 다음으로 확인된 통행패턴 및 유형과 미리 설정된 포맷에 따른 특정 통행 패턴 및 유형을 비교하여 어떠한 통행 패턴 및 유형에 속하는지 판단하는 과정(P740)이 수행된다. 마지막으로 해당 통행 패턴 및 유형에 대응하는 안전 정보를 전광판에 제공하는 과정(P750)이 수행된다.

도 8는 본 발명의 일실시예에 따른 인공지능형 교통 제어시스템에서 다가오는 차량에 대하여 적용되는 실제적 상황을 나타낸 도면이다.

도 8에 도시된 바와 같이. 횡단보도 주변에 차량과 보행자의 통행패턴 및 유형에 따라 전광판(80)에 안전 정보(예: 정지선을 가까이 하는 차량 정보 등)를 제공하는 포맷은, 횡단보도 주변에 차량의 통행패턴 및 유형을 확인하여 특정 통행 패턴 및 유형에 해당하는 경우에 그에 맞게 전광판에 안전 정보를 제공한다. 또한 다가오는 차량이 연속적으로 존재할 때는 필요에 따라 다른 카메라(81b,주로 근거리 촬영 카메라)로부터 제공받은 영상신호를 관찰하여 별도로 정지되어 있는 횡단보도 근처의 차량의 미세한 움직임을 감시하여 표출정보를 나타낼 수 있다.

도시된 바와 같이, 접근하는 특정 차량(차량번호 30가 1004)이 시간적 변화에 따라 정차될 위치를 보여주고 있다. 즉 기준영역을 침범할 수 있다는 예를 도시한 것이다.

추가적으로, 이러한 시스템은 다른 예로서 아래와 같다.

먼저, 이러한 배경을 살펴보면, 기존에는 횡단보도 주변을 살펴볼 경우에, 센서기반으로 보행자의 움직임을 찾는 정도의 수준에 머물러 있어서 실제로 보행자의 위험한 상황을 파악하기가 조금은 쉽지 않을 수 있기도 하다. 또한, 아울러 보행을 할 경우에 횡단보도 앞에서 미리 안전한 상황을 통해 보행하도록 할 수 있기도 할 것이다.

그래서, 이를 위해 정지선 및 규정속도를 준수하지 않는 횡단보도 주변에 차량과 위험한 보행 상황 등을 특정하여 안전정보를 제공할 수 있도록 하여 교통사고 및 교통 혼잡 등을 미연에 방지할 수 있을 뿐만 아니라 전방 촬영이 불가능한 나쁜 날씨의 경우 효과적으로 자동으로 모드 전환을 하여 충돌사고 등을 방지한다.

이를 위해, 아래의 구성을 구비한다.

먼저, 상기 횡단보도의 주변 지면에 설치되어 접근하는 보행자를 감지하는 압전블록모듈과 상기 횡단보도의 주변 지면에 설치되어 상기 신호등과 연동하여 발광하는 안전유도블록모듈을 구비한다.

그리고, 전술한 제어 모듈은 아래의 동작을 수행한다.

즉, 상기 횡단보도에 대응되는 신호등을 제어하는 교통 신호 제어기로부터 신호등 제어신호를 수신하여, 현재 교통 신호가 횡단보도의 보행가능신호인지를 식별한다. 그리고, 또한 상기 카메라부를 통해 수신된 영상에 대한 영상 분석을 통해, 식별 가능한 신호인지를 판단하고, 상기 압전블록모듈을 통해 감지된 신호에 대한 분석을 통해, 보행자위치가능신호인지를 식별한다. 그래서, 이러한 신호가 모두 식별 가능한 신호일 경우, 상기 안전유도블록모듈의 발광 동작을 제어하여 발광하도록 하고, 어느 하나라도 식별 가능한 신호가 아닐 경우에는, 발광하지 않도록 제어한다.

아울러, 상기 제어 모듈은 아래의 구성을 더 구비하기도 한다.

예를 들어, 먼저 신호등 제어신호를 수신한다. 그리고, 상기 신호등 제어신호를 수신한 후 보행가능 신호인지를 판단한다.

그래서, 상기 보행 가능신호인지를 판단하고 상기 카메라부로부터 제공된 영상신호가 식별가능한지를 판단하고, 상기 압전블록모듈로부터 제공된 보행자감지신호가 보행자위치 가능신호인지를 판단한다.

다음, 상기 영상신호 식별가능 판단하는 단계와 상기 보행자감지신호 식별가능 판단하는 단계 수행한 후 식별 가능하지 않은 영상신호와 보행자감지신호임이 확인되도록 한다. 그래서, 확인이 되면 상기 안전유도블록모듈을 통해 다가오는 객체(차량)에 대해 다수의 상이한 횡단보도 설치장소 유형별로의 설정 제 1 색상과 밝기, 점멸속도로 발광을 한다.

그리고, 식별 가능하지 않은 영상신호가 설정 임계 식별 가능하지 않은 신호보다 미만인 경우에는 상기 안전유도블록모듈을 통해 횡단보도 설치장소 유형별로의 설정 제 1 색상으로 지속적으로 발광을 하고, 이상인 경우에는 발광을 하지 않는다.

반면에, 식별가능 한 영상신호와 보행자감지신호임이 확인되면 정지선을 침범하는 객체(차량)를 검출하고 상기 안전유도블록모듈을 통해 횡단보도 설치장소 유형별로의 설정 제 2 색상과 점멸속도로 발광한다. 그리고 또한, 상기 보행가능 신호인지를 판단하는 단계에서 보행신호가 아님이 확인되면 횡단보도를 향해 달려오는 객체(차량)에 대해 속도 측정을 한다. 그리고 이후에 미리 설정된 규정속도 이상인 경우 상기 안전유도블록모듈을 통해 횡단보도 설치장소 유형별로의 설정 제 3 색상과, 점멸속도로 발광시킨다.

이에 더하여, 식별가능 한 영상신호 내에 설정 위험 객체가 확인되면 횡단보도 설치장소 유형별로의 설정 제 1 색상으로 발광을 하고 확인되지 않으면 발광을 하지 않는다. 그리고, 횡단보도 설치장소 유형이 우범영역인 경우에는 관리자 설정정보에 따라 맞춤형으로 설정 제 1 색상으로 발광을 하고 확인되지 않으면 발광을 하지 않는다.

아울러, 상기 제어 모듈은 아래의 동작을 더 수행한다.

예컨대, 먼저 복수의 카메라 중 근거리를 촬영하는 카메라를 통하여 전달된 영상신호를 수집한다.

그리고, 신호등 제어 신호를 수신한다.

그래서, 상기 신호등 수신하는 단계를 수행한 후 객체 식별가능한지를 판단한다.

다음으로 상기 객체 식별가능한지를 판단하는 단계에서 식별 불가능하면 상기 안전유도블록모듈을 통해 횡단보도 설치장소 유형별로의 설정 제 1 색상과 밝기, 점멸속도로 발광한다. 그리고, 객체가 식별 가능하다고 판단되면 객체의 움직임을 판단한다.

그래서, 상기 객체의 움직임이 있다고 판단되면 상기 객체에 대해 정지선 침범 여부를 검출하고 상기 안전유도블록모듈을 통해 횡단보도 설치장소 유형별로의 설정 제 2 색상과 밝기, 점멸속도로 발광한다.

한편, 이러한 점에 더 나아가서 추가적으로 아래의 예를 설명한다.

먼저, 첫 번째 예는 전술한 바와 같은 영상 신호를 수집한 경우, 객체를 추출할 경우마다 교통약자의 객체 부분을 추출한다.

그래서, 추출된 교통약자의 객체에 관한 자세와 모션 움직임을 포함하여 교통약자의 객체에 관한 통행패턴 및 이에 따른 유형을 확인한다.

그리고 상기 확인된 통행패턴 및 유형과, 제 2 포맷에 따른 특정 통행패턴 및 유형을 비교하고, 어떠한 통행패턴 및 유형에 속하는지 파악한다.

그래서, 상기 해당 통행패턴 및 유형에 대응한 정보를 상기 안전유도블록모듈을 통해 대응하는 색상과 밝기, 발광시간으로 상이하게 제공한다.

이러한 경우, 상기 제 2 포맷은 아래와 같다.

a) 즉, 먼저 영상신호로부터 다수의 상이한 교통약자(또는, 유형)별로의 통행패턴 및 유형마다 자세와 모션, 움직임 정보를 분류한다.

그리고 또한, 실제 상황을 반영하도록, 각각의 유형별로 횡단보도 상 또는, 주변에서 활동영역을 특정해서, 활동영역에 해당하는 화면에서 MOT에 의한 교통약자의 움직임 좌표 분포 정보를 위의 통행패턴 및 유형별로 분류한다.

그래서 각각의 통행패턴 및 유형별로 각각 자세와 모션, 움직임 정보, 움직임 좌표 분포를 조합, 학습함으로써, 특정 통행패턴이 도출되는 포맷이 정의된다.

b) 다음, 상기 각각의 통행패턴 및 유형별로의 자세와 모션, 움직임 정보에 대한 데이터셋과, 또한 상기 MOT에 의한 교통약자의 움직임 좌표 분포 정보에 대한 데이터 셋이 각각 추출된다.

그리고, 상기 각각의 데이터셋에서 각각의 통행패턴 및 유형별로 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 교통약자의 움직임 좌표 분포 정보를 검출함으로써, 각각의 정보에 대한 속성이 결정된다.

c) 그래서 상기 속성이 결정된 정보를 정규화해서, 상이한 통행패턴 유형별로 각각 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 객체(보행자와 차량)의 움직임 좌표 분포 정보를 구한다.

그리고 나서, 상기 각각의 통행패턴 유형별로 각각의 특징을 나타내는 통행패턴을 산출하기 위한 독립변수(통행패턴 유형별로의 특징을 나타내는 특정 통행패턴) 및 종속변수(자세와 모션, 움직임 정보 등과 MOT에 의한 객체의 움직임 좌표 분포 정보)를 설정한다.

d) 그래서, 이를 통해 상기 설정된 자세와 모션, 움직임 정보 및 객체의 움직임 좌표 분포 정보로 학습 및 훈련 데이터를 구성하여 만들어진다.

따라서, 이를 통해 이러한 예는 보행 가능 신호 여부에 따라 적절한 안전 정보인 안전유도정보를 생성하여 우천 시나 기타 안개 등의 방해로 인하여 전방 시각이 불투명할 경우에도 횡단보도를 향하여 과속하는 차량과 횡단보도 주변의 보행자 등에 대해서도 적절히 대처한다.

다음, 두 번째 예로는 아래와 같다.

먼저, 두 번째 예는 횡단보도 설치장소 유형이 우범영역인 경우에 있어서, 관리자 설정정보에 따라 맞춤형으로 상기 안전유도블록모듈을 통하여 발광을 할 경우, 전술한 영상감시장치를 통하여 횡단보도 영역부 감시영상을 수집한다.

그리고, 전술한 감시 영상 내 객체(OBJECT, 보행자와 차량)를 추출한다.

다음으로 객체(보행자와 차량)별로 통행 패턴 및 유형을 분석한다.

그래서, 상기 분석된 통행패턴 및 유형과, 제 3 포맷에 따른 특정 통행패턴 및 유형을 비교하고, 어떠한 통행패턴 및 유형에 속하는지 파악한다.

이에 따라, 상기 해당 통행패턴 및 유형에 대응한 정보를 상기 안전유도블록모듈을 통해 대응하는 색상으로 상이하게 제공한다.

그리고, 이를 위해 상기 제 3 포맷은 아래와 같다.

a) 먼저, 전술한 바와 같이, 영상신호로부터 다수의 상이한 차량과 보행자(또는, 유형)별로의 통행패턴 및 유형마다 자세와 모션, 움직임 정보를 분류한다.

그리고 또한, 실제 상황을 반영하도록, 각각의 유형별로 횡단보도 상 또는, 주변에서 활동영역을 특정해서, 활동영역에 해당하는 화면에서 MOT에 의한 객체(차량과 보행자)의 움직임 좌표 분포 정보를 위의 통행패턴 및 유형별로 분류한다.

아울러, 각각의 통행패턴 및 유형별로 각각 자세와 모션, 움직임 정보, 움직임 좌표 분포를 조합, 학습함으로써, 특정 통행패턴이 도출되는 포맷이 정의된다.

b) 그리고 나서, 상기 각각의 통행패턴 및 유형별로의 자세와 모션, 움직임 정보에 대한 데이터셋과, 또한 상기 MOT에 의한 객체(차량)의 움직임 좌표 분포 정보에 대한 데이터 셋이 각각 추출된다.

상기 각각의 데이터셋에서 각각의 통행패턴 및 유형별로 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 객체(차량)의 움직임 좌표 분포 정보를 검출함으로써, 각각의 정보에 대한 속성이 결정된다.

c) 그래서, 상기 속성이 결정된 정보를 정규화해서, 상이한 통행패턴 유형별로 각각 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 객체(차량)의 움직임 좌표 분포 정보를 구한다.

다음에, 상기 각각의 통행패턴 유형별로 각각의 특징을 나타내는 통행패턴을 산출하기 위한 독립변수(통행패턴 유형별로의 특징을 나타내는 특정 통행패턴) 및 종속변수(자세와 모션, 움직임 정보 등과 MOT에 의한 객체의 움직임 좌표 분포 정보)를 설정한다.

d) 그래서, 이를 통해 상기 설정된 자세와 모션, 움직임 정보 및 객체의 움직임 좌표 분포 정보로 학습 및 훈련 데이터를 구성하여 만들어진다.

따라서, 이를 통해 교통신호 제어기로부터 제공된 신호등 제어 신호를 기초로 신호등에 현재 표시된 현재 교통신호가 보행 가능 신호인지를 판단한다. 그리고, 이어서 카메라로부터 제공된 영상신호가 식별 가능한 신호인지를 판단하고 식별이 불가능할 경우 다가오는 객체(차량) 차량에 대한 안전 경고정보를 제공한다.

또한 식별이 가능한 경우에는 보행 가능 신호 여부에 따라 적절한 안전 정보인 안전유도정보를 생성하여 우천 시나 기타 안개 등의 방해로 인하여 전방 시각이 불투명할 경우에도 횡단보도를 향하여 과속하는 차량과 횡단보도 주변의 보행자 등에 대해서도 적절히 대처할 수 있다. 아울러서 특정된 보행자가 보행에 주의하도록 유도하여 직접적으로 통제할 수 있으므로, 이러한 정지선 위반이나 과속 등으로 인한 횡단보도에서의 사고가 우려되는 보행자 등에 대한 직접적인 통제를 통해 교통사고를 효과적으로 사전에 방지할 수 있는 효과가 있다.

이상과 같이 본 발명에 의한 인공지능형 교통 제어시스템을 제공하고자 하는 것을 주요한 기술적 사상으로 하고 있으며, 도면을 참고하여 상술한 실시예는 단지 하나의 실시예에 불과하고, 본 발명의 진정한 권리 범위는 특허 청구범위를 기준으로 하되, 다양하게 존재할 수 있는 균등한 실시예에도 미친다 할 것이다.

10, 20, 80; 전광판 11a, 11b, 21a, 21b. 81a, 81b;카메라
12, 22. 82; 신호등 23; 교통신호 제어기
24; 제어부 25; I/F부
26; D/B 저장부 27; 전광판 제어부
200; 제어모듈

Claims (5)

1. 삭제
2. 삭제
3. 삭제
4. 삭제
5. 인공지능형 교통 제어시스템에 있어서,
   
   횡단보도에 설치된 신호등을 제어하는 교통 신호 제어기;
   
   상기 횡단보도에 접근하는 차량을 촬영하거나 인근의 차량을 촬영하는 다수의 개의 카메라를 구비한 카메라부;
   
   표출정보를 표시하는 전광판;
   
   상기 횡단보도에 대응되는 신호등을 제어하는 교통신호 제어기로부터 신호등 제어신호를 수신하여, 현재 교통신호가 횡단보도의 보행 가능 신호인지를 식별하고, 상기 카메라부를 통해 수신된 영상에 대한 영상 분석을 통해, 식별 가능한 신호인지를 판단하고, 식별 가능한 신호일 경우, 하나 이상의 차량과 각각 대응되는 하나 이상의 차량을 식별하며, 식별된 차량 신호에 따라 각각 다른 표출정보를 표시하도록 제어하는 제어부를 갖는 제어 모듈; 및
   
   상기 제어 모듈로부터 상기 표출정보를 수신 시 상기 전광판으로 정보신호를 출력하는 전광판 제어부; 를 포함하고,
   
   상기 제어모듈에서, 상기 카메라부로부터 전송되는 영상이 식별가능한 신호로 판별되면, 상기 제어모듈은,
   
   촬영된 영상신호를 수집하는 과정(P710);
   객체를 추출하는 과정(P720);
   추출된 상기 객체의 자세와 모션 움직임 등으로 객체의 통행패턴 및 이에 따른 유형을 확인하는 과정(P730);
   상기 확인된 통행 패턴 및 유형과, 포맷에 따른 특정 통행패턴 및 유형을 비교하고, 어떠한 통행패턴 및 유형에 속하는지 파악하는 과정(P740);및
   해당 통행 패턴 및 유형에 대응한 표출정보를 전광판에 제공하는 과정(P750);을 수행하고,
   상기 포맷은,
   a) 영상신호로부터 다수의 상이한 차량과 보행자(또는, 유형)별로의 통행 패턴 및 유형마다 자세와 모션, 움직임 정보를 분류하고,
   그리고 또한, 실제 상황을 반영하도록, 각각의 유형별로 횡단보도 상 또는, 주변에서 활동영역을 특정해서, 활동영역에 해당하는 화면에서 MOT(Multi Object Tracking)에 의한 객체(차량과 보행자)의 움직임 좌표 분포 정보를 위의 통행 패턴 및 유형별로 분류해서,
   각각의 통행 패턴 및 유형별로 각각 자세와 모션, 움직임 정보, 움직임 좌표 분포를 조합, 학습함으로써, 특정 통행패턴이 도출되고 정의되며,
   
   b) 상기 각각의 통행패턴 및 유형별로의 자세와 모션, 움직임 정보에 대한 데이터셋과, 또한 상기 MOT에 의한 객체(차량)의 움직임 좌표 분포 정보에 대한 데이터 셋이 각각 추출되고,
   상기 각각의 데이터셋에서 각각의 통행 패턴 및 유형별로 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 객체(차량)의 움직임 좌표 분포 정보를 검출함으로써, 각각의 정보에 대한 속성이 결정되고,
   
   c) 상기 속성이 결정된 정보를 정규화해서, 상이한 통행 패턴 유형별로 각각 특징을 나타내는 자세와 모션, 움직임 정보 등과 MOT에 의한 객체(차량)의 움직임 좌표 분포 정보를 구한 다음,
   상기 각각의 통행패턴 유형별로 각각의 특징을 나타내는 통행패턴을 산출하기 위한 독립변수(통행패턴 유형별로의 특징을 나타내는 통행패턴) 및 종속변수(자세와 모션, 움직임 정보 등과 MOT에 의한 객체의 움직임 좌표 분포 정보)를 설정함으로써,
   
   d) 상기 설정된 자세와 모션, 움직임 정보 및 객체의 움직임 좌표 분포정보로 학습 및 훈련 데이터를 구성하여 만들어지는 것을 특징으로 하는 인공지능형 교통 제어시스템.
   
   
   

Images