KR102505067B1 - Unmanned traffic enforcement device capable of classifying enforcememnt by vehicle type - Google Patents

Unmanned traffic enforcement device capable of classifying enforcememnt by vehicle type Download PDF

Info

Publication number
KR102505067B1
KR102505067B1 KR1020220182483A KR20220182483A KR102505067B1 KR 102505067 B1 KR102505067 B1 KR 102505067B1 KR 1020220182483 A KR1020220182483 A KR 1020220182483A KR 20220182483 A KR20220182483 A KR 20220182483A KR 102505067 B1 KR102505067 B1 KR 102505067B1
Authority
KR
South Korea
Prior art keywords
vehicle
enforcement
license plate
speed
module
Prior art date
Application number
KR1020220182483A
Other languages
Korean (ko)
Inventor
김성하
박철홍
이선영
Original Assignee
주식회사 아이티코어스
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 주식회사 아이티코어스 filed Critical 주식회사 아이티코어스
Priority to KR1020220182483A priority Critical patent/KR102505067B1/en
Application granted granted Critical
Publication of KR102505067B1 publication Critical patent/KR102505067B1/en

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
    • G08G1/017—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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G01S13/92—Radar or analogous systems specially adapted for specific applications for traffic control for velocity measurement
    • 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
    • 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
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Abstract

An unmanned traffic enforcement device capable of classifying and controlling vehicle types is disclosed. The device comprises: a radar vehicle detection module that detects a vehicle using a radar signal, measures the speed of the detected vehicle, determines whether there is a violation based on the measured speed and signal presentation, and generates a trigger location signal; a license plate recognition camera module that generates images to detect vehicle type and license plate number; a speed/light violation enforcement module that determines whether a given vehicle is speeding or violating a signal by using the trigger position signal generated from the radar vehicle detection module and the image generated from the license plate recognition camera module, and recognizes the vehicle model and license plate number if the vehicle is in violation as a result of the judgment; a speed/light violation enforcement confirmation module that confirms speed/light violation for the vehicle using the vehicle model and license plate number recognized in the speed/light violation enforcement module. According to the above-described configuration, by being configured to determine whether the trigger position signal based on radar vehicle detection and the vehicle boundary box of the camera image overlap, the present invention has the effect of accurately matching and specifying enforcement vehicles. In addition, by capturing a license plate of a vehicle in question and identifying characteristic points in a specific image based on this, a vehicle type is distinguished. Thus, it is possible to accurately identify not only a license plate number but also a vehicle model. Accordingly, the present invention has the effect of accurately cracking down on bus lane violations.

Description

차종별 구분단속이 가능한 무인 교통 단속장치{UNMANNED TRAFFIC ENFORCEMENT DEVICE CAPABLE OF CLASSIFYING ENFORCEMEMNT BY VEHICLE TYPE} Unmanned traffic enforcement device that can enforce classification by vehicle type {UNMANNED TRAFFIC ENFORCEMENT DEVICE CAPABLE OF CLASSIFYING ENFORCEMEMNT BY VEHICLE TYPE}

본 발명은 무인 교통 단속장치에 관한 것으로서, 구체적으로는 차종별 구분단속이 가능한 무인 교통 단속장치에 관한 것이다.The present invention relates to an unmanned traffic enforcement device, and more specifically, to an unmanned traffic enforcement device capable of classifying and enforcing vehicle types.

차량의 속도·신호 위반 단속을 위해 도로 상에 차량 단속용 카메라를 설치하여 영상을 생성하고 차량번호판을 포착하여 인식한다.To enforce vehicle speed and signal violations, a vehicle enforcement camera is installed on the road to create an image and capture and recognize license plates.

그런데, 위반 차량을 영상에서 정확하게 포착하는 것은 쉬운 일이 아니다. 위반 차량의 차량번호판을 정확하게 포착하지 못하여 위반 차량을 특정할 수 없는 경우가 있다. 차량번호판이 다른 차량에 가려져서 번호 인식이 안되는 경우가 많이 발생한다.However, it is not easy to accurately capture the violating vehicle in the video. There are cases in which the offending vehicle cannot be identified because the license plate of the offending vehicle cannot be accurately captured. There are many cases in which license plate number is not recognized because the license plate is covered by another vehicle.

또한, 차량번호판을 포착하더라도 영상 속에서 다른 차량의 차량번호판을 잘못 포착하는 경우도 있다.In addition, even if the license plate of a vehicle is captured, the license plate of another vehicle may be incorrectly captured in the image.

그리고 이륜차의 경우에는 차량번호판이 이륜차의 후면에 부착되기 때문에 차량번호판을 포착하지 못하는 경우도 있다.In the case of a two-wheeled vehicle, the vehicle license plate is attached to the rear of the two-wheeled vehicle, so the vehicle license plate may not be captured.

한편, 차종에 따라서 버스전용차로 위반, 화물차/이륜차 통행위반과 같은 통행 위반을 단속하는 경우가 있는데, 이러한 경우 차종을 인식할 수 있는 수단이 필요한데, 현재의 시스템은 실시간으로 차종을 인식하여 단속하는 방법이 없다.On the other hand, depending on the type of vehicle, there are cases in which traffic violations such as violations of bus-only lanes and traffic violations of trucks/two-wheeled vehicles are enforced. no method.

등록특허공보 10-1378498Registered Patent Publication 10-1378498 공개특허공보 10-1998-0072007Publication of Patent Publication 10-1998-0072007

본 발명의 목적은 차종별 구분단속이 가능한 무인 교통 단속장치를 제공하는 데 있다.An object of the present invention is to provide an unmanned traffic enforcement device capable of classifying enforcement by vehicle type.

상술한 본 발명의 목적에 따른 차종별 구분단속이 가능한 무인 교통 단속장치는, 레이더 신호를 이용하여 차량을 검지하고, 검지된 차량의 속도를 측정하며, 측정된 속도에 기반하여 속도 위반 또는 신호 위반 여부를 판단하여 트리거 위치 신호를 생성하는 레이더 차량 검지 모듈; 차종 및 차량번호의 검출을 위해 영상을 생성하는 차량번호 인식 카메라 모듈; 상기 레이더 차량 검지 모듈에서 생성된 트리거 위치 신호 및 상기 차량번호 인식 카메라 모듈에서 생성된 영상을 이용하여 소정 차량의 위반 여부를 판단하고, 판단 결과 위반 차량인 경우 해당 차량의 차종 및 차량번호를 인식하는 속도·신호 위반 단속 모듈; 상기 속도·신호 위반 단속 모듈에서 인식된 차종 및 차량번호를 이용하여 해당 차량에 대한 속도·신호 위반을 확정하는 속도·신호 위반 단속 확정 모듈을 포함하도록 구성될 수 있다.An unmanned traffic enforcement device capable of classifying enforcement by vehicle type according to the object of the present invention described above detects a vehicle using a radar signal, measures the speed of the detected vehicle, and determines whether a speed violation or signal violation is determined based on the measured speed. A radar vehicle detection module that determines and generates a trigger position signal; Vehicle number recognition camera module for generating an image to detect the vehicle model and vehicle number; Using the trigger position signal generated by the radar vehicle detection module and the image generated by the license plate recognition camera module, determining whether a predetermined vehicle is in violation, and recognizing the model and vehicle number of the vehicle if the vehicle is in violation as a result of the determination speed/signal violation enforcement module; It may be configured to include a speed/signal violation enforcement determination module for determining a speed/signal violation for the vehicle by using the model and license plate number recognized by the speed/signal violation enforcement module.

여기서, 상기 속도·신호 위반 단속 확정 모듈에서 속도·신호 위반이 확정된 차량에 대한 속도·신호 위반 증거 영상을 생성하는 보조 카메라 모듈을 더 포함하도록 구성될 수 있다.Here, the speed/signal violation enforcement determination module may further include an auxiliary camera module for generating a speed/signal violation evidence image for a vehicle whose speed/signal violation is determined.

그리고 상기 레이더 차량 검지 모듈에서 트리거 위치 신호가 생성되는 경우, 야간에 조명광을 조사하는 조명 모듈을 더 포함하도록 구성될 수 있다.And when the trigger position signal is generated by the radar vehicle detection module, it may be configured to further include a lighting module for radiating illumination light at night.

한편, 상기 레이더 차량 검지 모듈은, 레이더 신호를 이용하여 다가오는 차량 및 멀어지는 차량의 속도를 측정하도록 구성될 수 있다.Meanwhile, the radar vehicle detection module may be configured to measure the speed of an oncoming vehicle and a moving vehicle by using a radar signal.

이때, 상기 차량번호 인식 카메라 모듈은, 차종 및 차량번호의 검출을 위해 영상을 생성하는 경우, 상기 다가오는 차량에 대해서는 해당 차량의 전면의 영상을 생성하고, 상기 멀어지는 차량에 대해서는 해당 차량의 후면의 영상을 생성하도록 구성될 수 있다.At this time, when generating an image for detecting a vehicle type and license plate number, the license plate recognition camera module generates an image of the front of the vehicle for the approaching vehicle and an image of the rear of the vehicle for the vehicle moving away. It can be configured to generate.

그리고 상기 속도·신호 위반 단속 모듈은, 상기 차량번호 인식 카메라 모듈에서 생성된 영상에서 CNN 알고리즘을 이용하여 차량을 검출하고, 검출된 차량의 차종을 판단하고, 검출된 차량의 위치에 기반한 차량 경계 박스(bounding box)를 생성하는 1차 차량 검출부; 상기 1차 차량 검출부에서 생성된 차량 경계 박스 내에 상기 레이더 차량 검지 모듈에서 생성된 트리거 위치 신호가 포함되는지 판단하고, 판단 결과 상기 트리거 위치 신호가 포함되는 차량 경계 박스의 차량을 단속 차량으로 매칭하는 단속 차량 매칭부; 상기 단속 차량 매칭부에서 단속 차량으로 매칭된 차량의 차량 경계 박스에서 차량번호판을 검출하여 차량번호판 경계 박스(bounding box)를 생성하는 차량번호판 검출부; 상기 차량번호판 검출부에서 생성된 차량번호판 경계 박스를 중심으로 미리 정해진 크기의 단속고지서용 이미지를 편집하여 생성하는 단속고지서용 이미지 생성부; 상기 단속고지서용 이미지 생성부에서 생성된 단속고지서용 이미지에서 CNN 알고리즘을 이용하여 해당 차량의 차량번호 및 차종을 검출하는 2차 차량 검출부; 상기 1차 차량 검출부에서 생성된 차량 경계 박스 및 상기 단속고지서용 이미지 생성부에서 생성된 차량 경계 박스를 이용하여 IOU(intersection over union)을 산출하는 IOU 산출부를 포함하도록 구성될 수 있다.In addition, the speed/signal violation enforcement module detects a vehicle using a CNN algorithm from the image generated by the license plate recognition camera module, determines the model of the detected vehicle, and detects a vehicle bounding box based on the location of the detected vehicle. a primary vehicle detection unit that generates a bounding box; It is determined whether the trigger position signal generated by the radar vehicle detection module is included in the vehicle demarcation box generated by the primary vehicle detection unit, and as a result of the determination, enforcement matching the vehicle in the vehicle bounding box including the trigger position signal to an enforcement vehicle. vehicle matching unit; a license plate detecting unit for generating a license plate bounding box by detecting a license plate in a vehicle bounding box of a vehicle matched as an enforcement vehicle by the enforcement vehicle matching unit; an image generating unit for generating a regulation notice by editing an image for a regulation notice having a predetermined size around the license plate bounding box generated by the license plate detection unit; A secondary vehicle detection unit for detecting the license plate number and vehicle model of the vehicle by using a CNN algorithm from the image for the enforcement notice generated by the image generation unit for the enforcement notice; It may be configured to include an IOU calculator for calculating an intersection over union (IOU) using the vehicle bounding box generated by the primary vehicle detection unit and the vehicle bounding box generated by the image generator for enforcement notice.

그리고 상기 속도·신호 위반 단속 확정 모듈은, 상기 IOU 산출부에서 산출된 IOU가 소정 기준치 이상인 경우, 상기 2차 차량 검출부에서 차량번호 및 차종의 차량에 대해 위반 단속을 확정하도록 구성될 수 있다.In addition, the speed/signal violation enforcement determination module may be configured to determine violation enforcement for a vehicle of a vehicle number and vehicle type in the secondary vehicle detection unit when the IOU calculated by the IOU calculation unit is equal to or greater than a predetermined reference value.

상술한 차종별 구분단속이 가능한 무인 교통 단속장치에 의하면, 레이더 차량 검지에 의한 트리거 위치 신호와 카메라 영상의 차량 경계 박스의 중첩 여부를 판단하도록 구성됨으로써, 단속 차량을 정확하게 매칭하여 특정할 수 있는 효과가 있다.According to the above-described unmanned traffic enforcement device capable of classifying enforcement by vehicle type, it is configured to determine whether the trigger location signal by radar vehicle detection and the vehicle bounding box of the camera image overlap, so that the effect of accurately matching and specifying the enforcement vehicle there is.

아울러, 해당 단속 차량의 차량번호판을 포착하고 이를 중심으로 좀 더 넓게 특정한 이미지에서 특징점을 파악하여 차종을 구별하도록 구성됨으로써, 차량번호뿐만 아니라 차종까지도 정확하게 파악할 수 있는 효과가 있다. 이로 인해 버스전용차로 위반, 화물차량/이륜차량 통행위반 행위도 정확하게 단속할 수 있는 효과가 있다.In addition, by capturing the license plate of the enforcement vehicle and identifying feature points in a specific image more broadly based on this, it is configured to distinguish the vehicle type, so that not only the vehicle number but also the vehicle type can be accurately identified. This has the effect of accurately cracking down on bus-only lane violations and freight vehicle/two-wheeled vehicle traffic violations.

특히, IOU 산출에 의해 단속 차량의 매칭을 재차 확인하도로 구성됨으로써, 단속 차량 특정의 정확도를 높일 수 있는 효과가 있다.In particular, it is configured to reconfirm the matching of the enforcement vehicle by calculating the IOU, thereby increasing the accuracy of the enforcement vehicle specification.

도 1은 본 발명에 일 실시예에 따른 차종별 구분단속이 가능한 무인 교통 단속장치의 실물 예시도이다.
도 2는 본 발명의 일 실시예에 따른 차종별 구분단속이 가능한 무인 교통 단속장치의 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 차종별 구분단속이 가능한 무인 교통 단속장치의 1차 검출 영상의 예시도이다.
도 4는 본 발명의 일 실시예에 따른 IOU 산출 방식의 모식도이다.
도 5 및 도 6은 본 발명의 일 실시예에 따른 차종별 구분단속이 가능한 무인 교통 단속장치의 2차 검출 영상의 예시도로 도 5는 전면단속시스템이고, 도 6은 후면단속시스템의 도이다.1 is a physical example of an unmanned traffic enforcement device capable of classifying and enforcing vehicle types according to an embodiment of the present invention.
2 is a block diagram of an unmanned traffic enforcement device capable of classifying enforcement by vehicle type according to an embodiment of the present invention.
3 is an exemplary diagram of a primary detection image of an unmanned traffic enforcement device capable of classifying enforcement by vehicle type according to an embodiment of the present invention.
4 is a schematic diagram of an IOU calculation method according to an embodiment of the present invention.
5 and 6 are exemplary views of secondary detection images of an unmanned traffic enforcement device capable of classifying enforcement by vehicle type according to an embodiment of the present invention. FIG. 5 is a front enforcement system, and FIG. 6 is a diagram of a rear enforcement system.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 발명을 실시하기 위한 구체적인 내용에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.Since the present invention can make various changes and have various embodiments, specific embodiments will be illustrated in the drawings and described in detail in specific contents for practicing the invention. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all modifications, equivalents, and substitutes included in the spirit and scope of the present invention. Like reference numerals have been used for like elements throughout the description of each figure.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.Terms such as first, second, A, and B may be used to describe various components, but the components should not be limited by the terms. These terms are only used for the purpose of distinguishing one component from another. For example, a first element may be termed a second element, and similarly, a second element may be termed a first element, without departing from the scope of the present invention. The terms and/or include any combination of a plurality of related recited items or any of a plurality of related recited items.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.It is understood that when an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, but other elements may exist in the middle. It should be. On the other hand, when an element is referred to as “directly connected” or “directly connected” to another element, it should be understood that no other element exists in the middle.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms used in this application are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this application, the terms "include" or "have" are intended to designate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, but one or more other features It should be understood that the presence or addition of numbers, steps, operations, components, parts, or combinations thereof is not precluded.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and unless explicitly defined in the present application, they should not be interpreted in an ideal or excessively formal meaning. don't

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명에 일 실시예에 따른 차종별 구분단속이 가능한 무인 교통 단속장치의 실물 예시도이다.1 is a physical example of an unmanned traffic enforcement device capable of classifying and enforcing vehicle types according to an embodiment of the present invention.

도 1을 참조하면, 차종별 구분단속이 가능한 무인 교통 단속장치(100)는 도로 상의 윗 공간에 레이더 차량 검지 모듈(160), 차량번호 인식 카메라 모듈(110) 등이 구비되어 차량의 과속·신호 위반 여부또는 버스전용차로와 같은 전용차로 위반 등을 단속할 수 있도록 구성될 수 있다.Referring to FIG. 1, the unmanned traffic enforcement device 100 capable of classifying enforcement by vehicle type is equipped with a radar vehicle detection module 160 and a license plate recognition camera module 110 in the upper space on the road to prevent speeding and signal violation of vehicles. It may be configured to crack down on whether or not a violation of a dedicated lane such as a dedicated bus lane exists.

여기서, 차종별 구분단속이 가능한 무인 교통 단속장치(100)는 차량 전면을 검지하여 차량번호를 인식할 수도 있고 차량 후면을 검지하여 차량번호를 인식할 수도 있다.Here, the unmanned traffic enforcement apparatus 100 capable of classifying enforcement by vehicle type may recognize the vehicle number by detecting the front side of the vehicle or recognize the vehicle number by detecting the rear side of the vehicle.

특히, 차량번호판이 차량 후면에 장착되어 있는 이륜차의 경우에는 차량 후면에서 차량번호를 인식하도록 구성될 수 있다.In particular, in the case of a two-wheeled vehicle in which a license plate is mounted on the rear of the vehicle, the license plate may be recognized from the rear of the vehicle.

도 2는 본 발명의 일 실시예에 따른 차종별 구분단속이 가능한 무인 교통 단속장치의 블록 구성도이다. 그리고 도 3은 본 발명의 일 실시예에 따른 차종별 구분단속이 가능한 무인 교통 단속장치의 1차 검출 영상의 예시도이고, 도 4는 본 발명의 일 실시예에 따른 IOU 산출 방식의 모식도이고, 도 5 및 도 6은 본 발명의 일 실시예에 따른 차종별 구분단속이 가능한 무인 교통 단속장치의 2차 검출 영상의 예시도로 도 5는 전면단속시스템이고, 도 6은 후면단속시스템의 도이다.2 is a block diagram of an unmanned traffic enforcement device capable of classifying enforcement by vehicle type according to an embodiment of the present invention. 3 is an exemplary view of a primary detection image of an unmanned traffic enforcement device capable of classifying enforcement by vehicle type according to an embodiment of the present invention, and FIG. 4 is a schematic diagram of an IOU calculation method according to an embodiment of the present invention. 5 and 6 are exemplary views of secondary detection images of an unmanned traffic enforcement device capable of classifying enforcement by vehicle type according to an embodiment of the present invention. FIG. 5 is a front enforcement system, and FIG. 6 is a diagram of a rear enforcement system.

먼저 도 2를 참조하면, 본 발명의 일 실시예에 따른 차종별 구분단속이 가능한 무인 교통 단속장치(100)는 레이더 차량 검지 모듈(160), 차량번호 인식 카메라 모듈(110), 속도·신호 위반 단속 모듈(130), 속도·신호 위반 단속 확정 모듈(140), 보조 카메라 모듈(150), 조명 모듈(120)을 포함하도록 구성될 수 있다.First, referring to FIG. 2 , the unmanned traffic enforcement device 100 capable of classifying enforcement by vehicle type according to an embodiment of the present invention includes a radar vehicle detection module 160, a license plate recognition camera module 110, speed/signal violation enforcement It may be configured to include a module 130, a speed/signal violation enforcement determination module 140, an auxiliary camera module 150, and a lighting module 120.

이하, 세부적인 구성에 대하여 설명한다.Hereinafter, a detailed configuration will be described.

레이더 차량 검지 모듈(160)은 레이더 신호를 이용하여 차량을 검지하고, 검지된 차량의 속도를 측정하도록 구성될 수 있다.The radar vehicle detection module 160 may be configured to detect a vehicle using a radar signal and measure a speed of the detected vehicle.

그리고 레이더 차량 검지 모듈(160)은 위 측정된 속도 및 신호정보에 기반하여 속도 위반 여부를 판단하여 트리거 위치 신호를 생성하도록 구성될 수 있다.In addition, the radar vehicle detection module 160 may be configured to generate a trigger position signal by determining whether the speed is violated based on the measured speed and signal information.

차량번호 인식 카메라 모듈(110)은 차종 및 차량번호의 검출을 위해 영상을 생성하도록 구성될 수 있다.The license plate recognition camera module 110 may be configured to generate an image for detection of a vehicle model and license plate number.

속도·신호 위반 단속 모듈(130)은 레이더 차량 검지 모듈(160)에서 생성된 트리거 위치 신호 및 차량번호 인식 카메라 모듈(110)에서 생성된 영상을 이용하여 소정 차량의 속도 위반 여부를 판단하도록 구성될 수 있다.The speed/signal violation enforcement module 130 is configured to determine whether a predetermined vehicle violates the speed by using the trigger position signal generated by the radar vehicle detection module 160 and the image generated by the license plate recognition camera module 110. can

그리고 속도·신호 위반 단속 모듈(130)은 위 판단 결과 속도·신호 위반인 경우 해당 차량의 차종 및 차량번호를 인식하도록 구성될 수 있다.In addition, the speed/signal violation enforcement module 130 may be configured to recognize the model and license plate number of the vehicle in case of speed/signal violation as a result of the above determination.

속도·신호 위반 단속 모듈(130)은 1차 차량 검출부(131), 단속 차량 매칭부(132), 차량번호판 검출부(133), 단속고지서용 이미지 생성부(134), 2차 차량 검출부(135), IOU(intersection over union) 산출부(136)를 포함하도록 구성될 수 있다.The speed/signal violation enforcement module 130 includes a primary vehicle detection unit 131, an enforcement vehicle matching unit 132, a license plate detection unit 133, an image generator for enforcement notices 134, and a secondary vehicle detection unit 135. , IOU (intersection over union) calculation unit 136 may be configured to include.

이하, 세부적인 구성에 대하여 설명한다.Hereinafter, a detailed configuration will be described.

1차 차량 검출부(131)는 차량번호 인식 카메라 모듈(110)에서 생성된 영상에서 CNN(Convolutional Neural Network) 알고리즘을 이용하여 차량을 검출하고, 검출된 차량의 차종을 판단하도록 구성될 수 있다. The primary vehicle detection unit 131 may be configured to detect a vehicle from an image generated by the license plate recognition camera module 110 using a convolutional neural network (CNN) algorithm and to determine a model of the detected vehicle.

차량구분 방법은 영상기반의 DNN(Deep Neural Network) 기술을 이용하는데 이중에서도 영상내 물체 검출에 뛰어난 성능을 발휘하는 CNN(Convolutional Neural Network)을 이용한다. The vehicle classification method uses image-based DNN (Deep Neural Network) technology, and among them, CNN (Convolutional Neural Network), which exhibits excellent performance in detecting objects in images, is used.

CNN은 영상 내 존재하는 다수의 특징(feature) 성분들을 Convolutional layer를 통해서 추출하고, 추출된 특징들을 기반으로 물체의 위치 및 종류를 판단하는 기술이다.CNN is a technology that extracts a plurality of feature components present in an image through a convolutional layer and determines the location and type of an object based on the extracted features.

1차 차량 검출부(131)는 영상에서 CNN 알고리즘을 이용하여 차량의 전면 또는 후면의 특징점을 추출하여 차종을 판단하도록 구성될 수 있다. 여기서, 차종은 버스, 화물, 승용, 이륜 등의 카테고리로 구별될 수 있다.The primary vehicle detection unit 131 may be configured to determine the vehicle model by extracting feature points of the front or rear of the vehicle from the image using a CNN algorithm. Here, vehicle types may be classified into categories such as bus, cargo, passenger, and two-wheeled vehicles.

1차 차량 검출부(131)는 도 3에서 보듯이 위 검출된 차량의 위치에 기반한 차량 경계 박스(bounding box)를 생성하도록 구성될 수 있다.As shown in FIG. 3 , the primary vehicle detection unit 131 may be configured to generate a vehicle bounding box based on the detected location of the vehicle.

단속 차량 매칭부(132)는 1차 차량 검출부(131)에서 생성된 차량 경계 박스 내에 레이더 차량 검지 모듈(160)에서 생성된 트리거 위치 신호가 포함되는지 판단하도록 구성될 수 있다. 여기서, 트리거 위치 신호는 도 3의 빨간색 표식으로 예시되어 있다.The enforcement vehicle matching unit 132 may be configured to determine whether the trigger position signal generated by the radar vehicle detection module 160 is included in the vehicle bounding box generated by the primary vehicle detection unit 131 . Here, the trigger position signal is illustrated by a red mark in FIG. 3 .

단속 차량 매칭부(132)는 위 판단 결과 트리거 위치 신호가 포함되는 차량 경계 박스의 차량을 단속 차량으로 매칭하도록 구성될 수 있다. 즉, 단속 차량 매칭부(132)는 트리거 위치 신호와 차량 경계 박스의 중첩 여부를 확인하여 매칭함으로써, 단속 차량을 잘못 특정하는 오류를 방지할 수 있다. 특히, 영상에서 차량이 겹쳐서 보이거나 차선변경을 하거나 속도가 빠른 경우 단속 차량을 잘못 특정하는 경우가 종종 발생하지만, 이와 같이 차량 경계 박스와 트리거 위치 신호의 중첩을 지속적으로 확인하여 매칭하는 경우 이러한 오류가 방지될 수 있다.The enforcement vehicle matching unit 132 may be configured to match the vehicle of the vehicle boundary box including the trigger position signal as the enforcement vehicle as a result of the above determination. That is, the enforcement vehicle matching unit 132 checks whether the trigger location signal and the vehicle bounding box are overlapped and matches each other, thereby preventing an error of incorrectly specifying the enforcement vehicle. In particular, if vehicles are overlapped in the video, lane changes, or speed is high, enforcement vehicles are often identified incorrectly. can be prevented.

차량번호판 검출부(133)는 단속 차량 매칭부(132)에서 단속 차량으로 매칭된 차량의 차량 경계 박스에서 차량번호판을 검출하여 차량번호판 경계 박스(bounding box)를 생성하도록 구성될 수 있다. 도 3의 오른편 차량 경계 박스에는 차량번호판이 있으며, 차량번호판 검출부(133)는 이 차량번호판에 대해 차량번호판 경계 박스를 생성할 수 있다. 그러나, 도 3의 왼편 차량은 이륜차이므로 차량번호판이 검출될 수 없다. 이륜차가 아닌 차량에 대해서는 차량번호판이 검출될 수 있으므로, 차량번호판의 검출 유무를 통해 단속 차량 매칭부(132)의 단속 차량 매칭을 재차 확인하여 검증할 수 있다.The license plate detection unit 133 may be configured to generate a license plate bounding box by detecting license plates from a vehicle bounding box of a vehicle matched as an enforcement vehicle by the enforcement vehicle matching unit 132 . There is a license plate in the vehicle bounding box on the right side of FIG. 3 , and the license plate detection unit 133 may generate a license plate bounding box for the license plate. However, since the vehicle on the left side of FIG. 3 is a two-wheeled vehicle, the vehicle license plate cannot be detected. Since the vehicle license plate may be detected for a vehicle other than a two-wheeled vehicle, the enforcement vehicle matching of the enforcement vehicle matching unit 132 may be checked and verified again through whether or not the vehicle license plate is detected.

단속고지서용 이미지 생성부(134)는 차량번호판 검출부(133)에서 생성된 차량번호판 경계 박스를 중심으로 미리 정해진 크기의 단속고지서용 이미지를 편집하여 생성하도록 구성될 수 있다. 즉, 차량번호판 경계 박스를 중심으로 하는 넓게 영역을 확장하여 단속고지서용 이미지를 생성할 수 있으며, 해당 영역에는 차 전면 또는 차량 후면이 포함될 수 있다. 도 5 및 도 6은 단속고지서용 이미지를 예시하고 있다.The image generation unit 134 for the enforcement notice may be configured to edit and generate an image for the enforcement notice having a predetermined size around the license plate bounding box generated by the license plate detection unit 133 . That is, an image for an enforcement notice may be generated by expanding a wide area centered on the license plate bounding box, and the area may include the front of the vehicle or the rear of the vehicle. 5 and 6 illustrate images for enforcement notices.

2차 차량 검출부(135)는 단속고지서용 이미지 생성부(134)에서 생성된 단속고지서용 이미지에서 CNN 알고리즘을 이용하여 해당 차량의 차량번호 및 차종을 검출하도록 구성될 수 있다. 2차 차량 검출부(135)는 도 5 및 도 6의 단속고지서용 이미지에서 차량번호 및 차종을 검출하도록 구성될 수 있다.The secondary vehicle detection unit 135 may be configured to detect the license plate number and vehicle model of the vehicle by using a CNN algorithm in the image for the enforcement notice generated by the image generation unit 134 for the enforcement notice. The secondary vehicle detection unit 135 may be configured to detect a license plate number and a vehicle type from the images for enforcement notices of FIGS. 5 and 6 .

IOU 산출부(136)는 1차 차량 검출부(131)에서 생성된 차량 경계 박스 및 단속고지서용 이미지 생성부(134)에서 생성된 차량 경계 박스의 IOU(intersection over union)를 산출하도록 구성될 수 있다. 도 5는 IOU 산출 방식을 나타내고 있다. 즉, 1차 차량 경계 박스와 단속고지서용 이미지에서 생성된 2차 경계 박스의 중첩된 상태의 전체 영역의 넓이에 대한 1차 차량 경계 박스와 2차 단속고지서용 이미지의 경계 박스의 중첩 영역의 넓이의 비율로 산출될 수 있다.The IOU calculation unit 136 may be configured to calculate an intersection over union (IOU) of the vehicle bounding box generated by the primary vehicle detection unit 131 and the vehicle bounding box generated by the image generation unit 134 for enforcement notices. . 5 shows an IOU calculation method. That is, the area of the overlapping area of the first vehicle bounding box and the bounding box of the second enforcement notice image relative to the area of the entire overlapped area of the first vehicle bounding box and the second bounding box generated from the image for the enforcement notice can be calculated as a ratio of

속도·신호 위반 단속 확정 모듈(140)은 속도·신호 위반 단속 모듈(130)에서 인식된 차종 및 차량번호를 이용하여 해당 차량에 대한 속도·신호 위반을 확정하도록 구성될 수 있다.The speed/signal violation enforcement determination module 140 may be configured to determine the speed/signal violation for the corresponding vehicle by using the model and license plate number recognized by the speed/signal violation enforcement module 130 .

구체적으로는 속도·신호 위반 단속 확정 모듈(140)은 IOU 산출부(136)에서 산출된 IOU가 소정 기준치 이상인 경우, 2차 차량 검출부(135)에서 차량번호 및 차종의 차량에 대해 속도·신호 위반 단속을 확정하도록 구성될 수 있다.Specifically, when the IOU calculated by the IOU calculation unit 136 is greater than or equal to a predetermined reference value, the speed/signal violation enforcement confirmation module 140 violates the speed/signal for a vehicle of a vehicle number and vehicle type in the secondary vehicle detection unit 135. It can be configured to confirm enforcement.

예를 들어, 속도·신호 위반 단속 확정 모듈(140)은 IOU가 0.9 이상이면 단속을 확정할 수 있다.For example, the speed/signal violation enforcement determination module 140 may determine enforcement if the IOU is 0.9 or more.

이러한 IOU의 산출에 의한 단속 확정은 단속 차량의 특정 오류를 줄일 수 있다.Enforcement determination based on the calculation of IOU can reduce specific errors of enforcement vehicles.

보조 카메라 모듈(150)은 속도·신호 위반 단속 확정 모듈(140)에서 신호 위반이 확정된 차량에 대한 신호 위반 증거 영상을 생성하도록 구성될 수 있다.The auxiliary camera module 150 may be configured to generate a signal violation evidence image for a vehicle whose signal violation is determined in the speed/signal violation enforcement determination module 140 .

조명 모듈(120)은 레이더 차량 검지 모듈(160)에서 트리거 위치 신호가 생성되는 경우, 야간에 조명광을 조사하도록 구성될 수 있다.The illumination module 120 may be configured to emit illumination light at night when a trigger position signal is generated by the radar vehicle detection module 160 .

예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although described with reference to examples, those skilled in the art will understand that the present invention can be variously modified and changed without departing from the spirit and scope of the present invention described in the claims below. .

110: 차량번호 인식 카메라 모듈 120: 조명 모듈
130: 속도·신호 위반 단속 모듈 131: 1차 차량 검출부
132: 단속 차량 매칭부 133: 차량번호판 검출부
134: 단속고지서용 이미지 생성부 135: 2차 차량 검출부
136: IOU 산출부 140: 속도·신호 위반 단속 확정 모듈
150: 보조 카메라 모듈 160: 레이더 차량 검지 모듈110: license plate recognition camera module 120: lighting module
130: speed/signal violation enforcement module 131: primary vehicle detection unit
132: Enforcement vehicle matching unit 133: Vehicle license plate detection unit
134: image generation unit for enforcement notice 135: secondary vehicle detection unit
136: IOU Calculation Unit 140: Speed / Signal Violation Enforcement Confirmation Module
150: auxiliary camera module 160: radar vehicle detection module

Claims (6)

레이더 신호를 이용하여 차량을 검지하고, 검지된 차량의 속도를 측정하며, 측정된 속도 및 신호 현시에 기반하여 위반 여부를 판단하여 트리거 위치 신호를 생성하는 레이더 차량 검지 모듈(160);
차종 및 차량번호의 검출을 위해 영상을 생성하는 차량번호 인식 카메라 모듈(110);
상기 레이더 차량 검지 모듈(160)에서 생성된 트리거 위치 신호 및 상기 차량번호 인식 카메라 모듈(110)에서 생성된 영상을 이용하여 소정 차량의 속도·신호 위반 여부를 판단하고, 판단 결과 위반 차량인 경우 해당 차량의 차종 및 차량번호를 인식하는 속도·신호 위반 단속 모듈(130);
상기 속도·신호 위반 단속 모듈(130)에서 인식된 차종 및 차량번호를 이용하여 해당 차량에 대한 속도·신호 위반을 확정하는 속도·신호 위반 단속 확정 모듈(140)을 포함하고,
상기 속도·신호 위반 단속 모듈(130)은,
상기 차량번호 인식 카메라 모듈(110)에서 생성된 영상에서 CNN 알고리즘을 이용하여 차량을 검출하고, 검출된 차량의 차종을 판단하고, 검출된 차량의 위치에 기반한 차량 경계 박스(bounding box)를 생성하는 1차 차량 검출부(131),
상기 1차 차량 검출부(131)에서 생성된 차량 경계 박스 내에 상기 레이더 차량 검지 모듈(160)에서 생성된 트리거 위치 신호가 포함되는지 판단하고, 판단 결과 상기 트리거 위치 신호가 포함되는 차량 경계 박스의 차량을 단속 차량으로 매칭하는 단속 차량 매칭부(132),
상기 단속 차량 매칭부(132)에서 단속 차량으로 매칭된 차량의 차량 경계 박스에서 차량번호판을 검출하여 차량번호판 경계 박스(bounding box)를 생성하는 차량번호판 검출부(133),
상기 차량번호판 검출부(133)에서 생성된 차량번호판 경계 박스를 중심으로 미리 정해진 크기의 단속고지서용 이미지를 편집하여 생성하는 단속고지서용 이미지 생성부(134),
상기 단속고지서용 이미지 생성부(134)에서 생성된 단속고지서용 이미지에서 CNN 알고리즘을 이용하여 해당 차량의 차량번호 및 차종을 검출하는 2차 차량 검출부(135),
상기 1차 차량 검출부(131)에서 생성된 차량 경계 박스 및 상기 단속고지서용 이미지 생성부(134)에서 생성된 2차 차량 경계 박스의 IOU(intersection over union)을 산출하는 IOU 산출부(136)를 포함하도록 구성되는 것을 특징으로 하는 차종별 구분단속이 가능한 무인 교통 단속장치.
A radar vehicle detection module 160 that detects a vehicle using a radar signal, measures the speed of the detected vehicle, and determines whether a violation occurs based on the measured speed and signal display to generate a trigger position signal;
Vehicle number recognition camera module 110 for generating an image for detection of vehicle model and vehicle number;
Using the trigger position signal generated by the radar vehicle detection module 160 and the video generated by the license plate recognition camera module 110, it is determined whether or not the speed/signal violation of a predetermined vehicle is determined, and if the vehicle is in violation as a result of the determination, the corresponding A speed/signal violation enforcement module 130 recognizing the model and license plate number of the vehicle;
A speed/signal violation enforcement determination module 140 for determining a speed/signal violation for the vehicle using the model and vehicle number recognized by the speed/signal violation enforcement module 130,
The speed/signal violation enforcement module 130,
Detecting a vehicle using a CNN algorithm from the image generated by the license plate recognition camera module 110, determining the model of the detected vehicle, and generating a vehicle bounding box based on the location of the detected vehicle Primary vehicle detection unit 131,
It is determined whether the trigger position signal generated by the radar vehicle detection module 160 is included in the vehicle bounding box generated by the primary vehicle detection unit 131, and as a result of the determination, the vehicle in the vehicle bounding box including the trigger position signal is selected. Enforcement vehicle matching unit 132 for matching with enforcement vehicles;
A license plate detection unit 133 for generating a license plate bounding box by detecting a license plate in a vehicle bounding box of a vehicle matched as an enforcement vehicle by the enforcement vehicle matching unit 132;
An image generation unit 134 for an enforcement notice for editing and generating an image for an enforcement notice having a predetermined size around the license plate bounding box generated by the license plate detection unit 133;
A secondary vehicle detection unit 135 for detecting the license plate number and vehicle model of the vehicle by using a CNN algorithm in the image for the enforcement notice generated by the image generation unit 134 for the enforcement notice,
An IOU calculation unit 136 that calculates an intersection over union (IOU) of the vehicle bounding box generated by the primary vehicle detection unit 131 and the secondary vehicle bounding box generated by the image generation unit 134 for enforcement notice An unmanned traffic enforcement device capable of classifying enforcement by vehicle type, characterized in that configured to include.
 제1항에 있어서,
상기 속도·신호 위반 단속 모듈(140)에서 신호 위반이 확정된 차량에 대한 신호 위반 증거 영상을 생성하는 보조 카메라 모듈(150)을 더 포함하도록 구성되는 것을 특징으로 하는 차종별 구분단속이 가능한 무인 교통 단속장치.
According to claim 1,
Unmanned traffic enforcement capable of classifying enforcement by vehicle type, characterized in that it is configured to further include an auxiliary camera module 150 for generating a signal violation evidence image for a vehicle whose signal violation is confirmed in the speed/signal violation enforcement module 140 Device.
 제1항 또는 제2항에 있어서,
상기 레이더 차량 검지 모듈(160)에서 트리거 위치 신호가 생성되는 경우, 야간에 조명광을 조사하는 조명 모듈(120)을 더 포함하도록 구성되는 것을 특징으로 하는 차종별 구분단속이 가능한 무인 교통 단속장치.
According to claim 1 or 2,
When a trigger position signal is generated by the radar vehicle detection module 160, an unmanned traffic enforcement device capable of discriminating by vehicle type, characterized in that it is configured to further include a lighting module 120 for irradiating illumination light at night.
 제1항에 있어서,
상기 레이더 차량 검지 모듈(160)은,
레이더 신호를 이용하여 다가오는 차량 및 멀어지는 차량의 속도를 측정하도록 구성되고,
상기 차량번호 인식 카메라 모듈(110)은,
차종 및 차량번호의 검출의 위해 영상을 생성하는 경우, 상기 다가오는 차량에 대해서는 해당 차량의 전면의 영상을 생성하고, 상기 멀어지는 차량에 대해서는 해당 차량의 후면의 영상을 생성하도록 구성되는 것을 특징으로 하는 차종별 구분단속이 가능한 무인 교통 단속장치.
According to claim 1,
The radar vehicle detection module 160,
It is configured to measure the speed of an oncoming and departing vehicle using a radar signal,
The license plate recognition camera module 110,
When generating an image for detecting a vehicle type and license plate number, a front image of the vehicle is generated for the approaching vehicle, and an image of the rear side of the vehicle is generated for the vehicle moving away. An unmanned traffic enforcement device capable of segmentation enforcement.
 삭제delete 제1항에 있어서,
상기 속도·신호 위반 단속 확정 모듈(140)은,
상기 IOU 산출부(136)에서 산출된 IOU가 소정 기준치 이상인 경우, 상기 2차 차량 검출부(135)에서 차량번호 및 차종의 차량에 대해 속도·신호 위반 단속을 확정하도록 구성되는 것을 특징으로 하는 차종별 구분단속이 가능한 무인 교통 단속장치.According to claim 1,
The speed/signal violation enforcement determination module 140,
When the IOU calculated by the IOU calculation unit 136 is equal to or greater than a predetermined reference value, the secondary vehicle detection unit 135 is configured to determine speed/signal violation enforcement for vehicles of vehicle numbers and vehicle types. An unmanned traffic enforcement device capable of enforcement.
KR1020220182483A 2022-12-23 2022-12-23 Unmanned traffic enforcement device capable of classifying enforcememnt by vehicle type KR102505067B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220182483A KR102505067B1 (en) 2022-12-23 2022-12-23 Unmanned traffic enforcement device capable of classifying enforcememnt by vehicle type

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220182483A KR102505067B1 (en) 2022-12-23 2022-12-23 Unmanned traffic enforcement device capable of classifying enforcememnt by vehicle type

Publications (1)

Publication Number Publication Date
KR102505067B1 true KR102505067B1 (en) 2023-03-02

Family

ID=85509092

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220182483A KR102505067B1 (en) 2022-12-23 2022-12-23 Unmanned traffic enforcement device capable of classifying enforcememnt by vehicle type

Country Status (1)

Country Link
KR (1) KR102505067B1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102587047B1 (en) * 2023-05-08 2023-10-11 (주)다올아이티에스 Traffic Violation Enforcement System for Two-Wheeled Cehicle Which Supports Dual Operation Mode
KR102602318B1 (en) * 2023-06-07 2023-11-17 (주)다올아이티에스 Multi-lane decting system that changes the detecting area
KR102612655B1 (en) * 2023-08-03 2023-12-12 주식회사 아이티코어스 Illegal parking enforcement system capable of determining intentional license plate obscuration
KR102629924B1 (en) * 2023-06-13 2024-01-29 주식회사 이투온 Lane change violation vehicle enforcement system

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980072007A (en) 1998-07-13 1998-10-26 박선봉 Driving method of unmanned camera that shoots signal violation and speed violation vehicle by using camera that can take two-way shooting at intersection
KR20070000557A (en) * 2005-06-28 2007-01-03 공현택 Keeping system for illegal parking vehicle
KR101378498B1 (en) 2010-02-08 2014-03-27 오브췌스트바 스 아그라니친너이 아트볘스트빈노스치유 "카르파라찌야 "스트로이 인베스트 프라옉트 엠" Method and Device for Determining The Speed of Travel and Coordinates of Vehicles and Subsequently Identifying Same and Automatically Recording Road Traffic Offences
KR102155753B1 (en) * 2020-02-28 2020-09-14 트라웍스(주) Two-way traffic information collecting system and method thereof
KR20210008647A (en) * 2019-07-15 2021-01-25 인하대학교 산학협력단 Apparatus and method for detecting vehicle type, speed and traffic using radar device and image processing
KR102407170B1 (en) * 2022-01-07 2022-06-10 (주)토페스 Method for monitoring violation of traffic regulations of two-wheeled vehicle, and system therefor
KR102418823B1 (en) * 2022-04-12 2022-07-11 (주)테라테코 Deep learning-based illegal parking enforcement system using wide-area detection images

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980072007A (en) 1998-07-13 1998-10-26 박선봉 Driving method of unmanned camera that shoots signal violation and speed violation vehicle by using camera that can take two-way shooting at intersection
KR20070000557A (en) * 2005-06-28 2007-01-03 공현택 Keeping system for illegal parking vehicle
KR101378498B1 (en) 2010-02-08 2014-03-27 오브췌스트바 스 아그라니친너이 아트볘스트빈노스치유 "카르파라찌야 "스트로이 인베스트 프라옉트 엠" Method and Device for Determining The Speed of Travel and Coordinates of Vehicles and Subsequently Identifying Same and Automatically Recording Road Traffic Offences
KR20210008647A (en) * 2019-07-15 2021-01-25 인하대학교 산학협력단 Apparatus and method for detecting vehicle type, speed and traffic using radar device and image processing
KR102155753B1 (en) * 2020-02-28 2020-09-14 트라웍스(주) Two-way traffic information collecting system and method thereof
KR102407170B1 (en) * 2022-01-07 2022-06-10 (주)토페스 Method for monitoring violation of traffic regulations of two-wheeled vehicle, and system therefor
KR102418823B1 (en) * 2022-04-12 2022-07-11 (주)테라테코 Deep learning-based illegal parking enforcement system using wide-area detection images

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102587047B1 (en) * 2023-05-08 2023-10-11 (주)다올아이티에스 Traffic Violation Enforcement System for Two-Wheeled Cehicle Which Supports Dual Operation Mode
KR102602318B1 (en) * 2023-06-07 2023-11-17 (주)다올아이티에스 Multi-lane decting system that changes the detecting area
KR102629924B1 (en) * 2023-06-13 2024-01-29 주식회사 이투온 Lane change violation vehicle enforcement system
KR102612655B1 (en) * 2023-08-03 2023-12-12 주식회사 아이티코어스 Illegal parking enforcement system capable of determining intentional license plate obscuration

Similar Documents

Publication Publication Date Title
KR102505067B1 (en) Unmanned traffic enforcement device capable of classifying enforcememnt by vehicle type
KR101141874B1 (en) Apparatus, Method for Dectecting Critical Areas and Pedestrian Detection Apparatus Using Same
CN103488973B (en) Vehicle brand recognition methods and system based on image
KR102041734B1 (en) System and method for enforcing traffic violation based on deep learning
CN103029621B (en) Detect the method and apparatus of front vehicles
US9280900B2 (en) Vehicle external environment recognition device
CN105931467A (en) Target tracking method and device
KR101926562B1 (en) System for image analysis of multi lane
KR20200141834A (en) Apparatus and method for image based traffic signal control
KR20160000990A (en) Vehicle photographing apparatus based multilane and control method thereof
KR102557620B1 (en) Radar apparatus and method for classifying object
KR101569712B1 (en) Apparatus for detecting number of vehicle and method thereof
KR102587047B1 (en) Traffic Violation Enforcement System for Two-Wheeled Cehicle Which Supports Dual Operation Mode
KR102092936B1 (en) Automatic traffic enforcement system and method using radar
KR101262348B1 (en) Toll collection apparatus based on multilane
KR102380638B1 (en) Apparatus, system or method for monitoring vehicle traffic
Chang et al. Stereo-based object detection, classi? cation, and quantitative evaluation with automotive applications
JP2019207655A (en) Detection device and detection system
KR102345798B1 (en) Intersection signal violation recognition and image storage device
KR102485997B1 (en) Traffic control system for providing violation information and method thereof
CN108638958A (en) Alarming method for power and apply its alarming device
KR20150076532A (en) System for measuring distance and Method thereof
KR20190064147A (en) Vehicle's behavior analyzing system using aerial photo and analyzing method using the same
KR20230052443A (en) Smart safety mirror device
KR102656252B1 (en) unmanned traffic enforcement system for enhancing accuracy of enforcement