KR102585521B1 - 차량용 영상 제어기 성능 테스트 장치 및 그 동작 방법 - Google Patents

차량용 영상 제어기 성능 테스트 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR102585521B1
KR102585521B1 KR1020200186382A KR20200186382A KR102585521B1 KR 102585521 B1 KR102585521 B1 KR 102585521B1 KR 1020200186382 A KR1020200186382 A KR 1020200186382A KR 20200186382 A KR20200186382 A KR 20200186382A KR 102585521 B1 KR102585521 B1 KR 102585521B1
Authority
KR
South Korea
Prior art keywords
object recognition
image controller
test
performance
vehicle image
Prior art date
Application number
KR1020200186382A
Other languages
English (en)
Other versions
KR20220095363A (ko
Inventor
김준형
박재홍
Original Assignee
주식회사 와이즈오토모티브
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 와이즈오토모티브 filed Critical 주식회사 와이즈오토모티브
Priority to KR1020200186382A priority Critical patent/KR102585521B1/ko
Publication of KR20220095363A publication Critical patent/KR20220095363A/ko
Application granted granted Critical
Publication of KR102585521B1 publication Critical patent/KR102585521B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
    • G06F21/577—Assessing vulnerabilities and evaluating computer system security
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/02—Diagnosis, testing or measuring for television systems or their details for colour television signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 차량용 영상 제어기의 성능 테스트 장치 및 그 동작 방법에 관한 것으로서, 구체적으로 딥러닝 객체 인식 기반의 차량용 영상 제어기의 성능을 테스트하는 기술에 관한 것이다. 일 실시예에서, 차량용 영상 제어기 시험 장치는 차량용 영상 제어기의 객체 인식 성능을 테스트하기 위한 객체 인식 테스트 영상을 차량용 영상 제어기에 전송하는 제1 통신부; 차량용 영상 제어기의 객체 인식 성능을 테스트하기 위한 딥러닝 기반의 객체 인식 학습 모델을 차량용 영상 제어기에 전송하고, 차량용 영상 제어기에서 객체 인식 학습 모델을 기반으로 수행된 객체 인식 테스트 영상에 대한 객체 인식 결과를 차량용 영상 제어기로부터 수신하는 제2 통신부; 객체 인식 테스트 영상에 대한 객체 인식 결과를 기반으로 차량용 영상 제어기의 객체 인식 성능을 평가하는 성능 평가부를 포함할 수 있다.

Description

차량용 영상 제어기 성능 테스트 장치 및 그 동작 방법{PERFORMANCE TEST DEVICE FOR VEHICLE IMAGE CONTROLLER AND OPERATION METHOD THEREOF}
본 발명은 차량용 영상 제어기의 성능 테스트 장치 및 그 동작 방법에 관한 것으로서, 구체적으로 딥러닝 객체 인식 기반의 차량용 영상 제어기의 성능을 테스트하는 기술에 관한 것이다.
차량 관련 기술은 기존의 운전자를 보조하는 수준을 넘어 운전자의 차량에 대한 직접적인 운행 제어 없이도, 차량이 스스로 주변 사물, 목적지 경로 등을 인식하여 주행하는 자율주행 기술이 차량에 접목되고 있는 실정이다. 이러한 자율주행 기술의 적용 범위가 넓어 짐에 따라 차량이 스스로 주변 사물, 사람 등의 객체를 인식하는 정확도가 차량의 운전자 및 보행자의 안전과 직결되는 문제로 대두되고 있다. 또한, 차량을 제어하는 자율주행 관련 기기들이 제3자에 의한 해킹 사례가 발생하고 있어 보안에 대한 문제 역시 제기되고 있다.
한국 공개특허공보 공개번호 제10-2020-0063320호(발명의 명칭: 차량의 객체 인식 장치, 시스템 및 방법)
따라서, 본 발명의 목적은 자율주행기술의 신뢰성, 안정성 및 보안성을 평가하는 기술을 제공하는 것이다.
따라서, 본 발명의 목적은 차량용 영상 제어기의 객체 인식의 성능을 평가하는 기술을 제공하는 것이다.
또한 본 발명의 목적은 차량용 영상 제어기의 보안 성능을 평가하는 기술을 제공하는 것이다.
본 발명의 일 측면에 따르면, 차량용 영상 제어기의 객체 인식 성능을 테스트하기 위한 객체 인식 테스트 영상을 차량용 영상 제어기에 전송하는 제1 통신부; 차량용 영상 제어기의 객체 인식 성능을 테스트하기 위한 딥러닝 기반의 객체 인식 학습 모델을 차량용 영상 제어기에 전송하고, 차량용 영상 제어기에서 객체 인식 학습 모델을 기반으로 수행된 객체 인식 테스트 영상에 대한 객체 인식 결과를 차량용 영상 제어기로부터 수신하는 제2 통신부; 객체 인식 테스트 영상에 대한 객체 인식 결과를 기반으로 차량용 영상 제어기의 객체 인식 성능을 평가하는 성능 평가부;를 포함하는 차량용 영상 제어기 시험 장치가 제공된다.
일 실시예에서, 제1 통신부는 영상 출력을 위한 인터페이스 단자이고, 제2 통신부는 제1 통신부와 상이한 인터페이스의 데이터 송수신을 위한 통신 모듈일 수 있다.
일 실시예에서, 제2 통신부는 고속 데이터 전송 인터페이스일 수 있다.
일 실시예에서, 성능 평가부는 객체 인식 테스트 영상에 대해 미리 저장된 객체 인식 데이터를 수신된 객체 인식 결과와 비교하여 차량용 영상 제어기의 객체 인식 성능을 평가할 수 있다.
일 실시예에서, 제2 통신부는 차량용 영상 제어기의 보안 성능을 테스트하기 위한 보안 테스트 영상을 차량용 영상 제어기에 전송하고, 차량용 영상 제어기에서 보안 테스트 영상에 대한 객체 인식 결과를 차량용 영상 제어기로부터 수신하며, 성능 평가부는 보안 테스트 영상에 대한 객체 인식 결과가 보안 테스트 영상에 대한 객체 인식이 수행되었으면, 차량용 영상 제어기의 보안 성능을 낮게 평가할 수 있다.
일 실시예에서, 차량용 영상 제어기 시험 장치는 객체 인식 학습 모델, 객체 인식 테스트 영상 및 차량용 영상 제어기에 대한 객체 인식 성능 평가 결과 중 적어도 하나를 저장하는 메모리를 더 포함할 수 있다.
일 실시예에서, 시험 통제부는 차량용 영상 제어기의 객체 인식 성능 평가를 위한, 객체 인식 테스트 영상 및 객체 인식 학습 모델을 결정할 수 있다.
일 실시예에서, 시험 통제부는 차량용 영상 제어기에 대한 객체 인식 성능 평가 결과를 사용자가 시각 또는 청각으로 인식할 수 있도록 출력할 수 있다.
본 발명의 다른 측면에 따르면, 차량용 영상 제어기 시험 장치의 동작 방법은, 차량용 영상 제어기의 객체 인식 성능을 테스트하기 위한 딥러닝 기반의 객체 인식 학습 모델을 차량용 영상 제어기에 전송하는 단계; 차량용 영상 제어기의 객체 인식 성능을 테스트하기 위한 객체 인식 테스트 영상을 차량용 영상 제어기에 전송하는 단계; 차량용 영상 제어기에서 객체 인식 학습 모델을 기반으로 수행된 객체 인식 테스트 영상에 대한 객체 인식 결과를 차량용 영상 제어기로부터 수신하는 단계; 객체 인식 테스트 영상에 대한 객체 인식 결과를 기반으로 차량용 영상 제어기의 객체 인식 성능을 평가하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 자율주행기술의 신뢰성, 안정성 및 보안성을 평가하는 것이 가능하게 된다.
본 발명의 다른 실시예에 따르면, 차량용 영상 제어기의 객체 인식의 성능을 평가하는 것이 가능하게 된다.
본 발명의 다른 실시예에 따르면, 차량용 영상 제어기의 보안 성능을 평가하는 것이 가능하게 된다.
도 1은 본 발명의 일 실시예에 따른 차량용 영상 제어기의 성능을 평가하는 시스템을 설명하기 위한 도면.
도 2는 본 발명의 일 실시예에 따른 차량용 영상 제어기를 설명하기 위한 도면.
도 3는 본 발명의 일 실시예에 따른 차량용 영상 제어기의 성능을 평가하는 시스템의 동작을 설명하기 위한 도면.
도 4는 도 1에 도시된 차량용 영상 제어기 성능 시험 장치의 동작을 설명하기 위한 도면.
도 5는 도 1에 도시된 차량용 영상 제어기의 동작을 설명하기 위한 도면.
도 6은 본 발명의 다른 실시예에 따른 시험 장치 및 영상 제어기의 블록도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 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. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서 및 청구항에서 사용되는 단수 표현은, 달리 언급하지 않는 한 일반적으로 "하나 이상"을 의미하는 것으로 해석되어야 한다.
이하, 본 발명의 바람직한 실시예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 차량용 영상 제어기의 성능을 평가하는 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 시스템은 영상 제어기(2000) 및 영상 제어기(2000)의 성능을 평가하는 시험 장치(1000)를 포함할 수 있다. 시험 장치(1000)는 성능 테스트 평가 대상인 영상 제어기(2000)에 딥러닝 기반의 객체 인식을 위한 객체 인식 학습 모델을 영상 제어기(2000)에 전송할 수 있다. 또한, 시험 장치(1000)는 영상 제어기(2000)가 객체 인식 학습 모델을 기반으로 객체 인식을 수행할 테스트 영상을 영상 제어기(2000)에 전송할 수 있다. 영상 제어기(2000)는 시험 장치(1000)로부터 객체 인식 학습 모델 및 테스트 영상을 수신하여, 객체 인식 학습 모델을 기반으로 테스트 영상에 대한 객체 인식을 수행할 수 있다. 영상 제어기(2000)는 테스트 영상에 대해 수행한 객체 인식 결과를 시험 장치(1000)에 전송할 수 있다. 시험 장치(1000)는 영상 제어기(2000)로부터 수신된 객체 인식 결과를 기반으로 영상 제어기(2000)의 성능을 평가할 수 있다. 여기서, 영상 제어기(2000)는 차량용 영상 제어기(2000)뿐만 아니라, 영상에 포함된 객체를 인식하는 영상 제어기(2000) 일체를 포함할 수 있다.
이하, 시험 장치(1000)의 구체적인 구성 및 동작 방법을 도 2 내지 도 6을 참조하여 설명한다.
도 2는 본 발명의 일 실시예에 따른 시험 장치(1000)를 설명하기 위한 도면이다.
도 2를 참조하면, 시험 장치(1000)는 시험 통제부(1100), 제어부(1200), 제1 통신부(1300), 제2 통신부(1400), 성능 평가부(1500) 및 메모리(1600)를 포함할 수 있다.
시험 통제부(1100)는 영상 제어기(2000)의 성능을 평가하기 위한 객체 인식 학습 모델 및 테스트 영상을 결정할 수 있다. 구체적 예로, 시험 통제부(1100)는 성능 테스트 대상이 되는 영상 제어기(2000)의 적합한 딥러닝 기반의 객체 인식 학습 모델 및 테스트 영상을 결정할 수 있다.
일 실시예에서, 시험 통제부(1100)는 영상 제어기(2000)의 프로세서, 메모리(1600) 등의 자원, 처리할 영상의 크기, 화소, 용량, 영상 처리 속도 등을 기반으로 객체 인식 학습 모델 및 테스트 영상을 결정할 수 있다.
또한, 시험 통제부(1100)는 영상 제어기(2000)의 보안 성능 테스트 수행 여부를 결정하고, 이에 따라 보안 성능 테스트를 위한 보안 테스트 영상을 영상 제어기(2000) 전송을 결정할 수 있다.
또한, 시험 통제부(1100)는 영상 제어기(2000)에 성능을 테스트 하기 위한 객체 인식 학습 모듈, 테스트 영상, 성능 테스트 결과 등을 사용자가 시각 또는 청각을 통해 인식할 수 있도록 출력할 수 있다. 구체적 예로, 시험 통제부(1100)는 표시부(미도시)를 구비하여, 객체 인식 학습 모듈, 테스트 영상, 성능 테스트 결과를 표시하는 표시부(미도시)를 표시부에 표시할 수 있다.
여기서, 테스트 영상은 영상 제어기(2000)의 객체 인식 성능을 평가하기 위한 객체 인식 테스트 영상, 영상 제어기(2000)의 보안 성능을 평가하기 위한 보안 테스트 영상일 수 있다.
제어부(1200)는 시험 장치(1000)의 전반적인 동작을 제어할 수 있다. 구체적 예로, 제어부(1200)는 시험 통제부(1100)에 따라 영상 제어기(2000)를 평가하기 위한 객체 인식 학습 모델 및 테스트 영상이 결정되면, 이에 따라 시험 장치(1000)가 동작할 수 있도록 제1 통신부(1300), 제2 통신부(1400), 성능 평가부(1500), 메모리(1600) 등의 동작을 제어할 수 있다.
제1 통신부(1300)는 테스트 영상을 영상 제어기(2000)에 전송할 수 있다. 구체적 예로, 제1 통신부(1300)는 시험 통제부(1100)에서 결정된 영상 제어기(2000)의 객체 인식 성능을 평가하기 위한 객체 인식 테스트 영상을 영상 제어기(2000)로 전송할 수 있다.
일 실시예에서, 제1 통신부(1300)는 영상을 출력하는 단자일 수 있다. 예를 들어, 제1 통신부(1300)는 HDMI 인터페이스 등의 영상 출력 단자일 수 있다.
제2 통신부(1400)는 영상 제어기(2000)와 데이터 통신을 수행할 수 있다. 구체적 예로, 제2 통신부(1400)는 시험 통제부(1100)에서 결정된 영상 제어기(2000)의 객체 인식 성능을 평가하기 위한 딥러닝 기반의 객체 인식 학습 모델을 영상 제어기(2000)에 전송할 수 있다. 제2 통신부(1400)는 영상 제어기(2000)에서 객체 인식 학습 모델을 기반으로 수행된 객체 인식 테스트 영상에 대한 객체 인식 결과를 영상 제어기(2000)로부터 수신할 수 있다.
또한, 제2 통신부(1400)는 보안 테스트 영상을 영상 제어기(2000)로 전송할 수 있다. 구체적 예로, 제2 통신부(1400)는 시험 통제부(1100)에서 영상 제어기(2000)의 보안 성능 평가를 결정하면 이에 따라 결정된 보안 테스트 영상을 영상 제어기(2000)에 전송할 수 있다. 제2 통신부(1400)는 영상 제어기(2000)로부터 보안 테스트 영상에 대한 객체 인식 결과를 수신할 수 있다.
일 실시예에서, 제2 통신부(1400)는 제1 통신부(1300)와 상이한 인터페이스의 데이터 송수신 모듈일 수 있다.
일 실시예에서, 제2 통신부(1400)는 고속 데이터 전송 인터페이스일 수 있다.
성능 평가부(1500)는 영상 제어기(2000)의 성능을 평가할 수 있다. 구체적 예로, 성능 평가부(1500)는 영상 제어기(2000)로부터 객체 인식 결과가 수신되면, 객체 인식 결과를 기반으로 영상 제어기(2000)의 성능을 평가할 수 있다.
일 실시예에서, 성능 평가부(1500)는 미리 저장된 객체 인식 데이터를 기반으로 영상 제어기(2000)의 객체 인식 성능을 평가할 수 있다. 여기서, 미리 저장된 객체 인식 데이터는 영상 제어기(2000)에 전송된 객체 인식 테스트 영상에 포함된 객체 즉, 사람, 사물 등에 대한 위치, 크기, 높이, 길이, 색, 재질 등에 대한 정보를 포함할 수 있다. 즉, 성능 평가부(1500)는 영상 제어기(2000)로부터 수신된 객체 인식 결과에 포함된 사람, 사물 등에 대한 위치, 크기, 높이, 길이, 색, 재질 등에 대한 정보가 미리 저장된 객체 인식 데이터에 포함된 사람, 사물 등에 대한 위치, 크기, 높이, 길이, 색, 재질 등과 일치하는 정도에 따라 영상 제어기(2000)의 객체 인식 성능을 평가할 수 있다. 예를 들어, 성능 평가부(1500)는 미리 저장된 객체 인식 데이터에 대한 영상 제어기(2000)로부터 수신된 객체 인식 결과의 일치하는 퍼센트(예, 80% 등)를 영상 제어기(2000)의 객체 인식 성능으로 평가할 수 있다.
일 실시예에서, 성능 평가부(1500)는 영상 제어기(2000)가 보안 테스트 영상에 대한 객체 인식 수행 여부를 기반으로 영상 제어기(2000)의 보안 성능을 평가할 수 있다. 구체적 예로, 성능 평가부(1500)는, 영상 제어기(2000)가 제2 통신부(1400)에서 전송되는 보안 테스트 영상을 수신한 후 영상 제어기(2000)로부터 수신된 객체 인식 결과가, 보안 테스트 영상에 대한 객체 인식을 수행한 것이면 영상 제어기(2000)의 보안 성능을 낮게 평가하고, 보안 테스트 영상에 대한 객체 인식을 수행하지 않은 것이면 영상 제어기(2000)의 보안 성능을 높게 평가할 수 있다. 이는 영상 제어기(2000)에 정상적인 않은 경로 즉, 영상 입출력 인터페이스를 통해 수신되지 않은 영상에 대한 객체 인식을 수행하는 것을 차단함으로써 해킹의 위험을 배제하기 위함이다.
메모리(1600)는 시험 장치(1000)에서 처리되는 데이터를 저장할 수 있다. 구체적 예로, 메모리(1600)는 영상 제어기(2000)의 성능 테스트를 위한 객체 인식 학습 모델, 객체 인식 테스트 영상, 객체 인식 테스트 영상에 포함된 객체에 대한 객체 인식 데이터, 보안 테스트 영상, 영상 제어기(2000)로부터 수신되는 객체 인식 결과, 영상 제어기(2000)에 대한 성능 평가 결과 등을 저장할 수 있다.
일 실시예에서, 메모리(1600)는 복수의 객체 인식 학습 모델, 복수의 객체 인식 테스트 영상, 복수의 객체 인식 테스트 영상 각각에 대한 객체 인식 데이터를 저장할 수 있다. 예를 들어, 시험 통제부(1100)는 영상 제어기(2000)에 적합한 객체 인식 학습 모델, 객체 인식 테스트 영상을 메모리(1600)에 저장된 복수의 객체 인식 학습 모델, 복수의 객체 인식 테스트 영상 중에서 결정할 수 있다.
도 3는 본 발명의 일 실시예에 따른 차량용 영상 제어기(2000)의 성능을 평가하는 시스템의 동작을 설명하기 위한 도면이다.
이하, 도 3에 도시된 방법은 도 1에 도시된 시스템을 예시로 설명한다.
단계 S3100에서, 객체 인식 학습 모델이 전송된다. 구체적으로, 시험 장치(1000)는 영상 제어기(2000)의 객체 인식 성능을 평가하기 위해, 딥러닝 기반의 객체 인식 학습 모델을 영상 제어기(2000)에 전송할 수 있다.
일 실시예에서, 시험 장치(1000)는 성능 평가 대상의 영상 제어기(2000)에 적합한 객체 인식 학습 모델을 결정하여, 영상 제어기(2000)에 전송할 수 있다.
단계 S3200에서, 테스트 영상이 전송된다. 구체적으로, 시험 장치(1000)는 영상 제어기(2000)의 객체 인식 성능을 평가하기 위해, 영상 제어기(2000)가 객체 인식을 수행할 객체 인식 테스트 영상을 영상 제어기(2000)에 전송할 수 있다.
일 실시예에서, 시험 장치(1000)는 성능 평가 대상의 영상 제어기(2000)에 적합한 객체 인식 테스트 영상을 결정하여, 영상 제어기(2000)에 전송할 수 있다.
일 실시예에서, 시험 장치(1000)는 객체 인식 학습 모델과 상이한 통신 인터페이스를 사용하여 영상 제어기(2000)에 전송할 수 있다.
단계 S3300에서, 객체 인식이 수행된다. 구체적으로, 영상 제어기(2000)는 시험 장치(1000)로부터 수신된 객체 인식 학습 모델을 기반으로, 시험 장치(1000)로부터 수신된 객체 인식 테스트 영상에 대한 객체 인식을 수행할 수 있다. 영상 제어기(2000)는 객체 인식 테스트 영상에 대한 객체 인식 결과를 시험 장치(1000)에 전송할 수 있다.
단계 S3400에서, 영상 제어기(2000)의 성능이 평가된다. 구체적으로, 시험 장치(1000)는 영상 제어기(2000)로부터 수신되는 객체 인식 결과를 기반으로 영상 제어기(2000)의 성능을 평가할 수 있다.
일 실시예에서, 시험 장치(1000)는 미리 저장된 객체 인식 데이터와 영상 제어기(2000)로부터 수신되는 객체 인식 결과를 비교함으로써, 영상 제어기(2000)의 성능을 평가할 수 있다.
도 4는 도 1에 도시된 차량용 영상 제어기(2000) 성능 시험 장치(1000)의 동작을 설명하기 위한 도면이다.
단계 S4100에서, 영상 제어기(2000)에 대한 성능 테스트가 결정된다. 구체적으로, 시험 장치(1000)는 영상 제어기(2000)에 대한 객체 인식 성능 또는 보안 성능의 테스트 여부를 결정할 수 있다.
일 실시예에서, 시험 장치(1000)는 영상 제어기(2000)에 대한 객체 인식 성능을 테스트하고자 하는 경우, 테스트 대상의 영상 제어기(2000)에 적합한 객체 인식 학습 모델 및 객체 인식 테스트 영상을 결정할 수 있다.
단계 S4200에서, 객체 인식 학습 모델이 전송된다. 구체적으로, 시험 장치(1000)는 영상 제어기(2000)의 객체 인식 성능을 테스트하기로 결정된 경우, 테스트 대상인 영상 제어기(2000)에 적합한 객체 인식 학습 모델을 영상 제어기(2000)로 전송할 수 있다.
일 실시예에서, 시험 장치(1000)는 제2 통신부(1400)를 통해 영상 제어기(2000)로 객체 인식 학습 모델을 전송할 수 있다.
단계 S4300에서, 제1 통신부(1300)를 통해 테스트 영상이 전송된다. 구체적으로, 시험 장치(1000)는 제1 통신부(1300)를 통해 영상 제어기(2000)에 적합한 객체 인식 테스트 영상을 영상 제어기(2000)로 전송할 수 있다.
단계 S4400에서, 제2 통신부(1400)를 통해 테스트 영상이 전송된다. 구체적으로, 시험 장치(1000)는 영상 제어기(2000)에 대한 보안 성능을 테스트하기로 결정되면, 제2 통신부(1400)를 통해 보안 테스트 영상을 영상 제어기(2000)로 전송할 수 있다.
일 실시예에서, 단계 S4400는 단계 S4200 및 단계 S4300와 병행하여 수행되거나 독립하여 수행될 수 있다.
단계 S4500에서, 객체 인식 결과가 수신된다. 구체적으로, 시험 장치(1000)는 영상 제어기(2000)가 테스트 영상에 대해 수행한 객체 인식 결과를 제2 통신부(1400)를 통해 수신할 수 있다.
단계 S4600에서, 영상 제어기(2000)의 성능이 평가된다. 구체적으로, 시험 장치(1000)는 영상 제어기(2000)로부터 영상 인식 결과가 수신되면, 수신된 영상 인식 결과를 기반으로 영상 제어기(2000)의 성능을 평가할 수 있다.
일 실시예에서, 시험 장치(1000)는 미리 저장된 객체 인식 데이터와 영상 제어기(2000)로부터 수신된 영상 인식 결과를 비교함으로써, 영상 제어기(2000)의 객체 인식 성능을 평가할 수 있다.
일 실시예에서, 시험 장치(1000)는 보안 테스트 영상을 수신한 영상 제어기(2000)로부터 수신된 영상 인식 결과가, 보안 테스트 영상에 대한 영상 인식을 수행한 것으로 판단되면 영상 제어기(2000)의 보안 성능을 낮게 평가하고, 보안 테스트 영상에 대한 영상 인식을 수행하지 않은 것으로 판단되면 영상 제어기(2000)의 보안 성능을 높게 평가할 수 있다.
단계 S4700에서, 성능 평가가 출력된다. 구체적으로, 시험 장치(1000)는 영상 제어기(2000)에 대한 객체 인식 성능, 보안 성능 평가 등이 완료되면, 이를 사용자가 시각 또는 청각을 통해 인식할 수 있도록 출력할 수 있다.
일 실시예에서, 시험 장치(1000)는 성능 평가 결과를 표시부에 출력할 수 있다.
도 5는 도 1에 도시된 차량용 영상 제어기(2000)의 동작을 설명하기 위한 도면이다.
단계 S5100에서, 객체 인식 학습 모델이 수신된다. 영상 제어기(2000)는 시험 장치(1000)로부터 객체 인식을 위한 학습 모델을 수신할 수 있다.
단계 S5200에서, 테스트 영상이 수신된다. 구체적으로, 영상 제어기(2000)는 제1 통신부(1300) 또는 제2 통신부(1400)로부터 수신되는 테스트 영상을 수신할 수 있다. 여기서, 테스트 영상은 객체 인식 테스트 영상 또는 보안 테스트 영상일 수 있다.
단계 S5300에서, 영상 제어기(2000)는 테스트 영상이 제1 통신부(1300) 또는 제2 통신부(1400)로부터 수신되었는지 여부를 판단할 수 있다. 영상 송수신을 위한 인터페이스인 제1 통신부(1300)가 아닌 제2 통신부(1400)로부터 테스트 영상이 수신되었다면, 이는 정상적인 경로를 통해 영상 제어기(2000)에 입력된 테스트 영상 즉, 해킹 데이터일 수 있기 때문이다. 따라서, 제1 통신부(1300)가 아닌 경로로 테스트 영상이 수신된 경우, 영상 제어기(2000)는 객체 인식을 수행하지 않고 단계 S5500을 진행한다.
단계 S5400, 테스트 영상에 대한 객체 인식이 수행된다. 구체적으로, 영상 제어기(2000)는 제1 통신부(1300)를 통해 테스트 영상이 수신된 것으로 확인되면, 시험 장치(1000)로부터 수신된 객체 인식 학습 모델을 기반으로 테스트 영상에 대한 객체 인식을 수행할 수 있다.
단계 S5500에서, 객체 인식 결과가 전송된다. 구체적으로, 영상 제어기(2000)는 제1 통신부(1300)로부터 수신된 테스트 영상에 대한 객체 인식을 수행한 결과를 시험 장치(1000)에 전송할 수 있다.
또한, 영상 제어기(2000)는 제2 통신부(1400)로부터 수신된 테스트 영상에 대해서 객체 인식을 수행하지 않았다는 결과를 시험 장치(1000)에 전송할 수 있다.
도 6은 본 발명의 다른 실시예에 따른 시험 장치(1000) 및 영상 제어기(2000)의 블록도이다.
도 6에 도시된 바와 같이, 시험 장치(1000) 및 영상 제어기(2000)는 프로세서(610), 메모리(620), 저장부(630), 사용자 인터페이스 입력부(640) 및 사용자 인터페이스 출력부(650) 중 적어도 하나 이상의 요소를 포함할 수 있으며, 이들은 버스(660)를 통해 서로 통신할 수 있다. 또한, 시험 장치(1000) 및 영상 제어기(2000)는 네트워크에 접속하기 위한 네트워크 인터페이스(670)를 또한 포함할 수 있다. 프로세서(610)는 메모리(620) 및/또는 저장소(630)에 저장된 처리 명령어를 실행시키는 CPU 또는 반도체 소자일 수 있다. 메모리(6720) 및 저장부(630)는 다양한 유형의 휘발성/비휘발성 기억 매체를 포함할 수 있다. 예를 들어, 메모리는 ROM(624) 및 RAM(625)을 포함할 수 있다.
이제까지 본 발명에 대하여 그 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
1000 : 시험 장치
1100 : 영상 제어기
1200 : 제어부
1300 : 제1 통신부
1400 : 제2 통신부
1500 : 성능 평가부
1600 : 메모리

Claims (16)

  1. 차량용 영상 제어기의 프로세서, 자원, 처리할 영상의 크기, 화소, 용량, 영상 처리 속도를 기반으로 객체 인식 성능 평가를 위한 객체 인식 학습 모델과, 상기 차량용 영상 제어기의 보안 성능 테스트 수행 여부를 결정하는 시험 통제부;
    상기 객체 인식 학습 모델이 결정됨에 따라 상기 차량용 영상 제어기의 객체 인식 성능을 테스트하기 위한 객체 인식 테스트 영상을 상기 차량용 영상 제어기에 전송하는 제1 통신부;
    상기 차량용 영상 제어기의 객체 인식 성능을 테스트하기 위한 딥러닝 기반의 객체 인식 학습 모델을 상기 차량용 영상 제어기에 전송하고, 상기 차량용 영상 제어기에서 상기 객체 인식 학습 모델을 기반으로 수행된 상기 객체 인식 테스트 영상에 대한 객체 인식 결과를 상기 차량용 영상 제어기로부터 수신하며,
    상기 보안 성능 테스트의 수행이 결정됨에 따라 상기 차량용 영상 제어기의 보안 성능을 테스트하기 위한 보안 테스트 영상을 상기 차량용 영상 제어기에 전송하고, 상기 차량용 영상 제어기에서 상기 보안 테스트 영상에 대한 객체 인식 결과를 상기 차량용 영상 제어기로부터 수신하는 제2 통신부;
    상기 객체 인식 테스트 영상에 대한 객체 인식 결과와 보안 테스트 영상에 대한 객체 인식 결과를 기반으로 상기 차량용 영상 제어기의 객체 인식 성능과 보안 성능을 평가하되,
    상기 객체 인식 결과가 보안 테스트 영상에 대한 객체 인식을 수행한 것이면, 상기 차량용 영상 제어기의 보안 성능을 낮음으로 평가하는 성능 평가부;를 포함하는 차량용 영상 제어기 시험 장치.
  2. 제1항에 있어서,
    상기 제1 통신부는 영상 출력을 위한 인터페이스 단자이고, 상기 제2 통신부는 상기 제1 통신부와 상이한 인터페이스의 데이터 송수신을 위한 통신 모듈인, 차량용 영상 제어기 시험 장치.
  3. 제2항에 있어서,
    상기 제2 통신부는, 고속 데이터 전송 인터페이스인, 차량용 영상 제어기 시험 장치.
  4. 제 1 항에 있어서,
    상기 성능 평가부는,
    상기 객체 인식 테스트 영상에 대해 미리 저장된 객체 인식 데이터를 상기 수신된 객체 인식 결과와 비교하여 상기 차량용 영상 제어기의 객체 인식 성능을 평가하는, 차량용 영상 제어기 시험 장치.
  5. 삭제
  6. 제1항에 있어서,
    상기 객체 인식 학습 모델, 상기 객체 인식 테스트 영상 및 상기 차량용 영상 제어기에 대한 객체 인식 성능 평가 결과 중 적어도 하나를 저장하는 메모리를 더 포함하는, 차량용 영상 제어기 시험 장치.
  7. 삭제
  8. 제1항에 있어서,
    상기 시험 통제부는,
    상기 차량용 영상 제어기에 대한 객체 인식 성능 평가 결과를 사용자가 시각 또는 청각으로 인식할 수 있도록 출력하는, 차량용 영상 제어기 시험 장치.
  9. 차량용 영상 제어기 시험 장치의 동작 방법에 있어서,
    차량용 영상 제어기의 프로세서, 자원, 처리할 영상의 크기, 화소, 용량, 영상 처리 속도를 기반으로 객체 인식 성능 평가를 위한 딥러닝 기반의 객체 인식 학습 모델과 상기 차량용 영상 제어기의 보안 성능 테스트 수행 여부를 결정하고, 상기 객체 인식 학습 모델을 상기 차량용 영상 제어기에 전송하는 단계;
    상기 차량용 영상 제어기의 객체 인식 성능을 테스트하기 위한 객체 인식 테스트 영상과 상기 차량용 영상 제어기의 보안 성능을 테스트하기 위한 보안 테스트 영상을 상기 차량용 영상 제어기에 전송하는 단계;
    상기 차량용 영상 제어기에서 상기 객체 인식 학습 모델을 기반으로 수행된 상기 객체 인식 테스트 영상에 대한 객체 인식 결과를 상기 차량용 영상 제어기로부터 수신하는 단계;
    상기 객체 인식 테스트 영상에 대한 객체 인식 결과와 보안 테스트 영상에 대한 객체 인식 결과를 기반으로 상기 차량용 영상 제어기의 객체 인식 성능과 보안 성능을 평가하되,
    상기 객체 인식 결과가 보안 테스트 영상에 대한 객체 인식을 수행한 것이면, 상기 차량용 영상 제어기의 보안 성능을 낮음으로 평가하는 단계;를 포함하는 방법.
  10. 제9항에 있어서,
    영상 출력을 위한 인터페이스 단자를 통해 상기 객체 인식 테스트 영상이 전송되고,
    상기 영상 출력을 위한 인터페이스 단자와 상이한 데이터 송수신 방식으로 상기 객체 인식 학습 모델이 전송되고 상기 객체 인식 결과가 수신되는, 방법.
  11. 제10항에 있어서,
    상기 영상 출력을 위한 인터페이스 단자와 상이한 데이터 송수신 방식은 고속 데이터 전송 인터페이스인, 방법.
  12. 제 9 항에 있어서,
    상기 차량용 영상 제어기의 객체 인식 성능을 평가하는 단계는,
    상기 객체 인식 테스트 영상에 대해 미리 저장된 객체 인식 데이터를 상기 수신된 객체 인식 결과와 비교하여 상기 차량용 영상 제어기의 객체 인식 성능을 평가하는, 방법.
  13. 삭제
  14. 제9항에 있어서,
    상기 객체 인식 학습 모델, 상기 객체 인식 테스트 영상 및 상기 차량용 영상 제어기에 대한 객체 인식 성능 평가 결과 중 적어도 하나를 메모리에 저장하는 단계를 더 포함하는, 방법.
  15. 삭제
  16. 제9항에 있어서,
    상기 차량용 영상 제어기에 대한 객체 인식 성능 평가 결과를 사용자가 시각 또는 청각으로 인식할 수 있도록 출력하는 단계를 더 포함하는, 방법.
KR1020200186382A 2020-12-29 2020-12-29 차량용 영상 제어기 성능 테스트 장치 및 그 동작 방법 KR102585521B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200186382A KR102585521B1 (ko) 2020-12-29 2020-12-29 차량용 영상 제어기 성능 테스트 장치 및 그 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200186382A KR102585521B1 (ko) 2020-12-29 2020-12-29 차량용 영상 제어기 성능 테스트 장치 및 그 동작 방법

Publications (2)

Publication Number Publication Date
KR20220095363A KR20220095363A (ko) 2022-07-07
KR102585521B1 true KR102585521B1 (ko) 2023-10-10

Family

ID=82397768

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200186382A KR102585521B1 (ko) 2020-12-29 2020-12-29 차량용 영상 제어기 성능 테스트 장치 및 그 동작 방법

Country Status (1)

Country Link
KR (1) KR102585521B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019139479A (ja) * 2018-02-09 2019-08-22 Kddi株式会社 複数の認識エンジンを用いてコンテキストを推定するプログラム、装置及び方法
JP2020060807A (ja) * 2018-10-04 2020-04-16 トヨタ自動車株式会社 画像処理装置、画像処理方法、およびプログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102161783B1 (ko) * 2014-01-16 2020-10-05 한국전자통신연구원 초고해상도 얼굴 동영상 데이터베이스를 이용한 서비스 로봇 얼굴인식 성능 평가 시스템 및 방법
KR102587090B1 (ko) 2018-11-20 2023-10-11 현대자동차주식회사 차량의 객체 인식 장치, 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019139479A (ja) * 2018-02-09 2019-08-22 Kddi株式会社 複数の認識エンジンを用いてコンテキストを推定するプログラム、装置及び方法
JP2020060807A (ja) * 2018-10-04 2020-04-16 トヨタ自動車株式会社 画像処理装置、画像処理方法、およびプログラム

Also Published As

Publication number Publication date
KR20220095363A (ko) 2022-07-07

Similar Documents

Publication Publication Date Title
US20100103197A1 (en) Method for adjusting font size on screen
US20140098008A1 (en) Method and apparatus for vehicle enabled visual augmentation
KR102337072B1 (ko) 이모티콘을 생성하는 방법 및 이를 지원하는 전자장치
US20180107532A1 (en) V2x communication apparatus for verifying reliability of v2x data, system including the v2x communication apparatus, and method for verifying reliability of v2x data
CN104954353B (zh) Apk文件包的校验方法和装置
JP2020520493A (ja) 道路地図生成方法、装置、電子機器およびコンピュータ記憶媒体
US10061994B2 (en) Driving-support-image generation device, driving-support-image display device, driving-support-image display system, and driving-support-image generation program
US20160219059A1 (en) Method of providing telematics service and registering vehicle and apparatus therefor
CN110569127B (zh) 虚拟资源转移、发送、获取方法和装置
US20220327928A1 (en) Method of providing prompt for traffic light, vehicle, and electronic device
KR20200084777A (ko) 자율 주행 차량의 트레이닝 및 운영을 위한 시스템 및 방법
KR102585521B1 (ko) 차량용 영상 제어기 성능 테스트 장치 및 그 동작 방법
KR102585556B1 (ko) 카메라 영상 왜곡 검사 장치 및 그 동작 방법
CN108419044B (zh) 车辆定责方法、终端及计算机可读存储介质
KR20220114336A (ko) 사용자 단말 및 그 제어 방법
JP6466367B2 (ja) コンテンツ配信システム、コンテンツ配信装置、コンテンツ配信方法、及びプログラム
CN108833253B (zh) 基于车辆驾驶环境的即时通讯监控方法及其系统
US20230024275A1 (en) Vehicular driving guidance method and electronic device
US20200269793A1 (en) Apparatus and method for detecting impact portion in vehicle
JP2020187396A (ja) 矢印方向特定装置及び矢印方向特定方法
US20210350708A1 (en) Apparatus for controlling platooning, system including the same, and method for the same
US20210026349A1 (en) Vehicle control system and vehicle control method
CN110955849B (zh) 对象显示方法、装置、电子设备及计算机可读存储介质
KR20220110967A (ko) 사용자 단말 및 그 제어 방법
US10740928B2 (en) Apparatus for providing vehicle image, system having the same, and method for providing the vehicle image

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right