KR102603732B1 - 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램 - Google Patents

주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램 Download PDF

Info

Publication number
KR102603732B1
KR102603732B1 KR1020210148128A KR20210148128A KR102603732B1 KR 102603732 B1 KR102603732 B1 KR 102603732B1 KR 1020210148128 A KR1020210148128 A KR 1020210148128A KR 20210148128 A KR20210148128 A KR 20210148128A KR 102603732 B1 KR102603732 B1 KR 102603732B1
Authority
KR
South Korea
Prior art keywords
parking
recognition
vehicle
area
camera
Prior art date
Application number
KR1020210148128A
Other languages
English (en)
Other versions
KR20230063171A (ko
Inventor
정상수
싱다난지아
최융지
Original Assignee
주식회사 베스텔라랩
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 베스텔라랩 filed Critical 주식회사 베스텔라랩
Priority to KR1020210148128A priority Critical patent/KR102603732B1/ko
Priority to PCT/KR2022/012357 priority patent/WO2023075107A1/ko
Publication of KR20230063171A publication Critical patent/KR20230063171A/ko
Application granted granted Critical
Publication of KR102603732B1 publication Critical patent/KR102603732B1/ko

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 주차면에 주차된 차량을 효과적으로 인식할 수 있는 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램을 위하여, 적어도 하나의 주차면에 주차된 차량을 인식하는 주차 인식 방법에 있어서, 적어도 하나의 카메라에서 촬영된 상기 적어도 하나의 주차면 및 상기 차량에 대한 복수의 이미지를 획득하는 단계, 시계열적으로 연속되는 상기 복수의 이미지 사이의 이미지 차이에 기초하여 상기 적어도 하나의 카메라 중 주차 인식 대상이 되는 카메라와 주차 인식 시점을 결정하는 단계, 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 상기 적어도 하나의 주차면에 대하여 주차면 점유 판단 영역을 각각 설정하는 단계, 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 상기 차량에 대하여 차량 인식 영역을 각각 설정하는 단계, 및 상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 기초로 상기 적어도 하나의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단하는 단계를 포함하는, 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램을 제공한다.

Description

주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램{Method of recognizing car parking, system for recognizing car parking, and computer program for the method}
본 발명의 실시예들은 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램에 관한 것으로서, 더 상세하게는 주차면에 주차된 차량을 효과적으로 인식할 수 있는 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램에 관한 것이다.
일반적으로, 빌딩, 병원, 공항, 백화점, 쇼핑몰, 관공서, 아파트, 오피스텔 등 대형 주차장에서는 해당 주차면에 차량이 주차되어 있는지 여부를 파악할 필요가 있다. 이는 주차장의 만차 여부, 주차 가능 대수 등을 운전자에게 표시하고, 주차장을 효율적으로 관리하는데 매우 필요하다. 그런데, 각 주차면에 차량이 주차되어 있는지 또는 공차인지 여부를 판단하기 위하여 일일이 돌아다니며 확인하기 어려우며, 주차면에 별도의 장치를 설치하는 경우 각 주차 영역마다 센서를 설치해야 하므로 설치 비용이 증가하고, 많은 장비로 인해 고장 확률이 증가하여 효율적 관리가 어려우며 유지 보수 비용이 증가한다. 또한, 운전자의 입장에서는, 주차 공간에 대한 판단이 운전자의 시야에 한정되므로 전체 주차 공간에 대한 주차 현황을 한눈에 파악하기 어렵다.
본 발명은 상기와 같은 문제점을 포함하여 여러 문제점들을 해결하기 위한 것으로서, 주차면에 주차된 차량을 효과적으로 인식할 수 있는 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램을 제공하는 것을 목적으로 한다. 그러나 이러한 과제는 예시적인 것으로, 이에 의해 본 발명의 범위가 한정되는 것은 아니다.
본 발명의 일 관점에 따르면, 적어도 하나의 주차면에 주차된 차량을 인식하는 주차 인식 방법에 있어서, 적어도 하나의 카메라에서 촬영된 상기 적어도 하나의 주차면 및 상기 차량에 대한 복수의 이미지를 획득하는 단계, 시계열적으로 연속되는 상기 복수의 이미지 사이의 이미지 차이에 기초하여 상기 적어도 하나의 카메라 중 주차 인식 대상이 되는 카메라와 주차 인식 시점을 결정하는 단계, 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 상기 적어도 하나의 주차면에 대하여 주차면 점유 판단 영역을 각각 설정하는 단계, 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 상기 차량에 대하여 차량 인식 영역을 각각 설정하는 단계, 및 상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 기초로 상기 적어도 하나의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단하는 단계를 포함하는, 주차 인식 방법이 제공된다.
상기 이미지 차이는, 상기 복수의 이미지의 각 픽셀 단위에 대한 명도, 채도, 및 색의 차이를 포함할 수 있다.
상기 주차 인식 대상이 되는 카메라와 주차 인식 시점을 결정하는 단계는, 시계열적으로 연속되는 제1 이미지 및 제2 이미지 사이의 상기 이미지 차이를 계산하는 단계, 상기 제1 이미지 및 상기 제2 이미지 사이의 상기 이미지 차이가 미리 설정된 임계값 이상인 경우, 상기 제1 이미지 및 상기 제2 이미지를 촬영한 카메라를 상기 주차 인식 대상이 되는 카메라로 결정하는 단계, 및 상기 제2 이미지가 촬영된 시점을 상기 주차 인식 시점으로 결정하는 단계를 포함할 수 있다.
상기 주차면 점유 판단 영역을 각각 설정하는 단계는, 상기 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면의 개수에 기초하여, 상기 적어도 하나의 주차면에 대하여 상기 차량 인식 영역의 미리 설정된 영역에 대한 예측 범위를 기초로 상기 주차면 점유 판단 영역을 설정하는 단계, 및 상기 예측 범위에 대한 학습 데이터에 기초하여 상기 주차면 점유 판단 영역을 재설정하는 단계를 포함할 수 있다.
상기 차량 인식 영역을 각각 설정하는 단계는, 미리 학습된 딥러닝 네트워크에 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 입력하는 단계, 및 상기 미리 학습된 딥러닝 네트워크의 출력값에 기초하여 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지에 포함된 상기 차량에 대하여 상기 차량 인식 영역을 설정하는 단계를 포함할 수 있다.
상기 적어도 하나의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단하는 단계는, 상기 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면에 기초하여 상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 매핑하는 단계, 및 상기 차량 인식 영역의 미리 설정된 영역이 상기 주차면 점유 판단 영역 내에 존재하는지 여부를 판단하는 단계를 포함할 수 있다.
본 발명의 일 관점에 따르면, 컴퓨터를 이용하여 상술한 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램이 제공된다.
본 발명의 일 관점에 따르면, 적어도 하나의 주차면에 주차된 차량을 인식하는 주차 인식 시스템에 있어서, 적어도 하나의 카메라에서 촬영된 상기 적어도 하나의 주차면 및 상기 차량에 대한 복수의 이미지를 획득하고, 시계열적으로 연속되는 상기 복수의 이미지 사이의 이미지 차이에 기초하여 상기 적어도 하나의 카메라 중 주차 인식 대상이 되는 카메라와 주차 인식 시점을 결정하고, 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 상기 적어도 하나의 주차면에 대하여 주차면 점유 판단 영역을 각각 설정하고, 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 상기 차량에 대하여 차량 인식 영역을 각각 설정하고, 상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 기초로 상기 적어도 하나의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단하는, 주차 인식 서버를 포함하는, 주차 인식 시스템이 제공된다.
상기 이미지 차이는, 상기 복수의 이미지의 각 픽셀 단위에 대한 명도, 채도, 및 색의 차이를 포함할 수 있다.
상기 주차 인식 서버는, 시계열적으로 연속되는 제1 이미지 및 제2 이미지 사이의 상기 이미지 차이를 계산하고, 상기 이미지 차이가 미리 설정된 임계값 이상인 경우, 상기 제1 이미지 및 상기 제2 이미지를 촬영한 카메라를 상기 주차 인식 대상이 되는 카메라로 결정하고, 상기 제2 이미지가 촬영된 시점을 상기 주차 인식 시점으로 결정할 수 있다.
상기 주차 인식 서버는, 상기 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면의 개수에 기초하여, 상기 적어도 하나의 주차면에 대하여 상기 차량 인식 영역의 미리 설정된 영역에 대한 예측 범위를 기초로 상기 주차면 점유 판단 영역을 설정하고, 상기 예측 범위에 대한 학습 데이터에 기초하여 상기 주차면 점유 판단 영역을 재설정할 수 있다.
상기 주차 인식 서버는, 미리 학습된 딥러닝 네트워크에 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 입력하고, 상기 미리 학습된 딥러닝 네트워크의 출력값에 기초하여 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지에 포함된 상기 차량에 대하여 상기 차량 인식 영역을 설정할 수 있다.
상기 주차 인식 서버는, 상기 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면에 기초하여 상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 매핑하고, 상기 차량 인식 영역의 미리 설정된 영역이 상기 주차면 점유 판단 영역 내에 존재하는지 여부를 판단할 수 있다.
전술한 것 외의 다른 측면, 특징, 이점은 이하의 발명을 실시하기 위한 구체적인 내용, 청구범위 및 도면으로부터 명확해질 것이다.
상기한 바와 같이 이루어진 본 발명의 일 실시예에 따르면, 주차면에 주차된 차량을 효과적으로 인식할 수 있는 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램을 구현할 수 있다. 물론 이러한 효과에 의해 본 발명의 범위가 한정되는 것은 아니다.
도 1은 본 발명의 일 실시예에 따른 주차 인식 시스템과 카메라 등을 개략적으로 도시하는 개념도이다.
도 2는 도 1의 주차 인식 서버가 포함하는 장치의 구성요소들을 개략적으로 보여주는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 주차 인식 서버의 프로세서 구성을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 주차 인식 방법을 보여주는 순서도이다.
도 5는 본 발명의 일 실시예에 따른 주차 인식 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 주차 인식 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 또 다른 실시예에 따른 주차 인식 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 또 다른 실시예에 따른 주차 인식 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 또 다른 실시예에 따른 주차 인식 방법을 설명하기 위한 도면이다.
도 10은 본 발명의 또 다른 실시예에 따른 주차 인식 방법을 설명하기 위한 도면이다.
도 11은 본 발명의 또 다른 실시예에 따른 주차 인식 방법을 설명하기 위한 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하의 실시예에서, 제1 이나 제2 등의 용어는 한정적인 의미가 아니라, 일 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 그리고 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 포함하다 또는 가지다 등의 용어는 명세서 상에 기재된 특징 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 배제하는 것은 아니다.
도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
이하의 실시예에서, 영역, 구성 요소, 부, 블록 또는 모듈 등의 부분이 다른 부분 위에 또는 상에 있다고 할 때, 다른 부분의 바로 위에 있는 경우뿐만 아니라, 그 중간에 다른 영역, 구성 요소, 부, 블록 또는 모듈 등이 개재되어 있는 경우도 포함한다. 그리고 영역, 구성 요소, 부, 블록 또는 모듈 등이 연결되었다고 할 때, 영역, 구성 요소, 부, 블록 또는 모듈들이 직접적으로 연결된 경우뿐만 아니라 영역, 구성요소, 부, 블록 또는 모듈들 중간에 다른 영역, 구성 요소, 부, 블록 또는 모듈들이 개재되어 간접적으로 연결된 경우도 포함한다.
도 1은 본 발명의 일 실시예에 따른 주차 인식 시스템과 카메라 등을 개략적으로 도시하는 개념도이다.
도 1을 참조하면, 주차 인식 시스템(1)은 주차 인식 서버(300)를 포함할 수 있다. 물론 필요에 따라 주차 인식 시스템(1)은 주차 인식 서버(300)와 카메라(100)를 포함할 수도 있다. 이러한 주차 인식 시스템(1)의 구성요소들은 네트워크를 통해 연결되어 서로 통신할 수 있다. 예컨대, 주차 인식 서버(300) 및 카메라(100)는 네트워크로 연결되어 서로 통신할 수 있다.
하지만 본 발명은 이에 한정되지 않으며, 주차 인식 시스템(1)은 다른 구성요소를 더 포함할 수도 있고 일부 구성요소가 생략될 수도 있다. 또한, 주차 인식 시스템(1)은 GPU 혹은 NPU가 탑재된 AI 카메라 등 엣지 컴퓨팅으로서 카메라 단말(edge)을 포함할 수도 있다. 주차 인식 시스템(1)의 일부 구성요소는 복수의 장치로 분리될 수도 있고, 복수개의 구성요소들이 하나의 장치로 병합될 수도 있다.
카메라(100)는 주차장의 주차면과 주차된 차량을 촬영하기 위해 필요한 하드웨어 장치이다. 카메라(100)는 주차장의 주차면 및 주차된 차량을 촬영하여 주차면 및 차량에 대한 이미지 데이터를 생성할 수 있다. 또한, 카메라(100)는 네트워크를 통하여 주차면 및 차량에 대한 이미지 데이터를 주차 인식 서버(300)로 송신할 수 있다.
본 발명의 일 실시예에 따른 카메라(100)는 복수개의 카메라를 포함할 수 있다. 예를 들어, 도 1에 도시된 바와 같이, 주차 인식 서버(300)는 제1 카메라(110), 제2 카메라(120), 제3 카메라(130), 및 제n 카메라와 네트워크로 연결되어 서로 통신할 수 있다.
이러한 카메라(100)는 ID를 가질 수 있다. 즉, 주차장에 설치된 카메라(100)는 각각 고유의 ID를 가질 수 있다. 예를 들어, 제1 카메라(110), 제2 카메라(120), 제3 카메라(130), 및 제n 카메라가 주차장에 설치되는 경우 제1 카메라(110), 제2 카메라(120), 제3 카메라(130), 및 제n 카메라는 서로 다른 주차면을 촬영하도록 설치 장소, 촬영 각도, 및 촬영 방향 등이 설정될 수 있다. 이 경우, 제1 카메라(110), 제2 카메라(120), 제3 카메라(130), 및 제n 카메라에는 각각 고유의 ID가 설정될 수 있다. 예컨대, 카메라(100)의 ID는 숫자, 알파벳과 같은 문자, 특수문자 및/또는 기호 등을 포함할 수 있다.
또한, 제1 카메라(110), 제2 카메라(120), 제3 카메라(130), 및 제n 카메라가 촬영하는 주차면은 미리 설정될 수 있다. 예컨대, 제1 카메라(110), 제2 카메라(120), 제3 카메라(130), 및 제n 카메라가 촬영하는 주차면의 개수가 각각 미리 설정될 수 있다. 예를 들어, 제1 카메라(110)는 8개의 주차면을 촬영할 수 있다.
주차 인식 서버(300)는 적어도 하나의 카메라(100)에서 촬영된 적어도 하나의 주차면 및 차량에 대한 복수의 이미지를 획득할 수 있다. 또한, 주차 인식 서버(300)는 시계열적으로 연속되는 복수의 이미지 사이의 이미지 차이에 기초하여 적어도 하나의 카메라 중 주차 인식 대상이 되는 카메라와 주차 인식 시점을 결정할 수 있다. 또한, 주차 인식 서버(300)는 주차 인식 시점에 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 적어도 하나의 주차면에 대하여 주차면 점유 판단 영역을 각각 설정할 수 있다. 또한, 주차 인식 서버(300)는 주차 인식 시점에 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 차량에 대하여 차량 인식 영역을 각각 설정할 수 있다. 또한, 주차 인식 서버(300)는 주차면 점유 판단 영역 및 차량 인식 영역을 기초로 적어도 하나의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단할 수 있다. 주차 인식 서버(300)는 예를 들면 클라우드 서버일 수 있으나, 본 발명이 이에 한정되는 것은 아니다.
네트워크는 전자 장치 및/또는 서버들 간의 데이터를 송수신할 수 있는 하나 이상의 데이터 링크로 정의될 수 있으며, 유선 및/또는 무선 통신망일 수 있다. 예컨대, 네트워크는 다양한 사용자 선택형 콘텐츠를 효율적으로 전달할 수 있는 콘텐츠 전송 네트워크(CDN)를 포함할 수 있다. 또는, 네트워크는 셀룰러(Cellular)(예를 들어, WAN, UDP 등), 와이파이(WiFi), 블루투스(Bluetooth), 저전력 블루투스(Bluetooth Low Energy), 지그비(Zigbee) 또는 울트라와이드밴드 (Ultra Wide Band, UWB)일 수 있으나, 본 발명에서 의미하는 네트워크가 이에 한정되는 것은 아니다.
이처럼 본 발명의 일 실시예에 따른 주차 인식 시스템(1)은, 주차 인식 시점에 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 주차면에 차량이 주차되어 있는지를 판단함으로써, 컴퓨팅 파워의 소모를 최소화할 수 있는 효과가 있다.
도 2는 도 1의 주차 인식 서버가 포함하는 장치의 구성요소들을 개략적으로 보여주는 블록도이고, 도 3은 본 발명의 일 실시예에 따른 주차 인식 서버의 프로세서 구성을 설명하기 위한 도면이다.
먼저, 도 2를 참조하면, 본 발명의 일 실시예에 따른 주차 인식 서버(300)는 통신모듈(310), 프로세서(320) 및 메모리(330)를 포함할 수 있다.
통신모듈(310)은 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 장치나 서버와 통신할 수 있다. 통신모듈(310)은 네트워크에 의해 다른 장치의 통신모듈에 연결되어 서로 데이터를 주고받을 수 있다. 예컨대, 통신모듈(310)은 네트워크에 의해 카메라(100)의 통신모듈에 연결되어 서로 데이터를 주고받을 수 있다.
프로세서(320)는 메모리(330)에 저장된 각종 프로그램을 이용하여 주차 인식 시스템(1)을 전반적으로 제어하는 동작을 수행할 수 있다. 프로세서(320)는 마이크로프로세서(Microprocessor), 중앙처리장치(Central Processing Unit: CPU), 프로세서 코어(Processor Core), 멀티프로세서(Multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등의 처리 장치를 포함할 수 있으나, 본 발명은 이에 한정되지 않는다.
메모리(330)는 주차 인식 서버(300)가 처리하는 데이터를 일시적 또는 영구적으로 저장할 수 있다. 메모리(330)는 RAM(Random Access Memory), ROM(Read Only Memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(Permanent Mass Storage Device)를 포함할 수 있으나, 본 발명이 이에 한정되는 것은 아니다.
도 2에 도시된 것과 같은 주차 인식 서버(300)는 프로세서(320)의 처리 또는 제어를 위한 프로그램 등, 전반의 동작을 위한 다양한 데이터를 저장한 저장 매체(미도시)를 더 포함할 수 있다. 저장 매체는 주차 인식 서버(300)에서 구동되는 다수의 응용 프로그램(application program 또는 어플리케이션(application)), 주차 인식 서버(300)의 동작을 위한 데이터들, 그리고 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다. 또한, 이러한 응용 프로그램 중 적어도 일부는, 주차 인식 서버(300)의 기본적인 기능을 위하여 출고 당시부터 주차 인식 서버(300) 상에 존재할 수 있다. 응용 프로그램은, 저장 매체에 저장되고, 프로세서(320)에 의하여 주차 인식 서버(300)의 동작(또는 기능)을 수행하도록 구동될 수 있다.
주차 인식 시스템(1)과 이에 포함된 각 모듈이나 부(unit)는, 전적으로 하드웨어일 수 있고, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다. 예컨대, 주차 인식 시스템(1)과 이에 포함된 각 모듈이나 부(unit)는 특정 형식 및 내용의 데이터를 처리하거나 전자통신 방식으로 주고받기 위한 하드웨어 및 이에 관련된 소프트웨어를 통칭할 수 있다. 본 명세서에서 "부", "모듈", "장치", "단말기", "서버" 또는 "시스템" 등의 용어는 하드웨어 및 해당 하드웨어에 의해 구동되는 소프트웨어의 조합을 지칭하는 것으로 해석될 수 있다. 예컨대, 하드웨어는 CPU 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 하드웨어에 의해 구동되는 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable file), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다.
또한, 주차 인식 시스템(1)을 구성하는 각각의 요소는 반드시 서로 물리적으로 구분되는 별개의 장치를 지칭하는 것으로 한정되는 것은 아니다. 즉, 도 2의 통신모듈(310), 프로세서(320) 및 메모리(330) 등은 주차 인식 서버(300)에 의해 수행되는 동작에 따라 기능적으로 구분한 것일 뿐, 반드시 서로 독립적으로 구분되어야 하는 것이 아니다. 물론, 실시예에 따라서는 이들은 서로 물리적으로 구분되는 별개의 장치로 구현되는 것도 가능하다.
통신 방식은 제한되지 않으며, 네트워크가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
또한, 통신모듈(310)은 외부 서버와 네트워크를 통해 통신할 수 있다. 통신 방식은 제한되지 않지만, 네트워크는 근거리 무선통신망일 수 있다. 예를 들어, 네트워크는 블루투스(Bluetooth), BLE(Bluetooth Low Energy), Wifi 통신망일 수 있다.
또한, 다른 실시예들에서 주차 인식 서버(300)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 예를 들어, 주차 인식 서버(300)는 입출력 장치를 포함하도록 구현되거나 또는 내부 구성요소들에 전력을 공급하는 배터리 및 충전 장치, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
이하 도 3을 참조하여 본 발명의 일 실시예에 따른 주차 인식 서버(300)의 프로세서(320)의 내부 구성에 대하여 상세히 검토한다. 후술되는 프로세서(320)는 이해의 용이를 위하여 도 1에 도시된 주차 인식 서버(300)의 프로세서(320)임을 가정하고 설명한다.
본 발명의 일 실시예에 따른 주차 인식 서버(300)의 프로세서(320)는 이미지 획득부(321), 주차 인식 결정부(323), 주차면 점유 판단 영역 설정부(325), 차량 인식 영역 설정부(327), 및 주차 판단부(329)를 포함한다. 몇몇 실시예에 따라 프로세서(320)의 구성요소들은 선택적으로 프로세서(320)에 포함되거나 제외될 수도 있다. 또한, 몇몇 실시예에 따라 프로세서(320)의 구성요소들은 프로세서(320)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.
이러한 프로세서(320) 및 프로세서(320)의 구성요소들은 도 4의 주차 인식 방법이 포함하는 단계들(S110 내지 S150)을 수행하도록 주차 인식 서버(300)를 제어할 수 있다. 예를 들어, 프로세서(320) 및 프로세서(320)의 구성요소들은 메모리(330)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(320)의 구성요소들은 주차 인식 서버(300)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(320)에 의해 수행되는 프로세서(320)의 서로 다른 기능들(different functions)의 표현들일 수 있다. 프로세서(320)의 구체적인 동작에 대해서는 도 4의 주차 인식 방법의 순서도를 참조하여 설명하기로 한다.
도 4는 본 발명의 일 실시예에 따른 주차 인식 방법을 보여주는 순서도이다.
단계 S110에서, 주차 인식 서버(300)는 적어도 하나의 카메라에서 촬영된 적어도 하나의 주차면 및 차량에 대한 복수의 이미지를 획득할 수 있다. 예를 들어, 주차 인식 서버(300)는 주차장에 설치된 복수의 카메라에서 촬영된 복수의 주차면 및 차량에 대한 복수의 이미지를 획득할 수 있다. 예컨대, 주차 인식 서버(300)는 제1 카메라, 제2 카메라, 제3 카메라, 및 제n 카메라에서 각각 촬영된 복수의 이미지를 획득할 수 있다. 예를 들어, 제1 카메라, 제2 카메라, 제3 카메라, 및 제n 카메라에서 각각 촬영된 복수의 이미지는 각각의 카메라가 촬영하는 촬영 범위에 포함된 복수의 주차면을 포함할 수 있다. 또한, 제1 카메라, 제2 카메라, 제3 카메라, 및 제n 카메라에서 각각 촬영된 복수의 이미지는 각각의 카메라가 촬영하는 촬영 범위에 포함된 복수의 주차면에 주차된 차량을 포함할 수 있다. 예컨대, 제1 카메라가 촬영하는 촬영 범위에는 8개의 주차면이 포함될 수 있다. 또한, 제2 카메라가 촬영하는 촬영 범위에는 9개의 주차면이 포함될 수 있다. 이 경우, 제1 카메라가 촬영하는 촬영 범위에 포함된 8개의 주차면과 제2 카메라가 촬영하는 촬영 범위에 포함된 9개의 주차면은 서로 상이할 수 있다.
단계 S120에서, 주차 인식 서버(300)는 시계열적으로 연속되는 복수의 이미지 사이의 이미지 차이에 기초하여 적어도 하나의 카메라 중 주차 인식 대상이 되는 카메라와 주차 인식 시점을 결정할 수 있다. 예를 들어, 주차 인식 서버(300)는 시계열적으로 연속되는 복수의 이미지를 복수의 카메라로부터 획득할 수 있다. 예컨대, 주차 인식 서버(300)는 제1 카메라로부터 시계열적으로 연속되는 제1 이미지와 제2 이미지를 획득할 수 있다. 이 경우, 제1 이미지는 시계열적으로 제2 이미지보다 앞선 시점에 촬영된 이미지 일 수 있다. 예컨대, 주차 인식 서버(300)는 제1 카메라로부터 미리 설정된 시간 간격으로 제1 이미지와 제2 이미지를 획득할 수 있다.
본 발명의 일 실시예에 따른 주차 인식 서버(300)는 복수의 카메라 중 주차 인식 대상이 되는 카메라를 결정할 수 있다. 또한, 주차 인식 서버(300)는 주차면에 차량이 주차되어 있는지를 판단하는 시점인 주차 인식 시점을 결정할 수 있다. 예를 들어, 주차 인식 서버(300)는 시계열적으로 연속되는 제1 이미지와 제2 이미지 사이의 이미지 차이에 기초하여 주차 인식 대상이 되는 카메라와 주차 인식 시점을 결정할 수 있다.
본 발명의 일 실시예에서, 복수의 이미지 사이의 이미지 차이는 복수의 이미지의 각 픽셀 단위에 대한 명도, 채도, 및 색의 차이를 포함할 수 있다. 예를 들어, 제1 이미지와 제2 이미지 사이의 이미지 차이는 제1 이미지와 제2 이미지의 각 픽셀 단위에 대한 명도, 채도, 또는 색 등의 차이를 포함할 수 있다. 예를 들어, 주차 인식 서버(300)는 영상 비교 명령어(예를 들어, 배경차분(AbsDiff))를 이용하여 복수의 이미지 사이의 이미지 차이를 계산할 수 있다. 다만, 본 발명은 이에 한정되지 않는다.
본 발명의 일 실시예에서, 주차 인식 서버(300)는 시계열적으로 연속되는 제1 이미지 및 제2 이미지 사이의 이미지 차이를 계산할 수 있다. 예를 들어, 주차 인식 서버(300)는 영상 비교 명령어(예를 들어, 배경차분(AbsDiff))를 이용하여 제1 이미지와 제2 이미지 사이의 이미지 차이를 계산할 수 있다.
또한, 주차 인식 서버(300)는 이미지 차이가 미리 설정된 임계값 이상인 경우, 제1 이미지 및 제2 이미지를 촬영한 카메라를 주차 인식 대상이 되는 카메라로 결정할 수 있다. 예를 들어, 주차 인식 서버(300)는 이미지 차이에 대한 미리 설정된 임계값이 10이고, 제1 이미지와 제2 이미지 사이의 이미지 차이가 10 이상인 경우, 복수의 카메라 중 제1 이미지 및 제2 이미지를 촬영한 카메라를 주차 인식 대상이 되는 카메라로 결정할 수 있다. 예컨대, 주차 인식 대상이 되는 카메라는 제1 카메라로 결정될 수 있다.
또한, 주차 인식 서버(300)는 복수의 카메라 각각의 제1 이미지 및 제2 이미지 사이의 이미지 차이를 이용하여 복수의 카메라 중 이미지 차이의 값이 가장 큰 카메라를 우선하여 주차 인식 대상이 되는 카메라로 결정할 수 있다. 즉, 주차 인식 서버(300)는 이미지 차이의 값에 따라 이미지 차이의 값이 큰 카메라에 대하여 주차 인식 연산의 우선순위를 높게 설정할 수 있다.
본 발명에 따르면 복수의 카메라 중 이미지 차이에 따라 주차 인식 연산의 우선이 되는 카메라를 선정함으로써 컴퓨팅 파워의 소모가 큰 사물 인식 프로세스를 더욱 효율적으로 수행할 수 있는 효과가 있다.
또한, 주차 인식 서버(300)는 제2 이미지가 촬영된 시점을 주차 인식 시점으로 결정할 수 있다. 예를 들어, 주차 인식 서버(300)는 이미지 차이에 대한 미리 설정된 임계값이 10이고, 제1 이미지와 제2 이미지 사이의 이미지 차이가 10 이상인 경우, 제2 이미지가 촬영된 시점을 주차 인식 시점으로 결정할 수 있다. 예컨대, 주차 인식 시점은 시, 분, 초를 포함하는 특정 시각으로 결정될 수 있다. 단계 S130에서, 주차 인식 서버(300)는 주차 인식 시점에 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 적어도 하나의 주차면에 대하여 주차면 점유 판단 영역을 각각 설정할 수 있다. 예를 들어, 주차 인식 서버(300)는 제2 이미지가 촬영된 시점에 제1 카메라에서 촬영된 이미지를 기초로 복수의 주차면에 대하여 주차면 점유 판단 영역을 각각 설정할 수 있다. 예컨대, 주차 인식 서버(300)는 제1 카메라에서 촬영된 제2 이미지를 기초로 제2 이미지에 포함된 적어도 하나의 주차면에 대하여 주차면 점유 판단 영역을 각각 설정할 수 있다. 예를 들어, 주차 인식 서버(300)는 제1 카메라에서 촬영된 제2 이미지를 기초로 제2 이미지에 포함된 8개의 주차면에 대하여 8개의 주차면 점유 판단 영역을 설정할 수 있다.
본 발명의 일 실시예에서, 주차 인식 서버(300)는 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면의 개수에 기초하여, 적어도 하나의 주차면에 대하여 차량 인식 영역의 미리 설정된 영역에 대한 예측 범위를 기초로 주차면 점유 판단 영역을 설정할 수 있다. 예를 들어, 주차 인식 서버(300)는 제1 카메라의 촬영 범위에 속하는 주차면의 개수인 8에 기초하여, 8개의 주차면에 대하여 주차면 점유 판단 영역을 설정할 수 있다. 예컨대, 각 카메라의 촬영 범위에 속하는 주차면의 개수는 미리 설정될 수 있다. 여기서, 주차면 점유 판단 영역은 차량 인식 영역의 미리 설정된 영역에 대한 예측 범위를 기초로 설정될 수 있다. 예를 들어, 차량 인식 영역이 사각형의 형태로 설정되는 경우, 주차면 점유 판단 영역은 차량 인식 영역의 주차장 도로측 하단부 모서리의 위치에 대한 예측 범위를 기초로 설정될 수 있다. 즉, 주차면 점유 판단 영역은 차량 인식 영역의 주차장 도로측 하단부 모서리의 위치가 놓여져 있을 것으로 추정되는 위치들의 예측 범위를 기초로 설정될 수 있다.
본 발명의 일 실시예에서 주차 인식 서버(300)는 호모그래피(homography) 변환 행렬을 이용하여 주차면 점유 판단 영역을 변환할 수 있다. 또한, 주차 인식 서버(300)는 호모그래피(homography) 변환 행렬을 이용하여 차량 인식 영역을 변환할 수 있다. 또한, 주차 인식 서버(300)는 호모그래피 변환 행렬을 이용하여 차량 인식 영역의 미리 설정된 영역이 주차면 점유 판단 영역 내에 존재하는지 여부를 판단할 수 있다.
<수학식1>
<수학식2>
여기서, H는 호모그래피 변환 행렬(Homographic Transformation Matrix)을 나타내고, p1(x1, y1), p2(x2, y2), p3(x3, y3)는 변환 전 주차면 점유 판단 영역의 복수개의 임의의 좌표들, 또는 변환 전 차량 인식 영역의 복수개의 임의의 좌표들을 나타내고, p1'(x1', y1'), p2' (x2', y2'), p3' (x3', y3')는 변환 후 주차면 점유 판단 영역의 복수개의 대응하는 좌표들, 또는 변환 후 차량 인식 영역의 복수개의 대응하는 좌표들을 나타낸다. 각각에 대응하는 점들에 대한 동차좌표(homogeneous coordinate) 변환 행렬을 표시하는 식은 다음과 같다.
<수학식 3>
(단 s는 동차좌표 변환에 대한 scale factor)
구체적으로, 호모그래피 변환을 통한 연산 과정에서 차량의 천장부 즉, 주차 인식 영역의 상단부의 좌표를 이용하는 경우 호모그래피 변환 과정에서 실제 위치 대비하여 오차가 발생할 수 있다. 반면, 본 발명에 따르면 호모그래피 변환을 통한 연산 과정에서 차량의 바닥면 즉, 주차 인식 영역의 하단부의 좌표를 이용하므로 오차가 발생하지 않는 효과가 있다.
또한, 주차 인식 서버(300)는 차량 인식 영역의 미리 설정된 영역의 예측 범위에 대한 학습 데이터에 기초하여 주차면 점유 판단 영역을 재설정할 수 있다. 예를 들어, 주차 인식 서버(300)는 차량 인식 영역의 주차장 도로측 하단부 모서리의 위치에 대한 학습 데이터에 기초하여 상기 예측 범위를 설정할 수 있다. 또한, 주차 인식 서버(300)는 상기 예측 범위에 대한 학습 데이터에 기초하여 주차면 점유 판단 영역을 재설정할 수 있다. 예컨대, 상기 학습 데이터는 미리 설정된 기간에 대한 주차 인식 서버의 예측 범위에 대한 누적 데이터일 수 있다.
단계 S140에서, 주차 인식 서버(300)는 주차 인식 시점에 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 차량에 대하여 차량 인식 영역을 각각 설정할 수 있다. 예를 들어, 주차 인식 서버(300)는 제1 카메라에서 촬영된 제2 이미지를 기초로 제2 이미지에 포함된 차량들에 대하여 차량 인식 영역을 각각 설정할 수 있다.
본 발명의 일 실시예에서, 주차 인식 서버(300)는 미리 학습된 딥러닝 네트워크에 주차 인식 시점에 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 입력할 수 있다. 예를 들어, 주차 인식 서버(300)는 딥러닝 객체 감지 프로그램(예컨대, YOLO v5)을 이용하여 차량들에 대하여 차량 인식 영역을 각각 설정할 수 있다. 예컨대, 주차 인식 서버(300)는 제1 카메라에서 촬영된 제2 이미지를 딥러닝 객체 감지 프로그램에 입력할 수 있다.
또한, 본 발명의 일 실시예에 따른 딥러닝 네트워크는 복수의 카메라에 의하여 촬영된 차량 이미지 데이터에 의하여 미리 학습될 수 있다. 다만, 본 발명의 딥러닝 네트워크는 상기 예시에 한정되는 것은 아니며, 다양한 형태의 인공 신경망으로 구현될 수 있다.
또한, 주차 인식 서버(300)는 미리 학습된 딥러닝 네트워크의 출력값에 기초하여 주차 인식 시점에 주차 인식 대상이 되는 카메라에서 촬영된 이미지에 포함된 차량에 대하여 차량 인식 영역을 설정할 수 있다. 예를 들어, 주차 인식 서버(300)는 제1 카메라에서 촬영된 제2 이미지를 딥러닝 객체 감지 프로그램에 입력한 후, 상기 딥러닝 객체 감지 프로그램의 출력값에 기초하여 제2 이미지에 포함된 차량들에 대하여 차량 인식 영역을 설정할 수 있다. 예를 들어, 차량 인식 영역은 차량의 외형을 포함하는 사각형 형태로 구현될 수 있다. 다만, 본 발명은 이에 한정되지 않는다.
단계 S150에서, 주차 인식 서버(300)는 주차면 점유 판단 영역 및 차량 인식 영역을 기초로 적어도 하나의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단할 수 있다. 예를 들어, 주차 인식 서버는 제1 카메라에서 촬영된 제2 이미지에 포함된 8개의 주차면에 대하여 7대의 차량이 주차된 경우, 제1 카메라에서 촬영된 제2 이미지에 포함된 8개의 주차면에 대하여 8개의 주차면 점유 판단 영역과 7개의 차량 인식 영역을 각각 설정할 수 있다. 또한, 주차 인식 서버(300)는 8개의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단할 수 있다.
본 발명의 일 실시예에서, 주차 인식 서버(300)는 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면에 기초하여 주차면 점유 판단 영역 및 차량 인식 영역을 매핑할 수 있다. 예를 들어, 주차 인식 서버(300)는 제1 카메라에서 촬영된 제2 이미지에 포함된 8개의 주차면에 대하여 7대의 차량이 주차된 경우, 제1 카메라에서 촬영된 제2 이미지에 포함된 8개의 주차면에 대하여 8개의 주차면 점유 판단 영역을 대응시킬 수 있다. 예컨대, 8개의 주차면과 8개의 주차면 점유 판단 영역은 일대일 대응될 수 있다. 또한, 주차 인식 서버(300)는 제2 이미지에 포함된 8개의 주차면에 대하여 7개의 차량 인식 영역을 대응시킬 수 있다. 예컨대, 차량이 주차 되지 않은 주차면은 제외하고, 7개의 주차면과 7개의 차량 인식 영역은 일대일 대응될 수 있다. 또한, 주차 인식 서버는 8개의 주차면 점유 판단 영역에 대하여 7개의 주차면 점유 판단 영역과 7개의 차량 인식 영역을 대응시킬 수 있다. 예컨대, 차량이 주차 되지 않은 주차면과 대응되는 주차면 점유 판단 영역은 제외하고, 7개의 주차면 점유 판단 영역과 7개의 차량 인식 영역은 일대일 대응될 수 있다.
또한, 주차 인식 서버(300)는 차량 인식 영역의 미리 설정된 영역이 주차면 점유 판단 영역 내에 존재하는지 여부를 판단할 수 있다. 예를 들어, 주차 인식 서버(300)는 차량 인식 영역이 사각형 형태로 구현되는 경우, 차량 인식 영역의 주차장 도로측 하단부 모서리가 주차면 점유 판단 영역 내에 존재하는지 여부를 판단할 수 있다. 예컨대, 주차 인식 서버(300)는 서로 맵핑된 차량 인식 영역과 주차면 점유 판단 영역에 대하여 차량 인식 영역의 미리 설정된 영역이 주차면 점유 판단 영역 내에 존재하는지 여부를 판단할 수 있다. 예를 들어, 주차 인식 서버(300)는 차량 인식 영역의 미리 설정된 영역이 주차면 점유 판단 영역 내에 존재하는 경우, 차량이 주차면에 주차된 것으로 판단할 수 있다.
도 5 내지 도 7은 본 발명의 일 실시예에 따른 주차 인식 방법을 설명하기 위한 도면이다.
먼저, 도 5를 참조하면, 본 발명의 일 실시예에 따른 카메라에서 촬영된 이미지가 도시되어 있다. 예를 들어, 도 5에 도시된 바와 같이, 카메라에서 촬영된 이미지에는 복수의 차량(C)과 주차면이 포함될 수 있다. 예컨대, 주차면은 주차 라인(L)에 의하여 구획이 나뉘어지는 각각의 면을 의미할 수 있다. 예를 들어, 도 5에 도시된 바와 같이, 주차 라인(L)에 의하여 직사각형 형태의 주차면이 형성될 수 있다.
도 5 및 도 6을 함께 참조하면, 본 발명의 일 실시예에 따른 카메라는 시계열적으로 연속되는 복수의 이미지를 촬영할 수 있다. 예를 들어, 도 5에 도시된 제1 이미지(i1)와 도 6에 도시된 제2 이미지(i2)는 시계열적으로 연속될 수 있다. 보다 구체적으로, 제1 이미지(i1)에 포함된 비어 있는 하나의 주차면에 제2 이미지(i2)의 차량(62)이 새롭게 추가되었다. 또한, 제1 이미지(i1)에 주차되어 있는 차량(51)이 제2 이미지(i2)의 차량(61)으로 변경되었다. 또한, 제1 이미지(i1)에 주차되어 있던 차량(53)이 제2 이미지(i2)에서 주차면을 빠져나가서 제2 이미지(i2)는 비어 있는 하나의 주차면을 포함하고 있다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 주차 인식 서버가 제1 이미지(i1)와 제2 이미지(i2) 사이의 이미지 차이를 산출하는 제3 이미지(i3)가 도시되어 있다. 예를 들어, 주차 인식 서버는 제1 이미지(i1)에서 제2 이미지(i2)를 차감하여 제1 이미지(i1)와 제2 이미지(i2) 사이의 이미지 차이를 산출할 수 있다. 또는, 주차 인식 서버는 제2 이미지(i1)에서 제1 이미지(i1)를 차감하여 제1 이미지(i1)와 제2 이미지(i2) 사이의 이미지 차이를 산출할 수 있다. 예컨대, 도 7에 도시된 바와 같이, 제1 이미지(i1)에 포함된 비어 있는 하나의 주차면에 새롭게 추가된 제2 이미지(i2)의 차량(62)의 부분(72), 제1 이미지(i1)에 주차되어 있는 차량(51)이 제2 이미지(i2)의 차량(61)으로 변경된 부분(71), 및 제1 이미지(i1)에 주차되어 있던 차량(53)이 제2 이미지(i2)에서 주차면을 빠져나간 부분(73)이 제3 이미지(i3)의 다른 부분과 다른 명도, 채도, 및 색 등으로 표현될 수 있다. 다만, 도 7의 표현 형태는 예시적인 형태이며 본 발명은 이에 한정되지 않는다.
도 8 내지 도 11은 본 발명의 다른 실시예에 따른 주차 인식 방법을 설명하기 위한 도면이다.
먼저, 도 8을 참조하면, 본 발명의 일 실시예에 따른 주차 인식 서버는 주차면 점유 판단 영역(81, 82, 83, 84, 85, 86, 87, 88)을 설정할 수 있다. 예를 들어, 도 8에 도시된 바와 같이, 주차 인식 서버는 각 주차면에 대하여 주차면 점유 판단 영역(81, 82, 83, 84, 85, 86, 87, 88)을 각각 설정할 수 있다.
도 9를 참조하면, 본 발명의 일 실시예에 따른 주차 인식 서버는 차량 인식 영역(91, 92, 93, 94, 95, 96, 97)을 설정할 수 있다. 예를 들어, 도 9에 도시된 바와 같이, 주차 인식 서버는 각 차량에 대하여 차량 인식 영역(91, 92, 93, 94, 95, 96, 97)을 각각 설정할 수 있다.
도 10 및 도 11을 참조하면, 본 발명의 일 실시예에 따른 주차 인식 서버는 주차면 점유 판단 영역(81, 82, 83, 84, 85, 86, 87, 88) 및 차량 인식 영역(91, 92, 93, 94, 95, 96, 97)을 기초로 각 주차면에 대하여 차량이 주차되어 있는지를 각각 판단할 수 있다.
본 발명의 일 실시예에 따른 주차 인식 서버는 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면에 기초하여 주차면 점유 판단 영역 및 차량 인식 영역을 매핑할 수 있다. 여기서, 각 주차면의 주차면 점유 판단 영역은 주차면의 경계와 일치하지 않을 수 있다. 예를 들어, 도 10에 도시된 바와 같이, 주차 인식 서버는 제1 카메라의 촬영 범위에 속하는 8개의 주차면에 기초하여 주차면 점유 판단 영역(81, 82, 83, 84, 85, 86, 87, 88)과 차량 인식 영역(91, 92, 93, 94, 95, 96, 97)을 매핑할 수 있다. 예컨대, 제1 주차면 점유 판단 영역(81)과 제1 차량 인식 영역(91)이 매핑되고, 제2 주차면 점유 판단 영역(82)과 제2 차량 인식 영역(92)이 매핑되고, 제3 주차면 점유 판단 영역(83)과 제3 차량 인식 영역(93)이 매핑되고, 제4 주차면 점유 판단 영역(84)과 제4 차량 인식 영역(94)이 매핑되고, 제5 주차면 점유 판단 영역(85)과 제5 차량 인식 영역(95)이 매핑되고, 제6 주차면 점유 판단 영역(86)과 제6 차량 인식 영역(96)이 매핑되고, 제7 주차면 점유 판단 영역(87)과 제7 차량 인식 영역(97)이 매핑 될 수 있다.
또한, 주차 인식 서버는 차량 인식 영역의 미리 설정된 영역이 주차면 점유 판단 영역 내에 존재하는지 여부를 판단할 수 있다. 예를 들어, 도 11에 도시된 바와 같이, 주차 인식 서버는 제7 차량 인식 영역(97)의 주차장 도로측 하단부 모서리(Z)의 위치가 제7 주차면 점유 판단 영역(87) 내에 존재하는지 여부를 판단할 수 있다. 예컨대, 도 11의 경우, 제7 주차면 점유 판단 영역(87) 내에 제7 차량 인식 영역(97)의 모서리가 위치하므로, 주차 인식 서버는 제7 주차면에 대하여 차량이 주차되어 있는 것으로 판단할 수 있다. 또한, 제8 주차면 점유 판단 영역(88) 내에 차량 인식 영역의 모서리가 인식되지 않으므로, 주차 인식 서버는 제8 주차면에 대하여 차량이 주차되어 있지 않은 것으로 판단할 수 있다.
본 발명의 일 실시예에 따르면 주차 인식 서버는 주차 인식 판단 결과를 결과 데이터로 출력할 수 있다. 예컨대, 주차 인식 서버는 주차 인식 판단 결과를 어레이 인 어레이(Array in Array) 형태의 결과 데이터로 출력할 수 있다.
예를 들어, 주차 인식 서버는 주차면에 차량이 주차되어 있는 경우는 1로, 주차면에 차량이 주차되어 있지 않은 경우는 0의 데이터로 결과 데이터를 출력할 수 있다. 예컨대, 주차 인식 서버는 제1 카메라의 8개의 주차면에 대하여 [1, 1, 1, 1, 1, 1, 1, 0]의 결과 데이터를 출력할 수 있다. 이 경우, 제1 주차면 내지 제7 주차면에는 차량이 주차되어 있고, 제8 주차면에는 차량이 주차되어 있지 않은 것을 나타낸다.
본 발명에 따르면, 복수의 이미지 사이의 이미지 차이에 기초하여 주차면에 차량이 주차되어 있는지를 판단함으로써 컴퓨팅 파워의 소모를 최소화, 경량화 할 수 있는 효과가 있다.
또한, 본 발명에 따르면, 주차 인식 판단 결과를 포함하는 최종 데이터를 경량화된 데이터 형태로 출력함으로써 데이터의 전달과 활용이 용이한 효과가 있다.
이상에서 설명된 장치 및/또는 시스템은, 하드웨어 구성요소, 소프트웨어 구성요소 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction) 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이와 같이 본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
1: 주차 인식 시스템
100: 카메라
300: 주차 인식 서버
310: 통신모듈
320: 프로세서
330: 메모리

Claims (13)

  1. 적어도 하나의 주차면에 주차된 차량을 인식하는 주차 인식 방법에 있어서,
    적어도 하나의 카메라에서 촬영된 상기 적어도 하나의 주차면 및 상기 차량에 대한 복수의 이미지를 획득하는 단계;
    시계열적으로 연속되는 상기 복수의 이미지 사이의 이미지 차이에 기초하여 상기 적어도 하나의 카메라 중 주차 인식 대상이 되는 카메라와 주차 인식 시점을 결정하는 단계;
    상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 상기 적어도 하나의 주차면에 대하여 주차면 점유 판단 영역을 각각 설정하는 단계;
    상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 상기 차량에 대하여 차량 인식 영역을 각각 설정하는 단계; 및
    상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 기초로 상기 적어도 하나의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단하는 단계;
    를 포함하고,
    상기 적어도 하나의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단하는 단계는,
    상기 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면에 기초하여 상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 매핑하는 단계; 및
    상기 차량 인식 영역의 미리 설정된 영역이 상기 주차면 점유 판단 영역 내에 존재하는지 여부를 판단하는 단계를 포함하고,
    상기 주차면 점유 판단 영역 내에 존재하는지 여부를 판단하는 단계는,
    호모그래피(homography) 변환 행렬을 이용하여 상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 변환하는 단계;
    변환된 주차면 점유 판단 영역의 좌표들 및 변환된 차량 인식 영역의 좌표들을 이용하여 상기 차량 인식 영역의 미리 설정된 영역이 상기 주차면 점유 판단 영역 내에 존재하는지 여부를 판단하는 단계를 포함하고,
    상기 변환된 차량 인식 영역의 좌표들은 변환된 차량 인식 영역의 하단부의 좌표를 나타내는, 주차 인식 방법.
  2. 제1 항에 있어서,
    상기 이미지 차이는, 상기 복수의 이미지의 각 픽셀 단위에 대한 명도, 채도, 및 색의 차이를 포함하는, 주차 인식 방법.
  3. 제1 항에 있어서,
    상기 주차 인식 대상이 되는 카메라와 주차 인식 시점을 결정하는 단계는,
    시계열적으로 연속되는 제1 이미지 및 제2 이미지 사이의 상기 이미지 차이를 계산하는 단계;
    상기 제1 이미지 및 상기 제2 이미지 사이의 상기 이미지 차이가 미리 설정된 임계값 이상인 경우, 상기 제1 이미지 및 상기 제2 이미지를 촬영한 카메라를 상기 주차 인식 대상이 되는 카메라로 결정하는 단계; 및
    상기 제2 이미지가 촬영된 시점을 상기 주차 인식 시점으로 결정하는 단계를 포함하는, 주차 인식 방법.
  4. 제1 항에 있어서,
    상기 주차면 점유 판단 영역을 각각 설정하는 단계는,
    상기 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면의 개수에 기초하여, 상기 적어도 하나의 주차면에 대하여 상기 차량 인식 영역의 미리 설정된 영역에 대한 예측 범위를 기초로 상기 주차면 점유 판단 영역을 설정하는 단계; 및
    상기 예측 범위에 대한 학습 데이터에 기초하여 상기 주차면 점유 판단 영역을 재설정하는 단계를 포함하는, 주차 인식 방법.
  5. 제1 항에 있어서,
    상기 차량 인식 영역을 각각 설정하는 단계는,
    미리 학습된 딥러닝 네트워크에 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 입력하는 단계; 및
    상기 미리 학습된 딥러닝 네트워크의 출력값에 기초하여 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지에 포함된 상기 차량에 대하여 상기 차량 인식 영역을 설정하는 단계를 포함하는, 주차 인식 방법.
  6. 제1 항에 있어서,
    상기 적어도 하나의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단하는 단계는,
    주차 인식 판단 결과를 어레이 인 어레이(Array in Array) 형태의 결과 데이터로 출력하는 단계를 포함하는, 주차 인식 방법.
  7. 컴퓨팅 장치를 이용하여 제1 항 내지 제6 항 중 어느 한 항의 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램.
  8. 적어도 하나의 주차면에 주차된 차량을 인식하는 주차 인식 시스템에 있어서,
    적어도 하나의 카메라에서 촬영된 상기 적어도 하나의 주차면 및 상기 차량에 대한 복수의 이미지를 획득하고, 시계열적으로 연속되는 상기 복수의 이미지 사이의 이미지 차이에 기초하여 상기 적어도 하나의 카메라 중 주차 인식 대상이 되는 카메라와 주차 인식 시점을 결정하고, 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 상기 적어도 하나의 주차면에 대하여 주차면 점유 판단 영역을 각각 설정하고, 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 기초로 상기 차량에 대하여 차량 인식 영역을 각각 설정하고, 상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 기초로 상기 적어도 하나의 주차면에 대하여 차량이 주차되어 있는지를 각각 판단하는, 주차 인식 서버를 포함하고,
    상기 주차 인식 서버는, 상기 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면에 기초하여 상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 매핑하고, 상기 차량 인식 영역의 미리 설정된 영역이 상기 주차면 점유 판단 영역 내에 존재하는지 여부를 판단하고,
    상기 주차 인식 서버는, 호모그래피(homography) 변환 행렬을 이용하여 상기 주차면 점유 판단 영역 및 상기 차량 인식 영역을 변환하고, 변환된 주차면 점유 판단 영역의 좌표들 및 변환된 차량 인식 영역의 좌표들을 이용하여 상기 차량 인식 영역의 미리 설정된 영역이 상기 주차면 점유 판단 영역 내에 존재하는지 여부를 판단하고,
    상기 변환된 차량 인식 영역의 좌표들은 변환된 차량 인식 영역의 하단부의 좌표를 나타내는, 주차 인식 시스템.
  9. 제8 항에 있어서,
    상기 이미지 차이는, 상기 복수의 이미지의 각 픽셀 단위에 대한 명도, 채도, 및 색의 차이를 포함하는, 주차 인식 시스템.
  10. 제8 항에 있어서,
    상기 주차 인식 서버는, 시계열적으로 연속되는 제1 이미지 및 제2 이미지 사이의 상기 이미지 차이를 계산하고, 상기 이미지 차이가 미리 설정된 임계값 이상인 경우, 상기 제1 이미지 및 상기 제2 이미지를 촬영한 카메라를 상기 주차 인식 대상이 되는 카메라로 결정하고, 상기 제2 이미지가 촬영된 시점을 상기 주차 인식 시점으로 결정하는, 주차 인식 시스템.
  11. 제8 항에 있어서,
    상기 주차 인식 서버는, 상기 주차 인식 대상이 되는 카메라의 촬영 범위에 속하는 미리 설정된 주차면의 개수에 기초하여, 상기 적어도 하나의 주차면에 대하여 상기 차량 인식 영역의 미리 설정된 영역에 대한 예측 범위를 기초로 상기 주차면 점유 판단 영역을 설정하고, 상기 예측 범위에 대한 학습 데이터에 기초하여 상기 주차면 점유 판단 영역을 재설정하는, 주차 인식 시스템.
  12. 제8 항에 있어서,
    상기 주차 인식 서버는, 미리 학습된 딥러닝 네트워크에 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지를 입력하고, 상기 미리 학습된 딥러닝 네트워크의 출력값에 기초하여 상기 주차 인식 시점에 상기 주차 인식 대상이 되는 카메라에서 촬영된 이미지에 포함된 상기 차량에 대하여 상기 차량 인식 영역을 설정하는, 주차 인식 시스템.
  13. 제8 항에 있어서,
    상기 주차 인식 서버는, 주차 인식 판단 결과를 어레이 인 어레이(Array in Array) 형태의 결과 데이터로 출력하는, 주차 인식 시스템.
KR1020210148128A 2021-11-01 2021-11-01 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램 KR102603732B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210148128A KR102603732B1 (ko) 2021-11-01 2021-11-01 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램
PCT/KR2022/012357 WO2023075107A1 (ko) 2021-11-01 2022-08-18 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210148128A KR102603732B1 (ko) 2021-11-01 2021-11-01 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램

Publications (2)

Publication Number Publication Date
KR20230063171A KR20230063171A (ko) 2023-05-09
KR102603732B1 true KR102603732B1 (ko) 2023-11-20

Family

ID=86159453

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210148128A KR102603732B1 (ko) 2021-11-01 2021-11-01 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램

Country Status (2)

Country Link
KR (1) KR102603732B1 (ko)
WO (1) WO2023075107A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017033554A (ja) * 2015-07-31 2017-02-09 富士通株式会社 ビデオデータ分析方法、装置及び駐車場モニタリングシステム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160076114A (ko) * 2014-12-22 2016-06-30 삼성에스디에스 주식회사 비디오 분석 기술을 활용한 주차장 관리 방법 및 그 장치
KR101908611B1 (ko) * 2016-12-13 2018-12-10 동아대학교 산학협력단 차량 주차관리 방법
KR101986463B1 (ko) * 2018-11-23 2019-06-07 주식회사 넥스파시스템 주차유도 시스템 및 그 제어방법
KR102143073B1 (ko) * 2018-12-27 2020-08-11 주식회사 디파인 차량의 주차면 분석을 위한 지능형 cctv 장치
KR102240638B1 (ko) * 2019-11-01 2021-04-15 주식회사 누리콘 영상내 차량 이미지 추정 경계 픽셀 데이터와 차량 모델 뷰포인트 분석을 이용한 주차 안내 방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017033554A (ja) * 2015-07-31 2017-02-09 富士通株式会社 ビデオデータ分析方法、装置及び駐車場モニタリングシステム

Also Published As

Publication number Publication date
WO2023075107A1 (ko) 2023-05-04
KR20230063171A (ko) 2023-05-09

Similar Documents

Publication Publication Date Title
US11334960B2 (en) Systems and methods for pipelined processing of sensor data using hardware
US11556777B2 (en) Continuous convolution and fusion in neural networks
EP4152204A1 (en) Lane line detection method, and related apparatus
US20220156520A1 (en) Automatic generation of ground truth data for training or retraining machine learning models
US10474908B2 (en) Unified deep convolutional neural net for free-space estimation, object detection and object pose estimation
JP5980148B2 (ja) デジタルカメラ画像から駐車場占有状態を測定する方法
CN113128348B (zh) 一种融合语义信息的激光雷达目标检测方法及系统
KR102073162B1 (ko) 딥러닝 기반의 소형 물체 검출 기법
CN105051754A (zh) 用于通过监控系统检测人的方法和装置
Parmar et al. Deeprange: deep‐learning‐based object detection and ranging in autonomous driving
CN114084155A (zh) 预测型智能汽车决策控制方法、装置、车辆及存储介质
CN111062405A (zh) 训练图像识别模型的方法和装置以及图像识别方法和装置
US20210064955A1 (en) Methods, apparatuses, and computer program products using a repeated convolution-based attention module for improved neural network implementations
KR20190131206A (ko) 영상의 전역 문맥 정보를 활용하는 딥러닝 기반 물체 검출 방법 및 시스템
CN111553242B (zh) 用于预测驾驶行为的生成对抗网络的训练方法和电子设备
JP7119839B2 (ja) 物体検出装置、物体検出方法及び車両制御装置
KR102603732B1 (ko) 주차 인식 방법, 주차 인식 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램
Cho et al. Vision-based parking occupation detecting with embedded AI processor
US20230410522A1 (en) Information processing apparatus, control method, and program
KR20230086664A (ko) 맵 매칭 방법, 장치, 전자기기 및 저장 매체
KR102240638B1 (ko) 영상내 차량 이미지 추정 경계 픽셀 데이터와 차량 모델 뷰포인트 분석을 이용한 주차 안내 방법 및 시스템
WO2024008086A1 (zh) 轨迹预测方法及其装置、介质、程序产品和电子设备
US20230343083A1 (en) Training Method for Multi-Task Recognition Network Based on End-To-End, Prediction Method for Road Targets and Target Behaviors, Computer-Readable Storage Media, and Computer Device
Achari et al. I 2 UTS: An IoT based intelligent urban traffic system
US20240233381A1 (en) Method of recognizing car parking, system for recognizing car parking, and computer program for the method

Legal Events

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