KR102630939B1 - 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법 및 시스템 - Google Patents
딥러닝 기반 전후면 차량번호인식 무인교통단속 방법 및 시스템 Download PDFInfo
- Publication number
- KR102630939B1 KR102630939B1 KR1020230133272A KR20230133272A KR102630939B1 KR 102630939 B1 KR102630939 B1 KR 102630939B1 KR 1020230133272 A KR1020230133272 A KR 1020230133272A KR 20230133272 A KR20230133272 A KR 20230133272A KR 102630939 B1 KR102630939 B1 KR 102630939B1
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- license plate
- module
- image
- unit
- Prior art date
Links
- 238000013135 deep learning Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 31
- 238000010606 normalization Methods 0.000 claims description 14
- OWZREIFADZCYQD-NSHGMRRFSA-N deltamethrin Chemical compound CC1(C)[C@@H](C=C(Br)Br)[C@H]1C(=O)O[C@H](C#N)C1=CC=CC(OC=2C=CC=CC=2)=C1 OWZREIFADZCYQD-NSHGMRRFSA-N 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012795 verification Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
-
- 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
- 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
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- 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
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of 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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
딥러닝 기반 전후면 차량번호인식 무인교통단속 방법 및 시스템이 개시된다. 레이더 장치가 주행 중인 차량 또는 주/정차 중인 차량의 차량 좌표값을 검지하고, 속도값을 산출하는 단계; 카메라 장치가 단속 영역의 주행 중인 차량 또는 주/정차 중인 차량을 촬영하는 단계; 보조 카메라 장치가 상기 차량을 촬영하는 단계; 제어 장치가 상기 레이더 장치에서 검지된 차량 좌표값 및 상기 레이더 장치에서 산출된 속도값을 이용하여 상기 카메라 장치에서 촬영된 차량을 단속하는 단계; 상기 제어 장치가 상기 보조 카메라 장치에서 촬영된 차량의 신호 위반 증거 이미지를 생성하는 단계를 구성한다. 상술한 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법 및 시스템에 의하면, 일반차량과 이륜차의 차량번호를 각각 이에 적합한 알고리즘을 통해 인식하도록 구성됨으로써, 일반차량이나 이륜차의 차량번호판 인식률을 높이고, 인식 오류에 대해서도 정확한 검증을 수행하여 오류가 나는 것을 방지할 수 있는 효과가 있다.
Description
본 발명은 차량번호인식 무인교통단속 방법 및 시스템에 관한 것으로서, 좀 더 구체적으로는 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법 및 시스템에 관한 것이다.
CCTV 카메라를 이용하여 자동차 번호판의 번호를 인식하여 일반차량 및 이륜차 단속을 알 수 있어야 한다. 그런데, 일반차량 번호판에 비하여 이륜차 번호판의 인식률이 매우 떨어지는 문제점이 있다.
특히, 이륜차는 곡예운전이나 다른 차량을 추월하는 과정, 그리고 주차 및 정차 중에 한쪽으로 기울어진 단속 영상이 촬영되어 이륜차 번호판의 기울어진 각도를 보정해 주어야 할 필요가 있다.
그러나, 아직까지는 기울어져 촬영된 이륜차 번호판의 보정을 효과적으로 수행하고 있는 수단이 없는 실정이다.
이에, 일반차량과 이륜차를 구별하여 인식하고 이들에 대해 각각 서로 다른 번호판 인식 알고리즘에 의해 인식률을 높여야 할 필요성이 대두되고 있다.
본 발명의 목적은 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법을 제공하는 데 있다.
본 발명의 다른 목적은 딥러닝 기반 전후면 차량번호인식 무인교통단속 시스템을 제공하는 데 있다.
상술한 본 발명의 목적에 따른 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법은, 레이더 장치가 주행 중인 차량 또는 주/정차 중인 차량의 차량 좌표값을 검지하고, 속도값을 산출하는 단계; 카메라 장치가 단속 영역의 주행 중인 차량 또는 주/정차 중인 차량을 촬영하는 단계; 보조 카메라 장치가 상기 차량을 촬영하는 단계; 제어 장치가 상기 레이더 장치에서 검지된 차량 좌표값 및 상기 레이더 장치에서 산출된 속도값을 이용하여 상기 카메라 장치에서 촬영된 차량을 단속하는 단계; 상기 제어 장치가 상기 보조 카메라 장치에서 촬영된 차량의 신호 위반 증거 이미지를 생성하는 단계를 포함하도록 구성될 수 있다.
여기서, 상기 제어 장치가 상기 레이더 장치에서 검지된 차량 좌표값 및 상기 레이더 장치에서 산출된 속도값을 이용하여 상기 카메라 장치에서 촬영된 차량을 단속하는 단계는, 신호등 인터페이스 모듈이 신호등 신호를 실시간 추출하는 단계; 단속 영역 설정 모듈이 상기 신호등 인터페이스 모듈에서 실시간 추출된 신호등 신호에 기반하여 단속 영역을 설정하는 단계; 지역 제어 모듈이 상기 카메라 장치에서 촬영된 차량에 대해 상기 검지된 차량 좌표 및 상기 산출된 속도값을 이용하여 차량 단속을 수행하는 단계; 번호 인식용 이미지 생성 모듈이 상기 수행하는 지역 제어 모듈에서 수행된 차량 단속에 따른 차량의 차량번호인식을 위한 차량 이미지를 생성하는 단계를 포함하도록 구성될 수 있다.
그리고 상기 제어 장치가 상기 레이더 장치에서 검지된 차량 좌표값 및 상기 레이더 장치에서 산출된 속도값을 이용하여 상기 카메라 장치에서 촬영된 차량을 단속하는 단계는, 일반차량/이륜차 구별 모듈이 상기 번호 인식용 이미지 생성 모듈에서 생성된 차량 이미지를 기반으로 해당 차량을 일반차량 또는 이륜차로 구별하는 단계; 일반차량 번호 인식 모듈이 상기 일반차량/이륜차 구별 모듈에서 일반차량으로 구별된 차량의 번호를 인식하는 단계; 이륜차 번호 인식 모듈이 상기 일반차량/이륜차 구별 모듈에서 이륜차로 구별된 차량의 번호를 인식하는 단계; 단속 정보 생성 모듈이 상기 일반차량 번호 인식 모듈에서 인식된 번호 또는 상기 이륜차 번호 인식 모듈에서 인식된 번호와 상기 신호 위반 증거 이미지 생성 모듈에서 생성된 신호 위반 증거 이미지를 이용하여 단속 정보를 생성하는 단계; 통신 모듈이 상기 단속 정보 생성 모듈에서 생성된 단속 정보를 경찰청 센터 서버로 송신하는 단계를 더 포함하도록 구성될 수 있다.
상술한 본 발명의 다른 목적에 따른 딥러닝 기반 전후면 차량번호인식 무인교통단속 시스템은, 주행 중인 차량 또는 주/정차 중인 차량의 차량 좌표값을 검지하고, 속도값을 산출하는 레이더 장치; 단속 영역의 주행 중인 차량 또는 주/정차 중인 차량을 촬영하는 카메라 장치; 상기 차량을 촬영하는 보조 카메라 장치; 상기 레이더 장치에서 검지된 차량 좌표값 및 상기 레이더 장치에서 산출된 속도값을 이용하여 상기 카메라 장치에서 촬영된 차량을 단속하고, 상기 보조 카메라 장치에서 촬영된 차량의 신호 위반 증거 이미지를 생성하는 제어 장치를 포함하도록 구성될 수 있다.
여기서, 상기 제어 장치는, 신호등 신호를 실시간 추출하는 신호등 인터페이스 모듈; 상기 신호등 인터페이스 모듈에서 실시간 추출된 신호등 신호에 기반하여 단속 영역을 설정하는 단속 영역 설정 모듈; 상기 카메라 장치에서 촬영된 차량에 대해 차량 단속을 수행하는 지역 제어 모듈; 상기 수행하는 지역 제어 모듈에서 수행된 차량 단속에 따른 차량의 차량번호인식을 위한 차량 이미지를 생성하는 번호 인식용 이미지 생성 모듈을 포함하도록 구성될 수 있다.
그리고 상기 제어 장치는, 상기 번호 인식용 이미지 생성 모듈에서 생성된 차량 이미지를 기반으로 해당 차량을 일반차량 또는 이륜차로 구별하는 일반차량/이륜차 구별 모듈; 상기 일반차량/이륜차 구별 모듈에서 일반차량으로 구별된 차량의 번호를 인식하는 일반차량 번호 인식 모듈; 상기 일반차량/이륜차 구별 모듈에서 이륜차로 구별된 차량의 번호를 인식하는 이륜차 번호 인식 모듈; 상기 보조 카메라 장치에 의해 촬영된 차량의 신호 위반 증거 이미지를 생성하는 신호 위반 증거 이미지 생성 모듈; 상기 일반차량 번호 인식 모듈에서 인식된 번호 또는 상기 이륜차 번호 인식 모듈에서 인식된 번호와 상기 신호 위반 증거 이미지 생성 모듈에서 생성된 신호 위반 증거 이미지를 이용하여 단속 정보를 생성하는 단속 정보 생성 모듈; 상기 단속 정보 생성 모듈에서 생성된 단속 정보를 경찰청 센터 서버로 송신하는 통신 모듈을 더 포함하도록 구성될 수 있다.
그리고 상기 일반차량 번호 인식 모듈은, 상기 일반차량/이륜차 구별 모듈에서 일반차량으로 구별된 차량의 차량 이미지에서 딥러닝에 기반하여 번호판을 검출하는 딥러닝 기반 번호판 검출부; 상기 딥러닝 기반 번호판 검출부에서 검출된 번호판에서 신경망에 기반하여 문자를 인식하여 차량번호를 출력하는 신경망 문자 인식부를 포함하도록 구성될 수 있다.
그리고 상기 이륜차 번호 인식 모듈은, 상기 일반차량/이륜차 구별 모듈에서 이륜차로 구별된 차량의 차량 이미지에서 번호판 영상을 검출하는 번호판 영상 검출 모듈; 상기 번호판 영상 검출 모듈에서 검출된 번호판 영상을 크롭핑하는 번호판 영상 크롭핑 모듈; 상기 번호판 영상 크롭핑 모듈에서 크롭핑된 번호판 영상을 정규화하는 번호판 영상 정규화 모듈; 상기 번호판 영상 정규화 모듈에서 정규화된 번호판 영상에서 문자 영역을 분할하여 문자를 인식하는 이륜차 번호판 인식 모듈; 상기 이륜차 번호판 인식 모듈에서 인식된 문자를 지역을 기준으로 정합하고, 정합 결과에 기반하여 차량번호를 출력하는 이륜차 번호판 지역 정합 모듈; 상기 차량 이미지에서 안전모 착용 여부를 판단하는 안전모 착용 판단 모듈을 포함하도록 구성될 수 있다.
그리고 상기 번호판 영상 정규화 모듈은, 상기 번호판 영상 크롭핑 모듈에서 크롭핑된 번호판 영상에 대해 흑백 이진화를 수행하는 흑백 이진화부; 상기 흑백 이진화부에서 흑백 이진화가 수행된 번호판 영상에서 테두리 후보를 추출하는 테두리 후보 추출부; 상기 테두리 후보 추출부에서 추출된 테두리 후보의 수직 성분을 검출하는 수직 성분 검출부; 상기 수직 성분 검출부에서 검출된 수직 성분에서 수직 경계 성분을 추출하는 수직 경계 성분 추출부; 상기 수직 경계 성분 추출부에서 수직 경계 성분이 추출된 번호판 영상에 대해 허프 변환을 수행하는 허프 변환부; 상기 허프 변환부에서 허프 변환이 수행된 번호판 영상에서 테두리 직선을 검출하는 테두리 직선 검출부; 상기 테두리 직선 검출부에서 테두리 직선이 검출된 번호판 영상을 회전하여 출력하는 번호판 영상 출력부를 포함하도록 구성될 수 있다.
그리고 상기 이륜차 번호판 인식 모듈은, 상기 번호판 영상 정규화 모듈에서 정규화된 번호판 영상을 광역시/도 영역, 시/군/구 영역, 문자 영역, 숫자 영역으로 분할하는 영역 분할부; 상기 영역 분할부에서 분할된 광역시/도 영역에서 광역시/도를 인식하는 광역시/도 인식기; 상기 영역 분할부에서 분할된 시/군/구 영역에서 시/군/구를 인식하는 시/군/구 인식기; 상기 영역 분할부에서 분할된 문자 영역에서 문자를 인식하는 문자 인식기; 상기 영역 분할부에서 분할된 숫자 영역에서 숫자를 인식하는 숫자 인식기를 포함하도록 구성될 수 있다.
그리고 상기 이륜차 번호판 지역 정합 모듈은, 상기 광역시/도 인식기에서 인식된 광역시/도와 시/군/구 인식기에서 인식된 시/군/구의 순서로 전방향 정합(forward matching)을 수행하는 전방향 정합부; 상기 전방향 정합부에서 수행된 전방향 정합의 결과 정합이 이루어지지 않는 경우, 상기 광역시/도의 인식 결과와 상기 시/군/구의 인식 결과 중 어느 하나를 각각의 인식 신뢰도에 기반하여 선택하는 인식기 선택부; 상기 인식기 선택부에서 광역시/도의 인식 결과가 선택된 경우, 상기 선택된 광역시/도의 인식 결과에 기반하여 전방향 그룹 정합을 수행하는 전방향 그룹 정합부; 상기 인식기 선택부에서 시/군/구의 인식 결과가 선택된 경우, 상기 선택된 시/군/구의 인식 결과에 기반하여 후방향 그룹 정합을 수행하는 후방향 그룹 정합부를 포함하도록 구성될 수 있다.
상술한 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법 및 시스템에 의하면, 일반차량과 이륜차의 차량번호를 각각 이에 적합한 알고리즘을 통해 인식하도록 구성됨으로써, 일반차량이나 이륜차의 차량번호판 인식률을 높이고, 인식 오류에 대해서도 정확한 검증을 수행하여 오류가 나는 것을 방지할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 딥러닝 기반 전후면 차량번호인식 무인교통단속 시스템의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 일반차량 번호 인식 모듈 및 이륜차 번호 인식 모듈의 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법의 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 일반차량 번호 인식 모듈 및 이륜차 번호 인식 모듈의 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법의 흐름도이다.
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.
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.
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.
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 명세서 상에 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.
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.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 딥러닝 기반 전후면 차량번호인식 무인교통단속 시스템의 블록 구성도이고, 도 2는 본 발명의 일 실시예에 따른 일반차량 번호 인식 모듈 및 이륜차 번호 인식 모듈의 블록 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 딥러닝 기반 전후면 차량번호인식 무인교통단속 시스템은 레이더 장치(100), 카메라 장치(200), 보조 카메라 장치(300), 제어 장치(400)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
레이더 장치(100)는 주행 중인 차량 또는 주/정차 중인 차량의 차량 좌표값을 검지하고, 속도값을 산출하도록 구성될 수 있다.
레이더 장치(100)는 레이더 모듈(110), 팬틸트 제어 모듈(120)을 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
레이더 모듈(110)은 레이더 신호를 이용하여 일반차량이나 이륜차를 감지할 수 있도록 구성되며, 차량의 좌표값 및 속도값도 감지할 수 있도록 구성될 수 있다.
팬틸트 제어 모듈(120)은 팬틸트 구동에 의해 레이더 모듈(110)의 감지 방향을 제어하도록 구성될 수 있다.
카메라 장치(200)는 단속 영역의 주행 중인 차량 또는 주/정차 중인 차량을 촬영하도록 구성될 수 있다.
카메라 장치(200)는 카메라 모듈(210), 팬틸트 제어 모듈(220), 카메라 렌즈 제어 모듈(230)을 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
카메라 모듈(210)은 도로 상의 일반차량이나 이륜차를 촬영하여 이미지를 생성하도록 구성도록 구성될 수 있다.
팬틸트 제어 모듈(220)은 팬틸트 구동에 의해 카메라 모듈(210)의 감지 방향을 제어하도록 구성될 수 있다.
카메라 렌즈 제어 모듈(230)은 카메라 모듈(210)의 렌즈 초점을 제어하여 영상의 촬영 거리를 제어하도록 구성될 수 있다.
보조 카메라 장치(300)는 차량을 촬영하도록 구성될 수 있다.
보조 카메라 장치(300)는 차량의 신호 위반 이미지를 확보하기 위한 촬여을 하도록 구성될 수 있다.
제어 장치(400)는 레이더 장치(100)에서 검지된 차량 좌표값 및 레이더 장치(100)에서 산출된 속도값을 이용하여 카메라 장치(200)에서 촬영된 차량을 단속하고, 보조 카메라 장치(300)에서 촬영된 차량의 신호 위반 증거 이미지를 생성하도록 구성될 수 있다.
제어 장치(400)는 신호등 인터페이스 모듈(410), 단속 영역 설정 모듈(420), 지역 제어 모듈(430), 번호 인식용 이미지 생성 모듈(440), 일반차량/이륜차 구별 모듈(450), 일반차량 번호 인식 모듈(460), 이륜차 번호 인식 모듈(470), 신호 위반 증거 이미지 생성 모듈(480), 단속 정보 생성 모듈(490), 통신 모듈(495)을 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
신호등 인터페이스 모듈(410)은 신호등 신호를 실시간 추출하도록 구성될 수 있다.
단속 영역 설정 모듈(420)은 신호등 인터페이스 모듈(410)에서 실시간 추출된 신호등 신호에 기반하여 단속 영역을 설정하도록 구성될 수 있다.
지역 제어 모듈(430)은 카메라 장치(200)에서 촬영된 차량에 대해 검지된 차량 좌표 및 산출된 속도값을 이용하여 차량 단속을 수행하도록 구성될 수 있다.
번호 인식용 이미지 생성 모듈(440)은 지역 제어 모듈(430)에서 수행된 차량 단속에 따른 차량의 차량번호인식을 위한 차량 이미지를 생성하도록 구성될 수 있다.
일반차량/이륜차 구별 모듈(450)은 번호 인식용 이미지 생성 모듈(440)에서 생성된 차량 이미지를 기반으로 해당 차량을 일반차량 또는 이륜차로 구별하도록 구성될 수 있다.
일반차량 번호 인식 모듈(460)은 일반차량/이륜차 구별 모듈(450)에서 일반차량으로 구별된 차량의 번호를 인식하도록 구성될 수 있다.
일반차량 번호 인식 모듈(460)은 딥러닝 기반 번호판 검출부(461), 신경망 문자 인식부(462)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
딥러닝 기반 번호판 검출부(461)는 일반차량/이륜차 구별 모듈(450)에서 일반차량으로 구별된 차량의 차량 이미지에서 딥러닝에 기반하여 번호판을 검출하도록 구성될 수 있다.
신경망 문자 인식부(462)는 딥러닝 기반 번호판 검출부(461)에서 검출된 번호판에서 신경망에 기반하여 문자를 인식하여 차량번호를 출력하도록 구성될 수 있다.
이륜차 번호 인식 모듈(470)은 일반차량/이륜차 구별 모듈(450)에서 이륜차로 구별된 차량의 번호를 인식하도록 구성될 수 있다.
이륜차 번호 인식 모듈(470)은 번호판 영상 검출 모듈(471), 번호판 영상 크롭핑 모듈(472), 번호판 영상 정규화 모듈(473), 이륜차 번호판 인식 모듈(474), 이륜차 번호판 지역 정합 모듈(475), 안전모 착용 판단 모듈(476)을 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
번호판 영상 검출 모듈(471)은 일반차량/이륜차 구별 모듈(450)에서 이륜차로 구별된 차량의 차량 이미지에서 번호판 영상을 검출하도록 구성될 수 있다.
번호판 영상 크롭핑 모듈(472)은 번호판 영상 검출 모듈(471)에서 검출된 번호판 영상을 크롭핑하도록 구성될 수 있다.
번호판 영상 정규화 모듈(473)은 번호판 영상 크롭핑 모듈(472)에서 크롭핑된 번호판 영상을 정규화하도록 구성될 수 있다.
번호판 영상 정규화 모듈(473)은 흑백 이진화부(473a), 테두리 후보 추출부(473b), 수직 성분 검출부(473c), 수직 경계 성분 추출부(473d), 허프 변환부(473e), 테두리 직선 검출부(473f), 번호판 영상 출력부(473g)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
흑백 이진화부(473a)는 번호판 영상 크롭핑 모듈(472)에서 크롭핑된 번호판 영상에 대해 흑백 이진화를 수행하도록 구성될 수 있다.
테두리 후보 추출부(473b)는 흑백 이진화부(473a)에서 흑백 이진화가 수행된 번호판 영상에서 테두리 후보를 추출하도록 구성될 수 있다.
수직 성분 검출부(473c)는 테두리 후보 추출부(473b)에서 추출된 테두리 후보의 수직 성분을 검출하도록 구성될 수 있다.
수직 경계 성분 추출부(473d)는 수직 성분 검출부(473c)에서 검출된 수직 성분에서 수직 경계 성분을 추출하도록 구성될 수 있다.
허프 변환부(473e)는 수직 경계 성분 추출부(473d)에서 수직 경계 성분이 추출된 번호판 영상에 대해 허프 변환을 수행하도록 구성될 수 있다.
테두리 직선 검출부(473f)는 허프 변환부(473e)에서 허프 변환이 수행된 번호판 영상에서 테두리 직선을 검출하도록 구성될 수 있다.
번호판 영상 출력부(473g)는 테두리 직선 검출부(473f)에서 테두리 직선이 검출된 번호판 영상을 회전하여 출력하도록 구성될 수 있다.
이륜차 번호판 인식 모듈(474)은 번호판 영상 정규화 모듈(473)에서 정규화된 번호판 영상에서 문자 영역을 분할하여 문자를 인식하도록 구성될 수 있다.
이륜차 번호판 인식 모듈(474)은 영역 분할부(474a), 광역시/도 인식기(474b), 시/군/구 인식기(474c), 문자 인식기(474d), 숫자 인식기(474e)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
영역 분할부(474a)는 번호판 영상 정규화 모듈(473)에서 정규화된 번호판 영상을 광역시/도 영역, 시/군/구 영역, 문자 영역, 숫자 영역으로 분할하도록 구성될 수 있다.
광역시/도 인식기(474b)는 영역 분할부(474a)에서 분할된 광역시/도 영역에서 광역시/도를 인식하도록 구성될 수 있다.
시/군/구 인식기(474c)는 영역 분할부(474a)에서 분할된 시/군/구 영역에서 시/군/구를 인식하도록 구성될 수 있다.
문자 인식기(474d)는 영역 분할부(474a)에서 분할된 문자 영역에서 문자를 인식하도록 구성될 수 있다.
숫자 인식기(474e)는 영역 분할부(474a)에서 분할된 숫자 영역에서 숫자를 인식하도록 구성될 수 있다.
이륜차 번호판 지역 정합 모듈(475)은 이륜차 번호판 인식 모듈(474)에서 인식된 문자를 지역을 기준으로 정합하고, 정합 결과에 기반하여 차량번호를 출력하도록 구성될 수 있다.
이륜차 번호판 지역 정합 모듈(475)은 전방향 정합부(475a), 인식기 선택부(475b), 전방향 그룹 정합부(475c), 후방향 그룹 정합부(475d)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
전방향 정합부(475a)는 광역시/도 인식기(474b)에서 인식된 광역시/도와 시/군/구 인식기(474c)에서 인식된 시/군/구의 순서로 전방향 정합(forward matching)을 수행하도록 구성될 수 있다.
인식기 선택부(475b)는 전방향 정합부(475a)에서 수행된 전방향 정합의 결과 정합이 이루어지지 않는 경우, 광역시/도의 인식 결과와 시/군/구의 인식 결과 중 어느 하나를 각각의 인식 신뢰도에 기반하여 선택하도록 구성될 수 있다.
전방향 그룹 정합부(475c)는 인식기 선택부(475b)에서 광역시/도의 인식 결과가 선택된 경우, 선택된 광역시/도의 인식 결과에 기반하여 전방향 그룹 정합을 수행하도록 구성될 수 있다.
후방향 그룹 정합부(475d)는 인식기 선택부(475b)에서 시/군/구의 인식 결과가 선택된 경우, 선택된 시/군/구의 인식 결과에 기반하여 후방향 그룹 정합을 수행하도록 구성될 수 있다.
안전모 착용 판단 모듈(476)은 차량 이미지에서 안전모 착용 여부를 판단하도록 구성될 수 있다.
신호 위반 증거 이미지 생성 모듈(480)은 보조 카메라 장치(300)에 의해 촬영된 차량의 신호 위반 증거 이미지를 생성하도록 구성될 수 있다.
단속 정보 생성 모듈(490)은 일반차량 번호 인식 모듈(460)에서 인식된 번호 또는 이륜차 번호 인식 모듈(470)에서 인식된 번호와 신호 위반 증거 이미지 생성 모듈(480)에서 생성된 신호 위반 증거 이미지를 이용하여 단속 정보를 생성하도록 구성될 수 있다.
통신 모듈(495)은 단속 정보 생성 모듈(490)에서 생성된 단속 정보를 경찰청 센터 서버(10)로 송신하도록 구성될 수 있다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법의 흐름도이다.
도 3을 참조하면, 레이더 장치(100)가 주행 중인 차량 또는 주/정차 중인 차량의 차량 좌표값을 검지하고, 속도값을 산출한다(S110).
다음으로, 카메라 장치(200)가 단속 영역의 주행 중인 차량 또는 주/정차 중인 차량을 촬영한다(S120).
다음으로, 보조 카메라 장치(300)가 차량을 촬영한다(S130).
다음으로, 제어 장치(400)가 레이더 장치(100)에서 검지된 차량 좌표값 및 레이더 장치(100)에서 산출된 속도값을 이용하여 카메라 장치(200)에서 촬영된 차량을 단속한다(S140).
여기서, 단계 S140는 구체적으로는 다음의 구성으로 이루어진다.
도 4를 참조하면, 먼저 신호등 인터페이스 모듈(410)이 신호등 신호를 실시간 추출하고(S141), 단속 영역 설정 모듈(420)이 신호등 인터페이스 모듈(410)에서 실시간 추출된 신호등 신호에 기반하여 단속 영역을 설정하고(S142), 지역 제어 모듈(430)이 카메라 장치(200)에서 촬영된 차량에 대해 검지된 차량 좌표 및 산출된 속도값을 이용하여 차량 단속을 수행하고(S143), 번호 인식용 이미지 생성 모듈(440)이 지역 제어 모듈(430)에서 수행된 차량 단속에 따른 차량의 차량번호인식을 위한 차량 이미지를 생성하고(S144), 일반차량/이륜차 구별 모듈(450)이 번호 인식용 이미지 생성 모듈(440)에서 생성된 차량 이미지를 기반으로 해당 차량을 일반차량 또는 이륜차로 구별하고(S145), 일반차량 번호 인식 모듈(460)이 일반차량/이륜차 구별 모듈(450)에서 일반차량으로 구별된 차량의 번호를 인식하고(S146), 이륜차 번호 인식 모듈(470)이 일반차량/이륜차 구별 모듈(450)에서 이륜차로 구별된 차량의 번호를 인식하고(S147), 단속 정보 생성 모듈(490)이 일반차량 번호 인식 모듈(460)에서 인식된 번호 또는 이륜차 번호 인식 모듈(470)에서 인식된 번호와 신호 위반 증거 이미지 생성 모듈(480)에서 생성된 신호 위반 증거 이미지를 이용하여 단속 정보를 생성하고(S148), 통신 모듈(495)이 단속 정보 생성 모듈(490)에서 생성된 단속 정보를 경찰청 센터 서버(10)로 송신한다(S149).
다음으로, 제어 장치(400)가 보조 카메라 장치(300)에서 촬영된 차량의 신호 위반 증거 이미지를 생성한다(S105).
이상 실시예를 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.
100: 레이더 장치 110: 레이더 모듈
120: 팬틸트 제어 모듈 200: 카메라 장치
210: 카메라 모듈 220: 팬틸트 제어 모듈
230: 카메라 렌즈 제어 모듈 300: 보조 카메라 장치
400: 제어 장치 410: 신호등 인터페이스 모듈
420: 단속 영역 설정 모듈 430: 지역 제어 모듈
440: 번호 인식용 이미지 생성 모듈 450: 일반차량/이륜차 구별 모듈
460: 일반차량 번호 인식 모듈 461: 딥러닝 기반 번호판 검출부
462: 신경망 문자 인식부 470: 이륜차 번호 인식 모듈
471: 번호판 영상 검출 모듈 472: 번호판 영상 크롭핑 모듈
473: 번호판 영상 정규화 모듈 473a: 흑백 이진화부
473b: 테두리 후보 추출부 473c: 수직 성분 검출부
473d: 수직 경계 성분 추출부 473e: 허프 변환부
473f: 테두리 직선 검출부 473g: 번호판 영상 출력부
474: 이륜차 번호판 인식 모듈 474a: 영역 분할부
474b: 광역시/도 인식기 474c: 시/군/구 인식기
474d: 문자 인식기 474e: 숫자 인식기
475: 이륜차 번호판 지역 정합 모듈 475a: 전방향 정합부
475b: 인식기 선택부 475c: 전방향 그룹 정합부
475d: 후방향 그룹 정합부 476: 안전모 착용 판단 모듈
480: 신호 위반 증거 이미지 생성 모듈 490: 단속 정보 생성 모듈
495: 통신 모듈
120: 팬틸트 제어 모듈 200: 카메라 장치
210: 카메라 모듈 220: 팬틸트 제어 모듈
230: 카메라 렌즈 제어 모듈 300: 보조 카메라 장치
400: 제어 장치 410: 신호등 인터페이스 모듈
420: 단속 영역 설정 모듈 430: 지역 제어 모듈
440: 번호 인식용 이미지 생성 모듈 450: 일반차량/이륜차 구별 모듈
460: 일반차량 번호 인식 모듈 461: 딥러닝 기반 번호판 검출부
462: 신경망 문자 인식부 470: 이륜차 번호 인식 모듈
471: 번호판 영상 검출 모듈 472: 번호판 영상 크롭핑 모듈
473: 번호판 영상 정규화 모듈 473a: 흑백 이진화부
473b: 테두리 후보 추출부 473c: 수직 성분 검출부
473d: 수직 경계 성분 추출부 473e: 허프 변환부
473f: 테두리 직선 검출부 473g: 번호판 영상 출력부
474: 이륜차 번호판 인식 모듈 474a: 영역 분할부
474b: 광역시/도 인식기 474c: 시/군/구 인식기
474d: 문자 인식기 474e: 숫자 인식기
475: 이륜차 번호판 지역 정합 모듈 475a: 전방향 정합부
475b: 인식기 선택부 475c: 전방향 그룹 정합부
475d: 후방향 그룹 정합부 476: 안전모 착용 판단 모듈
480: 신호 위반 증거 이미지 생성 모듈 490: 단속 정보 생성 모듈
495: 통신 모듈
Claims (11)
- 주행 중인 차량 또는 주/정차 중인 차량의 차량 좌표값을 검지하고, 속도값을 산출하는 레이더 장치(100);
단속 영역의 주행 중인 차량 또는 주/정차 중인 차량을 촬영하는 카메라 장치(200);
상기 차량을 촬영하는 보조 카메라 장치(300);
상기 레이더 장치(100)에서 검지된 차량 좌표값 및 상기 레이더 장치(100)에서 산출된 속도값을 이용하여 상기 카메라 장치(200)에서 촬영된 차량을 단속하고, 상기 보조 카메라 장치(300)에서 촬영된 차량의 신호 위반 증거 이미지를 생성하는 제어 장치(400)를 포함하며,
상기 제어 장치(400)는,
신호등 신호를 실시간 추출하는 신호등 인터페이스 모듈(410),
상기 신호등 인터페이스 모듈(410)에서 실시간 추출된 신호등 신호에 기반하여 단속 영역을 설정하는 단속 영역 설정 모듈(420),
상기 카메라 장치(200)에서 촬영된 차량에 대해 상기 검지된 차량 좌표 및 상기 산출된 속도값을 이용하여 차량 단속을 수행하는 지역 제어 모듈(430),
상기 지역 제어 모듈(430)에서 수행된 차량 단속에 따른 차량의 차량번호인식을 위한 차량 이미지를 생성하는 번호 인식용 이미지 생성 모듈(440)을 포함하고,
상기 제어 장치(400)는,
상기 번호 인식용 이미지 생성 모듈(440)에서 생성된 차량 이미지를 기반으로 해당 차량을 일반차량 또는 이륜차로 구별하는 일반차량/이륜차 구별 모듈(450),
상기 일반차량/이륜차 구별 모듈(450)에서 일반차량으로 구별된 차량의 번호를 인식하는 일반차량 번호 인식 모듈(460),
상기 일반차량/이륜차 구별 모듈(450)에서 이륜차로 구별된 차량의 번호를 인식하는 이륜차 번호 인식 모듈(470),
상기 보조 카메라 장치(300)에 의해 촬영된 차량의 신호 위반 증거 이미지를 생성하는 신호 위반 증거 이미지 생성 모듈(480),
상기 일반차량 번호 인식 모듈(460)에서 인식된 번호 또는 상기 이륜차 번호 인식 모듈(470)에서 인식된 번호와 상기 신호 위반 증거 이미지 생성 모듈(480)에서 생성된 신호 위반 증거 이미지를 이용하여 단속 정보를 생성하는 단속 정보 생성 모듈(490),
상기 단속 정보 생성 모듈(490)에서 생성된 단속 정보를 경찰청 센터 서버(10)로 송신하는 통신 모듈(495)을 더 포함하며,
상기 이륜차 번호 인식 모듈(470)은,
상기 일반차량/이륜차 구별 모듈(450)에서 이륜차로 구별된 차량의 차량 이미지에서 번호판 영상을 검출하는 번호판 영상 검출 모듈(471),
상기 번호판 영상 검출 모듈(471)에서 검출된 번호판 영상을 크롭핑하는 번호판 영상 크롭핑 모듈(472),
상기 번호판 영상 크롭핑 모듈(472)에서 크롭핑된 번호판 영상을 정규화하는 번호판 영상 정규화 모듈(473),
상기 번호판 영상 정규화 모듈(473)에서 정규화된 번호판 영상에서 문자 영역을 분할하여 문자를 인식하는 이륜차 번호판 인식 모듈(474),
상기 이륜차 번호판 인식 모듈(474)에서 인식된 문자를 지역을 기준으로 정합하고, 정합 결과에 기반하여 차량번호를 출력하는 이륜차 번호판 지역 정합 모듈(475),
상기 차량 이미지에서 안전모 착용 여부를 판단하는 안전모 착용 판단 모듈(476)을 포함하고,
상기 번호판 영상 정규화 모듈(473)은,
상기 번호판 영상 크롭핑 모듈(472)에서 크롭핑된 번호판 영상에 대해 흑백 이진화를 수행하는 흑백 이진화부(473a),
상기 흑백 이진화부(473a)에서 흑백 이진화가 수행된 번호판 영상에서 테두리 후보를 추출하는 테두리 후보 추출부(473b),
상기 테두리 후보 추출부(473b)에서 추출된 테두리 후보의 수직 성분을 검출하는 수직 성분 검출부(473c),
상기 수직 성분 검출부(473c)에서 검출된 수직 성분에서 수직 경계 성분을 추출하는 수직 경계 성분 추출부(473d),
상기 수직 경계 성분 추출부(473d)에서 수직 경계 성분이 추출된 번호판 영상에 대해 허프 변환을 수행하는 허프 변환부(473e),
상기 허프 변환부(473e)에서 허프 변환이 수행된 번호판 영상에서 테두리 직선을 검출하는 테두리 직선 검출부(473f),
상기 테두리 직선 검출부(473f)에서 테두리 직선이 검출된 번호판 영상을 회전하여 출력하는 번호판 영상 출력부(473g)를 포함하며,
상기 이륜차 번호판 인식 모듈(474)은,
상기 번호판 영상 정규화 모듈(473)에서 정규화된 번호판 영상을 광역시/도 영역, 시/군/구 영역, 문자 영역, 숫자 영역으로 분할하는 영역 분할부(474a),
상기 영역 분할부(474a)에서 분할된 광역시/도 영역에서 광역시/도를 인식하는 광역시/도 인식기(474b),
상기 영역 분할부(474a)에서 분할된 시/군/구 영역에서 시/군/구를 인식하는 시/군/구 인식기(474c),
상기 영역 분할부(474a)에서 분할된 문자 영역에서 문자를 인식하는 문자 인식기(474d),
상기 영역 분할부(474a)에서 분할된 숫자 영역에서 숫자를 인식하는 숫자 인식기(474e)를 포함하고,
상기 이륜차 번호판 지역 정합 모듈(475)은,
상기 광역시/도 인식기(474b)에서 인식된 광역시/도와 시/군/구 인식기(474c)에서 인식된 시/군/구의 순서로 전방향 정합(forward matching)을 수행하는 전방향 정합부(475a),
상기 전방향 정합부(475a)에서 수행된 전방향 정합의 결과 정합이 이루어지지 않는 경우, 상기 광역시/도의 인식 결과와 상기 시/군/구의 인식 결과 중 어느 하나를 각각의 인식 신뢰도에 기반하여 선택하는 인식기 선택부(475b),
상기 인식기 선택부(475b)에서 광역시/도의 인식 결과가 선택된 경우, 상기 선택된 광역시/도의 인식 결과에 기반하여 전방향 그룹 정합을 수행하는 전방향 그룹 정합부(475c),
상기 인식기 선택부(475b)에서 시/군/구의 인식 결과가 선택된 경우, 상기 선택된 시/군/구의 인식 결과에 기반하여 후방향 그룹 정합을 수행하는 후방향 그룹 정합부(475d)를 포함하도록 구성되는 것을 특징으로 하는 딥러닝 기반 전후면 차량번호인식 무인교통단속 시스템.
- 삭제
- 삭제
- 제1항에 있어서, 상기 일반차량 번호 인식 모듈(460)은,
상기 일반차량/이륜차 구별 모듈(450)에서 일반차량으로 구별된 차량의 차량 이미지에서 딥러닝에 기반하여 번호판을 검출하는 딥러닝 기반 번호판 검출부(461);
상기 딥러닝 기반 번호판 검출부(461)에서 검출된 번호판에서 신경망에 기반하여 문자를 인식하여 차량번호를 출력하는 신경망 문자 인식부(462)를 포함하도록 구성되는 것을 특징으로 하는 딥러닝 기반 전후면 차량번호인식 무인교통단속 시스템. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230133272A KR102630939B1 (ko) | 2023-10-06 | 2023-10-06 | 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230133272A KR102630939B1 (ko) | 2023-10-06 | 2023-10-06 | 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102630939B1 true KR102630939B1 (ko) | 2024-01-30 |
Family
ID=89714854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230133272A KR102630939B1 (ko) | 2023-10-06 | 2023-10-06 | 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102630939B1 (ko) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070113334A (ko) * | 2006-05-23 | 2007-11-29 | 주식회사 인프라밸리 | 차영상과 신경망을 이용한 자동차 번호판 인식 방법 |
| KR100997808B1 (ko) | 2010-06-16 | 2010-12-01 | 주식회사 라인인포 | 신호위반 단속, 교통정보 수집 및 방범 기능을 통합한 교통 감시 시스템 |
| KR101264161B1 (ko) * | 2013-01-14 | 2013-05-14 | (주)오픈메이트 | 입력된 주소 정보에 기초한 가구 특성 판단 시스템 및 그 제어방법 |
| KR102008283B1 (ko) * | 2019-01-23 | 2019-08-07 | (주)토페스 | 번호판인식방법 및 이를 수행하는 번호판인식장치 |
| KR102159144B1 (ko) | 2020-06-09 | 2020-09-23 | 주식회사 서경산업 | 보행신호등 주변의 위반차량 무인단속시스템 |
| KR20220043316A (ko) * | 2020-09-29 | 2022-04-05 | 한국공학대학교산학협력단 | 영상 워핑을 이용한 번호판 검출 장치 및 방법 |
| KR102477410B1 (ko) * | 2022-09-08 | 2022-12-15 | 주식회사 아프로시스템즈 | 자동차 후면 번호판 인식을 이용한 무인 단속 시스템 및 자동차 후면 번호판 인식방법 |
| KR20230015170A (ko) * | 2021-07-22 | 2023-01-31 | 아주대학교산학협력단 | 우회전 차량 단속 장치 및 방법 |
| KR102506971B1 (ko) * | 2022-10-26 | 2023-03-07 | 주식회사 알씨 | 딥러닝 기반의 후방 촬영을 통한 이륜자동차 번호판 인식 방법 및 시스템 |
-
2023
- 2023-10-06 KR KR1020230133272A patent/KR102630939B1/ko active IP Right Grant
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070113334A (ko) * | 2006-05-23 | 2007-11-29 | 주식회사 인프라밸리 | 차영상과 신경망을 이용한 자동차 번호판 인식 방법 |
| KR100997808B1 (ko) | 2010-06-16 | 2010-12-01 | 주식회사 라인인포 | 신호위반 단속, 교통정보 수집 및 방범 기능을 통합한 교통 감시 시스템 |
| KR101264161B1 (ko) * | 2013-01-14 | 2013-05-14 | (주)오픈메이트 | 입력된 주소 정보에 기초한 가구 특성 판단 시스템 및 그 제어방법 |
| KR102008283B1 (ko) * | 2019-01-23 | 2019-08-07 | (주)토페스 | 번호판인식방법 및 이를 수행하는 번호판인식장치 |
| KR102159144B1 (ko) | 2020-06-09 | 2020-09-23 | 주식회사 서경산업 | 보행신호등 주변의 위반차량 무인단속시스템 |
| KR20220043316A (ko) * | 2020-09-29 | 2022-04-05 | 한국공학대학교산학협력단 | 영상 워핑을 이용한 번호판 검출 장치 및 방법 |
| KR20230015170A (ko) * | 2021-07-22 | 2023-01-31 | 아주대학교산학협력단 | 우회전 차량 단속 장치 및 방법 |
| KR102477410B1 (ko) * | 2022-09-08 | 2022-12-15 | 주식회사 아프로시스템즈 | 자동차 후면 번호판 인식을 이용한 무인 단속 시스템 및 자동차 후면 번호판 인식방법 |
| KR102506971B1 (ko) * | 2022-10-26 | 2023-03-07 | 주식회사 알씨 | 딥러닝 기반의 후방 촬영을 통한 이륜자동차 번호판 인식 방법 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020087743A1 (zh) | 非机动车交通违法监管方法、装置及电子设备 | |
| US8787629B2 (en) | Image processing based on line-of-sight of a person | |
| KR101382873B1 (ko) | 전방차량 충돌 경고 시스템 및 전방차량 충돌 경고 방법 | |
| CN105047019B (zh) | 一种客运车辆防止后车超车后突然变道判断方法及装置 | |
| KR101326943B1 (ko) | 추월차량 경고 시스템 및 추월차량 경고 방법 | |
| KR101926562B1 (ko) | 다차로 영상분석 시스템 | |
| CN110580808B (zh) | 一种信息处理方法、装置、电子设备及智能交通系统 | |
| WO2006026688A2 (en) | Method and apparatus for classifying an object | |
| JP2018513495A (ja) | デュアル埋め込み型光学文字認識（ｏｃｒ）エンジン | |
| CN105893953A (zh) | 一车两牌车辆检测方法及其系统 | |
| CN112926583B (zh) | 车牌识别方法与车牌识别系统 | |
| KR101492473B1 (ko) | 사용자 기반 상황 인지형 씨씨티비 통합관제시스템 | |
| KR101660254B1 (ko) | 주차차단기의 번호인식시스템 | |
| KR102465167B1 (ko) | 번호인식률을 높인 후방번호판을 활용한 차량번호 인식시스템 | |
| KR20200141834A (ko) | 영상기반 교통신호제어 장치 및 방법 | |
| CN111091041A (zh) | 一种车辆违法判别方法、装置、计算机设备和存储介质 | |
| KR102630939B1 (ko) | 딥러닝 기반 전후면 차량번호인식 무인교통단속 방법 및 시스템 | |
| CN106327876A (zh) | 一种基于行车记录仪的套牌车捕捉系统及方法 | |
| KR20220156247A (ko) | Ev 충전기에 적용되는 카메라를 활용한 딥러닝 기반의 위험 상황 객체/이벤트 정보 검출 방법 | |
| KR102521567B1 (ko) | 이륜차 불법 운행 감지 장치 및 방법 | |
| KR102506971B1 (ko) | 딥러닝 기반의 후방 촬영을 통한 이륜자동차 번호판 인식 방법 및 시스템 | |
| JP2015046126A (ja) | 車両検知装置 | |
| JP6943116B2 (ja) | 移動体認識装置、プログラムおよび移動体認識システム | |
| KR20200056656A (ko) | 액션 캠 모듈을 이용한 사람 및 사물 인식 시스템 | |
| KR102027313B1 (ko) | 지능형 다차로 영상분석 시스템 |
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 |