KR20130141747A - Apparatus and method of controlling signal light using radar capable of discriminating humna/object - Google Patents

Apparatus and method of controlling signal light using radar capable of discriminating humna/object Download PDF

Info

Publication number
KR20130141747A
KR20130141747A KR1020120064676A KR20120064676A KR20130141747A KR 20130141747 A KR20130141747 A KR 20130141747A KR 1020120064676 A KR1020120064676 A KR 1020120064676A KR 20120064676 A KR20120064676 A KR 20120064676A KR 20130141747 A KR20130141747 A KR 20130141747A
Authority
KR
South Korea
Prior art keywords
traffic light
feature vector
module
person
radar
Prior art date
Application number
KR1020120064676A
Other languages
Korean (ko)
Inventor
임창훈
Original Assignee
삼성탈레스 주식회사
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 삼성탈레스 주식회사 filed Critical 삼성탈레스 주식회사
Priority to KR1020120064676A priority Critical patent/KR20130141747A/en
Publication of KR20130141747A publication Critical patent/KR20130141747A/en

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/095—Traffic lights
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

Disclosed are a traffic light control device using radar capable of recognizing humans and objects and a control method thereof. A radar sensor module which collects radar signals; a target detection module which detects a target signal by extracting boundary points from the collected radar signals; a characteristic vector extraction module which extracts a valid characteristic vector set of the detected target signal by referring to the previously registered characteristic vector set; a human/object recognition module which recognizes humans/objects by performing an SVM process according to the previously registered SVM threshold value for the extracted valid characteristic vector; and a traffic light control module which controls traffic lights depending on the type of a target signal recognized by the human/object recognition module are included. According to the traffic light control device using radar capable of recognizing humans and objects and a control method thereof, by controlling vehicle traffic lights by recognizing animals on a road where road-kills frequently occur or by controlling pedestrian traffic lights/vehicle traffic lights by recognizing humans/vehicles on a deserted cross walk, road-kills can be prevented and the smooth driving on the road is available. Furthermore, even in case of jaywalking, accidents can be prevented by controlling the traffic lights. [Reference numerals] (110) Radar sensor module;(120) Target detection module;(130) Characteristic vector extraction module;(132) Characteristic vector set DB;(140,150) Human/object recognition module;(142) SVM-based threshold value DB

Description

사람／사물 식별이 가능한 레이더를 이용한 신호등 제어 장치 및 제어 방법{APPARATUS AND METHOD OF CONTROLLING SIGNAL LIGHT USING RADAR CAPABLE OF DISCRIMINATING HUMNA/OBJECT}Signal light control device and control method using radar that can identify person / object {APPARATUS AND METHOD OF CONTROLLING SIGNAL LIGHT USING RADAR CAPABLE OF DISCRIMINATING HUMNA / OBJECT}

본 발명은 신호등 제어 장치 및 제어 방법에 관한 것으로서, 좀 더 구체적으로는 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치 및 제어 방법에 관한 것이다.The present invention relates to a traffic light control device and a control method, and more particularly to a traffic light control device and a control method using a radar capable of identifying people / things.

종래 레이더 센서를 이용한 사람/사물 식별 프로세스는 복잡한 연산량과 장시간의 연산 시간을 요하는 경우가 많다.Conventional human / object identification processes using radar sensors often require complex computations and long computation times.

종래의 방식을 좀 더 설명하면 다음과 같다. 먼저 레이더 센서로 신호를 감지하고, 감지된 신호를 중첩하여 일정 구간으로 나눈 후 쇼트 타임 푸리에 변환(short time fourier transform)을 수행한다. 그리고 멜 켑스트럼(Mel Cepstrum) 계수를 특징 벡터 세트로 추출하고, 이를 기반으로 사람/사물의 행동을 분류한다.A more detailed description of the conventional method is as follows. First, a signal is detected by a radar sensor, the detected signals are overlapped, divided into predetermined sections, and a short time fourier transform is performed. Mel Cepstrum coefficients are extracted as a set of feature vectors, and the behaviors of people / things are classified.

이러한 종래의 방식에서는 감지된 신호 전구간을 처리하기 때문에 많은 계산량이 소요된다는 문제점이 있다. 또한, 멜 켑스트럼 계수 역시 계산량이 방대하고 많은 시간이 소요된다. 한편, 추출된 특징 벡터 세트들은 그 변별력에 대한 검증 과정이 없기 때문에 연산이 비효율적으로 반복되는 문제점도 존재한다.This conventional method has a problem in that a large amount of calculation is required because it processes the detected signal span. In addition, the Melkstrom coefficient is also computationally expensive and time consuming. On the other hand, the extracted feature vector sets have a problem that the operation is inefficiently repeated because there is no verification process for the discriminating power.

다른 한편으로는, 사람/사물을 레이더를 이용하여 식별할 수 있는 경우에는, 이를 이용하여 신호등에도 적용 가능하다. 로드킬이 자주 발생하는 사람의 인적이 드문 도로라든가 도로 주행을 원활하게 하기 위해 보행 신호등의 점멸을 비주기적으로 제어할 경우에 적용 가능성이 높다.On the other hand, if a person / thing can be identified using a radar, it can also be applied to a traffic light using this. It is most likely to be applied to a road where a person with frequent road kills is rare, or to control a flashing of a pedestrian traffic light aperiodically to smoothly drive a road.

본 발명의 목적은 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치를 제공하는 데 있다.An object of the present invention is to provide a traffic light control device using a radar capable of identifying people / things.

본 발명의 다른 목적은 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 방법을 제공하는 데 있다.Another object of the present invention to provide a traffic light control method using a radar capable of identifying people / things.

상술한 본 발명의 목적에 따른 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치는, 레이더 신호를 수집하는 레이더 센서 모듈과, 상기 수집된 레이더 신호에서 경계점 추출을 통해 표적 신호를 검출하는 표적 검출 모듈과, 기 선별되어 등록된 특징 벡터 세트를 참조하여 상기 검출된 표적 신호의 유효 특징 벡터 세트를 추출하는 특징 벡터 추출 모듈과, 상기 추출된 유효 특징 벡터에 대하여 기 등록된 SVM 임계치를 기준으로 SVM 프로세스를 수행하여 사람과 사물을 식별하는 사람/사물 식별 모듈과, 상기 사람/사물 식별 모듈에 의해 식별된 표적 신호의 종류에 따라 신호등의 점멸을 제어하는 신호등 제어 모듈을 포함하도록 구성될 수 있다. 여기에서, 상기 신호등 제어 모듈은, 로드킬 발생 지역에서 로드킬 대상 동물의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하도록 구성될 수 있다. 그리고 상기 신호등 제어 모듈은, 사람의 표적 신호를 식별하여 보행 신호등의 점멸을 제어하도록 구성될 수 있다. 그리고 상기 신호등 제어 모듈은, 량의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하도록 구성될 수 있다. 한편, 상기 표적 검출 모듈은, 소정의 전력 임계치(threshold)를 기준으로 경계점 추출을 수행하여 표적을 검출하도록 구성될 수 있다. 그리고 상기 표적 검출 모듈은, 상기 수집된 레이더 신호에 해당하는 전체 구간에서 상기 검출된 표적에 해당하는 유효 신호 구간의 신호를 추출하여 상기 특징 벡터 추출 모듈로 출력하도록 구성될 수 있다. 한편, 상기 특징 벡터 추출 모듈은, 상기 표적 검출 모듈에서 출력된 유효 신호 구간의 신호로부터 특징 벡터 세트를 추출하도록 구성될 수 있다. 그리고 상기 특징 벡터 추출 모듈은, 다음 수학식에 따라 LPC 계수로 구성되는 특징 벡터 세트를 추출하고, [수학식]

Figure pat00001
, 여기에서,
Figure pat00002
은 유효 신호 구간의 신호, ak는 LPC 계수, p는 차수인 것으로 구성될 수 있다. 이때, 상기 특징 벡터 추출 모듈은, 다음 수학식에 따라 LPC 기반 켑스트랄(Cepstral) 계수로 구성되는 특징 벡터 세트를 추출하고, [수학식]
Figure pat00003
, 여기에서, ck는 LPC 기반 켑스트랄 계수인 것으로 구성될 수 있다. 그리고 상기 특징 벡터 추출 모듈은, 다음 수학식에 따라 LPC 기반 1차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하고, [수학식]
Figure pat00004
, 여기에서,
Figure pat00005
는 1차 템포럴 켑스트랄 도함수,
Figure pat00006
, 2M+1은 슬라이딩 윈도우 크기인 것으로 구성될 수 있다. 그리고 상기 특징 벡터 추출 모듈은, 다음 수학식에 따라 LPC 기반 2차 템포럴 켑스트랄 도함수(second temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하고, [수학식]
Figure pat00007
인 것으로 구성될 수 있다. 여기에서, 상기 특징 벡터 추출 모듈은, 다음 수학식에 따라 소정의 클래스에 대한 유효 특징 벡터 세트 미리 산출하여 특징 벡터 셋트 DB에 등록하고, [수학식]
Figure pat00008
, 여기에서,
Figure pat00009
,
Figure pat00010
,
Figure pat00011
, Di는 미리 결정된 클래스 Di의 신호인 것으로 구성될 수 있다.According to an object of the present invention, a traffic light control apparatus using a radar capable of identifying a person / object includes a radar sensor module for collecting a radar signal, and a target detection module for detecting a target signal through boundary point extraction from the collected radar signals. And a feature vector extraction module for extracting a valid feature vector set of the detected target signal with reference to a preselected and registered feature vector set, and an SVM process based on a pre-registered SVM threshold for the extracted valid feature vector. It may be configured to include a person / thing identification module for identifying a person and a thing by performing a, and a traffic light control module for controlling the flashing of the traffic light according to the type of the target signal identified by the person / thing identification module. Here, the traffic light control module may be configured to identify the target signal of the roadkill target animal in the roadkill generation area to control the blinking of the road driving traffic light. The traffic light control module may be configured to identify a target signal of a person to control the blinking of the walking traffic light. And the traffic light control module may be configured to identify the amount of the target signal to control the blinking of the road driving traffic light. The target detection module may be configured to detect a target by performing boundary point extraction based on a predetermined power threshold. The target detection module may be configured to extract a signal of a valid signal section corresponding to the detected target from the entire section corresponding to the collected radar signal and output the signal to the feature vector extraction module. Meanwhile, the feature vector extraction module may be configured to extract a feature vector set from a signal of a valid signal section output from the target detection module. The feature vector extraction module extracts a feature vector set consisting of LPC coefficients according to the following equation,
Figure pat00001
, From here,
Figure pat00002
May be a signal of an effective signal interval, a k is an LPC coefficient, and p is an order. At this time, the feature vector extraction module extracts a feature vector set consisting of LPC-based Cepstral coefficients according to the following equation,
Figure pat00003
, Where k k may be configured to be LPC based Cystral coefficients. The feature vector extraction module extracts a feature vector set consisting of LPC-based first temporal cepstral derivatives according to the following equation.
Figure pat00004
, From here,
Figure pat00005
Is the first-order temporal mestral derivative,
Figure pat00006
, 2M + 1 may be configured to be a sliding window size. The feature vector extraction module extracts a feature vector set consisting of LPC-based second temporal cepstral derivatives according to the following equation,
Figure pat00007
It may be configured to be. Here, the feature vector extraction module calculates in advance a valid feature vector set for a predetermined class according to the following equation, and registers it in the feature vector set DB.
Figure pat00008
, From here,
Figure pat00009
,
Figure pat00010
,
Figure pat00011
, D i may be configured to be a signal of a predetermined class D i .

상술한 본 발명의 다른 목적에 따른 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 방법은, 레이더 신호를 수집하는 단계와, 상기 수집된 레이더 신호에서 경계점 추출을 통해 표적 신호를 검출하는 단계와, 기 선별되어 등록된 특징 벡터 세트를 참조하여 상기 검출된 표적 신호의 유효 특징 벡터 세트를 추출하는 단계와, 상기 추출된 유효 특징 벡터에 대하여 기 등록된 SVM 임계치를 기준으로 SVM 프로세스를 수행하여 사람/사물을 식별하는 단계와, 상기 사람/사물 식별 모듈에 의해 식별된 표적 신호의 종류에 따라 신호등의 점멸을 제어하는 단계를 포함하도록 구성될 수 있다. 여기에서, 상기 신호등 제어 모듈은, 로드킬 발생 지역에서 로드킬 대상 동물의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하도록 구성될 수 있다. 그리고 상기 신호등 제어 모듈은, 사람의 표적 신호를 식별하여 보행 신호등의 점멸을 제어하도록 구성될 수 있다. 그리고 상기 신호등 제어 모듈은, 량의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하도록 구성될 수 있다.According to another aspect of the present invention, there is provided a method of controlling a traffic light using a radar capable of identifying a person / thing, including: collecting a radar signal, detecting a target signal through boundary point extraction from the collected radar signal, and Extracting a valid feature vector set of the detected target signal with reference to a selected and registered feature vector set, and performing an SVM process on the extracted valid feature vector based on a pre-registered SVM threshold; And identifying the blinking of the traffic light according to the type of the target signal identified by the person / object identification module. Here, the traffic light control module may be configured to identify the target signal of the roadkill target animal in the roadkill generation area to control the blinking of the road driving traffic light. The traffic light control module may be configured to identify a target signal of a person to control the blinking of the walking traffic light. And the traffic light control module may be configured to identify the amount of the target signal to control the blinking of the road driving traffic light.

상기와 같은 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치 및 제어 방법에 의하면, 경계 검출을 통해 유효 신호 구간을 검출하고 미리 등록된 유효 특징 벡터 세트를 참조하여 연산함으로써, 연산량을 줄이고 연산 속도를 높이는 효과가 있다. 또한, 미리 정해진 SVM 기법에 따라 사람/사물을 식별함으로써, 식별의 정확도가 높아지고 연산 속도도 빨라지는 효과가 있다. 그리고 연산량의 감소에 연산 속도의 감소에 따라 메모리 요구량이 줄어들고 시스템 요구 사양이 낮아지므로, 비용을 절감하고 소형화할 수 있는 효과가 있다.According to the traffic light control apparatus and control method using a radar capable of identifying a person or a thing, the effective signal interval is detected through the boundary detection and calculated by referring to a set of registered valid feature vectors, thereby reducing the amount of computation and increasing the computation speed. The height is effective. In addition, by identifying people / things according to a predetermined SVM technique, the identification accuracy is increased and the computation speed is also increased. In addition, as the amount of computation decreases and the computational speed decreases, the memory requirement decreases and the system requirement decreases, thereby reducing the cost and minimizing the size.

한편, 로드킬이 자주 발생하는 도로에서 로드킬 대상 동물을 식별하여 도로 주행 신호등의 점멸을 제어하거나, 인적이 드문 횡단 보도에서 사람/차량을 식별하여 보행 신호등/도로 주행 신호등의 점멸을 제어함으로써, 로드킬을 방지하고 도로 주행 상태를 원활하게 할 수 있는 효과가 있다. 또한, 도로에서 무단 횡단을 하는 경우에도 신호등 점멸 제어에 의해 사고를 방지할 수 있는 효과가 있다.On the other hand, by identifying the road kill target animals on the road where road kill occurs frequently, controlling the blinking of road driving traffic lights, or by identifying people / vehicles in rare crosswalks and controlling the blinking of pedestrian traffic lights / road driving traffic lights, There is an effect that can prevent road kill and smooth road driving conditions. In addition, there is an effect that can be prevented by the traffic light blinking control even in the case of unauthorized crossing on the road.

도 1은 본 발명의 일 실시예에 따른 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치의 블록 구성도이다.
도 2는 본 발명에 따라 수집된 전구간의 레이더 센서 신호 및 스펙트럼을 나타내는 그래프이다.
도 3은 본 발명에 따른 경계 검출에 의한 유효 신호 구간의 레이더 센서 신호 및 스펙트럼을 나타내는 그래프이다.
도 4는 본 발명에 따른 클래스 1 신호의 SVM 식별 결과를 나타내는 그래프이다.
도 5의 (A)는 종래 기술에 따른 FFT 길이 및 계산량을 나타내는 그래프이고, (B)는 본 발명에 따른 LPC 차수 및 계산량을 나타내는 그래프이다.
도 6은 본 발명의 일 실시예에 따른 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 방법의 흐름도이다.1 is a block diagram of a traffic light control apparatus using a radar capable of identifying a person / thing according to an embodiment of the present invention.
FIG. 2 is a graph showing radar sensor signals and spectra between global signals collected according to the present invention. FIG.
3 is a graph illustrating a radar sensor signal and a spectrum of an effective signal section by boundary detection according to the present invention.
4 is a graph illustrating an SVM identification result of a class 1 signal according to the present invention.
5 (A) is a graph showing the FFT length and the calculation amount according to the prior art, (B) is a graph showing the LPC order and calculation amount according to the present invention.
6 is a flowchart illustrating a traffic light control method using a radar capable of identifying a person / thing according to an embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 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.While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail. It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention. Like reference numerals are used for like elements in describing each drawing.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안된다. 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.The terms first, second, A, B, etc. may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component. And / or < / RTI > includes any combination of a plurality of related listed items or any of a plurality of related listed 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.When a component is referred to as being "connected" or "connected" to another component, it may be directly connected to or connected to that other component, but it may be understood that other components may be present in between. Should be. On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between.

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.The terminology used herein is for the purpose of describing particular example embodiments only and is not intended to be limiting of the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In this application, the terms "comprise" or "have" are intended to indicate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, and one or more other features. It is to be understood that the present invention does not exclude the possibility of the presence or the addition of numbers, steps, operations, components, components, or a combination thereof.

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 this invention belongs. Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are to be interpreted as either ideal or overly formal in the sense of the present application Do not.

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 발명의 일 실시예에 따른 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치의 블록 구성도이다.1 is a block diagram of a traffic light control apparatus using a radar capable of identifying a person / thing according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치(100)(이하, '신호등 제어 장치'라 함)는 레이더 센서 모듈(110), 표적 검출 모듈(120), 특징 벡터 추출 모듈(130), 특징 벡터 세트 DB(132), 사람/사물 식별 모듈(140), SVM(support vector machine) 기반 임계치 DB(142) 및 신호등 제어 모듈(150)을 포함하도록 구성될 수 있다.Referring to FIG. 1, a traffic light control apparatus 100 (hereinafter, referred to as a “traffic light control apparatus”) using a radar capable of identifying a person / object according to an embodiment of the present invention may include a radar sensor module 110 and a target detection. Module 120, feature vector extraction module 130, feature vector set DB 132, person / object identification module 140, support vector machine (SVM) based threshold DB 142 and traffic light control module 150 It can be configured to include.

신호등 제어 장치(100)는 표적 검출 모듈(120)이 경계 검출을 통해 유효 신호 구간을 검출함으로써, 신호의 크기를 줄여 연산량을 줄이고 연산 속도를 높인다. 또한, 특징 벡터 추출 모듈(130)이 특징 벡터 세트 DB(132)에 기 저장된 각 클래스의 특징 벡터 세트를 참조하여 유효 특징 벡터 세트를 추출함으로써, 연산량을 줄이고 연산의 정확도를 높인다. 또한, 사람/사물 식별 모듈(140)이 SVM 기반 임계치 DB(142)에 기 저장된 각 클래스의 SVM 기반 임계치를 참조하여 사람/사물의 행동을 분류함으로써, 식별 정확도를 높이고 보다 효율적으로 연산을 수행한다. 이하, 세부적인 구성에 대하여 설명한다.The traffic light control device 100 detects an effective signal section through the edge detection by the target detection module 120, thereby reducing the amount of computation and increasing the computation speed by reducing the size of the signal. In addition, the feature vector extraction module 130 extracts the effective feature vector set by referring to the feature vector set of each class previously stored in the feature vector set DB 132, thereby reducing the amount of computation and increasing the accuracy of the calculation. In addition, the person / object identification module 140 classifies the actions of the person / thing by referring to the SVM-based threshold of each class previously stored in the SVM-based threshold DB 142, thereby improving identification accuracy and performing computation more efficiently. . Hereinafter, the detailed configuration will be described.

레이더 센서 모듈(110)은 레이더 신호를 수집하도록 구성된다. 여기에서, 레이더 센서 모듈(110)은 도플러 센서나 UWB(ultrawide band) 센서 등으로 구성될 수 있다.The radar sensor module 110 is configured to collect radar signals. Here, the radar sensor module 110 may be configured as a Doppler sensor or an ultrawide band (UWB) sensor.

표적 검출 모듈(120)은 레이더 센서 모듈(110)에서 수집된 레이더 신호에서 경계점 추출을 통해 표적 신호를 검출하도록 구성될 수 있다. 좀 더 구체적으로는, 표적 검출 모듈(120)은 소정의 전력 임계치(threshold)를 기준으로 경계점 추출을 수행하여 표적을 검출할 수 있다. 이때, 표적 검출 모듈(120)은 레이더 센서 모듈(110)에서 수집된 레이더 신호에 해당하는 전체 구간에서 앞서 검출된 표적에 해당하는 유효 신호 구간의 신호를 추출한다. 기존에는 레이더 센서 모듈(110)에서 수집한 신호 전구간이 연산 대상이 되었으나, 본 발명에서는 경계점 추출을 통해 표적 신호의 구간만 검출함으로써, 신호의 크기 자체를 줄인다. 종래에는 구간 신호들에 대한 변별력 검증 기능이 없었으나 본 발명에서는 변별력 검증을 통해 비효율적인 연산의 반복을 피할 수 있다.The target detection module 120 may be configured to detect the target signal through boundary point extraction from the radar signal collected by the radar sensor module 110. More specifically, the target detection module 120 may detect the target by performing boundary point extraction based on a predetermined power threshold. In this case, the target detection module 120 extracts a signal of an effective signal section corresponding to the target detected earlier from the entire section corresponding to the radar signal collected by the radar sensor module 110. Conventionally, the signal global interval collected by the radar sensor module 110 has been a calculation target, but in the present invention, only the target signal section is detected through boundary point extraction, thereby reducing the size of the signal itself. Conventionally, there is no discrimination power verification function for interval signals, but in the present invention, it is possible to avoid inefficient computation repetition through discrimination power verification.

특징 벡터 추출 모듈(130)은 기 선별되어 특징 벡터 세트 DB(132)에 등록된 특징 벡터 세트를 참조하여 앞서 검출된 표적 신호의 유효 특징 벡터 세트를 추출하도록 구성될 수 있다. 여기에서, 특징 벡터 세트 DB(132)에는 미리 선별적으로 각 클래스(class)의 특징 벡터 세트가 추출되어 등록된다. 여기에서, 클래스는 표적을 구별하는 분류로서, 예를 들어 클래스 1은 사람 클래스 2는 개, 클래스 3은 차량으로 분류되도록 구성될 수 있다. 이와 같이, 특징 벡터 세트 DB(132)에는 미리 특징 벡터 추출 프로세스를 통해 각 클래스의 특징 벡터 세트가 등록되기 때문에, 특징 벡터 추출 모듈(130)이 이를 참조하여 보다 효율적으로 특징 벡터를 추출할 수 있다.The feature vector extraction module 130 may be configured to extract an effective feature vector set of the previously detected target signal with reference to the feature vector set previously selected and registered in the feature vector set DB 132. Here, a feature vector set of each class is selectively extracted and registered in the feature vector set DB 132 in advance. Here, the class may be configured to classify the target, for example, class 1 may be classified as human class 2 and class 3 as a vehicle. As such, since the feature vector set of each class is registered in the feature vector set DB 132 in advance through the feature vector extraction process, the feature vector extraction module 130 may refer to this to extract the feature vector more efficiently. .

그리고 특징 벡터 추출 모듈(130) 표적 검출 모듈(120)에서 출력된 유효 신호 구간의 신호로부터 특징 벡터 세트를 추출하도록 구성될 수 있다. 여기에서, 특징 벡터 추출 모듈(130)은 기존의 STFT(shot time fourier transform)을 이용하지 않고, AR(auto regressive) 모델링을 통한 LPC(linear predictive coefficients) 기반의 특징 벡터 추출 방식을 이용함으로써, 연산량을 현저하게 감소시킨다. 여기에서, 피셔 스코어(Fisher Score) 방식에 의해 다양한 종류의 특징 벡터 세트에 대한 변별력 검증 과정을 거친다. 이에, 전체 계산량이 감소하고 메모리 요구량도 줄어든다. 피셔 스코어 방식의 예로는 LPC 계수, LPC 기반 켑스트랑 계수(cepstral coefficients), LPC 기반 1차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives), LPC 기반 2차 템포럴 켑스트랄 도함수(second temporal cepstral derivatives) 등이 있다. 이하, 구체적으로 설명한다.The feature vector extraction module 130 may be configured to extract a feature vector set from the signal of the valid signal interval output from the target detection module 120. Here, the feature vector extraction module 130 uses a feature vector extraction method based on linear predictive coefficients (LPC) through auto regressive (AR) modeling without using a conventional shot time fourier transform (STFT). Significantly reduced. Here, the Fisher Score method undergoes a discrimination verification process for various kinds of feature vectors. This reduces the total amount of computation and reduces the memory requirements. Examples of Fischer scoring methods are LPC coefficients, LPC based cepstral coefficients, LPC based first temporal cepstral derivatives, and LPC based second temporal derivatives. cepstral derivatives). Hereinafter, this will be described in detail.

특징 벡터 추출 모듈(130)은 다음 수학식 1에 따라 LPC 계수로 구성되는 특징 벡터 세트를 추출하도록 구성될 수 있다.The feature vector extraction module 130 may be configured to extract a feature vector set consisting of LPC coefficients according to Equation 1 below.

Figure pat00012
Figure pat00012

여기에서,

Figure pat00013
은 유효 신호 구간의 신호, ak는 LPC 계수, p는 차수이다.From here,
Figure pat00013
Is the signal of the effective signal interval, a k is the LPC coefficient, p is the order.

다른 피셔 스코어 방식으서, 특징 벡터 추출 모듈(130)은 다음 수학식 2에 따라 LPC 기반 켑스트랄(Cepstral) 계수로 구성되는 특징 벡터 세트를 추출하도록 구성될 수 있다.As another Fisher score method, the feature vector extraction module 130 may be configured to extract a feature vector set consisting of LPC based Cepstral coefficients according to Equation 2 below.

Figure pat00014
Figure pat00014

여기에서, ck는 LPC 기반 켑스트랄 계수이다.Where c k is an LPC based Cystral coefficient.

또한, 특징 벡터 추출 모듈(130)은 다음 수학식 3에 따라 LPC 기반 1차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하도록 구성될 수도 있다.In addition, the feature vector extraction module 130 may be configured to extract a feature vector set consisting of LPC based first temporal cepstral derivatives according to Equation 3 below.

Figure pat00015
Figure pat00015

여기에서,

Figure pat00016
는 1차 템포럴 켑스트랄 도함수,
Figure pat00017
이다. 그리고 슬라이딩 윈도우 크기는 2M+1이다.From here,
Figure pat00016
Is the first-order temporal mestral derivative,
Figure pat00017
to be. And the sliding window size is 2M + 1.

다른 방식으로서 특징 벡터 추출 모듈(130)은 다음 수학식 4에 따라 LPC 기반 2차 템포럴 켑스트랄 도함수(second temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하도록 구성될 수도 있다.Alternatively, the feature vector extraction module 130 may be configured to extract a set of feature vectors consisting of LPC-based second temporal cepstral derivatives according to Equation 4 below.

Figure pat00018
Figure pat00018

한편, 특징 벡터 세트 DB(132)에 미리 선별적으로 등록되는 유효 특징 벡터 세트는 다음 수학식 5의 훈련 과정을 통해 선별되어 미리 등록될 수 있다.Meanwhile, the effective feature vector set that is selectively registered in advance in the feature vector set DB 132 may be selected and registered in advance through a training process of Equation 5 below.

Figure pat00019
Figure pat00019

여기에서,

Figure pat00020
,
Figure pat00021
,
Figure pat00022
, Di는 미리 결정된 클래스 Di의 신호이다.From here,
Figure pat00020
,
Figure pat00021
,
Figure pat00022
, D i is a signal of a predetermined class D i .

즉, 수학식 5와 같은 훈련 방식으로 각 클래스의 피셔 스코어가 산출되어 미리 선별 등록될 수 있다. 이와 같이 기 등록된 각 클래스의 유효 특징 벡터 세트를 이용하여 특징 벡터 세트(140)는 보다 효율적으로 연산을 수행하여 표적을 식별할 수 있다. 즉, 유효 특징 벡터만을 식별 과정에 이용할 수 있다. 이는 연산량의 감소와 더불어 실시간 동작을 가능케 한다.That is, the Fisher score of each class may be calculated and registered in advance using a training scheme as shown in Equation 5 below. As described above, the feature vector set 140 may identify a target by more efficiently performing an operation using the registered valid feature vector of each class. That is, only the effective feature vector can be used for the identification process. This allows for real-time operation with a reduction in computation.

사람/사물 식별 모듈(140)은 특징 벡터 추출 모듈(130)에서 추출된 유효 특징 벡터에 대하여 SVM 기반 임계치 DB(142)에 기 등록된 SVM 임계치를 기준으로 SVM 프로세스를 수행하여 사람과 사물을 식별하도록 구성될 수 있다. 여기서, 먼저 SVM 기반 임계치 DB(142)에는 SVM 훈련 과정을 통해 미리 산출된 특정 클래스의 특징 벡터 세트에 대한 SVM 임계치가 저장되도록 구성될 수 있다. 즉, 사람/사물 식별 모듈(140)이 SVM 기반 임계치 DB(142)에 기 저장된 SVM 임계치를 이용하여 특징 벡터 세트를 분류만 함으로써, 표적 신호가 클래스 1의 사람인지 클래스 2의 개인지 클래스 3의 차량인지 판단할 수 있다. 이러한 SVM 프로세스 역시 미리 SVM 훈련 프로세스를 통해 각 클래스의 유효 임계치가 경험적으로 도출되어 SVM 기반 임계치 DB(142)에 저장되도록 함으로써 가능해진다.The person / object identification module 140 identifies a person and a thing by performing an SVM process on the effective feature vector extracted by the feature vector extraction module 130 based on the SVM threshold previously registered in the SVM-based threshold DB 142. It can be configured to. Here, the SVM-based threshold DB 142 may be configured to store an SVM threshold for a feature vector set of a specific class calculated in advance through an SVM training process. That is, the person / object identification module 140 only classifies the feature vector set using the SVM threshold previously stored in the SVM-based threshold DB 142, so that the target signal is a class 1 person or class 2 personal class 3 It can be determined whether the vehicle. This SVM process is also possible by allowing the effective threshold of each class to be empirically derived and stored in the SVM-based threshold DB 142 through the SVM training process in advance.

신호등 제어 모듈(150)은 사람/사물 식별 모듈(140)에 의해 식별된 표적 신호의 종류에 따라 신호등의 점멸을 제어하도록 구성될 수 있다. 신호등 제어 모듈(150)은 도로의 도로 주행 신호등 또는 횡단 보도의 보행 신호등의 점멸을 제어하기 위한 구성으로서, 사람/사물 식별을 통해 보다 효율적인 신호등 점멸을 지원할 수 있도록 구성된다. 예를 들면, 한적한 도로의 로드킬 방지라든가 이용이 적은 횡단 보도의 보행등 점멸 제어 또는 차량의 운행량이 적은 도로의 도로 주행 신호등 제어 등에 이용될 수 있다. 구체적으로는 다음과 같다.The traffic light control module 150 may be configured to control the blinking of the traffic light according to the type of the target signal identified by the person / object identification module 140. The traffic light control module 150 is configured to control the flashing of the road driving traffic light of the road or the pedestrian traffic light of the pedestrian crossing, and is configured to support more efficient traffic light blinking through person / object identification. For example, it can be used to prevent road killing of a secluded road, to control the blinking of a pedestrian light on a pedestrian crossing with less use, or to control a road traffic light of a road with a small amount of vehicle running. Specifically, it is as follows.

신호등 제어 모듈(150)은 로드킬 발생 지역에서 로드킬 대상 동물의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하도록 구성될 수 있다. 사슴이 자주 출몰하여 로드킬이 자주 발생하는 지역에서는 사슴의 표적 신호를 식별하여 도로 상이나 도로 인근에 사슴이 출현하는 지를 확인하고, 그에 따른 신호등 점멸 제어를 하여 로드킬을 방지하도록 구성될 수 있다.The traffic light control module 150 may be configured to identify a target signal of the road kill target animal in the road killing area to control the blinking of the road driving traffic light. In areas where deer frequently appear and road kills occur frequently, the target signals of deer can be identified to check whether deer appear on or near the road, and the traffic lights can be controlled to prevent road kills.

다른 예로는, 신호등 제어 모듈(150)은 사람의 표적 신호를 식별하여 보행 신호등의 점멸을 제어하도록 구성될 수 있다. 이용률이 적은 횡단 보도에서는 보행등이 불필요하게 주기적으로 동작하는 경우, 도로 주행이 원활하게 이루어질 수 없다. 이러한 경우, 횡단 보도 근처에 사람이 대기 중인지 식별하여, 소정 시간 후 보행등을 점등시키도록 구성될 수 있다. 보행자도 오랜 시간 기다릴 필요없고, 주행 차량도 불필요하게 보행 신호에 맞춰 정지할 필요가 없으므로 매우 유용하다. 신호등 제어 모듈(150)은 횡단 보도에 대기중인 보행자의 숫자가 어느 정도 많아지거나 소정 시간이 경과하는 경우에 보행등이 켜지도록 하는 등 다양한 알고리즘에 따라 구성될 수 있다.As another example, the traffic light control module 150 may be configured to identify a target signal of a person to control the blinking of the walking traffic light. In pedestrian crossings with low utilization rates, when walking lights are periodically operated unnecessarily, road driving cannot be performed smoothly. In such a case, it may be configured to identify whether a person is waiting near the crosswalk and to turn on the walking light after a predetermined time. Pedestrians do not have to wait for a long time, and driving vehicles are very useful because they do not need to stop unnecessarily in response to walking signals. The traffic light control module 150 may be configured according to various algorithms such that the pedestrian lights are turned on when the number of pedestrians waiting for the crosswalk increases or exceeds a predetermined time.

또 다른 예로는, 신호등 제어 모듈(150)이 차량의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하도록 구성될 수 있다. 차량 식별에 의해 운행량 등을 체크하고, 도로 주행 신호등의 점멸을 제어함으로써, 도로 주행 상태를 원활하게 유지하는 데 도움이 될 수 있다.As another example, the traffic light control module 150 may be configured to identify a target signal of the vehicle to control the blinking of the road driving traffic light. By checking the driving amount and the like by vehicle identification and controlling the blinking of the road driving signal, it may be helpful to keep the road running state smooth.

도 2는 본 발명에 따라 수집된 전구간의 레이더 센서 신호 및 스펙트럼을 나타내는 그래프이다.FIG. 2 is a graph showing radar sensor signals and spectra between global signals collected in accordance with the present invention. FIG.

도 2를 참조하면, 레이더 센서 신호에 표적이 포착되어 있음을 그 크기와 스펙트럼을 통해 알 수 있다. 여기에서, 레이더 센서 모듈(110)은 전 시간 구간에 대하여 정찰 내지는 모니터링을 수행한다.Referring to FIG. 2, it can be seen from the magnitude and spectrum that the target is captured by the radar sensor signal. Here, the radar sensor module 110 performs reconnaissance or monitoring for all time sections.

도 3은 본 발명에 따른 경계 검출에 의한 유효 신호 구간의 레이더 센서 신호 및 스펙트럼을 나타내는 그래프이다.3 is a graph illustrating a radar sensor signal and a spectrum of an effective signal section by boundary detection according to the present invention.

도 3을 참조하면, 표적 검출 모듈(120)은 레이더 센서 모듈(110)에서 수집된 전 시간구간의 레이더 신호에 대하여 표적이 있는 시간 구간 즉 유효 구간만을 감지하여 추출한다. 이는 다음 프로세스 단계에서 처리해야 할 신호의 크기를 줄임으로써, 연산량을 줄일 수 있음을 의미한다.Referring to FIG. 3, the target detection module 120 detects and extracts only a time section in which a target is present, that is, a valid section, for the radar signal collected in the radar sensor module 110. This means that the amount of computation can be reduced by reducing the size of the signal to be processed in the next process step.

도 4는 본 발명에 따른 클래스 1 신호의 SVM 식별 결과를 나타내는 그래프이다.4 is a graph illustrating an SVM identification result of a class 1 signal according to the present invention.

도 4를 참조하면, 사람/사물 식별 모듈(140)이 추출된 특징 벡터 세트에 대하여 SVM 분류 기법을 적용한 예를 나타낸다. 여기에서, SVM 분류 기법이 적용된 값들이 모두 0보다 큰 것을 알 수 있는데, 이는 첫번째 SVM 분류 기준에 따른 임계치 이상의 값을 의미하며, 클래스 1 즉, 사람으로 분류되는 표적 신호임을 의미한다. 이때, 임계치 0보다 낮은 특징 벡터 신호들은 다시 두번째 SVM 분류 기준을 적용할 수 있고, 그 특징 벡터 신호들 중에서 임계치 0 이상을 갖는 특징 벡터 세트는 개로 분류될 수 있다. 그리고 두번째 SVM 분류 기준 상으로도 임계치 0 이하인 특징 벡터 신호들 중에서 세번째 SVM 분류 기준 상으로 임계치 0 이상으로 분류된 특징 벡터 세트는 차량으로 분류될 수 있다. 여기에서, 세번째 SVM 분류 기준 상으로도 임계치 0 이하로 분류된 특징 벡터 신호들은 기타 다른 사물로 분류될 수 있다.4, an example of applying the SVM classification scheme to the extracted feature vector set by the person / thing identification module 140 is shown. Here, it can be seen that the values to which the SVM classification scheme is applied are all greater than 0, which means a value above a threshold value according to the first SVM classification criterion, and means a target signal classified as a class 1, that is, a person. In this case, the feature vector signals lower than the threshold 0 may again apply the second SVM classification criterion, and among the feature vector signals, the feature vector set having the threshold 0 or more may be classified into pieces. Also, among the feature vector signals having the threshold 0 or less on the second SVM classification criterion, the feature vector set classified as the threshold 0 or more on the third SVM classification criterion may be classified as a vehicle. Here, the feature vector signals classified below the threshold 0 also on the third SVM classification criterion may be classified into other objects.

이와 같이 본 발명에서는 사람, 개, 차량, 그 외 다양한 개체에 대하여 유효 특징 벡터 세트를 추출하여 등록하고 해당 SVM 훈련 프로세스를 거쳐 임계치를 찾아냄으로써, 움직이는 수많은 표적의 종류를 빠르고 정확하게 식별할 수 있다.As described above, the present invention extracts and registers a set of effective feature vectors for a person, a dog, a vehicle, and various other objects, and finds a threshold value through a corresponding SVM training process, thereby quickly and accurately identifying a large number of moving targets.

도 5의 (A)는 종래 기술에 따른 FFT 길이 및 계산량을 나타내는 그래프이고, (B)는 본 발명에 따른 LPC 차수 및 계산량을 나타내는 그래프이다.5 (A) is a graph showing the FFT length and the calculation amount according to the prior art, (B) is a graph showing the LPC order and calculation amount according to the present invention.

도 5의 (A)를 참조하면, 종래에는 STFT를 적용함으로써 적용해야 할 데이터 길이에 따른 복잡도 높고 계산량도 많아짐을 나타낸다. 반면, 도 5의 (B)를 참조하면, 본 발명에서는 LPC 기반의 연산을 통해 처리해야할 데이터의 LPC 차수에 따른 복잡도가 낮고 계산량이 적음을 알 수 있다.Referring to FIG. 5 (A), it shows that the complexity and the amount of calculation are increased according to the data length to be applied by applying STFT in the related art. On the other hand, referring to Figure 5 (B), in the present invention it can be seen that the complexity and low computation amount according to the LPC order of data to be processed through the LPC-based operation.

도 6은 본 발명의 일 실시예에 따른 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 방법의 흐름도이다.6 is a flowchart illustrating a traffic light control method using a radar capable of identifying a person / thing according to an embodiment of the present invention.

도 6을 참조하면, 먼저 레이더 센서 모듈(110)이 레이더 신호를 수집한다(S110).Referring to FIG. 6, first, the radar sensor module 110 collects a radar signal (S110).

그리고 표적 검출 모듈(120)이 레이더 센서 모듈(110)에서 수집된 레이더 신호에서 경계점 추출을 통해 표적 신호를 검출한다(S120).The target detection module 120 detects the target signal through boundary point extraction from the radar signals collected by the radar sensor module 110 (S120).

다음으로, 특징 벡터 추출 모듈(130)이 특징 벡터 세트 DB(132)에 기 선별되어 등록된 특징 벡터 세트를 참조하여 표적 검출 모듈(120)에서 검출된 표적 신호의 유효 특징 벡터 세트를 추출한다(S130).Next, the feature vector extraction module 130 extracts an effective feature vector set of the target signal detected by the target detection module 120 with reference to the feature vector set previously selected and registered in the feature vector set DB 132 ( S130).

그리고 사람/사물 식별 모듈(140)이 특징 벡터 추출 모듈(130)에서 추출된 유효 특징 벡터에 대하여 SVM 기반 임계치 DB(142)에 기 등록된 SVM 임계치를 기준으로 SVM 프로세스를 수행하여 사람/사물을 식별한다(S140).In addition, the person / object identification module 140 performs an SVM process on the effective feature vector extracted by the feature vector extraction module 130 based on the SVM threshold previously registered in the SVM-based threshold DB 142 to detect a person / thing. It identifies (S140).

다음으로, 신호등 제어 모듈(150)이 사람/사물 식별 모듈(140)에 의해 식별된 표적 신호의 종류에 따라 신호등의 점멸을 제어한다(S150). 이때, 신호등 제어 모듈(150)은 사람/사물 식별 모듈(140)에 의해 식별된 표적 신호의 종류에 따라 신호등의 점멸을 제어하도록 구성될 수 있다. 신호등 제어 모듈(150)은 도로의 도로 주행 신호등 또는 횡단 보도의 보행 신호등의 점멸을 제어하기 위한 구성으로서, 사람/사물 식별을 통해 보다 효율적인 신호등 점멸을 지원할 수 있도록 구성된다. 예를 들면, 한적한 도로의 로드킬 방지라든가 이용이 적은 횡단 보도의 보행등 점멸 제어 또는 차량의 운행량이 적은 도로의 도로 주행 신호등 제어 등에 이용될 수 있다. 좀 더 구체적으로는 다음과 같다.Next, the traffic light control module 150 controls the blinking of the traffic light according to the type of the target signal identified by the person / object identification module 140 (S150). In this case, the traffic light control module 150 may be configured to control the blinking of the traffic light according to the type of the target signal identified by the person / object identification module 140. The traffic light control module 150 is configured to control the flashing of the road driving traffic light of the road or the pedestrian traffic light of the pedestrian crossing, and is configured to support more efficient traffic light blinking through person / object identification. For example, it can be used to prevent road killing of a secluded road, to control the blinking of a pedestrian light on a pedestrian crossing with less use, or to control a road traffic light of a road with a small amount of vehicle running. More specifically:

신호등 제어 모듈(150)은 로드킬 발생 지역에서 로드킬 대상 동물의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하도록 구성될 수 있다. 사슴이 자주 출몰하여 로드킬이 자주 발생하는 지역에서는 사슴의 표적 신호를 식별하여 도로 상이나 도로 인근에 사슴이 출현하는 지를 확인하고, 그에 따른 신호등 점멸 제어를 하여 로드킬을 방지하도록 구성될 수 있다.The traffic light control module 150 may be configured to identify a target signal of the road kill target animal in the road killing area to control the blinking of the road driving traffic light. In areas where deer frequently appear and road kills occur frequently, the deer may be identified by identifying a target signal to determine whether deer appear on or near the road, and controlling the blinking of the traffic light to prevent the road kill.

다른 예로는, 신호등 제어 모듈(150)은 사람의 표적 신호를 식별하여 보행 신호등의 점멸을 제어하도록 구성될 수 있다. 이용률이 적은 횡단 보도에서는 보행등이 불필요하게 주기적으로 동작하는 경우, 도로 주행이 원활하게 이루어질 수 없다. 이러한 경우, 횡단 보도 근처에 사람이 대기 중인지 식별하여, 소정 시간 후 보행등을 점등시키도록 구성될 수 있다. 보행자도 오랜 시간 기다릴 필요없고, 주행 차량도 불필요하게 보행 신호에 맞춰 정지할 필요가 없으므로 매우 유용하다. 신호등 제어 모듈(150)은 횡단 보도에 대기중인 보행자의 숫자가 어느 정도 많아지거나 소정 시간이 경과하는 경우에 보행등이 켜지도록 하는 등 다양한 알고리즘에 따라 구성될 수 있다.As another example, the traffic light control module 150 may be configured to identify a target signal of a person to control the blinking of the walking traffic light. In pedestrian crossings with low utilization rates, when walking lights are periodically operated unnecessarily, road driving cannot be performed smoothly. In such a case, it may be configured to identify whether a person is waiting near the crosswalk and to turn on the walking light after a predetermined time. Pedestrians do not have to wait for a long time, and driving vehicles are very useful because they do not need to stop unnecessarily in response to walking signals. The traffic light control module 150 may be configured according to various algorithms such that the pedestrian lights are turned on when the number of pedestrians waiting for the crosswalk increases or exceeds a predetermined time.

또 다른 예로는, 신호등 제어 모듈(150)이 차량의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하도록 구성될 수 있다. 차량 식별에 의해 운행량 등을 체크하고, 도로 주행 신호등의 점멸을 제어함으로써, 도로 주행 상태를 원활하게 유지하는 데 도움이 될 수 있다.As another example, the traffic light control module 150 may be configured to identify a target signal of the vehicle to control the blinking of the road driving traffic light. By checking the driving amount and the like by vehicle identification and controlling the blinking of the road driving signal, it may be helpful to keep the road running state smooth.

이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined in the appended claims. It will be possible.

Claims (16)

레이더 신호를 수집하는 레이더 센서 모듈;
상기 수집된 레이더 신호에서 경계점 추출을 통해 표적 신호를 검출하는 표적 검출 모듈;
기 선별되어 등록된 특징 벡터 세트를 참조하여 상기 검출된 표적 신호의 유효 특징 벡터 세트를 추출하는 특징 벡터 추출 모듈;
상기 추출된 유효 특징 벡터에 대하여 기 등록된 SVM 임계치를 기준으로 SVM 프로세스를 수행하여 사람/사물을 식별하는 사람/사물 식별 모듈;
상기 사람/사물 식별 모듈에 의해 식별된 표적 신호의 종류에 따라 신호등의 점멸을 제어하는 신호등 제어 모듈을 포함하는 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치.A radar sensor module collecting radar signals;
A target detection module detecting a target signal through boundary point extraction from the collected radar signals;
A feature vector extraction module for extracting an effective feature vector set of the detected target signal with reference to a previously selected and registered feature vector set;
A person / thing identification module for identifying a person / thing by performing an SVM process on the extracted valid feature vector based on a pre-registered SVM threshold;
Traffic light control device using a radar capable of identifying people / things comprising a traffic light control module for controlling the blinking of the traffic light according to the type of the target signal identified by the person / thing identification module. 제1항에 있어서, 상기 신호등 제어 모듈은,
로드킬 발생 지역에서 로드킬 대상 동물의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하는 것을 특징으로 하는 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치.According to claim 1, The traffic light control module,
Traffic light control device using a radar capable of identifying people / things, characterized in that to control the blinking of the road driving traffic light by identifying the target signal of the road kill target animal in the road kill generation area. 제1항에 있어서, 상기 신호등 제어 모듈은,
사람의 표적 신호를 식별하여 보행 신호등의 점멸을 제어하는 것을 특징으로 하는 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치.According to claim 1, The traffic light control module,
A traffic light control device using a radar capable of identifying a person / thing, characterized in that the target signal of the person is identified to control the blinking of the walking traffic light. 제1항에 있어서, 상기 신호등 제어 모듈은,
차량의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하는 것을 특징으로 하는 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 장치.According to claim 1, The traffic light control module,
Traffic light control device using a radar capable of identifying people / things, characterized in that for controlling the blinking of the road driving traffic light by identifying the target signal of the vehicle. 제2항 내지 제4항 중 어느 한 항에 있어서, 상기 표적 검출 모듈은,
소정의 전력 임계치(threshold)를 기준으로 경계점 추출을 수행하여 표적을 검출하는 것을 특징으로 하는 레이더 탐지를 이용한 사람/사물 식별 장치.The method according to any one of claims 2 to 4, wherein the target detection module,
An apparatus for identifying a person / object using radar detection, characterized in that a target is detected by performing boundary point extraction based on a predetermined power threshold. 제5항에 있어서, 상기 표적 검출 모듈은,
상기 수집된 레이더 신호에 해당하는 전체 구간에서 상기 검출된 표적에 해당하는 유효 신호 구간의 신호를 추출하여 상기 특징 벡터 추출 모듈로 출력하는 것을 특징으로 하는 레이더 탐지를 이용한 사람/사물 식별 장치.The method of claim 5, wherein the target detection module,
The apparatus of claim 1, wherein radar detection comprises extracting a signal of a valid signal section corresponding to the detected target from the entire section corresponding to the collected radar signal and outputting the signal to the feature vector extraction module. 제6항에 있어서, 상기 특징 벡터 추출 모듈은,
상기 표적 검출 모듈에서 출력된 유효 신호 구간의 신호로부터 특징 벡터 세트를 추출하는 것을 특징으로 하는 레이더 탐지를 이용한 사람/사물 식별 장치.The method of claim 6, wherein the feature vector extraction module,
And a feature vector set is extracted from the signal of the effective signal section output from the target detection module. 제7항에 있어서, 상기 특징 벡터 추출 모듈은,
다음 수학식에 따라 LPC 계수로 구성되는 특징 벡터 세트를 추출하고,
[수학식]
Figure pat00023
,
여기에서,
Figure pat00024
은 유효 신호 구간의 신호, ak는 LPC 계수, p는 차수인 것을 특징으로 하는 레이더 탐지를 이용한 사람/사물 식별 장치.The method of claim 7, wherein the feature vector extraction module,
Extract a feature vector set consisting of LPC coefficients according to the following equation,
[Mathematical Expression]
Figure pat00023
,
From here,
Figure pat00024
Is a signal of the effective signal interval, a k is the LPC coefficient, p is the degree, person / thing identification device using radar detection. 제8항에 있어서, 상기 특징 벡터 추출 모듈은,
다음 수학식에 따라 LPC 기반 켑스트랄(Cepstral) 계수로 구성되는 특징 벡터 세트를 추출하고,
[수학식]
Figure pat00025
,
여기에서, ck는 LPC 기반 켑스트랄 계수인 것을 특징으로 하는 레이더 탐지를 이용한 사람/사물 식별 장치.The method of claim 8, wherein the feature vector extraction module,
Extract a feature vector set consisting of LPC-based Cepstral coefficients according to the following equation,
[Mathematical Expression]
Figure pat00025
,
Here, c k is a person / thing identification device using radar detection, characterized in that the LPC-based Cistral coefficients. 제9항에 있어서, 상기 특징 벡터 추출 모듈은,
다음 수학식에 따라 LPC 기반 1차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하고,
[수학식]
Figure pat00026
,
여기에서,
Figure pat00027
는 1차 템포럴 켑스트랄 도함수,
Figure pat00028
, 2M+1은 슬라이딩 윈도우 크기인 것을 특징으로 하는 레이더 탐지를 이용한 사람/사물 식별 장치.The method of claim 9, wherein the feature vector extraction module,
Extract a feature vector set consisting of LPC-based first temporal cepstral derivatives according to the following equation,
[Mathematical Expression]
Figure pat00026
,
From here,
Figure pat00027
Is the first-order temporal mestral derivative,
Figure pat00028
, 2M + 1 is a sliding window size, person / object identification device using radar detection. 제10항에 있어서, 상기 특징 벡터 추출 모듈은,
다음 수학식에 따라 LPC 기반 2차 템포럴 켑스트랄 도함수(second temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하고,
[수학식]
Figure pat00029


인 것을 특징으로 하는 레이더 탐지를 이용한 사람/사물 식별 장치.The method of claim 10, wherein the feature vector extraction module,
Extract a feature vector set consisting of LPC-based second temporal cepstral derivatives according to the following equation,
[Mathematical Expression]
Figure pat00029


Person / thing identification device using radar detection, characterized in that. 제11항에 있어서, 상기 특징 벡터 추출 모듈은,
다음 수학식에 따라 소정의 클래스에 대한 유효 특징 벡터 세트 미리 산출하여 특징 벡터 셋트 DB에 등록하고,
[수학식]
Figure pat00030
,
여기에서,
Figure pat00031
,
Figure pat00032
,
Figure pat00033
, Di는 미리 결정된 클래스 Di의 신호인 것을 특징으로 하는 레이더 탐지를 이용한 사람/사물 식별 장치.The method of claim 11, wherein the feature vector extraction module,
In accordance with the following equation, the effective feature vector set for a predetermined class is calculated in advance and registered in the feature vector set DB.
[Mathematical Expression]
Figure pat00030
,
From here,
Figure pat00031
,
Figure pat00032
,
Figure pat00033
And D i is a signal of a predetermined class D i . 레이더 신호를 수집하는 단계;
상기 수집된 레이더 신호에서 경계점 추출을 통해 표적 신호를 검출하는 단계;
기 선별되어 등록된 특징 벡터 세트를 참조하여 상기 검출된 표적 신호의 유효 특징 벡터 세트를 추출하는 단계;
상기 추출된 유효 특징 벡터에 대하여 기 등록된 SVM 임계치를 기준으로 SVM 프로세스를 수행하여 사람/사물을 식별하는 단계;
상기 사람/사물 식별 모듈에 의해 식별된 표적 신호의 종류에 따라 신호등의 점멸을 제어하는 단계를 포함하는 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 방법.Collecting radar signals;
Detecting a target signal through boundary point extraction from the collected radar signals;
Extracting an effective feature vector set of the detected target signal with reference to a previously selected and registered feature vector set;
Identifying a person / thing by performing an SVM process on the extracted valid feature vector based on a pre-registered SVM threshold;
Controlling the flashing of the traffic light according to the type of the target signal identified by the person / object identification module. 제13항에 있어서, 상기 사람/사물 식별 모듈에 의해 식별된 표적 신호의 종류에 따라 신호등의 점멸을 제어하는 단계는,
로드킬 발생 지역에서 로드킬 대상 동물의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하는 것을 특징으로 하는 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 방법.The method of claim 13, wherein controlling the blinking of the traffic light according to the type of the target signal identified by the person / object identification module comprises:
A traffic light control method using a radar capable of identifying people / things, characterized by identifying a target signal of an animal to be subjected to a road kill in a road kill area to control the blinking of a road driving traffic light. 제13항에 있어서, 상기 사람/사물 식별 모듈에 의해 식별된 표적 신호의 종류에 따라 신호등의 점멸을 제어하는 단계는,
사람의 표적 신호를 식별하여 보행 신호등의 점멸을 제어하는 것을 특징으로 하는 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 방법.The method of claim 13, wherein controlling the blinking of the traffic light according to the type of the target signal identified by the person / object identification module comprises:
A traffic light control method using a radar capable of identifying a person / object, characterized by controlling a blinking of a walking traffic light by identifying a target signal of a person. 제13항에 있어서 상기 사람/사물 식별 모듈에 의해 식별된 표적 신호의 종류에 따라 신호등의 점멸을 제어하는 단계는,
차량의 표적 신호를 식별하여 도로 주행 신호등의 점멸을 제어하는 것을 특징으로 하는 사람/사물 식별이 가능한 레이더를 이용한 신호등 제어 방법.The method of claim 13, wherein the controlling of the blinking of the traffic light according to the type of the target signal identified by the person / object identification module comprises:
A traffic light control method using a radar capable of identifying a person / thing, characterized by identifying a target signal of a vehicle and controlling a blinking of a road driving traffic light.
KR1020120064676A 2012-06-18 2012-06-18 Apparatus and method of controlling signal light using radar capable of discriminating humna/object KR20130141747A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120064676A KR20130141747A (en) 2012-06-18 2012-06-18 Apparatus and method of controlling signal light using radar capable of discriminating humna/object

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120064676A KR20130141747A (en) 2012-06-18 2012-06-18 Apparatus and method of controlling signal light using radar capable of discriminating humna/object

Publications (1)

Publication Number Publication Date
KR20130141747A true KR20130141747A (en) 2013-12-27

Family

ID=49985557

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120064676A KR20130141747A (en) 2012-06-18 2012-06-18 Apparatus and method of controlling signal light using radar capable of discriminating humna/object

Country Status (1)

Country Link
KR (1) KR20130141747A (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102285223B1 (en) * 2020-11-04 2021-08-03 주식회사 아이티에스 Traffic light control system
KR20220018780A (en) 2020-08-07 2022-02-15 주식회사소노위즈 System for preventing pedestrian cross-road traffic accidents using radar

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220018780A (en) 2020-08-07 2022-02-15 주식회사소노위즈 System for preventing pedestrian cross-road traffic accidents using radar
KR102285223B1 (en) * 2020-11-04 2021-08-03 주식회사 아이티에스 Traffic light control system

Similar Documents

Publication Publication Date Title
RU2666071C2 (en) Collisions preventing assistance device for the vehicle
US8682821B2 (en) Method for detection of movement of a specific type of object or animal based on radar signals
US8164484B2 (en) Detection and classification of running vehicles based on acoustic signatures
George et al. Vehicle detection and classification from acoustic signal using ANN and KNN
Hou et al. Driver intention recognition method using continuous hidden Markov model
EP2759998A1 (en) Pedestrian action prediction device and pedestrian action prediction method
US8731816B2 (en) Method for classifying an object as an obstacle
KR102044193B1 (en) System and Method for alarming collision of vehicle with support vector machine
US9091751B2 (en) Sound source detection system
CN106448160B (en) Target person tracking method combining vehicle running track and monitoring video data
US11315349B2 (en) Method, apparatus and device for identifying passenger state in unmanned vehicle, and storage medium
CN111223261B (en) Composite intelligent production security system and security method thereof
US11355124B2 (en) Voice recognition method and voice recognition apparatus
CN103640532A (en) Pedestrian anti-collision early warning method based on recognition of braking and accelerating intention of driver
CN109508659A (en) A kind of face identification system and method for crossing
KR101116279B1 (en) Apparatus for discriminating man from object using sensor
KR20130141747A (en) Apparatus and method of controlling signal light using radar capable of discriminating humna/object
Baek et al. Mono-camera based side vehicle detection for blind spot detection systems
CN105741503A (en) Parking lot real time early warning method under present monitoring device
Ben Romdhane et al. A lane detection and tracking method for driver assistance system
Astapov et al. A method of real-time mobile vehicle identification by means of acoustic noise analysis implemented on an embedded device
NL2025140B1 (en) Green signal control method and apparatus dedicated for old person crossing the street
KR101628109B1 (en) Apparatus and method of analysis of the situation for vehicle voice recognition system
CN112614156A (en) Training method and device for multi-target tracking network model and related equipment
CN113869126A (en) Evaluation method, early warning device, electronic device, and readable storage medium

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E90F Notification of reason for final refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
E801 Decision on dismissal of amendment