KR20140085723A - 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템 - Google Patents

비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템 Download PDF

Info

Publication number
KR20140085723A
KR20140085723A KR1020120154685A KR20120154685A KR20140085723A KR 20140085723 A KR20140085723 A KR 20140085723A KR 1020120154685 A KR1020120154685 A KR 1020120154685A KR 20120154685 A KR20120154685 A KR 20120154685A KR 20140085723 A KR20140085723 A KR 20140085723A
Authority
KR
South Korea
Prior art keywords
vehicle
color
road
unit
extracting
Prior art date
Application number
KR1020120154685A
Other languages
English (en)
Other versions
KR101422580B1 (ko
Inventor
김은이
Original Assignee
건국대학교 산학협력단
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 건국대학교 산학협력단 filed Critical 건국대학교 산학협력단
Priority to KR1020120154685A priority Critical patent/KR101422580B1/ko
Publication of KR20140085723A publication Critical patent/KR20140085723A/ko
Application granted granted Critical
Publication of KR101422580B1 publication Critical patent/KR101422580B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • 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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템에 관한 것으로서, 이러한 목적을 달성하기 위한 본 발명은, 입력된 영상으로부터 도로색의 색상 변화 정보를 이용하여 도로색을 추정하는 도로색 추정부; 상기 도로색 추정부를 통해 추정된 도로색과, 현재 영상의 샘플링 화소의 색상 차이를 이용하여 차량의 속도를 추출하며, 총 측정 시간당 차량에 의해 가려진 시간을 이용하여 차량의 도로 점유율을 추출하는 교통정보 추출부; 및 영상의 현재 프레임과 배경 모델의 색상 차이를 이용하여 차량 객체를 검출하고, 차량 템플릿들과의 매칭을 통해 차종을 분류하는 차종 분류부; 를 포함한다.

Description

비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템{Vision-based traffic parameter estimation system for air quality monitoring}
본 발명은 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템에 관한 것으로서, 더욱 상세하게는 실시간으로 입력된 도로 영상으로부터 차량의 속도, 점유율, 분류된 차종, 차종 분류에 따른 차종별 수량 등의 교통 파라미터를 추정함으로써, 도로 상황 파악(정체 판단), 교통량 분석, 대기오염물질 배출량 분석 등을 실시간으로 수행할 수 있는 비전 기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템을 제공함에 그 목적이 있다.
교통 파라미터를 측정하기 위한 기술과 관련해서는, 한국공개특허 제10-2008-0006406호(이하, '선행문헌') 외에 다수 출원 및 공개되어 있다.
상기한 선행문헌을 살피면, 각각의 센서가 차량의 진행방향을 따라 소정간격으로 이격되어 차량과 직접적인 접촉을 피하여 차로에 구비되도록 다수개의 센서로 이루어지는 센서부; 상기 센서부로부터 측정된 차량정보의 아날로그신호를 상기 센서부로부터 무선통신으로 전달받아 상기 아날로그 신호를 디지털신호로 변환하는 센서보드; 상기 센서보드와 전기적으로 연결되어 상기 센서보드에서 변환된 디지털신호를 처리하여 교통파라미터를 산출하는 중앙처리장치와, 상기 중앙처리장치에서 산출된 교통파라미터를 저장하는 자료저장장치를 포함하는 메인보드; 상기 메인보드와 전기적으로 연결되어 상기 메인보드의 자료저장장치에 저장된 교통파라미터를 무선통신으로 중앙서버에 송수신하는 송수신기와, 상기 교통파라미터를 현장에서 다운로드 할 수 있는 통신장치를 포함하는 통신보드; 및 상기 센서부, 센서보드, 메인보드, 및 통신보드와 전기적으로 연결되어 외부전원을 공급하는 전원공급장치; 를 포함한다.
한편, 환경문제는 더 이상 방치할 수 없을 정도로 심각한 사회적 문제가 되고 있고, 이에 정부에서도 '저탄소 녹색성장' 이라는 슬로건을 내세우고 수도권 대기특별법을 실행하며 적극적으로 환경오염에 의한 피해를 예방하고 저감할 구체적인 대안을 모색하고 있다. 환경문제 중에서도, 자동차 등과 같은 이동오염원으로부터 주로 배출되는 대기오염에 대한 해결방안을 강구하기 위해 자동차의 대기오염원 배출량을 구체적인 수치로 산정해야할 필요가 있다.
현재 정부에서 대기오염 측정에 사용하는 방법은 고가의 장비를 오염도 측정이 필요한 곳에 설치하여 분석하는 방법이므로 비용과 시간의 측면에서 명백한 한계가 존재한다. 따라서, 상기한 선행문헌을 포함한 현재의 방식보다 빠르고 더 적은 비용을 사용하여 교통정보를 추출할 수 있는 새로운 대책의 마련이 요구되고 있다.
본 발명은 상기와 같은 문제점을 감안하여 안출된 것으로, 실시간으로 입력된 도로 영상으로부터 차량의 속도, 점유율, 분류된 차종, 차종 분류에 따른 차종별 수량 등의 교통 파라미터를 추정함으로써, 도로 상황 파악(정체 판단), 교통량 분석, 대기오염물질 배출량 분석 등을 실시간으로 수행할 수 있는 비전 기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템을 제공함에 그 목적이 있다.
이러한 기술적 과제를 달성하기 위한 본 발명은 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템에 관한 것으로서, 입력된 영상으로부터 도로색의 색상 변화 정보를 이용하여 도로색을 추정하는 도로색 추정부; 상기 도로색 추정부를 통해 추정된 도로색과, 현재 영상의 샘플링 화소의 색상 차이를 이용하여 차량의 속도를 추출하며, 총 측정 시간당 차량에 의해 가려진 시간을 이용하여 차량의 도로 점유율을 추출하는 교통정보 추출부; 및 영상의 현재 프레임과 배경 모델의 색상 차이를 이용하여 차량 객체를 검출하고, 차량 템플릿들과의 매칭을 통해 차종을 분류하는 차종 분류부; 를 포함한다.
또한 상기 도로색 추정부는, 정해진 시간의 입력 영상에서 연속된 프레임들을 바탕으로 도로색을 추정하되, 도로색이 픽셀 단위로 생성됨에 따라, 가장 많이 나타나는 색상 값을 그 픽셀의 도로색으로 추정하는 것을 특징으로 한다.
또한 상기 도로색 추정부는, 일반 도로 위에 장착된 카메라로부터 영상을 입력받는 것을 특징으로 한다.
또한 상기 교통정보 추출부는, 상기 도로색 추정부를 통해 추정된 도로색과, 현재 영상 프레임의 샘플링 화소의 색상 차이를 정의하고, 도로색과의 색상 차이를 바탕으로 샘플링 화소에 대한 시간 흐름에 따른 색상 변화 값 사이의 상관계수(correlation)를 계산하여, 색상 변화 그래프 및 색상 변화 그래프에 따른 상관 그램(correlogram)을 생성하고, 샘플링한 화소의 도로에서의 실제 거리, 영상에서 프레임간의 시간을 이용하여, 차량의 속도를 추출하는 차량 속도 추출모듈; 및 총 측정한 시간당 차량에 의해 가려진 시간을 이용하여 차량의 도로 점유율을 추출하는 차량 도로 점유율 추출모듈; 을 포함하는 것을 특징으로 한다.
또한 상기 차량에 의해 가려진 시간은, 도로색으로 설정한 경계값을 초과하는 시간으로서, 상기 경계값은, 도로색에 따라서 동적으로 변화하는 것을 특징으로 한다.
또한 상기 차종 분류부는, 영상의 현재 프레임과 배경 모델의 색상 차이가 임계값(T) 이상인 픽셀들을 차량 객체 후보로 결정하는 차량 객체 검출모듈; 일정 크기 이상의 연결되어 있는 픽셀군들에 대해 라벨링(Labeling)을 수행하여 1차적인 영상의 잡음을 제거하고, 라벨링(Labeling)된 차량 객체의 각각의 구간을 정하여 각 객체별로 차량의 경계선을 인식하여 내부를 채우는 모폴로지를 수행하는 모폴로지 수행모듈; 모폴로지가 수행된 결과에서, 각 차량에 인덱스를 주어서 라벨(Label)을 부여하고, 부여된 라벨(Label)을 통해 차량을 개별 인식하는 개별 인식모듈; 및 차량의 크기 및 윤곽선 형태를 포함하는 차량정보를 추출함으로써 차종을 인식하고, 추출된 차량정보와 기 설정된 차량 템플릿과의 매칭을 통해 차종을 분류하고, 차종별 수량을 추출하는 차종 분류모듈; 을 포함하는 것을 특징으로 한다.
또한 상기 차종 분류모듈은, ACM(Active Contour Model) 알고리즘을 이용하여 활성 윤곽선 모델과 연결 성분 분석을 통해, 차량의 크기 및 윤곽선 형태를 포함하는 차량정보를 추출하는 것을 특징으로 한다.
상기 교통정보 추출부 및 차종 분류부를 통해 추출된 정보를 바탕으로, 대기오염물질 배출량을 산출하는 오염물질 배출량 산출부; 를 더 포함하는 것을 특징으로 한다.
그리고 상기 오염물질 배출량 산출부는, 차종별 대기오염물질 배출 계수를 이용하여, 상기 교통정보 추출부 및 차종 분류부를 통해 추출된 차량의 속도, 점유율, 분류된 차종, 차종 분류에 따른 차종별 수량을 포함하는 교통 파라미터정보를 바탕으로 대기오염물질 배출량을 산출하고, 교통 파라미터정보를 표시하는 것을 특징으로 한다.
상기와 같은 본 발명에 따르면, 실시간으로 입력된 도로 영상으로부터 차량의 속도, 점유율, 분류된 차종, 차종 분류에 따른 차종별 수량 등의 교통 파라미터를 추정함으로써, 도로 상황 파악(정체 판단), 교통량 분석, 대기오염물질 배출량 분석 등을 실시간으로 수행할 수 있는 효과가 있다.
도 1 은 본 발명의 일실시예에 따른 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템을 개념적으로 도시한 전체 구성도.
도 2 는 본 발명의 일실시예에 따른 도로색 추정부에 의해 추정된 도로색 영상을 보이는 일예시도.
도 3 은 본 발명의 일실시예에 따른 화소의 시간차에 따른 색상 차이의 변화를 나타내는 일예시도.
도 4 및 도 5 는 본 발명의 일실시예에 따른 각각 오후 5시경 및 오후 8시경의 영상에 적용한 색상 변화를 보이는 일예시도.
도 6 은 본 발명의 일실시예에 따른 개선된 모폴로지 결과를 보이는 일예시도.
도 7 은 본 발명의 일실시예에 따른 라벨링된 결과를 보이는 일예시도.
도 8 은 본 발명의 일실시예에 따른 ACM(Active Contour Model) 알고리즘을 이용하여 차량정보를 추출한 결과를 보이는 일예시도.
도 9 는 본 발명의 일실시예에 따른 기 설정된 차량 템플릿에 관한 일예시도.
도 10 은 본 발명의 일실시예에 따른 대기오염물질 배출량 및 교통 파라미터정보를 표시한 모습을 보이는 일예시도.
본 발명의 구체적 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다. 이에 앞서 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명을 상세하게 설명한다.
본 발명의 일실시예에 따른 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템에 관하여 도 1 내지 도 10 을 참조하여 설명하면 다음과 같다.
도 1 은 본 발명의 일실시예에 따른 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템(S)을 개념적으로 도시한 전체 구성도로서, 도시된 바와 같이 도로색 추정부(100), 교통정보 추출부(200), 차량 분류부(300) 및 오염물질 배출량 산출부(400)를 포함하여 이루어진다.
도로색 추정부(100)는 일반 도로 위에 장착된 카메라(10)로부터 도로가 포함된 영상을 입력받으며, 입력된 영상으로부터 도로색의 색상 변화 정보를 이용하여 도로색을 추정한다. 이때, 도로색 추정부(100)는 카메라(10)로부터 320*240 사이즈의 영상을 10fps(frames per second)로 입력받는다.
구체적으로, 도로색 추정부(100)는 정해진 시간의 입력 영상에서 연속된 프레임들을 바탕으로 도로색을 추정하되, 도로색이 픽셀 단위로 생성됨에 따라, 본 발명에 따른 도로색 추정부(100)는 가장 많이 나타나는 색상 값을 그 픽셀의 도로색으로 추정한다.
즉, 어느 한 프레임에서 도로의 일부분은 차량에 의해서 가려진다. 시간이 지남에 따라 차량은 지나가고 가렸던 도로는 나타난다. 연속된 영상이 충분히 길다면, 차량이 없는 깨끗한 도로 영상을 발견할 수 있다. 도로를 나타내는 픽셀의 색상은 변함이 없는데 반하여, 차량을 나타내는 화소는 다른 색상을 가진다. 따라서, 도로색은 픽셀 단위로 생성되며, 가장 많이 나타나는 색상 값을 그 픽셀의 도로색으로 추정한다. 이러한 도로색 추정은, 도로의 일반적인 조건과 조명의 변화에 부합하기 위해서 주기적으로 반복될 수 있다. 이로써 도로색 추정은 영상의 조건에 적응성을 가진다.
도 2 는 도로색 추정부(100)에 의해 추정된 도로색 영상을 보이는 일예시도로서, 도 2 의 (a) 는 입력 영상, (b) 는 추정된 도로색 영상이다.
본 발명에 따른 교통 파라미터는, 차량의 속도, 점유율, 분류된 차종, 차종 분류에 따른 차종별 수량 등에 관한 정보로서, 이하의 교통정보 추출부(200) 및 차량 분류부(300)를 통해 추출되는 정보이다.
교통정보 추출부(200)는 상기 도로색 추정부(100)를 통해 추정된 도로색과, 현재 영상의 샘플링 화소의 색상 차이를 이용하여 차량의 속도를 추출하며, 총 측정 시간당 차량에 의해 가려진 시간을 이용하여 차량의 도로 점유율을 추출하는 기능을 수행하는 바, 상기 도 1 에 도시된 바와 같이 차량 속도 추출모듈(210) 및 차량 도로 점유율 추출모듈(220)을 포함한다.
구체적으로, 차량 속도 추출모듈(210)은 상기 도로색 추정부(100)를 통해 추정된 도로색과, 현재 영상 프레임의 샘플링 화소의 색상 차이를 정의하고, 도로색과의 색상 차이를 바탕으로 샘플링 화소에 대한 시간 흐름에 따른 색상 변화 값 사이의 상관계수(correlation)를 계산하여, 색상 변화 그래프 및 색상 변화 그래프에 따른 상관 그램(correlogram)을 생성하고, 샘플링한 화소의 도로에서의 실제 거리, 영상에서 프레임간의 시간을 이용하여, 차량의 속도를 추출한다.
즉, 어떤 화소의 색상과 도로색과의 차이를 분석하기 위해서는 먼저 기준이 되는 도로색과의 색상 차이가 정의되어야 한다. 따라서, 차량 속도 추출모듈(210)은 두 화소의 RGB 값의 유클라디안 거리(Euchdean distance)를 이용하여 색상 차이를 정의한다. 입력 화소 p와 추정 도로색 q의 색상 차이 d(p,q)는 다음의 [수식 1] 과 같이 나타낸다.
[수식 1]
Figure pat00001
임의의 화소 x에 대해 xR, xG, xB는, 화소 x의 R,G,B 값을 나타낸다.
차량 속도 추출모듈(210)은 이러한 도로색과의 색상 차이를 바탕으로, 화소에 대한 시간 흐름에 따른 색상 변화를 도 3 과 같이 구할 수 있다.
도 3 은 중앙의 두 화소의 시간차에 따른 색상 차이의 변화를 나타내는 일예시도로서, 도 3 의 (a) 와 (b) 는 각각 낮과 밤에 촬영한 영상에 대한 샘플링 화소 한 점에서의 바탕색과의 색상차를 나타낸 것이다.
상기 도 3 에서 볼 수 있듯이, 지정한 화소에 차량이 있는 시점에서는 높은 값을 가지고, 지정한 화소에 차량이 존재하지 않는 시점에서는 거의 도로색과 같음을 볼 수 있다. 또한, 두 그래프는 일정한 프레임 차를 가지고 비슷한 모양으로 변한다. 한 그래프를 일정한 양만큼 이동하면 두 그래프는 거의 일치하게 된다.
이 이동한 양으로부터 차량의 속도를 구할 수 있는데, 차량 속도 추출모듈(210)은 두 개의 일련의 색상 변화 값 사이의 상관계수(correlation)를 계산하여, 색상 변화 그래프 및 색상 변화 그래프에 따른 상관 그램(correlogram)을 생성한다.
여기서, 비교할 프레임 수를 n, 프레임 t에서 첫 번째 화소의 색상 차이값을
Figure pat00002
, 두 번째 화소의 색상 차이 값을
Figure pat00003
, 첫 번째 화소의 평균 색상 차이를
Figure pat00004
, 두 번째 화소의 평균 색상차이를
Figure pat00005
, 두 그래프 중 하나를 프레임 축으로 평행 이동하여 가장 비슷하게 겹치게 하는데 필요한 이동량을 k라 하면, 상관계수 Ck는 다음의 [수식 2] 와 같다.
[수식 2]
Figure pat00006
이를 적용하여 상관계수를 구하면, 도 4 의 (b) 와 같은 상관 그램(Correlogram)을 얻을 수 있다. 상관그램에서 가장 큰 값을 보이는 k값을 이동량으로 결정한다.
도 4 및 도 5 는 각각 오후 5시경 및 오후 8시경의 영상에 적용한 색상 변화를 보이는 일예시도로서, (a) 는 각 영상에 대한 색상 변화 그래프이며, (b) 는 색상 변화 그래프에 대한 상관 그램(correlogram)이며, (c) 는 가장 높은 상관계수에 따라 프레임을 이동시킨 그래프이다.
그리고, 차량 속도 추출모듈(210)은 샘플링한 두 화소의 도로에서의 실제 거리, 영상에서 프레임간의 시간을 이용하여, 차량의 속도(s)를 다음의 [수식 3] 과 같이 추출한다.
[수식 3]
Figure pat00007
여기서, L 은 샘플링한 두 화소의 도로에서의 실제 거리이며, T 는 영상에서 프레임간의 시간이다.
이때, 차량 진행 방향에 있는 M개의 화소를 선택하기 위하여, 도로상의 한 차로와 직각 방향의 가상의 선 M개를 설정하고, 이 M개의 선 각각을 N(>0)개의 균일한 간격으로 나누어 N개의 쌍을 만들 수 있다. 이렇게 얻어진 N개의 쌍을 각각 속도를 구하기 위한 MxN개의 화소로 선택한다.
차량 도로 점유율 추출모듈(220)은 총 측정한 시간당 차량에 의해 가려진 시간을 이용하여 차량의 도로 점유율을 추출한다.
구체적으로, 차량 점유율은, 총 측정한 시간당 차량에 의해서 가려진 시간으로 정의한다. 차량에 의해서 가려진 시간은 도 3 과 같은 그래프에서 도로색으로 설정한 경계값을 초과하는 시간이다. 정적인 경계값 설정은 조명과 노이즈의 영향을 충분히 극복 못하는 문제를 가진다. 따라서, 경계값은 조명의 변화, 즉 도로색에 따라서 동적으로 바꾼다. 이는 실험적으로 설정하였으며, [표 1] 은 시간에 따라 동적으로 변화되는 경계값을 보인다.
시각 5시 6시 7시 8시 9시 우천시(17시)
평균밝기 165 150 120 90 85 116
경계값 3 4 7 30 35 17
[표 1] 에서의 각 시각에서의 평균 밝기는 샘플링 지점에서의 평균 밝기로서, RGB값의 평균값을 의미하며, 0~255까지의 숫자 값을 가질 수 있다. 경계값 또한 0~255 값 중, 한 값을 가지며 각 시간(평균 밝기) 별로 실험에 의해 구해진 값을 사용한다.
차종 분류부(300)는 영상의 현재 프레임과 배경 모델의 색상 차이를 이용하여 차량 객체를 검출하고, 차량 템플릿들과의 매칭을 통해 차종을 분류하는 기능을 수행하는 바, 상기 도 1 에 도시된 바와 같이 차량 객체 검출모듈(310), 모폴로지 수행모듈(320), 개별 인식모듈(330) 및 차종 분류모듈(340)을 포함한다.
구체적으로, 차량 객체 검출모듈(310)은 현재 프레임의 i행, j열 픽셀의 R,G,B값을 각각 N(i,j)R, N(i,j)G, N(i,j)B라고 정의하고, 배경모델도 같은 방식으로 각각 B(i,j)R, B(i,j)G, B(i,j)B로 정의한다. 임계값을 T라고 정의하면 연산식은 다음의 [수식 4] 와 같다.
[수식 4]
Figure pat00008
[수식 4] 와 같이 두 화소의 색상 차이는 두 화소의 RGB 값의 유클리디안 거리로 정의한다.
따라서, 차량 객체 검출모듈(310)은 영상의 현재 프레임과 배경 모델의 색상 차이가 임계값 T 이상인 픽셀들을 차량 객체 후보로 결정한다.
이와 같이, 차량 객체 후보 픽셀들을 찾았으면, 모폴로지 수행모듈(320)은 일정 크기 이상의 연결되어 있는 픽셀군들에 대해 라벨링(Labeling)을 수행하여 1차적인 영상의 잡음을 제거하고, 라벨링(Labeling)된 차량 객체의 각각의 구간을 정하여 각 객체별로 차량의 경계선을 인식하여 내부를 채우는 개선된 모폴로지를 수행한다.
참고로, 개선된 모폴로지는, 기존의 모폴로지 방식의 단점을 보완한 차량의 경계선을 인식하여 내부를 채우는 알고리즘으로서, 잡음제거 및 Hole제거에 사용된다.
도 6 은 개선된 모폴로지 결과를 보이는 일예시도로서, (a) 는 원 영상이며, (b) 는 도로 영역이 제거된 차량 객체 후보로 결정된 픽셀 영상이며, (c) 는 라벨링 및 개선된 모폴로지를 수행한 영상이다.
또한, 개별 인식모듈(330)은 모폴로지가 수행된 결과에서, 각 차량에 인덱스를 주어서 라벨(Label)을 부여하고, 부여된 라벨(Label)을 통해 차량을 개별 인식한다. 도 7 은 라벨링된 결과를 보이는 일예시도이다.
그리고, 차종 분류모듈(340)은 ACM(Active Contour Model) 알고리즘을 이용하여 활성 윤곽선 모델과 연결 성분 분석을 통해, 차량의 크기 및 윤곽선 형태와 같은 차량정보를 추출함으로써 차종을 인식하고, 상기 ACM 알고리즘을 통해 추출된 차량정보와 기 설정된 차량 템플릿과의 매칭을 통해 차종을 분류하고, 차종별 수량을 추출한다. 도 8 은 ACM(Active Contour Model) 알고리즘을 이용하여 차량정보를 추출한 결과를 보이는 일예시도이며, 도 9 는 기 설정된 차량 템플릿에 관한 일예시도로서, (a) 는 이륜차, (b) 는 승용차, (c) 는 승합차, (d) 는 화물차(경차), (e) 는 승합차(대형)에 관한 템플릿이다.
오염물질 배출량 산출부(400)는 상기 교통정보 추출부(200) 및 차종 분류부(300)를 통해 추출된 정보를 바탕으로, 대기오염물질 배출량을 산출한다.
이때, 오염물질 배출량 산출부(400)는 [표 2] 와 같은 차종별 대기오염물질 배출 계수를 이용하여, 상기 교통정보 추출부(200) 및 차종 분류부(300)를 통해 추출된 차량의 속도, 점유율, 분류된 차종, 차종 분류에 따른 차종별 수량을 포함하는 교통 파라미터정보를 바탕으로 대기오염물질 배출량을 산출함과 아울러, 도 10 에 도시된 바와 같이 교통 파라미터정보를 표시한다.
CO NOx PM VOCs
승용차 0.7754 0.1030 0.0259 0.0384
승합차 0.6002 0.3317 0.0246 0.0497
승합차(대형) 1.4334 4.5958 0.0315 0.5566
화물차(경차) 0.5477 0.1572 0.0402 0.0269
이륜차 10.500 3.5000 - 0.2000
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.
S: 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템
100: 도로색 추정부 200: 교통정보 추출부
300: 차량 분류부 400: 오염물질 배출량 산출부
210: 차량 속도 추출모듈 220: 차량 도로 점유율 추출모듈
310: 차량 객체 검출모듈 320: 모폴로지 수행모듈
330: 개별 인식모듈 340: 차종 분류모듈

Claims (9)

  1. 입력된 영상으로부터 도로색의 색상 변화 정보를 이용하여 도로색을 추정하는 도로색 추정부(100);
    상기 도로색 추정부(100)를 통해 추정된 도로색과, 현재 영상의 샘플링 화소의 색상 차이를 이용하여 차량의 속도를 추출하며, 총 측정 시간당 차량에 의해 가려진 시간을 이용하여 차량의 도로 점유율을 추출하는 교통정보 추출부(200); 및
    영상의 현재 프레임과 배경 모델의 색상 차이를 이용하여 차량 객체를 검출하고, 차량 템플릿들과의 매칭을 통해 차종을 분류하는 차종 분류부(300); 를 포함하는 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템.
  2. 제 1 항에 있어서,
    상기 도로색 추정부(100)는,
    정해진 시간의 입력 영상에서 연속된 프레임들을 바탕으로 도로색을 추정하되, 도로색이 픽셀 단위로 생성됨에 따라, 가장 많이 나타나는 색상 값을 그 픽셀의 도로색으로 추정하는 것을 특징으로 하는 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템.
  3. 제 1 항에 있어서,
    상기 도로색 추정부(100)는,
    일반 도로 위에 장착된 카메라(10)로부터 영상을 입력받는 것을 특징으로 하는 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템.
  4. 제 1 항에 있어서,
    상기 교통정보 추출부(200)는,
    상기 도로색 추정부(100)를 통해 추정된 도로색과, 현재 영상 프레임의 샘플링 화소의 색상 차이를 정의하고, 도로색과의 색상 차이를 바탕으로 샘플링 화소에 대한 시간 흐름에 따른 색상 변화 값 사이의 상관계수(correlation)를 계산하여, 색상 변화 그래프 및 색상 변화 그래프에 따른 상관 그램(correlogram)을 생성하고, 샘플링한 화소의 도로에서의 실제 거리, 영상에서 프레임간의 시간을 이용하여, 차량의 속도를 추출하는 차량 속도 추출모듈(210); 및
    총 측정한 시간당 차량에 의해 가려진 시간을 이용하여 차량의 도로 점유율을 추출하는 차량 도로 점유율 추출모듈(220); 을 포함하는 것을 특징으로 하는 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템.
  5. 제 4 항에 있어서,
    상기 차량에 의해 가려진 시간은, 도로색으로 설정한 경계값을 초과하는 시간으로서, 상기 경계값은, 도로색에 따라서 동적으로 변화하는 것을 특징으로 하는 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템.
  6. 제 1 항에 있어서,
    상기 차종 분류부(300)는,
    영상의 현재 프레임과 배경 모델의 색상 차이가 임계값(T) 이상인 픽셀들을 차량 객체 후보로 결정하는 차량 객체 검출모듈(310);
    일정 크기 이상의 연결되어 있는 픽셀군들에 대해 라벨링(Labeling)을 수행하여 1차적인 영상의 잡음을 제거하고, 라벨링(Labeling)된 차량 객체의 각각의 구간을 정하여 각 객체별로 차량의 경계선을 인식하여 내부를 채우는 모폴로지를 수행하는 모폴로지 수행모듈(320);
    모폴로지가 수행된 결과에서, 각 차량에 인덱스를 주어서 라벨(Label)을 부여하고, 부여된 라벨(Label)을 통해 차량을 개별 인식하는 개별 인식모듈(330); 및
    차량의 크기 및 윤곽선 형태를 포함하는 차량정보를 추출함으로써 차종을 인식하고, 추출된 차량정보와 기 설정된 차량 템플릿과의 매칭을 통해 차종을 분류하고, 차종별 수량을 추출하는 차종 분류모듈(340); 을 포함하는 것을 특징으로 하는 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템.
  7. 제 6 항에 있어서,
    상기 차종 분류모듈(340)은,
    ACM(Active Contour Model) 알고리즘을 이용하여 활성 윤곽선 모델과 연결 성분 분석을 통해, 차량의 크기 및 윤곽선 형태를 포함하는 차량정보를 추출하는 것을 특징으로 하는 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템.
  8. 제 1 항에 있어서,
    상기 교통정보 추출부(200) 및 차종 분류부(300)를 통해 추출된 정보를 바탕으로, 대기오염물질 배출량을 산출하는 오염물질 배출량 산출부(400); 를 더 포함하는 것을 특징으로 하는 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템.
  9. 제 8 항에 있어서,
    상기 오염물질 배출량 산출부(400)는,
    차종별 대기오염물질 배출 계수를 이용하여, 상기 교통정보 추출부(200) 및 차종 분류부(300)를 통해 추출된 차량의 속도, 점유율, 분류된 차종, 차종 분류에 따른 차종별 수량을 포함하는 교통 파라미터정보를 바탕으로 대기오염물질 배출량을 산출하고, 교통 파라미터정보를 표시하는 것을 특징으로 하는 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템.
KR1020120154685A 2012-12-27 2012-12-27 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템 KR101422580B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120154685A KR101422580B1 (ko) 2012-12-27 2012-12-27 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120154685A KR101422580B1 (ko) 2012-12-27 2012-12-27 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템

Publications (2)

Publication Number Publication Date
KR20140085723A true KR20140085723A (ko) 2014-07-08
KR101422580B1 KR101422580B1 (ko) 2014-07-28

Family

ID=51735113

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120154685A KR101422580B1 (ko) 2012-12-27 2012-12-27 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템

Country Status (1)

Country Link
KR (1) KR101422580B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108682156A (zh) * 2018-07-13 2018-10-19 哈尔滨工业大学 基于出租车gps数据动态监测市区交通排放污染状况的方法
CN111161545A (zh) * 2019-12-24 2020-05-15 北京工业大学 基于视频的交叉口区域交通参数统计方法
KR20200079908A (ko) * 2018-12-26 2020-07-06 인하대학교 산학협력단 건설장비의 이산화탄소 배출량 산정 방법 및 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100590841B1 (ko) 2004-12-31 2006-06-19 유일정보시스템(주) 기준차량정보의 추가를 수반하는 영상기반의 교통량 분석시스템 및 그 방법
JP4414369B2 (ja) 2005-06-03 2010-02-10 本田技研工業株式会社 車両及び路面標示認識装置
KR101010783B1 (ko) * 2008-02-29 2011-01-25 오므론 가부시키가이샤 이산화 탄소 배출량 계측 시스템
KR101070367B1 (ko) * 2010-01-05 2011-10-05 건국대학교 산학협력단 카메라를 이용한 실시간 도로이동오염원의 오염물질 배출량 산정 시스템 및 그 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108682156A (zh) * 2018-07-13 2018-10-19 哈尔滨工业大学 基于出租车gps数据动态监测市区交通排放污染状况的方法
KR20200079908A (ko) * 2018-12-26 2020-07-06 인하대학교 산학협력단 건설장비의 이산화탄소 배출량 산정 방법 및 장치
CN111161545A (zh) * 2019-12-24 2020-05-15 北京工业大学 基于视频的交叉口区域交通参数统计方法

Also Published As

Publication number Publication date
KR101422580B1 (ko) 2014-07-28

Similar Documents

Publication Publication Date Title
KR20150076307A (ko) Cctv 영상 분석을 이용한 교통 파라미터 추정 시스템
CN109118498B (zh) 一种摄像头污点检测方法、装置、设备及存储介质
US9984303B2 (en) Object detection system, object detection method, POI information creation system, warning system, and guidance system
CN109389046B (zh) 用于自动驾驶的全天候物体识别与车道线检测方法
CN105424655B (zh) 一种基于视频图像的能见度检测方法
EP3016025B1 (en) Image processing device, image processing method, poi information creation system, warning system, and guidance system
US10255804B2 (en) Method for generating a digital record and roadside unit of a road toll system implementing the method
CN106934374B (zh) 一种雾霾场景中交通标识牌的识别方法及系统
CN105259304B (zh) 一种车辆尾气污染物在线监测系统和方法
CN102759347B (zh) 一种高铁接触网在线巡检装置、巡检方法以及其检测系统
CN104463903A (zh) 一种基于目标行为分析的行人图像实时检测方法
CN103808723A (zh) 一种柴油车烟气黑度自动检测装置
JP2018072893A (ja) 画像処理装置、警告装置、画像処理システム、画像処理方法
CN103523013A (zh) 车道偏离警报装置
CN111832410B (zh) 一种基于视觉与激光雷达融合的前向列车检测方法
US20200125869A1 (en) Vehicle detecting method, nighttime vehicle detecting method based on dynamic light intensity and system thereof
KR101422580B1 (ko) 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템
CN107844761B (zh) 交通标志的检测方法及装置
Wu et al. Modeling vehicle-to-vehicle visible light communication link duration with empirical data
CN111144301A (zh) 一种基于深度学习的道路路面缺陷快速预警装置
CN103226809B (zh) 图像除雾装置和图像除雾方法
CN105530404A (zh) 影像识别装置及影像识别方法
CN111009136A (zh) 一种高速公路行驶速度异常车辆检测方法、装置及系统
KR101070367B1 (ko) 카메라를 이용한 실시간 도로이동오염원의 오염물질 배출량 산정 시스템 및 그 방법
CN116402823B (zh) 基于图像增强的路面垃圾滴漏检测方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20170703

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180716

Year of fee payment: 5