KR20170099089A - 도로 기상 관측 시스템, 및 방법 - Google Patents

Abstract

도로 기상 관측 시스템 및 방법이 개시된다. 도로 기상 관측 시스템은, 영상 획득부, 픽셀 변화 추출부, 및 도로 기상 판단부를 포함한다. 영상 획득부는 도로의 영상을 획득하고, 픽셀 변화 추출부는 획득된 영상의 복수의 프레임에서 픽셀의 변화를 추출하며, 도로 기상 판단부는 픽셀의 변화 형태가 미리 설정된 기준에 따라 직선의 형태로 지속적으로 변화하는 경우 강우로 판단하고, 분산된 점의 형태로 지속적으로 변화하는 경우 강설로 판단한다. 이와 같은 구성에 의하면, CCTV 카메라와 같이 이미 설치된 영상 획득 장비를 이용하여 획득된 영상을 분석하여 도로 기상을 판단함으로써, 도로와 같은 국지적인 지역의 기상 현상을 보다 저렴한 관측 장비를 이용하면서도 정확하게 관측할 수 있게 된다.

Description

도로 기상 관측 시스템, 및 방법 {SYSTEM AND METHOD FOR OBSERVING ROAD WEATHER}

본 발명은 관측 시스템, 및 방법에 관한 것으로서, 더욱 상세하게는 도로와 같은 국지적인 지역의 기상 현상을 관측하기 위한 시스템, 및 방법에 관한 것이다.

최근 기상이변에 따라 강우, 강설, 폭풍, 안개, 서리, 결빙 등의 기상현상은 산업전반에 걸쳐 지대한 영향을 미치고 있으며, 이러한 기상현상을 관측하기 위해 기상청에서는 방재용 AWS, 종관용 ASOS 등의 자동기상관측장비를 전국적으로 운영하고 있다.

그러나 현재의 자동기상관측장비는 국내의 국지적인 기상현상에 적용하기에는 대부분 사이즈가 크거나 구성이 복잡한 고가의 수입 센서 및 시스템에 의존하고 있어 시스템의 보급 및 활용도가 제한적인 실정이다.

또한, 상기 시스템은 공공재의 성격이 강하여 다양한 기상현상에 대해 범용의 기상서비스를 제공하고 있으므로 교통재해 등과 같은 정보 이용자 중심의 특정한 재해에 대한 맞춤 기상정보 제공에는 한계가 있다.

한국 등록특허 제10-1435584호 한국 등록특허 제10-1307178호 한국 등록특허 제10-0963532호 한국 공개특허 제10-2010-0008109호

본 발명은 상술한 종래의 문제점을 해결하기 위해 안출된 것으로서, 도로와 같은 국지적인 지역의 기상 현상을 보다 저렴한 관측 장비를 이용하면서도 정확하게 관측할 수 있도록 하는 시스템, 및 방법을 제공하는 것을 목적으로 한다.

상기 목적을 달성하기 위해 본 발명에 따른 도로 기상 관측 시스템은, 영상 획득부, 픽셀 변화 추출부, 및 도로 기상 판단부를 포함한다.

영상 획득부는 도로의 영상을 획득하고, 픽셀 변화 추출부는 획득된 영상의 복수의 프레임에서 픽셀의 변화를 추출하며, 도로 기상 판단부는 픽셀의 변화 형태가 미리 설정된 기준에 따라 직선의 형태로 지속적으로 변화하는 경우 강우로 판단하고, 분산된 점의 형태로 지속적으로 변화하는 경우 강설로 판단한다.

이와 같은 구성에 의하면, CCTV 카메라와 같이 도로상에 이미 설치된 영상 획득 장비를 이용하여 획득된 영상을 분석하여 도로 기상을 판단함으로써, 도로와 같은 국지적인 지역의 기상 현상을 보다 저렴한 관측 장비를 이용하면서도 정확하게 관측할 수 있게 된다.

이때, 도로 기상 관측 시스템은, 미리 설정된 복수의 프레임에서의 픽셀의 변화율을 누적 평균하는 픽셀 변화율 누적 평균부를 더 포함하고, 도로 기상 판단부는 픽셀의 누적 변화율을 미리 설정된 경계값과 비교하여 강수 강도를 판단할 수 있다. 일반적으로 강수 영상은 순간적인 강수 강도 변동이 심해 강수 강도 판단의 편차가 커지므로, 픽셀 변화율을 복수의 프레임에 대해 누적 평균함으로써 판단의 편차를 줄이고 안정적인 강수 강도를 판단할 수 있게 된다.

또한, 획득된 영상과 미리 설정된 복수의 표준 영상의 히스토그램의 변화율을 비교하는 히스토그램 비교부를 더 포함하고, 도로 기상 판단부는 복수의 표준 영상 중 획득된 영상과 가장 근접한 히스토그램 변화율을 가지는 표준 영상의 기상 상태를 이용하여 도로의 기상 상태를 판단할 수 있다. 이와 같이 히스토그램의 변화율 차이를 통해 저장된 도로 기상의 다양한 표준 영상과 획득된 영상을 비교함으로써 보다 정확한 기상 상태를 비교 구분할 수 있게 된다.

또한, 획득된 영상에서 도로 표면의 표시선을 검출하는 표시선 검출부를 더 포함하고, 도로 기상 판단부는 검출된 표시선의 픽셀수를 이용하여 도로의 기상 상태를 판단할 수 있다. 이와 같은 구성에 의하면, 도로 노면의 중앙선이나 갓길 파선과 같은 도로 표시선의 엣지(edge)를 분석하여 노면의 적설 상태와 같은 도로 기상 상태를 분석할 수 있게 된다.

또한, 도로의 기상 상태를 측정하는 센서부, 및 센서부를 이용하여 측정된 도로의 기상 상태와 영상을 이용하여 판단된 도로의 기상 상태가 일치하는 경우 도로의 기상 상태를 출력하는 기상 상태 출력부를 더 포함할 수 있다. 이와 같은 구성에 의하면, 센서를 이용하여 측정된 기상 데이터를 이용하여 도로 기상 상태에 대한 판단의 정확성을 더욱 증가시킬 수 있을 뿐만 아니라, 보다 저렴한 센서를 이용하면서도 높은 정확성의 기상 상태 판단을 수행할 수 있게 된다.

아울러, 상기 시스템을 방법의 형태로 구현한 발명이 함께 개시된다.

본 발명에 의하면, CCTV 카메라와 같이 도로상에 이미 설치된 영상 획득 장비를 이용하여 획득된 영상을 분석하여 도로 기상을 판단함으로써, 도로와 같은 국지적인 지역의 기상 현상을 보다 저렴한 관측 장비를 이용하면서도 정확하게 관측할 수 있게 된다.

또한, 일반적으로 강수 영상은 순간적인 강수 강도 변동이 심해 강수 강도 판단의 편차가 커지므로, 복수의 프레임에 대해 누적 평균함으로써 판단의 편차를 줄이고 안정적인 강수 강도를 판단할 수 있게 된다.

또한, 히스토그램의 변화율 차이를 통해 저장된 도로 기상의 다양한 표준 영상과 획득된 영상을 비교함으로써 보다 정확한 기상 상태를 비교 구분할 수 있게 된다.

또한, 도로 노면의 중앙선이나 갓길 표시선과 같은 도로 표시선의 엣지(edge)를 분석하여 노면의 적설 상태와 같은 도로 기상 상태를 분석할 수 있게 된다.

또한, 센서를 이용하여 측정된 기상 데이터를 이용하여 도로 기상 상태에 대한 판단의 정확성을 더욱 증가시킬 수 있을 뿐만 아니라, 보다 저렴한 센서를 이용하면서도 높은 정확성의 기상 상태 판단을 수행할 수 있게 된다.

도 1은 본 발명의 일 실시예에 따른 도로 기상 관측 시스템의 개략적인 블록도.
도 2는 픽셀 변화율 누적 평균을 비교한 그래프.
도 3은 강수 강도 구분을 예시한 그래프.
도 4는 강수 강도가 구분된 대표 영상.
도 5는 표준 영상을 설정하는 예가 도시된 도면.
도 6은 히스토그램을 통한 표준 영상 비교의 예를 도시한 도면.
도 7은 영상정보와 센서정보를 함께 이용하여 기상 상태를 판별하기 위한 기준의 예가 도시된 표.
도 8은 가시선을 이용한 안개시정 측정의 예를 도시한 도면.
도 9는 본 발명의 일 실시예에 따른 도로 기상 관측 방법을 수행하기 위한 개략적인 흐름도.
도 10은 영상 내에 관심영역이 설정된 예가 도시된 도면.
도 11은 강우 영상의 이진화 처리 결과를 도시한 도면.
도 12는 강설 영상의 이진화 처리 결과를 도시한 도면.
도 13은 본 발명의 일 실시예에 따른 기상복합관측 시스템의 개략적인 운용도.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명한다.

도 1은 본 발명의 일 실시예에 따른 도로 기상 관측 시스템의 개략적인 블록도이다. 도 1에서 도로 기상 관측 시스템(100)은 영상 획득부(110), 픽셀 변화 추출부(120), 도로 기상 판단부(130), 픽셀 변화율 누적 평균부(140), 히스토그램 비교부(150), 표시선 검출부(160), 센서부(170), 및 기상 상태 출력부(180)를 포함한다.

영상 획득부(110)는 도로의 영상을 획득한다. 영상 획득부(110)는 도로에 설치된 CCTV 카메라와 같은 영상 획득 장비로부터 영상을 전송받아 획득하는 것이 일반적일 것이다.

픽셀 변화 추출부(120)는 획득된 영상의 복수의 프레임에서 픽셀의 변화를 추출하고, 도로 기상 판단부(130)는 픽셀의 변화 형태가 미리 설정된 기준에 따라 직선의 형태로 지속적으로 변화하는 경우 강우로 판단하고, 분산된 점의 형태로 지속적으로 변화하는 경우 강설로 판단한다.

보다 구체적으로, 눈이나 비의 유무를 판단하기 위해 획득된 영상 내의 관심 영역(Region Of Interest; ROI)에 대해 눈 또는 비로 인해 변화가 발생되는 부분을 “이진화(Binarization)" 처리한 후 그레이 스케일(Grey Scale) 영역에서 직선성 또는 점의 형상이 나타나는지의 여부로 비 또는 눈을 구분하며, 영상 내에서 위 형상의 유무가 곧 강수의 유무와 동일하므로 이 형상의 유무로 강수 유무도 도출한다.

영상내에서 그레이 스케일(Grey Scale) 영역 내 직선성 및 점의 형상을 추출하는 방법은 다음의 필터를 적용하는 것으로 가능하다.

- 필터1 (소형객체제거)

외부환경에 노출된 카메라, 특히 도로의 기상을 분석하기 위해 도로 인근에 설치된 카메라에서 수신되는 영상은 환경적인 요인(빛, 안개, 차량 불빛 등) 및 바람에 의해 흔들리는 영상 등의 노이즈 성분으로 인해 분석 시 많은 에러에 노출될 수밖에 없다.

따라서 영상 분석 시 빠른 판정과 에러율을 낮추기 위해서 수신된 영상을 이진화 처리하여 영상 내 노이즈를 제거하는 것이 반드시 필요하며, 분석 대상 주변의 배경장에 대해서 노이즈 필터의 기능을 갖는 침식(Erosion)처리 및 팽창연산(Dilation)을 통해 영상 내 작은 크기의 형체 및 잡영(잡신호)을 제거할 수 있다.

침식처리(Erosion)는 정해진 영역 내에서 가장 작은 값을 픽셀 중심부의 값으로 바꾸어 최소값 필터의 역할을 수행하며, 팽창연산(Dilation)은 침식연산과 반대로 영역을 넓혀가는 연산으로 최대값 필터의 역할을 수행하는 기능이다.

- 필터2 (캐니 엣지 검출-Canny Edge detection)

강수 현상이 있을 때에는 영상장치를 통해 인입되는 영상 내 픽셀의 변화가 비의 경우 직선의 형태, 눈의 경우에는 점의 형태로 지속적인 변화로써 나타나게 되는데 이를 흑백의 경계선 검출 및 미분 연산기를 통한 노이즈 제거를 하게 되면 비 또는 눈의 구분 검출이 가능하다.

캐니 엣지(Canny edge)는 비 또는 눈이 영상 내 존재할 때 이의 윤곽을 찾아내기 위해 영상의 노이즈성 엣지(Edge)를 모두 제거하는 기능을 수행하는 필터이며, 구체적으로는 원본 이미지에서 경계의 픽셀값을 미분(경사)처리함으로써 영상내 강수형태의 외곽선만을 추출할 수 있도록 한 기능이다.

- 필터3 (허프 트랜스폼 - Hough Transform)

영상에서 비 또는 눈과 같은 강수현상이 나타날 때, 위의 필터2까지 과정을 영상처리하면 비의 경우는 위에서 아래로 연결되는 점들의 조합, 즉 직선이 추출되고 눈의 경우에는 분산된 점들의 조합으로서 화면 전체에 나타나므로 이로써 비와 눈의 차이를 구별할 수 있으며, 점들의 존재 유무로써 강수의 유무 역시 판단할 수 있다.

픽셀 변화율 누적 평균부(140)는 도로 기상 관측 시스템은, 미리 설정된 복수의 프레임에서의 픽셀의 변화율을 누적 평균하고, 이때, 도로 기상 판단부(130)는 픽셀의 누적 변화율을 미리 설정된 경계값과 비교하여 강수 강도를 판단할 수 있다. 일반적으로 강수 영상은 순간적인 강수 강도 변동이 심해 강수 강도 판단의 편차가 커지므로, 이와 같은 구성에 의하면 복수의 프레임에 대해 누적 평균함으로써 판단의 편차를 줄이고 안정적인 강수 강도를 판단할 수 있게 된다.

보다 구체적으로, 테스트베드의 영상을 분석해 보면, 강수 영상은 순간적인 강수 강도 변동이 심해 강수 강도 판단의 편차가 커지므로 판단의 편차를 줄이고 안정적인 강도 판단을 위해 프레임 평균을 취하는 것이다. 5프레임, 30프레임, 300프레임의 변화율을 누적 평균해보면, 300프레임의 누적 평균값으로 강수 강도를 구분하는 경우 안정적인 강수 강도의 구분이 가능하다.

도 2는 변화율 누적 평균을 비교한 그래프이다. 도 2에는 5프레임, 30프레임, 300프레임의 변화율을 누적 평균한 예가 도시되어 있다.

이때, 취득 영상을 바탕으로 강수의 강도를 판단할 때 영상 내 픽셀의 변화량에 따라 크게 일반, 강수 소, 강수 중, 강수 대의 형태로 강수 강도를 구분하도록 설정할 수 있으며, 강도의 구분을 위한 경계조건은 도로 기상 관측 시스템에서 강도 구분을 위한 경계값(Threshold)을 입력할 수 있도록 하는 경우 현장에 따른 편차에 대응할 수 있게 된다.

도 3은 강수 강도 구분을 예시한 그래프이다. 도 3에서, 강수 강도는 아래의 기준에 따라 소, 중, 대로 구분되어 있다.

일반 (노이즈로 인한 안전율 포함): 검출 픽셀 < 1.5p

강수 소 (강수량 03cm/24hr 미만): 1.5p ≤ 300frame 누적변화율 검출 픽셀

< 5.0p

강수 중 (강수량 03cm/24hr 이상): 5.0p ≤ 300frame 누적변화율 검출 픽셀 < 10.0p

강수 대 (강수량 06cm/24hr 이상): 10.0p ≤ 300frame 누적 변화율 검출 픽셀

도 4는 강수 강도가 구분된 대표 영상이다. 도 4에서 강수량별 영상변화 검출 영역이 이진화 처리된 예가 도시되어 있다.

히스토그램 비교부(150)는 획득된 영상과 미리 설정된 복수의 표준 영상의 히스토그램의 변화율을 비교하는 히스토그램 비교부(150)를 더 포함하고, 이때 도로 기상 판단부(130)는 복수의 표준 영상 중 획득된 영상과 가장 근접한 히스토그램 변화율을 가지는 표준 영상의 기상 상태를 이용하여 도로의 기상 상태를 판단할 수 있다.

이와 같이 히스토그램의 변화율 차이를 통해 저장된 도로 기상의 다양한 표준 영상과 획득된 영상을 비교함으로써 보다 정확한 기상 상태를 비교 구분할 수 있게 된다.

이와 같은 표준영상 비교를 통한 노면 기상상태의 분석 기법은 이미지 프로세싱을 통해 기상현상을 분석하기 위한 기법으로서, 노면의 상태 분석을 위해 유용하게 사용될 수 있다.

표준영상이라고 함은 맑은날, 흐린날, 비, 또는 눈이 올 때 등의 영상을 미리 분석 프로세스에 등록하고 현재 수집된 영상과의 비교를 통해 강수의 유무 및 노면 상태의 구분을 분석하는 방식이다.

표준영상의 수는 많을수록 분석의 정밀도가 향상될 수 있는데, 이는 사람이 학습을 통해 현상의 상태 구분이 가능한 것과 같은 원리이다. 기상상태에 따른 다양한 표준영상을 저장하고 이와의 비교를 통해 보다 정확한 기상상태를 비교 구분할 수 있다. 도 5는 표준 영상을 설정하는 예가 도시된 도면이다.

표준영상과 실시간 영상간의 비교는 도 5와 같이 히스토그램의 변화율 차이를 통해 분석된다. 도 6은 히스토그램을 통한 표준 영상 비교의 예를 도시한 도면이다.

실시간으로 수집되는 영상 이미지가 있다고 할 때 분석 프로그램에서는 저장된 표준 영상 목록의 이미지들과 히스토그램 비교의 과정을 거치며 기상상태에 따라 다양하게 저장된 표준영상과 가장 근접한 히스토그램 변화율을 갖는 영상의 이미지를 검색(Search) 및 비교하여 기상상태를 산출할 수 있다.

따라서 학습과 유사한 원리로 비교할 수 있는 다양한 표준 영상을 구축할 수 있다면 기상상태의 판정 정밀도는 더욱 향상될 수 있게 된다.

표준영상은 주야간, 계절별, 날씨별 등에 따라 기준으로 삼을 수 있는 기상 상태의 대표 영상을 의미하고, 표준영상과 실시간으로 수집되는 영상과의 비교를 통해 도로의 기상 상태를 추출할 수 있다.

노면 상태의 경우 계절별, 주야간, 날씨별로 노면의 영상들을 표준영상(젖은상태, 건조상태, 적설상태 등)으로 등록하고 실시간 수집되는 영상과 히스토그램의 수치값을 비교하면 노면의 밝기값, 또는 조도상태, 픽셀변화량에 따라 해당 표준영상에 가장 근접한 영상과의 일치성을 퍼센트 확률로 표현할 수 있으며, 이를 노면의 상태로 산출하게 된다.

이와 같이 표준영상과의 비교를 통한 기상상태를 산출하는 방식은 프로그램내 저장된 현장의 표준영상의 개수 및 상태별 영상의 자료가 많을수록 비교대상의 수가 많아지는 효과로 분석 정확도가 향상된다. 따라서 시간을 갖고 다양한 표준영상을 수집하는 것이 정확도 향상에 매우 중요하다.

이때 노면에서 측정된 온도센서 데이터와 대기 온습도 데이터자료는 영상을 통한 노면상태 산출 결과에 반영하여 분석의 정확도를 개선하는 서브(sub)데이터로서의 역할을 수행할 수 있다.

예를 들어 영상분석을 통한 노면상태가 ‘젖음’일 경우 대기습도가 70%이상이고, 강수감지센서가 ‘On’이라면 노면상태의 최종산출은 ‘젖음’으로 도출되는 것이고, 대기습도 및 강수감지센서의 결과가 다르다면 영상분석의 재시도를 통해 적합한 기상상태를 재도출하도록 프로세스를 진행할 수도 있다.

센서부(170)는 도로의 기상 상태를 측정하고, 기상 상태 출력부(180)는 센서부(170)를 이용하여 측정된 도로의 기상 상태와 영상을 이용하여 판단된 도로의 기상 상태가 일치하는 경우 도로의 기상 상태를 출력할 수 있다.

이와 같은 구성에 의하면, 센서를 이용하여 측정된 기상 데이터를 이용하여 도로 기상 상태에 대한 판단의 정확성을 더욱 증가시킬 수 있을 뿐만 아니라, 보다 저렴한 센서를 이용하면서도 높은 정확성의 기상 상태 판단을 수행할 수 있게 된다.

예로써, 영상정보와 센서정보(대기 온습도센서, 노면 표면온도센서, 수분감지센서)를 복합한 결과를 바탕으로 기상상태 분석시 도 7에서와 같은 설정 조건에 따라 기상의 상태를 판별할 수 있다. 도 7은 영상정보와 센서정보를 함께 이용하여 기상 상태를 판별하기 위한 기준의 예가 도시된 표이다.

도 7에서, 강설(대설)이 내리는 경우 영상내 픽셀(pixel)의 분포에서 눈(백색)에 해당하는 면적이 전체 영상 내 30 픽셀(pixel) 이상일 경우 기상상태를 대설로 판단하는데, 이때 대기습도는 60%이상이며, 표면온도가 0도 이하, 이슬점차는 3도 이하, 수분감지 지속상태가 15분이상 유지될 때 최종적으로 기상상태를 대설로 판단하도록 알고리즘이 운영될 수 있다.

또한, 획득된 영상에서 도로 표면의 표시선을 검출하는 표시선 검출부(160)를 더 포함하고, 도로 기상 판단부(130)는 검출된 표시선의 픽셀수를 이용하여 도로의 기상 상태를 판단할 수 있다.

이와 같은 구성에 의하면, 도로 노면의 중앙선이나 갓길 표시선과 같은 도로 표시선의 엣지(edge)를 분석하여 노면의 적설 상태와 같은 도로 기상 상태를 분석할 수 있게 된다.

또한, 표시선 검출부(160)는 도로의 시정(안개)을 측정하기 위해 사용될 수도 있다. 이때 표시선 검출부(160)는 영상 내에서 인식 가능한 차선의 수량을 분석할 수 있으며, 도로 기상 판단부(130)가 이를 시정거리로 환산할 수 있다. 예를 들어, 영상내에서 보여지는 도로의 중앙선의 수량을 분석해 가시거리를 판단하고 이에 따른 연산수식을 적용해 안개시정거리를 산출한다.

도 8은 가시선을 이용한 안개시정 측정의 예를 도시한 도면이다. 도 8에서, 영상내의 가시선에 따라 대응되는 안개시정거리가 산출되는 예를 확인할 수 있다.

시정측정을 위해서는 영상내에서 인식이 가능한 도로 중앙선과 같은 표시선의 수량을 분석해 시정거리로 환산하는 방식 이외에도 부가적으로 거리에 따른 설치된 표지판을 영상내에서 인식하는 방식을 적용할 수 있다. 이를 위해, 도로 기상 관측 시스템(100)은 영상 내에서 인식 가능한 표지판의 수량을 분석하기 위한 표지판 검출부(미도시)를 더 포함할 수 있다.

도 9는 본 발명의 일 실시예에 따른 도로 기상 관측 방법을 수행하기 위한 개략적인 흐름도이다. 도 9에서는 강설 상태 및 강설로 인한 노면의 적설 상태를 판단하기 위한 흐름도가 개시되어 있다.

먼저, 강설에 대해 눈이 내리고 있을 때의 영상내 관심영역(ROI : Region of Interest)을 지정한 정보를 로드한다(Load ROI of snow fall).

영상을 수집하는 장소는 도로 노면이고, 일반적으로 지속적인 차량의 이동이나 강수, 바람 등에 의한 도로 주변 나무 등이 움직이는 상태이기 때문에 수집 영상의 전체 영역을 분석 범위로 할 경우 눈 또는 비가 내리는 상황을 판정하기에 어려움이 있다.

이는 영상 내 변화가 발생되는 부분을 분석할 때 변화가 발생되는 영역의 범위가 넓을 경우 영역별 픽셀 변화분의 차이가 검출하고자 하는 기상상태 분석시 적용되는 픽셀 영역에 간섭을 미치기 때문이다.

따라서 ROI (Region of interest) 영역을 움직임이 최소화된 부분으로 선택하여 그 부분만을 효율적으로 감시하고 ROI 영역에서 전체 픽셀 대비 움직임이 있는 픽셀 수의 백분율로 변화율을 파악하는 것이 중요하다.

도 10은 영상 내에 관심영역이 설정된 예가 도시된 도면이다. 도 10에서, 붉은색 박스로 표시된 부분이 분석대상이 되는 관심 영역( ROI)이다.

이어서, 컬러로 수집된 영상을 바이너리 형태로 이진화(binarization)하는 과정을 거친다(Binarization).

ROI 영상에서 원하는 부분의 변화 정도를 수치화하려면 들어오는 영상에 대해서 이진화 처리가 필요하다. 눈이나 비가 내리는 영상에서 이진화하여 면적을 구하는 형태로 변화량을 측정하여 강수가 내리는 정도를 파악한다. 이때, Manual Threshold를 취해 사용자가 환경에 맞게 적절히 선택할 수 있도록 UI에서 기능을 제공할 수 있다.

도 11은 강우 영상의 이진화 처리 결과를 도시한 도면이고, 도 12는 강설 영상의 이진화 처리 결과를 도시한 도면이다.

도 11 및 도 12에서, 차분영상은 현재의 영상과 이전영상, 또는 저장된 표준영상 등과의 픽셀비교를 통해 변화가 발생된 부분에 대한 차(Difference) 부분만 표시하는 영상이며, 이진화영상은 그에대해 바이너리형태로 재구성한 영상이다.

보통 이미지 처리에서 차분영상은 감시 카메라와 같은 종류에서 움직임을 포착하기 위해 혹은 움직이는 물체의 이동경로 등을 파악하기 위한 방법으로 사용된다.

본 발명에서는 현장 강우 시, 도로에 설치된 카메라를 통해 얻어지는 영상을 기반으로, 강수가 내리고 있는 상태를 결정하기 위해 강수의 움직임을 차분영상으로 감지하는 방법을 적용한다.

Pixel by pixel 변환은 두 이미지 사이에 같은 위치의 Pixel의 값을 연산 처리하고 빛의 영향을 고려하여 동일한 이미지를 차분영상 처리하게 되면 동일 Pixel의 값을 빼기 때문에, 영상에 차이가 있던 부분만 추출해 낼 수 있는 방법이다.

이어서, 수집된 영상에 대해 노이즈 등을 제거하기 위해 소형객체제거, 캐니엣지 등의 필터링을 처리하고(Image filtering), 수집된 영상의 각 프레임마다 변화요소를 비교하고 이를 추출하며(Frame differencing), 이전영상과 현재영상 사이의 픽셀 비교를 통해 변화가 발생한 픽셀부분을 검출(detecting)하는 기법을 적용한다(Changed Pixel detection).

강설 상태를 판단을 위한 마지막 단계로서, 변화된 픽셀의 변화를 누적 평균처리하여 일반화 처리할 수 있도록 변화 픽셀의 수를 카운트하고(Cumulative changed pixel count; Pc), 이와 같은 분석값과 사용자가 정하는 Lc(단계별 설정 파라미터 값)과의 비교 결과에 따라 최종적으로 강설의 상태 (ex. strong, normal, weak)를 결정한다.

이때, 결정된 기상 상태에 따라 경보(Alarm)를 줄 수 있도록 하며, 강설이 아니라 노면의 상태, 또는 강우(비)의 경우에도 유사한 알고리즘을 반영하여 기상의 상태를 표현하도록 알고리즘을 구성할 수 있다.

강설로 인한 노면 상태를 판단하기 위해서는 먼저, 강설에서 대해 눈이 적설이 되었을 때의 영상내 관심영역을 지정한 정보를 로드하고( Load ROI of snow piled), 이진화(Binarization), 이미지 필터링(Image filtering)을 수행한다.

이어서, 프레임 오버랩을 수행한다(Frame overlap). 일반적으로 영상은 초당 10 프레임정도의 영상을 수신하게 되는데, 이를 100프레임 이상 또는 300프레임 이상으로 영상 오버랩을 할 경우 노이즈 요소에 대한 필터링 효과를 가질 수 있으며, 이에 대한 기능을 처리하는 단계이다.

이어서, 엣지 검출을 수행한다(Edge detection). 도로 노면에 페인트된 중앙선, 또는 갓길 표시 페인트선의 경우 페인트선의 엣지를 분석하는 것이 적설의 여부를 판단하는데 중요한 요소(factor)가 될 수 있기 때문에, 노면의 적설상태 여부를 판단하기 위해 페인트선의 엣지를 분석하는 과정을 포함한다.

마지막으로, 엣지를 영상내에서 확인해서 보여지는 페인트선의 픽셀수를 카운트(Cumulative edge pixel count; Pc)하고, 이를 Lc 파라미터값과 비교하여 적설 여부를 판단한다.

이때, 이진화 경계값이 햇빛이나 야간의 차량의 불빛에 의한 영향 등에 의해 좌우되므로 같은 곳에 있던 물체만 보이도록 프레임의 AND 연산을 수행하는 영상합을 적용하고 이후 다시 경계값을 이진화하여 경계 검출을 수행할 수 있다. 적설 판정의 영상합 이미지에서 경계검출을 이용하는데, 자세한 인자는 아래와 같다.

일반상태: 경계검출 픽셀값 ≥ 1

적설상태: 경계검출 픽셀값 < 1

본 발명은 기존에 기상의 상태를 판단하기 위해 사람의 목측에 의존하거나 고성능, 고가의 기상센서(접촉식센서, ex.온도센서,습도센서,강우량센서)들을 적용함에 따른 경제성의 저하 및 개별 요소의 센서데이터만으로 종합적인 기상상태를 판정함에 따른 정확성의 오류를 개선하기 위해 제안된 것이다.

이에 따라, 목측과 유사한 카메라 영상의 이미지를 수집 및 분석하고, 보다 경제적인 기상센서 적용만으로도 측정값을 상태판정 과정에 복합하여 분석함으로써 기상상태 판정 정확도를 개선한다.

도 13은 본 발명의 일 실시예에 따른 기상복합관측 시스템의 개략적인 운용도이다.

도 13에 도시된 바와 같이, [센서제어]에 해당하는 센서들을 이용하여 기상을 관측한다. 온도센서 및 습도 센서는 대기의 온도 및 습도를 측정하는 센서로 구성되며, 강우감지센서를 이용해 강우의 유무를 on/off 개념으로 판단할 수 있다. 포장체 온도센서는 층별로 구성한 센서하우징을 도로에 매설하여 층별로 도로 포장의 온도를 측정하는 센서이다.

[상태판정]항목에서 상태판정알고리즘은 크게 노면상태의 판정, 강수상태의 판정, 안개상태의 판정으로 나누어진다. 상기의 센서를 비롯해 영상(Vision) 센서를 통해 분석된 영상데이터는 기상 상태판정 결과에 영향을 준다.

센서결과를 바탕으로 각각의 상태에 대해 노면의 경우 건조, 습윤, 결빙, 적설로 상태를 판정하며, 강수는 일반, 소량, 중간, 대량으로 안개의 경우에는 안개 가시거리(시정거리)로서 long, medium, short로 구분 판정할 수 있다.

상태를 판정하기 위해서 Visual C++기반 분석소프트웨어가 운용될 수 있으며 이의 분석을 위한 데이터는 LAN(인터넷)을 통해 실시간 수집 및 분석이 되도록 시스템 구성될 수 있다.

본 발명이 비록 일부 바람직한 실시예에 의해 설명되었지만, 본 발명의 범위는 이에 의해 제한되어서는 아니 되고, 특허청구범위에 의해 뒷받침되는 상기 실시예의 변형이나 개량에도 미쳐야 할 것이다.

100: 도로 기상 관측 시스템
110: 영상 획득부
120: 픽셀 변화 추출부
130: 도로 기상 판단부
140: 픽셀 변화율 누적 평균부
150: 히스토그램 비교부
160: 표시선 검출부
170: 센서부
180: 상 상태 출력부

Claims (10)

1. 도로의 영상을 획득하는 영상 획득부;
   획득된 영상의 복수의 프레임에서 픽셀의 변화를 추출하는 픽셀 변화 추출부; 및
   상기 픽셀의 변화 형태가 미리 설정된 기준에 따라 직선의 형태로 지속적으로 변화하는 경우 강우로 판단하고, 분산된 점의 형태로 지속적으로 변화하는 경우 강설로 판단하는 도로 기상 판단부를 포함하는 것을 특징으로 하는 도로 기상 관측 시스템.
   
2. 제 1항에 있어서,
   미리 설정된 복수의 프레임에서의 상기 픽셀의 변화율을 누적 평균하는 픽셀 변화율 누적 평균부를 더 포함하고,
   상기 도로 기상 판단부는,
   상기 픽셀의 누적 변화율을 미리 설정된 경계값과 비교하여 강수 강도를 판단하는 것을 특징으로 하는 도로 기상 관측 시스템.
   
3. 제 2항에 있어서,
   상기 획득된 영상과 미리 설정된 복수의 표준 영상의 히스토그램의 변화율을 비교하는 히스토그램 비교부를 더 포함하고,
   상기 도로 기상 판단부는,
   상기 복수의 표준 영상 중 상기 획득된 영상과 가장 근접한 히스토그램 변화율을 가지는 표준 영상의 기상 상태를 이용하여 상기 도로의 기상 상태를 판단하는 것을 특징으로 하는 도로 기상 관측 시스템.
   
4. 제 3항에 있어서,
   상기 획득된 영상에서 도로 표면의 표시선을 검출하는 표시선 검출부를 더 포함하고,
   상기 도로 기상 판단부는,
   검출된 상기 표시선의 픽셀수를 이용하여 상기 도로의 기상 상태를 판단하는 것을 특징으로 하는 도로 기상 관측 방법.
   
5. 제 4항에 있어서,
   상기 도로의 기상 상태를 측정하는 센서부; 및
   상기 센서부를 이용하여 측정된 상기 도로의 기상 상태와 상기 영상을 이용하여 판단된 상기 도로의 기상 상태가 일치하는 경우 상기 도로의 기상 상태를 출력하는 기상 상태 출력부를 더 포함하는 것을 특징으로 하는 도로 기상 관측 방법.
   
6. 도로의 영상을 획득하는 단계;
   획득된 영상의 복수의 프레임에서 픽셀의 변화를 추출하는 단계; 및
   상기 픽셀의 변화 형태가 미리 설정된 기준에 따라 직선의 형태로 지속적으로 변화하는 경우 강우로 판단하고, 분산된 점의 형태로 지속적으로 변화하는 경우 강설로 판단하는 단계를 포함하는 것을 특징으로 하는 도로 기상 관측 방법.
   
7. 제 6항에 있어서,
   미리 설정된 복수의 프레임에서의 상기 픽셀의 변화율을 누적 평균하는 단계; 및
   상기 픽셀의 누적 변화율을 미리 설정된 경계값과 비교하여 강수 강도를 판단하는 단계를 더 포함하는 것을 특징으로 하는 도로 기상 관측 방법.
   
8. 제 7항에 있어서,
   상기 획득된 영상과 미리 설정된 복수의 표준 영상의 히스토그램의 변화율을 비교하는 단계; 및
   상기 복수의 표준 영상 중 상기 획득된 영상과 가장 근접한 히스토그램 변화율을 가지는 표준 영상의 기상 상태를 이용하여 상기 도로의 기상 상태를 판단하는 단계를 더 포함하는 것을 특징으로 하는 도로 기상 관측 방법.
   
9. 제 8항에 있어서,
   상기 획득된 영상에서 도로 표면의 표시선을 검출하는 단계; 및
   검출된 상기 표시선의 픽셀수를 이용하여 상기 도로의 기상 상태를 판단하는 단계를 더 포함하는 것을 특징으로 하는 도로 기상 관측 방법.
   
10. 제 9항에 있어서,
    센서를 이용하여 상기 도로의 기상 상태를 측정하는 단계; 및
    상기 센서를 이용하여 측정된 상기 도로의 기상 상태와 상기 영상을 이용하여 판단된 상기 도로의 기상 상태가 일치하는 경우 상기 도로의 기상 상태를 출력하는 단계를 더 포함하는 것을 특징으로 하는 도로 기상 관측 방법.
    

Images