KR20190134018A - Parking control method and system using intelligent CCTV with deep learning based image processing technology - Google Patents

Parking control method and system using intelligent CCTV with deep learning based image processing technology Download PDF

Info

Publication number
KR20190134018A
KR20190134018A KR1020180059136A KR20180059136A KR20190134018A KR 20190134018 A KR20190134018 A KR 20190134018A KR 1020180059136 A KR1020180059136 A KR 1020180059136A KR 20180059136 A KR20180059136 A KR 20180059136A KR 20190134018 A KR20190134018 A KR 20190134018A
Authority
KR
South Korea
Prior art keywords
parking
unit
deep learning
vehicle
parking space
Prior art date
Application number
KR1020180059136A
Other languages
Korean (ko)
Inventor
이성준
강우석
신재용
변영철
Original Assignee
(주)이지정보기술
제주대학교 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 (주)이지정보기술, 제주대학교 산학협력단 filed Critical (주)이지정보기술
Priority to KR1020180059136A priority Critical patent/KR20190134018A/en
Publication of KR20190134018A publication Critical patent/KR20190134018A/en

Links

Images

Classifications

    • G06Q50/40—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/30—Transportation; Communications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Abstract

The present invention relates to a method and a system for parking control using an intelligent CCTV with deep learning-based image processing technology loaded therein which are easily applied to existing parking lot facilities, are built at low costs, analyze images in a parking lot based on deep learning to calculate available parking spaces, and recognize entry and exit of vehicles in the parking lot to incorporate vehicle entry and exit in available parking space calculation to provide reliable parking information. Specifically, the system comprises: one or more camera units installed in each area in a parking lot to photograph a corresponding area and a plurality of parking surfaces for the corresponding area; an analysis unit to analyze images of the plurality of parking surfaces by area photographed by the camera units based on deep learning to determine whether a vehicle can be parked on each parking surface; a parking space calculation unit to receive analysis results of the analysis unit and calculate available parking spaces of the entire parking surfaces in accordance with the analysis results; and an information providing unit to provide available parking space information calculated by the parking space calculation unit.

Description

딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법 및 시스템{Parking control method and system using intelligent CCTV with deep learning based image processing technology}Parking control method and system using intelligent CCTV with deep learning based image processing technology

본 발명은 기존 주차장 시설에 적용이 용이하면서도 저비용으로 구축이 가능하며 딥러닝(Deep Learning) 기반으로 주차장 내에서의 영상을 분석하여 주차 가능 공간을 산출하고 주차장에서 차량의 진출입을 인식하여 주차 가능 공간 산출에 반영되도록 하여 보다 신뢰도 있는 주차 정보를 제공할 수 있는 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법 및 시스템에 관한 것이다.The present invention can be easily applied to existing parking facilities and can be constructed at low cost, and the parking available space can be calculated by analyzing the image in the parking lot based on deep learning and calculating the available parking space and recognizing the entry and exit of the vehicle in the parking lot. The present invention relates to a parking control method and system using intelligent CCTV equipped with deep learning based image processing technology that can be reflected in the calculation to provide more reliable parking information.

지속적인 자동차의 증가로 인해 교통 흐름의 방해 요소는 주차 공간을 찾는 차량으로 인한 경우가 대부분이다. Increasing number of cars is a major impediment to the flow of traffic due to vehicles looking for parking spaces.

이를 해결하기 위해 센서를 통해 주차 공간 정보를 외부 전광판으로 제공하는 IoT 기술 기반의 주차 관리 시스템에 대한 개발이 지속적으로 이루어지고 있다.In order to solve this problem, the development of an IoT technology based parking management system that provides parking space information to an external electronic display through sensors is continuously being made.

그러나 이러한 종래 시스템은 현재 주차장에 진입한 차량에 대한 결과가 반영되지 않아 실시간이라고 보기 힘들고 기존의 주차장에 설치하기 위해 센서 설치 등의 추가 비용이 발생할 수 있다.However, such a conventional system does not reflect the result of the vehicle entering the parking lot, so it is difficult to see it in real time, and additional costs such as the installation of a sensor to install in the existing parking lot may occur.

또한, 기존의 주차 관제 카메라는 영상 전송만을 담당하고 이를 처리하기 위한 고성능 영상 처리 모듈과 서버가 별도로 필요하여 구성이 복잡하고 고비용을 지불해야 한다.In addition, the existing parking control camera is only responsible for image transmission and requires a high performance image processing module and a server separately to process the image, the configuration is complex and requires a high cost.

대한민국 등록특허 제10-0796920호Republic of Korea Patent No. 10-0796920

따라서, 본 발명은 기존 주차장 시설에 적용이 용이하면서도 저비용으로 구축이 가능하며 딥러닝(Deep Learning) 기반으로 주차장 내에서의 영상을 분석하여 주차 가능 공간을 산출하고 주차장에서 차량의 진출입을 인식하여 주차 가능 공간 산출에 반영되도록 하여 보다 신뢰도 있는 주차 정보를 제공할 수 있는 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법 및 시스템을 제공하고자 함이다.Therefore, the present invention can be easily applied to existing parking facilities and can be constructed at low cost, and the parking can be calculated by analyzing the image in the parking lot based on deep learning to calculate the available parking space and recognizing the entrance and exit of the vehicle in the parking lot. It is to provide a parking control method and system using intelligent CCTV equipped with deep learning based image processing technology that can be reflected in the calculation of available space to provide more reliable parking information.

상기 목적을 이루기 위한 수단으로서 본 발명의 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 시스템은, 주차장 내에서 설정된 구역별로 설치되어 해당 구역과 해당 구역에 대한 복수 주차면을 촬영하는 하나 이상의 카메라부; 상기 카메라부에서 촬영된 구역별 복수 주차면 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면별 주차 가능 여부를 판단하는 분석부; 상기 분석부의 분석결과를 수신하고 분석결과에 따라 전체 주차면의 주차 가능 공간을 산출하는 주차공간산출부; 및 상기 주차공간산출부에서 산출된 주차 가능 공간 정보를 제공하는 정보제공부;를 포함하는 것이 특징이다.As a means for achieving the above object, the parking control system using the intelligent CCTV equipped with the deep learning-based image processing technology of the present invention is installed for each zone set in a parking lot and photographs a plurality of parking surfaces for the zone and the zone. One or more camera units; An analysis unit for determining whether parking is possible for each parking surface by analyzing a plurality of parking surface images for each zone photographed by the camera unit based on deep learning; A parking space calculation unit which receives an analysis result of the analysis unit and calculates a parking available space of the entire parking surface according to the analysis result; And an information providing unit for providing parking available space information calculated by the parking space calculating unit.

하나의 예로써, 상기 분석부는, 상기 카메라부에서 촬영된 해당 구역에 대한 영상을 딥러닝(Deep Learning) 기반으로 분석하여 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 구역에서 차량과 비차량을 구분하면서 차량의 입차와 출차를 판단하여 주차 가능 공간을 예측하며, 상기 주차공간산출부는, 상기 분석부의 예측 결과를 수신하고 전체 주차면의 주차 가능 공간을 산출함에 있어 상기 분석부의 예측 결과를 반영할 수 있다.As an example, the analysis unit analyzes an image of the corresponding area photographed by the camera unit based on deep learning to recognize a moving object, and recognizes a vehicle and a non-vehicle in the corresponding area from the recognized moving object. The parking space calculation unit may receive the prediction result of the analyzer and reflect the prediction result of the analyzer in calculating the parking available space of the entire parking surface while determining the entry and exit of the vehicle. Can be.

하나의 예로써, 상기 분석부는, 상기 카메라부에서 촬영된 해당 구역의 주차면 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면에서 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 주차면에서 차량과 비차량을 구분하여 주차 가능 여부를 판단할 수 있다.As an example, the analysis unit analyzes a parking surface image of the corresponding area photographed by the camera unit based on deep learning to recognize a moving object in each parking surface, and the corresponding parking surface from the recognized moving object. It is possible to determine whether parking is possible by separating the vehicle from the non-vehicle.

한편 본 발명의 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법은, a) 주차장 내에서 설정된 구역별로 설치되는 하나 이상의 카메라부가 해당 구역과 해당 구역에 대한 복수 주차면을 촬영하는 단계; b) 상기 카메라부로부터 촬영된 구역별 복수 주차면 영상을 분석부가 수신하고, 분석부에서 수신한 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면별 주차 가능 여부를 판단하는 단계; c) 상기 분석부의 분석결과를 주차공간산출부가 수신하고, 주차공간산출부에서 수신한 분석결과에 따라 전체 주차면의 주차 가능 공간을 산출하는 단계; 및 d) 상기 주차공간산출부에서 산출된 주차 가능 공간 정보를 정보제공부가 수신하고, 정보제공부에게 수신한 주차 가능 공간 정보를 제공하는 단계;를 포함하는 것이 특징이다.Meanwhile, a parking control method using intelligent CCTV equipped with the deep learning-based image processing technology of the present invention includes: a) one or more camera units installed for each zone set in a parking lot to photograph a plurality of parking surfaces for the zone and the zone; step; b) determining, by the analyzer, a plurality of parking plane images for each zone photographed by the camera unit, and analyzing the images received by the analyzer on the basis of deep learning to determine whether parking is possible for each parking plane; c) a parking space calculating unit receives the analysis result of the analyzing unit and calculates a parking space for the entire parking surface according to the analysis result received by the parking space calculating unit; And d) receiving the parking space information calculated by the parking space calculating unit from the information providing unit and providing the parking space information received to the information providing unit.

하나의 예로써, 상기 b) 단계는, 분석부가 상기 카메라부에서 촬영된 해당 구역에 대한 영상을 딥러닝(Deep Learning) 기반으로 분석하여 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 구역에서 차량과 비차량을 구분하면서 차량의 입차와 출차를 판단하여 주차 가능 공간을 예측하는 단계;를 포함하며, 상기 c) 단계는, 상기 주차공간산출부가 상기 분석부의 예측 결과를 수신하고 전체 주차면의 주차 가능 공간을 산출함에 있어 상기 분석부의 예측 결과를 반영하는 단계;를 포함할 수 있다.As an example, in step b), the analysis unit analyzes an image of the corresponding area photographed by the camera unit based on deep learning to recognize a moving object, and recognizes the moving object from the recognized moving object in the corresponding area. And estimating a parking space by judging whether the vehicle is in and out of the vehicle while dividing the vehicle and the non-vehicle. Reflecting the prediction result of the analysis unit in calculating the available space.

하나의 예로써, 상기 b) 단계는, 상기 분석부가 상기 카메라부에서 촬영된 해당 구역의 주차면 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면에서 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 주차면에서 차량과 비차량을 구분하여 주차 가능 여부를 판단하는 단계;를 포함할 수 있다.As an example, in step b), the analysis unit analyzes a parking surface image of the corresponding area photographed by the camera unit based on deep learning to recognize a moving object on each parking surface, and recognizes the movement. And classifying a vehicle and a non-vehicle on the corresponding parking surface from the object to determine whether parking is possible.

상기한 바와 같은 과제 해결수단을 통해 본 발명딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법 및 시스템은, 별도의 센서 설치 및 추가 공사가 필요없이 카메라 교체만을 통해 기존 주차장에도 용이하게 적용 가능하여 저비용으로 시스템의 구축이 가능한 효과가 있다.Parking control method and system using intelligent CCTV equipped with the present deep learning based image processing technology through the problem solving means as described above, easy to existing parking lot only by replacing the camera without the need for additional sensor installation and additional construction It can be applied to the system can be constructed at low cost.

또한 딥러닝(Deep Learning) 기반으로 주차장 내에서의 영상을 분석하여 차량과 주차면에 대한 분류 인식을 통해 주차 가능 공간을 산출하고 이 과정에서 영상 분석 범위를 딥러닝(Deep Learning) 기술로 학습시켜 차량 여부 즉, 차량이 아닌 경우(인물, 사물 등)를 제외한 정확한 차량인지 검증하고 주차장의 차량 입차와 출차 등이 반영되도록 함으로써 보다 신뢰도 있는 주차 정보를 제공할 수 있는 효과가 있다.In addition, based on deep learning, images in the parking lot are analyzed to calculate parking spaces through classification recognition of vehicles and parking surfaces, and in this process, the image analysis range is learned by deep learning technology. It is possible to provide more reliable parking information by verifying whether the vehicle is the correct vehicle except the vehicle (that is, the person, the object, etc.) and reflecting the vehicle entrance and exit of the parking lot.

도 1은 본 발명의 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 시스템의 구성을 개략적으로 나타내는 도면.
도 2는 본 발명의 일 실시 예에 따른 지능형CCTV의 구성을 나타내는 블록도.
도 3은 본 발명의 일 실시 예에 따른 분석부의 세부 구성을 나타내는 블록도.
도 4는 본 발명의 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법을 나타내는 순서도.
도 5는 본 발명의 일 실시 예에 따른 분석부의 데이터 처리 과정을 나타내는 순서도.1 is a view schematically showing the configuration of a parking control system using intelligent CCTV equipped with the deep learning-based image processing technology of the present invention.
2 is a block diagram showing the configuration of an intelligent CCTV according to an embodiment of the present invention.
3 is a block diagram showing a detailed configuration of an analysis unit according to an embodiment of the present invention.
Figure 4 is a flow chart showing a parking control method using intelligent CCTV equipped with deep learning based image processing technology of the present invention.
5 is a flowchart illustrating a data processing process of an analysis unit according to an embodiment of the present invention.

이하, 본 발명의 구성 및 작용을 첨부된 도면에 의거하여 좀 더 구체적으로 설명한다. 본 발명을 설명함에 있어서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.Hereinafter, the configuration and operation of the present invention will be described in more detail with reference to the accompanying drawings. In describing the present invention, the term or word used in the present specification and claims is based on the principle that the inventor can appropriately define the concept of the term in order to best describe the invention of his or her own. It should be interpreted as meanings and concepts corresponding to the technical idea of

도 1은 본 발명의 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 시스템의 구성을 개략적으로 나타내는 도면이고, 도 2는 본 발명의 일 실시 예에 따른 지능형CCTV의 구성을 나타내는 블록도이며, 도 3은 본 발명의 일 실시 예에 따른 분석부의 세부 구성을 나타내는 블록도이다.1 is a view schematically showing the configuration of a parking control system using intelligent CCTV equipped with deep learning based image processing technology of the present invention, Figure 2 is a block showing the configuration of an intelligent CCTV according to an embodiment of the present invention 3 is a block diagram showing a detailed configuration of an analysis unit according to an embodiment of the present invention.

본 발명은 센서와 같은 계측기기의 추가 도입 없이 영상 분석만으로 주차장의 주차 가능 공간에 대한 정보를 제공할 수 있는 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법 및 시스템에 관한 것이다.The present invention relates to a parking control method and system using intelligent CCTV equipped with a deep learning-based image processing technology that can provide information on the available parking space of a parking lot only by image analysis without the introduction of a measuring device such as a sensor. .

먼저 도 1을 참조하면 본 발명의 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 시스템은 주차장(1)에 대한 영상 촬영과 전체 주차면(10)의 주차 가능 공간 정보를 제공하는 지능형CCTV(100)와 상기 지능형CCTV(100)로부터 제공되는 주차 가능 공간 정보를 수신하고 이를 모니터링하는 관제서버(200)를 포함하여 구성될 수 있다.First, referring to FIG. 1, a parking control system using an intelligent CCTV equipped with the deep learning-based image processing technology of the present invention provides an image capturing information on a parking lot 1 and provides parking space information of an entire parking surface 10. It may be configured to include an intelligent CCTV 100 and a control server 200 for receiving and monitoring the parking available space information provided from the intelligent CCTV (100).

상기 지능형CCTV는 주차장(1)의 전체 주차면(10)에 대한 영상을 촬영하고, 딥러닝(Deep Learning) 학습을 통한 영상 처리를 기반으로 촬영된 영상을 분석하여 주차장에 있어 주차된 공간과 빈 공간을 인식하여 실시간 주차 가능 공간 정보를 제공할 수 있다.The intelligent CCTV captures an image of the entire parking surface 10 of the parking lot 1, analyzes the captured image based on image processing through deep learning learning, and stores the space and the empty space in the parking lot. The space can be recognized to provide real-time parking space information.

일 예로 상기 지능형CCTV(100)는 딥러닝(Deep Learning) 학습 신경망 계열에 속하는 CNN(Convolutional Neural Network) 알고리즘을 이용하여 촬영한 주차장의 영상으로부터 각각의 주차면을 감지할 수 있으며, 주차면별 임계값 적용 및 주차 상태를 판단하여 실시간 주차 가능 공간 정보를 업데이트 할 수 있다.For example, the intelligent CCTV 100 may detect each parking surface from an image of a parking lot photographed using a CNN (Convolutional Neural Network) algorithm belonging to a deep learning neural network series. Application and parking status can be determined and real-time parking space information can be updated.

구체적으로 상기 지능형CCTC(100)는 도 2에 도시된 바와 같이 하나 이상의 카메라부(110)와 분석부(120)와 주차공간산출부(130)와 정보제공부(140) 및 송수신부(150)를 포함하여 구성될 수 있으며, SoC(System on Chip)을 통해 일 장치로 구현되거나 기존 설치된 CCTV에 탑재될 수 있다.Specifically, as shown in FIG. 2, the intelligent CCTC 100 includes one or more camera units 110, an analyzer 120, a parking space calculator 130, an information provider 140, and a transceiver 150. It may be configured to include, and may be implemented as a device through the SoC (System on Chip) or mounted on the existing installed CCTV.

상기 카메라부(110)는 주차장(1) 내에서 설정된 구역별로 설치되어 해당 구역과 해당 구역에 대한 복수 주차면(10)을 촬영할 수 있다.The camera unit 110 may be installed for each zone set in the parking lot 1 to photograph the plurality of parking surfaces 10 for the zone and the zone.

이때 하나의 카메라부(110)가 담당하는 구역과 주차면(10)은 주차장(1)의 시설 규모나 분석 효율성을 고려하여 선택적으로 결정될 수 있음은 당연하다.At this time, it is obvious that the area and the parking surface 10 in charge of one camera unit 110 may be selectively determined in consideration of the facility size and the analysis efficiency of the parking lot 1.

상기 분석부(120)는 상기 카메라부(110)에서 촬영된 구역별 복수 주차면(10) 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면(10)별 주차 가능 여부를 판단할 수 있다.The analysis unit 120 may determine whether parking is possible for each parking surface 10 by analyzing the plurality of parking surface 10 images for each zone photographed by the camera unit 110 based on deep learning. have.

즉, 상기 분석부(120)는 주차장(1)내 주차면(10)의 다양한 이미지와 흐리고, 맑고, 비오는 날씨에 따른 환경 조건, 차량(20)이 주차되어 있고 비어 있는 이미지 등 방대한 양의 이미지에 대해 학습 과정을 거쳐 모델을 생성하며, 촬영된 영상에서 입력된 값과 알고리즘을 거쳐 설정된 구역별로 설치된 각 주차면을 순차적 또는 일괄로 검출하고 차량(20)이 주차되어 있는지 비어 있는지에 대해 상태를 실시간으로 업데이트하여 최종 분류된 값을 출력할 수 있다.That is, the analysis unit 120 is a large amount of images, such as various images of the parking surface 10 in the parking lot 1 and the environmental conditions according to cloudy, sunny, rainy weather, the vehicle 20 is parked and empty The model is generated through a learning process, and the respective parking surfaces installed for each set area are sequentially or collectively detected through input values and algorithms from the photographed image, and the state is determined whether the vehicle 20 is parked or empty. You can update in real time to output the final sorted value.

이때 상기 분석부(120)는 설정된 구역에 할당된 복수 주차면(10)에 대하여 고유의 식별 코드를 부여할 수 있으며, 출력된 데이터와 고유의 식별코드를 함께 송신할 수 있다.In this case, the analyzer 120 may assign a unique identification code to the plurality of parking surfaces 10 allocated to the set area, and may transmit the output data and the unique identification code together.

상기 주차공간산출부(130)는 상기 분석부(120)에서 송신하는 분석결과 즉 각 주차면별 차량(20)의 주차 가능 여부 정보를 수신할 수 있다.The parking space calculation unit 130 may receive an analysis result transmitted from the analysis unit 120, that is, information on whether parking of the vehicle 20 for each parking surface is possible.

상기 주차공간산출부(130)는 수신한 분석결과에 따라 설정된 구역에 할당된 전체 주차면(10)의 주차 가능 공간을 산출할 수 있으며, 수신한 주차면별 고유의 식별코드를 통해 주차가 가능한 주차면을 식별하고 주차 가능 공간 정보로서 함께 송신할 수 있다.The parking space calculation unit 130 may calculate the available parking space of the entire parking surface 10 assigned to the set area according to the received analysis result, and parking is possible through a unique identification code for each received parking surface. The face can be identified and sent together as parking space information.

상기 정보제공부(140)는 상기 주차공간산출부(130)에서 실시간으로 산출되는 주차 가능 공간 정보를 저장하고 이를 제공하는 것으로, 외부의 요청 신호에 응답하여 응답 정보로 출력될 수 있다.The information providing unit 140 stores and provides parking space information calculated in real time by the parking space calculating unit 130, and may be output as response information in response to an external request signal.

상기 송수신부(150)는 외부로 데이터를 송신하거나 외부의 명령을 수신하기 위한 통신 인터페이스를 구비하여 통신망을 통해 상기 정보제공부(140)의 출력 정보를 관제서버(200)로 송신할 수 있다.The transceiver 150 may include a communication interface for transmitting data to an external device or receiving an external command to transmit output information of the information provider 140 to the control server 200 through a communication network.

이때 상기 통신망은 인터넷 프로토콜(IP, Internet Protocol)을 통하여 대용량 데이터의 송수신 서비스 및 끊기는 현상이 없는 데이터 서비스를 제공하는 아이피망으로 아이피를 기반으로 서로 다른 망을 통합한 아이피망 구조인 올 아이피(All IP)망, 유선통신망, 이동통신망(CDMA, 2G, 3G, 4G, LTE), Wibro(Wireless Broadband)망, HSDPA(High Speed Downlink Packet Access)망, 위성통신망 및 와이파이(WI-FI, Wireless Fidelity)망 중 적합한 어느 하나를 이용할 수 있다.At this time, the communication network is an IP network that provides a data transmission / reception service and a data service without disconnection through the Internet protocol (IP, Internet Protocol), an IP network structure that integrates different networks based on IP. IP) network, wired communication network, mobile communication network (CDMA, 2G, 3G, 4G, LTE), Wibro (Wireless Broadband) network, HSDPA (High Speed Downlink Packet Access) network, satellite communication network and Wi-Fi (WI-FI, Wireless Fidelity) Any suitable network can be used.

한편 상기 분석부(120)는 상기 카메라부(110)에서 촬영된 해당 구역에 대한 영상을 딥러닝(Deep Learning) 기반으로 분석하여 움직임 객체를 인식할 수 있다.The analyzer 120 may recognize a moving object by analyzing an image of a corresponding area photographed by the camera 110 based on deep learning.

그리고 상기 분석부(120)는 인식한 움직임 객체로부터 해당 구역에서 차량(20)과 비차량을 구분할 수 있으며 특히 인식한 움직임 객체의 방향을 인지하고 이로부터 해당 구역에서 차량의 입차와 출차를 판단하여 주차 가능 공간을 예측할 수 있다.In addition, the analyzer 120 may distinguish the vehicle 20 and the non-vehicle from the recognized moving object in the corresponding area, and in particular, recognize the direction of the recognized moving object and determine the entry and exit of the vehicle in the corresponding area. We can predict parking space.

상기 분석부(120)는 해당 구역에서 움직이는 사물과 움직이는 사물이 차량(20)인지 비차량인지를 인식할 수 있으며, 차량(20)이라고 인식한 경우 움직이는 차량(20)의 방향을 통해 차량(20)이 입구를 향하는지 또는 출구를 향하는지를 파악할 수 있고, 이러한 인식 정보들을 기반으로 해당 구역에서의 주차 가능 공간을 예측할 수 있는 것이다.The analysis unit 120 may recognize whether the moving object and the moving object in the corresponding area are the vehicle 20 or the non-vehicle, and when the vehicle 20 is recognized as the vehicle 20, the vehicle 20 through the direction of the moving vehicle 20. ) To the entrance or exit, and based on this recognition information can predict the available parking space in the area.

또한 상기 주차공간산출부(130)는 상기 분석부(120)의 예측 결과를 수신하고 전체 주차면(10)의 주차 가능 공간을 산출함에 있어 상기 분석부(120)의 예측 결과 예를 들면 인식된 차량(20)이 입구로 들어와 주차를 할 것으로 예측하거나 인식된 차량(20)이 출차할 것으로 예측하는 것을 반영 주차 가능 공간을 산출하도록 한다.In addition, the parking space calculation unit 130 receives the prediction result of the analysis unit 120 and calculates the parking available space of the entire parking surface 10 in the prediction result of the analysis unit 120, for example, the recognized result The parking space is calculated to reflect that the vehicle 20 enters the entrance and parks or reflects the recognized vehicle 20 predicting to leave.

뿐만 아니라 상기 분석부(120)는 구역내 움직임 객체의 감지와 더불어 상기 카메라부(110)에서 촬영된 해당 구역의 주차면(10) 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면(10)에서 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 주차면(10)에서 차량(20)과 비차량을 구분하여 주차 가능 여부를 판단함으로써 정보 제공의 신뢰도를 더욱 향상시킬 수 있도록 한다.In addition, the analysis unit 120 detects the moving object in the zone and analyzes the parking plane 10 image of the corresponding zone photographed by the camera unit 110 based on deep learning based on each parking plane ( 10) to recognize the moving object, and to determine whether parking is possible by distinguishing the vehicle 20 and the non-vehicle on the corresponding parking surface 10 from the recognized moving object to further improve the reliability of information provision.

즉, 실제 주차면(10)에 차량(20)이 아닌 사람 등이 있는 경우를 인식하여 주차 가능 공간을 산출함에 있어 오류가 발생하지 않도록 하는 것이다.In other words, by recognizing a case where there is a person other than the vehicle 20 on the actual parking surface 10, an error does not occur in calculating a parking available space.

이러한 차량(20)과 비차량의 구분 방법은 영상으로부터 형상 이미지의 학습을 통해 분석할 수 있다.The method of distinguishing the vehicle 20 from the non-vehicle may be analyzed by learning a shape image from an image.

한편 분석부(120)는 상기 카메라부(110)로부터 입력되는 영상을 보정하고 보정한 영상을 딥러닝(Deep Learning) 기반으로 분석하기 위한 세부구성을 포함할 수 있다.The analyzer 120 may include a detailed configuration for correcting an image input from the camera unit 110 and analyzing the corrected image based on deep learning.

일 예로 도 3에 도시된 바와 같이 상기 분석부(120)는 상기 카메라부(110)로부터 영상 정보가 전달되면, 전달된 영상을 이미지 프로세싱하여 노이즈 제거, 선명화 등과 같은 보정을 수행하는 영상보정부(121)을 포함할 수 있다.For example, as shown in FIG. 3, when the image information is transmitted from the camera unit 110, the analyzer 120 performs image correction on the transferred image to perform correction such as noise removal and sharpening. And may include 121.

상기 영상보정부(121)의 보정 방법은 공지의 영상 처리방법 중 적합한 하나를 선택하여 이용할 수 있으므로 이에 대한 구체적인 설명은 생략한다.Since the correction method of the image correction unit 121 may select and use a suitable one among known image processing methods, a detailed description thereof will be omitted.

그리고 상기 분석부(120)는 상기 영상보정부(121)에서 보정된 영상을 기반으로 딥러링(Deep Learning) 모델을 선택하고 학습을 처리 하기 위한 딥러닝학습부(122)와, 상기 딥러닝학습부(122)에서 학습된 데이터를 처리하기 위한 데이터처리부(123) 및 상기 데이터처리부(123)에서 처리된 결과에 따라 최종적으로 주차면(10)과 차량(20)을 분류를 하는 주차면분류부(124) 및 차량분류부(125)를 포함하여 구성될 수 있으며, 주차면분류부(124) 및 차량분류부(125)에 분류된 정보를 이용하여 각 주차면(10)0에 대한 주차 가능 여부를 판단하여 출력할 수 있다.In addition, the analysis unit 120 selects a deep learning model based on the image corrected by the image correction unit 121, and a deep learning unit 122 for processing the learning, and the deep learning unit The parking surface classification unit for classifying the parking surface 10 and the vehicle 20 finally according to the data processing unit 123 for processing the data learned by the unit 122 and the result processed by the data processing unit 123. 124 and the vehicle classification unit 125, and parking is possible for each parking surface 10 by using the information classified in the parking surface classification unit 124 and the vehicle classification unit 125. It can be determined and output.

상기 관제서버(200)는 상기 지능형CCTV(100)의 송수신부(150)를 통해 송신되는 주차 가능 공간 정보를 실시간으로 수신하여 저장할 수 있으며, 수신한 주차 가능 공간 정보를 모니터링할 수 있다.The control server 200 may receive and store parking space information transmitted through the transceiver 150 of the intelligent CCTV 100 in real time, and may monitor the received parking space information.

그리고 상기 관제서버(200)는 수신한 주차 가능 공간 정보를 주차장의 입구 등에 표시할 수 있는 바, 표시 방식은 LED 전광판과 같은 통상의 표시 방식 중 적합한 하나를 선택할 수 있다. In addition, the control server 200 may display the received parking space information on the entrance of the parking lot, etc., and the display method may select a suitable one from a conventional display method such as an LED sign.

도 4는 본 발명의 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법을 나타내는 순서도이고, 도 5는 본 발명의 일 실시 예에 따른 분석부의 데이터 처리 과정을 나타내는 순서도이다.4 is a flowchart illustrating a parking control method using intelligent CCTV equipped with a deep learning based image processing technology of the present invention, and FIG. 5 is a flowchart illustrating a data processing process of an analysis unit according to an embodiment of the present invention.

이하에서는 도 4 및 도 5를 참조하여 본 발명의 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법을 설명한다.Hereinafter, a parking control method using intelligent CCTV equipped with the deep learning based image processing technology of the present invention will be described with reference to FIGS. 4 and 5.

도 4에 도시된 바와 같이 본 발명의 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법은 주차장 내에서 설정된 구역별로 설치되는 하나 이상의 카메라부(110)가 해당 구역과 해당 구역에 대한 복수 주차면(10)을 촬영하는 단계를 수행한다.(S100)As shown in FIG. 4, in the parking control method using intelligent CCTV equipped with the deep learning-based image processing technology of the present invention, one or more camera units 110 installed in each zone set in a parking lot are located in the corresponding zone and the corresponding zone. A step of photographing the plurality of parking surfaces 10 is performed.

이후 상기 카메라부(110)로부터 촬영된 구역별 복수 주차면(10) 영상을 분석부(120)가 수신하고, 분석부(120)에서 수신한 영상을 딥러닝(Deep Learning) 기반으로 분석하는 단계를 수행한다.(S200)Thereafter, the analysis unit 120 receives the plurality of parking area 10 images for each zone photographed by the camera unit 110 and analyzes the image received by the analysis unit 120 based on deep learning. Perform (S200).

그리고 상기 분석부(120)의 분석 결과를 통해 각 주차면(10)별 주차 가능 여부를 판단하는 단계를 수행한다.(S300)And it is determined whether the parking for each parking surface 10 through the analysis result of the analysis unit 120 performs the step (S300).

이 과정(S300)에서는 상기 분석부(120)가 상기 카메라부(110)에서 촬영된 해당 구역에 대한 영상을 딥러닝(Deep Learning) 기반으로 분석하여 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 구역에서 차량(10)의 입차와 출차를 판단하여 주차 가능 공간을 예측하는 단계를 포함할 수 있다.In this process (S300), the analysis unit 120 analyzes an image of the corresponding area photographed by the camera unit 110 based on deep learning to recognize a moving object, and corresponds to the recognized moving object. The method may include estimating a parking space by determining the entry and exit of the vehicle 10 in the zone.

그리고 이 과정(S300)에서는 상기 분석부(120)가 상기 카메라부(110)에서 촬영된 해당 구역에 대한 영상을 딥러닝(Deep Learning) 기반으로 분석하여 상기 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 구역에서 차량(10)과 비차량을 구분하여 주차 가능 공간을 예측하는 단계를 포함할 수 있다.In this process (S300), the analysis unit 120 analyzes an image of a corresponding area photographed by the camera unit 110 based on deep learning to recognize the motion object, and recognizes the motion object. And dividing the vehicle 10 and the non-vehicle in the corresponding area from the space to predict the available parking space.

또한 또한 이 과정(S300)에서는 상기 분석부(120)가 상기 카메라부(120)에서 촬영된 해당 구역의 주차면(10) 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면(10)에서 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 주차면(10)에서 차량(20)과 비차량을 구분하여 주차 가능 여부를 판단하는 단계를 포함할 수 있다.In addition, in this process (S300), the analysis unit 120 analyzes the image of the parking surface 10 of the corresponding area photographed by the camera unit 120 based on deep learning, and each parking surface 10. The method may include recognizing a moving object and determining whether parking is possible by dividing the vehicle 20 and the non-vehicle on the corresponding parking surface 10 from the recognized moving object.

이후, 상기 분석부(120)의 분석결과 즉 각 주차면(10)별 주차 가능 여부 정보를 주차공간산출부(130)가 수신하고, 주차공간산출부(130)에서 수신한 분석결과에 따라 전체 주차면(10)의 주차 가능 공간을 산출하는 단계를 수행한다.(S400)Subsequently, the parking space calculation unit 130 receives the analysis result of the analysis unit 120, that is, parking availability information for each parking surface 10, and according to the analysis result received by the parking space calculation unit 130. Computing the parking available space of the parking surface 10 is performed (S400).

이 과정에서(S400)는 상기 주차공간산출부(130)가 상기 분석부(120)의 예측 결과를 수신하고 전체 주차면(10)의 주차 가능 공간을 산출함에 있어 상기 분석부(120)의 예측 결과를 반영하여 최종적으로 주차 가능 공간을 산출할 수 있는 단계를 포함할 수 있다.In this process (S400), the parking space calculation unit 130 receives the prediction result of the analysis unit 120 and calculates the available parking space of the entire parking surface 10 to predict the analysis unit 120. Reflecting the result may include the step of finally calculating the available parking space.

마지막으로 상기 주차공간산출부(130)에서 산출된 주차 가능 공간 정보를 정보제공부(140)가 수신하고, 정보제공부(140)에게 수신한 주차 가능 공간 정보를 제공하는 단계를 수행한다.(S500)Finally, the information providing unit 140 receives the parking available space information calculated by the parking space calculating unit 130 and provides the parking available space information received to the information providing unit 140. S500)

한편 도 5는 본 발명의 일 실시 예에 따른 상기 분석부(120)의 데이터 처리 과정을 설명하기 위한 것으로, 도 5에 도시된 바와 같이 상기 분석부(120)는 상기 카메라부(110)에서 영상이 전달(S210) 되면, Raw Data 처리를 통해 영상 보정(S220) 과정을 거치게 되며, CNN(Convolutional Neural Network) 알고리즘을 통해 Deep learning 학습(S230) 수행 후 주차 구역을 검출 하여 주차 구역에 대한 상태를 감지(S240)할 수 있다.Meanwhile, FIG. 5 illustrates a data processing process of the analyzer 120 according to an embodiment of the present invention. As shown in FIG. 5, the analyzer 120 may generate an image from the camera unit 110. If the transmission (S210), the raw data processing through the image correction (S220) process, through the deep learning learning (S230) through the CNN (Convolutional Neural Network) algorithm to detect the parking area to detect the state of the parking area It may be detected (S240).

그리고 상기 분석부(120)에서는 설정된 임계값을 적용 후, 주차 구역 내 차량(20)이 주차되어 있는지 아닌지 여부(S250)를 판단하게 되며, 판단 결과에 기반한 분류 적용 및 상태를 실시간으로 업데이트(S260) 하고, 다음 주차 구역으로 이동(S270) 하여 이러한 과정으로 반복적으로 수행하여 주차장(1) 전체에 대한 주차구역 상태를 업데이트 한다. 모든 주차 구역에 대한 상태 값 즉 각 주차면에 대한 주가 가능 여부가 업데이트 되면 최종 값을 출력(S280)하여 상기 주차공간산출부(130)로 전송한다.The analyzer 120 determines whether the vehicle 20 in the parking area is parked or not (S250) after applying the set threshold value, and updates the classification application and status based on the determination result in real time (S260). ), And moves to the next parking area (S270) to perform the process repeatedly to update the parking area status for the entire parking lot (1). When the state value for all parking zones, that is, whether the stock price for each parking surface is updated, a final value is output (S280) and transmitted to the parking space calculation unit 130.

이상 설명한 내용을 통해 당업자라면 본 발명의 기술사상을 일탈하지 아니하는 범위에서 다양한 변경 및 수정 가능함을 알 수 있을 것이다. 따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구범위에 의해 정해져야만 할 것이다.Those skilled in the art will appreciate that various changes and modifications can be made without departing from the spirit of the present invention. Therefore, the technical scope of the present invention should not be limited to the contents described in the detailed description of the specification but should be defined by the claims.

100 : 지능형 CCTV 200 : 관제서버
110 : 카메라부 120 : 분석부
130 : 주차공간산출부 140 : 정보제공부
150 : 송수신부 100: intelligent CCTV 200: control server
110: camera unit 120: analysis unit
130: parking space calculation unit 140: information provider
150: transceiver

Claims (6)

주차장 내에서 설정된 구역별로 설치되어 해당 구역과 해당 구역에 대한 복수 주차면을 촬영하는 하나 이상의 카메라부;
상기 카메라부에서 촬영된 구역별 복수 주차면 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면별 주차 가능 여부를 판단하는 분석부;
상기 분석부의 분석결과를 수신하고 분석결과에 따라 전체 주차면의 주차 가능 공간을 산출하는 주차공간산출부; 및
상기 주차공간산출부에서 산출된 주차 가능 공간 정보를 제공하는 정보제공부;를 포함하는 것을 특징으로 하는 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 시스템.
At least one camera unit installed in each of the zones set in the parking lot and photographing a plurality of parking surfaces of the zone and the zone;
An analysis unit for determining whether parking is possible for each parking surface by analyzing a plurality of parking surface images for each zone photographed by the camera unit based on deep learning;
A parking space calculation unit which receives an analysis result of the analysis unit and calculates a parking available space of the entire parking surface according to the analysis result; And
An information providing unit for providing parking space information calculated by the parking space calculating unit. Parking control system using intelligent CCTV equipped with deep learning-based image processing technology comprising a.
제 1항에 있어서,
상기 분석부는,
상기 카메라부에서 촬영된 해당 구역에 대한 영상을 딥러닝(Deep Learning) 기반으로 분석하여 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 구역에서 차량과 비차량을 구분하면서 차량의 입차와 출차를 판단하여 주차 가능 공간을 예측하며,
상기 주차공간산출부는,
상기 분석부의 예측 결과를 수신하고 전체 주차면의 주차 가능 공간을 산출함에 있어 상기 분석부의 예측 결과를 반영하는 것을 특징으로 하는 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 시스템.
The method of claim 1,
The analysis unit,
Analyzes the image of the area photographed by the camera unit based on deep learning to recognize the moving object, and determines the entry and exit of the vehicle by distinguishing the vehicle and the non-vehicle in the area from the recognized moving object. To predict the available parking space,
The parking space calculation unit,
A parking control system using intelligent CCTV equipped with deep learning-based image processing technology, characterized in that for receiving the prediction result of the analysis unit and calculating the available parking space of the entire parking surface.
제 1항에 있어서,
상기 분석부는,
상기 카메라부에서 촬영된 해당 구역의 주차면 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면에서 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 주차면에서 차량과 비차량을 구분하여 주차 가능 여부를 판단하는 것을 특징으로 하는 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 시스템.
The method of claim 1,
The analysis unit,
Analyzes the parking surface image of the area photographed by the camera unit on the basis of deep learning, recognizes the moving object in each parking surface, and separates the vehicle and the non-vehicle on the corresponding parking surface from the recognized moving object. Parking control system using intelligent CCTV equipped with deep learning based image processing technology characterized in that it determines the availability.
a) 주차장 내에서 설정된 구역별로 설치되는 하나 이상의 카메라부가 해당 구역과 해당 구역에 대한 복수 주차면을 촬영하는 단계;
b) 상기 카메라부로부터 촬영된 구역별 복수 주차면 영상을 분석부가 수신하고, 분석부에서 수신한 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면별 주차 가능 여부를 판단하는 단계;
c) 상기 분석부의 분석결과를 주차공간산출부가 수신하고, 주차공간산출부에서 수신한 분석결과에 따라 전체 주차면의 주차 가능 공간을 산출하는 단계; 및
d) 상기 주차공간산출부에서 산출된 주차 가능 공간 정보를 정보제공부가 수신하고, 정보제공부에게 수신한 주차 가능 공간 정보를 제공하는 단계;를 포함하는 것을 특징으로 하는 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법.
a) photographing at least one camera unit installed for each zone set in the parking lot and the parking lot for the zone and the zone;
b) determining, by the analyzer, a plurality of parking plane images for each zone photographed by the camera unit, and analyzing the images received by the analyzer on the basis of deep learning to determine whether parking is possible for each parking plane;
c) a parking space calculating unit receives the analysis result of the analyzing unit and calculates a parking space for the entire parking surface according to the analysis result received by the parking space calculating unit; And
d) receiving the parking space information calculated by the parking space calculating unit and providing the parking space information received by the information providing unit to the information providing unit; deep learning based image processing technology comprising a Parking control method using onboard intelligent CCTV.
제 4항에 있어서,
상기 b) 단계는,
분석부가 상기 카메라부에서 촬영된 해당 구역에 대한 영상을 딥러닝(Deep Learning) 기반으로 분석하여 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 구역에서 차량과 비차량을 구분하면서 차량의 입차와 출차를 판단하여 주차 가능 공간을 예측하는 단계;를 포함하며,
상기 c) 단계는,
상기 주차공간산출부가 상기 분석부의 예측 결과를 수신하고 전체 주차면의 주차 가능 공간을 산출함에 있어 상기 분석부의 예측 결과를 반영하는 단계;를 포함하는 것을 특징으로 하는 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법.
The method of claim 4, wherein
B),
The analysis unit analyzes the image of the corresponding area photographed by the camera unit based on deep learning to recognize the moving object, and distinguishes the vehicle and the non-vehicle in the corresponding area from the recognized moving object, while entering and leaving the vehicle. Predicting the space available for parking; including;
C),
The parking space calculation unit receives the prediction result of the analysis unit and reflecting the prediction result of the analysis unit in calculating the available parking space of the entire parking surface; deep learning based image processing technology comprising a Parking control method using intelligent CCTV.
제 4항에 있어서,
상기 b) 단계는,
상기 분석부가 상기 카메라부에서 촬영된 해당 구역의 주차면 영상을 딥러닝(Deep Learning) 기반으로 분석하여 각 주차면에서 움직임 객체를 인식하고, 인식한 움직임 객체로부터 해당 주차면에서 차량과 비차량을 구분하여 주차 가능 여부를 판단하는 단계;를 포함하는 것을 특징으로 하는 딥러닝 기반 영상 처리 기술이 탑재된 지능형 CCTV를 활용한 주차 관제 방법.The method of claim 4, wherein
B),
The analysis unit analyzes a parking surface image of the corresponding area photographed by the camera unit based on deep learning to recognize a moving object in each parking surface, and detects a vehicle and a non-vehicle on the corresponding parking surface from the recognized moving object. And judging whether parking is possible by dividing; parking control method using intelligent CCTV equipped with deep learning-based image processing technology.
KR1020180059136A 2018-05-24 2018-05-24 Parking control method and system using intelligent CCTV with deep learning based image processing technology KR20190134018A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180059136A KR20190134018A (en) 2018-05-24 2018-05-24 Parking control method and system using intelligent CCTV with deep learning based image processing technology

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180059136A KR20190134018A (en) 2018-05-24 2018-05-24 Parking control method and system using intelligent CCTV with deep learning based image processing technology

Publications (1)

Publication Number Publication Date
KR20190134018A true KR20190134018A (en) 2019-12-04

Family

ID=69004417

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180059136A KR20190134018A (en) 2018-05-24 2018-05-24 Parking control method and system using intelligent CCTV with deep learning based image processing technology

Country Status (1)

Country Link
KR (1) KR20190134018A (en)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102260556B1 (en) * 2020-03-26 2021-06-03 세종대학교산학협력단 Deep learning-based parking slot detection method and apparatus integrating global and local information
KR20210155657A (en) * 2020-06-16 2021-12-23 최상수 Machine learning-based parking support device and method
KR20220071544A (en) 2020-11-24 2022-05-31 (주)스핀어웹 System and method of processing image data for batch processing of big data and computer program for the same
KR20220086102A (en) * 2020-12-16 2022-06-23 (주)참슬테크 Total security and parking guidance system including parking guidance display unit
KR102414877B1 (en) * 2021-06-28 2022-06-30 유에프엠시스템즈 주식회사 Smart parking lot guiding system for enhancing accuracy and reliability of information
KR20220092165A (en) * 2020-12-24 2022-07-01 주식회사 매쉬플레이 Method and system for providing parking convenience service using deep learning video recognition technology
KR20220121961A (en) 2021-02-25 2022-09-02 주식회사 포커스에이치엔에스 Parking management method and apparatus based on cctv
KR20230040417A (en) * 2021-09-15 2023-03-23 주식회사 딥비전 Parking management method and system using deep learning

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100796920B1 (en) 2005-12-28 2008-01-22 삼성에스디에스 주식회사 Apparatus for existence and nonexistence identification of a car in parking place and parking management system having the same

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100796920B1 (en) 2005-12-28 2008-01-22 삼성에스디에스 주식회사 Apparatus for existence and nonexistence identification of a car in parking place and parking management system having the same

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102260556B1 (en) * 2020-03-26 2021-06-03 세종대학교산학협력단 Deep learning-based parking slot detection method and apparatus integrating global and local information
KR20210155657A (en) * 2020-06-16 2021-12-23 최상수 Machine learning-based parking support device and method
KR20220071544A (en) 2020-11-24 2022-05-31 (주)스핀어웹 System and method of processing image data for batch processing of big data and computer program for the same
KR20220086102A (en) * 2020-12-16 2022-06-23 (주)참슬테크 Total security and parking guidance system including parking guidance display unit
KR20220092165A (en) * 2020-12-24 2022-07-01 주식회사 매쉬플레이 Method and system for providing parking convenience service using deep learning video recognition technology
KR20220121961A (en) 2021-02-25 2022-09-02 주식회사 포커스에이치엔에스 Parking management method and apparatus based on cctv
KR102414877B1 (en) * 2021-06-28 2022-06-30 유에프엠시스템즈 주식회사 Smart parking lot guiding system for enhancing accuracy and reliability of information
KR20230040417A (en) * 2021-09-15 2023-03-23 주식회사 딥비전 Parking management method and system using deep learning

Similar Documents

Publication Publication Date Title
KR20190134018A (en) Parking control method and system using intelligent CCTV with deep learning based image processing technology
US9336450B2 (en) Methods and systems for selecting target vehicles for occupancy detection
US20210287035A1 (en) Image and lidar segmentation for lidar-camera calibration
KR20180046798A (en) Method and apparatus for real time traffic information provision
KR101974105B1 (en) Photographing system and method for increasing recognition rate of vehicle number
KR102166283B1 (en) Device for controlling traffic signal
KR102414876B1 (en) Traffic signal control system using sensitive left turn signal based on LiDAR
CN110119725B (en) Method and device for detecting signal lamp
CN114550449B (en) Vehicle track completion method and device, computer readable medium and electronic equipment
US11030465B1 (en) Method for analyzing number of people and system thereof
CN115909224A (en) Track detection method and track detection system
CN116634638A (en) Light control strategy generation method, light control method and related device
CN115063746A (en) Vehicle warehousing management method and device, computer equipment and storage medium
KR102561656B1 (en) Control system of traffic flow with sensing of vehicle based on deep learning
US20210065543A1 (en) Method, Device, and System of Traffic Light Control Utilizing Virtual Detectors
CN113033493A (en) Target object inspection method and device, electronic equipment and storage medium
CN116665179A (en) Data processing method, device, domain controller and storage medium
CN116206451A (en) Intelligent traffic flow data analysis method
CN114219970A (en) Image processing method and system for traffic management
CN114495056A (en) Parking lot pillar detection method, detection device, vehicle and storage medium
US11157755B2 (en) Image processing apparatus
KR102561657B1 (en) Traffic flow controlling method for controlling traffic signal with sensing vehicle
US11756420B2 (en) Vehicle detection system
US20230334980A1 (en) Method for predicting traffic information, apparatus for predicting traffic information, and storage medium storing instructions to perform method for predicting traffic information
RU2724596C1 (en) Method, apparatus, a central device and a system for recognizing a distribution shift in the distribution of data and / or features of input data

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
E902 Notification of reason for refusal
AMND Amendment
X601 Decision of rejection after re-examination