KR20190142216A - 마킹의 딥러닝 인식을 이용한 차량 검지 시스템 - Google Patents

Abstract

본 발명은 영상으로부터 설정된 영역 내에 구성되는 마킹부재의 인식 여부만을 판단하여 차량 또는 보행자 등의 이동물체를 감지하도록 하여 과도한 처리 부하를 저감시키면서도 감지 신뢰도를 향상시킬 수 있는 마킹의 딥러닝 인식을 이용한 차량 검지 시스템에 관한 것으로, 상세하게는 감지 대상 노면에서 하나 이상의 감지 영역을 설정하고 상기 감지 영역에서 기존 구조물을 이용하거나 신규로 설치되는 마킹부재; 상기 감지 영역을 포함한 감지 대상 노면을 촬영하고 영상신호를 출력하여 송신하는 카메라부; 및 상기 카메라부에서 송신하는 영상신호를 수신 및 입력받고 입력된 영상신호로부터 상기 마킹부재의 인식 여부를 판단하여 차량을 감지하도록 분석하고 분석 결과정보를 출력하는 영상분석부;를 포함하는 것이 특징이다.

Description

마킹의 딥러닝 인식을 이용한 차량 검지 시스템{Vehicle sensing system using deep learning recognition of marking}

본 발명은 영상으로부터 설정된 영역 내에 구성되는 마킹부재의 인식 여부만을 판단하여 차량 또는 보행자 등의 이동 물체를 감지하도록 하여 과도한 처리 부하를 저감시키면서도 감지 신뢰도를 향상시킬 수 있는 마킹의 딥러닝 인식을 이용한 차량 검지 시스템에 관한 것이다.

현대 사회에서 차량이 급증함에 따라 도로의 차량 통행수나 주차장에서의 주차 현황 등 관제 목적을 위하여 차량을 감지하는 시스템에 대한 다양한 연구 개발이 진행되고 있다.

종래 차량감지 시스템은 대표적으로 접촉형과 비접촉형으로 구분될 수 있다.

접촉형 차량감지 시스템의 일 예로 사용되고 있는 루프감지기(magnetic induction loops)는 도로 면에 두 개의 분리된 루프코일을 매설한 후 루프코일에 흐르는 전류와 차량이 통과할 때 발생되는 인덕턴스의 변화를 감지하여 차량의 속도, 점유율, 평균길이, 유고감지 등을 측정하는 감지기이다

그러나 측정 정도, 유지보수 및 고장율이 센서 설치 지점의 도로조건(변형, 재포장 등)과 격자 형태로 배열된 철근에 의해 인덕턴스 감쇄가 발생하여 루프감지기의 감도를 저하시킨다는 점에서 설치에 많은 제약이 따른다

접촉형 차량감지 시스템의 다른 예로 사용되는 자석식 감지기(micro cell detector)의 경우는 노면에 고투자율의 특성을 갖는 특수 합금물질의 센서를 차량 주행방향으로 일정간격을 뛰어 주센서와 부센서를 매설하고, 자석을 띠고 있는 차량이 감지기 주위를 통과 할 때 발생되는 미소량의 자계변화가 감지기의 비정질 연자성 코아의 자기 저항이 변화 원리에 의해 전류량의 차이로 변화되도록 하여 측정하는 감지 방식이다.

이러한 자석식 감지기는 센서 매설시 매설 깊이, 간격, 기울기 등의 허용오차가 도로의 변형에 의해 허용오차의 범위를 벗어났을 경우 감지율의 변화가 생기며, 교량 또는 철근 포장도로 등에서 철재 부분에 자석성부이 유도될 경우 지구자기를 영(zero)으로 보상하고 있는 센서에 균형이 깨어져 감지율에 영향을 줄 수 있다.

또한 주센서와 부센서는 상단부가 수평이 되어야 하는데 도로변형에 따른 수평이 무너졌을때 감지율 변화가 생기기 때문에 감지 신뢰도에 영향을 주게 된다.

이러한 도로 조건에 의한 영향을 적게 받게 하기 위하여 근래 들어 영상감지기와 초단파 감지기 등과 같은 비접촉형 차량감지 시스템이 제안되었다.

먼저 초단파 감지기의 경우 약 10∼24㎓대의 전자 주파수를 이용하며, 물체에 발사된 전자 주파수의 도플러 주파수를 분석하여 교통 매개변수를 측정하는 방법과 물체에 발사된 전자 주파수가 반사되어 되돌아오는 주파수를 시간적으로 계산하여 교통매개변수를 측정하는 방법인 레이더의 원리를 이용한 방법이다.

현재 과속 차량의 단속을 목적으로 많이 이용되고 있으며, 주야의 구별 없이 작동이 가능하지만 도로 측면에 설치 운영시 영상감지기와 같이 작은 차량이 큰 차량에 의해 가려지는 경우 감지율이 떨어지며, 설치각도는 감지기의 신뢰도에 많은 영향을 미치므로 감지대상 물체를 향해 감지기에서 발사되는 초단파가 도로 면과 상, 하로 이루는 각도인 상,하 경사각은 감지기의 설치시 중요한 요소가 된다.

따라서 각도 조절이 불량할 경우 인접 차량을 감지하게 되어 감지율에 영향을 주며, 재설정 작업에 어려움이 있다.

한편 영상감지기와 같은 비접촉형 차량감지 시스템은 카메라로 차량의 모습을 영상화하고, 학습을 통한 차량이미지와 영상에 나타난 차량을 비교 분석하여 차량을 감지하게 되는 것이다.

그러나 종래 영상감지기는 안개, 눈, 비와 같은 외부 환경의 변화에 의해 또는 주야가 바뀌는 천이시간대에 영상을 분석하는 알고리즘이 변경되면서 감지율이 현저히 떨어지는 단저이 있다.

특히 종래 영상감지기의 경우 영상으로부터 차량 자체의 이미지를 분석해야하기 다양한 차종에 대한 학습이 요구되는 등 트래킹이 과도하게 증가하여 시스템에 과부하를 초래하게 되며 학습되지 않은 차량이 검출될 경우 차량으로 판단하지 않을 가능성이 있기 때문에 감지 신뢰도가 상대적으로 낮다는 단점이 있다.

대한민국 등록특허 제10-0796920호

따라서 본 발명의 목적은 차량 또는 보행자 등 이동하는 물체를 감지함에 있어 과도한 처리 부하를 저감시키면서도 차량 감지의 신뢰도를 향상시킬 수 있는 마킹의 딥러닝 인식을 이용한 차량 검지 시스템을 제공하고자 함이다.

상기 목적을 이루기 위한 수단으로서 본 발명의 마킹의 딥러닝 인식을 이용한 차량 검지 시스템은, 감지 대상 노면에서 하나 이상의 감지 영역을 설정하고 상기 감지 영역에서 기존 구조물을 이용하거나 신규로 설치되는 마킹부재; 상기 감지 영역을 포함한 감지 대상 노면을 촬영하고 영상신호를 출력하여 송신하는 카메라부; 및 상기 카메라부에서 송신하는 영상신호를 수신 및 입력받고 입력된 영상신호로부터 상기 마킹부재의 인식 여부를 판단하여 차량을 감지하도록 분석하고 분석 결과정보를 출력하는 영상분석부;를 포함하는 것이 특징이다.

하나의 예로써, 상기 감지 대상 노면은 주차면이며 차량의 진출입 방향을 따라 선택된 둘 이상의 감지 영역이 상호 이격되도록 설정되며, 상기 영상분석부는, 상기 영상신호로부터 각 감지 영역에 구성되는 마킹부재의 인식 순서를 분석하여 차량의 주차 또는 출차를 감지할 수 있다.

하나의 예로써, 상기 카메라부는, 인접하는 둘 이상의 감지 대상 노면에 대한 감지 영역을 촬영할 수 있다.

하나의 예로서, 상기 감지 대상 노면은 도로면이며 차량의 주행 방향을 따라 선택된 둘 이상의 감지 영역이 상호 이격되도록 설정되며, 상기 영상분석부는, 상기 영상신호로부터 각 감지 영역에 구성되는 마킹부재의 인식 순서를 분석하여 차량의 진입 또는 진출을 감지할 수 있다.

하나의 예로써, 상기 영상분석부는, 상기 영상신호로부터 각 감지 영역에 구성되는 마킹부재 간에 인식 시간를 분석하여 차량의 주차 또는 정차를 판단할 수 있다.

하나의 예로써, 상기 감지 대상 노면에서 둘 이상의 감지 영역을 설정하며, 상기 영상분석부는, 상기 영상신호로부터 상기 둘 이상의 감지 영역에 각각 구성되는 마킹부재를 모두 인식하는 조건일 경우 감지 대상 노면에 대한 스냅샷 이미지를 추출하고, 상기 스냅샷 이미지를 분석하여 차량 또는 비차량을 구분할 수 있다.

이와 같이 본 발명의 마킹의 딥러닝 인식을 이용한 차량 검지 시스템은 영상으로부터 설정된 영역 내에 구성되는 마킹부재의 인식 여부만을 판단하여 차량 또는 보행자 등의 이동 물체를 감지하게 되므로 종래와 대비하여 그래픽 처리 부하를 저감시키면서도 차량 감지의 경우 차종은 물론 눈, 비와 같은 날씨 변화에도 영향을 받지 않고 검지가 가능하여 차량 감지의 신뢰도를 향상시킬 수 있는 효과가 있다.

도 1은 본 발명의 마킹의 딥러닝 인식을 이용한 차량 검지 시스템의 구성을 나타내는 블록도.
도 2는 본 발명의 일 실시 예에 따른 차량 감지 방법을 개략적으로 나타내는 도면.
도 3은 본 발명의 일 실시 예에 따른 영상분석부의 구성을 나타내는 블록도.
도 4는 본 발명의 일 실시 예에 따른 주차면에 대한 차량 감지 방법을 나타내는 도면.
도 5a 내지 5c는 본 발명의 일 실시 예에 따른 도로면에 대한 차량 감지 방법을 나타내는 도면.
도 6은 본 발명의 일 실시 예에 따른 비차량에 대한 감지 여부를 판단하는 방법을 나타내는 도면.

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.

도 1은 본 발명의 마킹의 딥러닝 인식을 이용한 차량 검지 시스템의 구성을 나타내는 블록도이며, 도 2는 본 발명의 일 실시 예에 따른 차량 감지 방법을 개략적으로 나타내는 도면이다.

도 1을 참조하면, 본 발명의 마킹의 딥러닝 인식을 이용한 차량 검지 시스템은 마킹부재(100)와 카메라부(200) 및 영상분석부(300)를 포함하여 구성될 수 있다.

상기 마킹부재(100)는 감지 대상 노면에서 하나 이상의 감지 영역(a)을 설정하고, 상기 감지 영역(a)에 구성될 수 있다.

여기서 상기 감지 대상 노면은 감지 목적과 감지 대상에 따라 주차장의 출입구, 도로, 인도 중 어느 하나일 수 있다.

그리고 상기 감지 대상은 차량(10) 또는 보행자와 같이 이동하는 물체일 수 있으나 이하 본 발명에서는 차량(10)을 그 대상으로 특정하여 설명한다.

상기 마킹부재(100)는 상기 감지 영역(a) 표면 상에서 문자 또는 기호 또는 도형 등으로 표시될 수 있다. 본 발명에서는 상기 마캉부재(100)의 표시 형상과 이를 표시하는 방법에 있어서는 한정하지 않는다.

예를 들면 상기 마킹부재(100)는 상기 감지 영역(a)에서 기존 구조물 즉 도로나 인도 등에 기설치된 구조물을 이용할 수도 있으며, 기설치된 구조물을 이용하기가 곤란할 경우 신규로 설치될 수 있다.

상기 감지 영역(a)과 마킹부재(100)의 수는 적어도 하나 이상 구성될 수 있으나, 감지 목적과 신뢰성 향상 등을 고려하여 둘 이상을 적절히 배치 구성하는 것이 바람직하다.

상기 카메라부(200)는 상기 감지 영역(a)을 포함하는 감지 대상 노면을 촬영한 영상신호를 생성하고, 생성된 영상신호를 출력하여 상기 영상분석부(300)로 송신한다.

이러한 카메라부(200)는 설정된 영역만을 촬영하는 고정형 카메라 또는 외부로부터 전송되는 제어신호에 의해 좌, 우 회전은 물론 상, 하 방향의 움직임 및 줌 기능을 수행하는 PTZ(Pan Tilt Zoom) 카메라 중 하나 일 수 있다.

상기 카메라부(200)는 영상신호와 촬영일/시 정보, 구동 정보 등의 다양한 이벤트 신호는 물론 식별코드를 포함한 정보들을 취합하여 상기 영상분석부(300)로 함께 송신할 수 있다.

상기 영상분석부(300)는 상기 카메라부(200)에서 송신하는 영상신호를 수신 및 입력받으며 이를 관리 구역별로 분류하여 저장할 수 있다.

그리고 상기 영상분석부(300)는 입력된 영상신호로부터 상기 마킹부재(100)의 인식 여부를 판단하여 차량(10)을 감지하도록 분석하고, 분석 결과 정보를 출력할 수 있으며, 원격지의 관제센터(400)의 요청에 응답하여 출력한 분석 결과 정보를 송신할 수 있다.

즉 상기 영상분석부(300)는 입력된 영상에 있어 차량(10) 등을 직접적으로 감지하는 것이 아니라, 감지 영역(a)에 구성되는 마킹부재(100)의 인식 여부를 통해 간접적으로 차량(10) 등의 이동 물체를 감지하게 되는 것이다.

이러한 영상분석부(300)는 딥러닝 뉴럴 네트워크(deep learning neural network) 방식을 통해 마킹부재(100)에 대한 인식을 학습할 수 있다. 이는 종래와 같이 차량(10) 자체를 인식하기 위한 학습 방식에 비하여 영상 처리 부하를 현저히 저감시킬 수 있으며, 차종은 물론 눈, 비와 같은 날씨 변화에도 영향을 받지 않고서도 차량을 감지할 수 있게 된다.

상기 영상분석부(300)는 감지 대상 노면을 촬영한 영상을 입력받고, 감지 대상 노면에 대한 영상으로부터 감지 영역(a)만을 추출하여 감지 영역(a)에 구성된 마킹부재(100)의 인식 여부를 판단한다.

일 예로 상기 영상분석부(300)는 감지 영역(a)에 구성된 마킹부재(100)가 미인식되었다고 판단할 경우 차량(10)을 감지한 것으로 분석할 수 있으며, 반대로 도 2에 도시된 바와 같이 감지 영역(a)의 마킹부재(100)가 인식되었다고 판단할 경우 차량(10)이 감지되지 않은 것으로 분석할 수 있다.

상기 영상분석부(300)는 상기 카메라부(200)에 일체로 결합된 것이거나, 관제센터(400)와 같은 원격지에 구비되어 상기 카메라부(200)에서 송신하는 영상신호를 수신받아 데이터 처리하는 것일 수 있다.

도 3은 본 발명의 일 실시 예에 따른 영상분석부의 구성을 나타내는 블록도이고, 도 4는 본 발명의 일 실시 예에 따른 주차면에 대한 차량 감지 방법을 나타내는 도면이며, 도 5a 내지 5c는 본 발명의 일 실시 예에 따른 도로면에 대한 차량 감지 방법을 나타내는 도면이다.

상기 영상분석부(300)는 도 3에 도시된 바와 같이 통신모듈(310)과 영상입력모듈(320)과 마킹인식모듈(330)과 차량감지모듈(340) 및 정보출력모듈(350)을 포함하여 구성될 수 있다.

상기 통신모듈(310)은 상기 카메라부(200) 및 상기 관제센터(400)와 데이터 송수신을 지원한다.

상기 통신모듈(310)은 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 하나의 통신망을 지원할 수 있으며 선택된 하나의 통신망을 통해 상기 카메라부(200)로부터 영상신호를 수신받거나 데이터 처리된 분석 결과 정보를 상기 관제센터(400)로 송신할 수 있다.

상기 영상입력모듈(320)은 상기 통신모듈(310)을 통해 수신한 영상신호를 입력받고 이를 상기 마킹인식모듈(330)으로 전달할 수 있다.

상기 마킹인식모듈(330)은 상기 영상입력모듈(320)로부터 영상신호를 전달받으며, 감지 대상 노면에 대한 영상에서 하나 이상의 감지 영역(a)을 추출하고 각 감지 영역(a)에 구성된 마킹부재(100)의 인식 여부를 선택적으로 판단하며 그 결과를 출력하여 상기 차량감지모듈(340)로 전달할 수 있다.

상기 차량감지모듈(340)은 상기 마킹인식모듈(330)로부터 전달되는 결과 정보를 수신하며 결과 정보에 따라 차량(10)의 감지 유무를 분석한다.

일 예로 상기 차량감지모듈(340)은 마킹부재(100)가 인식되었다는 판단 결과를 전달받은 경우 차량(10)을 감지한 것으로 판단할 수 있으며, 반대로 마킹부재(100)가 미인식되었다는 판단 결과를 전달받은 경우에는 차량(10)을 감지하지 않은 것으로 판단할 수 있다.

이러한 차량감지모듈(340)의 데이터 처리 정보는 즉 차량(10) 감지 유무에 대한 분석 결과 정보는 누적 저장될 수 있으며, 관제센터(400)와 같은 외부 요청에 따라 제공될 수 있다.

상기 정보출력모듈(350)은 상기 통신모듈(310)을 통해 외부로부터 분석 결과 정보의 요청신호가 수신되는 경우 상기 차량감지모듈(340)에 저장된 분석 결과 정보를 응답정보로서 제공하도록 명령할 수 있다.

상기 정보 제공은 실시간 또는 선택된 시간마다 제공될 수 있으며, 앞서 설명한 바와 같이 외부의 요청이 있을 경우 응답하여 제공될 수 있다.

이와 같은 본 발명의 마킹의 딥러닝 인식을 이용한 차량 검지 시스템은 차량의 감지 목적에따라 도로의 선택된 하나의 구역 또는 도로의 진출입구나 주차장 등에서 구축될 수 있으며, 제공되는 차량 감지에 대한 분석 결과 정보를 다양하게 활용할 수 있도록 한다.

예를 들면, 상기 감지 대상 노면은 주차면일 수 있으며, 차량(10)의 진출입 방향을 따라 선택된 둘 이상의 감지 영역(a)이 상호 이격되도록 설정될 수 있다.

즉 본 실시 예의 도 4에 도시되 바와 같이 주차면에 대한 차량(10)의 주차 여부를 판단하기 위한 것으로, 상기 영상분석부(300)는 상기 영상신호로부터 각 감지 영역에 구성되는 마킹부재(100)를 인식하되 각 마킹부재(100)의 인식 순서를 분석하여 차량(10)의 주차 또는 출차를 감지할 수 있다.

도 4에 의하면, 먼저 하나의 주차면의 선단에 구성된 마킹부재(100)가 미인식된 상태에서 후단에 구성된 마킹부재(100)가 인식되면 차량(10)이 감지됨과 더불어 차량(10)이 주차중인 것으로 판단할 수 있으며, 이후 연속적으로 후단에 구성된 마킹부재(100)마저 미인식된 상태에서 일정 시간이 경과하면 차량(10)이 완전히 주차된 것으로 판단할 수 있다.

또한 반대로 하나의 주차면의 후단에 구성된 마킹부재(100)가 영상을 통해 인식되며 차량(10)의 출차가 진행중인 것으로 판단할 수 있으며, 이후 연속적으로 선단에 구성된 마킹부재(100)마저 인식이 완료되면 차량(10)이 출차된 것으로 판단할 수 있다.

이러한 영상분석부(200)의 차량 감지 여부와 주차 또는 출차에 대한 분석 결과 정보는 주차장의 관제센터(400)의 요청에 실시간으로 또는 기설정된 시간마다 제공될 수 있다.

여기서 상기 카메라부(200)는 인접하는 둘 이상의 감지 대상 노면에 대한 감지 영역을 촬영할 수 있다.

즉 하나의 카메라부(200)를 통해 복수의 주차면을 감지할 수 있게 되는 것이며, 상기 영상분석부(200)에서는 입력된 영상신호를 분석함에 있어 주차면별 고유의 식별정보를 부여하여 각 주차면에 대한 분석 결과 정보를 식별할 수 있도록 한다.

다른 예로서 상기 감지 대상 노면은 도로면일 수 있으며, 차량(10)의 주행 방향을 따라 선택된 둘 이상의 감지 영역(a)이 상호 이격되도록 설정될 수 있다.

이 경우는 도 5a 내지 도 5c에 도시된 바와 같이 주차장의 출입구나 도로의 진출입 구역 등에서의 차량 감지를 수행할 수 있다.

즉 상기 영상분석부(300)는 상기 영상신호로부터 각 감지 영역(a)에 구성되는 마킹부재(100)의 인식 순서를 분석하여 차량(10)의 진입 또는 진출을 감지할 수 있으며, 분석 결과 정보로서 차량(10)의 진입과 진출 각각에 대한 감지 여부뿐 아니라 차량(10)의 진입과 진출에 대한 감지 카운팅 정보를 출력하여 제공할 수 있다.

도 5a 및 도 5b를 참조하면 상기 영상분석부(300)는 입력된 영상을 분석함에 있어 차량(10)의 진행 방향 기준으로 차량(10)이 먼저 접하게 되는 선단에 구성된 마킹부재(100)가 미인식된 상태에서 연속적으로 후단에 구성된 마킹부재(100)마저 미인식되면 차량(10)이 진입한 것으로 판단할 수 있다.

그리고 도 5c에 도시된 바와 같이 차량(10)의 진입 이후 진행 방향 기준으로 후단에 구성된 마킹부재(100)가 인식되면 차량(10)이 진출한 것으로 판단할 수 있다.

또한 도면에 도시된 바 없으나, 본 발명의 마킹의 딥러닝 인식을 이용한 차량 검지 시스템은 도로면을 감지 대상으로 할 경우 상술한 마킹 인식 방법을 통해 상기 영상신호로부터 각 감지 영역(a)에 구성되는 마킹부재(100) 간에 인식 시간를 분석하여 차량의 주차 또는 정차를 판단할 수도 있다.

즉 상기 영상분석부(100)는 마킹부재(100)의 미인식을 통해 차량을 감지할 수 있는 바, 주차 또는 정차에 대응하는 시간을 설정하고, 설정된 시간 이상으로 마킹부재(100)의 미인식 상태가 유지되면 차량(10)이 주차 또는 정차 중이라고 판단할 수 있다.

도 6은 본 발명의 일 실시 예에 따른 비차량에 대한 감지 여부를 판단하는 방법을 나타내는 도면이다.

한편 본 발명의 마킹의 딥러닝 인식을 이용한 차량 검지 시스템에 의하면 영상으로부터 마킹부재(100)의 인식 여부를 통해 차량을 감지함에 있어서는 마킹부재(100)만으로 차량과 비차량을 구분하기에 어려움이 있다.

즉 도 6에 도시된 바와 같이 차량이 아닌 행인이 감지 영역(a)을 가리거나 마킹부재(100) 위치에 서있을 경우, 상기 영상분석부(300)는 마킹부재(100)의 인식 여부를 통해서면 차량(10)을 감지하게 되므로 행인가 같은 비차량과 차량(10)을 구분하여 감지할 필요성이 있다.

이에 본 발명의 실시 예에서는 상기 감지 대상 노면에서 둘 이상의 감지 영역(a)을 설정하며, 상기 영상분석부(300)는 상기 영상신호로부터 상기 둘 이상의 감지 영역(a)에 각각 구성되는 마킹부재(100)를 모두 인식하는 조건일 경우 감지 대상 노면에 대한 스냅샷 이미지를 추출하고, 상기 스냅샷 이미지를 분석하여 차량(10) 또는 비차량을 구분하도록 할 수 있다.

이때 차량(10)과 비차량의 구분 방법은 영상으로부터 형상 이미지를 통해 분석하여 차량(10)을 검지하는 것으로 이러한 방법은 공지의 영상 처리방법 중 적합한 하나를 선택하여 이용할 수 있으므로 이에 대한 구체적인 설명은 생략한다.

또한 상기 영상분석부(300)는 스냅샷 이미지를 분석하여 차량(10)과 비차량을 구분하고 최종적으로 차량(10)을 감지할 수 있으며 이러한 분석 처리 결과는 관제센터(400)의 요청에 응답하여 제공될 수 있다.

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.

10 : 차량 100 : 마킹부재
200 : 카메라부 300 : 영상분석부
310 : 통신모듈 320 : 영상입력모듈
330 : 마킹인식모듈 340 : 차량감지모듈
350 : 정보출력모듈 400 : 관제센터

Claims (6)

1. 감지 대상 노면에서 하나 이상의 감지 영역을 설정하고 상기 감지 영역에서 기존 구조물을 이용하거나 신규로 설치되는 마킹부재;
   상기 감지 영역을 포함한 감지 대상 노면을 촬영하고 영상신호를 출력하여 송신하는 카메라부; 및
   상기 카메라부에서 송신하는 영상신호를 수신 및 입력받고 입력된 영상신호로부터 상기 마킹부재의 인식 여부를 판단하여 차량을 감지하도록 분석하고 분석 결과정보를 출력하는 영상분석부;를 포함하는 것을 특징으로 하는 마킹의 딥러닝 인식을 이용한 차량 검지 시스템.
   
2. 제 1항에 있어서,
   상기 감지 대상 노면은 주차면이며 차량의 진출입 방향을 따라 선택된 둘 이상의 감지 영역이 상호 이격되도록 설정되며,
   상기 영상분석부는,
   상기 영상신호로부터 각 감지 영역에 구성되는 마킹부재의 인식 순서를 분석하여 차량의 주차 또는 출차를 감지하는 것을 특징으로 하는 마킹의 딥러닝 인식을 이용한 차량 검지 시스템.
   
3. 제 1항에 있어서,
   상기 카메라부는,
   인접하는 둘 이상의 감지 대상 노면에 대한 감지 영역을 촬영하는 것을 특징으로 하는 마킹의 딥러닝 인식을 이용한 차량 검지 시스템.
   
4. 제 1항에 있어서,
   상기 감지 대상 노면은 도로면이며 차량의 주행 방향을 따라 선택된 둘 이상의 감지 영역이 상호 이격되도록 설정되며,
   상기 영상분석부는,
   상기 영상신호로부터 각 감지 영역에 구성되는 마킹부재의 인식 순서를 분석하여 차량의 진입 또는 진출을 감지하는 것을 특징으로 하는 마킹의 딥러닝 인식을 이용한 차량 검지 시스템.
   
5. 제 4항에 있어서,
   상기 영상분석부는,
   상기 영상신호로부터 각 감지 영역에 구성되는 마킹부재 간에 인식 시간를 분석하여 차량의 주차 또는 정차를 판단하는 것을 특징으로 하는 마킹의 딥러닝 인식을 이용한 차량 검지 시스템.
   
6. 제 1항에 있어서,
   상기 감지 대상 노면에서 둘 이상의 감지 영역을 설정하며,
   상기 영상분석부는,
   상기 영상신호로부터 상기 둘 이상의 감지 영역에 각각 구성되는 마킹부재를 모두 인식하는 조건일 경우 감지 대상 노면에 대한 스냅샷 이미지를 추출하고, 상기 스냅샷 이미지를 분석하여 차량 또는 비차량을 구분하는 것을 특징으로 하는 마킹의 딥러닝 인식을 이용한 차량 검지 시스템.

Images