KR20210048132A - 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법 - Google Patents

Abstract

본 발명은 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법에 관한 것으로, 딥러닝을 포함하는 인공지능 기법을 통해 차량 이미지를 학습하여 차량종류별로 차량을 인식하기 위한 복수의 차량 인식용 학습모델과, 차량이 아닌 비차량 객체에 대한 이미지를 학습하여 차량이 아닌 타 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하고, 상기 생성한 각 학습모델을 통해 주차장 진출입로에 설치된 차단바에 근접하는 차량 또는 비차량 객체를 정확하게 구분하여 인식함으로써, 주차장을 이용하는 차량에 대한 관리를 효율적으로 수행할 수 있도록 하는 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법에 관한 것이다.

Description

인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법{LIFTING GATE FOR PARKING EQUIPPED WITH VEHICLE RECOGNIZER THROUGH IMAGE ANALYSIS BASED ON ARTIFICIAL INTELLIGENCE AND CONSTRUCTION METHOD THEREOF}

본 발명은 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법에 관한 것으로, 더욱 상세하게는 딥러닝을 포함하는 인공지능 기법을 통해 차량 이미지를 학습하여 차량종류별로 차량을 인식하기 위한 복수의 차량 인식용 학습모델과, 차량이 아닌 비차량 객체에 대한 이미지를 학습하여 차량이 아닌 타 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하고, 상기 생성한 각 학습모델을 통해 주차장 진출입로에 설치된 차단바에 근접하는 차량 또는 비차량 객체를 정확하게 구분하여 인식함으로써, 주차장을 이용하는 차량에 대한 관리를 효율적으로 수행할 수 있도록 하는 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법에 관한 것이다.

최근 자동차 산업기술이 급속하게 발달함과 동시에 가정이나 개인 소득이 증가함으로 인해 하나의 가정에 최소 한대 이상의 자동차를 구비하여 운용하는 시대가 도래 했다.

이에 따라, 백화점, 지하철, 관공서, 아파트 등과 같이 차량의 이동이 많은 장소에서는 전용의 주차장을 구비하여 차량을 구비한 사람들에게 편의를 제공하고 있으며, 상기 주차장에는 차량의 진출입을 통제하고 주차요금을 징수하기 위한 주차 차단기가 필수적으로 구비된다.

일반적으로 주차 차단기는, 차량 진출입로의 지면에 매설되어 상부에서 차량이 이동하는 것을 감지하는 루프코일, 상기 감지한 결과에 따라 차량의 번호판을 촬영하기 위한 카메라, 상기 촬영한 차량의 번호판으로부터 차량번호를 인식하는 차량번호 인식수단 및 차량의 진출입을 통제하기 위한 차단바를 포함하여 구성된다.

즉, 종래의 주차 차단기는, 차량의 이동을 인식하는 루프코일과, 상기 인식한 결과에 따라 차량을 촬영하여 차량번호를 인식하도록 하는 카메라를 개별적으로 구비하는 구조로 구비된다.

그러나 루프코일의 경우, 지면에 매설하여 설치하여야 하고, 상기 루프코일을 교체하거나 수리해야하는 경우에도 상기 지면을 파손한 후, 재정비해야 하므로 주차 차단기의 설치비용이나, 유지보수비용이 과다하게 소요되는 단점이 있다.

또한 상기 루프코일은, 상부에 차량과 같은 금속물체가 이동할 때, 변화되는 임피던스를 감지하여 차량을 인식하기 때문에 실제 차량이 아닌 금속의 경우에도 차량으로 인식하는 문제점이 있으며, 차량의 종류를 인식하기에는 그 한계가 있다.

따라서 주차 차단기에 일반적으로 구비되는 카메라를 통해 촬영되는 영상을 기반으로 차량의 접근을 정확하게 인식하고, 이와 동시에 차량번호를 인식할 수 있다면 주차 차단기의 설치비용이나 유지보수비용을 현저하게 줄일 수 있을 것이다.

이에 따라 본 발명에서는, 딥러닝과 같은 인공지능 방법을 통해 차량의 이미지와, 상기 차량의 종류 및 상기 전방 이미지에 대한 카메라와의 거리정보간의 매핑관계 및 비차량 객체의 이미지와, 해당 객체의 종류 및 해당 객체의 이미지에 대한 카메라와의 거리정보간의 매핑관계를 학습하여, 차량의 종류에 따라 차량을 인식하기 위한 복수의 차량 인식용 학습모델과, 비차량 객체를 인식하기 위한 비차량 인식용 학습모델을 각각 생성하고, 실제 상기 카메라로부터 영상이 입력되는 경우, 상기 영상의 각 프레임을 상기 각 학습모델에 순차적으로 적용하여, 상기 각 학습모델의 출력결과에 따라 진출입로에 설치된 차단바로 근접하는 차량 또는 비차량 객체를 정확하게 구분하여 인식할 수 있도록 하여 주차장에 대한 차량의 진출입을 효율적으로 통제할 수 있도록 함과 동시에, 상기 인식한 결과에 따른 피드백을 제공 받아, 상기 생성한 차량 인식용 학습모델과, 상기 비차량 인식용 학습모델에 대한 강화학습을 지속적으로 수행함으로써, 상기 각 학습모델을 고도화시켜 상기 차단바에 근접하는 차량이나, 비차량을 더욱 정확하게 인식하여 상기 통제를 보다 효율적으로 수행할 수 있도록 하는 방안을 제안하고자 한다.

다음으로 본 발명의 기술분야에 존재하는 선행기술에 대하여 간단하게 설명하고, 이어서 본 발명이 상기 선행기술에 비해서 차별적으로 이루고자 하는 기술적 사항에 대해서 기술하고자 한다.

먼저 한국공개특허 제2013-0066829호(2013.06.21.)는 지능형 카메라 협업 기반 주차관리 시스템에 관한 것으로, 차량 인식기를 통해 주차장에 진입하는 차량을 인식하여, 해당 차량에 대한 차량번호, 입차시간과 같은 차량의 기본적인 정보를 획득하여 서버로 전송하며, 복수의 지능형 카메라를 통해 주차장 내에 이동하는 차량에 대한 위치정보 및 해당 차량에 대한 객체 ID를 생성하여 상기 서버로 전송함으로써, 주차장을 이용하는 차량에 대한 주차를 관리할 수 있도록 하는 지능형 카메라 협업 기반 주차관리 시스템에 관한 것이다.

그러나 상기 선행기술은, 차량 인식기를 통해 차량을 인식하는 정도만을 기재하고 있을 뿐, 본 발명과 같이 복수의 차량 이미지와, 해당 차량의 종류 및 상기 차량 이미지에 대한 카메라와의 거리정보 간의 매핑관계를 학습하여, 차량 인식용 학습모델을 생성하는 것도 아니며, 실제 카메라를 통해 촬영된 영상의 프레임을 상기 생성한 차량 인식용 학습모델에 순차적으로 입력하여 출력된 결과를 토대로 차량의 진출입로에 각각 설치된 차단바에 근접하는 차량을 정확하게 인식하는 방법에 대해서도 전혀 기재되어 있지 않아, 상기 선행기술과 본 발명은 분명한 차이점이 있다.

또한, 한국공개특허 제2019-0079394호(2019.07.05.)는 차량 인식 카메라 및 차량 인식 시스템에 관한 것으로, 루프 센서 또는 레이저 센서로 구성되는 차량인식 센서를 차량의 진입구 또는 진출구에 설치하여 진입 또는 진출하는 임의의 차량을 인식하고, 차량이 인식된 경우 카메라를 통해 차량 이미지를 캡쳐링함으로써, 캡쳐링된 차량 이미지로부터 차량번호를 인식하도록 하는 차량 인식 카메라 및 차량 인식 시스템에 관한 것이다.

즉, 상기 선행기술은 루프 센서나 레이저 센서와 같은 차량인식 수단과, 차량을 촬영하는 카메라를 별도로 구비하여 차량번호를 인식하도록 하는 것이다.

반면에 본 발명은, 차량 종류에 따란 복수의 차량 이미지와, 차량이 아닌 타 객체에 대한 이미지를 학습하여 생성한 차량 인식용 학습모델 및 비차량 인식용 학습모델을 통해, 카메라를 통해 촬영된 영상만으로도 차량이나, 차량이 아닌 타 객체를 정확하게 인식함과 동시에 해당 차량에 대한 차량번호를 인식할 수 있도록 하는 것으로 상기 선행기술은 이러한 본 발명의 기술적 특징을 전혀 기재하거나, 시사 혹은 암시도 없음이 분명하다.

본 발명은 상기와 같은 문제점을 해결하기 위해 창작된 것으로서, 차량의 진입로, 진출로를 포함하는 차량 진출입로에 이동하는 물체가 인식될 때, 상기 진출입로에 각각 위치하는 카메라를 통해 촬영된 영상만으로도 주차장을 이용하는 차량 및 해당 차량에 대한 차량번호를 동시에 인식할 수 있도록 하는 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법을 제공하는 것을 목적으로 한다.

또한 본 발명은 복수의 차량에 대한 차량 이미지와, 해당 차량의 종류 및 해당 차량과 카메라간의 거리정보에 대한 매핑관계를 학습하여 생성한 복수의 차량인식용 학습모델과, 사람, 동물, 카드(cart) 등과 같이 차량이 아닌 타 객체의 이미지와, 객체의 종류 및 해당 객체와 카메라간의 거리정보에 대한 매핑관계를 학습하여 생성한 비차량 인식용 학습모델을 생성하고, 실질적으로 상기 카메라를 통해 촬영된 영상을 상기 차량인식용 학습모델과 상기 비차량 인식용 학습모델에 적용함으로서, 상기 진출입로에 설치된 차단바에 근접하는 차량을 정확하게 인식할 수 있도록 하는 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법을 제공하는 것을 목적으로 한다.

또한 본 발명은, 상기 인식결과에 대한 피드백 정보를 제공 받아, 상기 제공 받은 피드백 정보에 따라 상기 생성한 각 학습모델에 대한 강화학습을 지속적으로 수행하여, 상기 각 학습모델을 점진적으로 고도화시킴으로써, 상기 차량을 정확하게 인식할 수 있도록 하는 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법을 제공하는 것을 목적으로 한다.

본 발명의 일 실시예에 따른 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기는, 복수의 차량에 대한 차량 이미지와, 상기 각 차량에 대한 차량종류, 차량규모 및 카메라와의 거리정보간의 매핑관계를 학습하여, 차량종류별로 차량을 인식하기 위한 복수의 차량 인식용 학습모델을 생성하는 차량 인식용 학습모델 생성부, 복수의 비차량 객체에 대한 객체 이미지와, 상기 각 객체 이미지에 대한 객체종류 및 카메라와의 거리정보간의 매핑관계를 학습하여, 비차량 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하는 비차량 인식용 학습모델 생성부 및 상기 주차장 진출입로에 설치되는 카메라에서 촬영된 영상을 상기 생성한 복수의 차량 인식용 학습모델과 상기 비차량 인식용 학습모델에 입력하여, 상기 영상에 포함된 물체가 차량 또는 비차량 객체인지에 대한 여부를 판단함으로써, 상기 주차장 진출입로에 설치된 각 차단바에 근접하는 차량을 인식하는 차량 인식부를 포함하는 것을 특징으로 한다.

또한 상기 복수의 차량 인식용 학습모델은, 상기 카메라에서 촬영된 영상에 대한 복수의 프레임을 순서대로 입력받아, 상기 각 프레임별로 차량종류에 대한 확률, 차량규모에 대한 확률, 상기 거리정보별 확률 또는 이들의 조합을 출력하며, 상기 비차량 인식용 학습모델은, 상기 카메라에서 촬영된 영상에 대한 복수의 프레임을 순서대로 입력받아, 상기 각 프레임별로 비차량 객체의 종류에 대한 확률, 상기 거리정보별 확률 또는 이들의 조합을 출력하는 것을 특징으로 한다.

또한 상기 주차 차단기는, 상기 영상에 포함된 물체가 차량 또는 비차량으로 인식되지 않는 경우에는, 상기 영상 및 상기 인식결과를 관리서버로 제공하여 이에 대한 피드백 정보를 수신하는 피드백 정보 수신부 및 상기 수신한 피드백 정보에 따라, 해당 피드백 정보를 상기 생성한 복수의 차량 인식용 학습모델, 상기 비차량 인식용 학습모델 또는 이들의 조합에 적용함으로써, 상기 각 학습모델에 대한 강화학습을 수행하여 상기 각 학습모델을 업데이트하는 강화 학습부를 더 포함하며, 상기 피드백 정보는, 상기 영상에 포함된 물체가 차량인 경우, 상기 영상의 각 프레임별로 차량종류, 차량규모 및 카메라간 거리정보를 매핑한 매핑 테이블을 포함하며, 상기 영상에 포함된 물체가 비차량 객체인 경우, 상기 영상의 각 프레임별로 객체종류 및 카메라간 거리정보를 매핑한 매핑 테이블을 포함하는 것을 특징으로 한다.

또한 상기 차량 인식부는, 상기 프레임별로 상기 차량 인식용 학습모델 및 비차량 인식용 학습모델의 출력결과를 참조하여, 미리 설정한 임계값을 초과하고, 가장 높은 확률을 가지는 차량종류와 비차량 객체의 종류를 선택하여, 상기 선택한 차량종류가 비차량 객체의 종류에 대한 확률보다 높은 경우, 상기 가장 높은 확률을 가지는 차량종류를 출력한 특정 차량 인식용 학습모델의 출력결과 중, 제일 높은 확률을 가지는 차량규모 및 거리정보를 프레임별로 선택하여, 상기 프레임별로 선택한 차량종류가 모두 동일하고 상기 거리정보가 점진적으로 감소되는 경우, 상기 물체가 상기 차단바에 근접하는 차량으로 인식하는 것을 특징으로 한다.

또한 상기 주차 차단기는, 상기 카메라를 통해 주간에 촬영된 영상의 각 프레임을 순차적으로 비교하여, 상기 각 프레임의 변화가 감지되는 경우, 주간에 상기 진출입로에 물체가 존재하는 것으로 인식하거나, 상기 차단바의 상단에 구비되고 야간에 동작하는 조도 센서의 감지결과가 미리 설정한 임계값을 초과하는 경우, 야간에 상기 진출입로에 물체가 존재하는 것으로 인식하는 물체 인식부를 더 포함하며, 상기 차량 인식부는, 상기 물체가 인식되는 경우에, 상기 영상에 포함된 물체가 차량 또는 비차량 객체인지에 대한 여부를 판단하는 것을 특징으로 한다.

또한 상기 차량 인식부는, 상기 주차장 내부로 진입하는 차량을 인식한 경우에는, 상기 선택한 해당 차량의 차량종류, 차량규모, 해당 차량의 차량번호 및 진입시간을 포함하는 차량정보를 저장하여, 해당 차량이 주차장 외부로 진출할 때, 상기 저장한 차량정보를 참조하여 사전에 설정한 차량종류, 차량규모 및 주차장 이용시간에 따라 주차요금을 결제 받도록 하는 것을 특징으로 한다.

아울러 본 발명의 일 실시예에 따른 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기 구성 방법은, 상단에 조도 센서를 포함하고, 주차장 진출입로에 차량의 진출입을 통제하기 위한 차단바를 각각 구성하는 단계, 상기 주차장 진출입로에 대한 영상을 각각 촬영하는 카메라를 구성하는 단계 및 복수의 차량에 대한 차량 이미지와, 상기 각 차량 이미지에 대한 차량종류, 차량규모 및 카메라와의 거리정보간의 매핑관계를 학습하여 차량종류별로 차량을 인식하기 위한 복수의 차량 인식용 학습모델과, 복수의 비차량 객체에 대한 객체 이미지와, 상기 각 객체 이미지에 대한 객체종류 및 카메라와의 거리정보간의 매핑관계를 학습하여, 비차량 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하고, 상기 주차장 진출입로에 설치되는 카메라에서 촬영된 영상을 상기 생성한 복수의 차량 인식용 학습모델과 상기 비차량 인식용 학습모델에 입력하여, 상기 영상에 포함된 물체가 차량 또는 비차량 객체인지에 대한 여부를 판단함으로써, 상기 주차장 진출입로에 설치된 각 차단바에 근접하는 차량을 인식하는 차량 인식기를 구성하는 차량 인식기 구성 단계를 포함하는 것을 특징으로 한다.

또한 상기 차량 인식기 구성 단계는, 상기 영상에 포함된 물체가 차량 또는 비차량으로 인식되지 않는 경우에는, 상기 영상 및 상기 인식결과를 관리서버로 제공하여 이에 대한 피드백 정보를 수신하는 피드백 정보 수신부를 구성하는 단계 및 상기 수신한 피드백 정보에 따라, 해당 피드백 정보를 상기 생성한 복수의 차량 인식용 학습모델, 상기 비차량 인식용 학습모델 또는 이들의 조합에 적용함으로써, 상기 각 학습모델에 대한 강화학습을 수행하여 상기 각 학습모델을 업데이트하는 강화 학습부를 구성하는 단계를 더 포함하는 것을 특징으로 한다.

또한 상기 차량 인식기는, 상기 프레임별로 상기 차량 인식용 학습모델 및 비차량 인식용 학습모델의 출력결과를 참조하여, 미리 설정한 임계값을 초과하고, 가장 높은 확률을 가지는 차량종류와 비차량 객체의 종류를 선택하여, 상기 선택한 차량종류가 비차량 객체의 종류에 대한 확률보다 높은 경우, 상기 가장 높은 확률을 가지는 차량종류를 출력한 특정 차량 인식용 학습모델의 출력결과 중, 제일 높은 확률을 가지는 차량규모 및 거리정보를 프레임별로 선택하여, 상기 프레임별로 선택한 차량종류가 모두 동일하고 상기 거리정보가 점진적으로 감소되는 경우, 상기 물체가 상기 차단바에 근접하는 차량으로 인식하도록 구성되는 것을 특징으로 한다.

또한 상기 차량 인식기 구성 단계는, 상기 카메라를 통해 주간에 촬영된 영상의 각 프레임을 순차적으로 비교하여, 상기 각 프레임의 변화가 감지되는 경우, 주간에 상기 진출입로에 물체가 존재하는 것으로 인식하거나, 상기 차단바의 상단에 구비되고 야간에 동작하는 조도 센서의 감지결과가 미리 설정한 임계값을 초과하는 경우, 야간에 상기 진출입로에 물체가 존재하는 것으로 인식하는 물체 인식부를 구성하는 단계를 더 포함하며, 상기 차량 인식기는, 상기 물체가 인식되는 경우, 상기 영상에 포함된 물체가 차량 또는 비차량 객체인지에 대한 여부를 판단하도록 구성되는 것을 특징으로 한다.

이상에서와 같이 본 발명의 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법에 따르면, 카메라를 통해 촬영되는 영상만으로도 주차장을 이용하는 차량과 차량번호를 효율적으로 인식할 수 있도록 함으로써, 주차 차단기의 설치비용이나, 유지보수비용을 현저하게 감소시킬 수 있도록 하는 효과가 있다.

또한 본 발명은, 복수의 차량 이미지를 학습하여 생성한 차량인식용 학습모델과, 차량이 아닌 비차량 객체의 이미지를 학습하여 생성한 비차량 인식용 학습모델을 이용하여 차량 진출입로에 설치된 차단바에 근접하는 차량 및 비차량 객체를 정확하게 구분하여 상기 차량을 신속하게 인식할 수 있도록 하는 효과가 있다.

또한 본 발명은, 상기 차량인식용 학습모델과, 상기 비차량 인식용 학습모델에 대한 강화학습을 지속적으로 수행하여, 상기 각 학습모델을 고도화시켜 차량 인식에 대한 정확성 및 신뢰성을 보장할 수 있도록 하는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법을 설명하기 위해 나타낸 개념도이다.
도 2는 본 발명의 일 실시예에 따른 차량인식용 학습모델과 비차량 인식용 학습모델을 설명하기 위해 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 차량 인식기의 구성을 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 주차장을 이용하는 차량을 인식하는 절차를 나타낸 흐름도이다.
도 5는 본 발명의 일 실시에에 따른 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기를 구성하는 절차를 나타낸 흐름도이다.

이하, 첨부한 도면을 참조하여 본 발명의 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법에 대한 바람직한 실시예를 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다. 또한 본 발명의 실시예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는 것이 바람직하다.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법을 설명하기 위해 나타낸 개념도이다.

도 1에 도시한 바와 같이, 본 발명의 일 실시예에 따른 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기(10)(이하 주차 차단기라 칭함)는, 주차장 진입로와 주차장 진출로를 포함하는 주차장 진출입로에 각각 설치되는 차단바(300), 상기 주차장 진출입로 각각 설치되어 영상을 촬영하는 카메라(200), 상기 주차장 진출입로에서 상기 차단바(300)에 근접하는 차량을 인식하여, 상기 차단바(300)의 동작을 제어하여 상기 인식한 차량의 진출입을 통제하는 차량 인식기(100)를 포함하여 구성된다.

또한 상기 주차 차단기(10)는, 주차장을 이용하는 차량을 인식하여, 주차장에 대한 진출입을 자동으로 통제하고, 주차장을 이용한 차량에 대한 주차요금을 징수하기 위한 것으로, 백화점, 관공서, 지하철 등에서 운용하는 전용의 주차장에 설치된다.

또한 상기 차량 인식기(100)는, 상기 차량을 인식하기 위해, 우선적으로 딥러닝과 같은 인공지능 기법을 통해 복수의 차량 이미지에 대한 차량 인식용 학습데이터를 기계학습하여, 상기 차단바(300)에 근접하는 차량을 인식하기 위한 차량 인식용 학습모델을 생성하고, 또한 차량이 아닌 복수의 비차량 객체에 대한 비차량 인식용 학습데이터를 기계학습하여, 상기 차량이 아닌 비차량 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하며, 상기 생성한 각 학습모델을 통해 상기 차단바(300)로 근접하는 물체가 차량인지, 또는 비차량인지에 대한 여부를 정확하게 구분함으로써, 상기 주차장을 이용하는 차량에 대한 통제를 자동으로 수행할 수 있도록 한다.

한편, 상기 차량인식용 학습데이터는 복수의 차량에 대한 차량 이미지와, 상기 각 차량에 대한 차량종류(예: 일반 승용차, RV, SUV, 트럭, 버스 등), 상기 차량의 규모(예: 경차, 소형, 중형, 대형 등), 상기 차량 이미지를 촬영한 카메라간의 거리정보를 매핑한 매핑 테이블을 의미하며, 데이터베이스(500)에 저장된다.

이때, 차량인식용 학습모델은, 상기 차량종류별로 상기 복수의 차량 이미지를 각각 학습함으로서, 상기 차량의 차량종류에 따라 복수개로 생성된다.

또한 상기 비차량인식용 학습데이터는, 차량이 아닌 비차량 객체에 대한 복수의 객체 이미지와, 상기 각 객체의 종류(예: 사람, 동물, 카트, 자전거 등), 상기 객체를 촬영한 카메라간의 거리정보를 매핑한 매핑 테이블이며, 상기 데이터베이스(600)에 저장된다.

이러한 매핑 테이블의 매핑관계는, 상기 차량 인식기(100)에서 기계학습을 위한 학습데이터로써 활용된다. 즉, 상기 차량인식용 학습데이터 및 상기 비차량인식용 학습데이터는, 기계학습의 입력데이터로 사용되며, 상기 차량 인식기(100)는, 기계학습결과로 복수의 차량인식용 학습모델과, 비차량 인식용 학습모델을 생성하는 것이다.

여기서 본 발명의 상기 기계학습은, 이미지를 이용한 기계학습에 최적화된 CNN(convolutional neural network)을 통해 수행된다. 다만 본 발명은, 상기 기계학습을 수행하기 위한 기계학습 방법에 대해서는 그 제한을 두지 않으며, 차량 및 비차량을 인식하기 위한 다양한 기계학습 방법을 통해 상기 각 학습데이터를 학습할 수 있다.

한편, 차량 인식용 학습모델과, 상기 비차량 인식용 학습모델을 통해 차량 및 비차량을 인식하는 과정에 대해서는 도 2를 참조하여 상세히 설명하도록 한다.

또한 상기 차량 인식기(100)는, 상기 진출입로에 존재하는 물체가 인식되고, 상기 생성한 각 학습모델의 출력결과에 따라 상기 인식된 물체가 상기 차단바(300)로 근접하는 차량으로 인식되는 경우에 해당 차량에 대한 차량번호를 인식한 후, 상기 차단바(300)를 제어함으로써, 주차장을 이용하는 차량에 대한 통제를 수행하게 된다.

한편, 상기 물체를 인식하는 과정은, 주간 및 야간에 따라 상이하게 수행되며, 주간인 경우에는, 주간에 실시간으로 동작되어 상기 진출입로를 각각 촬영하는 카메라(200)에서 촬영되는 영상(즉, 주간영상)의 프레임을 비교하여, 상기 비교한 결과, 상기 프레임에 변화가 있는 경우, 해당 진출입로에 물체가 존재하는 것으로 인식한다.

이후, 상기 차량 인식기(100)는 상기 영상으로부터 복수의 프레임을 선택하여 상기 선택한 프레임의 순서에 따라, 상기 생성한 각각의 차량인식용 학습모델에 순차적으로 입력하고, 이와 동시에 생성한 비차량 인식용 학습모델에 입력하여, 상기 각 학습모델의 출력결과에 따라 상기 차단바(300)에 근접하는 차량을 인식하게 된다. 이때, 상기 복수의 프레임은, 상기 프레임 변화가 있는 최초의 프레임부터 미리 설정한 개수만큼 순서대로 선택된다.

또한 야간인 경우, 상기 차량 인식기(100)는, 상기 차단바(300)의 상부에 설치되어 야간에 동작하는 조도 센서(310)의 감지결과가 미리 설정한 임계값을 초과하는 경우에 해당 진출입로에 물체가 이동하는 것으로 인식한다.

이후, 상기 차량 인식기(100)는, 상기 카메라(200)를 제어하여 상기 진출입로에 조명을 비추어 영상(즉, 야간영상)을 촬영하도록 하며, 상기 촬영한 영상으로부터 복수의 프레임을 선택하여, 상기 선택한 프레임의 순서에 따라 상기 생성한 각각의 차량인식용 학습모델에 순차적으로 입력하고, 또한 상기 생성한 비차량 인식용 학습모델에 입력하여, 상기 각 학습모델의 출력결과에 따라 상기 차단바(300)에 근접하는 차량을 인식하게 된다. 이때, 상기 복수의 프레임은 상기 야간에 촬영한 영상의 최초 프레임으로부터 미리 설정한 개수만큼 선택된다.

또한 상기 차량 인식기(100)는, 상기 차단바(300)로 근접하는 차량을 인식한 경우, 상기 촬영한 영상(즉, 주간영상 또는 야간영상)으로부터 차량번호판을 추출하며, 상기 추출한 차량번호판으로부터 해당 차량에 대한 차량번호를 인식한다.

이때, 상기 인식한 차량이 주차장으로 진입하는 경우에는, 상기 인식한 차량의 차량번호, 차량종류, 차량규모 및 진입시간을 포함하는 차량정보를 저장하며, 상기 인식한 차량이 주차장으로부터 진출하는 경우에는, 상기 기 저장한 차량정보를 참조하여, 상기 인식한 차량의 차량종류, 차량규모 및 주차장 이용시간에 따른 주차요금을 디스플레이하고, 상기 주차요금이 결제된 경우에 상기 차단바(300)를 제어하여 해당 차량이 주차장 외부로 진출할 수 있도록 한다.

한편, 상기 차량 인식기(100)는, 상기 차량번호판을 추출할 때, 상기 촬영한 영상에 대한 이미지 처리 과정을 통해 해당 차량의 차량번호판을 추출한다.

즉, 상기 차량 인식기(100)는, 상기 촬영한 영상의 특정 프레임(예: 제일 가까이에서 촬영된 영상의 프레임)을 선택하고, 상기 선택한 특정 프레임을 그레이 스케일로 변환한 다음, 복수개의 에지(edge)를 통해 사전에 설정한 가로 및 세로의 비율로 형성되는 영역을 추출함으로써, 상기 차량번호판을 추출한다.

또한 상기 차량 인식기(100)는, 상기 추출한 차량번호판의 패턴과 상기 저장한 차량번호판에 이용되는 한글 및 영문자를 포함하는 문자 및 숫자에 대한 패턴을 상호 비교하여 해당 차량번호판의 차량번호를 인식한다.

다만, 본 발명은, 이에 한정하지 않으며, 기계학습 방법을 통해 차량번호판을 포함하는 차량의 영상을 학습하여 입력되는 차량의 영상으로부터 차량번호판 추출용 학습모델을 생성하고, 차량번호판에 대한 영상을 학습하여 입력되는 차량번호판으로부터 차량번호를 추출하여 인식하는 차량번호 인식용 학습모델을 생성하여, 상기 생성한 차량번호판 추출용 학습모델과 상기 차량번호 인식용 학습모델을 통해 차량번호를 인식하도록 구현될 수 있다.

또한 상기 차량 인식기(100)는, 상기 물체가 인식되고 상기 카메라(200)를 통해 촬영한 영상을 상기 복수의 차량인식용 학습모델과 상기 비차량 인식용 학습모델에 적용한 결과, 상기 인식한 물체가 차량 혹은 비차량으로 인식되지 않는 경우에는, 유무선 통신 네트워크를 통해 상기 주차 차단기(10)를 관리하는 관리서버(400)로 상기 촬영한 영상과 함께 인식결과를 제공하여, 상기 관리서버(400)로부터 해당 인식결과에 대한 피드백 정보를 제공 받는다.

이후, 상기 차량 인식기(100)는, 상기 제공 받은 피드백 정보에 따라 상기 차량인식용 학습모델, 상기 비차량 인식용 학습모델 또는 이들의 조합에 대한 강화학습을 수행하여 상기 각 학습모델을 업데이트함으로서, 고도화시켜 상기 차량 인식기(100)를 통해 인식하지 못한 차량 및 비차량 객체를 차후에 정확하게 인식할 수 있도록 한다.

한편, 상기 관리서버(400)는, 상기 수신한 인식결과를 관리자 단말(500)로 제공하고, 관리자로 하여금 상기 인식결과가 오인식인지에 대한 여부를 확인하여 해당 영상에 대한 피드백 정보를 생성하고 상기 관리서버(400)를 통해 상기 차량 인식기(100)로 제공하도록 한다.

이때, 상기 피드백 정보는, 상기 각 영상의 프레임별 물체의 종류, 카메라와의 거리정보를 포함하여 구성되며, 상기 객체의 종류에 따라 상기 피드백 정보가 상기 각 학습모델에 적용되어 강화학습에 이용된다.

예를 들어, 상기 인식결과를 토대로 오인식인지에 대한 여부를 확인한 결과 상기 영상에 포함된 물체가 차량인 경우, 상기 각 영상의 프레임별로 해당 차량의 차량종류, 차량규모 및 상기 거리정보를 매핑한 매핑 테이블을 포함하는 피드백 정보를 생성하여, 상기 차량 인식부(100)로 제공함으로서, 해당 피드백 정보를 상기 차량인식용 학습모델에 적용함으로써, 강화학습을 수행할 수 있도록 한다. 반대로, 상기 영상에 포함된 물체가 비차량 객체인 경우에는, 상기 비차량 객체에 대한 객체종류, 카메라와의 거리정보를 매핑한 매핑 테이블을 포함하는 피드백 정보를 생성하여 상기 차량 인식부(100)로 제공함으로써, 해당 피드백 정보를 상기 비차량인식용 학습모델에 적용함으로써, 강화학습을 수행할 수 있도록 한다. 이를 통해 상기 차량인식용 학습모델, 상기 비차량 인식용 학습모델은 업데이트되어 점점 더 고도화되며 상기 차단바(300)로 근접하는 물체를 차량 혹은 비차량으로 정확하게 구분하여 인식함으로써, 효율적인 주차관리를 위한 차량통제를 수행할 수 있도록 한다.

도 2는 본 발명의 일 실시예에 따른 차량인식용 학습모델과 비차량 인식용 학습모델을 설명하기 위해 나타낸 도면이다.

도 2에 도시한 바와 같이, 본 발명의 일 실시예에 따른 학습모델은, 차량의 종류에 따른 차량을 인식하기 위한 복수의 차량인식용 학습모델과, 차량이 아닌 타 객체를 인식하기 위한 비차량 인식용 학습모델을 포함한다.

이때, 차량 인식기(100)는, 차량종류별로, 복수의 차량 이미지를 각각 학습하여, 상기 각 차량 종류별로 차량을 인식하기 위한 복수의 차량인식용 학습모델을 생성한다.

상기 차량인식용 학습모델은, 확률을 가지는 차량종류, 거리정보, 차량규모 또는 이들의 조합을 포함한다.

여기서 상기 차량의 규모는, 경차, 소형, 중형 및 대형과 같이 차량의 크기를 의미하며, 상기 거리정보는 1m, 2m, 3m 등과 같이 수치로 설정되거나 1 내지 2m, 2 내지 3m 등과 같이 범위를 정하여 짧은 거리에서 먼 거리 순으로 제1 구간, 제2 구간 등으로 설정될 수 있다.

즉, 상기 차량 인식기(100)는, 상기 복수의 차량 이미지와, 차량종류, 차량규모 및 해당 차량 이미지를 촬영한 카메라간의 거리정보를 매핑한 매핑관계를 학습하여, RV 차량, SUV 차량, 트럭, 일반 승용차 등과 같은 차량 종류별로 해당 차량을 인식하기 위한 복수의 차량인식용 학습모델을 생성하는 것이다.

또한 상기 차량 인식기(100)는, 사람, 동물, 자전거, 카트 등과 같이 차량이 아닌 비차량 객체에 대한 복수의 이미지를 학습하여 차량 이외의 객체를 인식하기 위한 비차량 인식용 학습모델을 생성한다.

즉, 상기 차량 인식기(100)는, 차량이 아닌 비차량 객체에 대한 복수의 객체 이미지와, 해당 객체의 종류 및 해당 객체를 촬영한 카메라간의 거리정보를 매핑한 매핑관계를 학습하여, 차량이 아닌 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하는 것이다.

또한 상기 복수의 차량인식용 학습모델과, 상기 비차량 인식용 학습모델에는, 실제 카메라(200)를 촬영한 영상의 각 프레임이 순차적으로 입력되며, 상기 복수의 차량인식용 학습모델의 출력은, 각각 확률을 가지는 차량종류, 차량규모 및 거리정보를 포함하며, 상기 비차량 인식용 학습모델의 출력은, 사람, 동물 등과 같이 확률을 각각 가지는 비차량 객체, 거리정보 또는 이들의 조합을 포함한다.

한편, 상기 실제 카메라(200)를 촬영한 영상의 각 프레임은, 주차장 진출입로에서 이동하는 물체가 인식된 경우에, 복수의 차량인식용 학습모델과 상기 비차량 인식용 학습모델에 입력된다.

또한 상기 차량 인식기(100)는, 상기 물체가 인식되는 경우, 상기 복수의 차량인식용 학습모델과, 상기 비차량 인식용 학습모델을 이용하여 상기 차단바(300)에 근접하는 차량 또는 비차량 객체를 정확하게 구분하여, 상기 차단바(300)에 근접하는 것이 차량으로 인식되는 경우에 상기 차단바(300)를 제어하여 상기 차량에 대한 진출입 통제를 수행하게 된다.

한편, 상기 차량 인식기(100)는, 상기 영상의 각 프레임을 입력한 복수의 차량인식용 학습모델에서, 제일 높은 확률을 가지는 차량종류를 선택하고, 해당 차량종류를 출력한 차량인식용 학습모델에서 출력한 거리정보 및 차량규모를 포함하는 출력결과를 상기 각 프레임별로 순차적으로 나열하여, 상기 각 프레임별로 선택한 차량종류가 동일하고, 상기 거리정보가 점진적으로 감소되는 경우에 상기 인식한 물체를 상기 차단바(300)에 근접하는 차량으로 인식하고, 해당 차량에 대한 차량 종류 및 차량규모를 추출한다.

또한 상기 차량 인식기(100)는, 상기 차단바(300)에 근접하는 차량이 인식된 경우, 해당 차량으로부터 차량번호를 인식하여, 상기 차량이 주차장으로 진입하는 경우에는 상기 인식한 차량에 대한 차량종류, 차량규모, 차량번호, 진입시간을 포함하는 차량정보를 상기 메모리에 저장하며, 상기 차량이 주차장 외부로 진출하는 경우에는 상기 메모리에 저장한 차량정보를 참조하여, 상기 차량종류, 차량규모 및 주차이용시간에 따른 주차요금을 계산하여 디스플레이에 표시하고, 상기 주차요금이 결제된 경우에 상기 차단바(300)를 제어하여 상기 차량을 외부로 진출할 수 있도록 한다.

또한 상기 비차량 인식용 학습모델에서, 상기 각 프레임별로 비차량 객체일 확률이 상기 각 차량인식용 학습모델에서 선택한 차량종류에 대한 확률보다 높을 경우에는, 상기 인식한 물체가 차량이 아닌 비차량 객체로 판단하여 상기 차단바(300)를 상승시키는 제어를 수행하지 않는다.

또한 상기 차량 인식기(100)는, 상기 인식한 물체가 차량으로 인식되지 않거나, 이와 동시에 비차량 객체로도 인식되지 않은 경우에는, 상기 영상을 포함하는 인식결과를 상기 관리서버(400)로 제공하여, 이에 대한 피드백 정보를 제공 받아, 상기 제공 받은 피드백 정보를 토대로 상기 차량인식용 학습모델, 상기 비차량 인식용 학습모델에 대한 강화학습을 수행함은 상술한 바와 같다.

도 3은 본 발명의 일 실시예에 따른 차량 인식기의 구성을 나타낸 블록도이다.

도 3에 도시한 바와 같이, 본 발명의 일 실시예에 따른 차량 인식기(100)는, 데이터베이스(600)에 학습데이터를 학습하여 차량 및 비차량 객체를 각각 인식하기 위한 학습모델을 생성하고, 상기 생성한 학습모델에 대한 강화학습을 지속적으로 수행하는 인공지능부(110), 주차장 진입로, 진출로를 포함하는 주차장 진출입로에 각각에 설치되는 카메라(200)로부터 영상을 수신하는 영상 수신부(120), 상기 주차장 진출입로에 각각 설치되는 차단바(300)의 상단에 구비되는 조도 센서(310)로부터 조도 센서 감지결과를 수신하는 조도 센서 감지결과 수신부(130), 상기 수신한 영상과 조도 센서 감지결과를 이용하여 상기 주차장 진출입로 각각에 존재하는 물체를 인식하는 물체 인식부(140), 상기 물체가 인식된 경우, 상기 생성한 학습모델을 이용하여 상기 차단바(300)에 근접하는 차량 및 해당 차량번호를 인식하고, 인식한 결과를 관리서버(400)로 제공하는 차량 인식부(150), 상기 차량 및 해당 차량번호가 인식된 경우, 해당 차량의 진출 및 진입에 따라 상기 차단바(300)를 각각 제어하는 차단바 제어부(160), 상기 관리서버(400)로부터 상기 제공한 인식한 결과에 따른 피드백 정보를 수신하여 상기 인공지능부(110)로 제공하는 피드백 정보 수신부(170) 및 메모리(180)를 포함하여 구성된다.

상기 학습데이터는 차량 인식용 학습데이터와 비차량 인식용 학습데이터를 포함하여 구성되며, 상기 차량 인식용 학습데이터는 복수의 차량 이미지와, 해당 차량의 차량종류, 차량규모, 상기 차량 이미지를 촬영할 때의 차량과 카메라간의 거리정보를 매핑한 매핑 테이블이며, 상기 비차량 인식용 학습데이터는 차량 이외의 비차량 객체에 대한 복수의 객체 이미지와, 해당 객체의 종류 및 해당 객체를 촬영할 때의 객체와 카메라간의 거리정보를 매핑한 매핑 테이블이다.

또한 상기 인공지능부(110)는, 상기 차량 인식용 학습데이터를 학습하여, 차량 종류별로 차량을 인식하기 위한 복수의 차량 인식용 학습모델을 생성하는 차량 인식용 학습모델 생성부(111), 상기 비차량 인식용 학습데이터를 학습하여 차량이 아닌 타 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하는 비차량 인식용 학습모델 생성부(112) 및 상기 피드백 정보 수신부(170)를 통해 수신되는 피드백 정보를 토대로 상기 생성한 각각의 학습모델에 대한 강화학습을 지속적으로 수행하여, 상기 각 학습모델을 업데이트함으로써, 점진적으로 고도화시켜 차량이나 비차량을 정확하게 인식할 수 있도록 하는 강화 학습부(113)를 포함하여 구성된다.

상기 차량 인식용 학습모델 생성부(111)는, 상기 차량 인식용 학습데이터의 매핑관계를 학습하여, 실제 카메라(200)를 통해 촬영된 영상으로부터 차량종류, 차량규모 및 거리정보를 출력하기 위한 차량 인식용 학습모델을 생성하며, 상기 비차량 인식용 학습모델 생성부(112)는, 상기 비차량 인식용 학습데이터의 매핑관계를 학습하여, 실제 카메라(200)를 통해 촬영된 영상으로부터 차량이 아닌 객체의 종류와 거리정보를 출력하기 위한 비차량 인식용 학습모델을 생성한다.

이때, 상기 생성한 차량 인식용 학습모델 및 비차량 인식용 학습모델의 입력은, 상기 카메라(200)를 통해 촬영된 영상으로부터 선택된 복수의 프레임이며, 상기 차량 인식용 학습모델의 출력은 확률을 가지는 차량종류, 차량규모, 거리정보 또는 이들의 조합을 포함하며, 상기 비차량 인식용 학습모델의 출력은, 차량이 아닌 복수의 비차량 객체에 대한 확률 및 거리정보에 대한 확률을 포함한다.

또한 상기 강화 학습부(113)는, 상기 각 학습모델에 대한 인식결과를 제공받은 관리서버(400)로부터 수신되는 해당 인식결과에 따른 피드백 정보에 따라 상기 각 학습모델에 대한 강화학습을 수행하여, 상기 각 학습모델을 점점 고도화시켜, 상기 영상으로부터 차량 또는 비차량을 정확하게 구분하여 상기 차단바(300)에 근접하는 차량을 정확하게 인식할 수 있도록 한다.

또한 영상 수신부(120)는, 상기 진출입로에 각각 설치되는 카메라(200)로부터 주간 또는 야간에 촬영된 영상을 수신하는 기능을 수행하며, 상기 조도 센서 감지결과 수신부(130)는, 상기 차단바(300)의 상부에 설치되고 야간에 동작되는 조도 센서(310)로부터 상기 진출입로에서의 조도값을 감지한 조도 센서 감지결과를 수신하는 기능을 수행한다.

또한 상기 물체 인식부(140)는, 현재 시간이 주간인 경우, 주간에 실시간으로 동작되는 상기 카메라(200)로부터 수신되는 영상(즉, 주간에 촬영한 영상)을 토대로 상기 진출입로에 존재하는 물체를 인식하며, 현재 시간이 야간인 경우에는, 상기 야간에 실시간으로 동작되는 상기 조도 센서(310)의 감지결과를 통해 상기 진출입로에 존재하는 물체를 인식한다.

이때, 주간인 경우, 상기 물체 인식부(140)는, 상기 수신한 영상의 프레임을 순차적으로 비교하여, 상기 비교한 결과 프레임의 변화가 있는 경우 상기 진출입로에 물체가 존재하는 것으로 인식한다.

한편, 야간인 경우, 상기 물체 인식부(140)는, 상기 수신한 조도 센서 감지결과가 미리 설정한 임계값을 초과하는 경우에 상기 진출입로에 물체가 존재하는 것으로 인식한다.

또한, 상기 차량 인식부(140)는, 상기 영상의 각 프레임을 입력한 복수의 차량 인식용 학습모델 및 비치량 인식용 학습모델에서 출력한 출력결과를 참조하여, 미리 설정한 임계값을 초과하고, 가장 높은 확률을 가지는 차량종류 및 비차량 객체의 종류를 선택하여, 상기 선택한 차량종류의 확률이 상기 선택한 비차량 객체에 대한 확률보다 높은 경우에는, 상기 가장 높은 확률을 가지는 차량종류를 출력한 특정 차량 인식용 학습모델의 출력결과 중, 제일 높은 확률을 가지는 차량규모 및 거리정보를 프레임별로 선택하여, 상기 프레임별로 선택한 차량종류가 동일하고 상기 거리정보가 점진적으로 감소되는지에 대한 여부를 판단함으로써, 상기 인식한 물체가 상기 차단바(300)에 근접하는 차량으로 인식한다.

한편, 상기 차량 인식부(140)는, 상기 비교한 결과 비차량 객체의 확률이 더 높거나, 상기 차량종류에 대한 확률이 미리 설정한 임계값을 초과하지 않거나, 상기 프레임별로 선택한 차량종류가 동일하지 않거나, 상기 거리정보가 점점 증가되는 경우에는, 상기 인식한 물체가 차량이 아닌 비차량으로 판단한다.

한편, 상기 각 프레임별 차량종류에 대한 확률 및 비차량 객체에 대한 확률이 미리 설정한 임계값을 초과하지 않아, 상기 인식한 물체를 차량이나 비차량으로 인식하지 않는다.

또한 상기 차량 인식부(150)는, 상기 인식한 결과 상기 물체가 상기 차단바(300)로 근접하는 차량으로 인식되는 경우에는, 상기 수신되는 영상으로부터 차량번호판을 추출하고, 상기 추출한 차량번호판으로부터 해당 차량의 차량번호를 인식하는 기능을 수행한다.

한편, 상기 차량번호판의 추출 및 차량번호를 인식하는 방법은, 도 1을 참조하여 설명하였으므로 더 이상의 상세한 설명은 생략하도록 한다.

또한 상기 차량 인식부(150)는, 상기 차량을 인식한 후, 해당 차량에 대한 차량번호를 인식하는 과정에서, 차량번호가 인식되지 않는 경우에는 불법차량으로 간주하여, 이에 대한 영상을 포함한 차량번호 인식결과를 상기 관리서버(400)로 제공하여 해당 차량에 대한 처리를 신속하게 수행할 수 있도록 한다.

또한 상기 차량 인식부(150)는, 상기 인식한 차량의 차량종류, 차량규모, 차량번호 및 주차장으로의 진입시간을 포함하는 차량정보를 상기 메모리(180)에 저장한다.

또한 상기 차단바 제어부(160)는, 상기 차량 인식부(150)의 인식결과에 따라 상기 진출입로에 각각 설치되는 차단바(300)에 대한 상승 및 하강을 제어하여, 상기 인식한 차량이 주차장으로 진입하거나, 주차장으로부터 진출할 수 있도록 한다.

한편, 상기 인식한 차량이 주차장으로부터 진출하는 경우, 상기 차단바 제어부(160)는, 메모리(180)에 저장된 해당 차량의 차량정보를 참조하여, 해당 차량의 진입시간, 차량종류 및 차량규모에 따라 사전에 설정된 주차요금을 디스플레이를 통해 표시하고, 신용카드 또는 현금을 통한 결제수단을 제공하여, 상기 차량에서 상기 주차요금을 결제한 경우에 상기 차단바(300)를 제어함으로서, 해당 차량이 외부로 진출할 수 있도록 한다.

또한 상기 피드백 정보 수신부(170)는, 상기 차량 인식부(150)의 인식결과가 상기 물체를 차량 및 비차량으로 인식하지 않는 경우에는, 해당 영상의 각 프레임을 포함하는 상기 인식결과를 상기 관리서버(400)로 제공하고, 이에 대한 피드백 정보를 수신하는 기능을 수행한다.

또한 상기 관리서버(400)는, 상기 수신한 인식결과를 관리자 단말(500)이나, 자체적으로 구비되는 디스플레이를 통해 상기 관리자에게 제공하고, 상기 관리자는 상기 인식결과를 확인하여, 이에 대한 피드백 정보를 생성하여 상기 차량 인식기(100)로 제공할 수 있도록 한다.

이때, 상기 관리자는, 상기 인식결과의 각 프레임을 확인한 결과, 상기 각 프레임에 포함된 물체가 특정 차량이거나 특정 객체인 경우, 상기 각 프레임별로 차량종류, 차량규모 및 거리정보를 매핑한 매핑 테이블을 포함한 피드백 정보를 생성하거나, 상기 프레임별로 비차량인 객체의 종류 및 거리정보를 매핑한 매핑 테이블을 포함하는 피드백 정보를 생성하여, 상기 생성한 피드백 정보를 상기 차량 인식기(100)의 피드백 정보 수신부(170)로 전송할 수 있도록 한다.

또한 상기 강화 학습부(113)는, 상기 수신한 피드백 정보를 토대로, 상기 수신한 피드백 정보에 따라 상기 생성한 차량 인식용 학습모델과 상기 생성한 비차량 인식용 학습모델에 각각 적용하여, 생성한 각각의 학습모델에 대한 강화학습을 수행함으로서, 상기 각 학습모델을 고도화시켜, 차후 동일한 차량이나 비차량 객체에 대한 영상이 실제 입력되는 경우, 해당 차량 및 비차량 객체를 정확하게 인식할 수 있도록 한다.

또한 상기 메모리(180)는, 상기 인식한 차량의 차량정보, 상기 차량 인식기(100)의 동작에 관련된 정보, 차량종류 및 차량규모별로 주차장 이용시간에 대한 주차요금과 상기 생성한 복수의 차량 인식용 학습모델 및 상기 생성한 비차량 인식용 학습모델을 저장하는 기능을 수행한다.

도 4는 본 발명의 일 실시예에 따른 주차장을 이용하는 차량을 인식하는 절차를 나타낸 흐름도이다.

도 4에 도시한 바와 같이, 본 발명의 일 실시예에 따른 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기(10)가 설치되는 주차장에서, 상기 주차 차단기(10)를 통해 상기 주차장을 이용하는 차량을 인식하는 절차는 우선, 데이터베이스(600)에 저장된 차량 인식용 학습데이터를 학습하여, 차량을 인식하기 위한 차량 인식용 학습모델을 차량 종류별로 생성하는 차량 인식용 학습모델 생성 단계(S110) 및 상기 데이터베이스(600)에 저장된 비차량 인식용 학습데이터를 학습하여, 차량이 아닌 타 객체인 비차량 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하는 비차량 인식용 학습모델 생성 단계를 수행한다(S110).

한편, 상기 차량 인식용 학습모델은, 복수의 차량에 대한 차량 이미지와, 해당 차량의 차량종류, 차량규모 및 카메라 사이의 거리정보간의 매핑 테이블로 구성되는 상기 복수의 차량 인식용 학습데이터를 차량 종류별로 각각 학습함으로써, 생성된다.

또한 상기 비차량 인식용 학습모델은, 차량이 아닌 비차량 객체에 대한 복수의 차량 이미지와, 해당 객체의 종류 및 카메라 사이의 거리정보간의 매핑 테이블로 구성되는 비차량 인식용 학습데이터를 학습함으로써, 생성된다.

다음으로, 상기 주차 차단기(10)는, 주간 또는 야간에 상기 주차장의 진출입로에 존재하는 물체를 인식하는 물체 인식 단계를 수행하여, 상기 진출입로에 물체가 존재하는 것으로 인식되는 경우(S130), 상기 진출입로 각각에 설치된 카메라(200)에서 촬영된 영상을 상기 생성한 복수의 차량 인식용 학습모델 및 비차량 인식용 학습모델에 입력하여, 그 결과를 토대로 상기 인식한 물체가 상기 진출입로에 설치된 차단바(300)에 근접하는 차량인지 또는 차량이 아닌 비차량인지에 대한 여부를 판단하여 상기 차단바(300)에 근접하는 차량을 인식하는 차량 인식 단계를 수행한다(S140).

한편, 상기 물체 인식 단계는, 주간 및 야간에 따라 상기 진출입로에 존재하는 물체를 상이한 방법으로 인식하게 되는데, 주간인 경우 주간에 실시간으로 동작하여 영상을 촬영하는 카메라(200)로부터 수신되는 영상의 각 프레임을 순차적으로 비교하여 프레임의 변화가 있는 경우에, 상기 진출입로에 물체가 있는 것으로 인식하며, 야간인 경우에는, 상기 차단바(300)의 상단에 설치되어 야간에 동작되는 조도 센서(310)의 감지결과가 미리 설정한 임계값을 초과하는 경우에 야간에 상기 진출입로에 물체가 있는 것으로 인식한다.

또한 상기 차량 인식 단계는, 상기 카메라(200)에서 촬영된 영상(즉, 주간인 경우 주간에 촬영된 영상, 야간인 경우, 야간에 촬영된 영상)으로부터 복수의 프레임을 선택하여 상기 선택한 복수의 프레임을 순서대로 상기 각각의 차량 인식용 학습모델 및 비차량 인식용 학습모델에 순차적으로 적용하여, 상기 각 프레임별로 상기 각 학습모델의 출력결과에 따라 상기 차단바(300)에 근접하는 차량을 인식하게 된다.

이때, 상기 차량 인식 단계는, 상기 각 프레임별로 상기 각 학습모델 출력결과에서 미리 설정한 임계값을 초과함과 동시에 제일 높은 확률을 가지는 차량종류와 비차량 객체를 선택하여, 상기 차량종류에 대한 확률이 상기 비차량 객체에 대한 확률보다 높은 경우에 상기 인식한 물체를 차량으로 인식하고, 해당 차량종류를 출력한 차량 인식용 학습모델의 또 다른 출력결과로부터 제일 높은 확률을 가지는 차량규모 및 거리정보를 선택한 후, 상기 선택한 차량종류, 차량규모, 거리정보를 프레임별로 나열하여 분석하며, 상기 분석한 결과, 상기 프레임 순서대로 동일한 차량종류가 인식되고, 상기 거리정보가 점점 감소되는 경우, 상기 인식한 물체가 차단바(300)에 근접하는 차량으로 인식한다.

한편, 상기 차량 인식 단계는, 상기 프레임별로 선택한 비차량 객체의 확률이 상기 선택한 차량종류의 확률보다 높은 경우에는, 상기 물체를 비차량으로 인식하며, 상기 프레임별로 선택한 거리정보가 점점 감소되는 경우에는 상기 물체가 상기 차단바(300)로 근접하는 것으로 인식하며, 상기 차량 인식 단계는, 상기 차량으로 인식된 경우, 해당 차량의 영상으로부터 특정 프레임을 선택(예: 거리정보가 제일 가까운 프레임)하여 차량번호판을 추출하고, 상기 추출한 차량번호판에 대한 차량번호를 인식하는 것을 더 포함한다.

다음으로, 상기 주차 차단기(10)는, 상기 인식한 결과 상기 차단바(300)에 차량 또는 차량이 아닌 비차량 객체가 근접하는 것으로 인식되는 경우, 상기 인식한 결과에 따라 상기 차단바(300)를 제어하는 차단바 제어 단계를 수행한다(S160).

즉, 상기 주차 차단기(10)는, 상기 인식한 결과 차량으로 인식된 경우에는, 상기 차단바(300)를 상승시켜 해당 차량이 진출입할 수 있도록 하며, 상기 인식한 결과가 비차량 객체인 경우, 상기 차단바(300)를 하강상태로 유지하게 된다.

한편, 상기 인식한 결과, 상기 물체가 차량 및 비차량 객체로 인식되지 않는 경우(S150), 상기 복수의 프레임을 포함하는 영상과 해당 인식결과를 관리서버(400)로 제공하여, 이에 대한 피드백 정보를 수신하는 피드백 정보 수신 단계를 수행하고(S151), 상기 수신한 피드백 정보에 따라 상기 생성한 복수의 차량 인식용 학습모델, 상기 비차량 인식용 학습모델 또는 이들의 조합에 대한 강화학습을 수행하는 강화학습 단계를 수행한다(S152).

이때, 상기 강화학습은, 상기 피드백 정보가 차량에 대한 것인지, 또는 비차량에 대한 것인지에 따라 상기 수신한 피드백 정보를 상기 생성한 각각의 차량 인식용 학습모델에 적용하거나, 상기 비차량 인식용 학습모델에 적용하여 상기 주차 차단기(10)가 인식하지 못한 차량의 차량종류나, 비차량 객체를 정확하게 인식할 수 있도록 하기 위해 수행됨은 상술한 바와 같다.

도 5는 본 발명의 일 실시에에 따른 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기를 구성하는 절차를 나타낸 흐름도이다.

도 5에 도시한 바와 같이, 본 발명의 일 실시예에 따른 주차 차단기(10)의 구성방법은, 우선 상단에 조도 센서(310)를 각각 포함하고, 주차장 진출입로에 차량의 진출입을 통제하기 위한 차단바(300)를 각각 설치함으로써, 상기 각 차단바(300)를 구성하는 차단바 구성 단계를 수행한다(S210).

다음으로, 상기 주차장 진출입로에 대한 영상을 촬영하는 카메라(200)를 각각 구성하는 카메라 구성 단계를 수행한다(S220).

한편 상기 카메라(200)는, 주간에는 실시간으로 동작하도록 구성되며, 야간의 경우에는 상기 진출입로에 물체가 존재하는 것으로 인식되는 경우에 상기 주차 차단기(10)의 제어에 따라 동작하도록 구성된다.

다음으로, 상기 구성한 차단바(300)와 상기 카메라(200)와 전기적으로 연결되어 상기 차단바(300)에 근접하는 차량을 인식하기 위한 차량 인식기(100)를 설치하는 차량 인식기 구성 단계를 수행한다.

이때, 상기 차량 인식기 구성 단계는, 상기 조도 센서(310)의 감지결과 또는 상기 카메라(200)의 영상을 토대로 상기 진출입로에 존재하는 물체를 인식하기 위한 물체 인식부(140)를 구성하는 물체 인식부 구성 단계(S230), 상기 인식한 물체가 상기 구성한 차단바에 근접하는 차량인지, 비차량 객체인지에 대한 여부를 인식하기 위한 복수의 차량 인식용 학습모델과 비차량 인식용 학습모델을 생성하는 인공지능부(110)를 구성하는 인공지능 구성 단계(S240), 상기 생성한 각 학습모델에 실제 카메라(200)를 통해 촬영된 영상을 적용하여, 상기 차단바(300)에 근접하는 차량을 인식하기 위한 차량 인식부(150)를 구성하는 차량 인식부 구성 단계(S250) 및 상기 인식한 결과에 따라 상기 구성한 차단바를 제어하기 위한 차단바 제어부를 구성하는 차단바 제어부 구성 단계(S260)를 포함하여 구성된다.

한편, 상기 물체 인식부(140)는 주간인 경우, 상기 주간에 실시간으로 동작되는 카메라(200)에서 촬영된 영상의 각 프레임을 순차적으로 비교하여 프레임의 변화가 있는 경우 상기 진출입로에 물체가 있는 것으로 인식하며, 야간인 경우 상기 조도 센서(310)의 감지결과가 미리 설정한 임계값을 초과하는 경우에 상기 진출입로에 물체가 있는 것으로 인식하도록 구성된다.

또한 상기 인공지능부 구성 단계는, 데이터베이스(600)에 저장된 차량 인식용 학습데이터 및 비차량 인식용 학습데이터를 각각 로딩하여 차량 종류별로 차량을 인식하기 위한 복수의 차량 인식용 학습모델 및 비차량 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하며, 상기 생성한 각 학습모델에 대한 강화학습을 수행하도록 구성된다.

한편, 상기 차량 인식용 학습모델과 상기 비차량 인식용 학습모델을 생성하는 방법과, 상기 강화학습을 수행하는 방법은 도 3 내지 도 4를 참조하여 설명하였으므로, 더 이상의 상세한 설명은 생략하도록 한다.

또한 상기 차량 인식부(150)는, 상기 카메라(200)를 통해 촬영된 영상으로부터 복수의 프레임을 선택하여, 상기 생성한 각각의 학습모델에 상기 선택한 복수의 프레임을 순서대로 각각 적용하여, 상기 각 학습모델의 출력결과에 따라 상기 인식한 물체가 차량인지 또는 비차량 객체인지를 판단함으로서, 상기 차단바(300)에 근접하는 차량을 인식하도록 구성된다.

또한 상기 차단바 제어부(160)는, 상기 인식한 결과가 차량인지 또는 비차량 객체인지에 따라 상기 구성한 차단바(300)의 회전운동을 제어함으로써, 상기 주차장을 이용하는 차량에 대한 통제를 수행하도록 구성된다.

한편, 상기 차량 인식기 구성 단계는, 상기 카메라(200)로부터 촬영된 영상을 수신하는 영상 수신부를 구성하는 영상 수신부 구성 단계, 상기 조도 센서의 감지결과를 수신하는 조도 센서 감지결과 수신부를 구성하는 조도 센서 감지결과 수신부 구성 단계, 상기 구성한 차량 인식부(150)의 인식결과에 따라, 해당 인식결과를 관리서버(400)로 제공하여 이에 대한 피드백 정보를 수신하는 피드백 정보 수신부를 구성하는 피드백 정보 수신부 구성단계를 더 포함하며, 상기 도 5를 참조하여 설명한 각 단계를 통해 구성되는 상기 주차 차단기(10)의 각 구성부분은 도 1 내지 도 3을 참조하여 설명하였으므로 더 이상의 상세한 설명은 생략하도록 한다.

이상에서 설명한 바와 같이, 본 발명은 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기 및 그 구성 방법에 관한 것으로, 차량 인식용 학습데이터 및 비차량 인식용 학습데이터를 학습하여, 복수의 차량 인식용 학습모델과 비차량 인식용 학습모델을 생성하고, 상기 생성한 복수의 차량 인식용 학습모델 및 비차량 인식용 학습모델을 이용하여 카메라를 통해 촬영된 영상만으로도 주차장을 이용하는 차량을 정확하게 인식할 수 있도록 함으로써, 루프 코일과 같이 차량의 이동을 감지하기 위한 별도의 수단을 구비하지 않고서도 주차 차단기를 구성할 수 있도록 하여, 저비용으로 상기 주차 차단기를 운용할 수 있는 효과가 있다.

상기에서는 본 발명에 따른 바람직한 실시예를 위주로 상술하였으나, 본 발명의 기술적 사상은 이에 한정되는 것은 아니며 본 발명의 각 구성요소는 동일한 목적 및 효과의 달성을 위하여 본 발명의 기술적 범위 내에서 변경 또는 수정될 수 있을 것이다.

또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.

10: 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기
100: 차량 인식기 110: 인공지능부
111: 차량 인식용 학습모델 생성부 112: 비차량 인식용 학습모델 생성부
113: 강화 학습부 120: 영상 수신부
130: 조도 센서 감지결과 수신부 140: 물체 인식부
150: 차량 인식부 160: 차단바 제어부
170: 피드백 정보 수신부 180: 메모리
200: 카메라 300: 차단바
310: 조도 센서 400: 관리서버
500: 관리자 단말

Claims (10)

1. 복수의 차량에 대한 이미지와, 각 차량 이미지에 대한 차량종류, 차량규모 및 카메라와의 거리정보간의 매핑관계를 학습하여, 차량종류별로 차량을 인식하기 위한 복수의 차량 인식용 학습모델을 생성하는 차량 인식용 학습모델 생성부;
   복수의 비차량 객체에 대한 객체 이미지와, 상기 각 객체에 대한 객체종류 및 카메라와의 거리정보간의 매핑관계를 학습하여, 비차량 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하는 비차량 인식용 학습모델 생성부; 및
   주차장 진출입로에 설치되는 카메라에서 촬영된 영상을 상기 생성한 복수의 차량 인식용 학습모델과 상기 비차량 인식용 학습모델에 입력하여, 상기 영상에 포함된 물체가 차량 또는 비차량 객체인지에 대한 여부를 판단함으로써, 상기 주차장 진출입로에 설치된 각 차단바에 근접하는 차량을 인식하는 차량 인식부;를 포함하는 것을 특징으로 하는 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기.
2. 청구항 1에 있어서,
   상기 복수의 차량 인식용 학습모델은,
   상기 카메라에서 촬영된 영상에 대한 복수의 프레임을 순서대로 입력받아, 상기 각 프레임별로 차량종류에 대한 확률, 차량규모에 대한 확률, 상기 거리정보별 확률 또는 이들의 조합을 출력하며,
   상기 비차량 인식용 학습모델은,
   상기 카메라에서 촬영된 영상에 대한 복수의 프레임을 순서대로 입력받아, 상기 각 프레임별로 비차량 객체의 종류에 대한 확률, 상기 거리정보별 확률 또는 이들의 조합을 출력하는 것을 특징으로 하는 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기.
3. 청구항 1에 있어서,
   상기 주차 차단기는,
   상기 영상에 포함된 물체가 차량 또는 비차량 객체로 인식되지 않는 경우에는, 상기 영상 및 상기 인식결과를 관리서버로 제공하여 이에 대한 피드백 정보를 수신하는 피드백 정보 수신부; 및
   상기 수신한 피드백 정보에 따라, 해당 피드백 정보를 상기 생성한 복수의 차량 인식용 학습모델, 상기 비차량 인식용 학습모델 또는 이들의 조합에 적용함으로써, 상기 각 학습모델에 대한 강화학습을 수행하여 상기 인식되지 않은 차량 또는 비차량 객체를 인식할 수 있도록 하는 강화 학습부;를 더 포함하며,
   상기 피드백 정보는,
   상기 영상에 포함된 물체가 차량인 경우, 상기 영상의 각 프레임별로 차량종류, 차량규모 및 카메라간 거리정보를 매핑한 매핑 테이블을 포함하며, 상기 영상에 포함된 물체가 비차량 객체인 경우, 상기 영상의 각 프레임별로 객체종류 및 카메라간 거리정보를 매핑한 매핑 테이블을 포함하는 것을 특징으로 하는 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기.
4. 청구항 2에 있어서,
   상기 차량 인식부는,
   상기 프레임별로 상기 차량 인식용 학습모델 및 비차량 인식용 학습모델의 출력결과를 참조하여, 미리 설정한 임계값을 초과하고, 가장 높은 확률을 가지는 차량종류와 비차량 객체의 종류를 선택하여, 상기 선택한 차량종류가 비차량 객체의 종류에 대한 확률보다 높은 경우, 상기 가장 높은 확률을 가지는 차량종류를 출력한 특정 차량 인식용 학습모델의 출력결과 중, 제일 높은 확률을 가지는 차량규모 및 거리정보를 프레임별로 선택하여,
   상기 프레임별로 선택한 차량종류가 모두 동일하고 상기 거리정보가 점진적으로 감소되는 경우, 상기 물체가 상기 차단바에 근접하는 차량으로 인식하는 것을 특징으로 하는 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기.
5. 청구항 1에 있어서,
   상기 주차 차단기는,
   상기 카메라를 통해 주간에 촬영된 영상의 각 프레임을 순차적으로 비교하여, 상기 각 프레임의 변화가 감지되는 경우, 주간에 상기 진출입로에 물체가 존재하는 것으로 인식하거나, 상기 차단바의 상단에 구비되고 야간에 동작하는 조도 센서의 감지결과가 미리 설정한 임계값을 초과하는 경우, 야간에 상기 진출입로에 물체가 존재하는 것으로 인식하는 물체 인식부;를 더 포함하며,
   상기 차량 인식부는, 상기 물체가 인식되는 경우에, 상기 영상에 포함된 물체가 차량 또는 비차량 객체인지에 대한 여부를 판단하는 것을 특징으로 하는 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기.
6. 청구항 4에 있어서,
   상기 차량 인식부는,
   상기 주차장 내부로 진입하는 차량을 인식한 경우에는, 상기 선택한 해당 차량의 차량종류, 차량규모, 해당 차량의 차량번호 및 진입시간을 포함하는 차량정보를 저장하여,
   해당 차량이 주차장 외부로 진출할 때, 상기 저장한 차량정보를 참조하여 사전에 설정한 차량종류, 차량규모 및 주차장 이용시간에 따라 주차요금을 결제 받도록 하는 것을 특징으로 하는 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기.
7. 상단에 조도 센서를 포함하고, 주차장 진출입로에 차량의 진출입을 통제하기 위한 차단바를 각각 구성하는 단계;
   상기 주차장 진출입로에 대한 영상을 각각 촬영하는 카메라를 구성하는 단계; 및
   복수의 차량에 대한 차량 이미지와, 각 차량에 대한 차량종류, 차량규모 및 카메라와의 거리정보간의 매핑관계를 학습하여 차량종류별로 차량을 인식하기 위한 복수의 차량 인식용 학습모델과, 복수의 비차량 객체에 대한 객체 이미지와, 상기 각 객체에 대한 객체종류 및 카메라와의 거리정보간의 매핑관계를 학습하여, 비차량 객체를 인식하기 위한 비차량 인식용 학습모델을 생성하고, 상기 주차장 진출입로에 설치되는 카메라에서 촬영된 영상을 상기 생성한 복수의 차량 인식용 학습모델과 상기 비차량 인식용 학습모델에 입력하여, 상기 영상에 포함된 물체가 차량 또는 비차량 객체인지에 대한 여부를 판단함으로써, 상기 주차장 진출입로에 설치된 각 차단바에 근접하는 차량을 인식하는 차량 인식기를 구성하는 차량 인식기 구성 단계;를 포함하며,
   상기 복수의 차량 인식용 학습모델은, 상기 카메라에서 촬영된 영상에 대한 복수의 프레임을 순서대로 입력받아, 상기 각 프레임별로 차량종류에 대한 확률, 차량규모에 대한 확률, 상기 거리정보별 확률 또는 이들의 조합을 출력하고,
   상기 비차량 인식용 학습모델은, 상기 카메라에서 촬영된 영상에 대한 복수의 프레임을 순서대로 입력받아, 상기 각 프레임별로 비차량 객체의 종류에 대한 확률, 상기 거리정보별 확률 또는 이들의 조합을 출력하는 것을 특징으로 하는 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기 구성방법.
8. 청구항 7에 있어서,
   상기 차량 인식기 구성 단계는,
   상기 영상에 포함된 물체가 차량 또는 비차량 객체로 인식되지 않는 경우에는, 상기 영상 및 상기 인식결과를 관리서버로 제공하여 이에 대한 피드백 정보를 수신하는 피드백 정보 수신부를 구성하는 단계; 및
   상기 수신한 피드백 정보에 따라, 해당 피드백 정보를 상기 생성한 복수의 차량 인식용 학습모델, 상기 비차량 인식용 학습모델 또는 이들의 조합에 적용함으로써, 상기 각 학습모델에 대한 강화학습을 수행하여 상기 인식되지 않은 차량 또는 비차량 객체를 인식할 수 있도록 하는 강화 학습부를 구성하는 단계;를 더 포함하며,
   상기 피드백 정보는,
   상기 영상에 포함된 물체가 차량인 경우, 상기 영상의 각 프레임별로 차량종류, 차량규모 및 카메라간 거리정보를 매핑한 매핑 테이블을 포함하며, 상기 영상에 포함된 물체가 비차량 객체인 경우, 상기 영상의 각 프레임별로 객체종류 및 카메라간 거리정보를 매핑한 매핑 테이블을 포함하는 것을 특징으로 하는 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기 구성 방법.
9. 청구항 7에 있어서,
   상기 차량 인식기는,
   상기 프레임별로 상기 차량 인식용 학습모델 및 비차량 인식용 학습모델의 출력결과를 참조하여, 미리 설정한 임계값을 초과하고, 가장 높은 확률을 가지는 차량종류와 비차량 객체의 종류를 선택하여, 상기 선택한 차량종류가 비차량 객체의 종류에 대한 확률보다 높은 경우, 상기 가장 높은 확률을 가지는 차량종류를 출력한 특정 차량 인식용 학습모델의 출력결과 중, 제일 높은 확률을 가지는 차량규모 및 거리정보를 프레임별로 선택하여,
   상기 프레임별로 선택한 차량종류가 모두 동일하고 상기 거리정보가 점진적으로 감소되는 경우, 상기 물체가 상기 차단바에 근접하는 차량으로 인식하도록 구성되는 것을 특징으로 하는 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기 구성 방법.
10. 청구항 7에 있어서,
    상기 주차 차단기 구성 방법은,
    상기 카메라를 통해 주간에 촬영된 영상의 각 프레임을 순차적으로 비교하여, 상기 각 프레임의 변화가 감지되는 경우, 주간에 상기 진출입로에 물체가 존재하는 것으로 인식하거나, 상기 차단바의 상단에 구비되고 야간에 동작하는 조도 센서의 감지결과가 미리 설정한 임계값을 초과하는 경우, 야간에 상기 진출입로에 물체가 존재하는 것으로 인식하는 물체 인식부를 구성하는 단계;를 더 포함하며,
    상기 차량 인식기는, 상기 물체가 인식되는 경우, 상기 영상에 포함된 물체가 차량 또는 비차량 객체인지에 대한 여부를 판단하도록 구성되는 것을 특징으로 하는 인공지능 기반 영상분석을 통한 차량 인식기를 구비한 주차 차단기 구성 방법.

Images