KR20210049413A - Ai 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법 - Google Patents

Ai 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법 Download PDF

Info

Publication number
KR20210049413A
KR20210049413A KR1020190133688A KR20190133688A KR20210049413A KR 20210049413 A KR20210049413 A KR 20210049413A KR 1020190133688 A KR1020190133688 A KR 1020190133688A KR 20190133688 A KR20190133688 A KR 20190133688A KR 20210049413 A KR20210049413 A KR 20210049413A
Authority
KR
South Korea
Prior art keywords
photo
analyzing
server
determining
rejection
Prior art date
Application number
KR1020190133688A
Other languages
English (en)
Other versions
KR102316309B1 (ko
Inventor
유수호
이재만
Original Assignee
유수호
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 유수호 filed Critical 유수호
Priority to KR1020190133688A priority Critical patent/KR102316309B1/ko
Priority to PCT/KR2019/016371 priority patent/WO2021080081A1/ko
Publication of KR20210049413A publication Critical patent/KR20210049413A/ko
Application granted granted Critical
Publication of KR102316309B1 publication Critical patent/KR102316309B1/ko

Links

Images

Classifications

    • G06K9/20—
    • G06K9/46—
    • G06K9/6201—
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions
    • G06Q50/30—
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Operations Research (AREA)

Abstract

본 발명은 인공 지능(Artificial Intelligence, AI) 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법에 관한 것이다.
본 발명의 일례에 따른 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법은 분석대상 사진을 업로드 받는 단계; 상기 AI 사진 분석 모듈이 상기 사진을 분석하는 단계; 및 상기 분석하는 단계의 결과를 기반으로 승인 또는 거절을 결정하는 단계를 포함하고, 상기 사진을 분석하는 단계는, 상기 사진에서 미리 정해진 오브젝트와 상기 오브젝트의 주변 환경을 구분하는 단계; 상기 주변 환경이 실내인지, 실외인지 판단하는 단계; 및 상기 주변 환경에서 미리 정해진 지물을 감지하는 단계를 포함한다.

Description

AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법{Photo analysis method of server including Artificial Intelligence photo analysis module}
본 발명은 인공 지능(Artificial Intelligence, AI) 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법에 관한 것이다. 보다 상세하게는 본 발명은 AI 분석 모듈이 전동 킥보드, 전동 스쿠터 또는 전동 자전거와 같은 개인용 전동기(Personal Mobility, PM)의 반납이 올바른지 여부를 분석 및 판단하는 방법에 관한 것이다.
최근에는 전동 킥보드, 전동 스쿠터 또는 전동 자전거와 같은 개인용 전동기(PM)를 이용하는 사용자가 증가하고 있으며, 특히 도심지에서는 건강을 위해서는 물론, 대중 교통 수단을 대체하는 교통 수단으로서 많은 사람이 이용하고 있다.
이러한 개인용 전동기(PM)는 일반적인 이동수단과 달리 화석연료를 사용하지 않기 때문에 환경오염이 발생되지 않고, 근거리 통학 및 출퇴근 수단으로써 경비절감과 출퇴근 시간 절약 또는 근거리 이동에서 그 활용성이 급격하게 늘고 있다.
최근 이를 위해, 개인용 전동기(PM)를 대여 및 공유하는 다양한 사업 모델이 증가하고 있다.
그러나, 한편, 최근에는 개인용 전동기(PM)의 반납업무를 처리하는데 따른 관리비용이 증가하고, 이용자들은 복잡한 반납절차로 인한 불편함이 있으며, 개인용 전동기(PM)를 실내에서 반납하여 다른 사용자의 이용을 방해하거나, 개인용 전동기(PM)의 반납이 다른 사용자가 이용하기 어려운 상태로 반납하거나, 개인용 전동기(PM)가 위치해서는 안될 장소에 반납하는 등 문제점이 있어 왔다.
본 발명은 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법을 제공하는데, 그 목적이 있다. 보다 상세하게는 본 발명은 AI 분석 모듈이 전동 킥보드, 전동 스쿠터 또는 전동 자전거와 같은 개인용 전동기(Personal Mobility, PM)의 반납이 올바른지 여부를 분석 및 판단하는 방법을 제공하는데, 그 목적이 있다.
본 발명의 일례에 따른 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법은 분석대상 사진을 업로드 받는 단계; 상기 AI 사진 분석 모듈이 상기 사진을 분석하는 단계; 및 상기 분석하는 단계의 결과를 기반으로 승인 또는 거절을 결정하는 단계를 포함하고, 상기 사진을 분석하는 단계는, 상기 사진에서 미리 정해진 오브젝트와 상기 오브젝트의 주변 환경을 구분하는 단계; 상기 주변 환경이 실내인지, 실외인지 판단하는 단계; 및 상기 주변 환경에서 미리 정해진 지물을 감지하는 단계를 포함한다.
상기 서버는 상기 미리 정해진 지물의 이미지를 포함하는 데이터베이스를 포함하거나, 상기 데이터베이스에 접근 가능하고, 상기 지물을 감지하는 단계는, 상기 주변 환경과 상기 데이터베이스를 비교하여 상기 주변 환경의 특정 부분이 상기 미리 정해진 지물과 일치하는 정도를 산출할 수 있다.
상기 미리 정해진 지물은 벽, 거치대, 울타리, 도로 경계선 및 출입구 중 적어도 하나를 포함할 수 있다.
상기 사진을 분석하는 단계는, 상기 오브젝트가 위치하는 지면을 감지하는 단계를 더 포함할 수 있다.
상기 사진을 분석하는 단계는, 상기 오브젝트가 위치하는 지면의 종류를 감지하는 단계를 더 포함할 수 있다.
상기 지면의 종류를 감지하는 단계는, 상기 지면의 형태, 위치, 폭, 색상 등에 기반하여 감지할 수 있다.
상기 사진을 분석하는 단계는, 상기 오브젝트가 일 종류의 지면에서 차지하고 있는 비율을 산출하는 단계를 더 포함할 수 있다.
상기 승인 또는 거절을 결정하는 단계는, 상기 산출된 비율이 미리 정해진 레벨을 초과하는 경우, 거절로 결정할 수 있다.
상기 사진을 분석하는 단계에서, 상기 오브젝트가 실내에 위치하는 것으로 판별된 경우, 상기 승인 또는 거절을 결정하는 단계는, 거절로 결정할 수 있다.
상기 사진을 분석하는 단계는 상기 오브젝트로 추출된 개인용 전동기가 넘어진 상태인지 여부를 분석하고, 상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트로 추출된 개인용 전동기가 넘어진 상태로 판별된 경우, 거절로 결정할 수 있다.
상기 사진을 분석하는 단계는 상기 오브젝트가 도로 상의 횡단 보도에 위치하는지를 분석하고, 상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트가 도로 상의 횡단 보도에 위치하는 것으로 판별된 경우, 거절로 결정할 수 있다.
상기 사진을 분석하는 단계는 상기 오브젝트가 건물 주차장의 진출입로, 건물 출입구의 진출입로 또는 건물 엘리베이터나 에스컬레이터의 진출입로 중 적어도 하나의 진출입로에 위치하는지를 분석하고, 상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트가 적어도 하나의 진출입로에 위치하는 것으로 판별된 경우, 거절로 결정할 수 있다.
본 발명의 일례에 따른 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법은 AI 사진 분석 모듈이 사진을 업로드 받아, 사진을 분석하여, 상기 분석하는 단계의 결과를 기반으로 개인용 전동기의 반납에 대한 승인 또는 거절을 결정하도록 함으로써, 개인용 전동기에 대한 관리를 보다 효율적으로 운영하도록 할 수 있다.
도 1은 본 발명의 일례에 따른 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법의 개념을 간략하게 설명하기 위한 도이다.
도 2는 본 발명의 일례에서, AI 사진 분석 모듈을 포함하는 서버를 설명하기 위한 도이다.
도 3은 본 발명의 일례에 따른 AI 사진 분석 모듈을 포함하는 서버가 동작하는 방법의 일례를 설명하기 위한 도이다.
도 4는 도 3의 각 단계를 보다 구체적으로 설명하기 위한 도이다.
도 5는 도 4에서 PM 주변 환경 분석 방법을 보다 구체적으로 설명하기 위한 도이다.
도 6 내지 도 14는 도 5에 도시된 PM 주변 환경 분석 방법의 구체적 일례를 설명하기 위한 도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다. 본 발명을 설명하는데 있어서, 해당 분야에 이미 공지된 기술 또는 구성에 대한 구체적인 설명을 부가하는 것이 본 발명의 요지를 불분명하게 할 수 있다고 판단되는 경우에는 상세한 설명에서 이를 일부 생략하도록 한다. 또한, 본 명세서에서 사용되는 용어들은 본 발명의 실시예들을 적절히 표현하기 위해 사용된 용어들로서, 이는 해당 분야의 관련된 사람 또는 관례 등에 따라 달라질 수 있다. 따라서, 본 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법에 대해서 설명한다.
도 1은 본 발명의 일례에 따른 AI 사진 분석 모듈(110)을 포함하는 서버(100)가 사진을 분석하는 방법의 개념을 간략하게 설명하기 위한 도이다.
도 1에 도시된 바와 같이, 본 발명의 일례에 따른 AI 사진 분석 모듈(110)을 포함하는 서버(100)가 사진을 분석하는 방법은 사용자가 개인용 전동기(10)(PM, 10)를 이용한 이후, 그 사용을 종료하고자 할 때, 사용자가 스마트폰 또는 휴대폰과 같은 이동 통신 단말기(20)인 사용자 단말기(20)를 이용하여 개인용 전동기(10) 관리 서버(100)에 반납을 신청할 수 있다.
이를 위해, 도 1에 도시된 바와 같이, 사용자는 사용이 종료된 개인용 전동기(10)의 반납 상태를 사용자 단말기(20)기로 촬영한 이후, 이를 인터넷 통신망을 통하여, 개인용 전동기(10) 관리 서버(100)로 업로드할 수 있다.
개인용 전동기(10) 관리 서버(100)는 AI 사진 분석 모듈(110)을 포함할 수 있으며, AI 사진 분석 모듈(110)이 업로드된 사진을 분석하고, 분석된 결괄를 기반으로, 사용자의 반납에 대해 승인 또는 거절을 결정할 수 있다.
이와 같이, 본 발명의 일례에 따른 AI 사진 분석 모듈(110)을 포함하는 서버(100)가 사진을 분석하는 방법은 개인용 전동기(10)의 올바른 반납을 유도함으로써, 개인용 전동기(10)에 대한 관리를 보다 효율적으로 운영하도록 할 수 있다.
이하에서는 AI 사진 분석을 통하여, 반납의 승인 또는 거절을 결정하는 AI 사진 분석 모듈(110)을 포함하는 서버(100)에 대해 설명하고, AI 사진 분석 모듈(110)을 포함하는 서버(100)가 동작하는 방법의 일례에 대해 설명한다.
도 2는 본 발명의 일례에서, AI 사진 분석 모듈(110)을 포함하는 서버(100)를 설명하기 위한 도이다.
도 2에 도시된 바와 같이, 본 발명의 일례에 따른 개인용 전동기(10) 관리 서버(100)는 AI 사진 분석 모듈(110)을 포함할 수 있으며, 미리 정해진 지물의 이미지를 포함하는 데이터 베이스부(120)와 연동되어 데이터 베이스부(120)에 접근이 가능하다.
도 2에서는 서버(100)가 미리 정해진 지물의 이미지를 포함하는 데이터 베이스부(120)를 포함하지 않는 경우를 일례로 도시하였으나, 이는 일례로, 본 발명이 반드시 이에 한정되는 것은 아니고, 본 발명에 따른 서버(100)는 도 2에 도시된 바와 다르게, 미리 정해진 지물의 이미지를 포함하는 데이터베이스를 포함할 수도 있다.
데이터 베이스부(120)에는 개인용 전동기(10)의 반납 상태를 분석하기 위해, 많은 양의 비교용 빅데이터 사진 데이터가 저장되어 있으며, 서버(100)의 요청에 따라 사진을 분석할 때, 빅데이터 사진 데이터가 서버(100)로 전송될 수 있다.
AI 사진 분석 모듈(110)은 사진 수신 모듈(111), 오브젝트 추출 모듈(112), 주변 환경 분석 모듈(113), 반납 여부 결정 모듈(114) 및 AI 고도화 모듈(115)을 포함할 수 있다.
여기서, 사진 수신 모듈(111)은 사용자가 사용이 종료된 개인용 전동기(10)를 반납하기 위해, 이동 통신 단말기(20)로 촬영한 개인용 전동기(10)에 대한 사진을 업로드 받을 수 있다.
오브젝트 추출 모듈(112)은 업로드된 사진으로부터 개인용 전동기(10)에 대한 오브젝트를 추출하여, 개인용 전동기(10)에 대한 이미지와, 개인용 전동기(10)가 위치한 배경에 대한 이미지를 분리할 수 있다.
오브젝트 추출 모듈(112)이 오브젝트를 추출할 때, 일례로, 오브젝트는 업로드된 사진으로부터 개인용 전동기(10)에 대한 특징점을 추출하는 방식으로 추출될 수 있다.
이와 같이, 오브젝트 추출 모듈(112)에 의해 오브젝트가 추출된 이후, AI 사진 분석 모듈(110)은 개인용 전동기(10)에 대한 이미지와, 개인용 전동기(10)가 위치한 배경에 대한 이미지를 분리하여 분석할 수 있다.
주변 환경 분석 모듈(113)은 오브젝트를 추출한 이후, 오브젝트와 배경을 분리하여 인식하고, 사진을 분석하여, 오브젝트가 위치한 환경을 분석할 수 있다.
여기서, 개인용 전동기(10)가 위치한 배경이나 환경에 대한 분석은 배경이나 환경에 표시되는 각 부분(예를 들어, 지면, 벽면, 도로 등)에 대해, 데이터 베이스부(120)에 이미 저장된 많은 양의 사진 데이터와 비교하여, 유사성의 정도에 대한 값을 산출하고, 산출된 값으로부터 배경이나 환경에 표시되는 각 부분의 유사도를 판단하여, 개인용 전동기(10)가 어디에 위치하는지 또는 개인용 전동기(10)의 상태는 어떠한지(예를 들어, 넘어진 상태인지, 세워진 상태인지) 분석할 수 있다.
반납 여부 결정 모듈(114)은 사진을 분석한 결과를 기반으로 사용자의 개인용 전동기(10) 반납에 대한 승인 또는 거절을 결정할 수 있다. 즉, 반납 여부 결정 모듈(114)은 주변 환경 분석 모듈(113)에서 분석된 결과에 기반하여, 개인용 전동기(10)의 반납 장소가 올바른지 아닌지 여부를 판별하여, 반납에 대한 승인 또는 거절을 결정할 수 있다.
일례로, 반납 여부 결정 모듈(114)은 오브젝트가 위치한 장소에 대한 적절성 여부 및 오브젝트의 자세에 대한 적절성 여부 등을 고려하여, 미리 정해진 임계값을 넘어서는 경우 반납을 승인할 수 있으며, 임계값을 넘어서지 못하는 경우 거절을 결정할 수 있다.
AI 고도화 모듈(115)은 사용자가 업로드한 사진에 대한 분석이 종료된 이후, 사진 분석에 대한 결과를 라벨링하여, 서버(100)와 연결되는 데이터 베이스부(120)에 업로드할 수 있고, 차후의 개인용 전동기(10) 반납 여부를 결정할 때, 분석된 사진이 비교 데이터로 이용되도록 할 수 있다.
이에 따라, AI 사진 분석 모듈(110)을 포함하는 서버(100)가 개인용 전동기(10)에 대한 주변 환경을 분석하는 횟수가 증가할수록, AI 사진 분석 모듈(110)의 정확도가 보다 고도화되도록 할 수 있다.
이하에서는, AI 사진 분석 모듈(110)을 포함하는 서버(100)가 동작하는 방법의 일례에 대해 설명한다.
도 3은 본 발명의 일례에 따른 AI 사진 분석 모듈(110)을 포함하는 서버(100)가 동작하는 방법의 일례를 보다 구체적으로 설명하기 위한 도이고, 도 4는 도 3의 각 단계를 보다 구체적으로 설명하기 위한 도이다.
AI 사진 분석 모듈(110)을 포함하는 서버(100)가 사진을 분석하는 방법은 반납 요청 단계(S110), 가이드 라인 제공 단계(S120), 사진 업로드 단계(S130), 사진 분석 단계(S140), 반납 승인 여부 판단 단계(S150) 및 AI 고도화 단계(S160)를 포함할 수 있다.
여기서, 반납 요청 단계(S110), 가이드 라인 제공 단계(S120) 및 AI 고도화 단계(S160)는 경우에 따라 생략되는 것도 가능하다. 그러나, 편의상 도시된 바와 같이 구비된 경우를 일례로 설명한다.
반납 요청 단계(S110)는 사용자의 이동 통신 단말기(20)에 사전에 미리 설치되어, 개인용 전동기(10) 관리 서버(100)와 연동되는 애플리케이션(APP)에서, 반납 요청 버튼을 클릭하여 시작될 수 있다.
사용자가 사용자 단말기(20)를 통하여, 반납 요청 버튼을 클릭하면, 단말기(20)는 인터넷 통신망을 통하여, 서버(100)에 반납 요청 정보를 전송할 수 있다.
만약, 개인용 전동기(10)에 위치 감지 센서가 구비된 경우, 서버(100)는 반납 요청 정보를 수신한 후, 개인용 전동기(10)의 위치를 확인할 수 있다. 그러나, 개인용 전동기(10)에 위치 감지 센서가 구비되지 않은 경우, 서버(100)는 반납 정보를 수신할 때, 사용자 단말기(20)의 위치 정보를 함께 수신하여, 개인용 전동기(10)의 위치를 확인할 수 있다.
이와 같이, 반납 요청 단계(S110)가 수행된 이후, 가이드 라인 제공 단계(S120)가 수행될 수 있다.
가이드 라인 제공 단계(S120)에서는 서버(100)의 AI 사진 분석 모듈(110)이 사용자 단말기(20)로 도 4의 (a)에 도시된 바와 같이, 개인용 전동기(10)를 촬영하기 위한 가이드 라인(GL)을 제공할 수 있다.
이와 같은 가이드 라인(GL)에 따라, 사용자가 개인용 전동기(10)를 촬영한 이후, 촬영된 사진을 서버(100)로 업로드할 수 있다.
사진 업로드 단계(S130)에서는 사진 수신 모듈(111)이 사용자 단말기(20)로부터 전송되는 사진을 수신할 수 있다.
사진 분석 단계(S140)에서는 AI 사진 분석 모듈(110)의 오브젝트 추출 모듈(112) 및 주변 환경 분석 모듈(113)이 사진을 분석할 수 있다.
이와 같은 사진 분석 단계(S140)는 AI 사진 분석 모듈이 사진을 분석하기 위해, PM 오브젝트 추출 단계(S141) 및 PM 주변 환경 분석 단계(S143)를 포함할 수 있다.
PM 오브젝트 추출 단계(S141)에서는 개인용 전동기(10)의 반납 상태를 확인하기 위하여, 오브젝트 추출 모듈(112)이 개인용 전동기(10)에 대한 이미지인 오브젝트를 추출하여, 도 4의 (b)에 도시된 바와 같이, 사진에서 정해진 오브젝트와 오브젝트의 주변 환경을 구분할 수 있다.
PM 주변 환경 분석 단계(S143)에서는 도 4의 (c)에 도시된 바와 같이, 오브젝트와 오브젝트의 주변 환경을 분석하여, 개인용 전동기(10)의 반납 상태를 확인할 수 있다.
이를 위해, PM 주변 환경 분석 단계(S143)에서는 반납되는 개인용 전동기(10)의 주변 환경이 실내인지, 실외인지 판단하고, 주변 환경에서 미리 정해진 지물을 감지할 수 있다.
이와 같은 PM 주변 환경 분석 단계(S143)에서는 오브젝트와 오브젝트의 주변 환경을 분석하기 위해, 오브젝트 이미지와 오브젝트의 주변 환경 이미지를 데이터 베이스부(120)에 사전에 저장된 많은 양의 빅데이터 사진 데이터와 비교하여, 유사도를 판단할 수 있다.
이와 같은 유사도 판단은 오브젝트의 주변 환경 이미지의 각 부분에 대해, 사진 데이터의 각 부분을 구분하여 수행될 수 있다.
일례로, 도 4의 (c)에 도시된 바와 같이, 개인용 전동기(10)의 주변 지물을 검출하여, 개인용 전동기(10)가 실내에 위치하는지, 주변 지물은 무엇이 있는지(예를 들어, 도로 위인지, 보도 위인지, 근처에 벽이 있는지, 나무가 있는지) 등을 주변 환경 이미지의 각 부분에 대해 유사도를 판단하여, 개인용 전동기(10)가 구체적으로 어떤 장소에 위치하는지 분석할 수 있다.
아울러, AI 사진 분석 모듈(110)은 업로드된 사진의 오브젝트 이미지 또는 개인용 전동기(10)에 구비된 자이로 센서로부터 수신된 정보를 확인하여, 반납 요청 당시 개인용 전동기(10)가 세워져 있는지, 넘어져 있는지 등을 확인할 수 있다.
이와 같이, PM 주변 환경 분석 단계(S143)에 대해서는 도 5 이하에서 보다 구체적으로 설명한다.
이와 같이, PM 주변 환경 분석 단계(S143)가 수행된 이후, 반납 승인 여부 판단 단계(S150)에서는 사진 분석 단계(S140)의 결과를 기반으로 반납 여부 결정 모듈(114)이 사용자의 반납 요청에 대해 승인 또는 거절을 결정을 할 수 있다.
즉, 사진 분석 단계(S140)의 결과, 개인용 전동기(10)가 적절한 장소에 위치했는지, 개인용 전동기(10)의 상태는 제대로 세워져 있는지 등을 판단하여, 판단된 값이 임계값을 넘어서는 사용자의 반납 요청에 대해 승인하고, 임계값에 미치지 못하는 경우 거절을 결정할 수 있다.
AI 고도화 단계(S160)에서는 AI 고도화 모듈(115)이 업로드된 사진에 대해, 사진 분석 단계(S140)의 결과값을 라벨링하여, 데이터 베이스부(120)에 업로드할 수 있다. 이와 같이 데이터 베이스부(120)에 업로드된 사진은 추후, 다른 반납 요청이 서버(100)로 입력되었을 때, 사진 분석 단계(S140)의 사진 데이터 자료로 활용될 수 있다.
이하에서는 주변 환경 분석 모듈(113)이 PM 주변 환경 분석 단계(S143)를 수행하는 보다 구체적인 예들에 대해 설명한다.
도 5는 도 4에서 PM 주변 환경 분석 방법을 보다 구체적으로 설명하기 위한 도이고, 도 6 내지 도 14는 도 5에 도시된 PM 주변 환경 분석 방법의 구체적 일례를 설명하기 위한 도이다.
도 5에 도시된 바와 같이, PM 주변 환경 분석 단계(S143)는 반납 요청된 개인용 전동기(10)가 적절하게 반납될 수 있는 상태인지를 분석하기 위하여, 실내 여부 판단 단계(143a), 주변 지물 검출 단계(143b), 지면 종류 판별 단계(143c), 통행 불편 여부 판별 단계(143d), 진출입로 판별 단계(143e), 횡단 보도 판별 단계(143f) 및 PM 상태 판별 단계(143G)를 수행할 수 있다.
PM 주변 환경 분석 단계(S143)가 전술한 모든 단계를 반드시 포함하는 것은 아니나, 적어도 실내 여부 판단 단계(143a) 및 주변 지물 검출 단계(143b)는 필수적으로 포함될 수 있다. 이하에서는 설명의 편의상 PM 주변 환경 분석 단계(S143)가 전술한 모든 단계를 포함하는 경우를 일례로 설명한다.
실내 여부 판단 단계(143a)에서는 반납되는 개인용 전동기(10)의 주변 환경이 실내인지, 실외인지 판단할 수 있다.
이를 위해, 일례로, 개인용 전동기(10)의 특정 위치를 파악하여, 빅데이터 사진 자료가 저장된 데이터 베이스부(120)로부터 특정 위치에 대한 사진 데이터를 선택적으로 제공받아, 해당 위치에 주변 환경을 분석할 수 있다.
개인용 전동기(10)의 주변 환경이 실내인지 여부를 판별하기 위해 이미 저장된 실내용 빅데이터 사진 데이터와 비교하고, 유사도를 판단하여 실내인지 여부를 분석할 수 있다.
일례로, 반납을 위해 도 6의 (a)와 같은 사진이 업로드된 경우, 서버(100)는 데이터 베이스로부터 도 6의 (b)와 같은 빅데이터 사진 데이터를 제공받아, 업로드된 사진과 빅데이터 사진을 상호 비교하여 유사도를 판단하여, 유사도 값이 미리 결정된 임계값 이상으로 나올 경우, 실내로 판단할 수 있다.
만약, 실내 여부 판단 단계(143a)에서 실내가 아닌 실외인 것으로 판별된 경우, 실외에 대한 기존의 빅데이터 사진과 비교하거나, 예를 들어, 주변의 건물, 차도, 또는 벽의 위치, 출입문, 상점, 조도 등을 분석하여, 주변 지물 검출 단계(143b)를 수행할 수 있다.
그러나, 실내 여부 판단 단계(143a)에서, 도 6의 (a)와 같이, 개인용 전동기(10)에 대한 오브젝트가 실내에 위치하는 것으로 판별된 경우, 승인 또는 거절을 결정하는 단계에서는 서버(100)가 사용자의 반납 요청을 거절로 결정할 수 있다.
실내 여부 판단 단계(143a)에서, 실외로 판단된 경우, 주변 지물 검출 단계(143b)가 수행될 수 있다.
주변 지물 검출 단계(143b)에서는 주변 환경에서 미리 정해진 지물을 감지할 수 있다.
이와 같이, 지물을 감지하는 단계는, 주변 환경과 데이터베이스를 비교하여 주변 환경의 특정 부분이 미리 정해진 지물과 일치하는 정도를 산출할 수 있다.
여기서, 미리 정해진 지물은 벽, 거치대, 울타리, 도로 경계선 및 출입구 중 적어도 하나를 포함할 수 있다.
일례로, 도 7의 (a)와 같이, 개인용 전동기(10)가 벽을 마주 보고 있는 사진이 업로드된 경우, 서버(100)는 데이터 베이스부(120)로부터 제공받은 빅데이터 사진들과 비교하여, 도 7의 (b)와 같이, 벽을 마주 보고 있는 빅데이터 사진과의 유사도가 높은 것으로 판단하여, 주변 환경을 분석하고, 반납 여부 결정 모듈(114)은 분석된 결과 올바른 반납이라고 판단하여 반납을 승인할 수 있다.
이외에 도 8의 (a)와 같이, 개인용 전동기(10)가 거치대에 거치되어 있는 사진이 서버(100)로 업로드된 경우, 서버(100)는 데이터 베이스부(120)로부터 제공받은 빅데이터 사진들과 비교하여, 도 8의 (b)와 같이, 거치대에 거치되어 있는 빅데이터 사진과의 유사도가 높은 것으로 판단하여, 주변 환경을 분석하고, 반납 여부 결정 모듈(114)은 분석된 결과 올바른 반납이라고 판단하여 반납을 승인할 수 있다.
또한, 주변 지물 검출 단계(143b)에서는 주변 환경 분석 모듈(113)은 반납 요청된 개인용 전동기(10)가 주변에 다른 개인용 전동기(10)와 함께 거치되어 있는지, 주변에 울타리가 있는지, 도로 경계석과의 거리는 어느 정도인지, 출입구 근처에 있는지, 등도 함께 분석할 수 있다.
지면 종류 판별 단계(143c)에서는 오브젝트가 위치하는 지면을 감지하여, 오브젝트가 위치하는 지면의 종류를 감지할 수 있다. 여기서, 지면의 종류를 감지할 때, 지면의 형태, 위치, 폭, 색상 등에 기반하여 감지할 수 있다.
즉, 지면의 형태, 위치, 폭 색상 등을 판별하여 지면이, 인도인지, 차도인지, 공원인지 등을 분석할 수 있다. 이를 위해, 서버(100)는 지면에 관한 빅 데이터 사진을 제공받아, PM 오브젝트 추출 단계(S141)에서 추출된 개인용 전동기(10)의 바퀴에 대한 특징점으로부터 바퀴에 맞닿아 있는 지면의 종류를 판단하고, 지면의 종류와 비슷한 데이터의 일치 정도를 판단하여 지면의 종류를 판단하여, 지면이 인도인지, 차도인지, 공원인지 등을 분석할 수 있다.
예를 들어, 도 9의 (a)와 같은 사진이 업로드된 경우, 데이터 베이스부(120)로부터 도 9의 (b)에 도시된 바와 같은 빅데이터 사진을 제공받아, 유사도를 판단하여, 개인용 전동기(10)가 도로와 인도 사이의 경계석 근처에 있음을 분석할 수 있고, 반납 여부 결정 모듈(114)은 도로 경계석과 개인용 전동기(10) 사이의 거리를 분석하여, 거리가 충분히 이격된 경우, 사용자의 반납 요청을 승인할 수 있다.
또한, 도 10의 (a)와 같은 사진이 업로드된 경우, 서버(100)는 실내 여부 판단 단계(143a), 주변 지물 검출 단계(143b)와 지면 종류 판별 단계(143c)를 통해, 도 9의 (b)에 도시된 바와 같은 빅데이터 사진들과 유사하게, 개인용 전동기(10)가 도로와 인접하여 울타리가 있는 인도 상에 위치하고 있는 것을 분석하여, 사용자의 반납 요청을 승인할 수 있다.
또한, 도 11의 (a)와 같은 사진이 업로드된 경우, 서버(100)는 실내 여부 판단 단계(143a), 주변 지물 검출 단계(143b)와 지면 종류 판별 단계(143c)를 통해, 도 11의 (b)에 도시된 바와 같은 빅데이터 사진들과 유사하게, 개인용 전동기(10)가 공원과 인접한 인도 상에 위치하고 있는 것을 분석하여, 사용자의 반납 요청을 승인할 수 있다.
통행 불편 여부 판별 단계(143d)에서는 오브젝트가 일 종류의 지면에서 차지하고 있는 비율을 산출하고, 반납 승인 여부 판단 단계(S150)에서, 산출된 비율이 미리 정해진 레벨을 초과하는 경우, 서버(100)가 사용자의 반납 요청을 거절로 결정할 수 있다.
일례로, 도 12와 같은 사진이 업로드된 경우, 서버(100)는 실내 여부 판단 단계(143a), 주변 지물 검출 단계(143b)와 지면 종류 판별 단계(143c)를 통해, 개인용 전동기(10)가 도로와 인접한 인도상에 위치하는 것으로 분석할 수 있고, 인도폭(D2)과 개인용 전동기(10)가 인도를 가로막고 있는 점유폭(D1)을 분석할 수 있다.
이후, 반납 승인 여부 판단 단계(S150)에서, 인도폭(D2)에 대한 개인용 전동기(10)의 점유폭(D1)의 점유 비율이 미리 정해진 레벨을 초과하는 경우(예를 들어, 50%를 초과하는 경우), 서버(100)가 사용자의 반납 요청을 거절로 결정할 수 있다.
진출입로 판별 단계(143e)에서는 개인용 전동기(10)가 진출입로에 위치하는지를 분석하고, 반납 승인 여부 판단 단계(S150)에서, 오브젝트가 진출입로에 위치하는 것으로 판별된 경우, 서버(100)는 사용자의 반납 요청을 거절로 결정할 수 있다.일례로, 도 13의 (a)와 같은 사진이 업로드된 경우, 서버(100)는 도 13의 (b)와 같은 빅데이터 사진을 비교하여 유사도를 판단하고, 판단 결과 개인용 전동기(10)가 진출입로에 위치한 것으로 분석된 경우, 반납 승인 여부 판단 단계(S150)에서 서버(100)는 사용자의 반납 요청을 거절할 수 있다.
보다 구체적으로, 진출입로 판별 단계(143e)에서는 개인용 전동기(10)가 진출입로에 위치하는지를 분석할 때, 개인용 전동기가 위치한 진출입로의 종류를 판단할 수 있다.
여기서, 진출입로의 종류는 건물 주차장의 진출입로, 건물 출입구의 진출입로 또는 건물 엘리베이터나 에스컬레이터의 진출입로 중 적어도 하나일 수 있다.
반납 승인 여부 판단 단계(S150)에서, 진출입로의 종류에 따라 서로 다른 판단 기준을 적용하여, 사용자의 반납 요청을 승인 또는 거절할 수 있다.
예를 들어, 진출입로가 자동차가 주로 통행하는 건물 주차장의 진출입로인 경우, 건물 주차장의 진출입로 한 가운데 통로, 가장 자리 또는 주변에 오브젝트가 위치한 경우, 반납 승인 여부 판단 단계(S150)에서는 판단 기준을 보다 엄격하게 적용하여, 건물 주차장의 주변에 위치하더라도, 사용자의 반납 요청을 거절할 수 있다. 그러나, 진출입로가 사람이 주로 통행하는 건물 출입구, 건물 엘리베이터나 에스컬레이터의 진출입로인 경우, 반납 승인 여부 판단 단계(S150)에서, 오브젝트가 진출입로의 한 가운데 있지 아니하고, 진출입로의 가장 자리 또는 주변에 위치한 경우, 판단 기준을 보다 느슨하게 적용하여, 사용자의 반납 요청을 승인할 수 있다.
횡단 보도 판별 단계(143f)에서는 오브젝트가 도로 상의 횡단 보도에 위치하는지를 분석하고, 오브젝트가 도로 상의 횡단 보도에 위치하는 것으로 분석된 경우, 반납 승인 여부 판단 단계(S150)에서 서버(100)는 사용자의 반납 요청을 거절할 수 있다.
PM 상태 판별 단계(143G)에서는 오브젝트로 추출된 개인용 전동기(10)가 넘어진 상태인지 여부를 분석하고, 오브젝트로 추출된 개인용 전동기(10)가 넘어진 상태로 판별된 경우, 반납 승인 여부 판단 단계(S150)에서, 서버(100)는 사용자의 반납 요청을 거절할 수 있다.
여기서, 개인용 전동기(10)의 넘어진 상태 여부에 대해서는 업로드된 사진의 오브젝트 이미지 또는 개인용 전동기(10)에 구비된 자이로 센서로부터 수신된 정보를 확인하여, 반납 요청 당시 개인용 전동기(10)가 세워져 있는지, 넘어져 있는지 등을 확인할 수 있다.
이외에 도 14에 도시된 바와 같이, 본 발명에 따른 서버(100)는 (a) 개인용 전동기(10)가 도로 상에 위치한 경우, (b) 공원 상의 인도에 대한 점유폭이 과도한 경우, (c) 실외이나 계단 아래에 위치하여, 다른 이용자가 개인용 전동기(10)를 찾기 어려운 경우, (d) 벤치 뒤에 넘어져 은폐되어 있는 경우, (e) 벤치에 기대어 다른 벤치 이용자의 방해를 초래하는 경우, (f) 계단 위에 위치하여 개인용 전동기(10)가 파손될 위험이 있는 경우에 사용자의 반납 요청을 거절할 수 있다.
본 발명은 상술한 실시예 및 첨부한 도면에 한정되는 것은 아니며, 각 실시예에 개시된 기술적 특징들은 해당 실시예에만 한정되는 것은 아니고, 각 실시예에 기재된 기술적 특징들은 서로 양립 불가능하지 않은 이상, 서로 다른 실시예에 병합되어 적용될 수 있다.
따라서, 각 실시예에서는 각각의 기술적 특징을 위주로 설명하지만, 각 기술적 특징이 서로 양립 불가능하지 않은 이상, 서로 병합되어 적용될 수 있다.
본 발명이 속하는 분야에서 통상의 지식을 가진 자의 관점에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명의 범위는 본 명세서의 청구범위 뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.
10: 개인용 전동기 20: 사용자 단말기
100: 서버 110: AI 사진 분석 모듈
120: 데이터 베이스부

Claims (13)

  1. AI 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법에 있어서,
    분석대상 사진을 업로드 받는 단계;
    상기 AI 사진 분석 모듈이 상기 사진을 분석하는 단계; 및
    상기 분석하는 단계의 결과를 기반으로 승인 또는 거절을 결정하는 단계를 포함하고,
    상기 사진을 분석하는 단계는,
    상기 사진에서 미리 정해진 오브젝트와 상기 오브젝트의 주변 환경을 구분하는 단계;
    상기 주변 환경이 실내인지, 실외인지 판단하는 단계; 및
    상기 주변 환경에서 미리 정해진 지물을 감지하는 단계를 포함하는 서버가 사진을 분석하는 방법.
  2. 제1 항에 있어서,
    상기 서버는 상기 미리 정해진 지물의 이미지를 포함하는 데이터베이스를 포함하거나, 상기 데이터베이스에 접근 가능하고,
    상기 지물을 감지하는 단계는,
    상기 주변 환경과 상기 데이터베이스를 비교하여 상기 주변 환경의 특정 부분이 상기 미리 정해진 지물과 일치하는 정도를 산출하는 것을 특징으로 하는 서버가 사진을 분석하는 방법.
  3. 제2 항에 있어서,
    상기 미리 정해진 지물은 벽, 거치대, 울타리, 도로 경계선 및 출입구 중 적어도 하나를 포함하는 서버가 사진을 분석하는 방법.
  4. 제1 항에 있어서,
    상기 사진을 분석하는 단계는,
    상기 오브젝트가 위치하는 지면을 감지하는 단계를 더 포함하는 서버가 사진을 분석하는 방법.
  5. 제4 항에 있어서,
    상기 사진을 분석하는 단계는,
    상기 오브젝트가 위치하는 지면의 종류를 감지하는 단계를 더 포함하는 서버가 사진을 분석하는 방법.
  6. 제5 항에 있어서,
    상기 지면의 종류를 감지하는 단계는,
    상기 지면의 형태, 위치, 폭, 색상 등에 기반하여 감지하는 것을 특징으로 하는 서버가 사진을 분석하는 방법.
  7. 제4 항에 있어서,
    상기 사진을 분석하는 단계는,
    상기 오브젝트가 일 종류의 지면에서 차지하고 있는 비율을 산출하는 단계를 더 포함하는 서버가 사진을 분석하는 방법.
  8. 제7 항에 있어서,
    상기 승인 또는 거절을 결정하는 단계는,
    상기 산출된 비율이 미리 정해진 레벨을 초과하는 경우, 거절로 결정하는 서버가 사진을 분석하는 방법.
  9. 제2 항에 있어서,
    상기 사진을 분석하는 단계에서, 상기 오브젝트가 실내에 위치하는 것으로 판별된 경우,
    상기 승인 또는 거절을 결정하는 단계는, 거절로 결정하는 서버가 사진을 분석하는 방법.
  10. 제2 항에 있어서,
    상기 사진을 분석하는 단계는 상기 오브젝트로 추출된 개인용 전동기가 넘어진 상태인지 여부를 분석하고,
    상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트로 추출된 개인용 전동기가 넘어진 상태로 판별된 경우, 거절로 결정하는 서버가 사진을 분석하는 방법.
  11. 제2 항에 있어서,
    상기 사진을 분석하는 단계는 상기 오브젝트가 도로 상의 횡단 보도에 위치하는지를 분석하고,
    상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트가 도로 상의 횡단 보도에 위치하는 것으로 판별된 경우, 거절로 결정하는 서버가 사진을 분석하는 방법.
  12. 제1 항에 있어서,
    상기 사진을 분석하는 단계는, 상기 오브젝트가 진출입로에 위치하는지를 분석하는 단계를 더 포함하고,
    상기 승인 또는 거절을 결정하는 단계는, 상기 오브젝트가 상기 진출입로에 위치하는 것으로 판별된 경우, 거절로 결정하는 서버가 사진을 분석하는 방법.
  13. 제12 항에 있어서,
    상기 진출입로에 위치하는지를 분석하는 단계는, 상기 진출입로의 종류를 판단하는 단계를 포함하고,
    상기 승인 또는 거절을 결정하는 단계는, 상기 진출입로의 종류에 따라 서로 다른 판단 기준을 적용하는 서버가 사진을 분석하는 방법.
KR1020190133688A 2019-10-25 2019-10-25 Ai 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법 KR102316309B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190133688A KR102316309B1 (ko) 2019-10-25 2019-10-25 Ai 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법
PCT/KR2019/016371 WO2021080081A1 (ko) 2019-10-25 2019-11-26 Ai 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190133688A KR102316309B1 (ko) 2019-10-25 2019-10-25 Ai 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법

Publications (2)

Publication Number Publication Date
KR20210049413A true KR20210049413A (ko) 2021-05-06
KR102316309B1 KR102316309B1 (ko) 2021-10-22

Family

ID=75620767

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190133688A KR102316309B1 (ko) 2019-10-25 2019-10-25 Ai 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법

Country Status (2)

Country Link
KR (1) KR102316309B1 (ko)
WO (1) WO2021080081A1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101814937B1 (ko) * 2016-10-24 2018-01-05 (주)씨어스테크놀로지 이미지를 이용한 실내외 구분 방법 및 장치
JP2018160125A (ja) 2017-03-23 2018-10-11 アイシン・エィ・ダブリュ株式会社 車両管理システム、撮影システム、車両管理プログラムおよび撮影プログラム
JP2018530808A (ja) * 2015-08-04 2018-10-18 ゴゴロ インク 電動車両共有のための装置、方法および物品

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140031418A (ko) * 2012-08-27 2014-03-13 주식회사 얼라이드인터내셔널 무인 자동화 차량대여 시스템 및 그 방법
KR102436962B1 (ko) * 2017-09-19 2022-08-29 삼성전자주식회사 운송 장치에 구비된 전자 장치 및 이의 제어 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018530808A (ja) * 2015-08-04 2018-10-18 ゴゴロ インク 電動車両共有のための装置、方法および物品
KR101814937B1 (ko) * 2016-10-24 2018-01-05 (주)씨어스테크놀로지 이미지를 이용한 실내외 구분 방법 및 장치
JP2018160125A (ja) 2017-03-23 2018-10-11 アイシン・エィ・ダブリュ株式会社 車両管理システム、撮影システム、車両管理プログラムおよび撮影プログラム

Also Published As

Publication number Publication date
WO2021080081A1 (ko) 2021-04-29
KR102316309B1 (ko) 2021-10-22

Similar Documents

Publication Publication Date Title
CN109191898B (zh) 一种在线智能停车系统
Grassi et al. Parkmaster: An in-vehicle, edge-based video analytics service for detecting open parking spaces in urban environments
WO2022174750A1 (zh) 一种寻车指引方法、装置、终端设备、电子设备及计算机可读存储介质、程序产品
WO2021203717A1 (zh) 基于视频帧的复杂场景路侧停车行为识别方法
CN111310550A (zh) 用于基于周围环境改进位置决策的方法及设备
CN106372610B (zh) 一种基于智能眼镜的前景信息提示方法及智能眼镜
EP3289576A1 (en) A method and system for automatically detecting and mapping points-of-interest and real-time navigation using the same
CN101923602B (zh) 区分并标记虚拟场景中不同地型的方法和装置
CN101535996A (zh) 用于识别由数字图像捕获的对象的方法和设备
JP2006221355A (ja) 監視装置及び監視システム
CN103632572A (zh) 一种智能停车方法和系统
CN111222408A (zh) 用于基于周围环境改进的位置决策的方法和设备
US11151509B1 (en) Image-based scene attribute and delivery attribute determination
CN114358660B (zh) 一种城市街道品质评估方法、系统及存储介质
Kameda et al. Image retrieval of first-person vision for pedestrian navigation in urban area
CN114299457A (zh) 积水深度检测方法及装置
CN114332776A (zh) 非机动车占用人行道检测方法、系统、设备及存储介质
CN110796580B (zh) 智能交通系统管理方法及相关产品
CN114554391A (zh) 一种停车场寻车方法、装置、设备和存储介质
KR20210049413A (ko) Ai 사진 분석 모듈을 포함하는 서버가 사진을 분석하는 방법
Coronado et al. Detection and classification of road signs for automatic inventory systems using computer vision
CN113887544B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN114708551A (zh) 一种停车场车道拥堵实时地图方案
KR101042360B1 (ko) 핫코드를 이용한 주차 위치 확인 시스템 및 그 방법
WO2006035476A1 (ja) 位置特定サーバ及び移動体端末

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant