KR20210055257A - 사고 영상 분석 시스템 및 이를 이용한 분석 방법 - Google Patents
사고 영상 분석 시스템 및 이를 이용한 분석 방법 Download PDFInfo
- Publication number
- KR20210055257A KR20210055257A KR1020190141501A KR20190141501A KR20210055257A KR 20210055257 A KR20210055257 A KR 20210055257A KR 1020190141501 A KR1020190141501 A KR 1020190141501A KR 20190141501 A KR20190141501 A KR 20190141501A KR 20210055257 A KR20210055257 A KR 20210055257A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- accident
- image
- analysis
- error rate
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 58
- 238000012800 visualization Methods 0.000 claims description 21
- 238000010191 image analysis Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000003703 image analysis method Methods 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 238000013075 data extraction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G06Q50/30—
-
- G06K9/00711—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
사고 영상 분석 시스템 및 이를 이용한 분석 방법을 개시한다. 본 발명은 사고 영상을 분석하여 유사한 사고 영상들과의 비교를 통해 객관적인 과실율을 판정할 수 있다.
Description
본 발명은 사고 영상 분석 시스템 및 이를 이용한 분석 방법에 관한 발명으로서, 더욱 상세하게는 사고 영상을 분석하여 유사한 사고 영상들과의 비교를 통해 과실율을 판정하는 사고 영상 분석 시스템 및 이를 이용한 분석 방법에 관한 것이다.
자동차수의 증가에 따라 교통사고의 발생률이 현저히 증가되고 있다. 따라서 사고와 관련된 객관적인 사실 규명을 통해 사고의 책임소재를 판단하는 것은 매우 중요하다.
지금까지 교통사고가 발생하면 당사자간에 합의에 의하거나 경찰이 출동하여 사고 상황을 점검 및 기록하고, 사고 당시의 상황을 판단하여 과실 책임여부를 가리는 것이 일반적이다.
그러나, 교통 사고 상황에 대한 정확한 분석이 이루어지지 않고 사고 당사자나 경찰관 등의 주관적인 판단에 의존하는 문제점이 있다.
또한, 서로의 과실이 많다는 주장을 하면서 분쟁이 발생하고 당사자간의 원만한 합의가 이루어지지 않는 경우가 많으며, 가해자와 피해자 각각이 가입된 보험회사가 분쟁에 개입하여 각 회사의 실무에 따라 책임 소재 및 과실 비율이 정해지는 것이 관례이다.
때로는 전문가의 감정을 받기도 하지만 이 경우에도 감정인의 판단에 좌우되기 때문에 객관적인 사실을 도출하는데 한계가 있으며, 당사자는 결과에 만족하지 않더라도 법원을 통한 소송이나 이의 신청 등의 복잡한 절차를 피하기 위해 합의하는 경우도 많다.
사실상 자동차 사고에 있어서 사고 당시에 상태가 어떠하였는지는 운전자뿐만 아니라 목격자도 정확하게 알 수 없는 경우가 많다.
최근에는 차량에 설치된 블랙박스 시스템을 이용하여 사고 발생 당시 촬영된 영상에 기초한 과실율 판정이 증가하고 있다.
그러나, 블랙박스 시스템에서 촬영된 영상을 이용한 과실율 판정도 전문가에 의한 감정 또는 보험사 직원에 의한 감정을 통해 이루어질 정확한 교통사고의 과실율 판정이 어려운 문제점이 있다.
이러한 문제점을 해결하기 위하여, 본 발명은 사고 영상을 분석하여 유사한 사고 영상들과의 비교를 통해 과실율을 판정하는 사고 영상 분석 시스템 및 이를 이용한 분석 방법을 제공하는 것을 목적으로 한다.
상기한 목적을 달성하기 위하여 본 발명의 일 실시 예는 사고 영상 분석 시스템으로서, 임의의 사고 영상으로부터 사고 관련 특징이 포함된 요소 데이터를 추출하고, 상기 추출된 요소 데이터 간의 상호 관련성 및 중요도를 분석하며, 분석된 결과 데이터를 과실율이 판정된 과거의 유사 사고 데이터와의 유사성 비교를 통해 사고에 대한 과실율을 산출하여 표시하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 요소 데이터는 진행 방향 데이터, 속도 데이터, 이동 경로 데이터, 특정 물체와 상기 물체의 크기 데이터, 보행자 데이터, 및 신호기 점등 데이터 중 적어도 하나를 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 사고 영상 분석 시스템은 사고 영상을 촬영하는 영상 촬영부; 상기 촬영된 사고 영상을 입력받아 분석 서버로 전송하는 사용자 단말; 및 상기 수신된 사고 영상으로부터 사고 관련 특징이 포함된 요소 데이터를 추출하고, 상기 추출된 요소 데이터 간의 상호 관련성 및 중요도를 분석하여 분석된 결과 데이터를 과실율이 판정된 과거 사고 데이터와의 유사성 비교를 통해 사고에 대한 과실율을 산출하여 표시하는 분석 서버;를 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 분석서버는 사용자 단말로부터 전송되는 사고 영상을 입력받는 사고 정보 입력부; 상기 입력된 사고 영상을 분석하여 사고 관련 특징이 포함된 요소 데이터를 추출하는 요소 데이터 추출부; 상기 사고 영상으로부터 사고와 관련성이 없는 데이터는 삭제하고, 추출된 요소 데이터를 일정 포맷으로 변환하며, 상기 추출된 요소 데이터 간의 상호 관련성 및 중요도를 분석하는 데이터 보정부; 상기 분석된 결과 데이터에 기반하여 과실율이 판정된 적어도 하나 이상의 과거 사고 데이터와의 유사성 비교 모델을 생성하여 유사성 비교에 따른 사고에 대한 과실율을 산출하는 분석 모델 생성부; 및 상기 산출된 과실율을 시각화 정보 및 텍스트 정보 중 적어도 하나를 이용하여 표시되도록 하는 시각화부;를 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 요소데이터 추출부는 머신 러닝을 이용한 분석을 통해 진행 방향 데이터, 속도 데이터, 이동 경로 데이터, 특정 물체와 상기 물체의 크기 데이터, 보행자 데이터, 및 신호기 점등 데이터 중 적어도 하나의 요소 데이터를 추출하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 데이터 보정부는 결측치, 이상치, 노이즈 데이터는 삭제 또는 교정하고, 유사 데이터 간의 통합과, 요소 데이터의 상호 관련성에 따른 중요도를 분류하여 저장하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 시각화부는 생성된 시각화 정보 및 텍스트 정보 중 적어도 하나를 사용자 단말로 전송하여 디스플레이되도록 하는 것을 특징으로 한다.
또한, 본 발명의 일 실시 예에 따른 사고 영상 분석 방법은 a) 분석 서버가 촬영된 사고 영상을 입력받는 단계; b) 상기 분석 서버가 수신된 사고 영상으로부터 사고 관련 특징이 포함된 요소 데이터를 추출하는 단계; c) 상기 분석 서버가 추출된 요소 데이터 간의 상호 관련성 및 중요도를 분석하는 단계; 및 d) 상기 분석 서버가 분석된 결과 데이터에 기반한 분석 모델을 생성하여 과실율이 판정된 적어도 하나 이상의 과거 사고 데이터와의 유사성 비교를 수행하고, 비교 결과에 따른 사고의 과실율을 산출하는 단계;를 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 사고 영상 분석 방법은 e) 상기 분석 서버가 산출된 과실율을 시각화 정보 및 텍스트 정보 중 적어도 하나를 이용하여 표시하고, 상기 시각화 정보 및 텍스트 정보를 사용자 단말로 전송하는 단계를 더 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 b) 단계는 분석 서버가 상기 사고 영상으로부터 사고와 관련성이 없는 데이터는 삭제하고, 추출된 요소 데이터를 일정 포맷으로 변환하며, 유사 데이터 간의 통합과, 결측치, 이상치, 노이즈 데이터는 삭제 또는 교정하는 단계;를 더 포함하는 것을 특징으로 한다.
본 발명은 사고 영상을 분석하여 유사한 사고 영상들과의 비교를 통해 객관적인 과실율을 판정할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시 예에 따른 사고 영상 분석 시스템의 구성을 나타낸 블록도.
도 2는 도 1의 실시 예에 따른 사고 영상 분석 시스템의 분석서버 구성을 나타낸 블록도.
도 3은 본 발명의 일 실시 예에 따른 사고 영상 분석 시스템을 이용한 분석과정을 나타낸 흐름도.
도 2는 도 1의 실시 예에 따른 사고 영상 분석 시스템의 분석서버 구성을 나타낸 블록도.
도 3은 본 발명의 일 실시 예에 따른 사고 영상 분석 시스템을 이용한 분석과정을 나타낸 흐름도.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시 예에 따른 사고 영상 분석 시스템 및 이를 이용한 분석 방법의 바람직한 실시예를 상세하게 설명한다.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 발명의 기술적 요지와 직접적 관련이 없는 구성에 대해서는 본 발명의 기술적 요지를 흩뜨리지 않는 범위 내에서 생략하였음에 유의하여야 할 것이다.
또한, 본 명세서 및 청구범위에 사용된 용어 또는 단어는 발명자가 자신의 발명을 최선의 방법으로 설명하기 위해 적절한 용어의 개념을 정의할 수 있다는 원칙에 입각하여 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.
본 명세서에서 어떤 부분이 어떤 구성요소를 "포함"한다는 표현은 다른 구성요소를 배제하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
또한, "‥부", "‥기", "‥모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 그 둘의 결합으로 구분될 수 있다.
또한, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다.
또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시 예에 따라 변경가능하다 할 것이다.
도 1은 본 발명의 일 실시 예에 따른 사고 영상 분석 시스템의 구성을 나타낸 블록도이고, 도 2는 도 1의 실시 예에 따른 사고 영상 분석 시스템의 분석서버 구성을 나타낸 블록도이다.
도 1 및 도 2에 나타낸 바와 같이, 본 발명의 일 실시 예에 따른 사고 영상 분석 시스템은 임의의 사고 영상으로부터 사고 관련 특징이 포함된 요소 데이터를 추출하고, 상기 추출된 요소 데이터 간의 상호 관련성 및 중요도를 분석하며, 분석된 결과 데이터를 과실율이 판정된 과거의 유사 사고 데이터와의 유사성 비교를 통해 사고에 대한 과실율을 산출하여 표시할 수 있고, 영상 촬영부(100)와, 사용자 단말(200)과, 분석 서버(300)를 포함하여 구성된다.
상기 영상 촬영부(100)는 차량에 설치되어 차량 주변을 촬영하는 구성으로서, 바람직하게는 블랙박스 시스템으로 구성될 수 있다.
본 실시 예에서는 설명의 편의를 위해 블랙박스 시스템으로 설명하지만, 이에 한정되는 것은 아니고 차량 주변을 촬영하여 저장할 수 있는 카메라, CCD 센서 또는 CMOS 센서를 이용한 영상 촬영 수단, 또는 광학신호를 전기신호로 변환하여 출력하는 광전 변환수단 등으로 변경 실시할 수 있음은 당업자에게 있어서 자명할 것이다.
상기 사용자 단말(200)은 프로그램 또는 애플리케이션을 이용하여 영상 촬영부(100) 및 분석 서버(300)와 유선 네트워크 또는 무선 네트워크를 통해 연결할 수 있는 단말이다.
여기서, 네트워크는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5th Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
또한, 상기 사용자 단말(200)은 영상 촬영부(100)에서 촬영된 사고 영상을 수신하여 영상을 분석 서버(300)로 전송할 수 있다.
또한, 상기 사용자 단말(200)은 분석 서버(300)에서 전송되는 시각화 정보를 수신하여 디스플레이할 수 있다.
또한, 상기 사용자 단말(200)은 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
상기 분석 서버(300)는 사고 영상 접수 및 분석과 관련한 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다.
또한, 상기 분석 서버(300)는 사용자 단말(200)로부터 전송된 사고 영상으로부터 사고 관련 특징이 포함된 요소 데이터를 추출하고, 상기 추출된 요소 데이터 간의 상호 관련성 및 중요도를 분석하여 분석된 결과 데이터를 과실율이 판정된 과거 사고 데이터와의 유사성 비교를 통해 사고에 대한 과실율을 산출하여 표시하는 구성으로서, 사고 정보 입력부(310)와, 요소 데이터 추출부(320)와, 데이터 보정부(330)와, 분석 모델 생성부(340)와, 시각화부(350)를 포함하여 구성될 수 있다.
상기 사고 정보 입력부(310)는 네트워크를 통해 접속한 사용자 단말(200)로부터 전송되는 사고 영상을 입력받고, 상기 전송된 사고 영상은 메모리 또는 임의의 데이터 저장수단에 임시 저장되도록 한다.
상기 요소 데이터 추출부(320)는 이미지 프로세싱 프로그램 또는 애플리케이션이 설치될 수 있고, 상기 이미지 프로세싱 프로그램을 통해 사용자 단말(200)로부터 전송된 사고 영상을 분석하여 사고와 관련된 특징이 포함된 요소 데이터를 추출한다.
상기 요소 데이터는 사고와 관련된 핵심 요소로서, 진행 방향 데이터, 속도 데이터, 이동 경로 데이터, 이미지에 포함된 특정 물체(예를 들면, 차량, 장애물 등)와 상기 물체의 크기 데이터, 보행자의 유/무, 보행자의 위치 등을 포함한 보행자 데이터, 및 표지판, 신호등과 같은 신호기와 신호등의 점등 데이터 등이 될 수 있다.
또한, 상기 요소 데이터는 사고 영상의 개별 프레임별 이미지로 분류하고, 상기 분류된 개별 이미지를 기반으로 추출할 수 있다.
또한, 상기 요소데이터 추출부(320)는 신속한 추출을 위해 기계학습 프로그램이 설치될 수도 있다.
상기 요소 데이터 추출부(320)는 기계학습 프로그램을 이용한 머신 러닝을 통해 상기 분류된 개별 이미지를 기반으로 사고와 관련된 진행 방향 데이터, 속도 데이터, 이동 경로 데이터, 이미지에 포함된 특정 물체와, 상기 물체의 크기 데이터, 보행자의 유/무, 보행자의 위치 등을 포함한 보행자 데이터, 및 표지판, 신호등과 같은 신호기와 신호등의 점등 데이터 등을 추출할 수도 있다.
상기 데이터 보정부(330)는 상기 사고 영상으로부터 사고와 관련성이 없는 데이터는 삭제할 수 있다.
즉, 수신된 영상 중에서 사고와 관련없는 영상 데이터는 삭제하여 불필요한 데이터가 저장되는 것을 방지하고, 다른 사고 데이터와 비교시 불필요한 연산량 증가를 방지할 수 있도록 한다.
또한, 상기 데이터 보정부(330)는 추출된 요소 데이터를 일정 포맷으로 변환하거나 또는 기존 데이터 또는 유사 데이터와의 통합을 통해 데이터 분석 및 관리가 쉽게 이루어질 수 있도록 한다.
또한, 상기 데이터 보정부(330)는 패턴 인식 프로그램 또는 인공지능 프로그램이 설치될 수도 있다.
상기 데이터 보정부(330)는 설치된 프로그램을 통해 추출된 요소 데이터 간의 상호 관련성과 중요도를 분석할 수도 있다.
예를 들어, 제한속도를 준수하며 주행중인 차량에 불가항력적인 이유로 인한 사고가 발생한 경우, 추출된 요소 데이터 중에서 '제공거리'와 '속도' 사이의 관련성을 부여하고, 과실율 판단을 위한 '제동거리'와 '속도'의 중요도 수치를 높게 설정할 수 있다.
또한, 교차로에 진입하던 차량에 사고가 발생한 경우, 추출된 요소 데이터 중에서 '차량의 진행 방향', '이동 경로', '속도', 신호기의 점등 상태' 사이에 관련성을 부여하고, 과실율 판단을 위한 '차량의 진행 방향', '이동 경로', '속도', 신호기의 점등 상태'의 중요도 수치를 높게 설정할 수 있다.
또한, 상기 데이터 보정부(330)는 분석된 추출된 요소 데이터 간의 상호 관련성과 중요도는 저장되도록 한다.
또한, 상기 데이터 보정부(330)는 수신된 사고 영상에 노이즈 데이터와, 결측치는 임의의 값으로 변환(예를 들면, 특정 데이터의 평균 값)하여 교정하고, 이상치는 삭제할 수 있다.
상기 분석 모델 생성부(340)는 추출된 결과 데이터에 기반하여 사고 모델을 생성하고, 상기 사고 모델과 비교할 과실율이 판정된 적어도 하나 이상의 과거 사고 데이터를 검색하여 검색된 과거 데이터와 사고 모델과의 유사성 비교를 수행할 수 있다.
또한, 상기 분석 모델 생성부(340)는 사고 모델과 과거 사고 데이터의 유사성 비교를 통해 사고에 대한 과실율을 산출할 수 있다.
상기 시각화부(350)는 분석 모델 생성부(340)에서 산출된 과실율을 미리 설정 그래프 등의 포맷을 통해 시각화 정보로 변환하고, 상기 과실율과 관련된 판정 정보를 텍스트 정보를 이용하여 표시되도록 한다.
또한, 상기 시각화부(350)는 생성된 시각화 정보 및 텍스트 정보를 사용자 단말(200)로 전송하여 디스플레이되도록 한다.
다음은 본 발명의 일 실시 예에 따른 사고 영상 분석 과정을 설명한다.
분석 서버(300)가 영상 촬영부(100)에서 촬영한 사고 영상을 사용자 단말(200)을 통해 입력받는다(S100).
상기 분석 서버(300)는 S100 단계서 수신된 사고 영상으로부터 기계학습 프로그램을 이용한 머신 러닝을 통해 상기 분류된 개별 이미지를 기반으로 사고와 관련된 진행 방향 데이터, 속도 데이터, 이동 경로 데이터, 이미지에 포함된 특정 물체와, 상기 물체의 크기 데이터, 보행자의 유/무, 보행자의 위치 등을 포함한 보행자 데이터, 및 표지판, 신호등과 같은 신호기와 신호등의 점등 데이터 등을 추출(S110)한다.
또한, 상기 분석 서버(300)는 사고 영상으로부터 사고와 관련이 없는 데이터는 삭제하여 불필요한 데이터가 저장되는 것을 방지하고, 다른 사고 데이터와 비교시 불필요한 연산량 증가를 방지할 수 있도록 하며, 추출된 요소 데이터를 일정 포맷으로 변환하거나 또는 기존 데이터 또는 유사 데이터와의 통합을 통해 데이터 분석 및 관리가 쉽게 이루어질 수 있도록 보정(S120)한다.
또한, 상기 분석 서버(300)는 패턴 인식 프로그램 또는 인공지능 프로그램을 통해 추출된 요소 데이터 간의 상호 관련성과 중요도를 분석을 통해 유사성 비교시에 유용한 정보를 추출(S130)한다.
상기 S120 단계 및 S130 단계를 수행한 다음, 상기 분석 서버(300)는 추출된 결과 데이터에 기반하여 사고 모델을 생성하고, 상기 사고 모델과 비교할 과실율이 판정된 적어도 하나 이상의 과거 사고 데이터를 검색하여 검색된 과거 데이터와 사고 모델과의 유사성 비교를 수행하고, 사고 모델과 과거 사고 데이터의 유사성 비교를 통해 사고에 대한 과실율을 산출하여 과실율을 판정(S140)한다.
상기 분석 서버(300)는 상기 S140 단계의 판정 결과를 미리 설정 그래프 등의 포맷을 통해 시각화 정보로 변환하고, 상기 과실율과 관련된 판정 정보를 텍스트 정보를 이용하여 표시(S150)한다.
또한, 상기 S150 단계에서 생성된 시각화 정보 및 텍스트 정보는 네트워크를 통해 사용자 단말(200)로 전송하여 디스플레이되도록 한다.
따라서, 사고 영상을 분석하여 유사한 사고 영상들과의 비교를 통해 객관적인 과실율을 판정할 수 있게 된다.
상기와 같이, 본 발명의 바람직한 실시 예를 참조하여 설명하였지만 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
또한, 본 발명의 특허청구범위에 기재된 도면번호는 설명의 명료성과 편의를 위해 기재한 것일 뿐 이에 한정되는 것은 아니며, 실시예를 설명하는 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있으며, 상술된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 해석은 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
100 : 영상 촬영부
200 : 사용자 단말
300 : 분석서버
310 : 사고 정보 입력부
320 : 요소 데이터 추출부
330 : 데이터 보정부
340 : 분석 모델 생성부
350 : 시각화부
200 : 사용자 단말
300 : 분석서버
310 : 사고 정보 입력부
320 : 요소 데이터 추출부
330 : 데이터 보정부
340 : 분석 모델 생성부
350 : 시각화부
Claims (10)
- 임의의 사고 영상으로부터 사고 관련 특징이 포함된 요소 데이터를 추출하고,
상기 추출된 요소 데이터 간의 상호 관련성 및 중요도를 분석하며,
분석된 결과 데이터를 과실율이 판정된 과거의 유사 사고 데이터와의 유사성 비교를 통해 사고에 대한 과실율을 산출하여 표시하는 것을 특징으로 하는 사고 영상 분석 시스템. - 제 1 항에 있어서,
상기 요소 데이터는 진행 방향 데이터, 속도 데이터, 이동 경로 데이터, 특정 물체와 상기 물체의 크기 데이터, 보행자 데이터, 및 신호기 점등 데이터 중 적어도 하나를 포함하는 것을 특징으로 하는 사고 영상 분석 시스템. - 제 1 항에 있어서,
상기 사고 영상 분석 시스템은 사고 영상을 촬영하는 영상 촬영부(100);
상기 촬영된 사고 영상을 입력받아 분석서버(300)로 전송하는 사용자 단말(200); 및
상기 수신된 사고 영상으로부터 사고 관련 특징이 포함된 요소 데이터를 추출하고, 상기 추출된 요소 데이터 간의 상호 관련성 및 중요도를 분석하여 분석된 결과 데이터를 과실율이 판정된 과거 사고 데이터와의 유사성 비교를 통해 사고에 대한 과실율을 산출하여 표시하는 분석서버(300);를 포함하는 것을 특징으로 하는 사고 영상 분석 시스템. - 제 3 항에 있어서,
상기 분석서버(300)는 사용자 단말(200)로부터 전송되는 사고 영상을 입력받는 사고 정보 입력부(310);
상기 입력된 사고 영상을 분석하여 사고 관련 특징이 포함된 요소 데이터를 추출하는 요소 데이터 추출부(320);
상기 사고 영상으로부터 사고와 관련성이 없는 데이터는 삭제하고, 추출된 요소 데이터를 일정 포맷으로 변환하며, 상기 추출된 요소 데이터 간의 상호 관련성 및 중요도를 분석하는 데이터 보정부(330);
상기 분석된 결과 데이터에 기반하여 과실율이 판정된 적어도 하나 이상의 과거 사고 데이터와의 유사성 비교 모델을 생성하여 유사성 비교에 따른 사고에 대한 과실율을 산출하는 분석 모델 생성부(340); 및
상기 산출된 과실율을 시각화 정보 및 텍스트 정보 중 적어도 하나를 이용하여 표시되도록 하는 시각화부(350);를 포함하는 것을 특징으로 하는 사고 영상 분석 시스템. - 제 4 항에 있어서,
상기 요소데이터 추출부(320)는 머신 러닝을 이용한 분석을 통해 진행 방향 데이터, 속도 데이터, 이동 경로 데이터, 특정 물체와 상기 물체의 크기 데이터, 보행자 데이터, 및 신호기 점등 데이터 중 적어도 하나의 요소 데이터를 추출하는 것을 특징으로 하는 사고 영상 분석 시스템. - 제 4 항에 있어서,
상기 데이터 보정부(330)는 결측치, 이상치, 노이즈 데이터는 삭제 또는 교정하고, 유사 데이터 간의 통합과, 요소 데이터의 상호 관련성에 따른 중요도를 분류하여 저장하는 것을 특징으로 하는 사고 영상 분석 시스템. - 제 4 항에 있어서,
상기 시각화부(350)는 생성된 시각화 정보 및 텍스트 정보 중 적어도 하나를 사용자 단말(200)로 전송하여 디스플레이되도록 하는 것을 특징으로 하는 사고 영상 분석 시스템. - a) 분석 서버(300)가 촬영된 사고 영상을 입력받는 단계;
b) 상기 분석 서버(300)가 수신된 사고 영상으로부터 사고 관련 특징이 포함된 요소 데이터를 추출하는 단계;
c) 상기 분석 서버(300)가 추출된 요소 데이터 간의 상호 관련성 및 중요도를 분석하는 단계; 및
d) 상기 분석 서버(300)가 분석된 결과 데이터에 기반한 분석 모델을 생성하여 과실율이 판정된 적어도 하나 이상의 과거 사고 데이터와의 유사성 비교를 수행하고, 비교 결과에 따른 사고의 과실율을 산출하는 단계;를 포함하는 것을 특징으로 하는 사고 영상 분석 방법. - 제 8 항에 있어서,
e) 상기 분석 서버(300)가 산출된 과실율을 시각화 정보 및 텍스트 정보 중 적어도 하나를 이용하여 표시하고, 상기 시각화 정보 및 텍스트 정보를 사용자 단말(200)로 전송하는 단계를 더 포함하는 것을 특징으로 하는 사고 영상 분석 방법. - 제 8 항 또는 제 9 항에 있어서,
상기 b) 단계는 분석 서버(300)가 상기 사고 영상으로부터 사고와 관련성이 없는 데이터는 삭제하고, 추출된 요소 데이터를 일정 포맷으로 변환하며, 유사 데이터 간의 통합과, 결측치, 이상치, 노이즈 데이터는 삭제 또는 교정하는 단계;를 더 포함하는 것을 특징으로 하는 사고 영상 분석 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190141501A KR102326793B1 (ko) | 2019-11-07 | 2019-11-07 | 사고 영상 분석 시스템 및 이를 이용한 분석 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190141501A KR102326793B1 (ko) | 2019-11-07 | 2019-11-07 | 사고 영상 분석 시스템 및 이를 이용한 분석 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210055257A true KR20210055257A (ko) | 2021-05-17 |
KR102326793B1 KR102326793B1 (ko) | 2021-11-16 |
Family
ID=76158035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190141501A KR102326793B1 (ko) | 2019-11-07 | 2019-11-07 | 사고 영상 분석 시스템 및 이를 이용한 분석 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102326793B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102408560B1 (ko) * | 2022-02-18 | 2022-06-14 | 김병준 | 인공지능 블랙박스 시스템 |
KR102582593B1 (ko) * | 2023-02-13 | 2023-09-25 | 주식회사 씨피식스 | 인공지능 모델을 이용한 블랙박스 영상 기반의 교통사고 정보 제공 서버 및 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000054347A (ko) | 2000-06-02 | 2000-09-05 | 윤종용 | 교통사고 과실 비율 산정을 위한 시스템 및 방법 |
JP2001347970A (ja) * | 2000-06-05 | 2001-12-18 | Toru Takano | デジタルビデオカメラ過失割合評価システム |
JP2005032027A (ja) * | 2003-07-07 | 2005-02-03 | Nec Fielding Ltd | 交通事故早期解決システム、事故検知システム、及び事故分析サーバ |
-
2019
- 2019-11-07 KR KR1020190141501A patent/KR102326793B1/ko active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000054347A (ko) | 2000-06-02 | 2000-09-05 | 윤종용 | 교통사고 과실 비율 산정을 위한 시스템 및 방법 |
JP2001347970A (ja) * | 2000-06-05 | 2001-12-18 | Toru Takano | デジタルビデオカメラ過失割合評価システム |
JP2005032027A (ja) * | 2003-07-07 | 2005-02-03 | Nec Fielding Ltd | 交通事故早期解決システム、事故検知システム、及び事故分析サーバ |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102408560B1 (ko) * | 2022-02-18 | 2022-06-14 | 김병준 | 인공지능 블랙박스 시스템 |
KR102582593B1 (ko) * | 2023-02-13 | 2023-09-25 | 주식회사 씨피식스 | 인공지능 모델을 이용한 블랙박스 영상 기반의 교통사고 정보 제공 서버 및 방법 |
KR102617762B1 (ko) * | 2023-02-13 | 2023-12-27 | 주식회사 씨피식스 | 인공지능 모델을 이용한 블랙박스 영상 기반의 교통사고 과실비율 판정 서버 및 방법 |
WO2024172246A1 (ko) * | 2023-02-13 | 2024-08-22 | 주식회사 씨피식스 | 인공지능 모델을 이용한 블랙박스 영상 기반의 교통사고 정보 제공 서버 및 방법 |
WO2024172245A1 (ko) * | 2023-02-13 | 2024-08-22 | 주식회사 씨피식스 | 인공지능 모델을 이용한 블랙박스 영상 기반의 교통사고 정보 처리 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR102326793B1 (ko) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10691949B2 (en) | Action recognition in a video sequence | |
US9704393B2 (en) | Integrated intelligent server based system and method/systems adapted to facilitate fail-safe integration and/or optimized utilization of various sensory inputs | |
US11301754B2 (en) | Sharing of compressed training data for neural network training | |
US9159137B2 (en) | Probabilistic neural network based moving object detection method and an apparatus using the same | |
CN107547617B (zh) | 一种交通事故信息收集方法及装置 | |
US10825310B2 (en) | 3D monitoring of sensors physical location in a reduced bandwidth platform | |
WO2012095867A2 (en) | An integrated intelligent server based system and method/systems adapted to facilitate fail-safe integration and /or optimized utilization of various sensory inputs | |
CN107358160A (zh) | 终端监控视频处理方法、监控终端以及服务器 | |
KR20190043396A (ko) | 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템 | |
KR102326793B1 (ko) | 사고 영상 분석 시스템 및 이를 이용한 분석 방법 | |
US20230239245A1 (en) | Network control method and data processing system | |
US11945382B2 (en) | System, server computer thereof, control method, and computer program | |
CN111695627A (zh) | 路况检测方法、装置、电子设备及可读存储介质 | |
CN118015290B (zh) | 图像特征处理方法、图像对比方法、模型训练方法及装置 | |
US20210258564A1 (en) | Profiling video devices | |
KR100403741B1 (ko) | 영상검지기를 이용한 교통정보시스템 및 그 방법 | |
Fu et al. | Digital twin for pedestrian safety warning at a single urban traffic intersection | |
CN116611977A (zh) | 失联人员路径溯源及救援方法和装置 | |
CN114374744B (zh) | 数据回传方法、装置、车载终端及云端服务器 | |
CN115776610A (zh) | 用于货运车辆货物监控的摄像头拍摄控制方法和装置 | |
US11240544B1 (en) | System, device, and method of differentiating between streaming live-video flows and streaming non-live-video flows | |
CN109640054B (zh) | 一种基于区块链技术的非机动车辆占用快车道的监测方法 | |
CN112489396A (zh) | 一种行人尾随行为检测方法、装置、电子设备和存储介质 | |
KR20200122900A (ko) | 감시 영상 기반의 차량 추적 시스템 | |
JP6443144B2 (ja) | 情報出力装置、情報出力プログラム及び情報出力方法、並びに情報出力システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |