KR20210117637A - 딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 방법 및 이를 이용한 데이터 전송 방법 - Google Patents

딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 방법 및 이를 이용한 데이터 전송 방법 Download PDF

Info

Publication number
KR20210117637A
KR20210117637A KR1020200034087A KR20200034087A KR20210117637A KR 20210117637 A KR20210117637 A KR 20210117637A KR 1020200034087 A KR1020200034087 A KR 1020200034087A KR 20200034087 A KR20200034087 A KR 20200034087A KR 20210117637 A KR20210117637 A KR 20210117637A
Authority
KR
South Korea
Prior art keywords
image
video
performance
learning model
image analysis
Prior art date
Application number
KR1020200034087A
Other languages
English (en)
Other versions
KR102311805B1 (ko
Inventor
오경호
정원준
Original Assignee
주식회사 아이오라이트
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 주식회사 아이오라이트 filed Critical 주식회사 아이오라이트
Priority to KR1020200034087A priority Critical patent/KR102311805B1/ko
Publication of KR20210117637A publication Critical patent/KR20210117637A/ko
Application granted granted Critical
Publication of KR102311805B1 publication Critical patent/KR102311805B1/ko

Links

Images

Classifications

    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • 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
    • G06K9/20—
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • 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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 시스템 및 이를 이용한 영상 모니터링 방법이 개시된다. 본 발명의 일 실시예에 따른 영상 모니터링 시스템은, 특정 영역에 대한 영상 데이터를 수집하는 영상 수집부; 영상 데이터를 기반으로 특정 영역에서 차량 또는 사람을 감지하고, 감지 결과를 텍스트 데이터로 변환하는 영상 분석부; 및 텍스트 데이터를 별도로 마련되는 영상 모니터링 서버에 전달하는 제1 통신부;를 포함한다. 이에 의해, 영상 데이터를 수집하기 위해 카메라와 같은 영상 수집 수단이 영상을 분석하고, 분석 결과를 텍스트화하여 서버에 전달함으로써, 통신망의 대역폭을 절감시킬 수 있으며, 영상 저장을 위한 스토리지의 낭비를 방지할 수 있다. 또한, 영상 수집 수단이 이용하는 영상 분석 학습 모델의 성능 검증을 주기적으로 수행하고, 성능이 임계치 미만인 경우, 새로운 영상 분석 학습 모델로 대체함으로써, 영상 수집 수단의 영상 분석 성능이 안정적으로 유지되도록 할 수 있다.

Description

딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 방법 및 이를 이용한 데이터 전송 방법{Method for video monitoring for vehicle and human auto detection based on deep learning and Data transmission method using the same}
본 발명은 영상 모니터링 시스템 및 방법에 관한 것으로, 보다 상세하게는 딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 시스템 및 이를 이용한 영상 모니터링 방법에 관한 것이다.
도로에는 다양한 카메라가 설치되어 운용되고 있다. 가장 흔하게 볼 수 있는 과속카메라부터 교차로 신호위반 단속카메라, 이동식카메라, 주정차 금지구역단속카메라, 버스전용 차선 단속카메라, 그리고 일부 구간에 있는 가변 차로 위반 감시 카메라 교통량 측정카메라, 시골길에서 주로 볼 수 있는 방범용 카메라 등 다수의 CCTV가 운용되고 있다.
일반적으로 과속카메라는 속도위반 차량만을 단속하기 위한 정지화상 카메라로 구성되며, 구간별 도로의 차량 소통량을 감시하기 위한 감시카메라 교통량 측정카메라는 동영상 녹화 카메라로 구성되고, 유료 도로를 주행하는 차량에 관해 통행요금을 징수하거나 방법용으로 주차장, 도로 및 상점을 실시간 모니터링하기 위한 카메라로는 CCTV(Closed-Circuit Television)가 설치 구성된다.
이러한 도로 상의 다양한 카메라들은 도로를 통행하는 차량 및 도로상황을 영상으로 기록저장하기 위해 촬영된 영상들을 Ethernet 망 등을 이용하여 서버에 전달하고, 영상 분석 서버에 영상에 대한 영상 처리를 수행하여, 촬영된 영역 내에서 차량 또는 사람을 감지하고 차량의 과속, 신호위반, 주정차 위반, 버스전용 차선 위반 여부 등을 판단하게 된다.
이에, 기존의 영상 분석 서버는 영상을 수신하여 분석하기 위해, 큰 대역폭의 통신망과 영상 저장을 위한 스토리지가 필요하다는 문제점이 존재한다.
한국등록특허 제10-1967610호(발명의 명칭: 다차로 차량속도 및 차량번호 인식이 가능한 다차로 모니터링 시스템) 한국등록특허 제10-1438492(발명의 명칭: 위반차량 단속을 위한 영상 인식 시스템 및 그 방법)
본 발명은 상기와 같은 문제를 해결하기 위해 안출된 것으로, 본 발명의 목적은, 영상 데이터를 수집하기 위해 카메라와 같은 영상 수집 수단이 영상을 분석하고, 분석 결과를 텍스트화하여 서버에 전달하는 딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 시스템 및 이를 이용한 영상 모니터링 방법을 제공함에 있다.
본 발명의 다른 목적은, 영상 수집 수단의 영상 분석 성능이 안정적으로 유지되도록, 영상 수집 수단이 이용하는 영상 분석 학습 모델의 성능 검증을 주기적으로 수행하고, 성능이 임계치 미만인 경우, 새로운 영상 분석 학습 모델로 대체할 수 있는 딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 시스템 및 이를 이용한 영상 모니터링 방법을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 영상 모니터링 시스템은, 특정 영역에 대한 영상 데이터를 수집하는 영상 수집부; 영상 데이터를 기반으로 특정 영역에서 차량 또는 사람을 감지하고, 감지 결과를 텍스트 데이터로 변환하는 영상 분석부; 및 텍스트 데이터를 별도로 마련되는 영상 모니터링 서버에 전달하는 제1 통신부;를 포함한다.
그리고 제1 통신부는, IoT 통신을 위하여, 로라(LoRa) 통신모듈이 구비된다.
또한, 영상 분석부는, 영상 데이터가 입력되면, 딥러닝을 기반으로 학습된 영상 분석 학습 모델을 이용하여 차량 또는 사람을 감지할 수 있다.
그리고 본 실시예에 따른 영상 모니터링 시스템은, 영상 모니터링 서버의 요청 시, 영상 데이터를 전달하는 영상 모니터링 서버에 전달하는 제2 통신부;를 더 포함할 수 있다.
또한, 영상 분석부는, 제2 통신부를 통해 영상 모니터링 서버로부터 표준 영상 데이터를 수신하고, 수신된 표준 영상 데이터를 이용하여 학습된 영상 분석 학습 모델의 성능을 검증할 수 있다.
그리고 영상 분석부는, 표준 영상 데이터를 이용하여 검증된 영상 분석 학습 모델의 성능이 임계치 미만인 경우, 성능이 임계치 미만인 영상 분석 학습 모델을 폐기하고, 영상 모니터링 서버로부터 새로운 영상 분석 학습 모델을 수신할 수 있다.
또한, 영상 모니터링 서버는, 복수의 영상 분석 학습 모델을 학습시킨 후, 기설정된 항목별 성능을 비교하여, 항목별로 성능이 가장 높은 영상 분석 학습 모델을 분리하여 저장하고, 기설정된 항목별 성능은, 유동량 분석 성능, 차량 속도 산출 성능, 차량 밀집도 산출 성능 및 차량 종류 분류 성능 중 적어도 둘 이상이 포함될 수 있다.
그리고 영상 모니터링 서버는, 표준 영상 데이터를 이용하여 검증된 영상 분석 학습 모델의 성능이 임계치 미만인 영상 분석부에 성능이 가장 높은 영상 분석 학습 모델을 전달하되, 영상 분석부가 설치된 영역의 지리적 특징 또는 관리자의 요청 및 설정에 따라 기설정된 항목별 성능 중 우선순위가 부가된 경우, 우선순위가 부가된 성능이 가장 높은 영상 분석 학습 모델을 전달할 수 있다.
이때, 영상 분석 학습 모델은, 컨볼루션 신경망(CNN) 또는 순환 신경망(RNN)을 이용하는 학습 모델일 수 있다.
한편, 본 발명의 일 실시예에 따른 영상 모니터링 방법은, 영상 수집부가, 특정 영역에 대한 영상 데이터를 수집하는 단계; 영상 분석부가, 영상 데이터를 기반으로 특정 영역에서 차량 또는 사람을 감지하고, 감지 결과를 텍스트 데이터로 변환하는 단계; 및 제1 통신부가, 텍스트 데이터를 별도로 마련되는 영상 모니터링 서버에 전달하는 단계;를 포함한다.
이에 의해, 영상 데이터를 수집하기 위해 카메라와 같은 영상 수집 수단이 영상을 분석하고, 분석 결과를 텍스트화하여 서버에 전달함으로써, 통신망의 대역폭을 절감시킬 수 있으며, 영상 저장을 위한 스토리지의 낭비를 방지할 수 있다.
또한, 영상 수집 수단이 이용하는 영상 분석 학습 모델의 성능 검증을 주기적으로 수행하고, 성능이 임계치 미만인 경우, 새로운 영상 분석 학습 모델로 대체함으로써, 영상 수집 수단의 영상 분석 성능이 안정적으로 유지되도록 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 영상 모니터링 시스템의 설명에 제공된 도면,
도 2는 본 발명의 일 실시예에 따른 영상 모니터링 장치의 더욱 상세한 설명에 제공된 도면,
도 3은 본 발명의 일 실시예에 따른 영상 모니터링 서버의 더욱 상세한 설명에 제공된 도면,
도 4는 본 발명의 일 실시예에 따른 영상 모니터링 방법의 설명에 제공된 흐름도, 그리고
도 5는 본 발명의 일 실시예에 따른 영상 모니터링 방법의 더욱 상세한 설명에 제공된 도면이다.
이하에서는 도면을 참조하여 본 발명에 대해 보다 상세히 설명하기로 한다. 이하에 소개되는 실시예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 본 발명은 이하 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다.
도 1은 본 발명의 일 실시예에 따른 영상 모니터링 시스템의 설명에 제공된 도면이다.
도 1을 참조하면, 본 실시예에 따른 영상 모니터링 시스템은, 복수로 마련되되, 차량 또는 사람을 감지하고자 영역별로 각각 설치되어, 영상 데이터를 수집하여 분석하고, 분석 결과를 텍스트화하는 영상 모니터링 장치(100)와 영상 모니터링 장치(100)로부터 분석 결과가 텍스트화된 텍스트 데이터를 수신하는 모니터링 서버(200)로 구성될 수 있다.
이때, 복수의 영상 모니터링 장치(100)와 영상 모니터링 서버(200)는, 텍스트 데이터를 로라(LoRa) 통신망을 이용하여 송수신할 수 있으며, 모니터링 서버(200)의 요청 시, 각각의 영상 모니터링 장치(100)는 이더넷(Ethernet) 망 또는 LTE, 5G 등을 이용하여 개별적으로 영상 데이터를 모니터링 서버(200)에 전달할 수 있다.
영상 모니터링 장치(100)는 영상 데이터를 저장하는 저장 수단의 저장 용량이 제한됨에 따라, 주기적으로 영상 데이터를 삭제하게 되며, 영상 데이터 삭제시에는, 분석 결과가 텍스트 데이터로 변환된 영상 데이터 중 수집 시기가 가정 오래된 영상 데이터부터 차례대로 삭제될 수 있다.
영상 모니터링 서버(200)는, 영상 분석 학습 모델을 학습시켜 각각의 영상 모니터링 장치(100)에 제공하고, 각각의 영상 모니터링 장치(100)에서 이용 중인 영상 분석 학습 모델의 성능 검증을 위해, 성능 검증에 이용 가능한 표준 영상 데이터를 생성하여 각각의 영상 모니터링 장치(100)에 전달할 수 있다.
또한, 영상 모니터링 서버(200)는, 성능 검증 결과, 임계치 미만으로 판별되는 영상 분석 학습 모델을 새로운 영상 분석 학습 모델로 갱신시키기 위해, 임계치 미만으로 판별되는 영상 분석 학습 모델을 이용 중인 영상 모니터링 장치(100)에 새로운 영상 분석 학습 모델을 전달할 수 있다.
그리고 영상 모니터링 서버(200)는, 복수의 영상 분석 학습 모델을 학습시킨 후, 기설정된 항목별 성능을 비교하여, 항목별로 성능이 가장 높은 영상 분석 학습 모델을 분리하여 저장하고, 영상 분석 학습 모델의 성능이 임계치 미만인 영상 분석부(120)에 성능이 가장 높은 영상 분석 학습 모델을 전달할 수 있다.
이때, 기설정된 항목별 성능은, 유동량 분석 성능, 차량 속도 산출 성능, 차량 밀집도 산출 성능 및 차량 종류 분류 성능 중 적어도 둘 이상이 포함될 수 있다.
예를 들면, 영상 모니터링 서버(200)는, 영상 분석부(120)가 설치된 영역의 지리적 특징 또는 관리자의 요청 및 설정에 따라 기설정된 항목별 성능 중 우선순위가 부가된 경우, 우선순위가 부가된 성능이 가장 높은 영상 분석 학습 모델을 전달할 수 있다.
도 2는 본 발명의 일 실시예에 따른 영상 모니터링 장치(100)의 더욱 상세한 설명에 제공된 도면이다.
본 실싱에 따른 영상 모니터링 장치(100)는 영상 데이터를 수집하여 분석하고, 분석 결과를 텍스트화하여 영상 모니터링 서버(200)에 전달하기 위해, 영상 수집부(110), 영상 분석부(120), 제1 통신부(130), 제2 통신부(140) 및 제1 저장부(150)를 포함할 수 있다.
영상 수집부(110)는 카메라와 같은 촬영 수단으로 구현되어, 특정 영역의 영상 데이터를 수집할 수 있다.
영상 분석부(120)는, 영상 데이터를 기반으로 특정 영역에서 차량 또는 사람을 감지하고, 감지 결과를 텍스트 데이터로 변환시킬 수 있다.
구체적으로, 영상 분석부(120)는, 영상 데이터가 입력되면, 컨볼루션 신경망(CNN) 또는 순환 신경망(RNN)과 같은 딥러닝을 기반으로 학습된 영상 분석 학습 모델을 이용하여 차량 또는 사람을 감지하고, 감지 결과를 텍스트 데이터로 변환시킬 수 있다.
또한, 영상 분석부(120)는, 영상 분석 학습 모델을 이용하여 차량 또는 사람의 유동량 분석, 차량 속도 산출, 차량 밀집도 산출 및 차량 종류 분류 등을 수행할 수 있다.
제1 통신부(130)는, 로라(LoRa) 통신모듈이 구비되어, 텍스트 데이터를 별도로 마련되는 영상 모니터링 서버(200)에 전달할 수 있으며, 제2 통신부(140)는, 이더넷(Ethernet) 망 또는 LTE, 5G 등을 이용하는 무선 통신모듈이 구비되어, 영상 모니터링 서버(200)의 요청 시, 영상 데이터를 전달하는 영상 모니터링 서버(200)에 전달할 수 있다.
제1 저장부(150)는, 영상 분석부(120)가 동작함에 있어 필요한 프로그램 및 데이터를 저장하기 위한 저장매체로서, 수집된 영상 데이터 및 영상 분석에 이용되는 영상 분석 학습 모델 등이 저장된다,
도 3은 본 발명의 일 실시예에 따른 영상 모니터링 서버(200)의 더욱 상세한 설명에 제공된 도면이다.
본 실시예에 따른 영상 모니터링 서버(200)는, 영상 분석 학습 모델을 학습시켜 각각의 영상 모니터링 장치(100)에 제공하고, 영상 분석 학습 모델의 성능 검증에 이용 가능한 표준 영상 데이터를 생성하여 각각의 영상 모니터링 장치(100)에 전달하고, 성능 검증 결과, 임계치 미만으로 판별되는 영상 분석 학습 모델을 새로운 영상 분석 학습 모델로 갱신시키기 위해, 임계치 미만으로 판별되는 영상 분석 학습 모델을 이용 중인 영상 모니터링 장치(100)에 새로운 영상 분석 학습 모델을 전달할 수 있다.
이를 위해, 영상 모니터링 서버(200)는, 제3 통신부(210), 제4 통신부(220), 프로세서(230) 및 제2 저장부(240)를 포함할 수 있다.
제3 통신부(210)는, 로라(LoRa) 통신모듈이 구비되어, 로라(LoRa) 통신 방식으로 제1 통신부(130)와 연결되어, 텍스트 데이터를 수신할 수 있다.
구체적으로, 제1 통신부(130)와 제3 통신부(210) 간에는 IoT 플랫폼이 마련되어, 이벤트를 감지하거나 기설정된 주기가 도래할 때마다, IoT 플랫폼을 거쳐 텍스트 데이터의 송수신이 수행될 수 있다.
제4 통신부(220)는, 이더넷(Ethernet) 망 또는 LTE, 5G 등을 이용하는 무선 통신모듈이 구비되어, 영상 모니터링 장치(100)로부터 영상을 수신하거나 영상 모니터링 장치(100)에 표준 영상 데이터 및 영상 분석 학슴 모델을 전달할 수 있다.
프로세서(230)는, 영상 분석 학습 모델을 학습시켜 각각의 영상 모니터링 장치(100)에 제공하고, 영상 분석 학습 모델의 성능 검증에 이용 가능한 표준 영상 데이터를 생성할 수 있다.
그리고 프로세서(230)는, 성능 검증 결과, 임계치 미만으로 판별되는 영상 분석 학습 모델을 이용 중인 영상 모니터링 장치(100)에 새로운 영상 분석 학습 모델이 전달되도록 할 수 있다.
제2 저장부(240)는, 프로세서(230)가 동작함에 있어 필요한 프로그램 및 데이터를 저장할 수 있는 저장매체이다.
도 4는 본 발명의 일 실시예에 따른 영상 모니터링 방법의 설명에 제공된 흐름도이다.
본 실시에에 따른 영상 모니터링 방법은, 영상 모니터링 장치(100)가 특정 영역에 대한 영상 데이터를 수집하면(S410), 딥러닝 기반의 영상 분석 학습 모델을 이용하여 수집된 영상 데이터를 직접 분석하여, 영상 데이터를 기반으로 특정 영역에서 차량 또는 사람을 감지하고, 차량 또는 사람의 유동량 분석, 차량 속도 산출, 차량 밀집도 산출 및 차량 종류 분류 등을 수행하여, 분석 결과를 텍스트 데이터로 변환할 수 있다(S420).
그리고 영상 모니터링 장치(100)가 변환된 텍스트 데이터를 영상 모니터링 서버(200)에 전달함으로써(S430), 영상 모니터링 장치(100)와 영상 모니터링 서버(200) 간 통신망의 대역폭을 절감시킬 수 있으며, 영상 모니터링 서버(200)의 스토리지의 낭비를 방지할 수 있다.
도 5는 본 발명의 일 실시예에 따른 영상 모니터링 방법의 더욱 상세한 설명에 제공된 도면이다.
본 실시에에 따른 영상 모니터링 방법은, 전술한 바와 같이 영상 모니터링 장치(100)가 영상 데이터의 분석 결과를 텍스트 데이터로 변환하여 영상 모니터링 서버(200)에 전달할 뿐만 아니라 추가적으로 영상 수집 수단이 이용하는 영상 분석 학습 모델의 성능 검증을 주기적으로 수행하고, 성능이 임계치 미만인 경우, 새로운 영상 분석 학습 모델로 대체되도록 할 수 있다.
구체적으로, 영상 모니터링 서버(200)는, 각각의 영상 모니터링 장치(100)에서 이용 중인 영상 분석 학습 모델의 성능 검증에 이용 가능한 표준 영상 데이터를 생성하여 각각의 영상 모니터링 장치(100)에 전달할 수 있다(S510).
표준 영상 데이터가 수신되면, 영상 모니터링 장치(100)는, 수신된 표준 영상 데이터를 이용하여 학습된 영상 분석 학습 모델의 성능을 검증하게 된다(S520).
그리고 영상 모니터링 장치(100)는, 표준 영상 데이터를 이용하여 검증된 영상 분석 학습 모델의 성능이 임계치 미만인 경우(S530-Yes), 성능이 임계치 미만인 영상 분석 학습 모델을 폐기하고(S540), 영상 모니터링 서버(200)로부터 새로운 영상 분석 학습 모델을 수신하게 된다(S550).
즉, 영상 모니터링 장치(100)는, 임계치 미만으로 판별되는 영상 분석 학습 모델을 새로운 영상 분석 학습 모델로 갱신시켜, 영상 수집 수단의 영상 분석 성능이 안정적으로 유지되도록 할 수 있다.
또한, 영상 모니터링 서버(200)는, 복수의 영상 분석 학습 모델을 학습시킨 후, 유동량 분석 성능, 차량 속도 산출 성능, 차량 밀집도 산출 성능 및 차량 종류 분류 성능 중 적어도 둘 이상을 비교하여, 항목별로 성능이 가장 높은 영상 분석 학습 모델을 분리하여 저장하고, 영상 분석 학습 모델의 성능이 임계치 미만인 영상 분석부(120)에 성능이 가장 높은 영상 분석 학습 모델을 전달할 수 있다.
예를 들면, 영상 모니터링 서버(200)는, 영상 분석부(120)가 설치된 영역의 지리적 특징 또는 관리자의 요청 및 설정에 따라 유동량 분석 성능, 차량 속도 산출 성능, 차량 밀집도 산출 성능 및 차량 종류 분류 성능 중 우선순위가 부가된 경우, 우선순위가 부가된 성능이 가장 높은 영상 분석 학습 모델을 전달할 수 있다.
이를 통해, 각각의 영상 모니터링 장치(100)는, 설치된 영역의 지리적 특징 또는 관리자의 요청 및 설정 등이 반영되어, 우선적으로 필요한 분석 성능이 가장 우수한 영상 분석 학습 모델을 이용할 수 있다.
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 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
100 : 영상 모니터링 장치
110 : 영상 수집부
120 : 영상 분석부
130 : 제1 통신부
140 : 제2 통신부
150 : 제1 저장부
200 : 영상 모니터링 서버
210 : 제3 통신부
220 : 제4 통신부
230 : 프로세서
240 : 제2 저장부

Claims (10)

  1. 특정 영역에 대한 영상 데이터를 수집하는 영상 수집부;
    영상 데이터를 기반으로 특정 영역에서 차량 또는 사람을 감지하고, 감지 결과를 텍스트 데이터로 변환하는 영상 분석부; 및
    텍스트 데이터를 별도로 마련되는 영상 모니터링 서버에 전달하는 제1 통신부;를 포함하는 영상 모니터링 시스템.
  2. 청구항 1에 있어서,
    제1 통신부는,
    IoT 통신을 위하여, 로라(LoRa) 통신모듈이 구비되는 것을 특징으로 하는 영상 모니터링 시스템.
  3. 청구항 1에 있어서,
    영상 분석부는,
    영상 데이터가 입력되면, 딥러닝을 기반으로 학습된 영상 분석 학습 모델을 이용하여 차량 또는 사람을 감지하는 것을 특징으로 하는 영상 모니터링 시스템.
  4. 청구항 3에 있어서,
    영상 모니터링 서버의 요청 시, 영상 데이터를 전달하는 영상 모니터링 서버에 전달하는 제2 통신부;를 더 포함하는 것을 특징으로 하는 영상 모니터링 시스템.
  5. 청구항 4에 있어서,
    영상 분석부는,
    제2 통신부를 통해 영상 모니터링 서버로부터 표준 영상 데이터를 수신하고, 수신된 표준 영상 데이터를 이용하여 학습된 영상 분석 학습 모델의 성능을 검증하는 것을 특징으로 하는 영상 모니터링 시스템.
  6. 청구항 5에 있어서,
    영상 분석부는,
    표준 영상 데이터를 이용하여 검증된 영상 분석 학습 모델의 성능이 임계치 미만인 경우, 성능이 임계치 미만인 영상 분석 학습 모델을 폐기하고, 영상 모니터링 서버로부터 새로운 영상 분석 학습 모델을 수신하는 것을 특징으로 하는 영상 모니터링 시스템.
  7. 청구항 6에 있어서,
    영상 모니터링 서버는,
    복수의 영상 분석 학습 모델을 학습시킨 후, 기설정된 항목별 성능을 비교하여, 항목별로 성능이 가장 높은 영상 분석 학습 모델을 분리하여 저장하고,
    기설정된 항목별 성능은,
    유동량 분석 성능, 차량 속도 산출 성능, 차량 밀집도 산출 성능 및 차량 종류 분류 성능 중 적어도 둘 이상이 포함되는 것을 특징으로 하는 영상 모니터링 시스템.
  8. 청구항 7에 있어서,
    영상 모니터링 서버는,
    표준 영상 데이터를 이용하여 검증된 영상 분석 학습 모델의 성능이 임계치 미만인 영상 분석부에 성능이 가장 높은 영상 분석 학습 모델을 전달하되,
    영상 분석부가 설치된 영역의 지리적 특징 또는 관리자의 요청 및 설정에 따라 기설정된 항목별 성능 중 우선순위가 부가된 경우, 우선순위가 부가된 성능이 가장 높은 영상 분석 학습 모델을 전달하는 것을 특징으로 하는 영상 모니터링 시스템.
  9. 청구항 3에 있어서,
    영상 분석 학습 모델은,
    컨볼루션 신경망(CNN) 또는 순환 신경망(RNN)을 이용하는 학습 모델인 것을 특징으로 하는 영상 모니터링 시스템.
  10. 영상 수집부가, 특정 영역에 대한 영상 데이터를 수집하는 단계;
    영상 분석부가, 영상 데이터를 기반으로 특정 영역에서 차량 또는 사람을 감지하고, 감지 결과를 텍스트 데이터로 변환하는 단계; 및
    제1 통신부가, 텍스트 데이터를 별도로 마련되는 영상 모니터링 서버에 전달하는 단계;를 포함하는 영상 모니터링 방법.
KR1020200034087A 2020-03-19 2020-03-19 딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 방법 및 이를 이용한 데이터 전송 방법 KR102311805B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200034087A KR102311805B1 (ko) 2020-03-19 2020-03-19 딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 방법 및 이를 이용한 데이터 전송 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200034087A KR102311805B1 (ko) 2020-03-19 2020-03-19 딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 방법 및 이를 이용한 데이터 전송 방법

Publications (2)

Publication Number Publication Date
KR20210117637A true KR20210117637A (ko) 2021-09-29
KR102311805B1 KR102311805B1 (ko) 2021-10-12

Family

ID=77925086

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200034087A KR102311805B1 (ko) 2020-03-19 2020-03-19 딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 방법 및 이를 이용한 데이터 전송 방법

Country Status (1)

Country Link
KR (1) KR102311805B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114743163A (zh) * 2022-04-29 2022-07-12 北京容联易通信息技术有限公司 一种基于深度学习的视频智能监控算法架构方法和系统
CN115578862A (zh) * 2022-10-26 2023-01-06 中国建设基础设施有限公司 交通流量转换方法、装置、计算设备和存储介质
CN117690303A (zh) * 2024-02-04 2024-03-12 四川三元环境治理股份有限公司 一种基于交通数据采集的噪声预警系统、装置及预警方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101350882B1 (ko) * 2012-05-21 2014-01-16 전자부품연구원 영상 분석 서버
KR101438492B1 (ko) 2013-05-14 2014-09-12 서울여자대학교 산학협력단 위반차량 단속을 위한 영상 인식 시스템 및 그 방법
KR101850286B1 (ko) * 2017-06-27 2018-04-19 한국기술교육대학교 산학협력단 딥 러닝 기반 cctv용 영상 인식 방법
KR101942491B1 (ko) * 2018-11-08 2019-04-11 주식회사 싸인텔레콤 도로교통 상황 모니터링 관제·실시간 교통정보 분석·교통신호제어로 이루어진 인공지능형 cctv통합관제중개제어모듈을 갖는 cctv통합관제센터시스템
KR101967610B1 (ko) 2018-07-27 2019-08-13 주식회사 위드텍 다차로 차량속도 및 차량번호 인식이 가능한 다차로 모니터링 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101350882B1 (ko) * 2012-05-21 2014-01-16 전자부품연구원 영상 분석 서버
KR101438492B1 (ko) 2013-05-14 2014-09-12 서울여자대학교 산학협력단 위반차량 단속을 위한 영상 인식 시스템 및 그 방법
KR101850286B1 (ko) * 2017-06-27 2018-04-19 한국기술교육대학교 산학협력단 딥 러닝 기반 cctv용 영상 인식 방법
KR101967610B1 (ko) 2018-07-27 2019-08-13 주식회사 위드텍 다차로 차량속도 및 차량번호 인식이 가능한 다차로 모니터링 시스템
KR101942491B1 (ko) * 2018-11-08 2019-04-11 주식회사 싸인텔레콤 도로교통 상황 모니터링 관제·실시간 교통정보 분석·교통신호제어로 이루어진 인공지능형 cctv통합관제중개제어모듈을 갖는 cctv통합관제센터시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114743163A (zh) * 2022-04-29 2022-07-12 北京容联易通信息技术有限公司 一种基于深度学习的视频智能监控算法架构方法和系统
CN115578862A (zh) * 2022-10-26 2023-01-06 中国建设基础设施有限公司 交通流量转换方法、装置、计算设备和存储介质
CN115578862B (zh) * 2022-10-26 2023-09-19 中国建设基础设施有限公司 交通流量转换方法、装置、计算设备和存储介质
CN117690303A (zh) * 2024-02-04 2024-03-12 四川三元环境治理股份有限公司 一种基于交通数据采集的噪声预警系统、装置及预警方法
CN117690303B (zh) * 2024-02-04 2024-04-26 四川三元环境治理股份有限公司 一种基于交通数据采集的噪声预警系统、装置及预警方法

Also Published As

Publication number Publication date
KR102311805B1 (ko) 2021-10-12

Similar Documents

Publication Publication Date Title
KR102311805B1 (ko) 딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 방법 및 이를 이용한 데이터 전송 방법
CN112348992B (zh) 基于车路协同系统的车载视频处理方法、装置及存储介质
US7630515B2 (en) Method of and apparatus for setting image-capturing conditions, and computer program
US8031084B2 (en) Method and system for infraction detection based on vehicle traffic flow data
US9552724B2 (en) Traffic citation delivery based on type of traffic infraction
CN111105621B (zh) 一种检测违章停车的方法及装置
CN103268703A (zh) 公交专用道抓拍系统
WO2022127273A1 (zh) 基于wifi6的交通信息获取方法及系统
CN113706737A (zh) 基于自动驾驶车辆的路面巡检系统及方法
KR101626377B1 (ko) Cctv와 차량내 블랙박스를 활용한 빅데이터 기반의 불법 주정차 단속 시스템
CN110288823B (zh) 一种基于朴素贝叶斯网络的交通违章误判识别方法
KR101678004B1 (ko) 노드-링크 기반 카메라 네트워크 통합 감시 시스템 및 감시 방법
CN111898485A (zh) 一种停车位车辆检测处理方法及装置
TW201919017A (zh) 一種自動舉證交通違規車輛的系統與方法
US20230343113A1 (en) Automatic license plate recognition
CN112509322A (zh) 一种基于无人机的高速交通事故监管方法、系统及可读存储介质
CN106327876B (zh) 一种基于行车记录仪的套牌车捕捉系统及方法
CN207938184U (zh) 一种车载违章行为抓拍系统
KR20200086015A (ko) 상황 연계형 영상분석장치
CN112447042B (zh) 交通事件侦测系统及方法
CN114078319A (zh) 一种检测交通事故隐患地点的方法及装置
CN101540102A (zh) 检测车辆违法占道的装置及方法
CN111898434B (zh) 一种视频侦测分析系统
CN114550100A (zh) 占道检测方法和装置、设备、介质
CN113850112A (zh) 基于孪生神经网络的路况识别方法和系统

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant