KR20230164382A - 교행 다차로에서의 주행차량 속성 인식방법 및 장치 - Google Patents

Abstract

본 발명의 교행 다차로에서의 주행차량 속성 인식장치는, 교행 다차로를 촬상하는 카메라부; 상기 카메라부에 의해 촬상된 영상정보를 제공받아 원근정도에 따라 상이하게 분할하여 분할영상정보들을 획득하고, 상기 분할영상정보들 각각에 대해 객체를 인식하고, 객체가 인식된 분할영상정보들을 딥러닝을 위한 딥러닝 영상정보들로 구성하고, 상기 딥러닝 영상정보들을 딥러닝하여 상기 교행 다차로를 주행하는 차량들의 속성을 인식하는 제어장치; 상기 제어장치의 처리 프로그램 및 상기 분할영상정보들 및 상기 딥러닝 영상정보들, 상기 딥러닝에 의해 인식된 결과정보들을 저장하는 메모리부;를 포함하는 것을 특징으로 한다.

Description

교행 다차로에서의 주행차량 속성 인식방법 및 장치{Method and apparatus for recognizing driving vehicle properties in an intersection multi-lane}

본 발명은 차량번호 인식기술에 관한 것으로, 더욱 상세하세는 고해상도 영상정보를 전처리하여 교행 다차로를 주행하는 차량에 대해 효과적으로 딥러닝하여 인식할 수 있게 하는 교행 다차로에서의 주행차량 속성 인식방법 및 장치에 관한 것이다.

자동차의 급격한 증가와 함께 자동차를 구분할 수 있는 유일한 정보인 번호판을 인식하는 기술의 중요성이 커지고 있다. 좀더 설명하면, CCTV 등의 영상획득장치로부터 획득된 자동차 영상에서 번호판을 인식하는 기술은 종래에도 많이 존재하고 있으며 실용화 단계에 까지 이르러 범죄 차량 단속, 무인 주차 시스템 및 무인 자동차 등 자동차와 관련된 많은 분야에 활용되고 있다.

일반적으로 주행 중인 차량의 번호판을 자동으로 인식하여 차량의 속성을 인식하는 시스템을 주행차량 자동인식(AVI: Automatic Vehicle Identification) 시스템이라고 한다.

상기 주행차량 자동인식 시스템에 의해 인식된 차량의 영상정보는 지능형 교통 시스템(ITS: Intelligent Transport System)의 기본정보로 활용된다.

종래의 AVI 시스템들은 대부분 기능적으로 다수의 장치로 구성되는데, 차량의 진출입을 검지하는 검지장치, 상기 검지장치로부터의 신호를 받아 사진을 촬영하는 촬영장치, 촬영된 영상으로부터 차량의 번호판을 인식하는 인식장치, 인식된 차량의 정보를 교통 정보 센터로 전송하는 전송 장치 등으로 구성될 수 있다.

이와 같이 인식된 차량의 번호판 정보는 단거리 전용 통신망, 무선 통신망, 위성 통신망 등을 이용해 교통정보센터로 전송되고, 상기 교통정보센터에서는 저장된 자료를 분석하여 관련기관에 분석정보를 제공한다.

이러한 AVI 시스템은 검지장치를 차로에 매설하는지의 여부에 따라 크게 검지식과 비검지식으로 구분된다.

루프 코일을 이용하는 종래의 검지식 시스템과 종래의 비검지식 시스템은 영상검지 방식으로서 카메라의 원본데이터(RAW데이터)를 사용하여 인식하기 때문에 데이터 용량이 커지므로, 프레임을 늘리는데 한계가 발생되어 단일차선이나 2차선의 경우에 적합하고, 이로 인하여 동영상을 실시간으로 관제실에서 모니터링하거나 저장장치에 영상을 저장할 수 없는 단점이 있었다.

또한 검지식 시스템은 검지용 루프 코일을 매설해야 하는 작업이 필요하고, 루프 코일을 이동시킬 경우 재매설해야 하는 추가적인 도로공사를 요하는 등 시스템 설치 및 이전 작업이 복잡하다.

그리고 종래의 AVI 시스템은 루프 코일과 연결선, 레이저 빔 발생 장치, 검사 장치 등 고가의 장치가 요구되고 설치비가 많이 소요되며, 기존의 영상검지방식의 시스템으로는 다차로의 차량 번호판 인식을 위한 대상 차로의 확장이 어렵다는 문제점이 있었다.

아울러 대상 차로를 확장하려는 경우 검지장치와 촬영장치를 매 차로마다 추가해야 하므로 설치비와 운영비가 증가하는 단점이 있었다.

이에 종래에는 다차로 환경에서 주행 중인 차량들을 촬영하고, 그 촬영에 따른 영상정보를 이용하여 차량번호를 빠르고 정확하게 검출하는 딥러닝 기반 차량번호인식 기술이 개발되어 상용화되고 있다.

이와 같이 딥러닝 기반 차량번호인식 기술은 딥러닝 프로세스에 입력되는 영상정보의 크기가 제한됨에 따라 객체에 비해 영상정보의 크기가 크면 효과적인 딥러닝이 이루어지지 않는 문제가 있었다.

이에 차량번호판 영역만을 추출하여 딥러닝하여 차량번호를 인식하는 기술이 제안되었으며, 이러한 기술로는 대한민국 특허청에 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템 및 방법을 명칭으로 하여 특허등록된 제10-1971878호가 있다. 이는 동영상을 촬영하여 다차로의 감시영상을 생성하는 동영상 카메라; 상기 동영상 카메라와 유선 또는 무선으로 연결되며, 상기 동영상 카메라로부터 제공된 다차로의 감시영상을 통신네트워크를 통해 원격지에 제공하는 제어기; 기 설정된 번호판의 기준에 따라 다차로의 감시영상으로부터 자동차 번호판의 외곽선을 식별하여 번호판 영상을 검출하는 번호판 영상 검출부; 상기 번호판 영상 검출부를 통해 검출된 번호판 영상으로부터 개별 글자의 영역을 식별하여 개별 글자 영상을 추출하는 개별 글자 분리부; 주행, 정차, 및 주차의 상황에서 차량을 촬영한 사진으로 번호판의 차량번호를 구성하는 글자에 관련되며, 형태학 필터를 통해 필터링된 필터링 이미지인 다수의 샘플 이미지가 저장되는 저장부; 상기 저장부에 저장된 샘플 이미지로 학습된 딥러닝 알고리즘을 통해 상기 개별 글자 영상의 화상 특징을 파악하고 상기 화상 특징을 분석하여 개별 글자 영상에 포함된 글자정보를 인식하며 번호판의 차량번호를 결정하되, 개별 글자 영상에 포함된 글자정보가 딥러닝 알고리즘을 통해 인식되지 않는 경우 개별 글자 영상에 포함된 글자정보를 특수기호로 인식하는 차량번호 인식부; 및 글자정보가 인식된 개별 글자 영상을 기준으로 하여 크기 및 구도가 변형된 개별 글자 보조영상을 생성하고, 상기 글자정보와 개별 글자 보조영상을 상기 저장부에 샘플 이미지로 저장하는 학습데이터 추가부를 포함하는 다차로 환경에서의 딥러닝 기반 차량번호인식 기술을 활용한 영상감시 시스템을 개시하고 있다.

이와 같이 종래에는 영상정보 중 차량번호판의 개별 글자 영역에 대응되는 영상정보에 대해서만 딥러닝 알고리즘을 수행하여 글자를 인식하도록 하여 차량번호 인식기술을 개선하였다

그러나 차량번호뿐만 아니라 차종, 차량의 색상 등 차량에 대한 속성정보를 포괄적으로 수집하고자 하는 경우에는 고해상도의 영상정보의 크기를 줄여 딥러닝하므로, 딥러닝이 효과적으로 적용되기 어려운 문제가 있었다.

이에 종래에는 고해상도로 촬영된 영상정보를 전처리하여 교행 다차로를 주행하는 차량에 대한 속성에 대해 효과적으로 딥러닝하여 인식할 수 있게 할 수 있게 하는 기술의 개발이 요구되었다.

대한민국 특허등록 제10-1971878호 대한민국 특허등록 제10-2100965호 대한민국 특허공개 제10-2021-0004529호 대한민국 특허등록 제10-2122850호

본 발명은 고해상도 영상정보를 전처리하여 교행 다차로를 주행하는 차량에 대해 효과적으로 딥러닝하여 차량의 속성에 대한 인식율을 높일 수 있게 하는 교행 다차로에서의 주행차량 자동인식방법 및 장치를 제공하는 것을 그 목적으로 한다.

상기의 목적을 달성하기 위한 본 발명의 교행 다차로에서의 주행차량 속성 인식장치는, 교행 다차로를 촬상하는 카메라부; 상기 카메라부에 의해 촬상된 영상정보를 제공받아 원근정도에 따라 상이하게 분할하여 분할영상정보들을 획득하고, 상기 분할영상정보들 각각에 대해 객체를 인식하고, 객체가 인식된 분할영상정보들을 딥러닝을 위한 딥러닝 영상정보들로 구성하고, 상기 딥러닝 영상정보들을 딥러닝하여 상기 교행 다차로를 주행하는 차량들의 속성을 인식하는 제어장치; 상기 제어장치의 처리 프로그램 및 상기 분할영상정보들 및 상기 딥러닝 영상정보들, 상기 딥러닝에 의해 인식된 결과정보들을 저장하는 메모리부;를 포함하는 것을 특징으로 한다.

또한, 상기 제어장치가, 상기 카메라부에 의해 촬상된 영상정보로부터 라인들을 인식하고, 가장 가장자리에 위치하는 외곽라인을 인식하고, 미리 정해진 구간마다 상기 외곽라인과 수평선 사이의 각도인 기울기를 검출하고, 각 구간의 기울기가 검출되면 검출된 기울기에 대응되는 분할갯수로 해당 구간의 영상정보를 분할하여 분할영상정보들을 획득함을 특징으로 한다.

또한, 상기 제어장치가, 상기 분할영상정보들 각각으로부터 인식한 객체가 손실이 있는 객체인지를 판별하고, 손실이 있는 객체를 포함한 분할영상정보들 각각에 대해서는 주변 분할영상정보들 검출하고, 손실이 있는 객체를 포함한 분할영상정보와 주변 분할영상정보들에 대응되는 원본 영상정보의 영역에서 손실된 객체에 해당되는 영역을 분할하고, 분할된 영역의 영상정보를 딥러닝을 위한 딥러닝 영상정보로 구성하고, 상기 딥러닝 영상정보를 딥러닝하여 상기 손실이 있는 객체에 대응되는 교행 다차로를 주행하는 차량의 속성을 인식함을 특징으로 한다.

또한, 상기 차량의 속성은 차량번호, 차량색상, 차종 중 하나 이상을 포함함을 특징으로 한다.

또한, 상기 차량의 속성은 차량번호이며, 상기 딥러닝은 상기 딥러닝 영상정보에서 차량번호판 영역을 검출하고, 상기 차량번호판 영역에서 문자를 인식하여 차량번호를 인식함을 특징으로 한다.

또한, 상기 카메라부에 의해 촬상된 영상정보에 대한 원근정보는 거리센서를 통해 획득됨을 특징으로 한다.

본 발명은 고해상도 영상정보를 전처리하여 교행 다차로를 주행하는 차량에 대해 효과적으로 딥러닝하여 차량의 속성에 대한 인식율을 높일 수 있게 하는 효과를 제공한다.

도 1은 본 발명의 바람직한 실시예에 따르는 교행 다차로에서의 주행차량 인식장치의 구성도.
도 2는 본 발명의 바람직한 실시예에 따르는 교행 다차로에서의 주행차량 인식방법의 절차도.
도 3은 본 발명의 바람직한 실시예에 따르는 영상정보 분할방법의 절차도.
도 4는 도 3의 각 과정에 대한 영상정보 처리과정을 개략적으로 도시한 도면.
도 5는 본 발명의 바람직한 실시예에 따르는 객체의 손실이 있는 분할영상의 처리방법의 절차도.
도 6 및 도 7은 도 5의 각 과정에 대한 영상정보 처리과정을 개략적으로 도시한 도면.

본 발명은 고해상도 영상정보를 전처리하여 교행 다차로를 주행하는 차량에 대해 효과적으로 딥러닝하여 차량의 속성에 대한 인식율을 높일 수 있게 한다.

이러한 본 발명의 바람직한 실시예에 따르는 교행 다차로에서의 주행차량 속성 인식장치의 구성을 도면을 참조하여 상세히 설명한다.

<교행 다차로에서의 주행차량 속성 인식장치의 구성도>

도 1은 본 발명의 바람직한 실시예에 따르는 교행 다차로에서의 주행차량 속성 인식장치의 구성도이다.

상기 교행 다차로에서의 주행차량 속성 인식장치는 제어장치(100)와 메모리부(106)와 카메라부(108)를 포함한다.

상기 제어장치(100)는 전처리부(102)와 딥러닝부(104)로 구성되며, 상기 카메라부(108)에 의해 촬상된 영상정보를 제공받아 원근정도에 따라 상이하게 분할하여 분할영상정보들을 획득하고, 상기 분할영상정보들 각각에 대해 객체를 인식하고, 객체가 인식된 분할영상정보들을 딥러닝을 위한 딥러닝 영상정보들로 구성하고, 상기 딥러닝 영상정보들을 딥러닝하여 상기 교행 다차로를 주행하는 차량들의 속성을 인식하고, 그 인식된 결과정보를 메모리부(106)에 저장한다.

상기 메모리부(106)는 상기 제어장치(100)의 처리 프로그램을 포함하는 다양한 정보를 저장함과 아울러, 상기 카메라부(108)에 의해 촬상된 원본의 영상정보, 원근정도에 따라 분할된 분할영상정보들, 분할영상정보들 중 객체가 인식된 분할영상정보들로 구성한 딥러닝 영상정보들, 차량속성 인식결과 등을 저장한다. 상기 메모리부(106)에 저장된 차량속성 인식결과정보는 미도시된 통신모듈을 통해 외부의 교통관제센터로 전송된다.

상기 카메라부(108)는 4차로 이상의 교행 다차로를 주행하는 차량을 조망하는 위치에 설치되어 상기 교행 다차로를 주행하는 차량을 고해상도로 촬영하고, 그 촬영에 따른 영상정보를 상기 제어장치(100)로 제공한다.

<교행 다차로에서의 주행차량 속성 인식방법의 절차>

이제 상기의 교행 다차로에서의 주행차량 속성 인식장치에 적용가능한 교행 다차로에서의 주행차량 속성 인식방법을 도 2의 흐름도를 참조하여 설명한다. 상기 교행 다차로에서의 주행차량 속성 인식장치의 제어장치(100)는 카메라부(108)를 통해 교행 다차로를 고해상도로 촬상한 영상정보를 획득한다(200단계).

상기 제어장치(100)는 상기 영상정보가 획득되면 다수로 분할하여 분할영상정보들을 생성한다. 특히 상기 영상정보의 분할은 원근법에 의거 먼곳을 더 세분화하여 분할한다(202단계). 여기서, 상기 분할된 영상정보들에는 인덱스값이 순차적으로 부여된다.

이후 상기 제어장치(100)는 상기 영상정보를 분할한 영상정보들 중 인덱스값에 따른 순서에 따라 전처리 대상이 되는 분할된 영상정보를 선정한다(204단계), 전처리 대상이 되는 분할영상정보가 선정되면, 상기 제어장치(100)는 모든 분할영상정보에 대한 제1차 전처리가 완료되었는지를 체크한다(206단계). 상기 모든 분할영상정보에 대한 제1차 전처리가 완료되지 않았으면, 선정된 분할영상정보에 대해 객체인식을 이행한다(208단계). 상기 객체는 주행중인 차량이며, 영상정보에서 차량을 인식하는 기술은 이미 공지되었으므로 그 상세한 설명은 생략한다.

상기 제어장치(100)는 상기 분할영상정보에서 객체가 인식되었는지를 체크하고(210단계), 상기 객체가 인식되지 않았으면, 상기 제어장치(100)는 상기 204단계로 복귀하여 다음 순서에 따른 분할영상정보에 대해 제1차 전처리를 이행한다.

상기한 바와 달리 분할영상정보에서 객체가 인식되면, 상기 제어장치(100)는 상기 인식된 객체의 외곽선이 온전한 차량의 외곽선을 가졌는지, 일부 손실되어 인식된 객체의 외곽선이 온전한 차량의 외곽선을 가지지 않았는지를 검출한다(214단계). 여기서 상기 메모리부(106)에는 다양한 차량에 대한 외곽선에 대한 정보가 저장되며, 상기 제어장치(100)는 상기 다양한 차량에 대한 외곽선 정보를 참조하여 인식된 객체의 외곽선이 온전한 차량의 외곽선을 가졌는지 여부를 판별한다.

상기 분할영상정보에서 인식된 객체가 일부 손실된 객체이면, 상기 제어장치(100)는 객체의 손실이 있는 분할영상정보를 메모리부(106)에 저장한 후에 204단계로 복귀하여 다음 순서에 따른 분할영상정보에 대해 제1차 전처리를 이행한다(216단계). 여기서, 객체의 손실이 있는 분할영상정보들의 저장시에는 주변 분할영상정보들에 대한 식별정보를 더 저장하여, 제2차 전처리시에 주변 분할영상정보를 빠르게 검출할 수 있게 한다.

그리고 상기 분할영상정보에서 인식된 객체가 온전한 차량에 대응되는 객체이면, 해당 분할영상정보를 딥러닝부의 처리방식에 적합한 크기의 딥러닝 입력정보로 재구성한 후에 저장한 후에 204단계로 복귀하여 다음 순서에 따른 분할영상정보에 대해 제1차 전처리를 이행한다(218단계).

상기의 206단계에서 모든 분할영상정보에 대한 제1차 전처리가 완료되었으면, 상기 제어장치(100)는 메모리부(106)에 저장되어 있는 객체의 손실이 있는 분할영상정보들을 독출한다(220단계).

상기 제어장치(100)는 상기 메모리부(106)에 상기 객체의 손실이 있는 분할영상정보가 저장되어 있지 않으면 다음 영상정보에 대한 전처리를 위해 200단계로 복귀한다.

상기한 바와 달리 상기 메모리부(106)에 상기 객체의 손실이 있는 분할영상정보들이 저장되어 있으면, 상기 제어장치(100)는 상기 객체의 손실이 있는 분할영상정보들 각각에 대해 제2차 전처리하여 딥러닝 입력정보로 구성한 후에 상기 메모리부(106)에 저장한다(222,224단계).

상기 메모리부(106)에 저장된 딥러닝 입력정보들은 딥러닝부에 입력되며, 상기 딥러닝부는 상기 메모리부(106)에 저장된 딥러닝 입력정보들 각각에 포함된 객체정보를 토대로 차량번호, 차량종류, 차량색상 등의 차량속성을 인식하고 그에 따른 인식결과정보를 메모리부(106)에 저장한다. 특히, 상기 딥러닝부는 객체정보에서 번호판 영역을 인식하고, 인식된 번호판 영역에 대해 문자인식기를 통해 차량번호를 검출한다.

상기 메모리부(106)에 저장된 인식결과정보는 미도시된 통신모듈을 통해 외부의 교통관제센터로 전송된다.

<영상분할 절차>

상기의 본 발명에 따르는 교행 다차로에서의 주행차량 속성 인식방법에서 영상정보를 분할하는 과정을 도 3을 참조하여 설명한다.

상기 제어장치(100)는 교행 다차로 영상정보를 획득한다(300단계). 도 4의 (a)는 교행 다차로를 주행하는 차량을 촬상한 영상정보를 개략적으로 예시한 것이다.

상기 제어장치(100)는 교행 다차로 영상정보에서 외곽라인을 추출한다(302단계). 상기 영상정보에는 도로 특성에 따라 다수의 라인이 포함되며, 상기 다수의 라인 중 가장 가장자리에 위치하는 선이 외곽라인(L)으로 정해진다. 상기 외곽라인(L)은 원근효과와 광각렌즈에 의한 왜곡에 의해 도 4에 도시한 바와 같이 변형된다.

상기 제어장치(100)는 미리 정해진 다수개의 구간마다 외곽라인(L)과 수평선과의 각도인 기울기들(θ1,θ2,θ3)을 검출하고(304단계), 상기 기울기들을 통해 원근정도를 추정한다.

이후 상기 제어장치(100)는 각 구간에 대해 검출된 기울기에 대응되는 영상분할갯수를 검출한다(306단계). 여기서, 상기 기울기에 대응되는 영상분할갯수는 미리 저장된다.

상기 다수개의 구간 각각에 대한 영상분할갯수가 검출되면, 상기 제어장치(100)는 다수개의 구간 각각에 대한 영상분할갯수에 따라 영상정보를 분할한다(308단계).

좀더 설명하면, 본 발명은 도 4의 (b)에 예시한 바와 같이 카메라와 근접한 영역에 대해서는 넓게 분할하고 원거리의 영역에 대해서는 좁게 분할하여, 딥러닝부에 입력되는 정보량이 원근 상태에 무관하게 유사한 수준을 유지될 수 있게 한다.

즉 제2구간에 있는 차량(C2)에 대한 분할영상정보와 제3구간에 있는 차량(C4)에 대한 분할영상정보는 고해상도의 영상정보이므로, 원데이터의 크기가 매우 크므로 딥러닝시에는 딥러닝시에 요구되는 데이터 크기를 감소된 후에 딥러닝부에 입력된다.

딥러닝시에 요구되는 데이터의 크기는 미리 정해지므로 제2구간에 있는 차량(C2)에 대한 분할영상정보가 제3구간에 있는 차량(C4)에 대한 분할영상정보에 비해 더 많이 축소된다. 이에 제2구간에 있는 차량(C2)에 대한 분할영상정보가 제3구간에 있는 차량(C4)에 대한 분할영상정보에 대한 원데이터의 크기 차이는 매우 크나, 딥러닝시에 필요한 데이터 크기로 분할영상정보들의 데이터 크기를 감소한 후에는 객체들(C2,C4) 각각에 대한 정보량은 유사한 수준이 된다. 이에 딥러닝시에 차량이 멀리 있거나 가까이 있는 것에 무관하게 객체에 대한 인식 수준이 유사한 수준을 가지게 된다.

또한 본 발명은 영상정보의 분할갯수를 외곽라인의 기울기 변화에 따라 정하여, 상기 카메라부가 어느 환경에서 적용되더라도 손쉽게 원근의 변화정도를 검출하여 그에 부합되게 영상정보를 분할하여 차량의 속성을 인식할 수 있게 한다.

<객체의 손실이 있는 분할영상정보에 대한 제2전처리과정>

상기의 본 발명에 따르는 교행 다차로에서의 주행차량 속성 인식방법에서 손실있는 분할영상에 대한 제2전처리과정을 도 5를 참조하여 설명한다.

상기 제어장치(100)는 객체의 손실이 있는 분할영상정보를 메모리부(106)에서 독출한다(400단계). 상기 객체의 손실이 있는 분할영상정보의 독출후에 상기 제어장치(100)는 상기 객체의 손실이 있는 분할영상정보와 맞닿아 있는 분할영상정보들을 검출한다(402단계). 도 6의 (a) 및 도 6의 (b)는 영상정보를 분할한 예를 도시한 것으로, 분할영상정보 P1에는 손실이 있는 객체(C1)가 포함되고, 상기 분할영상정보 P1과 맞닿은 분할영상정보들 P2~P4를 검출하여 객체(C1)가 존재하는 영역을 검출한다.

이와 같이 객체(C1)가 존재하는 영역이 검출되면, 상기 제어장치(100)는 원본 영상정보에서 손실된 객체에 해당되는 ROI(REGION OF INTEREST) 영역을 분할하고(404단계), 그 ROI 영역의 영상정보를 딥러닝 입력정보로 구성한 후에 메모리부(106)에 저장한다(406단계).

도 6은 객체(C1)가 존재하는 ROI 영역을 검출하는 과정을 도시한 것이다. 도 6의 (a)는 1개의 ROI 결과로 만들어주기 위해 좌표 A(TOP,LEFT)와 B(BOTTOM,RIGHT)를 확인하는 과정을 도시한 것이고, 도 6의 (b)는 좌표 A,B를 통해 하나의 ROI를 추출하는 과정을 도시한 것이고, 도 6의 (c)는 일정 비율로 확장한 ROI로 영상을 분할하여 재인식할 수 있게 한다.

상술한 본 발명의 실시예에서는 촬영한 영상정보에 포함된 외곽선의 기울기를 토대로 원근정도를 검출하여 영상의 분할갯수를 조정하는 것만을 예시하였으나, 거리센서 등을 이용하여 원근정도를 검출하여 영상의 분할갯수를 조정하거나 미리 정해둔 구간마다 각기 다르게 분할갯수를 설정해둘 수도 있으며, 이는 본 발명에 의해 당업자에게 자명하다.

이상의 설명에서 본 발명은 특정의 실시예와 관련하여 도시 및 설명하였지만, 특허청구범위에 의해 나타난 발명의 사상 및 영역으로부터 벗어나지 않는 한도 내에서 다양한 개조 및 변화가 가능하다는 것을 당 업계에서 통상의 지식을 가진 자라면 누구나 쉽게 알 수 있을 것이다.

100 : 제어장치
102 : 전처리부
104 : 차량속성 인식을 위한 딥러닝부
106 : 메모리부
108 : 카메라부

Claims (8)

1. 교행 다차로를 촬상하는 카메라부;
   상기 카메라부에 의해 촬상된 영상정보를 제공받아 원근정도에 따라 상이하게 분할하여 분할영상정보들을 획득하고,
   상기 분할영상정보들 각각에 대해 객체를 인식하고, 객체가 인식된 분할영상정보들을 딥러닝을 위한 딥러닝 영상정보들로 구성하고,
   상기 딥러닝 영상정보들을 딥러닝하여 상기 교행 다차로를 주행하는 차량들의 속성을 인식하는 제어장치;
   상기 제어장치의 처리 프로그램 및 상기 분할영상정보들 및 상기 딥러닝 영상정보들, 상기 딥러닝에 의해 인식된 결과정보들을 저장하는 메모리부;를 포함하는 것을 특징으로 하는 교행 다차로에서의 주행차량 속성 인식장치.
2. 제1항에 있어서,
   상기 제어장치가, 상기 카메라부에 의해 촬상된 영상정보로부터 라인들을 인식하고, 가장 가장자리에 위치하는 외곽라인을 인식하고,
   미리 정해진 구간마다 상기 외곽라인과 수평선 사이의 각도인 기울기를 검출하고, 각 구간의 기울기가 검출되면 검출된 기울기에 대응되는 분할갯수로 해당 구간의 영상정보를 분할하여 분할영상정보들을 획득함을 특징으로 하는 교행 다차로에서의 주행차량 속성 인식장치.
3. 제1항에 있어서,
   상기 제어장치가,
   상기 분할영상정보들 각각으로부터 인식한 객체가 손실이 있는 객체인지를 판별하고,
   손실이 있는 객체를 포함한 분할영상정보들 각각에 대해서는 주변 분할영상정보들 검출하고,
   손실이 있는 객체를 포함한 분할영상정보와 주변 분할영상정보들에 대응되는 원본 영상정보의 영역에서 손실된 객체에 해당되는 영역을 분할하고,
   분할된 영역의 영상정보를 딥러닝을 위한 딥러닝 영상정보로 구성하고, 상기 딥러닝 영상정보를 딥러닝하여 상기 손실이 있는 객체에 대응되는 교행 다차로를 주행하는 차량의 속성을 인식함을 특징으로 하는 교행 다차로에서의 주행차량 속성 인식장치.
4. 제1항에 있어서,
   상기 차량의 속성은 차량번호이며,
   상기 딥러닝은 상기 딥러닝 영상정보에서 차량번호판 영역을 검출하고, 상기 차량번호판 영역에서 문자를 인식하여 차량번호를 인식함을 특징으로 하는 교행 다차로에서의 주행차량 속성 인식장치.
5. 교행 다차로를 촬상하는 카메라부에 의해 촬상된 영상정보를 제공받아 원근정도에 따라 상이하게 분할하여 분할영상정보들을 획득하는 제1단계;
   상기 분할영상정보들 각각에 대해 객체를 인식하고, 객체가 인식된 분할영상정보들을 딥러닝을 위한 딥러닝 영상정보들로 구성하는 제2단계; 및
   상기 딥러닝 영상정보들을 딥러닝하여 상기 교행 다차로를 주행하는 차량들의 속성을 인식하는 제3단계;를 포함함을 특징으로 하는 교행 다차로에서의 주행차량 속성 인식방법.
6. 제5항에 있어서,
   상기 제1단계가, 상기 카메라부에 의해 촬상된 영상정보로부터 라인들을 인식하고, 가장 가장자리에 위치하는 외곽라인을 인식하는 단계; 및
   미리 정해진 구간마다 상기 외곽라인과 수평선 사이의 각도인 기울기를 검출하고, 각 구간의 기울기가 검출되면 검출된 기울기에 대응되는 분할갯수로 해당 구간의 영상정보를 분할하여 분할영상정보들을 획득하는 단계;로 구성됨을 특징으로 하는 교행 다차로에서의 주행차량 속성 인식방법.
7. 제5항에 있어서,
   상기 분할영상정보들 각각으로부터 인식한 객체가 손실이 있는 객체인지를 판별하고,
   손실이 있는 객체를 포함한 분할영상정보들 각각에 대해서는 주변 분할영상정보들 검출하고,
   손실이 있는 객체를 포함한 분할영상정보와 주변 분할영상정보들에 대응되는 원본 영상정보의 영역에서 손실된 객체에 해당되는 영역을 분할하고,
   분할된 영역의 영상정보를 딥러닝을 위한 딥러닝 영상정보로 구성하고, 상기 딥러닝 영상정보를 딥러닝하여 상기 손실이 있는 객체에 대응되는 교행 다차로를 주행하는 차량의 속성을 인식하는 단계;를 더 포함함을 특징으로 하는 교행 다차로에서의 주행차량 속성 인식방법.
8. 제5항에 있어서,
   상기 차량의 속성은 차량번호이며,
   상기 딥러닝은 상기 딥러닝 영상정보에서 차량번호판 영역을 검출하고, 상기 차량번호판 영역에서 문자를 인식하여 차량번호를 인식함을 특징으로 하는 교행 다차로에서의 주행차량 속성 인식방법.