[go: up one dir, main page]

KR102286250B1 - Vehicle number recognition system using cctv - Google Patents

Vehicle number recognition system using cctv Download PDF

Info

Publication number
KR102286250B1
KR102286250B1 KR1020190136210A KR20190136210A KR102286250B1 KR 102286250 B1 KR102286250 B1 KR 102286250B1 KR 1020190136210 A KR1020190136210 A KR 1020190136210A KR 20190136210 A KR20190136210 A KR 20190136210A KR 102286250 B1 KR102286250 B1 KR 102286250B1
Authority
KR
South Korea
Prior art keywords
vehicle
cctv
processor
predetermined
embedded board
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
KR1020190136210A
Other languages
Korean (ko)
Other versions
KR20210051225A (en
Inventor
서용욱
Original Assignee
주식회사 서안에스앤씨
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 서안에스앤씨 filed Critical 주식회사 서안에스앤씨
Priority to KR1020190136210A priority Critical patent/KR102286250B1/en
Publication of KR20210051225A publication Critical patent/KR20210051225A/en
Application granted granted Critical
Publication of KR102286250B1 publication Critical patent/KR102286250B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/017—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
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

소정 CCTV와 통신을 수행하는 통신 장치; 상기 소정 CCTV로부터 획득된 소정 영상을 처리하는 그래픽 프로세서 기반의 임베디드 보드; 상기 임베디드 보드에서 획득된 데이터를 저장하는 스토리지; 프로세서; 및 상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 명령어들을 실행함으로써, 외부 장치로부터 상기 통신 장치를 통해 제1 차량을 포함하는 제1 영상을 수신하고, 상기 임베디드 보드를 통해 상기 제1 영상에 기초하여, 상기 제1 차량의 제1 차량 번호를 추출하고, 상기 임베디드 보드를 통해, 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하고, 제1 CCTV로부터 촬영된 영상에서 상기 제1 차량이 검색되면, 상기 제1 CCTV의 주변의 CCTV로부터 상기 제1 차량의 이력 정보 또는 실시간 정보를 획득하고, 상기 통신 장치를 통해, 상기 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관제 센터로 전송하는, 서버가 제공된다.a communication device for performing communication with a predetermined CCTV; a graphic processor-based embedded board for processing a predetermined image obtained from the predetermined CCTV; a storage for storing data obtained from the embedded board; processor; and a memory storing instructions executable by the processor, wherein the processor receives a first image including a first vehicle from an external device through the communication device by executing the instructions, and the embedded board based on the first image through, extracting the first vehicle number of the first vehicle, and searching for the first vehicle from images captured from a plurality of CCTVs installed within a preset range through the embedded board, When the first vehicle is found in the image taken from the first CCTV, history information or real-time information of the first vehicle is obtained from CCTVs around the first CCTV, and through the communication device, A server is provided that transmits historical information or real-time information to an integrated control center that manages a plurality of vehicles.

Description

CCTV를 이용한 차량 번호 인식 시스템{VEHICLE NUMBER RECOGNITION SYSTEM USING CCTV}Vehicle number recognition system using CCTV {VEHICLE NUMBER RECOGNITION SYSTEM USING CCTV}

차량 번호 인식 시스템에 관한 것이다.It relates to a vehicle number recognition system.

차량번호는 각 차량마다 부여된 고유한 식별번호로서, 사람의 주민등록번호와 동일한 역할을 한다. 이러한 차량번호를 통하여 자동차의 소유자, 종류, 제작사, 제작년도, 배기량 등 기본정보의 확인이 가능하고, 또한 차량등록 상태, 과태료 및 세금 미납 여부, 도난차량 여부 등과 같은 다양한 정보를 확인할 수 있다.The vehicle number is a unique identification number assigned to each vehicle and plays the same role as a person's resident registration number. Through such a vehicle number, it is possible to check basic information such as the owner, type, manufacturer, year of manufacture, and displacement of the vehicle, and also various information such as vehicle registration status, non-payment of fines and taxes, and whether the vehicle is stolen.

차량번호를 통하여 차량에 대한 다양한 정보를 확인할 수 있음에 따라, 차량번호를 인식하기 위한 기술이 활발히 연구되어 왔으며, 다양한 분야에서 활용되고 있다. 예를 들어, 도로에 설치된 과속감시카메라, 신호위반 감시카메라, 주정차 위반 단속 카메라, 주차장 출입 통제 장치 등 다양한 분야에서 차량번호 인식 시스템이 활용되고 있다.As various information about the vehicle can be checked through the vehicle number, the technology for recognizing the vehicle number has been actively studied and is being utilized in various fields. For example, a vehicle number recognition system is being used in various fields such as a speed camera installed on a road, a signal violation monitoring camera, a parking violation enforcement camera, and a parking lot access control device.

한국 등록 특허 제10-149630호 "차량번호인식 시스템"은 촬상 데이터를 분석하여 차량 번호판 영역을 구분하고 입체화하며, 번호판 영역을 평면화 및 확대 변환하여 차량번호를 인식하는 내용을 개시한다.Korean Patent No. 10-149630 "Vehicle Number Recognition System" analyzes the captured data to classify and three-dimensionalize the vehicle license plate area, and discloses the contents of recognizing the vehicle number by flattening and expanding the license plate area.

서버가 복수의 임베디드 보드를 수용할 수 있고, 임베디드 보드 각각은 복수의 CCTV와 연결되어 복수의 채널을 관리함으로써, 복수의 CCTV로부터 촬영된 영상에 대해 짧은 시간 동안 소정 차량을 모니터링 할 수 있다.The server can accommodate a plurality of embedded boards, and each embedded board is connected to a plurality of CCTVs to manage a plurality of channels, so that a predetermined vehicle can be monitored for a short time for images taken from a plurality of CCTVs.

서버가 복수의 임베디드 보드를 수용함으로써, 복수의 CCTV를 관리하는 물리적인 공간 제약을 극복하고자 한다.By accommodating a plurality of embedded boards in the server, it is intended to overcome the physical space constraint to manage a plurality of CCTVs.

서버는 차량 번호의 인식에 사용되는 영상을 방범용 CCTV로부터 획득함으로써, 추가적인 CCTV의 설치를 방지하고자 한다.The server attempts to prevent the installation of additional CCTV by acquiring the image used for recognizing the vehicle number from the CCTV for crime prevention.

일측에 따르면, 소정 CCTV와 통신을 수행하는 통신 장치; 상기 소정 CCTV로부터 획득된 소정 영상을 처리하는 그래픽 프로세서 기반의 임베디드 보드; 상기 임베디드 보드에서 획득된 데이터를 저장하는 스토리지; 프로세서; 및 상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 명령어들을 실행함으로써, 외부 장치로부터 상기 통신 장치를 통해 제1 차량을 포함하는 제1 영상을 수신하고, 상기 임베디드 보드를 통해 상기 제1 영상에 기초하여, 상기 제1 차량의 제1 차량 번호를 추출하고, 상기 임베디드 보드를 통해, 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하고, 제1 CCTV로부터 촬영된 영상에서 상기 제1 차량이 검색되면, 상기 제1 CCTV의 주변의 CCTV로부터 상기 제1 차량의 이력 정보 또는 실시간 정보를 획득하고, 상기 통신 장치를 통해, 상기 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관제 센터로 전송하는, 서버가 제공된다.According to one side, a communication device for performing communication with a predetermined CCTV; a graphic processor-based embedded board for processing a predetermined image obtained from the predetermined CCTV; a storage for storing data obtained from the embedded board; processor; and a memory storing instructions executable by the processor, wherein the processor receives a first image including a first vehicle from an external device through the communication device by executing the instructions, and the embedded board based on the first image through, extracting the first vehicle number of the first vehicle, and searching for the first vehicle from images captured from a plurality of CCTVs installed within a preset range through the embedded board, When the first vehicle is found in the image taken from the first CCTV, history information or real-time information of the first vehicle is obtained from CCTVs around the first CCTV, and through the communication device, A server is provided that transmits historical information or real-time information to an integrated control center that manages a plurality of vehicles.

다른 일측에 따르면, 외부 장치로부터 제1 차량을 포함하는 제1 영상을 수신하는 단계; 상기 제1 영상에 기초하여, 상기 제1 차량의 제1 차량 번호를 추출하는 단계; 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하는 단계; 제1 CCTV로부터 촬영된 영상에서 상기 제1 차량이 검색되면, 상기 제1 CCTV의 주변의 CCTV로부터 상기 제1 차량의 이력 정보 또는 실시간 정보를 획득하는 단계; 및 상기 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관리 시스템으로 전송하는 단계를 포함하는, 그래픽 프로세서 기반의 임베디드 보드를 포함하는, 서버의 동작 방법이 제공된다.According to another aspect, receiving a first image including the first vehicle from an external device; extracting a first license plate number of the first vehicle based on the first image; retrieving the first vehicle from images taken from a plurality of CCTVs installed within a preset range; When the first vehicle is found in the image taken from the first CCTV, obtaining the history information or real-time information of the first vehicle from the CCTV around the first CCTV; and transmitting the history information or real-time information of the first vehicle to an integrated management system for managing a plurality of vehicles, including a graphics processor-based embedded board.

서버가 복수의 임베디드 보드를 수용할 수 있고, 임베디드 보드 각각은 복수의 CCTV와 연결되어 복수의 채널을 관리함으로써, 복수의 CCTV로부터 촬영된 영상에 대해 짧은 시간 동안 소정 차량을 모니터링 할 수 있다.The server can accommodate a plurality of embedded boards, and each embedded board is connected to a plurality of CCTVs to manage a plurality of channels, so that a predetermined vehicle can be monitored for a short time for images taken from a plurality of CCTVs.

서버가 복수의 임베디드 보드를 수용함으로써, 복수의 CCTV를 관리하는 물리적인 공간 제약을 극복할 수 있다.By accommodating a plurality of embedded boards by the server, it is possible to overcome the physical space constraints of managing a plurality of CCTVs.

서버는 차량 번호의 인식에 사용되는 영상을 방범용 CCTV로부터 획득함으로써, 추가적인 CCTV의 설치를 방지할 수 있다.The server can prevent the installation of additional CCTV by acquiring the image used for recognizing the vehicle number from the CCTV for crime prevention.

본 발명은, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 일실시예에 따라, 복수의 CCTV로부터 획득된 영상에 기초하여, 소정 차량을 모니터링 하는 서버의 동작을 설명하기 위한 개념도이다.
도 2는 일실시예에 따라, 복수의 CCTV로부터 획득된 영상에 기초하여, 소정 차량을 모니터링 하는 서버의 동작을 설명하기 위한 흐름도이다.
도 3은 일실시예에 따라, 서버 내의 임베디드 보드가 소정 영상에서 차량 번호를 추출하는 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따라, 서버 내의 임베디드 보드가 복수의 CCTV로부터 촬영된 영상으로부터 소정 차량을 검색하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따라, 서버 내의 임베디드 보드의 구조 및 임베디드 보드와 연결된 채널을 설명하기 위한 도면이다.
도 6은 일실시예에 따라, 영상을 통해 추출된 차량 번호가 일부인 경우, 복수의 CCTV로부터 획득된 영상에 기초하여, 차량 번호를 결정하는 임베디드 보드의 동작을 설명하기 위한 도면이다.
도 7은 일실시예에 따라, 서버 내의 구성을 나타낸 블록도이다.BRIEF DESCRIPTION OF THE DRAWINGS The present invention can be easily understood by the following detailed description and combination of the accompanying drawings, in which reference numerals mean structural elements.
1 is a conceptual diagram for explaining an operation of a server for monitoring a predetermined vehicle, based on images obtained from a plurality of CCTVs, according to an embodiment.
2 is a flowchart illustrating an operation of a server monitoring a predetermined vehicle based on images obtained from a plurality of CCTVs, according to an embodiment.
FIG. 3 is a diagram for explaining a process in which an embedded board in a server extracts a vehicle number from a predetermined image, according to an embodiment.
FIG. 4 is a diagram for explaining a process in which an embedded board in a server searches for a predetermined vehicle from images captured from a plurality of CCTVs, according to an embodiment.
5 is a diagram for explaining a structure of an embedded board in a server and a channel connected to the embedded board, according to an embodiment.
6 is a view for explaining the operation of the embedded board for determining the vehicle number, based on images obtained from a plurality of CCTVs, when the vehicle number extracted through the image is a part, according to an embodiment.
7 is a block diagram illustrating a configuration in a server, according to an embodiment.

이하에서는 도면을 참조하여 다양한 실시예들을 상세히 설명한다. 이하에서 설명되는 실시예들은 여러 가지 상이한 형태로 변형되어 실시될 수도 있다. 실시예들의 특징을 보다 명확히 설명하기 위하여 이하의 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 관해서 자세한 설명은 생략한다.Hereinafter, various embodiments will be described in detail with reference to the drawings. The embodiments described below may be modified and implemented in various different forms. In order to more clearly describe the characteristics of the embodiments, detailed descriptions of matters widely known to those of ordinary skill in the art to which the following embodiments belong will be omitted.

한편, 본 명세서에서 어떤 구성이 다른 구성과 "연결"되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐 아니라, '그 중간에 다른 구성을 사이에 두고 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성이 다른 구성을 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 그 외 다른 구성을 제외하는 것이 아니라 다른 구성들 더 포함할 수도 있다는 것을 의미한다.On the other hand, in the present specification, when a component is "connected" with another component, it includes not only a case of 'directly connected', but also a case of 'connected with another component in the middle'. In addition, when a component "includes" another component, it means that other components may be further included, rather than excluding other components, unless otherwise stated.

또한, 본 명세서에서 사용되는 '제 1' 또는 '제 2' 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. Also, terms including an ordinal number such as 'first' or 'second' used in this specification may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another.

도 1은 일실시예에 따라, 복수의 CCTV로부터 획득된 영상에 기초하여, 소정 차량을 모니터링 하는 서버의 동작을 설명하기 위한 개념도이다.1 is a conceptual diagram for explaining an operation of a server for monitoring a predetermined vehicle, based on images obtained from a plurality of CCTVs, according to an embodiment.

도 1을 참고하면, 서버(10)는 통합 관제 센터(20)로부터 제1 차량을 포함하는 제1 영상을 수신할 수 있다. 통합 관제 센터(20)는 서버(10)로 제1 영상에 포함된 제1 차량을 모니터링 한 결과를 요청할 수 있다.Referring to FIG. 1 , the server 10 may receive a first image including a first vehicle from the integrated control center 20 . The integrated control center 20 may request a result of monitoring the first vehicle included in the first image from the server 10 .

서버(10)의 차량 검지 동작(110)과 관련하여, 서버(10)는 제1 영상을 분석하여 제1 영상 내에서 제1 차량의 제1 차량 번호를 추출할 수 있다.In relation to the vehicle detection operation 110 of the server 10 , the server 10 may analyze the first image and extract the first vehicle number of the first vehicle from the first image.

서버(10)의 차량 분석 동작(120)과 관련하여, 서버(10)는 서버(10)와 연결된 복수의 CCTV로부터 획득된 영상들에서 제1 차량 번호를 갖는 제1 차량을 검색할 수 있다. 여기서, 서버(10)는 소정 CCTV로부터 획득된 소정 영상을 처리하는 그래픽 프로세서 기반의 임베디드 보드를 통해, 제1 차량을 검색할 수 있다. 서버(10)는 제1 차량을 검색한 결과에 기초하여, 제1 차량의 이력 정보 및 실시간 정보를 획득할 수 있다. 또한, 서버(10)는 외부 서버(30)로부터 제1 차량의 정보를 수신할 수 있다. 예를 들면, 제1 차량의 정보는, 제1 차량의 도난 여부 정보, 제1 차량의 세금 체납 여부 정보 등일 수 있고 이에 한정되지 않는다. 서버(10)는 차량을 분석한 결과를 통합 관제 센터(20)로 전송할 수 있다.In relation to the vehicle analysis operation 120 of the server 10 , the server 10 may search for a first vehicle having a first vehicle number in images obtained from a plurality of CCTVs connected to the server 10 . Here, the server 10 may search for the first vehicle through an embedded board based on a graphic processor that processes a predetermined image obtained from a predetermined CCTV. The server 10 may acquire history information and real-time information of the first vehicle based on a result of searching for the first vehicle. Also, the server 10 may receive information of the first vehicle from the external server 30 . For example, the information of the first vehicle may be information on whether the first vehicle is stolen, information on whether the first vehicle is tax arrears, and the like, but is not limited thereto. The server 10 may transmit a result of analyzing the vehicle to the integrated control center 20 .

서버(10)의 차량 정보 저장 동작(130)과 관련하여, 서버(10)는 서버(10) 내의 스토리지에 차량에 대한 분석 결과 정보를 저장할 수 있다. 또한, 서버(10)는 외부 서버(30)로부터 수신된 차량의 정보를 저장할 수도 있다.In relation to the vehicle information storage operation 130 of the server 10 , the server 10 may store analysis result information on the vehicle in a storage in the server 10 . Also, the server 10 may store vehicle information received from the external server 30 .

도 2는 일실시예에 따라, 복수의 CCTV로부터 획득된 영상에 기초하여, 소정 차량을 모니터링 하는 서버의 동작을 설명하기 위한 흐름도이다.2 is a flowchart illustrating an operation of a server monitoring a predetermined vehicle based on images obtained from a plurality of CCTVs, according to an embodiment.

도 2를 참고하면, 단계 S210에서, 서버(10)는 외부 장치로부터 제1 차량을 포함하는 제1 영상을 수신할 수 있다.Referring to FIG. 2 , in step S210 , the server 10 may receive a first image including a first vehicle from an external device.

단계 S220에서, 서버(10)는 제1 영상에 기초하여, 제1 차량의 제1 차량 번호를 추출할 수 있다.In step S220, the server 10 may extract the first vehicle number of the first vehicle based on the first image.

예를 들면, 서버(10)는 서버(10) 내의 임베디드 보드를 제어하여, 제1 영상을 소정 차량 번호를 추출하는 학습 모델에 적용하여, 제1 차량의 제1 차량 번호를 추출할 수 있다.For example, the server 10 may control the embedded board in the server 10 to extract the first vehicle number of the first vehicle by applying the first image to a learning model for extracting a predetermined vehicle number.

예를 들면, 소정 차량 번호를 추출하는 학습 모델은, 소정 차량 번호를 포함하는 하나의 영상에 대해 밝기, 명암, 선명도, 해상도, 소정 차량 번호를 포함하는 영상에서 소정 차량 번호가 위치한 영역의 각도, 훼손 레벨 중 적어도 하나가 조정된 복수의 영상과 소정 차량 번호의 상관 관계를 학습한 결과에 기초하여 획득된 학습 모델일 수 있다.For example, the learning model for extracting a predetermined vehicle number may include brightness, contrast, sharpness, resolution, and angle of an area in which a predetermined vehicle number is located in an image including a predetermined vehicle number, brightness, contrast, sharpness, resolution for one image including a predetermined vehicle number, It may be a learning model obtained based on a result of learning a correlation between a plurality of images and a predetermined license plate number of which at least one of the damage levels is adjusted.

예를 들면, 제1 차량의 제1 차량 번호의 일부만 획득되는 경우, 서버(10)는 차량 번호에 대한 적어도 하나의 후보 번호를 결정할 수 있다. 서버(10)는 임베디드 보드에서, 적어도 하나의 후보 번호 각각에 대한 차량을 검색할 수 있다. 서버(10)는 임베디드 보드에서 적어도 하나의 후보 번호를 갖는 차량을 추적한 결과에 기초하여, 적어도 하나의 후보 번호 중에서 제1 차량 번호를 결정할 수 있다.For example, when only a part of the first vehicle number of the first vehicle is obtained, the server 10 may determine at least one candidate number for the vehicle number. The server 10 may search for a vehicle for each of at least one candidate number in the embedded board. The server 10 may determine a first vehicle number from among at least one candidate number based on a result of tracking a vehicle having at least one candidate number in the embedded board.

서버(10)는 적어도 하나의 후보 번호 중에서 제1 차량 번호를 결정한 결과에 기초하여, 소정 차량 번호를 추출하는 학습 모델을 업데이트 할 수 있다.The server 10 may update a learning model for extracting a predetermined vehicle number based on a result of determining the first vehicle number from among at least one candidate number.

단계 S230에서, 서버(10)는 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 제1 차량을 검색할 수 있다.In step S230, the server 10 may search for the first vehicle from images captured from a plurality of CCTVs installed within a preset range.

예를 들면, 서버(10)는 미리 설정된 범위 내에 설치된 복수의 CCTV의 주변에 위치한 적어도 하나의 CCTV를 포함하는 제1 그룹을 선택할 수 있다. 서버(10)는 서버(10) 내의 임베디드 보드를 제어하여, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다.For example, the server 10 may select a first group including at least one CCTV located in the vicinity of a plurality of CCTVs installed within a preset range. The server 10 may control the embedded board in the server 10 to search for the first vehicle from the images captured from the CCTV in the first group.

예를 들면, 임베디드 보드는 N 개의 임베디드 보드로 구성될 수 있다. 또한, N 개의 임베디드 보드 각각은 M 개의 CCTV와 연결 가능한 M 개의 채널로 구성될 수 있다. 서버(10)는 N 개의 임베디드 보드의 동작을 병렬적으로 처리하고, M x N 개의 채널로부터 제1 차량을 검색할 수 있다.For example, the embedded board may be composed of N embedded boards. In addition, each of the N embedded boards may be configured with M channels that can be connected to M CCTVs. The server 10 may process operations of N embedded boards in parallel and search for a first vehicle from M x N channels.

예를 들면, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되지 않으면, 서버(10)는 복수의 CCTV 중에서 제1 그룹과 다른 제2 그룹의 CCTV를 선택할 수 있다. 서버(10)는 서버(10) 내의 임베디드 보드를 제어하여, 제2 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다.For example, if the first vehicle is not found in the images taken from the CCTVs in the first group, the server 10 may select a CCTV of the second group different from the first group from among the plurality of CCTVs. The server 10 may control the embedded board in the server 10 to search for the first vehicle from the images captured from the CCTV in the second group.

예를 들면, 제1 차량을 검색하기 위한 소정 CCTV의 그룹의 선택에 따라, 제1 차량의 검출 실패 횟수가 소정 횟수를 초과하면, 서버(10)는 소정 경고음을 출력할 수 있다. 서버(10)는 미리 설정된 범위 내에서 주요 길목으로 설정된 위치에 대응되는 CCTV로부터 촬영된 영상으로부터 제1 차량을 검색할 수 있다.For example, when the number of failures in detection of the first vehicle exceeds a predetermined number according to selection of a group of predetermined CCTVs for searching for the first vehicle, the server 10 may output a predetermined warning sound. The server 10 may search for the first vehicle from an image captured from CCTV corresponding to a location set as a main road within a preset range.

단계 S240에서, 제1 CCTV로부터 촬영된 영상에서 제1 차량이 검색되면, 서버(10)는 제1 CCTV의 주변의 CCTV로부터 제1 차량의 이력 정보 또는 실시간 정보를 획득할 수 있다.In step S240, when the first vehicle is found in the image taken from the first CCTV, the server 10 may obtain the history information or real-time information of the first vehicle from the CCTV around the first CCTV.

예를 들면, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되면, 서버(10)는 제1 차량이 검색된 제2 CCTV의 위치에 기초하여, 제1 차량의 제1 이동 경로를 예측할 수 있다. 서버(10)는 제1 이동 경로 상에 위치한 CCTV에 기초하여, 제1 차량을 추적할 수 있다.For example, when the first vehicle is searched for in the images taken from the CCTV in the first group, the server 10 determines the first movement path of the first vehicle based on the location of the second CCTV in which the first vehicle is found. predictable. The server 10 may track the first vehicle based on the CCTV located on the first movement path.

단계 S250에서, 서버(10)는 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관제 센터로 전송할 수 있다.In step S250, the server 10 may transmit the history information or real-time information of the first vehicle to an integrated control center that manages a plurality of vehicles.

도 3은 일실시예에 따라, 서버 내의 임베디드 보드가 소정 영상에서 차량 번호를 추출하는 과정을 설명하기 위한 도면이다.FIG. 3 is a diagram for explaining a process in which an embedded board in a server extracts a vehicle number from a predetermined image, according to an embodiment.

도 3을 참고하면, 단계 S310에서, 임베디드 보드(300)는 소정 차량 번호를 포함하는 하나의 영상에 대해 밝기, 명암, 선명도, 해상도, 소정 차량 번호를 포함하는 영상에서 소정 차량 번호가 위치한 영역의 각도, 훼손 레벨 중 적어도 하나가 조정된 복수의 영상을 획득할 수 있다.Referring to Figure 3, in step S310, the embedded board 300 for one image including the predetermined vehicle number, brightness, contrast, sharpness, resolution, the area in which the predetermined vehicle number is located in the image including the predetermined vehicle number. A plurality of images in which at least one of an angle and a damage level is adjusted may be obtained.

예를 들면, 임베디드 보드(300)는 복수의 차량 번호 각각에 대한 복수의 영상을 포함할 수 있다. 복수의 영상 각각은, 영상의 밝기, 명암, 선명도, 해상도 등이 다를 수 있다. 또한, 복수의 영상 각각은, 차량 번호가 위치한 영역의 각도가 다를 수 있다. 또한, 복수의 영상 각각은, 영상의 품질이 다를 수 있다. 영상의 품질이 낮으면, 차량 번호가 위치한 영역의 훼손 레벨은 높을 수 있다.For example, the embedded board 300 may include a plurality of images for each of a plurality of vehicle numbers. Each of the plurality of images may have different brightness, contrast, sharpness, resolution, and the like of the image. Also, each of the plurality of images may have a different angle of a region where the vehicle number is located. Also, each of the plurality of images may have a different image quality. If the quality of the image is low, the level of damage in the area where the license plate number is located may be high.

예를 들면, 임베디드 보드(300)는 소정 차량 번호에 대한 복수의 영상을 외부 장치로부터 획득할 수 있다. 또한, 임베디드 보드(300)는 소정 차량 번호에 대한 하나의 영상에 대한 밝기, 명암, 선명도, 해상도, 소정 차량 번호를 포함하는 영상에서 소정 차량 번호가 위치한 영역의 각도, 훼손 레벨 중 적어도 하나를 조정하여, 복수의 영상을 획득할 수 있다. 복수의 영상은 차량 번호를 인식하는 학습 인자로 사용될 수 있다.For example, the embedded board 300 may acquire a plurality of images for a predetermined vehicle number from an external device. In addition, the embedded board 300 adjusts at least one of the brightness, contrast, sharpness, resolution, and angle of the area where the predetermined vehicle number is located in the image including the predetermined vehicle number, and the damage level for one image for the predetermined vehicle number. Thus, a plurality of images may be acquired. A plurality of images may be used as a learning factor for recognizing a vehicle number.

단계 S320에서, 임베디드 보드(300)는 복수의 소정 차량 번호와 복수의 소정 차량 번호에 대한 복수의 영상 간의 상관 관계를 학습할 수 있다.In step S320 , the embedded board 300 may learn a correlation between a plurality of predetermined vehicle numbers and a plurality of images for a plurality of predetermined vehicle numbers.

단계 S330에서, 임베디드 보드(300)는 학습한 결과에 기초하여, 소정 차량 번호를 추출하는 학습 모델을 생성할 수 있다.In step S330, the embedded board 300 may generate a learning model for extracting a predetermined vehicle number based on the learned result.

학습 모델은, 복수의 소정 차량 번호에 대한 복수의 영상에 기초하여 차량 번호를 결정하기 위해 이용되는 데이터 인식 모델일 수 있다. 여기서, 데이터 인식 모델은, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 또한, 학습 모델은, 예를 들어, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.The learning model may be a data recognition model used to determine a vehicle number based on a plurality of images for a plurality of predetermined vehicle numbers. Here, the data recognition model may be a model based on a neural network. In addition, as the learning model, for example, a model such as a deep neural network (DNN), a recurrent neural network (RNN), or a bidirectional recurrent deep neural network (BRDNN) may be used as a data recognition model, but is not limited thereto.

단계 S340에서, 임베디드 보드(300)는 외부 장치로부터 제1 차량이 포함된 제1 영상(350)을 획득할 수 있다. 임베디드 보드(300)는 제1 영상(350)을 소정 차량 번호를 추출하는 학습 모델에 적용하여, 제1 차량의 제1 차량 번호(360)를 추출할 수 있다.In operation S340 , the embedded board 300 may acquire the first image 350 including the first vehicle from the external device. The embedded board 300 may extract the first vehicle number 360 of the first vehicle by applying the first image 350 to a learning model for extracting a predetermined vehicle number.

여기서, 소정 차량 번호를 추출하는 학습 모델은, 제1 영상(350)에 대응되는 영상이 입력 영상으로 입력되어도, 동일한 차량 번호를 추출할 수 있다. 제1 영상(350)에 대응되는 영상(351, 352, 353, 354, 355)은, 영상의 밝기, 명암, 선명도, 해상도 등이 다르거나, 차량 번호가 위치한 영역의 각도가 기울어져 있거나, 차량 번호가 위치한 영역이 훼손된 영상일 수 있다.Here, the learning model for extracting a predetermined vehicle number may extract the same vehicle number even when an image corresponding to the first image 350 is input as an input image. The images 351 , 352 , 353 , 354 , and 355 corresponding to the first image 350 have different brightness, contrast, sharpness, resolution, etc. of the image, or the angle of the area where the vehicle number is located is inclined, or the vehicle The area where the number is located may be a damaged image.

도 4는 일실시예에 따라, 서버 내의 임베디드 보드가 복수의 CCTV로부터 촬영된 영상으로부터 소정 차량을 검색하는 과정을 설명하기 위한 도면이다.FIG. 4 is a diagram for explaining a process in which an embedded board in a server searches for a predetermined vehicle from images captured from a plurality of CCTVs, according to an embodiment.

도 4를 참고하면, 서버(10) 내의 프로세서는 미리 설정된 범위 내에서 제1 차량을 검색할 수 있다. 이 경우, 프로세서는 미리 설정된 범위 내에 설치된 복수의 CCTV에서 촬영된 영상에 기초하여, 제1 차량을 검색할 수 있다. 여기서, CCTV는 거리에 설치된 방범용 CCTV일 수 있다.Referring to FIG. 4 , the processor in the server 10 may search for a first vehicle within a preset range. In this case, the processor may search for the first vehicle based on images captured by a plurality of CCTVs installed within a preset range. Here, the CCTV may be a crime prevention CCTV installed on the street.

예를 들어, 도 4는 미리 설정된 범위 내에 설치된 CCTV의 배열을 나타낸다. 설명의 편의상, 도 4에서는 CCTV의 배열을 일정 간격으로 도시하였다. 실제 도로나, 거리에 설치된 CCTV의 배열은 일정하지 않을 수 있다. 프로세서는 미리 설정된 범위 내에서 기준 위치를 설정할 수 있다. 프로세서는 기준 위치를 중심으로 설치된 CCTV에서 촬영된 영상들을 우선적으로 분석하여 제1 차량을 검색할 수 있다.For example, FIG. 4 shows an arrangement of CCTVs installed within a preset range. For convenience of explanation, the arrangement of CCTVs is shown at regular intervals in FIG. 4 . The arrangement of CCTVs installed on actual roads or streets may not be uniform. The processor may set the reference position within a preset range. The processor may search for the first vehicle by preferentially analyzing the images captured by the CCTV installed around the reference location.

예를 들면, 프로세서는 임베디드 보드를 통해, 미리 설정된 범위 내에 설치된 CCTV 중 제1 CCTV로부터 촬영된 영상에서 제1 차량을 검색할 수 있다. 프로세서는 제1 CCTV의 주변에 위치한 적어도 하나의 CCTV를 포함하는 제1 그룹을 선택할 수 있다. 도 4를 참고하면, 프로세서는 제1 CCTV 및 제1 CCTV의 주변 CCTV를 포함하여 4개의 CCTV를 제1 그룹(411)으로 선택할 수 있다. 프로세서는 임베디드 보드를 제어하여, 제1 그룹(411) 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다. 제1 그룹(411) 내의 제2 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되면, 프로세서는 제2 CCTV의 위치에 기초하여, 제1 차량의 제1 이동 경로를 예측할 수 있다.For example, the processor may search for the first vehicle in the image captured from the first CCTV among CCTVs installed within a preset range through the embedded board. The processor may select a first group including at least one CCTV located in the vicinity of the first CCTV. Referring to FIG. 4 , the processor may select four CCTVs as the first group 411 including the first CCTV and the surrounding CCTVs of the first CCTV. The processor may control the embedded board to search for the first vehicle from the images captured from the CCTV in the first group 411 . When the first vehicle is retrieved from the images captured by the second CCTV in the first group 411 , the processor may predict the first moving path of the first vehicle based on the location of the second CCTV.

프로세서는 예측된 제1 이동 경로에 기초하여, 제2 CCTV 및 제2 CCTV의 주변 CCTV를 포함하여 4개의 CCTV를 제2 그룹(412)으로 선택할 수 있다. 마찬가지로, 프로세서는 임베디드 보드를 제어하여, 제2 그룹(412) 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다. 제2 그룹(412) 내의 제3 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되면, 프로세서는 제3 CCTV의 위치에 기초하여, 제1 차량의 제2 이동 경로를 예측할 수 있다. 마찬가지로, 프로세서는 소정 CCTV를 포함하는 제3 그룹(413), 제4 그룹(414)을 선택할 수 있다. 프로세서는 선택된 제3 그룹(413), 제4 그룹(414) 내의 CCTV를 통해 촬영된 영상들로부터 제1 차량을 검색하여, 제1 차량의 이력 정보 및 실시간 정보를 획득할 수 있다.The processor may select four CCTVs as the second group 412, including the second CCTV and the surrounding CCTVs of the second CCTV, based on the predicted first movement path. Similarly, the processor may control the embedded board to search for the first vehicle from the images captured from the CCTV in the second group 412 . When the first vehicle is retrieved from the images captured by the third CCTV in the second group 412 , the processor may predict the second movement path of the first vehicle based on the location of the third CCTV. Similarly, the processor may select the third group 413 and the fourth group 414 including a predetermined CCTV. The processor may acquire the history information and real-time information of the first vehicle by searching for the first vehicle from images captured through CCTV in the selected third group 413 and the fourth group 414 .

반면에, 제2 그룹(412) 내의 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되지 않으면, 프로세서는 제2 그룹(412)과 다른 제5 그룹(423)을 선택하고, 제5 그룹(423) 내의 CCTV를 통해 촬영된 영상들로부터 제1 차량을 검색하여, 제1 차량의 이력 정보 및 실시간 정보를 획득할 수 있다. 프로세서는 제5 그룹(423) 내에서 제1 차량이 검색된 CCTV의 위치에 기초하여, 제1 차량의 제3 이동 경로를 예측할 수 있다. 프로세서는 제3 이동 경로 상에 위치한 CCTV를 포함한 제6 그룹(424)을 선택할 수 있다. 프로세서는 제6 그룹(424) 내의 CCTV를 통해 촬영된 영상들로부터 제1 차량을 검색하여, 제1 차량의 이력 정보 및 실시간 정보를 획득할 수 있다.On the other hand, if the first vehicle is not found in the images captured from the CCTV in the second group 412, the processor selects a fifth group 423 different from the second group 412, and the fifth group 423 ), by searching for the first vehicle from the images captured through the CCTV, it is possible to obtain history information and real-time information of the first vehicle. The processor may predict the third movement path of the first vehicle based on the location of the CCTV in which the first vehicle is found in the fifth group 423 . The processor may select the sixth group 424 including CCTVs located on the third movement path. The processor may acquire the history information and real-time information of the first vehicle by searching for the first vehicle from images captured through CCTV in the sixth group 424 .

다른 예를 들면, 제1 차량을 검색하기 위한 소정 CCTV의 그룹의 선택에 따라, 제1 차량의 검출 실패 횟수가 소정 횟수를 초과하면, 서버(10)는 경고음을 출력할 수 있다. 서버(10)는 서버(10)와 연결된 전자 장치의 화면에 경고 메시지를 표시할 수 있다. 프로세서는 미리 설정된 범위 내에서 주요 길목으로 설정된 위치에 대응되는 CCTV(431, 432, 433, 434)로부터 촬영된 영상으로부터 제1 차량을 검색할 수 있다. 주요 길목의 위치는 소정 시간 동안 이동 차량의 누적 대수에 기초하여 결정될 수 있다.As another example, when the number of failed detections of the first vehicle exceeds a predetermined number according to selection of a group of predetermined CCTVs for searching for the first vehicle, the server 10 may output a warning sound. The server 10 may display a warning message on the screen of the electronic device connected to the server 10 . The processor may search for the first vehicle from images captured from the CCTVs 431 , 432 , 433 , and 434 corresponding to a location set as a main road within a preset range. The location of the main road may be determined based on the accumulated number of moving vehicles for a predetermined time.

도 5는 일실시예에 따라, 서버 내의 임베디드 보드의 구조 및 임베디드 보드와 연결된 채널을 설명하기 위한 도면이다.5 is a diagram for explaining a structure of an embedded board in a server and a channel connected to the embedded board, according to an embodiment.

도 5를 참고하면, 임베디드 보드(300)는 4개의 임베디드 보드(510, 520, 530, 540)로 구성될 수 있다. 임베디드 보드(300)는 4개 이하의 임베디드 보드로 구성될 수 있고, 4개 이상의 임베디드 보드로 구성될 수 있다. 예를 들면, 하나의 임베디드 보드(510, 520, 530, 540)는 5개의 CCTV와 연결 가능한 5개의 채널로 구성될 수 있다. 상기 채널의 수는 예시이다.Referring to FIG. 5 , the embedded board 300 may include four embedded boards 510 , 520 , 530 , and 540 . The embedded board 300 may be composed of four or less embedded boards, and may be composed of four or more embedded boards. For example, one embedded board (510, 520, 530, 540) may be composed of 5 channels connectable to 5 CCTVs. The number of channels is an example.

도 5에 도시된 바와 같이, 제1 임베디드 보드(510)는 5개의 CCTV(551, 552, 553, 554, 555)로 구성된 제1 그룹과 연결될 수 있다. 제1 그룹 내의 CCTV(551, 552, 553, 554, 555)는 소정 간격으로 배치된 CCTV일 수 있거나, 미리 설정된 범위 내의 CCTV일 수 있거나, 주요 길목으로 선정된 위치에 배치된 CCTV일 수 있다. 제1 임베디드 보드(510)는 CCTV(551, 552, 553, 554, 555)로부터 획득된 각각의 영상들에 대해 독립적으로 영상처리를 수행할 수 있다. 예를 들면, 제1 임베디드 보드(510)는 CCTV(551, 552, 553, 554, 555)로부터 획득된 각각의 영상들에 대해 병렬적으로 소정 차량 번호를 갖는 동일한 차량을 검색하거나, 서로 다른 차량 번호를 갖는 다른 차량을 검색할 수 있다.5, the first embedded board 510 may be connected to a first group consisting of five CCTVs (551, 552, 553, 554, 555). CCTVs in the first group (551, 552, 553, 554, 555) may be CCTVs arranged at predetermined intervals, may be CCTVs within a preset range, or may be CCTVs arranged in locations selected as main roads. The first embedded board 510 may independently perform image processing on each image obtained from the CCTVs 551 , 552 , 553 , 554 , and 555 . For example, the first embedded board 510 searches for the same vehicle having a predetermined vehicle number in parallel for each of the images acquired from the CCTVs 551 , 552 , 553 , 554 and 555 , or different vehicles You can search for other vehicles with a number.

마찬가지로, 제2 임베디드 보드(520)는 5개의 CCTV로 구성된 제2 그룹(560)과 연결될 수 있고, 제3 임베디드 보드(530)는 5개의 CCTV로 구성된 제3 그룹(570)과 연결될 수 있고, 제4 임베디드 보드(540)는 5개의 CCTV로 구성된 제4 그룹(580)과 연결될 수 있다.Similarly, the second embedded board 520 may be connected to a second group 560 composed of five CCTVs, and the third embedded board 530 may be connected to a third group 570 composed of five CCTVs, The fourth embedded board 540 may be connected to a fourth group 580 composed of five CCTVs.

따라서, 서버는 제1 임베디드 보드(510), 제2 임베디드 보드(520), 제3 임베디드 보드(530), 제4 임베디드 보드(540) 각각을 병렬적으로 동작시킬 수 있고, 한 번에 20개의 채널을 모니터링 할 수 있다.Accordingly, the server may operate each of the first embedded board 510 , the second embedded board 520 , the third embedded board 530 , and the fourth embedded board 540 in parallel, and 20 Channels can be monitored.

도 6은 일실시예에 따라, 영상을 통해 추출된 차량 번호가 일부인 경우, 복수의 CCTV로부터 획득된 영상에 기초하여, 차량 번호를 결정하는 임베디드 보드의 동작을 설명하기 위한 도면이다.6 is a diagram for explaining the operation of the embedded board for determining the vehicle number, based on images obtained from a plurality of CCTVs, when the vehicle number extracted through the image is a part, according to an embodiment.

소정 영상 내에서 차량 번호가 위치한 영역의 영상 품질이 소정 레벨 이하인 경우, 소정 영상 내에서 차량 번호는 제대로 획득되지 않을 수 있다. 또한, 차량에 달린 차량 번호판 자체에 물리적인 훼손이 있는 경우, 차량 번호판을 촬영한 각도, 촬영시의 외부 밝기 등에 의해 소정 영상 내에서 차량 번호는 제대로 획득되지 않을 수 있다.If the image quality of the area where the vehicle number is located in the predetermined image is below a predetermined level, the vehicle number may not be properly obtained in the predetermined image. In addition, if there is physical damage to the license plate itself attached to the vehicle, the license plate number may not be properly obtained in a predetermined image due to the angle at which the license plate was photographed, external brightness at the time of photographing, and the like.

예를 들면, 제1 차량의 실제 차량 번호가 "14나 5755(611)"인데, 차량 번호 중 "나"의 부분이 정확하게 획득되지 않는 경우, 서버 내의 프로세서는 "나"와 비슷한 형태를 갖는 글자체를 결정할 수 있다. 프로세서는 "나"의 형태를 실제로 정확하게 인지할 수 없기 때문에, "나", "너", "다", "더"가 차량 번호 내의 글자일 수 있다고 예측할 수 있다.For example, if the actual vehicle number of the first vehicle is "14 or 5755 (611)", but the part of "I" in the vehicle number is not accurately obtained, the processor in the server uses a font having a shape similar to "I" can be decided Since the processor cannot actually accurately recognize the shape of "I", it can predict that "I", "you", "da", and "more" may be letters in the license plate number.

서버 내의 프로세서는 "14나 5755(611)", "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)"를 제1 차량의 차량 번호에 대한 후보 번호로 결정할 수 있다. 서버 내의 프로세서는 제1 소정 시간 동안에, 제1 임베디드 보드(510), 제2 임베디드 보드(520), 제3 임베디드 보드(530), 제4 임베디드 보드(540) 각각에서, "14나 5755(611)", "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)"의 차량 번호를 검색할 수 있다. 서버 내의 프로세서는 차량 번호를 검색한 결과로 제1 추적 결과(620)를 획득할 수 있다. 예를 들면, "14나 5755(611)" 및 "14다 5755(613)"는 검출되고, "14너 5755(612)" 및 "14더 5755(614)"는 검출되지 않을 수 있다.The processor in the server selects "14 or 5755 (611)", "14 or 5755 (612)", "14 or 5755 (613)", and "14 or 5755 (614)" as candidates for the license plate number of the first vehicle. can be determined by number. The processor in the server, for a first predetermined time, in each of the first embedded board 510, the second embedded board 520, the third embedded board 530, and the fourth embedded board 540, "14 or 5755 (611) )", "14th 5755 (612)", "14th 5755 (613)", and "14th 5755 (614)" can be searched for. The processor in the server may obtain the first tracking result 620 as a result of searching for the vehicle number. For example, "14 or 5755 (611)" and "14 or 5755 (613)" may be detected, and "14 or 5755 (612)" and "14 or more 5755 (614)" may not be detected.

제1 추적 결과 이후에, 서버 내의 프로세서는 제2 소정 시간 동안에 제1 임베디드 보드(510), 제2 임베디드 보드(520), 제3 임베디드 보드(530), 제4 임베디드 보드(540) 각각에서, "14나 5755(611)", "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)"의 차량 번호를 검색할 수 있다. 서버 내의 프로세서는 차량 번호를 검색한 결과로 제2 추적 결과(630)를 획득할 수 있다. 예를 들면, "14나 5755(611)"는 검출되고, "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)"는 검출되지 않을 수 있다.After the first tracking result, the processor in the server for a second predetermined time in each of the first embedded board 510, the second embedded board 520, the third embedded board 530, and the fourth embedded board 540, You can search for vehicle numbers of "14 or 5755 (611)", "14 or 5755 (612)", "14 or 5755 (613)", and "14 or 5755 (614)". The processor in the server may obtain a second tracking result 630 as a result of searching for a vehicle number. For example, "14 or 5755 (611)" may be detected, and "14 or 5755 (612)", "14 or 5755 (613)", and "14 or 5755 (614)" may not be detected.

서버 내의 프로세서는 제1 추적 결과(620) 및 제2 추적 결과(630)에 기초하여, 후보 번호 중에서 연속적으로 검출된 후보 번호를 제1 차량의 차량 번호로 결정할 수 있다. 서버 내의 프로세서는 "14나 5755(611)", "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)" 중에서, "14나 5755(611)"를 제1 차량의 차량 번호로 결정할 수 있다.Based on the first tracking result 620 and the second tracking result 630 , the processor in the server may determine the consecutively detected candidate numbers among the candidate numbers as the vehicle number of the first vehicle. The processor in the server is "14 or 5755 (611)", "14 or 5755 (612)", "14 or 5755 (613)", and "14 or 5755 (614)", among "14 or 5755 (611)" may be determined as the vehicle number of the first vehicle.

한편, 임베디드 보드는 "14X 5755"로 판단되었던 복수의 영상과 "14나 5755(611) 간의 상관 관계를 재학습하여, 소정 차량 번호를 추출하는 학습 모델을 업데이트 할 수 있다. 예를 들면, "14X 5755"로 판단되었던 복수의 영상은, "14나 5755(611)", "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)" 중 적어도 하나로 판단되었던 영상이다.On the other hand, the embedded board can update the learning model for extracting a predetermined vehicle number by re-learning the correlation between a plurality of images determined as "14X 5755" and "14 or 5755 (611). For example, " The plurality of images judged to be 14X 5755" is at least one of "14 or 5755 (611)", "14 or 5755 (612)", "14 or 5755 (613)", and "14 or 5755 (614)". The video was judged.

도 7은 일실시예에 따라, 서버 내의 구성을 나타낸 블록도이다.7 is a block diagram illustrating a configuration in a server, according to an embodiment.

도 7을 참고하면, 서버(10)는 통신 장치(710), 임베디드 보드(720), 스토리지(730), 메모리(740) 및 프로세서(750)를 포함할 수 있다. 도시된 구성 요소보다 많은 구성 요소에 의해 서버(10)가 구현될 수 있고, 그보다 적은 구성 요소에 의해 서버(10)가 구현될 수 있다. 이하, 상기 구성 요소들에 대해 살펴본다.Referring to FIG. 7 , the server 10 may include a communication device 710 , an embedded board 720 , a storage 730 , a memory 740 , and a processor 750 . The server 10 may be implemented by more components than the illustrated components, and the server 10 may be implemented by fewer components. Hereinafter, the components will be described.

통신 장치 (710)는 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 장치와 통신을 수행할 수 있다.The communication device 710 may communicate with various types of external devices according to various types of communication methods.

임베디드 보드(720)는 소정 CCTV로부터 획득된 소정 영상을 처리하는 그래픽 프로세서를 포함할 수 있다. 임베디드 보드(720)는 N 개의 임베디드 보드로 구성될 수 있다. 또한, N 개의 임베디드 보드 각각은 M 개의 CCTV와 연결 가능한 M 개의 채널로 구성될 수 있다. 임베디드 보드(720)는 N 개의 임베디드 보드의 동작을 병렬적으로 처리하고, M x N 개의 채널로부터 제1 차량을 검색할 수 있다.The embedded board 720 may include a graphic processor for processing a predetermined image obtained from a predetermined CCTV. The embedded board 720 may include N embedded boards. In addition, each of the N embedded boards may be configured with M channels that can be connected to M CCTVs. The embedded board 720 may process operations of N embedded boards in parallel and search for a first vehicle from M x N channels.

스토리지(730)는 복수의 CCTV로부터 촬영된 영상들을 저장할 수 있다. 또한, 스토리지(730)는 복수의 CCTV 별로 분석된 차량 정보를 저장할 수 있다. 또한, 스토리지(730)는 소정 차량에 대한 이력 정보 및 실시간 정보를 저장할 수 있다. 또한, 스토리지(730)는 소정 차량의 차량 번호를 인식하는 프로그램을 생성, 배포, 관리하는 데에 필요한 각종 소프트웨어 및 정보들을 저장할 수 있다.The storage 730 may store images captured from a plurality of CCTVs. Also, the storage 730 may store vehicle information analyzed for each CCTV. Also, the storage 730 may store history information and real-time information about a predetermined vehicle. In addition, the storage 730 may store various software and information necessary for generating, distributing, and managing a program for recognizing a vehicle number of a predetermined vehicle.

메모리(740)는 소정의 소프트웨어 및 또는 프로그램을 저장할 수 있다. 메모리(740)는 프로세서(750)에 의해 실행 가능한 명령어들을 저장할 수 있다. 예를 들면, 메모리(740)는 프로세서(750) 또는 임베디드 보드(720)가 소정 영상으로부터 소정 차량의 차량 번호를 인식하고, 소정 차량을 모니터링 하는 명령어를 저장할 수 있다.The memory 740 may store predetermined software and/or programs. Memory 740 may store instructions executable by processor 750 . For example, the memory 740 may store a command for the processor 750 or the embedded board 720 to recognize a vehicle number of a predetermined vehicle from a predetermined image and to monitor the predetermined vehicle.

프로세서(750)는 메모리(740)에 저장된 프로그램을 실행시키거나, 메모리(740)에 저장된 데이터 또는 파일을 읽어오거나, 새로운 파일을 메모리(740)에 저장할 수 있다. 메모리(740)는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합으로 저장할 수 있다.The processor 750 may execute a program stored in the memory 740 , read data or files stored in the memory 740 , or store a new file in the memory 740 . The memory 740 may store program instructions, data files, data structures, etc. alone or in combination.

프로세서(750)는 서버(10)의 전체적인 동작을 제어하며, CPU 등과 같은 적어도 하나의 프로세서를 포함할 수 있다. 프로세서(750)는 각 기능에 대응되는 특화된 프로세서를 적어도 하나 포함하거나, 하나로 통합된 형태의 프로세서일 수 있다.The processor 750 controls the overall operation of the server 10 and may include at least one processor such as a CPU. The processor 750 may include at least one specialized processor corresponding to each function or may be an integrated processor.

프로세서(750)는 통신 장치(710)를 통해 외부 장치로부터 제1 차량을 포함하는 제1 영상을 수신할 수 있다. 프로세서(750)는 제1 영상을 임베디드 보드(720)로 전달할 수 있다.The processor 750 may receive a first image including the first vehicle from an external device through the communication device 710 . The processor 750 may transmit the first image to the embedded board 720 .

임베디드 보드(720)는 제1 영상에 기초하여, 제1 차량의 제1 차량 번호를 추출할 수 있다.The embedded board 720 may extract the first vehicle number of the first vehicle based on the first image.

임베디드 보드(720)는, 제1 영상을 소정 차량 번호를 추출하는 학습 모델에 적용하여, 제1 차량의 제1 차량 번호를 추출할 수 있다.The embedded board 720 may extract the first vehicle number of the first vehicle by applying the first image to a learning model for extracting a predetermined vehicle number.

예를 들면, 소정 차량 번호를 추출하는 학습 모델은, 소정 차량 번호를 포함하는 하나의 영상에 대해 밝기, 명암, 선명도, 해상도, 소정 차량 번호를 포함하는 영상에서 소정 차량 번호가 위치한 영역의 각도, 훼손 레벨 중 적어도 하나가 조정된 복수의 영상과 소정 차량 번호의 상관 관계를 학습한 결과에 기초하여 획득된 학습 모델일 수 있다.For example, the learning model for extracting a predetermined vehicle number may include brightness, contrast, sharpness, resolution, and angle of an area in which a predetermined vehicle number is located in an image including a predetermined vehicle number, brightness, contrast, sharpness, resolution for one image including a predetermined vehicle number, It may be a learning model obtained based on a result of learning a correlation between a plurality of images and a predetermined license plate number of which at least one of the damage levels is adjusted.

예를 들면, 제1 차량의 제1 차량 번호의 일부만 획득되는 경우, 프로세서(750)는 차량 번호에 대한 적어도 하나의 후보 번호를 결정할 수 있다. 프로세서(750)는 임베디드 보드(720)를 제어하여, 적어도 하나의 후보 번호 각각에 대한 차량을 검색할 수 있다. 프로세서(750)는 임베디드 보드(720)에서 적어도 하나의 후보 번호를 갖는 차량을 추적한 결과에 기초하여, 적어도 하나의 후보 번호 중에서 제1 차량 번호를 결정할 수 있다.For example, when only a part of the first vehicle number of the first vehicle is obtained, the processor 750 may determine at least one candidate number for the vehicle number. The processor 750 may control the embedded board 720 to search for a vehicle for each of at least one candidate number. The processor 750 may determine the first vehicle number from among the at least one candidate number based on the result of tracking the vehicle having the at least one candidate number in the embedded board 720 .

프로세서(750)는 적어도 하나의 후보 번호 중에서 제1 차량 번호를 결정한 결과에 기초하여, 소정 차량 번호를 추출하는 학습 모델을 업데이트 할 수 있다.The processor 750 may update a learning model for extracting a predetermined vehicle number based on a result of determining the first vehicle number from among at least one candidate number.

프로세서(750)는 임베디드 보드(720)를 제어하여, 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 제1 차량을 검색할 수 있다.The processor 750 may control the embedded board 720 to search for the first vehicle from images captured from a plurality of CCTVs installed within a preset range.

예를 들면, 프로세서(750)는 미리 설정된 범위 내에 설치된 복수의 CCTV의 주변에 위치한 적어도 하나의 CCTV를 포함하는 제1 그룹을 선택할 수 있다. 서버(10)는 서버(10) 내의 임베디드 보드(720)를 제어하여, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다.For example, the processor 750 may select a first group including at least one CCTV located in the vicinity of a plurality of CCTVs installed within a preset range. The server 10 may control the embedded board 720 in the server 10 to search for the first vehicle from the images captured from the CCTV in the first group.

예를 들면, 임베디드 보드(720)는 N 개의 임베디드 보드로 구성될 수 있다. 또한, N 개의 임베디드 보드 각각은 M 개의 CCTV와 연결 가능한 M 개의 채널로 구성될 수 있다. 프로세서(10)는 N 개의 임베디드 보드의 동작을 병렬적으로 처리하고, M x N 개의 채널로부터 제1 차량을 검색할 수 있다.For example, the embedded board 720 may include N embedded boards. In addition, each of the N embedded boards may be configured with M channels that can be connected to M CCTVs. The processor 10 may process operations of N embedded boards in parallel and search for a first vehicle from M x N channels.

예를 들면, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되지 않으면, 프로세서(750)는 복수의 CCTV 중에서 제1 그룹과 다른 제2 그룹의 CCTV를 선택할 수 있다. 프로세서(750)는 임베디드 보드(720)를 제어하여, 제2 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다.For example, if the first vehicle is not found in the images taken from the CCTVs in the first group, the processor 750 may select a CCTV of a second group different from the first group from among the plurality of CCTVs. The processor 750 may control the embedded board 720 to search for the first vehicle from the images captured from the CCTV in the second group.

예를 들면, 제1 차량을 검색하기 위한 소정 CCTV의 그룹의 선택에 따라, 제1 차량의 검출 실패 횟수가 소정 횟수를 초과하면, 프로세서(750)는 소정 경고음을 출력할 수 있다. 프로세서(750)는 임베디드 보드(720)를 제어하여, 미리 설정된 범위 내에서 주요 길목으로 설정된 위치에 대응되는 CCTV로부터 촬영된 영상으로부터 제1 차량을 검색할 수 있다.For example, when the number of failed detections of the first vehicle exceeds a predetermined number according to selection of a group of predetermined CCTVs for searching for the first vehicle, the processor 750 may output a predetermined warning sound. The processor 750 may control the embedded board 720 to search for the first vehicle from the image captured from the CCTV corresponding to the location set as the main road within a preset range.

제1 CCTV로부터 촬영된 영상에서 제1 차량이 검색되면, 프로세서(750)는 제1 CCTV의 주변의 CCTV로부터 제1 차량의 이력 정보 또는 실시간 정보를 획득할 수 있다.When the first vehicle is found in the image taken from the first CCTV, the processor 750 may obtain history information or real-time information of the first vehicle from the CCTVs around the first CCTV.

예를 들면, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되면, 프로세서(750)는 제1 차량이 검색된 제2 CCTV의 위치에 기초하여, 제1 차량의 제1 이동 경로를 예측할 수 있다. 프로세서(750)는 제1 이동 경로 상에 위치한 CCTV에 기초하여, 제1 차량을 추적할 수 있다.For example, when the first vehicle is searched for in the images taken from the CCTV in the first group, the processor 750 determines the first movement path of the first vehicle based on the location of the second CCTV in which the first vehicle is found. predictable. The processor 750 may track the first vehicle based on the CCTV located on the first movement path.

프로세서(750)는 통신 장치(710)를 통해, 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관제 센터로 전송할 수 있다.The processor 750 may transmit the history information or real-time information of the first vehicle to an integrated control center that manages a plurality of vehicles through the communication device 710 .

상술한 서버(10)의 동작 방법은 컴퓨터 또는 프로세서에 의하여 실행 가능한 명령어 또는 데이터를 저장하는 컴퓨터 판독 가능 저장매체의 형태로 구현될 수 있다. 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터 판독 가능 저장매체를 이용하여 이와 같은 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 이와 같은 컴퓨터 판독 가능 저장매체는 ROM, RAM, flash memory, CD, DVD 마그네틱 테이프, 플로피 디스크, 광자기 데이터 저장 장치, 광학 데이터 저장 장치, 하드 디스크, 솔리드-스테이트 디스크(SSD), 그리고 명령어 또는 소프트웨어, 관련 데이터, 데이터 파일, 및 데이터 구조들을 저장할 수 있다.The above-described method of operating the server 10 may be implemented in the form of a computer-readable storage medium for storing instructions or data executable by a computer or processor. It can be written as a program that can be executed on a computer, and can be implemented in a general-purpose digital computer that operates such a program using a computer-readable storage medium. Such computer-readable storage media include ROM, RAM, flash memory, CD, DVD magnetic tape, floppy disk, magneto-optical data storage device, optical data storage device, hard disk, solid-state disk (SSD), and instructions or software. , related data, data files, and data structures.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with reference to the limited embodiments and drawings, various modifications and variations are possible for those skilled in the art from the above description. For example, the described techniques are performed in a different order than the described method, and/or the described components of the system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result.

그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.Therefore, the scope of the present invention should not be limited to the described embodiments, but should be defined by the following claims as well as the claims and equivalents.

Claims (9)

소정 CCTV와 통신을 수행하는 통신 장치;
상기 소정 CCTV로부터 획득된 소정 영상을 처리하는 그래픽 프로세서 기반의 임베디드 보드;
상기 임베디드 보드에서 획득된 데이터를 저장하는 스토리지;
프로세서; 및
상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고,
상기 프로세서는, 상기 명령어들을 실행함으로써,
외부 장치로부터 상기 통신 장치를 통해 제1 차량을 포함하는 제1 영상을 수신하고,
상기 임베디드 보드를 통해 상기 제1 영상에 기초하여, 상기 제1 차량의 제1 차량 번호를 추출하고,
상기 임베디드 보드를 통해, 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하고,
제1 CCTV로부터 촬영된 영상에서 상기 제1 차량이 검색되면, 상기 제1 CCTV의 주변의 CCTV로부터 상기 제1 차량의 이력 정보 또는 실시간 정보를 획득하고,
상기 통신 장치를 통해, 상기 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관제 센터로 전송하고,
상기 임베디드 보드는 N 개의 임베디드 보드로 구성되고, 상기 N 개의 임베디드 보드 각각은, M 개의 CCTV와 연결 가능한 M 개의 채널로 구성되고,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 N 개의 임베디드 보드의 동작을 병렬적으로 처리하고, M x N 개의 채널로부터 상기 제1 차량을 검색하는, 서버.a communication device for performing communication with a predetermined CCTV;
a graphic processor-based embedded board for processing a predetermined image obtained from the predetermined CCTV;
a storage for storing data obtained from the embedded board;
processor; and
a memory for storing instructions executable by the processor;
The processor, by executing the instructions,
Receiving a first image including a first vehicle from an external device through the communication device,
Based on the first image through the embedded board, extracting the first vehicle number of the first vehicle,
Searching for the first vehicle from images taken from a plurality of CCTVs installed within a preset range through the embedded board,
When the first vehicle is searched for in the image taken from the first CCTV, history information or real-time information of the first vehicle is obtained from CCTVs around the first CCTV,
Transmitting, through the communication device, the history information or real-time information of the first vehicle to an integrated control center that manages a plurality of vehicles,
The embedded board is composed of N embedded boards, and each of the N embedded boards is composed of M channels connectable to M CCTVs,
The processor, by executing the instructions,
A server that processes operations of the N embedded boards in parallel and retrieves the first vehicle from M x N channels. 제1항에 있어서,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 미리 설정된 범위 내에 설치된 복수의 CCTV 중에서 상기 제1 CCTV의 주변에 위치한 적어도 하나의 CCTV를 포함하는 제1 그룹을 선택하고,
상기 임베디드 보드를 제어하여, 상기 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 상기 제1 차량을 검색하고,
상기 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 상기 제1 차량이 검색되면, 상기 제1 차량이 검색된 제2 CCTV의 위치에 기초하여, 상기 제1 차량의 제1 이동 경로를 예측하고,
상기 제1 이동 경로 상에 위치한 CCTV에 기초하여, 상기 제1 차량을 추적하는, 서버.According to claim 1,
The processor, by executing the instructions,
selecting a first group including at least one CCTV located in the vicinity of the first CCTV from among a plurality of CCTVs installed within the preset range,
Control the embedded board to search for the first vehicle in the images taken from the CCTV in the first group,
When the first vehicle is found in the images taken from the CCTV in the first group, based on the location of the second CCTV in which the first vehicle is found, the first movement path of the first vehicle is predicted,
Based on the CCTV located on the first movement path, the server for tracking the first vehicle. 제2항에 있어서,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 상기 제1 차량이 검색되지 않으면, 상기 복수의 CCTV 중에서 상기 제1 그룹과 다른 제2 그룹의 CCTV를 선택하고,
상기 임베디드 보드를 제어하여, 상기 제2 그룹 내의 CCTV로부터 촬영된 영상들에서 상기 제1 차량을 검색하는, 서버.3. The method of claim 2,
The processor, by executing the instructions,
If the first vehicle is not found in the images taken from the CCTVs in the first group, a CCTV of a second group different from the first group is selected from among the plurality of CCTVs,
A server that controls the embedded board to search for the first vehicle from images captured from CCTV in the second group. 제3항에 있어서,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 제1 차량을 검색하기 위한 소정 CCTV의 그룹의 선택에 따라, 상기 제1 차량의 검출 실패 횟수가 소정 횟수를 초과하면, 경고음을 출력하고,
상기 미리 설정된 범위 내에서 주요 길목으로 설정된 위치에 대응되는 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하는, 서버.4. The method of claim 3,
The processor, by executing the instructions,
According to the selection of a group of predetermined CCTVs for searching for the first vehicle, when the number of failed detections of the first vehicle exceeds a predetermined number of times, a warning sound is output,
A server that searches for the first vehicle from an image taken from a CCTV corresponding to a location set as a main road within the preset range. 삭제delete 제1항에 있어서,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 임베디드 보드를 제어하여, 상기 제1 영상을 소정 차량 번호를 추출하는 학습 모델에 적용하여, 상기 제1 차량의 상기 제1 차량 번호를 추출하고,
상기 소정 차량 번호를 추출하는 학습 모델은,
상기 소정 차량 번호를 포함하는 하나의 영상에 대해 밝기, 명암, 선명도, 해상도, 상기 하나의 영상에서 상기 소정 차량 번호가 위치한 영역의 각도, 상기 영역의 훼손 레벨 중 적어도 하나가 조정된 복수의 영상과 상기 소정 차량 번호의 상관 관계를 학습한 결과에 기초하여 획득된, 서버.According to claim 1,
The processor, by executing the instructions,
By controlling the embedded board, applying the first image to a learning model for extracting a predetermined vehicle number to extract the first vehicle number of the first vehicle,
The learning model for extracting the predetermined vehicle number is,
A plurality of images in which at least one of brightness, contrast, sharpness, resolution, the angle of the area where the predetermined vehicle number is located in the one image, and the damage level of the area is adjusted for one image including the predetermined vehicle number; Obtained based on the result of learning the correlation of the predetermined vehicle number, the server. 제6항에 있어서,
상기 제1 차량의 상기 제1 차량 번호의 일부만 획득되는 경우, 상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 차량 번호에 대한 적어도 하나의 후보 번호를 결정하고,
상기 임베디드 보드에서, 상기 적어도 하나의 후보 번호 각각에 대한 차량을 검색하고,
상기 임베디드 보드에서 상기 적어도 하나의 후보 번호를 갖는 차량을 추적한 결과에 기초하여, 상기 적어도 하나의 후보 번호 중에서 상기 제1 차량 번호를 결정하는, 서버.7. The method of claim 6,
When only a part of the first vehicle number of the first vehicle is obtained, the processor is configured to:
determine at least one candidate number for the vehicle number;
In the embedded board, searching for a vehicle for each of the at least one candidate number,
Based on a result of tracking a vehicle having the at least one candidate number in the embedded board, the server determines the first vehicle number from among the at least one candidate number. 제7항에 있어서,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 적어도 하나의 후보 번호 중에서 상기 제1 차량 번호를 결정한 결과에 기초하여, 상기 소정 차량 번호를 추출하는 학습 모델을 업데이트 하는, 서버.8. The method of claim 7,
The processor, by executing the instructions,
Based on a result of determining the first vehicle number from among the at least one candidate number, for updating a learning model for extracting the predetermined vehicle number, the server. 외부 장치로부터 제1 차량을 포함하는 제1 영상을 수신하는 단계;
상기 제1 영상에 기초하여, 상기 제1 차량의 제1 차량 번호를 추출하는 단계;
미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하는 단계;
제1 CCTV로부터 촬영된 영상에서 상기 제1 차량이 검색되면, 상기 제1 CCTV의 주변의 CCTV로부터 상기 제1 차량의 이력 정보 또는 실시간 정보를 획득하는 단계; 및
상기 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관리 시스템으로 전송하는 단계를 포함하는, 그래픽 프로세서 기반의 임베디드 보드를 포함하고,
상기 임베디드 보드는 N 개의 임베디드 보드로 구성되고, 상기 N 개의 임베디드 보드 각각은, M 개의 CCTV와 연결 가능한 M 개의 채널로 구성되고,
상기 제1 차량을 검색하는 단계는,
상기 N 개의 임베디드 보드의 동작을 병렬적으로 처리하고, M x N 개의 채널로부터 상기 제1 차량을 검색하는 단계를 포함하는, 서버의 동작 방법.Receiving a first image including a first vehicle from an external device;
extracting a first license plate number of the first vehicle based on the first image;
retrieving the first vehicle from images taken from a plurality of CCTVs installed within a preset range;
When the first vehicle is found in the image taken from the first CCTV, obtaining the history information or real-time information of the first vehicle from the CCTV around the first CCTV; and
and a graphic processor-based embedded board, comprising transmitting the history information or real-time information of the first vehicle to an integrated management system for managing a plurality of vehicles,
The embedded board is composed of N embedded boards, and each of the N embedded boards is composed of M channels connectable to M CCTVs,
The step of searching for the first vehicle,
and processing the operations of the N embedded boards in parallel, and searching for the first vehicle from M x N channels.
KR1020190136210A 2019-10-30 2019-10-30 Vehicle number recognition system using cctv Active KR102286250B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190136210A KR102286250B1 (en) 2019-10-30 2019-10-30 Vehicle number recognition system using cctv

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190136210A KR102286250B1 (en) 2019-10-30 2019-10-30 Vehicle number recognition system using cctv

Publications (2)

Publication Number Publication Date
KR20210051225A KR20210051225A (en) 2021-05-10
KR102286250B1 true KR102286250B1 (en) 2021-08-05

Family

ID=75918416

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190136210A Active KR102286250B1 (en) 2019-10-30 2019-10-30 Vehicle number recognition system using cctv

Country Status (1)

Country Link
KR (1) KR102286250B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102460733B1 (en) * 2022-05-02 2022-10-31 주식회사 엠티오메가 Method for machine learning for vehicle license plate image and apparatus for performing the method

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009048225A (en) 2007-08-13 2009-03-05 Toshiba Corp Vehicle recognition device and vehicle recognition method
KR101071715B1 (en) 2010-07-02 2011-10-11 윤형관 IP-based license plate recognition system and method
JP2014059655A (en) 2012-09-14 2014-04-03 Toshiba Corp Road situation-monitoring device, and road situation-monitoring method
KR101562870B1 (en) * 2014-11-10 2015-10-29 주식회사 로보티어 The Argos tower and Argos system offering a cctv monitor for anti-crime and anti-disaster with wi-fi direct service
KR101743689B1 (en) * 2016-09-07 2017-06-07 주식회사 엠제이비전테크 Method for image processing of integrated intelligence surveillance CCTV(closed circuit television) and integrated intelligence surveillance CCTV system

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090073554A (en) * 2007-12-31 2009-07-03 아진산업(주) Embedded based vehicle image storage device and method
KR102054061B1 (en) * 2018-01-19 2019-12-09 한국기술교육대학교 산학협력단 Recognition method of Vehicle Licence Plate

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009048225A (en) 2007-08-13 2009-03-05 Toshiba Corp Vehicle recognition device and vehicle recognition method
KR101071715B1 (en) 2010-07-02 2011-10-11 윤형관 IP-based license plate recognition system and method
JP2014059655A (en) 2012-09-14 2014-04-03 Toshiba Corp Road situation-monitoring device, and road situation-monitoring method
KR101562870B1 (en) * 2014-11-10 2015-10-29 주식회사 로보티어 The Argos tower and Argos system offering a cctv monitor for anti-crime and anti-disaster with wi-fi direct service
KR101743689B1 (en) * 2016-09-07 2017-06-07 주식회사 엠제이비전테크 Method for image processing of integrated intelligence surveillance CCTV(closed circuit television) and integrated intelligence surveillance CCTV system

Also Published As

Publication number Publication date
KR20210051225A (en) 2021-05-10

Similar Documents

Publication Publication Date Title
Mandal et al. Object detection and tracking algorithms for vehicle counting: a comparative analysis
CN102902955B (en) Intelligent analysis method and system for vehicle behavior
Ling et al. Identifying parking spaces & detecting occupancy using vision-based IoT devices
CN110753892A (en) Method and system for instant object tagging via cross-modality verification in autonomous vehicles
CN110753953A (en) Method and system for object-centric stereo vision in autonomous vehicles via cross-modality verification
US10922826B1 (en) Digital twin monitoring systems and methods
CN114781479A (en) Traffic incident detection method and device
KR102493930B1 (en) Apparatus and method for controlling traffic signal based on reinforcement learning
Chang et al. Video analytics in smart transportation for the AIC'18 challenge
CN113971795B (en) Violation inspection system and method based on self-driving car visual sensing
JP2022502750A (en) Methods and devices for analyzing sensor data flows, as well as methods for guiding vehicles.
CN112150814B (en) Information processing method and device based on intelligent traffic and intelligent traffic system
CN111724607B (en) Steering lamp use detection method and device, computer equipment and storage medium
KR102286250B1 (en) Vehicle number recognition system using cctv
CN114882709A (en) Vehicle congestion detection method and device and computer storage medium
CN111738185B (en) Target identification method, device and equipment
KR20170095599A (en) System and method for video searching
US12300106B2 (en) Machine learning solutions for matching of vehicle exit to unmatched entry events
JP2019012496A (en) Detection program, method, and apparatus
US11645838B2 (en) Object detection system, object detection method, and program
KR20220085475A (en) Vehicle number recognition system using cctv and lidar sensor
CN109740518B (en) Method and device for determining object in video
CN114049771A (en) Bimodal-based traffic anomaly detection method and system and storage medium
KR20220107679A (en) Edge computing device for tracking object, method for controlling the same, and server
CN114495028A (en) Vehicle fake plate identification method and device, electronic equipment and storage medium

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20191030

PA0201 Request for examination
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20210116

Patent event code: PE09021S01D

PG1501 Laying open of application
E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20210721

PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20210730

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20210730

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20240710

Start annual number: 4

End annual number: 4