[go: up one dir, main page]

KR102317311B1 - 영상을 이용한 정보 분석 시스템 및 그에 관한 방법 - Google Patents

영상을 이용한 정보 분석 시스템 및 그에 관한 방법 Download PDF

Info

Publication number
KR102317311B1
KR102317311B1 KR1020210047364A KR20210047364A KR102317311B1 KR 102317311 B1 KR102317311 B1 KR 102317311B1 KR 1020210047364 A KR1020210047364 A KR 1020210047364A KR 20210047364 A KR20210047364 A KR 20210047364A KR 102317311 B1 KR102317311 B1 KR 102317311B1
Authority
KR
South Korea
Prior art keywords
image
region
analysis system
data processing
processing unit
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
KR1020210047364A
Other languages
English (en)
Inventor
강왕재
이강일
Original Assignee
렉스젠(주)
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 렉스젠(주) filed Critical 렉스젠(주)
Priority to KR1020210047364A priority Critical patent/KR102317311B1/ko
Application granted granted Critical
Publication of KR102317311B1 publication Critical patent/KR102317311B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06K9/00785—
    • G06K9/00718—
    • G06K9/3233—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 문서에 개시된 일 실시 예에 따른 영상을 이용한 정보 분석 시스템은 저해상도 영상에 기반하여, 관심 영역의 이동성 객체와 연관된 이벤트 발생을 검출하고, 고해상도 영상에 기반하여, 상기 관심 영역 중 적어도 일부를 포함하는 분할 영역의 환경성 객체를 검출하여 상기 관심 영역의 환경 변화를 분석하는 데이터 처리부를 포함할 수 있다.

Description

영상을 이용한 정보 분석 시스템 및 그에 관한 방법{SYSTEM FOR ANALYZING INFORMATION USING VIDEO, AND METHOD THEREOF}
본 문서에 개시된 실시예들은 영상을 이용한 정보 분석 시스템 및 그에 관한 방법에 관한 것이다.
교통 정보의 분석을 위해 카메라로 도로를 촬영한 영상을 분석하는 기술이 사용되고 있다. 그런데 교통 정보의 분석을 위해 한정된 하드웨어(예를 들면, CPU, GPU 등)에서 4K 이상의 고해상도 영상을 영상 처리 기술을 통해 분석하게 되면 동시에 처리할 수 있는 영상의 수가 축소되는 문제가 있다. 또한, 이러한 문제를 해결하기 위하여 해상도를 FHD급 이하로 다운사이징하여 분석하는 경우에는 고해상도 영상을 분석하는 의미가 없어지게 된다.
특히, 4K 이상의 고해상도 영상의 경우 저해상도 영상에서는 크기가 작게 검출되는 객체를 수 배 이상 확대하여 볼 수 있으므로, 영상의 분석 및 식별(인식) 정확도가 증가할 수 있다. 그러나, 4K 이상의 고해상도 영상을 부분적으로 분할하여 분석하는 경우 또는 광학줌을 이용하여 특정 영역으로 이동하면서 분석하는 경우에는 분석 대상 이외의 영역은 지속적인 분석이 불가능한 사각 지대가 발생하는 문제가 있다.
본 문서에 개시된 실시예들은 저해상도 영상과 고해상도 영상을 함께 분석함으로써, 도로의 전체적인 영역에 걸쳐서 효율적으로 분석을 수행할 수 있고 분석 정확도를 향상시킬 수 있는 영상을 이용한 정보 분석 시스템 및 그에 관한 방법을 제공하는 것을 일 목적으로 한다.
또한, 본 문서에 개시된 실시예들은 저사양의 하드웨어에서도 다수의 영상 분석이 가능한 영상을 이용한 정보 분석 시스템 및 그에 관한 방법을 제공하는 것을 일 목적으로 한다.
또한, 본 문서에 개시된 실시예들은 사각 지대 없이 전체 영상과 부분 확대 영상을 동시에 분석이 가능한 영상을 이용한 정보 분석 시스템 및 그에 관한 방법을 제공하는 것을 일 목적으로 한다.
또한, 본 문서에 개시된 실시예들은 이벤트가 발생한 위치에 대하여 GPS 좌표를 산출할 수 있어, 사전 및 사후 조치 시에 신속하게 대응이 가능한 영상을 이용한 정보 분석 시스템 및 그에 관한 방법을 제공하는 것을 일 목적으로 한다.
본 문서에 개시된 실시예들의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 문서에 개시된 일 실시 예에 따른 영상을 이용한 정보 분석 시스템은 저해상도 영상에 기반하여, 관심 영역의 이동성 객체와 연관된 이벤트 발생을 검출하고, 고해상도 영상에 기반하여, 상기 관심 영역 중 적어도 일부를 포함하는 분할 영역의 환경성 객체를 검출하여 상기 관심 영역의 환경 변화를 분석하는 데이터 처리부를 포함할 수 있다.
본 문서에 개시된 일 실시 예에 따른 영상을 이용한 정보 분석 방법은 저해상도 영상에 기반하여, 관심 영역의 이동성 객체와 연관된 이벤트 발생을 검출하는 단계 및 고해상도 영상에 기반하여, 상기 관심 영역 중 적어도 일부를 포함하는 분할 영역의 환경성 객체를 검출하여 상기 관심 영역의 환경 변화를 분석하는 단계를 포함할 수 있다.
본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템 및 그에 관한 방법은 저해상도 영상과 고해상도 영상을 함께 분석함으로써, 도로의 전체적인 영역에 걸쳐서 효율적으로 분석을 수행할 수 있고 분석 정확도를 향상시킬 수 있다.
또한, 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템 및 그에 관한 방법은 저사양의 하드웨어에서도 다수의 영상 분석이 가능하다.
또한 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템 및 그에 관한 방법은 사각 지대 없이 전체 영상과 부분 확대 영상을 동시에 분석이 가능하다.
또한, 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템 및 그에 관한 방법은 이벤트가 발생한 위치에 대하여 GPS 좌표를 산출할 수 있어, 사전 및 사후 조치 시에 신속하게 대응이 가능하다.
또한, 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템 및 그에 관한 방법은 차량 및 보행자의 통행 정보, 교통 법규 위반 정보, 및 방범 정보 등을 수집함으로써 다양한 교통 관련 서비스를 제공할 수 있다.
도 1은 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 동작 환경을 보여주는 도면이다.
도 2는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 구성을 나타내는 블록도이다.
도 3은 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템에 의해 설정되는 관심 영역을 보여주는 도면이다.
도 4는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템에 의해 도로에 설정되는 분할 영역을 보여주는 도면이다.
도 5는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템에 의해 낙석 방지 구역에 설정되는 분할 영역을 보여주는 도면이다.
도 6은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법을 개략적으로 나타내는 흐름도이다.
도 7은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법의 구체적인 동작을 나타내는 흐름도이다.
도 8은 본 문서에 개시된 일 실시예에 따라 다양한 객체를 감지하는 영상을 이용한 정보 분석 시스템을 동작을 설명하기 위한 도면이다.
도 9는 본 문서에 개시된 일 실시예에 따라 감지된 객체를 이용하여 다양한 기능을 수행하는 영상을 이용한 정보 분석 시스템의 동작을 설명하기 위한 도면이다.
도 10은 본 문서에 개시된 일 실시예에 따른 운영 장치를 포함하는 영상을 이용한 정보 분석 시스템을 보여주는 블록도이다.
이하, 첨부한 도면을 참조하여 본 문서에 개시된 다양한 실시 예들에 대해 상세히 설명하고자 한다. 본 문서에서 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
본 문서에 개시되어 있는 다양한 실시 예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 실시 예들을 설명하기 위한 목적으로 예시된 것으로, 본 문서에 개시된 다양한 실시 예들은 여러 가지 형태로 실시될 수 있으며 본 문서에 설명된 실시 예들에 한정되는 것으로 해석되어서는 아니 된다.
다양한 실시 예에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 해당 구성 요소들을 한정하지 않는다. 예를 들면, 본 문서에 개시된 실시예의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성 요소로 바꾸어 명명될 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 문서에 개시된 실시예들의 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 일반적으로 사용되는 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미를 가지는 것으로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서에 개시된 실시 예들을 배제하도록 해석될 수 없다.
이하에서는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 예시로서 교통 분석 시스템을 설명한다. 그러나, 본 개시가 교통 정보 분석 시스템에만 제한되는 것은 아니며, 그 외에도 다양한 목적을 갖는 정보 분석 시스템에 활용될 수 있다.
도 1은 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 동작 환경을 보여주는 도면이다.
본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템(100)은 촬영부(110)와 데이터 처리부(120)를 포함할 수 있다. 또한, 영상을 이용한 정보 분석 시스템(100)은 운영 장치(미도시)를 추가로 포함할 수 있다. 예를 들면, 운영 장치는 관제 센터에 마련될 수 있다.
도 1을 참조하면, 촬영부(110)는 관심 영역을 촬영할 수 있다. 예를 들면, 촬영부(110)는 관심 영역에 포함된 이동성 객체를 촬영할 수 있다. 여기서, 이동성 객체는, 예를 들면, 차량, 보행자 등을 포함할 수 있다. 즉, 이동성 객체는 관심 영역에서의 차량의 역주행, 급정지 및 주정차, 보행자의 출현, 인도의 차량 출현 등 돌발 상황 이벤트를 판단하기 위한 대상일 수 있다. 또한, 촬영부(110)는 관심 영역에 포함된 환경성 객체를 촬영할 수 있다. 여기서, 환경성 객체는, 예를 들면, 포트홀, 낙하물, 로드킬(동물), 안개, 결빙 등을 포함할 수 있다. 즉, 환경성 객체는 관심 영역에서 발생하는 환경적 특이 사항 이벤트를 판단하기 위한 대상일 수 있다.
또한, 촬영부(110)는 사용자가 원하는 관심 영역의 영상을 촬영할 수 있도록 적절한 위치와 각도로 설치될 수 있다. 예를 들면, 촬영부(110)는 카메라를 포함할 수 있다. 도 1에서는 촬영부(110)가 도로 외부 영역에 마련되는 것으로 나타내었으나, 이에 제한되는 것은 아니며 촬영부(110)는 도로를 촬영할 수 있는 임의의 위치(예를 들면, 신호등)에 설치될 수 있다.
그리고, 촬영부(110)는 객체를 검출 및 식별하고, 객체의 위치나 속도 등을 측정할 수 있는 객체 검출 센서부(예를 들면, 레이더, 라이다, 레이저 등)를 포함할 수 있다. 이 경우, 객체 검출 센서부를 우선적으로 사용하여 관심 영역에 포함된 객체의 이동 거리와 속도 등을 측정하고, 객체 검출 센서가 정상적으로 작동하지 않을 경우에는 촬영부(110)를 통해 촬영된 영상을 분석하여 객체의 이동 거리와 속도 등을 측정하도록 구성될 수 있다.
촬영부(110)에 의해 촬영된 영상은 데이터 처리부(120)로 전송될 수 있다. 이 때, 촬영부(110)에 의해 촬영된 영상은 실시간으로 또는 일정 주기로 데이터 처리부(120)에 전송될 수 있다.
데이터 처리부(120)는 촬영부(110)로부터 획득한 영상에 기초하여 관심 영역의 교통 정보를 분석할 수 있다. 이처럼, 데이터 처리부(120)는 영상 분석을 통해 관심 영역의 돌발 상황이나 특이 사항 등을 검출할 수 있다.
또한, 데이터 처리부(120)는 촬영부(110)가 설치된 현장(예를 들면, 교통 제어기 함체)이나 관제 센터에 설치된 운영 장치에 마련될 수 있다. 예를 들면, 데이터 처리부(120)가 복수의 촬영부(110)와 연결된 경우에는 운영 장치의 디스플레이 화면에 여러 카메라 채널을 분할하여 표시할 수 있어, 사용자(예를 들면, 관제 요원)가 여러 지역에 설치된 카메라 촬영 영상을 동시에 모니터링할 수 있다.
이처럼, 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템(100)의 데이터 처리부(120)는 촬영부(110)로부터 획득한 영상을 통해 교통 정보를 분석함으로써, 관심 영역에서 발생할 수 있는 각종 상황들을 신속하고 용이하게 검출할 수 있다.
이러한 교통 분석 시스템(100)의 구성 및 동작에 대하여는 이하에서 더욱 구체적으로 설명한다.
도 2는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템의 구성을 나타내는 블록도이다.
도 2를 참조하면, 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템(100)은 촬영부(110), 데이터 처리부(120) 및 객체 검출 센서부(130)를 포함할 수 있다.
촬영부(110)는 설정된 관심 영역을 촬영할 수 있다. 예를 들면, 촬영부(110)는 관심 영역에 있는 여러 객체들(예를 들면, 이동성 객체, 환경성 객체)을 촬영할 수 있다. 예를 들면, 촬영부(110)는 카메라를 포함할 수 있다.
또한, 촬영부(110)는 저해상도 영상(제1 영상)과 고해상도 영상(고해상도 영상)을 함께 촬영할 수 있다. 예를 들면, 촬영부(110)는 하나의 카메라에서 복수의 프로그램(예를 들면, 코덱)을 통해 저해상도 영상과 고해상도 영상을 함께 촬영하도록 구성될 수 있다. 또는, 촬영부(110)는 저해상도 카메라와 고해상도 카메라를 포함하는 복수의 카메라를 구비할 수 있다. 또한, 촬영부(110)는 촬영된 관심 영역의 영상을 데이터 처리부(120)로 전송할 수 있다.
데이터 처리부(120)는 저해상도 영상에 기반하여 관심 영역을 분석하고, 고해상도 영상에 기반하여 관심 영역 중 적어도 일부를 포함하는 분할 영역을 분석 및 매칭할 수 있다. 여기서, 분할 영역은 관심 영역 중 특이 사항을 관찰할 수 있는 영역으로서, 예를 들면, 도로나 낙석 방지 구역 등으로 설정될 수 있다.
데이터 처리부(120)는 저해상도 영상에 기반하여 관심 영역의 이동성 객체(예를 들면, 차량, 보행자 등)를 검출할 수 있다. 또한, 데이터 처리부(120)는 저해상도 영상에 기반하여 이동성 객체로 인한 돌발 상황 이벤트(예를 들면, 차량의 역주행, 급정지, 주정차, 차도의 보행자 출현, 인도의 차량 출현 등)의 발생을 검출한 경우, 해당 돌발 상황 이벤트와 연관된 이동성 객체를 포함하는 고해상도 영상을 획득할 수 있다.
이 때, 데이터 처리부(120)는 저해상도 영상을 통해 돌발 상황 이벤트를 검출한 시간과 동일한 시간의 고해상도 영상을 획득하고, 저해상도 영상에서의 이벤트 발생 위치에 해당하는 고해상도 영상의 영역을 디지털 줌을 통해 자동 확대하여 추가적으로 분석을 수행할 수 있다. 이처럼, 데이터 처리부(120)는 고해상도 영상을 통해 돌발 상황 이벤트 및 이와 연관된 이동성 객체를 2차적으로 검출 및 분석함으로써, 저해상도 영상에서 검출된 돌발 상황 이벤트에 관한 검증을 수행할 수 있다. 이처럼, 데이터 처리부(120)는 동일한 영역에 대해 저해상도 영상과 고해상도 영상을 함께 분석함으로써, 높은 정확도를 확보할 수 있다.
또한, 데이터 처리부(120)는 고해상도 영상에 기반하여 분할 영역의 환경성 객체(예를 들면, 포트홀, 낙하물, 로드킬, 안개, 결빙 등)를 검출할 수 있다. 구체적으로, 데이터 처리부(120)는 복수의 시점에 관심 영역을 촬영하여 획득된 고해상도 영상을 기반으로 분할 영역의 환경성 객체를 검출하여 관심 영역의 환경 변화를 분석할 수 있다. 이 때, 데이터 처리부(120)는 이동성 객체가 검출되지 않은 분할 영역(즉, 차량이나 보행자가 검출되지 않은 분할 영역)에 대해서만 고해상도 영상을 획득하여 분석을 수행할 수 있다.
데이터 처리부(120)는 관심 영역 중 적어도 일부를 고해상도 영상에 기반한 디지털 줌을 통해 확대하여 분할 영역을 설정할 수 있다. 또한, 복수의 분할 영역은 서로 중첩되도록 나열될 수 있다. 이는 이동성 또는 환경성 객체가 복수의 분할 영역 사이에 걸치도록 검출되는 경우가 발생하거나 사각지대가 생기는 것을 방지하기 위함이다. 또한, 데이터 처리부(120)는 관심 영역에서 복수의 분할 영역을 설정하는 경우에 복수의 분할 영역을 투어링을 통해 이동하면서 분석할 수 있다. 또한, 데이터 처리부(120)는 기설정된 주기에 따라 분할 영역을 분석할 수 있다.
데이터 처리부(120)는 관심 영역의 고정된 객체 중 적어도 하나를 특징점으로 설정할 수 있다. 예를 들면, 특징점이 되는 객체는 도로의 표지판, 이정표, 구조물 등 인식 가능한 고정 객체를 포함할 수 있다. 또한, 데이터 처리부(120)는 특징점에 기반하여 복수의 시점에 촬영된 관심 영역 간의 일치 여부를 판단할 수 있다. 예를 들어, 촬영부(110)의 카메라가 강풍과 같은 기상 상태나 사고 등에 의해 화각이 틀어진 경우에는 분할 영역에 대한 시계열적 분석이 곤란한 상황이 발생할 수 있으므로, 분석 전에 기설정된 특징점의 위치가 일치하는지 여부를 먼저 판단할 수 있다.
또한, 데이터 처리부(120)는 특징점의 좌표에 기반하여 관심 영역의 이동성 객체와 환경성 객체의 좌표를 산출할 수 있다. 예를 들면, 특징점과 이동성 및 환경성 객체의 좌표는 GPS에 기반한 좌표일 수 있다. 이 때, 데이터 처리부(120)는 기설정된 기준 좌표를 기준으로 특징점의 좌표를 미리 계산하고, 이러한 기준 좌표와 특징점에 기초하여 객체의 좌표를 산출할 수 있다. 예를 들면, 기준 좌표는 특징점과 객체의 좌표 산출시 원점이 되는 좌표로서, 촬영부(110)가 설치된 위치로 설정될 수 있다. 즉, 데이터 처리부(120)는 기준 좌표와 이동성/환경성 객체 사이의 거리와, 특징점과 이동성/환경성 객체 사이의 거리에 기반하여 이동성 객체와 환경성 객체의 좌표를 산출할 수 있다.
구체적으로, 데이터 처리부(120)는 상기 기준 좌표(또는 특징점의 좌표)와 이동성 또는 환경성 객체 사이의 경도 거리(d_lon)와 위도 거리(d_lat)를 산출하고, 이러한 경도 거리(d_lon)와 위도 거리(d_lat)의 각각 경도와 위도의 1초값에 대한 비율에 기반하여 이동성/환경성 객체의 GPS 좌표를 산출할 수 있다. 예를 들면, 기준 좌표가 (lat_0, lon_0)이라고 할 때, 이동성 또는 환경성 객체의 좌표 (lat_1, lon_1)은 이하의 수학식 1에 따라 계산할 수 있다.
[수학식 1]
lat_1 = lat_0 + (d_lat/위도 1초값)
lon_1 = lon_0 + (d_lon/경도 1초값)
여기서, 위도 1초값은 지구의 평균 둘레 길이를 360도로 나눈 후, 다시 (60x60) 등분을 하여 산출된 값으로서 약 30.887m이고, 경도 1초값은 위도 37도(대한민국 기준)에서의 지구의 평균 둘레 길이를 360도로 나눈 후, 다시 (60x60) 등분을 하여 산출된 값으로서 약 24.668m이다.
이처럼, 데이터 처리부(120)는 고해상도 영상(예를 들면, 4K 이상)을 저해상도 영상과 고해상도 영상으로 이중화하여 동시 분석하되, 저해상도 영상은 화각에서 볼 수 있는 전체 영역을 분석하고, 고해상도 영상은 디지털 줌을 이용하여 분할된 영역을 투어링을 통해 주기적으로 분석함으로써, 저사양에서도 효율적으로 다수의 영상을 분석할 수 있고 영상 분석의 정확도를 향상시킬 수 있다.
뿐만 아니라, 데이터 처리부(120)는 획득된 영상을 분석함으로써 객체의 식별 정보를 획득할 수 있다. 식별 정보는 객체의 형태, 색상, 크기 등을 포함할 수 있다. 예를 들어, 객체가 차량인 경우 식별 정보는 차량의 종류, 색상, 크기, 주행 차로, 또는 번호판을 포함할 수 있다.
객체 검출 센서부(130)는 관심 영역의 객체를 검출 및 식별하고, 객체의 위치, 거리, 속도 등을 측정할 수 있다. 또한, 객체 검출 센서부(130)에서 측정된 정보는 데이터 처리부(120)로 전송될 수 있다. 예를 들면, 객체 검출 센서부(130)는 레이더, 라이다 레이저 등을 포함할 수 있다. 이 경우, 영상을 이용한 정보 분석 시스템(100)은 객체 검출 센서부(130)를 통해 객체의 이동 위치, 거리, 방향, 또는 속도 중 적어도 하나를 보다 정확하게 검출할 수 있다. 예를 들어, 영상을 이용한 정보 분석 시스템(100)은 객체 검출 센서부(130)를 우선적으로 사용하고, 촬영부(110)를 보조적인 수단으로 이용할 수 있다.
또한, 객체 검출 센서부(130)는 촬영부(110)와 하나로 통합된 구성이거나, 별도의 구성일 수 있다. 또한, 촬영부(110)와 객체 검출 센서부(130)는 동시에 또는 각각 이용될 수 있다. 예를 들어, 영상을 이용한 정보 분석 시스템(100)은 촬영부(110)를 통해 영상을 획득하고, 데이터 처리부(120)를 통해 획득된 영상을 분석함으로써 객체에 관한 교통 정보를 획득할 수 있다. 교통 정보는, 예를 들어, 객체의 수, 이동 속도, 이동 방향, 이동 거리, 통행량, 대기 길이, 점유율 등을 포함할 수 있다.
이와 같이, 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템(100)은 저해상도 영상과 고해상도 영상을 함께 분석함으로써, 도로의 전체적인 영역에 걸쳐서 효율적으로 분석을 수행할 수 있고 분석 정확도를 향상시킬 수 있다.
또한, 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템(100)은 저사양의 하드웨어에서도 다수의 영상 분석이 가능하다.
또한 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템(100)은 사각 지대 없이 전체 영상과 부분 확대 영상을 동시에 분석이 가능하다.
또한, 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템(100)은 이벤트가 발생한 위치에 대하여 GPS 좌표를 산출할 수 있어, 사전 및 사후 조치시에 신속하게 대응이 가능하다.
또한, 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템(100)은 차량 및 보행자의 통행 정보, 교통 법규 위반 정보, 및 방범 정보 등을 수집함으로써 다양한 교통 관련 서비스를 제공할 수 있다.
도 3은 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템에 의해 설정되는 관심 영역을 보여주는 도면이다.
도 3을 참조하면, 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템(100)의 데이터 처리부(120)가 촬영부(110)로부터 획득한 영상의 예시를 나타내고 있다. 이 때, 데이터 처리부(120)는 영상 분석을 수행하고자 하는 관심 영역(A1, A2)을 설정할 수 있다. 예를 들면, 관심 영역(A1)은 차량이나 보행자가 이동하는 도로 영역일 수 있고, 관심 영역(A2)은 도로 주변에서 낙하물 등이 떨어지는 것을 방지하는 낙석 방지 영역일 수 있다.
본 문서에 개시된 일 실시예에 따른 교통 분석 시스템(100)의 데이터 처리부(120)에서는 촬영부(110)의 카메라의 화각에서 촬영 가능한 전체적인 관심 영역으의 영상을 분석할 수 있다. 이 때, 데이터 처리부(120)는 저해상도 영상에 기초하여 전체 관심 영역의 영상을 분석할 수 있다.
특히, 데이터 처리부(120)에서는 저해상도 영상에 기반하여 관심 영역을 모니터링하다가 이동성 객체(예를 들면, 차량이나 보행자 등)를 검출할 수 있다. 만약, 데이터 처리부(120)에서 이동성 객체로 인한 돌발 상황 이벤트가 검출된 경우, 해당 돌발 상황 이벤트와 연관된 이동성 객체를 포함하는 고해상도 영상을 획득할 수 있다. 또한, 데이터 처리부(120)는 전술한 방법에 따라 획득한 고해상도 영상에 기반하여 이동성 객체를 추가로 검출할 수 있다.
기존의 저해상도 영상에서는 보행자와 같이 크기가 작은 객체의 경우 원거리에서 움직임을 정확히 분석할 수 없으므로, 검출시 누락이 발생하여 분석력이 떨어지거나, 또는 과다하게 검출되어 모니터링하는 사용자의 피로도를 증가시킬 수 있다. 그러나, 본 문서에 개시된 일 실시예에 따른 교통 분석 시스템(100)에서는 상술한 방식으로 저해상도 영상에서 검출된 객체를 고해상도 영상에서 2차 검증하여 분석 정확도를 높일 수 있다.
도 4는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템에 의해 도로에 설정되는 분할 영역을 보여주는 도면이다. 또한, 도 5는 본 문서에 개시된 일 실시예에 따른 영상을 이용한 정보 분석 시스템에 의해 낙석 방지 구역에 설정되는 분할 영역을 보여주는 도면이다.
도 4 및 5를 참조하면, 본 문서의 일 실시예에 따른 영상을 이용한 정보 분석 시스템(100)의 데이터 처리부(120)는 도로의 각 차선에 대해 분할 영역(D1, D2)을 설정하거나, 낙석 방지 구역에 분할 영역(D3)을 설정할 수 있다. 이 때, 분할 영역은 데이터 처리부(120)에서 획득한 고해상도 영상을 통해 디지털 줌으로 확대한 영역일 수 있다. 또한, 각각의 분할 영역은 서로 중첩되도록 나열될 수 있다. 따라서, 객체가 복수의 분할 영역 사이에 걸치도록 검출되는 경우에도 정확도를 확보할 수 있다.
또한, 데이터 처리부(120)는 설정된 복수의 분할 영역에 대해 주기적으로 투어링을 통해 이동하면서 분석을 수행할 수 있다. 이 때, 특정 분할 영역에 차량이나 보행자 등 이동성 객체가 존재하는 경우에는 해당 분할 영역은 스킵한 후, 분할 영역 내에 이동성 객체가 없는 시점에 분할 영역의 영상을 획득함으로써 고정된 환경적 특이 사항을 검출 가능하도록 할 수 있다.
그리고, 데이터 처리부(120)에서는 각각의 분할 영역에 대한 영상 분석을 통해 미리 설정된 시간 동안(예를 들면, 1시간, 하루, 한달, 1년 등) 동일 장소의 시계열적 환경 변화를 검출할 수 있다. 이 때, 정확한 분석을 위해서는 분할 영역은 각각의 시점에 대해 동일한 영역이어야 하므로, 데이터 처리부(120)는 관심 영역에 미리 특징점(예를 들면, 표지판, 이정표, 구조물 등)을 설정해두고, 해당 특징점을 기반으로 촬영부(110)의 화각이나 영상의 틀어짐을 검출할 수 있다. 예를 들면, 데이터 처리부(120)는 저사양 하드웨어에서 정보 분석 시스템(100)을 구동하기 위해 저해상도 영상에서 특징점을 이용하여 영상의 틀어짐을 검출할 수 있다.
또한, 데이터 처리부(120)에서는 특징점의 GPS 좌표에 기반하여 관심 영역에서 이동성 객체로 인한 돌발 상황이나 환경성 객체로 인한 환경적 특이 사항이 발생한 지점의 GPS 좌표를 산출할 수 있다. 예를 들면, 데이터 처리부(120)는 미리 좌표를 알고 있는 특징점으로부터 검출하고자 하는 객체의 거리를 이용하여 객체의 정확한 좌표를 산출할 수 있다.
도 6은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법을 개략적으로 나타내는 흐름도이다.
도 6을 참조하면, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법은 먼저 저해상도 영상에 기반하여 관심 영역을 분석할 수 있다(S110). 이 경우, 저해상도 영상에 기반하여 관심 영역의 이동성 객체(예를 들면, 차량, 보행자)를 검출하고, 이러한 이동성 객체로 인한 이벤트 발생을 검출할 수 있다. 또한, 단계 S110에서는 저해상도 영상에 기반하여 이동성 객체로 인한 돌발 상황 이벤트(예를 들면, 차량의 역주행, 급정지, 주정차, 차도의 보행자 출현, 인도의 차량 출현 등)의 발생을 검출한 경우, 해당 돌발 상황 이벤트와 연관된 이동성 객체를 포함하는 고해상도 영상을 획득할 수 있다.
이 때, 단계 S110에서는 저해상도 영상을 통해 돌발 상황 이벤트를 검출한 시간과 동일한 시간의 고해상도 영상을 획득하고, 저해상도 영상에서의 이벤트 발생 위치에 해당하는 고해상도 영상의 영역을 디지털 줌을 통해 자동 확대하여 추가적으로 분석을 수행할 수 있다. 이처럼, 고해상도 영상을 통해 돌발 상황 이벤트 및 이와 연관된 이동성 객체를 2차적으로 검출 및 분석함으로써, 저해상도 영상에서 검출된 돌발 상황 이벤트에 관한 검증을 수행할 수 있다. 이처럼, 동일한 영역에 대해 저해상도 영상과 고해상도 영상을 함께 분석함으로써, 높은 정확도를 확보할 수 있다.
다음으로, 고해상도 영상(고해상도 영상)에 기반하여 관심 영역 중 적어도 일부를 포함하는 분할 영역을 분석할 수 있다(S120). 이 경우, 고해상도 영상에 기반하여 분할 영역의 환경성 객체(예를 들면, 포트홀, 낙하물, 로드킬, 안개, 결빙 등)를 검출할 수 있다. 구체적으로, 단계 S120에서는 복수의 시점에 관심 영역을 촬영하여 획득된 고해상도 영상을 기반으로 분할 영역의 환경성 객체를 검출하여 관심 영역의 환경 변화를 분석할 수 있다. 이 때, 이동성 객체가 검출되지 않은 분할 영역(즉, 차량이나 보행자가 검출되지 않은 분할 영역)에 대해서만 고해상도 영상을 획득하여 분석을 수행할 수 있다.
또한, 단계 S120에서는 관심 영역 중 적어도 일부를 고해상도 영상에 기반한 디지털 줌을 통해 확대하여 분할 영역을 설정할 수 있다. 이 때, 복수의 분할 영역은 서로 중첩되도록 나열될 수 있다. 그리고, 단계 S120에서는 관심 영역에서 복수의 분할 영역을 설정하는 경우에 기설정된 주기에 따라 복수의 분할 영역을 투어링을 통해 이동하면서 분석할 수 있다.
한편, 도 6에는 도시하지 않았으나, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법은 관심 영역의 고정된 객체 중 적어도 하나를 특징점으로 설정할 수 있다. 예를 들면, 특징점이 되는 객체는 도로의 표지판, 이정표, 구조물 등 인식 가능한 고정 객체를 포함할 수 있다. 이 때, 특징점에 기반하여 복수의 시점에 촬영된 관심 영역 간의 일치 여부를 판단할 수 있다. 또한, 특징점의 좌표에 기반하여 관심 영역의 이동성 객체와 환경성 객체의 좌표를 산출할 수 있다. 예를 들면, 특징점과 객체의 좌표는 GPS에 기반한 좌표일 수 있다. 이 때, 기설정된 기준 좌표를 기준으로 특징점의 거리를 계산하고, 이에 기초하여 객체의 좌표를 산출할 수 있다.
도 7은 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법의 구체적인 동작을 나타내는 흐름도이다.
도 7을 참조하면, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법은 먼저, 저해상도 영상에 기반하여 관심 영역을 분석할 수 있다(S201). 이 경우, 촬영부(110)의 화각으로 촬영 가능한 전체 영역을 저해상도 영상을 통해 모니터링할 수 있다.
만약, 단계 S202에서 저해상도 영상을 통해 이동성 객체를 검출한 경우(YES), 해당 이동성 객체를 포함하는 고해상도 영상을 추가로 획득할 수 있다(S203). 만약, 단계 S204에서 고해상도 영상을 통해 해당 이동성 객체가 2차로 검출된 경우(YES), 관심 영역에 돌발 상황 이벤트가 발생한 것으로 판정할 수 있다(S205). 그러나, 고해상도 영상에서 해당 이동성 객체가 검출되지 않은 경우(NO)에는 단계 S206으로 진행할 수 있다.
한편, 단계 S202에서 저해상도 영상을 통해 이동성 객체가 검출되지 않은 경우(NO)에는 분할 영역에 대한 고해상도 영상을 획득할 수 있다(S206). 이 때, 분할 영역은 관심 영역 중 일부의 영역을 고해상도 디지털 줌으로 확대한 것으로서 인접한 분할 영역이 서로 중첩되도록 할 수 있다.
또한, 분할 영역에 대한 이전 시점의 고해상도 영상이 존재하는지 여부를 판단할 수 있다(S207). 만약, 비교 대상인 이전 시점의 고해상도 영상이 존재하지 않는 경우(NO)에는 획득된 고해상도 영상을 저장할 수 있다(S210). 한편, 분할 영역에 대한 이전 시점의 고해상도 영상이 존재하는 경우(YES), 이전 시점의 분할 영역에 대한 고해상도 영상과 비교하여 환경성 객체를 검출할 수 있다(S208).
만약, 분할 영역에 대한 고해상도 영상의 분석 결과, 환경성 객체가 검출된 경우(YES), 환경적 특이 사항 이벤트가 발생한 것으로 판정할 수 있다. 반면, 고해상도 영상의 분석 결과, 환경성 객체가 검출되지 않은 경우(NO)에는 획득된 고해상도 영상을 저장할 수 있다(S210).
이와 같이, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법은 저해상도 영상과 고해상도 영상을 함께 분석함으로써, 도로의 전체적인 영역에 걸쳐서 효율적으로 분석을 수행할 수 있고 분석 정확도를 향상시킬 수 있다.
또한, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법은 저사양의 하드웨어에서도 다수의 영상 분석이 가능하다.
또한 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법은 사각 지대 없이 전체 영상과 부분 확대 영상을 동시에 분석이 가능하다.
또한, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법은 이벤트가 발생한 위치에 대하여 GPS 좌표를 산출할 수 있어, 사전 및 사후 조치시에 신속하게 대응이 가능하다.
또한, 본 문서에 개시된 일 실시예에 따른 교통 정보 분석 방법은 차량 및 보행자의 통행 정보, 교통 법규 위반 정보, 및 방범 정보 등을 수집함으로써 다양한 교통 관련 서비스를 제공할 수 있다.
도 8은 본 문서에 개시된 일 실시예에 따라 다양한 객체를 감지하는 영상을 이용한 정보 분석 시스템의 동작을 설명하기 위한 도면이다. 또한, 도 9는 본 문서에 개시된 일 실시예에 따라 감지된 객체를 이용하여 다양한 기능을 수행하는 영상을 이용한 정보 분석 시스템의 동작을 설명하기 위한 도면이다.
도 9를 참조하면, 영상을 이용한 정보 분석 시스템(200)은 도 2의 영상을 이용한 정보 분석 시스템(100)과 동일하거나 유사한 구성을 포함하고, 도 2의 영상을 이용한 정보 분석 시스템(100)과 동일하거나 유사한 기능을 수행할 수 있다. 영상을 이용한 정보 분석 시스템(200)은 촬영부(예를 들면, 도 1 및 2의 촬영부(110))를 이용하여 영상을 촬영하고, 데이터 처리부(예를 들면, 도 1 및 2의 데이터 처리부(120))를 이용하여 촬영된 영상에 따라 다양한 객체를 다양한 개수만큼 감지 및 분석할 수 있다.
일 실시예에서, 영상을 이용한 정보 분석 시스템(200)의 데이터 처리부(예를 들면, 도 2의 데이터 처리부(120))는 관심 영역을 촬영한 영상에 기초하여 이동성 객체(예를 들면, 차량, 보행자 등)와 환경성 객체(예를 들면, 포트홀, 낙하물, 로드킬(동물 등), 안개, 결빙 등)를 검출할 수 있다. 특히, 데이터 처리부(120)는 전술한 것처럼 저해상도 영상에서는 전체 관심 영역을 모니터링하여 이동성 객체로 인한 돌발 상황을 검출할 수 있다. 또한, 데이터 처리부(120)는 고해상도 영상에서는 관심 영역 중 일부에 해당하는 분할 영역을 디지털 줌을 이용하여 생성하고, 투어링을 통해 주기적으로 분석하여 환경성 객체로 인한 환경적 특이 사항을 검출할 수 있다.
일 실시예에서, 영상을 이용한 정보 분석 시스템(200)의 데이터 처리부(120)는 저해상도 영상에 기반하여 이동성 객체를 검출한 경우, 해당 이동성 객체를 포함하는 고해상도 영상을 획득할 수 있다. 그리고, 고해상도 영상에 기초하여 해당 이동성 객체에 대한 2차 검출을 수행함으로써 기존 저해상도 영상을 통한 검출에 대한 검증을 수행하여 분석의 정확도를 높일 수 있다.
일 실시예에서, 영상을 이용한 정보 분석 시스템(200)의 데이터 처리부(120)는 관심 영역 중 적어도 일부를 고해상도 영상에 기반한 디지털 줌을 통해 확대하여 분할 영역을 설정할 수 있다. 또한, 복수의 분할 영역은 이동성 또는 환경성 객체가 복수의 분할 영역 사이에 걸치도록 검출되는 경우가 발생하거나 사각지대가 생기는 것을 방지하기 위해 서로 중첩되도록 나열될 수 있다.
일 실시예에서, 데이터 처리부(120)는 관심 영역의 고정된 객체 중 적어도 하나를 특징점으로 설정할 수 있다. 예를 들면, 특징점이 되는 객체는 도로의 표지판, 이정표, 구조물 등 인식 가능한 고정 객체를 포함할 수 있다. 또한, 데이터 처리부(120)는 화각의 틀어짐 여부를 검출하기 위해 특징점에 기반하여 복수의 시점에 촬영된 관심 영역 간의 일치 여부를 판단할 수 있다. 또한, 데이터 처리부(120)는 특징점의 좌표에 기반하여 관심 영역의 이동성 객체와 환경성 객체의 좌표를 산출할 수 있다.
일 실시예에서, 데이터 처리부(120)는 보행자의 수, 보행 속도, 또는 보행 방향과 같은 보행자의 통행 정보를 획득할 수 있다. 또한, 데이터 처리부(120)는 보행자의 외형과 같은 식별 정보를 획득할 수 있다. 데이터 처리부(120)는 획득된 보행자의 통행 정보 또는 식별 정보를 분석함으로써 불법으로 차도를 건너는 보행자를 감지하거나 또는 방범 기능을 수행할 수 있다.
일 실시예에서, 데이터 처리부(120)는 차량의 종류, 색상, 크기, 주행 차로, 또는 번호판과 같은 차량의 식별 정보를 획득할 수 있다. 영상을 이용한 정보 분석 시스템(200)은 획득된 차량의 식별 정보를 통해 영상을 이용한 정보 분석 시스템(200)이 위치한 지역(예를 들면, 교차로, 골목, 또는 고속도로)의 교통 상황을 분석할 수 있다. 교통 상황은, 예를 들어, 통행 정보, 위반 정보, 또는 교통 또는 생활 방범 정보 중 적어도 하나를 포함할 수 있다. 통행 정보는 차량의 수, 이동 속도, 이동 방향, 이동 거리, 통행량, 대기 길이, 또는 점유율 중 적어도 하나를 포함할 수 있다. 위반 정보는 차량의 속도 위반, 신호 위반, 역주행, 주행 차로 위반, 차선 위반, 정지선 위반, 또는 불법 주정차 위반 중 적어도 하나에 대한 검출 결과를 포함할 수 있다. 영상을 이용한 정보 분석 시스템(200)은 분석된 교통 상황에 기반하여 신호를 제어하거나 다른 경로를 차량에게 전달할 수 있다.
도 9를 참조하면, 영상을 이용한 정보 분석 시스템(300)은 도 8의 영상을 이용한 정보 분석 시스템(200)과 동일하거나 유사한 구성을 포함하고, 도 8의 영상을 이용한 정보 분석 시스템(200)과 동일하거나 유사한 기능을 수행할 수 있다. 영상을 이용한 정보 분석 시스템(300)의 데이터 처리부(예를 들면, 도 1 및 2의 데이터 처리부(120))는 촬영부(예를 들면, 도 1 및 2의 촬영부(110))를 이용하여 복수의 기능을 동시에 수행할 수 있다. 예를 들어, 데이터 처리부(120)는 촬영부(110)에 의해 획득된 영상에 기초하여 차량(310)의 속도를 측정하거나, 지정된 영역(예를 들면, 어린이 보호 구역 또는 노인 보호 구역)에서 차량의 속도를 산출하거나, 또는 방범 기능을 수행할 수 있다.
다른 예를 들어, 데이터 처리부(120)는 불법 주정차 구역(325)에 정차된 차량(320)을 감지 및 단속할 수 있다. 예를 들어, 불법 주정차 구역(325)에 정차된 차량(320)이 지정된 시간(예를 들면, 10분) 동안 지정된 횟수(예를 들면, 2회) 이상 감지되면, 데이터 처리부(120)는 해당 차량(320)이 불법주정차를 한 것으로 결정할 수 있다.
도 10은 본 문서에 개시된 일 실시예에 따른 운영 장치를 포함하는 영상을 이용한 정보 분석 시스템을 보여주는 블록도이다.
도 10을 참조하면, 영상을 이용한 정보 분석 시스템(400)은 네트워크(420)를 통해 연결되는 적어도 하나의 정보 분석 시스템 유닛(예를 들면, 410-1, 410-2, 410-3)과 운영 장치(430)를 포함할 수 있다. 한편, 도 2에 관하여 전술한 정보 분석 시스템(100)과 동일한 구성 요소는 도 10의 경우에도 그 기능이 동일하므로 자세한 설명은 생략한다.
예를 들어, 정보 분석 시스템 유닛(410-1)은 특정 지역(예를 들면, 교차로, 골목, 또는 고속도로) 단위로 설치될 수 있다. 정보 분석 시스템 유닛(410-1)은 운영 장치(430)와 통신할 수 있는 통신 인터페이스(140)를 포함할 수 있다. 통신 인터페이스(140)는 유선 또는 무선 중 적어도 하나를 포함할 수 있다. 운영 장치(430)는 지방 자치 단체, 도로 공사, 시설 공단, 또는 경찰청에서 운영하는 관제 센터 등에 설치될 수 있다.
운영 장치(430)는 정보 분석 시스템 유닛(410-1)으로부터 수신된 정보를 데이터 베이스(432)에 저장 및 관리하고, 저장된 정보를 이용하여 실시간으로 교통 상황을 관제할 수 있는 인터페이스를 포함할 수 있다. 또한, 운영 장치(430)는 정보 분석 시스템 유닛(410-1)의 부족한 하드웨어 성능을 보완할 수 있다. 예를 들어, 운영 장치(430)의 데이터 처리부(431)는 정보 분석 시스템 유닛(410-1)의 데이터 처리부(120) 보다 고성능의 영상 처리를 구현할 수 있는 하드웨어(예를 들면, GPU(graphic processing unit))를 포함할 수 있다. 데이터 처리부(431)는 정보 분석 시스템 유닛(410-1)에서 수행되는 교통 상황(예를 들면, 통행 정보, 위반 정보, 또는 방범 정보) 분석을 포함하여 데이터 처리부(120)의 기능과 동일한 기능을 수행할 수 있다. 여기서, 방범 정보는 생활 방범 정보 및 교통 방범 정보를 포함할 수 있다. 이 경우, 정보 분석 시스템 유닛(410-1)의 데이터 처리부(120)는 제거 또는 비활성화되는 것이 가능하다. 운영 장치(430)는 분석된 교통 상황에 기반하여 신호를 제어하거나 차량에게 다른 경로를 제공하도록 정보 분석 시스템 유닛(410-1)에게 명령을 전달할 수 있다.
이상에서, 본 문서에 개시된 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 문서에 개시된 실시예들이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 문서에 개시된 실시예들의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 문서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 문서에 개시된 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 문서에 개시된 실시예들의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 문서에 개시된 실시 예들은 본 문서에 개시된 실시예들의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 문서에 개시된 기술 사상의 범위가 한정되는 것은 아니다. 본 문서에 개시되 기술사상의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 문서의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (14)

  1. 저해상도 영상에 기반하여 관심 영역을 분석하고,
    상기 관심 영역 분석을 통해 이동성 객체가 검출되면, 상기 이동성 객체를 포함하는 고해상도 영상을 통해 상기 이동성 객체와 연관된 이벤트 발생을 검출하고,
    상기 관심 영역 분석을 통해 이동성 객체가 검출되지 않으면, 상기 관심 영역에서 설정된 복수의 분할 영역을 지정된 주기에 따라 이동하면서 고해상도 영상을 통해 환경성 객체를 검출하여 상기 관심 영역의 환경 변화를 분석하는 데이터 처리부를 포함하는, 영상을 이용한 정보 분석 시스템.
  2. 청구항 1에 있어서,
    상기 데이터 처리부는 상기 관심 영역의 고정된 객체 중 적어도 하나를 특징점으로 설정하고, 복수의 시점에 촬영된 관심 영역의 상기 특징점의 일치 여부를 판단하는 영상을 이용한 정보 분석 시스템.
  3. 청구항 2에 있어서,
    상기 데이터 처리부는 상기 특징점의 좌표에 기반하여 상기 관심 영역의 이동성 객체와 환경성 객체의 좌표를 산출하는 영상을 이용한 정보 분석 시스템.
  4. 청구항 3에 있어서,
    상기 데이터 처리부는 상기 특징점의 좌표, 상기 특징점과 상기 이동성 객체와 환경성 객체 사이의 위도 및 경도상 거리, 및 위도 및 경도의 1초값에 기반하여 상기 관심 영역의 이동성 객체와 환경성 객체의 좌표를 산출하는 영상을 이용한 정보 분석 시스템.
  5. 삭제
  6. 삭제
  7. 청구항 1에 있어서,
    상기 복수의 분할 영역은 서로 중첩되도록 나열된 영역인 영상을 이용한 정보 분석 시스템.
  8. 청구항 1에 있어서,
    상기 데이터 처리부는 상기 관심 영역 중 적어도 일부를 디지털 줌을 통해 확대하여 상기 복수의 분할 영역을 설정하는 영상을 이용한 정보 분석 시스템.
  9. 청구항 1에 있어서,
    상기 데이터 처리부는 상기 이동성 객체를 포함하는 고해상도 영상을 이용하여 상기 저해상도 영상에서 검출된 상기 이동성 객체에 관한 검증을 수행하는 영상을 이용한 정보 분석 시스템.
  10. 청구항 1에 있어서,
    상기 관심 영역을 촬영하도록 설정된 촬영부를 더 포함하는 영상을 이용한 정보 분석 시스템.
  11. 청구항 1 또는 청구항 10에 있어서,
    상기 관심 영역의 객체를 검출 및 추적하도록 설정된 레이더를 포함하는 객체 검출 센서부를 더 포함하는 영상을 이용한 정보 분석 시스템.
  12. 청구항 1에 있어서,
    상기 데이터 처리부는 상기 관심 영역의 객체의 식별 정보를 획득하고, 통행 정보, 위반 정보, 또는 방범 정보 중 적어도 하나를 분석하도록 설정된 영상을 이용한 정보 분석 시스템.
  13. 청구항 1 또는 청구항 12에 있어서,
    상기 데이터 처리부에 의하여 획득된 정보를 통해 교통 상황을 관제하도록 설정된 운영 장치를 더 포함하는 영상을 이용한 정보 분석 시스템.
  14. 정보 분석 시스템의 동작 방법에 있어서,
    저해상도 영상에 기반하여 관심 영역을 분석하는 단계;
    상기 관심 영역 분석을 통해 이동성 객체가 검출되면, 상기 이동성 객체를 포함하는 고해상도 영상을 통해 상기 이동성 객체와 연관된 이벤트 발생을 검출하는 단계; 및
    상기 관심 영역 분석을 통해 이동성 객체가 검출되지 않으면, 상기 관심 영역에서 설정된 복수의 분할 영역을 지정된 주기에 따라 이동하면서 고해상도 영상을 통해 환경성 객체를 검출하여 상기 관심 영역의 환경 변화를 분석하는 단계를 포함하는, 정보 분석 시스템의 동작 방법.
KR1020210047364A 2021-04-12 2021-04-12 영상을 이용한 정보 분석 시스템 및 그에 관한 방법 Active KR102317311B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210047364A KR102317311B1 (ko) 2021-04-12 2021-04-12 영상을 이용한 정보 분석 시스템 및 그에 관한 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210047364A KR102317311B1 (ko) 2021-04-12 2021-04-12 영상을 이용한 정보 분석 시스템 및 그에 관한 방법

Publications (1)

Publication Number Publication Date
KR102317311B1 true KR102317311B1 (ko) 2021-10-27

Family

ID=78287058

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210047364A Active KR102317311B1 (ko) 2021-04-12 2021-04-12 영상을 이용한 정보 분석 시스템 및 그에 관한 방법

Country Status (1)

Country Link
KR (1) KR102317311B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114998867A (zh) * 2022-06-27 2022-09-02 安徽酷哇机器人有限公司 基于单相机的红绿灯状态检测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101852058B1 (ko) * 2017-11-23 2018-04-25 주식회사 아이티아이비전 듀얼 카메라를 이용한 돌발 상황 감지방법
KR101950151B1 (ko) * 2018-10-05 2019-02-19 손종남 영상 감시 시스템
KR102104351B1 (ko) * 2019-11-20 2020-05-29 주식회사 플랜비 레이더 모듈을 이용하여 움직이는 객체를 검지하는 cctv 카메라 및 이를 구비하는 cctv 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101852058B1 (ko) * 2017-11-23 2018-04-25 주식회사 아이티아이비전 듀얼 카메라를 이용한 돌발 상황 감지방법
KR101950151B1 (ko) * 2018-10-05 2019-02-19 손종남 영상 감시 시스템
KR102104351B1 (ko) * 2019-11-20 2020-05-29 주식회사 플랜비 레이더 모듈을 이용하여 움직이는 객체를 검지하는 cctv 카메라 및 이를 구비하는 cctv 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114998867A (zh) * 2022-06-27 2022-09-02 安徽酷哇机器人有限公司 基于单相机的红绿灯状态检测方法及系统

Similar Documents

Publication Publication Date Title
US11080995B2 (en) Roadway sensing systems
US11380105B2 (en) Identification and classification of traffic conflicts
US8284996B2 (en) Multiple object speed tracking system
US6396535B1 (en) Situation awareness system
KR102282800B1 (ko) 라이다와 영상카메라를 이용한 멀티 표적 추적 방법
KR102434154B1 (ko) 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법
US20190066490A1 (en) Smart city data analytics for improved accident reconstruction and solutions
CN105761500A (zh) 交通事故处理方法及交通事故处理装置
US11914041B2 (en) Detection device and detection system
Battiato et al. On-board monitoring system for road traffic safety analysis
WO2014160027A1 (en) Roadway sensing systems
KR102272279B1 (ko) 인공지능 알고리즘을 이용한 차량번호판 인식 방법
JP7495384B2 (ja) トップビューセンサデータを用いた交通推定を向上させるための方法およびシステム
KR102713540B1 (ko) 고정 카메라 및 이동 카메라를 이용한 영상 분석 장치
Dinh et al. Development of a tracking-based system for automated traffic data collection for roundabouts
KR102317311B1 (ko) 영상을 이용한 정보 분석 시스템 및 그에 관한 방법
KR102380599B1 (ko) 교통 정보 분석 시스템 및 그에 관한 방법
KR20230150020A (ko) 실시간 주차장 정보 스마트 안내 시스템
JP2004199649A (ja) 突発事象検出方法
KR101936004B1 (ko) 지능형 보행자 검출 방법
KR102420821B1 (ko) 해상도 변환을 이용한 영상 분석 시스템 및 그에 관한 방법
KR102612353B1 (ko) 영상 분석 시스템 및 그에 관한 방법
KR102510896B1 (ko) 영상 분석 기반의 신호 제어 시스템
KR102340902B1 (ko) 스쿨존을 모니터링하는 장치 및 방법
KR102751262B1 (ko) 이륜차 돌발상황 검지 시스템 및 이를 이용한 돌발상황 검지방법

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20210412

PA0201 Request for examination
PA0302 Request for accelerated examination

Patent event date: 20210412

Patent event code: PA03022R01D

Comment text: Request for Accelerated Examination

PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20210616

Patent event code: PE09021S01D

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: 20210930

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20211020

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20211021

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20240131

Start annual number: 4

End annual number: 6