KR101753660B1

KR101753660B1 - System of access control of stockbreeding farmhouse and method thereof

Info

Publication number: KR101753660B1
Application number: KR1020170023271A
Authority: KR
Inventors: 이홍기; 김진호
Original assignee: 주식회사한맥아이피에스
Priority date: 2017-02-22
Filing date: 2017-02-22
Publication date: 2017-07-19

Abstract

축산농가 출입관리 시스템 및 그 방법이 개시된다. 축산농가를 방문하기 위한 차량의 차량 번호 및 탑승자를 미리 방문 예약 등록하는 원격 방역 제어 서버; 축산농가로 진입하는 차량의 통행을 허용 또는 차단하는 차량 차단 바(bar); 상기 축산농가로 진입하는 차량에 대해 방역 작업을 수행하는 차량 방역기; 상기 차량의 탑승자에 대해 방역 작업을 수행하는 대인 방역기; 상기 축산농가로 진입하는 차량을 검지하고, 차량이 검지되면 축산농가 진입 신호를 생성하여 송신하는 차량 검지용 CCTV(closed-circuit television); 상기 검지된 차량의 차량 번호 인식 명령을 수신하고, 수신된 차량 번호인식 명령에 따라 상기 차량의 차량 번호를 포착하여 인식하는 차량 번호 인식용 PTZ(Pan & Tilt & Zoom) 카메라; 상기 차량 검지용 CCTV로부터 축산농가 진입 신호를 수신하고 수신된 축산농가 진입 신호에 따라 차량 번호 인식 명령을 생성하여 상기 차량 번호 인식용 PTZ 카메라로 송신하고, 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량 번호를 원격 방역 제어 서버를 통해 조회하고, 조회 결과 차량 번호가 방문 예약 등록되어 있는 경우 상기 차량 방역기 및 대인 방역기가 방역 작업을 수행하도록 제어하고, 상기 차량 방역기 및 대인 방역기로부터 방역 작업 완료 신호를 수신하면, 상기 차량 차단 바가 상기 차량의 통행을 허용하도록 제어하는 현장 제어기를 구성한다.An animal husbandry access control system and method thereof are disclosed. A remote anti-virus control server for pre-registering and registering the vehicle number and the passenger of the vehicle for visiting the livestock farmhouse; A vehicle blocking bar that allows or blocks passage of a vehicle entering the livestock farm; A vehicle surveillance unit performing a surveillance operation on a vehicle entering the livestock farming area; An interpreter for performing a pollution operation on an occupant of the vehicle; A closed-circuit television (CCTV) for detecting a vehicle entering the livestock farming house and generating and transmitting a livestock farming entrance signal when the vehicle is detected; A PTZ (Pan & Tilt & Zoom) camera for recognizing a car number, which receives the car number recognition command of the detected car and recognizes and recognizes the car number of the car according to the received car number recognition command; Receives a livestock farm entry signal from the CCTV for vehicle detection, generates a vehicle number recognition command in accordance with the received livestock farm entry signal, transmits the vehicle number recognition command to the PTZ camera for vehicle number recognition, The control unit controls the vehicle surveillance unit and the personal surveillance unit to perform the surveillance work when the inquiry result vehicle number is registered in the visit reservation and receives the surveillance work completion signal from the vehicle surveillance unit and the personal surveillance unit , The on-vehicle controller configures a field controller that controls the vehicle blocking bar to allow the vehicle to pass.

Description

축산농가 출입관리 시스템 및 그 방법{SYSTEM OF ACCESS CONTROL OF STOCKBREEDING FARMHOUSE AND METHOD THEREOF}TECHNICAL FIELD [0001] The present invention relates to a system and an access control system for an animal husbandry farm,

본 발명은 출입관리 시스템 및 그 방법에 관한 것으로서, 구체적으로는 축산농가 출입관리 시스템 및 그 방법에 관한 것이며, 좀 더 구체적으로는 구제역, 고병원성 AI 등 가축의 재난성 질병의 2차 확산을 방지하기 위한 축산농가 출입관리 시스템 및 그 방법이다.The present invention relates to an access control system and method thereof, and more particularly, to a system and method for controlling access to a livestock farmhouse, and more particularly, to preventing a secondary spread of disaster disease of livestock such as foot-and- And an access control system for the livestock farm.

축산농가는 조류 독감이나 구제역 등에 의해 막대한 피해를 입을 수 있다.Livestock farmers can suffer enormous damage from bird flu and foot-and-mouth disease.

전염성이 높은 병원균을 미리 방역을 통해 확산을 방지하고, 외부로부터 병원균이 유입되는 것을 미연에 차단할 필요가 있다.It is necessary to prevent diffusion of pathogenic microorganisms having high infectivity in advance and prevent the inflow of pathogenic microorganisms from the outside in advance.

이에, 축산농가에 진입하는 차량에 대해서는 미리 소독약이나 처치하여 진입하도록 한다. 축산 차량 등록제에 따라 등록된 차량은 크게 문제가 없을지라도 그 외에 택배 차량, 우체국 차량, 음식물 배달 차량 등의 불특정 차량들이 축산농가를 방문하는 경우가 비일비재하다.Therefore, a vehicle entering the livestock farmhouse should be treated with disinfectant in advance. Although there are no major problems with registered vehicles according to the livestock vehicle registration system, unspecified vehicles such as courier vehicles, post office vehicles, and food delivery vehicles visit the livestock farmers.

이에, 등록된 차량은 물론 등록되지 않은 차량에 대해서도 방역 대책이 제대로 마련되어야 하는 실정이다.Therefore, it is necessary to properly prepare anti-virus measures against registered vehicles as well as unregistered vehicles.

기존에는 축산농가의 출입 차량에 대해서 일지 작성을 하도록 의무화하고 있으나, 일지 작성이 제대로 실행되지 못하고 있는 실정이며 방역 여부에 대해서도 불명확하게 처리되고 있다.In the past, it has been obligatory to make journals about the access vehicles of livestock farmers, but journals are not being properly implemented and whether or not the journals are protected is also unclear.

이에, 기존의 방역 대책은 사실상 치밀하지 못하고 많은 문제점이 내포되어 허술하다고 볼 수 있다.Therefore, the existing anti-virus measures are in fact insufficiently insufficient and many problems are implied.

한편, RFID를 이용하여 대인 소독 또는 차량 소독의 대상을 명확하게 하여 방역 처리를 하기도 하지만, 불특정의 모든 차량에 RFID 카드를 배포하는 것은 불가능하다.On the other hand, it is impossible to distribute the RFID card to all unspecified vehicles, although the RFID is used to prevent the disinfection or disinfection of the vehicle by clarifying the object.

이에, 축산농가에 진입하는 차량에 대해 미리 등록된 차량은 물론 등록되지 않은 차량에 대해서 방역 대책을 철저하게 마련하고 실행할 수 있는 방안이 요구되고 있다.Accordingly, there is a demand for a method of thoroughly preparing and implementing a preventive measure against a vehicle registered in advance in a livestock farmhouse as well as a vehicle registered in advance.

제10-1277803호No. 10-1277803 제10-1368455호10-1368455

본 발명의 목적은 축산농가 출입관리 시스템을 제공하는 데 있다.An object of the present invention is to provide a livestock farm access control system.

본 발명의 다른 목적은 축산농가 출입관리 방법을 제공하는 데 있다.Another object of the present invention is to provide a method for controlling access to an animal husbandry farm.

상술한 본 발명의 목적에 따른 축산농가 출입관리 시스템은, 축산농가를 방문하기 위한 차량의 차량 번호 및 탑승자를 미리 방문 예약 등록하는 원격 방역 제어 서버; 축산농가로 진입하는 차량의 통행을 허용 또는 차단하는 차량 차단 바(bar); 상기 축산농가로 진입하는 차량에 대해 방역 작업을 수행하는 차량 방역기; 상기 차량의 탑승자에 대해 방역 작업을 수행하는 대인 방역기; 상기 축산농가로 진입하는 차량을 검지하고, 차량이 검지되면 축산농가 진입 신호를 생성하여 송신하는 차량 검지용 CCTV(closed-circuit television); 상기 검지된 차량의 차량 번호 인식 명령을 수신하고, 수신된 차량 번호인식 명령에 따라 상기 차량의 차량 번호를 포착하여 인식하는 차량 번호 인식용 PTZ(Pan & Tilt & Zoom) 카메라; 상기 차량 검지용 CCTV로부터 축산농가 진입 신호를 수신하고 수신된 축산농가 진입 신호에 따라 차량 번호 인식 명령을 생성하여 상기 차량 번호 인식용 PTZ 카메라로 송신하고, 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량 번호를 원격 방역 제어 서버를 통해 조회하고, 조회 결과 차량 번호가 방문 예약 등록되어 있는 경우 상기 차량 방역기 및 대인 방역기가 방역 작업을 수행하도록 제어하고, 상기 차량 방역기 및 대인 방역기로부터 방역 작업 완료 신호를 수신하면, 상기 차량 차단 바가 상기 차량의 통행을 허용하도록 제어하는 현장 제어기를 포함하도록 구성될 수 있다.The livestock farm entrance / exit management system according to the present invention includes: a remote antivirus control server for registering a vehicle number and a passenger of the livestock farmhouse for visiting; A vehicle blocking bar that allows or blocks passage of a vehicle entering the livestock farm; A vehicle surveillance unit performing a surveillance operation on a vehicle entering the livestock farming area; An interpreter for performing a pollution operation on an occupant of the vehicle; A closed-circuit television (CCTV) for detecting a vehicle entering the livestock farming house and generating and transmitting a livestock farming entrance signal when the vehicle is detected; A PTZ (Pan & Tilt & Zoom) camera for recognizing a car number, which receives the car number recognition command of the detected car and recognizes and recognizes the car number of the car according to the received car number recognition command; Receives a livestock farm entry signal from the CCTV for vehicle detection, generates a vehicle number recognition command in accordance with the received livestock farm entry signal, transmits the vehicle number recognition command to the PTZ camera for vehicle number recognition, The control unit controls the vehicle surveillance unit and the personal surveillance unit to perform the surveillance work when the inquiry result vehicle number is registered in the visit reservation and receives the surveillance work completion signal from the vehicle surveillance unit and the personal surveillance unit And a field controller that controls the vehicle shut-off bar to permit passage of the vehicle.

여기서, 상기 대인 방역기가, 안면 인식 카메라를 이용하여 상기 탑승자의 안면을 인식하도록 구성되고, 상기 현장 제어기가, 상기 대인 방역기에서 인식된 안면을 상기 원격 방역 제어 서버를 통해 조회하고, 조회 결과 상기 탑승자가 방문 예약 등록되어 있는지 확인하고, 확인 결과 방문 예약 등록되어 있는 경우 상기 대인 방역기가 상기 탑승자에 대해 방역 작업을 수행하도록 제어하는 것으로 구성될 수 있다.Wherein the face detector recognizes the face of the occupant using a facial recognition camera, and the field controller inquires of the facial image recognized by the face image recognizer through the remote control server, And if the visit reservation is registered as a result of the check, the personal defense device controls the passenger to perform the anti-vandalism work.

그리고 상기 현장 제어기는, 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량 번호를 원격 방역 제어 서버를 통해 조회한 결과 차량 번호가 방문 예약 등록되어 있지 않거나, 상기 대인 방역기에서 인식된 안면을 상기 원격 방역 제어 서버를 통해 조회한 결과 상기 탑승자가 방문 예약 등록되어 있지 않은 경우, 농장 관리자 단말로 방문 승인 요청 신호를 송신하고 상기 농장 관리자 단말로부터 방문 승인 신호를 수신하며, 방문 승인 신호가 수신되면 상기 차량 방역기 및 대인 방역기가 방역 작업을 수행하도록 제어하는 것으로 구성될 수 있다.When the vehicle number recognized by the PTZ camera for recognizing the car number is retrieved through the remote control server through the remote control server, the on-site controller determines that the car number is not registered for visiting reservation or the face recognized by the interpreter And transmits a visit approval request signal to the farm manager terminal and receives a visit approval signal from the farm manager terminal when the passenger is not registered for visit reservation as a result of inquiry through the server, And controlling the anti-personal device to perform the anti-virus operation.

그리고 상기 원격 방역 제어 서버는, 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량의 차량 번호와 미리 방문 예약 등록되어 있는 차량의 차량 번호와 대비하여 확인하고, 상기 대인 방역기에서 인식된 안면이 미리 방문 예약 등록되어 있는 탑승자의 안면과 대비하여 확인하도록 구성될 수 있다.The remote control server confirms the comparison between the vehicle number of the vehicle recognized by the vehicle number recognition PTZ camera and the vehicle number of the vehicle registered in advance in the visit reservation, It can be configured to check the registered face of the occupant in comparison with the registered face of the occupant.

그리고 상기 차량 검지용 CCTV는, 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 잡음 제거 필터 모듈; 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 제1 에지 정보 추출 모듈; 상기 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 모폴로지 연산 모듈; 차량 탐지 영역이 촬영된 입력 영상과 상기 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 배경 영상 생성 모듈; 상기 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 상기 차량 검지용 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 차영상 생성 모듈; 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 제2 에지 정보 추출 모듈; 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 에지 판단 모듈; 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 진입 차량 판단 모듈; 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 배경 영상 업데이트 모듈을 포함하도록 구성될 수 있다.The CCTV for vehicle detection includes a noise filter module for removing shadows or noise included in an input image of a vehicle detection region using noise filtering; A first edge information extraction module for converting an input image into a monochrome image by applying an adaptive binarization algorithm to an input image subjected to noise reduction filtering and extracting edge information included in the input image; A morphology operation module for extracting edge information connected in a vehicle form by continuously performing a morphology operation on the extracted edge information; A background image generation module for generating a background image of a grayscale image using an input image of a vehicle detection region and a binary image obtained by binarizing the input image into a monochrome image; A pixel having a difference between the intensity of each pixel of the background image of the generated gray-scale image and the intensity of light of each pixel of the input image newly input from the vehicle detection CCTV is set to a binary number '1' A difference image generation module for finally generating a difference image of a foreground / monochrome image in which shadows or noise are removed by processing a pixel lower than a threshold value as a foreground, and a pixel as a binary number '0' as a background; A second edge information extracting module for extracting edge information of a vehicle type by performing a morphology operation on a difference image of foreground black and white images; Extracting edge information of a vehicle object candidate region from edge information extracted from the difference image, removing edge components less than the edge size set in the moving vehicle detection system, and extracting edge components larger than the edge size set in the moving vehicle detection system, An edge determination module for determining whether the edge of the area is the same as the shape information of the vehicle; An incoming vehicle judging module which judges that a new vehicle is entered into the detection area when the edge information of the vehicle object candidate area extracted from the difference image is the same as the shape information of the vehicle; If the vehicle object candidate region extracted from the car image is a region where the vehicle stopped in the background image is missing, it is determined that the road background is left after the stopping vehicle is left, so that the vehicle object candidate region of the background image is updated And a background image update module for updating the background image.

그리고 상기 잡음 제거 필터 모듈은 적응적 선형 필터인 Wiener 필터를 사용하고, 상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에

식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화하고, 여기서,

: 명도 영상 중 3X3 영역에 있는 각 화소들의 명암에 대한 국소 평균,

: 명도 영상 중 3X3 영역에 있는 각 화소들의 명암에 대한 분산,

: 명도 영상 중 3X3 영역에 있는 각 화소들의 명암에 대한 분산 값들의 전체 평균,

: 명도 영상 중 3X3 영역에 있는 각 화소들의 명암도(소스 명도 영상: source grayscale image),

: 명도 영상 중 3X3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성되도록 구성될 수 있다.The noise cancellation filter module uses a Wiener filter, which is an adaptive linear filter, and the Wiener filter is an input image transformed into a grayscale image

&Lt; / RTI > to remove noise in the brightness image and smooth the background surface,

: The local average of the contrast of each pixel in the 3X3 region of the brightness image,

: Variance of lightness and darkness of each pixel in the 3X3 region of brightness image,

: The average of the variance values for the contrast of each pixel in the 3x3 region of the brightness image,

: The intensity of each pixel in the 3 × 3 region of the brightness image (source brightness image)

: It can be configured to generate a result of applying a Wiener filter to each pixel in the 3X3 region of the brightness image.

그리고 상기 배경 영상 생성 모듈은

을 이용하여 배경 영상을 생성하고, 여기서, 상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고, 상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며, 상기 S(x,y)는 상기 입력 영상을 흑백 영상으로 이진화시킨 이진 영상으로 구성될 수 있다.The background image generation module

(X, y) is an input image in which a vehicle detection region is photographed, and S (x, y) is a background image of a gray scale image, y) may be a binary image obtained by binarizing the input image into a monochrome image.

그리고 상기 차영상 생성 모듈은

을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하고, 여기서, T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상, B(x,y)는 그레이스케일 이미지의 배경 영상, I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상. d(B(x,y))는 임계치로 구성될 수 있다.The difference image generation module

(X, y) is a background image of a gray scale image, I (x, y) is a background image of a grayscale image, (x, y) is the input image newly input from the CCTV. d (B (x, y)) may be configured as a threshold value.

그리고 상기 에지 판단 모듈은 탐지 영역 내에서 객체 후보 영역에 가로 길이가 일정 크기 이상인 수평 에지가 존재하고, 객체 후보 영역 상하에 일정 크기 이상의 에지가 존재하며, 객체 후보 영역을 4 사분면으로 나눴을 때 최소 3 사분면 이상에 일정 크기 이상의 에지가 존재할 때 객체 후보 영역의 에지가 차량의 형태 정보와 같다고 판단하고, 상기 배경 영상 업데이트 모듈은 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 해당 영역을 배경 영상의 가우시안 혼합물(mixture of Gaussian)들 중에서 중요도가 가장 높은 가우시안 모드(Gaussian mode)의 평균을 해당 영역의 색상 값으로 업데이트하도록 구성될 수 있다.In addition, the edge determination module has a horizontal edge having a horizontal length equal to or greater than a certain size in an object candidate region in the detection region, an edge having a certain size or larger exists in the upper and lower portions of the object candidate region, and when the object candidate region is divided into quadrants The background image update module determines that the edge of the object candidate area is the same as the shape information of the vehicle when there is an edge of a predetermined size or more on the quadrant or more of the quadrant The area may be configured to update the average of the Gaussian mode having the highest importance among the Gaussian mixture of the background image to the color value of the corresponding area.

그리고 상기 차량 번호 인식용 PTZ 카메라는, 상기 축산농가로 진입하는 차량을 촬영하는 차량 촬영 모듈; 상기 차량 번호 인식용 PTZ 카메라의 영상을 컬러링된 이진 영상으로 이진화하는 이진화 모듈; 상기 이진 영상 중에서 차량의 번호판 영역을 추출하는 번호판 영역 추출 모듈을 포함하고, 상기 이진화 모듈은, 상기 수신된 영상 중에서 텍스트 획 후보들의 수평 경계점들을 추출하여 수평 획 경계점 지도를 생성하고, 상기 텍스트 획 사이의 픽셀을 그룹핑하여 세그먼트 이미지를 생성하고, 상기 세그먼트 이미지 중 각각의 텍스트가 서로 다른 색깔을 갖도록 컬러링된 이진 영상을 생성하도록 구성될 수 있다.The PTZ camera for recognizing the car number includes a vehicle photographing module for photographing a vehicle entering the livestock farmhouse; A binarization module for binarizing an image of the PTZ camera for recognizing the car number into a colorized binary image; And a license plate area extraction module for extracting a license plate area of the vehicle from the binary image, wherein the binarization module extracts horizontal boundary points of the text stroke candidates from the received image to generate a horizontal stroke boundary point map, To generate a segmented image, and to generate a colorized binary image such that each of the segmented images has a different color.

그리고 상기 차량 촬영 모듈은, 상기 차량 번호판 영역에 포함된 문자 블롭들을 선명화하는 선명화 모듈; 상기 선명화된 문자 블롭들 각각에 해당하는 문자들을 인식하는 문자 인식 모듈을 더 포함하도록 구성될 수 있다.The vehicle photographing module includes: a sharpening module for sharpening character blobs included in the license plate area; And a character recognition module for recognizing characters corresponding to each of the sharpened character blobs.

그리고 상기 문자 인식 모듈은, 신경망 문자 인식기와 은닉 마르코프 모델 인식기를 포함하며, 상기 신경망 문자 인식기를 이용하여 상기 문자 블롭들 각각에 해당하는 문자들을 인식하고, 상기 신경망 문자 인식기로 인식되지 않는 문자 블롭들을 상기 은닉 마르코프 모델 인식기를 이용하여 인식하도록 구성될 수 있다.The character recognizing module includes a neural network character recognizer and a hidden Markov model recognizer, recognizing characters corresponding to each of the character blobs using the neural network character recognizer, and recognizing character blobs not recognized as the neural network character recognizer And can be configured to recognize using the hidden Markov model recognizer.

그리고 상기 신경망 문자 인식기는 지역 전용 인식기, 문자 전용 인식기 및 숫자 전용 인식기 중 적어도 하나 이상의 조합으로 구현될 수 있다.The neural network character recognizer may be implemented by a combination of at least one of a region-specific recognizer, a character-specific recognizer, and a numeric-only recognizer.

그리고 상기 선명화 모듈은, 상기 번호판 영역에 포함된 문자 블롭들의 선명도를 추정하고, 추정된 선명도가 기준 선명도보다 낮은 경우, 상기 번호판 영역에 선명화 알고리즘을 적용하여 상기 문자 블롭들을 선명화하도록 구성될 수 있다.The sharpening module estimates the sharpness of the character blobs included in the license plate area and sharpens the character blobs by applying a sharpening algorithm to the license plate area when the estimated sharpness is lower than the reference sharpness .

그리고 상기 원격 방역 제어 서버는, 복수의 얼굴 모델 그래프(Face Model Graph)가 미리 저장되는 FMG 데이터베이스; 상기 FMG 데이터베이스에 미리 저장된 복수의 얼굴 모델 그래프를 상기 안면 인식 카메라에서 인식된 안면에 차례대로 적용하여 상기 안면의 눈, 코, 입 및 윤곽선에 대한 특징점을 추출하고 추출된 특징점들로 구성되는 얼굴 그래프를 생성하는 얼굴 그래프 생성 모듈; 상기 얼굴 그래프 생성 모듈에서 생성된 얼굴 그래프에서 가버 웨이블릿 피처(Gabor wavelet feature) 및 LBP(Local Binary Pattern) 결합 피처를 추출하여 템플릿을 생성하는 템플릿 생성 모듈; 상기 템플릿 생성 모듈에서 생성된 템플릿과 상기 미리 방문 예약 등록되어 있는 탑승자의 템플릿의 유사도를 판단하는 템플릿 매칭 모듈을 포함하도록 구성될 수 있다.The remote protection control server includes an FMG database in which a plurality of face model graphs are stored in advance; A plurality of facial model graphs previously stored in the FMG database are sequentially applied to facial faces recognized by the facial recognition camera to extract feature points for the eyes, nose, mouth, and contours of the face, and a face graph A face graph generation module for generating a face graph; A template generation module for extracting a Gabor wavelet feature and a LBP (Local Binary Pattern) combining feature from a face graph generated by the face graph generation module to generate a template; And a template matching module for determining the similarity between the template generated by the template generation module and the template of the occupant registered in the advance visit reservation.

상술한 본 발명의 다른 목적에 따른 축산농가 출입관리 방법은, 원격 방역 제어 서버가 축산농가를 방문하기 위한 차량의 차량 번호 및 탑승자를 미리 방문 예약 등록하는 단계; 차량 검지용 CCTV(closed-circuit television)가 상기 축산농가로 진입하는 차량을 검지하고, 차량이 검지되면 축산농가 진입 신호를 생성하여 현장 제어기로 송신하는 단계; 현장 제어기가 상기 차량 검지용 CCTV로부터 축산농가 진입 신호를 수신하고 수신된 축산농가 진입 신호에 따라 차량 번호 인식 명령을 생성하여 상기 차량 번호 인식용 PTZ(Pan & Tilt & Zoom) 카메라로 송신하는 단계; 상기 차량 번호 인식용 PTZ 카메라가 상기 검지된 차량의 차량 번호 인식 명령을 수신하고, 수신된 차량 번호인식 명령에 따라 상기 차량의 차량 번호를 포착하여 인식하는 단계; 현장 제어기가 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량 번호를 원격 방역 제어 서버를 통해 조회하는 단계; 현장 제어기가 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량 번호를 원격 방역 제어 서버를 통해 조회 결과 차량 번호가 방문 예약 등록되어 있는 경우 상기 차량 방역기 및 대인 방역기가 방역 작업을 수행하도록 제어하는 단계; 상기 차량 방역기가 상기 축산농가로 진입하는 차량에 대해 방역 작업을 수행하는 단계; 상기 대인 방역기가 안면 인식 카메라를 이용하여 상기 탑승자의 안면을 인식하고, 상기 현장 제어기가 상기 대인 방역기에서 인식된 안면을 상기 원격 방역 제어 서버를 통해 조회하는 단계; 현장 제어기가 상기 대인 방역기에서 인식된 안면을 상기 원격 방역 제어 서버를 통해 조회 결과 상기 탑승자가 방문 예약 등록되어 있는지 확인하고, 확인 결과 방문 예약 등록되어 있는 경우 상기 대인 방역기가 상기 탑승자에 대해 방역 작업을 수행하도록 제어하는 단계; 상기 대인 방역기가 상기 차량의 탑승자에 대해 방역 작업을 수행하는 단계; 상기 현장 제어기의 제어에 따라 차량 차단 바(bar)가 상기 축산농가로 진입하는 차량의 통행을 허용하는 단계를 포함하도록 구성될 수 있다.According to another aspect of the present invention, there is provided a livestock farm access control method comprising the steps of: registering, in advance, a vehicle number and a passenger of a vehicle for visiting a livestock farm; Detecting a vehicle entering the livestock farming house by a closed-circuit television (CCTV) for vehicle detection, generating a livestock farming entering signal when the vehicle is detected, and transmitting the signal to a field controller; The field controller receives the livestock farm entry signal from the CCTV for vehicle detection and generates a vehicle number recognition command in accordance with the received livestock farm entry signal and transmits it to the Pan & Tilt & Zoom camera for recognition of the vehicle number; The PTZ camera for recognizing the car number receives the car number recognition command of the detected car, captures and recognizes the car number of the car in accordance with the received car number recognition command, Inquiring through the remote control server of the vehicle number recognized by the field controller in the PTZ camera for recognizing the vehicle number; Controlling the vehicle surveillance device and the personal surveillance device to perform a surveillance operation when the field controller has the vehicle number recognized by the PTZ camera for recognizing the vehicle identification number through the remote surveillance control server and the inquiry result vehicle number is registered for visit reservation; Performing the anti-virus operation on the vehicle entering the livestock farm; Recognizing the face of the occupant using the facial recognition camera, and inquiring the facial image recognized by the field controller through the remote anti-virus control server; The field controller confirms whether or not the occupant has been registered for visit reservation through the remote control server, and if the visit reservation is registered as a result of the inquiry, the interpersonal invader transmits the face recognition operation to the occupant ; Performing the antidisaster operation against the occupant of the vehicle; And allowing the passage of a vehicle into which the vehicle shut-off bar enters the livestock farm under the control of the field controller.

그리고 상기 현장 제어기가 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량 번호를 원격 방역 제어 서버를 통해 조회하는 단계에서, 현장 제어기가 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량 번호를 원격 방역 제어 서버를 통해조회 결과 상기 차량 번호가 방문 예약 등록되어 있지 않은 경우, 상기 현장 제어기가 농장 관리자 단말로 방문 승인 요청 신호를 송신하고 상기 농장 관리자 단말로부터 방문 승인 신호를 수신하며, 방문 승인 신호가 수신되면 상기 차량 방역기가 방역 작업을 수행하도록 제어하는 단계를 더 포함하도록 구성될 수 있다.And the field controller inquires the vehicle number recognized by the PTZ camera for recognizing the vehicle number through the remote control server, the field controller transmits the vehicle number recognized by the PTZ camera for recognizing the vehicle number to the remote control server The site controller sends a visit approval request signal to the farm manager terminal and receives a visit approval signal from the farm manager terminal, and when the visit approval signal is received, And controlling the antivirus to perform the antidisplay operation.

그리고 상기 대인 방역기가 안면 인식 카메라를 이용하여 상기 탑승자의 안면을 인식하고, 상기 현장 제어기가 상기 대인 방역기에서 인식된 안면을 상기 원격 방역 제어 서버를 통해 조회하는 단계에서, 현장 제어기가 상기 대인 방역기에서 인식된 안면을 상기 원격 방역 제어 서버를 통해 조회 결과 상기 탑승자가 방문 예약 등록되어 있지 않은 경우, 상기 현장 제어기가 농장 관리자 단말로 방문 승인 요청 신호를 송신하고 상기 농장 관리자 단말로부터 방문 승인 신호를 수신하며, 방문 승인 신호가 수신되면 상기 대인 방역기가 방역 작업을 수행하도록 제어하는 단계를 더 포함하도록 구성될 수 있다.Wherein the face detector recognizes the face of the occupant using a facial recognition camera, and the field controller inquires, through the remote anti-virus control server, the face recognized by the face detector by the field controller, If the passenger is not registered for visit reservation, the field controller transmits a visit approval request signal to the farm manager terminal and receives a visit approval signal from the farm manager terminal , And controlling the personal antivirus to perform the antidisplay operation when the visit approval signal is received.

그리고 상기 현장 제어기가 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량 번호를 원격 방역 제어 서버를 통해 조회하는 단계는, 상기 원격 방역 제어 서버가 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량의 차량 번호를 미리 방문 예약 등록되어 있는 차량의 차량 번호와 대비하여 확인하도록 구성될 수 있다.The step of inquiring, by the field controller, the vehicle number recognized by the PTZ camera for recognizing the car number through the remote countermeasure control server may be performed by the remote countermeasure control server by referring to the vehicle number of the vehicle recognized by the PTZ camera for recognizing the car number In contrast to the vehicle number of the vehicle registered in advance as a visit reservation.

그리고 상기 현장 제어기가 상기 차량 번호 인식용 PTZ 카메라에서 인식된 차량 번호를 원격 방역 제어 서버를 통해 조회하는 단계는, 잡음 제거 필터 모듈이 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계; 제1 에지 정보 추출 모듈이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계; 모폴로지 연산 모듈이 상기 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 단계; 배경 영상 생성 모듈이 차량 탐지 영역이 촬영된 입력 영상과 상기 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계; 차영상 생성 모듈이 상기 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 상기 차량 검지용 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계; 제2 에지 정보 추출 모듈이 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 단계; 에지 판단 모듈이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계; 진입 차량 판단 모듈이 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 단계; 배경 영상 업데이트 모듈이 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트하는 단계를 포함하도록 구성될 수 있다.The step of inquiring, by the remote controller, the vehicle number recognized by the PTZ camera for recognizing the car number by the remote controller may include detecting a shadow or noise included in the captured image of the vehicle detection area, Removing using filtering; Extracting edge information included in the input image by applying an adaptive binarization algorithm to the input image subjected to the noise elimination filtering by the first edge information extraction module and converting the input image into a monochrome image; Extracting edge information connected in a vehicle form by continuously performing a morphology operation on the edge information extracted by the morphology operation module; Generating a background image of a grayscale image using an input image in which a vehicle detection region is imaged and a binary image in which the input image is binarized into a monochrome image; A pixel whose difference between the intensities of the pixels of the background image of the generated gray-scale image and the intensities of the pixels of the input image newly input from the CCTV for vehicle detection are higher than the set threshold value, Generating a difference image of a foreground / monochrome image in which shadows or noise are removed by processing a pixel having a threshold value of 1 as '1' and a pixel having a threshold value as a binary number '0' to form a background; Extracting edge information of a vehicle type by performing a morphology operation on a difference image of a monochrome image; The edge determination module extracts the edge information of the vehicle object candidate region from the edge information extracted from the difference image, removes the edge components less than the edge size set in the moving vehicle detection system, and the edge components larger than the edge size set in the moving vehicle detection system Determining whether the edge of the object candidate region is the same as the shape information of the vehicle; Determining that a new vehicle has entered the detection area when the edge information of the vehicle object candidate region extracted from the car image by the entry vehicle determination module is the same as the shape information of the vehicle; If the vehicle object candidate region extracted from the car image by the background image update module is a region where the car stopped in the background image is excluded, it is determined that there is a road background remaining after the car is stopped. Speed update to the road background.

그리고 상기 잡음 제거 필터 모듈이 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계는, 상기 잡음 제거 필터 모듈은 적응적 선형 필터인 Wiener 필터를 사용하고, 상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에

: 명도 영상 중 3X3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성될 수 있다.The noise cancellation filter module removes shadow or noise included in the input image of the vehicle detection region using noise cancellation filtering, the noise cancellation filter module may include a Wiener filter, which is an adaptive linear filter, The Wiener filter is used to convert the input image into a grayscale image,

: It can be generated as a result of applying a Wiener filter to each pixel in the 3 × 3 region of brightness image.

그리고 상기 배경 영상 생성 모듈이 차량 탐지 영역이 촬영된 입력 영상과 상기 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계는,

을 이용하여 배경 영상을 생성하고, 여기서, 상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고, 상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며, 상기 S(x,y)는 상기 입력 영상을 흑백 영상으로 이진화시킨 이진 영상으로 구성될 수 있다.The generating of the background image of the grayscale image by using the binary image obtained by binarizing the input image and the input image by the background image generating module,

그리고 상기 차영상 생성 모듈이 상기 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 상기 차량 검지용 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계는, 상기 차영상 생성 모듈은

을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하고, 여기서, T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상, B(x,y)는 그레이스케일 이미지의 배경 영상, I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상, d(B(x,y))는 임계치로 구성될 수 있다.The difference image generating module generates a difference image between the intensity of each pixel of the background image of the generated gray scale image and the intensities of each pixel of the input image newly input from the CCTV for vehicle detection, A difference image of a foreground monochrome image in which shadows or noise are removed by processing a pixel with a binary number '1' as a foreground while a pixel lower than a threshold value is processed as a binary number '0' , The difference image generation module

(X, y) is a background image of a gray scale image, I (x, y) is a background image of a grayscale image, (x, y) may be a threshold input image, d (B (x, y)), which is newly inputted from the CCTV.

그리고 상기 에지 판단 모듈이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계는, 상기 에지 판단 모듈은 탐지 영역 내에서 객체 후보 영역에 가로 길이가 일정 크기 이상인 수평 에지가 존재하고, 객체 후보 영역 상하에 일정 크기 이상의 에지가 존재하며, 객체 후보 영역을 4 사분면으로 나눴을 때 최소 3 사분면 이상에 일정 크기 이상의 에지가 존재할 때 객체 후보 영역의 에지가 차량의 형태 정보와 같다고 판단하고, 상기 배경 영상 업데이트 모듈은 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 해당 영역을 배경 영상의 가우시안 혼합물(mixture of Gaussian)들 중에서 중요도가 가장 높은 가우시안 모드(Gaussian mode)의 평균을 해당 영역의 색상 값으로 업데이트하도록 구성될 수 있다.The edge determination module extracts edge information of the vehicle object candidate region from the edge information extracted from the difference image, removes edge components less than or equal to the edge size set in the moving vehicle detection system, Wherein the step of determining whether the edge of the object candidate region is the same as the shape information of the vehicle by extracting the element candidate region comprises the steps of: When an edge of a certain size or more exists in upper and lower regions and an edge of a certain size or more exists in at least three quadrants when the object candidate region is divided into four quadrants, the edge of the object candidate region is determined to be the same as the shape information of the vehicle, The image update module extracts the vehicle object candidate region In the case where the vehicle stopped in the image is a missing area, the area is configured to update the average of the Gaussian mode having the highest importance among the Gaussian mixture of the background image to the color value of the corresponding area .

그리고 상기 차량 번호 인식용 PTZ 카메라가 상기 검지된 차량의 차량 번호 인식 명령을 수신하고, 수신된 차량 번호인식 명령에 따라 상기 차량의 차량 번호를 포착하여 인식하는 단계는, 차량 촬영 모듈이 축산농가로 진입하는 차량을 촬영하는 단계; 이진화 모듈이 상기 차량 번호 인식용 PTZ 카메라의 영상을 컬러링된 이진 영상으로 이진화하는 단계; 번호판 영역 추출 모듈이 상기 이진 영상 중에서 차량의 번호판 영역을 추출하는 단계를 포함하고, 상기 이진화 모듈이 상기 차량 번호 인식용 PTZ 카메라의 영상을 컬러링된 이진 영상으로 이진화하는 단계는, 상기 수신된 영상 중에서 텍스트 획 후보들의 수평 경계점들을 추출하여 수평 획 경계점 지도를 생성하고, 상기 텍스트 획 사이의 픽셀을 그룹핑하여 세그먼트 이미지를 생성하고, 상기 세그먼트 이미지 중 각각의 텍스트가 서로 다른 색깔을 갖도록 컬러링된 이진 영상을 생성하도록 구성될 수 있다.And the PTZ camera for recognizing the car number receives the car number recognition command of the detected car and the car number of the car according to the received car number recognition command is recognized and recognized, Photographing an entering vehicle; Binarizing the image of the PTZ camera for recognizing the car number into a colorized binary image; Wherein the license plate area extraction module extracts a license plate area of the vehicle from the binary image, wherein the binarization module binarizes an image of the PTZ camera for car number recognition into a colorized binary image, A horizontal stroke boundary point map is generated by extracting horizontal boundary points of the text stroke candidates, a segment image is generated by grouping the pixels between the text strokes, and a binary image colored so that each text of the segment image has a different color Lt; / RTI >

그리고 상기 차량 촬영 모듈이 축산농가로 진입하는 차량을 촬영하는 단계는, 선명화 모듈이 상기 차량 번호판 영역에 포함된 문자 블롭들을 선명화하는 단계; 문자 인식 모듈이 상기 선명화된 문자 블롭들 각각에 해당하는 문자들을 인식하는 단계로 구성될 수 있다.And the step of photographing a vehicle entering the livestock farming by the vehicle photographing module includes the steps of the sharpening module sharpening the character blobs included in the license plate area; And recognizing characters corresponding to each of the sharpened character blobs by a character recognition module.

그리고 상기 문자 인식 모듈이 상기 선명화된 문자 블롭들 각각에 해당하는 문자들을 인식하는 단계는, 신경망 문자 인식기를 이용하여 상기 문자 블롭들 각각에 해당하는 문자들을 인식하고, 상기 신경망 문자 인식기로 인식되지 않는 문자 블롭들을 은닉 마르코프 모델 인식기를 이용하여 인식하도록 구성될 수 있다.And recognizing characters corresponding to each of the sharpened character blobs may include recognizing characters corresponding to each of the character blobs using a neural network character recognizer, Character blobs may be configured to be recognized using a hidden Markov model recognizer.

그리고 상기 선명화 모듈이 상기 차량 번호판 영역에 포함된 문자 블롭들을 선명화하는 단계는, 상기 번호판 영역에 포함된 문자 블롭들의 선명도를 추정하고, 추정된 선명도가 기준 선명도보다 낮은 경우, 상기 번호판 영역에 선명화 알고리즘을 적용하여 상기 문자 블롭들을 선명화하도록 구성될 수 있다.The step of sharpening the character blobs included in the license plate area of the sharpening module may further include the step of estimating the sharpness of the character blobs included in the license plate area and, when the estimated sharpness is lower than the reference sharpness, A sharpening algorithm may be applied to sharpen the character blobs.

그리고 상기 대인 방역기가 안면 인식 카메라를 이용하여 상기 탑승자의 안면을 인식하고, 상기 현장 제어기가 상기 대인 방역기에서 인식된 안면을 상기 원격 방역 제어 서버를 통해 조회하는 단계는, 상기 원격 방역 제어 서버가 상기 대인 방역기에서 인식된 안면이 미리 방문 예약 등록되어 있는 탑승자의 안면과 대비하여 확인하도록 구성될 수 있다.And the face detector recognizes the face of the occupant by using a facial recognition camera, and the face controller inquires the face recognized by the field controller through the remote anti-virus control server, The face recognized by the face-to-face interpreter can be configured to be compared with the face of the occupant who is registered in advance for the visit.

그리고 상기 대인 방역기가 안면 인식 카메라를 이용하여 상기 탑승자의 안면을 인식하고, 상기 현장 제어기가 상기 대인 방역기에서 인식된 안면을 상기 원격 방역 제어 서버를 통해 조회하는 단계는, 상기 원격 방역 제어 서버의 얼굴 그래프 생성 모듈이 FMG 데이터베이스에 미리 저장된 복수의 얼굴 모델 그래프(Face Model Graph)를 상기 안면 인식 카메라에서 인식된 안면에 차례대로 적용하여 상기 안면의 눈, 코, 입 및 윤곽선에 대한 특징점을 추출하고 추출된 특징점들로 구성되는 얼굴 그래프를 생성하는 단계; 상기 원격 방역 제어 서버의 템플릿 생성 모듈이 상기 얼굴 그래프 생성 모듈에서 생성된 얼굴 그래프에서 가버 웨이블릿 피처(Gabor wavelet feature) 및 LBP(Local Binary Pattern) 결합 피처를 추출하여 템플릿을 생성하는 단계; 상기 원격 방역 제어 서버의 템플릿 매칭 모듈이 상기 템플릿 생성 모듈에서 생성된 템플릿과 상기 미리 방문 예약 등록되어 있는 탑승자의 템플릿의 유사도를 판단하는 단계를 포함하도록 구성될 수 있다.And the face detector recognizes the face of the occupant using a facial recognition camera, and the face controller inquires the facial face recognized by the face detector through the remote anti-virus control server, The graph generation module extracts and extracts feature points for the eye, nose, mouth, and contour of the face by sequentially applying a plurality of face model graphs stored in advance in the FMG database to the face recognized by the face recognition camera Generating a face graph composed of minutiae points; Extracting a Gabor wavelet feature and an LBP (LBP) association feature from a face graph generated by the face graph generation module to generate a template; And the template matching module of the remote DB server may determine the similarity between the template generated by the template generation module and the template of the occupant registered in advance in the visit reservation.

상술한 축산농가 출입관리 시스템 및 그 방법에 의하면, 축산농가의 출입이 미리 허용된 차량과 탑승자를 자동으로 확인하고 방역을 수행하도록 구성됨으로써, 보다 편리하고 정확하게 방역을 수행하고 전염병의 확산을 효율적으로 방지할 수 있는 효과가 있다.According to the livestock farm access control system and the method described above, the livestock farmer is automatically configured to identify the vehicle and the passenger who are permitted to enter and leave the livestock farmhouse, and to carry out the prevention, thereby performing more convenient and accurate disinfection and efficiently spreading the infectious disease There is an effect that can be prevented.

차량에 RFID 카드를 구비하거나 별도의 방문 일지를 수기로 작성하지 않아도 되며, 자동으로 차량 번호판과 탑승자의 안면을 인식하여 보다 안전하고 철저한 방역 효과를 기대할 수 있다.It is not necessary to provide an RFID card in the vehicle or to write a separate visiting log manually, and it is possible to automatically recognize the license plate and the face of the passenger, thereby achieving safer and more thorough prevention effect.

또한, 미리 등록되지 않은 불특정의 일반 차량이나 탑승자에 대해서도 축산농가 관리자가 실시간으로 승인하여 방역을 하고 그 방역 기록을 원격 방역 제어 서버에 백업하도록 함으로써, 방역에 대한 기록과 병원균의 전파를 모니터링할 수 있는 효과가 있다.In addition, even in the case of an unspecified general car or passenger who has not been registered in advance, the livestock farmer can approve and protect the farmhouse farmhouse in real time and back up the record to the remote anti-virus control server, thereby monitoring the record of the anti- There is an effect.

도 1은 본 발명의 일 실시예에 따른 축산농가 출입관리 시스템의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 원격 방역 제어 서버의 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 차량 검지용 CCTV의 블록 구성도이다.
도 4는 본 발명의 일 실시예에 따른 차량 번호 인식용 PTZ 카메라의 블록 구성도이다.
도 5a 내지 도 5g는 본 발명의 일 실시예에 따른 원격 방역 제어 서버의 안면 인식 프로세스의 모식도이다.
도 6 내지 도 9는 본 발명의 일 실시예에 따른 차량 검지용 CCTV의 프로세스 영상의 예시도이다.
도 10 내지 도 15는 본 발명의 일 실시예에 따른 차량 번호 인식용 PTZ 카메라의 인식 프로세스의 예시도이다.
도 16은 본 발명의 일 실시예에 따른 축산농가 출입관리 방법의 흐름도이다.1 is a block diagram of an access control system for a livestock farm according to an embodiment of the present invention.
2 is a block diagram of a remote protection control server according to an embodiment of the present invention.
3 is a block diagram of a CCTV for vehicle detection according to an embodiment of the present invention.
4 is a block diagram of a PTZ camera for car number recognition according to an embodiment of the present invention.
5A to 5G are schematic views of a facial recognition process of a remote anti-virus control server according to an embodiment of the present invention.
FIGS. 6 to 9 are exemplary views of a process image of a CCTV for vehicle detection according to an embodiment of the present invention.
FIGS. 10 to 15 are exemplary views of a recognition process of a PTZ camera for car number recognition according to an embodiment of the present invention.
16 is a flowchart of an access control method for an animal husbandry farm according to an embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 발명을 실시하기 위한 구체적인 내용에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail to the concrete inventive concept. It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention. Like reference numerals are used for like elements in describing each drawing.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.The terms first, second, A, B, etc. may be used to describe various elements, but the elements should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component. And / or < / RTI > includes any combination of a plurality of related listed items or any of a plurality of related listed items.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.It is to be understood that when an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, . On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are to be interpreted as either ideal or overly formal in the sense of the present application Do not.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 축산농가 출입관리 시스템의 블록 구성도이고, 도 2는 본 발명의 일 실시예에 따른 원격 방역 제어 서버의 블록 구성도이고, 도 3은 본 발명의 일 실시예에 따른 차량 검지용 CCTV의 블록 구성도이고, 도 4는 본 발명의 일 실시예에 따른 차량 번호 인식용 PTZ 카메라의 블록 구성도이다.FIG. 1 is a block diagram of an animal husbandry access control system according to an embodiment of the present invention, FIG. 2 is a block diagram of a remote anti-virus control server according to an embodiment of the present invention, FIG. FIG. 4 is a block diagram of a PTZ camera for car number recognition according to an embodiment of the present invention. Referring to FIG.

도 1 내지 도 4를 참조하면, 본 발명의 일 실시예에 따른 축산농가 출입관리 시스템(100)은 원격 방역 제어 서버(110), 차량 차단 바(bar)(120), 차량 방역기(130), 대인 방역기(140), 차량 검지용 CCTV(closed-circuit television)(150), 차량 번호 인식용 PTZ(Pan & Tile & Zoom) 카메라(160)를 포함하도록 구성될 수 있다.1 to 4, an animal husbandry access control system 100 according to an embodiment of the present invention includes a remote anti-virus control server 110, a vehicle blocking bar 120, a vehicle anti-virus 130, An anti-tamper device 140, a closed-circuit television (CCTV) 150 for detecting a vehicle, and a pan & tile & zoom (PTZ) camera 160 for detecting a car number.

축산농가 출입관리 시스템(100)은 차량에 RFID 카드를 구비하거나 별도의 방문 일지를 수기로 작성하지 않아도 자동으로 차량 번호판과 탑승자의 안면을 인식하여 보다 안전하고 철저한 방역을 수행하며 방역 기록을 원격 방역 제어 서버(110)에 백업하여 방역 기록을 모니터링할 수 있도록 구성된다.The livestock farm access management system 100 automatically recognizes the license plate and the passenger's face without providing an RFID card or a separate visiting log in the vehicle to perform more safe and thorough prevention, To the control server 110 to monitor the anti-virus record.

또한, 미리 등록되지 않은 불특정의 일반 차량이나 탑승자에 대해서도 축산농가 관리자 단말(10)에서 실시간으로 승인하여 방역을 하고 그 방역 기록을 원격 방역 제어 서버(110)에 백업하도록 구성된다.In addition, the non-specific ordinary vehicle or passenger who has not been registered in advance can also be approved in real time by the livestock farmer's manager terminal 10 to prevent the non-specific ordinary vehicle or passenger from backing up the anti-virus control server 110.

차량이나 탑승자마다 별도의 RFID 카드를 배포하거나 구비하지 않아도 되므로 방역 효율성이 높고 보다 철저한 방역이 가능해진다.Since it is not necessary to distribute or provide a separate RFID card for each vehicle or passenger, the efficiency of prevention is high and more thorough prevention is possible.

이하, 세부적인 구성에 대하여 설명한다.Hereinafter, the detailed configuration will be described.

원격 방역 제어 서버(110)는 FMG(Face Model Graph) 데이터베이스(111), 얼굴 그래프 생성 모듈(112), 템플릿 생성 모듈(113), 템플릿 매칭 모듈(114)을 포함하도록 구성될 수 있다.The remote DB control server 110 may be configured to include an FMG (Face Model Graph) database 111, a face graph generation module 112, a template generation module 113, and a template matching module 114.

원격 방역 제어 서버(110)는 축산농가를 방문하기 위한 차량의 차량 번호 및 탑승자를 미리 방문 예약 등록하도록 구성되며, 현장 제어기(170)가 현장에서 방역에 필요한 다양한 프로세스를 수행할 수 있도록 원격에서 지원하도록 구성된다.The remote anti-virus control server 110 is configured to pre-register the vehicle number and the passenger of the vehicle for visiting the livestock farmhouse, and the remote controller control server 110 can remotely support the site controller 170 to perform various processes required for on- .

원격 방역 제어 서버(110)는 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량의 차량 번호와 미리 방문 예약 등록되어 있는 차량의 차량 번호와 대비하여 확인하고, 대인 방역기(140)에서 인식된 안면이 미리 방문 예약 등록되어 있는 탑승자의 안면과 대비하여 확인하도록 구성될 수 있다.The remote surveillance control server 110 checks the vehicle number of the vehicle recognized by the PTZ camera 160 for car number identification in comparison with the car number of the vehicle registered in advance for reservation and registration, In comparison with the face of the occupant registered in advance in advance.

여기서, 원격 방역 제어 서버(110)는 탑승자의 안면을 미리 등록된 탑승자 안면과 대비하여 등록 여부에 대한 판단을 하도록 구성될 수 있다. 원격 방역 제어 서버(110)는 안면의 특징점을 추출하여 미리 등록된 안면과 대비하도록 구성될 수 있다. 본 발명에서는 각 특징점에서 가버(Gabor) 및 LBP 피처(feature)를 추출해서 결합하는 방식으로 얼굴을 자동 인식하도록 구성될 수 있다.Here, the remote control server 110 may be configured to determine whether to register the face of the occupant in comparison with the face of the occupant registered in advance. The remote control server 110 may be configured to extract feature points of the facial features and compare them with registered facial features. In the present invention, the face may be automatically recognized by extracting and combining Gabor and LBP features from each feature point.

이하, 원격 방역 제어 서버(110)의 탑승자 안면 인식 프로세스에 대해 좀 더 세부적으로 설명한다.Hereinafter, the occupant's face recognition process of the remote anti-virus control server 110 will be described in more detail.

본 발명에서는 다양한 형태의 눈, 코, 입, 윤곽선을 갖는 얼굴 모델 그래프(FMG)를 미리 확보해서 등록해 놓는다. 이러한 얼굴 모델 그래프를 안면 인식 카메라에서 촬영한 탑승자의 안면에 적용하게 된다. 이를 통해 탑승자의 안면의 얼굴 그래프(face graph)를 생성하며, 여기서, 가버(Garbor) 및 LBP 피처(feature)를 추출하고 결합하여 탑승자 안면의 템플릿을 생성한다. 미리 등록된 탑승자의 템플릿도 이러한 방식으로 생성되며, 양 템플릿을 대비하여 미리 등록된 탑승자인지 여부를 판단하게 된다.In the present invention, a face model graph (FMG) having various types of eyes, nose, mouth, and contours is secured and registered in advance. The face model graph is applied to the face of a passenger photographed by a face recognition camera. This creates a face graph of the occupant's face, where the Garbor and LBP features are extracted and combined to create a template for the occupant's face. A template of a previously registered passenger is also generated in this manner, and it is judged whether or not the passenger is a registered passenger in comparison with both templates.

FMG 데이터베이스(111)에는 복수의 얼굴 모델 그래프(Face Model Graph)가 미리 저장되도록 구성될 수 있다. 얼굴 모델 그래프는 다양한 형태의 눈, 코, 입, 윤곽선을 갖는 얼굴 안면에 대한 얼굴 모델 그래프가 가능한 한 많이 확보되도록 구성될 수 있다. 여러 다양한 얼굴 모델 그래프를 탑승자 안면에 적용해야 비슷한 얼굴 그래프가 생성될 수 있기 때문이다. 이러한 얼굴 모델 그래프는 탑승자 안면의 특징점을 추출하기 위해 보다 효율적이고 정확한 프로세스를 지원하게 된다.The FMG database 111 may be configured to store a plurality of face model graphs in advance. The face model graph can be constructed so that as many face model graphs as possible of the face face having various shapes of eyes, nose, mouth and contour are secured as much as possible. This is because a variety of face model graphs must be applied to the occupant's face in order to generate a similar face graph. This face model graph supports more efficient and accurate process to extract the feature points of the occupant 's face.

얼굴 모델 그래프를 미리 확보하기 위해서는 도 5a와 같은 얼굴 검출 윈도우를 이용한다. 얼굴 검출 윈도우를 구현하기 위해 Haar 피쳐 보다 훈련 속도가 빠르고 분류 능력이 뛰어난 MCT 피쳐를 사용할 수 있다. 24x24 크기의 얼굴 검출 윈도우에서 Haar 피쳐는 180,000개 이상 존재하지만 MCT 피쳐는 윈도우의 화소 개수와 같이 576개이기 때문에 MCT피쳐의 훈련 속도가 더 빠르다는 장점이 있다. 그리고 Haar 피쳐는 2개 또는 4개 화소들 사이의 화소 값 차로 얻은 1 비트 값으로 정의되지만 MCT 피쳐는 3x3영역 화소 값들의 평균과 개별 화소 값 차로 구한 9비트 값이기 때문에 더욱 세밀한 분류 능력을 갖는다. MCT 피쳐를 사용한 Adaboost 훈련 알고리즘으로 도 5a와 같은 개념의 4단 얼굴 검출기를 구현할 수 있다.In order to secure a face model graph in advance, a face detection window as shown in FIG. 5A is used. To implement the face detection window, MCT features can be used that have faster training speed and better classification ability than Haar features. In a 24x24 face detection window, there are more than 180,000 Haar features, but MCT features are 576, which is the number of pixels in a window, which means that MCT feature training speed is faster. The Haar feature is defined as a 1-bit value obtained by a difference between pixel values between two or four pixels, but the MCT feature has a finer classification ability because it is a 9-bit value obtained by a difference between an average of 3x3 area pixel values and an individual pixel value. A 4-stage face detector with the same concept as in FIG. 5A can be implemented by the Adaboost training algorithm using the MCT feature.

얼굴 모델 그래프는 다양한 형태의 얼굴 영상을 대표적으로 가장 잘 표현할 수 있도록 샘플 얼굴 영상에 수작업으로 표시한 얼굴 그래프 상의 특징점들로부터 구한 Gabor 제트와 평균 위치를 이용하여 FMG를 생성할 수 있다. Gabor 제트는

는 영상

에 특징점 화소

?괆? 주위의 작은 영역에 있는 화소들의 명암도 분포 특징을 반영하며 파형 벡터

?甕? 갖는 가버 커널

를 이용하여 다음과 같이 계산할 수 있다.The face model graph can generate the FMG using the Gabor jets obtained from the feature points on the face graph manually displayed on the sample face image and the average position to represent the various types of facial images representatively. Gabor Jets

The image

Feature point pixel

? 괆? Reflects the intensity distribution characteristics of pixels in a small area around the waveform,

? 甕? Having a kernel

Can be calculated as follows.

여기서,

이다.here,

to be.

위 수학식의 (3)에 따라 특징점 화소를 중심으로 5개의 주파수

와 8개의 방향 성분

들의 조합으로 40개의 파형 벡터를 구하였다. 40개의 복소 계수(complex coefficient)들의 집합

를 이용해서 제트

를 표현하면

가 되며

로 표현된다. 샘플 얼굴 영상들의 FG 중에서

번째 FG의

번째 특징점에서 계산된 제트를

는 전체 ?析냅? FG들이

번째 특징점의 평균 제트로 다음과 같이 계산된다.According to (3) of the above equation, five frequency

And eight directional components

And 40 waveform vectors were obtained. A set of 40 complex coefficients

Jet

Expressing

And

Lt; / RTI > Among the FGs of the sample face images

Of the FG

The jets computed at the second feature point

Is the whole? FGs

The average jet of the second feature point is calculated as follows.

훈련 얼굴 영상에서

번째 FG의 특징점들의 위치를 나타내는 벡터를

라 하면 FMG의 특징점들은

개의 FG들에 대한 특징점들의 평균 위치

로서 다음과 같이 계산된다.From training face images

A vector representing the position of the feature points of the FG

The feature points of FMG

Average location of feature points for FGs

Is calculated as follows.

평균 위치를 구한 다음 좌우 대칭이 되도록 변환하고 이를 그래프 형태로 나타내면 도 5c와 같이 된다.The average position is obtained, and then the image is transformed to be symmetrical, and the result is shown in a graph form as shown in FIG.

얼굴 그래프 생성 모듈(112)은 FMG 데이터베이스(111)에 미리 저장된 복수의 얼굴 모델 그래프를 안면 인식 카메라(141)에서 인식된 안면에 차례대로 적용하여 안면의 눈, 코, 입 및 윤곽선에 대한 특징점을 추출하고 추출된 특징점들로 구성되는 얼굴 그래프를 생성하도록 구성될 수 있다.The face graph generation module 112 applies a plurality of face model graphs stored in advance in the FMG database 111 to the facial images recognized by the facial recognition camera 141 in order to extract feature points for eyes, nose, mouth, and contours of the face And to generate a face graph composed of extracted and extracted minutiae.

얼굴 영상에 가장 잘 정합되는 FG를 구하기 위해 FMG의 위치와 크기를 기존 방식보다 더욱 정교하고 빠르게 기하학적으로 가변시킬 수 있도록 6개의 매개 변수들을 정의하였다. 즉, 그래프 중심 위치 가변, 전체 크기 가변, 중심 상단 특징점들의 위치 가변, 중심 하단 특징점들의 위치 가변, 중심 좌측 특징점들의 위치 가변 그리고 중심 우측 특징점들의 위치 가변 등을 위한 6개 차원의 매개 변수들을 정의하였다.In order to find the FG that best matches the facial image, six parameters are defined so that the position and size of the FMG can be more precisely and geometrically changed than the conventional method. In other words, six parameters are defined for graph center position variable, total size variable, position of center top feature point, position of center bottom feature point, position of center left feature point, and position of center right feature point. .

FMG를 6개 차원의 매개변수들의 값을 달리하면서 기하학적으로 변형시킨 예를 도 5d에 도시하였다. 얼굴 모델 그래프 FMG와 얼굴 그래프 FG 사이의 정합 유사도를 구하기 위해 특징점

에서의 제트 유사도

를 다음과 같이 구한다.An example in which the FMG is geometrically transformed by varying the values of the parameters of six dimensions is shown in FIG. In order to find the matching similarity between the face model graph FMG and the face graph FG,

Jet affinity

Is obtained as follows.

FMG 및 FG의 특징점

에서의 제트 진폭

및

를 이용해서 두 특징점의 유사도를 계산하였다. 두 얼굴 그래프의 전체 유사도

는 특징점들의 유사도를 합해서 구할 수 있다.Features of FMG and FG

The jet amplitude at

And

The similarity of two feature points was calculated. Overall similarity of two face graphs

Can be obtained by adding the similarities of the minutiae points.

수학식 5에서

는 얼굴 그래프 각 특징점들이 그래프 유사도에 기여하는 가중치이다.In Equation (5)

Is the weight that each feature point contributes to the graph similarity.

PSO 최적화 알고리즘을 이용해서 FMG와 가장 유사도가 높은 FG를 찾을 수 있었으며, PSO는 Particle들이 Swarm 사이에 정보를 서로 교환하면서 최적화를 수행한다. Particle은 FG의 크기와 형태를 결정하는 6차원 벡터이고 Swarm은 6차원 벡터들이 갖는 값들의 집합을 의미한다. 각 Particle의 최적 위치와 전체 Particle들에서의 최적 위치를 수학식 5로 주어지는 최적화 목적함수에 따라 계산하고 다음과 같이 개별 벡터

의 속도

와

를 갱신한다.Using the PSO optimization algorithm, we found FG with the most similarity to FMG, and the PSO optimizes the exchange of information among the particles. A particle is a six-dimensional vector that determines the size and shape of the FG, and Swarm is a set of values of six-dimensional vectors. The optimum position of each particle and the optimal position in all particles are calculated according to the optimization objective function given by equation (5)

Speed

Wow

.

속도

는

번째 Particle의 현재 위치와 다음 위치 사이의 위치 변화량을 의미한다.

는 Particle의 과거 최적 방문 위치이고

는 모든 Particle들 중에서 최적 방문 위치이다.

는 초기 가중치이고

는 가속화 계수로서 상수이다.

는 0에서 1 사이의 균등 분포를 갖는 난수이다. 도 5e와 같이 얼굴 사각형 위치 정보를 바탕으로 FMG의 초기 위치 및 크기를 설정한 다음 PSO 최적화 과정을 통해 얼굴 영상에 맞춘 FG를 추출하였다.speed

The

And the positional change between the current position and the next position of the ith particle.

Is the past optimal location for Particle

Is the optimal place to visit among all particles.

Is the initial weight

Is a constant as an acceleration coefficient.

Is a random number with an even distribution between 0 and 1. As shown in FIG. 5E, the initial position and size of the FMG are set based on the information of the face square position, and then the FG corresponding to the face image is extracted through the PSO optimization process.

가버 및 LBP 피쳐를 이용한 얼굴 인식은 다음과 같이 수행된다.Face recognition using the Gabor and LBP features is performed as follows.

Probe 영상의 얼굴 그래프 PFG와 Gallery 영상의 얼굴 그래프 GFG 사이의 특징점

에서 Gabor 제트에 대한 유사도

는 다음과 같이 계산한다.Probe image face graph PFG and face image of Gallery image Feature point between GFG

Similarity for Gabor Jet in

Is calculated as follows.

따라서 Probe 영상의 얼굴 그래프 PFG와

번째 Gallery 영상의 얼굴 그래프 GFG 사이의 Gabor 피쳐 모델 유사도

는 다음과 같다.Therefore, the face graph PFG of the probe image

Gabor feature model similarity between GFG and FGG

Is as follows.

은

번째

silver

th

템플릿 생성 모듈(113)은 얼굴 그래프 생성 모듈(112)에서 생성된 얼굴 그래프에서 가버 웨이블릿 피처(Gabor wavelet feature) 및 LBP(Local Binary Pattern) 결합 피처를 추출하여 템플릿을 생성하도록 구성될 수 있다.The template generation module 113 may be configured to extract Gabor wavelet features and LBP (LBP) combined features from the face graph generated by the face graph generation module 112 to generate a template.

템플릿 매칭 모듈(114)은 템플릿 생성 모듈(113)에서 생성된 템플릿과 미리 방문 예약 등록되어 있는 탑승자의 템플릿의 유사도를 판단하도록 구성될 수 있다.The template matching module 114 may be configured to determine the similarity between the template generated by the template generation module 113 and the template of the occupant who is registered in advance for the visit.

특징점의 가버 피쳐 가중치이며 직관과 반복 실험으로 결정하였다. LBP 피쳐는 특징점을 중심으로 15x15 영역 내에 있는 화소들에 대해 도 5f와 같은 LBP 연산자를 적용한 후 이들의 히스토그램으로 그 특징을 표현한 것이다. LBP 연산자를 적용한 결과 영상에서 명도 분포의 특징을 표현하는데 기여도가 낮은 Uniform pattern[4]들을 하나의 값으로 인덱싱하면 59개의 인덱스값으로 레이블링된다.The weight of the feature points is determined by intuitive and iterative experiments. The LBP feature is obtained by applying the LBP operator as shown in FIG. 5F to the pixels within the 15x15 region around the feature point, and then expressing the feature as a histogram thereof. When the LBP operator is used to index the uniform pattern [4], which has a low contribution to express the feature of the brightness distribution in the image, it is labeled with 59 index values.

LBP 연산결과로 레이블링된 얼굴 영상

의 특징점

에서 피쳐

를 구하면,

가 된다. 각 인덱스별 피쳐

는 다음과 같이 계산된다.Facial images labeled with LBP operation result

Feature points of

Feature in

Is obtained,

. Feature for each index

Is calculated as follows.

에서 LBP 히스토그램 피쳐의 비유사도(dissimilarity measures)

를 Chisquare 값으로 다음과 같이 계산할 수 있다.Probe image face graph PFG and face image of Gallery image Feature point between GFG

The dissimilarity measures of the LBP histogram feature in

Can be calculated as Chisquare value as follows.

Probe 영상의 얼굴 그래프 PFG와

번째 Gallery 영상의 얼굴 그래프 GFG 사이의 LBP 피쳐 모델의 원본 유사도

는 다음과 같이 구한다.Probe image face graph PFG and

Original similarity of LBP feature model between GGG

Is obtained as follows.

수학식 12와 같이 LBP 히스토그램 피쳐 비유사도 최대값

로부터 전체 비유사의 차를 구하면 모델 원본 유사도를 계산할 수 있다. 여기서,

은

번째 특징점의 LBP 피쳐 가중치이며 직관과 반복 실험으로 결정하였다. 단위 분포(unit distribution)를 갖는 Gabor 피쳐 유사도

와 마찬가지로 LBP 모델 원본 유사도

도 단위 분포를 갖도록 정규화하여 최종 LPB 피쳐 유사도

를 계산하였다. 본 발명에서는 얼굴인식에 우수한 성능을 보인 Min-Max 방법으로 정규화해서

를 계산하였다. Probe 얼굴 영상에 대한 인식 결과로 가장 높은 유사도를 갖는 Gallery 얼굴 영상

을 Gabor 유사도 ??

와 LBP 유사도

의 가중 합(weighted-sum)으로 구하였다.As shown in Equation (12), the LBP histogram feature non-

We can calculate the model originality similarity. here,

silver

LBP feature weight of the second minutia is determined by intuition and repeated experiment. Gabor feature similarity with unit distribution

Like the LBP model, the original similarity

And the final LPB feature similarity

Respectively. In the present invention, normalization is performed by the Min-Max method showing excellent performance in face recognition

Respectively. As a recognition result of Probe face image, Gallery face image with highest similarity

Gabor similarity ??

And LBP similarity

(Weighted-sum).

여기서,

및

은 Gabor 유사도 및 LBP 유사도의 가중치로서

이 된다.here,

And

Is a weight of Gabor similarity and LBP similarity

.

도 5g과 같이 FG의 모든 특징점에서 Gabor 및 LBP 피쳐를 구해서 얼굴 영상의 템플릿으로 하고 FG 사이의 모델 유사도를 각각 계산한 다음 식 (15)와 같이 가중 합으로 최종 얼굴 인식 결과를 계산하였다.As shown in FIG. 5G, Gabor and LBP features are obtained from all the feature points of the FG, and the model similarity between the FGs is calculated as a template of the facial image, and the final face recognition result is calculated by weighted sum as shown in equation (15).

차량 차단 바(120)는 축산농가로 진입하는 차량의 통행을 허용 또는 차단하도록 구성될 수 있다.The vehicle shut-off bar 120 may be configured to allow or block the passage of vehicles entering the livestock farm.

차량 방역기(130)는 축산농가로 진입하는 차량에 대해 방역 작업을 수행하도록 구성될 수 있다.The vehicle surveillance device 130 may be configured to perform a surveillance operation on the vehicle entering the livestock farmhouse.

대인 방역기(140)는 차량의 탑승자에 대해 방역 작업을 수행하도록 구성될 수 있다. 탑승자는 차량에서 내려 대인 방역기(140)에서 방역이 될 수 있다.The personal surveillance device 140 can be configured to perform the evacuation operation for the occupant of the vehicle. The passenger may come out of the vehicle and be prevented from the attacking device 140.

여기서, 대인 방역기(140)는 대인 방역기(140)에 구비된 안면 인식 카메라(141)를 이용하여 탑승자의 안면을 인식하도록 구성될 수 있다.Here, the personal surveillance unit 140 may be configured to recognize the occupant's face using the face recognition camera 141 provided in the personal surveillance unit 140. [

차량 검지용 CCTV(150)는 잡음 제거 필터 모듈(151), 제1 에지 정보 추출 모듈(152), 모폴로지 연산 모듈(153), 배경 영상 생성 모듈(154), 차영상 생성 모듈(155), 제2 에지 정보 추출 모듈(156), 에지 판단 모듈(157), 진입 차량 판단 모듈(158), 배경 영상 업데이트 모듈(159)을 포함하도록 구성될 수 있다.The vehicle detection CCTV 150 includes a noise removing filter module 151, a first edge information extracting module 152, a morphology calculating module 153, a background image generating module 154, a car image generating module 155, 2 edge information extraction module 156, an edge determination module 157, an entry vehicle determination module 158, and a background image update module 159.

차량 검지용 CCTV(150)는 축산농가로 진입하는 차량을 검지하고, 차량이 검지되면 축산농가 진입 신호를 생성하여 송신하도록 구성될 수 있다.The vehicle detection CCTV 150 detects the vehicle entering the livestock farmhouse and can generate and transmit the livestock farm entry signal when the vehicle is detected.

이하, 차량 검지용 CCTV(150)에 대해 좀 더 세부적으로 설명한다.Hereinafter, the vehicle detection CCTV 150 will be described in more detail.

잡음 제거 필터 모듈(151)은 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하도록 구성될 수 있다.The noise removal filter module 151 may be configured to remove shadow or noise included in the captured input image of the vehicle detection region using noise filtering.

여기서, 잡음 제거 필터 모듈(151)은 적응적 선형 필터인 Wiener 필터를 사용하고, Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에

식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화하도록 구성될 수 있다. 여기서,

: 명도 영상 중 3X3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성되는 것이다. 도 6 및 도 7은 이진 영상과 배경 영상을 예시하고 있다.Here, the noise elimination filter module 151 uses a Wiener filter, which is an adaptive linear filter, and the Wiener filter uses an adaptive linear filter such as a grayscale image,

To remove noise in the brightness image and to smooth the background surface. here,

: It is the result of applying the Wiener filter to each pixel in the 3X3 region of brightness image. 6 and 7 illustrate a binary image and a background image.

제1 에지 정보 추출 모듈(152)은 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하도록 구성될 수 있다.The first edge information extraction module 152 may be configured to convert an input image into a monochrome image by applying an adaptive binarization algorithm to an input image that has undergone noise reduction filtering and to extract edge information included in the input image .

모폴로지 연산 모듈(153)은 앞서 추출된 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하도록 구성될 수 있다.The morphology operation module 153 may be configured to extract edge information connected in the form of a car by continuously performing a morphology operation on the extracted edge information.

배경 영상 생성 모듈(154)은 차량 탐지 영역이 촬영된 입력 영상과 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하도록 구성될 수 있다.The background image generation module 154 may be configured to generate a background image of a grayscale image using an input image from which the vehicle detection region is imaged and a binary image obtained by binarizing the input image into a monochrome image.

배경 영상 생성 모듈(154)은

을 이용하여 배경 영상을 생성하도록 구성될 수 있다. 여기서, B(x,y)는 그레이스케일 이미지의 배경 영상이고, I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며, S(x,y)는 입력 영상을 흑백 영상으로 이진화시킨 이진 영상이다.The background image generation module 154

To generate a background image. Here, B (x, y) is a background image of a gray scale image, I (x, y) is an input image in which a vehicle detection region is imaged, S (x, y) It is a video.

차영상 생성 모듈(155)은 앞서 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 차량 검지용 CCTV(150)로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하도록 구성될 수 있다. The difference image generation module 155 compares the brightness of each pixel of the background image of the previously generated gray scale image with the brightness of each pixel of the input image newly input from the vehicle detection CCTV 150, Higher pixels are treated as a binary '1' to be foreground, while pixels lower than a threshold value are processed as binary '0' to make a difference image of a foreground / Lt; / RTI >

차영상 생성 모듈(155)은

을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하도록 구성될 수 있다. 이때, 임계치 d(B(x,y))는

이고,

이며,

이다.The difference image generation module 155

May be used to finally generate a difference image of the foreground black and white image. At this time, the threshold value d (B (x, y)) is

ego,

Lt;

to be.

여기서, T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상, B(x,y)는 그레이스케일 이미지의 배경 영상, S(x,y)는 CCTV로부터 새롭게 입력된 입력 영상을 흑백 영상으로 이진화시킨 이진 영상, I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상, d(B(x,y))는 임계치, q는 0.55,

는 0.45,

는 0.75,

는 배경 영상의 배경과 전경의 평균 거리로서 그레이스케일 이미지로 변환된 배경 영상의 전경과 배경에 대한 명도 차이들을 배경 영상의 모든 화소들에 대해 평균 낸 값, b는 이진 영상(S(x,y))의 배경 화소(S(x,y)=0)와 맞대응되는 그레이스케일 이미지의 배경 영상의 화소들에 대한 명암도(B(x,y)) 평균,

는 영상의 전체 화소를 대상으로 한 합계이다. 도 8은 배경 영상을 이용한 차영상을 나타낸다.(X, y) is the background image of the gray-scale image, S (x, y) is the input image of the new input from the CCTV, T (x, y) D (B (x, y)) is the threshold value, q is 0.55, and q (x, y) is the input image newly input from the CCTV.

0.45,

0.75,

Is a mean value of the background image and the foreground, and the brightness difference between the foreground and background of the background image converted to the gray scale image is averaged over all the pixels of the background image, and b is a value obtained by averaging the binary image (S (B (x, y)) for the pixels of the background image of the gray scale image which is in phase with the background pixel (S (x, y) = 0)

Is a total of all the pixels of the image. 8 shows a difference image using a background image.

제2 에지 정보 추출 모듈(156)은 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하도록 구성될 수 있다.The second edge information extraction module 156 may be configured to extract edge information of the vehicle type by performing a morphology operation on the difference image of the foreground black and white image.

에지 판단 모듈(157)은 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 기 설정된 에지 크기 이하의 에지 성분은 제거하며 기 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하도록 구성될 수 있다.The edge determination module 157 extracts edge information of the vehicle object candidate region from the edge information extracted from the difference image, removes edge components less than a predetermined edge size, and extracts edge components of a predetermined edge size or more, It can be configured to determine if the edge is a component such as vehicle type information.

에지 판단 모듈(157)은 탐지 영역 내에서 객체 후보 영역에 가로 길이가 일정 크기 이상인 수평 에지가 존재하고, 객체 후보 영역 상하에 일정 크기 이상의 에지가 존재하며, 객체 후보 영역을 4 사분면으로 나눴을 때 최소 3 사분면 이상에 일정 크기 이상의 에지가 존재할 때 객체 후보 영역의 에지가 차량의 형태 정보와 같다고 판단하도록 구성될 수 있다.The edge determination module 157 determines that the horizontal edge has a horizontal length equal to or larger than a certain size in the object candidate region in the detection region, the edge having a certain size or more exists above and below the object candidate region, and the object candidate region is divided into four quadrants The edge of the object candidate region may be determined to be the same as the shape information of the vehicle when there is an edge of at least a predetermined size in at least three quadrants.

진입 차량 판단 모듈(158)은 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하도록 구성될 수 있다.The entering vehicle judging module 158 can be configured to determine that a new vehicle has entered the detection area when the edge information of the vehicle object candidate area extracted from the difference image is the same as the shape information of the vehicle.

배경 영상 업데이트 모듈(159)은 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하도록 구성될 수 있다.The background image update module 159 determines that the vehicle object candidate region extracted from the car image is a region in which the vehicle stopped in the background image has escaped, And update the candidate area to a road background.

배경 영상 업데이트 모듈(159)은 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 해당 영역을 배경 영상의 가우시안 혼합물(mixture of Gaussian)들 중에서 중요도가 가장 높은 가우시안 모드(Gaussian mode)의 평균을 해당 영역의 색상 값으로 업데이트하도록 구성될 수 있다.If the extracted vehicle object candidate region is a region where the vehicle in which the vehicle object has been stopped is out of the background image, the background image update module 159 updates the Gaussian (Gaussian) mode, which is the most important among the Gaussian mixture of the background image, mode may be updated with the color value of the corresponding area.

이러한 구성으로 이루어진 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘은 배경 영상을 이용하여 객체를 검출하거나 객체를 추적할 경우 미리 설정한 탐지 영역으로 진입한 차량이 일정 시간 이상 주차하거나 정차한 다음에 탐지 영역 바깥으로 빠져나갔을 때 배경 영상이 새롭게 갱신되지 않아 탐지 영역 안으로 들어온 새로운 차량이 탐지되지 못하는 문제점을 해결할 수 있다.The object tracking algorithm based on the edge information according to the present invention having such a configuration according to the present invention can detect an object using a background image or track an object when a vehicle entering a preset detection area parks or stops for a predetermined time, It is possible to solve the problem that the background image is not renewed newly when the vehicle leaves the area and thus a new vehicle that has entered the detection area can not be detected.

또한, 본 발명은 탐지 영역 내에 오랫동안 정차된 차량이 배경 영상에 포함된 이후 다시 움직여 탐지 영역 바깥으로 빠져나갈 때 입력 영상에서 배경 영상을 뺀 차 영상에서 새로운 차량이 나타난 것으로 오인되는 문제점을 해결할 수 있다.Further, the present invention can solve the problem that a new vehicle is mistakenly displayed as a difference image obtained by subtracting a background image from an input image when the vehicle stopped for a long time is included in a background image and then moves again to the outside of the detection area .

차량 번호 인식용 PTZ 카메라(160)는 차량 촬영 모듈(161), 이진화 모듈(162), 번호판 영역 추출 모듈(163), 선명화 모듈(164), 문자 인식 모듈(165)을 포함하도록 구성될 수 있다.The vehicle identification number PTZ camera 160 may be configured to include a vehicle imaging module 161, a binning module 162, a license plate area extraction module 163, a sharpening module 164, and a character recognition module 165 have.

차량 번호 인식용 PTZ 카메라(160)는 차량 검지용 CCTV(150)에서 검지된 차량의 차량 번호 인식 명령을 수신하고, 수신된 차량 번호인식 명령에 따라 해당 차량의 차량 번호를 포착하여 인식하도록 구성될 수 있다.The PTZ camera 160 for car number recognition is configured to receive the car number recognition command of the detected car from the CCTV 150 for car detection and to capture and recognize the car number of the car in accordance with the received car number recognition command .

이하, 도 10 내지 도 15를 참조하여 차량 번호 인식용 PTZ 카메라(160)에 대해 세부적으로 설명한다.Hereinafter, the PTZ camera 160 for car number recognition will be described in detail with reference to FIGS. 10 to 15. FIG.

차량 촬영 모듈(161)은 축산농가로 진입하는 차량을 촬영하도록 구성될 수 있다.The vehicle photographing module 161 may be configured to photograph a vehicle entering the livestock farmhouse.

이진화 모듈(162)은 차량 번호 인식용 PTZ 카메라(160)의 영상을 컬러링된 이진 영상으로 이진화하도록 구성될 수 있다. 이진화 모듈(162)은 앞서 수신된 영상 중에서 텍스트 획 후보들의 수평 경계점들을 추출하여 수평 획 경계점 지도를 생성하고, 텍스트 획 사이의 픽셀을 그룹핑하여 세그먼트 이미지를 생성하고, 세그먼트 이미지 중 각각의 텍스트가 서로 다른 색깔을 갖도록 컬러링된 이진 영상을 생성하도록 구성될 수 있다. 도 10는 본 발명의 일 실시 예에 따른 이진화 모듈의 동작을 설명하기 위한 도면이다.The binarization module 162 may be configured to binarize the image of the PTZ camera 160 for car number recognition into a colorized binary image. The binarization module 162 extracts horizontal boundary points of the text stroke candidates from the received image to generate a horizontal stroke boundary point map, groups the pixels between the text strokes to generate a segment image, And may be configured to generate a colorized binary image to have a different color. 10 is a diagram for explaining the operation of the binarization module according to an embodiment of the present invention.

도 10에 도시된 바와 같이, 이진화 모듈(162)은 차량 촬영 모듈(161)로부터 그레이 스케일 이미지(도 10의 (a))를 수신하고, DoG(Different of Gaussian) 필터를 이용하여 텍스트 획 후보들의 수평 경계점들을 추출하여 수평 획 경계점 지도(Horizontal Stroke Boundary Map, 도 10의 (b))를 생성한다. 그리고, 이진화 모듈(162)은 SBT 알고리즘을 적용하여 도 10 (b)의 텍스트 획 사이의 픽셀(Pixel)을 그룹핑하여 세그먼트 이미지(도 10의 (c))를 생성한다. 10, the binarization module 162 receives a gray scale image (FIG. 10 (a)) from the vehicle photographing module 161 and uses the DoG (Different of Gaussian) Horizontal boundary points are extracted to generate a horizontal stroke boundary map (FIG. 10 (b)). The binarization module 162 generates a segment image (FIG. 10 (c)) by grouping the pixels between the text strokes of FIG. 10 (b) by applying the SBT algorithm.

보다 구체적으로, 이진화 모듈(162)은 수평 경계점 연결선의 수직방향 누적(profiling)을 통해 텍스트 획 사이의 픽셀을 그룹핑할 수 있다.More specifically, the binarization module 162 may group pixels between the text strokes through vertical profiling of the horizontal boundary line.

이진화 모듈(162)은 세그먼트 이미지(도 10의 (c)) 중 각각의 텍스트가 서로 다른 색깔을 갖도록 컬러링된 이진 영상(도 10의 (d))을 생성할 수 있다.The binarization module 162 may generate a binary image (FIG. 10 (d)) colored so that each of the segments of the segment image (FIG. 10 (c)) has a different color.

이때, 이진화 모듈(162)은 인접한 텍스트일수록 보색 관계와 같이 색 구분이 명확한 색으로 텍스트가 컬러링되도록 한다. 이로 인해, 인접한 텍스트의 경계선이 명확하게 구분될 수 있다.At this time, the binarization module 162 allows the text to be colored with a clear color such as a complementary color relation in the adjacent text. As a result, the boundaries of adjacent texts can be clearly distinguished.

이와 같이 본 발명에서는 텍스트 획 후보들의 수평 경계점을 추출하고, 추출된 수평 경계점을 기준으로 SBT 알고리즘을 적용하여 텍스트 획 사이의 픽셀을 그룹핑함으로써, 흐리거나 왜곡된 영상에서도 텍스트 영역을 정확하게 검출할 수 있다.As described above, in the present invention, the horizontal boundary points of the text stroke candidates are extracted and the SBT algorithm is applied based on the extracted horizontal boundary points to group the pixels between the text strokes, so that the text region can be accurately detected even in a blurred or distorted image .

도 10의 (e)는 텍스트 획이 접촉(separate point)되어 있는 경우를 나타낸 것으로, 이진화 모듈(162)은 SBT 알고리즘을 적용하여 텍스트 획 사이의 픽셀을 그룹핑한 후, 도 10의 (f)와 같이 컬러링된 세그먼트 이진 영상을 생성한다. 컬러링하는 과정에서 각 그룹핑된 텍스트를 서로 다른 색으로 컬러링함으로써, 접촉된 획을 보다 명확하게 분리할 수 있어 텍스트 영역을 정확하게 검출할 수 있다.10E shows a case where a text stroke is in a separate point. The binarization module 162 groups the pixels between the text strokes by applying the SBT algorithm, And generates a colorized segment binary image. By coloring each grouped text in different colors in the process of coloring, the touching strokes can be more clearly separated and the text area can be accurately detected.

번호판 영역 추출 모듈(163)은 이진 영상 중에서 차량의 번호판 영역을 추출하도록 구성될 수 있다. 즉, 번호판 영역 추출 모듈(163)은 이진화 모듈(162)로부터 출력된 이진 영상(BI)으로부터 번호판 영역(EI)을 추출할 수 있다.The license plate area extracting module 163 can be configured to extract the license plate area of the vehicle from the binary image. That is, the license plate area extraction module 163 can extract the license plate area EI from the binary image BI output from the binarization module 162.

선명화 모듈(164)은 차량 번호판 영역에 포함된 문자 블롭들을 선명화하도록 구성될 수 있다. 선명화 모듈(164)은 번호판 영역에 포함된 문자 블롭들의 선명도를 추정하고, 추정된 선명도가 기준 선명도보다 낮은 경우, 번호판 영역에 선명화 알고리즘을 적용하여 문자 블롭들을 선명화하도록 구성될 수 있다.The sharpening module 164 may be configured to sharpen the character blobs included in the license plate area. The sharpening module 164 may be configured to estimate the sharpness of the character blobs included in the license plate area and to sharpen the character blobs by applying a sharpening algorithm to the license plate area when the estimated sharpness is lower than the reference sharpness.

선명화 모듈(164)은 번호판 영역 추출 모듈(163)을 통해 추출된 번호판 영역(EI)에 포함된 문자 블롭들의 선명도를 추정할 수 있다. 일 예로 선명화 모듈(164)은 원근 변환(perspective transform)을 이용하여 문자 블롭들 각각의 크기를 정규화하고 회전을 보정할 수 있다.The sharpening module 164 may estimate the sharpness of the character blobs included in the license plate area EI extracted through the license plate area extraction module 163. [ As an example, the sharpening module 164 may use a perspective transform to normalize the size of each of the character blobs and correct the rotation.

그리고 선명화 모듈(164)은 크기 정규화 및 회전 보정이 수행된 선명화 번호판 영역(SI)을 출력할 수 있다.The sharpening module 164 may output the sharpening plate area SI in which size normalization and rotation correction have been performed.

일 예로 선명화 모듈(164)은 추정된 문자 블롭들의 선명도가 기준 선명도보다 낮은 경우, 선명화 알고리즘을 적용하여 문자 블롭들을 선명화할 수 있다. 이때 선명화 알고리즘은 언샤프 마스킹 알고리즘(unsharp masking algorithm)일 수 있으나 본 발명이 이에 한정되는 것은 아니다.For example, the sharpening module 164 may sharpen character blobs by applying a sharpening algorithm if the sharpness of the estimated character blobs is lower than the reference sharpness. The sharpening algorithm may be an unsharp masking algorithm, but the present invention is not limited thereto.

또한 선명화 모듈(164)은 번호판 영역(SI)에 영상 개선 알고리즘을 적용할 수 있다. 이때 영상 개선 알고리즘은 시그모이드(sigmoid) 변환 함수를 이용한 알고리즘일 수 있으나 본 발명이 이에 한정되는 것은 아니다.The sharpening module 164 may also apply an image enhancement algorithm to the license plate area SI. In this case, the image enhancement algorithm may be an algorithm using a sigmoid transformation function, but the present invention is not limited thereto.

문자 인식 모듈(165)은 선명화된 문자 블롭들 각각에 해당하는 문자들을 인식하도록 구성될 수 있다.The character recognition module 165 may be configured to recognize characters corresponding to each of the sharpened character blobs.

문자 인식 모듈(165)은 신경망 문자 인식기와 은닉 마르코프 모델 인식기를 포함하며, 신경망 문자 인식기를 이용하여 문자 블롭들 각각에 해당하는 문자들을 인식하고, 신경망 문자 인식기로 인식되지 않는 문자 블롭들을 은닉 마르코프 모델 인식기를 이용하여 인식하도록 구성될 수 있다.The character recognition module 165 includes a neural network character recognizer and a hidden Markov model recognizer. The character recognition module 165 recognizes characters corresponding to each of the character blobs using a neural network character recognizer, And can be configured to recognize using a recognizer.

여기서, 신경망 문자 인식기는 지역 전용 인식기, 문자 전용 인식기 및 숫자 전용 인식기 중 적어도 하나 이상의 조합으로 구현될 수 있다.Here, the neural network character recognizer may be implemented by a combination of at least one of a region-specific recognizer, a character-specific recognizer, and a numeric-only recognizer.

문자 인식 모듈(165)은 선명화 모듈(164)로부터 출력된 선명화 번호판 영역(SI)으로부터 문자 블롭들 각각에 해당하는 문자들 각각을 인식할 수 있다. 이때 문자 인식 모듈(165)은 문자들 각각을 인식하기 위해 신경망 구조를 이용할 수 있으나 본 발명이 이에 한정되는 것은 아니다.The character recognition module 165 can recognize each of the characters corresponding to each of the character blobs from the sharpening plate area SI output from the sharpening module 164. At this time, the character recognition module 165 may use a neural network structure to recognize each of the characters, but the present invention is not limited thereto.

도 11는 본 발명의 일 실시 예에 따른 이진화 모듈과 번호판 영역 추출 모듈의 동작을 설명하기 위한 도면이다.11 is a view for explaining operations of a binning module and a license plate area extraction module according to an embodiment of the present invention.

이진화 모듈(162)은 차량 촬영 모듈(161)로부터 축산농가에 진입하는 차량의 영상(RI)을 수신할 수 있다. 도 11의 (a)는 차량 촬영 모듈(161)로부터 수신된 차량의 영상(RI)의 일 실시 예로서 제1영상(5-1)으로 도시되어 있다.The binarization module 162 can receive the image RI of the vehicle entering the livestock farm from the vehicle photographing module 161. [ 11 (a) is shown as a first image 5-1 as an example of the image RI of the vehicle received from the vehicle photographing module 161. As shown in Fig.

그리고 이진화 모듈(162)은 제1영상(5-1)에 대해, DoG 필터를 이용하여 텍스트 획 후보들의 수평 획 경계점 지도인 제2 영상(5-2)을 생성하고, SBT알고리즘을 적용하여 텍스트 획 사이의 픽셀을 그룹핑하고, 그룹핑된 픽셀(텍스트)를 서로 다른 색깔로 컬러링하여 제3 영상(5-3)을 생성할 수 있다. 제3영상(5-3)은 번호판 영역 추출 모듈(163)로 출력된다.The binarization module 162 generates a second image 5-2 as a horizontal stroke boundary point map of the text stroke candidates using the DoG filter for the first image 5-1, The third image 5-3 can be generated by grouping the pixels between the strokes and coloring the grouped pixels (text) with different colors. The third image 5-3 is output to the license plate area extraction module 163. [

이때, 이진화 모듈(162)은 제3 영상(5-3)의 노이즈를 줄이기 위해 비선형 필터링 기술인 메디안 필터링(median filtering)을 적용하여 제4영상(5-4)을 생성할 수 있으며, 이러한 노이즈 제거 동작은 번호판 영역 추출 모듈(163)에서 수행될 수도 있다.In this case, the binarization module 162 may generate the fourth image 5-4 by applying median filtering, which is a nonlinear filtering technique, to reduce the noise of the third image 5-3. The operation may be performed in the license plate area extraction module 163.

번호판 영역 추출 모듈(163)은 이진화 모듈(162)로부터 출력된 제4영상(5-4)을 수신하고, 수신된 제4 영상(5-4)으로부터 번호판 영역(EI)을 추출할 수 있다. 도 11의 (e) 및 (f)는 번호판 영역(EI)을 추출하는 과정에 대한 일 실시 예로서 제5영상(5-5) 및 제6 영상(5-6)이 도시되어 있다.The license plate region extraction module 163 receives the fourth image 5-4 output from the binarization module 162 and extracts the license plate area EI from the received fourth image 5-4. 11 (e) and 11 (f) show a fifth image 5-5 and a sixth image 5-6 as an example of a process of extracting the license plate area EI.

제5영상(5-5)은 번호판 영역 추출 모듈(250)에 의해 추출된 복수의 문자 블롭들을 포함할 수 있다.The fifth image 5-5 may include a plurality of character blobs extracted by the license plate area extraction module 250.

구체적으로 번호판 영역 추출 모듈(163)은 이진화 모듈(162)로부터 수신한 제4영상(5-4)으로부터 문자(또는 숫자)로 추정되는 복수의 문자 블롭들을 추출할 수 있다. 본 실시 예에 따른 번호판 영역 추출 모듈(163)은 복수의 문자 블롭들을 추출하기 위해 기준 문자 획 크기 정보를 이용할 수 있다. 기준 문자 획 크기 정보는 번호판 영역 추출 모듈(163) 또는 차량 번호판 인식부(250)에 저장될 수 있다.Specifically, the license plate area extraction module 163 can extract a plurality of character blobs estimated as characters (or numbers) from the fourth image 5-4 received from the binarization module 162. The license plate area extraction module 163 according to the present embodiment can use the reference character stroke size information to extract a plurality of character blobs. The reference character stroke size information may be stored in the license plate area extraction module 163 or the license plate recognition section 250. [

그리고 번호판 영역 추출 모듈(163)은 제5영상(5-5)에 포함된 복수의 문자 블롭들의 배치 형태를 해석하고, 제6영상(5-6)에 도시된 바와 같이 번호판 영역을 추출할 수 있다. Then, the license plate area extraction module 163 analyzes the arrangement form of the plurality of character blobs included in the fifth image 5-5 and extracts the license plate area as shown in the sixth image 5-6 have.

예를 들면 번호판 배치 형태가 4개의 숫자로 이루어진 형태일 때, 번호판 영역 추출 모듈(163)에서는 복수의 문자 블롭들 중에서 크기가 유사하고 연속적인 4개의 블롭들(60A ~ 60D)이 포함된 영역을 번호판 영역(EI)으로서 추출할 수 있다.For example, when the license plate layout type is formed of four numbers, the license plate region extraction module 163 extracts an area including four consecutive blobs 60A to 60D, which are similar in size among a plurality of character blobs, And can be extracted as a plate plate area (EI).

또한 번호판 영역 추출 모듈(163)은 추출된 번호판 영역(EI)을 선명화 모듈(164)로 출력 및 전송할 수 있다. 실시 예에 따라 번호판 영역 추출 모듈(250)은 추출된 번호판 영역(EI)이 포함된 제6영상(6-6)을 출력할 수도 있다.The license plate area extraction module 163 may output and transmit the extracted license plate area EI to the sharpening module 164. The license plate area extraction module 250 may output the sixth image 6-6 including the extracted license plate area EI according to the embodiment.

도 11의 (f)에는 제1영상(5-1)에 번호판 영역(EI)이 표시된 형태의 제6영상(5-6)이 도시되어 있으나, 실시 예에 따라 제6영상(5-6)은 제3영상(5-3) 또는 제4 영상(5-4)에 번호판 영역(EI)이 표시된 형태일 수 있다.11F shows a sixth image 5-6 having a license plate area EI displayed on the first image 5-1. However, according to the embodiment, The license plate area EI may be displayed on the third image 5-3 or the fourth image 5-4.

도 12은 본 발명의 일 실시 예에 따른 번호판 영역의 블러링의 정도가 변화함에 따라 추정되는 선명도의 변화를 나타내는 도면이다.FIG. 12 is a diagram showing a change in sharpness estimated as a degree of blurring in a license plate area changes according to an embodiment of the present invention. FIG.

선명화 모듈(164)은 번호판 영역 추출 모듈(163)로부터 출력된 번호판 영역(EI)을 수신하며, 번호판 영역(EI)에 포함된 복수의 문자 블롭들의 선명도(S)를 추정할 수 있다. 복수의 문자 블롭들은 조명의 불균형, PTZ 카메라(220)의 흔들림, 초점의 부정확 및/또는 차량의 움직임으로 인해 블러링(blur)되어 있을 수 있다.The sharpening module 164 receives the license plate area EI output from the license plate area extraction module 163 and can estimate the sharpness S of a plurality of character blobs included in the license plate area EI. The plurality of character blobs may be blurred due to illumination imbalances, shake of the PTZ camera 220, inaccurate focus, and / or vehicle motion.

도 12에서는 번호판 영역(EI)의 블러링 정도에 따라 추정된 선명도(S)의 예들이 도시되어 있는데, 번호판 영역(EI)의 블러링 정도가 높을수록 추정된 선명도(S)가 낮아짐을 알 수 있다.12 shows examples of the sharpness S estimated according to the degree of blurring of the license plate area EI. It can be seen that the higher the blurring degree of the license plate area EI, the lower the estimated sharpness S have.

선명화 모듈(164)은 선명도 추정 알고리즘을 이용하여 번호판 영역(EI)에 포함된 복수의 문자 블롭들의 선명도(S)를 추정할 수 있다.The sharpening module 164 may estimate the sharpness S of a plurality of character blobs included in the license plate area EI using a sharpness estimation algorithm.

여기서 선명도 추정 알고리즘은 번호판 영역(EI)의 중간값 필터링 영상에서 가장자리 화소에 대한 명도값과 가장자리 화소의 우측 화소에 대한 명도값의 차이와, 가장자리 화소에 대한 명도값과 가장자리 화소의 좌측 화소에 대한 명도값의 차이를 이용하여 선명도(S)를 추정하는 방식의 알고리즘일 수 있으나 본 발명이 이에 한정되는 것은 아니다.The sharpness estimation algorithm is based on the difference between the brightness value of the edge pixel and the brightness value of the right pixel of the edge pixel in the intermediate value filtered image of the license plate area EI and the brightness value of the edge pixel and the brightness value of the left pixel of the edge pixel The algorithm may be a method of estimating the sharpness S using a difference in brightness value, but the present invention is not limited thereto.

도 12에 기재된 블러링 정도와 추정된 선명도(S)는 설명의 편의를 위한 임의의 값이므로 블러링 정도에 따라 추정되는 선명도(S)의 값은 선명도 추정 알고리즘의 종류에 따라 달라질 수 있다.Since the degree of blurring and the estimated sharpness S shown in FIG. 12 are arbitrary values for convenience of explanation, the value of the sharpness S estimated according to the blurring degree may vary depending on the kind of sharpness estimation algorithm.

또한 선명화 모듈(270)은 번호판 영역(EI)에 크기 정규화 및 회전 보정을 위한 알고리즘을 적용하여, 번호판 영역(EI)에 포함된 복수의 문자 블롭들 각각의 크기를 정규화하고 회전을 보정할 수 있다. 알고리즘은 원근 변환(perspective transform) 알고리즘일 수 있으나 본 발명이 이에 한정되는 것은 아니다.The sharpening module 270 may also apply an algorithm for size normalization and rotation correction to the license plate area EI to normalize the size of each of the plurality of character blobs included in the license plate area EI and to correct the rotation have. The algorithm may be a perspective transform algorithm, but the present invention is not limited thereto.

도 13은 본 발명의 일 실시 예에 따른 번호판 영역에 포함된 문자들 각각을 분할하는 과정을 설명하기 위한 도면이다.13 is a view for explaining a process of dividing each of characters included in a license plate area according to an embodiment of the present invention.

상술한 바와 같이 선명화 모듈(164)은 수신된 번호판 영역(EI)을 선명화하고 이로부터 선명화 번호판 영역(SI)을 출력할 수 있다.As described above, the sharpening module 164 can sharpen the received license plate area EI and output the sharpening license plate area SI therefrom.

그리고 문자 인식 모듈(165)은 선명화 번호판 영역(SI)에 포함된 복수의 문자 블롭들을 분할하고, 분할된 복수의 문자 블롭들 각각에 포함된 문자들 각각을 인식할 수 있다.The character recognition module 165 may divide the plurality of character blobs contained in the sharpening plate area SI and recognize each of the characters included in each of the plurality of divided character blobs.

도 13의 (a)를 참조하면 선명화 모듈(164)은 수신된 번호판 영역(EI)의 선명도(S)를 추정하고, 추정된 선명도(S)와 기준 선명도를 비교할 수 있다. 예를 들면 기준 선명도가 0.4 라고 가정할 때, 도 12의 (a)에 도시된 번호판 영역(EI)의 선명도(S)는 0.67이다.Referring to FIG. 13A, the sharpening module 164 estimates the sharpness S of the received license plate area EI, and compares the estimated sharpness S with the reference sharpness. For example, assuming that the reference sharpness is 0.4, the clarity S of the license plate area EI shown in FIG. 12A is 0.67.

여기서 선명도(S)가 기준 선명도보다 크므로, 선명화 모듈(164)은 번호판 영역(EI)에 포함된 복수의 문자 블롭들의 가장자리 화소들에 대해 선명화 알고리즘을 적용하지 않을 수 있다.Since the sharpness S is greater than the reference sharpness, the sharpening module 164 may not apply the sharpening algorithm to the edge pixels of the plurality of character blobs included in the plate area EI.

도 13의 (b)를 참조하면, 번호판 영역(EI)의 선명도(S)는 0.27이고, 기준 선명도보다 낮으므로 선명화 모듈(164)은 가장자리 화소들에 선명화 알고리즘을 적용하여 국소 콘트라스트를 개선함으로써 복수의 문자 블롭들을 선명화할 수 있다.Referring to FIG. 13B, since the sharpness S of the license plate area EI is 0.27 and is lower than the reference sharpness, the sharpening module 164 applies a sharpening algorithm to the edge pixels to improve the local contrast Thereby sharpening a plurality of character blobs.

본 실시 예에 따른 선명화 알고리즘은 실시간 번호판 인식을 위해 고속 처리가 가능한 언샤프 마스킹 방식의 필터링 알고리즘일 수 있으나, 본 발명이 이에 한정되는 것은 아니다.The sharpening algorithm according to the present embodiment may be an unsharp masking filtering algorithm capable of high-speed processing for real-time license plate recognition, but the present invention is not limited thereto.

도 13의 (a)와 (b)를 참조하면 선명화 모듈(164)은 번호판 영역(EI)의 전역 콘트라스트를 개선하기 위한 영상 개선 알고리즘을 번호판 영역(EI)에 적용할 수 있다. 이때 영상 개선 알고리즘은 시그모이드 변환 함수를 이용한 영상 개선 알고리즘일 수 있다.13 (a) and (b), the sharpening module 164 may apply an image enhancement algorithm to the license plate area EI to improve the global contrast of the license plate area EI. The image enhancement algorithm may be an image enhancement algorithm using a sigmoid transform function.

그리고 선명화 모듈(164)은 선명화 번호판 영역(SI)을 문자 인식 모듈(165)로 출력할 수 있다. 선명화 번호판 영역(SI)은 번호판 영역(EI)에 선명화 알고리즘 및/또는 영상 개선 알고리즘이 적용된 번호판 영역을 의미할 수 있다.The sharpening module 164 may output the sharpening plate area SI to the character recognition module 165. The sharpening plate area SI may refer to a plate area to which a sharpening algorithm and / or an image enhancement algorithm is applied to the plate area EI.

문자 인식 모듈(165)은 다양한 형태의 차량 번호판 유형들을 이용하여 선명화 번호판 영역(SI)의 유형을 추정할 수 있다.The character recognition module 165 may estimate the type of sharpening plate area SI using various types of license plate types.

그리고 문자 인식 모듈(165)은 추정된 선명화 번호판 영역(SI)의 유형에 기초하여 선명화 번호판 영역(SI)에 포함된 복수의 문자 블롭들 각각을 분할할 수 있다. 도 13의 (a)와 (b)에는 복수의 문자 블롭들이 분할된 형태가 도시되어 있다. The character recognition module 165 may then divide each of the plurality of character blobs contained in the sharpening plate area SI based on the type of the estimated sharpening plate area SI. 13 (a) and 13 (b) show a form in which a plurality of character blobs are divided.

도 14는 본 발명의 일 실시 예에 따른 번호판 문자 인식용 신경망 구조를 나타내는 도면이다.14 is a diagram showing a neural network structure for license plate character recognition according to an embodiment of the present invention.

문자 인식 모듈(165)은 도 14에 도시된 바와 같이 역전파 신경망 문자 인식기를 이용할 수 있으며, 앞서 도 13의 (a)와 (b)에 도시된 바와 같이 분할된 복수의 문자 블롭들 각각에 포함된 복수의 문자들 각각을 인식할 수 있다. 역전파 신경망 문자 인식기는 비선형 통계적 데이터 모델링 툴(non linear statiscal data modeling tools)의 일 예이다. 역전파 신경망 문자 인식기는 입력과 출력 사이의 복잡한 관계를 모델링하는데 사용될 수 있다. 따라서 통계적 데이터를 모델링하기 위해 훈련 문자들이 이용될 수 있다.The character recognition module 165 may use the back propagation neural network character recognizer as shown in FIG. 14 and may be included in each of the plurality of divided character blobs as shown in FIGS. 13 (a) and 13 (b) It is possible to recognize each of the plurality of characters. Backpropagation neural network character recognizers are examples of non-linear statistical data modeling tools. Backpropagation neural network character recognizers can be used to model the complex relationships between inputs and outputs. Training letters can therefore be used to model the statistical data.

또한 신경망 문자 인식기는 지역 전용 인식기, 문자 전용 인식기, 숫자 전용 인식기, 및 지역 문자 숫자 혼용 인식기로 구현될 수 있다. In addition, the neural network character recognizer can be implemented as a region-specific recognizer, a character-specific recognizer, a numeric-specific recognizer, and a local-character-number hybrid recognizer.

문자 인식 모듈(165)은 번호판 네이밍 룰에 따라서 분할된 복수의 문자 블롭들의 위치 정보에 따라 지역 전용 인식기, 문자 전용 인식기, 숫자 전용 인식기, 및/또는 지역 문자 숫자 혼용 인식기를 사용하여 복수의 문자들 각각을 인식할 수 있다.The character recognition module 165 generates a plurality of characters using the area-specific recognizer, the character-specific recognizer, the numeric-specific recognizer, and / or the regional character-number mixer recognizer based on the position information of the plurality of character blobs divided according to the license plate naming rule Respectively.

본 발명에서는 기존 문자, 숫자 전용 인식기를 갖는 역전파 신경망 문자 인식기에 비해 지역 전용 인식기가 추가됨으로써, 문자 인식에 대한 부하가 감소하며 문자 인식 수행 시간을 단축할 수 있다.In the present invention, as compared with a back propagation neural network character recognizer having a conventional character / numeric-only recognizer, a local-specific recognizer is added, thereby reducing load on character recognition and shortening the time required for character recognition.

도 15는 본 발명의 일 실시 예에 따른 번호판 문자 인식용 은닉 마르코프 모델(Hidden Markov Model, HMM) 블록 다이어그램을 나타내는 도면이다.FIG. 15 is a block diagram of a Hidden Markov Model (HMM) for license plate character recognition according to an embodiment of the present invention.

은닉 마르코프 모델(Hidden Markov Model, HMM) 인식기는 문자/숫자를 분할하고 인식 과정이 따로 분리되어 있지 않고 동시에 수행될 수 있다. 따라서 HMM 고유의 특징을 이용하면 필기 단어의 과 분할(over-segmentation) 또는 저 분할(unde-segmentation) 하에서도 단어를 인식할 수 있다.The Hidden Markov Model (HMM) recognizer can be performed at the same time that the character / number is divided and the recognition process is not separated. Thus, using HMM-specific features, words can be recognized even under over-segmentation or unde-segmentation of handwritten words.

또한 은닉 마르코프 모델 인식기는 인식 대상 패턴의 통계적 피쳐뿐만 아니라 다양한 구조적 피쳐를 이용할 수 있다. 이러한 특징으로 인해, 문자 인식 모듈(165)은 신경망 문자 인식기로 인식되지 않는 문자 또는 숫자가 있을 경우에만 선택적으로 은닉 마르코프 모델 인식기를 사용한다.In addition, the hidden Markov model recognizer can utilize various structural features as well as statistical features of the pattern to be recognized. Because of this feature, the character recognition module 165 selectively uses the hidden Markov model recognizer only when there are characters or numbers that are not recognized as neural network character recognizers.

본 발명에서는 신경망 문자 인식기로 인식되지 않는 문자 또는 숫자가 발생할 경우, 은닉 마르코프 모델 인식기를 이용하여 인식되지 않는 문자 또는 숫자를 인식함으로써, 문자 또는 숫자를 보다 정확하게 인식할 수 있으며 인식 시간을 단축할 수 있는 효과가 기대할 수 있다.According to the present invention, when a character or a number that is not recognized as a neural network character recognizer occurs, recognizing a character or a number that is not recognized by using the hidden markov model recognizer, the character or number can be more accurately recognized and the recognition time can be shortened The effect can be expected.

다시 도 1 내지 도 4를 참조하면, 현장 제어기(170)는 차량 검지용 CCTV(150)로부터 축산농가 진입 신호를 수신하고 수신된 축산농가 진입 신호에 따라 차량 번호 인식 명령을 생성하여 차량 번호 인식용 PTZ 카메라(160)로 송신하도록 구성될 수 있다.1 to 4, the field controller 170 receives the livestock farm entry signal from the CCTV 150 for vehicle detection, generates a vehicle number recognition command in accordance with the received livestock farm entry signal, To the PTZ camera 160.

현장 제어기(170)는 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회하고, 조회 결과 차량 번호가 방문 예약 등록되어 있는 경우 차량 방역기(130) 및 대인 방역기(140)가 방역 작업을 수행하도록 제어하는 것으로 구성될 수 있다.The field controller 170 inquires of the remote control server 110 about the vehicle number recognized by the PTZ camera 160 for recognizing the vehicle number. When the inquiry result indicates that the vehicle number is registered for visiting, the vehicle controller 130 and / And may be configured to control the anti-personal device 140 to perform the anti-virus operation.

현장 제어기(170)는 대인 방역기(140)에서 인식된 안면을 원격 방역 제어 서버(110)를 통해 조회하고, 조회 결과 탑승자가 방문 예약 등록되어 있는지 확인하고, 확인 결과 방문 예약 등록되어 있는 경우 대인 방역기(140)가 탑승자에 대해 방역 작업을 수행하도록 제어하는 것으로 구성될 수 있다.The field controller 170 inquires the facial surface recognized by the interpersonal controller 140 through the remote control server 110 and confirms whether the passenger of the inquiry result is registered for visiting reservation. The control unit 140 may be configured to control the passenger to perform the anti-dumping work.

현장 제어기(170)는 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회한 결과 차량 번호가 방문 예약 등록되어 있지 않거나, 대인 방역기(140)에서 인식된 안면을 원격 방역 제어 서버(110)를 통해 조회한 결과 탑승자가 방문 예약 등록되어 있지 않은 경우, 농장 관리자 단말(10)로 방문 승인 요청 신호를 송신하고 농장 관리자 단말(10)로부터 방문 승인 신호를 수신하며, 방문 승인 신호가 수신되면 차량 방역기(130) 및 대인 방역기(140)가 방역 작업을 수행하도록 제어하는 것으로 구성될 수 있다.The field controller 170 determines whether the vehicle number is registered as a visit reservation or not as a result of the inquiry through the remote control server 110 by the vehicle number recognized by the PTZ camera 160 for recognizing the vehicle number, If the occupant is not registered for visiting reservation, the visiting server 10 transmits a visit approval request signal to the farm manager terminal 10 and receives a visit approval signal from the farm manager terminal 10 And when the visit acceptance signal is received, the vehicle surrogate 130 and the personal surveillance device 140 are controlled to perform the surveillance operation.

현장 제어기(170)는 차량 방역기(130) 및 대인 방역기(140)로부터 방역 작업 완료 신호를 수신하면, 차량 차단 바(120)가 차량의 통행을 허용하도록 제어하는 것으로 구성될 수 있다.The field controller 170 may be configured to control the vehicle shut-off bar 120 to allow the vehicle to pass when it receives the anti-vandal action signal from the vehicle attacker 130 and the anti-surveillance device 140.

도 16은 본 발명의 일 실시예에 따른 축산농가 출입관리 방법의 흐름도이다16 is a flowchart of an access control method for an animal husbandry farm according to an embodiment of the present invention

도 16을 참조하면, 원격 방역 제어 서버(110)가 축산농가를 방문하기 위한 차량의 차량 번호 및 탑승자를 미리 방문 예약 등록한다(S101).Referring to FIG. 16, the remote anti-virus control server 110 registers a vehicle number and a passenger of a vehicle for visiting a livestock farm in advance (S101).

다음으로, 차량 검지용 CCTV(closed-circuit television)(150)가 축산농가로 진입하는 차량을 검지하고, 차량이 검지되면 축산농가 진입 신호를 생성하여 현장 제어기(170)로 송신한다(S102).Next, closed-circuit television (CCTV) 150 for vehicle detection detects a vehicle entering the livestock farm, and when the vehicle is detected, the livestock farm entrance signal is generated and transmitted to the field controller 170 (S102).

다음으로, 현장 제어기(170)가 차량 검지용 CCTV(150)로부터 축산농가 진입 신호를 수신하고 수신된 축산농가 진입 신호에 따라 차량 번호 인식 명령을 생성하여 차량 번호 인식용 PTZ(Pan & Tilt & Zoom) 카메라로 송신한다(S103).Next, the field controller 170 receives the livestock farm entry signal from the CCTV 150 for vehicle detection, generates a vehicle number recognition command in accordance with the received livestock farm entry signal, and outputs a pan / tilt & zoom (S103).

다음으로, 차량 번호 인식용 PTZ 카메라(160)가 검지된 차량의 차량 번호 인식 명령을 수신하고, 수신된 차량 번호인식 명령에 따라 차량의 차량 번호를 포착하여 인식한다(S104).Next, the PTZ camera 160 for recognizing the car number receives the car number recognition command of the detected car, captures and recognizes the car number of the car in accordance with the received car number recognition command (S104).

여기서, 차량 촬영 모듈(161)이 축산농가로 진입하는 차량을 촬영하는 단계; 이진화 모듈(162)이 차량 번호 인식용 PTZ 카메라(160)의 영상을 컬러링된 이진 영상으로 이진화하는 단계; 번호판 영역 추출 모듈(163)이 이진 영상 중에서 차량의 번호판 영역을 추출하는 단계를 포함하도록 구성될 수 있다.Here, the vehicle photographing module 161 photographs a vehicle entering the livestock farming house; The binarization module 162 binarizes the image of the PTZ camera 160 for car number recognition into a colorized binary image; The license plate region extraction module 163 may extract the license plate area of the vehicle from the binary image.

이때, 이진화 모듈(162)이 차량 번호 인식용 PTZ 카메라(160)의 영상을 컬러링된 이진 영상으로 이진화하는 단계는, 앞서 수신된 영상 중에서 텍스트 획 후보들의 수평 경계점들을 추출하여 수평 획 경계점 지도를 생성하고, 텍스트 획 사이의 픽셀을 그룹핑하여 세그먼트 이미지를 생성하고, 세그먼트 이미지 중 각각의 텍스트가 서로 다른 색깔을 갖도록 컬러링된 이진 영상을 생성하도록 구성될 수 있다.The binarization module 162 binarizes the image of the PTZ camera 160 for car number recognition into a colorized binary image includes extracting horizontal boundary points of the text stroke candidates from the received image to generate a horizontal stroke boundary map To generate a segmented image by grouping pixels between text strokes, and to generate a colorized binary image such that each of the segmented images has a different color.

그리고 차량 촬영 모듈(161)이 축산농가로 진입하는 차량을 촬영하는 단계는, 선명화 모듈(164)이 차량 번호판 영역에 포함된 문자 블롭들을 선명화하는 단계; 문자 인식 모듈(165)이 선명화된 문자 블롭들 각각에 해당하는 문자들을 인식하는 단계로 구성될 수 있다.The step of photographing the vehicle entering the livestock farming house by the vehicle photographing module 161 includes the steps of the sharpening module 164 sharpening the character blobs included in the license plate area; And the character recognizing module 165 recognizes characters corresponding to each of the sharpened character blobs.

그리고 문자 인식 모듈(165)이 선명화된 문자 블롭들 각각에 해당하는 문자들을 인식하는 단계는, 신경망 문자 인식기를 이용하여 문자 블롭들 각각에 해당하는 문자들을 인식하고, 신경망 문자 인식기로 인식되지 않는 문자 블롭들을 은닉 마르코프 모델 인식기를 이용하여 인식하도록 구성될 수 있다.And recognizing characters corresponding to each of the sharpened character blobs by the character recognition module 165 includes recognizing characters corresponding to each of the character blobs using the neural network character recognizer, The character blobs may be configured to be recognized using a hidden Markov model recognizer.

그리고 신경망 문자 인식기는 지역 전용 인식기, 문자 전용 인식기 및 숫자 전용 인식기 중 적어도 하나 이상의 조합으로 구현될 수 있다.The neural network character recognizer may be implemented by a combination of at least one of a region-specific recognizer, a character-specific recognizer, and a numeric-only recognizer.

그리고 선명화 모듈(164)이 차량 번호판 영역에 포함된 문자 블롭들을 선명화하는 단계는, 번호판 영역에 포함된 문자 블롭들의 선명도를 추정하고, 추정된 선명도가 기준 선명도보다 낮은 경우, 번호판 영역에 선명화 알고리즘을 적용하여 문자 블롭들을 선명화하도록 구성될 수 있다.And the sharpening module 164 sharpening the character blobs included in the license plate area includes estimating the sharpness of the character blobs included in the license plate area and, if the estimated sharpness is lower than the reference sharpness, May be configured to sharpen the character blobs.

다음으로, 현장 제어기(170)가 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회한다(S105).Next, the field controller 170 inquires the remote number control server 110 of the vehicle number recognized by the PTZ camera 160 for recognizing the vehicle number (S105).

현장 제어기(170)가 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회 결과 차량 번호가 방문 예약 등록되어 있는 경우 차량 방역기(130) 및 대인 방역기(140)가 방역 작업을 수행하도록 제어한다(S106).When the field controller 170 receives the vehicle number recognized by the PTZ camera 160 for recognizing the vehicle number from the remote control server 110 via the remote control server 110, 140 to perform the anti-virus work (S106).

현장 제어기(170)가 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회 결과 차량 번호가 방문 예약 등록되어 있지 않은 경우, 현장 제어기(170)가 농장 관리자 단말(10)로 방문 승인 요청 신호를 송신하고 농장 관리자 단말(10)로부터 방문 승인 신호를 수신하며, 방문 승인 신호가 수신되면 차량 방역기(130)가 방역 작업을 수행하도록 제어한다(S112).If the field controller 170 determines that the vehicle number recognized by the PTZ camera 160 for recognizing the vehicle number is not visited and registered in the inquiry result reservation number via the remote screening control server 110, Transmits a visit approval request signal to the administrator terminal 10, receives a visit approval signal from the farm manager terminal 10, and controls the vehicle proxy 130 to perform the anti-virus operation when the visit approval signal is received (S112).

이때, 단계 S105에서 원격 방역 제어 서버(110)가 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량의 차량 번호를 미리 방문 예약 등록되어 있는 차량의 차량 번호와 대비하여 확인하도록 구성될 수 있다. 구체적으로는 다음과 같다.At this time, in step S105, the remote surveillance control server 110 may be configured to confirm the vehicle number of the vehicle recognized by the PTZ camera 160 for recognizing the vehicle number, in comparison with the vehicle number of the vehicle registered in advance. Specifically, it is as follows.

먼저 잡음 제거 필터 모듈(151)이 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거한다. 그리고 제1 에지 정보 추출 모듈(152)이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출한다. 그리고 모폴로지 연산 모듈(153)이 추출된 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출한다. 그리고 배경 영상 생성 모듈(154)이 차량 탐지 영역이 촬영된 입력 영상과 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성한다. 그리고 차영상 생성 모듈(155)이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 차량 검지용 CCTV(150)로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성한다. 그리고 제2 에지 정보 추출 모듈(156)이 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출한다. 에지 판단 모듈(157)이 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단한다. 그리고 진입 차량 판단 모듈(158)이 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단한다. 그리고 배경 영상 업데이트 모듈(159)이 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트한다.First, the noise removal filter module 151 removes the shadow or noise included in the input image of the vehicle detection region using noise filtering. The first edge information extraction module 152 converts the input image into a monochrome image by applying an adaptive binarization algorithm to the input image subjected to the noise elimination filtering and extracts edge information included in the input image. Then, the morphology operation module 153 continuously performs a morphology operation on the extracted edge information to extract edge information connected in the form of a vehicle. Then, the background image generation module 154 generates a background image of a grayscale image by using the binary image obtained by binarizing the input image and the input image in which the vehicle detection region is imaged. The difference between the intensities of the pixels of the background image of the gray scale image generated by the difference image generation module 155 and the intensities of the pixels of the input image newly input from the vehicle detection CCTV 150 are set to a threshold value Higher pixels are treated as a binary '1' to be foreground, while pixels lower than a threshold value are processed as binary '0' to make a difference image of a foreground / . The second edge information extraction module 156 performs morphology operation on the difference image of the monochrome image to extract the edge information of the vehicle shape. The edge determination module 157 extracts the edge information of the vehicle object candidate region from the edge information extracted from the difference image, removes the edge components less than the edge size set in the moving vehicle detection system, The component is extracted to determine whether the edge of the object candidate region is the same as the shape information of the vehicle. When the edge information of the vehicle object candidate region extracted from the car image by the entry vehicle judging module 158 is the same as the shape information of the vehicle, it is judged that a new vehicle has entered the detection region. If the vehicle object candidate region extracted from the car image by the background image update module 159 is a region in which the vehicle stopped in the background image is missing, it is determined that the stationary vehicle has left and the road background remains, The object candidate region is updated at high speed with the road background.

여기서, 잡음 제거 필터 모듈(151)이 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 경우, 잡음 제거 필터 모듈(151)은 적응적 선형 필터인 Wiener 필터를 사용하고, Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에

식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화하도록 구성될 수 있다. 이때,

: 명도 영상 중 3X3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과가 생성될 수 있다.Here, when the noise removal filter module 151 removes the shadow or noise included in the input image from which the vehicle detection area is imaged by using noise filtering, the noise removal filter module 151 may include an adaptive linear filter Wiener filter is used, and Wiener filter is used for input image converted into a grayscale image

To remove noise in the brightness image and to smooth the background surface. At this time,

: A result of applying the Wiener filter to each pixel in the 3 × 3 region of the brightness image can be generated.

그리고 배경 영상 생성 모듈(154)이 차량 탐지 영역이 촬영된 입력 영상과 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 경우,

을 이용하여 배경 영상을 생성하도록 구성될 수 있다. 이때, B(x,y)는 그레이스케일 이미지의 배경 영상이고, I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며, S(x,y)는 입력 영상을 흑백 영상으로 이진화시킨 이진 영상으로 구성될 수 있다.When the background image generation module 154 generates a background image of a grayscale image using an input image from which a vehicle detection region is imaged and a binary image obtained by binarizing the input image into a monochrome image,

To generate a background image. In this case, B (x, y) is a background image of a gray scale image, I (x, y) is an input image in which a vehicle detection region is imaged, S (x, y) Image.

그리고 차영상 생성 모듈(155)이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 차량 검지용 CCTV(150)로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 경우, 차영상 생성 모듈(155)은

을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하도록 구성될 수 있다. 이때, T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상, B(x,y)는 그레이스케일 이미지의 배경 영상, I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상, d(B(x,y))는 임계치로 구성될 수 있다.The difference between the intensities of the pixels of the background image of the gray scale image generated by the difference image generation module 155 and the intensities of the pixels of the input image newly input from the vehicle detection CCTV 150 are set to a threshold value Higher pixels are treated as a binary '1' to be foreground, while pixels lower than a threshold value are processed as binary '0' to make a difference image of a foreground / In the case of generating, the difference image generation module 155

May be used to finally generate a difference image of the foreground black and white image. (X, y) is the background image of the gray-scale image, I (x, y) is the input image newly input from the CCTV, d (B (x, y)) may be configured as a threshold value.

그리고 에지 판단 모듈(157)이 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 경우, 에지 판단 모듈(157)은 탐지 영역 내에서 객체 후보 영역에 가로 길이가 일정 크기 이상인 수평 에지가 존재하고, 객체 후보 영역 상하에 일정 크기 이상의 에지가 존재하며, 객체 후보 영역을 4 사분면으로 나눴을 때 최소 3 사분면 이상에 일정 크기 이상의 에지가 존재할 때 객체 후보 영역의 에지가 차량의 형태 정보와 같다고 판단하고, 배경 영상 업데이트 모듈(159)은 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 해당 영역을 배경 영상의 가우시안 혼합물(mixture of Gaussian)들 중에서 중요도가 가장 높은 가우시안 모드(Gaussian mode)의 평균을 해당 영역의 색상 값으로 업데이트(Update)하도록 구성될 수 있다.Then, the edge determination module 157 extracts edge information of the vehicle object candidate region from the edge information extracted from the difference image, removes edge components less than the edge size set in the moving vehicle detection system, When the edge determination module 157 determines that the edge of the object candidate region is the same as the shape information of the vehicle by extracting the edge component, the edge determination module 157 determines that there exists a horizontal edge whose horizontal length is equal to or larger than a certain size, When the edge of the object candidate region is divided into 4 quadrants, the edge of the object candidate region is judged to be the same as the shape information of the vehicle when there is an edge of at least a certain size over at least 3 quadrants, The background image update module 159 updates the extracted vehicle object candidate region In the case where the car is out of the vehicle, the area is updated by updating the average of the Gaussian mode having the highest importance among the Gaussian mixture of the background image to the color value of the corresponding area .

다음으로, 차량 방역기(130)가 축산농가로 진입하는 차량에 대해 방역 작업을 수행한다(S107).Next, the vehicle surrogate 130 performs a surveillance operation against the vehicle entering the livestock farm (S107).

다음으로, 대인 방역기(140)가 안면 인식 카메라(141)를 이용하여 탑승자의 안면을 인식하고, 현장 제어기(170)가 대인 방역기(140)에서 인식된 안면을 원격 방역 제어 서버(110)를 통해 조회한다(S108).Next, the face-to face interpreter 140 recognizes the occupant's face using the face recognition camera 141, and the face-to-face recognized by the face-to-face interpreter 140 is transmitted to the remote controller control server 110 (S108).

현장 제어기(170)가 대인 방역기(140)에서 인식된 안면을 원격 방역 제어 서버(110)를 통해 조회 결과 탑승자가 방문 예약 등록되어 있는지 확인하고, 확인 결과 방문 예약 등록되어 있는 경우 대인 방역기(140)가 탑승자에 대해 방역 작업을 수행하도록 제어한다(S109).The field controller 170 confirms whether the inquiry result of the inquiry result is registered by the remote control server 110 through the facial image recognized by the interpreter 140. If the visit reservation is registered as a confirmation result, (S109). &Lt; / RTI >

현장 제어기(170)가 대인 방역기(140)에서 인식된 안면을 원격 방역 제어 서버(110)를 통해 조회 결과 탑승자가 방문 예약 등록되어 있지 않은 경우, 현장 제어기(170)가 농장 관리자 단말(10)로 방문 승인 요청 신호를 송신하고 농장 관리자 단말(10)로부터 방문 승인 신호를 수신하며, 방문 승인 신호가 수신되면 대인 방역기(140)가 방역 작업을 수행하도록 제어한다(S113).When the field controller 170 receives the inquiry result from the inquiry result registration via the remote control server 110, the field controller 170 sends the facial information recognized by the personal proxy server 140 to the farm manager terminal 10 Transmits a visit approval request signal, receives a visit approval signal from the farm manager terminal 10, and controls the personal defense unit 140 to perform the anti-virus operation when the visit approval signal is received (S113).

이때, 단계 S108에서 원격 방역 제어 서버(110)가 대인 방역기(140)에서 인식된 안면이 미리 방문 예약 등록되어 있는 탑승자의 안면과 대비하여 확인하도록 구성될 수 있다. 구체적으로는 다음과 같다.At this time, in step S108, the remote defense control server 110 may be configured to check the facial image recognized by the anti-virus server 140 in comparison with the face of the occupant who is registered in advance in the visit reservation. Specifically, it is as follows.

먼저 원격 방역 제어 서버(110)의 얼굴 그래프 생성 모듈(112)이 FMG 데이터베이스(111)에 미리 저장된 복수의 얼굴 모델 그래프(Face Model Graph)를 안면 인식 카메라(141)에서 인식된 안면에 차례대로 적용하여 안면의 눈, 코, 입 및 윤곽선에 대한 특징점을 추출하고 추출된 특징점들로 구성되는 얼굴 그래프를 생성한다. 그리고 원격 방역 제어 서버(110)의 템플릿 생성 모듈(113)이 얼굴 그래프 생성 모듈(112)에서 생성된 얼굴 그래프에서 가버 웨이블릿 피처(Gabor wavelet feature) 및 LBP(Local Binary Pattern) 결합 피처를 추출하여 템플릿을 생성한다. 그리고 원격 방역 제어 서버(110)의 템플릿 매칭 모듈(114)이 템플릿 생성 모듈(113)에서 생성된 템플릿과 미리 방문 예약 등록되어 있는 탑승자의 템플릿의 유사도를 판단한다.The face graph generation module 112 of the remote anti-virus control server 110 sequentially applies a plurality of face model graphs stored in advance in the FMG database 111 to the face recognized by the face recognition camera 141 And extracts the feature points of the eyes, nose, mouth, and contour of the face, and generates a face graph composed of the extracted feature points. The template generation module 113 of the remote protection control server 110 extracts Gabor wavelet features and LBP combination features from the face graph generated by the face graph generation module 112, . Then, the template matching module 114 of the remote control server 110 determines the similarity between the template generated by the template generation module 113 and the template of the passenger registered in advance for the visit reservation.

다음으로, 대인 방역기(140)가 차량의 탑승자에 대해 방역 작업을 수행한다(S110).Next, the personal surveillance unit 140 performs a surveillance work on the occupant of the vehicle (S110).

다음으로, 현장 제어기(170)의 제어에 따라 차량 차단 바(bar)(120)가 축산농가로 진입하는 차량의 통행을 허용한다(S111).Next, in accordance with the control of the field controller 170, the vehicle blocking bar 120 permits the passage of the vehicle entering the livestock farm (S111).

이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the invention as defined in the following claims. There will be.

110: 원격 방역 제어 서버 111: FMG 데이터베이스
112: 얼굴 그래프 생성 모듈 113: 템플릿 생성 모듈
114: 템플릿 매칭 모듈 120: 차량 차단 바
130: 차량 방역기 140: 대인 방역기
141: 안면 인식 카메라 150: 차량 검지용 CCTV
151: 잡음 제거 필터 모듈 152: 제1 에지 정보 추출 모듈
153: 모폴로지 연산 모듈 154: 배경 영상 생성 모듈
155: 차영상 생성 모듈 156: 제2 에지 정보 추출 모듈
157: 에지 판단 모듈 158: 진입 차량 판단 모듈
159: 배경 영상 업데이트 모듈 160: 차량 번호 인식용 PTZ 카메라
161: 차량 촬영 모듈 162: 이진화 모듈
163: 번호판 영역 추출 모듈 164: 선명화 모듈
165: 문자 인식 모듈 170: 현장 제어기110: remote protection control server 111: FMG database
112: face graph generation module 113: template generation module
114: Template matching module 120: Vehicle blocking bar
130: Vehicle spawner 140:
141: Facial recognition camera 150: CCTV for vehicle detection
151: Noise elimination filter module 152: First edge information extraction module
153: Morphology operation module 154: Background image generation module
155: differential image generation module 156: second edge information extraction module
157: edge determination module 158: incoming vehicle determination module
159: background image update module 160: PTZ camera for car number recognition
161: vehicle photographing module 162: binarization module
163: license plate area extraction module 164: sharpening module
165: Character recognition module 170: Field controller

Claims

축산농가를 방문하기 위한 차량의 차량 번호 및 탑승자를 미리 방문 예약 등록하는 원격 방역 제어 서버(110);
상기 축산농가로 진입하는 차량의 통행을 허용 또는 차단하는 차량 차단 바(bar)(120);
상기 축산농가로 진입하는 차량에 대해 방역 작업을 수행하는 차량 방역기(130);
상기 차량의 탑승자에 대해 방역 작업을 수행하는 대인 방역기(140);
상기 축산농가로 진입하는 차량을 검지하고, 차량이 검지되면 축산농가 진입 신호를 생성하여 송신하는 차량 검지용 CCTV(closed-circuit television)(150);
상기 검지된 차량의 차량 번호 인식 명령을 수신하고, 수신된 차량 번호인식 명령에 따라 상기 차량의 차량 번호를 포착하여 인식하는 차량 번호 인식용 PTZ(Pan & Tilt & Zoom) 카메라(160);
상기 차량 검지용 CCTV(150)로부터 축산농가 진입 신호를 수신하고 수신된 축산농가 진입 신호에 따라 차량 번호 인식 명령을 생성하여 상기 차량 번호 인식용 PTZ 카메라(160)로 송신하고, 상기 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회하고, 조회 결과 차량 번호가 방문 예약 등록되어 있는 경우 상기 차량 방역기(130) 및 대인 방역기(140)가 방역 작업을 수행하도록 제어하고, 상기 차량 방역기(130) 및 대인 방역기(140)로부터 방역 작업 완료 신호를 수신하면, 상기 차량 차단 바(120)가 상기 차량의 통행을 허용하도록 제어하는 현장 제어기(170)를 포함하고,
상기 차량 검지용 CCTV(150)는,
차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 잡음 제거 필터 모듈(151);
잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 제1 에지 정보 추출 모듈(152);
상기 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 모폴로지 연산 모듈(153);
차량 탐지 영역이 촬영된 입력 영상과 상기 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 배경 영상 생성 모듈(154);
상기 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 상기 차량 검지용 CCTV(150)로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 차영상 생성 모듈(155);
전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 제2 에지 정보 추출 모듈(156);
상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 에지 판단 모듈(157);
차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 진입 차량 판단 모듈(158);
차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 배경 영상 업데이트 모듈(159)을 포함하도록 구성되는 것을 특징으로 하는 축산농가 출입관리 시스템.
A remote anti-virus control server 110 for pre-registering and registering the vehicle number and the passenger of the vehicle for visiting the livestock farmhouse;
A vehicle shut-off bar (120) for allowing or blocking passage of a vehicle entering the livestock farm;
A vehicle surveillance unit 130 for performing a surveillance operation on a vehicle entering the livestock farming unit;
An anti-tamper device 140 for performing a anti-virus operation on the occupant of the vehicle;
A CCTV (Closed-Circuit Television) 150 for detecting a vehicle entering the livestock farm, generating a livestock farm entry signal when the vehicle is detected, and transmitting the signal;
A Pan & Tilt & Zoom (PTZ) camera 160 for recognizing a car number, which receives the car number recognition command of the detected car and recognizes and recognizes the car number of the car according to the received car number recognition command;
Receives the livestock farm entry signal from the vehicle detection CCTV 150 and generates a vehicle number recognition command in accordance with the received livestock farm entry signal and transmits it to the PTZ camera 160 for car number recognition, The vehicle number recognized by the PTZ camera 160 is inquired via the remote control server 110. If the inquiry result indicates that the vehicle number is registered for visiting reservation, the vehicle surrogate 130 and the personal surveillance device 140 perform the surveillance operation And a field controller 170 for controlling the vehicle shut-off bar 120 to allow the passage of the vehicle when it receives a signal indicating completion of the anti-vehicle operation from the vehicle attacker 130 and the anti-surveillance device 140 and,
The vehicle CCTV (150)
A noise removal filter module 151 that removes shadows or noise included in an input image of the vehicle detection region using noise filtering;
A first edge information extraction module 152 for converting an input image into a monochrome image by applying an adaptive binarization algorithm to a noise-filtered input image and extracting edge information included in the input image;
A morphology operation module 153 for extracting edge information connected in a vehicle form by continuously performing a morphology operation on the extracted edge information;
A background image generation module 154 for generating a background image of a grayscale image using an input image of a vehicle detection region and a binary image obtained by binarizing the input image into a monochrome image;
The pixel having the difference between the intensities of the pixels of the background image of the generated gray-scale image and the intensities of the pixels of the input image newly input from the vehicle detection CCTV 150 are set to binary numbers '1' A difference image generation module for finally generating a difference image of a foreground / monochrome image in which shadows or noise are removed by processing a pixel having a threshold value as a foreground while processing a pixel having a threshold value as a binary number '0'155);
A second edge information extracting module 156 for extracting edge information of a vehicle type by performing a morphology operation on a difference image of foreground black and white images;
Extracting edge information of a vehicle object candidate region from edge information extracted from the difference image, removing edge components less than the edge size set in the moving vehicle detection system, and extracting edge components larger than the edge size set in the moving vehicle detection system, An edge determination module 157 for determining whether the edge of the area is the same as the shape information of the vehicle;
An incoming vehicle judging module 158 for judging that a new vehicle has entered the detection area when the edge information of the vehicle object candidate region extracted from the difference image is the same as the shape information of the vehicle;
If the vehicle object candidate region extracted from the car image is a region where the vehicle stopped in the background image is missing, it is determined that the road background is left after the stopping vehicle is left, so that the vehicle object candidate region of the background image is updated And a background image update module (159) for updating the background image update module (159).

제1항에 있어서,
상기 대인 방역기(140)가,
안면 인식 카메라(141)를 이용하여 상기 탑승자의 안면을 인식하도록 구성되고,
상기 현장 제어기(170)가,
상기 대인 방역기(140)에서 인식된 안면을 상기 원격 방역 제어 서버(110)를 통해 조회하고, 조회 결과 상기 탑승자가 방문 예약 등록되어 있는지 확인하고, 확인 결과 방문 예약 등록되어 있는 경우 상기 대인 방역기(140)가 상기 탑승자에 대해 방역 작업을 수행하도록 제어하는 것으로 구성되고,
상기 현장 제어기(170)는,
상기 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회한 결과 차량 번호가 방문 예약 등록되어 있지 않거나, 상기 대인 방역기(140)에서 인식된 안면을 상기 원격 방역 제어 서버(110)를 통해 조회한 결과 상기 탑승자가 방문 예약 등록되어 있지 않은 경우, 농장 관리자 단말(10)로 방문 승인 요청 신호를 송신하고 상기 농장 관리자 단말(10)로부터 방문 승인 신호를 수신하며, 방문 승인 신호가 수신되면 상기 차량 방역기(130) 및 대인 방역기(140)가 방역 작업을 수행하도록 제어하는 것으로 구성되며,
상기 원격 방역 제어 서버(110)는,
상기 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량의 차량 번호와 미리 방문 예약 등록되어 있는 차량의 차량 번호와 대비하여 확인하고, 상기 대인 방역기(140)에서 인식된 안면이 미리 방문 예약 등록되어 있는 탑승자의 안면과 대비하여 확인하도록 구성되는 것을 특징으로 하는 축산농가 출입관리 시스템.
The method according to claim 1,
The personal antivirus (140)
The face recognition camera 141 is used to recognize the face of the passenger,
The field controller (170)
The facial image recognized by the personal protector 140 is inquired through the remote anti-virus control server 110. If it is determined that the occupant is visiting reservation registered as a result of inquiry, ) Controls the passenger to perform the anti-vandalism operation,
The field controller (170)
When the vehicle number recognized by the PTZ camera 160 for car number recognition is inquired through the remote protection control server 110 as a result of inquiry, it is judged that the car number is not registered for visiting reservation or the face recognized by the CP 140 If it is determined that the occupant is not registered for visit reservation, the server transmits a visit approval request signal to the farm manager terminal 10 and receives a visit approval signal from the farm manager terminal 10 And controls the vehicle surveillance device 130 and the personal surveillance device 140 to perform a surveillance operation when a visit approval signal is received,
The remote anti-virus control server (110)
The vehicle number of the vehicle recognized by the PTZ camera 160 for recognizing the car number is compared with the car number of the vehicle registered in advance in the visit reservation, and the face recognized by the interpreter 140 is registered in advance for visiting And the passenger's face is checked against the face of the passenger.

삭제delete

제1항에 있어서,
상기 잡음 제거 필터 모듈(151)은 적응적 선형 필터인 Wiener 필터를 사용하고,
상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에

: 명도 영상 중 3X3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성되는 것이며,
상기 배경 영상 생성 모듈(154)은

을 이용하여 배경 영상을 생성하고,
여기서,
상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고,
상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며,
상기 S(x,y)는 상기 입력 영상을 흑백 영상으로 이진화시킨 이진 영상인 것을 특징으로 하는 축산농가 출입관리 시스템.
The method according to claim 1,
The noise reduction filter module 151 uses a Wiener filter, which is an adaptive linear filter,
The Wiener filter is used to convert an input image converted into a grayscale image

Applying the equations removes the noise of the brightness image, smoothes the background surface,
here,

: It is generated as a result of applying a Wiener filter to each pixel in the 3 × 3 region of brightness image,
The background image generation module 154

To generate a background image,
here,
B (x, y) is a background image of a gray scale image,
I (x, y) is an input image in which a vehicle detection region is photographed,
Wherein the S (x, y) is a binary image obtained by binarizing the input image into a monochrome image.

제4항에 있어서,
상기 차영상 생성 모듈(155)은

을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하고,
여기서,
T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상,
B(x,y)는 그레이스케일 이미지의 배경 영상,
I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상,
d(B(x,y))는 임계치이며,
상기 에지 판단 모듈(157)은 탐지 영역 내에서 객체 후보 영역에 가로 길이가 일정 크기 이상인 수평 에지가 존재하고,
객체 후보 영역 상하에 일정 크기 이상의 에지가 존재하며,
객체 후보 영역을 4 사분면으로 나눴을 때 최소 3 사분면 이상에 일정 크기 이상의 에지가 존재할 때 객체 후보 영역의 에지가 차량의 형태 정보와 같다고 판단하고,
상기 배경 영상 업데이트 모듈(159)은 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 해당 영역을 배경 영상의 가우시안 혼합물(mixture of Gaussian)들 중에서 중요도가 가장 높은 가우시안 모드(Gaussian mode)의 평균을 해당 영역의 색상 값으로 업데이트(Update)하는 것을 특징으로 하는 축산농가 출입관리 시스템.
5. The method of claim 4,
The difference image generation module 155

The difference image of the foreground monochrome image is finally generated,
here,
T (x, y) is the difference image of the finally generated foreground monochrome image,
B (x, y) is the background image of the grayscale image,
I (x, y) is the input image newly input from the CCTV,
d (B (x, y)) is a threshold value,
The edge determination module 157 determines that there is a horizontal edge whose horizontal length is equal to or larger than a predetermined size in the object candidate region in the detection region,
There are edges above a certain size above and below the object candidate region,
When an object candidate region is divided into 4 quadrants, when the edge of a certain size or more exists in at least 3 quadrants, the edge of the object candidate region is judged to be the same as the shape information of the vehicle,
If the extracted vehicle object candidate region is a region in which the vehicle stopped in the background image is missing, the background image update module 159 updates the region in the Gaussian mode having the highest importance among the Gaussian mixture of the background image Gaussian mode) is updated with the color value of the corresponding area (Update).

제1항에 있어서,
상기 차량 번호 인식용 PTZ 카메라(160)는,
상기 축산농가로 진입하는 차량을 촬영하는 차량 촬영 모듈(161);
상기 차량 번호 인식용 PTZ 카메라(160)의 영상을 컬러링된 이진 영상으로 이진화하는 이진화 모듈(162);
상기 이진 영상 중에서 차량의 번호판 영역을 추출하는 번호판 영역 추출 모듈(163)을 포함하고,
상기 이진화 모듈(162)은,
상기 수신된 영상 중에서 텍스트 획 후보들의 수평 경계점들을 추출하여 수평 획 경계점 지도를 생성하고, 상기 텍스트 획 사이의 픽셀을 그룹핑하여 세그먼트 이미지를 생성하고, 상기 세그먼트 이미지 중 각각의 텍스트가 서로 다른 색깔을 갖도록 컬러링된 이진 영상을 생성하며,
상기 차량 촬영 모듈(161)은,
상기 차량 번호판 영역에 포함된 문자 블롭들을 선명화하는 선명화 모듈(164);
상기 선명화된 문자 블롭들 각각에 해당하는 문자들을 인식하는 문자 인식 모듈(165)을 더 포함하고,
상기 문자 인식 모듈(165)은,
신경망 문자 인식기와 은닉 마르코프 모델 인식기를 포함하며, 상기 신경망 문자 인식기를 이용하여 상기 문자 블롭들 각각에 해당하는 문자들을 인식하고, 상기 신경망 문자 인식기로 인식되지 않는 문자 블롭들을 상기 은닉 마르코프 모델 인식기를 이용하여 인식하며,
상기 선명화 모듈(164)은,
상기 번호판 영역에 포함된 문자 블롭들의 선명도를 추정하고, 추정된 선명도가 기준 선명도보다 낮은 경우, 상기 번호판 영역에 선명화 알고리즘을 적용하여 상기 문자 블롭들을 선명화하는 것을 특징으로 하는 축산농가 출입관리 시스템.
The method according to claim 1,
The PTZ camera 160 for recognizing the car number identifies,
A vehicle photographing module 161 photographing a vehicle entering the livestock farmhouse;
A binarization module 162 for binarizing the image of the car number recognition PTZ camera 160 into a colorized binary image;
And a license plate area extraction module (163) for extracting license plate area of the vehicle from the binary image,
The binarization module 162,
A horizontal stroke boundary point map is generated by extracting horizontal boundary points of the text stroke candidates from the received image, and a segment image is generated by grouping the pixels between the text strokes so that each of the segment images has different colors Generates a colorized binary image,
The vehicle photographing module 161,
A sharpening module (164) for sharpening character blobs included in the license plate area;
Further comprising a character recognition module (165) for recognizing characters corresponding to each of the sharpened character blobs,
The character recognition module 165,
Wherein the recognition unit recognizes characters corresponding to each of the character blobs using the neural network character recognizer, and recognizes character blobs not recognized as the neural network character recognizer using the hidden markov model recognizer Therefore,
The sharpening module 164,
Estimating the sharpness of the character blobs included in the license plate area and sharpening the character blobs by applying a sharpening algorithm to the license plate area when the estimated sharpness is lower than the reference sharpness. .

원격 방역 제어 서버(110)가 축산농가를 방문하기 위한 차량의 차량 번호 및 탑승자를 미리 방문 예약 등록하는 단계;
차량 검지용 CCTV(closed-circuit television)(150)가 상기 축산농가로 진입하는 차량을 검지하고, 차량이 검지되면 축산농가 진입 신호를 생성하여 현장 제어기(170)로 송신하는 단계;
현장 제어기(170)가 상기 차량 검지용 CCTV(150)로부터 축산농가 진입 신호를 수신하고 수신된 축산농가 진입 신호에 따라 차량 번호 인식 명령을 생성하여 상기 차량 번호 인식용 PTZ(Pan & Tilt & Zoom) 카메라로 송신하는 단계;
상기 차량 번호 인식용 PTZ 카메라(160)가 상기 검지된 차량의 차량 번호 인식 명령을 수신하고, 수신된 차량 번호인식 명령에 따라 상기 차량의 차량 번호를 포착하여 인식하는 단계;
현장 제어기(170)가 상기 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회하는 단계;
현장 제어기(170)가 상기 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회 결과 차량 번호가 방문 예약 등록되어 있는 경우 차량 방역기(130) 및 대인 방역기(140)가 방역 작업을 수행하도록 제어하는 단계;
상기 차량 방역기(130)가 상기 축산농가로 진입하는 차량에 대해 방역 작업을 수행하는 단계;
상기 대인 방역기(140)가 안면 인식 카메라(141)를 이용하여 상기 탑승자의 안면을 인식하고, 상기 현장 제어기(170)가 상기 대인 방역기(140)에서 인식된 안면을 상기 원격 방역 제어 서버(110)를 통해 조회하는 단계;
현장 제어기(170)가 상기 대인 방역기(140)에서 인식된 안면을 상기 원격 방역 제어 서버(110)를 통해 조회 결과 상기 탑승자가 방문 예약 등록되어 있는지 확인하고, 확인 결과 방문 예약 등록되어 있는 경우 상기 대인 방역기(140)가 상기 탑승자에 대해 방역 작업을 수행하도록 제어하는 단계;
상기 대인 방역기(140)가 상기 차량의 탑승자에 대해 방역 작업을 수행하는 단계;
상기 현장 제어기(170)의 제어에 따라 차량 차단 바(bar)(120)가 상기 축산농가로 진입하는 차량의 통행을 허용하는 단계를 포함하는 축산농가 출입관리 방법.
Registering the vehicle number and the passenger of the vehicle for visiting the livestock farmhouse in advance by visiting the remote protection control server (110);
Detecting a vehicle entering the livestock farming house by a closed-circuit television (CCTV) 150 for vehicle detection, generating an livestock farming entering signal when the vehicle is detected, and transmitting the signal to the field controller 170;
The field controller 170 receives the livestock farm entry signal from the vehicle detection CCTV 150 and generates a vehicle number recognition command in accordance with the received livestock farm entry signal to generate a pan & tilt & zoom (PTZ) Transmitting to a camera;
The PTZ camera 160 for recognizing the car number receives the car number recognition command of the detected car and captures and recognizes the car number of the car in accordance with the received car number recognition command;
Inquiring through the remote control server 110 that the field controller 170 recognizes the vehicle number recognized by the vehicle number recognition PTZ camera 160;
When the field controller 170 receives the vehicle number recognized by the PTZ camera 160 for recognizing the vehicle number from the remote control server 110 as a result of inquiry, the vehicle controller 130 and the interpreter (140) to perform a damping operation;
Performing the evacuation operation for the vehicle entering the livestock farming unit (130);
The face detector 140 recognizes the face of the passenger using the facial recognition camera 141 and the field controller 170 transmits the face recognized by the face detector 140 to the remote control server 110. [ ;
The field controller 170 confirms whether the occupant has been visited and registered in the inquiry result through the remote control server 110 as the facial face recognized by the personal robber 140, Controlling the deflector (140) to perform the defensive operation against the occupant;
Performing the anti-virus operation against the occupant of the vehicle;
And permitting passage of a vehicle into which the bar cut-off bar (120) enters the livestock farm under the control of the field controller (170).

제7항에 있어서,
상기 현장 제어기(170)가 상기 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회하는 단계에서,
현장 제어기(170)가 상기 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회 결과 상기 차량 번호가 방문 예약 등록되어 있지 않은 경우, 상기 현장 제어기(170)가 농장 관리자 단말(10)로 방문 승인 요청 신호를 송신하고 상기 농장 관리자 단말(10)로부터 방문 승인 신호를 수신하며, 방문 승인 신호가 수신되면 상기 차량 방역기(130)가 방역 작업을 수행하도록 제어하는 단계를 더 포함하도록 구성되고,
상기 대인 방역기(140)가 안면 인식 카메라(141)를 이용하여 상기 탑승자의 안면을 인식하고, 상기 현장 제어기(170)가 상기 대인 방역기(140)에서 인식된 안면을 상기 원격 방역 제어 서버(110)를 통해 조회하는 단계에서,
현장 제어기(170)가 상기 대인 방역기(140)에서 인식된 안면을 상기 원격 방역 제어 서버(110)를 통해 조회 결과 상기 탑승자가 방문 예약 등록되어 있지 않은 경우, 상기 현장 제어기(170)가 농장 관리자 단말(10)로 방문 승인 요청 신호를 송신하고 상기 농장 관리자 단말(10)로부터 방문 승인 신호를 수신하며, 방문 승인 신호가 수신되면 상기 대인 방역기(140)가 방역 작업을 수행하도록 제어하는 단계를 더 포함하도록 구성되는 것을 특징으로 하는 축산농가 출입관리 방법.
8. The method of claim 7,
In the step of the local controller 170 inquiring the remote number control server 110 of the vehicle number recognized by the vehicle number recognition PTZ camera 160,
If the field controller 170 has checked the vehicle number recognized by the PTZ camera 160 for recognizing the vehicle number through the remote control server 110, if the vehicle number is not visited and registered, the field controller 170 Transmits a visit approval request signal to the farm manager terminal 10 and receives a visit approval signal from the farm manager terminal 10. When the visit acknowledgment signal is received, the vehicle controller 130 performs control Further comprising the steps of:
The face detector 140 recognizes the face of the passenger using the facial recognition camera 141 and the field controller 170 transmits the face recognized by the face detector 140 to the remote control server 110. [ In the step of inquiring through,
If the field controller 170 determines that the occupant has not been registered for visit reservation, the field controller 170 determines that the facial expression of the facial expression recognized by the facial expression controller 140 is' (10), receiving a visiting approval signal from the farm manager terminal (10), and controlling the personal warfare agent (140) to perform the anti-virus operation when the visiting approval signal is received Wherein the livestock farm access control method comprises:

제7항에 있어서,
상기 현장 제어기(170)가 상기 차량 번호 인식용 PTZ 카메라(160)에서 인식된 차량 번호를 원격 방역 제어 서버(110)를 통해 조회하는 단계는,
잡음 제거 필터 모듈(151)이 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계;
제1 에지 정보 추출 모듈(152)이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계;
모폴로지 연산 모듈(153)이 상기 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 단계;
배경 영상 생성 모듈(154)이 차량 탐지 영역이 촬영된 입력 영상과 상기 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계;
차영상 생성 모듈(155)이 상기 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 상기 차량 검지용 CCTV(150)로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계;
제2 에지 정보 추출 모듈(156)이 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 단계;
에지 판단 모듈(157)이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계;
진입 차량 판단 모듈(158)이 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 단계;
배경 영상 업데이트 모듈(159)이 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트하는 단계를 포함하도록 구성되는 것을 특징으로 하는 축산농가 출입관리 방법.
8. The method of claim 7,
The inquiry of the vehicle number recognized by the field controller 170 through the remote control server 110 by the PTZ camera 160 for recognizing the vehicle number,
Removing the shadow or noise included in the input image from the noise detection filter module 151 using noise filtering;
Extracting edge information included in the input image by converting the input image into a monochrome image by applying an adaptive binarization algorithm to the input image that has undergone the noise elimination filtering by the first edge information extraction module 152;
Extracting edge information connected in a vehicle form by continuously performing a morphology operation on the edge information extracted by the morphology operation module 153;
Generating a background image of a grayscale image by using a background image generation module 154 using an input image of a vehicle detection region and a binary image obtained by binarizing the input image into a monochrome image;
The difference image difference between each pixel of the background image of the generated gray scale image and the brightness of each pixel of the input image newly input from the vehicle detection CCTV 150 is set to a threshold value, The higher pixel is treated as a binary '1' to be foreground while the pixel lower than the threshold value is processed as binary '0' to make the background image of the foreground black and white image with no shadow or noise removed. ;
The second edge information extraction module 156 performs morphological operation on the difference image of the monochrome image to extract the edge information of the vehicle type;
The edge determination module 157 extracts the edge information of the vehicle object candidate region from the edge information extracted from the difference image, removes edge components less than or equal to the edge size set in the moving vehicle detection system, Determining whether the edge of the object candidate region is the same as the shape information of the vehicle by extracting the edge component;
Determining that a new vehicle has entered the detection area when the edge information of the vehicle object candidate region extracted from the car image by the entry vehicle determination module 158 is the same as the shape information of the vehicle;
If the vehicle object candidate region extracted from the car image by the background image update module 159 is a region where the vehicle stopped in the background image is missing, it is determined that there is a road background remaining after the stop vehicle is left, And updating the candidate area to a road background at a high speed.

제9항에 있어서,
상기 잡음 제거 필터 모듈(151)이 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계는,
상기 잡음 제거 필터 모듈(151)은 적응적 선형 필터인 Wiener 필터를 사용하고,
상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에

: 명도 영상 중 3X3 영역에 있는 각 화소들의 명암에 대한 국소 평균,
: 명도 영상 중 3X3 영역에 있는 각 화소들의 명암에 대한 분산,

: 명도 영상 중 3X3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성되는 것을 특징으로 하는 축산농가 출입관리 방법.
10. The method of claim 9,
The step of removing the shadow or noise included in the input image captured by the noise removal filter module 151 using noise filtering,
The noise reduction filter module 151 uses a Wiener filter, which is an adaptive linear filter,
The Wiener filter is used to convert an input image converted into a grayscale image

: The local average of the contrast of each pixel in the 3X3 region of the brightness image,
: Variance of lightness and darkness of each pixel in the 3X3 region of brightness image,

: A result of applying the Wiener filter to each pixel in the 3X3 region of the brightness image.

제7항에 있어서,
상기 대인 방역기(140)가 안면 인식 카메라(141)를 이용하여 상기 탑승자의 안면을 인식하고, 상기 현장 제어기(170)가 상기 대인 방역기(140)에서 인식된 안면을 상기 원격 방역 제어 서버(110)를 통해 조회하는 단계는,
상기 원격 방역 제어 서버(110)의 얼굴 그래프 생성 모듈(112)이 FMG 데이터베이스(111)에 미리 저장된 복수의 얼굴 모델 그래프(Face Model Graph)를 상기 안면 인식 카메라(141)에서 인식된 안면에 차례대로 적용하여 상기 안면의 눈, 코, 입 및 윤곽선에 대한 특징점을 추출하고 추출된 특징점들로 구성되는 얼굴 그래프를 생성하는 단계;
상기 원격 방역 제어 서버(110)의 템플릿 생성 모듈(113)이 상기 얼굴 그래프 생성 모듈(112)에서 생성된 얼굴 그래프에서 가버 웨이블릿 피처(Gabor wavelet feature) 및 LBP(Local Binary Pattern) 결합 피처를 추출하여 템플릿을 생성하는 단계;
상기 원격 방역 제어 서버(110)의 템플릿 매칭 모듈(114)이 상기 템플릿 생성 모듈(113)에서 생성된 템플릿과 상기 미리 방문 예약 등록되어 있는 탑승자의 템플릿의 유사도를 판단하는 단계를 포함하도록 구성되는 것을 특징으로 하는 축산농가 출입관리 방법.
8. The method of claim 7,
The face detector 140 recognizes the face of the passenger using the facial recognition camera 141 and the field controller 170 transmits the face recognized by the face detector 140 to the remote control server 110. [ The step of inquiring,
The face graph generation module 112 of the remote control server 110 transmits a plurality of face model graphs stored in advance in the FMG database 111 to the face recognized by the face recognition camera 141 Extracting feature points of eyes, nose, mouth, and contour of the face, and generating a face graph composed of extracted feature points;
The template generation module 113 of the remote protection control server 110 extracts the Gabor wavelet feature and the LBP combination feature from the face graph generated by the face graph generation module 112 Creating a template;
And the template matching module 114 of the remote DB server 110 determines the similarity between the template generated by the template generation module 113 and the template of the occupant registered in advance in the visit reservation A method for controlling access to a livestock farmhouse.