KR102006763B1 - Cctv 영상을 이용한 도로 혼잡도 분석 방법 및 시스템 - Google Patents

Abstract

본 발명은 CCTV 영상을 이용한 도로 혼잡도 분석 방법 및 시스템에 관한 것이다.
본 발명은 CCTV 영상을 이용한 도로 혼잡도 분석 방법에 관한 것으로, 카메라부가 도로를 촬영하는 단계와, 기준배경 추출부가 촬영된 영상으로부터 배경을 추출하는 단계와, 도로영역 추출부가 추출된 배경에서 에지 없는 최대 영역을 추출하고, 광학흐름(optical flow) 계산 결과를 이용하여 도로 영역을 검증한 후 도로 영역을 추출하는 단계와, 전경추출부가 추출된 도로 영역을 사각 격자로 나누어 격자별 특성을 추출하고, 현재 프레임의 각 격자별 특성을 추출하여 상기 도로 영역과 현재 프레임의 격자별 특성 차이를 계산하여 일정 차이 이상의 격자를 차량으로 인식한 전경을 추출하는 단계와, 혼잡도 분석부가 추출된 상기 도로 영역에서 상기 전경영역이 차지하는 비율을 계산하여 혼잡도를 분석하는 단계를 포함한다.

Description

CCTV 영상을 이용한 도로 혼잡도 분석 방법 및 시스템{Method and System for Analyzing Road Congestion Using CCTV}

본 발명은 CCTV 영상을 이용한 도로 혼잡도 분석 방법 및 시스템에 관한 것으로, 특히 도로상에 설치된 CCTV에 의해 촬영된 영상을 이용시 차량 정체시에도 안정적으로 배경영상과 전경영상을 추출하여 이의 면적 비율을 이용하여 도로 혼잡도를 분석하는 시스템 및 방법에 관한 것이다.

도로 혼잡도는 도로에서 운행되고 있는 차량의 수가 한계치를 넘어설 때에 차량들의 연속적인 지연 및 운행비용의 발생 현상의 정도를 뜻하며, 종래에는 대부분 루프 검지기에 의해 도로혼잡도를 관측 및 추정하고 있다. 그러나 이러한 지점관측 기술은 고가의 장비가 필요하며 설치가 어려운 문제가 있어 이미 설치되어 있는 CCTV를 활용한 도로 혼잡도를 분석하는 방법이 제시되고 있다.

CCTV 영상을 이용하여 도로 혼잡도를 분석하는 경우 배경과 전경을 추출하는 것이 중요하며 기존의 배경 추출 방법들로는 영상에서 픽셀의 강도 값은 가우시안 혼합 모델(Gaussian mixture model)을 이용하여 모델링할 수 있으며 모델링된 값의 픽셀들이 배경에 해당하나 차량이 정체되어 움직임이 없는 경우 정체된 차량이 배경으로 인식되어 정확도가 떨어지는 문제가 있다.

본 발명이 해결하고자 하는 과제는 도로에 기설치된 CCTV 촬영 영상을 이용하여 도로 정체에도 불구하고 에지정보를 이용하여 도로 전경을 안정적으로 추출하는 CCTV 영상을 이용한 도로 혼잡도 분석 방법 및 시스템을 제공할 수 있다.

상기한 목적을 달성하기 위한 본 발명은 CCTV 영상을 이용한 도로 혼잡도 분석 방법에 관한 것으로, 카메라부가 도로를 촬영하는 단계와, 기준배경 추출부가 촬영된 영상으로부터 배경을 추출하는 단계와, 도로영역 추출부가 추출된 배경에서 에지 없는 최대 영역을 추출하고, 광학흐름(optical flow) 계산 결과를 이용하여 도로 영역을 검증한 후 도로 영역을 추출하는 단계와, 전경추출부가 추출된 도로 영역을 사각 격자로 나누어 격자별 특성을 추출하고, 현재 프레임의 각 격자별 특성을 추출하여 상기 도로 영역과 현재 프레임의 격자별 특성 차이를 계산하여 일정 차이 이상의 격자를 차량으로 인식한 전경을 추출하는 단계와, 혼잡도 분석부가 추출된 상기 도로 영역에서 상기 전경영역이 차지하는 비율을 계산하여 혼잡도를 분석하는 단계를 포함한다.

위와 같은 과제해결수단을 통하여 본 발명은 CCTV 영상의 배경 추출을 보강하여 도로 정체에도 불구하고 도로 전경을 안정적으로 찾을 수 있다.

또한, 도로에 기설치된 CCTV 촬영 영상으로부터 보다 정확한 배경 및 전경 추출 방법을 사용하여 배경과 전경을 추출함으로써 종래의 방법보다 정확도가 높은 효과가 있다.

또한, 별도의 추가 장비 없이 기설치되어 있는 CCTV를 활용하여 도로혼잡도를 분석함으로써 비용 절감의 효과가 있다.

도 1은 본 발명의 일실시예에 따른 CCTV를 이용한 도로혼잡도 분석 방법을 설명하는 순서도이다.
도 2는 본 발명의 일실시예에 따른 CCTV를 이용한 도로혼잡도 분석 시스템을법을 설명하는 구성도이다.
도 3은 본 발명의 일실시예에 따른 배경을 추출하는 방법을 설명하는 순서도이다.
도 4는 본 발명의 일실시예에 따른 도로영역을 추출하는 방법을 설명하는 순서도이다.
도 5는 본 발명의 일실시예에 따른 전경을 추출하는 방법을 설명하는 순서도이다.
도 6은 본 발명의 일실시예에 따른 도로혼잡도를 분석하는 방법을 설명하는 순서도이다.
도 7과 도 8은 본 발명의 일실시예에 따른 배경 및 전경을 추출하는 방법을 설명하는 예시도이다.
도 9는 본 발명의 일실시예에 따른 CCTV 회전시 영상 처리 방법을 설명하는 순서도이다.
도 10과 도 11은 본 발명의 일실시예에 따른 CCTV 회전시 영상 처리 방법을 설명하는 예시도이다.

본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.

본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.

본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하, 본 명세서에 첨부된 도면들을 참조하여 본 발명의 실시 예들을 상세히 설명한다.

도 1은 본 발명의 일실시예에 따른 CCTV 영상을 이용한 도로 혼잡도 분석 방법을 설명하는 순서도이다. 도 1을 참조하면, 먼저 분석 시스템의 카메라부가 실시간으로 도로를 촬영하고(S110), 촬영된 영상에 기초하여 배경을 추출한다(S120). 이후에 추출된 배경에서 도로영역을 추출하고(S130), 도로영역에서 전경을 추출한다(S140). 추출된 전경에 기초하여 도로 혼잡도를 분석한다(S150).

도 2는 본 발명의 일실시예에 따른 CCTV를 이용한 도로혼잡도 분석 시스템을법을 설명하는 구성도이다.

도 2를 참조하면, 도로혼잡도 분석 시스템(100)은 카메라부(110), 기준배경추출부(120), 차량영역 추출부(130), 도로영역 추출부(140), 전경추출부(150), 제어부(160), 저장부(170), 통신부(180), 회전감지부(190), 혼잡도 분석부(195)를 포함한다.

카메라부(110)는 도로를 실시간으로 촬영하며 이미 설치되어 있는 CCTV일 수 있다.

기준배경추출부(120)는 카메라부(110)로부터 촬영된 영상의 입력 프레임을 캡쳐한 후 MOG2 알고리즘을 이용하여 배경을 추출하되, 배경의 에지 개수를 측정하여 최소 에지의 배경을 추출한다. 배경 추출 알고리즘과 함께 에지 분석 알고리즘을 조합하여 수행하여 최소 에지의 배경을 추출할 수 있다.

도로영역추출부(130)는 기준배경추출부(120)로부터 추출된 배경에서 에지 없는 최대 영역을 추출하고, 광학흐름(optical flow) 계산 결과를 이용하여 도로 영역을 검증한 후 도로 영역을 추출한다.

전경추출부(140)6는 도로영역추출부(130)로부터 추출된 도로 영역을 사각 격자로 나누어 격자별 특성을 추출하고, 현재 프레임의 각 격자별 특성을 추출하여 상기 도로 영역과 현재 프레임의 격자별 특성 차이를 계산하여 일정 차이 이상의 격자를 차량으로 인식한 전경을 추출한다.

제어부(150)는 시스템의 동작에 관련한 프로세스의 처리를 제어하며, 각 구성의 동작을 제어한다. 저장부(160)는 카메라부에서 촬영된 영상을 저장하고, 추출된 배경, 도로영역, 전경, 혼잡도를 저장할 수 있다. 통신부(170)는 외부 장치와 데이터를 주고 받는 역할을 하는 통신모듈이다.

회전감지부(180)는 다음 영상을 캡쳐하여 에지 분석을 하고, 회전이 감지되면 에지 분석을 다시수행하고 이전 이미지와 비교하여 해당 이미지 큐에 저장한다. 특히, 가로 에지들의 발생 빈도에 기초하여 가로 에지의 빈도가 급격히 증가하는 경우 회전으로 인식한다.

혼잡도분석부(190)는 추출된 상기 도로 영역에서 상기 전경영역이 차지하는 비율을 계산하여 혼잡도를 분석한다. 즉, 도로 영역을 실제 비율로 쪼개어 영역 배율을 구할 수 있다. 즉, 사다리꼴 형태의 도로 영역에서 카메라와 근접한 사다리꼴 영역에서 검출된 차량과 카메라와 멀리 떨어진 영역에서 검출된 사다리꼴 영역의 넓이를 구분함으로써 면적 가중치를 달리할 수 있다. 즉, 사다리꼴 형태의 도로 영역에서 카메라와 근접한 사다리꼴 영역과 카메라와 이격된 사다리꼴 영역을 구분하고, 근접한 사다리꼴 영역의 넓이는 이격된 사다리꼴 영역의 넓이보다 넓게 구분하고, 상기 근접한 사다리꼴 영역에서 검출된 차량보다 이격된 사다리꼴 영역에서 검출된 차량의 면적 가중치가 더 높게 산정하여, 카메라와 멀리 떨어진 영역에서 검출된 차량의 원근법에 따른 오차를 줄일 수 있다.

도 3은 본 발명의 일실시예에 따른 배경을 추출하는 방법을 설명하는 순서도이다.

도 3을 참조하면, 카메라부로부터 촬영된 영상의 입력 프레임을 캡쳐하고(S310), MOG2알고리즘을 이용하여 배경을 추출한다(S320). MOG2알고리즘은 가우시안 믹스쳐(Gaussian of Mixture) 기반 배경/전경 분할 알고리즘으로서, 각 픽셀에 적절한 가우시안 분포값을 선택할 수 있다. 추출된 배경 영상을 canny edge detector를 이용하여 에지를 추출하여 에지 개수를 측정한다(S330). 최소 에지를 가진 배경을 추출한다(S340)

도 4는 본 발명의 일실시예에 따른 도로영역을 추출하는 방법을 설명하는 순서도이다.

도 4를 참조하면, 최소 에지의 배경이 입력되고(S410), 최소 에지의 배경에서 에지 없는 최대 영역을 추출한다(S420). 이후에, 광학 흐름(Optical flow) 계산 결과를 이용하여 도로 영역을 검증한다(S430). 검증 결과에 따라 최종 도로영역을 추출한다(S440).

도 5는 본 발명의 일실시예에 따른 전경을 추출하는 방법을 설명하는 순서도이다. 도 5를 참조하면, 추출된 도로영역 및 현재 프레임이 입력되고(S510), 도로 영역을 사각 격자로 나눈다(S520). 도로 영역 각 격자별 특성을 추출하고(S530), 현재 프레임의 각 격자별 특성을 추출한다(S540). 도로영역과 현재 프레임의 격자별 특성 차이를 계산하고(S550), 일정 차이 이상의 격자를 차량으로 인식한 전경 화면을 추출한다(S560).

도 6은 본 발명의 일실시예에 따른 도로혼잡도를 분석하는 방법을 설명하는 순서도이다.

도 6을 참조하면, 도로영역 및 전경을 입력한다(S610). 도로영역에서 전경영역이 차지하는 비율을 계산한다(S620). 면적 비율을 이용한 도로 혼잡도를 산출한다(S630).

도 7과 도 8은 본 발명의 일실시예에 따른 배경 및 전경을 추출하는 방법을 설명하는 예시도이다. 도 7(a)는 CCTV가 촬영한 원본 영상이고, 도 7(b)는 MOG2 배경 추출 알고리즘에 따른 추출된 배경 영상이고, 도 7(c)는 추출된 배경 영상으로부터 최소 에지 성분의 프레임을 찾아 추출한 도로영상 예시도이다. 즉, 차량이 정체되는 경우 배경 영상의 에지가 증가하기 때문에, 도로 영역만을 추출하기 위해 배경 영상의 에지가 가장 최소일 때를 구한다. 이러한 에지 분석 알고리즘을 조합함으로써 정체가 발생할 경우 배경 영상에 잔상이 남는 현상을 해결할 수 있다.

도 8(a)는 배경추출 알고리즘과 에지 분석 알고리즘에 의해 추출된 도로영역을 나타내는 예시도이고, 도 8(b)는 원근법 때문에 무시된 상황을 회복하기 위해 도로 영역을 실제 비율처럼 구분하는 예시도이다. 즉, 도로 영역을 실제 비율로 쪼개어 영역 배율을 구할 수 있다. 즉, 사다리꼴 형태의 도로 영역에서 카메라와 근접한 사다리꼴 영역에서 검출된 차량과 카메라와 멀리 떨어진 영역에서 검출된 사다리꼴 영역의 넓이를 구분함으로써 면적 가중치를 달리할 수 있다. 즉, 사다리꼴 형태의 도로 영역에서 카메라와 근접한 사다리꼴 영역과 카메라와 이격된 사다리꼴 영역을 구분하고, 근접한 사다리꼴 영역의 넓이는 이격된 사다리꼴 영역의 넓이보다 넓게 구분하고, 상기 근접한 사다리꼴 영역에서 검출된 차량보다 이격된 사다리꼴 영역에서 검출된 차량의 면적 가중치가 더 높게 산정하여, 카메라와 멀리 떨어진 영역에서 검출된 차량의 원근법에 따른 오차를 줄일 수 있다.

도 9는 본 발명의 일실시예에 따른 CCTV 회전시 영상 처리 방법을 설명하는 순서도이다.

도 9를 참조하면, 주기적으로 회전하는 CCTV 카메라를 사용하는 경우의 영상 처리 방법을 설명한다. 먼저 영상을 촬영하고(S910), 촬영 영상에서 에지를 분석하여(S920), 회전여부를 감지하고(S930), 회전 중인 영상은 무시하고 회전이 멈춘 상태의 영상을 이용하여 추가의 영상처리를 한다(4S940). 카메라가 멈추었을 때 카메라가 향하는 다양한 방향 중 어느 방향을 현재 카메라가 향하는지 영상 비교를 통하여 판단한다. 일치도가 높은 이미지를 발견한 경우(S960), 해당 프레임을 영상 프레임 큐에 등록하여 추가 영상처리를 할 수 있도록 한다(S970). 만일, 일치하는 영상을 찾지 못하면 해당 이미지를 버리고 바로 다음 회전을 기다린다. 기본 회전 감지 관련하여 Sobel Edge Detection의 Y방향 에지를 계산하여 급격한 변화가 일어날 때 CCTV 영상의 회전을 감지한다.

이때, 수학식 1과 수학식 2에서 I는 입력 이미지이고, 수학식 1의 Gx는 X방향 Sobel filter를 적용한 결과이고, 수학식 2의 Gy는 Y방향 Sobel filter를 적용한 결과이다. 수학식 1의 행렬 값을 모두 0으로 하여 Y방향 성분만을 사용한다.

도 10과 도 11은 본 발명의 일실시예에 따른 CCTV 회전시 영상 처리 방법을 설명하는 예시도이다.

도 10과 도 11을 참조하면, 도 10(a)는 회전하는 CCTV의 특성상 가로로 카메라가 회전을 하게 되며, 이 때문에 도10(b)에서 확인할 수 있듯이, 기존 영상의 에지들이 가로로 길게 늘어짐을 볼 수 있다. 이러한 특성 때문에 상대적으로 세로방향 에지는 급격하게 줄어들게 된다.

CCTV 회전감지 알고리즘이 에지의 단순한 특징만을 이용하여 감지하기 때문에 드물게 카메라가 회전하지 않았음에도 회전으로 인식하거나 한번의 회전을 두 번 회전한 것처럼 오인식할 수 있다. 이와 같은 CCTV 회전감지 알고리즘이 회전 유무를 오인식 또는 미인식을 할 경우를 대비하여 회전의 멈춤을 감지한 직후CCTV 영상의 위치가 카메라의 어느 방향과 일치하는지 영상 비교를 통해 재확인할 필요가 있다. 도 11(a)는 왼쪽 상단의 기준 영상에 대하여 각각 A,B,C 영상과의 HSV color의 히스토그램 비교를 수행한 결과이다. 동일 방향 영상일 경우 컬러분포가 유사할 것으로 예상했으나 실험결과에서 볼 수 있듯이 기준과 같은 도로는 B 임에도 불구하고 11%로 일치율이 매우 낮다. 보편적으로 사용하는 히스토그램 비교는 도로의 차량 유무에 따라 결과가 많이 달라지게 되어 이미지 비교가 힘듦을 알 수 있는데, 이를 해결하기 위하여 본 발명은 영상을 잘게 쪼개어 비교하는 분할 히스토그램 방식을 제안한다. 도 11(b)는 도 11(a)와 같은 그림을 기준으로 분할 히스토그램 알고리즘을 적용한 결과이다. 각각의 분할된 영상에서 히스토그램 비교 알고리즘을 적용한 뒤, 가장 일치율이 높은 영상을 고르는 알고리즘이다.

분할된 영상의 히스토그램 결과

A의 일부로 인식된 개수	B의 일부로 인식된 개수	C의 일부로 인식된 개수
76	95	129

표1은 분할 히스토그램 결과이며, B가 가장 높아야 하지만 C의 개수가 가장 많다. 이미지의 도로영역 부분을 구하는 알고리즘을 적용한 뒤, 도로영역 부분을 제외하면 결과는 도 11(c)와 같다.

도로 영역을 제외한 히스토그램별 일치율 결과

	A	B(실제 일치 이미지)	C
기존 히스토그램 비교	18%	11%	45%
분할 히스토그램 비교	18%	61%	21%

표2에서 보듯이 기존의 히스토그램으로는 B가 11%의 일치율을 보임에도 불구하고, 도로영역을 제외한 분할 히스토그램을 적용하면, 61%의 높은 결과물을 얻을 수 있다. 이 수치는 기존 히스토그램 비교 방식을 통해 얻은 결과물에서는, 실제 도로와 일치하지 않는 C가 45%의 일치율을 보임에도 불구하고 본 발명의 방법에서는 실제로 일치하는 B의 영상이 61%의 가장 높은 일치율을 보임을 알 수 있다.

회전감지율

감지 회전수	실제 회전수	비율
50	50	100%

표3은 영상에 대한 회전 감지를 분할된 컬러히스토그램으로 실행한 결과이다. 회전하는 하나의 영상에서 모든 회전하는 경우를 감지해 100% 정확도를 보였다. 즉, 본 발명은 Sobel-edge detector의 세로방향 edge의 감소를 통해 회전을 감지하고, 도로영역 구하는 알고리즘을 사용 후, 분할 히스토그램 알고리즘을 적용해 기준 영상과의 배경 부분의 분할된 영상의 히스토그램 값의 비교를 통해 회전 보정을 실시하는 것이다.

본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

100; 도로혼잡도 분석 시스템; 110; 카메라부
120; 기준배경 추출부 130; 도로영역 추출부
140; 전경추출부 150; 제어부
160; 저장부 170; 통신부
180; 회전감지부 190; 혼잡도분석부

Claims (7)

1. CCTV 영상을 이용한 도로 혼잡도 분석 방법에 관한 것으로,
   카메라부가 도로를 촬영하는 단계;
   기준배경 추출부가 촬영된 영상으로부터 배경을 추출하는 단계;
   도로영역 추출부가 추출된 배경에서 에지 없는 최대 영역을 추출하고, 광학흐름(optical flow) 계산 결과를 이용하여 도로 영역을 검증한 후 도로 영역을 추출하는 단계;
   전경추출부가 추출된 도로 영역을 사각 격자로 나누어 격자별 특성을 추출하고, 현재 프레임의 각 격자별 특성을 추출하여 상기 도로 영역과 현재 프레임의 격자별 특성 차이를 계산하여 일정 차이 이상의 격자를 차량으로 인식한 전경을 추출하는 단계; 및
   혼잡도 분석부가 추출된 상기 도로 영역에서 상기 전경영역이 차지하는 비율을 계산하여 혼잡도를 분석하는 단계
   회전감지부가 CCTV의 회전을 감지하는 단계를 더 포함하고,
   다음 영상을 캡쳐하여 에지 분석을 하고, 회전이 감지되면 에지 분석을 다시수행하고 이전 이미지와 비교하여 해당 이미지 큐에 저장하는 CCTV 영상을 이용한도로 혼잡도 분석 방법.
2. 제1항에 있어서,
   상기 배경을 추출하는 단계는, 입력 프레임을 캡쳐한 후 MOG2 알고리즘을 이용하여 배경을 추출하되, 배경의 에지 개수를 측정하여 최소 에지의 배경을 추출하는 CCTV 영상을 이용한 도로 혼잡도 분석 방법.
3. 삭제
4. CCTV 영상을 이용한 도로 혼잡도 분석 시스템에 있어서,
   도로를 실시간으로 촬영하는 카메라부;
   상기 카메라부터 촬영된 영상의 입력 프레임을 캡쳐한 후 MOG2 알고리즘을 이용하여 배경을 추출하되, 배경의 에지 개수를 측정하여 최소 에지의 배경을 추출하는 기준배경추출부;
   상기 기준배경추출부로부터 추출된 배경에서 에지 없는 최대 영역을 추출하고, 광학흐름(optical flow) 계산 결과를 이용하여 도로 영역을 검증한 후 도로 영역을 추출하는 도로영역추출부;
   상기 도로영역추출부로부터 추출된 도로 영역을 사각 격자로 나누어 격자별 특성을 추출하고, 현재 프레임의 각 격자별 특성을 추출하여 상기 도로 영역과 현재 프레임의 격자별 특성 차이를 계산하여 일정 차이 이상의 격자를 차량으로 인식한 전경을 추출하는 전경추출부; 및
   추출된 상기 도로 영역에서 상기 전경영역이 차지하는 비율을 계산하여 혼잡도를 분석하는 혼잡도분석부;를 포함하는 CCTV 영상을 이용한 도로 혼잡도 분석 시스템.
5. 제4항에 있어서,
   다음 영상을 캡쳐하여 에지 분석을 하고, 회전이 감지되면 에지 분석을 다시수행하고 이전 이미지와 비교하여 해당 이미지 큐에 저장하는 회전감지부를 더 포함하는 CCTV 영상을 이용한 도로 혼잡도 분석 시스템.
6. 제5항에 있어서,
   상기 회전감지부는 가로 에지들의 발생 빈도에 기초하여 회전 여부를 감지하는 CCTV 영상을 이용한 도로 혼잡도 분석 시스템.
7. 제1항에 있어서,
   상기 혼잡도를 분석하는 단계는, 사다리꼴 형태의 도로 영역에서 카메라와 근접한 사다리꼴 영역과 카메라와 이격된 사다리꼴 영역을 구분하고, 근접한 사다리꼴 영역의 넓이는 이격된 사다리꼴 영역의 넓이보다 넓고,
   상기 근접한 사다리꼴 영역에서 검출된 차량보다 이격된 사다리꼴 영역에서 검출된 차량의 면적 가중치가 더 높게 산정하여 분석하는 CCTV 영상을 이용한 도로 혼잡도 분석 방법.
   

Images