KR102099377B1 - 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템 - Google Patents

인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템 Download PDF

Info

Publication number
KR102099377B1
KR102099377B1 KR1020190170690A KR20190170690A KR102099377B1 KR 102099377 B1 KR102099377 B1 KR 102099377B1 KR 1020190170690 A KR1020190170690 A KR 1020190170690A KR 20190170690 A KR20190170690 A KR 20190170690A KR 102099377 B1 KR102099377 B1 KR 102099377B1
Authority
KR
South Korea
Prior art keywords
vehicle
information
camera
controller
speed
Prior art date
Application number
KR1020190170690A
Other languages
English (en)
Inventor
이형각
Original Assignee
주식회사 세오
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 세오 filed Critical 주식회사 세오
Priority to KR1020190170690A priority Critical patent/KR102099377B1/ko
Application granted granted Critical
Publication of KR102099377B1 publication Critical patent/KR102099377B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법이 개시된다. 상기 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법은 컨트롤러는 과속으로 주행하는 차량을 촬영하기 위해 도로에 설치된 카메라를 기준으로 상기 도로를 복수의 구간들로 나누는 단계, 상기 차량이 서로 다른 시간에서 상기 복수의 구간들 각각에 위치할 때, 상기 컨트롤러는 상기 차량과 상기 카메라 사이의 제1거리 정보, 상기 차량의 제1속도 정보, 및 상기 차량의 제1위치 정보, 상기 차량과 상기 카메라 사이의 제2거리 정보, 상기 차량의 제2속도 정보, 및 상기 차량의 제2위치 정보, 및 상기 차량과 상기 카메라 사이의 제3거리 정보, 차량의 제3속도 정보, 및 상기 차량의 제3위치 정보를 레이더 센서로부터 획득하는 단계, 상기 컨트롤러는 상기 제1거리 정보, 속도 정보, 상기 제1위치 정보, 상기 제2거리 정보, 상기 제2속도 정보, 상기 제2위치 정보, 상기 제3거리 정보, 상기 제3속도 정보, 및 상기 제3위치 정보와 가중치를 이용하여 상기 차량의 갓길 주행 여부를 예측하는 단계, 및 상기 차량이 갓길로 과속 주행할 것으로 예측될 때, 상기 컨트롤러는 상기 카메라에 포함된 카메라 모듈에게 상기 차량이 상기 카메라의 제1촬영 구간 내에 진입하기 이전인 제2촬영 구간에서 상기 차량을 촬영하도록 상기 카메라 모듈을 제어하는 단계를 포함한다.

Description

인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템 {AI based multi-track speed and crack avoidance vehicle cracking method and system}
본 발명은 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템에 관한 것으로, 상세하게는 단속을 피하기 위해 갓길로 주행하는 차량에 대해서도 과속 단속이 가능한 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템에 관한 것이다.
종래에는 카메라 전방의 도로에 매설된 루프선(loop) 위로 지나가는 차량의 바퀴를 감지하여 속도 위반 여부를 판단하는 차량 과속 단속 방법을 이용하였다. 하지만 종래의 차량 과속 단속 방법은 일부 차량의 운전자가 과속 단속을 피하기 위해 도로의 전방에 설치된 카메라를 확인하면 갓길로 주행하여 카메라의 촬영 범위를 피해 주행함으로써 속도를 줄이지 않고도 과속을 피할 수 있는 문제점이 있었다.
한국 등록특허공보 제10-0377988호(2003.03.17.)
본 발명이 이루고자 하는 기술적인 과제는 차량 과속 단속을 피하기 위해 갓길로 주행하는 차량에 대해서도 과속 단속이 가능한 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템을 제공하는 것이다.
본 발명의 실시 예에 따른 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법은 컨트롤러는 과속으로 주행하는 차량을 촬영하기 위해 도로에 설치된 카메라를 기준으로 상기 도로를 복수의 구간들로 나누는 단계, 상기 차량이 서로 다른 시간에서 상기 복수의 구간들 각각에 위치할 때, 상기 컨트롤러는 상기 차량과 상기 카메라 사이의 제1거리 정보, 상기 차량의 제1속도 정보, 및 상기 차량의 제1위치 정보, 상기 차량과 상기 카메라 사이의 제2거리 정보, 상기 차량의 제2속도 정보, 및 상기 차량의 제2위치 정보, 및 상기 차량과 상기 카메라 사이의 제3거리 정보, 차량의 제3속도 정보, 및 상기 차량의 제3위치 정보를 레이더 센서로부터 획득하는 단계, 상기 컨트롤러는 상기 제1거리 정보, 속도 정보, 상기 제1위치 정보, 상기 제2거리 정보, 상기 제2속도 정보, 상기 제2위치 정보, 상기 제3거리 정보, 상기 제3속도 정보, 및 상기 제3위치 정보와 가중치를 이용하여 상기 차량의 갓길 주행 여부를 예측하는 단계, 및 상기 차량이 상기 카메라의 제1촬영 구간에서 갓길로 과속 주행할 것으로 예측될 때, 상기 컨트롤러는 상기 카메라에 포함된 카메라 모듈에게 상기 차량이 상기 제1촬영 구간 내에 진입하기 이전인 제2촬영 구간에서 상기 차량을 촬영하도록 상기 카메라 모듈을 제어하는 단계를 포함한다.
상기 차량의 갓길 주행 여부를 예측하는 단계는 상기 컨트롤러는 상기 제1거리 정보, 상기 제1속도 정보, 및 상기 제1위치 정보를 제1입력 벡터로 정의하며, 복수의 제1가중치들을 제1가중치 행렬로 정의하는 단계, 상기 컨트롤러는 상기 제1가중치 행렬과 상기 제1입력 벡터에 대해 행렬 곱셈하는 단계, 상기 컨트롤러는 상기 행렬 곱셈의 결과값을 함수의 제1입력값으로 설정하여, 상기 함수의 제1출력 벡터를 계산하는 단계, 상기 컨트롤러는 상기 제2거리 정보, 상기 제2속도 정보, 및 상기 제2위치 정보를 제2입력 벡터로 정의하며, 복수의 제2가중치들을 제2가중치 행렬로 정의하는 단계, 상기 컨트롤러는 상기 제1가중치 행렬과 상기 제2입력 벡터에 대해 행렬 곱셈하는 단계, 상기 컨트롤러는 제2가중치 행렬과 상기 제1출력 벡터에 대해 행렬 곱셈하는 단계, 상기 컨트롤러는 상기 제1가중치 행렬과 상기 제2입력 벡터에 대한 행렬 곱셈의 결과값과, 상기 제2가중치 행렬과 상기 제1출력 벡터에 대한 행렬 곱셈의 결과값을 더한 값을 상기 함수의 제2입력값으로 설정하여 상기 함수의 제2출력 벡터를 계산하는 단계, 상기 컨트롤러는 상기 제3거리 정보, 상기 제3속도 정보, 및 상기 제3위치 정보를 제3입력 벡터로 정의하는 단계, 상기 컨트롤러는 상기 제1가중치 행렬과 상기 제3입력 벡터에 대해 행렬 곱셈하는 단계, 상기 컨트롤러는 상기 제2가중치 행렬과 상기 제2출력 벡터에 대해 행렬 곱셈하는 단계, 상기 컨트롤러는 상기 제1가중치 행렬과 상기 제3입력 벡터에 대한 행렬 곱셈의 결과값과, 상기 제2가중치 행렬과 상기 제2출력 벡터에 대한 행렬 곱셈의 결과값을 더한 값을 상기 함수의 제3입력값으로 설정하여 상기 함수의 제3출력 벡터를 계산하는 단계, 상기 컨트롤러는 상기 제1출력 벡터, 상기 제2출력 벡터, 및 상기 제3출력 벡터를 조합하여 제4출력 벡터를 정의하는 단계, 상기 컨트롤러는 제3가중치 행렬과 상기 제4출력 벡터에 대해 행렬 곱셈을 수행하여 제5출력 벡터를 계산하는 단계, 및 상기 컨트롤러는 상기 제5출력 벡터의 구성요소에 따라 상기 차량의 갓길 주행 여부를 예측하는 단계를 포함한다.
상기 복수의 구간들은 제1구간, 제2구간, 및 제3구간을 포함하며, 상기 제1구간은 상기 카메라에서 가장 멀리 떨어진 구간이며, 상기 제3구간은 상기 카메라에서 가장 가까운 구간이며, 상기 제2구간은 상기 제1구간과 상기 제2구간 사이의 구간이며, 상기 차량이 상기 제1구간에 위치할 때, 상기 제1거리 정보, 상기 제1속도 정보, 및 상기 제1위치 정보가 획득되며, 상기 차량이 상기 제2구간에 위치할 때, 상기 제2거리 정보, 상기 제2속도 정보, 및 상기 제2위치 정보가 획득되며, 상기 차량이 상기 제3구간에 위치할 때, 상기 제3거리 정보, 상기 제3속도 정보, 및 상기 제3위치 정보가 획득된다.
상기 함수는 쌍곡탄젠트 함수이다.
본 발명의 실시 예에 따른 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 시스템은 도로에서 과속으로 주행하는 차량을 촬영하기 위한 카메라를 포함한다. 상기 카메라는 상기 카메라를 기준으로 상기 도로를 복수의 구간들로 나누는 컨트롤러, 상기 차량이 서로 다른 시간에서 상기 복수의 구간들 각각에 위치할 때, 상기 차량과 상기 카메라 사이의 제1거리 정보, 상기 차량의 제1속도 정보, 및 상기 차량의 제1위치 정보, 상기 차량과 상기 카메라 사이의 제2거리 정보, 상기 차량의 제2속도 정보, 및 상기 차량의 제2위치 정보, 및 상기 차량과 상기 카메라 사이의 제3거리 정보, 차량의 제3속도 정보, 및 상기 차량의 제3위치 정보를 제공하는 레이더 센서, 및 상기 차량이 과속으로 주행할 때, 상기 차량의 이미지를 획득하기 위한 카메라 모듈을 포함한다.
상기 컨트롤러는 상기 레이더 센서로부터 획득된 상기 제1거리 정보, 속도 정보, 상기 제1위치 정보, 상기 제2거리 정보, 상기 제2속도 정보, 상기 제2위치 정보, 상기 제3거리 정보, 상기 제3속도 정보, 및 상기 제3위치 정보와 가중치를 이용하여 상기 차량의 갓길 주행 여부를 예측하며, 상기 차량이 상기 카메라의 제1촬영 구간에서 갓길로 과속 주행할 것으로 예측될 때, 상기 카메라 모듈에게 상기 차량이 상기 제1촬영 구간 내에 진입하기 이전인 제2촬영 구간에서 상기 차량을 촬영하도록 상기 카메라 모듈을 제어한다.
본 발명의 실시 예에 따른 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템은 차량의 갓길 주행 여부를 예측하고, 갓길 주행이 예측되는 경우, 차량이 갓길로 주행하기 전에 미리 카메라로 촬영함으로써 과속 단속을 피하기 위해 갓길로 주행하는 차량이라 하더라도 과속 차량을 단속할 수 있는 효과가 있다.
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 상세한 설명이 제공된다.
도 1은 본 발명의 실시 예에 따른 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 시스템의 블록도를 나타낸다.
도 2는 도 1에 도시된 카메라의 내부 블록도를 나타낸다.
도 3은 본 발명의 다른 실시 예에 따른 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 시스템의 블록도를 나타낸다.
도 4는 도 1에 도시된 차량의 갓길 주행 여부를 예측하기 위해 컨트롤러에 의해 수행되는 신경망 구조의 블록도를 나타낸다.
도 5는 도 4에 도시된 제1출력 벡터를 계산하기 위한 수식을 나타낸다.
도 6은 도 4에 도시된 제2출력 벡터를 계산하기 위한 수식을 나타낸다.
도 7은 도 4에 도시된 제5출력 벡터를 계산하기 위한 수식을 나타낸다.
도 8은 도 1에 도시된 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법을 설명하기 위한 흐름도를 나타낸다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명들은 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 명세서에 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.
제1 또는 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만, 예컨대 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1구성요소는 제2구성요소로 명명될 수 있고, 유사하게 제2구성요소는 제1구성요소로도 명명될 수 있다.
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. 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
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 나타낸다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예를 설명함으로써, 본 발명을 상세히 설명한다.
도 1은 본 발명의 실시 예에 따른 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 시스템의 블록도를 나타나며, 도 2는 도 1에 도시된 카메라의 내부 블록도를 나타낸다.
도 1과 도 2를 참고하면, 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 시스템(100)은 차량(101)이 갓길(SR1, 또는 SR2)에서 주행하는지 여부를 예측하고, 갓길(SR1, 또는 SR2)에서의 주행이 예측되는 경우, 차량(101)이 갓길(SR1, 또는 SR2)로 주행하기 전에 미리 카메라(10)로 촬영함으로써 과속 단속을 피하기 위해 갓길(SR1, 또는 SR2)로 주행하는 차량(101)이라 하더라도 차량(101)의 과속을 단속할 수 있는 시스템에 관한 것이다. 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 시스템(100)은 카메라(10)를 포함한다.
카메라(10)는 도로(MR)에서 과속으로 주행하는 차량(101)을 촬영하기 위해 도로(MR)에 설치된다. 도 1에서 도로(MR)는 4차선으로 도시되었으나 실시 예에 따라 차선의 수는 달라질 수 있다. 도로(MR)의 양끝에는 갓길들(SR1, SR2)이 위치한다. 카메라(10)는 컨트롤러(11), 레이더 센서(13), 카메라 모듈(15), 및 적외선 조명(17)을 포함한다. 실시 예에 따라 컨트롤러(11), 레이더 센서(13), 카메라 모듈(15), 및 적외선 조명(17)가 하나의 장치로 구현될 수 있거나, 컨트롤러(11), 레이더 센서(13), 카메라 모듈(15), 또는 적외선 조명(17)은 별개의 장치로 구현될 수 있다.
컨트롤러(11)는 레이더 센서(13), 카메라 모듈(15), 및 적외선 조명(17)을 제어한다. 컨트롤러(11)는 레이더 센서(13), 카메라 모듈(15) 및 적외선 조명(17)을 이용하여 차량(101)의 갓길(SR1, 또는 SR2)에서의 주행 여부를 예측하고, 차량(101)이 갓길(SR1, 또는 SR2)로 주행하기 전에 미리 카메라(10)가 촬영하도록 카메라(10)를 제어한다. 컨트롤러(11)는 프로세서, 또는 중앙처리장치 등 다양한 용어로 사용될 수 있다. 레이더 센서(13)는 차량(101)의 속도 정보, 차량(101)과 카메라(10) 사이의 거리 정보, 및 차량(101)의 위치 정보를 제공한다. 카메라 모듈(15)은 차량(101)이 과속으로 주행할 때, 차량(101)의 이미지를 획득하기 위해 이용된다. 카메라 모듈(15)은 이미지 센서(미도시)와 이미지 처리 프로세서(미도시)를 포함할 수 있다. 적외선 조명(17)은 야간에도 카메라 모듈(15)에 의해 선명한 이미지를 제공하기 위해 이용된다.
컨트롤러(11)는 카메라(10)를 기준으로 도로(MR)를 복수의 구간들(RG1, RG2, 및 RG3)로 나눈다. 도로(MR)에서의 복수의 구간들(RG1, RG2, 및 RG3)은 제1구간(RG1), 제2구간(RG2), 및 제3구간(RG3)을 포함한다. 제1구간(RG1)은 카메라(10)에서 가장 멀리 떨어진 구간이며, 제3구간(RG3)은 카메라(10)에서 가장 가까운 구간이며, 제2구간(RG2)은 제1구간(RG1)과 제3구간(RG3) 사이의 구간이다. 제3구간(RG3)은 카메라(10)로부터 일정하게 떨어진 지점부터 임의의 거리까지의 구간(RG3)을 의미한다. 제2구간(RG2)은 제3구간(RG3)이 끝나는 지점부터 임의의 거리까지의 구간(RG2)을 의미한다. 제1구간(RG1)은 제2구간(RG2)이 끝나는 지점부터 임의의 거리까지의 구간(RG1)을 의미한다. 제1구간(RG1), 제2구간(RG2), 및 제3구간(RG3)의 폭은 같을 수 있다. 실시 예에 따라 제1구간(RG1), 제2구간(RG2), 및 제3구간(RG3)의 폭은 다를 수 있다. 또한, 실시 예에 따라 컨트롤러(11)는 카메라(10)를 기준으로 상기 도로를 2개의 구간들로 나누거나, 3개 이상의 구간들로 나눌 수 있다.
차량(101)은 서로 다른 시간에서 복수의 구간들(RG1, RG2, 및 RG3) 각각에 위치한다. 차량(101)이 카메라(10)가 위치한 방향으로 주행한다고 가정할 때, 차량(101)은 제1시점에서는 제1구간(RG1)에, 제2시점에서는 제2구간(RG2)에, 제3시점에서는 제3구간(RG3)에 위치한다. 상기 제1시점이 가장 빠른 시간이고, 제3시점이 가장 느린 시간이다.
컨트롤러(11)는 차량(101)과 카메라(10) 사이의 제1거리 정보, 차량(101)의 제1속도 정보, 및 차량(101)의 제1위치 정보, 차량(101)과 카메라(10) 사이의 제2거리 정보, 차량(101)의 제2속도 정보, 및 차량(101)의 제2위치 정보, 및 차량(101)과 카메라(10) 사이의 제3거리 정보, 차량(101)의 제3속도 정보, 및 차량(101)의 제3위치 정보를 레이더 센서(13)로부터 획득한다. 컨트롤러(11)는 차량(101)이 제1구간(RG1)에 위치할 때, 제1거리 정보, 제1속도 정보, 및 제1위치 정보를 레이더 센서(13)로부터 획득한다. 컨트롤러(11)는 차량(101)이 제2구간(RG2)에 위치할 때, 제2거리 정보, 제2속도 정보, 및 제2위치 정보를 레이더 센서(13)로부터 획득한다. 컨트롤러(11)는 차량(101)이 제3구간(RG3)에 위치할 때, 제3거리 정보, 제3속도 정보, 및 제3위치 정보를 레이더 센서(13)로부터 획득한다.
컨트롤러(11)는 차량(101)이 제1구간(RG1), 제2구간(RG2), 및 제3구간(RG3)에 위치한다함은 차량(101)이 제1구간(RG1), 제2구간(RG2), 및 제3구간(RG3)의 임의의 지점(예컨대, 각 구간의 진입 지점, 또는 가운데 지점)에 위치함을 의미할 수 있다. 레이더 센서(13)는 제1구간(RG1), 제2구간(RG2), 및 제3구간(RG3)의 가운데 지점에서 차량(101)의 거리 정보, 속도 정보, 및 위치 정보를 제공할 때, 레이더 센서(13)의 노이즈가 감소될 수 있다.
도 3은 본 발명의 다른 실시 예에 따른 인공지능 기반 다차로 차량 과속 단속 시스템의 블록도를 나타낸다.
도 3을 참고하면, 인공지능 기반 다차로 차량 과속 단속 시스템(200)은 도 1에 도시된 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 시스템(100)과 달리 서버(220)를 더 포함할 수 있다. 서버(220)는 카메라(210)와 네트워크를 통해 통신을 수행하며, 카메라(210)에 촬영된 차랑(201)의 이미지 정보 등을 카메라(210)로부터 수신할 수 있다. 서버(220)는 컴퓨터, PC, 노트북, 또는 태블릿 PC와 같은 통신이 가능한 전자장치를 의미한다.
도 4는 도 1에 도시된 차량의 갓길 주행 여부를 예측하기 위해 컨트롤러에 의해 수행되는 신경망 구조의 블록도를 나타내며, 도 5는 도 4에 도시된 제1출력 벡터를 계산하기 위한 수식을 나타낸다.
도 1, 도 2, 도 4, 도 5를 참고하면, 차량(101)이 제1구간(RG1)에 위치할 때, 컨트롤러(11)는 레이더 센서(13)로부터 획득되는 제1거리 정보(d1), 제1속도 정보(v1), 및 제1위치 정보(px1, py1, 및 pz1)를 제1입력 벡터(X1), 또는 5 x 1인 제1행렬(X1)로 정의할 수 있다. 제1위치 정보(px1, py1, 및 pz1)는 3차원 좌표일 수 있다. 즉, 제1입력 벡터(X1)는 아래의 수학식 1과 같은 벡터로 정의된다. 이하, 아래의 동작들은 컨트롤러(11)에 의해 수행될 수 있다.
Figure 112019131540198-pat00001
도 4과 도 5를 참고하면, 제1행렬(X1), 또는 제1입력 벡터(X1)는 함수(fW)의 입력으로 이용된다. 함수(fW)는 쌍곡탄젠트 함수인 tahn()이다.
도 5를 참고하면, 복수의 제1가중치들(Wxh11~Wx55)은 제1가중치 행렬(Wxh)로 정의된다. 도 4을 참고하면, 제1가중치 행렬(Wxh)은 함수(fW)의 입력으로 이용된다.
즉, 컨트롤러(11)는 제1가중치 행렬(Wxh)과 제1입력 벡터(X1)에 대해 행렬 곱셈을 수행한다. 컨트롤러(11)는 행렬 곱셈의 결과값(Wxh·X1)을 함수(fW)인 쌍곡탄젠트 함수(tanh())의 제1입력값으로 설정하여, 함수(fW)의 제1출력 벡터(h1)를 계산한다. 제1출력 벡터(h1)는 아래의 수학식 2와 같은 벡터로 정의된다.
Figure 112019131540198-pat00002
여기서 h11은 제1거리 정보(d1)에 대응되는 값이며, h12는 제1속도 정보(v1)에 대응되는 값이며, h13은 제1위치 정보(px1, py1, 및 pz1)에 대응되는 값이다.
도 1, 도 2, 및 도 4을 참고하면, 차량(101)이 제2구간(RG2)에 위치할 때, 컨트롤러(11)는 레이더 센서(13)로부터 획득되는 제2거리 정보(d2), 제2속도 정보(v2), 및 제2위치 정보(px2, py2, 및 pz2)를 제2입력 벡터(X2), 또는 5 x 1인 제2행렬(X2)로 정의할 수 있다. 제2위치 정보(px2, py2, 및 pz2)는 3차원 좌표일 수 있다. 즉, 제2입력 벡터(X2)는 아래의 수학식 3과 같은 벡터로 정의된다.
Figure 112019131540198-pat00003
도 6은 도 4에 도시된 제2출력 벡터(h2)를 계산하기 위한 수식을 나타낸다.
도 4와 도 6을 참고하면, 제2입력 벡터(X2)는 함수(fW)의 입력으로 이용된다. 함수(fW)는 쌍곡탄젠트 함수인 tahn()이다.
도 6을 참고하면, 컨트롤러(11)는 제1가중치 행렬(Wxh)과 제2입력 벡터(X2)에 대해 행렬 곱셈을 수행한다. 또한, 컨트롤러(11)는 제2가중치 행렬(Whh)과 제1출력 벡터(h1)에 대해 행렬 곱셈을 수행한다. 제1출력 벡터(h1)는 행렬로 볼 수도 있다. 제2가중치 행렬(Whh)은 도 6에 도시된다.
컨트롤러(11)는 제1가중치 행렬(Wxh)과 제2입력 벡터(X2)에 대해 수행된 행렬 곱셈의 결과값(Wxh·X2)과, 제2가중치 행렬(Whh)과 제1출력 벡터(h1)에 대해 수행된 행렬 곱셈의 결과값(Whh·h1)을 더한 값(Whh·h1+Wxh·X2)을 함수(fW)인 쌍곡탄젠트 함수(tanh())의 제2입력값으로 설정하여, 함수(fW)의 제2출력 벡터(h2)를 계산한다. 제2출력 벡터(h2)는 아래의 수학식 4와 같은 벡터로 정의된다.
Figure 112019131540198-pat00004
도 1과 도 2를 참고하면, 차량(101)이 제3구간(RG3)에 위치할 때, 컨트롤러(11)는 레이더 센서(13)로부터 획득되는 제2거리 정보(d3), 제3속도 정보(v3), 및 제2위치 정보(px3, py3, 및 pz3)를 제3입력 벡터(X3), 또는 5 x 1인 제3행렬(X3)로 정의할 수 있다. 제3위치 정보(px3, py3, 및 pz3)는 3차원 좌표일 수 있다. 즉, 제3입력 벡터(X3)는 아래의 수학식 5와 같은 벡터로 정의된다.
Figure 112019131540198-pat00005
컨트롤러(11)는 제3행렬(X3)과 제1가중치 행렬(Wxh)에 대해 행렬 곱셈을 수행한다. 또한, 컨트롤러(11)는 제2출력 벡터(h2)와 제2가중치 행렬(Whh)에 대해 행렬 곱셈을 수행한다.
컨트롤러(11)는 제1가중치 행렬(Wxh)과 제3행렬(X3)에 대해 수행된 행렬 곱셈의 결과값(Wxh·X3)과, 제2가중치 행렬(Whh)과 제2출력 벡터(h2)에 대해 수행된 행렬 곱셈의 결과값(Whh·h2)을 더한 값(Whh·h2+Wxh·X3)을 함수(fW)인 쌍곡탄젠트 함수(tanh())의 제3입력값으로 설정하여, 함수(fW)의 제3출력 벡터(h3)를 계산한다. 제3출력 벡터(h3)는 아래의 수학식 6과 같은 벡터로 정의된다.
Figure 112019131540198-pat00006
제4출력 벡터(ho)는 제1출력 벡터(h1), 제2출력 벡터(h2), 및 제3출력 벡터(h3)를 조합하여 정의된다. 즉, 제4출력 벡터(ho)는 아래의 수학식 7과 같은 벡터로 정의된다.
Figure 112019131540198-pat00007
도 7은 도 4에 도시된 제5출력 벡터를 계산하기 위한 수식을 나타낸다.
도 7을 참고하면, 컨트롤러(11)는 제3가중치 행렬(Whoy)과 제4출력 벡터(ho)에 대해 행렬 곱셈을 수행하여 제5출력 벡터(Yo)를 계산한다. 즉, 제5출력 벡터(Yo)는 도 7에 도시된 수학식에 의해 계산된다. 도 7에 제3가중치 행렬(Whoy)이 도시된다. 제5출력 벡터(Yo)는 아래의 수학식 8과 같은 벡터로 정의된다.
Figure 112019131540198-pat00008
여기에서 구성요소 do는 제1촬영 구간(CR1)에서의 차량(101)과 카메라(10) 사이의 거리 정보, 구성요소 vo는 제1촬영 구간(CR1)에서의 차량(101)의 속도 정보, 구성요소 xo,yo,zo는 제1촬영 구간(CR1)에서의 위치 정보를 의미한다. 제5출력 벡터(Yo)는 예측값으로, 차량(101)이 제1촬영 구간(CR1)에 도달할 미래 시점에 상기 거리 정보, 상기 속도 정보, 및 상기 위치 정보를 포함한다.
제1촬영 구간(CR1)은 차량(101)이 갓길 주행을 하지 않고, 도로(MR)에서 과속으로 주행하여 차량(101)이 카메라(10)로부터 임의의 거리 이내에 있을 때, 카메라(10)가 촬영하는 영역을 의미한다. 제1촬영 구간(CR1)은 도로(MR)의 영역을 포함하며, 갓길(SR1, 또는 SR2)의 영역은 포함하지 않는다. 따라서 차량(101)이 제1촬영 구간(CR1)에 인접하는 갓길(SR1, 또는 SR2)에 위치할 때, 카메라(10)는 차량(101)이 과속하더라도 차량(101)을 촬영할 수 없다. 제1촬영 구간(CR1)에 인접하는 갓길(SR1, 또는 SR2)은 제1촬영 구간(CR1)에서의 도로(MR)의 양끝과 맞닿아 있는 부분을 의미한다. 제2촬영 구간(CR2)은 제1촬영 구간(CR1)보다는 카메라(10)로부터 떨어진 영역을 의미한다. 즉, 제2촬영 구간(CR2)은 제1촬영 구간(CR1)보다는 카메라(10)로부터 멀리 떨어져 있는 영역이다. 제2촬영 구간(CR2)도 도로(MR)의 영역을 포함하며, 갓길(SR1, 또는 SR2)의 영역은 포함하지 않는다.
차량(101)의 운전자는 제1촬영 구간(CR1)에서 카메라(10)에 의해 촬영이 되는 것으로 인지하지만, 제2촬영 구간(CR2)에서 카메라(10)에 의해 촬영되는 것은 인지하지 못한다. 구성요소 SF는 갓길 주행 예측 여부를 나타내며, 구성요소 TT는 적외선 조명(17)에 의해 점멸되는 시간을 의미한다. 구성요소 SF가 1일 때, 차량(101)이 제1촬영 구간(CR1)을 벗어나 갓길(SR1, 또는 SR2)로 주행할 것이 예측되는 것으로 판단된다. 구성요소 TT에 의해 적외선 조명(17)에 의해 점멸되는 시간이 설정된다. 적외선 조명(17)을 이용함으로써 카메라 모듈(15)은 야간에도 차량(101)에 대해 촬영이 가능하다.
차량(101)이 갓길(SR1, 또는 SR2)로 과속 주행할 것이 예측될 때, 컨트롤러(11)는 카메라 모듈(15)에게 차량(101)이 카메라 모듈(15)의 제1촬영 구간(CR1) 내에 진입하기 이전인 제2촬영 구간(CR2)에서 차량(101)을 촬영하도록 제어한다. 이 때, 차량(101)은 제1촬영 구간(CR1)에 진입하기 전이다. 또한, 차량(101)은 아직까지 갓길(SR1, 또는 SR2)에 진입하기 이전이다. 차량(101)은 도로(MR)의 제2촬영 구간(CR2)에 위치한다. 컨트롤러(11)는 제1촬영 구간(CR1)에서 제2촬영 구간(CR2)으로 변경하도록 카메라 모듈(15)을 제어한다. 차량(101)의 갓길(SR1, 또는 SR2)로의 주행 여부를 예측하기 위한 신경망 구조는 컨트롤러(11)의 제어하에 학습될 수 있다.
본 발명의 실시 예에 따른 인공지능 기반 다차로 차량 과속 단속 방법 및 시스템은 차량(101)의 갓길(SR1, 또는 SR2)로의 과속 주행 여부를 예측하고, 갓길(SR1, 또는 SR2)로의 과속 주행이 예측되는 경우, 차량(101)이 갓길(SR1, 또는 SR2)로 주행하기 전에 미리 카메라(10)로 촬영함으로써 과속 단속을 피하기 위해 갓길(SR1, 또는 SR2)로 주행하는 차량(101)이라 하더라도 과속 차량을 단속할 수 있다. 차량(101)의 과속 여부는 레이더 센서(13)를 이용하여 판단될 수 있다.
도 8은 도 1에 도시된 인공지능 기반 다차로 차량 과속 단속 방법을 설명하기 위한 흐름도를 나타낸다.
도 1, 도 2, 도 3 내지 도 8을 참고하면, 컨트롤러(11)는 과속으로 주행하는 차량(101)을 촬영하기 위해 도로(MR)에 설치된 카메라(10)를 기준으로 도로(MR)를 복수의 구간들(RG1, RG2, 및 RG3)로 나눈다(S10).
차량(101)이 서로 다른 시간에서 복수의 구간들(RG1, RG2, 및 RG3) 각각에 위치할 때, 컨트롤러(11)는 차량(101)과 카메라(10) 사이의 제1거리 정보, 차량(101)의 제1속도 정보, 및 차량(101)의 제1위치 정보, 차량(101)과 카메라(10) 사이의 제2거리 정보, 차량(101)의 제2속도 정보, 및 차량(101)의 제2위치 정보, 및 차량(101)과 카메라(10) 사이의 제3거리 정보, 차량(101)의 제3속도 정보, 및 차량(101)의 제3위치 정보를 레이더 센서(13)로부터 획득한다(S20).
컨트롤러(11)는 제1거리 정보, 제1속도 정보, 제1위치 정보, 제2거리 정보, 제2속도 정보, 제2위치 정보, 제3거리 정보, 제3속도 정보, 및 제3위치 정보와 가중치를 이용하여 차량(101)의 갓길 주행 여부를 예측한다(S30).
차량(101)이 상기 카메라의 제1촬영 구간(CR1)에서 갓길(SR1, 또는 SR2)로 과속 주행할 것으로 예측될 때, 컨트롤러(11)는 카메라(10)에 포함된 카메라 모듈(15)에게 차량(101)이 카메라(10)의 제1촬영 구간(CR1) 내에 진입하기 이전인 제2촬영 구간(CR2)에서 차량(101)을 촬영하도록 카메라 모듈(15)을 제어한다(S40).
본 발명은 도면에 도시된 일 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: 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 시스템;
10: 카메라;
11: 컨트롤러;
13: 레이더 센서;
15: 카메라 모듈;
17: 적외선 조명;
101: 차량;

Claims (5)

  1. 컨트롤러는 과속으로 주행하는 차량을 촬영하기 위해 도로에 설치된 카메라를 기준으로 상기 도로를 복수의 구간들로 나누는 단계;
    상기 차량이 서로 다른 시간에서 상기 복수의 구간들 각각에 위치할 때, 상기 컨트롤러는 상기 차량과 상기 카메라 사이의 제1거리 정보, 상기 차량의 제1속도 정보, 및 상기 차량의 제1위치 정보, 상기 차량과 상기 카메라 사이의 제2거리 정보, 상기 차량의 제2속도 정보, 및 상기 차량의 제2위치 정보, 및 상기 차량과 상기 카메라 사이의 제3거리 정보, 차량의 제3속도 정보, 및 상기 차량의 제3위치 정보를 레이더 센서로부터 획득하는 단계;
    상기 컨트롤러는 상기 제1거리 정보, 속도 정보, 상기 제1위치 정보, 상기 제2거리 정보, 상기 제2속도 정보, 상기 제2위치 정보, 상기 제3거리 정보, 상기 제3속도 정보, 및 상기 제3위치 정보와 가중치를 이용하여 상기 차량의 갓길 주행 여부를 예측하는 단계; 및
    상기 차량이 상기 카메라의 제1촬영 구간에서 갓길로 과속 주행할 것으로 예측될 때, 상기 컨트롤러는 상기 카메라에 포함된 카메라 모듈에게 상기 차량이 상기 제1촬영 구간 내에 진입하기 이전인 제2촬영 구간에서 상기 차량을 촬영하도록 상기 카메라 모듈을 제어하는 단계를 포함하는 인공지능 기반 다차로 차량 과속 단속 방법.
  2. 제1항에 있어서, 상기 차량의 갓길 주행 여부를 예측하는 단계는,
    상기 컨트롤러는 상기 제1거리 정보, 상기 제1속도 정보, 및 상기 제1위치 정보를 제1입력 벡터로 정의하며, 복수의 제1가중치들을 제1가중치 행렬로 정의하는 단계;
    상기 컨트롤러는 상기 제1가중치 행렬과 상기 제1입력 벡터에 대해 행렬 곱셈하는 단계;
    상기 컨트롤러는 상기 행렬 곱셈의 결과값을 함수의 제1입력값으로 설정하여, 상기 함수의 제1출력 벡터를 계산하는 단계;
    상기 컨트롤러는 상기 제2거리 정보, 상기 제2속도 정보, 및 상기 제2위치 정보를 제2입력 벡터로 정의하며, 복수의 제2가중치들을 제2가중치 행렬로 정의하는 단계;
    상기 컨트롤러는 상기 제1가중치 행렬과 상기 제2입력 벡터에 대해 행렬 곱셈하는 단계;
    상기 컨트롤러는 제2가중치 행렬과 상기 제1출력 벡터에 대해 행렬 곱셈하는 단계;
    상기 컨트롤러는 상기 제1가중치 행렬과 상기 제2입력 벡터에 대한 행렬 곱셈의 결과값과, 상기 제2가중치 행렬과 상기 제1출력 벡터에 대한 행렬 곱셈의 결과값을 더한 값을 상기 함수의 제2입력값으로 설정하여 상기 함수의 제2출력 벡터를 계산하는 단계;
    상기 컨트롤러는 상기 제3거리 정보, 상기 제3속도 정보, 및 상기 제3위치 정보를 제3입력 벡터로 정의하는 단계;
    상기 컨트롤러는 상기 제1가중치 행렬과 상기 제3입력 벡터에 대해 행렬 곱셈하는 단계;
    상기 컨트롤러는 상기 제2가중치 행렬과 상기 제2출력 벡터에 대해 행렬 곱셈하는 단계;
    상기 컨트롤러는 상기 제1가중치 행렬과 상기 제3입력 벡터에 대한 행렬 곱셈의 결과값과, 상기 제2가중치 행렬과 상기 제2출력 벡터에 대한 행렬 곱셈의 결과값을 더한 값을 상기 함수의 제3입력값으로 설정하여 상기 함수의 제3출력 벡터를 계산하는 단계;
    상기 컨트롤러는 상기 제1출력 벡터, 상기 제2출력 벡터, 및 상기 제3출력 벡터를 조합하여 제4출력 벡터를 정의하는 단계;
    상기 컨트롤러는 제3가중치 행렬과 상기 제4출력 벡터에 대해 행렬 곱셈을 수행하여 제5출력 벡터를 계산하는 단계; 및
    상기 컨트롤러는 상기 제5출력 벡터의 구성요소에 따라 상기 차량의 갓길 주행 여부를 예측하는 단계를 포함하는 인공지능 기반 다차로 차량 과속 단속 방법.
  3. 삭제
  4. 제2항에 있어서, 상기 함수는,
    쌍곡탄젠트 함수인 인공지능 기반 다차로 차량 과속 단속 방법.
  5. 도로에서 과속으로 주행하는 차량을 촬영하기 위한 카메라를 포함하며,
    상기 카메라는,
    상기 카메라를 기준으로 상기 도로를 복수의 구간들로 나누는 컨트롤러;
    상기 차량이 서로 다른 시간에서 상기 복수의 구간들 각각에 위치할 때, 상기 차량과 상기 카메라 사이의 제1거리 정보, 상기 차량의 제1속도 정보, 및 상기 차량의 제1위치 정보, 상기 차량과 상기 카메라 사이의 제2거리 정보, 상기 차량의 제2속도 정보, 및 상기 차량의 제2위치 정보, 및 상기 차량과 상기 카메라 사이의 제3거리 정보, 차량의 제3속도 정보, 및 상기 차량의 제3위치 정보를 제공하는 레이더 센서; 및
    상기 차량이 과속으로 주행할 때, 상기 차량의 이미지를 획득하기 위한 카메라 모듈을 포함하며,
    상기 컨트롤러는.
    상기 레이더 센서로부터 획득된 상기 제1거리 정보, 속도 정보, 상기 제1위치 정보, 상기 제2거리 정보, 상기 제2속도 정보, 상기 제2위치 정보, 상기 제3거리 정보, 상기 제3속도 정보, 및 상기 제3위치 정보와 가중치를 이용하여 상기 차량의 갓길 주행 여부를 예측하며,
    상기 차량이 상기 카메라의 제1촬영 구간에서 갓길로 과속 주행할 것으로 예측될 때, 상기 카메라 모듈에게 상기 차량이 상기 제1촬영 구간 내에 진입하기 이전인 제2촬영 구간에서 상기 차량을 촬영하도록 상기 카메라 모듈을 제어하는 인공지능 기반 다차로 차량 과속 단속 시스템.
KR1020190170690A 2019-12-19 2019-12-19 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템 KR102099377B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190170690A KR102099377B1 (ko) 2019-12-19 2019-12-19 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190170690A KR102099377B1 (ko) 2019-12-19 2019-12-19 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102099377B1 true KR102099377B1 (ko) 2020-04-09

Family

ID=70276056

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190170690A KR102099377B1 (ko) 2019-12-19 2019-12-19 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102099377B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06111177A (ja) * 1992-08-11 1994-04-22 Omron Corp ナンバープレート自動認識装置
KR100377988B1 (ko) 1999-03-25 2003-03-29 건아정보기술 주식회사 교통위반 단속 시스템
KR20160038944A (ko) * 2014-09-30 2016-04-08 주식회사 디아이랩 교통감시 시스템
JP2016115250A (ja) * 2014-12-17 2016-06-23 住友電気工業株式会社 情報提供装置、情報提供方法及びコンピュータプログラム
KR20170079463A (ko) * 2015-12-30 2017-07-10 건아정보기술 주식회사 레이더 및 영상 융합 차량 단속시스템
KR101999993B1 (ko) * 2019-04-22 2019-07-15 케이에스아이 주식회사 레이더 및 카메라를 이용한 무인 단속시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06111177A (ja) * 1992-08-11 1994-04-22 Omron Corp ナンバープレート自動認識装置
KR100377988B1 (ko) 1999-03-25 2003-03-29 건아정보기술 주식회사 교통위반 단속 시스템
KR20160038944A (ko) * 2014-09-30 2016-04-08 주식회사 디아이랩 교통감시 시스템
JP2016115250A (ja) * 2014-12-17 2016-06-23 住友電気工業株式会社 情報提供装置、情報提供方法及びコンピュータプログラム
KR20170079463A (ko) * 2015-12-30 2017-07-10 건아정보기술 주식회사 레이더 및 영상 융합 차량 단속시스템
KR101999993B1 (ko) * 2019-04-22 2019-07-15 케이에스아이 주식회사 레이더 및 카메라를 이용한 무인 단속시스템

Similar Documents

Publication Publication Date Title
US20200324794A1 (en) Technology to apply driving norms for automated vehicle behavior prediction
US10599929B2 (en) Event monitoring with object detection systems
EP3367303A1 (en) Autonomous driving image processing method and apparatus thereof
CN115393536A (zh) 利用相机进行车辆环境建模
KR20180025591A (ko) 자율 주행 차량을 위한 비전 센서의 제어 방법 및 장치
US11124196B2 (en) Receding horizon state estimator
US7536035B2 (en) Object velocity measuring apparatus and object velocity measuring method
KR101584105B1 (ko) 다차로 기반의 차량 촬영장치 및 그 제어방법
US20210001860A1 (en) Prediction device, prediction method, computer program product, and vehicle control system
KR101660254B1 (ko) 주차차단기의 번호인식시스템
Liu et al. Vehicle detection and ranging using two different focal length cameras
Satzoda et al. On enhancing lane estimation using contextual cues
KR102130966B1 (ko) 교통상황 정보 제공 장치 및 방법
CN109963077A (zh) 半导体器件、成像***和程序
KR102099377B1 (ko) 인공지능 기반 다차로 과속 및 단속 회피 차량 단속 방법 및 시스템
WO2019012710A1 (ja) 解析装置、解析方法及びプログラム
KR101374653B1 (ko) 차량의 움직임을 검출하는 장치 및 방법
KR102602318B1 (ko) 단속영역 가변형 다차로 단속시스템
KR102157990B1 (ko) 신경망을 이용한 차량 번호판 인식 방법 및 시스템
JP6894992B2 (ja) 情報を処理するための方法及び装置
US11120292B2 (en) Distance estimation device, distance estimation method, and distance estimation computer program
KR20220101535A (ko) 딥러닝 기반 온-디바이스 실시간 교통제어 시스템
US11157755B2 (en) Image processing apparatus
CN112544066A (zh) 图像处理装置
KR20230126927A (ko) 교통사고 예방 시스템 및 서비스 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant