KR102173419B1 - 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템 - Google Patents
관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템 Download PDFInfo
- Publication number
- KR102173419B1 KR102173419B1 KR1020200086670A KR20200086670A KR102173419B1 KR 102173419 B1 KR102173419 B1 KR 102173419B1 KR 1020200086670 A KR1020200086670 A KR 1020200086670A KR 20200086670 A KR20200086670 A KR 20200086670A KR 102173419 B1 KR102173419 B1 KR 102173419B1
- Authority
- KR
- South Korea
- Prior art keywords
- module
- image
- cctv
- warping
- mesh
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 238000013135 deep learning Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims 2
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
- G06T3/053—Detail-in-context presentations
-
- G06T3/0025—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G06T3/0018—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
- G06T3/047—Fisheye or wide-angle transformations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/765—Interface circuits between an apparatus for recording and another apparatus
- H04N5/77—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television camera
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템가 개시된다. CCTV 영상을 촬영하는 CCTV 카메라; 상기 CCTV 카메라에서 촬영된 CCTV 영상을 수신하는 CCTV 영상 수신 모듈; 상기 CCTV 영상 수신 모듈에서 수신된 CCTV 영상이 저장되는 CCTV 영상 저장 모듈; 상기 CCTV 영상 저장 모듈에 저장된 CCTV 영상에서 사용자에 의해 설정된 CCTV 영상을 추출하는 CCTV 영상 추출 모듈; 상기 CCTV 영상 수신 모듈에서 수신되거나 상기 CCTV 영상 추출 모듈에서 추출된 CCTV 영상에서 관심 검지 영역을 설정하는 관심 검지 영역 설정 모듈; 상기 CCTV 영상에서 상기 관심 검지 영역 설정 모듈에서 설정된 관심 검지 영역을 추출하는 관심 검지 영역 추출 모듈; 상기 관심 검지 영역 추출 모듈에서 추출된 관심 검지 영역에서 다수의 메쉬 영상으로 구성되는 메쉬를 설정하는 메쉬 설정 모듈; 상기 메쉬 설정 모듈에서 설정되는 메쉬에 따라 상기 CCTV 영상의 관심 검지 영역에 메쉬 포인트를 지정하는 메쉬 포인트 지정 모듈; 상기 메쉬 포인트 지정 모듈에서 지정되는 메쉬 포인트를 워핑(warping)하여 각각의 워핑 영상을 형성하는 메쉬 포인트 워핑 모듈; 상기 메쉬 포인트 워핑 모듈에서 형성된 각각의 워핑 영상을 서로 다른 확대율로 확대하는 워핑 영상 확대 모듈; 상기 워핑 영상 확대 모듈에서 확대된 각각의 워핑 영상을 표시하는 워핑 영상 표시 모듈을 구성한다.
Description
본 발명은 물체 검지 시스템에 관한 것으로서, 구체적으로는 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템에 관한 것이다.
CCTV 영상은 범죄 예방은 물론 범죄 발생 후에도 중요한 증거 자료가 된다. 또한, 도로 교통 상황의 모니터링, 도로 상의 차량 번호 감지 등의 다양한 용도에 활용될 수 있다.
CCTV 영상에서는 그 용도에 따라 특정 영역에 대한 촬영을 하는데, 자동 모니터링을 위해서는 CCTV 영상 내에서 필요로 하는 특정 영역의 객체와 그 배경을 구별하는 알고리즘이 요구된다.
CCTV 영상에서 필요하지 않은 배경에 대한 전처리 작업에는 상당한 작업과 리소스(resource)가 요구된다.
즉, 전경(foreground)과 배경(background)의 처리에서 배경이 너무 복잡하거나 특징이 있으면 전경의 객체의 특징까지 묻혀버리는 현상이 발생하게 된다.
이에, CCTV 영상에서 전경만 추출하여 표시하여 객체의 인식을 용이하게 하고 영상 처리에 요구되는 리소스(resources)를 줄일 필요가 있다.
한편, 도로 상의 CCTV 카메라는 도로의 중앙 위에 설치되는 것이 아니라 도로가에 설치된다. 도 1에서 보듯이 도로의 일편에 설치되기 때문에 CCTV 카메라에서 먼 반대편 차로는 거리상으로 멀어져 객체 인식률이 상대적으로 낮아지는 문제점이 있다.
이에, 관심 영역의 영상에 대해 거리에 무관하게 모두 동일한 인식률을 가질 수 있게 할 수단이 요구된다.
본 발명의 목적은 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템을 제공하는 데 있다.
상술한 본 발명의 목적에 따른 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템은, CCTV 영상을 촬영하는 CCTV 카메라; 상기 CCTV 카메라에서 촬영된 CCTV 영상을 수신하는 CCTV 영상 수신 모듈; 상기 CCTV 영상 수신 모듈에서 수신된 CCTV 영상이 저장되는 CCTV 영상 저장 모듈; 상기 CCTV 영상 저장 모듈에 저장된 CCTV 영상에서 사용자에 의해 설정된 CCTV 영상을 추출하는 CCTV 영상 추출 모듈; 상기 CCTV 영상 수신 모듈에서 수신되거나 상기 CCTV 영상 추출 모듈에서 추출된 CCTV 영상에서 관심 검지 영역을 설정하는 관심 검지 영역 설정 모듈; 상기 CCTV 영상에서 상기 관심 검지 영역 설정 모듈에서 설정된 관심 검지 영역을 추출하는 관심 검지 영역 추출 모듈; 상기 관심 검지 영역 추출 모듈에서 추출된 관심 검지 영역에서 다수의 메쉬 영상으로 구성되는 메쉬를 설정하는 메쉬 설정 모듈; 상기 메쉬 설정 모듈에서 설정되는 메쉬에 따라 상기 CCTV 영상의 관심 검지 영역에 메쉬 포인트를 지정하는 메쉬 포인트 지정 모듈; 상기 메쉬 포인트 지정 모듈에서 지정되는 메쉬 포인트를 워핑(warping)하여 각각의 워핑 영상을 형성하는 메쉬 포인트 워핑 모듈; 상기 메쉬 포인트 워핑 모듈에서 형성되는 각각의 워핑 영상을 서로 다른 확대율로 확대하는 워핑 영상 확대 모듈; 상기 메쉬 영상 확대 모듈에서 확대된 각각의 워핑 영상을 표시하는 워핑 영상 표시 모듈을 포함하도록 구성될 수 있다.
여기서, 상기 워핑 영상 확대 모듈에서 각각의 워핑 영상에 대해 육안 식별이 가능하도록 상기 워핑 영상 확대 모듈의 해상도 임계치를 자동 설정하는 해상도 임계치 설정 모듈을 더 포함하도록 구성될 수 있다.
그리고 상기 워핑 영상 표시 모듈에서 표시된 각각의 워핑 영상을 딥러닝(deep learning) 기법을 이용하여 인식하는 딥러닝 인식 모듈; 상기 딥러닝 인식 모듈에서 인식된 각 메쉬 영상의 인식 결과를 출력하는 딥러닝 인식 결과 출력 모듈을 더 포함하도록 구성될 수 있다.
그리고 상기 딥러닝 인식 모듈에서 인식된 각 메쉬 영상의 인식 결과에 대한 통계치를 산출하는 딥러닝 인식 결과 통계 산출 모듈을 더 포함하도록 구성될 수 있다.
그리고 상기 관심 검지 영역 설정 모듈은, 차도 상의 소정 영역을 관심 검지 영역으로 설정하도록 구성되며, 상기 메쉬 포인트 워핑 모듈은, 상기 관심 검지 영역으로 설정된 차도의 소정 영역에서 차도의 차선을 따라 상기 메쉬 포인트를 워핑(warping)하도록 구성될 수 있다.
상술한 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템에 의하면, CCTV 영상에서 관심 검지 영역과 해당 영역에 메쉬를 설정하도록 구성됨으로써, 필요한 전경으로 구성되는 워핑 영상만을 획득할 수 있으며, 영상 처리 및 객체 인식에 소요되는 시간과 리소스(resources)를 줄일 수 있는 효과가 있다. 아울러 객체의 인식률을 높일 수 있는 효과가 있다.
CCTV 영상에서 각 워핑 영상에 대해 차선에 따라 메쉬 워핑을 하고 각 메쉬 영상에 개별적으로 확대를 하도록 구성됨으로써, 차도의 한쪽 도로가에 설치된 CCTV 카메라에서 촬영한 CCTV 영상에서 상대적으로 먼 차도 상의 객체도 쉽게 인지할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템의 블록 구성도이다.
도 2 내지 도 6은 본 발명의 실시예에 따른 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템의 화면 예시도이다.
도 2 내지 도 6은 본 발명의 실시예에 따른 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템의 화면 예시도이다.
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.
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.
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.
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.
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.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템의 블록 구성도이고, 도 2 내지 도 6은 본 발명의 실시예에 따른 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템의 화면 예시도이다.
먼저 도 1을 참조하면, 본 발명의 일 실시예에 따른 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템(100)은 CCTV 카메라(101), CCTV 영상 수신 모듈(102), CCTV 영상 저장 모듈(103), CCTV 영상 추출 모듈(104), 관심 검지 영역 설정 모듈(105), 관심 검지 영역 추출 모듈(106), 메쉬 설정 모듈(107), 메쉬 포인트 지정 모듈(108), 메쉬 포인트 워핑 모듈(109), 워핑 영상 확대 모듈(110), 워핑 영상 표시 모듈(111), 해상도 임계치 설정 모듈(112), 딥러닝 인식 모듈(113), 딥러닝 인식 결과 출력 모듈(114), 딥러닝 인식 결과 통계 산출 모듈(115)을 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
CCTV 카메라(101)은 CCTV 영상을 촬영하도록 구성될 수 있다. 도로 또는
CCTV 영상 수신 모듈(102)은 CCTV 카메라(101)에서 촬영된 CCTV 영상을 수신하도록 구성될 수 있다.
CCTV 영상 저장 모듈(103)은 CCTV 영상 수신 모듈(102)에서 수신된 CCTV 영상이 저장되도록 구성될 수 있다.
CCTV 영상 추출 모듈(104)은 CCTV 영상 저장 모듈(103)에 저장된 CCTV 영상에서 사용자에 의해 설정된 CCTV 영상을 추출하도록 구성될 수 있다. 과거에 저장된 일정 기간 또는 일정 시간의 CCTV 영상을 추출하도록 구성될 수 있다. 여기서, 사용자에 의해 설정된 기간 또는 시간의 CCTV 영상을 추출하도록 구성될 수 있다.
관심 검지 영역 설정 모듈(105)은 CCTV 영상 수신 모듈(102)에서 수신되거나 CCTV 영상 추출 모듈(103)에서 추출된 CCTV 영상에서 관심 검지 영역을 설정하도록 구성될 수 있다.
관심 검지 영역 설정 모듈(105)은 도 1에서 보듯이 차도 상의 소정 영역을 관심 검지 영역으로 설정하도록 구성될 수 있다. 이 외에도 범죄 우발 지역의 소정 영역이 될 수도 있다. 관심 검지 영역은 CCTV 카메라(101)의 방향에 따라 다수 개가 미리 정해질 수 있다. 관심 검지 영역은 사용자에 의해 설정될 수 있다.
관심 검지 영역 추출 모듈(106)은 CCTV 영상에서 관심 검지 영역 설정 모듈(105)에서 설정된 관심 검지 영역을 추출하도록 구성될 수 있다.
메쉬 설정 모듈(107)은 관심 검지 영역 추출 모듈(106)에서 추출된 관심 검지 영역에서 다수의 메쉬 영상으로 구성되는 메쉬를 설정하도록 구성될 수 있다.
메쉬 설정 모듈(107)은 메쉬의 각 메쉬 영상이 균등한 크기의 정사각형 또는 직사각형의 형태를 갖도록 메쉬 포인트를 설정하도록 구성될 수 있다. 도 3은 CCTV 영상에 메쉬 포인트가 균등하게 설정된 것을 예시하고 있다. N*N개의 메쉬 포인트를 설정하며, 추출 영상에서 균등하게 분포함을 알 수 있다.
메쉬 포인트 지정 모듈(108)은 메쉬 설정 모듈(107)에서 설정되는 메쉬에 따라 CCTV 영상의 관심 검지 영역에 메쉬 포인트를 지정하도록 구성될 수 있다.
메쉬 포인트 워핑 모듈(109)은 메쉬 포인트 지정 모듈(108)에서 지정되는 메쉬 포인트를 워핑(warping)하도록 구성될 수 있다.
메쉬 포인트 워핑 모듈(109)은 관심 검지 영역으로 설정된 차도의 소정 영역에서 차도의 차선을 따라 메쉬 포인트를 워핑(warping)하도록 구성될 수 있다.
도 4는 차도의 차선을 따라 메쉬 포인트를 워핑한 것을 예시하고 있다. 차 즉, 객체는 차선을 따라 이동하기 때문에 메쉬 포인트를 차선을 따라 워핑하여 객체를 각 워핑 영상에서 인식할 수 있다.
워핑 영상 확대 모듈(110)은 메쉬 포인트 워핑 모듈(109)에서 워핑된 메쉬 포인트에 의해 형성되는 각 워핑 영상을 서로 다른 확대율로 확대하도록 구성될 수 있다. 도 5는 메쉬 포인트 워핑에 의해 생성된 각각의 워핑 영상을 다시 균등 정렬하여 표시한 화면을 나타낸다. 영상 내의 객체를 감지하기 위해서 최적화된 영상이라고 할 수 있다.
워핑 영상 표시 모듈(111)은 워핑 영상 확대 모듈(110)에서 확대된 각 워핑 영상을 표시하도록 구성될 수 있다. 각각의 워핑 영상은 각각 서로 다른 확대율로 확대될 수 있다. CCTV 카메라(101)에서 먼 거리일수록 더 높은 확대율로 확대되어 인식률을 높일 수 있다.
해상도 임계치 설정 모듈(112)은 워핑 영상 확대 모듈(110)에서 각 워핑 영상에 대해 육안 식별이 가능하도록 워핑 영상 확대 모듈(110)의 해상도 임계치를 자동 설정하도록 구성될 수 있다. 즉, CCTV 카메라(101)에서 먼 위치의 워핑 영상은 더 확대하는데, 해상도 확보를 위해 해상도 임계치를 각각 다르게 자동으로 설정하도록 구성될 수 있다.
딥러닝 인식 모듈(113)은 워핑 영상 표시 모듈(111)에서 표시된 각 워핑 영상을 딥러닝(deep learning) 기법을 이용하여 인식하도록 구성될 수 있다. 차도의 객체인 차량이나 사람 등을 인식하도록 구성될 수 있다. 도 6은 딥러닝 기법에 의해 인식되는 객체를 나타내고 있다. 차량에 가려진 차량 등 잘 보이지 않는 먼 위치의 관심 검지 영역의 차량에 대해서도 높은 인식률로 인식할 수 있다.
딥러닝 인식 결과 출력 모듈(114)은 딥러닝 인식 모듈(113)에서 인식된 각 워핑 영상의 인식 결과를 출력하도록 구성될 수 있다. 차량 사고인 경우 즉시 알람을 출력할 수 있다.
딥러닝 인식 결과 통계 산출 모듈(115)은 딥러닝 인식 모듈(113)에서 인식된 각 워핑 영상의 인식 결과에 대한 통계치를 산출하도록 구성될 수 있다. 차량 사고 발생 통계, 교통량 통계 등을 산출할 수 있다.
그리고 CCTV 카메라(101)에서 좀 먼 위치의 영역에 대해서도 메쉬 포인트를 좀 더 촘촘하게 설정할 수 있다. 육안 식별이나 인식률이 떨어지는 영역에 대해서 메쉬 포인트를 촘촘하게 설정하여 좀 더 정밀하게 모니터링할 수 있다.
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.
101: CCTV 카메라 102: CCTV 영상 수신 모듈
103: CCTV 영상 저장 모듈 104: CCTV 영상 추출 모듈
105: 관심 검지 영역 설정 모듈 106: 관심 검지 영역 추출 모듈
107: 메쉬 설정 모듈 108: 메쉬 포인트 지정 모듈
109: 메쉬 포인트 워핑 모듈 110: 워핑 영상 확대 모듈
111: 워핑 영상 표시 모듈 112: 해상도 임계치 설정 모듈
113: 딥러닝 인식 모듈 114: 딥러닝 인식 결과 출력 모듈
115: 딥러닝 인식 결과 통계 산출 모듈
116: 딥러닝 인식 결과 반영 모듈
103: CCTV 영상 저장 모듈 104: CCTV 영상 추출 모듈
105: 관심 검지 영역 설정 모듈 106: 관심 검지 영역 추출 모듈
107: 메쉬 설정 모듈 108: 메쉬 포인트 지정 모듈
109: 메쉬 포인트 워핑 모듈 110: 워핑 영상 확대 모듈
111: 워핑 영상 표시 모듈 112: 해상도 임계치 설정 모듈
113: 딥러닝 인식 모듈 114: 딥러닝 인식 결과 출력 모듈
115: 딥러닝 인식 결과 통계 산출 모듈
116: 딥러닝 인식 결과 반영 모듈
Claims (4)
- CCTV 영상을 촬영하는 CCTV 카메라(101);
상기 CCTV 카메라(101)에서 촬영된 CCTV 영상을 수신하는 CCTV 영상 수신 모듈(102);
상기 CCTV 영상 수신 모듈(102)에서 수신된 CCTV 영상이 저장되는 CCTV 영상 저장 모듈(103);
상기 CCTV 영상 저장 모듈(103)에 저장된 CCTV 영상에서 사용자에 의해 설정된 CCTV 영상을 추출하는 CCTV 영상 추출 모듈(104);
상기 CCTV 영상 수신 모듈(102)에서 수신되거나 상기 CCTV 영상 추출 모듈(103)에서 추출된 CCTV 영상에서 관심 검지 영역을 설정하는 관심 검지 영역 설정 모듈(105);
상기 CCTV 영상에서 상기 관심 검지 영역 설정 모듈(105)에서 설정된 관심 검지 영역을 추출하는 관심 검지 영역 추출 모듈(106);
상기 관심 검지 영역 추출 모듈(106)에서 추출된 관심 검지 영역에서 다수의 메쉬 영상으로 구성되는 메쉬를 설정하는 메쉬 설정 모듈(107);
상기 메쉬 설정 모듈(107)에서 설정되는 메쉬에 따라 상기 CCTV 영상의 관심 검지 영역에 메쉬 포인트를 지정하는 메쉬 포인트 지정 모듈(108);
상기 메쉬 포인트 지정 모듈(108)에서 지정되는 메쉬 포인트를 워핑(warping)하여 각각의 워핑 영상을 형성하는 메쉬 포인트 워핑 모듈(109);
상기 메쉬 포인트 워핑 모듈(109)에서 형성되는 각각의 워핑 영상을 서로 다른 확대율로 확대하는 워핑 영상 확대 모듈(110);
상기 워핑 영상 확대 모듈(110)에서 확대된 각각의 워핑 영상을 표시하는 워핑 영상 표시 모듈(111)을 포함하고,
상기 워핑 영상 확대 모듈(110)에서 각각의 워핑 영상에 대해 육안 식별이 가능하도록 상기 워핑 영상 확대 모듈(110)의 해상도 임계치를 자동 설정하는 해상도 임계치 설정 모듈(112)을 더 포함하며,
상기 워핑 영상 표시 모듈(111)에서 표시된 각각의 워핑 영상을 딥러닝(deep learning) 기법을 이용하여 인식하는 딥러닝 인식 모듈(113);
상기 딥러닝 인식 모듈(113)에서 인식된 각각의 워핑 영상의 인식 결과를 출력하는 딥러닝 인식 결과 출력 모듈(114)을 더 포함하고,
상기 딥러닝 인식 모듈(113)에서 인식된 각각의 워핑 영상의 인식 결과에 대한 통계치를 산출하는 딥러닝 인식 결과 통계 산출 모듈(115)을 더 포함하며,
상기 CCTV 영상 추출 모듈(104)은 과거에 저장된 일정 기간 또는 일정 시간의 CCTV 영상을 추출하되 사용자에 의해 설정된 기간 또는 시간의 CCTV 영상을 추출하고,
상기 메쉬 설정 모듈(107)은 메쉬의 각 메쉬 영상이 균등한 크기의 정사각형 또는 직사각형의 형태를 갖도록 메쉬 포인트를 설정하며,
상기 메쉬 포인트 워핑 모듈(109)은 관심 검지 영역으로 설정된 차도의 소정 영역에서 차도의 차선을 따라 메쉬 포인트를 워핑(warping)하고,
각각의 워핑 영상은 각각 서로 다른 확대율로 확대되되 CCTV 카메라(101)에서 먼 거리일수록 더 높은 확대율로 확대되어 인식률을 높이며,
상기 딥러닝 인식 결과 출력 모듈(114)은 딥러닝 인식 모듈(113)에서 인식된 각 워핑 영상의 인식 결과 차량 사고인 경우 즉시 알람을 출력하고,
상기 통계치는 차량 사고 발생 통계와, 교통량 통계인 것을 특징으로 하는 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템.
- 삭제
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200086670A KR102173419B1 (ko) | 2020-07-14 | 2020-07-14 | 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200086670A KR102173419B1 (ko) | 2020-07-14 | 2020-07-14 | 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102173419B1 true KR102173419B1 (ko) | 2020-11-03 |
Family
ID=73197870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200086670A KR102173419B1 (ko) | 2020-07-14 | 2020-07-14 | 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102173419B1 (ko) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102307937B1 (ko) | 2021-08-10 | 2021-10-05 | 건아정보기술 주식회사 | 측주식 감지카메라 차량속도 추출 시스템 |
KR102402272B1 (ko) | 2022-01-12 | 2022-05-26 | 건아정보기술 주식회사 | Ai 객체검지 기반의 차량 끼어들기 및 속도위반 복합 무인단속 시스템 |
KR20230073819A (ko) * | 2021-11-19 | 2023-05-26 | 주식회사 핀텔 | 스트리밍모듈을 이용한 고해상도 영상분석방법, 장치 및 이에 대한 컴퓨터 프로그램 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130068520A (ko) | 2011-12-15 | 2013-06-26 | 한국전자통신연구원 | 영상 워핑 처리 방법 및 장치 |
KR20160044757A (ko) * | 2014-10-16 | 2016-04-26 | 에스케이텔레콤 주식회사 | 교통상황 분석 방법 및 장치 |
KR101649256B1 (ko) * | 2015-12-09 | 2016-08-18 | (주)한일에스티엠 | 악천후감지 및 악천후감지에 따른 영상개선이 가능한 영상감시시스템 |
KR20190105285A (ko) * | 2018-03-05 | 2019-09-17 | 재단법인 다차원 스마트 아이티 융합시스템 연구단 | 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템 |
KR102039741B1 (ko) | 2013-02-15 | 2019-11-01 | 한국전자통신연구원 | 영상 워핑을 위한 장치 및 방법 |
KR20200029049A (ko) * | 2018-04-18 | 2020-03-17 | 모빌아이 비젼 테크놀로지스 엘티디. | 카메라를 이용한 차량 환경 모델링 |
-
2020
- 2020-07-14 KR KR1020200086670A patent/KR102173419B1/ko active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130068520A (ko) | 2011-12-15 | 2013-06-26 | 한국전자통신연구원 | 영상 워핑 처리 방법 및 장치 |
KR102039741B1 (ko) | 2013-02-15 | 2019-11-01 | 한국전자통신연구원 | 영상 워핑을 위한 장치 및 방법 |
KR20160044757A (ko) * | 2014-10-16 | 2016-04-26 | 에스케이텔레콤 주식회사 | 교통상황 분석 방법 및 장치 |
KR101649256B1 (ko) * | 2015-12-09 | 2016-08-18 | (주)한일에스티엠 | 악천후감지 및 악천후감지에 따른 영상개선이 가능한 영상감시시스템 |
KR20190105285A (ko) * | 2018-03-05 | 2019-09-17 | 재단법인 다차원 스마트 아이티 융합시스템 연구단 | 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템 |
KR20200029049A (ko) * | 2018-04-18 | 2020-03-17 | 모빌아이 비젼 테크놀로지스 엘티디. | 카메라를 이용한 차량 환경 모델링 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102307937B1 (ko) | 2021-08-10 | 2021-10-05 | 건아정보기술 주식회사 | 측주식 감지카메라 차량속도 추출 시스템 |
KR20230073819A (ko) * | 2021-11-19 | 2023-05-26 | 주식회사 핀텔 | 스트리밍모듈을 이용한 고해상도 영상분석방법, 장치 및 이에 대한 컴퓨터 프로그램 |
KR102592088B1 (ko) * | 2021-11-19 | 2023-10-20 | 주식회사 핀텔 | 스트리밍모듈을 이용한 고해상도 영상분석방법, 장치 및 이에 대한 컴퓨터 프로그램 |
KR102402272B1 (ko) | 2022-01-12 | 2022-05-26 | 건아정보기술 주식회사 | Ai 객체검지 기반의 차량 끼어들기 및 속도위반 복합 무인단속 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102173419B1 (ko) | 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템 | |
CN112106345B (zh) | 立体摄像装置 | |
EP2924654B1 (en) | Image processing apparatus and image processing method | |
Badr et al. | Automatic number plate recognition system | |
KR101735365B1 (ko) | 학습 기반의 영상 내 관심 물체 검지 및 환경 변화에 강인한 물체 추적 방법 | |
KR101530255B1 (ko) | 객체 자동 추적 장치가 구비된 cctv 시스템 | |
US10373015B2 (en) | System and method of detecting moving objects | |
CN105575027A (zh) | 一种入侵与周界防范方法及装置 | |
JP2005173787A (ja) | 移動物体の検出・認識を行う画像処理装置 | |
KR101646000B1 (ko) | 지정된 사물 및 영역에 대한 감시시스템 및 감시방법 | |
JP3486229B2 (ja) | 画像変化検出装置 | |
KR102159954B1 (ko) | 지능형 영상 분석을 위한 관심 영역 설정 방법 및 이에 따른 영상 분석 장치 | |
US9053354B2 (en) | Fast face detection technique | |
KR101861245B1 (ko) | 멀티 센서 cctv 파노라마 영상에서 움직임 검출 시스템 및 방법 | |
KR101125936B1 (ko) | 엘리베이터 보안을 위한 지능형 영상 감시시스템 및 그 방법 | |
KR101236223B1 (ko) | 차선 검출 방법 | |
JP2007257132A (ja) | 動き検出方法および動き検出装置 | |
JP5247338B2 (ja) | 画像処理装置及び画像処理方法 | |
KR20200060868A (ko) | 객체 탐지 및 자동 추적이 가능한 다시점 영상 감시 시스템 | |
CN110363192B (zh) | 物件影像辨识***及物件影像辨识方法 | |
KR102101445B1 (ko) | 스마트로테이션 감시 방법을 이용하는 영상촬영장치에서 후보 감시영역을 자동으로 갱신하는 방법 | |
Chondro et al. | Detecting abnormal massive crowd flows: Characterizing fleeing en masse by analyzing the acceleration of object vectors | |
KR101267279B1 (ko) | 영상에서 비를 제거하기 위한 영상 처리 장치 및 방법 | |
US8433139B2 (en) | Image processing apparatus, image processing method and program for segmentation based on a degree of dispersion of pixels with a same characteristic quality | |
KR100412634B1 (ko) | 카메라를 사용한 얼굴 영상 자동 촬영 방법 및 그 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |