KR102425029B1 - 영상정보를 이용한 사이버 이미지 주차 관제 방법 및 이를 이용한 주차 관제 시스템 - Google Patents
영상정보를 이용한 사이버 이미지 주차 관제 방법 및 이를 이용한 주차 관제 시스템 Download PDFInfo
- Publication number
- KR102425029B1 KR102425029B1 KR1020210009873A KR20210009873A KR102425029B1 KR 102425029 B1 KR102425029 B1 KR 102425029B1 KR 1020210009873 A KR1020210009873 A KR 1020210009873A KR 20210009873 A KR20210009873 A KR 20210009873A KR 102425029 B1 KR102425029 B1 KR 102425029B1
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- information
- image
- extracted
- control server
- Prior art date
Links
- 238000007726 management method Methods 0.000 title 1
- 238000013135 deep learning Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 23
- 239000000284 extract Substances 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
Images
Classifications
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
- G08G1/13—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station the indicator being in the form of a map
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법은 주차장의 지도 정보와 각 차량 종류에 매칭하는 각 차량의 3D 차량 이미지 정보를 관제 서버에 저장하는 단계와, 주차장에 입고되는 차량에 대하여 카메라 1이 차량을 촬영하고 촬영된 영상 정보 1과 촬영시간 정보를 관제 서버로 전송하는 단계와, 관제 서버가 수신된 영상 정보 1에서 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 차량 정보 DB에 저장하는 단계와, 주차장의 층별 진입로에 설치된 카메라 2가 해당 층으로 진입하는 차량을 촬영하고 촬영된 영상정보 2와 촬영시간 정보를 관제 서버로 전송하는 단계와, 관제 서버가 수신된 영상 정보 2에서 차량 번호 정보,차량 색상정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 차량 정보 DB에 저장하는 단계와, 관제 서버가 영상 정보 1에서 추출한 차량 번호 정보와 영상 정보 2에서 추출한 번호 정보가 동일한지 여부를 판단하는 단계와, 동일한 경우, 주차장에 입고된 차량이 해당 층으로 진입한 것으로 판단하는 단계와, 해당 층의 주차 통로에 설치된 카메라 3가 해당 통로로 진입하는 차량을 촬영하고 촬영된 영상정보 3와 촬영시간 정보를 관제 서버로 전송하는 단계와, 관제 서버가 수신된 영상 정보 3에서 차량 번호정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 차량 정보 DB에 저장하는 단계와, 관제 서버가 영상 정보 3에서 추출된 차량 번호 정보가 영상 정보 2에서 추출된 차량 번호가 일치하는지 여부를 판단하는 단계와, 일치하는 경우, 해당 층으로 진입한 해당 차량이 해당 통로로 진입한 것으로 판단하는 단계와, 차량의 파킹 상태를 촬영하는 카메라 4가 주차장의 파킹 랏에 파킹된 차량을 촬영하고 촬영된 영상정보 4와 촬영시간 정보를 관제 서버로 전송하는 단계와, 관제 서버가 수신된 영상 정보 4에서 차량 번호 정보, 차량 색상 정보 및 차량 평면 형상 정보를 딥러닝 학습을 통하여 추출하고 차량 정보 DB에 저장하는 단계와, 관제 서버가 영상정보 4에서 추출된 차량 번호 정보가 영상 정보 3에서 추출된 차량 번호 정보와 일치하는지 여부를 판단하는 단계와, 일치하는 경우, 해당 통로로 진입한 해당 차량이 해당 파킹 랏에 파킹한 것으로 판단하는 단계와, 관제 서버가 차량 정보 DB에 저장된 차량 정면 형상 정보와 차량 평면 형상 정보를 기초로 딥 러닝 학습을 하여 차량 종류를 판단하는 단계와, 관제 서버가 판단된 차량 종류에 매칭하는 3D 차량 이미지 정보를 주차장 지도 정보에 매핑하여 제공하는 단계를 포함하여 이루어지는 것을 특징으로 하는 것이다.
Description
본 발명은 주차장으로 입고되는 차량을 카메라가 촬영하고 촬영된 영상 정보를 기초로 하여 주차장 지도에 매핑하여 사이버 이미지로 차량이 파킹한 상태를 표시 제공하여 주는 것에 관한 것이다. 일반적으로 현재의 주차관리 시스템은 센서를 이용하여 차량이 파킹되었는지 여부만을 제공하는 것으로 제공되는 정보들이 제한 적이다.
본 발명과 관련된 종래 기술은 대한민국 등록특허 제10-19998052호(2019. 07. 08. 공고)에 게시되어 있는 것이다. 도 1은 상기 종래의 빅데이터 기반 객체 인식을 이용한 전방위 카메라 1대 다면 주차장 관제 방법 흐름도이다. 상기도 1에서 종래의 빅데이터 기반 객체 인식을 이용한 전방위 카메라 1대 다면 주차장 관제 방법은 주차면을 설정하는 단계(S200)가 진행되고, 제어부(180)가 영상 왜곡을 보정하는 단계(S300)가 진행되고, 제어부(180)는 머신러닝을 적용하여 특징을 추출하는 단계(S400)가 진행되고, 이후, 제어부(180)는 빅데이터를 기초로 검출된 특징을 이용하여 차량을 결정하는 단계(S500)를 수행하는 것이다.
상기와 같이 구성된 종래의 기술은 1대의 카메라가 촬영한 영상 정보를 기초로 하여 다수의 파킹 랏에 파킹된 차량의 존재 여부를 파악할 수 있으나 영상 왜곡을 보정하는데 많은 데이터 연산이 필요하며 영상왜곡으로 인한 판단 오류 가능성이 크고, 시스템 부하 부담이 큰 문제점이 있는 것이다. 그리고 보완을 위하여 파킹 센서가 필요한 문제점이 있는 것이다. 상기와 같은 종래 기술의 문제점을 보완하기 위한 본 발명은 파킹하는 차량에 대하여 딥러닝 학습을 통하여 차량 종류, 차량색상, 차량 위치 정보등을 추출하고 추출된 차량 종류, 차량색상, 차량 위치를 주차장 사이버 이미지 공간에 매핑하여 제공하기 위한 것이다. 또한, 본 발명은 주차장으로 입고되는 차량에 ID를 부여하여 관리하고 외부에 정보 공개가 필요한 경우 ID 중심으로 공개하도록 하기 위한 것이다. 또한, 본 발명의 다른 목적은 차량 번호를 추출 관리하여 주차장에 파킹한 차주에게 필요한 경우 차량 위치 정보 등을 차주의 스마트 단말기를 통하여 제공하기 위한 것이다.
상기와 같은 목적을 가진 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법은 주차장의 지도 정보와 각 차량 종류에 매칭하는 각 차량의 3D 차량 이미지 정보를 관제 서버에 저장하는 단계와, 주차장에 입고되는 차량에 대하여 카메라 1이 차량을 촬영하고 촬영된 영상 정보 1과 촬영시간 정보를 관제 서버로 전송하는 단계와, 관제 서버가 수신된 영상 정보 1에서 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 차량 정보 DB에 저장하는 단계와, 주차장의 층별 진입로에 설치된 카메라 2가 해당 층으로 진입하는 차량을 촬영하고 촬영된 영상정보 2와 촬영시간 정보를 관제 서버로 전송하는 단계와, 관제 서버가 수신된 영상 정보 2에서 차량 번호 정보,차량 색상정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 차량 정보 DB에 저장하는 단계와, 관제 서버가 영상 정보 1에서 추출한 차량 번호 정보와 영상 정보 2에서 추출한 번호 정보가 동일한지 여부를 판단하는 단계와, 동일한 경우, 주차장에 입고된 차량이 해당 층으로 진입한 것으로 판단하는 단계와, 해당 층의 주차 통로에 설치된 카메라 3가 해당 통로로 진입하는 차량을 촬영하고 촬영된 영상정보 3와 촬영시간 정보를 관제 서버로 전송하는 단계와, 관제 서버가 수신된 영상 정보 3에서 차량 번호정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 차량 정보 DB에 저장하는 단계와, 관제 서버가 영상 정보 3에서 추출된 차량 번호 정보가 영상 정보 2에서 추출된 차량 번호가 일치하는지 여부를 판단하는 단계와, 일치하는 경우, 해당 층으로 진입한 해당 차량이 해당 통로로 진입한 것으로 판단하는 단계와, 차량의 파킹 상태를 촬영하는 카메라 4가 주차장의 파킹 랏에 파킹된 차량을 촬영하고 촬영된 영상정보 4와 촬영시간 정보를 관제 서버로 전송하는 단계와, 관제 서버가 수신된 영상 정보 4에서 차량 번호 정보, 차량 색상 정보 및 차량 평면 형상 정보를 딥러닝 학습을 통하여 추출하고 차량 정보 DB에 저장하는 단계와, 관제 서버가 영상정보 4에서 추출된 차량 번호 정보가 영상 정보 3에서 추출된 차량 번호 정보와 일치하는지 여부를 판단하는 단계와, 일치하는 경우, 해당 통로로 진입한 해당 차량이 해당 파킹 랏에 파킹한 것으로 판단하는 단계와, 관제 서버가 차량 정보 DB에 저장된 차량 정면 형상 정보와 차량 평면 형상 정보를 기초로 딥 러닝 학습을 하여 차량 종류를 판단하는 단계와, 관제 서버가 판단된 차량 종류에 매칭하는 3D 차량 이미지 정보를 주차장 지도 정보에 매핑하여 제공하는 단계를 포함하여 이루어지는 것을 특징으로 하는 것이다.
상기와 같이 구성된 본 발명은 주차장 지도 정보에 파킹된 차량을 이미지 형태로 제공함으로써 파킹 랏에 파킹된 차량의 종류, 차량 색상, 파킹 여부 등을 시각적으로 제공할 수 있는 효과가 있는 것이다. 또한, 본 발명은 주차장에 입고되는 차량이 어느 층으로 진입하여 어느 파킹 랏에 파킹하는지 등 차량의 이동 형태를 실시간으로 파악 관리할 수 있는 효과가 있는 것이다. 또한, 본 발명의 다른 효과는 파킹된 차량의 정위치 파킹 여부를 판단할 수 있느 효과가 있는 것이다. 또한 본 발명의 다른 효과는 주차된 차량 관리를 ID를 부여하여 관리하고 타인에 정보 제공 시 ID를 제공함으로써 차주의 프라이버시를 철저히 보호할 수 있는 효과가 있는 것이다.
도 1은 종래의 빅데이터 기반 객체 인식을 이용한 전방위 카메라 1대 다면 주차장 관제 방법 흐름도,
도 2는 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법 제1실시 예 제어 흐름도,
도 3은 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법 제2실시 예 제어 흐름도,
도 4는 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 시스템 제1실시 예 구성도,
도 5는 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 시스템 제2실시 예,
도 6은 본 발명에 적용되는 주차장 지도 정보에 매핑된 3D 차량 이미지 정보의 예시이다.
도 2는 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법 제1실시 예 제어 흐름도,
도 3은 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법 제2실시 예 제어 흐름도,
도 4는 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 시스템 제1실시 예 구성도,
도 5는 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 시스템 제2실시 예,
도 6은 본 발명에 적용되는 주차장 지도 정보에 매핑된 3D 차량 이미지 정보의 예시이다.
상기와 같은 목적을 가진 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법 및 이를 이용한 주차 관제 시스템을 도 2 내지 도 5를 기초로 하여 설명하면 다음과 같다.
도 2는 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법 제1실시 예 제어 흐름도이다. 상기도 2에서 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법 제1실시 예는 주차장의 층별 지도 정보, 각 카메라 위치 정보, 각 차량 종류에 매칭하는 각 차량의 3D 차량 이미지 정보를 관제 서버에 저장하는 단계(S11)와, 주차장에 입고되는 차량에 대하여 카메라 1이 차량을 촬영하고 촬영된 영상 정보 1과 촬영시간 정보를 관제 서버로 전송하는 단계(S12)와, 관제 서버가 수신된 영상 정보 1에서 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S13)와, 주차장의 층별 진입로에 설치된 카메라 2가 해당 층으로 진입하는 차량을 촬영하고 촬영된 영상정보 2와 촬영시간 정보를 관제 서버로 전송하는 단계(S14)와, 관제 서버가 수신된 영상 정보 2에서 차량 번호 정보,차량 색상정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S15)와, 관제 서버가 영상 정보 1에서 추출한 차량 번호 정보와 영상 정보 2에서 추출한 차량 번호 정보가 동일한지 여부를 판단하는 단계(S16)와, 동일한 경우, 관제 서버가 주차장에 입고된 차량이 해당 층으로 진입한 것으로 판단하는 단계(S17)와, 해당 층의 주차 통로에 설치된 카메라 3가 해당 통로로 진입하는 차량을 촬영하고 촬영된 영상정보 3와 촬영시간 정보를 관제 서버로 전송하는 단계(S18)와, 관제 서버가 수신된 영상 정보 3에서 차량 번호정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S19)와, 관제 서버가 영상 정보 3에서 추출된 차량 번호 정보가 영상 정보 2에서 추출된 차량 번호 정보가 일치하는지 여부를 판단하는 단계(S20)와, 일치하는 경우, 관제 서버가 해당 층으로 진입한 해당 차량이 해당 통로로 진입한 것으로 판단하는 단계(S21)와, 차량의 파킹 상태를 촬영하는 카메라 4가 주차장의 파킹 랏에 파킹된 차량을 촬영하고 촬영된 영상정보 4와 촬영시간 정보를 관제 서버로 전송하는 단계(S22)와, 관제 서버가 수신된 영상 정보 4에서 차량 번호 정보, 차량 색상 정보 및 차량 평면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 평면 형상 정보를 차량 정보 DB에 저장하는 단계(S23)와, 관제 서버가 영상정보 4에서 추출된 차량 번호 정보가 영상 정보 3에서 추출된 차량 번호 정보와 일치하는지 여부를 판단하는 단계(S24)와, 일치하는 경우, 관제 서버가 해당 통로로 진입한 해당 차량이 해당 파킹 랏에 파킹한 것으로 판단하는 단계(S25)와, 관제 서버가 차량 정보 DB에 저장된 차량 정면 형상 정보와 차량 평면 형상 정보를 기초로 딥 러닝 학습을 하여 차량 종류를 판단하고 판단된 차량 종류에 매칭하는 3D 차량 이미지를 추출하고 차량 정보 DB에 저장하는 단계(S26)와, 관제 서버가 판단된 차량 종류에 매칭하는 3D 차량 이미지 정보, 차량 번호 정보, 촬영 시간인 파킹 시간 정보, 차량 파킹 층 정보를 주차장 지도 정보에 매핑하여 제공하는 단계(S27)를 포함하여 이루어지는 것을 특징으로 하는 것이다. 또한, 상기 실시 예는 S13, S15, S19, S23 단계에서 추출된 차량 번호 정보에 ID를 부여하고 차량 번호 정보의 일치 대신에 ID의 일치여부를 판단하도록 할 수 있으며, 이 경우 S27 단계에서도 차량 번호 정보 대신으로 차량 ID정보를 제공하도록 할 수 있는 것이다. 또한, 상기에서 관제 서버는 파킹 랏의 파킹된 차량의 평면 형상 정보와 파킹 랏의 라킹 랏 라인 정보를 기초로 차량이 파킹랏의 정위치에 파킹된 것인지 여부를 판단할 수 있는 것이다. 상기에서 정위치란 파킹 라인의 중심에 파킹 되는 것을 나타내는 것이고, 파킹 라인의 일측으로 가깝게 파킹한 경우 정위치를 벗어난 것으로 판단할 수 있으며 임으로 기준을 정하여 정위치 파킹 기준을 설정할 수 있는 것이다. 상기에서 각 카메라 위치 정보는 주차장 지도 정보에 매칭하여 관리될 수 있는 것이고, 파킹 랏의 파킹된 차량을 촬영하여 전송하는 카메라 4는 주차장 파킹 랏마다 설치될 수 있거나 다수의 파킹 랏을 커버하도록 일정 개수의 파킹 랏마다 설치될 수 있는 것으로 이 경우 촬영된 영상 정보의 보정이나 현장 실상을 고려하여 카메라 대수가 결정될 수 있는 것으로 촬영된 영상 정보에서 주차장 각 파킹 랏에 파킹된 차량 정보를 추출할 수 있도록 카메라 대수가 설치되어야 하는 것이다.
도 3은 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법 제2실시 예 제어 흐름도이다. 상기도 3에서 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 방법 제2실시 예는 주차장의 관제 서버에 주차장의 층별 지도 정보, 각 카메라 위치정보, 각 차량 종류에 매칭하는 각 차량의 3D 차량 이미지 정보를 관제 서버에 저장하는 단계(S31)와, 주차장에 입고되는 차량에 대하여 카메라 1이 차량을 촬영하고 촬영된 영상 정보 1과 촬영시간 정보를 관제 서버로 전송하는 단계(S32)와, 관제 서버가 수신된 영상 정보 1에서 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S33)와, 주차장의 층별 진입로에 설치된 카메라 2가 해당 층으로 진입하는 차량을 촬영하고 촬영된 영상정보 2와 촬영시간 정보를 관제 서버로 전송하는 단계(S34)와, 관제 서버가 수신된 영상 정보 2에서 차량 번호 정보,차량 색상정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S35)와, 관제 서버가 영상 정보 1에서 추출한 차량 번호 정보와 영상 정보 2에서 추출한 차량 번호 정보가 동일한지 여부를 판단하는 단계(S36)와, 동일한 경우, 관제 서버가 주차장에 입고된 차량이 해당 층으로 진입한 것으로 판단하는 단계(S37)와, 해당 층의 주차 통로에 설치된 카메라 3가 해당 통로로 진입하는 차량을 촬영하고 촬영된 영상정보 3와 촬영시간 정보를 관제 서버로 전송하는 단계(S38)와, 관제 서버가 수신된 영상 정보 3에서 차량 번호정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S39)와, 관제 서버가 영상 정보 3에서 추출된 차량 번호 정보가 영상 정보 2에서 추출된 차량 번호 정보가 일치하는지 여부를 판단하는 단계(S40)와, 일치하는 경우, 관제 서버가 해당 층으로 진입한 해당 차량이 해당 통로로 진입한 것으로 판단하는 단계(S41)와, 차량의 파킹 상태를 촬영하는 카메라 4가 주차장의 파킹 랏에 파킹된 차량을 촬영하고 촬영된 영상정보 4와 촬영시간 정보를 관제 서버로 전송하는 단계(S42)와, 관제 서버가 수신된 영상 정보 4에서 차량 번호 정보, 차량 색상 정보 및 차량 평면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 평면 형상 정보를 차량 정보 DB에 저장하는 단계(S43)와, 관제 서버가 영상정보 4에서 추출된 차량 번호 정보가 영상 정보 3에서 추출된 차량 번호 정보와 일치하는지 여부를 판단하는 단계(S44)와, 일치하는 경우, 관제 서버가 해당 통로로 진입한 해당 차량이 해당 파킹 랏에 파킹한 것으로 판단하는 단계(S45)와, 관제 서버가 차량 정보 DB에 저장된 차량 정면 형상 정보와 차량 평면 형상 정보를 기초로 딥 러닝 학습을 하여 차량 종류를 판단하고 판단된 차량 종류에 매칭하는 3D 차량 이미지를 차량 정보 DB에 저장하는 단계(S46)와, 차량의 차주가 소지하는 스마트 단말기가 차주에 의하여 입력되는 차량 번호 정보를 관제 서버로 전송하는 단계(S47)와, 관제 서버가 수신된 차량 번호 정보가 차량 정보 DB에 기저장된 차량 번호 정보와 일치하는지 여부를 판단하는 단계(S48)와, 일치하는 경우, 관제 서버가 차량 번호 정보에 매칭하는 3D 차량 이미지가 매핑된 3D 주차장 지도정보, 해당 층 정보, 차량 번호 정보, 파킹시간 정보를 해당 차주의 스마트 단말기로 전송하여 제공하는 단계(S49)를 포함하여 이루어지는 것을 특징으로 하는 것이다. 또한 상기 차량 형상 정보는 예를 들어, 현대 제네시스, 기아 캐피탈, 벤츠 S600과 같은 차량의 정면에서 촬영하여 추출한 정면 형상 정보일 수 있거나, 차량의 수직 상부에서 촬영한 영상에서 추출한 평면 형상 정보일 수 있는 것으로 기저장되고 각 차량별 특징적 형상을 가지고 있는 차량 형상 이미지 샘플 정보와 비교하여 판단하는 것이다. 또한, 상기에서 카메라 4는 주차 통로의 각 파킹 랏에 각각 설치되어 차량을 촬영한 영상 정보를 전송하는 것으로 기술하였으나 카메라 수를 줄이기 위하여 파킹 랏 2 내지 4개 정도를 그룹으로 형성하고 각 그룹별로 카메라를 설치하도록 할 수 있으며, 그리고 각 카메라 설치 위치는 주차장의 평면 모양에 따라 설정될 수 있고, 현장에서의 실험을 통하여 카메라 위치를 선정할 수 있으며, 또한, 차량 형상 정보의 추출은 수신된 영상의 보정 과정을 통하여 보다 정확히 판단될 수 있는 것이고 차량 형상 정보는 차량에 대한 평면 형상 정보 또는 정면 형상정보 일 수 있는 것이고, 평면 형상 정보인 경우 카메라의 위치는 주로 차량의 상부이며, 정면 형상 정보일 경우에는 차량의 정면에 카메라가 설치되는 것이다. 또한 본 발명은 히스토그램 평활화로 색상 강도의 잡음을 제거하여 객체 오인식을 방지하고, 전전 프레임, 전프레임 및 현프레임과 같은 3개 프레임의 차연산에 합이 1이되는 가중치를 두어 임계치에 따라 전경 및 배경을 분리하고 배경을 제거하여 객체를 인식하도록 하였으며, 객체의 윤곽선을 추출하고 사각좌표 영역의 서브 프레임에서 색상, 질감 특징을 추출하고 추출된 객체의 특징에 따른 유사도에 따라 이전 객체와 현 객체로 인식하여 추적을 효과적으로 한 것을 특징으로 하는 것이다. 또한 상기 딥러닝 학습은 차량 정보 DB에 저장된 정보를 기초로 CNN(Convolutional Neural Network)알고리즘을 적용하여 학습 하는 것을 특징으로 하는 것이다.
도 4는 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 시스템 제1실시 예 구성도이다. 상기도 4에서 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 시스템 제1실시 예는 주차장에 입구에 설치되는 것으로 주차장에 입고되는 차량을 촬영하고 촬영된 영상정보 1, 촬영시간 정보를 관제 서버에 전송하는 카메라 1(10)과, 주차장의 각 층별 입구에 설치되는 것으로 주차장 각 층으로 진입하는 차량을 촬영하고 촬영된 영상정보 2와 촬영시간 정보를 관제 서버로 전송하는 카메라 2(20)와, 해당 층의 주차장 통로에 진입하는 차량을 촬영하기 위한 것으로 주차장 통로에 진입하는 차량을 촬영하고 촬영된 영상정보 3와 촬영시간 정보를 관제 서버로 전송하는 카메라 3(30)와, 해당 층의 해당 통로로 진입하여 파킹 랏에 파킹된 차량을 촬영하고 촬영된 영상 정보를 관제 서버로 전송하는 카메라 4(40)와, 차량별 3D 차량 이미지 정보를 매칭하여 저장하고, 각 카메라 위치정보, 층별 주차장 지도 정보를 저장하고 있는 것으로 카메라 1에서 수신된 영상 정보 1에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하며, 카메라 2에서 수신된 영상정보 2에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하고 영상정보 2에서 추출된 차량 번호 정보가 영상정보 1에서 추출된 차량 번호 정보의 일치 여부를 판단하여 일치하는 경우 주차장으로 입고된 해당 차량이 해당 층으로 이동한 것으로 판단하며, 카메라 3에서 수신된 영상 정보 3에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하고, 영상 정보 3에서 추출된 차량 번호 정보가 영상정보 2에서 추출된 차량 번호 정보와 일치하는지 여부를 판단하고 일치하는 경우 해당 층으로 들어온 해당 차량이 해당 통로로 진입한 것으로 판단하고, 카메라 4에서 수신된 영상 정보 4에서 차량 번호 정보, 차량 색상정보, 차량 평면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 평면 형상 정보를 차량 정보 DB에 저장하며, 영상정보 4에서 추출된 차량 번호 정보와 영상 정보 3에서 추출된 차량 번호 정보가 일치하는지 여부를 판단하고, 일치하는 경우, 해당 통로로 진입한 차량이 해당 파킹 랏에 파킹한 것으로 판단하고, 차량정보 DB에 저장된 차량 정면 형상정보와 차량 평면 형상 정보를 기초로 하여 차량 종류를 판단하고, 해당 차량에 매칭하는 3D 차량 이미지 정보를 추출하여 차량 정보 DB에 저장하고, 추출된 3D 차량 이미지 정보를 해당 층의 주차장 지도 정보에 매핑한 주차장 지도정보, 차량 번호 정보, 해당 층정보, 주차시간 정보를 제공하는 관제 서버(50)로 구성된 것을 특징으로 하는 것이다. 상기에서 카메라 위치정보는 층별 주차장 지도 정보에서 매핑된 위치 정보를 나타내고 있는 것이다.
도 5는 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 시스템 제2실시 예 구성도이다. 상기도 5에서 본 발명 영상정보를 이용한 사이버 이미지 주차 관제 시스템 제2실시 예는 주차장에 입구에 설치되는 것으로 주차장에 입고되는 차량을 촬영하고 촬영된 영상정보 1, 촬영시간 정보를 관제 서버에 전송하는 카메라 1(10-1)과, 주차장의 각 층별 입구에 설치되는 것으로 주차장 각 층으로 진입하는 차량을 촬영하고 촬영된 영상정보 2와 촬영시간 정보를 관제 서버로 전송하는 카메라 2(20-1)와, 해당 층의 주차장 통로에 진입하는 차량을 촬영하기 위한 것으로 주차장 통로에 진입하는 차량을 촬영하고 촬영된 영상정보 3와 촬영시간 정보를 관제 서버로 전송하는 카메라 3(30-1)와, 해당 층의 해당 통로로 진입하여 파킹 랏에 파킹된 차량을 촬영하고 촬영된 영상 정보를 관제 서버로 전송하는 카메라 4(40-1)와, 차량별 3D 차량 이미지 정보를 매칭하여 저장하고, 각 카메라 위치정보, 층별 주차장 지도 정보를 저장하고 있는 것으로 카메라 1에서 수신된 영상 정보 1에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하며, 카메라 2에서 수신된 영상정보 2에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하고 영상정보 2에서 추출된 차량 번호 정보가 영상정보 1에서 추출된 차량 번호 정보의 일치 여부를 판단하여 일치하는 경우 주차장으로 입고된 해당 차량이 해당 층으로 이동한 것으로 판단하며, 카메라 3에서 수신된 영상 정보 3에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하고, 영상 정보 3에서 추출된 차량 번호 정보가 영상정보 2에서 추출된 차량 번호 정보와 일치하는지 여부를 판단하고 일치하는 경우 해당 층으로 들어온 해당 차량이 해당 통로로 진입한 것으로 판단하고, 카메라 4에서 수신된 영상 정보 4에서 차량 번호 정보, 차량 색상정보, 차량 평면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 평면 형상 정보를 차량 정보 DB에 저장하며, 영상정보 4에서 추출된 차량 번호 정보와 영상 정보 3에서 추출된 차량 번호 정보가 일치하는지 여부를 판단하고, 일치하는 경우, 해당 통로로 진입한 차량이 해당 파킹 랏에 파킹한 것으로 판단하고, 차량정보 DB에 저장된 차량 정면 형상정보와 차량 평면 형상 정보를 기초로 하여 차량 종류를 판단하고, 해당 차량에 매칭하는 3D 차량 이미지 정보를 추출하여 차량 정보 DB에 저장하고, 차주의 스마트 단말기로부터 차량 번호 정보가 수신되면 해당 층의 주차장 지도 정보에 매핑된 해당 차량의 3D 차량 이미지 정보, 해당 층 정보, 차량 번호정보, 주차시간 정보를 해당 차주의 스마트 단말기로 전송하는 관제 서버(50-1)와 관제 서버와 접속하여 차량 번호 정보를 입력받아서 관제 서버로 전송하고 관제 서버로부터 차주의 차량이 파킹된 해당 층의 지도 정보에 매핑된 3D 차량 이미지 정보, 차량 번호정보, 해당 층 정보, 주차시간 정보를 수신하여 표시부로 제공하는 차주 스마트 단말기(60-1)로 구성된 것을 특징으로 하는 것이다. 또한 상기 관제 서버는 차주의 스마트 단말기와 접속하거나 제3자의 스마트 단말기와 접속하여 데이터를 전송하는 경우 차량 번호 정보 대신으로 차량 종류 정보, 차량 ID 등을 포함하여 차주 스마트 단말기와 제3자의 스마트 단말기로 전송하여 제공하게 할 수도 있는 것이다.
도 6은 본 발명에 적용되는 주차장 지도 정보에 매핑된 3D 차량 이미지 정보의 예시이다. 상기도 6에서 본 발명에 적용되는 주차장 지도 정보에 매핑된 3D 차량 이미지 정보는 해당 주차장의 층별 주차장 파킹 랏 지도 정보와 일치하는 층별 이미지 지도 정보가 생성될 수 있는 것이고, 차량이 해당 주차장에 파킹하는 경우에는 층별 이미지 지도 정보에 해당 차량의 파킹 상태를 3D 차량 이미지로 변환하고 변환된 3D 차량 이미지 정보와 층별 이미지 지도 정보를 매핑하여 제공하는 것이다.
10, 10-1 : 카메라 1, 20, 20-1 : 카메라 2,
30, 30-1 : 카메라 3, 40, 40-1 : 카메라 4,
50, 50-1 : 관제 서버, 60-1 : 차주 스마트 단말기
30, 30-1 : 카메라 3, 40, 40-1 : 카메라 4,
50, 50-1 : 관제 서버, 60-1 : 차주 스마트 단말기
Claims (7)
- 주차장으로 진입하는 차량을 촬영한 영상 정보를 기초로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 방법에 있어서,
상기 차량 영상정보를 이용한 사이버 이미지 주차 관제 방법은,
주차장의 층별 지도 정보, 각 카메라 위치 정보, 각 차량 종류에 매칭하는 각 차량의 3D 차량 이미지 정보를 관제 서버에 저장하는 단계(S11)와;
주차장에 입고되는 차량에 대하여 카메라 1이 차량을 촬영하고 촬영된 영상 정보 1과 촬영시간 정보를 관제 서버로 전송하는 단계(S12)와;
관제 서버가 수신된 영상 정보 1에서 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S13)와;
주차장의 층별 진입로에 설치된 카메라 2가 해당 층으로 진입하는 차량을 촬영하고 촬영된 영상정보 2와 촬영시간 정보를 관제 서버로 전송하는 단계(S14)와;
관제 서버가 수신된 영상 정보 2에서 차량 번호 정보,차량 색상정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S15)와;
관제 서버가 영상 정보 1에서 추출한 차량 번호 정보와 영상 정보 2에서 추출한 차량 번호 정보가 동일한지 여부를 판단하는 단계(S16)와;
동일한 경우, 관제 서버가 주차장에 입고된 차량이 해당 층으로 진입한 것으로 판단하는 단계(S17)와;
해당 층의 주차 통로에 설치된 카메라 3가 해당 통로로 진입하는 차량을 촬영하고 촬영된 영상정보 3와 촬영시간 정보를 관제 서버로 전송하는 단계(S18)와;
관제 서버가 수신된 영상 정보 3에서 차량 번호정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S19)와;
관제 서버가 영상 정보 3에서 추출된 차량 번호 정보가 영상 정보 2에서 추출된 차량 번호 정보가 일치하는지 여부를 판단하는 단계(S20)와;
일치하는 경우, 관제 서버가 해당 층으로 진입한 해당 차량이 해당 통로로 진입한 것으로 판단하는 단계(S21)와;
차량의 파킹 상태를 촬영하는 카메라 4가 주차장의 파킹 랏에 파킹된 차량을 촬영하고 촬영된 영상정보 4와 촬영시간 정보를 관제 서버로 전송하는 단계(S22)와;
관제 서버가 수신된 영상 정보 4에서 차량 번호 정보, 차량 색상 정보 및 차량 평면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 평면 형상 정보를 차량 정보 DB에 저장하는 단계(S23)와;
관제 서버가 영상정보 4에서 추출된 차량 번호 정보가 영상 정보 3에서 추출된 차량 번호 정보와 일치하는지 여부를 판단하는 단계(S24)와;
일치하는 경우, 관제 서버가 해당 통로로 진입한 해당 차량이 해당 파킹 랏에 파킹한 것으로 판단하는 단계(S25)와;
관제 서버가 차량 정보 DB에 저장된 차량 정면 형상 정보와 차량 평면 형상 정보를 기초로 딥 러닝 학습을 하여 차량 종류를 판단하고 판단된 차량 종류에 매칭하는 3D 차량 이미지를 추출하고 차량 정보 DB에 저장하는 단계(S26);
및 관제 서버가 판단된 차량 종류에 매칭하는 3D 차량 이미지 정보, 차량 번호 정보, 촬영 시간인 파킹 시간 정보, 차량 파킹 층 정보를 주차장 지도 정보에 매핑하여 제공하는 단계(S27)를 포함하여 이루어지는 것을 특징으로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 방법.
- 제1항에 있어서,
상기 차량 영상정보를 이용한 사이버 이미지 주차 관제 방법은,
추출된 차량 번호 정보에 ID를 부여하고 상기 S27 단계에서 차량 번호 정보 대신 ID를 제공하는 것을 특징으로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 방법.
- 주차장으로 진입하는 차량을 촬영한 영상 정보를 기초로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 방법에 있어서,
상기 차량 영상정보를 이용한 사이버 이미지 주차 관제 방법은,
주차장의 관제 서버에 주차장의 층별 지도 정보, 각 카메라 위치정보, 각 차량 종류에 매칭하는 각 차량의 3D 차량 이미지 정보를 관제 서버에 저장하는 단계(S31)와;
주차장에 입고되는 차량에 대하여 카메라 1이 차량을 촬영하고 촬영된 영상 정보 1과 촬영시간 정보를 관제 서버로 전송하는 단계(S32)와;
관제 서버가 수신된 영상 정보 1에서 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S33)와;
주차장의 층별 진입로에 설치된 카메라 2가 해당 층으로 진입하는 차량을 촬영하고 촬영된 영상정보 2와 촬영시간 정보를 관제 서버로 전송하는 단계(S34)와;
관제 서버가 수신된 영상 정보 2에서 차량 번호 정보,차량 색상정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S35)와;
관제 서버가 영상 정보 1에서 추출한 차량 번호 정보와 영상 정보 2에서 추출한 차량 번호 정보가 동일한지 여부를 판단하는 단계(S36)와;
동일한 경우, 관제 서버가 주차장에 입고된 차량이 해당 층으로 진입한 것으로 판단하는 단계(S37)와;
해당 층의 주차 통로에 설치된 카메라 3가 해당 통로로 진입하는 차량을 촬영하고 촬영된 영상정보 3와 촬영시간 정보를 관제 서버로 전송하는 단계(S38)와;
관제 서버가 수신된 영상 정보 3에서 차량 번호정보, 차량 색상 정보, 차량 전면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 전면 형상 정보를 차량 정보 DB에 저장하는 단계(S39)와;
관제 서버가 영상 정보 3에서 추출된 차량 번호 정보가 영상 정보 2에서 추출된 차량 번호 정보가 일치하는지 여부를 판단하는 단계(S40)와;
일치하는 경우, 관제 서버가 해당 층으로 진입한 해당 차량이 해당 통로로 진입한 것으로 판단하는 단계(S41)와;
차량의 파킹 상태를 촬영하는 카메라 4가 주차장의 파킹 랏에 파킹된 차량을 촬영하고 촬영된 영상정보 4와 촬영시간 정보를 관제 서버로 전송하는 단계(S42)와;
관제 서버가 수신된 영상 정보 4에서 차량 번호 정보, 차량 색상 정보 및 차량 평면 형상 정보를 딥러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상 정보, 차량 평면 형상 정보를 차량 정보 DB에 저장하는 단계(S43)와;
관제 서버가 영상정보 4에서 추출된 차량 번호 정보가 영상 정보 3에서 추출된 차량 번호 정보와 일치하는지 여부를 판단하는 단계(S44)와;
일치하는 경우, 관제 서버가 해당 통로로 진입한 해당 차량이 해당 파킹 랏에 파킹한 것으로 판단하는 단계(S45)와;
관제 서버가 차량 정보 DB에 저장된 차량 정면 형상 정보와 차량 평면 형상 정보를 기초로 딥 러닝 학습을 하여 차량 종류를 판단하고 판단된 차량 종류에 매칭하는 3D 차량 이미지를 차량 정보 DB에 저장하는 단계(S46)와;
차량의 차주가 소지하는 스마트 단말기가 차주에 의하여 입력되는 차량 번호 정보를 관제 서버로 전송하는 단계(S47)와;
관제 서버가 수신된 차량 번호 정보가 차량 정보 DB에 기저장된 차량 번호 정보와 일치하는지 여부를 판단하는 단계(S48);
및 일치하는 경우, 관제 서버가 차량 번호 정보에 매칭하는 3D 차량 이미지가 매핑된 3D 주차장 지도정보, 해당 층 정보, 차량 번호 정보, 파킹시간 정보를 해당 차주의 스마트 단말기로 전송하여 제공하는 단계(S49)를 포함하여 이루어지는 것을 특징으로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 방법.
- 주차장으로 진입하는 차량을 촬영한 영상 정보를 기초로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 시스템에 있어서,
상기 차량 영상정보를 이용한 사이버 이미지 주차 관제 시스템은,
주차장에 입구에 설치되는 것으로 주차장에 입고되는 차량을 촬영하고 촬영된 영상정보 1, 촬영시간 정보를 관제 서버에 전송하는 카메라 1(10)과;
주차장의 각 층별 입구에 설치되는 것으로 주차장 각 층으로 진입하는 차량을 촬영하고 촬영된 영상정보 2와 촬영시간 정보를 관제 서버로 전송하는 카메라 2(20)와;
해당 층의 주차장 통로에 진입하는 차량을 촬영하기 위한 것으로 주차장 통로에 진입하는 차량을 촬영하고 촬영된 영상정보 3와 촬영시간 정보를 관제 서버로 전송하는 카메라 3(30)와;
해당 층의 해당 통로로 진입하여 파킹 랏에 파킹된 차량을 촬영하고 촬영된 영상 정보를 관제 서버로 전송하는 카메라 4(40);
및 차량별 3D 차량 이미지 정보를 매칭하여 저장하고, 각 카메라 위치정보, 층별 주차장 지도 정보를 저장하고 있는 것으로 카메라 1에서 수신된 영상 정보 1에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하며, 카메라 2에서 수신된 영상정보 2에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하고 영상정보 2에서 추출된 차량 번호 정보가 영상정보 1에서 추출된 차량 번호 정보의 일치 여부를 판단하여 일치하는 경우 주차장으로 입고된 해당 차량이 해당 층으로 이동한 것으로 판단하며, 카메라 3에서 수신된 영상 정보 3에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하고, 영상 정보 3에서 추출된 차량 번호 정보가 영상정보 2에서 추출된 차량 번호 정보와 일치하는지 여부를 판단하고 일치하는 경우 해당 층으로 들어온 해당 차량이 해당 통로로 진입한 것으로 판단하고, 카메라 4에서 수신된 영상 정보 4에서 차량 번호 정보, 차량 색상정보, 차량 평면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 평면 형상 정보를 차량 정보 DB에 저장하며, 영상정보 4에서 추출된 차량 번호 정보와 영상 정보 3에서 추출된 차량 번호 정보가 일치하는지 여부를 판단하고, 일치하는 경우, 해당 통로로 진입한 차량이 해당 파킹 랏에 파킹한 것으로 판단하고, 차량정보 DB에 저장된 차량 정면 형상정보와 차량 평면 형상 정보를 기초로 하여 차량 종류를 판단하고, 해당 차량에 매칭하는 3D 차량 이미지 정보를 추출하여 차량 정보 DB에 저장하고, 추출된 3D 차량 이미지 정보를 해당 층의 주차장 지도 정보에 매핑한 주차장 지도정보, 차량 번호 정보, 해당 층정보, 주차시간 정보를 제공하는 관제 서버(50)로 구성된 것을 특징으로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 시스템.
- 제4항에 있어서,
상기 관제 서버(50)는,
추출된 차량 번호 정보에 ID를 부여하고 주차장 지도 정보에 차량 번호 정보 대신에 ID를 제공하는 것을 특징으로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 시스템.
- 주차장으로 진입하는 차량을 촬영한 영상 정보를 기초로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 시스템에 있어서,
상기 차량 영상정보를 이용한 사이버 이미지 주차 관제 시스템은,
주차장에 입구에 설치되는 것으로 주차장에 입고되는 차량을 촬영하고 촬영된 영상정보 1, 촬영시간 정보를 관제 서버에 전송하는 카메라 1(10-1)과;
주차장의 각 층별 입구에 설치되는 것으로 주차장 각 층으로 진입하는 차량을 촬영하고 촬영된 영상정보 2와 촬영시간 정보를 관제 서버로 전송하는 카메라 2(20-1)와;
해당 층의 주차장 통로에 진입하는 차량을 촬영하기 위한 것으로 주차장 통로에 진입하는 차량을 촬영하고 촬영된 영상정보 3와 촬영시간 정보를 관제 서버로 전송하는 카메라 3(30-1)와;
해당 층의 해당 통로로 진입하여 파킹 랏에 파킹된 차량을 촬영하고 촬영된 영상 정보를 관제 서버로 전송하는 카메라 4(40-1)와;
차량별 3D 차량 이미지 정보를 매칭하여 저장하고, 각 카메라 위치정보, 층별 주차장 지도 정보를 저장하고 있는 것으로 카메라 1에서 수신된 영상 정보 1에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하며, 카메라 2에서 수신된 영상정보 2에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하고 영상정보 2에서 추출된 차량 번호 정보가 영상정보 1에서 추출된 차량 번호 정보의 일치 여부를 판단하여 일치하는 경우 주차장으로 입고된 해당 차량이 해당 층으로 이동한 것으로 판단하며, 카메라 3에서 수신된 영상 정보 3에서 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 정면 형상 정보를 차량 정보 DB에 저장하고, 영상 정보 3에서 추출된 차량 번호 정보가 영상정보 2에서 추출된 차량 번호 정보와 일치하는지 여부를 판단하고 일치하는 경우 해당 층으로 들어온 해당 차량이 해당 통로로 진입한 것으로 판단하고, 카메라 4에서 수신된 영상 정보 4에서 차량 번호 정보, 차량 색상정보, 차량 평면 형상 정보를 딥 러닝 학습을 통하여 추출하고 추출된 차량 번호 정보, 차량 색상정보, 차량 평면 형상 정보를 차량 정보 DB에 저장하며, 영상정보 4에서 추출된 차량 번호 정보와 영상 정보 3에서 추출된 차량 번호 정보가 일치하는지 여부를 판단하고, 일치하는 경우, 해당 통로로 진입한 차량이 해당 파킹 랏에 파킹한 것으로 판단하고, 차량정보 DB에 저장된 차량 정면 형상정보와 차량 평면 형상 정보를 기초로 하여 차량 종류를 판단하고, 해당 차량에 매칭하는 3D 차량 이미지 정보를 추출하여 차량 정보 DB에 저장하고, 차주의 스마트 단말기로부터 차량 번호 정보가 수신되면 해당 층의 주차장 지도 정보에 매핑된 해당 차량의 3D 차량 이미지 정보, 해당 층 정보, 차량 번호정보, 주차시간 정보를 해당 차주의 스마트 단말기로 전송하는 관제 서버(50-1);
및 관제 서버와 인터넷망 또는 무선 통신망으로 접속하여 차량 번호 정보를 입력받아서 관제 서버로 전송하고 관제 서버로부터 차주의 차량이 파킹된 해당 층의 지도 정보에 매핑된 3D 차량 이미지 정보, 차량 번호정보, 해당 층 정보, 주차시간 정보를 수신하여 표시부로 제공하는 차주 스마트 단말기(60-1)로 구성된 것을 특징으로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 시스템.
- 제6항에 있어서,
관제 서버는 추출된 차량 번호 정보에 ID를 부여하고 차량 번호 정보 대신 차량 ID를 해당 차주의 스마트 단말기로 전송하도록 하는 것을 특징으로 하는 차량 영상정보를 이용한 사이버 이미지 주차 관제 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210009873A KR102425029B1 (ko) | 2021-01-25 | 2021-01-25 | 영상정보를 이용한 사이버 이미지 주차 관제 방법 및 이를 이용한 주차 관제 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210009873A KR102425029B1 (ko) | 2021-01-25 | 2021-01-25 | 영상정보를 이용한 사이버 이미지 주차 관제 방법 및 이를 이용한 주차 관제 시스템 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102425029B1 true KR102425029B1 (ko) | 2022-07-25 |
Family
ID=82608880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210009873A KR102425029B1 (ko) | 2021-01-25 | 2021-01-25 | 영상정보를 이용한 사이버 이미지 주차 관제 방법 및 이를 이용한 주차 관제 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102425029B1 (ko) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011065279A (ja) * | 2009-09-15 | 2011-03-31 | Aisin Seiki Co Ltd | 駐車スペース案内システム |
KR20170000110A (ko) * | 2015-06-23 | 2017-01-02 | (주)모가씨앤디 | 차량 위치 추적을 통한 주차 관리 시스템 및 주차 관리 방법 |
KR20180075100A (ko) * | 2016-12-26 | 2018-07-04 | 김태훈 | 주차장 관리 시스템 |
KR20190080016A (ko) * | 2017-12-28 | 2019-07-08 | 현대엠엔소프트 주식회사 | 주차 관리 시스템 및 방법 |
KR20200021302A (ko) * | 2018-08-20 | 2020-02-28 | 한국전자통신연구원 | 주차 유도 방법 및 장치 |
-
2021
- 2021-01-25 KR KR1020210009873A patent/KR102425029B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011065279A (ja) * | 2009-09-15 | 2011-03-31 | Aisin Seiki Co Ltd | 駐車スペース案内システム |
KR20170000110A (ko) * | 2015-06-23 | 2017-01-02 | (주)모가씨앤디 | 차량 위치 추적을 통한 주차 관리 시스템 및 주차 관리 방법 |
KR20180075100A (ko) * | 2016-12-26 | 2018-07-04 | 김태훈 | 주차장 관리 시스템 |
KR20190080016A (ko) * | 2017-12-28 | 2019-07-08 | 현대엠엔소프트 주식회사 | 주차 관리 시스템 및 방법 |
KR20200021302A (ko) * | 2018-08-20 | 2020-02-28 | 한국전자통신연구원 | 주차 유도 방법 및 장치 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596277B (zh) | 一种车辆身份识别方法、装置和存储介质 | |
KR101972918B1 (ko) | 영상 마스킹 장치 및 영상 마스킹 방법 | |
US20180012371A1 (en) | Image Registration with Device Data | |
CN103765439B (zh) | 用于环境表示的方法 | |
CN110675426B (zh) | 人体跟踪方法、装置、设备及存储介质 | |
CN114387548A (zh) | 视频及活体检测方法、***、设备、存储介质及程序产品 | |
CN113450579A (zh) | 速度信息的获取方法、装置、设备及介质 | |
KR20040101377A (ko) | 스테레오 이미지의 에지를 체인으로 연결하는 방법 | |
KR20180092494A (ko) | 학습 이미지 데이터 정제 시스템 및 그 방법 | |
CN111383252A (zh) | 多相机目标追踪方法、***、装置及存储介质 | |
CN114943773A (zh) | 相机标定方法、装置、设备和存储介质 | |
CN111739333A (zh) | 一种空车位识别方法 | |
CN113627339A (zh) | 一种隐私保护的方法、装置及设备 | |
CN116310993A (zh) | 目标检测方法、装置、设备及存储介质 | |
KR102425029B1 (ko) | 영상정보를 이용한 사이버 이미지 주차 관제 방법 및 이를 이용한 주차 관제 시스템 | |
KR20170084463A (ko) | 차량 인증 장치 및 차량 인증 방법 | |
CN116188538A (zh) | 一种多摄像头的行为轨迹跟踪方法 | |
CN104637043B (zh) | 支持像素选择方法、装置、视差值确定方法 | |
CN115222621A (zh) | 图像校正方法、电子设备、存储介质及计算机程序产品 | |
KR102470641B1 (ko) | 딥러닝 학습을 이용한 주차장의 장애인 주차 구역 파킹 정보 제공 방법 및 시스템 | |
CN114820752A (zh) | 深度估计方法和*** | |
KR102441235B1 (ko) | 주차장에서의 차량 추적 관리 시스템 및 이를 이용한 차량 추적 방법 | |
CN113269064A (zh) | 一种乘车方法和装置 | |
CN113038029A (zh) | 一种增强夜视效果的补偿方法 | |
Chung et al. | Applying Image Recognition Technology to Intelligent Security Management Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |