KR102530654B1 - Cctv카메라를 이용한 음주운전 차량 인식 방법 및 대응 시스템 - Google Patents

Cctv카메라를 이용한 음주운전 차량 인식 방법 및 대응 시스템 Download PDF

Info

Publication number
KR102530654B1
KR102530654B1 KR1020210028646A KR20210028646A KR102530654B1 KR 102530654 B1 KR102530654 B1 KR 102530654B1 KR 1020210028646 A KR1020210028646 A KR 1020210028646A KR 20210028646 A KR20210028646 A KR 20210028646A KR 102530654 B1 KR102530654 B1 KR 102530654B1
Authority
KR
South Korea
Prior art keywords
vehicle
drunk driving
information
warning
edge terminal
Prior art date
Application number
KR1020210028646A
Other languages
English (en)
Other versions
KR20220102088A (ko
Inventor
김재정
유태하
심규영
조석영
안진형
채명수
김태호
Original Assignee
주식회사 노타
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 노타 filed Critical 주식회사 노타
Publication of KR20220102088A publication Critical patent/KR20220102088A/ko
Application granted granted Critical
Publication of KR102530654B1 publication Critical patent/KR102530654B1/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
    • G08G1/017—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
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/091—Traffic information broadcasting
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

CCTV카메라를 이용한 음주운전 차량 인식 방법 및 대응 시스템이 개시된다. 음주운전 차량 인식 시스템에 의해 수행되는 음주운전 차량 인식 방법은, 적어도 하나 이상의 카메라를 이용하여 촬영된 영상 데이터를 수집하는 단계; 상기 수집된 영상 데이터로부터 감지된 객체 정보에 기초하여 차량의 비정상적 운전패턴의 분석을 통해 음주운전 차량을 판별하는 단계; 및 상기 판별된 음주운전 차량 또는 음주운전 차량의 주변 차량에게 경고 정보가 제공되도록 제어하는 단계를 포함할 수 있다.

Description

CCTV카메라를 이용한 음주운전 차량 인식 방법 및 대응 시스템{DRUNK DRIVING VEHICLE RECOGNITION METHOD AND INTERVENTION SYSTEM USING CCTV CAMERA}
아래의 설명은 음주운전 차량을 인식하는 기술에 관한 것이다.
음주운전을 판별하고 대응할 수 있는 방법 중 기존 기술은 운전자의 생체 정보를 센서로 취득하여 체내 알콜잔존량을 측정하여 음주상태 여부를 판별하고 그에 상응하는 경고 또는 물리적으로 운전을 제지하는 방법들이 있다.
종래의 기술들은 차량 내에서 운전자와 물리적인 접촉을 통해 알코올농도를 측정하고 대응하는 방식들이 대부분이다. 하지만 개별 차량에 해당 센서들이 설치되어 있지 않거나, 운전자가 측정을 거부하거나 회피하면 음주운전 여부를 알 수 없고 제지할 방법도 없다.
참고자료: KR1017453290000, KR1021446350000
개별 차량에 음주 측정 장치가 존재하지 않더라도, 도로 위 CCTV 카메라를 통해 촬영되는 영상 데이터에 기초하여 차량을 인식하고, 인식된 차량의 음주운전 여부를 판별하는 방법 및 시스템을 제공할 수 있다.
판별된 음주운전 차량에 대해 경고 정보를 제공하여 음주운전 차량을 대응할 수 있는 방법 및 시스템을 제공할 수 있다.
음주운전 차량 인식 시스템에 의해 수행되는 음주운전 차량 인식 방법은, 적어도 하나 이상의 카메라를 이용하여 촬영된 영상 데이터를 수집하는 단계; 상기 수집된 영상 데이터로부터 감지된 객체 정보에 기초하여 차량의 비정상적 운전패턴의 분석을 통해 음주운전 차량을 판별하는 단계; 및 상기 판별된 음주운전 차량 또는 음주운전 차량의 주변 차량에게 경고 정보가 제공되도록 제어하는 단계를 포함할 수 있다.
상기 수집하는 단계는, 상기 수집된 영상 데이터로부터 객체 인식 및 추적을 위한 딥러닝 모델을 통해 차량을 포함하는 객체 정보를 감지하고, 상기 감지된 객체 정보에 상기 인식된 객체 정보의 위치 변화를 추적하는 단계를 포함할 수 있다.
상기 수집하는 단계는, 차량 정보, 신호등 정보, 도로 정보를 포함하는 객체 정보를 감지하고, 상기 감지된 객체 정보 중 차량 정보에 ID를 부여하고, 상기 감지된 객체 정보로부터 단일 객체 상태 정보 및 다중 객체 상태 정보를 포함하는 객체 상태 정보를 획득하는 단계를 포함하고, 상기 단일 객체 상태 정보는, 차량의 이동 속도, 차량의 이동 방향, 차량의 이동 속도의 변화량, 단위 시간 내의 차량의 급가속 또는 급감속 빈도, 단위 시간 내의 차량의 차선 변경 횟수, 단위 시간 내의 차량의 차선 미준수 횟수, 단위 시간 내의 방향지시등 미점등 차선 변경 횟수, 신호등의 신호 정보를 포함하고, 상기 다중 객체 상태 정보는, 차량이 녹색 신호에서 멈춰있는 상태의 지속시간, 차량이 빨간 신호에 이동하는 차량의 속도, 차량이 차선 변경 시 이동하는 차량의 속도를 포함할 수 있다.
상기 판별하는 단계는, 상기 수집된 영상 데이터로부터 감지된 차량 별 객체 상태 정보의 조합을 통해 각각의 차량에 대한 음주운전 의심 점수를 연산하고, 상기 연산된 각각의 차량에 대한 음주운전 의심 점수가 기 설정된 임계치를 초과하는지 여부를 판단하는 단계를 포함할 수 있다.
상기 판별하는 단계는, 제1 카메라를 이용하여 수집된 영상 데이터를 음주운전 판별을 위한 딥러닝 모델을 통해 차량의 음주운전 유사도를 연산하고, 상기 음주운전 유사도가 임계치 이상인 차량에 대해 제2카메라를 이용하여 재판별하고, 상기 재판별된 차량에 대해 음주운전 유사도 임계치를 조정하는 단계를 포함할 수 있다.
상기 판별하는 단계는, 상기 수집된 영상 데이터를 음주운전 판별을 위한 딥러닝 모델을 통해 각각의 차량에 대한 교통법규 위반 여부 및 비정상적 운전 패턴을 추론하고, 상기 추론된 교통법규 위반 여부에 따른 교통법규 위반의 강도를 분류하고, 상기 추론된 비정상적 운전 패턴에 따른 비정상적 운전 패턴 강도를 분류하는 단계를 포함할 수 있다.
상기 판별하는 단계는, 상기 분류된 교통법규 위반 강도 및 비정상적 운전 패턴의 강도를 점수화하여 각각의 차량에 대한 음주운전 의심 점수를 연산하고, 다른 엣지 단말과의 통신을 통해 상기 연산된 각각의 차량에 대한 음주운전 의심 점수를 전달하고, 상기 전달된 각각의 차량에 대한 음주운전 의심 점수를 누적 연산하고, 상기 누적 연산된 각각의 차량에 대한 음주운전 의심 점수가 기 설정된 임계치를 초과하는지 여부를 판단하는 단계를 포함할 수 있다.
상기 경고 정보를 제공하는 단계는, 물리적 경고 방법, 시각적 경고 방법 또는 청각적 경고 방법 중 하나 이상의 경고 방법을 통해 차량의 운전자 또는 보행자에게 전달하기 위한 경고 정보를 생성하는 단계를 포함할 수 있다.
상기 경고 정보를 제공하는 단계는, 1)상기 판별된 음주운전 차량이 지나가는 도로 위치에 제어기를 통해 음각 또는 양각의 요철 장치(rumble strip)를 활성화하여 상기 판별된 음주운전 차량에 대해 경고성 진동을 발생시키는 방법, 2)상기 판별된 음주운전 차량이 지나가는 도로 전방에 레이저 투사 장치를 이용하여 경고 메시지를 전달하는 방법, 3)상기 판별된 음주운전 차량이 지나가는 도로 상의 교통 전광판에 음주운전 경고 메시지를 표시하는 방법, 4)상기 판별된 음주운전 차량이 지나가는 도로에 경광등을 점등하는 방법, 5)상기 판별된 음주운전 차량이 지나가는 도로에 음향장치를 통해 경고 메시지를 발생시키는 방법 중 어느 하나의 경고 방법을 선택하는 단계를 포함할 수 있다.
음주운전 차량 인식 시스템은, 적어도 하나 이상의 카메라를 이용하여 촬영된 영상 데이터를 수집하는 영상 수집부; 상기 수집된 영상 데이터로부터 감지된 객체 정보에 기초하여 차량의 비정상적 운전패턴의 분석을 통해 음주운전 차량을 판별하는 음주운전 판별부; 및 상기 판별된 음주운전 차량 또는 음주운전 차량의 주변 차량에게 경고 정보가 제공되도록 제어하는 경고 제어부를 포함할 수 있다.
물리적 장치를 이용하지 않아도 차량의 비정상적 운전패턴의 분석을 통해 음주운전 차량을 자동으로 판별할 수 있다.
음주운전으로 판별된 차량(운전자)에게 물리적, 시각적, 청각적 경고를 제공함에 따라 주변 운전자 및 보행자들에게 경각심을 부여하여 교통사고를 예방할 수 있도록 한다.
도 1은 일 실시예에 따른 음주운전 차량 인식 시스템의 구성을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 엣지 단말의 구성을 설명하기 위한 블록도이다.
도 3은 일 실시예에 따른 엣지 단말에서 음주운전 차량을 인식하는 방법을 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 엣지 단말 간 동작을 설명하기 위한 도면이다.
도 5 및 도 6은 일 실시예에 있어서, 음주운전 차량에게 경고 정보를 제공하는 것을 설명하기 위한 예이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 일 실시예에 따른 음주운전 차량 인식 시스템의 구성을 설명하기 위한 도면이다.
음주운전 차량 인식 시스템은 엣지 단말(100), 서버(110) 및 카메라부(120)를 포함할 수 있다. 엣지 단말(100), 서버(110) 및 카메라부(120)는 각각 통신을 통해 데이터를 송수신할 수 있다. 이때, 음주운전 차량 인식 시스템은 서버(110)를 포함 또는 미포함할 수 있다.
엣지 단말(100)은 카메라부(120)로부터 촬영된 영상 데이터를 수집할 수 있다. 엣지 단말(100)은 수집된 영상 데이터로부터 객체 정보를 감지할 수 있고, 감지된 객체 정보에 기초하여 차량의 비정상적 운전패턴의 분석을 통해 음주운전 차량을 판별할 수 있다. 엣지 단말(100)은 판별된 음주운전 차량 또는 음주운전 차량의 주변 차량에게 경고 정보가 제공되도록 제어할 수 있다. 예를 들면, 엣지 단말(100)은 판별된 음주운전 차량의 음주 정도에 따라 경고 정보의 강도를 설정할 수 있다.
서버(110)는 현장 또는 현장 이외의 다른 곳에 존재하여, 엣지 단말(100)로부터 전송되는 데이터를 수신하여 차량 또는 주변 차량에게 경고 정보를 제공할 수 있다. 예를 들면, 서버(110)는 엣지 단말(100)로부터 전송되는 제어 명령에 기초하여 도로와 관련된 외부 기기(예를 들면, 신호등)를 제어할 수 있다. 이에, 음주운전으로 판별된 차량(운전자)에게 물리적, 시각적, 청각적 경고를 하여 주변 운전자 및 보행자들에게 경각심을 주고 사고 예방을 할 수 있도록 한다. 또한, 서버(110)는 엣지 단말(100)로부터 전송되는 데이터를 저장할 수 있고, 외부의 데이터를 가져와 엣지 단말(100)에게 전달할 수도 있다.
카메라부(120)는 적어도 하나 이상의 카메라로 구성될 수 있다. 카메라부(120)는 특정 위치에 설치되어 교차로를 포함하는 도로 및 도로를 포함하는 보행자 길을 촬영할 수 있다. 카메라부(120)는 도로를 촬영하는 적어도 하나 이상의 카메라, 카메라 기능을 포함하고 있는 CCTV 등이 해당될 수 있다. 예를 들면, 적어도 하나 이상의 카메라가 각각 서로 다른 방향을 촬영하되, 일부 영역이 중첩되도록 촬영할 수 있다. 또는, 360도 회전이 가능한 카메라를 이용하여 촬영될 수 있다.
도 2는 일 실시예에 따른 엣지 단말의 구성을 설명하기 위한 블록도이고, 도 3은 일 실시예에 따른 엣지 단말에서 음주운전 차량을 인식하는 방법을 설명하기 위한 흐름도이다.
엣지 단말(100)의 프로세서는 영상 수집부(210), 음주운전 판별부(220) 및 경고 제어부(230)를 포함할 수 있다. 이러한 프로세서의 구성요소들은 엣지 단말 에 저장된 프로그램 코드가 제공하는 제어 명령에 따라 프로세서에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 프로세서 및 프로세서의 구성요소들은 도 3의 음주운전 차량을 인식하는 방법이 포함하는 단계들(310 내지 330)을 수행하도록 엣지 단말을 제어할 수 있다. 이때, 프로세서 및 프로세서의 구성요소들은 메모리가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.
프로세서는 음주운전 차량을 인식하는 방법을 위한 프로그램의 파일에 저장된 프로그램 코드를 메모리에 로딩할 수 있다. 예를 들면, 엣지 단말에서 프로그램이 실행되면, 프로세서는 운영체제의 제어에 따라 프로그램의 파일로부터 프로그램 코드를 메모리에 로딩하도록 엣지 단말을 제어할 수 있다. 이때, 영상 수집부(210), 음주운전 판별부(220) 및 경고 제어부(230) 각각은 메모리에 로딩된 프로그램 코드 중 대응하는 부분의 명령을 실행하여 이후 단계들(310 내지 330)을 실행하기 위한 프로세서의 서로 다른 기능적 표현들일 수 있다.
단계(310)에서 영상 수집부(210)는 적어도 하나 이상의 카메라를 이용하여 촬영된 영상 데이터를 수집할 수 있다. 예를 들면, 영상 수집부(210)는 복수의 카메라를 이용하여 촬영된 영상 데이터를 동시 또는 비동시에 수집할 수 있다. 영상 수집부(210)는 딥러닝 모델에 각각의 영상 데이터를 입력할 수 있고, 또는 복수 개의 영상 데이터를 동기화하여 하나의 영상 데이터로 생성하고, 생성된 하나의 영상 데이터를 딥러닝 모델에 입력할 수 있다. 영상 수집부(210)는 수집된 영상 데이터로부터 객체 인식 및 추적을 위한 딥러닝 모델을 통해 차량을 포함하는 객체 정보를 감지하고, 감지된 객체 정보에 인식된 객체 정보의 위치 변화를 추적할 수 있다. 영상 수집부(210)는 차량 정보, 신호등 정보, 도로 정보를 포함하는 객체 정보를 감지하고, 감지된 객체 정보 중 차량 정보에 ID를 부여하고, 감지된 객체 정보로부터 단일 객체 상태 정보 및 다중 객체 상태 정보를 포함하는 객체 상태 정보를 획득할 수 있다.
단계(320)에서 음주운전 판별부(220)는 수집된 영상 데이터로부터 감지된 객체 정보에 기초하여 차량의 비정상적 운전패턴의 분석을 통해 음주운전 차량을 판별할 수 있다. 음주운전 판별부(220)는 수집된 영상 데이터로부터 감지된 차량 별 객체 상태 정보의 조합을 통해 각각의 차량에 대한 음주운전 의심 점수를 연산하고, 연산된 각각의 차량에 대한 음주운전 의심 점수가 기 설정된 임계치를 초과하는지 여부를 판단할 수 있다. 음주운전 판별부(220)는 제1 카메라를 이용하여 수집된 영상 데이터를 음주운전 판별을 위한 딥러닝 모델을 통해 차량의 음주운전 유사도를 연산하고, 음주운전 유사도가 임계치 이상인 차량에 대해 제2카메라를 이용하여 차량을 재판별하고, 재판별된 차량에 대해 음주운전 유사도 임계치를 조정할 수 있다. 음주운전 판별부(220)는 수집된 영상 데이터를 음주운전 판별을 위한 딥러닝 모델을 통해 각각의 차량에 대한 교통법규 위반 여부 및 비정상적 운전 패턴을 추론하고, 추론된 교통법규 위반 여부에 따른 교통법규 위반의 강도를 분류하고, 추론된 비정상적 운전 패턴에 따른 비정상적 운전 패턴 강도를 분류할 수 있다. 음주운전 판별부(220)는 분류된 교통법규 위반 강도 및 비정상적 운전 패턴의 강도를 점수화하여 각각의 차량에 대한 음주운전 의심 점수를 연산하고, 다른 엣지 단말과의 통신을 통해 연산된 각각의 차량에 대한 음주운전 의심 점수를 전달하고, 전달된 각각의 차량에 대한 음주운전 의심 점수를 누적 연산하고, 누적 연산된 각각의 차량에 대한 음주운전 의심 점수가 기 설정된 임계치를 초과하는지 여부를 판단할 수 있다.
단계(330)에서 경고 제어부(230)는 판별된 음주운전 차량 또는 음주운전 차량의 주변 차량에게 경고 정보가 제공되도록 제어할 수 있다. 경고 제어부(230)는 물리적 경고 방법, 시각적 경고 방법 또는 청각적 경고 방법 중 하나 이상의 경고 방법을 통해 차량의 운전자 또는 보행자에게 전달하기 위한 경고 정보를 생성할 수 있다. 경고 제어부(230)는 1)판별된 음주운전 차량이 지나가는 도로 위치에 제어기를 통해 음각 또는 양각의 요철 장치(rumble strip)를 활성화하여 판별된 음주운전 차량에 대해 경고성 진동을 발생시키는 방법, 2)판별된 음주운전 차량이 지나가는 도로 전방에 레이저 투사 장치를 이용하여 경고 메시지를 전달하는 방법, 3)판별된 음주운전 차량이 지나가는 도로 상의 교통 전광판에 음주운전 경고 메시지를 표시하는 방법, 4)판별된 음주운전 차량이 지나가는 도로에 경광등을 점등하는 방법, 5)판별된 음주운전 차량이 지나가는 도로에 음향장치를 통해 경고 메시지를 발생시키는 방법 중 어느 하나의 경고 방법을 선택할 수 있다.
도 4는 일 실시예에 따른 엣지 단말 간 동작을 설명하기 위한 도면이다.
CCTV에서 도로가 촬영됨에 따라 영상 데이터가 획득될 수 있다. CCTV에서 실시간으로 도로를 촬영한 도로 영상 데이터가 수집될 수 있고, 촬영된 도로 영상 데이터가 기 설정된 기간 동안 축적될 수 있다. 이때, CCTV에는 적어도 하나 이상의 카메라가 포함될 수 있으며, 카메라 이외에 레이저, 라이더, 레이더 등 센서 기기가 추가적으로 포함될 수 있다. 또는, 카메라 및 센서 기기가 CCTV에 포함된 형태가 아닌 외부에 별도로 설치되어 무선 통신을 통해 데이터를 송수신할 수도 있다.
도 4에서는 엣지 단말에서 음주운전 차량을 판별함에 있어서, 각각의 엣지 단말 간 무선 통신을 통해 데이터를 송수신하는 하는 동작을 설명하기로 한다. 일례로, 차량이 통행하는 도로에 CCTV, 엣지 단말 및 부가 기기(예를 들면, 제어기, 레이저 투사기 등)이 존재할 수 있다. 이때, 엣지 단말 1(101)과 엣지 단말 2(102) 각각은 특정 위치에 설치되어, 특정 위치(특정 구역)에서 발생하는 데이터들을 분석하여 음주운전 차량을 판별할 수 있다.
엣지 단말 1(101)과 엣지 단말 2(102)는 동일한 동작을 수행하므로, 엣지 단말 1(101)을 예를 들어 설명하기로 한다. 엣지 단말 1(101)은 CCTV를 통해 촬영된 영상 데이터(입력 영상)를 수집할 수 있다(410). 이때, 영상 데이터(입력 영상)에 도로를 주행하는 차량이 포함될 수 있다.
엣지 단말 1(101)은 수집된 영상 데이터로부터 객체 정보를 인식할 수 있다(402). 엣지 단말 1(101)은 차량 정보(차량 번호), 신호등 정보(차량용 신호등, 보행자용 신호등 등), 도로 정보(도로, 차선, 중앙선, 횡단보도 등)를 포함하는 객체 정보를 감지 및 추적할 수 있다. 이때, 엣지 단말 1(101)은 차선, 도로, 신호등 등을 포함하는 정적 객체 정보, 차량, 보행자 등을 포함하는 동적 객체 정보를 구분하여 인식할 수도 있다.
상세하게는, 엣지 단말 1(101)은 수집된 영상 데이터로부터 객체 인식 및 추적을 위한 딥러닝 모델을 통해 차량을 포함하는 객체 정보를 감지할 수 있다. 엣지 단말 1(101)은 감지된 객체 정보의 위치 변화(위치 추적)를 추적할 수 있다. 엣지 단말 1(101)은 감지된 객체 정보로부터 단일 객체 상태 정보 및 다중 객체 상태 정보를 포함하는 객체 상태 정보를 획득할 수 있다. 예를 들면, 엣지 단말 1(101)은 차량의 이동 속도, 차량의 이동 방향(지그재그, 역주행 등), 차량의 이동 속도의 변화량, 단위 시간 내 차량의 급가속 또는 급감속 빈도, 단위 시간 내의 차량의 차선 변경 횟수, 단위 시간 내의 차량의 차선 미준수 횟수, 단위 시간 내의 방향지시등 미점등 차선 변경 횟수, 신호등의 신호 정보(빨강, 노란, 초록, 점멸 상태 등)을 포함하는 객체 상태 정보를 추출할 수 있다.
엣지 단말 1(101)은 수집된 영상 데이터로부터 감지된 객체 정보에 기초하여 차량의 비정상적 운전패턴의 분석을 통해 음주운전 차량을 판별할 수 있다. 엣지 단말 1(101)은 룰 기반으로 음주운전 차량을 판별할 수 있고, 딥러닝 기반으로 음주운전 차량을 판별할 수 있다.
일례로, 룰 기반의 음주운전 판별 동작에 대하여 설명하기로 한다. 엣지 단말 1(101)은 수집된 영상 데이터로부터 감지된 차량 별 객체 상태 정보의 조합을 통해 각각의 차량에 대한 음주운전 의심 점수를 연산하고, 연산된 각각의 차량에 대한 음주운전 의심 점수가 기 설정된 임계치를 초과하는지 여부를 판단할 수 있다. 예를 들면, 엣지 단말 1(101)은 단일 객체 정보 및 다중 객체 상태 정보를 연산할 수 있다. 이때, 단일 객체 상태 정보는 차량의 이동 속도, 차량의 이동 방향(지그재그, 역주행 등), 차량의 이동 속도의 변화량, 단위 시간 내 차량의 급가속 또는 급감속 빈도, 단위 시간 내의 차량의 차선 변경 횟수, 단위 시간 내의 차량과 차선이 교차하고 있는 지속시간(차선을 밟고 운전하는 시간), 단위 시간 내의 방향지시등 미점등 차선 변경 횟수, 신호등의 신호 정보(빨강, 노랑, 녹색, 점멸 상태 등)를 포함할 수 있다. 다중 객체 상태 정보는 녹색 신호인데 이동하지 않고 멈춰있는 상태의 지속시간, 빨강 신호인데 신호 위반하며 이동하는 차량의 속도 정보, 차선 변경 시 이동하는 차량의 속도를 포함할 수 있다.
다시 말해서, 엣지 단말 1(101)은 영상 데이터로부터 해당하는 객체의 상태 정보의 조합을 통해 차량에 대한 음주운전 의심 점수를 연산할 수 있다. 엣지 단말 1(101)은 객체 상태 정보를 정규화할 수 있다. 예를 들면, 엣지 단말 1(101)은 객체 상태 정보를 0 내지 1 사이의 값으로 정규화할 수 있다. 이때, 엣지 단말 1(101)은 도로 상황 또는 시간 정보/날씨 정보 등 특정 조건에 따라 보다 위험한 객체 상태 정보에 가중치를 부여할 수 있다. 엣지 단말 1(101)은 단위 시간당 가중치가 부여된 객체 상태 정보의 총 점수를 연산할 수 있다. 엣지 단말 1(101)은 객체의 상태 정보를 연산한 결과가 기 설정된 임계치를 초과할 경우, 해당 차량을 음주운전 차량으로 판별할 수 있다. 또는, 각 단일 객체 상태 정보 또는 다중 객체 상태 정보에 대한 각각의 속성 정보에 대하여 점수가 지정되어 있을 수 있다. 예를 들면, 엣지 단말 1(101)은 단위 시간 내에 방향지시등 미점등 차선 변경 횟수가 1회에 3점으로 지정되어 있을 수 있다. 엣지 단말 1(101)은 객체의 상태 정보를 연산한 결과가 기 설정된 임계치를 초과할 경우, 해당 차량을 음주운전 차량으로 판별할 수 있다.
다른 예로서, 딥러닝 기반의 음주운전 판별 동작에 대하여 설명하기로 한다. 엣지 단말 1(101)은 감지된 객체 정보 중 차량 정보에 대해 차량 고유 ID를 생성할 수 있고, 생성된 차량 고유 ID를 차량 정보에 부여할 수 있다. 엣지 단말 1(10)은 차량 고유 ID가 부여된 차량 정보를 재판별할 수 있다(430). 예를 들면, 엣지 단말 1(101)은 제1 카메라를 이용하여 수집된 영상 데이터를 음주운전 판별을 위한 딥러닝 모델을 통해 차량의 음주운전 유사도를 연산할 수 있다. 엣지 단말 1(101)은 음주운전 유사도가 임계치 이상인 차량에 대해 제2카메라를 이용하여 재판별할 수 있다. 엣지 단말 1(101)은 제2 카메라에서 재판별된 차량에 대해 음주운전 유사도 임계치를 조정할 수 있다. 예를 들면, 엣지 단말 1(101)은 음주운전 유사도 임계치를 기 설정된 임계치보다 같거나 낮게 조정할 수 있다. 엣지 단말 1(101)은 음주운전 유사도가 임계치를 초과할 경우, 음주운전 차량으로 판별할 수 있다.
보다 상세하게는, 엣지 단말 1(101)은 수집된 영상 데이터를 음주운전 판별을 위한 딥러닝 모델을 통해 각각의 차량에 대한 교통법규 위반 여부 및 비정상적 운전 패턴을 추론할 수 있다(440, 450). 예를 들면, 사전에 딥러닝 모델에 음주운전 판별을 위한 상황 정보(정상 상황, 위반 상황, 모방 상황 등) 데이터 셋을 학습시킬 수 있다. 이러한 딥러닝 모델에 수집된 영상 데이터가 입력될 수 있다. 딥러닝 모델을 통해 영상 데이터에 대하여 교통법규를 위반 또는 위반하지 않았음을 판단할 수 있고, 비정상적 운전 패턴인지 아닌지를 판단할 수 있다. 또한, 위반한 교통법규의 타입도 판단할 수 있다.
이때, 각각의 딥러닝 모델을 이용하여 교통법규 위반 여부가 추론되고, 비정상적 운전 패턴이 추론될 수 있다. 또는, 하나의 딥러닝 모델을 이용하여 교통 법규 위반 여부 및 비정상적 운전 패턴이 추론될 수 있다. 또한, 교통법규 위반 여부가 추론됨에 따라 딥러닝 모델을 이용하여 교통법규 위반의 강도가 분류될 수 있다(441). 비정상적 운전 패턴이 추론됨에 따라 딥러닝 모델을 이용하여 비정상적 운전 패턴의 강도가 분류될 수 있다(442). 교통법규 위반의 강도 분류는 교통법규를 위반한 상황에서 더 큰 벌점을 부여받는 상황을 의미한다(예를 들면, 속도위반 20km/h 초과 vs 60km/h 초과). 비정상적 운전 패턴 추론은 교통법규 위반은 아니지만, 흔히 볼 수 없는 패턴인 비정상적 탐지(Anomaly Detection)를 의미한다. 예를 들면, 대다수의 차량이 직선으로만 운행하지만, 극소수의 차량의 경우 역주행, 지그재그 운행, 도로 중간에서 멈춤, 초록불인데 출발하지 않고 대기 등이 비정상적 운전 패턴 추론에 해당될 수 있다.
엣지 단말 1(101)은 분류된 교통법규 위반 강도 및 비정상적 운전 패턴의 강도를 점수화하여 각각의 차량에 대한 음주운전 의심 점수를 연산할 수 있다(460). 이때, 추론된 교통법규 위반의 강도 및 비정상적 운전 패턴의 강도에 따라 각각 점수가 설정되어 있을 수 있다. 엣지 단말 1(101)은 다른 엣지 단말과의 통신(480)을 통해 연산된 각각의 차량에 대한 음주운전 의심 점수를 엣지 단말 2(102)에게 전달할 수 있다. 이때, D2D 통신부(480)를 통해 연산된 각각의 차량에 대한 음주운전 의심 점수가 공유될 수 있다. 엣지 단말 1(101)은 각각의 차량에 대한 음주운전 의심 점수를 누적 연산할 수 있다(460). 다시 말해서, 엣지 단말 1(101)은 엣지 단말 1(101)의 구역 내에서 연산된 각각의 차량의 음주운전 의심 점수를 누적할 수 있다. 또한, 엣지 단말 1(101)은 다른 엣지 단말로부터 전달받은 각각의 차량의 음주운전 의심 점수를 누적할 수 있다. 엣지 단말 1(101)은 누적 연산된 각각의 차량에 대한 음주운전 의심 점수가 기 설정된 임계치를 초과하는지 여부를 판별할 수 있다(470). 만약, 엣지 단말 1(101)은 누적 연산된 각각의 차량에 대한 음주운전 의심 점수가 기 설정된 임계치를 초과할 경우, 임계치를 초과하는 차량을 음주운전 차량으로 판별할 수 있다.
도 5 및 도 6은 일 실시예에 있어서, 음주운전 차량에게 경고 정보를 제공하는 것을 설명하기 위한 예이다.
물리적 경고 방법, 시각적 경고 방법 또는 청각적 경고 방법 중 하나 이상의 경고 방법을 통해 차량의 운전자 또는 보행자에게 경고 정보가 제공될 수 있다. 이에, 음주운전으로 판별된 운전자에게 물리적 경고 방법, 시각적 경고 방법 또는 청각적 경고 방법을 통해 경로를 하여 주변 운전자 및 보행자에게 경각심을 주고 사고를 예방할 수 있도록 한다.
물리적 경고 방법은, 도로 음각/양각 변환 장치 작동을 통한 차량에 진동을 형성하는 방식이다. 도 5를 참고하면, 음주운전 차량이 지나가는 도로 위치에 제어기를 통해 음각 또는 양각의 요철 장치(rumble strip)가 활성화되어 음주운전 차량에 대해 경고성 진동이 발생될 수 있다.
시각적 경고 방법은, 운전자 앞에 레이저 투사 장치를 이용하여 메시지 전달, 또는 교통 전광판 또는 (카메라 장치 옆) 경광등을 온/오프하여 알리는 방식이다. 레이저 투사 장치의 경우, 차량의 위치를 추적하여 차량 앞에 레이저 영상을 실시간으로 투사할 수 있다. 도 6을 참고하면, 음주운전 차량이 지나가는 도로 전방에 레이저 투사 장치를 이용하여 경고 메시지가 전달될 수 있다. 예를 들면, 3축 회전 관절이 포함된 레이저 투사 장치를 이용하여 음주운전 차량에 경고 메시지가 전달될 수 있다. 레이저 투사 장치는 레이저 투사 장치가 설치된 위치를 기준으로 기 설정된 범위 내에서 경고 메시지를 도로에 투사할 수 있다. 레이저 투사 장치는 음주운전 차량에 투사 가능한 범위에 접근할 경우, 경고 메시지를 투사 영상 형태로 전달할 수 있다. 이때, 음주운전 차량의 속도 정보에 기초하여 경고 메시지가 투사되어 도로에 표시될 수 있다. 다른 예로서, 음주운전 차량이 지나가는 도로 상의 교통 전광판에 음주운전 경고 메시지가 표시될 수 있다. 또 다른 예로서, 음주운전 차량이 지나가는 도로에 경광등이 점등될 수 있다. 예를 들면, 경광등은 깜박거리는 형태 또는 색상을 다르게 점등시키는 형태 등 다양하게 점등될 수 있다.
청각적 경고 방법은 운전자 인근의 음향장치(예를 들면, 시각장애인용 스피커 또는 카메라 옆 전용 알람장치 등)를 이용하여 경고음을 발생시키는 방식이다. 음주운전 차량이 지나가는 도로에 음향장치를 통해 경고 메시지가 발생될 수 있다. 예를 들면, 음주운전 차량의 음주정도에 따라 경고 메시지의 크기가 다르게 발생될 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (12)

  1. 엣지 단말에 의해 수행되는 음주운전 차량 인식 방법에 있어서,
    적어도 하나 이상의 카메라를 이용하여 촬영된 영상 데이터를 수집하는 단계;
    상기 수집된 영상 데이터로부터 감지된 차량에 대한 객체 정보 및 상기 차량에 대한 객체 상태 정보에 기초하여 음주운전 차량을 판별하는 단계; 및
    상기 판별된 음주운전 차량 또는 음주운전 차량의 주변 차량에게 경고 정보가 제공되도록 제어하는 단계
    를 포함하고,
    상기 음주운전 차량을 판별하는 단계는,
    상기 차량에 대한 객체 정보 및 상기 차량에 대한 객체 상태 정보를 조합하여 상기 차량에 대한 음주운전 의심 점수를 연산하는 단계;
    상기 연산된 음주운전 의심 점수를 상기 엣지 단말과 통신하는 다른 엣지 단말로 전송하는 단계;
    상기 다른 엣지 단말에 의해 연산된 상기 차량에 대한 음주운전 의심 점수를 상기 다른 엣지 단말로부터 수신하는 단계;
    상기 엣지 단말에 의해 연산된 음주운전 의심 점수와 상기 다른 엣지 단말로부터 수신한 음주운전 의심 점수를 누적하는 단계; 및
    상기 누적된 음주운전 의심 점수에 기초하여 상기 차량이 음주운전 차량인지 여부를 판별하는 단계
    를 포함하는, 음주운전 차량 인식 방법.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 수집하는 단계는,
    상기 수집된 영상 데이터로부터 객체 인식 및 추적을 위한 딥러닝 모델을 통해 차량을 포함하는 객체 정보를 감지하고, 상기 감지된 객체 정보에 상기 인식된 객체 정보의 위치 변화를 추적하는 단계
    를 포함하는 음주운전 차량 인식 방법.
  5. 제4항에 있어서,
    상기 수집하는 단계는,
    차량 정보, 신호등 정보, 도로 정보를 포함하는 객체 정보를 감지하고, 상기 감지된 객체 정보 중 차량 정보에 ID를 부여하고, 상기 감지된 객체 정보로부터 단일 객체 상태 정보 및 다중 객체 상태 정보를 포함하는 객체 상태 정보를 획득하는 단계
    를 포함하고,
    상기 단일 객체 상태 정보는, 차량의 이동 속도, 차량의 이동 방향, 차량의 이동 속도의 변화량, 단위 시간 내의 차량의 급가속 또는 급감속 빈도, 단위 시간 내의 차량의 차선 변경 횟수, 단위 시간 내의 차량의 차선 미준수 횟수, 단위 시간 내의 방향지시등 미점등 차선 변경 횟수, 신호등의 신호 정보를 포함하고,
    상기 다중 객체 상태 정보는, 차량이 녹색 신호에서 멈춰있는 상태의 지속시간, 차량이 빨간 신호에 이동하는 차량의 속도, 차량이 차선 변경 시 이동하는 차량의 속도를 포함하는
    것을 특징으로 하는 음주운전 차량 인식 방법.
  6. 제1항에 있어서,
    상기 차량이 음주운전 차량인지 여부를 판별하는 단계는,
    상기 누적된 음주운전 의심 점수가 기 설정된 임계치를 초과하는지 여부를 판단하는 단계
    를 포함하는 음주운전 차량 인식 방법.
  7. 제1항에 있어서,
    상기 음주운전 차량을 판별하는 단계는,
    제1 카메라를 이용하여 수집된 영상 데이터를 음주운전 판별을 위한 딥러닝 모델을 통해 상기 차량의 음주운전 유사도를 연산하고, 상기 음주운전 유사도가 임계치 이상인 상기 차량에 대해 제2카메라를 이용하여 재판별하고, 상기 재판별된 차량에 대해 음주운전 유사도 임계치를 조정하는 단계
    를 포함하는 음주운전 차량 인식 방법.
  8. 제1항에 있어서,
    상기 음주운전 차량을 판별하는 단계는,
    상기 수집된 영상 데이터를 음주운전 판별을 위한 딥러닝 모델을 통해 상기 차량에 대한 교통법규 위반 여부 및 비정상적 운전 패턴을 추론하고, 상기 추론된 교통법규 위반 여부에 따른 교통법규 위반의 강도를 분류하고, 상기 추론된 비정상적 운전 패턴에 따른 비정상적 운전 패턴 강도를 분류하는 단계
    를 포함하는 음주운전 차량 인식 방법.
  9. 제8항에 있어서,
    상기 음주운전 의심 점수를 연산하는 단계는,
    상기 분류된 교통법규 위반 강도 및 비정상적 운전 패턴의 강도를 더 이용하여 상기 차량에 대한 음주운전 의심 점수를 연산하는 단계
    를 포함하는 음주운전 차량 인식 방법.
  10. 제1항에 있어서,
    상기 경고 정보를 제공하는 단계는,
    물리적 경고 방법, 시각적 경고 방법 또는 청각적 경고 방법 중 하나 이상의 경고 방법을 통해 차량의 운전자 또는 보행자에게 전달하기 위한 경고 정보를 생성하는 단계
    를 포함하는 음주운전 차량 인식 방법.
  11. 제10항에 있어서,
    상기 경고 정보를 제공하는 단계는,
    1)상기 판별된 음주운전 차량이 지나가는 도로 위치에 제어기를 통해 음각 또는 양각의 요철 장치(rumble strip)를 활성화하여 상기 판별된 음주운전 차량에 대해 경고성 진동을 발생시키는 방법, 2)상기 판별된 음주운전 차량이 지나가는 도로 전방에 레이저 투사 장치를 이용하여 경고 메시지를 전달하는 방법, 3)상기 판별된 음주운전 차량이 지나가는 도로 상의 교통 전광판에 음주운전 경고 메시지를 표시하는 방법, 4)상기 판별된 음주운전 차량이 지나가는 도로에 경광등을 점등하는 방법, 5)상기 판별된 음주운전 차량이 지나가는 도로에 음향장치를 통해 경고 메시지를 발생시키는 방법 중 어느 하나의 경고 방법을 선택하는 단계
    를 포함하는 음주운전 차량 인식 방법.
  12. 엣지 단말에 있어서,
    적어도 하나 이상의 카메라를 이용하여 촬영된 영상 데이터를 수집하는 영상 수집부;
    상기 수집된 영상 데이터로부터 감지된 객체 정보에 기초하여 차량의 비정상적 운전패턴의 분석을 통해 음주운전 차량을 판별하는 음주운전 판별부; 및
    상기 판별된 음주운전 차량 또는 음주운전 차량의 주변 차량에게 경고 정보가 제공되도록 제어하는 경고 제어부
    를 포함하고,
    상기 판별부는,
    상기 차량에 대한 객체 정보 및 상기 차량에 대한 객체 상태 정보를 조합하여 상기 차량에 대한 음주운전 의심 점수를 연산하고,
    상기 연산된 음주운전 의심 점수를 상기 엣지 단말과 통신하는 다른 엣지 단말로 전송하고,
    상기 다른 엣지 단말에 의해 연산된 상기 차량에 대한 음주운전 의심 점수를 상기 다른 엣지 단말로부터 수신하고,
    상기 엣지 단말에 의해 연산된 음주운전 의심 점수와 상기 다른 엣지 단말로부터 수신한 음주운전 의심 점수를 누적하고,
    상기 누적된 음주운전 의심 점수에 기초하여 상기 차량이 음주운전 차량인지 여부를 판별하는 것
    을 특징으로 하는 엣지 단말.
KR1020210028646A 2021-01-12 2021-03-04 Cctv카메라를 이용한 음주운전 차량 인식 방법 및 대응 시스템 KR102530654B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210003677 2021-01-12
KR1020210003677 2021-01-12

Publications (2)

Publication Number Publication Date
KR20220102088A KR20220102088A (ko) 2022-07-19
KR102530654B1 true KR102530654B1 (ko) 2023-05-10

Family

ID=82607360

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210028646A KR102530654B1 (ko) 2021-01-12 2021-03-04 Cctv카메라를 이용한 음주운전 차량 인식 방법 및 대응 시스템

Country Status (1)

Country Link
KR (1) KR102530654B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014164524A (ja) 2013-02-25 2014-09-08 East Nippon Expressway Co Ltd 車両事故予測（危険走行車両検出）装置
KR102130966B1 (ko) * 2018-12-11 2020-07-08 라온피플 주식회사 교통상황 정보 제공 장치 및 방법
JP2020160481A (ja) * 2019-03-25 2020-10-01 株式会社野村総合研究所 異常判定装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101061059B1 (ko) * 2009-06-26 2011-09-01 한양대학교 산학협력단 지능형 교통정보시스템 및 이에 있어서 경고 정보 제공 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014164524A (ja) 2013-02-25 2014-09-08 East Nippon Expressway Co Ltd 車両事故予測（危険走行車両検出）装置
KR102130966B1 (ko) * 2018-12-11 2020-07-08 라온피플 주식회사 교통상황 정보 제공 장치 및 방법
JP2020160481A (ja) * 2019-03-25 2020-10-01 株式会社野村総合研究所 異常判定装置

Also Published As

Publication number Publication date
KR20220102088A (ko) 2022-07-19

Similar Documents

Publication Publication Date Title
JP4309843B2 (ja) 車両の衝突を阻止する方法および装置
WO2020024844A1 (zh) 智能驾驶控制方法和装置、车辆、电子设备、介质、产品
US9524643B2 (en) Orientation sensitive traffic collision warning system
JP4935795B2 (ja) 歩行者飛び出し予測装置及びプログラム
US20170329332A1 (en) Control system to adjust operation of an autonomous vehicle based on a probability of interference by a dynamic object
CN108263278A (zh) 基于传感器整合的行人检测和行人防碰撞装置及方法
JP4051623B2 (ja) 車両危険度に応じた警報信号を出力する警報装置
KR102101956B1 (ko) 보행자 검지를 이용한 어린이보호구역 단속시스템
KR102310435B1 (ko) 차량의 접근을 감지하여 보행자에게 경고하는 시스템 및 방법
CN112606831A (zh) 一种用于客车的防碰撞警示信息对外交互方法及***
KR102413535B1 (ko) 횡단보도용 스마트 신호등 안내 시스템
KR102549508B1 (ko) 골목길 교차로 신호 시스템, 방법 및 컴퓨터 프로그램
WO2023179494A1 (zh) 危险预警的方法、装置和车辆
KR102107791B1 (ko) 어린이 보호구역의 안전속도준수 제어시스템
KR102098883B1 (ko) 보행자 검지를 이용한 어린이보호구역 단속방법
JP2007164439A (ja) 情報提示装置及び情報提示方法
JP6247869B2 (ja) 運転評価装置
JP6631569B2 (ja) 運転状態判定装置、運転状態判定方法及び運転状態判定のためのプログラム
KR102530654B1 (ko) Cctv카메라를 이용한 음주운전 차량 인식 방법 및 대응 시스템
JP2007183846A (ja) 車両用標識認識装置および車両制御装置
JP5747593B2 (ja) 規範車速算出装置及びプログラム
KR102485997B1 (ko) 위반 정보를 제공하기 위한 교통 제어 시스템 및 그에 관한 방법
KR20230126927A (ko) 교통사고 예방 시스템 및 서비스 방법
CN117242460A (zh) 不安全驾驶场景的计算机化检测
White et al. Inexpensive, infrastructure-based, intersection collision-avoidance system to prevent left-turn crashes with opposite-direction traffic

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right