KR102600962B1 - 교통 신호 위반 검출 장치 및 그 동작 방법 - Google Patents

교통 신호 위반 검출 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR102600962B1
KR102600962B1 KR1020230046660A KR20230046660A KR102600962B1 KR 102600962 B1 KR102600962 B1 KR 102600962B1 KR 1020230046660 A KR1020230046660 A KR 1020230046660A KR 20230046660 A KR20230046660 A KR 20230046660A KR 102600962 B1 KR102600962 B1 KR 102600962B1
Authority
KR
South Korea
Prior art keywords
traffic light
traffic
light
light source
source information
Prior art date
Application number
KR1020230046660A
Other languages
English (en)
Inventor
오동준
김상협
Original Assignee
(주)토페스
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 (주)토페스 filed Critical (주)토페스
Priority to KR1020230046660A priority Critical patent/KR102600962B1/ko
Application granted granted Critical
Publication of KR102600962B1 publication Critical patent/KR102600962B1/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • 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
    • G08G1/095—Traffic lights
    • 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

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

Abstract

교통 신호 위반을 검출하는 전자 장치가 개시된다. 이 전자 장치는 저장부, 및 보조 카메라로부터 획득한 신호등 영상으로부터 신호등 상태 정보를 추출하고, 상기 신호등 상태 정보 및 메인 카메라로부터 획득한 차량 후면 영상에 기초하여 차량의 교통 신호 위반 여부를 판단하는 프로세서를 포함할 수 있다.

Description

교통 신호 위반 검출 장치 및 그 동작 방법 {Traffic signal violation detection device and operation method thereof}
본 발명은 교통 신호 위반을 검출하는 전자 장치 및 그 동작 방법에 관한 것이다. 보다 구체적으로 신호등 영상으로부터 추출한 신호등 상태 정보에 기초하여 차량의 교통 신호 위반 여부를 판단하는 전자 장치 및 그 동작 방법에 관한 것이다.
기존의 교통 신호 위반을 검출하는 전자 장치에서 신호등 상태 정보를 획득하기 위해 신호등 전선에 연결된 전류 센서를 이용하여 신호등 전선에 흐르는 전류를 감지하였다. 일 예로, 대한민국 공개특허공보 제 10-2011-0085432호(공개일자 2011.07.27)는 각 전류 센서를 통해 입력된 신호를 통해 신호등의 현시 정보를 파악하고, 파악된 신호등의 현시 정보를 무선신호로 변환하여 전송하는 현시 정보 무선전송기, 및 현시 정보 무선전송기로부터 무선 전송된 신호등의 현시 정보를 수신하여 교차로를 통과하는 차량의 신호 위반 여부를 판단하여 위반 차량을 단속 제어하는 신호 위반 단속기를 개시한다. 그러나 빗물 또는 습기 등으로 인해 전류 센서의 오작동으로 인하여 신호등 상태 정보에 오류가 있을 수 있다.
한편, 최근 이륜차의 신호 위반을 단속하기 위해 신호등으로부터 차량의 운행방향에 반대 방향으로 이격되어 설치되어 차량 후면 영상에 기초하여 차량의 교통 신호 위반 여부를 판단하는 장치에 대한 요구가 증가하고 있다. 교통 신호 위반 검출 장치가 신호등으로부터 이격되어 설치되는 경우 전류 센서의 감지 결과를 교통 신호 위반 검출 장치로 전달하기 어려울 수 있다.
본 발명이 해결하고자 하는 과제는 정확한 신호등 상태 정보에 기초하여 교통 신호 위반을 검출하는 장치 및 그 동작 방법을 제공하는 것이다. 본 발명이 해결하고자 하는 과제는 차량 후면 영상에 기초하여 교통 신호 위반을 검출하는 장치 및 그 동작 방법을 제공하는 것이다.
본 발명의 실시예들에 따르면, 교통 신호 위반을 검출하는 전자 장치는 저장부, 및 보조 카메라로부터 획득한 신호등 영상으로부터 신호등 상태 정보를 추출하고, 상기 신호등 상태 정보 및 메인 카메라로부터 획득한 차량 후면 영상에 기초하여 차량의 교통 신호 위반 여부를 판단하는 프로세서를 포함할 수 있다.
본 발명의 실시예들에 따르면, 교통 신호 위반을 검출하는 전자 장치는 저장부, 및 신호등 영상으로부터 신호등 영역 이미지를 추출하고, 상기 신호등 영역 이미지를 전 처리하고, 상기 신호등 영역 이미지에서 빛 번짐을 감소시키고, 상기 신호등 영역 이미지로부터 신호등의 각각의 등의 켜짐 여부를 나타내는 광원 정보를 추출하고, 상기 광원 정보로부터 복수의 신호 상태 및 고장 상태 중 하나를 나타내는 신호등 상태 정보를 추출하고, 상기 신호등 상태 정보에 기초하여 교통 신호 위반을 검출하는 프로세서를 포함할 수 있다.
본 발명의 실시예들에 따르면, 교통 신호 위반을 검출하는 전자 장치의 동작 방법은 보조 카메라로부터 획득한 신호등 영상으로부터 신호등 상태 정보를 추출하는 단계, 및 상기 신호등 상태 정보 및 메인 카메라로부터 획득한 차량 후면 영상에 기초하여 차량의 교통 신호 위반 여부를 판단하는 단계를 포함할 수 있다.
본 발명의 실시예들에 따르면, 교통 신호 위반을 검출하는 전자 장치의 동작 방법은 신호등 영상으로부터 신호등 영역 이미지를 추출하는 단계, 상기 신호등 영역 이미지를 전 처리하는 단계, 상기 신호등 영역 이미지에서 빛 번짐을 감소시키는 단계, 상기 신호등 영역 이미지로부터 신호등의 각각의 등의 켜짐 여부를 나타내는 광원 정보를 추출하는 단계, 상기 광원 정보로부터 복수의 신호 상태 및 고장 상태 중 하나를 나타내는 신호등 상태 정보를 추출하는 단계, 및 상기 신호등 상태 정보에 기초하여 교통 신호 위반을 검출하는 단계를 포함할 수 있다.
본 발명의 실시예들에 따르면, 차량 후면 영상에 기초하여 차량의 교통 신호 위반 여부를 판단할 수 있다.
본 발명의 실시예들에 따르면 신호등 영상으로부터 신호등 상태 정보를 정확하게 추출할 수 있다.
본 발명의 실시예들에 따르면 신호등 상태 정보를 획득하기 위한 보조 카메라와 차량 후면 영상을 획득하기 위한 메인 카메라를 사용함으로써 정확하게 신호등 상태 정보 및 차량 번호 정보를 획득할 수 있고, 정확하게 차량의 교통 신호 위반 여부를 판단할 수 있다.
본 발명의 실시예들에 따르면, 복수의 광원 정보 추출 모델 중 미리 설정된 신호등 종류에 대응하는 광원 정보 추출 모델을 이용함으로써 광원 정보 및 신호등 상태 정보를 정확하게 획득할 수 있다.
본 발명의 실시예들에 따르면 복수의 광원 정보-신호등 상태 정보 변환 알고리즘 중 미리 설정된 신호등 종류에 대응하는 광원 정보-신호등 상태 정보 변환 알고리즘을 이용함으로써 신호등 상태 정보를 정확하게 획득할 수 있다.
본 발명의 실시예들에 따르면 빛 번짐을 감소시킴으로써 광원 정보 및 신호등 상태 정보를 정확하게 획득할 수 있다.
본 발명의 실시예들에 따르면 원근 변환을 이용함으로써 광원 정보 및 신호등 상태 정보를 정확하게 획득할 수 있다.
본 발명의 실시예들에 따르면 신호등 영역 이미지를 전 처리함으로써 광원 정보 및 신호등 상태 정보를 정확하게 획득할 수 있다.
본 발명의 실시예들에 따르면, 미리 설정된 신호등 영역을 이용하여 신호등 영상으로부터 신호등 영역 이미지를 추출함으로써 간단하게 신호등 영역 이미지를 추출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 교통 신호 위반을 검출하는 전자 장치를 포함하는 시스템의 개략적인 개념도이다.
도 2는 본 발명의 일 실시예에 따른 교통 신호 위반을 검출하는 전자 장치를 포함하는 시스템의 개략적인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 교통 신호 위반을 검출하는 전자 장치의 개략적인 블록도이다.
도 4는 본 발명의 일 실시예에 따른 교통 신호 위반을 검출하는 전자 장치의 프로세서를 설명하기 위한 개념도이다.
도 5는 본 발명의 일 실시예에 따른 교통 신호 위반을 검출하는 전자 장치의 동작 방법의 흐름도이다.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대한 동작 원리를 상세히 설명한다. 또한, 발명에 대한 실시예를 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 하기에서 사용되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로써, 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 사용된 용어들의 정의는 본 명세서 전반에 걸친 내용 및 이에 상응한 기능을 토대로 해석되어야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 교통 신호 위반을 검출하는 전자 장치(100)를 포함하는 교통 신호 위반을 검출하는 시스템(10)의 개략적인 개념도이다.
도 1을 참조하면, 교통 신호 위반을 검출하는 시스템(10)은 신호등(20)으로부터 이격되어 설치될 수 있다. 일부 실시예에서, 교통 신호 위반을 검출하는 시스템(10)은 신호등(20)으로부터 차량의 이동 방향의 반대 방향으로 이격되어 설치될 수 있다. 신호 위반을 검출하는 시스템(10)이 신호등(20)으로부터 차량의 이동 방향의 반대 방향에 설치되는 경우 신호 위반을 검출하는 시스템(10)은 전면 변호판을 가지지 않는 이륜차의 후면 번호판도 인식할 수 있다. 따라서 신호 위반을 검출하는 시스템(10)은 이륜차의 교통 신호 위반 단속에도 사용될 수 있다.
본 발명의 일부 실시예들에 따르면, 교통 신호 위반을 검출하는 시스템(10)은 메인 카메라(200), 보조 카메라(300), 및 교통 신호 위반을 검출하는 전자 장치(100)를 포함할 수 있다.
메인 카메라(200)는 주로 도로 및 차량을 차량의 후면에서 촬영하여 차량 후면 영상을 획득할 수 있다. 보조 카메라(300)는 주로 신호등을 촬영하여 신호등 영상을 획득할 수 있다. 메인 카메라(200)를 이용하여 차량 후면 영상을 획득하여 차량 후면 영상으로부터 번호판 정보를 추출하고 보조 카메라(300)를 이용하여 신호등 영상을 획득하여 신호등 영상으로부터 신호등 상태 정보를 획득하므로 하나의 카메라를 이용하여 도로, 차량, 및 신호등을 촬영하여 하나의 영상을 획득하여 하나의 영상으로부터 차량의 번호판 정보 및 신호등 상태 정보를 획득하는 경우보다 정확하게 번호판 정보 및 신호등 상태 정보를 추출할 수 있다. 그러나, 본 발명의 일부 실시예들에 따르면, 교통 신호 위반을 검출하는 시스템(10)은 메인 카메라(200)를 포함하지 않을 수 있으며, 보조 카메라(300)를 이용하여 도로, 차량, 및 신호등을 촬영한 신호등 영상을 획득하여 신호등 영상으로부터 차량의 번호판 정보 및 신호등 상태 정보를 추출할 수 있다.
본 발명의 일부 실시예들에 따르면, 교통 신호 위반을 검출하는 전자 장치(100)는 보조 카메라(300)로부터 획득한 신호등 영상으로부터 신호등 상태 정보를 추출하여 신호등 상태 정보에 기초하여 교통 신호 위반을 검출할 수 있다. 본 발명의 일부 실시예들에 따르면, 교통 신호 위반을 검출하는 전자 장치(100)는 보조 카메라(300)로부터 획득한 신호등 영상으로부터 신호등 상태 정보를 추출할 수 있다. 또한, 교통 신호 위반을 검출하는 전자 장치(100)는 메인 카메라(200)로부터 차량 후면 영상을 획득할 수 있다. 또한, 교통 신호 위반을 검출하는 전자 장치(100)는 신호등 상태 정보 및 차량 후면 영상에 기초하여 차량의 교통 신호 위반 여부를 판단할 수 있다. 본 발명의 일부 실시예들에 따르면, 교통 신호 위반을 검출하는 전자 장치(100)는 교통 신호 위반 검출 정보를 경찰의 서버로 전송할 수 있다.
도 2는 본 발명의 일 실시예에 따른 교통 신호 위반을 검출하는 전자 장치(100)를 포함하는 교통 신호 위반을 검출하는 시스템(10)의 개략적인 블록도이다. 도 3은 본 발명의 일 실시예에 따른 교통 신호 위반을 검출하는 전자 장치(100)의 개략적인 블록도이다.
도 2 및 도 3을 참조하면, 메인 카메라(200)는 주로 도로 및 차량을 차량의 후면에서 촬영하여 차량 후면 영상을 획득할 수 있다. 메인 카메라(200)는 차량 후면 영상을 교통 신호 위반을 검출하는 전자 장치(100)로 전송할 수 있다. 보조 카메라(300)는 주로 신호등을 촬영하여 신호등 영상을 획득할 수 있다. 보조 카메라(300)는 신호등 영상을 교통 신호 위반을 검출하는 전자 장치(100)로 전송할 수 있다.
대안적으로, 교통 신호 위반을 검출하는 전자 장치(100)는 메인 카메라(200)를 포함하지 않을 수 있으며, 보조 카메라(300)는 도로, 차량, 및 신호등을 촬영하여 신호등 영상을 획득할 수 있다. 보조 카메라(300)는 신호등 영상을 교통 신호 위반을 검출하는 전자 장치(100)로 전송할 수 있다.
교통 신호 위반을 검출하는 전자 장치(100)는 보조 카메라(300)로부터 신호등 영상을 수신할 수 있다. 일부 실시예에서, 교통 신호 위반을 검출하는 전자 장치(100)는 메인 카메라(200)로부터 차량 후면 영상을 더 수신할 수 있다. 교통 신호 위반을 검출하는 전자 장치(100)는 저장부(110), 프로세서(120), 통신부(130), 및 사용자 인터페이스(140)를 포함할 수 있다.
통신부(130)는 메인 카메라(200), 및 보조 카메라(300)와 통신을 수행할 수 있다. 일 실시예에서, 통신부(130)는 경찰의 서버와 통신을 수행할 수 있다. 통신부(130)는 BT(BlueTooth), WI-FI(Wireless Fidelity), ZigBee, IR(Infrared), NFC(Near Field Communication), 유선 통신 등과 같은 다양한 통신 방식을 통해 외부 전자 장치와 통신을 수행할 수 있다. 예를 들어, 통신부(130)는, 도 3에 도시된 바와 같이, 와이파이 칩(131), 블루투스 칩(132), 무선통신 칩(133), 및 유선 통신 인터페이스(134) 중 적어도 하나를 포함할 수 있다.
저장부(110)는 휘발성 기록 매체, 및 비휘발성 기록 매체 중 적어도 하나를 포함할 수 있다. 저장부(110)는 하나 이상의 프로세서(120)와 연결되는 것으로, 프로세서(120)에 의해 실행될 때, 프로세서(120)로 하여금 교통 신호 위반을 검출하는 전자 장치(100)의 동작을 수행하도록 하는 컴퓨터 명령을 저장할 수 있다.
저장부(110)는 다양한 데이터 또는 정보를 저장할 수 있다. 예를 들어, 저장부(110)는 교통 신호 위반을 검출하는 전자 장치(100)를 구동시키기 위한 O/S(Operating System) 소프트웨어 모듈, 다양한 UI 화면을 구성하기 위한 데이터 등을 저장할 수 있다. 일 실시예에서, 저장부(110)는 각종 전 처리 변수, 신호등 영역, 신호등 종류, 복수의 광원 정보 추출 모델, 및 복수의 광원 정보-신호등 상태 정보 변환 알고리즘을 저장할 수 있다.
여기서, 저장부(110)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 저장부(110)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
프로세서(120)는 저장부(110)에 저장된 각종 프로그램을 이용하여 교통 신호 위반을 검출하는 장치(100)의 동작을 전반적으로 제어할 수 있다. 일부 실시예에서, 프로세서(120)는 신호등 영상으로부터 신호등 상태 정보를 추출하고, 신호등 상태 정보에 기초하여 교통 신호 위반을 검출할 수 있다. 일부 실시예에서, 프로세서(120)는 신호등 영상으로부터 신호등 상태 정보를 추출하고, 신호등 상태 정보 및 차량 후면 영상에 기초하여 차량의 교통 신호 위반 여부를 판단할 수 있다. 프로세서(120)에 대한 보다 상세한 설명은 아래에서 도 4를 참조하여 보다 상세히 설명될 수 있다.
프로세서(120)는 RAM(121), ROM(122), 메인 CPU(123), 그래픽 처리부(124), 제1 내지 n 인터페이스(125-1 내지 125-n) 및 버스(126)를 포함할 수 있다.
ROM(122)에는 시스템 부팅을 위한 명령어 세트 등이 저장될 수 있다. 턴온 명령이 입력되어 전원이 공급되면, 메인 CPU(123)는 ROM(122)에 저장된 명령어에 따라 저장부(110)에 저장된 O/S를 RAM(121)에 복사하고, O/S를 실행시켜 시스템을 부팅시킬 수 있다. 부팅이 완료되면, 메인 CPU(123)는 저장된 각종 어플리케이션 프로그램을 RAM(121)에 복사하고, RAM(121)에 복사된 어플리케이션 프로그램을 실행시켜 각종 동작을 수행할 수 있다.
메인 CPU(123)는 저장부(110)에 액세스하여, 저장부(110)에 저장된 O/S를 이용하여 부팅을 수행할 수 있다. 그리고, 메인 CPU(123)는 저장부(110)에 저장된 각종 프로그램, 컨텐트, 데이터 등을 이용하여 다양한 동작을 수행할 수 있다.
그래픽 처리부(124)는 연산부 및 렌더링부를 이용하여 아이콘, 이미지, 텍스트 등과 같은 다양한 객체를 포함하는 화면을 생성할 수 있다.
제1 내지 n 인터페이스(125-1 내지 125-n)는 상술한 각종 구성요소들과 연결될 수 있다. 인터페이스들 중 하나는 네트워크를 통해 외부 장치와 연결되는 네트워크 인터페이스가 될 수 있다.
버스(126)는 RAM(121), ROM(122), 메인 CPU(123), 그래픽 처리부(124), 및 제1 내지 n 인터페이스(125-1 ~ 125-n)를 서로 연결할 수 있다.
사용자 인터페이스(140)는 교통 신호 위반을 검출하는 전자 장치(100)와 사용자 간의 인터페이스 경로를 제공할 수 있다. 예를 들어 사용자 인터페이스(140)는 사용자로부터 각종 변수, 신호등 영역, 및 신호등 종류를 입력 받을 수 있다.
도 4는 본 발명의 일 실시예에 따른 교통 신호 위반을 검출하는 전자 장치의 프로세서를 설명하기 위한 개념도이다.
도 4를 참조하면, 프로세서(120, 도 2 및 도 3 참조)는 도 4의 (a)에 도시된 바와 같이 신호등 영상으로부터 신호등 영역 이미지를 추출할 수 있다. 일부 실시예에서, 프로세서(120, 도 2 및 도 3 참조)는 미리 설정된 신호등 영역을 이용해 신호등 영상으로부터 신호등 영역 이미지를 추출할 수 있다. 즉, 프로세서(120, 도 2 및 도 3 참조)는 신호등 영상에서 신호등 이미지를 추출하고, 신호등 이미지에서 미리 설정된 신호등 영역에 해당하는 부분을 신호등 영역 이미지로서 추출할 수 있다. 즉, 프로세서(120, 도 2 및 도 3 참조)는 신호등 이미지에서 신호등의 배경을 제거할 수 있다. 프로세서(120, 도 2 및 도 3 참조)는 미리 설정된 신호등 영역을 이용해 신호등 영역 이미지를 추출함으로써 간단하게 신호등 영역 이미지를 추출할 수 있다.
프로세서(120, 도 2 및 도 3 참조)는 신호등 영역 이미지를 전 처리할 수 있다. 프로세서(120, 도 2 및 도 3 참조)는 신호등 영역 이미지를 전 처리함으로써 정확하게 광원 정보 및 신호등 상태 정보를 추출할 수 있다. 예를 들어 전 처리된 신호등 영역 이미지가 도 4의 (b)에 도시된다.
일부 실시예에서, 프로세서(120, 도 2 및 도 3 참조)는 신호등 영역 이미지를 미리 설정된 크기로 변환할 수 있다.
일부 실시예에서, 프로세서(120, 도 2 및 도 3 참조)는 신호등 영역 이미지에 원근 투영 변환(Perspective Transformation)을 적용할 수 있다. 예를 들어, 프로세서(120, 도 2 및 도 3 참조)는 신호등 영역 이미지에서 신호등이 직사각형이 되도록 원근 투영 변환(Perspective Transformation)을 적용할 수 있다. 프로세서(120, 도 2 및 도 3 참조)는 원근 투영 변환을 이용함으로써 정확하게 광원 정보 및 신호등 상태 정보를 추출할 수 있다.
일부 실시예에서, 프로세서(120, 도 2 및 도 3 참조)는 신호등 영역 이미지에 추가 전 처리를 적용할 수 있다. 프로세서(120, 도 2 및 도 3 참조)는 예를 들어 opencv 라이브러리에 포함된 다양한 전 처리 기법들을 이용할 수 있다. 예를 들어, 프로세서(120, 도 2 및 도 3 참조)는 Histogram Equalization, Adaptive Histogram Equalization, Contrast Limited Adaptive Histogram Equalization, gamma correction, binarization, reverse 등의 영상 처리 기법을 사용할 수 있다. 프로세서(120, 도 2 및 도 3 참조)는 추가 전 처리를 이용함으로써 광원 정보 및 신호등 상태 정보를 정확하게 추출할 수 있다.
일부 실시예에서, 프로세서(120, 도 2 및 도 3 참조)는 신호등 영역 이미지에서 빛 번짐을 감소시킬 수 있다. 야간에 보조 카메라(300)로 신호등을 촬영하면 불빛 번짐으로 인해 켜진 불 옆의 불까지 켜진 것으로 잘못 인식될 수 있다. 따라서 프로세서(120, 도 2 및 도 3 참조)는 신호등 영역 이미지에서 빛 번짐을 감소시킴으로써 광원 정보 및 신호등 상태 정보를 정확하게 추출할 수 있다. 프로세서(120, 도 2 및 도 3 참조)는 빛 번짐을 감소시키기 위해 인공 신경망을 이용할 수 있다. 예를 들어, 프로세서(120, 도 2 및 도 3 참조)는 빛 번짐을 감소시키기 위해 오토 인코더를 이용할 수 있다. 예를 들어 빛 번짐이 감소된 신호등 영역 이미지가 도 4의 (c)에 도시된다.
일부 실시예에서, 프로세서(120, 도 2 및 도 3 참조)는 신호등 영역 이미지로부터 광원 정보를 추출할 수 있다. 광원 정보는 신호등의 각각의 광원의 켜짐 여부를 나타낸다. 예를 들어 광원 정보는 신호등의 광원의 개수만큼의 길이를 가지는 1차원 벡터로 표현될 수 있으며, 벡터의 n번째 성분이 1이면 신호등의 n번째 불이 켜져 있음을 의미하고, 벡터의 n번째 성분이 0이면 신호등의 n번째 불이 꺼져 있음을 의미할 수 있다. 예를 들어 도 4의 (c)에 도시된 바와 같이 신호등이 총 4개의 불을 가지고 있고 이 중 첫번째 불만 켜진 경우, 광원 정보는 [1,0,0,0]으로 표현될 수 있다.
일부 실시예에서, 프로세서(120, 도 2 및 도 3 참조)는 신호등 상태 정보를 추출하기 위해 복수의 광원 정보 추출 모델 중 미리 설정된 신호등 종류에 대응하는 광원 정보 추출 모델을 이용할 수 있다. 신호등의 종류는 예를 들어 2-광원 신호등(적색, 녹색), 3-광원 신호등(적색, 황색, 녹색), 4-광원 신호등(적색, 황색, 녹색, 좌회전) 등을 포함할 수 있다. 신호등의 종류에 따라 다른 광원 정보 추출 모델을 이용함으로써 정확하게 광원 정보 및 신호등 상태 정보를 정확하게 추출할 수 있다. 광원 정보 추출 모델은 예를 들어 인공 신경망을 포함할 수 있다. 예를 들어 광원 정보 추출 모델은 컨벌루션 신경망 및 트랜스포머 중 적어도 하나를 포함할 수 있으나 인공 신경망의 구조는 이에 제한되지 않는다.
일부 실시예에서, 프로세서(120, 도 2 및 도 3 참조)는 광원 정보로부터 신호등 상태 정보를 추출할 수 있다. 신호등 상태 정보는 복수의 신호 상태 및 고장 상태 중 하나를 나타낸다. 일부 실시예에서, 프로세서(120, 도 2 및 도 3 참조)는 신호등 상태 정보를 추출하기 위해 복수의 광원 정보-신호등 상태 정보 변환 알고리즘 중 미리 설정된 신호등 종류에 대응하는 광원 정보-신호등 상태 정보 변환 알고리즘을 이용할 수 있다. 신호등 종류에 대응하는 광원 정보-신호등 상태 정보 변환 알고리즘을 이용함으로써 정확하게 신호등 상태 정보를 추출할 수 있고 신호등이 고장 상태에 있는지 여부를 판단할 수 있다.
예를 들어 적색, 황색, 좌회전, 녹색 불을 가지는 신호등의 광원 정보-신호등 상태 정보 변환 알고리즘이 도 4의 (d)에 도시된다. 예를 들어, 광원 정보가 [1,0,0,0]이면 신호등 상태 정보는 적색 상태이다. 광원 정보-신호등 상태 정보 변환 알고리즘은 대응하는 종류의 신호등의 불빛들이 나타낼 수 있는 모든 신호 상태에 대한 정보를 포함하고 있다. 또한 광원 정보-신호등 상태 정보 변환 알고리즘은 신호등의 광원 정보가 신호등이 나타낼 수 있는 모든 신호 상태의 광원 정보 중 어느 하나와도 일치하지 않는 경우 신호등이 고장 상태에 있는 것으로 판단할 수 있다.
프로세서(120, 도 2 및 도 3 참조)는 신호등 상태 정보에 기초하여 신호 위반을 검출할 수 있다. 일부 실시예에서, 프로세서(120, 도 2 및 도 3 참조)는 메인 카메라(200)로부터 획득한 차량 후면 영상 및 신호등 상태 정보에 기초하여 신호 위반을 검출할 수 있다.
도 5는 본 발명의 일 실시예에 따른 교통 신호 위반을 검출하는 전자 장치의 동작 방법의 흐름도이다.
도 5를 참조하면, 초기 설정 단계(S110)가 수행될 수 있다. 초기 설정 단계(S110)에서, 각종 변수의 초기 값이 설정될 수 있다(S111). 예를 들어 각종 변수는 전 처리 단계(S130)에 필요한 각종 변수, 예를 들어 신호등 영역 이미지의 변환된 크기를 포함할 수 있다. 일부 실시예에서, 초기 설정 단계(S110)에서, 신호등 영역이 설정될 수 있다(S112). 일부 실시예에서, 초기 설정 단계(S110)에서, 신호등 종류가 설정될 수 있다(S113). 신호등 종류는 예를 들어 2-광원 신호등(적색, 녹색), 3-광원 신호등(적색, 황색, 녹색), 4-광원 신호등(적색, 황색, 녹색, 좌회전) 등을 포함할 수 있다.
초기 설정 단계(S110)의 끝에서, 설정 오류가 존재하는지 체크할 수 있다(S114). 예를 들어, 각종 변수, 신호등 영역, 및 신호등 종류 중 하나라도 입력되지 않은 경우 설정 오류가 존재하는 것으로 간주될 수 있다. 다른 예를 들어, 각종 변수, 신호등 영역, 및 신호등 종류 중 하나라도 가능한 범위 또는 범주를 벗어난 경우 설정 오류가 존재하는 것으로 간주될 수 있다. 설정 오류가 존재한다면, 다시 각종 변수의 초기 값 설정 단계(S111), 신호등 영역 설정 단계(S112), 및 신호등 종류 설정 단계(S113) 중 적어도 하나가 수행될 수 있다.
설정 오류가 존재하지 않는다면, 신호등 영상으로부터 신호등 영역 이미지가 추출될 수 있다(S120). 예를 들어, 신호등 영상으로부터 신호등 이미지를 추출하고, 신호등 이미지로부터 신호등 영역 이미지가 추출될 수 있다. 예를 들어, 신호등 영상으로부터 신호등 영역 이미지를 추출하는 단계(S120)는 미리 설정된 신호등 영역을 이용해 상기 신호등 영역 이미지를 추출하는 단계를 포함할 수 있다. 즉, 신호등 영상에서 신호등 이미지가 추출되고, 신호등 이미지에서 미리 설정된 신호등 영역에 해당하는 부분이 신호등 영역 이미지로서 추출될 수 있다. 즉, 신호등 이미지에서 신호등의 배경이 제거될 수 있다. 미리 설정된 신호등 영역을 이용해 신호등 영역 이미지를 추출함으로써 간단하게 신호등 영역 이미지가 추출될 수 있다.
다음으로, 신호등 영역 이미지가 전 처리될 수 있다(S130). 신호등 영역 이미지를 전 처리함으로써 정확하게 광원 정보 및 신호등 상태 정보가 추출될 수 있다.
일부 실시예에서, 신호등 영역 이미지를 전 처리하는 단계(S130)는 신호등 영역 이미지를 미리 설정된 크기로 변환하는 단계(S131)를 포함할 수 있다.
일부 실시예에서, 신호등 영역 이미지를 전 처리하는 단계(S130)는 신호등 영역 이미지에 원근 변환을 적용하는 단계(132)를 포함할 수 있다. 예를 들어, 신호등 영역 이미지가 직시각형이 되도록 신호등 영역 이미지에 원근 변환이 적용될 수 있다. 원근 변환을 적용함으로써 정확하게 광원 정보 및 신호등 상태 정보가 추출될 수 있다.
일부 실시예에서, 신호등 영역 이미지를 전 처리하는 단계(S130)는 신호등 영역 이미지에 추가 전 처리를 적용하는 단계(S133)를 포함할 수 있다. 예를 들어, opencv 라이브러리에 포함된 다양한 전 처리 기법들이 이용될 수 있다. 예를 들어, Histogram Equalization, Adaptive Histogram Equalization, Contrast Limited Adaptive Histogram Equalization, gamma correction, binarization, reverse 등의 영상 전 처리 기법이 사용될 수 있다. 추가 전 처리를 적용함으로써 정확하게 광원 정보 및 신호등 상태 정보가 추출될 수 있다.
일부 실시예에서, 신호등 영역 이미지에서 빛 번짐을 감소시키는 단계(S140)가 수행될 수 있다. 야간에 보조 카메라(300, 도 1 및 도 2 참조)로 신호등을 촬영하면 불빛 번짐으로 인해 켜진 불 옆의 불까지 켜진 것으로 잘못 인식될 수 있다. 따라서 신호등 영역 이미지에서 빛 번짐을 감소시킴으로써 정확하게 광원 정보 및 신호등 상태 정보가 추출될 수 있다. 빛 번짐을 감소시키는 단계(S140)는 인공 신경망을 이용해 빛 번짐을 감소시키는 단계를 포함할 수 있다. 예를 들어, 빛 번짐을 감소시키는 단계(S140)는 오토 인코더를 이용해 빛 번짐을 감소시키는 단계를 포함할 수 있다.
일부 실시예에서, 신호등 영역 이미지로부터 광원 정보가 추출될 수 있다(S150). 신호등 영역 이미지로부터 광원 정보를 추출하는 단계(S150)는 복수의 광원 정보 추출 모델 중 미리 설정된 신호등 종류에 대응하는 광원 정보 추출 모델을 이용하여 신호등 상태 정보를 추출하는 단계를 포함할 수 있다. 예를 들어, 미리 설정된 신호등 종류가 n형 신호등인 경우(S151), 제n 광원 정보 추출 모델을 이용하여 신호등 영역 이미지로부터 광원 정보가 추출될 수 있다(S152-n). 신호등 종류에 따라 다른 광원 정보 추출 모델을 이용함으로써 정확하게 광원 정보 및 신호등 상태 정보가 추출될 수 있다. 일부 실시예에서, 광원 정보 추출 모델은 인공 신경망을 포함할 수 있다. 일부 실시예에서, 광원 정보 추출 모델은 컨벌루션 신경망 및 트랜스포머 중 적어도 하나를 포함할 수 있으나 인공 신경망의 구조는 이에 제한되지 않는다.
일부 실시예에서, 광원 정보로부터 신호등 상태 정보가 추출될 수 있다(S160). 일부 실시예에서, 광원 정보로부터 신호등 상태 정보를 추출하는 단계(S160)는 복수의 광원 정보-신호등 상태 정보 변환 알고리즘 중 미리 설정된 신호등 종류에 대응하는 광원 정보-신호등 상태 정보 변환 알고리즘을 이용하여 상기 신호등 상태 정보를 추출하는 단계를 포함할 수 있다. 예를 들어, 미리 설정된 신호등 종류가 제 n형 신호등인 경우(S161), 제n 광원 정보-신호등 상태 정보 변환 알고리즘을 이용하여 신호등 상태 정보가 추출될 수 있다(S162-n). 신호등 종류에 따라 다른 광원 정보-신호등 상태 정보 변환 알고리즘을 이용함으로써 정확하게 신호등 상태 정보가 추출될 수 있다.
다음으로, 신호등 상태 정보에 기초하여 신호 위반이 검출될 수 있다(S170). 일부 실시예에서, 메인 카메라(200. 도 1 및 도 2 참조)로부터 획득한 차량 후면 영상 및 신호등 상태 정보에 기초하여 신호 위반이 검출될 수 있다. 일부 실시예에서, 교통 신호 위반 검출 정보가 경찰의 서버로 전송될 수 있다.
이상으로, 본 발명의 실시예들이 도시되고 설명되었지만, 당업자는 첨부된 청구항들 및 그에 동등한 것들에 의해 정의되는 바와 같은 본 실시예의 사상 및 범위를 벗어나지 않고 형태 및 세부 사항들에 있어 다양한 변경이 이루어질 수 있음을 이해할 것이다.
10: 교통 신호 위반을 검출하는 시스템
100: 교통 신호 위반을 검출하는 전자 장치
110: 저장부
120: 프로세서
130: 통신부
140: 사용자 인터페이스
200: 메인 카메라
300: 보조 카메라

Claims (30)

  1. 교통 신호 위반을 검출하는 전자 장치에 있어서,
    저장부; 및
    보조 카메라로부터 획득한 신호등 영상으로부터 신호등 상태 정보를 추출하고, 상기 신호등 상태 정보 및 메인 카메라로부터 획득한 차량 후면 영상에 기초하여 차량의 교통 신호 위반 여부를 판단하는 프로세서;를 포함하고,
    상기 프로세서는,
    상기 신호등 상태 정보를 추출하기 위해 상기 신호등 영상으로부터 신호등의 각각의 광원의 켜짐 여부를 나타내는 광원 정보를 추출하고, 상기 광원 정보로부터 복수의 신호 상태 및 고장 상태 중 하나를 나타내는 상기 신호등 상태 정보를 추출하고,
    상기 프로세서는, 상기 광원 정보를 추출하기 위해 복수의 광원 정보 추출 모델 중 미리 설정된 신호등 종류에 대응하는 광원 정보 추출 모델을 이용하고,
    상기 프로세서는, 상기 신호등 상태 정보를 추출하기 위해 복수의 광원 정보-신호등 상태 정보 변환 알고리즘 중 미리 설정된 신호등 종류에 대응하는 광원 정보-신호등 상태 정보 변환 알고리즘을 이용하는, 전자 장치.
  2. 삭제
  3. 삭제
  4. 제1 항에 있어서,
    상기 광원 정보 추출 모델은 인공 신경망을 포함하는, 전자 장치.
  5. 제4 항에 있어서,
    상기 광원 정보 추출 모델은 컨벌루션 신경망 및 트랜스포머 중 적어도 하나를 포함하는, 전자 장치.
  6. 삭제
  7. 제1 항에 있어서,
    상기 프로세서는,
    상기 신호등 상태 정보를 추출하기 위해 상기 신호등 영상으로부터 신호등 영역 이미지를 추출하고, 상기 신호등 영역 이미지에서 빛 번짐을 감소시키는, 전자 장치.
  8. 제7 항에 있어서,
    상기 프로세서는,
    빛 번짐을 감소시키기 위해 인공 신경망을 이용하는, 전자 장치.
  9. 제8 항에 있어서,
    상기 프로세서는,
    빛 번짐을 감소시키기 위해 오토 인코더를 이용하는, 전자 장치.
  10. 제7 항에 있어서,
    상기 프로세서는,
    상기 신호등 영역 이미지를 추출하기 위해 미리 설정된 신호등 영역을 이용하는, 전자 장치.
  11. 제1 항에 있어서,
    상기 프로세서는,
    상기 신호등 상태 정보를 추출하기 위해 상기 신호등 영상으로부터 신호등 영역 이미지를 추출하고, 상기 신호등 영역 이미지에 원근 변환(Perspective Transformation)을 적용하는, 전자 장치.
  12. 제11 항에 있어서,
    상기 프로세서는,
    상기 신호등 상태 정보를 추출하기 위해 상기 신호등 영역 이미지의 크기를 변환하는, 전자 장치.
  13. 교통 신호 위반을 검출하는 전자 장치에 있어서,
    저장부; 및
    신호등 영상으로부터 신호등 영역 이미지를 추출하고, 상기 신호등 영역 이미지를 전 처리하고, 상기 신호등 영역 이미지에서 빛 번짐을 감소시키고, 상기 신호등 영역 이미지로부터 신호등의 각각의 등의 켜짐 여부를 나타내는 광원 정보를 추출하고, 상기 광원 정보로부터 복수의 신호 상태 및 고장 상태 중 하나를 나타내는 신호등 상태 정보를 추출하고, 상기 신호등 상태 정보에 기초하여 교통 신호 위반을 검출하는 프로세서;를 포함하고,
    상기 프로세서는,
    상기 광원 정보를 추출하기 위해 복수의 광원 정보 추출 모델 중 미리 설정된 신호등 종류에 대응하는 광원 정보 추출 모델을 이용하고,
    상기 프로세서는,
    상기 신호등 상태 정보를 추출하기 위해 복수의 광원 정보-신호등 상태 정보 변환 알고리즘 중 미리 설정된 신호등 종류에 대응하는 광원 정보-신호등 상태 정보 변환 알고리즘을 이용하는, 전자 장치.
  14. 제13 항에 있어서,
    상기 프로세서는,
    상기 신호등 영역 이미지를 전 처리하기 위해 상기 신호등 영역 이미지에 원근 변환을 적용하는, 전자 장치.
  15. 삭제
  16. 교통 신호 위반을 검출하는 전자 장치의 동작 방법에 있어서,
    보조 카메라로부터 획득한 신호등 영상으로부터 신호등 상태 정보를 추출하는 단계; 및
    상기 신호등 상태 정보 및 메인 카메라로부터 획득한 차량 후면 영상에 기초하여 차량의 교통 신호 위반 여부를 판단하는 단계;를 포함하고,
    상기 신호등 상태 정보를 추출하는 단계는,
    상기 신호등 영상으로부터 신호등의 각각의 등의 켜짐 여부를 나타내는 광원 정보를 추출하는 단계; 및
    상기 광원 정보로부터 복수의 신호 상태 및 고장 상태 중 하나를 나타내는 상기 신호등 상태 정보를 추출하는 단계;를 포함하하고,
    상기 광원 정보를 추출하는 단계는,
    복수의 광원 정보 추출 모델 중 미리 설정된 신호등 종류에 대응하는 광원 정보 추출 모델을 이용하여 상기 신호등 상태 정보를 추출하는 단계를 포함하고,
    상기 광원 정보로부터 상기 신호등 상태 정보를 추출하는 단계는,
    복수의 광원 정보-신호등 상태 정보 변환 알고리즘 중 미리 설정된 신호등 종류에 대응하는 광원 정보-신호등 상태 정보 변환 알고리즘을 이용하여 상기 신호등 상태 정보를 추출하는 단계를 포함하는, 동작 방법.
  17. 삭제
  18. 삭제
  19. 제16 항에 있어서,
    상기 광원 정보 추출 모델은 인공 신경망을 포함하는, 동작 방법.
  20. 제19 항에 있어서,
    상기 광원 정보 추출 모델은 컨벌루션 신경망, 및 트랜스포머 중 적어도 하나를 포함하는, 동작 방법.
  21. 삭제
  22. 제16 항에 있어서,
    상기 신호등 상태 정보를 추출하는 단계는,
    상기 신호등 영상으로부터 신호등 영역 이미지를 추출하는 단계; 및
    상기 신호등 영역 이미지에서 빛 번짐을 감소시키는 단계;를 포함하는, 동작 방법.
  23. 제22 항에 있어서,
    상기 빛 번짐을 감소시키는 단계는,
    인공 신경망을 이용해 빛 번짐을 감소시키는 단계를 포함하는, 동작 방법.
  24. 제23 항에 있어서,
    상기 빛 번짐을 감소시키는 단계는,
    오토 인코더를 이용해 빛 번짐을 감소시키는 단계를 포함하는, 동작 방법.
  25. 제22 항에 있어서,
    상기 신호등 영역 이미지를 추출하는 단계는,
    미리 설정된 신호등 영역을 이용해 상기 신호등 영역 이미지를 추출하는 단계를 포함하는, 동작 방법.
  26. 제16 항에 있어서,
    상기 신호등 상태 정보를 추출하는 단계는,
    상기 신호등 영상으로부터 신호등 영역 이미지를 추출하는 단계; 및
    상기 신호등 영역 이미지에 원근 변환을 적용하는 단계;를 포함하는, 동작 방법.
  27. 제26 항에 있어서,
    상기 신호등 상태 정보를 추출하는 단계는,
    상기 신호등 영역 이미지의 크기를 변환하는 단계를 더 포함하는, 동작 방법.
  28. 교통 신호 위반을 검출하는 전자 장치의 동작 방법에 있어서,
    신호등 영상으로부터 신호등 영역 이미지를 추출하는 단계;
    상기 신호등 영역 이미지를 전 처리하는 단계;
    상기 신호등 영역 이미지에서 빛 번짐을 감소시키는 단계;
    상기 신호등 영역 이미지로부터 신호등의 각각의 등의 켜짐 여부를 나타내는 광원 정보를 추출하는 단계;
    상기 광원 정보로부터 복수의 신호 상태 및 고장 상태 중 하나를 나타내는 신호등 상태 정보를 추출하는 단계; 및
    상기 신호등 상태 정보에 기초하여 교통 신호 위반을 검출하는 단계를 포함하고,
    상기 광원 정보를 추출하는 단계는,
    복수의 광원 정보 추출 모델 중 미리 설정된 신호등 종류에 대응하는 광원 정보 추출 모델을 이용하여 상기 광원 정보를 추출하는 단계를 포함하고,
    상기 신호등 상태 정보를 추출하는 단계는,
    복수의 광원 정보-신호등 상태 정보 변환 알고리즘 중 미리 설정된 신호등 종류에 대응하는 광원 정보-신호등 상태 정보 변환 알고리즘을 이용하여 상기 신호등 상태 정보를 추출하는 단계를 포함하는, 동작 방법.
  29. 제28 항에 있어서,
    상기 신호등 영역 이미지를 전 처리하는 단계는,
    상기 신호등 영역 이미지에 원근 변환을 적용하는 단계를 포함하는, 동작 방법.
  30. 삭제
KR1020230046660A 2023-04-10 2023-04-10 교통 신호 위반 검출 장치 및 그 동작 방법 KR102600962B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230046660A KR102600962B1 (ko) 2023-04-10 2023-04-10 교통 신호 위반 검출 장치 및 그 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230046660A KR102600962B1 (ko) 2023-04-10 2023-04-10 교통 신호 위반 검출 장치 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR102600962B1 true KR102600962B1 (ko) 2023-11-13

Family

ID=88746658

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230046660A KR102600962B1 (ko) 2023-04-10 2023-04-10 교통 신호 위반 검출 장치 및 그 동작 방법

Country Status (1)

Country Link
KR (1) KR102600962B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220069888A (ko) * 2021-05-20 2022-05-27 아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디. 신호등 고장 모니터링 방법, 장치, 전자기기 및 저장매체
KR102491091B1 (ko) * 2022-08-09 2023-01-20 주식회사 아이티아이비전 채증영상클립 생성 방법과, 이를 이용한 이륜차 및 사륜차 일체형 무인교통단속 시스템
KR20230036028A (ko) * 2021-09-06 2023-03-14 주식회사 라이드플럭스 신호등을 포함하는 영상 데이터 분석을 통한 신호 정보 추출 방법, 장치 및 컴퓨터프로그램

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220069888A (ko) * 2021-05-20 2022-05-27 아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디. 신호등 고장 모니터링 방법, 장치, 전자기기 및 저장매체
KR20230036028A (ko) * 2021-09-06 2023-03-14 주식회사 라이드플럭스 신호등을 포함하는 영상 데이터 분석을 통한 신호 정보 추출 방법, 장치 및 컴퓨터프로그램
KR102491091B1 (ko) * 2022-08-09 2023-01-20 주식회사 아이티아이비전 채증영상클립 생성 방법과, 이를 이용한 이륜차 및 사륜차 일체형 무인교통단속 시스템

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
김종배. 시각적 주의 및 Spot-Lights 영역 검출 기반의 교통신호등 검출방안. 전자공학회논문지, 제51권, 제6호, 2014년 6월, pp. 132-142. 1부.* *
이강호외 2. 색상분할 및 객체 특징정보의 계층적 적용에 의한 신호등 및 속도 표지판 인식. 정보처리학회논문지 B, 제17-B권, 제3호, 2010년6월, pp.207-214. 1부.* *

Similar Documents

Publication Publication Date Title
CN107292386B (zh) 使用深度学习的基于视觉的雨水检测
US10614327B2 (en) Traffic-light detection and classification using computer vision and deep learning
US11609101B2 (en) Image processing apparatus, image processing method, computer program and computer readable recording medium
US9769469B2 (en) Failure detection apparatus and failure detection program
KR102565278B1 (ko) 영상 분할 방법, 영상 분할 장치, 및 영상 분할을 위한 학습 방법
KR102499398B1 (ko) 차선 검출 방법 및 장치
KR101848019B1 (ko) 차량 영역 검출을 통한 차량 번호판 검출 방법 및 장치
CN112257692B (zh) 一种行人目标的检测方法、电子设备及存储介质
KR102259457B1 (ko) 개인정보 비식별화 처리 방법, 검증 방법 및 시스템
JP7185419B2 (ja) 車両のための、対象物を分類するための方法および装置
CN109784487B (zh) 用于事件检测的深度学习网络、该网络的训练装置及方法
EP3974869A1 (en) Perception system error detection and re-verification
CN113165651B (zh) 电子装置及其控制方法
US11393181B2 (en) Image recognition system and updating method thereof
CN110298302B (zh) 一种人体目标检测方法及相关设备
KR102600962B1 (ko) 교통 신호 위반 검출 장치 및 그 동작 방법
CN110909674A (zh) 一种交通标志识别方法、装置、设备和存储介质
KR20190024511A (ko) 도로 상황 공유 방법 및 이를 실행하기 위해 기록매체에 기록된 컴퓨터 프로그램
CN112784642B (zh) 车辆检测方法及装置
KR102221158B1 (ko) 레이더 장치와 영상 처리를 이용하여 차종, 속도, 통행량을 검지하는 장치 및 방법
JP2022502788A (ja) 運転者在席状態検出方法及び装置、機器並びにコンピュータ記憶媒体
CN116107902A (zh) 测试数据的回灌方法和装置、测试数据的回灌***
CN115240125A (zh) 一种场景图像中对象的检测方法及装置
KR101877809B1 (ko) Gpu를 이용한 신호등 인식 장치 및 방법
TWI797526B (zh) 多感測器自動駕駛系統

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant