KR20110123042A - 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법 - Google Patents

지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법 Download PDF

Info

Publication number
KR20110123042A
KR20110123042A KR1020100042463A KR20100042463A KR20110123042A KR 20110123042 A KR20110123042 A KR 20110123042A KR 1020100042463 A KR1020100042463 A KR 1020100042463A KR 20100042463 A KR20100042463 A KR 20100042463A KR 20110123042 A KR20110123042 A KR 20110123042A
Authority
KR
South Korea
Prior art keywords
vehicle
image
traffic information
edge
lane
Prior art date
Application number
KR1020100042463A
Other languages
English (en)
Other versions
KR101104625B1 (ko
Inventor
김응태
이대원
김성훈
Original Assignee
한국산업기술대학교산학협력단
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 한국산업기술대학교산학협력단 filed Critical 한국산업기술대학교산학협력단
Priority to KR1020100042463A priority Critical patent/KR101104625B1/ko
Publication of KR20110123042A publication Critical patent/KR20110123042A/ko
Application granted granted Critical
Publication of KR101104625B1 publication Critical patent/KR101104625B1/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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • 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
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

본 발명에 의한 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치 및 그 방법이 개시된다. 본 발명에 따른 지능형 교통 시스템은 도로의 교통 상황을 촬영하는 영상 입력기; 상기 영상 입력기로부터 입력된 영상을 기반으로 배경 영상을 생성하고 생성된 상기 배경 영상으로부터 차선을 검출하고, 검출된 상기 차선 내부를 관심 영역으로 설정하며 그 설정한 관심 영역 내에서 차량의 특징점을 추출하며 추출된 상기 차량의 특징점으로 차량을 인식하여 교통 정보를 산출하는 영상 검지기; 및 산출된 상기 교통정보를 유/무선 네트워크를 통해 제공받는 교통운영 센터를 포함한다. 이를 통해, 본 발명은 설치가 용이할 뿐만 아니라 교통정보 산출을 위한 처리 속도가 빠르고 정확도가 높을 수 있다.

Description

지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법{Apparatus for yielding traffic information of intelligent transport system and method thereof}
본 발명은 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치 및 그 방법에 관한 것이다.
최근 교통문제 해결을 위한 방안으로 지능형 교통 시스템(intelligent transport system; ITS)에 대한 관심이 증대되고 있다. 지능형 교통 시스템은 도로와 차량 등 기존 교통 체계의 구성 요소에 전자, 정보, 통신, 제어 등의 기술을 교통 체계에 접목시킨 시스템을 일컫는다.
특히, 지능형 교통 시스템은 실시간으로 교통 정보를 수집하여 수집된 교통 정보를 이용하여 교통 신호를 자동으로 제어하고, 실시간 교통 상황 정보를 교통 제어기와 구동 장치에 제공함으로써, 교통 정체를 사전에 막을 수 있다.
기존의 차량 검출 방벙으로 가장 많이 사용하는 유도 루프 검출기는 도로 표면 밑에 설치하므로 설치 및 구조 변경이 어렵고 유지 비용이 높다는 단점이 있다.
기존의 단점을 극복하기 위하여 영상 인식기를 이용하는 방법이 제시되었는데, 이는 교통량, 점유시간, 및 비점유 시간 등을 계측할 수 있을 뿐만 아니라 대기 길이, 차종 구분, 및 지점 속도 등의 교통 정보를 계측할 수 있다.
이러한 교통 정보들은 차량의 검지, 추적, 분류, 인식을 기반으로 수집되는 정보로서 교차로와 고속도로의 감시 및 제어에 폭넓게 사용할 수 있다.
그러나 영상 인식기를 이용하는 방법은 비, 눈 등과 같은 외부환경의 변화에 민감하고, 도로 배경과 차량의 분리가 필요할 뿐만 아니라, 입력된 영상 전체를 신호 처리하여 차선을 검지하기 때문에 처리 속도가 늦고 정확도가 낮다는 등의 문제점이 있다.
본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위한 것으로서, 입력된 영상 내에서 차선 내부를 관심 영역으로 설정하고, 그 관심 영역 내에서 차량의 특징점으로 차량을 인식하여 이를 기반으로 차량의 대수, 크기, 속도, 및 대기 길이 등의 교통정보를 산출하고자 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치 및 그 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 배경 영상 내에서 소정 개수의 블록을 설정하고, 그 불록 내에서 직선 성분을 검출하여 차선을 검출하고자 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치 및 그 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 검출된 차선 내부를 관심 영역으로 설정하고 그 관심 영역 내에서 차량의 특징점을 추출하여 차량을 인식하고자 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치 및 그 방법을 제공하는데 그 목적이 있다.
이를 위하여, 본 발명의 한 관점에 따른 지능형 교통 시스템은 도로의 교통 상황을 촬영하는 영상 입력기; 상기 영상 입력기로부터 입력된 영상을 기반으로 배경 영상을 생성하고 생성된 상기 배경 영상으로부터 차선을 검출하고, 검출된 상기 차선 내부를 관심 영역으로 설정하며 그 설정한 관심 영역 내에서 차량의 특징점을 추출하며 추출된 상기 차량의 특징점으로 차량을 인식하여 교통 정보를 산출하는 영상 검지기; 및 산출된 상기 교통정보를 유/무선 네트워크를 통해 제공받는 교통운영 센터를 포함하는 것을 특징으로 한다.
바람직하게, 상기 영상 검지기는 영상 입력기로부터 입력되는 상기 영상을 에지 추출 마스크를 통해 에지를 추출하여 에지 영상을 생성하고 생성된 에지 영상으로부터 배경 영상을 생성하고, 생성된 상기 배경 영상 내에서 소정 개수의 블록을 설정하며, 설정된 상기 블록마다 허프 변환을 수행하여 직선 성분을 검출하고, 그 직선 성분들로부터 차선을 검출하는 것을 특징으로 한다.
바람직하게, 상기 영상 검지기는 차선 내부를 관심 영역으로 설정하여 생성된 상기 에지 영상을 이용하여 설정된 관심 영역에서 차량의 특징점을 추출하고, 추출된 상기 차량의 특징점을 연결하여 그 내부를 채워 차량 모양을 생성하며, 생성된 상기 차량 모양으로 차량을 인식하는 것을 특징으로 한다.
본 발명의 다른 한 관점에 따른 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치는 영상 입력기로부터 입력되는 상기 영상을 에지 추출 마스크를 통해 에지를 추출하여 에지 영상을 생성하는 에지영상 생성부; 생성된 상기 에지 영상으로부터 배경 영상을 생성하는 배경영상 생성부; 생성된 상기 배경 영상 내에서 소정 개수의 블록을 설정하고, 각 블록마다 허프 변환을 하여 직선 성분을 검출하고, 그 직선 성분들을 처리하여 차선을 검출하는 차선 검출부; 검출된 상기 차선 내부를 관심 영역으로 설정하는 관심영역 설정부; 생성된 상기 에지 영상 내의 관심 영역에서 차량의 특징점을 추출하는 특징점 추출부; 추출된 상기 차량의 특징점을 연결하여 그 내부를 채워 차량 모양을 생성하고, 생성된 상기 차량 모양을 분석하여 상기 차량을 인식하는 차량 인식부; 상기 차선 내부에 있는 차량의 인식을 통해 상기 각종 교통정보를 산출하는 교통정보 산출부를 포함하는 것을 특징으로 한다.
필요에 따라, 상기 에지 추출 마스크는 소벨(sobel) 마스크, 및 프리윗(prewitt) 마스크 중 어느 하나인 것을 특징으로 한다.
바람직하게, 상기 에지영상 생성부는 영상의 각 픽셀에 세로방향 마스크의 가운데를 기준으로 컨벌루션하여 세로방향 에지를 추출하여 세로방향 에지 영상을 생성하고, 영상의 각 픽셀에 가로방향 마스크의 가운데를 기준으로 컨벌루션하여 가로방향 에지를 추출하여 가로방향 에지 영상을 생성하며, 상기 세로방향 에지 영상과 상기 가로방향 에지 영상을 합쳐서 하나의 에지 영상을 생성하는 것을 특징으로 한다.
바람직하게, 상기 배경영상 생성부는 상기 에지 영상을 각 픽셀마다 이진화하여 픽셀마다 그 이진화한 값을 누적하여 그 누적한 값을 이용하여 상기 배경 영상을 생성하되, 수학식
Figure pat00001
을 통해 누적하고, 여기서, i는 입력되는 영상의 프레임(frame) 수이고, P(x,y)는 좌표 (x,y)의 픽셀값이며, 그리고 Pth는 픽셀 값의 임계치인 것을 특징으로 한다.
바람직하게, 상기 특징점 추출부는 생성된 상기 에지 영상 내의 관심 영역에서 차량의 특징점을 추출하되, 수학식 R = (ab-c2) - k× (a+b)2에 의해 구하고, 여기서, a는 가로방향 에지 성분의 값이고, b는 세로방향 에지 성분의 값이며, c는 대각선 방향의 에지 성분의 값인 것을 특징으로 한다.
필요에 따라, 본 발명에 따른 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치는 산출된 상기 각종 교통 정보를 유/무선 네트워크를 통해 교통운영 센터로 전송하는 교통정보 전송부를 더 포함하는 것을 특징으로 한다.
본 발명의 또 다른 한 관점에 따른 지능형 교통 시스템의 교통 정보를 산출하기 위한 방법은 영상 입력기로부터 입력된 영상을 기반으로 배경 영상을 생성하고 생성된 상기 배경 영상으로부터 차선을 검출하는 단계; 검출된 상기 차선 내부를 관심 영역으로 설정하여 그 설정한 관심 영역 내에서 차량의 특징점을 추출하는 단계; 및 추출된 상기 차량의 특징점으로 차량을 인식하여 각종 교통정보를 산출하는 단계를 포함하는 것을 특징으로 한다.
바람직하게, 상기 차선을 검출하는 단계는 상기 영상 입력기로부터 입력되는 상기 영상을 에지 추출 마스크를 통해 에지를 추출하여 에지 영상을 생성하고 생성된 상기 에지 영상으로부터 배경 영상을 생성하고, 생성된 상기 배경 영상 내에서 소정 개수의 블록을 설정하고, 각 블록마다 허프 변환을 하여 직선 성분을 검출하고, 그 직선 성분들을 처리하여 차선을 검출하는 것을 특징으로 한다.
바람직하게, 상기 교통정보를 산출하는 단계는 추출된 상기 차량의 특징점을 연결하여 그 내부를 채워 차량 모양을 생성하고, 생성된 상기 차량 모양을 분석하여 상기 차량을 인식하며, 상기 차선 내부에 있는 차량의 인식을 통해 상기 각종 교통정보를 산출하는 것을 특징으로 한다.
바람직하게, 상기 교통정보를 산출하는 단계는 상기 차량의 인식을 통해 차량의 대수, 크기, 속도, 및 대기 길이 중 적어도 하나를 산출하는 것을 특징으로 한다.
필요에 따라, 상기 교통정보를 산출하는 단계는 상기 차량의 인식을 통해 정지선부터 차량이 있는 관심 영역까지를 차량의 대기길이로 산출하되, 관심 영역에서 세로 방향으로 일정 비율 이상의 길이가 검출되면 차량이 있는 것으로 판단하는 것을 특징으로 한다.
본 발명은 입력된 영상 내에서 차선 내부를 관심 영역으로 설정하고, 그 관심 영역 내에서 차량의 특징점으로 차량을 인식하여 이를 기반으로 차량의 대수, 크기, 속도, 및 대기 길이 등의 교통정보를 산출함으로써, 설치가 용이할 수 있는 효과가 있다.
또한, 본 발명은 입력된 영상 내에서 차선 내부를 관심 영역으로 설정하고, 그 관심 영역 내에서 차량의 특징점으로 차량을 인식하여 이를 기반으로 차량의 대수, 크기, 속도, 및 대기 길이 등의 교통정보를 산출함으로써, 처리 속도가 빠른 효과가 있다.
또한, 본 발명은 입력된 영상 내에서 차선 내부를 관심 영역으로 설정하고, 그 관심 영역 내에서 차량의 특징점으로 차량을 인식하여 이를 기반으로 차량의 대수, 크기, 속도, 및 대기 길이 등의 교통정보를 산출함으로써, 정확도가 높다는 효과가 있다.
도 1은 본 발명의 실시예에 따른 개략적인 지능형 교통 시스템을 나타내는 예시도이고,
도 2는 도 1에 도시된 영상 검지기(120)의 상세한 구성을 나타내는 예시도이고,
도 3a 내지 도 3d는 본 발명의 실시예에 따른 에지 영상을 생성하는 원리를 설명하기 위한 예시도이고,
도 4는 본 발명의 실시예에 따른 배경 영상을 생성하는 원리를 설명하기 위한 예시도이고,
도 5는 본 발명의 실시예에 따른 차선을 검출하는 원리를 설명하기 위한 예시도이고,
도 6은 본 발명의 실시예에 따른 관심 영역을 설정하는 원리를 설명하기 위한 제1 예시도이고,
도 7은 본 발명의 실시에에 따른 차량의 특징점을 추출하는 원리를 설명하기 위한 예시도이고,
도 8은 본 발명의 실시예에 따른 차량을 인식하는 원리를 설명하기 위한 예시도이고,
도 9는 본 발명의 실시예에 따른 대기 길이를 산출하는 원리를 설명하기 위한 예시도이고,
도 10은 본 발명의 실시예에 따른 관심 영역을 설정하는 원리를 설명하기 위한 제2 예시도이다.
도 11은 본 발명의 실시에에 따른 교통정보를 산출하는 방법을 나타내는 예시도이다.
이하에서는, 본 발명의 일실시예에 따른 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치 및 그 방법을 첨부된 도 1 내지 도 11을 참조하여 상세히 설명한다. 즉, 본 발명은 입력된 영상 내에서 차선 내부를 관심 영역으로 설정하고 그 관심 영역 내에서 차량의 특징점으로 차량을 인식하여 이를 기반으로 차량의 대수, 크기, 속도, 및 대기 길이 등의 각종 교통정보를 산출하고자 한다.
즉, 본 발명은 1)배경 영상 내에서 소정 개수의 블록을 설정하고, 그 불록 내에서 직선 성분을 검출하여 차선을 검출하며, 2)검출된 차선 내부를 관심 영역으로 설정하고 그 관심 영역 내에서 차량의 특징점을 추출하여 차량을 인식하고자 한다.
도 1은 본 발명의 실시예에 따른 개략적인 지능형 교통 시스템을 나타내는 예시도이다.
도 1에 도시한 바와 같이, 본 발명에 따른 지능형 교통 시스템은 영상 입력기(110), 영상 검지기(120), 및 교통운영 센터(130) 등을 포함하여 구성될 수 있다. 이러한 지능형 교통 시스템은 DMB 등의 방송을 위한 방송망과 이동 단말기 등의 통신을 위한 이동통신망, 및 유/무선 인터넷망 등을 통해 교통 정보를 전달하게 된다.
영상 입력기(110)는 도로 상의 교통 상황을 촬영하기 위한 카메라로서, 예컨대, CCD(Charge Coupled Device) 카메라 등을 의미할 수 있다.
영상 검지기(120)는 영상 입력기(110)를 통해 입력된 영상을 분석하여 차량의 대수, 크기, 속도, 및 대기 길이 등의 교통정보를 산출하고, 산출된 교통 정보를 기반으로 교통 신호를 직접 제어하거나 교통운영 센터(130)에 전달하게 된다.
먼저, 영상 검지기(120)는 연속적으로 입력되는 소정 개수의 영상마다 에지 추출 마스크를 이용하여 에지 또는 고주파 성분을 추출하여 에지 영상을 생성하고, 생성된 에지 영상으로부터 배경 영상을 생성하게 된다.
영상 검지기(120)는 생성된 배경 영상 내에서 소정 개수의 블록을 설정하며, 각 블록마다 허프 변환(hough transform)을 하여 직선 성분을 검출하고 불필요한 직선 성분을 제거함으로써, 차선을 검출하게 된다. 이처럼 본 발명은 기존과 같이 배경 영상 전체에 대한 허프 변환을 수행하지 않고 소정 개수로 설정된 블록에 대해서만 허프 변환을 수행함으로써 처리 속도를 향상시킬 수 있게 된다.
이후, 영상 검지기(120)는 생성된 에지 영상 내에서 차선 내부를 관심 영역으로 설정하고 그 관심 영역 내에서 차량의 특징점을 추출하며 추출된 특징점을 연결하고 그 내부를 채워 차량 모양을 생성함으로써 차량을 인식하게 된다.
영상 검지기(120)는 이러한 차량 인식 방법을 이용하여 차량의 대수, 크기, 속도, 및 대기 길이 등의 각종 교통정보를 산출하게 된다.
교통운영 센터(130)는 영상 검지기(120)를 통해 산출된 교통정보를 제공받아 이를 기반으로 신호교차로의 운영이나 교통흐름 안내 서비스 등을 제공할 수 있다.
도 2는 도 1에 도시된 영상 검지기(120)의 상세한 구성을 나타내는 예시도이다.
도 2에 도시한 바와 같이, 본 발명에 따른 영상 검지기(120)는 에지영상 생성부(210), 배경영상 생성부(220), 차선 검출부(230), 관심영역 설정부(240), 특징점 추출부(250), 차량 인식부(260), 교통정보 산출부(270), 교통정보 전송부(280), 및 제어부(290) 등을 포함하여 구성될 수 있다.
에지영상 생성부(210)는 영상 입력기를 통해 입력되는 영상을 에지 추출 마스크를 이용하여 에지를 추출하게 되는데, 여기서 에지 추출 마스크로는 소벨(sobel) 마스크나 프리윗(prewitt) 마스크 등을 사용하는 것이 바람직하다.
도 3a 내지 도 3d는 본 발명의 실시예에 따른 에지 영상을 생성하는 원리를 설명하기 위한 예시도이다.
도 3a 내지 도 3d에 도시한 바와 같이, 프리윗 마스크를 이용하여 배경 영상을 생성하는 원리를 설명하기로 한다. 에지영상 생성부(210)는 도 3a처럼 입력된 영상의 각 픽셀에 y방향(세로방향) 마스크의 가운데를 기준으로 컨벌루션하여 y방향 에지를 추출하여 도 3b처럼 y방향 에지 영상을 생성하게 되고, 동일하게 도 3a처럼 입력된 영상의 각 픽셀에 x방향(가로방향) 마스크의 가운데를 기준으로 컨벌루션하여 x방향 에지를 추출하여 도 3c처럼 x방향 에지 영상을 생성하게 된다.
그래서 에지영상 생성부(210)는 이렇게 생성된 y방향 에지 영상과 x방향 에지 영상을 합쳐서 도 3d처럼 정규화된 하나의 에지 영상을 생성하게 된다.
배경영상 생성부(210)는 에지 영상으로부터 배경 영상을 생성하게 되는데, 이를 도 4를 참조하여 설명한다.
도 4는 본 발명의 실시예에 따른 배경 영상을 생성하는 원리를 설명하기 위한 예시도이다.
도 4에 도시한 바와 같이, 배경영상 생성부(210)는 에지 영상을 각 픽셀마다 이진화하는데, 에지가 있는 부분은 ‘1’로 에지가 없는 부분은 ‘0’로 이진화하여 에지 영상의 픽셀마다 그 이진화한 각 픽셀 값을 다음의 [수학식 1]과 같이 누적하게 된다.
[수학식 1]
Figure pat00002
여기서, i는 입력되는 영상의 프레임(frame) 수이고, P(x,y)는 좌표 (x,y)의 픽셀값이며, 그리고 Pth는 픽셀 값의 임계치를 의미할 수 있다.
예컨대, N=15, Pth가 10인 경우에, 영상의 임의의 좌표 (x,y)의 화소 값이 첫 번째 영상에서 1이고 계속해서 열 다섯째 영상까지 1이라는 픽셀 값이 얻어지면, 그 누적 값은 15가 되어 임계치 10보다 크기 때문에 배경 영상의 한 픽셀이 될 수 있다.
배경영상 생성부(210)는 각 픽셀마다 누적된 값을 이용하여 하나의 배경 영상을 생성하게 되는데, 임계값보다 큰 값을 갖는 픽셀 부분은 흰색으로 처리되고 임계값보다 작은 값을 갖는 픽셀 부분은 검은색으로 처리되어 보여지게 된다.
차선 검출부(230)는 생성된 배경 영상으로부터 도로의 차선을 검출하게 되는데, 이를 도 5를 참조하여 설명한다.
도 5는 본 발명의 실시예에 따른 차선을 검출하는 원리를 설명하기 위한 예시도이다.
도 5에 도시한 바와 같이, 차선 검출부(230)는 (a)처럼 생성된 배경 영상 내에서 국부적으로 소정 개수의 블록을 설정 예컨대, 정지선으로부터 일정 간격으로 설정하며, 각 블록마다 허프 변환(hough transform)을 하여 직선 성분을 검출하게 된다.
차선 검출부(230)는 검출된 직선 성분을 분석하게 되는데, 각각의 블록에서 생성된 직선 성분을 영상의 끝까지 연장한 후에, 차선의 방향과 일치도가 낮은 가로 방향의 직선들을 제거하고, 다수의 인접한 직선 성분이나 중복된 직선 성분들을 제거함으로써 (b)처럼 하나의 직선 성분으로 이루어진 차선을 검출하게 된다.
이때, 차선 검출부(230)는 인접한 직선 성분이나 중복된 직선 성분들을 제거하기 위하여 각 성분들마다 픽셀 값을 누적하여 그 누적된 픽셀 값의 평균을 구하고, 그 평균 이하의 픽셀 값을 갖는 직선 성분들을 제거하게 된다.
도 6은 본 발명의 실시예에 따른 관심 영역을 설정하는 원리를 설명하기 위한 제1 예시도이다.
도 6에 도시한 바와 같이, 관심영역 설정부(240)는 차선 내부를 관심 영역으로 설정하게 되는데, 여기서 관심 영역은 차선 안쪽의 영역을 말하며 차량 이외의 물체가 움직이지 않는다고 가정한다. 이러한 관심 영역은 정지선으로부터 일정 간격 예컨대, 실제 거리 10m 간격으로 구분하게 된다.
본 발명은 이렇게 관심 영역을 설정함으로써, 영상 전체를 처리하지 않고 차량이 통행하는 지역만을 처리하여 차량을 인식하기 때문에 처리 속도가 빨라지게 된다.
도 7은 본 발명의 실시에에 따른 차량의 특징점을 추출하는 원리를 설명하기 위한 예시도이다.
도 7에 도시한 바와 같이, 특징점 추출부(250)는 에지영상 생성부에서 생성된 에지 영상을 이용하여 관심 영역에서 차량의 특징점을 추출하게 된다. 여기서, 특징점이라는 것은 모서리 부분을 말하는데 모서리를 인식하기 위한 결과 값 R은 다음의 [수학식 2]와 같다.
[수학식 2]
R = (ab-c2) - k× (a+b)2
여기서, a는 x방향(가로방향) 에지 성분의 값이고, b는 y방향(세로방향) 에지 성분의 값이며, c는 대각선 방향의 에지 성분의 값을 의미한다. 즉, y는 도 3의 (a)에서의 에지 성분에 대한 픽셀 값이고, x는 도 3의 (b)에서의 에지 성분에 대한 픽셀 값이며, 대각선은 도 3의 (c)에서의 에지 성분에 대한 픽셀 값이다.
그래서 R > 0 크면, 특징점 추출부(250)는 그 픽셀을 특징점으로 인식하게 된다.
도 8은 본 발명의 실시예에 따른 차량을 인식하는 원리를 설명하기 위한 예시도이다.
도 8에 도시한 바와 같이, 차량 인식부(260)는 먼저 차선의 각도를 계산하고 계산된 차선의 각도에 따라 특징점을 (a)와 같이 연결하게 된다. 그리고 차량 인식부(260)는 (b)와 같이 연결된 선들의 내부를 채움으로써 차량을 인식하게 된다.
그러면 교통정보 산출부(270)는 차량 인식을 통해 각종 교통 정보를 산출하게 되는데, 특히, 대기 길이를 도 9를 참조하여 설명한다.
도 9는 본 발명의 실시예에 따른 대기 길이를 산출하는 원리를 설명하기 위한 예시도이다.
도 9에 도시한 바와 같이, 교통정보 산출부(270)는 정지선부터 차량이 있는 관심 영역까지를 대기 길이로 측정하게 되는데, 특히, 차선 중간에 차량이 없다고 인식될 경우에는 정지선에 가까운 관심 영역까지 만을 대기 길이로 측정하게 된다.
이는 도 6과 같이 관심 영역을 정지선에서 일정 거리마다 구분되도록 하였기 때문에 차량이 인식된 관심 영역을 판단함으로써, 그 대기 길이를 측정할 수 있다.
또한, 교통정보 산출부(270)는 위와 같이 차량을 인식하는 방법을 통해 대기 길이 이외에도 차량의 대수, 크기, 및 속도 등의 교통정보를 산출하게 된다.
예컨대, 1)차량의 대수를 산출하는 경우에, 교차로에서 신호등이 빨간불에서 파란불로 바뀔 때 정지선 근처의 관심 영역에서 차량이 인식될 때마다 카운트를 하여 차량의 대수를 산출할 수 있다.
2)차량의 크기를 산출하는 경우에, 대형차와 소형차로 구분할 수 있는데, 정지선 근처의 관심 영역에서 차량이 있을 때의 시간이 길면 대형차로 인식하고 차량이 있을 때의 시간이 짧으면 소형차로 인식할 수 있다.
3)차량의 속도는 이전의 특징점으로 차량 모양을 생성했던 결과 영상과 현재 처리 결과 영상 간의 움직임 벡터를 구하여 각각의 움직임 벡터의 크기를 분석하여 차량의 속도를 산출할 수 있다.
이때, 같은 속도의 차량이라도 멀리 있는 차량의 경우에는 벡터의 크기가 작고 가까이 있는 차량의 경우에는 벡터의 크기가 크게 나타나게 되기 때문에 관심 영역에 따라 각 벡터에 가중치를 넣어서 속도를 산출할 수 있다.
4)차량의 대기 길이를 산출하는 경우에, 관심 영역에 대해 y방향(세로)으로 일정 비율 이상의 길이가 검출되면 관심 영역에 차량이 있는 것으로 판단할 수 있다. 예컨대, 일정 비율은 70% 이상인 것이 바람직하다.
또한, 제어부(290)는 영상 검지기 내의 모든 전자 기기를 제어할 수 있다.
도 10은 본 발명의 실시예에 따른 관심 영역을 설정하는 원리를 설명하기 위한 제2 예시도이다.
도 10에 도시한 바와 같이, 관심 영역을 설정하는 경우 차선이 직선이 아닌 곡선이면 사용자가 직접 관심 영역을 설정할 수 있는데, 관심 영역의 모서리 부분에 대한 좌표를 입력하되, 사각형의 모양이 되도록 그 좌표를 설정하는 것이 바람직하다.
도 11은 본 발명의 실시에에 따른 교통정보를 산출하는 방법을 나타내는 예시도이다.
도 11에 도시한 바와 같이, 영상 검지기는 영상 입력기로부터 촬영된 영상을 입력받으면(S110), 입력되는 영상을 에지 추출 마스크를 통해 에지를 추출하여 에지 영상을 생성하고(S120) 생성된 에지 영상으로부터 배경 영상을 생성하게 된다(S130).
영상 검지기는 생성된 배경 영상 내에서 소정 개수의 블록을 설정하고(S140), 각 블록마다 허프 변환(hough transform)을 하여 직선 성분을 검출하고, 그 직선 성분들을 처리 즉, 불필요한 직선 성분을 제거하여 차선을 검출하게 된다(S150).
영상 검지기는 차선 내부를 관심 영역으로 설정하고(S160), 생성된 에지 영상을 이용하여 설정된 관심 영역에서 차량의 특징점을 추출하게 된다(S170).
영상 검지기는 추출된 차량의 특징점을 연결하고 그 내부를 채워 차량 모양을 생성함으로써(S180) 이렇게 생성된 차량 모양을 분석하여 차량을 인식하게 된다.
영상 검지기는 인식한 차량을 통해 차량의 대수, 크기, 속도, 및 대기 길이 등의 교통정보를 산출하고(S190), 산출된 교통정보를 교통운영 센터에 전송하게 된다(S200).
이와 같이, 본 발명은 입력된 영상 내에서 소정 개수의 블록을 설정하고, 그 불록 내에서 차량의 특징점으로 차량을 인식하여 이를 기반으로 차량의 대수, 크기, 속도, 및 대기 길이 등의 교통정보를 산출함으로써, 설치가 용이할 뿐만 아니라 교통정보 산출을 위한 처리 속도가 빠르고 정확도가 높을 수 있다.
본 발명에 의한, 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치 및 그 방법은 본 발명의 기술적 사상의 범위 내에서 다양한 형태로 변형, 응용 가능하며 상기 실시 예에 한정되지 않는다. 또한, 상기 실시 예와 도면은 발명의 내용을 상세히 설명하기 위한 목적일 뿐, 발명의 기술적 사상의 범위를 한정하고자 하는 목적은 아니며, 이상에서 설명한 본 발명은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형, 및 변경이 가능하므로 상기 실시 예 및 첨부된 도면에 한정되는 것은 아님은 물론이며, 후술하는 청구범위뿐만이 아니라 청구범위와 균등 범위를 포함하여 판단되어야 한다.
110: 영상 입력기
120: 영상 감지기
130: 교통운영 센터
210: 에지영상 생성부
220: 배경영상 생성부
230: 차선 검출부
240: 관심영역 설정부
250: 특징점 추출부
260: 차량 인식부
270: 교통정보 산출부
280: 교통정보 전송부
290: 제어부

Claims (14)

  1. 도로의 교통 상황을 촬영하는 영상 입력기;
    상기 영상 입력기로부터 입력된 영상을 기반으로 배경 영상을 생성하고 생성된 상기 배경 영상으로부터 차선을 검출하고, 검출된 상기 차선 내부를 관심 영역으로 설정하며 그 설정한 관심 영역 내에서 차량의 특징점을 추출하며 추출된 상기 차량의 특징점으로 차량을 인식하여 교통 정보를 산출하는 영상 검지기; 및
    산출된 상기 교통정보를 유/무선 네트워크를 통해 제공받는 교통운영 센터
    를 포함하는 지능형 교통 시스템.
  2. 제1 항에 있어서,
    상기 영상 검지기는,
    영상 입력기로부터 입력되는 상기 영상을 에지 추출 마스크를 통해 에지를 추출하여 에지 영상을 생성하고 생성된 에지 영상으로부터 배경 영상을 생성하고,
    생성된 상기 배경 영상 내에서 소정 개수의 블록을 설정하며,
    설정된 상기 블록마다 허프 변환을 수행하여 직선 성분을 검출하고, 그 직선 성분들로부터 차선을 검출하는 것을 특징으로 하는 지능형 교통 시스템.
  3. 제2 항에 있어서,
    상기 영상 검지기는,
    차선 내부를 관심 영역으로 설정하여 생성된 상기 에지 영상을 이용하여 설정된 관심 영역에서 차량의 특징점을 추출하고,
    추출된 상기 차량의 특징점을 연결하여 그 내부를 채워 차량 모양을 생성하며,
    생성된 상기 차량 모양으로 차량을 인식하는 것을 특징으로 하는 지능형 교통 시스템.
  4. 영상 입력기로부터 입력되는 상기 영상을 에지 추출 마스크를 통해 에지를 추출하여 에지 영상을 생성하는 에지영상 생성부;
    생성된 상기 에지 영상으로부터 배경 영상을 생성하는 배경영상 생성부;
    생성된 상기 배경 영상 내에서 소정 개수의 블록을 설정하고, 각 블록마다 허프 변환을 하여 직선 성분을 검출하고, 그 직선 성분들을 처리하여 차선을 검출하는 차선 검출부;
    검출된 상기 차선 내부를 관심 영역으로 설정하는 관심영역 설정부;
    생성된 상기 에지 영상 내의 관심 영역에서 차량의 특징점을 추출하는 특징점 추출부;
    추출된 상기 차량의 특징점을 연결하여 그 내부를 채워 차량 모양을 생성하고, 생성된 상기 차량 모양을 분석하여 상기 차량을 인식하는 차량 인식부;
    상기 차선 내부에 있는 차량의 인식을 통해 상기 각종 교통정보를 산출하는 교통정보 산출부
    를 포함하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치.
  5. 제4 항에 있어서,
    상기 에지 추출 마스크는,
    소벨(sobel) 마스크, 및 프리윗(prewitt) 마스크 중 어느 하나인 것을 특징으로 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치.
  6. 제4 항에 있어서,
    상기 에지영상 생성부는,
    영상의 각 픽셀에 세로방향 마스크의 가운데를 기준으로 컨벌루션하여 세로방향 에지를 추출하여 세로방향 에지 영상을 생성하고,
    영상의 각 픽셀에 가로방향 마스크의 가운데를 기준으로 컨벌루션하여 가로방향 에지를 추출하여 가로방향 에지 영상을 생성하며,
    상기 세로방향 에지 영상과 상기 가로방향 에지 영상을 합쳐서 하나의 에지 영상을 생성하는 것을 특징으로 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치.
  7. 제4 항에 있어서,
    상기 배경영상 생성부는,
    상기 에지 영상을 각 픽셀마다 이진화하여 픽셀마다 그 이진화한 값을 누적하여 그 누적한 값을 이용하여 상기 배경 영상을 생성하되,
    수학식 을 통해 누적하고, 여기서, i는 입력되는 영상의 프레임(frame) 수이고, P(x,y)는 좌표 (x,y)의 픽셀값이며, 그리고 Pth는 픽셀 값의 임계치인 것을 특징으로 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치.
  8. 제4 항에 있어서,
    상기 특징점 추출부는,
    생성된 상기 에지 영상 내의 관심 영역에서 차량의 특징점을 추출하되,
    수학식 R = (ab-c2) - k× (a+b)2에 의해 구하고, 여기서, a는 가로방향 에지 성분의 값이고, b는 세로방향 에지 성분의 값이며, c는 대각선 방향의 에지 성분의 값인 것을 특징으로 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치.
  9. 제4 항에 있어서,
    산출된 상기 각종 교통 정보를 유/무선 네트워크를 통해 교통운영 센터로 전송하는 교통정보 전송부
    를 더 포함하는 것을 특징으로 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치.
  10. 영상 입력기로부터 입력된 영상을 기반으로 배경 영상을 생성하고 생성된 상기 배경 영상으로부터 차선을 검출하는 단계;
    검출된 상기 차선 내부를 관심 영역으로 설정하여 그 설정한 관심 영역 내에서 차량의 특징점을 추출하는 단계; 및
    추출된 상기 차량의 특징점으로 차량을 인식하여 각종 교통정보를 산출하는 단계
    를 포함하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 방법.
  11. 제10 항에 있어서,
    상기 차선을 검출하는 단계는,
    상기 영상 입력기로부터 입력되는 상기 영상을 에지 추출 마스크를 통해 에지를 추출하여 에지 영상을 생성하고 생성된 상기 에지 영상으로부터 배경 영상을 생성하고,
    생성된 상기 배경 영상 내에서 소정 개수의 블록을 설정하고, 각 블록마다 허프 변환을 하여 직선 성분을 검출하고, 그 직선 성분들을 처리하여 차선을 검출하는 것을 특징으로 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 방법.
  12. 제10 항에 있어서,
    상기 교통정보를 산출하는 단계는,
    추출된 상기 차량의 특징점을 연결하여 그 내부를 채워 차량 모양을 생성하고,생성된 상기 차량 모양을 분석하여 상기 차량을 인식하며,상기 차선 내부에 있는 차량의 인식을 통해 상기 각종 교통정보를 산출하는 것을 특징으로 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 방법.
  13. 제12 항에 있어서,
    상기 교통정보를 산출하는 단계는,
    상기 차량의 인식을 통해 차량의 대수, 크기, 속도, 및 대기 길이 중 적어도 하나를 산출하는 것을 특징으로 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 장치.
  14. 제12 항에 있어서,
    상기 교통정보를 산출하는 단계는,
    상기 차량의 인식을 통해 정지선부터 차량이 있는 관심 영역까지를 차량의 대기길이로 산출하되,
    관심 영역에서 세로 방향으로 일정 비율 이상의 길이가 검출되면 차량이 있는 것으로 판단하는 것을 특징으로 하는 지능형 교통 시스템의 교통 정보를 산출하기 위한 방법.
KR1020100042463A 2010-05-06 2010-05-06 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법 KR101104625B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100042463A KR101104625B1 (ko) 2010-05-06 2010-05-06 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100042463A KR101104625B1 (ko) 2010-05-06 2010-05-06 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20110123042A true KR20110123042A (ko) 2011-11-14
KR101104625B1 KR101104625B1 (ko) 2012-01-12

Family

ID=45393331

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100042463A KR101104625B1 (ko) 2010-05-06 2010-05-06 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101104625B1 (ko)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103366568A (zh) * 2013-06-26 2013-10-23 东南大学 交通路段车辆排队视频检测方法及***
KR101352662B1 (ko) * 2012-12-28 2014-01-17 주식회사 만도 차선 인식을 이용한 패싱 차량 검출 장치 및 방법
KR101383467B1 (ko) * 2013-02-14 2014-04-08 한국산업기술대학교산학협력단 비전 기반의 차선 모델 생성을 이용한 적응적 차선 추적 방법
KR101383828B1 (ko) * 2013-01-14 2014-04-21 충북대학교 산학협력단 영상의 외곽선 정보를 이용한 이동체의 위치 추정 장치 및 방법
CN105374209A (zh) * 2015-11-05 2016-03-02 北京航空航天大学 一种城市区域路网运行状态特征信息提取方法
KR20160044757A (ko) * 2014-10-16 2016-04-26 에스케이텔레콤 주식회사 교통상황 분석 방법 및 장치
KR20180047116A (ko) * 2016-10-31 2018-05-10 연세대학교 산학협력단 Cctv 영상 분석을 통한 통행정보 추정 장치 및 방법
KR20180067949A (ko) * 2016-12-13 2018-06-21 홍익대학교 산학협력단 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법
KR20190076271A (ko) * 2017-12-22 2019-07-02 한동대학교 산학협력단 Cctv 영상을 이용한 도로 혼잡도 분석 방법 및 시스템
KR20210059493A (ko) * 2019-11-15 2021-05-25 한국건설기술연구원 차로별 대기행렬 정보 생성 시스템 및 이를 이용한 차로별 대기행렬 정보를 생성하는 방법
KR102283483B1 (ko) * 2021-02-19 2021-07-29 주식회사 싸인텔레콤 교통량 산출을 위한 영상분석시스템
KR102499023B1 (ko) * 2022-01-27 2023-02-14 포티투닷 주식회사 차로 별 트래픽 흐름을 결정하는 장치 및 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230004146A (ko) 2021-06-30 2023-01-06 주식회사 케이티 영상 데이터로부터 검출 영역을 설정하는 영역 설정 장치, 방법 및 컴퓨터 프로그램

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0981758A (ja) * 1995-09-19 1997-03-28 Toshiba Corp 車両検出装置
KR100552389B1 (ko) * 2004-02-21 2006-02-20 유일정보시스템(주) 영상기반의 차종별 교통량 분석 시스템

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101352662B1 (ko) * 2012-12-28 2014-01-17 주식회사 만도 차선 인식을 이용한 패싱 차량 검출 장치 및 방법
KR101383828B1 (ko) * 2013-01-14 2014-04-21 충북대학교 산학협력단 영상의 외곽선 정보를 이용한 이동체의 위치 추정 장치 및 방법
KR101383467B1 (ko) * 2013-02-14 2014-04-08 한국산업기술대학교산학협력단 비전 기반의 차선 모델 생성을 이용한 적응적 차선 추적 방법
CN103366568A (zh) * 2013-06-26 2013-10-23 东南大学 交通路段车辆排队视频检测方法及***
KR20160044757A (ko) * 2014-10-16 2016-04-26 에스케이텔레콤 주식회사 교통상황 분석 방법 및 장치
CN105374209A (zh) * 2015-11-05 2016-03-02 北京航空航天大学 一种城市区域路网运行状态特征信息提取方法
KR20180047116A (ko) * 2016-10-31 2018-05-10 연세대학교 산학협력단 Cctv 영상 분석을 통한 통행정보 추정 장치 및 방법
KR20180067949A (ko) * 2016-12-13 2018-06-21 홍익대학교 산학협력단 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법
KR20190076271A (ko) * 2017-12-22 2019-07-02 한동대학교 산학협력단 Cctv 영상을 이용한 도로 혼잡도 분석 방법 및 시스템
KR20210059493A (ko) * 2019-11-15 2021-05-25 한국건설기술연구원 차로별 대기행렬 정보 생성 시스템 및 이를 이용한 차로별 대기행렬 정보를 생성하는 방법
KR102283483B1 (ko) * 2021-02-19 2021-07-29 주식회사 싸인텔레콤 교통량 산출을 위한 영상분석시스템
KR102499023B1 (ko) * 2022-01-27 2023-02-14 포티투닷 주식회사 차로 별 트래픽 흐름을 결정하는 장치 및 방법

Also Published As

Publication number Publication date
KR101104625B1 (ko) 2012-01-12

Similar Documents

Publication Publication Date Title
KR101104625B1 (ko) 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법
CN106373430B (zh) 一种基于计算机视觉的交叉路口通行预警方法
CN104008645B (zh) 一种适用于城市道路车道线预测及预警方法
US8184859B2 (en) Road marking recognition apparatus and method
JP4650079B2 (ja) 物体検出装置、および方法
CN103942959B (zh) 一种车道检测方法及装置
CN102316307B (zh) 一种道路交通视频检测方法及装置
KR100459476B1 (ko) 차량의 대기 길이 측정 장치 및 방법
CN104616502B (zh) 基于组合式车路视频网络的车牌识别与定位***
RU2698610C2 (ru) Способ и блок обработки для управления системой наблюдения за дорожным движением
JP2006268097A (ja) 車載物体検出装置、および物体検出方法
CN103500322A (zh) 基于低空航拍图像的车道线自动识别方法
CN108528336A (zh) 一种车辆压线提前预警***
KR102200204B1 (ko) Cctv 영상을 활용한 3차원 영상분석 시스템
KR102093237B1 (ko) 비접촉식 자동 차량 감지기를 이용한 차종 분류시스템
CN103646544B (zh) 基于云台和相机设备的车辆行为分析识别方法
KR20110001427A (ko) 관심영역 추출에 의한 차선 고속검출 방법
CN106327880A (zh) 一种基于监控视频的车速识别方法及其***
KR101264282B1 (ko) 관심영역 설정을 이용한 도로상 차량의 검출방법
CN103164958A (zh) 车辆监控方法及***
CN103021179A (zh) 基于实时监控视频中的安全带检测方法
JPH11175880A (ja) 車輌高さ計測装置およびこの装置を用いた車輌監視システム
KR20160116686A (ko) 레이저 센서와 저해상도 카메라를 이용한 fpga기반 다차선 과속 단속시스템
KR101073053B1 (ko) 자동 교통정보추출 시스템 및 그의 추출방법
KR100532058B1 (ko) 카메라 캘리브레이션을 이용한 교통정보 추출 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20151228

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170405

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee