KR20160022141A - Method and Apparatus for Detecting Vehicle in Foggy Atmosphere - Google Patents

Abstract

The present invention relates to a vehicle detection method and apparatus capable of warning about a vehicle on the back by separating fog and a road area from an image by measuring brightness and chroma component of an interested area, and detecting a vehicle by analyzing a space of a clustered binary area except the fog and the road area. Thereby, the vehicle detection method and apparatus can increase safety and convenience of a driver under bad weather conditions like a foggy situation.

Description

안개 상황에서 차량 검출 방법 및 시스템{Method and Apparatus for Detecting Vehicle in Foggy Atmosphere}TECHNICAL FIELD The present invention relates to a method and system for detecting a vehicle in a fog situation,

본 발명은 차량 검출 방법 및 시스템에 관한 것으로서, 특히, 안개가 있는 차량 주행 환경 등 악천후 환경에서 촬영한 영상에서 안개와 도로 영역을 추출하고, 추출된 안개와 도로 영역 이외의 공간을 분석하여 차량을 검출하는 차량 검출 방법 및 시스템에 관한 것이다.The present invention relates to a vehicle detection method and system, and more particularly, to a system and method for detecting a fog and a road area in an image taken in an adverse weather environment such as a foggy vehicle driving environment, And more particularly, to a vehicle detection method and system for detecting a vehicle.

종래의 카메라에 기반한 차량 검출 시스템은 일반적인 환경(예, 맑은 날)에 대하여 연구되어 왔다. 예를 들어, 카메라 영상의 밝기를 기초로 전방 또는 후방 차량에 대한 수평 에지와 수직 에지를 구하고, 수평/수직 에지의 교차점을 이용하여 해당 차량을 검출할 수 있다. 또한, 전방 또는 후방에서 주행 중인 차량의 양측에 특정 컬러가 있는 경우에, 예를 들어, red, green, blue 등의 색상 성분을 검출하여 색상의 좌우 대칭성을 고려하여 전방에서 해당 차량을 검출하는 방법을 사용하기도 한다. Conventional camera-based vehicle detection systems have been studied for general environments (e.g., sunny days). For example, based on the brightness of a camera image, a horizontal edge and a vertical edge of a forward or a backward vehicle can be obtained, and a corresponding vehicle can be detected using an intersection of horizontal and vertical edges. Further, when there is a specific color on both sides of a vehicle running on the front or rear side, for example, a method of detecting a vehicle in front by considering color components such as red, green, .

그러나 이러한 기존의 차량 검출 방법은 안개 상황 등 악천후 환경에서 차량 검출 성능이 떨어지므로 개선이 필요한 실정이다.However, such conventional vehicle detection methods are required to be improved because of poor vehicle detection performance in an adverse weather environment such as a fog situation.

따라서, 본 발명은 상술한 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은, 관심 영역의 채도 성분과 밝기 유사도를 측정하여 영상에서 안개와 도로영역을 분리해내고, 안개와 도로 영역 이외의 클러스터링된 이진화 영역의 공간을 분석하여 차량을 검출함으로써, 안개 상황 등 악천후 환경에서도 운전자에게 운전의 안전성 및 편의성을 증대시켜 줄 수 있도록 후방 차량 등에 대한 경보가 가능한 차량 검출 방법 및 시스템을 제공하는 데 있다.SUMMARY OF THE INVENTION It is therefore an object of the present invention to provide a method and apparatus for separating a fog and a road region from an image by measuring the saturation component and brightness similarity of the region of interest, There is provided a vehicle detection method and system capable of alerting a rear vehicle so as to increase the safety and convenience of driving to a driver even in an adverse weather environment such as a fog situation by analyzing the space of the clustered binarization area .

먼저, 본 발명의 특징을 요약하면, 상기의 목적을 달성하기 위한 본 발명의일면에 따른 차량 검출 장치에서의 차량 검출 방법은, (a)카메라 영상을 수신하여 소정의 관심 영역을 지정하는 단계; (b)상기 관심 영역의 영상에 대하여 배경(안개, 스모그, 먼지, 연기 등 환경 영역, 하기 상세한 설명 참조) 또는 도로를 포함하는 제거 대상 영역을 추출하는 단계; 및 (c)상기 관심 영역의 영상에서 상기 제거 대상 영역을 제외한 영역을 분석하여 차량 존재 여부를 판단하는 단계를 포함한다.According to another aspect of the present invention, there is provided a method for detecting a vehicle in a vehicle detecting apparatus, the method comprising: (a) receiving a camera image and designating a predetermined region of interest; (b) extracting a removal object area including a background (fog, smog, dust, smoke, and the like), or a road with respect to the image of the ROI; And (c) analyzing an area excluding the removal object area from the image of the ROI to determine whether or not the vehicle exists.

(b) 단계에서, 상대적으로 채도가 낮고 밝기가 소정의 유사도를 갖는 화소들을 포함하는 영역을 상기 제거 대상 영역으로 추출한다.In the step (b), a region including pixels having a relatively low saturation and a predetermined brightness similarity is extracted as the removal object region.

(b) 단계는, 상기 관심 영역의 영상에 대하여 채도 필터링을 수행하는 단계; 및 상기 관심 영역의 영상에 대하여 밝기 유사도 판단을 수행하는 단계를 포함한다.(b) comprises: performing chroma filtering on an image of the region of interest; And performing brightness similarity determination on the image of the ROI.

(b) 단계는, 상기 관심 영역의 영상에 대하여 각 화소 위치의 채도 유사도값을 산출하는 단계; 상기 관심 영역의 영상에 대하여 각 화소 위치의 밝기값과 주위 화소와의 밝기값 비교로 각 화소 위치의 밝기 유사도값을 산출하는 단계; 및 상기 채도 유사도값과 상기 밝기 유사도값을 이용하여 상기 제거 대상 영역을 결정하는 단계를 포함한다.(b) calculating a similarity value of each pixel position with respect to the image of the ROI; Calculating a brightness similarity value of each pixel position by comparing a brightness value of each pixel position and a brightness value of surrounding pixels with respect to the image of the ROI; And determining the removal object area using the chroma similarity value and the brightness similarity value.

상기 채도 유사도값에 의해 소정의 채도 임계값 보다 작은 화소 위치들을 상기 제거 대상 영역의 후보군으로 생성하고, 상기 제거 대상 영역의 후보군 중에서 상기 밝기 유사도값에 의해 소정의 밝기를 갖는 화소들을 포함하는 영역을 상기 제거 대상 영역으로 결정할 수 있다.And generating a candidate region of the removal object region that is smaller than a predetermined chroma threshold value by the chroma similarity value and including a pixel having a predetermined brightness according to the brightness similarity value among the candidate regions of the removal object region, The area to be removed can be determined.

상기 밝기 유사도값을 산출하는 단계에서, 상기 주위 화소의 밝기값으로서 해당 행의 화소에 대하여 상좌(Up_Left) 화소의 밝기값, 상부(Up) 화소의 밝기값, 및 상우(Up_Right) 화소의 밝기값과의 밝기 변화도를 이용하여 상기 밝기 유사도값을 산출할 수 있다.In calculating the brightness similarity value, the brightness value of the upper pixel, the brightness value of the upper pixel, and the brightness value of the Up-Right pixel with respect to the pixel of the corresponding row as the brightness value of the surrounding pixel The brightness similarity value can be calculated using the degree of brightness change.

상기 밝기 유사도값을 산출하는 단계에서, 상기 관심 영역의 영상에서 첫번째 행의 밝기 유사도값으로서 상기 관심 영역의 영상이나 상기 제거 대상 영역의 후보군의 영상에 대한 평균 밝기값을 미리 산출하여 이용할 수 있다.In calculating the brightness similarity value, an average brightness value for the image of the ROI or the image of the candidate region of the ROI may be calculated and used as the brightness similarity value of the first row in the image of the ROI.

(c) 단계는, 상기 관심 영역의 영상에서 상기 제거 대상 영역을 제외한 클러스터 대상 영역에 대하여 클러스터링을 수행하여 하나 이상의 클러스터를 결정하는 단계; 및 상기 클러스터의 이진화 영역 중 해당 클러스터링 영역에 대한 크기, 대칭성, 또는 형태적 비율을 반영하여 해당 클러스터의 차량 여부를 판단하는 단계를 포함한다.(c), clustering the cluster target area excluding the removal target area from the image of the ROI to determine one or more clusters; And determining whether the cluster is a vehicle by reflecting the size, symmetry, or morphological ratio of the clustered region in the binarization region of the cluster.

상기 차량 여부를 판단하는 단계에서, 계산된 상기 해당 클러스터링 영역의 폭이 소정의 차량의 최대 임계폭 이상이면 해당 클러스터를 차량으로 판단할 수 있다.If the width of the corresponding clustering area calculated is greater than or equal to the maximum threshold width of the predetermined vehicle, it is possible to determine the cluster as a vehicle.

상기 차량 여부를 판단하는 단계에서, 계산된 상기 해당 클러스터링 영역의 폭이 소정의 차량의 최소 임계폭과 최대 임계폭 사이이면, 해당 클러스터의 수평길이에 대한 수직길이의 비율(R)을 산출하는 단계; 해당 클러스터의 좌우 대칭도값(U)을 산출하는 단계; 및 R의 소정의 범위에서 U의 값에 따라 해당 클러스터의 차량 여부를 판단하는 단계를 포함한다.Calculating the ratio R of the vertical length to the horizontal length of the cluster if the calculated width of the corresponding clustering area is between the minimum critical width and the maximum critical width of the predetermined vehicle in the step of determining whether the vehicle is in the vehicle ; Calculating a left-right symmetry degree value (U) of the cluster; And judging whether or not the vehicle of the cluster is vehicle according to the value of U in a predetermined range of R.

그리고, 본 발명의 다른 일면에 따른 차량 검출 시스템은, 카메라 영상 중 지정된 관심 영역의 영상에 대하여 배경 또는 도로를 포함하는 제거 대상 영역을 추출하는 안개/도로 영역 추출부; 및 상기 관심 영역의 영상에서 상기 제거 대상 영역을 제외한 영역을 분석하여 차량 존재 여부를 판단하는 클러스터 분석부를 포함한다.According to another aspect of the present invention, there is provided a vehicle detection system comprising: a fog / road region extraction unit for extracting a removal object region including a background or a road for an image of a designated region of interest among camera images; And a cluster analyzing unit for analyzing an area excluding the removal object area from the image of the ROI to determine whether the vehicle exists.

상기 안개/도로 영역 추출부는, 상대적으로 채도가 낮고 밝기가 소정의 유사도를 갖는 화소들을 포함하는 영역을 상기 제거 대상 영역으로 추출할 수 있다.The fog / road region extraction unit may extract, as the removal object region, an area including pixels having relatively low saturation and brightness with a predetermined degree of similarity.

상기 안개/도로 영역 추출부는, 상기 관심 영역의 영상에 대하여 채도 필터링과 밝기 유사도 판단을 수행하여 상기 제거 대상 영역으로 추출할 수 있다.The fog / road region extraction unit may perform saturation filtering and brightness similarity determination on the image of the ROI to extract the image as the ROI.

상기 안개/도로 영역 추출부는, 상기 관심 영역의 영상에 대하여 각 화소 위치의 채도 유사도값을 산출하고, 각 화소 위치의 밝기값과 주위 화소와의 밝기값 비교로 각 화소 위치의 밝기 유사도값을 산출하며, 상기 채도 유사도값과 상기 밝기 유사도값을 이용하여 상기 제거 대상 영역을 결정할 수 있다.The fog / road region extraction unit may calculate a similarity degree value of each pixel position with respect to the image of the ROI, and calculate a brightness similarity value of each pixel position by comparing brightness values of the pixel positions with surrounding pixels And the removal object region may be determined using the chroma similarity value and the brightness similarity value.

상기 안개/도로 영역 추출부는, 상기 채도 유사도값에 의해 소정의 채도 임계값 보다 작은 화소 위치들을 상기 제거 대상 영역의 후보군으로 생성하고, 상기 제거 대상 영역의 후보군 중에서 상기 밝기 유사도값에 의해 소정의 밝기를 갖는 화소들을 포함하는 영역을 상기 제거 대상 영역으로 결정할 수 있다.The fog / road region extraction unit may generate pixel positions having a chroma similarity value smaller than a predetermined chroma threshold value as candidates of the removal subject region, and determine, based on the brightness similarity value, May be determined as the removal object area.

상기 안개/도로 영역 추출부는, 상기 주위 화소의 밝기값으로서 해당 행의 화소에 대하여 상좌(Up_Left) 화소의 밝기값, 상부(Up) 화소의 밝기값, 및 상우(Up_Right) 화소의 밝기값과의 밝기 변화도를 이용하여 상기 밝기 유사도값을 산출할 수 있다.The fog / road region extracting unit extracts, as the brightness value of the surrounding pixels, the brightness value of the Up_Left pixel, the brightness value of the Up pixel, and the brightness value of the Up_Right pixel with respect to the pixel of the corresponding row The brightness similarity value can be calculated using the brightness degree of change.

상기 안개/도로 영역 추출부는, 상기 관심 영역의 영상에서 첫번째 행의 밝기 유사도값으로서 상기 관심 영역의 영상이나 상기 제거 대상 영역의 후보군의 영상에 대한 평균 밝기값을 미리 산출하여 이용할 수 있다.The fog / road region extracting unit may calculate and use an average brightness value for the image of the ROI or the image of the candidate region of the ROI as the brightness similarity value of the first row in the image of the ROI.

상기 클러스터 분석부는, 상기 관심 영역의 영상에서 상기 제거 대상 영역을 제외한 클러스터 대상 영역에 대하여 클러스터링을 수행하여 하나 이상의 클러스터를 결정하고, 상기 클러스터의 이진화 영역 중 해당 클러스터링 영역에 대한 크기, 대칭성, 또는 형태적 비율을 반영하여 해당 클러스터의 차량 여부를 판단할 수 있다.Wherein the cluster analyzing unit determines one or more clusters by performing clustering on a cluster target area excluding the removal target area from the image of the ROI, and determines a size, symmetry, or shape of the corresponding clustering area It is possible to judge whether or not the vehicle of the corresponding cluster is vehicle.

상기 클러스터 분석부는, 계산한 상기 해당 클러스터링 영역의 폭이 소정의 차량의 최대 임계폭 이상이면 해당 클러스터를 차량으로 판단할 수 있다.The cluster analyzing unit may determine the cluster as a vehicle when the calculated width of the corresponding clustering area is greater than or equal to a maximum threshold width of a predetermined vehicle.

상기 클러스터 분석부는, 계산한 상기 해당 클러스터링 영역의 폭이 소정의 차량의 최소 임계폭과 최대 임계폭 사이이면, 해당 클러스터의 수평길이에 대한 수직길이의 비율(R)을 산출하고, 해당 클러스터의 좌우 대칭도값(U)을 산출하며, R의 소정의 범위에서 U의 값에 따라 해당 클러스터의 차량 여부를 판단할 수 있다.The cluster analyzing unit may calculate a ratio R of the vertical length to the horizontal length of the cluster if the calculated width of the corresponding clustering area is between a minimum critical width and a maximum critical width of a predetermined vehicle, The symmetry degree value U is calculated, and it is possible to determine whether or not the vehicle of the corresponding cluster is present according to the value of U in a predetermined range of R.

본 발명의 차량 검출 방법 및 시스템에 따르면, 영상에서 안개와 도로영역을 분리해내고, 안개와 도로 영역 이외의 클러스터링된 이진화 영역의 공간을 분석하여 차량을 검출함으로써, 기존에 단순히 영상의 밝기를 기초로 검출하는 방법을 통하여 안개 상황 등 악천후 환경에서 차량 검출이 어려웠던 점을 개선하고, 안개 상황 등 악천후 환경에서도 운전자에게 운전의 안전성 및 편의성을 증대시켜 줄 수 있다. According to the vehicle detection method and system of the present invention, the fog and the road area are separated from the image and the vehicle is detected by analyzing the space of the clustered binarization area other than the fog and the road area, , It is possible to improve the safety and convenience of driving to the driver in an adverse weather environment such as a fog situation.

도 1은 본 발명의 일 실시예에 따른 차량 검출 시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 차량 검출 시스템의 동작을 설명하기 위한 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 관심 영역의 일례를 나타내는 사진이다.
도 4는 본 발명의 일 실시예에 따른 관심 영역에서의 안개 영역과 도로 영역의 일례를 나타내는 사진이다.
도 5는 본 발명의 일 실시예에 따른 관심 영역에서의 안개와 도로 영역 후보군을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 각 화소에서 밝기 유사도를 설명하기 위한 관심 영역에서의 각 행의 화소 간의 관계를 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 클러스터링을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 클러스터의 좌우 대칭도를 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 관심 영역에 차량이 있는 경우의 차량 검출을 설명하기 위한 도면이다.
도 10은 본 발명의 일 실시예에 따른 관심 영역에 차량이 없는 경우의 차량 없음 판정을 설명하기 위한 도면이다.1 is a block diagram of a vehicle detection system according to an embodiment of the present invention.
2 is a flowchart for explaining the operation of the vehicle detection system according to an embodiment of the present invention.
3 is a photograph showing an example of a region of interest according to an embodiment of the present invention.
4 is a photograph showing an example of a fog area and a road area in a region of interest according to an embodiment of the present invention.
5 is a view for explaining a fog and a road region candidate group in a region of interest according to an embodiment of the present invention.
6 is a diagram for explaining a relationship among pixels of each row in a region of interest for explaining brightness similarity in each pixel according to an embodiment of the present invention.
7 is a diagram for explaining clustering according to an embodiment of the present invention.
8 is a view for explaining a left-right symmetry of a cluster according to an embodiment of the present invention.
9 is a view for explaining vehicle detection in the case where a vehicle exists in a region of interest according to an embodiment of the present invention.
Fig. 10 is a view for explaining a no-vehicle determination when there is no vehicle in the ROI according to an embodiment of the present invention. Fig.

이하에서는 첨부된 도면들을 참조하여 본 발명에 대해서 자세히 설명한다. 이때, 각각의 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타낸다. 또한, 이미 공지된 기능 및/또는 구성에 대한 상세한 설명은 생략한다. 이하에 개시된 내용은, 다양한 실시 예에 따른 동작을 이해하는데 필요한 부분을 중점적으로 설명하며, 그 설명의 요지를 흐릴 수 있는 요소들에 대한 설명은 생략한다. 또한 도면의 일부 구성요소는 과장되거나 생략되거나 또는 개략적으로 도시될 수 있다. 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니며, 따라서 각각의 도면에 그려진 구성요소들의 상대적인 크기나 간격에 의해 여기에 기재되는 내용들이 제한되는 것은 아니다.Hereinafter, the present invention will be described in detail with reference to the accompanying drawings. In the drawings, the same components are denoted by the same reference symbols as possible. In addition, detailed descriptions of known functions and / or configurations are omitted. The following description will focus on the parts necessary for understanding the operation according to various embodiments, and a description of elements that may obscure the gist of the description will be omitted. Also, some of the elements of the drawings may be exaggerated, omitted, or schematically illustrated. The size of each component does not entirely reflect the actual size, and therefore the contents described herein are not limited by the relative sizes or spacings of the components drawn in the respective drawings.

도 1은 본 발명의 일 실시예에 따른 차량 검출 시스템(100)(또는 장치)의 블록도이다. 1 is a block diagram of a vehicle detection system 100 (or apparatus) in accordance with an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 차량 검출 시스템(100)은, 카메라(110), 관심 영역 지정부(120), 안개/도로 영역 추출부(130), 및 클러스터 분석부(140)를 포함한다. 이와 같은 본 발명의 일 실시예에 따른 차량 검출 시스템(100)의 각부 구성요소들은 하드웨어, 소프트웨어, 또는 이들의 결합으로 구현될 수 있으며, 반도체 마이크로프로세서와 같은 하드웨어를 통하여 위와 같은 구성 요소들의 전부 또는 일부의 기능이 실현되도록 구성될 수도 있다. Referring to FIG. 1, a vehicle detection system 100 according to an embodiment of the present invention includes a camera 110, a region of interest designation 120, a fog / road region extraction unit 130, and a cluster analysis unit 140). Each component of the vehicle detection system 100 according to one embodiment of the present invention may be implemented in hardware, software, or a combination thereof, and may be implemented in hardware, such as a semiconductor microprocessor, Some of the functions may be realized.

먼저 본 발명의 일 실시예에 따른 차량 검출 시스템(100)의 각부 구성요소들의 동작을 간략히 설명한다.First, the operation of each component of the vehicle detection system 100 according to an embodiment of the present invention will be briefly described.

카메라(110)는 차량 실내 또는 실외의 적절한 위치 설치되어 차량 운행 중 영상을 촬영할 수 있다. 특히, 차량 운전자의 차량 운행을 보조하기 위하여 카메라(110)는 후방 또는 후측방을 촬영하여 후방의 동일 차선, 후방의 측방(우측 또는 좌측) 차선에 대한 영상을 획득할 수 있도록 설치된 것을 예로 들어 설명한다.The camera 110 may be installed at an appropriate position in the vehicle interior or outside, so as to photograph an image of the vehicle during operation of the vehicle. In particular, in order to assist the vehicle driver in driving the vehicle, the camera 110 is installed to capture images of the rear lane or the rear lane (right or left lane) do.

관심 영역 지정부(120)는 카메라(110)로부터 촬영된 영상에 대한 데이터를 받으면, 도 3과 같이 사이드 미러 영역(사이드 미러에서 볼 수 있는 영역)에서 소정의 영역을 관심 영역(ROI, Region Of Interest)으로 지정한다. 예를 들어, 사용자가 관심 영역 지정부(120)의 소정의 설정 수단을 통하여 카메라(110) 영상의 사이드 미러 영역에서 후방, 또는 후방의 측방(우측 또는 좌측)의 일부 영역을 관심 영역(ROI)으로 지정할 수 있으며, 경우에 따라 사용자가 관심 영역 지정부(120)의 모드를 선택함에 따라 관심 영역 지정부(120)가 해당 사이드 미러 영역에서 후방, 또는 후방의 측방(우측 또는 좌측)의 일부 영역을 관심 영역(ROI)으로 지정할 수도 있다. When the ROI 120 receives the data of the image photographed from the camera 110, the ROI 120 determines a predetermined region in the side mirror region (region visible in the side mirror) as a region of interest (ROI) Interest). For example, a user may set a rear region or a rear region (right or left) of the side mirror region of the image of the camera 110 as a region of interest (ROI) through a predetermined setting means of the ROI specifying unit 120, The user may designate the mode of the ROI 120. In this case, the ROI 120 may include a part of the side mirror area, which is located on the rear side or the rear side (right side or left side) May be designated as a region of interest (ROI).

안개/도로 영역 추출부(130)는 카메라(110) 영상 중 지정된 관심 영역(ROI)의 영상에서 제거 대상 영역, 즉, 안개 영역(또는 위와 같이 뿌옇게 만드는 배경 영역)과 도로 영역을 추출한다. 즉, 클러스터 분석부(140)에서 분석에서 제외될 제거 대상 영역(안개와 도로 영역)이 안개/도로 영역 추출부(130)에 의해 추출된다. 이하 안개 영역은 단순히 안개(Fog) 상황에 대한 영역을 의미하지 않으며, 그 이외에도 스모그(Smog), 비(rain), 눈(snow), 연무(Mist),　먼지　(Dust), 연기(Smoke), 훈연(Fume), 박무(Haze) 등 차량 주행 중에 발생할 수 있는, 차량 주행 주위가 뿌옇게 된 다양한 악천후 환경을 나타내는 배경 영역(또는 환경(분위기) 영역)에 해당한다.The fog / road region extraction unit 130 extracts a removal target region, that is, a fog region (or a background region to be blurred as described above) and a road region from an image of a specified ROI of the camera 110. That is, the removal object region (fog and road region) to be excluded from the analysis in the cluster analysis unit 140 is extracted by the mist / road region extraction unit 130. Hereinafter, the fog area does not merely mean the area for the fog situation, and other than the smog, the rain, the snow, the mist, the dust, the smoke, (Or atmosphere) area that indicates various bad weather conditions that may occur during driving of the vehicle, such as fume, haze, etc., around the vehicle running.

이와 같이 안개/도로 영역 추출부(130)는 이와 같은 안개 영역(배경 영역)과 도로 영역을 포함하는 제거 대상 영역을 추출하며, 하기하는 바와 같이 상대적으로 채도가 낮고 밝기가 소정의 유사도를 갖는 화소들을 포함하는 영역을 제거 대상 영역으로 추출한다. 이를 위하여 도 2의 설명에서와 같이 안개/도로 영역 추출부(130)는 관심 영역(ROI)의 영상에 대하여 채도 필터링과 밝기 유사도 판단을 수행하여 제거 대상 영역으로 추출하게 된다. 안개/도로 영역 추출부(130)는 관심 영역(ROI)의 영상에 대하여 각 화소 위치의 채도 유사도값을 산출하고, 각 화소 위치의 밝기값과 주위 화소와의 밝기값 비교로 각 화소 위치의 밝기 유사도값을 산출하며, 상기 채도 유사도값과 상기 밝기 유사도값을 이용하여 해당 제거 대상 영역을 결정할 수 있다.As described above, the fog / road region extraction unit 130 extracts the removal target region including the fog region (background region) and the road region, and determines whether or not the pixels having relatively low saturation and brightness have a predetermined similarity To the removal object area. For this, as shown in FIG. 2, the fog / road region extraction unit 130 performs saturation filtering and brightness similarity determination on an ROI image to extract the ROI image as a removal target region. The fog / road region extraction unit 130 calculates a similarity degree value of each pixel position with respect to an image of the ROI, compares the brightness value of each pixel position with the brightness value of surrounding pixels, The degree of similarity value may be calculated and the corresponding region to be removed may be determined using the similarity value and the brightness similarity value.

클러스터 분석부(140)는 관심 영역(ROI)의 영상에서 위와 같은 제거 대상 영역을 제외한 영역을 분석하여 차량 존재 여부를 판단한다. 클러스터 분석부(140)는 하기하는 바와 같이관심 영역(ROI)의 영상에서 해당 제거 대상 영역을 제외한 클러스터 대상 영역에 대하여 클러스터링을 수행하여 하나 이상의 클러스터를 결정하고, 각 클러스터의 이진화 영역(밝은 영역과 어두운 영역) 중 해당 클러스터링 영역(예, 어두운 영역)에 대한 크기, 대칭성, 또는 형태적 비율을 반영하여 해당 클러스터의 차량 여부를 판단할 수 있다. The cluster analysis unit 140 analyzes the area excluding the removal object area from the image of the ROI to determine whether or not the vehicle exists. The cluster analyzer 140 determines one or more clusters by performing clustering on the cluster target area excluding the corresponding removal target area from the image of the ROI as described below, It is possible to determine whether or not the corresponding cluster is vehicle by reflecting the size, symmetry, or morphological ratio of the corresponding clustering region (for example, the dark region) among the cluster regions.

도 2는 본 발명의 일 실시예에 따른 차량 검출 시스템(100)의 동작을 설명하기 위한 흐름도이다.2 is a flow chart for explaining the operation of the vehicle detection system 100 according to an embodiment of the present invention.

먼저, 카메라(110)를 이용해 촬영한 영상 데이터를 입력받는다(S210). 카메라(110)는 차량 실내 또는 실외에 설치될 수 있으며, 이하에서는 후방 또는 후측방을 촬영하여 후방의 동일 차선, 후방의 측방(우측 또는 좌측) 차선에 대한 영상을 획득하는 것을 예로 들어 설명한다. 다만 본 발명은 이에 한정되지 않으며 경우에 따라 카메라(110)는 전방 또는 전방의 측방을 촬영하여 전방의 동일 차선, 전방의 측방(우측 또는 좌측) 차선에 대한 영상을 획득함으로써, 이하에서 설명하는 바와 같이 처리를 통하여 전방의 차량을 검출하는 목적으로도 사용할 수 있다. First, image data photographed using the camera 110 is input (S210). The camera 110 may be installed indoors or outdoors in the vehicle. In the following description, the image of the back lane or the back lane of the same lane or the rear lane is captured by taking an image of the rear or rear side. However, the present invention is not limited to this. In some cases, the camera 110 photographs the side of the front side or the front side to acquire an image of the same lane ahead and the side (right or left side) lane ahead, And can also be used for the purpose of detecting a vehicle ahead through the processing.

카메라(110)로부터 후방 또는 후측방을 촬영한 영상 데이터를 받으면, 관심 영역 지정부(120)는 도 3과 같이 사이드 미러 영역(사이드 미러에서 볼 수 있는 영역)에서 소정의 영역을 관심 영역(ROI, Region Of Interest)으로 지정한다(S220). 예를 들어, 사용자가 사이드 미러 영역에서 후방, 또는 후방의 측방(우측 또는 좌측)의 일부 영역을 관심 영역(ROI)으로 지정할 수 있으며, 경우에 따라 사용자가 모드를 선택함에 따라 관심 영역 지정부(120)가 해당 모드에 따라 사이드 미러 영역에서 후방, 또는 후방의 측방(우측 또는 좌측)의 일부 영역을 관심 영역(ROI)으로 지정할 수도 있다. 3, the interest area designation unit 120 sets a predetermined area in the side mirror area (area visible in the side mirror) to the area of interest ROI , Region Of Interest) (S220). For example, a user can designate a rear area or a rear area (right or left) as a region of interest (ROI) in the side mirror area, and in some cases, as the user selects a mode, 120 may designate a rear area in the side mirror area or a rear area (right or left area) as an area of interest (ROI) according to the mode.

안개/도로 영역 추출부(130)는 위와 같이 지정된 관심 영역(ROI)의 영상 (데이터)에서 제거 대상 영역, 즉, 안개 영역(또는 위와 같이 뿌옇게 만드는 배경 영역)과 도로 영역을 추출한다(S230 ~ S231). 안개/도로 영역 추출부(130)는 관심 영역(ROI)의 영상에서 채도 필터링을 통해 도로와 안개 영역 후보군을 생성하고(S230), 밝기 유사도 판단을 통해 안개와 도로 영역을 추출할 수 있다(S231). 도 4의 (a)와 같이, 안개 영역은 관심 영역(ROI)의 영상 중 안개 등에 의해 배경 영상이 뿌옇게 되어 무채색을 띄는 영역으로서 악천후 환경을 나타내는 배경 영역에 해당한다. 도 4의 (b)와 같이, 도로 영역은 관심 영역(ROI)의 영상 중 하단부(소정의 영역)의 영역을 도로면으로 가정하고 해당 하단부 영역과 밝기(brightness)가 유사한 영역에 해당한다. The fog / road area extraction unit 130 extracts a removal target area, i.e., a fog area (or a background area to be blurred as described above) and a road area from the image (data) of the ROI specified above (S230- S231). The fog / road region extraction unit 130 generates a road and a fog region candidate group through the chroma filtering in the image of the ROI (S230), and extracts the fog and the road region through the brightness similarity determination (S231 ). As shown in (a) of FIG. 4, the fog area corresponds to a background area representing an adverse weather environment as a background image is blurred due to fog or the like in the image of the ROI, which is achromatic. As shown in FIG. 4B, the road region corresponds to a region having a brightness similar to that of the lower region, assuming that the region of the lower end (predetermined region) of the image of the ROI is a road surface.

먼저, 안개/도로 영역 추출부(130)는 관심 영역(ROI)의 영상에서 채도(saturation) 필터링을 통해 도로와 안개 영역 후보군을 생성하기 위하여(S230), 관심 영역(ROI)의 영상에 대한 각 화소 위치(x, y)의 채도값 Sat(x,y)을 산출하고, [수학식1]을 이용하여 채도값 Sat(x,y)이 소정의 채도 임계값(T_sat) 보다 작은 화소 위치들을 도로와 안개 영역 후보군으로 생성한다. [수학식1]에서 채도값 Sat(x,y)이 소정의 채도 임계값(T_sat) 보다 작은 화소 위치들은 채도 유사도값 R_sat(x,y)=1이며, R_sat(x,y)=1인 화소들이 도로와 안개 영역 후보군이 된다.First, in order to generate a road and a mist region candidate group through saturation filtering in an image of ROI (S230), a fog / road region extraction unit 130 extracts a fog / calculating a saturation value Sat (x, y) at the pixel position (x, y), and the equation 1 for use by a saturation value Sat (x, y) is smaller pixels than a predetermined saturation threshold value (T _sat) where Are generated as candidate roads and fog areas. The pixel positions where the saturation value Sat (x, y) is smaller than the predetermined saturation threshold T _sat in Equation 1 are R _sat (x, y) = R _sat (x, = 1 are candidates for the road and the mist region.

여기서 채도값 산출은, R(red), G(green),B(blue) 영상 데이터를 HSV(hue, saturation, brightness value) 변환한 값에서 채도(saturation)값을 취하는 방법 등 다양한 방법을 이용할 수 있다.Here, the saturation value calculation may be performed by various methods such as a method of taking a saturation value from hue, saturation, brightness value (HSV) conversion of R (red), G have.

[수학식1] [Equation 1]

이와 같은 채도(saturation) 필터링을 통해 도로선, 컬러 차량 등 색상이 있는 영상 객체가 제거될 수 있다. 도 5에서는 차량이 무채색을 띄므로 도로와 안개 영역 후보군에 포함되었고, 이는 다음 S231 단계와 같이 밝기 유사도 판단을 통해 제거될 수 있다. Through such a saturation filtering, a color image object such as a road line, a color car, etc. can be removed. In FIG. 5, since the vehicle is achromatic, it is included in the road and mist region candidates, which can be removed through the determination of brightness similarity as in step S231.

다음에 안개/도로 영역 추출부(130)는 관심 영역(ROI)의 영상에서 각 화소 위치(x, y)의 밝기값 P(x,y)과 주위의 밝기값들의 비교로 밝기 유사도값 R_sim(x,y) 판단을 수행하고, 이를 채도 유사도값 R_sat(x,y)과 함께 이용하여 안개와 도로 영역을 추출할 수 있다(S231).Next, the fog / road region extraction unit 130 extracts the brightness similarity value R _sim (x, y) from the brightness value P (x, y) of each pixel position (x, y), and it can be used together with the saturation similarity value R _sat (x, y) to extract the fog and the road region (S231).

먼저, 예를 들어, 안개/도로 영역 추출부(130)는 도 6과 같이 각 화소 위치에서 그 밝기값 P(x,y)에 대하여, 주위의 밝기값들 중 그 바로 위 행에 있는 상좌(Up_Left) 화소의 밝기값 P(x-1,y-1), 상부(Up) 화소의 밝기값 P(x,y-1), 상우(Up_Right) 화소의 밝기값 P(x+1,y-1)과의 차이인 각각의 밝기 변화도(Gradient)(G_UL, G_U, G_UR)를 [수학식2] 와 같이 계산하고, [수학식3]과 같이 밝기 유사도를 판단하기 위한 각 비교 위치에 대한 임계값들(T_{G _ UL}, T_{G _U}, T_{G _ UR})에 따라 각 화소 위치에서의 밝기 유사도값 R_sim(x,y)를 산출할 수 있다. First, for example, the fog / road region extracting unit 130 extracts the fog / road region extracting unit 130 from the brightness values P (x, y) at each pixel position as shown in FIG. 6, The brightness value P (x + 1, y-1) of the upper pixel, the brightness value P (x, y- GUR and GUR are calculated as shown in Equation (2), and each brightness variation degree (G _UL , G _U , G _UR ) The brightness similarity value R _sim (x, y) at each pixel position can be calculated according to the threshold values T _{G _ UL} , T _{G _U} , T _{G _ UR} for the position.

[수학식2] &Quot; (2) "

[수학식3] &Quot; (3) "

[수학식3]에서 화소 (x, y)와 화소 (x-1, y-1) 간의 밝기 변화도(G_UL)가 해당 임계값(T_{G _ UL}) 보다 작으며 화소 (x-1, y-1)에서 밝기 유사도값 R_sim(x-1,y-1)이 1이면 화소 (x, y)에서의 밝기 유사도값 R_sim(x,y)=1이 된다. 마찬가지로, 화소 (x, y)와 화소 (x, y-1) 간의 밝기 변화도(G_U)가 해당 임계값(T_{G _U}) 보다 작으며 화소 (x, y-1)에서 밝기 유사도값 R_sim(x,y-1)이 1이면 화소 (x, y)에서의 밝기 유사도값 R_sim(x,y)=1이 된다. 또한, 화소 (x, y)와 화소 (x+1, y-1) 간의 밝기 변화도(G_UR)가 해당 임계값(T_{G _ UR}) 보다 작으며 화소 (x+1, y-1)에서 밝기 유사도값 R_sim(x+1,y-1)이 1이면 화소 (x, y)에서의 밝기 유사도값 R_sim(x,y)=1이 된다.The brightness change degree G _UL between the pixel (x, y) and the pixel (x-1, y-1) is smaller than the threshold value T _{G _ UL} in Equation (3) in y-1) brightness similarity value _sim R (x-1, y-1) if the first is the brightness similarity value _sim R (x, y) = 1 in the pixel (x, y). Likewise, when the brightness change degree G _U between the pixel (x, y) and the pixel (x, y-1) is smaller than the threshold value T _{G _U} and the brightness similarity value R the brightness similarity value R _sim (x, y) = 1 in the pixel (x, y) is obtained when _sim (x, y-1) The pixel (x, y) and the pixel (x + 1, y-1 ) a brightness change between the even smaller than (G _UR), that the threshold value (T _{G _ UR)} pixel (x + 1, y-1 ) , The brightness similarity value _Rsim (x, y) = 1 in the pixel (x, y) is 1 when the brightness similarity value _Rsim (x + 1, y-

이를 위하여 안개/도로 영역 추출부(130)는 관심 영역(ROI)에서 첫번째 행의 밝기 유사도값 R_sim(x,0)은 [수학식4] 와 같이 첫번째 행의 화소의 밝기값 P(x,0)이 대표값(평균값 또는 중간값) μ으로부터 소정의 마진 ε(marginal value) 범위에 있다면 '1'로 산출하여 이용할 수 있다. 여기서 대표값(평균값 또는 중간값)은 관심 영역(ROI) 영상이나 도로와 안개 영역 후보군 영상의 평균 밝기값일 수 있다.To this end, the fog / road region extraction unit 130 calculates the brightness similarity value _Rsim (x, 0) of the first row in the ROI according to the brightness value P (x, 0) is in the range of a representative value (average value or intermediate value) μ to a predetermined margin (marginal value), it can be calculated and used as '1'. Here, the representative value (mean value or median value) may be an average brightness value of the ROI image or the road and fog area candidate group image.

[수학식4] &Quot; (4) "

최종적으로 안개/도로 영역 추출부(130)는 [수학식5]와 같이 위에서 산출한 각 화소에서의 채도 유사도값 R_sat(x,y)과 밝기 유사도값 R_sim(x,y)을 곱하여 산출한 값 R_{fog _ road}이 1인 화소들, 즉, 각 화소에서 상대적으로 채도가 낮고 밝기가 소정의 유사도를 갖는 화소들을 포함하는 영역을 안개와 도로 영역(제거 대상 영역)으로 추출할 수 있다.Finally, the fog / road region extraction unit 130 calculates the fog / road area by multiplying the saturation similarity value R _sat (x, y) in each pixel calculated above with the brightness similarity value R _sim (x, y) can be extracted to a value R _{fog _ road} is one of the pixels, that is, the area of the fog and road area (remove the region) including a relatively low saturation pixel having the brightness that a predetermined degree of similarity at each pixel.

[수학식5] &Quot; (5) "

한편, 클러스터 분석부(140)는 관심 영역(ROI) 영상에서 위와 같이 안개/도로 영역 추출부(130)에서 추출된 안개와 도로 영역(R_{fog _ road} =1인 영역)(제거 대상 영역)을 제외한 영역을 분석하여 차량 존재 여부를 판단하고 차량을 검출한다(S240 ~ S250). 클러스터 분석부(140)는 관심 영역(ROI) 영상 중 안개와 도로 영역(R_{fog _ road} =1인 영역)을 제외한 영역(클러스터링 영역), 즉, 상대적으로 채도가 높은 해당 어두운 영역들(또는 빈공간)에 대해 소정의 방법으로 도 7과 같이 클러스터링을 수행하여 소정의 거리 이내의 클러스터링 영역들을 군집화함으로써 하나 이상의 클러스터를 결정하고, 클러스터의 어두운 영역과 밝은 영역으로 이루어진 이진화 영역을 분석하여 차량 존재 여부를 판단할 수 있다. 이때 클러스터는 소정의 클러스터링 알고리즘에 따라 어두운 화소들의 군집 영역을 적절히 판단하여 해당 화소들을 포함하여 확률적으로 동질성이 있는 것으로 추정되는 네모, 세모, 원형 등 다각형 형태로 결정될 수 있고, 클러스터의 이진화 영역 중 어두운 영역(클러스터링 영역)의 크기, 대칭성, 형태적 비율 등을 반영하여 해당 클러스터에 대한 차량 여부를 결정할 수 있다. On the other hand, the cluster analyzer 140 is a region of interest (ROI) of the fog and the road area extracted in the fog / road area extracting unit 130 as above, in the image (R _{fog _ road} = 1 area) (to remove the region) And determines the presence or absence of the vehicle and detects the vehicle (S240 to S250). Cluster analysis unit 140 region of interest (ROI), the fog and the road area of the image (R _{fog _ road} = 1 in area) excluding areas (clustered regions), i.e., relative to the dark areas saturation is high (or blank 7) by clustering the clustering regions within a predetermined distance to determine one or more clusters, and analyzing the binarization region including the dark region and the bright region of the cluster, Can be determined. In this case, the cluster may be determined as a polygon such as a square, a triangle, or a circle, which is estimated to have probabilistic homogeneity by appropriately determining a cluster region of dark pixels according to a predetermined clustering algorithm, It is possible to determine whether the vehicle is a vehicle for the cluster by reflecting the size, symmetry, and morphological ratio of the dark region (clustering region).

클러스터 분석부(140)는 위와 같이 결정한 클러스터들이 차량인지 여부를 판단하기 위하여 아래 [표]와 같이 미리 정한 차량의 최소 임계폭(T_{v _ width _ min})과 최대 임계폭(T_{v _ width _ max}), 미리 정한 클러스터의 수평길이에 대한 수직길이의 비율의 최소 임계값(T_{v _ ratio _ min})과 최대 임계값(T_{v _ ratio _ max}), 및 미리 정한 클러스터의 좌우 대칭도 임계값(T_{v _ hor _ sim}) 등을 활용하여, 클러스들의 이진화 영역의 어느 한쪽 영역인 클러스터링 영역(예, 어두운 영역)에 대한 크기, 대칭성(또는 대칭도), 형태적 비율 등에 따라 다양한 경우에 대하여 노이즈 성분이라는 판단, 차량이 아니라는 판단, 또는 차량이라는 판단 등을 수행할 수 있다. Cluster analyzer 140 minimum critical width of the vehicle determined in advance as shown in the following [Table to determine whether the clusters vehicle determined as above (T _{v _ width _ min)} and a maximum threshold width (T _{v _ width _ max} ), a minimum threshold value (T _{v _ ratio _ min} ) and a maximum threshold value (T _{v _ ratio _ max} ) of a ratio of a vertical length to a horizontal length of a predetermined cluster, and a left / right symmetry threshold value the various cases depending on the (T _{v _ hor _ sim)} by utilizing the like, either one region of cluster areas of the binarization regions of the cluster (for example, dark areas) in size, symmetry for (or symmetry), morphological ratio A determination that the vehicle is not a vehicle, a determination that the vehicle is a vehicle, and the like.

[표]에서 K는 클러스터 분석부(140)가 계산한 클러스터의 이진화 영역 중 어두운 영역(클러스터링 (대상) 영역, 빈공간)의 폭이다. 예를 들어, 클러스터 분석부(140)는 클러스터의 어두운 영역(클러스터링 영역)의 전체 평균폭 또는 클러스터의 어두운 영역(클러스터링 영역) 중 소정의 폭 이상을 갖는 복수행들의 평균폭 등을 산출하여 K값으로 할 수 있다.In the table, K is the width of a dark region (clustering (object) region, empty space) among the binarization regions of the cluster calculated by the cluster analysis unit 140. For example, the cluster analyzing unit 140 may calculate the average width of the dark region (clustering region) of the cluster or the average width of the plurality of clusters having a predetermined width or more of the dark region (clustering region) of the cluster, .

또한, [표]에서 R은 클러스터 분석부(140)가 계산한 클러스터의 수평길이에 대한 수직길이의 비율(수직길이/수평길이)이다. 여기서 클러스터가 다각형인 경우 상기 수평길이와 상기 수직길이로서, 클러스터의 해당 평균값을 산출하여 사용할 수 있다. 또한, [표]에서 U는 클러스터 분석부(140)가 클러스터에 대하여 [수학식6]과 같이 계산한 클러스터의 좌우 대칭도값이다. 즉, 도 8과 같이 클러스터의 폭을 W, 높이를 H 라 하면, 클러스터의 좌우 대칭도값(U)은 [수학식5]를 통해 각 화소에 대해 산출된 R_{fog _ road}값을 이용하여 [수학식6]과 같이 수평적으로 대칭된 화소들 간의 R_{fog _ road}값의 차이값을 합산하는 방식으로 어두운 영역(클러스터링 영역)의 대칭도가 계산될 수 있다. 여기서 클러스터의 좌우 대칭성이 클수록 U값은 작아진다.In the table, R is the ratio of the vertical length to the horizontal length of the cluster calculated by the cluster analysis unit 140 (vertical length / horizontal length). Here, if the cluster is a polygon, the horizontal length and the vertical length may be used to calculate a corresponding average value of the cluster. In the table, U is the left-right symmetry value of the cluster calculated by the cluster analysis unit 140 for the cluster as shown in Equation (6). That is, when the width of a cluster, as shown in FIG. 8 W, referred to the height H, the left and right symmetry value (U) of the cluster by using the R _{fog _ road} value calculated for each pixel in the [Equation 5] [ equation (6)] and there is symmetry of the dark areas (clustered regions) in such a way that the sum of difference values of R _{_ road fog} value between the symmetrical pixel to the horizontal can be calculated as. Here, the larger the symmetry of the cluster, the smaller the U value.

[수학식6]&Quot; (6) "

[표][table]

위의 [표]의 Case1과 같이 클러스터 분석부(140)는 계산한 클러스터의 이진화 영역 중 어두운 영역(클러스터링 영역)의 폭(K)이 미리 정한 차량의 최소 임계폭(T_{v _ width _ min}) 보다 작으면, 노이즈 성분인 것으로 판단하고 차량으로 판단하지 않는다. Of the Table cluster analysis unit 140, as shown in Case1 is a dark area of the binarization region of the calculated cluster (cluster region) of the above width (K) at least a threshold range of the vehicle is determined in advance (T _{v _ width _ min)} , It is determined that the vehicle is a noise component and the vehicle is not judged as a vehicle.

또한, 위의 [표]의 Case3과 같이 클러스터 분석부(140)는 계산한 클러스터의 이진화 영역 중 어두운 영역(클러스터링 영역)의 폭(K)이 미리 정한 차량의 최대 임계폭(T_{v _ width _ max}) 이상이면, 해당 클러스터를 차량으로 판단할 수 있다. In addition, as shown in Case 3 of Table 3, the cluster analyzing unit 140 determines that the width K of the dark region (clustering region) among the binarization regions of the calculated clusters is equal to or less than the maximum threshold value T _{v _ width _ max} ), it is possible to judge the cluster as a vehicle.

또한, 위의 [표]의 Case2와 같이 클러스터 분석부(140)는 계산한 클러스터의 이진화 영역 중 어두운 영역(클러스터링 영역)의 폭(K)이 미리 정한 차량의 최소 임계폭(T_{v _ width _ min}) 이상이고 미리 정한 차량의 최대 임계폭(T_{v _ width _ max}) 미만이면, 계산한 클러스터의 수평길이에 대한 수직길이의 비율(수직길이/수평길이)(R)에 따라, 차량인지 여부를 판단한다. Case2-2와 같이, R이 미리 정한 최소 임계값(T_{v _ ratio _ min})과 최대 임계값(T_{v _ ratio _ max}) 사이의 범위에 있지 않으면, 클러스터 분석부(140)는 해당 해당 클러스터를 차량으로 판단하지 않는다. In addition, as shown in Case 2 in the above [Table 2], the cluster analyzing unit 140 determines that the width K of the dark region (clustering region) among the binarized regions of the calculated cluster is smaller than a minimum threshold width (T _{v _ width _} whether _min) or more and a maximum threshold width of a predetermined vehicle (T _{v _ width _ max)} is less than when the ratio of the vertical length to the horizontal length of a calculated cluster (the vehicle in response to a vertical length / horizontal length) (R) . As Case2-2, the minimum threshold value R is determined in advance (T _{v _ ratio _ min)} and a maximum threshold (T _{v _ ratio _ max)} is not in the range of, cluster analysis unit 140 that the cluster As a vehicle.

또한, R이 미리 정한 최소 임계값(T_{v _ ratio _ min})이상이고 최대 임계값(T_{v _ ratio _ max}) 보다 작으면(Case2-1), 클러스터 분석부(140)는 계산한 클러스터의 좌우 대칭도값(U)에 따라 해당 해당 클러스터의 차량 여부를 판단한다. 즉, Case2-1-1과 같이, U가 미리 정한 임계값(T_{v _ hor _ sim}) 보다 작으면 대칭성이 높은 것이므로 해당 클러스터를 차량으로 판단하지만, 그렇지 않으면 해당 클러스터를 차량으로 판단하지 않는다. If R is equal to or greater than a predetermined minimum threshold value T _{v _ ratio _ min} and smaller than a maximum threshold value T _{v _ ratio _ max} , the cluster analyzing unit 140 determines It is determined whether or not the corresponding cluster is the vehicle according to the left-right symmetry degree value (U). That is, as in Case 2-1-1, if U is smaller than a predetermined threshold value (T _{v _ hor _ sim} ), it is determined that the cluster is a vehicle because the symmetry is high. Otherwise, the cluster is not judged to be a vehicle.

이와 같은 방법을 기초로 관심 영역(ROI) 내에 차량이 있으면, 도 9의 (a)와 같이 해당 차량이 헤드 라이트를 오프한 경우에, 어두운 영역(클러스터링 영역)의 대칭도(U)에 따라 Case2-1-1에 해당하여 차량이 검출될 수 있으며, 도 9의 (b)와 같이 해당 차량이 헤드 라이트를 온(on)하여 빛이 안개 등에 의해 산란된 경우에, 어두운 영역(클러스터링 영역)의 크기(K)에 따라 Case3에 해당하여 차량이 검출될 수 있다. If there is a vehicle in the ROI on the basis of such a method, when the vehicle turns off the headlights as shown in Fig. 9A, The vehicle can be detected corresponding to -1-1, and when the vehicle is turned on with the headlight turned on as shown in (b) of FIG. 9 and the light is scattered by mist or the like, The vehicle can be detected corresponding to Case 3 according to the size K. [

또한, 도 10의 (a)와 같이 관심 영역(ROI) 내에 차량이 없으면, 도로선 등에 대한 어두운 영역(클러스터링 영역)의 크기(K)가 작거나 대칭도(U)가 작아서 차량이 없음을 판단할 수 있다. 또한, 도 10의 (b)와 같이 관심 영역(ROI) 내에 차량이 없고 과속 방지턱이 있으면, 방지턱에 대한 어두운 영역(클러스터링 영역)의 크기(K)가 작거나 대칭도(U)가 작아서 차량이 없음을 판단할 수 있다.10A, if there is no vehicle in the ROI, it is determined that there is no vehicle because the size K of the dark area (clustering area) for the road line is small or the degree of symmetry U is small can do. 10 (b), if there is no vehicle in the ROI and there is a speed limit bump, the size K of the dark region (clustering region) against the bump is small or the degree of symmetry U is small, Can be judged to be absent.

이와 같이 본 발명의 차량 검출 시스템(100)에 따라, 안개(Fog) 상황 이외에도 스모그(Smog), 비(rain), 눈(snow), 연무(Mist),　먼지(Dust), 연기(Smoke), 훈연(Fume), 박무(Haze) 등 차량 주행 중에 발생할 수 있는, 차량 주행 주위가 뿌옇게 된 다양한 악천후 환경에서, 특히 후방 차량이 효과적으로 검출될 수 있으며, 차량 검출 결과에 따라 차량의 스피커 등으로 경보음을 출력시킬 수 있다. 이외에도 차량의 네비게이션 단말이나 기타 전자 장치 또는 운전자의 이동통신단말기와 연동시켜 경보음을 출력시키거나 디스플레이 장치에 후방의 영상과 함께 차량을 확실하게 표시되게 하여, 운전자에게 차속 유지나 차선 변경 등에 편안하게 대처할 수 있도록하여 운전의 안전성 및 편의성을 증대시켜 줄 수 있다. As described above, according to the vehicle detection system 100 of the present invention, in addition to the fog situation, the vehicle detection system 100 can detect the smoke, rain, snow, mist, dust, smoke, Especially, the rear vehicle can be effectively detected in various bad weather environments such as fume, haze, etc., which may occur during driving of the vehicle, Can be output. In addition, an alarm sound may be output in conjunction with a navigation terminal of a vehicle or other electronic device or a mobile communication terminal of a driver, or a vehicle may be reliably displayed along with a rear image on a display device so that the driver can comfortably cope with vehicle maintenance, So that the safety and convenience of operation can be increased.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.As described above, the present invention has been described with reference to particular embodiments, such as specific elements, and specific embodiments and drawings. However, it should be understood that the present invention is not limited to the above- Those skilled in the art will appreciate that various modifications, additions and substitutions are possible, without departing from the essential characteristics of the invention. Therefore, the spirit of the present invention should not be construed as being limited to the embodiments described, and all technical ideas which are equivalent to or equivalent to the claims of the present invention are included in the scope of the present invention .

카메라(110)
관심 영역 지정부(120)
안개/도로 영역 추출부(130)
클러스터 분석부(140)Camera 110,
The region of interest designation 120,
The fog / road region extraction unit 130 extracts the fog /
The cluster analysis unit 140,

Claims (9)

차량 검출 장치에서의 차량 검출 방법에 있어서,
(a)카메라 영상을 수신하여 소정의 관심 영역을 지정하는 단계;
(b)상기 관심 영역의 영상에 대하여 배경 또는 도로를 포함하는 제거 대상 영역을 추출하는 단계; 및
(c)상기 관심 영역의 영상에서 상기 제거 대상 영역을 제외한 영역을 분석하여 차량 존재 여부를 판단하는 단계
를 포함하는 것을 특징으로 하는 차량 검출 방법.A vehicle detecting method in a vehicle detecting device,
(a) receiving a camera image and designating a predetermined region of interest;
(b) extracting a removal object area including a background or a road with respect to the image of the ROI; And
(c) analyzing a region excluding the removal object region from the image of the ROI to determine whether or not the vehicle exists
Gt; a < / RTI > vehicle. 제1항에 있어서,
(b) 단계에서, 상대적으로 채도가 낮고 밝기가 소정의 유사도를 갖는 화소들을 포함하는 영역을 상기 제거 대상 영역으로 추출하는 것을 특징으로 하는 차량 검출 방법.The method according to claim 1,
in the step (b), a region including pixels having a relatively low saturation and a brightness with a predetermined degree of similarity is extracted as the removal object region. 제1항에 있어서,
(b) 단계는,
상기 관심 영역의 영상에 대하여 각 화소 위치의 채도 유사도값을 산출하는 단계;
상기 관심 영역의 영상에 대하여 각 화소 위치의 밝기값과 주위 화소와의 밝기값 비교로 각 화소 위치의 밝기 유사도값을 산출하는 단계; 및
상기 채도 유사도값과 상기 밝기 유사도값을 이용하여 상기 제거 대상 영역을 결정하는 단계
를 포함하는 것을 특징으로 하는 차량 검출 방법.The method according to claim 1,
(b)
Calculating a chroma similarity value of each pixel position with respect to the image of the ROI;
Calculating a brightness similarity value of each pixel position by comparing a brightness value of each pixel position and a brightness value of surrounding pixels with respect to the image of the ROI; And
Determining the removal object region using the chroma similarity value and the brightness similarity value,
Gt; a < / RTI > vehicle. 제3항에 있어서,
상기 채도 유사도값에 의해 소정의 채도 임계값 보다 작은 화소 위치들을 상기 제거 대상 영역의 후보군으로 생성하고, 상기 제거 대상 영역의 후보군 중에서 상기 밝기 유사도값에 의해 소정의 밝기를 갖는 화소들을 포함하는 영역을 상기 제거 대상 영역으로 결정하는 것을 특징으로 하는 차량 검출 방법.The method of claim 3,
And generating a candidate region of the removal object region that is smaller than a predetermined chroma threshold value by the chroma similarity value and including a pixel having a predetermined brightness according to the brightness similarity value among the candidate regions of the removal object region, And determines the area to be removed as the area to be removed. 제3항에 있어서,
상기 밝기 유사도값을 산출하는 단계에서,
상기 주위 화소의 밝기값으로서 해당 행의 화소에 대하여 상좌(Up_Left) 화소의 밝기값, 상부(Up) 화소의 밝기값, 및 상우(Up_Right) 화소의 밝기값과의 밝기 변화도를 이용하여 상기 밝기 유사도값을 산출하는 것을 특징으로 하는 차량 검출 방법.The method of claim 3,
In calculating the brightness similarity value,
The brightness of the Up_Left pixel, the brightness value of the Up pixel, and the brightness value of the Up_Right pixel with respect to the pixel of the corresponding row as the brightness value of the surrounding pixel, And calculating the similarity value. 제1항에 있어서,
(c) 단계는,
상기 관심 영역의 영상에서 상기 제거 대상 영역을 제외한 클러스터 대상 영역에 대하여 클러스터링을 수행하여 하나 이상의 클러스터를 결정하는 단계; 및
상기 클러스터의 이진화 영역 중 해당 클러스터링 영역에 대한 크기, 대칭성, 또는 형태적 비율을 반영하여 해당 클러스터의 차량 여부를 판단하는 단계
를 포함하는 것을 특징으로 하는 차량 검출 방법.The method according to claim 1,
(c)
Determining one or more clusters by performing clustering on a cluster target area excluding the removal target area from the image of the ROI; And
Determining whether the cluster is a vehicle by reflecting a size, a symmetry, or a morphological ratio of the binarization region of the cluster to the corresponding clustering region
Gt; a < / RTI > vehicle. 제6항에 있어서,
상기 차량 여부를 판단하는 단계에서,
계산된 상기 해당 클러스터링 영역의 폭이 소정의 차량의 최대 임계폭 이상이면 해당 클러스터를 차량으로 판단하는 것을 특징으로 하는 차량 검출 방법.The method according to claim 6,
In the step of determining whether the vehicle is the vehicle,
And judging the cluster as a vehicle when the calculated width of the corresponding clustering area is equal to or greater than a maximum threshold width of a predetermined vehicle. 제6항에 있어서,
상기 차량 여부를 판단하는 단계에서,
계산된 상기 해당 클러스터링 영역의 폭이 소정의 차량의 최소 임계폭과 최대 임계폭 사이이면,
해당 클러스터의 수평길이에 대한 수직길이의 비율(R)을 산출하는 단계;
해당 클러스터의 좌우 대칭도값(U)을 산출하는 단계; 및
R의 소정의 범위에서 U의 값에 따라 해당 클러스터의 차량 여부를 판단하는 단계
를 포함하는 것을 특징으로 하는 차량 검출 방법.The method according to claim 6,
In the step of determining whether the vehicle is the vehicle,
If the calculated width of the corresponding clustering area is between a minimum critical width and a maximum critical width of a predetermined vehicle,
Calculating a ratio (R) of a vertical length to a horizontal length of the cluster;
Calculating a left-right symmetry degree value (U) of the cluster; And
Determining whether the vehicle is a vehicle according to a value of U in a predetermined range of R
Gt; a < / RTI > vehicle. 카메라 영상 중 지정된 관심 영역의 영상에 대하여 배경 또는 도로를 포함하는 제거 대상 영역을 추출하는 안개/도로 영역 추출부; 및
상기 관심 영역의 영상에서 상기 제거 대상 영역을 제외한 영역을 분석하여 차량 존재 여부를 판단하는 클러스터 분석부
를 포함하는 것을 특징으로 하는 차량 검출 시스템.A fog / road region extraction unit for extracting a removal object region including a background or a road with respect to an image of a specified region of interest among camera images; And
A cluster analyzing unit for analyzing an area excluding the removal object area from the image of the ROI to determine whether the vehicle exists or not;
And the vehicle detection system.

Images