KR20160044757A - 교통상황 분석 방법 및 장치 - Google Patents

교통상황 분석 방법 및 장치 Download PDF

Info

Publication number
KR20160044757A
KR20160044757A KR1020140139625A KR20140139625A KR20160044757A KR 20160044757 A KR20160044757 A KR 20160044757A KR 1020140139625 A KR1020140139625 A KR 1020140139625A KR 20140139625 A KR20140139625 A KR 20140139625A KR 20160044757 A KR20160044757 A KR 20160044757A
Authority
KR
South Korea
Prior art keywords
traffic
information
occupancy rate
interest
traffic situation
Prior art date
Application number
KR1020140139625A
Other languages
English (en)
Other versions
KR102199252B1 (ko
Inventor
이동학
조형준
김기문
Original Assignee
에스케이텔레콤 주식회사
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 에스케이텔레콤 주식회사 filed Critical 에스케이텔레콤 주식회사
Priority to KR1020140139625A priority Critical patent/KR102199252B1/ko
Publication of KR20160044757A publication Critical patent/KR20160044757A/ko
Application granted granted Critical
Publication of KR102199252B1 publication Critical patent/KR102199252B1/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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

교통상황 분석 방법 및 장치를 개시한다.
도로 상에 기 설치된 영상 촬영장치부터 획득한 영상 프레임에서 추출된 객체에 근거하여 관심영역을 설정하고, 관심영역 내의 객체의 이동량 및 점유율을 산출하여 도로의 교통 혼잡 상태를 결정하는 교통상황 분석 방법 및 장치에 관한 것이다.

Description

교통상황 분석 방법 및 장치{Method and Apparatus for Analyzing Traffic Situation}
본 실시예는 교통상황을 분석하는 방법 및 그를 위한 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
도로 상의 교통상태를 파악하기 위한 다양한 방법이 연구되고 있다. 일반적으로 교통상태를 파악하기 위한 방법으로는 GPS를 장착한 차량을 활용하여 실제 도로를 주행하면서 교통 정보를 수집하는 방법과 도로 면에 자기루프를 설치하여 차량이 지날 때 시간을 측정하여 차량의 속도를 알아내는 방법 등이 이용되고 있다.
다만, GPS를 장착한 차량을 활용하는 방법의 경우, 실제 차량이 움직이는 장소에서만 교통정보의 수집이 가능하여 다수의 차량을 실제로 운영해야 하므로 장치 설치 및 유지 비용이 많이 드는 문제점이 있다. 또한, 자기루프를 사용하는 방법의 경우, 관리자가 원하는 교통정보를 얻기 위해 도로 면에 자기루프를 설치하는 공사가 필요하여, 설치비용이 많이 발생하게 된다. 특히, 자기루프를 사용하는 방법의 경우, 차량이 자기루프를 지나감에 따라 자기루프의 훼손이 잦고, 고장의 원인이 된다.
본 실시예는 도로 상에 기 설치된 영상 촬영장치부터 획득한 영상 프레임에서 추출된 객체에 근거하여 관심영역을 설정하고, 관심영역 내의 객체의 이동량 및 점유율을 산출하여 도로의 교통 혼잡 상태를 결정하는 교통상황 분석 방법 및 장치를 제공하는 데 주된 목적이 있다.
본 실시예의 일 측면에 의하면, 영상 프레임 내에서 복수의 관심영역을 설정하는 관심영역 설정과정; 상기 복수의 관심영역에 대한 통합 통행량을 산출하는 객체 카운팅 과정; 상기 통합 통행량을 이용하여 상기 복수의 관심영역에 대한 객체 점유율 정보를 산출하는 점유율 산출과정; 및 상기 객체 점유율 정보를 기 설정된 기준 임계값과 비교하여 교통 상황정보를 결정하는 교통정보 결정과정을 포함하는 것을 특징으로 하는 교통상황 분석 방법을 제공한다.
또한, 본 실시예의 다른 측면에 의하면, 영상 프레임 내에서 객체 추적에 따른 객체 추적결과정보에 근거하여 복수의 관심영역을 설정하는 관심영역 설정부; 각각의 관심영역별로 개별 통행량을 산출하고, 각각의 상기 개별 통행량을 가중합산하여 상기 복수의 관심영역에 대한 통합 통행량을 산출하는 객체 카운팅 부; 상기 통합 통행량을 이용하여 상기 복수의 관심영역에 대한 객체 점유율 정보를 산출하는 점유율 산출부; 및 상기 객체 점유율 정보를 기 설정된 기준 임계값과 비교하여 교통 상황정보를 결정하는 교통정보 결정부를 포함하는 것을 특징으로 하는 교통상황 분석장치를 제공한다.
이상에서 설명한 바와 같이 본 실시예에 의하면, 교통상황 분석장치를 이용하여 교통상황을 분석하기 위한 연산량을 감소시킬 수 있고, 실제 교통상황과 유사한 교통 상황정보를 산출할 수 있는 효과가 있다.
도 1은 본 실시예에 따른 교통상황 분석 시스템을 개략적으로 나타낸 블록 구성도이다.
도 2는 본 실시예에 따른 교통상황 분석장치를 개략적으로 나타낸 블록 구성도이다.
도 3은 본 실시예에 따른 교통상황을 분석하는 방법을 설명하기 위한 순서도이다.
도 4는 본 실시예에 따른 교통상황을 분석하는 동작을 설명하기 위한 예시도이다.
이하, 본 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 실시예에 따른 교통상황 분석 시스템을 개략적으로 나타낸 블록 구성도이다.
본 실시예에 따른 교통상황 분석 시스템은 영상 촬영장치(110), 교통상황 분석장치(120) 및 모니터링 장치(130)를 포함한다. 도 1에 도시된 교통상황 분석 시스템은 일 실시예에 따른 것으로서, 도 1에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 교통상황 분석 시스템에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다.
영상 촬영장치(110)는 영상을 촬영할 수 있는 장치를 말하며, 본 실시예에 따른 영상 촬영장치(110)는 움직이는 소정의 크기의 객체, 이동체(예: 이륜차, 차량 등)를 감시하기 위한 영상을 촬영할 수 있는 CCTV용 카메라, 교통 감시 카메라 등으로 구현되는 것이 바람직하다. 영상 촬영장치(110)는 이동체에 대한 교통 상황을 분석하기 위해 촬영된 촬영영상을 교통상황 분석장치(120)로 전송한다. 또한, 영상 촬영장치(110)에서 촬영된 촬영영상은 하나의 프레임일 수 있으나 반드시 이에 한정되는 것은 아니며, 복수 개의 프레임을 포함한 영상일 수도 있다.
교통상황 분석장치(120)는 영상 분석 기술을 이용하여 교통 상황정보를 생성한다.
교통상황 분석장치(120)는 영상 촬영장치(110)로부터 획득한 영상 프레임에서 움직이는 객체를 추적하고, 교통 상황을 분석하기 위한 관심영역을 설정한다. 교통상황 분석장치(120)는 전경배경 분리, 객체 검출기술, 객체 추적 기술 등을 활용하여 움직이는 객체를 검출하여 추적하고, 관심영역을 통과하는 객체의 수를 확인하여 교통 상황정보를 결정한다.
교통상황 분석장치(120)는 영상 프레임의 관심영역 내의 객체의 통행량을 산출하여 교통 상황정보를 결정하는 경우, 갑작스런 차량의 속도의 변화로 인해 실제 통행량과 오차가 발생할 수 있다. 이러한 오차 발생률을 감소시키기 위해, 본 실시예에 따른 교통상황 분석장치(120)는 복수 개의 관심영역을 설정하고, 각각의 관심영역마다 기 설정된 계산주기로 통행량을 계산하고, 전체 관심영역에 대한 객체 점유율 정보를 산출한다. 교통상황 분석장치(120)는 산출된 객체 점유율 정보를 기 설정된 임계값과 비교하여 교통 상황정보를 결정한다. 이에 따라, 교통상황 분석장치(120)는 교통상황을 분석하기 위한 연산량을 감소시킬 수 있고, 실제 교통상황과 유사한 교통 상황정보를 산출할 수 있다.
모니터링 장치(130)는 교통상황 분석장치(120)로부터 교통 상황정보를 수신하여 모니터링하는 장치를 말한다. 본 실시예에 따른 모니터링 장치(130)는 영상 촬영장치(110)가 기 설치된 영역 내의 교통 상황정보를 수치 또는 색깔(예: 녹색, 황색, 적색 등)을 이용하여 출력한다. 여기서, 모니터링 장치(130)는 관리자의 설정에 따라 변경된 영역 내의 교통 상황정보를 모니터링할 수 있다.
한편, 도 1에서 모니터링 장치(130)는 교통상황 분석장치(120)와 별도로 구현된 장치인 것으로 기재하고 있으나 반드시 이에 한정되는 것은 아니며, 교통상황 분석장치(120) 내에 디스플레이부가 포함된 하나의 장치로 구현될 수도 있다.
도 2는 본 실시예에 따른 교통상황 분석장치를 개략적으로 나타낸 블록 구성도이다.
본 실시예에 따른 교통상황 분석장치(120)는 영상 획득부(210), 영상 처리부(220), 객체 추적부(230), 관심영역 설정부(240), 객체 카운팅부(250), 점유율 산출부(260) 및 교통정보 결정부(270)를 포함한다. 도 2에 도시된 교통상황 분석장치(120)는 일 실시예에 따른 것으로서, 도 2에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 교통상황 분석장치(120)에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다.
영상 획득부(210)는 영상 촬영장치(110)로부터 촬영된 촬영영상에 대한 영상 프레임을 획득한다. 여기서, 영상 획득부(210)는 기 촬영된 촬영영상에 대한 영상 프레임을 순차적으로 획득하는 것일 수 있으나 반드시 이에 한정되는 것은 아니며, 실시간으로 촬영되는 촬영영상에 대한 영상 프레임을 획득할 수도 있다. 예컨대, 영상 획득부(210)는 도로 상에 설치된 영상 촬영장치(110)로부터 이동체가 통과하는 도로 또는 교차로 영역 등의 촬영영상에 대한 영상 프레임을 획득한다.
영상 처리부(220)는 획득한 영상 프레임에서 관심객체에 대한 객체 추적을 위한 영상 처리를 수행한다. 본 실시예에 따른 영상 처리부(220)는 영상 프레임에 대해 배경모델링을 수행하여 배경모델을 생성하고, 영상 프레임 내에서 배경모델을 제외한 전경모델을 분리하여 움직이는 객체에 대한 객체 후보영역을 생성한다.
영상 처리부(220)는 가우시안 혼합 모델(GMM: Gaussian Mixture Model)을 이용하여 배경모델링을 수행하여 전경 화소를 분리한다. 영상 처리부(220)는 영상 프레임 내의 화소 중 가우시안 혼합의 밀도함수에 대한 가중치(Weight)가 소정의 기준보다 큰 복수 개의 화소를 배경모델로 지정하고, 지정된 배경모델을 제거하여 움직이는 객체에 해당하는 전경모델로 분리하여 객체 후보영역을 생성한다. 예컨대, 영상 처리부(220)는 영상 프레임 내에서 복수의 차량이 통과하는 경우, 가우시안 혼합 밀도함수에 근거하여 가중치를 측정하고, 가중치가 높은 고정된 배경을 배경모델로 지정하고, 영상 프레임 내에서 배경모델을 제거하여 움직이는 차량을 전경모델로 분리하여 객체 후보영역을 생성한다.
영상 처리부(220)는 전경모델에서 노이즈(잡음)를 제거하여 객체 후보영역을 생성할 수 있다. 영상 처리부(220)는 화소의 팽창(Dilation) 또는 침식(Erosion)을 이용하는 모폴로지컬(Morphological) 방식을 이용하여 노이즈를 제거할 수 있으나 반드시 이에 한정되는 것은 아니며, 전경 객체의 면적 히스토그램을 이용한 노이즈 제거방식, 전경 객체정보에 포함된 좌표값을 이용한 노이즈 제거방식 등을 이용하여 전경모델에 대한 노이즈를 제거할 수 있다.
영상 처리부(220)는 전경모델의 화소수 즉 전경모델의 면적이 소정의 크기보다 작은 전경모델을 노이즈로 판단하여 제거할 수 있다. 예컨대, 영상 처리부(220)는 전경모델의 형태가 기 설정된 차량의 크기의 전체가 아닌 일부만을 나타내는 경우, 이러한 전경모델을 노이즈로 판단하여 제거할 수 있다.
이하, 영상 처리부(220)에서 가우시안 혼합 모델을 적용하여 전경 및 배경을 분리하는 동작에 대해 설명하도록 한다.
영상 처리부(220)는 영상 프레임에 포함된 화소에 가우시안 혼합 모델을 적용한다. 영상 처리부(220)는 수학식 1을 이용하여 배경모델을 생성한다. 영상 처리부(220)는 수학식 1을 기반으로 기 설정된 시간에 따라 소정의 파라미터를 예측한다. 영상 처리부(220)는 소정의 파라미터에 따른 K 분포에 대해 Wk / σk를 기초로 화소를 정렬한다. 여기서, 영상 처리부(220)는 정렬된 화소 중 작은 분산을 갖고, 높은 가중치값을 갖는 화소를 배경 화소 즉, 배경모델로 생성한다.
Figure pat00001
(p(x): K 분포를 구성하는 가우시안 혼합의 확률 밀도 함수, wk: 화소의 가중치, N(x;μk, σk): 각 화소에 대한 평균 및 공분산의 정규 밀도함수)
영상 처리부(220)는 수학식 2를 기반으로 가중치값 누적 방식을 이용하여 배경모델을 생성할 수 있다.
Figure pat00002
(T: 기 설정된 임계값, wk: 화소의 가중치)
영상 처리부(220)는 영상 프레임에 포함된 화소 각각에 대한 가중치의 누적의 합을 적용하여 기 설정된 임계값 이상의 가중치 누적값과, 분포의 변화가 가장 낮은 화소를 배경모델로 결정한다.
도 1에서 영상 처리부(220)는 가우시안 혼합 모델만을 이용하여 배경모델을 제거한 전경모델에 대한 객체 후보영역을 생성하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니며, 영상 프레임 내에서 움직이는 객체에 대한 전경모델을 검출할 수 있다면 에지 검출, 전경 배경 분리, 기 저장된 참조영상 비교 등의 그 어떤 방식으로 객체 후보영역을 생성할 수 있다.
객체 추적부(230)는 객체 후보영역 내에 포함된 각각의 객체에 대한 추적을 수행한다. 본 실시예에 따른 객체 추적부(230)는 객체 후보영역에 포함된 객체에 대한 특징점(Feature Point)을 추출하고, 이전 영상 프레임과 현재 영상 프레임의 객체 후보영역을 비교하여 동일한 객체끼리 매칭하여 객체 결과정보를 생성한다. 여기서, 특징점은 객체 후보영역 내에 포함된 각각의 객체의 중심점인 것이 바람직하다.
객체 추적부(230)는 현재 영상 프레임의 객체 후보영역 내에 포함된 객체들과 이전 영상 프레임의 객체 후보영역 내에 포함된 객체들을 각각 비교하여 동일한 객체마다 객체 그룹을 형성하고, 각각의 객체 그룹에 포함된 객체의 특징점들을 연결하여 객체 추적을 수행한다.
관심영역 설정부(240)는 객체 결과정보에 대응하는 전체 또는 일부 영역을 관심영역으로 설정한다. 본 실시예에 따른 관심영역 설정부(240)는 관리자의 조작 또는 명령에 따른 입력신호에 근거하여 교통상황을 분석하기 위한 관심영역을 설정한다. 여기서, 관심영역 설정부(240)는 관리자로부터 터치 입력, 드래그 입력, 영역 좌표값 입력 등의 입력신호에 근거하여 관심영역을 설정할 수 있으며, 관심영역은 사각형, 원형, 불규칙한 도형 등으로 설정될 수 있다.
관심영역 설정부(240)는 복수 개의 관심영역을 설정한다. 관심영역 설정부(240)는 객체 결과정보에 대응하는 영역을 복수 개의 관심영역으로 설정한다. 여기서, 복수 개의 관심영역은 객체 결과정보에 근거하여 하나의 객체가 이동하는 경로를 따라 설정된 영역을 의미하며, 각각의 영역은 서로 연결되어 있다. 예컨대, 관심영역 설정부(240)는 객체 결과정보에 대응하는 영역이 A 지점, B 지점 및 C 지점을 포함하는 경우, A 지점 및 B 지점을 포함하는 영역을 제1 관심영역으로 설정하고, B 지점 및 C 지점을 포함하는 영역을 제2 관심영역으로 설정한다.
관심영역 설정부(240)는 관리자의 입력신호에 따라서만 관심영역을 설정하는 것으로 기재하고 있으나 반드시 이에 한정되는 것은 아니며, 자동으로 객체 결과정보에 대응하는 전체 영역을 관심영역으로 설정하거나, 자동으로 기 설정된 임계치 이상의 객체가 존재하는 객체 결과정보에 대응하는 일부 영역을 관심영역으로 설정할 수 있다.
객체 카운팅부(250)는 관심영역을 통과하는 객체에 대한 통행량을 산출한다. 본 실시예에 따른 객체 카운팅부(250)는 복수 개의 관심영역 각각에 대한 개별 통행량을 산출하고, 각각의 개별 통행량을 가중합산하여 복수 개의 관심영역 전체에 대한 통합 통행량을 산출한다. 여기서, 객체 카운팅부(250)는 기 설정된 계산주기마다 통합 통행량을 산출한다.
객체 카운팅부(250)는 복수 개의 관심영역 각각에 서로 다른 가중치를 설정하여 각각의 관심영역에 대한 개별 통행량을 산출한다. 객체 카운팅부(250)는 객체가 가장 먼저 통과하는 관심영역을 기준으로 객체가 이동하는 방향의 관심영역 즉, 객체가 나중에 통과하는 관심영역 순으로 높은 가중치를 설정하여 개별 통행량을 산출한다. 예컨대, 객체 카운팅부(250)는 도로 상에 설정된 3 개의 관심영역 중 차량이 처음 통과하는 제1 관심영역에 '0.2'의 제1 가중치를 부여하여 제1 개별 통행량을 산출하고, 차량이 두 번째로 통과하는 제2 관심영역에 '0.4'의 제2 가중치를 부여하여 제2 개별 통행량을 산출하고, 차량이 세 번째로 통과하는 제3 관심영역에 '0.6'의 제3 가중치를 부여하여 제3 개별 통행량을 산출한다. 여기서, 객체 카운팅부(250)는 제1 개별 통행량, 제2 개별 통행량 및 제3 개별 통행량을 가중합산하여 전체 관심영역에 대한 통합 통행량을 산출한다.
한편, 객체 카운팅부(250)는 객체가 통과하는 관심영역 순으로 높은 가중치를 설정하는 것으로 기재하고 있으나 반드시 이에 한정되는 것은 아니며, 객체가 통과하는 관심영역 순으로 낮은 가중치를 설정할 수도 있다. 예컨대, 객체 카운팅부(250)는 도로 상에 설정된 3 개의 관심영역 중 차량이 처음 통과하는 제1 관심영역에 '0.6'의 제1 가중치를 부여하여 제1 개별 통행량을 산출하고, 차량이 두 번째로 통과하는 제2 관심영역에 '0.4'의 제2 가중치를 부여하여 제2 개별 통행량을 산출하고, 차량이 세 번째로 통과하는 제3 관심영역에 '0.2'의 제3 가중치를 부여하여 제3 개별 통행량을 산출할 수 있다.
객체 카운팅부(250)는 복수 개의 관심영역 중 맨 앞의 영역을 통과하는 객체의 교통 상황을 먼저 고려하고, 이 영역보다 뒤에 있는 영역의 교통 상황을 각각 고려하여 전체 관심영역에 대해 더 정확한 교통 상황을 예측할 수 있다.
객체 카운팅부(250)는 각각의 관심영역에 대하여 객체의 수와 가중값을 곱하여 개별 통행량을 산출한다. 각각의 관심영역의 개별 통행량을 산출하고, 각각의 개별 통행량을 가중합산하여 통합 통행량을 산출하는 계산식은 수학식 3과 같다.
Figure pat00003
(α: 각각의 관심영역에 대한 가중치(0<α<1), Ci: 관심영역 내의 객체의 수, i: 관심영역의 수)
점유율 산출부(260)는 전체 관심영역에 대한 객체의 점유율을 산출하여 객체 점유율 정보를 생성한다. 본 실시예에 따른 점유율 산출부(260)는 기 설정된 분석주기마다 전체 관심영역에 대한 통합 통행량을 이용하여 전체 관심영역의 점유율을 산출한다. 여기서, 분석주기는 객체 카운팅부(250)에서 통합 통행량을 산출하는 계산주기보다 짧은 것이 바람직하다.
점유율 산출부(260)는 기 설정된 분석주기 동안 전체 관심영역을 통과한 통합 통행량을 분석주기로 나누어 객체 점유율 정보를 산출한다. 점유율 산출부(260)는 객체 점유율 정보를 산출함으로써, 객체의 속도가 급변하여 발생하는 오차를 줄일 수 있다. 다시 말해, 점유율 산출부(260)는 분석주기에 대한 시간에서 복수 개의 관심영역에 대한 객체의 점유율을 계산하여 교통정보 결정부(270)로 전송한다. 점유율 산출부(260)에서 객체 점유율 정보를 산출하기 위한 계산식은 수학식 4와 같다.
Figure pat00004
(Ta: 기 설정된 분석주기,
Figure pat00005
: 분석주기 동안 산출된 통합 통행량의 합, Dn -k: 전체 관심영역에 대한 통합 통행량)
교통정보 결정부(270)는 점유율 산출부(260)로부터 객체 점유율 정보를 수신하고, 객체 점유율 정보에 근거하여 교통 상황정보를 결정한다. 본 실시예에 따른 교통정보 결정부(270)는 객체 점유율 정보를 교통 상황을 판단하기 위해 기 설정된 기준 임계치와 비교하여 교통 상황정보를 결정한다. 다시 말해, 교통정보 결정부(270)는 객체 점유율 정보를 기 설정된 기준 임계치와 비교하여, 객체 점유율 정보에 대응하는 기준 임계치 범위의 원활, 서행, 지체, 정체 등과 같은 교통 정보 중 하나를 교통 상황정보로 결정한다. 예를 들어, 교통정보 결정부(270)는 D1, D2, D3, D4 등의 기 설정된 기준 임계치에서 객체 점유율 정보에 대한 교통 정보를 교통 상황정보로 결정하기 위한 조건은 표 1과 같다.
Figure pat00006
도 3은 본 실시예에 따른 교통상황을 분석하는 방법을 설명하기 위한 순서도이다.
이하, 교통상황 분석장치(120)가 교통상황을 분석하는 방법을 간략하게 설명하자면 다음과 같다.
교통상황 분석장치(120)는 영상 프레임을 획득하고, 획득된 영상 프레임 내에서 객체 추적에 따른 객체 추적결과정보에 근거하여 복수의 관심영역을 설정한다(S310 내지 S342).
교통상황 분석장치(120)는 관심영역별로 개별 통행량을 산출하고, 각각의 개별 통행량을 가중합산하여 통합 통행량을 산출한다(S350 내지 S360).
교통상황 분석장치(120)는 통합 통행량을 이용하여 전체 관심영역에 대한 객체 점유율 정보를 산출한다(S370 내지 S380).
교통상황 분석장치(120)는 객체 점유율 정보를 기 설정된 임계값과 비교하여 교통 상황정보를 생성한다(S390).
이하, 교통상황 분석장치(120)가 교통상황을 분석하는 방법을 구체적으로 설명하도록 한다.
교통상황 분석장치(120)는 영상 촬영장치(110)로부터 촬영된 촬영영상에 대한 영상 프레임을 획득한다(S310).
교통상황 분석장치(120)는 영상 프레임에 대한 배경모델을 생성하고, 영상 프레임에서 배경모델을 제외하여 전경모델을 분리한다(S320). 여기서, 교통상황 분석장치(120)는 가우시안 혼합 모델을 이용하여 전경모델을 분리한다. 교통상황 분석장치(120)는 영상 프레임 내의 화소 중 가우시안 혼합의 밀도함수에 대한 가중치(Weight)가 소정의 기준보다 큰 복수 개의 화소를 배경모델로 지정하고, 지정된 배경모델을 제거하여 움직이는 객체에 해당하는 전경모델을 분리한다.
교통상황 분석장치(120)는 전경모델에 근거하여 노이즈를 제거하여 이동하는 객체를 검출하여 객체 후보영역을 생성한다(S330). 교통상황 분석장치(120)는 화소의 팽창(Dilation) 또는 침식(Erosion)을 이용하는 모폴로지컬(Morphological) 방식을 이용하여 노이즈를 제거하는 것이 바람직하다.
교통상황 분석장치(120)는 검출된 객체를 추적하여 객체 결과정보를 생성한다(S340). 교통상황 분석장치(120)는 객체 후보영역에 포함된 객체에 대한 특징점(Feature Point)을 추출하고, 이전 영상 프레임과 현재 영상 프레임의 객체 후보영역을 비교하여 동일한 객체끼리 매칭하여 객체 결과정보를 생성한다. 다시 말해, 교통상황 분석장치(120)는 현재 영상 프레임의 객체 후보영역 내에 포함된 객체들과 이전 영상 프레임의 객체 후보영역 내에 포함된 객체들을 각각 비교하여 동일한 객체마다 객체 그룹을 형성하고, 각각의 객체 그룹에 포함된 객체의 특징점들을 연결하여 객체 추적을 수행하여 객체 결과정보를 생성한다.
교통상황 분석장치(120)는 객체 추적결과정보에 근거하여 복수의 관심영역을 설정한다(S342). 교통상황 분석장치(120)는 관리자로부터 터치 입력, 드래그 입력, 영역 좌표값 입력 등의 입력신호에 근거하여 복수 개의 관심영역을 설정한다. 교통상황 분석장치(120)는 객체 결과정보에 근거하여 하나의 객체가 이동하는 경로를 따라 서로 연결된 영역을 복수 개의 관심영역으로 설정한다.
교통상황 분석장치(120)는 기 설정된 계산주기에 도달하는 경우(S350), 전체 관심영역에 대한 통합 통행량을 산출한다(S360). 교통상황 분석장치(120)는 복수 개의 관심영역 각각에 대한 개별 통행량을 산출하고, 각각의 개별 통행량을 가중합산하여 복수 개의 관심영역 전체에 대한 통합 통행량을 산출한다.
교통상황 분석장치(120)는 통합 통행량이 0 이상인 경우(S370), 통합 통행량을 기초로 전체 관심영역에 대한 객체 점유율 정보를 산출한다(S380). 교통상황 분석장치(120)는 기 설정된 분석주기 동안 전체 관심영역을 통과한 객체에 대한 통합 통행량을 분석주기로 나누어 전체 관심영역에 대한 객체 점유율 정보를 산출한다.
교통상황 분석장치(120)는 객체 점유율 정보과 기 설정된 임계값을 비교하여 교통 상황정보를 결정한다(S390). 교통상황 분석장치(120)는 객체 점유율 정보를 교통 상황을 판단하기 위해 기 설정된 기준 임계치와 비교하여 교통 상황정보를 결정한다. 다시 말해, 교통상황 분석장치(120)는 객체 점유율 정보를 기 설정된 기준 임계치와 비교하여, 객체 점유율 정보에 대응하는 원활, 서행, 지체, 정체 등과 같은 교통 정보 중 하나를 교통 상황정보로 결정한다. 교통상황 분석장치(120)는 모니터링 장치(130)로 교통 상황정보를 전송하여 출력되도록 한다.
도 4는 본 실시예에 따른 교통상황을 분석하는 동작을 설명하기 위한 예시도이다.
교통상황 분석장치(120)는 영상 촬영장치(110)로부터 촬영된 촬영영상에 대한 영상 프레임을 영상 처리하여 생성된 객체 후보영역을 기초로 객체를 추적하여 움직이는 객체에 대한 객체 결과정보를 생성한다.
교통상황 분석장치(120)는 객체 결과정보를 기초로 복수의 관심영역을 설정한다. 교통상황 분석장치(120)는 관리자로부터 터치 입력, 드래그 입력, 영역 좌표값 입력 등의 입력신호에 근거하여 관심영역을 설정할 수 있다. 예를 들어, 도 4에 도시된 바와 같이, 교통상황 분석장치(120)는 입력신호에 근거하여 제1 관심영역(410), 제2 관심영역(420) 및 제3 관심영역(430)을 포함하는 전체 관심영역(400)을 설정할 수 있다.
교통상황 분석장치(120)는 제1 관심영역(410), 제2 관심영역(420) 및 제3 관심영역(430) 각각에 대한 개별 통행량을 산출하고, 각각의 개별 통행량을 가중합산하여 전체 관심영역(400)에 대한 통합 통행량을 산출한다. 여기서, 제1 관심영역(410), 제2 관심영역(420) 및 제3 관심영역(430)은 서로 다른 가중치를 갖으며, 차량 진행방향인 제3 관심영역(430)을 기준으로 제2 관심영역(420), 제1 관심영역(410) 순으로 일정하게 증가되는 가중치를 갖는다.
교통상황 분석장치(120)는 기 설정된 분석주기 동안의 통합 통행량을 합산하여 객체 점유율 정보를 산출하고, 객체 점유율 정보를 기준 임계값과 비교하여 객체 점유율 정보에 대응하는 기준 임계값 범위의 원활상태, 서행상태, 지체상태 및 정체상태 중 하나의 상태를 교통 상황정보로 생성하여 모니터링 장치(130)로 전송한다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
이상에서 설명한 바와 같이 본 실시예는 교통상황을 분석하는 분야에 적용되어, 교통상황을 분석하기 위한 연산량을 감소시킬 수 있고, 실제 교통상황과 유사한 교통 상황정보를 산출할 수 있는 효과를 발생하는 유용한 발명이다.
110: 영상 촬영장치 120: 교통상황 분석장치
130: 모니터링 장치
210: 영상 획득부 220: 영상 처리부
230: 객체 추적부 240: 관심영역 설정부
250: 객체 카운팅부 260: 점유율 산출부
270: 교통정보 결정부

Claims (10)

  1. 영상 프레임 내에서 복수의 관심영역을 설정하는 관심영역 설정과정;
    상기 복수의 관심영역에 대한 통합 통행량을 산출하는 객체 카운팅 과정;
    상기 통합 통행량을 이용하여 상기 복수의 관심영역에 대한 객체 점유율 정보를 산출하는 점유율 산출과정; 및
    상기 객체 점유율 정보를 기 설정된 기준 임계값과 비교하여 교통 상황정보를 결정하는 교통정보 결정과정
    을 포함하는 것을 특징으로 하는 교통상황 분석 방법.
  2. 제 1 항에 있어서,
    상기 관심영역 설정과정은,
    관리자의 조작 또는 명령에 따른 입력신호에 근거하여 상기 복수의 관심영역을 설정하거나, 상기 영상 프레임 내에서 객체를 추적한 객체 추적결과정보에 대응하는 전체 또는 일부 영역을 자동으로 상기 복수의 관심영역으로 설정하는 것을 특징으로 하는 교통상황 분석방법.
  3. 제 1 항에 있어서,
    상기 객체 카운팅과정은,
    각각의 관심영역별로 상기 관심영역을 통과하는 객체의 수에 대한 개별 통행량을 산출하고, 상기 개별 통행량을 가중합산하여 상기 복수의 관심영역 전체에 대한 상기 통합 통행량을 산출하는 것을 특징으로 하는 교통상황 분석 방법.
  4. 제 3 항에 있어서,
    상기 객체 카운팅과정은,
    상기 복수 개의 관심영역 각각에 서로 다른 가중치를 설정하고, 상기 서로 다른 가중치를 이용하여 산출된 상기 개별 통행량을 합산하여 상기 통합 통행량을 산출하는 것을 특징으로 하는 교통상황 분석 방법.
  5. 제 4 항에 있어서,
    상기 객체 카운팅과정은,
    상기 객체가 가장 먼저 통과하는 관심영역을 기준으로 상기 객체가 이동하는 방향의 관심영역으로 일정하게 증가되는 가중치를 설정하여 상기 개별 통행량을 산출하는 것을 특징으로 하는 교통상황 분석 방법.
  6. 제 1 항에 있어서,
    상기 점유율 산출과정은,
    기 설정된 분석주기마다 상기 복수의 관심영역에 대한 상기 통합 통행량을 이용하여 상기 객체 점유율 정보를 산출하는 것을 특징으로 하는 교통상황 분석 방법.
  7. 제 6 항에 있어서,
    상기 점유율 산출과정은,
    상기 기 설정된 분석주기 동안 상기 복수의 관심영역을 통과한 상기 통합 통행량을 상기 분석주기로 나누어 상기 객체 점유율 정보를 산출하는 것을 특징으로 하는 교통상황 분석 방법.
  8. 제 1 항에 있어서,
    상기 교통정보 결정과정은,
    상기 객체 점유율 정보와 상기 기준 임계값을 비교하여 상기 객체 점유율 정보에 대응하는 기준 임계값 범위의 원활상태, 서행상태, 지체상태 및 정체상태 중 적어도 하나의 상태를 상기 교통 상황정보로 생성하여 출력되도록 하는 것을 특징으로 하는 교통상황 분석 방법.
  9. 제 1 항에 있어서,
    상기 관심영역 설정과정의 전처리 동작으로,
    영상 촬영장치로부터 영상 프레임을 획득하는 과정;
    상기 영상 프레임 각각에 대한 배경모델을 생성하고, 각각의 상기 영상 프레임 내에서 상기 배경모델을 제거하여 움직이는 객체에 대한 전경모델을 구분하는 과정;
    상기 전경모델을 기초로 노이즈를 제거하여 객체 후보영역을 생성하는 과정; 및
    상기 객체 후보영역 내에서 상기 객체에 대한 특징점을 추출하고, 상기 특징점을 이용하여 객체 추적에 대응하는 상기 객체 추적결과정보를 생성하는 과정
    을 추가로 포함하는 것을 특징으로 하는 교통상황 분석 방법.
  10. 영상 프레임 내에서 객체 추적에 따른 객체 추적결과정보에 근거하여 복수의 관심영역을 설정하는 관심영역 설정부;
    각각의 관심영역별로 개별 통행량을 산출하고, 각각의 상기 개별 통행량을 가중합산하여 상기 복수의 관심영역에 대한 통합 통행량을 산출하는 객체 카운팅 부;
    상기 통합 통행량을 이용하여 상기 복수의 관심영역에 대한 객체 점유율 정보를 산출하는 점유율 산출부; 및
    상기 객체 점유율 정보를 기 설정된 기준 임계값과 비교하여 교통 상황정보를 결정하는 교통정보 결정부
    를 포함하는 것을 특징으로 하는 교통상황 분석장치.
KR1020140139625A 2014-10-16 2014-10-16 교통상황 분석 방법 및 장치 KR102199252B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140139625A KR102199252B1 (ko) 2014-10-16 2014-10-16 교통상황 분석 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140139625A KR102199252B1 (ko) 2014-10-16 2014-10-16 교통상황 분석 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20160044757A true KR20160044757A (ko) 2016-04-26
KR102199252B1 KR102199252B1 (ko) 2021-01-07

Family

ID=55919120

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140139625A KR102199252B1 (ko) 2014-10-16 2014-10-16 교통상황 분석 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102199252B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101851682B1 (ko) * 2017-11-17 2018-04-24 주식회사 사라다 인접 도로영상의 분석을 통한 주차장 혼잡정보 제공장치 및 제공방법
KR20190087276A (ko) * 2018-01-15 2019-07-24 한국전자통신연구원 영상 기반 교통량 측정 시스템 및 그 방법
KR20190105285A (ko) * 2018-03-05 2019-09-17 재단법인 다차원 스마트 아이티 융합시스템 연구단 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템
KR102173419B1 (ko) * 2020-07-14 2020-11-03 주식회사 아프로시스템즈 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템
KR102283483B1 (ko) * 2021-02-19 2021-07-29 주식회사 싸인텔레콤 교통량 산출을 위한 영상분석시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102355431B1 (ko) 2021-08-25 2022-02-08 한국건설기술연구원 Ai 기반 돌발상황 검지 방법 및 그 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100688390B1 (ko) * 2005-08-25 2007-03-02 브이앤아이 주식회사 교통정보 검지시스템 및 이를 이용한 교통정보 검지방법
KR20100125160A (ko) * 2009-05-20 2010-11-30 (주) 서돌 전자통신 영상처리기술을 이용한 고속 교통정보 수집시스템 및 고속 교통정보 수집방법
KR101055789B1 (ko) * 2010-05-14 2011-08-11 주식회사 비츠로시스 자동 교통정보추출 시스템
KR20110123042A (ko) * 2010-05-06 2011-11-14 한국산업기술대학교산학협력단 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100688390B1 (ko) * 2005-08-25 2007-03-02 브이앤아이 주식회사 교통정보 검지시스템 및 이를 이용한 교통정보 검지방법
KR20100125160A (ko) * 2009-05-20 2010-11-30 (주) 서돌 전자통신 영상처리기술을 이용한 고속 교통정보 수집시스템 및 고속 교통정보 수집방법
KR20110123042A (ko) * 2010-05-06 2011-11-14 한국산업기술대학교산학협력단 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법
KR101055789B1 (ko) * 2010-05-14 2011-08-11 주식회사 비츠로시스 자동 교통정보추출 시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101851682B1 (ko) * 2017-11-17 2018-04-24 주식회사 사라다 인접 도로영상의 분석을 통한 주차장 혼잡정보 제공장치 및 제공방법
KR20190087276A (ko) * 2018-01-15 2019-07-24 한국전자통신연구원 영상 기반 교통량 측정 시스템 및 그 방법
KR20190105285A (ko) * 2018-03-05 2019-09-17 재단법인 다차원 스마트 아이티 융합시스템 연구단 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템
KR102173419B1 (ko) * 2020-07-14 2020-11-03 주식회사 아프로시스템즈 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템
KR102283483B1 (ko) * 2021-02-19 2021-07-29 주식회사 싸인텔레콤 교통량 산출을 위한 영상분석시스템

Also Published As

Publication number Publication date
KR102199252B1 (ko) 2021-01-07

Similar Documents

Publication Publication Date Title
KR102199252B1 (ko) 교통상황 분석 방법 및 장치
CN109887281B (zh) 一种监控交通事件的方法及***
CN108986064B (zh) 一种人流量统计方法、设备及***
CN102542289B (zh) 一种基于多高斯计数模型的人流量统计方法
TWI452540B (zh) 影像式之交通參數偵測系統與方法及電腦程式產品
KR100364582B1 (ko) 다중 이동물체 추적/감시 시스템
US7822275B2 (en) Method for detecting water regions in video
JPWO2016114134A1 (ja) 移動状況推定装置、移動状況推定方法およびプログラム
JP2019124683A (ja) オブジェクト速度推定方法と装置及び画像処理機器
Huang et al. Automatic moving object extraction through a real-world variable-bandwidth network for traffic monitoring systems
CN110111565A (zh) 一种基于实时视频流下的人车流量统计***与方法
KR101472674B1 (ko) 군중 궤적 추출을 이용한 비정상 행동 검출에 기초한 영상 감시 방법 및 영상 감시 장치
JP2022506905A (ja) 知覚システムを評価するシステム及び方法
US20190180447A1 (en) Image processing device
CN110889328A (zh) 检测道路交通状况的方法、装置、电子设备和存储介质
KR101030257B1 (ko) 카메라의 영상을 이용한 보행자 계수 방법 및 장치
CN105976398A (zh) 一种白天火灾视频检测方法
Su et al. A new local-main-gradient-orientation HOG and contour differences based algorithm for object classification
Dhulavvagol et al. Vehical tracking and speed estimation of moving vehicles for traffic surveillance applications
KR101640527B1 (ko) 단일객체의 크기를 추정하는 영상 감시장치 및 방법
JP7125843B2 (ja) 障害検知システム
CN110114801A (zh) 图像前景检测装置及方法、电子设备
KR20150088613A (ko) 폭력 상황을 검출하는 장치 및 방법
KR20120116699A (ko) 클러스터링 기법을 이용한 이동물체 검출장치 및 방법
CN106919889B (zh) 对视频图像中的人头进行检测的方法和装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant