KR20210051225A - Cctv를 이용한 차량 번호 인식 시스템 - Google Patents
Cctv를 이용한 차량 번호 인식 시스템 Download PDFInfo
- Publication number
- KR20210051225A KR20210051225A KR1020190136210A KR20190136210A KR20210051225A KR 20210051225 A KR20210051225 A KR 20210051225A KR 1020190136210 A KR1020190136210 A KR 1020190136210A KR 20190136210 A KR20190136210 A KR 20190136210A KR 20210051225 A KR20210051225 A KR 20210051225A
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- cctv
- processor
- cctvs
- predetermined
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
소정 CCTV와 통신을 수행하는 통신 장치; 상기 소정 CCTV로부터 획득된 소정 영상을 처리하는 그래픽 프로세서 기반의 임베디드 보드; 상기 임베디드 보드에서 획득된 데이터를 저장하는 스토리지; 프로세서; 및 상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 명령어들을 실행함으로써, 외부 장치로부터 상기 통신 장치를 통해 제1 차량을 포함하는 제1 영상을 수신하고, 상기 임베디드 보드를 통해 상기 제1 영상에 기초하여, 상기 제1 차량의 제1 차량 번호를 추출하고, 상기 임베디드 보드를 통해, 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하고, 제1 CCTV로부터 촬영된 영상에서 상기 제1 차량이 검색되면, 상기 제1 CCTV의 주변의 CCTV로부터 상기 제1 차량의 이력 정보 또는 실시간 정보를 획득하고, 상기 통신 장치를 통해, 상기 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관제 센터로 전송하는, 서버가 제공된다.
Description
차량 번호 인식 시스템에 관한 것이다.
차량번호는 각 차량마다 부여된 고유한 식별번호로서, 사람의 주민등록번호와 동일한 역할을 한다. 이러한 차량번호를 통하여 자동차의 소유자, 종류, 제작사, 제작년도, 배기량 등 기본정보의 확인이 가능하고, 또한 차량등록 상태, 과태료 및 세금 미납 여부, 도난차량 여부 등과 같은 다양한 정보를 확인할 수 있다.
차량번호를 통하여 차량에 대한 다양한 정보를 확인할 수 있음에 따라, 차량번호를 인식하기 위한 기술이 활발히 연구되어 왔으며, 다양한 분야에서 활용되고 있다. 예를 들어, 도로에 설치된 과속감시카메라, 신호위반 감시카메라, 주정차 위반 단속 카메라, 주차장 출입 통제 장치 등 다양한 분야에서 차량번호 인식 시스템이 활용되고 있다.
한국 등록 특허 제10-149630호 "차량번호인식 시스템"은 촬상 데이터를 분석하여 차량 번호판 영역을 구분하고 입체화하며, 번호판 영역을 평면화 및 확대 변환하여 차량번호를 인식하는 내용을 개시한다.
서버가 복수의 임베디드 보드를 수용할 수 있고, 임베디드 보드 각각은 복수의 CCTV와 연결되어 복수의 채널을 관리함으로써, 복수의 CCTV로부터 촬영된 영상에 대해 짧은 시간 동안 소정 차량을 모니터링 할 수 있다.
서버가 복수의 임베디드 보드를 수용함으로써, 복수의 CCTV를 관리하는 물리적인 공간 제약을 극복하고자 한다.
서버는 차량 번호의 인식에 사용되는 영상을 방범용 CCTV로부터 획득함으로써, 추가적인 CCTV의 설치를 방지하고자 한다.
일측에 따르면, 소정 CCTV와 통신을 수행하는 통신 장치; 상기 소정 CCTV로부터 획득된 소정 영상을 처리하는 그래픽 프로세서 기반의 임베디드 보드; 상기 임베디드 보드에서 획득된 데이터를 저장하는 스토리지; 프로세서; 및 상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 명령어들을 실행함으로써, 외부 장치로부터 상기 통신 장치를 통해 제1 차량을 포함하는 제1 영상을 수신하고, 상기 임베디드 보드를 통해 상기 제1 영상에 기초하여, 상기 제1 차량의 제1 차량 번호를 추출하고, 상기 임베디드 보드를 통해, 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하고, 제1 CCTV로부터 촬영된 영상에서 상기 제1 차량이 검색되면, 상기 제1 CCTV의 주변의 CCTV로부터 상기 제1 차량의 이력 정보 또는 실시간 정보를 획득하고, 상기 통신 장치를 통해, 상기 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관제 센터로 전송하는, 서버가 제공된다.
다른 일측에 따르면, 외부 장치로부터 제1 차량을 포함하는 제1 영상을 수신하는 단계; 상기 제1 영상에 기초하여, 상기 제1 차량의 제1 차량 번호를 추출하는 단계; 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하는 단계; 제1 CCTV로부터 촬영된 영상에서 상기 제1 차량이 검색되면, 상기 제1 CCTV의 주변의 CCTV로부터 상기 제1 차량의 이력 정보 또는 실시간 정보를 획득하는 단계; 및 상기 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관리 시스템으로 전송하는 단계를 포함하는, 그래픽 프로세서 기반의 임베디드 보드를 포함하는, 서버의 동작 방법이 제공된다.
서버가 복수의 임베디드 보드를 수용할 수 있고, 임베디드 보드 각각은 복수의 CCTV와 연결되어 복수의 채널을 관리함으로써, 복수의 CCTV로부터 촬영된 영상에 대해 짧은 시간 동안 소정 차량을 모니터링 할 수 있다.
서버가 복수의 임베디드 보드를 수용함으로써, 복수의 CCTV를 관리하는 물리적인 공간 제약을 극복할 수 있다.
서버는 차량 번호의 인식에 사용되는 영상을 방범용 CCTV로부터 획득함으로써, 추가적인 CCTV의 설치를 방지할 수 있다.
본 발명은, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 일실시예에 따라, 복수의 CCTV로부터 획득된 영상에 기초하여, 소정 차량을 모니터링 하는 서버의 동작을 설명하기 위한 개념도이다.
도 2는 일실시예에 따라, 복수의 CCTV로부터 획득된 영상에 기초하여, 소정 차량을 모니터링 하는 서버의 동작을 설명하기 위한 흐름도이다.
도 3은 일실시예에 따라, 서버 내의 임베디드 보드가 소정 영상에서 차량 번호를 추출하는 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따라, 서버 내의 임베디드 보드가 복수의 CCTV로부터 촬영된 영상으로부터 소정 차량을 검색하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따라, 서버 내의 임베디드 보드의 구조 및 임베디드 보드와 연결된 채널을 설명하기 위한 도면이다.
도 6은 일실시예에 따라, 영상을 통해 추출된 차량 번호가 일부인 경우, 복수의 CCTV로부터 획득된 영상에 기초하여, 차량 번호를 결정하는 임베디드 보드의 동작을 설명하기 위한 도면이다.
도 7은 일실시예에 따라, 서버 내의 구성을 나타낸 블록도이다.
도 1은 일실시예에 따라, 복수의 CCTV로부터 획득된 영상에 기초하여, 소정 차량을 모니터링 하는 서버의 동작을 설명하기 위한 개념도이다.
도 2는 일실시예에 따라, 복수의 CCTV로부터 획득된 영상에 기초하여, 소정 차량을 모니터링 하는 서버의 동작을 설명하기 위한 흐름도이다.
도 3은 일실시예에 따라, 서버 내의 임베디드 보드가 소정 영상에서 차량 번호를 추출하는 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따라, 서버 내의 임베디드 보드가 복수의 CCTV로부터 촬영된 영상으로부터 소정 차량을 검색하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따라, 서버 내의 임베디드 보드의 구조 및 임베디드 보드와 연결된 채널을 설명하기 위한 도면이다.
도 6은 일실시예에 따라, 영상을 통해 추출된 차량 번호가 일부인 경우, 복수의 CCTV로부터 획득된 영상에 기초하여, 차량 번호를 결정하는 임베디드 보드의 동작을 설명하기 위한 도면이다.
도 7은 일실시예에 따라, 서버 내의 구성을 나타낸 블록도이다.
이하에서는 도면을 참조하여 다양한 실시예들을 상세히 설명한다. 이하에서 설명되는 실시예들은 여러 가지 상이한 형태로 변형되어 실시될 수도 있다. 실시예들의 특징을 보다 명확히 설명하기 위하여 이하의 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 관해서 자세한 설명은 생략한다.
한편, 본 명세서에서 어떤 구성이 다른 구성과 "연결"되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐 아니라, '그 중간에 다른 구성을 사이에 두고 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성이 다른 구성을 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 그 외 다른 구성을 제외하는 것이 아니라 다른 구성들 더 포함할 수도 있다는 것을 의미한다.
또한, 본 명세서에서 사용되는 '제 1' 또는 '제 2' 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다.
도 1은 일실시예에 따라, 복수의 CCTV로부터 획득된 영상에 기초하여, 소정 차량을 모니터링 하는 서버의 동작을 설명하기 위한 개념도이다.
도 1을 참고하면, 서버(10)는 통합 관제 센터(20)로부터 제1 차량을 포함하는 제1 영상을 수신할 수 있다. 통합 관제 센터(20)는 서버(10)로 제1 영상에 포함된 제1 차량을 모니터링 한 결과를 요청할 수 있다.
서버(10)의 차량 검지 동작(110)과 관련하여, 서버(10)는 제1 영상을 분석하여 제1 영상 내에서 제1 차량의 제1 차량 번호를 추출할 수 있다.
서버(10)의 차량 분석 동작(120)과 관련하여, 서버(10)는 서버(10)와 연결된 복수의 CCTV로부터 획득된 영상들에서 제1 차량 번호를 갖는 제1 차량을 검색할 수 있다. 여기서, 서버(10)는 소정 CCTV로부터 획득된 소정 영상을 처리하는 그래픽 프로세서 기반의 임베디드 보드를 통해, 제1 차량을 검색할 수 있다. 서버(10)는 제1 차량을 검색한 결과에 기초하여, 제1 차량의 이력 정보 및 실시간 정보를 획득할 수 있다. 또한, 서버(10)는 외부 서버(30)로부터 제1 차량의 정보를 수신할 수 있다. 예를 들면, 제1 차량의 정보는, 제1 차량의 도난 여부 정보, 제1 차량의 세금 체납 여부 정보 등일 수 있고 이에 한정되지 않는다. 서버(10)는 차량을 분석한 결과를 통합 관제 센터(20)로 전송할 수 있다.
서버(10)의 차량 정보 저장 동작(130)과 관련하여, 서버(10)는 서버(10) 내의 스토리지에 차량에 대한 분석 결과 정보를 저장할 수 있다. 또한, 서버(10)는 외부 서버(30)로부터 수신된 차량의 정보를 저장할 수도 있다.
도 2는 일실시예에 따라, 복수의 CCTV로부터 획득된 영상에 기초하여, 소정 차량을 모니터링 하는 서버의 동작을 설명하기 위한 흐름도이다.
도 2를 참고하면, 단계 S210에서, 서버(10)는 외부 장치로부터 제1 차량을 포함하는 제1 영상을 수신할 수 있다.
단계 S220에서, 서버(10)는 제1 영상에 기초하여, 제1 차량의 제1 차량 번호를 추출할 수 있다.
예를 들면, 서버(10)는 서버(10) 내의 임베디드 보드를 제어하여, 제1 영상을 소정 차량 번호를 추출하는 학습 모델에 적용하여, 제1 차량의 제1 차량 번호를 추출할 수 있다.
예를 들면, 소정 차량 번호를 추출하는 학습 모델은, 소정 차량 번호를 포함하는 하나의 영상에 대해 밝기, 명암, 선명도, 해상도, 소정 차량 번호를 포함하는 영상에서 소정 차량 번호가 위치한 영역의 각도, 훼손 레벨 중 적어도 하나가 조정된 복수의 영상과 소정 차량 번호의 상관 관계를 학습한 결과에 기초하여 획득된 학습 모델일 수 있다.
예를 들면, 제1 차량의 제1 차량 번호의 일부만 획득되는 경우, 서버(10)는 차량 번호에 대한 적어도 하나의 후보 번호를 결정할 수 있다. 서버(10)는 임베디드 보드에서, 적어도 하나의 후보 번호 각각에 대한 차량을 검색할 수 있다. 서버(10)는 임베디드 보드에서 적어도 하나의 후보 번호를 갖는 차량을 추적한 결과에 기초하여, 적어도 하나의 후보 번호 중에서 제1 차량 번호를 결정할 수 있다.
서버(10)는 적어도 하나의 후보 번호 중에서 제1 차량 번호를 결정한 결과에 기초하여, 소정 차량 번호를 추출하는 학습 모델을 업데이트 할 수 있다.
단계 S230에서, 서버(10)는 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 제1 차량을 검색할 수 있다.
예를 들면, 서버(10)는 미리 설정된 범위 내에 설치된 복수의 CCTV의 주변에 위치한 적어도 하나의 CCTV를 포함하는 제1 그룹을 선택할 수 있다. 서버(10)는 서버(10) 내의 임베디드 보드를 제어하여, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다.
예를 들면, 임베디드 보드는 N 개의 임베디드 보드로 구성될 수 있다. 또한, N 개의 임베디드 보드 각각은 M 개의 CCTV와 연결 가능한 M 개의 채널로 구성될 수 있다. 서버(10)는 N 개의 임베디드 보드의 동작을 병렬적으로 처리하고, M x N 개의 채널로부터 제1 차량을 검색할 수 있다.
예를 들면, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되지 않으면, 서버(10)는 복수의 CCTV 중에서 제1 그룹과 다른 제2 그룹의 CCTV를 선택할 수 있다. 서버(10)는 서버(10) 내의 임베디드 보드를 제어하여, 제2 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다.
예를 들면, 제1 차량을 검색하기 위한 소정 CCTV의 그룹의 선택에 따라, 제1 차량의 검출 실패 횟수가 소정 횟수를 초과하면, 서버(10)는 소정 경고음을 출력할 수 있다. 서버(10)는 미리 설정된 범위 내에서 주요 길목으로 설정된 위치에 대응되는 CCTV로부터 촬영된 영상으로부터 제1 차량을 검색할 수 있다.
단계 S240에서, 제1 CCTV로부터 촬영된 영상에서 제1 차량이 검색되면, 서버(10)는 제1 CCTV의 주변의 CCTV로부터 제1 차량의 이력 정보 또는 실시간 정보를 획득할 수 있다.
예를 들면, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되면, 서버(10)는 제1 차량이 검색된 제2 CCTV의 위치에 기초하여, 제1 차량의 제1 이동 경로를 예측할 수 있다. 서버(10)는 제1 이동 경로 상에 위치한 CCTV에 기초하여, 제1 차량을 추적할 수 있다.
단계 S250에서, 서버(10)는 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관제 센터로 전송할 수 있다.
도 3은 일실시예에 따라, 서버 내의 임베디드 보드가 소정 영상에서 차량 번호를 추출하는 과정을 설명하기 위한 도면이다.
도 3을 참고하면, 단계 S310에서, 임베디드 보드(300)는 소정 차량 번호를 포함하는 하나의 영상에 대해 밝기, 명암, 선명도, 해상도, 소정 차량 번호를 포함하는 영상에서 소정 차량 번호가 위치한 영역의 각도, 훼손 레벨 중 적어도 하나가 조정된 복수의 영상을 획득할 수 있다.
예를 들면, 임베디드 보드(300)는 복수의 차량 번호 각각에 대한 복수의 영상을 포함할 수 있다. 복수의 영상 각각은, 영상의 밝기, 명암, 선명도, 해상도 등이 다를 수 있다. 또한, 복수의 영상 각각은, 차량 번호가 위치한 영역의 각도가 다를 수 있다. 또한, 복수의 영상 각각은, 영상의 품질이 다를 수 있다. 영상의 품질이 낮으면, 차량 번호가 위치한 영역의 훼손 레벨은 높을 수 있다.
예를 들면, 임베디드 보드(300)는 소정 차량 번호에 대한 복수의 영상을 외부 장치로부터 획득할 수 있다. 또한, 임베디드 보드(300)는 소정 차량 번호에 대한 하나의 영상에 대한 밝기, 명암, 선명도, 해상도, 소정 차량 번호를 포함하는 영상에서 소정 차량 번호가 위치한 영역의 각도, 훼손 레벨 중 적어도 하나를 조정하여, 복수의 영상을 획득할 수 있다. 복수의 영상은 차량 번호를 인식하는 학습 인자로 사용될 수 있다.
단계 S320에서, 임베디드 보드(300)는 복수의 소정 차량 번호와 복수의 소정 차량 번호에 대한 복수의 영상 간의 상관 관계를 학습할 수 있다.
단계 S330에서, 임베디드 보드(300)는 학습한 결과에 기초하여, 소정 차량 번호를 추출하는 학습 모델을 생성할 수 있다.
학습 모델은, 복수의 소정 차량 번호에 대한 복수의 영상에 기초하여 차량 번호를 결정하기 위해 이용되는 데이터 인식 모델일 수 있다. 여기서, 데이터 인식 모델은, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 또한, 학습 모델은, 예를 들어, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
단계 S340에서, 임베디드 보드(300)는 외부 장치로부터 제1 차량이 포함된 제1 영상(350)을 획득할 수 있다. 임베디드 보드(300)는 제1 영상(350)을 소정 차량 번호를 추출하는 학습 모델에 적용하여, 제1 차량의 제1 차량 번호(360)를 추출할 수 있다.
여기서, 소정 차량 번호를 추출하는 학습 모델은, 제1 영상(350)에 대응되는 영상이 입력 영상으로 입력되어도, 동일한 차량 번호를 추출할 수 있다. 제1 영상(350)에 대응되는 영상(351, 352, 353, 354, 355)은, 영상의 밝기, 명암, 선명도, 해상도 등이 다르거나, 차량 번호가 위치한 영역의 각도가 기울어져 있거나, 차량 번호가 위치한 영역이 훼손된 영상일 수 있다.
도 4는 일실시예에 따라, 서버 내의 임베디드 보드가 복수의 CCTV로부터 촬영된 영상으로부터 소정 차량을 검색하는 과정을 설명하기 위한 도면이다.
도 4를 참고하면, 서버(10) 내의 프로세서는 미리 설정된 범위 내에서 제1 차량을 검색할 수 있다. 이 경우, 프로세서는 미리 설정된 범위 내에 설치된 복수의 CCTV에서 촬영된 영상에 기초하여, 제1 차량을 검색할 수 있다. 여기서, CCTV는 거리에 설치된 방범용 CCTV일 수 있다.
예를 들어, 도 4는 미리 설정된 범위 내에 설치된 CCTV의 배열을 나타낸다. 설명의 편의상, 도 4에서는 CCTV의 배열을 일정 간격으로 도시하였다. 실제 도로나, 거리에 설치된 CCTV의 배열은 일정하지 않을 수 있다. 프로세서는 미리 설정된 범위 내에서 기준 위치를 설정할 수 있다. 프로세서는 기준 위치를 중심으로 설치된 CCTV에서 촬영된 영상들을 우선적으로 분석하여 제1 차량을 검색할 수 있다.
예를 들면, 프로세서는 임베디드 보드를 통해, 미리 설정된 범위 내에 설치된 CCTV 중 제1 CCTV로부터 촬영된 영상에서 제1 차량을 검색할 수 있다. 프로세서는 제1 CCTV의 주변에 위치한 적어도 하나의 CCTV를 포함하는 제1 그룹을 선택할 수 있다. 도 4를 참고하면, 프로세서는 제1 CCTV 및 제1 CCTV의 주변 CCTV를 포함하여 4개의 CCTV를 제1 그룹(411)으로 선택할 수 있다. 프로세서는 임베디드 보드를 제어하여, 제1 그룹(411) 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다. 제1 그룹(411) 내의 제2 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되면, 프로세서는 제2 CCTV의 위치에 기초하여, 제1 차량의 제1 이동 경로를 예측할 수 있다.
프로세서는 예측된 제1 이동 경로에 기초하여, 제2 CCTV 및 제2 CCTV의 주변 CCTV를 포함하여 4개의 CCTV를 제2 그룹(412)으로 선택할 수 있다. 마찬가지로, 프로세서는 임베디드 보드를 제어하여, 제2 그룹(412) 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다. 제2 그룹(412) 내의 제3 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되면, 프로세서는 제3 CCTV의 위치에 기초하여, 제1 차량의 제2 이동 경로를 예측할 수 있다. 마찬가지로, 프로세서는 소정 CCTV를 포함하는 제3 그룹(413), 제4 그룹(414)을 선택할 수 있다. 프로세서는 선택된 제3 그룹(413), 제4 그룹(414) 내의 CCTV를 통해 촬영된 영상들로부터 제1 차량을 검색하여, 제1 차량의 이력 정보 및 실시간 정보를 획득할 수 있다.
반면에, 제2 그룹(412) 내의 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되지 않으면, 프로세서는 제2 그룹(412)과 다른 제5 그룹(423)을 선택하고, 제5 그룹(423) 내의 CCTV를 통해 촬영된 영상들로부터 제1 차량을 검색하여, 제1 차량의 이력 정보 및 실시간 정보를 획득할 수 있다. 프로세서는 제5 그룹(423) 내에서 제1 차량이 검색된 CCTV의 위치에 기초하여, 제1 차량의 제3 이동 경로를 예측할 수 있다. 프로세서는 제3 이동 경로 상에 위치한 CCTV를 포함한 제6 그룹(424)을 선택할 수 있다. 프로세서는 제6 그룹(424) 내의 CCTV를 통해 촬영된 영상들로부터 제1 차량을 검색하여, 제1 차량의 이력 정보 및 실시간 정보를 획득할 수 있다.
다른 예를 들면, 제1 차량을 검색하기 위한 소정 CCTV의 그룹의 선택에 따라, 제1 차량의 검출 실패 횟수가 소정 횟수를 초과하면, 서버(10)는 경고음을 출력할 수 있다. 서버(10)는 서버(10)와 연결된 전자 장치의 화면에 경고 메시지를 표시할 수 있다. 프로세서는 미리 설정된 범위 내에서 주요 길목으로 설정된 위치에 대응되는 CCTV(431, 432, 433, 434)로부터 촬영된 영상으로부터 제1 차량을 검색할 수 있다. 주요 길목의 위치는 소정 시간 동안 이동 차량의 누적 대수에 기초하여 결정될 수 있다.
도 5는 일실시예에 따라, 서버 내의 임베디드 보드의 구조 및 임베디드 보드와 연결된 채널을 설명하기 위한 도면이다.
도 5를 참고하면, 임베디드 보드(300)는 4개의 임베디드 보드(510, 520, 530, 540)로 구성될 수 있다. 임베디드 보드(300)는 4개 이하의 임베디드 보드로 구성될 수 있고, 4개 이상의 임베디드 보드로 구성될 수 있다. 예를 들면, 하나의 임베디드 보드(510, 520, 530, 540)는 5개의 CCTV와 연결 가능한 5개의 채널로 구성될 수 있다. 상기 채널의 수는 예시이다.
도 5에 도시된 바와 같이, 제1 임베디드 보드(510)는 5개의 CCTV(551, 552, 553, 554, 555)로 구성된 제1 그룹과 연결될 수 있다. 제1 그룹 내의 CCTV(551, 552, 553, 554, 555)는 소정 간격으로 배치된 CCTV일 수 있거나, 미리 설정된 범위 내의 CCTV일 수 있거나, 주요 길목으로 선정된 위치에 배치된 CCTV일 수 있다. 제1 임베디드 보드(510)는 CCTV(551, 552, 553, 554, 555)로부터 획득된 각각의 영상들에 대해 독립적으로 영상처리를 수행할 수 있다. 예를 들면, 제1 임베디드 보드(510)는 CCTV(551, 552, 553, 554, 555)로부터 획득된 각각의 영상들에 대해 병렬적으로 소정 차량 번호를 갖는 동일한 차량을 검색하거나, 서로 다른 차량 번호를 갖는 다른 차량을 검색할 수 있다.
마찬가지로, 제2 임베디드 보드(520)는 5개의 CCTV로 구성된 제2 그룹(560)과 연결될 수 있고, 제3 임베디드 보드(530)는 5개의 CCTV로 구성된 제3 그룹(570)과 연결될 수 있고, 제4 임베디드 보드(540)는 5개의 CCTV로 구성된 제4 그룹(580)과 연결될 수 있다.
따라서, 서버는 제1 임베디드 보드(510), 제2 임베디드 보드(520), 제3 임베디드 보드(530), 제4 임베디드 보드(540) 각각을 병렬적으로 동작시킬 수 있고, 한 번에 20개의 채널을 모니터링 할 수 있다.
도 6은 일실시예에 따라, 영상을 통해 추출된 차량 번호가 일부인 경우, 복수의 CCTV로부터 획득된 영상에 기초하여, 차량 번호를 결정하는 임베디드 보드의 동작을 설명하기 위한 도면이다.
소정 영상 내에서 차량 번호가 위치한 영역의 영상 품질이 소정 레벨 이하인 경우, 소정 영상 내에서 차량 번호는 제대로 획득되지 않을 수 있다. 또한, 차량에 달린 차량 번호판 자체에 물리적인 훼손이 있는 경우, 차량 번호판을 촬영한 각도, 촬영시의 외부 밝기 등에 의해 소정 영상 내에서 차량 번호는 제대로 획득되지 않을 수 있다.
예를 들면, 제1 차량의 실제 차량 번호가 "14나 5755(611)"인데, 차량 번호 중 "나"의 부분이 정확하게 획득되지 않는 경우, 서버 내의 프로세서는 "나"와 비슷한 형태를 갖는 글자체를 결정할 수 있다. 프로세서는 "나"의 형태를 실제로 정확하게 인지할 수 없기 때문에, "나", "너", "다", "더"가 차량 번호 내의 글자일 수 있다고 예측할 수 있다.
서버 내의 프로세서는 "14나 5755(611)", "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)"를 제1 차량의 차량 번호에 대한 후보 번호로 결정할 수 있다. 서버 내의 프로세서는 제1 소정 시간 동안에, 제1 임베디드 보드(510), 제2 임베디드 보드(520), 제3 임베디드 보드(530), 제4 임베디드 보드(540) 각각에서, "14나 5755(611)", "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)"의 차량 번호를 검색할 수 있다. 서버 내의 프로세서는 차량 번호를 검색한 결과로 제1 추적 결과(620)를 획득할 수 있다. 예를 들면, "14나 5755(611)" 및 "14다 5755(613)"는 검출되고, "14너 5755(612)" 및 "14더 5755(614)"는 검출되지 않을 수 있다.
제1 추적 결과 이후에, 서버 내의 프로세서는 제2 소정 시간 동안에 제1 임베디드 보드(510), 제2 임베디드 보드(520), 제3 임베디드 보드(530), 제4 임베디드 보드(540) 각각에서, "14나 5755(611)", "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)"의 차량 번호를 검색할 수 있다. 서버 내의 프로세서는 차량 번호를 검색한 결과로 제2 추적 결과(630)를 획득할 수 있다. 예를 들면, "14나 5755(611)"는 검출되고, "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)"는 검출되지 않을 수 있다.
서버 내의 프로세서는 제1 추적 결과(620) 및 제2 추적 결과(630)에 기초하여, 후보 번호 중에서 연속적으로 검출된 후보 번호를 제1 차량의 차량 번호로 결정할 수 있다. 서버 내의 프로세서는 "14나 5755(611)", "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)" 중에서, "14나 5755(611)"를 제1 차량의 차량 번호로 결정할 수 있다.
한편, 임베디드 보드는 "14X 5755"로 판단되었던 복수의 영상과 "14나 5755(611) 간의 상관 관계를 재학습하여, 소정 차량 번호를 추출하는 학습 모델을 업데이트 할 수 있다. 예를 들면, "14X 5755"로 판단되었던 복수의 영상은, "14나 5755(611)", "14너 5755(612)", "14다 5755(613)", 및 "14더 5755(614)" 중 적어도 하나로 판단되었던 영상이다.
도 7은 일실시예에 따라, 서버 내의 구성을 나타낸 블록도이다.
도 7을 참고하면, 서버(10)는 통신 장치(710), 임베디드 보드(720), 스토리지(730), 메모리(740) 및 프로세서(750)를 포함할 수 있다. 도시된 구성 요소보다 많은 구성 요소에 의해 서버(10)가 구현될 수 있고, 그보다 적은 구성 요소에 의해 서버(10)가 구현될 수 있다. 이하, 상기 구성 요소들에 대해 살펴본다.
통신 장치 (710)는 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 장치와 통신을 수행할 수 있다.
임베디드 보드(720)는 소정 CCTV로부터 획득된 소정 영상을 처리하는 그래픽 프로세서를 포함할 수 있다. 임베디드 보드(720)는 N 개의 임베디드 보드로 구성될 수 있다. 또한, N 개의 임베디드 보드 각각은 M 개의 CCTV와 연결 가능한 M 개의 채널로 구성될 수 있다. 임베디드 보드(720)는 N 개의 임베디드 보드의 동작을 병렬적으로 처리하고, M x N 개의 채널로부터 제1 차량을 검색할 수 있다.
스토리지(730)는 복수의 CCTV로부터 촬영된 영상들을 저장할 수 있다. 또한, 스토리지(730)는 복수의 CCTV 별로 분석된 차량 정보를 저장할 수 있다. 또한, 스토리지(730)는 소정 차량에 대한 이력 정보 및 실시간 정보를 저장할 수 있다. 또한, 스토리지(730)는 소정 차량의 차량 번호를 인식하는 프로그램을 생성, 배포, 관리하는 데에 필요한 각종 소프트웨어 및 정보들을 저장할 수 있다.
메모리(740)는 소정의 소프트웨어 및 또는 프로그램을 저장할 수 있다. 메모리(740)는 프로세서(750)에 의해 실행 가능한 명령어들을 저장할 수 있다. 예를 들면, 메모리(740)는 프로세서(750) 또는 임베디드 보드(720)가 소정 영상으로부터 소정 차량의 차량 번호를 인식하고, 소정 차량을 모니터링 하는 명령어를 저장할 수 있다.
프로세서(750)는 메모리(740)에 저장된 프로그램을 실행시키거나, 메모리(740)에 저장된 데이터 또는 파일을 읽어오거나, 새로운 파일을 메모리(740)에 저장할 수 있다. 메모리(740)는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합으로 저장할 수 있다.
프로세서(750)는 서버(10)의 전체적인 동작을 제어하며, CPU 등과 같은 적어도 하나의 프로세서를 포함할 수 있다. 프로세서(750)는 각 기능에 대응되는 특화된 프로세서를 적어도 하나 포함하거나, 하나로 통합된 형태의 프로세서일 수 있다.
프로세서(750)는 통신 장치(710)를 통해 외부 장치로부터 제1 차량을 포함하는 제1 영상을 수신할 수 있다. 프로세서(750)는 제1 영상을 임베디드 보드(720)로 전달할 수 있다.
임베디드 보드(720)는 제1 영상에 기초하여, 제1 차량의 제1 차량 번호를 추출할 수 있다.
임베디드 보드(720)는, 제1 영상을 소정 차량 번호를 추출하는 학습 모델에 적용하여, 제1 차량의 제1 차량 번호를 추출할 수 있다.
예를 들면, 소정 차량 번호를 추출하는 학습 모델은, 소정 차량 번호를 포함하는 하나의 영상에 대해 밝기, 명암, 선명도, 해상도, 소정 차량 번호를 포함하는 영상에서 소정 차량 번호가 위치한 영역의 각도, 훼손 레벨 중 적어도 하나가 조정된 복수의 영상과 소정 차량 번호의 상관 관계를 학습한 결과에 기초하여 획득된 학습 모델일 수 있다.
예를 들면, 제1 차량의 제1 차량 번호의 일부만 획득되는 경우, 프로세서(750)는 차량 번호에 대한 적어도 하나의 후보 번호를 결정할 수 있다. 프로세서(750)는 임베디드 보드(720)를 제어하여, 적어도 하나의 후보 번호 각각에 대한 차량을 검색할 수 있다. 프로세서(750)는 임베디드 보드(720)에서 적어도 하나의 후보 번호를 갖는 차량을 추적한 결과에 기초하여, 적어도 하나의 후보 번호 중에서 제1 차량 번호를 결정할 수 있다.
프로세서(750)는 적어도 하나의 후보 번호 중에서 제1 차량 번호를 결정한 결과에 기초하여, 소정 차량 번호를 추출하는 학습 모델을 업데이트 할 수 있다.
프로세서(750)는 임베디드 보드(720)를 제어하여, 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 제1 차량을 검색할 수 있다.
예를 들면, 프로세서(750)는 미리 설정된 범위 내에 설치된 복수의 CCTV의 주변에 위치한 적어도 하나의 CCTV를 포함하는 제1 그룹을 선택할 수 있다. 서버(10)는 서버(10) 내의 임베디드 보드(720)를 제어하여, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다.
예를 들면, 임베디드 보드(720)는 N 개의 임베디드 보드로 구성될 수 있다. 또한, N 개의 임베디드 보드 각각은 M 개의 CCTV와 연결 가능한 M 개의 채널로 구성될 수 있다. 프로세서(10)는 N 개의 임베디드 보드의 동작을 병렬적으로 처리하고, M x N 개의 채널로부터 제1 차량을 검색할 수 있다.
예를 들면, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되지 않으면, 프로세서(750)는 복수의 CCTV 중에서 제1 그룹과 다른 제2 그룹의 CCTV를 선택할 수 있다. 프로세서(750)는 임베디드 보드(720)를 제어하여, 제2 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량을 검색할 수 있다.
예를 들면, 제1 차량을 검색하기 위한 소정 CCTV의 그룹의 선택에 따라, 제1 차량의 검출 실패 횟수가 소정 횟수를 초과하면, 프로세서(750)는 소정 경고음을 출력할 수 있다. 프로세서(750)는 임베디드 보드(720)를 제어하여, 미리 설정된 범위 내에서 주요 길목으로 설정된 위치에 대응되는 CCTV로부터 촬영된 영상으로부터 제1 차량을 검색할 수 있다.
제1 CCTV로부터 촬영된 영상에서 제1 차량이 검색되면, 프로세서(750)는 제1 CCTV의 주변의 CCTV로부터 제1 차량의 이력 정보 또는 실시간 정보를 획득할 수 있다.
예를 들면, 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 제1 차량이 검색되면, 프로세서(750)는 제1 차량이 검색된 제2 CCTV의 위치에 기초하여, 제1 차량의 제1 이동 경로를 예측할 수 있다. 프로세서(750)는 제1 이동 경로 상에 위치한 CCTV에 기초하여, 제1 차량을 추적할 수 있다.
프로세서(750)는 통신 장치(710)를 통해, 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관제 센터로 전송할 수 있다.
상술한 서버(10)의 동작 방법은 컴퓨터 또는 프로세서에 의하여 실행 가능한 명령어 또는 데이터를 저장하는 컴퓨터 판독 가능 저장매체의 형태로 구현될 수 있다. 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터 판독 가능 저장매체를 이용하여 이와 같은 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 이와 같은 컴퓨터 판독 가능 저장매체는 ROM, RAM, flash memory, CD, DVD 마그네틱 테이프, 플로피 디스크, 광자기 데이터 저장 장치, 광학 데이터 저장 장치, 하드 디스크, 솔리드-스테이트 디스크(SSD), 그리고 명령어 또는 소프트웨어, 관련 데이터, 데이터 파일, 및 데이터 구조들을 저장할 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
Claims (9)
- 소정 CCTV와 통신을 수행하는 통신 장치;
상기 소정 CCTV로부터 획득된 소정 영상을 처리하는 그래픽 프로세서 기반의 임베디드 보드;
상기 임베디드 보드에서 획득된 데이터를 저장하는 스토리지;
프로세서; 및
상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고,
상기 프로세서는, 상기 명령어들을 실행함으로써,
외부 장치로부터 상기 통신 장치를 통해 제1 차량을 포함하는 제1 영상을 수신하고,
상기 임베디드 보드를 통해 상기 제1 영상에 기초하여, 상기 제1 차량의 제1 차량 번호를 추출하고,
상기 임베디드 보드를 통해, 미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하고,
제1 CCTV로부터 촬영된 영상에서 상기 제1 차량이 검색되면, 상기 제1 CCTV의 주변의 CCTV로부터 상기 제1 차량의 이력 정보 또는 실시간 정보를 획득하고,
상기 통신 장치를 통해, 상기 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관제 센터로 전송하는, 서버. - 제1항에 있어서,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 미리 설정된 범위 내에 설치된 복수의 CCTV 중에서 상기 제1 CCTV의 주변에 위치한 적어도 하나의 CCTV를 포함하는 제1 그룹을 선택하고,
상기 임베디드 보드를 제어하여, 상기 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 상기 제1 차량을 검색하고,
상기 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 상기 제1 차량이 검색되면, 상기 제1 차량이 검색된 제2 CCTV의 위치에 기초하여, 상기 제1 차량의 제1 이동 경로를 예측하고,
상기 제1 이동 경로 상에 위치한 CCTV에 기초하여, 상기 제1 차량을 추적하는, 서버. - 제2항에 있어서,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 제1 그룹 내의 CCTV로부터 촬영된 영상들에서 상기 제1 차량이 검색되지 않으면, 상기 복수의 CCTV 중에서 상기 제1 그룹과 다른 제2 그룹의 CCTV를 선택하고,
상기 임베디드 보드를 제어하여, 상기 제2 그룹 내의 CCTV로부터 촬영된 영상들에서 상기 제1 차량을 검색하는, 서버. - 제3항에 있어서,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 제1 차량을 검색하기 위한 소정 CCTV의 그룹의 선택에 따라, 상기 제1 차량의 검출 실패 횟수가 소정 횟수를 초과하면, 경고음을 출력하고,
상기 미리 설정된 범위 내에서 주요 길목으로 설정된 위치에 대응되는 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하는, 서버. - 제1항에 있어서,
상기 임베디드 보드는 N 개의 임베디드 보드로 구성되고, 상기 N 개의 임베디드 보드 각각은, M 개의 CCTV와 연결 가능한 M 개의 채널로 구성되고,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 N 개의 임베디드 보드의 동작을 병렬적으로 처리하고, M x N 개의 채널로부터 상기 제1 차량을 검색하는, 서버. - 제1항에 있어서,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 임베디드 보드를 제어하여, 상기 제1 영상을 소정 차량 번호를 추출하는 학습 모델에 적용하여, 상기 제1 차량의 상기 제1 차량 번호를 추출하고,
상기 소정 차량 번호를 추출하는 학습 모델은,
상기 소정 차량 번호를 포함하는 하나의 영상에 대해 밝기, 명암, 선명도, 해상도, 상기 하나의 영상에서 상기 소정 차량 번호가 위치한 영역의 각도, 상기 영역이 훼손 레벨 중 적어도 하나가 조정된 복수의 영상과 상기 소정 차량 번호의 상관 관계를 학습한 결과에 기초하여 획득된, 서버. - 제6항에 있어서,
상기 제1 차량의 상기 제1 차량 번호의 일부만 획득되는 경우, 상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 차량 번호에 대한 적어도 하나의 후보 번호를 결정하고,
상기 임베디드 보드에서, 상기 적어도 하나의 후보 번호 각각에 대한 차량을 검색하고,
상기 임베디드 보드에서 상기 적어도 하나의 후보 번호를 갖는 차량을 추적한 결과에 기초하여, 상기 적어도 하나의 후보 번호 중에서 상기 제1 차량 번호를 결정하는, 서버. - 제7항에 있어서,
상기 프로세서는, 상기 명령어들을 실행함으로써,
상기 적어도 하나의 후보 번호 중에서 상기 제1 차량 번호를 결정한 결과에 기초하여, 상기 소정 차량 번호를 추출하는 학습 모델을 업데이트 하는, 서버. - 외부 장치로부터 제1 차량을 포함하는 제1 영상을 수신하는 단계;
상기 제1 영상에 기초하여, 상기 제1 차량의 제1 차량 번호를 추출하는 단계;
미리 설정된 범위 내에 설치된 복수의 CCTV로부터 촬영된 영상으로부터 상기 제1 차량을 검색하는 단계;
제1 CCTV로부터 촬영된 영상에서 상기 제1 차량이 검색되면, 상기 제1 CCTV의 주변의 CCTV로부터 상기 제1 차량의 이력 정보 또는 실시간 정보를 획득하는 단계; 및
상기 제1 차량의 이력 정보 또는 실시간 정보를 복수의 차량을 관리하는 통합 관리 시스템으로 전송하는 단계를 포함하는, 그래픽 프로세서 기반의 임베디드 보드를 포함하는, 서버의 동작 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190136210A KR102286250B1 (ko) | 2019-10-30 | 2019-10-30 | Cctv를 이용한 차량 번호 인식 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190136210A KR102286250B1 (ko) | 2019-10-30 | 2019-10-30 | Cctv를 이용한 차량 번호 인식 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210051225A true KR20210051225A (ko) | 2021-05-10 |
KR102286250B1 KR102286250B1 (ko) | 2021-08-05 |
Family
ID=75918416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190136210A KR102286250B1 (ko) | 2019-10-30 | 2019-10-30 | Cctv를 이용한 차량 번호 인식 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102286250B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102460733B1 (ko) * | 2022-05-02 | 2022-10-31 | 주식회사 엠티오메가 | 차량 번호판 인식을 위한 번호판 이미지 기계 학습 방법 및 이러한 방법을 수행하는 장치 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009048225A (ja) * | 2007-08-13 | 2009-03-05 | Toshiba Corp | 車両認識装置及び車両認識方法 |
KR20090073554A (ko) * | 2007-12-31 | 2009-07-03 | 아진산업(주) | 임베디드 기반의 차량용 영상저장 장치 및 방법 |
KR101071715B1 (ko) * | 2010-07-02 | 2011-10-11 | 윤형관 | 아이피 기반의 차량번호인식 시스템 및 방법 |
JP2014059655A (ja) * | 2012-09-14 | 2014-04-03 | Toshiba Corp | 道路状況監視装置、及び道路状況監視方法 |
KR101562870B1 (ko) * | 2014-11-10 | 2015-10-29 | 주식회사 로보티어 | CCTV 감시카메라 방범·방재 그룹핑 Wi-Fi Direct 서비스 제공 ARGOS 타워 및 ARGOS 시스템 |
KR101743689B1 (ko) * | 2016-09-07 | 2017-06-07 | 주식회사 엠제이비전테크 | 통합 방범 지능형 cctv의 영상 처리 방법 및 통합 방범 지능형 cctv 시스템 |
KR20190095571A (ko) * | 2018-01-19 | 2019-08-16 | 한국기술교육대학교 산학협력단 | 차량번호판 자동인식 방법 |
-
2019
- 2019-10-30 KR KR1020190136210A patent/KR102286250B1/ko active IP Right Grant
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009048225A (ja) * | 2007-08-13 | 2009-03-05 | Toshiba Corp | 車両認識装置及び車両認識方法 |
KR20090073554A (ko) * | 2007-12-31 | 2009-07-03 | 아진산업(주) | 임베디드 기반의 차량용 영상저장 장치 및 방법 |
KR101071715B1 (ko) * | 2010-07-02 | 2011-10-11 | 윤형관 | 아이피 기반의 차량번호인식 시스템 및 방법 |
JP2014059655A (ja) * | 2012-09-14 | 2014-04-03 | Toshiba Corp | 道路状況監視装置、及び道路状況監視方法 |
KR101562870B1 (ko) * | 2014-11-10 | 2015-10-29 | 주식회사 로보티어 | CCTV 감시카메라 방범·방재 그룹핑 Wi-Fi Direct 서비스 제공 ARGOS 타워 및 ARGOS 시스템 |
KR101743689B1 (ko) * | 2016-09-07 | 2017-06-07 | 주식회사 엠제이비전테크 | 통합 방범 지능형 cctv의 영상 처리 방법 및 통합 방범 지능형 cctv 시스템 |
KR20190095571A (ko) * | 2018-01-19 | 2019-08-16 | 한국기술교육대학교 산학협력단 | 차량번호판 자동인식 방법 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102460733B1 (ko) * | 2022-05-02 | 2022-10-31 | 주식회사 엠티오메가 | 차량 번호판 인식을 위한 번호판 이미지 기계 학습 방법 및 이러한 방법을 수행하는 장치 |
Also Published As
Publication number | Publication date |
---|---|
KR102286250B1 (ko) | 2021-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mandal et al. | Object detection and tracking algorithms for vehicle counting: a comparative analysis | |
CN109284801B (zh) | 交通指示灯的状态识别方法、装置、电子设备及存储介质 | |
US11657623B2 (en) | Traffic information providing method and device, and computer program stored in medium in order to execute method | |
US20210042940A1 (en) | Digital twin monitoring systems and methods | |
KR20160103459A (ko) | 노드-링크 기반 카메라 네트워크 통합 감시 시스템 및 감시 방법 | |
JP2022502750A (ja) | センサデータ流を分析するための方法及び装置、並びに、車両を誘導するための方法 | |
JP2018189457A (ja) | 情報処理装置 | |
JP2019154027A (ja) | ビデオ監視システムのパラメータ設定方法、装置及びビデオ監視システム | |
KR101324221B1 (ko) | 영상 촬영을 통한 물체 추적 시스템 및 그 방법 | |
WO2016132769A1 (ja) | 撮影装置、撮影装置の制御方法、および制御プログラム | |
KR20200013156A (ko) | 간판 검출 성능 향상을 위한 방법 및 시스템 | |
CN110745145B (zh) | 用于adas的多传感器管理*** | |
CN109948436B (zh) | 一种监控道路上车辆的方法及装置 | |
KR102286250B1 (ko) | Cctv를 이용한 차량 번호 인식 시스템 | |
KR101826669B1 (ko) | 동영상 검색 시스템 및 그 방법 | |
WO2020145883A1 (en) | Object tracking systems and methods for tracking an object | |
CN113869258A (zh) | 交通事件检测方法、装置、电子设备及可读存储介质 | |
KR102351476B1 (ko) | 객체 충돌 예측을 위한 장치, 시스템 및 방법 | |
KR101263894B1 (ko) | 수배차량의 추적장치 및 그 방법 | |
CN117197796A (zh) | 一种车辆遮挡识别方法及相关装置 | |
KR102221158B1 (ko) | 레이더 장치와 영상 처리를 이용하여 차종, 속도, 통행량을 검지하는 장치 및 방법 | |
KR101939096B1 (ko) | 궤적서비스제공장치 및 그 장치의 구동방법 | |
KR102446320B1 (ko) | 복수의 카메라에 기반한 맵기반 객체추적 및 이벤트 검출장치 및 그 장치의 구동방법 | |
KR20220085475A (ko) | 라이다 센서 및 cctv를 이용한 차량 번호 인식 시스템 | |
CN109740518B (zh) | 一种视频中对象的确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right |