KR20220036240A - 교통정보 분석장치 및 방법 - Google Patents
교통정보 분석장치 및 방법 Download PDFInfo
- Publication number
- KR20220036240A KR20220036240A KR1020200118573A KR20200118573A KR20220036240A KR 20220036240 A KR20220036240 A KR 20220036240A KR 1020200118573 A KR1020200118573 A KR 1020200118573A KR 20200118573 A KR20200118573 A KR 20200118573A KR 20220036240 A KR20220036240 A KR 20220036240A
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- lane
- intersection
- traffic volume
- image
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000010586 diagram Methods 0.000 description 20
- 239000013598 vector Substances 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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)
- Image Analysis (AREA)
Abstract
본 발명은 교통정보 분석장치 및 방법에 관한 것이다. 상기 장치는, 카메라로부터 촬영된 교차로 영상을 제공받아 상기 교차로 영상으로부터 차량 객체를 검출하고 차종을 분류하는 차량 탐지 및 분류부; 상기 차량 탐지 및 분류부에서 검출된 차량 객체에 대해 연직 방향의 차량 중심위치를 추정하여 보정하는 차량 중심위치 보정부; 상기 교차로 영상의 매 프레임마다 상기 차량 중심위치와 크기를 이용하여 차량의 궤적을 추적하는 차량 궤적 추적부; 및 상기 궤적이 추적된 차량 객체에 대해 각 차선별로 통행량 및 통행 속도를 계산하는 차선별 통행량 및 속도 계산부를 포함하며, 상기 차선별 통행량 및 속도 계산부는 각 도로로부터 교차로로 차량이 진입하는 경계상에 교차로를 둘러싸며 설정된 진출 기준선을 길이방향으로 각 구간별로 나누고, 상기 진출 기준선의 각 구간별로 차량 객체의 통행량 및 통행 속도를 계산할 수 있다.
Description
본 발명은 교차로 모니터링을 이용한 차선별 교통정보 분석 장치 및 방법에 관한 것이다.
종래의 교통정보 제공 장치는 도로에 설치된 교통자료 수집장치 또는 차량 운전자의 제보를 통해 교통관제센터에서 교통정보 또는 교통사고에 대한 정보를 수집한 뒤, CCTV(Closed-Circuit Television) 등을 통하여 교통사고 여부 등을 확인하고 휴대용 전화기, 도로에 설치되어 전방향 교통 상황 및 가변 차선에 대한 유도 신호를 제공할 수 있는 가변정보판(Variable Message Sign, VMS), 라디오 등을 통해 운전자에게 교통정보 또는 교통사고 정보를 제공한다.
따라서, 종래의 교통정보 제공장치는 차량의 교통량 등의 교통자료를 수집하는 교통자료 수집장치에서 수집되거나 운전자 등의 제보에 의한 특이 정체구간 등의 교통정보와 교통사고 정보를 교통관제센터에서 수집하여 CCTV 등을 통하여 확인한 후, 교통사고 안내 시스템에 입력하면 상기 정보가 교통안내 장치를 통해 운전자에게 제공된다.
그러나, 이러한 종래의 방식을 이용하는 경우에는, 교통 상황을 시간 지연 없이 실시간으로 분석하여 운전자에게 제공하기 어려울 뿐만 아니라, 넓은 범위의 교통 상황을 분석하기 위해서는 인력, 비용 등의 측면에서 경제적이지 못하다는 문제점이 있었다.
특히, 도로구간 전체의 교통 상황을 직접 분석하기 위해서는 다수의 CCTV를 설치하여야 하므로 비용이 많이 소요되며, 다수의 CCTV 영상을 분석하기 위해서는 많은 인력이 필요하다.
또한, 최근에는 도로구간 전체의 교통상황을 직접 관측하는 방식이 아닌, 교차로를 지나는 차량의 교통상황만을 관찰하여 교통정보를 분석하는 방식이 시도되고 있다.
그러나, 기존에는 교차로 내에서의 차량의 회전량을 파악하기 위해 모든 차선에 지자기 센서를 설치하거나 최소 4대의 CCTV를 이용하여야 하는 문제점이 있다. 즉, 다수의 CCTV를 사용하지 않더라도 1대의 CCTV만으로 교차로 내에서의 차량의 회전량을 파악하는 기술은 아직 상용화되어 있지 않은 실정이다.
본 발명의 목적은 교차로 내부공간을 카메라를 이용하여 관측하여 차선별 교통정보를 분석하는 교통정보 분석 장치 및 방법을 제공함에 있다.
위와 같은 과제를 해결하기 위한 본 발명의 제1 측면은 교통정보 분석장치에 관한 것이다. 상기 장치는, 카메라로부터 촬영된 교차로 영상을 제공받아 상기 교차로 영상으로부터 차량 객체를 검출하고 차종을 분류하는 차량 탐지 및 분류부; 상기 차량 탐지 및 분류부에서 검출된 차량 객체에 대해 연직 방향의 차량 중심위치를 추정하여 보정하는 차량 중심위치 보정부; 상기 교차로 영상의 매 프레임마다 상기 차량 중심위치와 크기를 이용하여 차량의 궤적을 추적하는 차량 궤적 추적부; 및 상기 궤적이 추적된 차량 객체에 대해 각 차선별로 통행량 및 통행 속도를 계산하는 차선별 통행량 및 속도 계산부를 포함하며, 상기 차선별 통행량 및 속도 계산부는 각 도로로부터 교차로로 차량이 진입하는 경계상에 교차로를 둘러싸며 설정된 진출 기준선을 길이방향으로 각 구간별로 나누고, 상기 진출 기준선의 각 구간별로 차량 객체의 통행량 및 통행 속도를 계산할 수 있다.
본 발명의 실시예에 따르면, 상기 차량 탐지 및 분류부로 제공되기 전의 교차로 영상에서 카메라의 렌즈로 인한 왜곡을 보정하는 카메라 왜곡 보정부를 더 포함하며, 상기 카메라 왜곡 보정부는 카메라의 초점거리를 조절함으로써 상기 교차로 영상에서 교차로의 차량이 진입하는 경계상의 굽어진 영상이 펼쳐지도록 보정할 수 있다.
본 발명의 실시예에 따르면, 상기 차량 탐지 및 분류부로부터 검출된 차량 객체 경계의 프레임당 오차를 제거하는 오차 제거부를 더 포함하며, 상기 차량 탐지 및 분류부는 상기 검출된 각 차량 객체별로 바운딩 박스를 설정하며, 상기 오차 제거부는 상기 각 차량 객체별 바운딩 박스의 중심점 좌표의 노이즈를 제거할 수 있다.
본 발명의 실시예에 따르면, 상기 교차로 영상은 차량 객체가 사선 방향으로 촬영된 영상이며, 상기 차량 중심위치 보정부는 차량 객체가 연직 방향으로 촬영된 연직 영상을 사용하여, 차량의 앞면과 옆면의 각도를 반영하여 상기 사선 방향으로 촬영된 교차로 영상의 차량 중심위치를 상기 연직 영상의 차량 중심위치로 보정할 수 있다.
본 발명의 실시예에 따르면, 상기 차량 궤적 추적부는 교차로 영상의 n-1번째 프레임과 n번째 프레임을 비교한 IOU(intersection of union) 값이 가장 큰 차량을 동일한 차량으로 판단하여 차량의 궤적을 추적할 수 있다.
본 발명의 실시예에 따르면, 상기 진출 기준선의 각 구간은 교차로로 연결되는 도로의 차선별로 나누어진 적어도 하나 이상의 구간을 포함하며, 상기 차선별 통행량 및 속도 계산부는 상기 진출 기준선과 상기 차량의 궤적에 대한 교차 여부를 계산하여, 차량이 통행한 차선을 탐지하여 차선별 차량 객체의 통행량 및 통행 속도를 계산할 수 있다.
본 발명의 실시예에 따르면, 상기 진출 기준선은 도로의 중앙선의 양측으로 인접하는 2개의 차선에서 교차로의 외측으로 경사지게 연결될 수 있다.
본 발명의 실시예에 따르면, 상기 차선별 통행량 및 속도 계산부는 CCW(CounterClockWise)를 이용하되, 상기 각 진출 기준선의 각 구간에서 양단에 설정된 두 점과, 상기 각 진출 기준선과 교차하는 상기 차량의 궤적에서 상기 진출 기준선을 사이에 두고 대칭하게 설정된 두 점을 각각 매개변수로 하여 차선별 차량 객체의 통행량을 계산할 수 있다.
본 발명의 실시예에 따르면, 교차로가 각각 k개의 차선을 갖는 n개의 도로와 연결되는 경우- n개의 도로는 a번째 및 b번째 도로를 포함하며, k개의 차선은 p번째 및 q번째 차선을 포함함 -, 상기 차선별 통행량 및 속도 계산부는 상기 차선별 차량 객체의 통행량을 이용하여, a번째 도로의 p번째 차선으로부터 b번째 도로로의 q번째 차선으로 회전하는 복수의 차량의 통행량을 계산할 수 있다.
본 발명의 실시예에 따르면, 상기 차선별 통행량 및 속도 계산부는 교차로 영상에서 각 차량 객체의 이미지 좌표를 지리 좌표로 변환하여 각 차선별 차량 객체의 통행 속도를 계산하고, 상기 차선별 차량 객체의 통행량을 이용하여, a번째 도로의 p번째 차선으로부터 b번째 도로로의 q번째 차선으로 회전하는 복수의 차량의 평균 통행 속도를 계산할 수 있다.
본 발명의 제2 측면은 교통정보 분석방법에 관한 것이다. 상기 방법은, (a) 카메라로부터 촬영된 교차로 영상을 제공받아 상기 교차로 영상으로부터 차량 객체를 검출하고 차종을 분류하는 단계; (b) 상기 차량 탐지 및 분류부에서 검출된 차량 객체에 대해 연직 방향의 차량 중심위치를 추정하여 보정하는 단계; (c) 상기 교차로 영상의 매 프레임마다 상기 차량 중심위치와 크기를 이용하여 차량의 궤적을 추적하는 단계; 및 (d) 상기 궤적이 추적된 차량 객체에 대해 각 차선별로 통행량 및 통행 속도를 계산하는 단계를 포함하며, 상기 (d) 단계는, 각 도로로부터 교차로로 차량이 진입하는 경계상에 교차로를 둘러싸며 설정된 진출 기준선을 길이방향으로 각 구간별로 나누고, 상기 진출 기준선의 각 구간별로 차량 객체의 통행량 및 통행 속도를 계산할 수 있다.
본 발명의 실시예에 따르면, 상기 교차로 영상은 차량 객체가 사선 방향으로 촬영된 영상이며, 상기 (b) 단계는, 차량 객체가 연직 방향으로 촬영된 연직 영상을 사용하여, 차량의 앞면과 옆면의 각도를 반영하여 상기 사선 방향으로 촬영된 교차로 영상의 차량 중심위치를 상기 연직 영상의 차량 중심위치로 보정할 수 있다.
본 발명의 실시예에 따르면, 상기 진출 기준선의 각 구간은 교차로로 연결되는 도로의 차선별로 나누어진 적어도 하나 이상의 구간을 포함하며, 상기 (d) 단계는, 상기 진출 기준선과 상기 차량의 궤적에 대한 교차 여부를 계산하여, 차량이 통행한 차선을 탐지하여 차선별 차량 객체의 통행량 및 통행 속도를 계산할 수 있다.
본 발명의 실시예에 따르면, 상기 진출 기준선은 도로의 중앙선의 양측으로 인접하는 2개의 차선에서 교차로의 외측으로 경사지게 연결될 수 있다.
본 발명의 실시예에 따르면, 상기 (d) 단계는, CCW(CounterClockWise)를 이용하되, 상기 각 진출 기준선의 각 구간에서 양단에 설정된 두 점과, 상기 각 진출 기준선과 교차하는 상기 차량의 궤적에서 상기 진출 기준선을 사이에 두고 대칭하게 설정된 두 점을 각각 매개변수로 하여 차선별 차량 객체의 통행량을 계산할 수 있다.
본 발명의 실시예에 따르면, 상기 (d) 단계는, 교차로가 각각 k개의 차선을 갖는 n개의 도로와 연결되는 경우- n개의 도로는 a번째 및 b번째 도로를 포함하며, k개의 차선은 p번째 및 q번째 차선을 포함함 -, 상기 차선별 통행량 및 속도 계산부는 상기 차선별 차량 객체의 통행량을 이용하여, a번째 도로의 p번째 차선으로부터 b번째 도로로의 q번째 차선으로 회전하는 복수의 차량의 통행량을 계산할 수 있다.
본 발명의 실시예에 따르면, 상기 (d) 단계는, 교차로 영상에서 각 차량 객체의 이미지 좌표를 지리 좌표로 변환하여 각 차선별 차량 객체의 통행 속도를 계산하고, 상기 차선별 차량 객체의 통행량을 이용하여, a번째 도로의 p번째 차선으로부터 b번째 도로로의 q번째 차선으로 회전하는 복수의 차량의 평균 통행 속도를 계산할 수 있다.
본 발명에 따르면, 교차로 내부공간을 하나의 카메라를 이용하여 관측하여 차선별 교통정보를 분석할 수 있다.
또한, 연직영상을 이용하여 차량의 앞면과 옆면과의 각도를 계산하여 차량의 중심위치를 보정함으로써, 3차원 공간에서 회전하는 차량의 중심과 시야각 및 거리에 따라 중심점이 다르게 나타나는 것을 반영할 수 있다.
또한, 진출 기준선을 이용하여 차선별로 통행량을 산출함으로써, 각 도로로부터 교차로에 진입하는 차량이 어떠한 방향으로 주행하였는지를 확인할 수 있다. 또한, 교차로에서 각 차량의 차선별 주행 기록을 산출한 후, 이를 통해 각 교차로를 연결하는 전체 도로의 교통 상황을 예측할 수 있다.
도 1은 본 발명에 따른 교통정보 분석장치의 각 구성을 개략적으로 나타낸 구성도이다.
도 2는 본 발명에 따른 교통정보 분석장치가 교차로를 통과하는 차량을 관측하여 분석하는 과정을 예시적으로 나타낸 도면이다.
도 3은 도 1의 카메라 왜곡 보정부가 카메라의 렌즈로 인한 왜곡을 보정하는 과정을 예시적으로 나타낸 도면이다.
도 4는 도 1의 차량 탐지 및 분류부가 차량 객체를 탐지하고 이를 분류하는 것을 예시적으로 나타낸 도면이다.
도 5는 도 1의 차량 중심위치 보정부가 차량의 중심위치를 추정하여 보정하는 과정을 나타낸 도면이다.
도 6은 도 1의 차량 궤적 추적부가 차량의 궤적을 추적하는 과정을 나타낸 도면이다.
도 7은 도 1의 차선별 통행량 및 속도 계산부가 각 차선별로 통행량을 계산하는 과정을 나타낸 도면이다.
도 8은 도 1의 차선별 통행량 및 속도 계산부가 진출 기준선과 차량의 궤적에 대한 교차 여부를 계산하여 차량의 통행량을 계산하는 과정을 나타낸 도면이다.
도 9는 도 1의 차선별 통행량 및 속도 계산부가 각 차선별 차량의 통행량을 계산하는 과정을 나타낸 도면이다.
도 10은 도 1의 차선별 통행량 및 속도 계산부가 각 차선별 차량의 속도를 계산하는 과정을 나타낸 도면이다.
도 2는 본 발명에 따른 교통정보 분석장치가 교차로를 통과하는 차량을 관측하여 분석하는 과정을 예시적으로 나타낸 도면이다.
도 3은 도 1의 카메라 왜곡 보정부가 카메라의 렌즈로 인한 왜곡을 보정하는 과정을 예시적으로 나타낸 도면이다.
도 4는 도 1의 차량 탐지 및 분류부가 차량 객체를 탐지하고 이를 분류하는 것을 예시적으로 나타낸 도면이다.
도 5는 도 1의 차량 중심위치 보정부가 차량의 중심위치를 추정하여 보정하는 과정을 나타낸 도면이다.
도 6은 도 1의 차량 궤적 추적부가 차량의 궤적을 추적하는 과정을 나타낸 도면이다.
도 7은 도 1의 차선별 통행량 및 속도 계산부가 각 차선별로 통행량을 계산하는 과정을 나타낸 도면이다.
도 8은 도 1의 차선별 통행량 및 속도 계산부가 진출 기준선과 차량의 궤적에 대한 교차 여부를 계산하여 차량의 통행량을 계산하는 과정을 나타낸 도면이다.
도 9는 도 1의 차선별 통행량 및 속도 계산부가 각 차선별 차량의 통행량을 계산하는 과정을 나타낸 도면이다.
도 10은 도 1의 차선별 통행량 및 속도 계산부가 각 차선별 차량의 속도를 계산하는 과정을 나타낸 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시를 위한 구체적인 내용을 설명한다. 그리고 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.
도 1은 본 발명에 따른 교통정보 분석장치의 각 구성을 개략적으로 나타낸 구성도이다. 도 2는 본 발명에 따른 교통정보 분석장치가 교차로를 통과하는 차량을 관측하여 분석하는 과정을 예시적으로 나타낸 도면이다.
도 1 및 도 2를 참조하면, 본 발명에 따른 교통정보 분석장치는 데이터 전처리부(1) 및 차량 탐지 분석부(2)을 포함하며, 차량 탐지 분석부(2)은 카메라 왜곡 보정부(10), 차량 탐지 및 분류부(20), 오차 제거부(30), 차량 중심위치 보정부(40), 차량 궤적 추적부(50), 및 차선별 통행량 및 속도 계산부(60)를 포함한다.
본 발명에 따른 교통정보 분석장치는 교차로를 통과하는 차량을 관측하기 위한 CCTV와 같은 카메라로부터 교차로 내부공간의 영상을 제공받는다. CCTV는 1개가 고정 설치될 수 있다. CCTV는 데이터 전처리부(1)에 데이터를 수집하기 위한 영상을 제공하며, 차량 탐지 분석부(2)에 실시간 스트리밍 프로토콜(RTSP) 방식으로 실시간으로 영상을 전송할 수 있다.
데이터 전처리부(1)는 카메라 왜곡 보정, 데이터 라벨링, 및 데이터 학습을 수행하며, 카메라가 촬영한 영상에 대해 학습하여 얻은 가중치를 차량 탐지 분석부(2)의 상기 각 부에 제공할 수 있다.
도 3은 도 1의 카메라 왜곡 보정부가 카메라의 렌즈로 인한 왜곡을 보정하는 과정을 예시적으로 나타낸 도면이다.
도 3의 (a), (b)를 참조하면, 카메라 왜곡 보정부(10)는 차량 탐지 분류부(30)로 제공되기 전의 교차로 영상에서 카메라의 렌즈로 인한 왜곡을 보정한다. 카메라 왜곡 보정부(10)는 카메라의 초점거리를 조절함으로써 교차로 영상에서 교차로의 차량이 진입하는 경계상의 굽어진 영상이 펼쳐지도록 보정할 수 있다.
카메라 왜곡 보정부(10)는 차량의 정확한 위치를 획득하기 위해 카메라의 내부 파라미터를 사용하여 카메라 렌즈 왜곡을 보정한다. 카메라 왜곡 보정부(10)는 예를 들어 도 3의 (a)에 도시된 바와 같은 특정 연산식을 이용하여 왼쪽에 도시된 왜곡 있는 원본 이미지를 오른쪽에 도시된 왜곡이 보정된 이미지로 변환한다. 이에 따라, 예시적으로 횡단보도의 굽어짐이 펴진 것을 확인할 수 있다. 카메라의 초점거리를 보정함으로써, 도 3의 (a)의 왼쪽 도면에서 교차로 주변부 영역이 오른쪽 도면에서와 같이 일부 제거된다. 카메라 초점거리 보정은 이미지 변환을 통해 이루어진다. 도 3의 (b)에 도시된 바와 같이, 카메라 왜곡 보정부(10)는 촬영된 이미지(왜곡 이미지)를 정상 이미지에 근접하게 하기 위하여 왜곡 보정률을 적용하여 보정 이미지로 변환할 수 있다.
도 4는 도 1의 차량 탐지 및 분류부가 차량 객체를 탐지하고 이를 분류하는 것을 예시적으로 나타낸 도면이다.
도 4를 참조하면, 차량 탐지 및 분류부(20)는 카메라로부터 촬영된 교차로 영상을 제공받아 교차로 영상으로부터 차량 객체를 검출하고 차종을 분류한다. 차량 탐지 및 분류부(20)는 예를 들어 Yolo v3와 같은 공지된 알고리즘을 이용하여 차량 객체를 탐지하고, 차량을 버스, 트럭, 승용차 등으로 분류할 수 있다. 차량 탐지 및 분류부(20)는 검출된 각 차량 객체별로 바운딩 박스를 설정할 수 있다.
오차 제거부(30)는 차량 탐지 및 분류부(20)로부터 검출된 차량 객체 경계의 프레임당 오차를 제거한다. 오차 제거부(30)는 각 차량 객체별 바운딩 박스의 중심점 좌표의 노이즈를 제거할 수 있다. 이를 위해, 오차 제거부(30)는 칼만 필터를 적용할 수 있으며, 칼만 필터는 센서로부터 검출된 객체의 위치오차를 제거하기 위해 사용되는 공지된 수학적 계산 과정이다. 탐지된 차량의 경계의 크기가 프레임당 오차를 포함하기 때문에, 오차 제거부(30)는 칼만 필터를 적용하여 차량의 위치 오차를 제거함으로써 차량의 위치를 보정할 수 있다.
도 5는 도 1의 차량 중심위치 보정부가 차량의 중심위치를 추정하여 보정하는 과정을 나타낸 도면이다.
도 5를 참조하면, 차량 중심위치 보정부(40)는 차량 탐지 및 분류부(20)에서 검출된 차량 객체에 대해 연직 방향의 차량 중심위치를 추정하여 보정한다. 차량의 중심위치는 차량의 바닥 중심위치로 설정될 수 있다.
도 5의 (a)를 참조하면, 일반적으로 CCTV 영상은 설치되는 각도에 따라 차량의 위치 왜곡이 발생한다. 따라서, 차선별 차량의 위치를 정확하게 추정하기 위해서는 연직 방향의 차량 위치값이 필요하다. 차량 중심위치 보정부(40)는 위치가 왜곡된 차량의 중심인 적색 점을 실제 차량의 중심위치인 하늘색 점의 위치로 보정할 수 있다.
도 5의 (b)를 참조하면, 차량 중심위치 보정부(40)가 수신하는 교차로 영상은 차량 객체가 사선 방향으로 촬영된 영상이며, 상기 차량 중심위치 보정부(40)는 차량 객체가 연직 방향으로 촬영된 연직 영상을 사용하여, 차량의 앞면과 옆면의 각도를 반영하여 상기 사선 방향으로 촬영한 교차로 영상의 차량 중심위치를 상기 연직 영상의 차량 중심위치로 보정할 수 있다. 상기 연직 영상은 드론을 이용하여 연직방향으로 촬영하여 얻을 수 있다.
도 5의 (b)의 왼쪽 도면에서와 같이 종래의 방식을 이용하여 바운딩 박스의 중심점을 객체의 중심점으로 설정하는 경우, 3차원 공간에서 회전하는 차량의 중심과 시야각 및 거리에 따라 중심점이 다르게 나타나는 것을 반영하기 어렵다. 본 발명에 따르면, 도 5의 (b)의 오른쪽 도면에서와 같이 연직영상을 이용하여 차량의 앞면과 옆면과의 각도를 계산하여 차량의 중심위치를 보정할 수 있다. 차량의 앞면과 옆면과의 각도는 공지된 영상 분석 기술을 이용하여 계산될 수 있다.
본 발명에 따르면, 3차원 공간에서 회전하는 차량의 중심과 시야각 및 거리에 따라 중심점이 다르게 나타나는 것을 반영할 수 있다. 예를 들어, 일정한 방향으로 이동하는 경우보다 회전하는 차량의 중심점 변화가 크기 때문에 나타나는 오차를 보정할 수 있다.
도 5의 (c)를 참조하면, 차량 중심위치 보정부(40)는 도면의 교차로 영상에서 적색 라인은 객체 검출 바운딩 박스의 중심점이고, 파란색 라인은 추정된 차량의 바닥 중심점에 해당한다.
도 6은 도 1의 차량 궤적 추적부가 차량의 궤적을 추적하는 과정을 나타낸 도면이다.
도 6을 참조하면, 차량 궤적 추적부(50)는 교차로 영상의 매 프레임마다 차량 중심위치와 크기를 이용하여 차량의 궤적을 추적할 수 있다. 차량 궤적 추적부(50)는 차량의 궤적을 추적함에 있어서 IOU 트래커와 같은 공지된 방식을 적용할 수 있다.
도 6의 (a)를 참조하면, 차량 궤적 추적부(50)는 교차로 영상의 n-1번째 프레임과 n번째 프레임을 비교한 IOU(intersection of union) 값이 가장 큰 차량을 동일한 차량으로 판단하여 차량의 궤적을 추적할 수 있다. IOU 값은 각 차량에 해당하는 면적에 있어서 서로 다른 프레임에서 겹쳐진 부분의 면적 수치이다. 도 6의 (b)에는 IOU 트래커를 이용하여 차량 궤적을 추적한 결과가 나타나 있다.
도 7은 도 1의 차선별 통행량 및 속도 계산부가 각 차선별로 통행량을 계산하는 과정을 나타낸 도면이다. 도 8은 도 1의 차선별 통행량 및 속도 계산부가 진출 기준선과 차량의 궤적에 대한 교차 여부를 계산하여 차량의 통행량을 계산하는 과정을 나타낸 도면이다.
도 7 및 도 8을 참조하면, 차선별 통행량 및 속도 계산부(60)는 궤적이 추적된 차량 객체에 대해 각 차선별로 통행량 및 통행 속도를 계산한다. 차선별 통행량 및 속도 계산부(60)는 각 도로로부터 교차로로 차량이 진입하는 경계상에 교차로를 둘러싸며 설정된 진출 기준선을 길이방향으로 각 구간으로 나누고, 상기 진출 기준선의 각 구간별로 차량 객체의 통행량 및 통행 속도를 계산한다.
진출 기준선을 차선구분을 위해 설정되며, 도 7에서 노란색 선 부분으로 표시된다. 진출 기준선은 각 차선별로 배분된다. 도 7에서 노란색 선 부분에 표시된 숫자는 각각의 차선을 통해 교차로를 통과한 차량 수를 의미한다.
상기 진출 기준선의 각 구간은 교차로로 연결되는 도로의 차선별로 나누어진 적어도 하나 이상의 구간을 포함하며, 차선별 통행량 및 속도 계산부(60)는 진출 기준선과 차량의 궤적에 대한 교차 여부를 계산하여, 차량이 통행한 차선을 탐지하여 차선별 차량 객체의 통행량 및 통행 속도를 계산할 수 있다.
진출 기준선은 도로의 중앙선의 양측으로 인접하는 2개의 차선에서 교차로의 외측으로 경사지게 연결될 수 있다. 진출 기준선의 도로 중앙선 부분이 교차로로부터 교차로와 연결된 각 도로 측으로 내측으로 경사지게 들어간 이유는 도로의 중앙선에서 차량이 급격이 회전하므로 모든 차량을 추적하기 위함이다.
차선별 통행량 및 속도 계산부는 CCW(CounterClockWise)를 이용하되, 상기 각 진출 기준선의 각 구간에서 양단에 설정된 두 점과, 상기 각 진출 기준선과 교차하는 상기 차량의 궤적에서 상기 진출 기준선을 사이에 두고 대칭하게 설정된 두 점을 각각 매개변수로 하여 차선별 차량 객체의 통행량을 계산할 수 있다.
CCW 알고리즘을 이용하여, 차량을 추적하여 산출된 각 차량의 궤적과 차선을 구분하는 각 진출 기준선에 대한 교차 여부를 계산하면, 차량이 통행한 차선을 탐지할 수 있다. 차선별 통행량 및 속도 계산부(60)는 차량이 통행한 차선 데이터를 수신하여 차선별 차량의 통행량을 계산할 수 있다.
상세하게는, CCW 알고리즘은 벡터의 외적을 이용하여 평면상에 세 점이 있을 때 점들의 위치 관계를 판단할 수 있는 알고리즘이다. 도 8의 (a)를 참조하면 벡터 a와 벡터 b의 외적이 양수이면 반시계방향, 벡터 a와 벡터 b의 외적이 음수이면 시계방향, 0이면 평행으로 판단한다. 여기에는, 아래의 식이 사용될 수 있다.
CCW 알고리즘은 선으로 구성되어 있는 기준선을 통과하는 차량을 카운트하기 위해 사용되며, 기준선을 통과하는 차량의 방향에 따라 검지 여부를 결정할 수 있다. CCW 알고리즘은 다른 기준선에서 이미 카운트된 차량의 중복을 방지하기 위해, 및 궤적 벡터 기반으로 차량을 카운트하기 위해 사용된다.
도 8의 (b)를 참조하면, CCW 알고리즘을 이용하여 차량 카운트를 위한 각 진출 기준선의 두 점을 지나는 선과 차량의 궤적의 두 점을 지나는 선이 서로 교차했는지를 판단할 수 있다. 여기에는, 아래의 식이 사용될 수 있다.
도 9는 도 1의 차선별 통행량 및 속도 계산부가 각 차선별 차량의 통행량을 계산하는 과정을 나타낸 도면이다.
도 9를 참조하면, 교차로가 각각 k개의 차선을 갖는 n개의 도로와 연결되는 경우- n개의 도로는 a번째 및 b번째 도로를 포함하며, k개의 차선은 p번째 및 q번째 차선을 포함함 -, 차선별 통행량 및 속도 계산부(60)는 상기 차선별 차량 객체의 통행량을 이용하여, a번째 도로의 p번째 차선으로부터 b번째 도로로의 q번째 차선으로 회전하는 복수의 차량의 통행량을 계산할 수 있다.
본원발명에 따르면 진출 기준선을 이용하여 차선별로 통행량을 산출함으로써, 각 도로로부터 교차로에 진입하는 차량이 어떠한 방향으로 주행하였는지를 확인할 수 있다. 또한, 교차로에서 각 차량의 차선별 주행 기록을 산출한 후, 이를 통해 각 교차로를 연결하는 전체 도로의 교통 상황을 예측할 수 있다. 나아가, 다수의 CCTV가 아닌, 1대의 CCTV만을 이용하더라도 교차로에서의 각 차량의 차선별 회전량을 파악할 수 있다.
도 10은 도 1의 차선별 통행량 및 속도 계산부가 각 차선별 차량의 속도를 계산하는 과정을 나타낸 도면이다.
도 10을 참조하면, 차선별 통행량 및 속도 계산부(60)는 교차로 영상에서 각 차량 객체의 이미지 좌표를 지리 좌표로 변환하여 각 차선별 차량 객체의 통행 속도를 계산하고, 상기 차선별 차량 객체의 통행량을 이용하여, a번째 도로의 p번째 차선으로부터 b번째 도로로의 q번째 차선으로 회전하는 복수의 차량의 평균 통행 속도를 계산할 수 있다.
차선별 통행량 및 속도 계산부(60)는 영상의 이미지 좌표점와 지리좌표계(예: WGS84 좌표계)의 기준점간의 관계식을 이용하여 변환계수를 계산할 수 있다. 먼저, 차선별 통행량 및 속도 계산부(60)는 차량의 이미지 좌표를 지리좌표로 변환한다. 그 다음, 차선별 통행량 및 속도 계산부(60)는 차량의 지리좌표를 이용하여 시간당 이동거리로 차량의 속도를 계산할 수 있다. 한편, 도 10에는 각 차선을 통과하는 개별 차량의 속도가 표시되어 있다. 이와 같이, 각 차량의 속도와 차량의 통과 차선 정보를 활용하여, 차선별 평균 속도도 계산할 수 있다.
이 분야의 보호범위가 이상에서 명시적으로 설명한 실시예의 기재와 표현에 제한되는 것은 아니다. 또한, 본 발명이 속하는 기술분야에서 자명한 변경이나 치환으로 말미암아 본 발명의 보호범위가 제한될 수도 없음을 다시 한 번 첨언한다.
Claims (17)
- 카메라로부터 촬영된 교차로 영상을 제공받아 상기 교차로 영상으로부터 차량 객체를 검출하고 차종을 분류하는 차량 탐지 및 분류부;
상기 차량 탐지 및 분류부에서 검출된 차량 객체에 대해 연직 방향의 차량 중심위치를 추정하여 보정하는 차량 중심위치 보정부;
상기 교차로 영상의 매 프레임마다 상기 차량 중심위치와 크기를 이용하여 차량의 궤적을 추적하는 차량 궤적 추적부; 및
상기 궤적이 추적된 차량 객체에 대해 각 차선별로 통행량 및 통행 속도를 계산하는 차선별 통행량 및 속도 계산부를 포함하며,
상기 차선별 통행량 및 속도 계산부는 각 도로로부터 교차로로 차량이 진입하는 경계상에 교차로를 둘러싸며 설정된 진출 기준선을 길이방향으로 각 구간별로 나누고, 상기 진출 기준선의 각 구간별로 차량 객체의 통행량 및 통행 속도를 계산하는 것을 특징으로 하는, 교통정보 분석장치.
- 제1항에 있어서,
상기 차량 탐지 및 분류부로 제공되기 전의 교차로 영상에서 카메라의 렌즈로 인한 왜곡을 보정하는 카메라 왜곡 보정부를 더 포함하며,
상기 카메라 왜곡 보정부는 카메라의 초점거리를 조절함으로써 상기 교차로 영상에서 교차로의 차량이 진입하는 경계상의 굽어진 영상이 펼쳐지도록 보정하는 것을 특징으로 하는, 교통정보 분석장치.
- 제1항에 있어서,
상기 차량 탐지 및 분류부로부터 검출된 차량 객체 경계의 프레임당 오차를 제거하는 오차 제거부를 더 포함하며,
상기 차량 탐지 및 분류부는 상기 검출된 각 차량 객체별로 바운딩 박스를 설정하며, 상기 오차 제거부는 상기 각 차량 객체별 바운딩 박스의 중심점 좌표의 노이즈를 제거하는 것을 특징으로 하는, 교통정보 분석장치.
- 제1항에 있어서,
상기 교차로 영상은 차량 객체가 사선 방향으로 촬영된 영상이며,
상기 차량 중심위치 보정부는 차량 객체가 연직 방향으로 촬영된 연직 영상을 사용하여, 차량의 앞면과 옆면의 각도를 반영하여 상기 사선 방향으로 촬영된 교차로 영상의 차량 중심위치를 상기 연직 영상의 차량 중심위치로 보정하는 것을 특징으로 하는, 교통정보 분석장치.
- 제1항에 있어서,
상기 차량 궤적 추적부는 교차로 영상의 n-1번째 프레임과 n번째 프레임을 비교한 IOU(intersection of union) 값이 가장 큰 차량을 동일한 차량으로 판단하여 차량의 궤적을 추적하는 것을 특징으로 하는, 교통정보 분석장치.
- 제1항에 있어서,
상기 진출 기준선의 각 구간은 교차로로 연결되는 도로의 차선별로 나누어진 적어도 하나 이상의 구간을 포함하며,
상기 차선별 통행량 및 속도 계산부는 상기 진출 기준선과 상기 차량의 궤적에 대한 교차 여부를 계산하여, 차량이 통행한 차선을 탐지하여 차선별 차량 객체의 통행량 및 통행 속도를 계산하는 것을 특징으로 하는, 교통정보 분석장치.
- 제6항에 있어서,
상기 진출 기준선은 도로의 중앙선의 양측으로 인접하는 2개의 차선에서 교차로의 외측으로 경사지게 연결되는 것을 특징으로 하는, 교통정보 분석장치.
- 제1항 또는 제6항에 있어서,
상기 차선별 통행량 및 속도 계산부는 CCW(CounterClockWise)를 이용하되, 상기 각 진출 기준선의 각 구간에서 양단에 설정된 두 점과, 상기 각 진출 기준선과 교차하는 상기 차량의 궤적에서 상기 진출 기준선을 사이에 두고 대칭하게 설정된 두 점을 각각 매개변수로 하여 차선별 차량 객체의 통행량을 계산하는 것을 특징으로 하는, 교통정보 분석장치.
- 제8항에 있어서,
교차로가 각각 k개의 차선을 갖는 n개의 도로와 연결되는 경우- n개의 도로는 a번째 및 b번째 도로를 포함하며, k개의 차선은 p번째 및 q번째 차선을 포함함 -, 상기 차선별 통행량 및 속도 계산부는 상기 차선별 차량 객체의 통행량을 이용하여, a번째 도로의 p번째 차선으로부터 b번째 도로로의 q번째 차선으로 회전하는 복수의 차량의 통행량을 계산하는 것을 특징으로 하는, 교통정보 분석장치.
- 제8항에 있어서,
상기 차선별 통행량 및 속도 계산부는 교차로 영상에서 각 차량 객체의 이미지 좌표를 지리 좌표로 변환하여 각 차선별 차량 객체의 통행 속도를 계산하고, 상기 차선별 차량 객체의 통행량을 이용하여, a번째 도로의 p번째 차선으로부터 b번째 도로로의 q번째 차선으로 회전하는 복수의 차량의 평균 통행 속도를 계산하는 것을 특징으로 하는, 교통정보 분석장치.
- (a) 카메라로부터 촬영된 교차로 영상을 제공받아 상기 교차로 영상으로부터 차량 객체를 검출하고 차종을 분류하는 단계;
(b) 상기 차량 탐지 및 분류부에서 검출된 차량 객체에 대해 연직 방향의 차량 중심위치를 추정하여 보정하는 단계;
(c) 상기 교차로 영상의 매 프레임마다 상기 차량 중심위치와 크기를 이용하여 차량의 궤적을 추적하는 단계; 및
(d) 상기 궤적이 추적된 차량 객체에 대해 각 차선별로 통행량 및 통행 속도를 계산하는 단계를 포함하며,
상기 (d) 단계는, 각 도로로부터 교차로로 차량이 진입하는 경계상에 교차로를 둘러싸며 설정된 진출 기준선을 길이방향으로 각 구간별로 나누고, 상기 진출 기준선의 각 구간별로 차량 객체의 통행량 및 통행 속도를 계산하는 것을 특징으로 하는, 교통정보 분석방법.
- 제11항에 있어서,
상기 교차로 영상은 차량 객체가 사선 방향으로 촬영된 영상이며,
상기 (b) 단계는, 차량 객체가 연직 방향으로 촬영된 연직 영상을 사용하여, 차량의 앞면과 옆면의 각도를 반영하여 상기 사선 방향으로 촬영된 교차로 영상의 차량 중심위치를 상기 연직 영상의 차량 중심위치로 보정하는 것을 특징으로 하는, 교통정보 분석방법.
- 제11항에 있어서,
상기 진출 기준선의 각 구간은 교차로로 연결되는 도로의 차선별로 나누어진 적어도 하나 이상의 구간을 포함하며,
상기 (d) 단계는, 상기 진출 기준선과 상기 차량의 궤적에 대한 교차 여부를 계산하여, 차량이 통행한 차선을 탐지하여 차선별 차량 객체의 통행량 및 통행 속도를 계산하는 것을 특징으로 하는, 교통정보 분석방법.
- 제13항에 있어서,
상기 진출 기준선은 도로의 중앙선의 양측으로 인접하는 2개의 차선에서 교차로의 외측으로 경사지게 연결되는 것을 특징으로 하는, 교통정보 분석방법.
- 제11항 또는 제13항에 있어서,
상기 (d) 단계는, CCW(CounterClockWise)를 이용하되, 상기 각 진출 기준선의 각 구간에서 양단에 설정된 두 점과, 상기 각 진출 기준선과 교차하는 상기 차량의 궤적에서 상기 진출 기준선을 사이에 두고 대칭하게 설정된 두 점을 각각 매개변수로 하여 차선별 차량 객체의 통행량을 계산하는 것을 특징으로 하는, 교통정보 분석방법.
- 제15항에 있어서,
상기 (d) 단계는, 교차로가 각각 k개의 차선을 갖는 n개의 도로와 연결되는 경우- n개의 도로는 a번째 및 b번째 도로를 포함하며, k개의 차선은 p번째 및 q번째 차선을 포함함 -, 상기 차선별 통행량 및 속도 계산부는 상기 차선별 차량 객체의 통행량을 이용하여, a번째 도로의 p번째 차선으로부터 b번째 도로로의 q번째 차선으로 회전하는 복수의 차량의 통행량을 계산하는 것을 특징으로 하는, 교통정보 분석방법.
- 제15항에 있어서,
상기 (d) 단계는, 교차로 영상에서 각 차량 객체의 이미지 좌표를 지리 좌표로 변환하여 각 차선별 차량 객체의 통행 속도를 계산하고, 상기 차선별 차량 객체의 통행량을 이용하여, a번째 도로의 p번째 차선으로부터 b번째 도로로의 q번째 차선으로 회전하는 복수의 차량의 평균 통행 속도를 계산하는 것을 특징으로 하는, 교통정보 분석방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200118573A KR102418344B1 (ko) | 2020-09-15 | 2020-09-15 | 교통정보 분석장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200118573A KR102418344B1 (ko) | 2020-09-15 | 2020-09-15 | 교통정보 분석장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220036240A true KR20220036240A (ko) | 2022-03-22 |
| KR102418344B1 KR102418344B1 (ko) | 2022-07-11 |
Family
ID=80988553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200118573A KR102418344B1 (ko) | 2020-09-15 | 2020-09-15 | 교통정보 분석장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102418344B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102593741B1 (ko) | 2023-01-12 | 2023-10-25 | (주)동림티엔에스 | 드론을 이용한 교통통제 시스템 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990050214A (ko) | 1997-12-16 | 1999-07-05 | 구자홍 | 기존의 무선통신망을 이용한 교통정보 서비스방법 |
| KR20020092107A (ko) * | 2001-06-02 | 2002-12-11 | 엘지산전 주식회사 | 영상정보를 이용한 교통정보 추출 방법 및 장치 |
| KR20110068375A (ko) * | 2009-12-16 | 2011-06-22 | (주) 에투시스템 | 어안 렌즈를 구비하는 카메라 모듈에 의해 획득된 영상의 왜곡 보정을 위한 파라미터 조정 방법 |
| KR101797589B1 (ko) * | 2016-09-20 | 2017-12-12 | 주식회사 싸이토피아 | 교차로의 교통량 검출장치 및 방법 |
| KR101889085B1 (ko) * | 2017-12-07 | 2018-08-16 | 렉스젠(주) | 차량 궤적을 이용한 통행 정보 생성 장치 및 그 방법 |
-
2020
- 2020-09-15 KR KR1020200118573A patent/KR102418344B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990050214A (ko) | 1997-12-16 | 1999-07-05 | 구자홍 | 기존의 무선통신망을 이용한 교통정보 서비스방법 |
| KR20020092107A (ko) * | 2001-06-02 | 2002-12-11 | 엘지산전 주식회사 | 영상정보를 이용한 교통정보 추출 방법 및 장치 |
| KR20110068375A (ko) * | 2009-12-16 | 2011-06-22 | (주) 에투시스템 | 어안 렌즈를 구비하는 카메라 모듈에 의해 획득된 영상의 왜곡 보정을 위한 파라미터 조정 방법 |
| KR101797589B1 (ko) * | 2016-09-20 | 2017-12-12 | 주식회사 싸이토피아 | 교차로의 교통량 검출장치 및 방법 |
| KR101889085B1 (ko) * | 2017-12-07 | 2018-08-16 | 렉스젠(주) | 차량 궤적을 이용한 통행 정보 생성 장치 및 그 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102418344B1 (ko) | 2022-07-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10380433B2 (en) | Method of detecting an overtaking vehicle, related processing system, overtaking vehicle detection system and vehicle | |
| CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
| US10699567B2 (en) | Method of controlling a traffic surveillance system | |
| KR102267335B1 (ko) | 객체와 감지 카메라의 거리차를 이용한 속도 검출 방법 | |
| KR100969995B1 (ko) | 영상처리기법을 이용한 신호교차로의 교통상충 판단 시스템및 방법 | |
| WO2018204656A1 (en) | Detection and classification systems and methods for autonomous vehicle navigation | |
| WO2015189847A1 (en) | Top-down refinement in lane marking navigation | |
| KR102001002B1 (ko) | 딥러닝 기반 번호 인식 시스템 | |
| Kar et al. | Real-time traffic estimation at vehicular edge nodes | |
| CN111932901A (zh) | 道路车辆跟踪检测设备、方法及存储介质 | |
| CN103164958A (zh) | 车辆监控方法及*** | |
| CN115240471A (zh) | 一种基于图像采集的智慧厂区避撞预警方法和*** | |
| CN103577790B (zh) | 道路转弯类型检测方法和装置 | |
| KR102418344B1 (ko) | 교통정보 분석장치 및 방법 | |
| Kilicarslan et al. | Direct vehicle collision detection from motion in driving video | |
| KR20190134303A (ko) | 영상 인식 장치 및 그 방법 | |
| JP3470172B2 (ja) | 交通流監視装置 | |
| Kanhere | Vision-based detection, tracking and classification of vehicles using stable features with automatic camera calibration | |
| CN113468911A (zh) | 一种车载闯红灯检测方法、装置、电子设备及存储介质 | |
| KR102018582B1 (ko) | 고속화도로 내 본선과 램프 진출입로를 구분하여 교통정보를 수집하는 장치 및 방법 | |
| Chai et al. | Automatic vehicle classification and tracking method for vehicle movements at signalized intersections | |
| KR102492290B1 (ko) | 교통량 측정을 위한 딥러닝 기반의 드론 영상 분석 시스템 | |
| KR102656252B1 (ko) | 단속 정확성을 높인 무인 교통 단속시스템 | |
| US20230001923A1 (en) | Vehicular automatic emergency braking system with cross-path threat determination | |
| EP4332911A1 (en) | Automatic configuration of camera settings using radar |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |