[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR101717613B1 - 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법 - Google Patents

에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법 Download PDF

Info

Publication number
KR101717613B1
KR101717613B1 KR1020160180184A KR20160180184A KR101717613B1 KR 101717613 B1 KR101717613 B1 KR 101717613B1 KR 1020160180184 A KR1020160180184 A KR 1020160180184A KR 20160180184 A KR20160180184 A KR 20160180184A KR 101717613 B1 KR101717613 B1 KR 101717613B1
Authority
KR
South Korea
Prior art keywords
image
vehicle
vehicle detection
edge information
detection system
Prior art date
Application number
KR1020160180184A
Other languages
English (en)
Inventor
김진호
이홍기
Original Assignee
주식회사한맥아이피에스
김진호
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 주식회사한맥아이피에스, 김진호 filed Critical 주식회사한맥아이피에스
Priority to KR1020160180184A priority Critical patent/KR101717613B1/ko
Application granted granted Critical
Publication of KR101717613B1 publication Critical patent/KR101717613B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G06T5/002—
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/272—Means for inserting a foreground image in a background image, i.e. inlay, outlay
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법은 차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계와; 상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계; 상기 이동 차량 탐지 시스템이 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 단계; 상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계; 상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계; 상기 이동 차량 탐지 시스템이 생성된 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 단계; 상기 이동 차량 탐지 시스템이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계; 상기 이동 차량 탐지 시스템이 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 단계; 및 상기 이동 차량 탐지 시스템은 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 단계로 이루어질 수 있다.

Description

에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법{The moving vehicle detection system using an object tracking algorithm based on edge information, and method thereof}
본 발명은 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법에 관한 것으로, 보다 상세하게는, CCTV로 촬영된 비디오 영상에서 탐지 영역을 지정하고 해당 탐지 영역으로 진입하는 차량을 검출 및 추적하는 기술을 이용하여 해당 탐지 영역 내에 특정 차량이 일정 시간 이상 정차하거나 주차할 경우 해당 특정 차량을 탐지해내는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법에 관한 것이다.
꾸준한 경제 발전과 국민 소득 증대로 인하여 해마다 증가하고 있는 우리나라의 차량 수는 한정된 국내 도로 여건과 주차 시설의 부족으로 인해 여러 사회적 문제점을 야기하고 있다.
또한, 해마다 증가하는 우리나라의 차량 수는 자연스럽게 불법 주정차 문제로 귀결된다.
상기 불법 주정차는 통행 시간과 비용의 증가를 야기하는 도로 용량의 감소와, 사고의 위험성 증가, 재난 발생 시 긴급 차량의 운행 방해, 및 보행자의 안전 위협과 같은 여러 문제 들을 발생시킬 수 있다.
일반적으로, 연속적으로 입력되는 비디오 영상에서 이동 객체를 추적하는 방식으로 불법 주정차 차량을 검출하기 위해서는 먼저, 배경 영상을 구축한 다음 입력 영상과 배경 영상과의 차영상을 구하는 방식으로 불법 주정차 차량을 검출하고 있다.
이와 같이, 기존 배경 영상 기반의 객체 검출 및 추적 알고리즘을 이용할 경우 첫번째 문제점으로 탐지 영역 내에 차량 이외의 이동 물체가 차량으로 잘못 검출될 수 있고 두번째 문제점으로 오랫동안 정차된 차량이 배경 영상으로 흡수된 후에 다시 움직여 탐지 영역 바깥으로 빠져나갔을 때 차영상에서는 새로운 차량이 나타난 것으로 오인할 수 있다.
세번째 문제점으로 정차된 차량 객체가 탐지 영역을 빠져나간 직후에 기존의 배경 영상을 정차된 차량 객체가 빠져나간 실제 배경 영상으로 업데이트하는데 긴 시간이 소요되기 때문에 배경 영상을 완전히 업데이트하기 전에 새로운 객체가 탐지 영역 안으로 들어왔을 때 잘못된 객체가 검출될 수 있다는 문제점이 있었다.
한편, 본 발명의 선행 기술로는 특허등록번호 "10-0834550"호의 "불법 주정차 무인 자동 단속 방법"이 출원되어 등록되었는데, 상기 불법 주정차 무인 자동 단속 방법은 도로에 설치된 검지용 고정 카메라를 통해 실시간으로 촬영된 단속 현장의 영상을 관심영역 설정모듈을 통해 영상분석을 위한 차량 검지 영역인 복수의 관심영역(ROI: Region Of Interest)을 설정하는 단계와; 상기 검지용 고정카메라로부터 차례로 입력되는 1~N장의 영상으로 초기 배경 모델을 제작하고, 제작된 초기 배경 모델과 N+1번째 이후부터는 입력 영상 간의 차영상으로 획득된 이동물체와 이동물체의 그림자가 포함된 전경 영상을 그림자 제거 모듈에서 이동물체의 그림자 영역을 제거하는 단계; 상기 그림자 제거 모듈에서 그림자 영역이 제거된 이동물체 영역을 적응적 배경 모델링 모듈에서 검지된 이동물체영역(추적객체영역)으로 취하고, N+1번째 이후 입력 영상에서 검지 된 이동물체영역(추적객체영역)을 제외하고, 이전에 영상 프레임에서 추적 완료된 이동물체영역을 포함하여 배경 모델을 갱신하는 단계; 및 상기 그림자 영역의 제거와 배경 영상의 모델링 후에 영상 분석을 위한 영상의 블록화 및 단속을 위한 차량을 검지하는 단계를 포함한다.
대한민국 특허공개번호 10-2007-0104999 (2007.10.30) 대한민국 특허등록번호 10-0834550 (2008.06.02) 대한민국 특허등록번호 10-1648208 (2016.08.12)
이에 본 발명은 상기 문제점을 해결하기 위하여 배경 영상을 이용하여 객체를 검출하거나 객체를 추적할 경우 미리 설정한 탐지 영역으로 진입한 차량이 일정 시간 이상 주차하거나 정차한 다음에 탐지 영역 바깥으로 빠져나갔을 때 배경 영상이 새롭게 갱신되지 않아 탐지 영역 안으로 들어온 새로운 차량이 탐지되지 못하는 문제점을 해결할 수 있는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법을 제공하는 것이다.
또한, 본 발명의 또 다른 목적은 탐지 영역 내에 오랫동안 정차된 차량이 배경 영상에 포함된 이후 다시 움직여 탐지 영역 바깥으로 빠져나갈 때 입력 영상에서 배경 영상을 뺀 차영상에서 새로운 차량이 나타난 것으로 오인되는 문제점을 해결할 수 있는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법을 제공하는 것이다.
상기 목적을 달성하기 위한 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법은 차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계와; 상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계; 상기 이동 차량 탐지 시스템이 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 단계; 상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계; 상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계; 상기 이동 차량 탐지 시스템이 생성된 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 단계; 상기 이동 차량 탐지 시스템이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계; 상기 이동 차량 탐지 시스템이 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 단계; 및 상기 이동 차량 탐지 시스템은 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 단계로 이루어질 수 있다.
이러한 구성으로 이루어진 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법은 배경 영상을 이용하여 객체를 검출하거나 객체를 추적할 경우 미리 설정한 탐지 영역으로 진입한 차량이 일정 시간 이상 주차하거나 정차한 다음에 탐지 영역 바깥으로 빠져나갔을 때 배경 영상이 새롭게 갱신되지 않아 탐지 영역 안으로 들어온 새로운 차량이 탐지되지 못하는 문제점을 해결할 수 있다.
또한, 본 발명은 탐지 영역 내에 오랫동안 정차된 차량이 배경 영상에 포함된 이후 다시 움직여 탐지 영역 바깥으로 빠져나갈 때 입력 영상에서 배경 영상을 뺀 차영상에서 새로운 차량이 나타난 것으로 오인되는 문제점을 해결할 수 있다.
도면 1a와 도면 1b는 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법에 대한 플로우 챠트,
도면 2는 CCTV로부터 전송된 그레이스케일 이미지의 입력 영상에서 전경 에지와, 배경, 그림자와 잡음을 최소화한 이진 영상을 생성한 예,
도면 3은 차영상을 이용하여 차량 객체를 추출한 영상과, 추출된 차량 객체를 이진화시킨 이진 영상, 이진 영상에 모폴로지 연산 후 그림자나 잡음을 최소화한 다음 차량 형태의 에지를 추출한 도면을 도시한 예,
도면 4는 각 프레임별로 입력 영상과, 배경 영상, 차 영상, 객체 추출 영상, 및 객체 영역으로부터 에지를 추출한 영상을 도시한 도면,
도면 5는 배경 영상에 흡수된 정차 차량이 움직여 차량 탐지 영역으로부터 벗어났을 경우 정차된 차량이 빠진 배경 영상을 고속 업데이트(Update) 하는 과정을 도시한 도면,
도면 6은 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템의 제어 블록도.
이하, 첨부된 도면을 참조하여 본 발명을 자세히 설명한다.
본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법은 도면 1a 내지 도면 5에 도시한 바와 같이, 차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계(S1)와; 상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계(S3); 상기 이동 차량 탐지 시스템이 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 단계(S5); 상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계(S7); 상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계(S9); 상기 이동 차량 탐지 시스템이 생성된 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 단계(S11); 상기 이동 차량 탐지 시스템이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계(S13); 상기 이동 차량 탐지 시스템이 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 단계(S15); 상기 이동 차량 탐지 시스템은 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 단계(S17)로 이루어질 수 있다.
상기 차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계(S1)에서 상기 잡음 제거 필터링으로는 적응적 선형 필터인 Wiener 필터를 사용한다.
상기 잡음 제거 필터로서 상기 Wiener 필터는 최소 평균 제곱 오차 필터로 알려져 있는데, 상기 Wiener 필터는 이미지의 국소 영역 내 화소들의 명암도에 대한 분산 정도에 따라 영상 평활화를 각각 다르게 수행하는 필터이다.
상기 Wiener 필터는 국소 영역 내 각 화소들의 명암도에 대한 분산 값이 클 경우 영상 평활화를 작게 수행하고 국소 영역 내 각 화소들의 명암도에 대한 분산 값이 작을 경우 영상 평활화를 크게 함으로써 국소 영역의 에지 획은 보존하면서도 잡음을 제거하고 전경을 제외한 배경을 평활화할 수 있기 때문에 입력 영상에 포함된 그림자나 잡음을 최소화시킬 수 있다.
상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에
Figure 112016128075329-pat00001
식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화한다.
여기서,
Figure 112016128075329-pat00002
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 국소 평균이고,
Figure 112016128075329-pat00003
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산,
Figure 112016128075329-pat00004
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산 값들의 전체 평균,
Figure 112016128075329-pat00005
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암도(소스 명도 영상: source grayscale image),
Figure 112016128075329-pat00006
: 명도 영상 중 3×3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성된 명도 영상이다.
또한, 상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계(S3)에서 도로 바닥의 경우 차량 형태의 에지와 같은 에지 성분이 나타날 확률이 매우 낮다는 가정하에 입력 영상으로부터 추출된 에지 중 상기 이동 차량 탐지 시스템에 저장된 에지 기준 크기보다 작은 에지 정보들은 제거하는 반면 큰 에지 정보들은 추출한다.
상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계(S3)는 상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 Sauvola의 적응적 이진화 알고리즘을 적용하여 입력 영상 중 전경은 흑색 이진화 수 '1'로 정의하고 입력 영상 중 배경은 백색 이진화수 '0'로 정의하여 흑백 영상을 추출한다.
상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계(S7)에서 상기 배경 영상은
Figure 112016128075329-pat00007
을 이용하여 생성한다.
상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고, 상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며, 상기 S(x,y)는 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상이다.
상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계(S9)는
Figure 112016128075329-pat00008
을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하고, 상기 임계치 d(B(x,y))는
Figure 112016128075329-pat00009
이고,
Figure 112016128075329-pat00010
이며,
Figure 112016128075329-pat00011
이다.
여기서, T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상이고, B(x,y)는 그레이스케일 이미지의 배경 영상, S(x,y)는 CCTV로부터 새롭게 입력된 입력 영상을 흑백 영상으로 이진화시킨 이진 영상, I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상, d(B(x,y))는 임계치, q는 0.55,
Figure 112016128075329-pat00012
는 0.45,
Figure 112016128075329-pat00013
는 0.75,
Figure 112016128075329-pat00014
는 배경 영상의 배경과 전경의 평균 거리로서 그레이스케일 이미지로 변환된 배경 영상의 전경과 배경에 대한 명도 차이들을 배경 영상의 모든 화소들에 대해 평균 낸 값, b는 이진 영상(S(x,y))의 배경 화소(S(x,y)=0)와 맞대응되는 그레이스케일 이미지의 배경 영상의 화소들에 대한 명암도(B(x,y)) 평균,
Figure 112016128075329-pat00015
는 영상의 전체 화소를 대상으로 한 합계이다.
상기 이동 차량 탐지 시스템이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계(S13)에서 상기 이동 차량 탐지 시스템은 탐지 영역 내에서 객체 후보 영역에 가로 길이가 일정 크기 이상인 수평 에지가 존재하고, 객체 후보 영역 상하에 일정 크기 이상의 에지가 존재하며, 객체 후보 영역을 4 사분면으로 나눴을 때 최소 3 사분면 이상에 일정 크기 이상의 에지가 존재할 때 객체 후보 영역의 에지가 차량의 형태 정보와 같다고 판단한다.
상기 이동 차량 탐지 시스템은 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상 안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 단계(S17)에서 상기 이동 차량 탐지 시스템은 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 해당 영역을 배경 영상의 가우시안 혼합물(mixture of Gaussian)들 중에서 중요도가 가장 높은 가우시안 모드(Gaussian mode)의 평균을 해당 영역의 색상 값으로 업데이트(Update) 한다.
이러한 기술을 본 발명에 적용하면 일정 시간 이상 정차된 차량이 배경 영상으로 흡수된 이후에 정차된 차량이 빠져나갈 경우 배경 영상과 입력 영상의 차 영상에서 차량 객체 후보 영역으로 검출된 부분을 배경 영상으로 고속 업데이트함으로써 차량 객체의 검출 에러를 줄일 수 있다.
즉, 배경 영상이 업데이트 되는 도중에 차량 탐지 영역으로 새로운 차량이 진입할 경우 발생될 수 있는 객체 검출 에러를 줄일 수 있다.
한편, 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템은 도면 6에 도시한 바와 같이, CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 잡음 제거 필터부(1)와; 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 제1 에지 정보 추출부(3); 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 모폴로지 연산부(5); 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 배경 영상 생성부(7); 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 차영상 생성부(9); 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 제2 에지 정보 추출부(11); 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 설정된 에지 크기 이하의 에지 성분은 제거하며 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 에지 판단부(13); 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 진입 차량 판단부(15); 및 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 배경 영상 업데이트부(17)로 이루어진다.
상기 잡음 제거 필터부(1)는 적응적 선형 필터인 Wiener 필터를 사용한다.
상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에
Figure 112016128075329-pat00016
식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화한다.
여기서,
Figure 112016128075329-pat00017
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 국소 평균이고,
Figure 112016128075329-pat00018
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산,
Figure 112016128075329-pat00019
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산 값들의 전체 평균,
Figure 112016128075329-pat00020
: 명도 영상 중 3×3 영역에 있는 각 화소들의 명암도(소스 명도 영상: source grayscale image),
Figure 112016128075329-pat00021
: 명도 영상 중 3×3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성된 명도 영상이다.
상기 제1 에지 정보 추출부(3)는 잡음 제거 필터링을 거친 입력 영상에 Sauvola의 적응적 이진화 알고리즘을 적용하여 입력 영상 중 전경은 흑색 이진화 수 '1'로 정의하고 입력 영상 중 배경은 백색 이진화수 '0'로 정의하여 흑백 영상을 추출한다.
상기 배경 영상 생성부(7)는
Figure 112016128075329-pat00022
을 이용하여 배경 영상을 생성한다.
상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고, 상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며, 상기 S(x,y)는 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상이다.
상기 차영상 생성부(9)는
Figure 112016128075329-pat00023
을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하고, 상기 임계치 d(B(x,y))는
Figure 112016128075329-pat00024
이고,
Figure 112016128075329-pat00025
이며,
Figure 112016128075329-pat00026
이다.
여기서, T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상, B(x,y)는 그레이스케일 이미지의 배경 영상, S(x,y)는 CCTV로부터 새롭게 입력된 입력 영상을 흑백 영상으로 이진화시킨 이진 영상, I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상, d(B(x,y))는 임계치, q는 0.55,
Figure 112016128075329-pat00027
는 0.45,
Figure 112016128075329-pat00028
는 0.75,
Figure 112016128075329-pat00029
는 배경 영상의 배경과 전경의 평균 거리로서 그레이스케일 이미지로 변환된 배경 영상의 전경과 배경에 대한 명도 차이들을 배경 영상의 모든 화소들에 대해 평균 낸 값, b는 이진 영상(S(x,y))의 배경 화소(S(x,y)=0)와 맞대응되는 그레이스케일 이미지의 배경 영상의 화소들에 대한 명암도(B(x,y)) 평균,
Figure 112016128075329-pat00030
는 영상의 전체 화소를 대상으로 한 합계이다.
상기 에지 판단부(13)는 탐지 영역 내에서 객체 후보 영역에 가로 길이가 일정 크기 이상인 수평 에지가 존재하고, 객체 후보 영역 상하에 일정 크기 이상의 에지가 존재하며, 객체 후보 영역을 4 사분면으로 나눴을 때 최소 3 사분면 이상에 일정 크기 이상의 에지가 존재할 때 객체 후보 영역의 에지가 차량의 형태 정보와 같다고 판단한다.
상기 배경 영상 업데이트부(17)는 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 해당 영역을 배경 영상의 가우시안 혼합물(mixture of Gaussian)들 중에서 중요도가 가장 높은 가우시안 모드(Gaussian mode)의 평균을 해당 영역의 색상 값으로 업데이트(Update) 한다.
이러한 구성으로 이루어진 본 발명에 따른 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법은 배경 영상을 이용하여 객체를 검출하거나 객체를 추적할 경우 미리 설정한 탐지 영역으로 진입한 차량이 일정 시간 이상 주차하거나 정차한 다음에 탐지 영역 바깥으로 빠져나갔을 때 배경 영상이 새롭게 갱신되지 않아 탐지 영역 안으로 들어온 새로운 차량이 탐지되지 못하는 문제점을 해결할 수 있다.
또한, 본 발명은 탐지 영역 내에 오랫동안 정차된 차량이 배경 영상에 포함된 이후 다시 움직여 탐지 영역 바깥으로 빠져나갈 때 입력 영상에서 배경 영상을 뺀 차 영상에서 새로운 차량이 나타난 것으로 오인되는 문제점을 해결할 수 있다.
1. 잡음 제거 필터부 3. 제1 에지 정보 추출부
5. 모폴로지 연산부 7. 배경 영상 생성부
9. 차영상 생성부 11. 제2 에지 정보 추출부
13. 에지 판단부 15. 진입 차량 판단부
17. 배경 영상 업데이트부

Claims (10)

  1. 차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계(S1)와;
    상기 이동 차량 탐지 시스템이 잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 단계(S3);
    상기 이동 차량 탐지 시스템이 추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 단계(S5);
    상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계(S7);
    상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계(S9);
    상기 이동 차량 탐지 시스템이 생성된 전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 단계(S11);
    상기 이동 차량 탐지 시스템이 상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 단계(S13);
    상기 이동 차량 탐지 시스템이 차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 단계(S15);
    상기 이동 차량 탐지 시스템은 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 단계(S17)로 이루어진 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법.
  2. 제1 항에 있어서,
    상기 차량 탐지 구역 내 주정차 차량이나 이동 차량을 탐지하는 이동 차량 탐지 시스템이 CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 단계(S1)에서
    상기 잡음 제거 필터링으로는 적응적 선형 필터인 Wiener 필터를 사용하고,
    상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에
    Figure 112016128075329-pat00031
    식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법.
    여기서,
    Figure 112016128075329-pat00032
    : 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 국소 평균,
    Figure 112016128075329-pat00033
    : 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산,
    Figure 112016128075329-pat00034
    : 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산 값들의 전체 평균,
    Figure 112016128075329-pat00035
    : 명도 영상 중 3×3 영역에 있는 각 화소들의 명암도(소스 명도 영상: source grayscale image),
    Figure 112016128075329-pat00036
    : 명도 영상 중 3×3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성된 명도 영상.
  3. 제1 항에 있어서,
    상기 이동 차량 탐지 시스템이 차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 단계(S7)에서
    상기 배경 영상은
    Figure 112017018529579-pat00037
    을 이용하여 생성하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법.
    상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고,
    상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며,
    상기 S(x,y)는 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상이다.
  4. 제1 항에 있어서,
    상기 이동 차량 탐지 시스템이 생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 이동 차량 탐지 시스템에 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 단계(S9)는
    Figure 112016128075329-pat00038
    을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 방법.
    여기서,
    T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상,
    B(x,y)는 그레이스케일 이미지의 배경 영상,
    S(x,y)는 CCTV로부터 새롭게 입력된 입력 영상을 흑백 영상으로 이진화시킨 이진 영상,
    I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상,
    d(B(x,y))는 임계치.
  5. 삭제
  6. CCTV로부터 전송된 차량 탐지 영역이 촬영된 입력 영상에 포함된 그림자나 잡음을 잡음 제거 필터링(Filtering)을 이용하여 제거하는 잡음 제거 필터부(1)와;
    잡음 제거 필터링을 거친 입력 영상에 적응적 이진화 알고리즘을 적용하여 입력 영상을 흑백 영상으로 변환하고 입력 영상에 포함된 에지(Edge) 정보를 추출하는 제1 에지 정보 추출부(3);
    추출된 상기 에지 정보에 모폴로지(Morphology) 연산을 연속적으로 수행하여 차량 형태로 연결된 에지 정보를 추출하는 모폴로지 연산부(5);
    차량 탐지 영역이 촬영된 입력 영상과 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상을 이용하여 그레이스케일 이미지(grayscale image)의 배경 영상을 생성하는 배경 영상 생성부(7);
    생성된 그레이스케일 이미지의 배경 영상의 각 화소별 명암도와 CCTV로부터 새롭게 입력된 입력 영상의 각 화소별 명암도의 차이가 설정된 임계치(Threshold)보다 높은 화소는 이진수 '1'로 처리하여 전경(foreground)으로 하는 반면 임계치보다 낮은 화소는 이진수 '0'으로 처리하여 배경(Background)으로 함으로써 그림자나 잡음이 제거된 전경 흑백 영상의 차영상을 최종적으로 생성하는 차영상 생성부(9);
    전경 흑백 영상의 차영상에 모폴로지 연산을 수행하여 차량 형태의 에지 정보를 추출하는 제2 에지 정보 추출부(11);
    상기 차영상에서 추출된 에지 정보 중 차량 객체 후보 영역의 에지 정보를 추출하고 이동 차량 탐지 시스템에 설정된 에지 크기 이하의 에지 성분은 제거하며 이동 차량 탐지 시스템에 설정된 에지 크기 이상의 에지 성분은 추출함으로써 객체 후보 영역의 에지가 차량의 형태 정보와 같은 성분인지 판단하는 에지 판단부(13);
    차영상으로부터 추출한 차량 객체 후보 영역의 에지 정보가 차량의 형태 정보와 동일할 때 탐지 영역에 새로운 차량이 들어왔다고 판단하는 진입 차량 판단부(15);
    및 차영상으로부터 추출한 차량 객체 후보 영역이 배경 영상안에 정차되어 있던 차량이 빠져나간 영역일 경우 정차 차량이 빠져나간 다음 도로 배경이 남아있는 것으로 판단하여 배경 영상 중 해당 차량 객체 후보 영역을 도로 배경으로 고속 업데이트(Update)하는 배경 영상 업데이트부(17)로 이루어진 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템.
  7. 제6 항에 있어서,
    상기 잡음 제거 필터부(1)는 적응적 선형 필터인 Wiener 필터를 사용하고,
    상기 Wiener 필터는 명도 영상(grayscale image)으로 변환된 입력 영상에
    Figure 112016128075329-pat00039
    식을 적용하여 명도 영상의 잡음을 제거하고 배경 표면을 평활화하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템.
    여기서,
    Figure 112016128075329-pat00040
    : 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 국소 평균,
    Figure 112016128075329-pat00041
    : 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산,
    Figure 112016128075329-pat00042
    : 명도 영상 중 3×3 영역에 있는 각 화소들의 명암에 대한 분산 값들의 전체 평균,
    Figure 112016128075329-pat00043
    : 명도 영상 중 3×3 영역에 있는 각 화소들의 명암도(소스 명도 영상: source grayscale image),
    Figure 112016128075329-pat00044
    : 명도 영상 중 3×3 영역에 있는 각 화소들에 Wiener 필터를 적용한 결과 생성된 명도 영상.
  8. 제6 항에 있어서,
    상기 배경 영상 생성부(7)는
    Figure 112017018529579-pat00045
    을 이용하여 배경 영상을 생성하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템.
    여기서,
    상기 B(x,y)는 그레이스케일 이미지의 배경 영상이고,
    상기 I(x,y)는 차량 탐지 영역이 촬영된 입력 영상이며,
    상기 S(x,y)는 잡음 제거 필터링을 거친 입력 영상을 흑백 영상으로 이진화시킨 이진 영상
  9. 제6 항에 있어서,
    상기 차영상 생성부(9)는
    Figure 112016128075329-pat00046
    을 이용하여 전경 흑백 영상의 차영상을 최종적으로 생성하는 것을 특징으로 하는 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템.
    여기서,
    T(x,y)는 최종적으로 생성된 전경 흑백 영상의 차영상,
    B(x,y)는 그레이스케일 이미지의 배경 영상,
    I(x,y)는 CCTV로부터 새롭게 입력된 입력 영상.
    d(B(x,y))는 임계치
  10. 삭제
KR1020160180184A 2016-12-27 2016-12-27 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법 KR101717613B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160180184A KR101717613B1 (ko) 2016-12-27 2016-12-27 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160180184A KR101717613B1 (ko) 2016-12-27 2016-12-27 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101717613B1 true KR101717613B1 (ko) 2017-03-17

Family

ID=58502019

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160180184A KR101717613B1 (ko) 2016-12-27 2016-12-27 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101717613B1 (ko)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220949A (zh) * 2017-05-27 2017-09-29 安徽大学 公路监控视频中运动车辆阴影的自适应消除方法
CN107644528A (zh) * 2017-08-02 2018-01-30 浙江工业大学 一种基于车辆跟踪的车辆排队长度检测方法
CN107748866A (zh) * 2017-10-20 2018-03-02 河北机电职业技术学院 违法停车自动识别方法及装置
KR101878239B1 (ko) * 2017-03-22 2018-07-13 경남대학교 산학협력단 모바일 로봇 기반의 도서 관리 시스템
GB2561639A (en) * 2016-11-23 2018-10-24 Ford Global Tech Llc Detection of lane-splitting motorcycles
US10509974B2 (en) 2017-04-21 2019-12-17 Ford Global Technologies, Llc Stain and trash detection systems and methods
KR20200051338A (ko) * 2018-11-05 2020-05-13 엘엔피랩 주식회사 이미지에서 핑거프린트 신호를 추출하는 전자 장치 및 그의 동작 방법
CN112102609A (zh) * 2020-03-10 2020-12-18 中国科学院沈阳自动化研究所 一种针对高速公路车辆违章行为的智能检测系统
CN112364884A (zh) * 2020-10-09 2021-02-12 北京星闪世图科技有限公司 一种移动物体侦测的方法
KR102237753B1 (ko) * 2020-09-28 2021-04-08 (유) 지제이 피사체의 형상 변경 감시 시스템 및 그 방법
CN113311440A (zh) * 2020-02-26 2021-08-27 苏州佳世达电通有限公司 用于改善超声波影像质量的方法及其探测系统
CN117036341A (zh) * 2023-10-07 2023-11-10 青岛奥维特智能科技有限公司 一种基于图像处理的路面裂缝检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070104999A (ko) 2006-04-24 2007-10-30 주식회사 에스오넷 불법주차 자동단속을 위한 이동차량 추적 및 정지차량 추출시스템 및 방법
KR100834550B1 (ko) 2007-12-17 2008-06-02 (주)동화이엔지 불법 주정차 무인 자동 단속방법 및 그 시스템
KR101294347B1 (ko) * 2012-02-20 2013-08-07 울산대학교 산학협력단 영상의 형태 패턴과 텍스처 특징을 이용한 보도블록의 인식방법
KR101473971B1 (ko) * 2014-06-06 2014-12-19 이미자 다기능 방범카메라 통합방범 시스템
KR101560810B1 (ko) * 2014-12-17 2015-10-23 인하공업전문대학산학협력단 템플릿 영상을 이용한 공간 관리 방법 및 장치
KR101648208B1 (ko) 2015-09-08 2016-08-12 김동기 고해상도 영상을 이용한 객체 인식 및 추적 방법 및 장치
KR101677972B1 (ko) * 2016-07-26 2016-11-21 주식회사 싸인텔레콤 촬영영역줌카메라모듈·다차선 촬영영역 생성모듈로 이루어진 스마트 다차선 차량 번호인식 장치 및 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070104999A (ko) 2006-04-24 2007-10-30 주식회사 에스오넷 불법주차 자동단속을 위한 이동차량 추적 및 정지차량 추출시스템 및 방법
KR100834550B1 (ko) 2007-12-17 2008-06-02 (주)동화이엔지 불법 주정차 무인 자동 단속방법 및 그 시스템
KR101294347B1 (ko) * 2012-02-20 2013-08-07 울산대학교 산학협력단 영상의 형태 패턴과 텍스처 특징을 이용한 보도블록의 인식방법
KR101473971B1 (ko) * 2014-06-06 2014-12-19 이미자 다기능 방범카메라 통합방범 시스템
KR101560810B1 (ko) * 2014-12-17 2015-10-23 인하공업전문대학산학협력단 템플릿 영상을 이용한 공간 관리 방법 및 장치
KR101648208B1 (ko) 2015-09-08 2016-08-12 김동기 고해상도 영상을 이용한 객체 인식 및 추적 방법 및 장치
KR101677972B1 (ko) * 2016-07-26 2016-11-21 주식회사 싸인텔레콤 촬영영역줌카메라모듈·다차선 촬영영역 생성모듈로 이루어진 스마트 다차선 차량 번호인식 장치 및 방법

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2561639A (en) * 2016-11-23 2018-10-24 Ford Global Tech Llc Detection of lane-splitting motorcycles
KR101878239B1 (ko) * 2017-03-22 2018-07-13 경남대학교 산학협력단 모바일 로봇 기반의 도서 관리 시스템
US10509974B2 (en) 2017-04-21 2019-12-17 Ford Global Technologies, Llc Stain and trash detection systems and methods
CN107220949A (zh) * 2017-05-27 2017-09-29 安徽大学 公路监控视频中运动车辆阴影的自适应消除方法
CN107644528A (zh) * 2017-08-02 2018-01-30 浙江工业大学 一种基于车辆跟踪的车辆排队长度检测方法
CN107748866B (zh) * 2017-10-20 2020-02-14 河北机电职业技术学院 违法停车自动识别方法及装置
CN107748866A (zh) * 2017-10-20 2018-03-02 河北机电职业技术学院 违法停车自动识别方法及装置
KR20200051338A (ko) * 2018-11-05 2020-05-13 엘엔피랩 주식회사 이미지에서 핑거프린트 신호를 추출하는 전자 장치 및 그의 동작 방법
KR102137229B1 (ko) 2018-11-05 2020-07-23 엘엔피랩 주식회사 이미지에서 핑거프린트 신호를 추출하는 전자 장치 및 그의 동작 방법
CN113311440A (zh) * 2020-02-26 2021-08-27 苏州佳世达电通有限公司 用于改善超声波影像质量的方法及其探测系统
CN112102609A (zh) * 2020-03-10 2020-12-18 中国科学院沈阳自动化研究所 一种针对高速公路车辆违章行为的智能检测系统
KR102237753B1 (ko) * 2020-09-28 2021-04-08 (유) 지제이 피사체의 형상 변경 감시 시스템 및 그 방법
CN112364884A (zh) * 2020-10-09 2021-02-12 北京星闪世图科技有限公司 一种移动物体侦测的方法
CN112364884B (zh) * 2020-10-09 2024-02-20 江苏星闪世图科技(集团)有限公司 一种移动物体侦测的方法
CN117036341A (zh) * 2023-10-07 2023-11-10 青岛奥维特智能科技有限公司 一种基于图像处理的路面裂缝检测方法

Similar Documents

Publication Publication Date Title
KR101717613B1 (ko) 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법
Gao et al. Car license plates detection from complex scene
Wu et al. Lane-mark extraction for automobiles under complex conditions
KR101403876B1 (ko) 차량 번호판 인식 방법과 그 장치
US8848978B2 (en) Fast obstacle detection
KR101546700B1 (ko) 영상을 활용한 도로 포트홀 영역 인식 장치 및 방법
TWI607901B (zh) 影像修補系統及其方法
US9811746B2 (en) Method and system for detecting traffic lights
Kaur et al. An efficient approach for number plate extraction from vehicles image under image processing
KR101738129B1 (ko) 단일 카메라를 이용한 원거리 영상에서의 차량 번호판 인식 장치 및 그 방법
KR101224164B1 (ko) 번호판영역 검출을 위한 전처리 방법 및 장치
Jagannathan et al. License plate character segmentation using horizontal and vertical projection with dynamic thresholding
JP2012038318A (ja) ターゲット検出方法及び装置
Babbar et al. A new approach for vehicle number plate detection
CN114127784A (zh) 用于生成相机流的掩模的方法、计算机程序产品和计算机可读介质
Gilly et al. A survey on license plate recognition systems
CN110060221B (zh) 一种基于无人机航拍图像的桥梁车辆检测方法
CN110520898A (zh) 用于消除明亮区域的图像处理方法
CN111046741A (zh) 车道线识别的方法和装置
KR101613703B1 (ko) 차량영상검지와 번호판 영역 추출방법
CN103971347A (zh) 视频图像中阴影的处理方法及装置
Meem et al. Zebra-crossing detection and recognition based on flood fill operation and uniform local binary pattern
CN110321828B (zh) 一种基于双目摄像机和车底阴影的前方车辆检测方法
Ahmed et al. Robust lane departure warning system for adas on highways
Boliwala et al. Automatic number plate detection for varying illumination conditions

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