| 1 |
1
학습데이터의 구축을 위해 드론을 통해 직하각 항공영상을 수집한 뒤, 수집된 항공영상 내 학습데이터의 수집을 위해 YOLO Mark를 통하여 객체 라벨링을 수행하는 학습 데이터 수집부;수집된 학습데이터로 YOLOv5 모델의 학습을 수행하고, DeepSORT를 통한 다중객체추적 알고리즘을 통해 차량 객체의 검지 및 추적을 수행하는 다중객체추적부;다중객체추적 알고리즘을 통해 추적된 차량 객체에서 미시적 교통데이터를 추출하기 위하여 영상정합을 활용한 영상보정을 수행하고, 특징점을 활용한 영상정합과 삼변측량을 활용하여 영상 내 흔들리지 않는 기준점을 설치하고, 이를 바탕으로 개별 차량에 대한 속도 및 지점 교통량 데이터를 수집하는 미시적 교통데이터 추출부;를 포함하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치
|
| 2 |
2
제 1 항에 있어서, YOLO Mark는,YOLO 모델의 학습데이터 수집을 위하여 이미지에서 객체의 경계 상자(bounding box)를 설정하기 위한 GUI 기반 프로그램으로,수집된 항공영상 내 차량 객체의 차종과 위치정보를 명시하여 학습데이터를 구축하기 위하여 사용하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치
|
| 3 |
3
제 1 항에 있어서, 학습 데이터 수집부는,학습데이터의 구축을 위해 드론을 통해 직하각 항공영상을 수집하는 드론 항공영상 수집부와,수집된 항공영상 내 학습데이터의 수집을 위해 YOLO Mark를 통하여 객체 라벨링을 수행하는 차량 객체 라벨링부를 포함하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치
|
| 4 |
4
제 1 항에 있어서, 다중객체추적부는,수집된 학습데이터로 YOLOv5 모델의 학습을 수행하고, 다중객체추적 알고리즘을 통해 영상 내 차량 객체 위치를 식별하고 차종을 구분하기 위한 차량 객체의 검지를 수행하는 차량 객체 검지부와,연속적인 동영상 프레임에서 검지된 차량 객체에 ID를 부여 후, 동일 ID를 보유한 객체 간 위치정보를 연결하여 미시적 교통데이터를 추출할 수 있도록 하는 차량 객체 추적부를 포함하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치
|
| 5 |
5
제 1 항에 있어서, 미시적 교통데이터 추출부는,특징점 매칭을 통한 영상정합을 사용하여 항공영상 내 추적을 수행할 기준 이미지(Source image)를 선정하는 기준 이미지 추적부와, 도로 위 위치 좌표를 알고 있는 기준점(Control point)을 선정하여, 선정된 기준 이미지의 각 중심점을 바탕으로 삼변측량(Trilateration)을 통해 매 프레임마다 영상 내 기준점들의 위치를 갱신하는 기준점 선정부와,갱신된 기준점들의 위치 관계를 활용하여 속도 및 교통량 데이터를 추출하는 속도 및 교통량 추정부를 포함하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치
|
| 6 |
6
제 5 항에 있어서, 미시적 교통데이터 추출부는,수집된 드론 항공영상의 첫 프레임에서 특정 지점을 중심점으로 가지는 일부 이미지를 잘라 기준 이미지(Source image)로 선정하고, 이 기준 이미지의 중심점(Center point)을 도출하고,선정된 기준이미지와 원본인 드론 항공영상 간에 특징점 매칭을 활용한 영상 정합을 통하여 드론 항공영상 내 기준 이미지의 위치를 갱신하고,갱신된 기준이미지의 위치를 기반으로 중심점의 위치를 추출하고, 이 과정을 드론 항공영상의 매 프레임마다 반복하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치
|
| 7 |
7
제 6 항에 있어서, 영상 정합을 통해 추출된 기준 이미지(Source image)의 중심점(Center point)을 이미 알고 있는 도로 위 지점의 위치 좌표와 교통량 검지기의 위치를 갱신하기 위하여 사용하고,위치 좌표는 도로 위 균등한 위치를 가지는 총 6개의 좌표를 선정하여 이를 기준점(Control point)으로 하고,좌표의 개수는 카메라의 왜곡으로 인한 거리의 왜곡을 방지하기 위하여 서로 균등한 위치에 있는 좌표를 최소한 6점으로 선정하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치
|
| 8 |
8
제 7 항에 있어서, 위치정보를 가지고 있는 6개의 기준점은,영상 내 차량이 움직인 거리를 바탕으로 차량의 속도를 산출하기 위하여 사용하고, 기준점 간의 실제 거리비와 항공영상 내의 거리비를 활용하여 차량이 실제 움직인 거리를 산출하고,이미 알고 있는 기준점 간의 실제 거리와 영상 내 기준점 픽셀 간의 거리의 비를 매 프레임마다 계산하여, 영상 내 차량이 이전 프레임의 위치에 비해 움직인 픽셀 크기 간의 거리와 곱해주어 차량 속도를 도출하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치
|
| 9 |
9
제 5 항에 있어서, 삼변측량을 적용하기 위해 영상 정합을 통해 도출할 기준 이미지 3개를 선정하고,기준 이미지의 중심점을 삼변측량을 위한 세 원의 중점으로 갖고, 도로 위 확보된 6개의 기준점을 삼변측량을 통해 산출할 목표지점으로 선정하고,첫 프레임을 기준으로 세 원의 중점과 각 기준점 간의 거리를 반지름의 거리로 도출한 뒤, 이를 사용하여 다음 프레임의 기준점의 위치를 갱신하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치
|
| 10 |
10
제 1 항에 있어서, YOLOv5와 DeepSORT를 활용한 차량 객체의 검지 및 추적에 따라 개별 차량 객체는,영상 내 bounding box의 위치 좌표와 차종, 해당 차종일 확률, 객체 id 정보를 갖게 되고,YOLOv5는 객체의 위치 좌표, 차종, 해당 차종일 확률을 가져 매 프레임마다 검지를 수행하고,DeepSORT는 객체의 위치 좌표, 차종, 객체 id 정보를 가져 객체의 이동 경로 및 주행행태에 대한 정보를 갖는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치
|
| 11 |
11
학습데이터의 구축을 위해 드론을 통해 직하각 항공영상을 수집한 뒤, 수집된 항공영상 내 학습데이터의 수집을 위해 YOLO Mark를 통하여 객체 라벨링을 수행하는 학습 데이터 수집 단계;수집된 학습데이터로 YOLOv5 모델의 학습을 수행하고, DeepSORT를 통한 다중객체추적 알고리즘을 통해 차량 객체의 검지 및 추적을 수행하는 다중객체추적 단계;다중객체추적 알고리즘을 통해 추적된 차량 객체에서 미시적 교통데이터를 추출하기 위하여 영상정합을 활용한 영상보정을 수행하고, 특징점을 활용한 영상정합과 삼변측량을 활용하여 영상 내 흔들리지 않는 기준점을 설치하고, 이를 바탕으로 개별 차량에 대한 속도 및 지점 교통량 데이터를 수집하는 미시적 교통데이터 추출 단계;를 포함하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 방법
|
| 12 |
12
제 11 항에 있어서, 다중객체추적 단계는,수집된 학습데이터로 YOLOv5 모델의 학습을 수행하고, 다중객체추적 알고리즘을 통해 영상 내 차량 객체 위치를 식별하고 차종을 구분하기 위한 차량 객체의 검지를 수행하는 차량 객체 검지 단계와,연속적인 동영상 프레임에서 검지된 차량 객체에 ID를 부여 후, 동일 ID를 보유한 객체 간 위치정보를 연결하여 미시적 교통데이터를 추출할 수 있도록 하는 차량 객체 추적 단계를 포함하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 방법
|
| 13 |
13
제 11 항에 있어서, 미시적 교통데이터 추출 단계는,특징점 매칭을 통한 영상정합을 사용하여 항공영상 내 추적을 수행할 기준 이미지(Source image)를 선정하는 기준 이미지 추적 단계와, 도로 위 위치 좌표를 알고 있는 기준점(Control point)을 선정하여, 선정된 기준 이미지의 각 중심점을 바탕으로 삼변측량(Trilateration)을 통해 매 프레임마다 영상 내 기준점들의 위치를 갱신하는 기준점 선정 단계와,갱신된 기준점들의 위치 관계를 활용하여 속도 및 교통량 데이터를 추출하는 속도 및 교통량 추정 단계를 포함하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 방법
|
| 14 |
14
제 13 항에 있어서, 미시적 교통데이터 추출 단계는,수집된 드론 항공영상의 첫 프레임에서 특정 지점을 중심점으로 가지는 일부 이미지를 잘라 기준 이미지(Source image)로 선정하고, 이 기준 이미지의 중심점(Center point)을 도출하고,선정된 기준이미지와 원본인 드론 항공영상 간에 특징점 매칭을 활용한 영상 정합을 통하여 드론 항공영상 내 기준 이미지의 위치를 갱신하고,갱신된 기준이미지의 위치를 기반으로 중심점의 위치를 추출하고, 이 과정을 드론 항공영상의 매 프레임마다 반복하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 방법
|
| 15 |
15
제 14 항에 있어서, 영상 정합을 통해 추출된 기준 이미지(Source image)의 중심점(Center point)을 이미 알고 있는 도로 위 지점의 위치 좌표와 교통량 검지기의 위치를 갱신하기 위하여 사용하고,위치 좌표는 도로 위 균등한 위치를 가지는 총 6개의 좌표를 선정하여 이를 기준점(Control point)으로 하고,좌표의 개수는 카메라의 왜곡으로 인한 거리의 왜곡을 방지하기 위하여 서로 균등한 위치에 있는 좌표를 최소한 6점으로 선정하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 방법
|
| 16 |
16
제 15 항에 있어서, 위치정보를 가지고 있는 6개의 기준점은,영상 내 차량이 움직인 거리를 바탕으로 차량의 속도를 산출하기 위하여 사용하고, 기준점 간의 실제 거리비와 항공영상 내의 거리비를 활용하여 차량이 실제 움직인 거리를 산출하고,이미 알고 있는 기준점 간의 실제 거리와 영상 내 기준점 픽셀 간의 거리의 비를 매 프레임마다 계산하여, 영상 내 차량이 이전 프레임의 위치에 비해 움직인 픽셀 크기 간의 거리와 곱해주어 차량 속도를 도출하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 방법
|
| 17 |
17
제 13 항에 있어서, 삼변측량을 적용하기 위해 영상 정합을 통해 도출할 기준 이미지 3개를 선정하고,기준 이미지의 중심점을 삼변측량을 위한 세 원의 중점으로 갖고, 도로 위 확보된 6개의 기준점을 삼변측량을 통해 산출할 목표지점으로 선정하고,첫 프레임을 기준으로 세 원의 중점과 각 기준점 간의 거리를 반지름의 거리로 도출한 뒤, 이를 사용하여 다음 프레임의 기준점의 위치를 갱신하는 것을 특징으로 하는 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 방법
|
