| 1 |
1
교통사고 인식장치에 있어서,도로의 영상정보 및 음향정보를 수집하는 도로정보 수집부;상기 영상정보 중 배경에 관한 영상을 제외한 사고객체 영상정보를 추출하고, 상기 음향정보 중 교통사고로 발생하는 충돌음의 음원정보를 추출하는 사고정보 추출부;상기 사고객체 영상정보에서 사고객체의 운동벡터의 변화량에 관한 정보인 운동패턴정보를 생성하는 객체정보 전처리부; 및상기 운동패턴정보에 미리 결정된 규칙을 적용하여 교통사고 상황인지 여부를 판단하고, 교통사고 상황으로 판단된 경우 확률모델에 기반한 확률판단을 시행하여 교통사고 상황인지를 확정하는 사고 판단부를 포함하는 교통사고 인식장치
|
| 2 |
2
제1항에 있어서, 상기 사고정보 추출부는상기 도로의 영상정보에 미리 결정된 알고리즘을 적용하여 관심영역인 사고 객체의 영상정보를 추출하는 관심영역(ROI,Region Of Interest)추출부; 및상기 충돌음을 이용하여 사고지점에서 발생한 음원과 상기 교통사고 인식장치간의 거리 및 상기 음원의 발생 방향에 대한 정보인 음원정보를 추출하는 음원정보 추출부를 포함하는 것을 특징으로 하는 교통사고 인식장치
|
| 3 |
3
제1항에 있어서,상기 사고정보 추출부에서 추출되는 음원정보는 상기 음향정보 중 미리 설정된 크기 이상의 소리 또는 미리 결정된 주파수 패턴과의 불일치 정도를 고려하여 획득되는 것을 특징으로 하는 교통사고 인식장치
|
| 4 |
4
제1항에 있어서, 상기 사고 판단부는,상기 운동패턴정보에 미리 결정된 규칙을 적용하여 교통사고 상황을 판단하는 규칙기반 판단부; 및상기 규칙기판 판단부에서 교통사고 상황이라고 판단된 경우, 상기 사고정보 추출부에서 추출된 음원정보와, 상기 객체정보 전처리부에서 생성된 운동패턴정보에 확률모델을 적용하여 교통사고 상황인지를 확정하는 확률기반 판단부를 포함하는 것을 특징으로 하는 교통사고 인식장치
|
| 5 |
5
제1항에 있어서, 상기 도로정보 수집부는상기 도로의 영상정보를 수집하여 외부의 서버에 기록하는 비디오 데이터 수집부; 및상기 도로의 음향정보를 수집하여 상기 서버에 기록하는 음향 데이터 수집부를 포함하는 것을 특징으로 하는 교통사고 인식장치
|
| 6 |
6
제4항에 있어서, 상기 규칙기반 판단부는상기 객체정보 전처리부에서 생성된 운동패턴정보의 시간별 변화량을 계산한 결과를 생성하여 상기 결과가 미리 결정된 기준값을 초과하는 경우에 교통사고 상황이라고 판단하는 것을 특징으로 하는 교통사고 인식장치
|
| 7 |
7
제4항에 있어서, 상기 확률기반 판단부는상기 확률모델로서 베이지안 네트워크(Bayesian Network)를 이용하는 것을 특징으로 하는 교통사고 인식장치
|
| 8 |
8
미리 결정된 위치에 설치되도록 복수개로 구비되는 교통사고 인식장치에 있어서,도로의 영상정보 및 음향정보를 수집하는 도로정보 수집부;상기 영상정보 중 배경에 관한 영상을 제외한 사고객체 영상정보를 추출하고, 상기 음향정보 중 교통사고로 발생하는 충돌음의 음원정보를 추출하도록 구비되는 사고정보 추출부;상기 사고객체 영상정보에서 사고객체의 운동벡터의 변화량에 관한 정보인 운동패턴정보를 생성하는 객체정보 전처리부; 상기 객체정보 전처리부에서 생성된 운동패턴정보에 미리 결정된 알고리즘을 적용하여 융합된 정보로 생성하는 정보 융합부; 및상기 정보 융합부에서 생성된 융합된 정보에 미리 결정된 규칙을 적용하여 교통사고 상황인지 여부를 판단하고, 교통사고 상황으로 판단된 경우 확률모델에 기반한 확률판단을 시행하여 교통사고 상황인지를 확정하는 사고 판단부를 포함하는 교통사고 인식장치
|
| 9 |
9
제8항에 있어서, 상기 사고정보 추출부는 상기 영상정보에 미리 결정된 알고리즘을 적용하여 관심영역인 사고객체의 영상정보들을 추출하는 관심영역(ROI,Region Of Interest)추출부; 및상기 충돌음을 이용하여 사고지점에서 발생한 음원과 상기 교통사고 인식장치간의 거리 및 상기 음원의 발생 방향에 대한 정보인 음원정보를 추출하는 음원정보 추출부를 포함하는 것을 특징으로 하는 교통사고 인식장치
|
| 10 |
10
제8항에 있어서, 상기 정보 융합부는상기 복수개의 교통사고 인식장치의 객체정보 전처리부에서 생성된 운동벡터정보를 각각 절대좌표계의 운동벡터로 형성하고, 상기 절대좌표계의 운동벡터를 결합하여 융합된 운동벡터를 생성하는 것을 특징으로 하는 교통사고 인식장치
|
| 11 |
11
제10항에 있어서,상기 절대좌표계의 운동벡터는 상기 사고정보 추출부에서 추출된 음원정보와 상기 도로정보 수집부의 수직방향 각도 및 도로정보 수집부의 정면방향과 상기 음원과의 수평방향 각도를 이용하여 형성하고, 상기 융합된 운동벡터는 상기 절대좌표계의 운동벡터에 상기 음원정보에 포함된 음원과 상기 도로정보 수집부와의 거리에 반비례하는 상수를 가중치로 부여한 값들을 결합하여 생성하는 것을 특징으로 하는 교통사고 인식장치
|
| 12 |
12
교통사고의 인식방법에 있어서, 교통 사고 인식 장치가(a) 도로의 영상정보 및 음향정보를 수집하는 단계;(b) 상기 영상정보 중 배경에 관한 영상을 제외한 사고객체 영상정보를 추출하고, 상기 음향정보 중 교통사고로 발생하는 충돌음의 음원정보를 추출하는 단계;(c) 상기 사고객체 영상정보에서 사고객체의 운동벡터의 변화량에 관한 정보인 운동패턴정보를 생성하는 단계;(d) 상기 (c)단계에서 생성된 운동패턴정보에 미리 결정된 규칙을 적용하여 교통사고 상황을 판단하는 단계; 및(e) 상기 (d)단계에서 교통사고 상황이라고 판단된 경우, 상기 (b)단계에서 추출된 음원정보와, 상기 (c)단계에서 생성된 운동패턴정보에 확률모델을 적용하여 교통사고 상황인지를 확정하는 단계를 포함하는 것을 특징으로 하는 교통사고의 인식방법
|
| 13 |
13
제12항에 있어서, 상기 (d)단계는상기 운동패턴정보의 시간별 변화량을 계산한 결과를 생성하여 상기 결과가 미리 결정된 기준값을 초과하는 경우에 교통사고 상황이라고 판단하는 것을 특징으로 하는 교통사고의 인식방법
|
| 14 |
14
제12항에 있어서, 상기 (e)단계의 확률모델은 베이지안 네트워크(Bayesian Network)를 이용하는 것을 특징으로 하는 교통사고의 인식방법
|
| 15 |
15
미리 결정된 위치에 설치되는 복수개의 교통사고 인식장치를 이용하는 교통사고의 인식방법에 있어서, 교통 사고 인식 장치가(a) 도로의 영상정보 및 음향정보를 수집하는 단계;(b) 상기 영상정보 중 배경에 관한 영상을 제외한 사고객체 영상정보를 추출하고, 상기 음향정보 중 교통사고로 발생하는 충돌음의 음원정보를 추출하는 단계;(c) 상기 사고객체 영상정보에서 사고객체의 운동벡터의 변화량에 관한 정보인 운동패턴정보를 생성하는 단계;(d) 상기 운동패턴정보에 미리 결정된 알고리즘을 적용하여 융합된 정보로 생성하는 단계; (e) 상기 (d)단계에서 생성된 융합된 정보에 미리 결정된 규칙을 적용하여 교통사고 상황을 판단하는 단계; 및(f) 상기 (e)단계에서 교통사고 상황이라고 판단된 경우, 상기 (b)단계에서 추출된 음원정보와, 상기 (d)단계에서 생성된 운동패턴정보에 확률모델을 적용하여 교통사고 상황인지를 확정하는 단계를 포함하는 것을 특징으로 하는 교통사고의 인식방법
|
| 16 |
16
제15항에 있어서, 상기 (e)단계는(e1) 상기 운동패턴정보를 절대좌표계의 운동벡터로 형성하는 단계; 및 (e2) 상기 (e1)단계에서 형성된 절대좌표계의 운동벡터를 결합하여 융합된 운동벡터를 생성하는 단계를 포함하는 것을 특징으로 하는 교통사고의 인식방법
|
| 17 |
17
제15항에 있어서,상기 (f)단계의 확률모델은 베이지안 네트워크(Bayesian Network)를 이용하는 것을 특징으로 하는 교통사고의 인식방법
|
