| 1 |
1
사고 영상 데이터를 획득하는 단계; 상기 사고 영상 데이터에 대한 차량의 운전자의 시선 위치를 획득하는 단계; 상기 시선 위치가 상대 차량의 관심 영역에 포함되는지 여부에 따라 고의성 점수를 산출하는 단계; 상기 시선 위치가 상기 상대 차량의 관심 영역에 포함되는 경우, 상기 상대 차량의 운행 상태에 대응하는 상기 차량의 조작 제어가 수행되는지 여부에 따라 상기 고의성 점수에 가중치를 부여하는 단계; 및 상기 고의성 점수 및 상기 가중치 중 적어도 하나와 상기 사고 영상 데이터를 사고과실 판별 모델에 적용하여 사고 과실 정보를 산출하는 단계; 를 포함하는,딥러닝을 이용한 사고 영상의 사고과실 평가 방법
|
| 2 |
2
제1항에 있어서,상기 사고 과실 정보를 산출하는 단계 이전에, 사고 영상 학습데이터 및 상기 사고 영상 학습데이터에 대응하는 과실 비율 학습데이터를 획득하는 단계; 및상기 사고 영상 학습데이터 및 과실 비율 학습데이터를 이용하여 상기 사고과실 판별 모델을 학습시키는 단계;를 더 포함하는,딥러닝을 이용한 사고 영상의 사고과실 평가 방법
|
| 3 |
3
제1항에 있어서,상기 사고 과실 정보를 산출하는 단계는, 상기 사고과실 판별 모델을 이용하여 상기 사고 영상 데이터로부터 특징맵(feature map)을 산출하는 단계; 및 상기 특징맵에 기반하여 상기 사고 과실 정보를 산출하는 단계;를 포함하는,딥러닝을 이용한 사고 영상의 사고과실 평가 방법
|
| 4 |
4
제3항에 있어서,상기 특징맵을 산출하는 단계는,상기 사고과실 판별 모델을 이용하여 상기 사고 영상 데이터로부터 시간 정보 및 공간 정보 중 적어도 하나를 추출하는 단계; 및 상기 시간 정보 및 공간 정보 중 적어도 하나에 기반하여 상기 특징맵을 산출하는 단계;를 포함하는, 딥러닝을 이용한 사고 영상의 사고과실 평가 방법
|
| 5 |
5
제1항에 있어서, 상기 사고 과실 정보는, 사고 과실 비율을 포함하는,딥러닝을 이용한 사고 영상의 사고과실 평가 방법
|
| 6 |
6
삭제
|
| 7 |
7
삭제
|
| 8 |
8
삭제
|
| 9 |
9
사고 영상 데이터를 획득하는 입력부; 상기 사고 영상 데이터에 대한 차량의 운전자의 시선 위치를 획득하는 센서부; 및상기 시선 위치가 상대 차량의 관심 영역에 포함되는지 여부에 따라 고의성 점수를 산출하고, 상기 시선 위치가 상기 상대 차량의 관심 영역에 포함되는 경우, 상기 상대 차량의 운행 상태에 대응하는 상기 차량의 조작 제어가 수행되는지 여부에 따라 상기 고의성 점수에 가중치를 부여하고, 상기 고의성 점수 및 상기 가중치 중 적어도 하나와 상기 사고 영상 데이터를 사고과실 판별 모델에 적용하여 사고 과실 정보를 산출하는 제어부;를 포함하는,딥러닝을 이용한 사고 영상의 사고과실 평가 장치
|
| 10 |
10
제9항에 있어서,상기 입력부는, 사고 영상 학습데이터 및 상기 사고 영상 학습데이터에 대응하는 과실 비율 학습데이터를 획득하고,상기 제어부는, 상기 사고 영상 학습데이터 및 과실 비율 학습데이터를 이용하여 상기 사고과실 판별 모델을 학습시키는,딥러닝을 이용한 사고 영상의 사고과실 평가 장치
|
| 11 |
11
제9항에 있어서,상기 제어부는,상기 사고과실 판별 모델을 이용하여 상기 사고 영상 데이터로부터 특징맵(feature map)을 산출하고,상기 특징맵에 기반하여 상기 사고 과실 정보를 산출하는,딥러닝을 이용한 사고 영상의 사고과실 평가 장치
|
| 12 |
12
제11항에 있어서,상기 제어부는,상기 사고과실 판별 모델을 이용하여 상기 사고 영상 데이터로부터 시간 정보 및 공간 정보 중 적어도 하나를 추출하고,상기 시간 정보 및 공간 정보 중 적어도 하나에 기반하여 상기 특징맵을 산출하는,딥러닝을 이용한 사고 영상의 사고과실 평가 장치
|
| 13 |
13
제9항에 있어서,상기 사고 과실 정보는, 사고 과실 비율을 포함하는,딥러닝을 이용한 사고 영상의 사고과실 평가 장치
|
| 14 |
14
삭제
|
| 15 |
15
삭제
|
| 16 |
16
삭제
|
