교통상태 추정시스템은 복수의 카메라들 및 서버를 포함한다. 복수의 카메라들은 복수의 검지영역들 및 상기 복수의 검지영역들 상의 차량을 촬영하여 원본영상을 생성한다. 비검지영역은 복수의 검지영역들 중 인접한 어느 두 검지영역들 사이의 영역이다. 서버에 비검지영역의 교통상태를 추정하기 위한 딥러닝(Deep Learning) 기반의 교통상태 추정모델이 저장된다. 서버는 복수의 카메라들과 통신할 수 있다. 복수의 검지영역들 각각은 교차로의 적어도 일부를 포함한다. 비검지영역의 교통상태는 비검지영역 내 차량의 수로 정의되는 교통밀도이다. 서버는 영상분석 알고리즘을 이용하여 복수의 원본영상들 각각에서 차량을 객체로 추출한다. 서버는 객체를 추적하여 차량궤적정보를 생성한다. 서버는 객체의 특징을 추출하여 차량특징정보를 생성한다.
DEEP LEARNING BASED TRAFFIC STATE ESTIMATION SYSTEM AND METHOD THEREOF
딥러닝 기반의 교통상태 추정 시스템 및 그 방법
2025-04-04
Patent
Electronic Resource
Korean
IPC: | G06V / G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS / H04N PICTORIAL COMMUNICATION, e.g. TELEVISION , Bildübertragung, z.B. Fernsehen |
A Deep Learning Based Traffic State Estimation Method for Mixed Traffic Flow Environment
DOAJ | 2022
|Traffic state estimation method based on clustering and deep sequence learning
European Patent Office | 2020
|Deep learning traffic state estimation method and system based on car networking sparse information
European Patent Office | 2023
|Deep Learning Based Traffic Signs Boundary Estimation
IEEE | 2020
|