Ve-cog 특징
- python 3.x 를 기반으로 개발
- YOLO 딥러닝 모델을 통한 차량 이미지 자동 인식
- CCTV 촬영 영상에 대한 실시간 차량 이미지 검출, 평균 검출률 98%
- 초당 5~10건의 처리 능력 (PC 사양에 따라 상이)
- 하루 평균 30~40만대의 차량 이미지 처리
- 기존 시스템 및 인프라에 종속되지 않는 범용 인터페이스 프로토콜 구현
- 현장 카메라에서 전송되어 오는 데이터에 대한 valid 요소 강화
Ve-cog 주요 기능
실시간 차량 이미지 검출
- CCTV 사진으로부터 차량 객체 자동 인식
- 인식된 객체의 bounding box 처리
- 최종적으로 차량 객체 부분 이미지 검출
검출된 차량 이미지 처리
- 검출된 차량의 이미지의 크기 자동 조정
- 이미지 파일의 용량 자동 축소
- 이미지는 사용자가 설정한 경로에 저장
프로세스 자동 모니터링
- 24시간 프로세스 모니터링 기능
- 프로세스간 지속적인 통신으로 실행 오류 점검
- 효율적인 메모리 관리를 위한 자동 On/Off 기능
통계 조회
- 지속적인 감시 차량 대수 통계 조회 기능
- 이미지 처리 후 인식 오류 수와 해당 데이터 누적
- 통행 차종의 출현 빈도수 통계 조회 기능
시스템 발전 가능성
- 통행 차종의 출현 빈도수를 통한 맞춤 모델 설계
- 누적된 검출 오류 이미지를 통한 딥러닝 모델 정확성 향상
- 객체 인식의 알고리즘(YOLO)의 발전에 따른 처리 속도 향상
개인정보 보호
- 필요에 따라 보조석 가림 옵션을 선택하여 개인정보 보호 기능
Ve-cog 프로세스
차량 영역 검출
- 인식된 이미지 파일에서 차량 영역을 검출합니다.
- 사용자가 지정한 디렉터리를 감시
- 디렉터리 내 이미지 파일 자동 인식
- 인식된 이미지 파일의 차량 영역 검출
- 차량 검출 영역 bounding box 처리
이미지 처리
- 검출된 차량 영역을 기반으로 이미지 파일을 가공합니다.
- 검출된 차량의 이미지의 크기 자동 조정
- 보조석 가리기 설정에 따른 추가 이미지 처리
- 사용자가 설정한 경로에 처리한 이미지 파일을 저장