본 논문은 컴퓨터 비전 기반의 인식기법으로 주간 시내도로에 정차된 버스와 보도 사이로 접근하는 측 후방 차량을 탐지하는 시스템을 설명한다. 이 시스템은 승객의 안전한 하차를 위해 버스 운전자와 승객에게 차량의 접근유무를 알려준다. 버스의 측 후방 영상은 버스가 정차할 때마다 버스 뒤쪽 출입문 상단에 장착된 카메라로 입력된다. 본 논문은 네 단계로 구성된 알고리즘으로 동작하며 탐지된 차량이 위험하다고 판단할 경우, 운전자와 승객에게 경고하게 된다...
본 논문은 컴퓨터 비전 기반의 인식기법으로 주간 시내도로에 정차된 버스와 보도 사이로 접근하는 측 후방 차량을 탐지하는 시스템을 설명한다. 이 시스템은 승객의 안전한 하차를 위해 버스 운전자와 승객에게 차량의 접근유무를 알려준다. 버스의 측 후방 영상은 버스가 정차할 때마다 버스 뒤쪽 출입문 상단에 장착된 카메라로 입력된다. 본 논문은 네 단계로 구성된 알고리즘으로 동작하며 탐지된 차량이 위험하다고 판단할 경우, 운전자와 승객에게 경고하게 된다. 제안된 시스템은 노선버스에 장착된 카메라를 통해 녹화된 320*240 크기의 흑백 영상을 이용하여 수행하였다.
본 논문은 컴퓨터 비전 기반의 인식기법으로 주간 시내도로에 정차된 버스와 보도 사이로 접근하는 측 후방 차량을 탐지하는 시스템을 설명한다. 이 시스템은 승객의 안전한 하차를 위해 버스 운전자와 승객에게 차량의 접근유무를 알려준다. 버스의 측 후방 영상은 버스가 정차할 때마다 버스 뒤쪽 출입문 상단에 장착된 카메라로 입력된다. 본 논문은 네 단계로 구성된 알고리즘으로 동작하며 탐지된 차량이 위험하다고 판단할 경우, 운전자와 승객에게 경고하게 된다. 제안된 시스템은 노선버스에 장착된 카메라를 통해 녹화된 320*240 크기의 흑백 영상을 이용하여 수행하였다.
This paper describes the system for detecting the vehicle, especially at the day time, approaching the space between sidewalk and bus stop by computer vision-based method in the city road. This system brings the safety of the passenger because it informs driver and bus passenger about on coming vehi...
This paper describes the system for detecting the vehicle, especially at the day time, approaching the space between sidewalk and bus stop by computer vision-based method in the city road. This system brings the safety of the passenger because it informs driver and bus passenger about on coming vehicles, especially when they get off. The camera mounted on the top portion of the bus exit door gets the rear-side image of the bus whenever a bus stops at the drop off place. The algorithm of this paper consisted of four steps: the search area, the vehicle detection, the vehicle detection reinforcement and the location search. In the search area step, we set the search area between bus and sidewalk from the image. In the vehicle detection step, we observe a vehicle by using interframe differencing and sobel filtering in this area. In the vehicle detection reinforcement step, we use the luminosity change method, the clustering method and the moving average method in order to increase the vehicle detection rate. In the location search step, it indicates the distance with the vehicle detected from the bus exit door and also displays speed and direction by calculation. If the system judges the dangerous situation for the passenger from those steps, it will alarm the driver and passengers. The proposed system has been implemented on recorded images that consist of 320x240 pixels and 8 bit gray-level scale acquired from a transit bus. This experiment has accuracy of more than 94% detection rate in bus driving on the road.
This paper describes the system for detecting the vehicle, especially at the day time, approaching the space between sidewalk and bus stop by computer vision-based method in the city road. This system brings the safety of the passenger because it informs driver and bus passenger about on coming vehicles, especially when they get off. The camera mounted on the top portion of the bus exit door gets the rear-side image of the bus whenever a bus stops at the drop off place. The algorithm of this paper consisted of four steps: the search area, the vehicle detection, the vehicle detection reinforcement and the location search. In the search area step, we set the search area between bus and sidewalk from the image. In the vehicle detection step, we observe a vehicle by using interframe differencing and sobel filtering in this area. In the vehicle detection reinforcement step, we use the luminosity change method, the clustering method and the moving average method in order to increase the vehicle detection rate. In the location search step, it indicates the distance with the vehicle detected from the bus exit door and also displays speed and direction by calculation. If the system judges the dangerous situation for the passenger from those steps, it will alarm the driver and passengers. The proposed system has been implemented on recorded images that consist of 320x240 pixels and 8 bit gray-level scale acquired from a transit bus. This experiment has accuracy of more than 94% detection rate in bus driving on the road.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.