본 논문에서는 특징점 추적을 이용한 끼어들기 위반차량 검지 시스템을 제안한다. 제안된 끼어들기 위반차량 검지 시스템의 전체적인 알고리즘은 영상 변환 및 전처리, 특징 추출, 추적대상 차량의 특징점 등록 및 추적, 끼어들기 위반차량 검지 등의 단계로 구성된다. 영상 변환 및 전처리 단계에서는 왜곡된 도로 영상에 대해 역 원근 변환을 수행하고 형태학적 기울기 영상을 추출한다. 특징 추출 단계에서는 실시간 처리가 가능한 ...
본 논문에서는 특징점 추적을 이용한 끼어들기 위반차량 검지 시스템을 제안한다. 제안된 끼어들기 위반차량 검지 시스템의 전체적인 알고리즘은 영상 변환 및 전처리, 특징 추출, 추적대상 차량의 특징점 등록 및 추적, 끼어들기 위반차량 검지 등의 단계로 구성된다. 영상 변환 및 전처리 단계에서는 왜곡된 도로 영상에 대해 역 원근 변환을 수행하고 형태학적 기울기 영상을 추출한다. 특징 추출 단계에서는 실시간 처리가 가능한 특징점 추출 알고리즘을 이용하여 입력 영상에서 특징점을 추출한다. 추출된 특징점들은 다시 추적대상 특징점을 선정하고 등록된 특징점을 정규화 된 교차 상관관계(normalized cross correlation:NCC)를 이용하여 추적 한다. 마지막으로 추적된 특징점들의 정보를 이용하여 끼어들기 위반여부를 최종 검지한다. 제안한 시스템은 특징기반 추적방식의 문제점인 속도를 개선하기 위해 다음과 같은 방법을 적용한다. 먼저 고속 코너 검지(fast corner detection) 알고리즘을 적용하여 특징점 추출 시간을 단축한다. 그리고 탐색창(search window) 내에 존재하는 특징점들만을 대상으로 검색하여 추적하는 새로운 추적 방법을 적용함으로써 추적 시간을 단축한다. 또한 교통체증이 심한 경우에도 최종 검지 영역에서는 개별 차량이 서로 분리되어 차량을 분류하는 단계가 필요 없기 때문에 기존 방식에서 계산량을 많이 차지했던 차량별 분류 단계를 생략 하였다. 그 대신 위반차선 점유율()을 산출하여 끼어들기 위반차량을 최종 검지하는 간단한 방법을 사용하여 처리시간을 단축 한다. 특히 제안한 시스템은 형태학적 기울기(morphological gradient) 영상을 이용하여 특징점을 추출하므로 써 주간 및 야간 영상에 대해 동일한 알고리즘을 적용하여 현재까지 영상 검지 시스템의 문제점으로 지적되어온 그림자, 기상 조건, 차량 전조등 및 조명 등에 의해 발생하는 문제점을 해결 하였다. 제안한 시스템을 끼어들기 금지구간에서 취득한 720X480 크기의 영상을 사용하여 실험한 결과 정인식률 99.57%와 오류율 0.43%을 보였으며 정상차량을 위반차량으로 검지한 거짓 긍정률(false positive rate:FPR) 0%와 위반차량을 정상차량으로 검지한 거짓 부정률(false negative rate:FNR) 6.06%의 성능을 보였다. 또한 실시간처리에 문제가 없는 초당 94.23프레임의 빠른 처리속도를 나타냈다.
본 논문에서는 특징점 추적을 이용한 끼어들기 위반차량 검지 시스템을 제안한다. 제안된 끼어들기 위반차량 검지 시스템의 전체적인 알고리즘은 영상 변환 및 전처리, 특징 추출, 추적대상 차량의 특징점 등록 및 추적, 끼어들기 위반차량 검지 등의 단계로 구성된다. 영상 변환 및 전처리 단계에서는 왜곡된 도로 영상에 대해 역 원근 변환을 수행하고 형태학적 기울기 영상을 추출한다. 특징 추출 단계에서는 실시간 처리가 가능한 특징점 추출 알고리즘을 이용하여 입력 영상에서 특징점을 추출한다. 추출된 특징점들은 다시 추적대상 특징점을 선정하고 등록된 특징점을 정규화 된 교차 상관관계(normalized cross correlation:NCC)를 이용하여 추적 한다. 마지막으로 추적된 특징점들의 정보를 이용하여 끼어들기 위반여부를 최종 검지한다. 제안한 시스템은 특징기반 추적방식의 문제점인 속도를 개선하기 위해 다음과 같은 방법을 적용한다. 먼저 고속 코너 검지(fast corner detection) 알고리즘을 적용하여 특징점 추출 시간을 단축한다. 그리고 탐색창(search window) 내에 존재하는 특징점들만을 대상으로 검색하여 추적하는 새로운 추적 방법을 적용함으로써 추적 시간을 단축한다. 또한 교통체증이 심한 경우에도 최종 검지 영역에서는 개별 차량이 서로 분리되어 차량을 분류하는 단계가 필요 없기 때문에 기존 방식에서 계산량을 많이 차지했던 차량별 분류 단계를 생략 하였다. 그 대신 위반차선 점유율()을 산출하여 끼어들기 위반차량을 최종 검지하는 간단한 방법을 사용하여 처리시간을 단축 한다. 특히 제안한 시스템은 형태학적 기울기(morphological gradient) 영상을 이용하여 특징점을 추출하므로 써 주간 및 야간 영상에 대해 동일한 알고리즘을 적용하여 현재까지 영상 검지 시스템의 문제점으로 지적되어온 그림자, 기상 조건, 차량 전조등 및 조명 등에 의해 발생하는 문제점을 해결 하였다. 제안한 시스템을 끼어들기 금지구간에서 취득한 720X480 크기의 영상을 사용하여 실험한 결과 정인식률 99.57%와 오류율 0.43%을 보였으며 정상차량을 위반차량으로 검지한 거짓 긍정률(false positive rate:FPR) 0%와 위반차량을 정상차량으로 검지한 거짓 부정률(false negative rate:FNR) 6.06%의 성능을 보였다. 또한 실시간처리에 문제가 없는 초당 94.23프레임의 빠른 처리속도를 나타냈다.
In this paper, we suggest a system of detecting a vehicle with lane violation, which can detect the vehicle with lane violation, by using the feature point tracking. The whole algorism in the suggested system of detecting a vehicle with lane violation is composed of three stages such as feature extr...
In this paper, we suggest a system of detecting a vehicle with lane violation, which can detect the vehicle with lane violation, by using the feature point tracking. The whole algorism in the suggested system of detecting a vehicle with lane violation is composed of three stages such as feature extraction, register and tracking in feature for the tracking-targeted vehicle, and detecting a vehicle with lane violation. In the stage of feature extraction, the feature is extracted from the inputted image by using the feature-extraction algorism available for the real-time processing. The extracted features are again selected the tracking-targeted feature. The registered feature is tracked by using NCC(normalized cross correlation). Finally, whether or not lane violation is finally detected by using information on the tracked features. As a result of experimenting the suggested system by using the acquired image in the section with a ban on intervention, the excellent performance was shown with 99.57% for positive recognition ratio and 0.43% for error ratio. The fast processing speed could be obtained in 94.23 frames per second available for real-time processing.
In this paper, we suggest a system of detecting a vehicle with lane violation, which can detect the vehicle with lane violation, by using the feature point tracking. The whole algorism in the suggested system of detecting a vehicle with lane violation is composed of three stages such as feature extraction, register and tracking in feature for the tracking-targeted vehicle, and detecting a vehicle with lane violation. In the stage of feature extraction, the feature is extracted from the inputted image by using the feature-extraction algorism available for the real-time processing. The extracted features are again selected the tracking-targeted feature. The registered feature is tracked by using NCC(normalized cross correlation). Finally, whether or not lane violation is finally detected by using information on the tracked features. As a result of experimenting the suggested system by using the acquired image in the section with a ban on intervention, the excellent performance was shown with 99.57% for positive recognition ratio and 0.43% for error ratio. The fast processing speed could be obtained in 94.23 frames per second available for real-time processing.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.