본 연구는 원거리, 광범위한 감시 영역에 대하여 효과적으로 기능할 수 있는 주행 차량 인식 시스템의 개발을 목적으로 한다. 기존의 차량 인식 시스템이 가지는 차량 진입 경로의 고정, 센서 등의 추가 장비 설치 등의 정규화가 되지 않은 환경에서 별도의 대규모 공간이나 비용이 들지 않는 방법을 제안하였다. 제안하는 시스템은 원거리, 광범위한 감시 영역에서 날씨 및 조도의 변화, 카메라의 흔들림 상황의 발생에 높은 성능을 보이며 효과적으로 차량을 인식할 수 있음을 보였다. 제안하는 방법을 구현하기 위하여 ...
본 연구는 원거리, 광범위한 감시 영역에 대하여 효과적으로 기능할 수 있는 주행 차량 인식 시스템의 개발을 목적으로 한다. 기존의 차량 인식 시스템이 가지는 차량 진입 경로의 고정, 센서 등의 추가 장비 설치 등의 정규화가 되지 않은 환경에서 별도의 대규모 공간이나 비용이 들지 않는 방법을 제안하였다. 제안하는 시스템은 원거리, 광범위한 감시 영역에서 날씨 및 조도의 변화, 카메라의 흔들림 상황의 발생에 높은 성능을 보이며 효과적으로 차량을 인식할 수 있음을 보였다. 제안하는 방법을 구현하기 위하여 HOG 특징 기술자와 SVM 알고리즘 기반의 차량 및 번호판 검출 기법과 k-NN 알고리즘 기반의 문자 인식기법, 영상 분석 기반의 주행 방향 인식 기법을 제안하였다. 차량의 HOG 특징을 학습하기 위해 600개의 샘플을 학습하였으며 번호판의 HOG 특징을 학습하기 위해 번호판의 종류를 둘로 나누어 각각 1000개의 샘플을 학습하였다. 차량 검출을 위하여 GMM 알고리즘을 적용하였으며 번호판 검출을 위하여 에지 추출 알고리즘을 실험하여 제안한 방법과 그 결과를 비교 및 분석하였다. 실험 결과, 차량 검출 성능은 약 95%의 성능을 보였으며 연산 속도는 약 0.1초로 측정되었다. 번호판 검출 성능은 약 81%의 성능을 보였으며 연산 속도는 약 1.2초로 측정되었다. 문자 인식 성능은 약 93%의 성능을 보였으며 연산 속도는 약 1초로 측정되었다. 주행 방향 연산 성능은 약 97%의 성능을 보였으며 연산 속도는 차량의 속도에 따라 크게 변화하기 때문에 측정하지 않았다. 본 연구에서 제안한 CCTV 영상 기반의 주행 차량 인식 시스템은 45m 이상 떨어진 장소에 위치한 차량의 인식을 효과적으로 수행하여 원거리, 광범위한 감시 영역의 설정이 가능함을 보였다. 이는 차량 번호판 인식 시스템과 비교하여 효율적으로 차량의 정보를 획득 할 수 있으며 쉽고 경제적으로 시스템을 설치할 수 있음을 보인다.
본 연구는 원거리, 광범위한 감시 영역에 대하여 효과적으로 기능할 수 있는 주행 차량 인식 시스템의 개발을 목적으로 한다. 기존의 차량 인식 시스템이 가지는 차량 진입 경로의 고정, 센서 등의 추가 장비 설치 등의 정규화가 되지 않은 환경에서 별도의 대규모 공간이나 비용이 들지 않는 방법을 제안하였다. 제안하는 시스템은 원거리, 광범위한 감시 영역에서 날씨 및 조도의 변화, 카메라의 흔들림 상황의 발생에 높은 성능을 보이며 효과적으로 차량을 인식할 수 있음을 보였다. 제안하는 방법을 구현하기 위하여 HOG 특징 기술자와 SVM 알고리즘 기반의 차량 및 번호판 검출 기법과 k-NN 알고리즘 기반의 문자 인식기법, 영상 분석 기반의 주행 방향 인식 기법을 제안하였다. 차량의 HOG 특징을 학습하기 위해 600개의 샘플을 학습하였으며 번호판의 HOG 특징을 학습하기 위해 번호판의 종류를 둘로 나누어 각각 1000개의 샘플을 학습하였다. 차량 검출을 위하여 GMM 알고리즘을 적용하였으며 번호판 검출을 위하여 에지 추출 알고리즘을 실험하여 제안한 방법과 그 결과를 비교 및 분석하였다. 실험 결과, 차량 검출 성능은 약 95%의 성능을 보였으며 연산 속도는 약 0.1초로 측정되었다. 번호판 검출 성능은 약 81%의 성능을 보였으며 연산 속도는 약 1.2초로 측정되었다. 문자 인식 성능은 약 93%의 성능을 보였으며 연산 속도는 약 1초로 측정되었다. 주행 방향 연산 성능은 약 97%의 성능을 보였으며 연산 속도는 차량의 속도에 따라 크게 변화하기 때문에 측정하지 않았다. 본 연구에서 제안한 CCTV 영상 기반의 주행 차량 인식 시스템은 45m 이상 떨어진 장소에 위치한 차량의 인식을 효과적으로 수행하여 원거리, 광범위한 감시 영역의 설정이 가능함을 보였다. 이는 차량 번호판 인식 시스템과 비교하여 효율적으로 차량의 정보를 획득 할 수 있으며 쉽고 경제적으로 시스템을 설치할 수 있음을 보인다.
The purpose of this study is to develop a vehicle recognition system that can effectively function for a wide range of surveillance areas. In this paper, we proposed a large-scale space and cost-free method in an environment where the existing vehicle recognition system has no normalization such as ...
The purpose of this study is to develop a vehicle recognition system that can effectively function for a wide range of surveillance areas. In this paper, we proposed a large-scale space and cost-free method in an environment where the existing vehicle recognition system has no normalization such as fixing the vehicle entry path and installing additional equipment such as sensors. The proposed system proved to be able to recognize the vehicle effectively, showing high performance in the remote, wide range of surveillance areas, changes in weather and illumination, camera waving situations. In order to implement the proposed method, we proposed a vehicle recognition system based on HOG feature descriptor and SVM algorithm, a character recognition method based on k-NN algorithm, and a driving direction recognition method based on image analysis. In order to learn the HOG characteristics of the vehicle, 600 samples were learned. In order to learn the HOG characteristics of the license plate, the license plate type was divided into two and 1000 samples were learned. GMM algorithm is applied for vehicle detection and the edge extraction algorithm is tested for license plate detection. As a result, the vehicle detection performance was about 95% and the computation speed was about 0.1 second. The plate detection performance was about 81% and the calculation speed was about 1.2 seconds. Character recognition performance was about 93% and the computation speed was about 1 second. The running direction calculation performance was about 97% and the calculation speed was not measured because it varies greatly with the vehicle speed. In this paper, we proposed a CCTV-based vehicle recognition system that can detect a vehicle located at a distance of more than 45m and set up a wide range of surveillance areas. Proposed System can be installed easily and economically, because it can acquire the information of the vehicle efficiently compared with the license plate recognition system.
The purpose of this study is to develop a vehicle recognition system that can effectively function for a wide range of surveillance areas. In this paper, we proposed a large-scale space and cost-free method in an environment where the existing vehicle recognition system has no normalization such as fixing the vehicle entry path and installing additional equipment such as sensors. The proposed system proved to be able to recognize the vehicle effectively, showing high performance in the remote, wide range of surveillance areas, changes in weather and illumination, camera waving situations. In order to implement the proposed method, we proposed a vehicle recognition system based on HOG feature descriptor and SVM algorithm, a character recognition method based on k-NN algorithm, and a driving direction recognition method based on image analysis. In order to learn the HOG characteristics of the vehicle, 600 samples were learned. In order to learn the HOG characteristics of the license plate, the license plate type was divided into two and 1000 samples were learned. GMM algorithm is applied for vehicle detection and the edge extraction algorithm is tested for license plate detection. As a result, the vehicle detection performance was about 95% and the computation speed was about 0.1 second. The plate detection performance was about 81% and the calculation speed was about 1.2 seconds. Character recognition performance was about 93% and the computation speed was about 1 second. The running direction calculation performance was about 97% and the calculation speed was not measured because it varies greatly with the vehicle speed. In this paper, we proposed a CCTV-based vehicle recognition system that can detect a vehicle located at a distance of more than 45m and set up a wide range of surveillance areas. Proposed System can be installed easily and economically, because it can acquire the information of the vehicle efficiently compared with the license plate recognition system.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.