[논문]시공간 영상 분석에 의한 강건한 교통 모니터링 시스템

이대호; 박영태

시공간 영상 분석에 의한 강건한 교통 모니터링 시스템
Robust Traffic Monitoring System by Spatio-Temporal Image Analysis 원문보기

정보과학회논문지. Journal of KIISE. 소프트웨어 및 응용, v.31 no.11, 2004년, pp.1534 - 1542

초록
AI-Helper

본 논문에서는 교통 영상에서 실시간 교통 정보를 산출하는 새로운 기법을 소개한다. 각 차선의 검지 영역은 통계적 특징과 형상적 특징을 이용하여 도로, 차량, 그리고 그림자 영역으로 분류한다. 한 프레임에서의 오류는 연속된 프레임에서의 차량 영역의 상관적 특징을 이용하여 시공간 영상에서 교정된다. 국부 검지 영역만을 처리하므로 전용의 병렬 처리기 없이도 초당 30 프레임 이상의 실시간 처리가 가능하며 기상조건, 그림자, 교통량의 변화에도 강건한 성능을 보장할 수 있다.

Abstract ▼ AI-Helper

A novel vision-based scheme of extracting real-time traffic information parameters is presented. The method is based on a region classification followed by a spatio-temporal image analysis. The detection region images for each traffic lane are classified into one of the three categories: the road, the vehicle, and the shadow, using statistical and structural features. Misclassification in a frame is corrected by using temporally correlated features of vehicles in the spatio-temporal image. Since only local images of detection regions are processed, the real-time operation of more than 30 frames per second is realized without using dedicated parallel processors, while ensuring detection performance robust to the variation of weather conditions, shadows, and traffic load.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

결합한 영상 검지 기법과 2) EPI 추적에 의한 교통 정보 산출 기법을 사용한 새로운 영상 검지 기법을 제시하였다.
그림 4에서 宙는 배경 영상의 평균 밝기이고 밝은 차량을 빠르게 분류하기 위해 사용된다. To, T1, I2f E과 %는 분류를 위한 임계치들이며 본 논문에서는 10, 50, 40, 20과 20을 사용하였다.
단일 PVI 만으로는 차량의 속도 및 길이를 판별할 수 없으므로 일반적으로 두 개의 PVI> 사용하여 PVI간의 거리와 차량이 검출된 시간을 이용하여 차량의 속도와 길이를 판별한다. 그러나 본 논문에서는 단일 PVI와 단일 EPI를 사용하며 차량이 검출된 후에 EPI 추적을 통하여 차량의 속도와 길이를 산출한다.
다양한 장소에서 획득된 영상들에 대해서 실험을 수행했다. 도로 영상이 촬영된 비디오에서 재생되는 영상을 PC에서 전송받고 320x240 크기의 8bit7pixel의 회색 조 영상으로 변환하여 L7GHz PC의 Windows 2000 환경에서 처리했다.
도로 영상이 촬영된 비디오에서 재생되는 영상을 PC에서 전송받고 320x240 크기의 8bit7pixel의 회색 조 영상으로 변환하여 L7GHz PC의 Windows 2000 환경에서 처리했다.
따라서 그림 4와 같이 특정한 임계치를 사용하면 그림 5의 분류 결과와 같이 아래의 PVI의 분류는 오류를 많이 낸다. 따라서 본 논문에서는 배경의 평균과 표준편차 를 밝기의 참조 특징으로 추가하여 신경망에 의해 분류를 시도하였다. 신경망의 입력 특징은 규칙 기반 분류에서 사용된 g 山, 0, 夾, Q와 岡 배경 영상의 평균(%)과 표준 편차(仇)이며 1개의 은닉층을 가지며 은닉층은 입력 노드의 두 배의 노드를 가진다.
영상이다. 본 논문에서는 그림 1과 같이 검지선 (detection line)에서 시간에 따라 누적된 PVKpano- ramic view image) 와 차선에 수평인 검지선(epipolar line) 에서 시간에 따라 누적된 EPKepipolar plane image)를 프레임마다 생성한다. 그림 1과 같이 한 차선의 검지 영역 (detection region) 에서 차량을 판별하며 차량의 연결을 수정하기 위하여 PVI7} 사용되며 차량의 움직임을 추적하기 위하여 EPI가 사용된다.
그러나 [(5)에서는 한 개의 PVI와 한 개의 EPI에 의해 차량의 속도 및 길이를 산출하였으며 차량의 속도 및 길이는 차량으로 분류된 시간의 EPI의궤적 추적에 의해 산출되었다. 본 논문에서는 차량으로 분류된 시간의 EPI에 BMA(block matching algori- thm)를 이용하여 차량의 움직임을 추적하여 차량의 속도를 산출하였다. 차량의 움직임을 추적하는 것은 그림 9의 마지막 그림과 같이 차량 영역으로 판정된 EPI를 MxM.
차량의 속도와 길이가 계산되고 다음 진입한 차량과 병합이 되지 않으면 차량 분류를 검증하게 돤다. 검증방법은 산출된 차량의 속도가 150km/h이상이거나 차량길이가 3m이하이면 차량이 아니므로 검출된 차량을 제거한다.

이론/모형

본 논문에서는 앞에서 기술된 시공간 영상을 이용하는 기법들의 장점을 사용하기 위하여 차량의 판별은 [11]에서 제안된 기법을 사용하며, 차량을 추적하여 속도, 차량 길이 등의 교통 정보를 산출하기 위하여 [16] 에서 사용된 EPI(epipolar plane image)를 사용한다. 또한 차량 판별의 후처리 과정에 일반적인 차량의 길이와 속도에 맞지 않는 차량은 제거한다.

성능/효과

또한 차량 판별의 후처리 과정에 일반적인 차량의 길이와 속도에 맞지 않는 차량은 제거한다. 제안하는 기법은 [11]에서 사용된 그림자 제거 기법이 사용되었으며 [7] 에서 사용된 배경 영상 수정 기법을 사용하므로 그림자가 존재하는 등의 다양한 기상 조건에서 사용자의 특별한 설정이 없어도 우수하게 동작할 수 있다. 또한 시공간 영상만을 이용하므로 일반 PC에서도 전용의 프로세서 없이 실시간 동작이 가능하다.

후속연구

다른 검지 기법에서 제시된 사용자의 추가 설정이 없이 자동적으로 다양한 환경에서 동작할 수 있으며 동일한 위치에서 PVI와 EPI를 생성하므로 거리 오차를 최소화하여 교통 정보의 산출이 가능하므로 ITS를 포함한 지능형 교통 정보 체계의 구축을 위한 핵심 기술로 활용될 수 있다.
동시에 여러 차선을 처리하며 옆차선의 간섭을 줄이기 위하여 차선과 수평으로 카메라를 설치하고 차량이 최대한 겹치지 않도록 근거리만올 처리하도록 하면 해결될 수 있다. 또한 차량의 겹침은 차량의 검증을 더욱 엄격하게 수행하거나 [14]의 국부 영역 분석 기법을 도입하여 보다 정확히 분리할 수 있을 것이다.

참고문헌 (20)

이승환, 'ITS의 기본 개념과 국내.외 추진 동향', 대한전자공학회지, Vol. 28, No. 5, pp. 22-26, 2001

원문보기 상세보기
Andrew H.S. Lai and Nelson H.C. Yung, 'Vehicle- Type Identification Through Automated Virtual Loop Assignment and Block-Based Direction-Biased Motion Estimation,' IEEE Transactions on Intelligent Transportation Systems, Vol. 1, No.2, pp. 86-97, 2000

상세보기
V. Kastrinaki, M. Zerakis and K. Kalaitzakis, 'A Survey of Video Processing Techniques for Traffic Applications,' Image and Vision Computing, Vol. 21, pp. 359-381, 2003

상세보기
O. Masoud, et al., 'The Use of Computer Vision in Monitoring Weaving Sections,' IEEE Transactions on Intelligent Transportation Systems, Vol. 2, No. 1, pp.18-25, 2001

상세보기
S. Gupte, et al., 'Detection and Classification of Vehicles,' IEEE Transactions on Intelligent Transportation Systems, Vol. 3, No. 1, pp. 37-47, 2002

상세보기
D. Koller, et al., 'Robust Multiple Car Tracking with Occlusion Reasoning,' Proceedings of 3rd European Conference on Computer Vision, Vol. 1, pp. 189-196, 1994
Y. Jung and Y. Ho, 'Traffic Parameter Extraction using Video-based Vehicle Tracking,' Proceedings of IEEE International Conference on ITS, pp. 764-766, 1999
R. Cucchiara, M. Piccardi, and P. Mello, 'Image Analysis and Rule-Based Reasoning for a Traffic Monitoring System,' IEEE Transactions on Intelligent Transportation Systems, Vol. 1, No. 2, pp. 119-130, 2000

상세보기
L.D. Stefano and E. Viarani, 'Vehicle Detection and Tracking Using the Block Matching Algorithm,' Proceeding of 3rd IMACE/lEEE, Vol. 1, pp. 4491-4496, 1999
P.G. Michalopoulos, 'Vehicle detection video through image processing: The Autoscope system,' IEEE Trans. on Vehicular Technology, vol.40, no.1, pp.21-29, 1991

상세보기
이영재, 이대호, 박영태, '시공간 영상 분석에 의한 실시간 교통 정보 산출 기법', 전자공학회논문지 SP편, 27권, 4호, pp. 11-19, 2000
이대호, 박영태, '영역 분류와 시공간 영상 분석에 의한 실시간 교통 정보 파라메터 산출 기법', 제12회 영상 처리 및 이해에 관한 워크샵 발표 논문집, pp. 347-352, 2000
L. Wixson, K. Hanna, and D. Mishra, 'Illumination Assessment for Vision-Based Traffic Monitoring,' 1998 IEEE Workshop on Visual Surveillance, pp. 34-41, 1998
이대호, 박영태, '국부 다중 영역 정보를 이용한 교통 영상에서의 실시간 차량 검지 기법', 2000년도 전자공학회 하계 종합 학술대회 논문집, pp. 163-166, 2000
Z. Zhu, et al., 'VISATRAM: A Real-Time Vision System for Automatic Traffic Monitoring,' Image and Vision Computing, Vol. 18, No. 10, pp. 781-794, 2000

상세보기
M.Y. Siyal and M. Fathy, 'A Neural-Vision based Approach to Measure Traffic Queue Parameters in Real-Time,' Pattern Recognition Letters, Vol. 20, pp. 761-770, 1999

상세보기
M. Fathy and M.Y. Siyal, 'Measuring Traffic Movements at Junctions using Image Processing Techniques,' Pattern Recognition Letters, Vol. 18, pp. 493-500, 1997

상세보기
M. Betke, E. Haritaoglu and L.S. Davis, 'Real-Time Multiple Vehicle Detection and Tracking from Moving Vehicle,' Machine Vision and Application, Vol. 12, pp, 69-83, 2000

상세보기
S.M. Smith, 'ASSET-2: Real-Time Motion Segmentation and Object Tracking,' Real Time Imaging, Vol. 4, pp. 21-40, 1998

상세보기
Z. Duric, et aI., 'Estimating relative Vehicle Motions in Traffic Scenes,' Pattern Recognition, Vol. 35, pp. 1339-1353, 2002

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증