선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 앞장에서는 도로 가장자리에 설치된 고정된 카메라에서 획득된 영상에 대한 교통 모니터링 기술에 대해 고찰하였다. 하지만 움직이는 차량에 설치된 카메라에서 전방의 차량이나 장애물을 검출하는 기법에 대해서도 많은 연구도 이루어졌다'52-网.
- 따라서 본 논문에서는 도로에 설치된 고정된 카메라에서 차량을 검출하고 교통 정보를 산출하는 다양한 기법에 대한 특성을 조사하고, 장점과 단점을 분석한다. 이러한 분석을 통하여 응용 분야에 적합한 기술들을 제시하며, 영상 정보를 이용하는 기법들의 중대한 문제점들을 지적하고 해결 방법을 고찰한다.
제안 방법
- Michalopoulos'43'는 그림 9(c)와 같은 국부 검지선에서 배경을 이용하여 차량을 검출하는 교통량 측정 장비인 Atuoscope 시스템을 개발하였다. Mantrie는 차량이 포함될 수 있는 국부 영역을 블록화하여 신경망으로 차량의 위치를 판단하였고, Kate/49는 은닉 마르코프 모델(hidden markov model, HMM)을이용하여 각 화소를 도로, 그림자와 차량으로 구분하였다 Tseng倒과 Zhu"기은 국부 위치의 시공간 영상을 분석하여 차량을 판별하였다. 시공간 영상은 그림 10과같이 국부 위치의 검지선에서 시간에 따라 누적된 영상을 의미한다.
- Wixson圖은 그림 9(b)와 같이 각 차선마다 차량이 포함될 수 있는 국부 영역을 1차원 정보로 변환하여 차량 영역을 분류하였다. Michalopoulos'43'는 그림 9(c)와 같은 국부 검지선에서 배경을 이용하여 차량을 검출하는 교통량 측정 장비인 Atuoscope 시스템을 개발하였다. Mantrie는 차량이 포함될 수 있는 국부 영역을 블록화하여 신경망으로 차량의 위치를 판단하였고, Kate/49는 은닉 마르코프 모델(hidden markov model, HMM)을이용하여 각 화소를 도로, 그림자와 차량으로 구분하였다 Tseng倒과 Zhu"기은 국부 위치의 시공간 영상을 분석하여 차량을 판별하였다.
- 영역기반 추적에서 이러한 문제는 몇 가지 제약 조건 (constraint)을 두고 추론(reasoning에 의해 해결할 수 있다. Veeraraghaven㎛은 검출된 움직임 영역은 동일한 시간에 분리와 합병이 일어나지 않고, 작은 영역의 크기보다 적어도 반 이상이 겹쳐진 두 영역이 한 대의 차량이라는 제약 조건을 두고 추적하였다.
- 그림자 정보를 이용하여 차량을 검출하기 위하여, Tzomakas㈣는 임계치에 의해 얻어진 어두운 영역의 수평 에지를 판단하여 차량을 검출하였고, Lee図는 보다 구체적인 그림자 종류를 표1과 같이 분류하여 그림자를 검출하고 증거 추론 기법으로 차량을 검출하였다.
- 부족하다. 따라서 본 논문에서는 도로에 설치된 고정된 카메라에서 차량을 검출하고 교통 정보를 산출하는 다양한 기법에 대한 특성을 조사하고, 장점과 단점을 분석한다. 이러한 분석을 통하여 응용 분야에 적합한 기술들을 제시하며, 영상 정보를 이용하는 기법들의 중대한 문제점들을 지적하고 해결 방법을 고찰한다.
- Cucchiara网와 박세제囲는 야간 영상에서는 전조등쌍 검출로 차량 검출을 대신하였다. 밝은 값에 대해 이진화된 영상에서 전조등 패턴을 이용하여 전조등을 검출하고, 검출된 두 전조등의 상관도를 이용하여 전조등 쌍을 검출하였다. 전조등 쌍으로 차량 검출을 대신하는 기법은 차량 크기 추출이 어려우며, 간혹 전조등 쌍 간의 거리를 이용하여 차종을 판단한다.
- 시공간 영상을 사용하는 구체적인 기법은 이영재幽와이대호®倒가 제안하였다. 이영재幽는 Michalopoulos1431 가 사용한 특징에 그림자의 특성을 효과적으로 제거할 수 있는 특징을 추가하여 차량을 분류하였고, 이대호倒 는 시공간 영상 분류의 오류를 수정하기 위하여 차량 연결 모델을 이용하여 검증을 수행하였다.
- 앞에서 도로 영상에서 차량을 검출하고 교통 정보를 산출하는 다양한 기법들에 대한 고찰과 여러 응용 분야에서 사용될 수 있는 기법의 특징을 다루었다. 하지만 영상 정보를 이용하여 도로 영상을 분석하는 기법은 다른 물리적인 센서를 사용하는 기법과 다른 여러 가지 문제점을 가지고 있다.
- Kilger邸는 현재 차량의 위치, 속도, 차량 폭, 개연성 (plausibility), Kalman 필터에 의해 예측된 다음 프레임에서의 위치와 속도를 이용하여 차량을 추적하였다. 예측 영역과 가장 가까운 영역을 현재 차량의 위치로 갱신하고, 만일 연결된 추적 차량이 없다면 새로운 추적 차량으로 지정하였다. 추적의 종료는 예측 위치가 추적 영역을 벗어나거나, 추적에 의해 감소되는 개연성이 임계치 보다 작으면 추적을 종료하였다.
- 제안하였다. 이영재幽는 Michalopoulos1431 가 사용한 특징에 그림자의 특성을 효과적으로 제거할 수 있는 특징을 추가하여 차량을 분류하였고, 이대호倒 는 시공간 영상 분류의 오류를 수정하기 위하여 차량 연결 모델을 이용하여 검증을 수행하였다. 이대호(3)는 신 경망을 이용하여 국부 영역을 분류하였으며, 그림 11 과 같이 차선에 수평인 검지선에서 얻어진 시공간 영상에서 블록 정합을 통하여 차량의 속도를 산출하였다.
- 움직이는 차량에서 획득된 전방 영상에서는 배경을 생성하기 어려우므로, 일반적으로 움직임 벡터나 스테레오 카메라를 사용하여 차량을 검줄한다. 주행하는 자동차에서 전방 장애물(차량)을 검출하는 기법으로, Smith幽와 Batavia岡는 광류 (optical flow)'剧을 이용하여 움직이는 차량을 검출하고 추적하였으며, Betke啊国는 프레임 차이를 이용하여 차량을 검출하였다. Bertozzi函은 스테레오 카메라를 이용하여 차량을 검출하였고, 적외선 카메라를 이용하여 차량을 검출하는 기법도 제안되었다5口网
- 필터를 이용하여 추적하였다3团血]. 추적된 특징점이 추적 영역을 벗어나면 움직임 정보를 이용하여 특징점들을 군집화하였다. 이러한 특징 기반 추적 기법은 한 대의 차량에서 여러 개의 특징점들이 추적되기때문에 영역 기반 추적 기법에 비해서 겹쳐진 차량을 분해하는 능력이 뛰어나다.
- 예측 영역과 가장 가까운 영역을 현재 차량의 위치로 갱신하고, 만일 연결된 추적 차량이 없다면 새로운 추적 차량으로 지정하였다. 추적의 종료는 예측 위치가 추적 영역을 벗어나거나, 추적에 의해 감소되는 개연성이 임계치 보다 작으면 추적을 종료하였다.
이론/모형
- 또한, 주간의 그림자 영역을 제거하는 기법도 추가하였다“]. 배경 영상을 이용하여 차량을 검출하는 구체적인 기법은 Gupte'"]에 의해 소개되었으며 분리되거나 합병된 차량 영역은 추적 단계에서 수정되었다.
- 검출하고 추적하였다. 또, Tai', 기는 능동 윤곽 모델(active contour mode)'3®을 이용하여 차량을 검출하였다.
- 모델 기반 차량 검출 기법은 Koller'3顶32]에 의해 제안되었다. Koller는 3차원 차량의 다면체 형상을 차종에 따라서 그림 6과 같이 외곽선을 모델링하고, 정합에 의해 차량을 추적을 하였다.
- 영역 기반 추적의 간단한 기법은 K* iger' 〕에 의해 소개되었다. Kilger邸는 현재 차량의 위치, 속도, 차량 폭, 개연성 (plausibility), Kalman 필터에 의해 예측된 다음 프레임에서의 위치와 속도를 이용하여 차량을 추적하였다.
- vector)를 산출하는 것이다. 움직임 벡터는 블록 정합 알고리즘(block matching algorithm, BMA)을이용하는 것으로, Stefano囲과 BartoUni1271^ BMA에의해 움직임 벡터를 산출하고 벡터 중위수 필터(vector median filter)'28'에 의해 잡음을 제거하고 군집화하여 차량 영역을 검출하였다. BMA는 식(3)과 식(4)와 같이 평균 절대 차이 (mean absolute difference, MAD) 나 정규화된 교차 상관 함수(normalized cross correlation function, NCCF)를 이용하여 정합도가 높은 블록을 찾으므로 움직임 벡터를 계산할 수 있다.
성능/효과
- 있다. 그러나 국부 영역을 검사하는 기법은 가장 분석하기 좋은 위치에 국부 검지 영역을 설치하여 검사하므로 전체 영상을 분석하는 기법보다 효과적일 수 있다. 하지만, 국부 영역만을 검사하므로 겹쳐 보이는 차량 영역을 분해하기 어렵다.
후속연구
- 그러므로 이러한 시스템은 배경 영상을 이용하거나 그림자 정보를 이용하여 차량을 분리하는 것이 편리하다. 그리고 불법 주정차 단속은 미리 설정된 영역에서 정지된 차량을 검출하는 것이므로 차량 모델을 이용하여 차량을 검출하는 것도 우수한 성능을 나타낼 수 있을 것이다. 또한, 단속용으로 사용되기 위해서는 번호판 인식이 필수적으로 포함되어야 한다.
- 그리고 가능하다면 고성능의 카메라를 사용하는 것, 적외선 카메라와 같은 다른 장비와 혼용하거나 여러 대의 카메라를 사용하는 것도 성능 향상을 위한 방법일 수 있다. 또한, 일부 자료만으로 성능을 쉽게 판단하지 않고 많은 자료에 대해 실험하여 예측하지 못한 상황에 대한 알고리즘 보완이 지속적으로 이루어져야한다.
- 그러나 음향 분석에 의한 사고 검지는 주위 잡음에 의해 많은 오류가 발생한다. 차량 추적을 분석하는 기능을 음향 분석과 접합시킨다면 보다 우수한 사고 검지를 구현할 수 있을 것이다.
- 그러나 사용자의 설정을 최소화하면서 다양한 조건에서 강건한 성능을 가지는 기법을 만들기는 쉽지 않다. 하지만 앞에서 언급한 다양한 기법들을 연계하여 각 장점을 결합하여 사용한다면 사용자 설정을 최소화하면서 외부 조건의 변화에도 성능이 유지되는 기법으로 향상될 수 있을 것이다. 그리고 가능하다면 고성능의 카메라를 사용하는 것, 적외선 카메라와 같은 다른 장비와 혼용하거나 여러 대의 카메라를 사용하는 것도 성능 향상을 위한 방법일 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.