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
- 또한 연속된 영상에서 객체가 점유하는 비중이 적을경우 좋은 성능을 보이지만 많은 경우 배경영상의 정보와 함께 차량의 정보도 포함되어 정확한 배경영상을 생성 할 수 없다. 본 논문에서는 이러한 문제를 해결하기 위하여 연속된 영상에서 각 픽셀별로 변화량이 적게 나타나는 구간을 찾아 배경영상을 생성하였다. 그림 1은 입력 영상과 연속된 영상에서 한 픽셀에 대한 획득된 RGB 히스토그램이며 객체가 존재할 경우 많은 변화량을 보이고 객체가 존재하지 않을 경우 변화량의 폭이적은 것을 볼 수 있다.
- 그러나 객체의 손실 및 겹침은 각 상황에 따라 다양한 형태로 나타나기 때문에 예측 및 검출이 어려우며 겹친 객체의 수를 판단하는 것도 많은 어려움이 있다. 본 논문에서는 이러한 문제점을 해결하기 위한 방법으로 위치 평균값 및 객체의 연속성을 분석하여 차량 간의 겹침 탐지하고 분할을 수행하는 다중 차량 연관 추적 방법을 제안한다.
- 본 논문은 차량의 위치 평균값과 시공간 연관 정보분석을 통해 연관 추적을 수행하고 겹침 차량에 대한분할 방법을 제시함으로써 교통 정보를 수집 할 수 있는 새로운 기법을 제안하였다. 제안 방법은 초당 15프레임의 처리가 가능하며 다양한 환경에서 평균 96% 이상의 정확도를 보였나 검사 영역에 버스나 대형 트럭과 같은 대형 차량으로 인해 연관 추적에 많은 어려움이 있었다.
- 많은 어려움을 준다[1]. 본 장에서는 배경생성 방법 및 갱신, 잡음 제거 및 배경영상 차분법을 이용한 차량검출 방법을 살펴보고자 한다.
가설 설정
- 하지만 B일 때는 차량의 진행 방향에 따라 촬영되는 차량의 면적은 변하게 된다. 상행선 차량은 시간이 경과할수록 작아질 것이며 하행선 차량은 면적이 커질 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.