[논문]단일 비디오 카메라와 초음파센서를 이용한 스마트 에어백용 승객 감지 시스템

배태욱; 이종원; 하수영; 김영춘; 안상호; 송규익

[국내논문] 단일 비디오 카메라와 초음파센서를 이용한 스마트 에어백용 승객 감지 시스템
An Occupant Sensing System Using Single Video Camera and Ultrasonic Sensor for Advanced Airbag 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.13 no.1, 2010년, pp.66 - 75

배태욱 (경북대학교 전자전기컴퓨터 공학부) , 이종원 (경북대학교 전자전기컴퓨터 공학부) , 하수영 (경북대학교 전자전기컴퓨터 공학부) , 김영춘 (영동대학교 정보통신사이버경찰학과) , 안상호 (인제대학교 전자지능로봇공학과) , 송규익 (경북대학교 전자전기컴퓨터학부)

초록
AI-Helper

본 논문에서는 단일 비디오카메라와 초음파센서를 이용한 스마트 에어백용 승객 감지 시스템을 제안하였다. 승객의 체형과 얼굴 위치를 검출하기 위하여, 실시간 검출이 용이한 얼굴색 및 움직임 정보를 이용한다. 비디오 카메라 영상에서 얼굴색에 해당하는 색차신호 (U/V)의 경계값과 휘도신호 (Y)의 현재 프레임과 이전 프레임간의 차이값을 이용하여 후보 얼굴 블록 영상을 만든 후 모폴로지 및 라벨링 과정을 거쳐 얼굴 위치를 검출한다. 제안한 승객 자세감지 시스템의 성능을 평가하기 위하여 차량 지그에 IEEE 카메라, 초음파 센서 및 적외선 LED를 설치하여 다양한 실험을 수행하였다.

Abstract ▼ AI-Helper

We proposed an occupant sensing system using single video camera and ultrasonic sensor for the advanced airbag. To detect the occupant form and the face position in real-time, we used the skin color and motion information. We made the candidate face block image using the threshold value of the color difference signal corresponding to skin color and difference value of current image and previous image of luminance signal to gel motion information. And then it detects the face by the morphology and the labeling. In case of night without color and luminance information, it detects the face by using the threshold value of the luminance signal get by infra-red LED instead of the color difference signal. To evaluate the performance of the proposed occupant detection system, it performed various experiments through the setting of the IEEE camera, ultrasonic sensor, and infra-red LED in vehicle jig.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 단일 비디오카메라와 초음파센서를 이용한 스마트 에어백용 승객 감지 시스템을 제안하였다. 승객의 체형 및 위치를 판단하기 위하여 얼굴검출이 필요하며, 이를 위해 실시간 검출이 용이한 얼굴색 및 움직임 정보를 이용하였다.
본 논문에서는 단일 비디오카메라와 거리 센서를 이용한 스마트 에어백용 승객감지 방식을 제안하였다. 승객의 체형, 위치 및 거리를 분류하기 위하여 PC 시뮬레이션 및 차량 지그를 이용한 승객 자세 감지 실험을 하였다.
실험에 사용된 카메라는 IEEE 1图4 카메라를 이용하였고, 영상 처리에 사용된 이미지는 YUV (320x240) 이미지를 이용하였다. 본 논문의 정량적인 평가기준은 표 1과 같으며, 이 기준을 만족하는지를 평가하였다.

제안 방법

승객의 체형 및 위치를 판단하기 위하여 얼굴검출이 필요하며, 이를 위해 실시간 검출이 용이한 얼굴색 및 움직임 정보를 이용하였다. 단일 카메라를 이용한 얼굴검출 정보와 초음파 센서를 이용한 거리정보를 조합하여 승객의 체형 및 위치를 인식할 수 있다.
단일 카메라를 이용한 얼굴검출 정보와 초음파 센서를 이용한 거리정보를 조합하여 승객의 체형 및 위치를 인식할 수 있다. 체형은 미국 고속도로 교통안전국에서 정한 탑승자 분류 기준을 이용하였고, 좌우 위치는 왼쪽, 오른쪽 및 중앙영역으로 분류하며, 전후 위치는 제 위치에 앉아 있는 탑승자, 제 위치에 앉아 있지 않는 탑승자 및 에어백과 매우 가까운 위치에 앉아 있는 탑승자 영 역으로 분류한다. 제안한 승객 자세 감지 시스템의 성능 평가를 위하여 차량 지그 (jig)에 비디오 카메라, 초음파 센서 및 적외선 LED를 설치하여 실험을 수행하였다.
주간의 경우 색차신호 경계값에의한 후보 얼굴 블록 영상 및 움직임 정보에 의한 후보 얼굴 블록 영상을 합하여 얼굴을 검출하고 야간의 경우에는 적외선 LED 영상의 K 경계값에 의한 후보 얼굴 블록 영상과 움직임 정보에 의한 후보 얼굴 블록 영상을 합하여 얼굴을 검출한다. 또한 초음파 센서는 승객 거리를 측정하여 승객이 IP, OOP 및 COOP 영역 중 어느 영역에 존재하는지 판단한다. 주간 및 야간의 경우 움직임 정보를 추가하여 얼굴검출률을 향상시킨다.
많이 받는다. 따라서 그림 6(b)에서와 같이 외부조명이 변하면 얼굴 칼라도 변하기 때문에 본 연구에서는 움직임 (motion) 정보를 추가로 사용하였다. 칼라영상이 아닌 휘도영상에서 현재 프레임과 과거 프레임 간의 차이를 이용한 움직임 추정으로부터 머리 위치를 추정한다.
검출된 움직 임 블록은 UV 경계값으로 검출된 얼굴색블록과 동일한 처리를 한다. 즉, 모폴로지 영상처리 이후 검출된 후보 얼굴 블록들에 대해 라벨링 과정을 수행하여 검출된 후보 얼굴 블록 각각에 블록 정보를 할당한 후 실제 얼굴 블록을 검출한다. 현재 프레임과 과거 프레임간의 차에 의한 움직임 정보를 이용하여 얼굴을 추출하는 과정은 그림 6(b)와 같다.
검출된 움직 임 블록은 U/V 경계 값으로 검출된 얼굴색 블록과 동일한 처리를 한다. 즉, 모폴로지 영상처리 이후 검출된 후보 얼굴블록들에 라벨링 과정을 수행하여 후보 얼굴블록 각각에 블록 정보를 할당한 후 실제 얼굴 블록을 검출한다.
본 논문에서 승객과 에어백간의 거리 측정을 위해 거리 센서를 사용하였다. 거리 센서는 IR 거리 센서와 초음파 거리센서 및 레이저 거리센서가 있다.
본 논문에서는 승객의 거리 측정을 위해 초음파센서를 사용하였다. 초음파센서를 이용한 승객 거리의 측정방식은 그림 7과 같다.
초음파센서로부터 거리정보를 고속으로 획득하기 위해 8 bit RISC구조의 AYR (AlfBogen Vergand Rise) 마이크로 컨트롤러인 ATmega 128T 6AU를 장착한 AVR보드를 이용하여 거 리측정 기를 제작하였다. 이의 외형도는 그림 7(a)와 같고, 이의 구성도는 그림 7(b)와 같다.
승객의 체형, 위치 및 거리를 분류하기 위하여 PC 시뮬레이션 및 차량 지그를 이용한 승객 자세 감지 실험을 하였다. 실험에 사용된 카메라는 IEEE 1图4 카메라를 이용하였고, 영상 처리에 사용된 이미지는 YUV (320x240) 이미지를 이용하였다.
0 mm였다. 따라서 본 논문에서는 그림 9에서와 같이 승객의 얼굴을 검출하고 분류하기 위해 영상을 블록 단위로 나누었다. 승객이 정상위치 (頂)에 있을 때 영상 예는 그림 9(a)와 같으며, 화면에 나타날 수 있는 정상위치에서의 최대 좌우폭은 약 800mm이고, 상하폭은 약 600mm이다.
(a) 영상의 화소 수; (b) 20x15 블록

블록단위로 탑승자 체형과 위치를 분류하기 위해서 먼저 블록단위로 탑승자 얼굴을 검출하고 분류를 위한 가로 및 세로의 경계블록을 설정한다. 검출된 얼굴 영역이 설정된 경계블록으로 분류된 영역 중 어느 영역에 포함되느냐에 따라 체형 및 위치가 판정된다.
창 하단에는 후보 얼굴블록의 칼라정보, 크기 및 위치좌표 등의 데이터들이 표시된다. 체형 분류는 체형 인식, 전후 인식 및 좌우 인식을 실험 하였고 얼굴 검출률은 밝은 조명 (230 lx), 어두운 조명 (40 lx) 및 야간에 대하여 頂, OOP 및 COOP 영역에서 측정하였다. 성능 평가 척도로는 체형 분류 및 얼굴 검출률을 이용하였다.
본 논문에서는 단일 카메라를 이용한 얼굴검출과 초음파 센서를 이용한 거리정보를 조합하여 승객 체형 및 위치를 인식한다. 체형은 미국 고속도로 교통안전국에서 정한 바와 같이 3살 어린이, 6살 어린이, 5%의 성인 여성 및 50%의 성인 남성으로 분류하고, 좌우 위치는 왼쪽, 오른쪽 및 중앙영역으로 분류하며, 전후 위치는 IP, OOP, COOP 영역으로 분류한다.
및 위치를 인식한다. 체형은 미국 고속도로 교통안전국에서 정한 바와 같이 3살 어린이, 6살 어린이, 5%의 성인 여성 및 50%의 성인 남성으로 분류하고, 좌우 위치는 왼쪽, 오른쪽 및 중앙영역으로 분류하며, 전후 위치는 IP, OOP, COOP 영역으로 분류한다.
전후 위치의 분류는 초음파센서의 거리분해능에 의존하며, 전후 인식의 오차범위는 ±10mm이었다. 얼굴검출은 밝은 조명 (230 lx), 어두운 조명 (40 lx) 및 야간 (15 lx) 조명하에서 IP, OOP 및 COOP 영역에 대해 실험하였다. 실험결과 IP 영역에서의 얼굴검출률은 평균 76.

대상 데이터

체형은 미국 고속도로 교통안전국에서 정한 탑승자 분류 기준을 이용하였고, 좌우 위치는 왼쪽, 오른쪽 및 중앙영역으로 분류하며, 전후 위치는 제 위치에 앉아 있는 탑승자, 제 위치에 앉아 있지 않는 탑승자 및 에어백과 매우 가까운 위치에 앉아 있는 탑승자 영 역으로 분류한다. 제안한 승객 자세 감지 시스템의 성능 평가를 위하여 차량 지그 (jig)에 비디오 카메라, 초음파 센서 및 적외선 LED를 설치하여 실험을 수행하였다. 성능 평가 척도는 체형 인식, 전후 위치인식, 좌우 위치인식 및 얼굴 검출률 (face detection ratio)을 이용하였다.
승객의 체형, 위치 및 거리를 분류하기 위하여 PC 시뮬레이션 및 차량 지그를 이용한 승객 자세 감지 실험을 하였다. 실험에 사용된 카메라는 IEEE 1图4 카메라를 이용하였고, 영상 처리에 사용된 이미지는 YUV (320x240) 이미지를 이용하였다. 본 논문의 정량적인 평가기준은 표 1과 같으며, 이 기준을 만족하는지를 평가하였다.

이론/모형

제안한 승객 자세 감지 시스템의 성능 평가를 위하여 차량 지그 (jig)에 비디오 카메라, 초음파 센서 및 적외선 LED를 설치하여 실험을 수행하였다. 성능 평가 척도는 체형 인식, 전후 위치인식, 좌우 위치인식 및 얼굴 검출률 (face detection ratio)을 이용하였다.
체형 분류는 체형 인식, 전후 인식 및 좌우 인식을 실험 하였고 얼굴 검출률은 밝은 조명 (230 lx), 어두운 조명 (40 lx) 및 야간에 대하여 頂, OOP 및 COOP 영역에서 측정하였다. 성능 평가 척도로는 체형 분류 및 얼굴 검출률을 이용하였다. 주간에 조명이 있는 상태 및 야간에 조명이 없는 상태에서 IP 영역에서 체형 및 위치 분류 실험은 그림 11과 같다.

성능/효과

제안한 얼굴 검출 방법을 통한 승객의 체형 인식의 경우 3살 어린이, 6살 어린이, 5%의 성인 여자 및 50%의 성인 남자인지 파악 가능하다. 이 정보는 에어백 전개 시 에어백 출력을 결정하는 중요한 정보가 된다.
본 논문에서 사용한 초음파센서는 SRF04로써 빔 각도가 ±15o이고 거리측정 범위가 약 2m이므로 승객 거리측정에 적합하다. 외부에서 10ps 이상의 트리거 신호를 인가하면 초음파 버스트 (burst)가 발사된다.
주간에 조명이 있는 상태 및 야간에 조명이 없는 상태에서 IP 영역에서 체형 및 위치 분류 실험은 그림 11과 같다. 제안한 방식이 체형 인식, 전후 인식 및 좌우 인식 실험에서 연구 목표에 만족함을 확인하였다.
검출 프레임률은 표 2에서와 같다. 밝은 조명 (230 lx)하에서는 움직임보다 얼굴색으로 승객을 감지하는 것이 우수하였고, 어두운 조명하 (40 lx) 에서는 얼굴색 및 움직임을 이용한 방법이 효과적이었다. 이는 어두운 조명하에서는 L/V 경계값이 영향이 받기 때문에 움직임 정보를 동시에 이용하는 것이 효과적임을 알 수 있었다.
이는 어두운 조명하에서는 L/V 경계값이 영향이 받기 때문에 움직임 정보를 동시에 이용하는 것이 효과적임을 알 수 있었다. 야간 조명 (15 lx)하에서는 얼굴색 및 움직임 정보가 거의 없기 때문에 IR-LED 조명 영상에 丫 경계 처리된 영상을 이용하여 승객을 감지하는 것이 효과적임을 확인하였다. ip 영역에 대하여 제안한 방식이 얼굴색을 이용한 방식보다 밝은 조명하에서 4.
야간 조명 (15 lx)하에서는 얼굴색 및 움직임 정보가 거의 없기 때문에 IR-LED 조명 영상에 丫 경계 처리된 영상을 이용하여 승객을 감지하는 것이 효과적임을 확인하였다. ip 영역에 대하여 제안한 방식이 얼굴색을 이용한 방식보다 밝은 조명하에서 4.9%, 어두운 조명하에서 8.8% 향상되었음을 확인하였다.
얼굴검출은 밝은 조명 (230 lx), 어두운 조명 (40 lx) 및 야간 (15 lx) 조명하에서 IP, OOP 및 COOP 영역에 대해 실험하였다. 실험결과 IP 영역에서의 얼굴검출률은 평균 76.9%이었고, 제안방식이 얼굴색만을 이용한 방식보다 밝은 조명하에서 4.9%, 어두운 조명하에서 8.8% 각각 향상되었음을 확인하였다.

참고문헌 (14)

http://www.safeny.com/seat-ndx.htm.
National Highway Transportation and Safety Administration, http://www.safercar.gov.
National Highway Transportation and Safety Administration, Fatality Reduction by Airbags, Analysis of Accident Data Through Early 1996.
P.A. Dunn and P.I. Corke, "Real-Time Stereopsis Using FPGAs," In Proc. Int. Workshop on Field Programmable Logic, 1mperial College, London, Vol.1304, pp. 400-409, 1997.
R. Kjeldsen and J. Kender, "Finding Skin in Color Images," Proc. Conf. Automatic face and Gesture Recognition, pp. 312-317, 1996.
S.K. Singh, D.S. Chauhan, M. Vatsa, and R Singh, "A Robust Skin Color Based Face Detection Algorithm," Tamkang Journal of Science and Engineering, Vol.6, No.4, pp. 227-234, 2003.

상세보기
I. Craw, H. Ellis, and J. Lishman, "Automatic Extraction of Face Features," Pattern Recognition Letters, Vol.5, No.2, pp. 183-187, 1987.

상세보기
P. Viola and M. Jones, "Robust Real-Time Face Detection," Intl. of Computer Vision, Vol.57, No.2, pp. 137-154, 2004.

상세보기
M. Turk and A. pentland, "Face Recognition Using Eigenfaces," IEEE. Conf. Computer Vision and Pattern Recognition, pp. 586-591, 1991.
X, Zhang, J. Pu, and X. Huang, "Face Detection Based on Two Dimensional Principal Component Analysis and Support Vector Mach.ine," Proc. IEEE. Mechatronics and Automation, pp. 1488-1492, 2006.
C. J. C. Burges, "A Tutorial on Support Vector Machines for Pattern Recognition," Data Mining and Knowledge Discovery, Vol.2, pp. 121-167, 1998.

상세보기
C. Shavers, R. Li, and G. Lebby, "A SVM-Based Approach to Face Detection," Proc. of the 38th Southeastern Symposium on System Theory, pp. 362-366, 2006.
http//www.safercar.gov/air.htm.
National Highway Transportation and Safety Administration, "Occupant Crash Protection Standard," Federal Motor Vehicle Safety Standards FMVSS No. 208, 2002.

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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