[논문]그레이 스케일 이미지를 이용한 효율적인 주차검출 방법

박호식; 배철수

doi:10.7840/kics.2011.36c.10.629

초록
AI-Helper

주차장에서 빈 공간을 분석하는 기술은 주차공간의 효율적인 사용이나 교통이 혼잡한 곳에서 유용하게 사용될 수 있다. 그러나 기존의 주차 공간 분석 방법은 실용적이지 못하거나 빠른 처리속도가 필요하다. 그래서 본 논문에서는 실시간 주차검출에 적합한 주차 모니터링 방법을 제안하고자 한다. 제안된 방법은 그레이레벨 영상을 이용하여 주차여부를 확인하고, 주차공간을 분석하는 방법을 사용하였다. 제안된 방법의 성능을 확인하기 위해 야외 주차장에서 129개의 동영상을 획득하여 실험한 결과 98.5%의 주차 공간 분석에 성공하여 제안된 방법이 주차 공간 분석에 효율적인 것을 입증하였다.

Abstract ▼ AI-Helper

Empty space in the parking lot of the parking space to analyze the effective use of technology and transportation may be useful in the jungle, However, conventional analytical methods impractical parking space or need a fast processing speed. In this paper, real-time parking, so parking monitoring m...

Empty space in the parking lot of the parking space to analyze the effective use of technology and transportation may be useful in the jungle, However, conventional analytical methods impractical parking space or need a fast processing speed. In this paper, real-time parking, so parking monitoring methods for detection is proposed. Gray-level images using the proposed method to determine whether the parking and the parking space was used to analyze. To verify the performance of the proposed method in an outdoor parking lot 129 video capture and analysis of experimental results in 98.5% of the parking space, parking space, the success of the proposed method was proved to be effective in the analysis.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 차량 모니터링 방법으로 그레이레벨 이미지를 이용하여 주차여부를 확인하고 주차공간을 분석하는 방법을 제안하였다. 제안된 방법의 성능을 확인하기 위해 2일 동안 아침(오전5시)부터 저녁(오후7 시)까지 야외 주차장에서 129개의 동영상을 획득하여 실험한 결과 98.

제안 방법

이 같은 시스템으로 각기 다른 셔터 속도에서 CCD카메라에 포착된 두 가지 이미지의 조합을 통해 역학적인 범위를 수용하는 영상을 획득하였으며, 셔터속도 비율은 10에 맞추었다. 그림 5에서처럼 조합된 이미지의 평균 비중이 포화레벨의 70%를 넘었을 때 셔터 속도는 한단계 높아지고, 반대로 평균 비중이 포화레벨의 30%아래로 떨어졌을 때, 셔터속도는 한 단계 낮아지게 되어 다양한 조명을 수용하게 하였다. 실험에서 픽셀값은 그레이스케일이(0-255) 영상에서 광도대수에 비례하여 설정되며, 이미지 분할은 이 그레이스케일 영상을 이용하여 수행되었다.
영역이 같을 때 얻어진다. 반대로 1은 가장 작은 값 S2에서 의 영역이 Si보다 작을 때 얻어진다’ 차량의 감지는 형태’ 창문, 전조등과 같은 다양한 구성요소를 사용하여 수행되었분할단계가 각 구성요소에 대응되도록 매개변수를 조절하였다. 그림 2는 실험에서 g를 나타낸 것으로 주차장에서 빈 공간과 점유된 공간의 영상, 그리고 분할된 결과를 나타냈다.
실험방법으로 최적의 결과를 낼 수 있는 문턱치값 訓를 알아낸 다음, 오전5시부터 저녁7시까지 2일 동안 20분 간격으로 총 129개의 동영상을 사용하였고, TV카메라는 지상에서 약 20m 높이의 근접한 건물 옥상에 30°각도로 설치하였으며, 촬영범위는 폭 25m, 길이 40m로 41개의 주차공간이 포함되게 하였다. 실험에 사용된 영상의 예를 그림 4에 나타냈다.
이 같은 시스템으로 각기 다른 셔터 속도에서 CCD카메라에 포착된 두 가지 이미지의 조합을 통해 역학적인 범위를 수용하는 영상을 획득하였으며, 셔터속도 비율은 10에 맞추었다. 그림 5에서처럼 조합된 이미지의 평균 비중이 포화레벨의 70%를 넘었을 때 셔터 속도는 한단계 높아지고, 반대로 평균 비중이 포화레벨의 30%아래로 떨어졌을 때, 셔터속도는 한 단계 낮아지게 되어 다양한 조명을 수용하게 하였다.
또한 영상을 이용한 차량검출 방법으로 구성요소의 외형적 특징을 이용하여 참조 이미지 1*〕나순간포착曲을 이용한 움직임궤도 검출1胸과 같은 다양한 기술들이 개발되었다. 참조 이미지에 기초한 방법은 사용 중인 주차장에서 참조 이미지를 획득하거나 업데이트 하는 것이 어렵기 때문에 실용적이지 못하며 순간포착을 이용한 방법은 참조 이미지를 얻을 수 없는 반면에 야간에도 조명을 이용하여 수행될 수 있지만 차량의 움직임에 따라 비교적 빠른 처리속도가 필요하다 본 논문은 실시간 주차검출에 적합한 주차 모니터링 방법으로 그레이레벨 영상을 이용하여 주차 여부를 확인하고 주차공간을 분석하는 방법을 제안한다.

대상 데이터

그림 5에서처럼 조합된 이미지의 평균 비중이 포화레벨의 70%를 넘었을 때 셔터 속도는 한단계 높아지고, 반대로 평균 비중이 포화레벨의 30%아래로 떨어졌을 때, 셔터속도는 한 단계 낮아지게 되어 다양한 조명을 수용하게 하였다. 실험에서 픽셀값은 그레이스케일이(0-255) 영상에서 광도대수에 비례하여 설정되며, 이미지 분할은 이 그레이스케일 영상을 이용하여 수행되었다.
주차장영상은 근접한 빌딩 옥상이나 높은 가로등에 설치된 비디오카메라를 통해 포착되었다. 이 같은 방법으로 주차 공간의 전 영역이 보여 진다고 가정하고, 장시간 동안 한곳에 머물러 있지 않거나 출입하는 차량들은 실험과정에서 제외하였다.

성능/효과

실험에서 이미지 당 처리 시간은 약 2초 (Pentium 2애z, 512MB메모리)정도 소요되었고, 처리시간의 80%는 이미지 분할에 계산되어졌다. 처리를 위한 소프트웨어는 Windows XP환경에서 Visual C++을 사용하였다
방법을 제안하였다. 제안된 방법의 성능을 확인하기 위해 2일 동안 아침(오전5시)부터 저녁(오후7 시)까지 야외 주차장에서 129개의 동영상을 획득하여 실험한 결과 98.5%의 주차 공간 분석에 성공하여 제안된 방법이 주차 공간 분석에 효율적인 것을 입증하였다. 또한 참조 이미지와 차량의 움직임궤도 추적이 필요 없다는 장점이 있다.

후속연구

또한 참조 이미지와 차량의 움직임궤도 추적이 필요 없다는 장점이 있다. 또한 차량인식 이외에 장애물이나, 사람 등의 감지에도 적용될 수 있을 것으로 기대된다. 향후 연구과제로는 야간에서 보다 안정적으로 차량의 주차여부를 인식하는 방법이나 그림자나 표면이 불규칙할 경우 오류를 줄이는 방법 등을 들 수 있다
이 같은 방법으로 주차 공간의 전 영역이 보여 진다고 가정하고, 장시간 동안 한곳에 머물러 있지 않거나 출입하는 차량들은 실험과정에서 제외하였다. 제안한 방법은 야외주차장을 위한 것이기 때문에 차량검줄 시 다양한 기후조건을 포함하며, 야간의 경우에 이미지포착을 위한 충분한 조명이 있어야 한다. 그림 1에 주차검출 시스템을 나타냈다.
또한 차량인식 이외에 장애물이나, 사람 등의 감지에도 적용될 수 있을 것으로 기대된다. 향후 연구과제로는 야간에서 보다 안정적으로 차량의 주차여부를 인식하는 방법이나 그림자나 표면이 불규칙할 경우 오류를 줄이는 방법 등을 들 수 있다

참고문헌 (9)

Koizumi M, Koyama S. "Parking lot monitoring system based on image processing in Tomei Expressway", Kosokudoroto Jidosha 1992; 35: 32-40.
Takahashi Y et al. "Image recognition technology for automation of parking lot management", NTT R&D 1992; 41: 493-500.
Maeda E et al. "Object detection method with robustness to environmental changes", Trans IEICE 1991; J74-D-II: 1731-1740.
Maeda E, Ishii K. "Evaluation of principal component feature characteristics in object detection", Trans IEICE 1991; J75-D-II: 520-529.
Mizukoshi N et al. "Parking condition discrimination system of image processing type using a neural network model", IEEE Vehicle Navigation & Information Systems Conf, pp. 69-74, 2002
Miyake M et al. "Nighttime detection of vehicles in parking lot using image processing" Road Traffic Committee of IEE Japan, RTA-91-23, 2003
Hasegawa T et al. Counting cars by tracking moving objects in outdoor parking lot. IEEE Vehicle Navigation and Information Systems Conf, pp.63-68, 2005
Sakaida, Shinichi, Naemura, Masahide, Kanatsugu, "Moving object extraction using background difference and region growing with a spatio- temporal watershed algorithm" Systems and computers in Japan, Vol.33, No.12, pp.11-26, 2007
Betke, Margrit, Haritaoglu, Esin, Davis, Larry S. "Real-time multiple vehicle detection and tracking from a moving vehicle", Machine vision and applications, Vol.12, No.2, pp.69-83, 2009.

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

그레이 스케일 이미지를 이용한 효율적인 주차검출 방법
An Efficient Vehicle Parking Detection Method Using Gray Scale Images 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

그레이 스케일 이미지를 이용한 효율적인 주차검출 방법 An Efficient Vehicle Parking Detection Method Using Gray Scale Images 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

배철수 (68)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

그레이 스케일 이미지를 이용한 효율적인 주차검출 방법
An Efficient Vehicle Parking Detection Method Using Gray Scale Images 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper