[논문]Histogram of Oriented Gradient를 이용한 실시간 소실점 검출

최지원; 김창익

Histogram of Oriented Gradient를 이용한 실시간 소실점 검출
Real-time Vanishing Point Detection Using Histogram of Oriented Gradient 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.48 no.2 = no.338, 2011년, pp.96 - 101

최지원 (한국과학기술원 전기 및 전자공학과) , 김창익 (한국과학기술원 전기 및 전자공학과)

초록
AI-Helper

소실점이란 실제 공간의 평행한 선들이 영상 내에 투영되면서 한곳에 모이는 점이다. 본 논문에서는 이러한 소실점의 특성을 이용한 실시간 소실점 검출 알고리즘을 제안한다. 기존의 소실점 검출 방법은 1) 복잡한 계산이 요구되거나 2) 알고리즘에 따라 소실점을 검출할 수 있는 영상이 제한되어 있다. 제안하는 방법은 블록 기반의 HOG(Histogram of Oriented Gradient)를 구하여 영상의 구조적 특성을 이용하는 것으로 영상 내에 존재하는 소실점을 실시간으로 검출한다. 먼저 영상의 블록 단위로 HOG 기술자를 구한 뒤, 제안하는 동적 프로그래밍(dynamic programing)을 이용하여 소실점의 위치를 예측한다. 본 논문에서는 다양한 영상에 대한 실험을 통해 제안하는 알고리즘이 효율적인 소실점 검출 방법임을 보이고자 한다.

Abstract ▼ AI-Helper

Vanishing point can be defined as a point generated by converged perspective lines, which are parallel in the real world. In this paper, we propose a real-time vanishing point detection algorithm using this fundamental feature of vanishing point. The existing methods 1) require high computational cost or 2) are restricted to specific image contents. The proposed method detects the vanishing point in images based on the block-wise HOG (Histogram of Oriented Gradient) descriptor. First, we compute the HOG descriptor in a block-wise manner, then estimate the location of the vanishing point using the proposed dynamic programing. Experiments are performed on diverse images to confirm the efficiency of the proposed method.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 HOG 기술자를 이용하여 영상 내의 소실점의 위치를 예측하는 방법을 제안하였다. 영상 내의 소실점은 영상의 주요한 에지성분이 한곳에 모이는 특성이 있다.
그림 1에서 알 수 있듯이, 영상 내의 소실점은 그 소실점을 기준으로 하여 여러 개의 투영된 선이 모인다. 본 논문에서는 이러한 영상의 특징을 이용하여 소실점을 검출하는 방법을 제안하고자 한다.
그러나 앞서 제안한 소실점 검출 방법은 복잡한 계산과 더불어 소실점 검출에 상당한 시간이 소요된다. 이에 본 논문에서는 영상 내의 구조적 특징을 반영하는 HOG 기술자를 이용하여 실시간으로 소실점을 검출하는 알고리즘을 제안하고자 한다. 제안하는 방법은 특정 영상 군(인공적인 구조물 영상에 제한되거나 도로 영상에 제한되는)에 한정되지 않고 영상 내에 소실점이 있으면 검출할 수 있다.

가설 설정

그림 2. HOG 기술자 예 (a) 원영상, (b) 5개의 주요 방향만 표시한 HOG 기술자, 노란색으로 표시된 영역이 외곽블록이다.
2. Example of HOG descriptor (a) original image, (b) HOG descriptor which has 5 dominant orientation, the outer blocks are marked yellow.
소실점이 영상 내에 있다고 가정하여 외곽(border) 블록으로부터 주요한 방향이 유사한 블록을 모두 찾은 뒤, 그중에서 가장 멀리 떨어져 있는 블록을 선택한다. 먼저 외곽 블록을 p라하고, 블록 p의 주변 블록q의 집합을 N이라고 한다.

제안 방법

Rasmussen^[2]는 다중 스케일(multi-scale) 가버 웨이블렛 필터(Gabor wavelet filter)를 이용해 도로 위의 소실점 검출을 제안하였다. 각 픽셀에서 주요 텍스쳐 방향을 구한 뒤, 투표(voting)를 통해 최종 소실점을 검출한다. Hui 등은^[3] 먼저 가버 필터(Gabor filter)를 사용하여 각 픽셀(pixel)의 텍스쳐 방향을 계산한 후, 국부 영역(local region)의 모든 픽셀과 소실점 후보 간의 거리를 이용하여 도로 영상 내 소실점을 검출하였다.
기울기(gradient) 영상G를 m × m 픽셀 크기의 블록으로 나눈 후, 각 블록에서 에지의 방향에 대한 히스토그램을 구한다.
먼저, 영상에서 직선 또는 소실선을 검출한 뒤, 이를 이용해 소실점을 구하는 것을 살펴보겠다. Banard^[7]는 광학 중심(optical center)을 그 중심으로 하는 가우스구(Gaussian sphere)에 영상 내의 직선들을 누적하여 가장 많이 누적되는 점을 소실점으로 검출하였다.
기울기(gradient) 영상G를 m × m 픽셀 크기의 블록으로 나눈 후, 각 블록에서 에지의 방향에 대한 히스토그램을 구한다. 본 논문에서는 계산된 에지의 방향(orientation)을 18등분으로 분할하였으며, 각각의 방향에 대해 방향의 크기를 비교하여 주요한 n개의 방향만 취득하였다. 이를 그림 2에 나타내었다.
제안하는 알고리즘은 먼저 영상을 블록 단위로 HOG 기술자를 구하는 단계와 블록 단위로 구한 HOG 기술자 중, 주요한 방향(dominant orientation) 성분을 취득한 뒤 동적 프로그래밍으로 소실점의 위치를 예측하는 단계로 나눌 수 있다. 영상을 블록 단위로 HOG 기술자를 구함으로써 블록 내의 에지 방향을 특성을 알 수 있다. 이때, 각 블록의 HOG 기술자의 주요한 방향 성분은 그 블록을 대표하는 에지의 방향을 가리킨다.
우선, 영상을 m × m크기의 블록으로 나눈 뒤, 각 블록에 대해 HOG 기술자를 구한 다음, 이 중에서 n개의 주요한 방향을 구한다.
영상 내의 소실점은 영상의 주요한 에지성분이 한곳에 모이는 특성이 있다. 이 정보를 응용하여 영상의 블록 단위로 HOG 기술자를 구한 뒤, 그 중 주요한 방향 성분만을 가지고 제안하는 동적 프로그래밍 을 이용하여 소실점의 위치를 예측한다. 제안하는 알고리즘은 HOG 기술자를 이용하기 때문에 실시간으로 소실점의 위치를 예측할 수 있다.
이때, 각 블록의 HOG 기술자의 주요한 방향 성분은 그 블록을 대표하는 에지의 방향을 가리킨다. 제안하는 동적 프로그래밍으로 유사한 에지의 방향을 가지는 블록을 찾는 과정에서 소실점을 구성하는 소실선을 찾을 수 있다. 표 1에서 제한하는 알고리즘을 간략하게 나타내었다.
^[1] Tardif^[10]는 인공 구조물 영상 내의 비반복적(non-iterative) 소실점 검출 방법을 제안하였다. 제안하는 방법은 영상 내에서 검출된 에지들을 최근에 제안된 J-Linkage 방법을 사용하여 예상되는 소실점 후보군을 추출한 뒤 소실점을 검출하는 것이다.
이에 본 논문에서는 영상 내의 구조적 특징을 반영하는 HOG 기술자를 이용하여 실시간으로 소실점을 검출하는 알고리즘을 제안하고자 한다. 제안하는 방법은 특정 영상 군(인공적인 구조물 영상에 제한되거나 도로 영상에 제한되는)에 한정되지 않고 영상 내에 소실점이 있으면 검출할 수 있다.
제안하는 방법을 가버 필터를 이용하여 도로영상 내의 소실점을 검출하는 방법^[2]과 J-Linkage와 EM 알고리즘을 이용하여 인공(man-made) 영상의 소실점을 검출하는 방법^[3]과 비교하여 그림 6과 같이 나타내고, 수행 시간을 Visual C 2008로 측정한 결과를 표 2로 작성하였다. 제안한 알고리즘의 평균 수행 시간은 영상 한장당 0.
제안하는 방법을 이용하여 다양한 영상에 대해 소실점 검출 실험을 하였다. 제안하는 방법은 특정 영상 군에서만 적용되는 것이 아니라 소실점이 영상 내에 존재하면 실시간으로 소실점의 위치를 예측할 수 있다는 장점이 있다.
제안하는 알고리즘은 먼저 영상을 블록 단위로 HOG 기술자를 구하는 단계와 블록 단위로 구한 HOG 기술자 중, 주요한 방향(dominant orientation) 성분을 취득한 뒤 동적 프로그래밍으로 소실점의 위치를 예측하는 단계로 나눌 수 있다. 영상을 블록 단위로 HOG 기술자를 구함으로써 블록 내의 에지 방향을 특성을 알 수 있다.

대상 데이터

본 실험에서는 HOG 기술자를 구하기 위해 영상을 32x32 크기의 블록으로 나누었다. HOG 기술자를 구하는 과정에서 방향을 0° ～ 180° 사이를 18등분 하였다.
소실점 예측은 100개의 일반 영상들에 대해 실험하였다. 이 영상은 실내, 실외, 건축물, 도로 영상 등으로 구성되었다.
영상 대부분은 구글(Google) 이미지에서 다운로드 하였다. 실험에 사용된 영상의 크기는 가로가 400, 세로가 300으로 정규화 하였다.
이 영상은 실내, 실외, 건축물, 도로 영상 등으로 구성되었다. 영상 대부분은 구글(Google) 이미지에서 다운로드 하였다. 실험에 사용된 영상의 크기는 가로가 400, 세로가 300으로 정규화 하였다.
소실점 예측은 100개의 일반 영상들에 대해 실험하였다. 이 영상은 실내, 실외, 건축물, 도로 영상 등으로 구성되었다. 영상 대부분은 구글(Google) 이미지에서 다운로드 하였다.

성능/효과

제안하는 방법을 이용하여 다양한 영상에 대해 소실점 검출 실험을 하였다. 제안하는 방법은 특정 영상 군에서만 적용되는 것이 아니라 소실점이 영상 내에 존재하면 실시간으로 소실점의 위치를 예측할 수 있다는 장점이 있다.
과 비교하여 그림 6과 같이 나타내고, 수행 시간을 Visual C 2008로 측정한 결과를 표 2로 작성하였다. 제안한 알고리즘의 평균 수행 시간은 영상 한장당 0.061초가 소요되는 것을 알 수 있다. 그림 6의 결과에서 소실점의 위치는 붉은색으로 표시하였고, 비교 결과 제안하는 방법의 정확도가 높은 것을 알 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	소실점이란?	소실점이란 실제 공간의 평행한 선들이 영상 내에 투영되면서 한곳에 모이는 점이다. 본 논문에서는 이러한 소실점의 특성을 이용한 실시간 소실점 검출 알고리즘을 제안한다.
	기존의 소실점 검출 방법의 문제점은 무엇인가?	본 논문에서는 이러한 소실점의 특성을 이용한 실시간 소실점 검출 알고리즘을 제안한다. 기존의 소실점 검출 방법은 1) 복잡한 계산이 요구되거나 2) 알고리즘에 따라 소실점을 검출할 수 있는 영상이 제한되어 있다. 제안하는 방법은 블록 기반의 HOG(Histogram of Oriented Gradient)를 구하여 영상의 구조적 특성을 이용하는 것으로 영상 내에 존재하는 소실점을 실시간으로 검출한다.
	본 연구의 소실점 예측에 사용된 영상의 구성은?	소실점 예측은 100개의 일반 영상들에 대해 실험하였다. 이 영상은 실내, 실외, 건축물, 도로 영상 등으로 구성되었다. 영상 대부분은 구글(Google) 이미지에서 다운로드 하였다.

참고문헌 (11)

C. Rother, "A new approach to vanishing point detection in architectural environments," Image and Vision Computing, vol. 2, pp.647-655, 2002.
C. Rasmussen, "Grouping dominant orientations for ill-structured road following," in Proc. of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, vol. 1, pp.I-470-I-477, 2004.
K. Hui, J. Y. Audibert, and J. Ponce, "Vanishing point detection for road detection," in IEEE Conference on Computer Vision and Pattern Recognition, pp.96-103, 2009.
S. Battiatoa, A. Caprab, S. Curtib, M. La Casciac, "3D Stereoscopic Image Pairs by Depth-Map Generation," Proceedings of the 3D Data Processing, Visualization, and Transmission, 2nd International Symposium, pp.124-131, 2004.
B. Caprile and V. Torre, "Using vanishing point for camera calibration," International Journal of Computer Vision, vol. 4, pp.127-140, 1990.

상세보기
Y. Horry, K. Anjyo, K. Arai, "Tour into the picture: using a spidery mesh interface to make animation from a single image," International Conference on Computer Graphics and Interactive Techniques, pp.225-232, 1997.
S. T. Banard, "Interpreting perspective images," Artificial intelligence, vol. 21, pp. 435-462, 1983.

상세보기
V. Cantoni, L. Lombardi, M. Porta, and N. Sicard, "Vanishing point detection: representation analysis and new approaches," International Conference on Image Analysis and Processing, pp.90-94, Sep, 2001.
T. Tuylelaars, L. V. Gool, M. Proesmans, and T. Moons, "The cascaded hough transform as an aid in aerial image interpretation," IEEE International Conference on Computer Vision, pp67-72, 1998.
J.-P. Tardif, "Non-iterative approach for fast and accurate vanishing point detection," in IEEE International Conference on Computer Vision, pp.1250-1257, 2009.
N. Dalal and B. Triggs, "Histograms of oriented gradients for human detection," IEEE Computer Society Conference on Computer Vision and Pattern Recognition, vol. 1, pp.886-893, 2005.

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