본 논문은 차량이 급제동으로 인해 도로 위에 생성된 스키드마크와 같이 형태가 모호하게 나타난 영상을 인식하기 위해 FE-SM/SONN을 제안하였다. FE-SM/SONN은 타이어 트레드 패턴이 뭉개져서 나타나는 스키드마크 경우, 그 패턴이 모호한 영상으로 취득된다. 이를 인식하기 위해 퍼지 이론과 트레드 패턴의 특징을 이용한 자기 조직 신경망 인식기를 통해 스키드마크를 인식하는 방법이다. 이러한 실험을 위해 48개 타이어모델과 144개 스키드마크가 사용되었고, 전체 인식율은 89%이며, 비교 분석을 위해서는 기존 역전파 인식기에 비해 인식률 면에서 13.51%가 향상되었고, FE-MCBP에 비해 8.78% 향상을 보였다. 이 논문의 기대효과로는 모호한 영상의 특징을 추출하여 인식이 가능하였고, 트레드 패턴 영상이 그레이 영상으로 나타날 경우도 퍼지 이론에 의해 인식이 가능한 것으로 연구결과 나타났다.
본 논문은 차량이 급제동으로 인해 도로 위에 생성된 스키드마크와 같이 형태가 모호하게 나타난 영상을 인식하기 위해 FE-SM/SONN을 제안하였다. FE-SM/SONN은 타이어 트레드 패턴이 뭉개져서 나타나는 스키드마크 경우, 그 패턴이 모호한 영상으로 취득된다. 이를 인식하기 위해 퍼지 이론과 트레드 패턴의 특징을 이용한 자기 조직 신경망 인식기를 통해 스키드마크를 인식하는 방법이다. 이러한 실험을 위해 48개 타이어모델과 144개 스키드마크가 사용되었고, 전체 인식율은 89%이며, 비교 분석을 위해서는 기존 역전파 인식기에 비해 인식률 면에서 13.51%가 향상되었고, FE-MCBP에 비해 8.78% 향상을 보였다. 이 논문의 기대효과로는 모호한 영상의 특징을 추출하여 인식이 가능하였고, 트레드 패턴 영상이 그레이 영상으로 나타날 경우도 퍼지 이론에 의해 인식이 가능한 것으로 연구결과 나타났다.
In this paper, We proposes FE-SM/SONN for recognizing blurred and smeared skid mark image caused by sudden braking of a vehicle. In a blurred and smeared skid marks, tread pattern image is ambiguous. To improve recognition of such image, FE-SM/SONN reads skid marks utilizing Fuzzy Logic and distingu...
In this paper, We proposes FE-SM/SONN for recognizing blurred and smeared skid mark image caused by sudden braking of a vehicle. In a blurred and smeared skid marks, tread pattern image is ambiguous. To improve recognition of such image, FE-SM/SONN reads skid marks utilizing Fuzzy Logic and distinguishing tread pattern SONN(Self Organization Neural Networks) recognizer. In order to substantiate this finding, 48 tire models and 144 skid marks were compared and overall recognition ratio was 89%. This study showed 13.51% improved recognition compared to existing back propagation recognizer, and 8.78% improvement than FE-MCBP. The expected effect of this research is achieving recognition of ambiguous images by extracting distinguishing features, and the finding concludes that even when tread pattern image is in grey scale, Fuzzy Logic enables the tread pattern recognizable.
In this paper, We proposes FE-SM/SONN for recognizing blurred and smeared skid mark image caused by sudden braking of a vehicle. In a blurred and smeared skid marks, tread pattern image is ambiguous. To improve recognition of such image, FE-SM/SONN reads skid marks utilizing Fuzzy Logic and distinguishing tread pattern SONN(Self Organization Neural Networks) recognizer. In order to substantiate this finding, 48 tire models and 144 skid marks were compared and overall recognition ratio was 89%. This study showed 13.51% improved recognition compared to existing back propagation recognizer, and 8.78% improvement than FE-MCBP. The expected effect of this research is achieving recognition of ambiguous images by extracting distinguishing features, and the finding concludes that even when tread pattern image is in grey scale, Fuzzy Logic enables the tread pattern recognizable.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 자동차 스키드마크 영상을 인식하여 트레드패턴 코드로 전환하는 시스템으로 성능을 비교하였다. 그러나 아쉽게도 기존 스키드마크 인식 연구사례가 전혀 없고, 단지 본 연구애서 제안한 방법과 기존 인식 알고리즘에 스키드마크 영상을 인식 결과 분석하였다.
본 연구는 차량 스키드마크를 인식하기 위한 인식기인 FE-SM/SONN를 제안하여, 스키드마크의 경우 차량의 급정지 속도에 의해 타이어 트레드 패턴이 일그러지는 현상이 발생하게 된다. 이를 인식하기 위해서는 영상 전처리와 모호한 영상 특징 추출을 위한 알고리즘이 필요했는데, 이를 위해 퍼지이론과 자기 조직 신경망인 SONN의 특성을 적용했다.
단지 인식단계에서 검색 비교에서 인식에 따른 신뢰도 지수를 평가하는 항목이 추가된다. 이유는 정확한 인식을 위해 본문에 제안한 FE-SM/SONN을 통해 얻어진 결과 값을 후처리 작업으로 신뢰도 지수에 의해 트레드패턴을 검증하는 것이 본문의 특징이다.
제안 방법
이때 타이어 영상이 기울어 졌을 경우를 대비해 패턴 영상을 정규화 한다. 그 후 스키드마크의 특징을 추출하여 트레드패턴과 비교 분석하는 과정과 스키드마크의 모호한 영상을 위해 퍼지 신경망이 적용되어 수행 되었다. 퍼지 신경망이 학습된 목표값에서 어느 하나의 유니트 결과가 0.
본 연구의 범위는 현재 상용되고 있는 타이어 종류 중 승용차용 한국타이어 48종으로 제한했으며, 실험에 적용된 타이어는 스키드마크를 추출하기 위해 속도차를 두고 144개의 스키드마크를 실험에 적용하였다. 그러나 아쉽게도 기존 스키드마크 인식 연구사례가 전혀 없고, 단지 기존 인식 알고리즘에 스키드마크 영상을 인식 결과만 분석하였다.
본 논문은 자동차 스키드마크 영상을 인식하여 트레드패턴 코드로 전환하는 시스템으로 성능을 비교하였다. 그러나 아쉽게도 기존 스키드마크 인식 연구사례가 전혀 없고, 단지 본 연구애서 제안한 방법과 기존 인식 알고리즘에 스키드마크 영상을 인식 결과 분석하였다.
따라서 아래 표 4와 같이 차량 스키드마크 영상획득에서 인식단계까지 소요되는 총 소요 시간은 3.7초가 소요되며, 아울러 본 연구는 스키드마크 영상을 취득하기 위해 속도별 스키드마크를 취득하였다. 스키드마크 특징 추출 시간이 0.
따라서 이러한 애매한란 윤곽선을 효과적으로 추출하기 위해 퍼지 규칙을 적용하여 퍼지 멤버십 함수로 표현된다. 본 논문에서 사용되는 퍼지 멤버십 함수는 다양한 유형의 퍼지집합을 표현하기 위해 사다리 형태 함수와 시그모이드 함수를 결합한 형태를 사용한다. 이 멤버십 함수는 식(2)와 같이 두 개의 시그모이드 함수와 하나의 1의 값을 갖는 상수 함수로 구성된다.
본 연구에서 제안한 FE-SM/SONN 모델의 특징은 그림6와 같이 트레드 패턴 영상 등록 모듈과 스키드마크 영상 검증 모듈로 나누어진다.
실험을 위해 표 3과 같이 성능평가에 사용된 타이어 모델은 48종류로 차량의 속도에 3가지로 영상 취득한 영상은 총 144개의 스키드마크의 영상을 디지털 카메라를 통해 획득했다. 성능평가는 스키드마크 영역을 추출하고 이를 정규화하여 개별 패턴을 추출하는데 까지 걸리는 시간을 비교하였고 아울러 최종 FE-SM/SONN을 이용한 인식률도 비교하였다.
영상 강화를 위해 영상 콘트라스트를 수행하여, 트레드패턴을 추출하기 위해 에지 추출을 수행한다. 이때 타이어 영상이 기울어 졌을 경우를 대비해 패턴 영상을 정규화 한다.
본 연구는 차량 스키드마크를 인식하기 위한 인식기인 FE-SM/SONN를 제안하여, 스키드마크의 경우 차량의 급정지 속도에 의해 타이어 트레드 패턴이 일그러지는 현상이 발생하게 된다. 이를 인식하기 위해서는 영상 전처리와 모호한 영상 특징 추출을 위한 알고리즘이 필요했는데, 이를 위해 퍼지이론과 자기 조직 신경망인 SONN의 특성을 적용했다. 중요한 것은 타이어의 경우 트레드 부의 균일한 패턴으로 이루어졌기 때문에 노면에 트레드 패턴의 자국이 곧 스키드마크가 된다.
표 4는 전체 실험 결과로 차량 속도에 의해 트레드패턴이 일그러져서 나타나는 스키드마크의 인식을 위해 에지 추출과 패턴 정규화 과정을 수행했다. 이 과정까지는 94%의 성공률을 얻을 수 있었고, 스키드마크의 특징 추출 결과 차량 트레드마크 패턴과 최종 비교 결과 89%의 성공률을 얻을 수 있었다.
대상 데이터
둘째는 스키드마크 인식 학습이 완료된 후 학습 패턴 외에 일반적인 시험 트레드 패턴인식의 사람의 눈과 경험으로도 인식이 모호한 정도였으나 본 논문에서는 효율적인 스키드마크 인식을 위해서는 퍼지이론을 이용한 추론 방법으로 신경망인식을 적용하였다. 본 연구의 범위는 현재 상용되고 있는 타이어 종류 중 승용차용 한국타이어 48종으로 제한했으며, 실험에 적용된 타이어는 스키드마크를 추출하기 위해 속도차를 두고 144개의 스키드마크를 실험에 적용하였다. 그러나 아쉽게도 기존 스키드마크 인식 연구사례가 전혀 없고, 단지 기존 인식 알고리즘에 스키드마크 영상을 인식 결과만 분석하였다.
실험을 위해 표 3과 같이 성능평가에 사용된 타이어 모델은 48종류로 차량의 속도에 3가지로 영상 취득한 영상은 총 144개의 스키드마크의 영상을 디지털 카메라를 통해 획득했다. 성능평가는 스키드마크 영역을 추출하고 이를 정규화하여 개별 패턴을 추출하는데 까지 걸리는 시간을 비교하였고 아울러 최종 FE-SM/SONN을 이용한 인식률도 비교하였다.
이론/모형
첫째 스키드마크 인식을 위해서 스키드마크패턴 인식학습에 시간이 오래 걸리고 유사 스키드마크 패턴 인식을 위한 학습에 어려움이 있다. 둘째는 스키드마크 인식 학습이 완료된 후 학습 패턴 외에 일반적인 시험 트레드 패턴인식의 사람의 눈과 경험으로도 인식이 모호한 정도였으나 본 논문에서는 효율적인 스키드마크 인식을 위해서는 퍼지이론을 이용한 추론 방법으로 신경망인식을 적용하였다. 본 연구의 범위는 현재 상용되고 있는 타이어 종류 중 승용차용 한국타이어 48종으로 제한했으며, 실험에 적용된 타이어는 스키드마크를 추출하기 위해 속도차를 두고 144개의 스키드마크를 실험에 적용하였다.
성능/효과
주로 트럭, 버스, 소형 트럭, 건설과 산업용 차량에 사용된다. 그림(d) 리브 러그 패턴은 자동차 제동력을 높이기 위해 리브형과 러그형의 장점을 취하도록 숄더부에 깊은 러그형 모양을 취해 구동력과 제동력을 얻을 수 있다. 그림(e) 블록 패턴(block pattern)은 노면과의 접촉부분이 하나하나 독립된 블록으로 이루어진 것으로 블록의 형태에 따라 4각, 6각, 마름모형 등이 있다.
표 4는 전체 실험 결과로 차량 속도에 의해 트레드패턴이 일그러져서 나타나는 스키드마크의 인식을 위해 에지 추출과 패턴 정규화 과정을 수행했다. 이 과정까지는 94%의 성공률을 얻을 수 있었고, 스키드마크의 특징 추출 결과 차량 트레드마크 패턴과 최종 비교 결과 89%의 성공률을 얻을 수 있었다. 표 5와 같이 기존 역전파 인식기로 인식했을 경우에 비해 본 논문에서 제안한 FE-SM/SONN에 의한 인식 방법이 빠르고 인식률도 우수한 것으로 나타났다.
스키드마크 인식을 위해 퍼지신경망 알고리즘을 적용하는데 있어 고려해야 할 사항이 있다. 첫째 스키드마크 인식을 위해서 스키드마크패턴 인식학습에 시간이 오래 걸리고 유사 스키드마크 패턴 인식을 위한 학습에 어려움이 있다. 둘째는 스키드마크 인식 학습이 완료된 후 학습 패턴 외에 일반적인 시험 트레드 패턴인식의 사람의 눈과 경험으로도 인식이 모호한 정도였으나 본 논문에서는 효율적인 스키드마크 인식을 위해서는 퍼지이론을 이용한 추론 방법으로 신경망인식을 적용하였다.
FE-SM/SONN의 연구결과로 다음과 같은 기대효과를 얻을 수 있었다. 첫째, 기울어진 타이어 패턴 영상은 기울기 분석을 통해 정규화할 수 있었고, 둘째, 일그러진 경우나 불확실한 정보도 퍼지 시그모이드 함수에 의해 분류 및 인식이 가능한 것으로 연구결과 나타났으며, 셋째, 스키드마크의 경우 균일한 패턴으로 이루어졌다. 따라서 고속으로 생산되는 제품군의 자동 분류나 인간의 시각 기능의 한계를 극복할 수 있는 공정에 적용 가능하며, 인식이 모호한 영상 패턴 인식에도 많은 도움이 되리라 전망한다.
식2의 함수들에 의해 표현된 멤버십 함수를 그래프로 보여준다. 퍼지변수의 수가 적으면 인식능력이 낮은 단점을 보완하기 위해 비선형 시그모이드 함수와 결합하는 방법으로 멤버십합수를 적용하게 되면 인식률 면에서 기존 퍼지멤버십 함수에 비해 우수한 것으로 알려졌다. 그런데 본 연구에서는 퍼지 c-means 클러스터링에 의한 영상 인식을 수행한다.
이 과정까지는 94%의 성공률을 얻을 수 있었고, 스키드마크의 특징 추출 결과 차량 트레드마크 패턴과 최종 비교 결과 89%의 성공률을 얻을 수 있었다. 표 5와 같이 기존 역전파 인식기로 인식했을 경우에 비해 본 논문에서 제안한 FE-SM/SONN에 의한 인식 방법이 빠르고 인식률도 우수한 것으로 나타났다.
중요한 것은 타이어의 경우 트레드 부의 균일한 패턴으로 이루어졌기 때문에 노면에 트레드 패턴의 자국이 곧 스키드마크가 된다. 훼손된 스키드마크의 경우도 육안으로 인식이 불가능한 부분의 경우도 FE-SM/SONN으로도 인식이 가능한 것으로 연구결과 나타났으며, 전체 실험 대상인 스키드마크 영상을 단계별 처리하여 특징 추출 결과를 얻기까지는 91%이며, 인식기가 기존 역전파 인식기나 FE-MCBP에 비해 89%의 실험 결과 우수한 것으로 입증되었다.
후속연구
첫째, 기울어진 타이어 패턴 영상은 기울기 분석을 통해 정규화할 수 있었고, 둘째, 일그러진 경우나 불확실한 정보도 퍼지 시그모이드 함수에 의해 분류 및 인식이 가능한 것으로 연구결과 나타났으며, 셋째, 스키드마크의 경우 균일한 패턴으로 이루어졌다. 따라서 고속으로 생산되는 제품군의 자동 분류나 인간의 시각 기능의 한계를 극복할 수 있는 공정에 적용 가능하며, 인식이 모호한 영상 패턴 인식에도 많은 도움이 되리라 전망한다.
질의응답
핵심어
질문
논문에서 추출한 답변
스키드마크란 무엇인가?
자동차 바퀴 자국인 스키드마크는 주행 중인 차량을 강제로 멈추게 하고자 할 때, 타이어가 노면과 마찰되면서 타이어 흔적을 남기게 된다. 이때 발생한 타이어흔적을 스키드마크(skid mark)라 한다[2].
트레드 패턴의 목적은?
트레드 패턴은 상품으로서의 외관보다는 제동력과 구동력의 증가, 조정성과 안정성의 향상, 미끄럼 방지, 타이어 방열과 소음 발생의 감소, 승차감 향상 등에 목적으로 만들어졌다. 트레드 패턴을 이해하면 자신에게 가장 적합한 타이어를 고를 수 있다.
스키드마크 인식을 위해 퍼지신경망 알고리즘을 적용하는데 있어 고려해야 할 사항은?
스키드마크 인식을 위해 퍼지신경망 알고리즘을 적용하는데 있어 고려해야 할 사항이 있다. 첫째 스키드마크 인식을 위해서 스키드마크패턴 인식학습에 시간이 오래 걸리고 유사 스키드마크 패턴 인식을 위한 학습에 어려움이 있다. 둘째는 스키드마크 인식 학습이 완료된 후 학습 패턴 외에 일반적인 시험 트레드 패턴인식의 사람의 눈과 경험으로도 인식이 모호한 정도였으나 본 논문에서는 효율적인 스키드마크 인식을 위해서는 퍼지이론을 이용한 추론 방법으로 신경망인식을 적용하였다. 본 연구의 범위는 현재 상용되고 있는 타이어 종류 중 승용차용 한국타이어 48종으로 제한했으며, 실험에 적용된 타이어는 스키드마크를 추출하기 위해 속도차를 두고 144개의 스키드마크를 실험에 적용하였다.
참고문헌 (12)
W.S. Hong, "Investigation of Traffic Accident using Skid Mark", Journal of The institute Of Webcasting, Internet And Telecommunication", Vol. 10, No. 1,, pp.113-120, 2010.
S.W. Hwang, Skid Mark, "Investigation of Traffic Accident, pp.1-10, 2010
G. S. Koo, "Feature Extraction based FE-SONN for Signature Verification", Journal of The Korea Society of Computer and Information, Vol. 10, No. 6, pp. 94-101, 2005.
C. Y. Ko, "Recognition of Handwritten Digits Based on Neural Network and Fuzzy Interface", Journal of The Korea Society of Computer and Information, Vol. 16, No. 10, pp. 64-69, 2011.
J.H. Jang, "The Hangeul images Recognition and Restoration based on Neural Network and Memory Theory", Journal of The Korea Society of Computer and Information, Vol. 10, No. 4, pp. 17-27, 2005.
G. K. Sierra, J. O. Bulla, M. A. Melgarejo, "An Embedded Type-2 Fuzzy Processor For The Inverted Pendulum Control Problem", IEEE Latin America Transaction, Vol. 9, No. 3, pp.240-246, June 2011.
Madhi Khezi, MECHRAN JAHED, "A Neuro- Fuzzy Interface System for SEMG- based Identification of Hand Motion Commands", IEEE Transaction on Industrial Electronics, vol. 58, No. 3, pp. 240-246, June 2011.
G. S. Koo, "The FE-MCBP for Recognition of the Titled New-Type Vehicle License Plate" Journal of The Korea Society of Computer and Information, Vol. 12 No. 5, pp. 73-81, 2007.
G. S. Koo, "Edge Feature Extract CBIRS for Car Retrieval : CBIRS/EFI", Journal of The Korea Society of Computer and Information, Vol. 15 No. 11, pp. 75-82, 2010.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.