$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

유클리디안 척도를 이용한 차량 추적
Vehicle Tracking using Euclidean Distance 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.7 no.6, 2012년, pp.1293 - 1299  

김규영 (동의대학교 부산IT융합부품연구소) ,  김재호 (부산대학교전자공학과) ,  박장식 (경성대학교 전자공학과) ,  김현태 (동의대학교 부산IT융합부품연구소) ,  유윤식 (동의대학교 부산IT융합부품연구소)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 실시간 차량 검출 및 차량 추적에 대한 알고리즘을 제안한다. 차량 검출은 도로에 설치된 고해상도 CCTV 카메라 영상에 대해 가우시안 혼합모델과 수학적 형태학 처리를 통하여 수행한다. 차량 추적은 검출한 차량 객체를 기반으로 영상 프레임 간 유클리디안 척도를 이용하여 수행한다. 보다 상세히 언급하면, CCTV 카메라로부터 입력되는 영상으로부터 가우시안 혼합모델을 이용하여 배경을 추정하고, 배경영상과 입력영상의 차영상으로부터 객체를 분리한다. 분리된 후보 객체를 수학적 형태학 처리를 통하여 재구성한다. 터널에서의 차량의 위치에 따른 크기 특징을 분석하여 최종적으로 차량을 검출한다. 차량 추적은 입력되는 영상 프레임간 객체들의 유클리디안 거리 정보를 활용한다. 터널에서 촬영한 영상을 이용한 시뮬레이션을 통하여 제안하는 차량 추적방법이 효과적으로 적용할 수 있음을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, a real-time vehicle detection and tracking algorithms is proposed. The vehicle detection could be processed using GMM (Gaussian Mixture Model) algorithm and mathematical morphological processing with HD CCTV camera images. The vehicle tracking based on separated vehicle object was per...

주제어

#가우시안 혼합모델   #형태학적 정보   #유클리디안 거리   #차량 추적  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 고해상도 입력영상에 대하여 실시간 처리를 위하여 시간의 경과에 따라 변화되는 배경 정보를 반영하는데 효과적인 배경추정 기법인 가우시안 혼합모델(GMM, Gaussian mixture model)과 수학적 형태학(Mathematical morphology) 처리를 통하여 차량을 검출하고 차량 객체에 대한 시간 프레임간 유클리디안 거리를 계산하여 차량을 추적하는 방법을 제안한다. 본 논문에서는 터널 내에서 촬영한 영상을 이용하여 제안하는 차량 검출 방법이 효과적임을 확인한다.
  • 본 논문에서는 배경과 객체를 분리해서 정확하게 객체를 검출하고, 먼 거리에서도 검출을 가능하게 하기 위해 가우시안 혼합 모델(GMM)과 수학적 형태학을 이용하여 배경과 객체를 분리하였다. 움직이는 객체에 대하여 차량 여부 판단을 위하여 터널 환경에 따른 거리별, 차량 종류별로 크기정보를 가지고 분리된 객체와 매칭을 시켜서 차량여부를 결정한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
영상기반 터널사고감지시스템이란 무엇인가? 영상기반 터널사고감지시스템은 CCTV 영상을 분석하여 정지차량, 역주행차량, 보행자, 낙하물 등 사고 유형을 감지하는 시스템이다. 따라서 우수한 성능의 영상기반 사고감지시스템을 구현하기 위해서는 객체인 차량(vehicle)을 배경(background)으로부터 정확히 분리할 수 있어야 한다.
기존의 차량 검출 알고리즘의 문제점은 무엇인가? 도로의 교통 흐름을 모니터링 하기 위하여 다양한 차량 검출 및 추적 알고리즘이 제안되었다[1-3]. 그러나, 기존의 차량 검출 알고리즘은 계산량이 많고 조명의 변화에 대하여 잡음이 많아 오검출이 많은 문제점이 있다.
평균-이동 알고리즘에서 경사값이 0이면, 무엇을 의미하는가? 특히 평균-이동은 데이터의 분포로부터 경사값(Gradient)을 찾아내는 역할을 한다. 만약 경사값이 0 이면, 분포의 안정적인 위치에 위치해 있는 것으로 볼 수 있다. 평균-이동 알고리즘은 지역적 정점을 찾기 때문에 여러 지점에서 정점이 발견될 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. 김규영, 도진규, 박장식, 김현태, 유윤식, "차량 겹침 검출과 추적 알고리즘", 2011 한국전자통신학회 추계학술대회논문지, pp. 422-424, 2011. 

  2. 김규영, 이근후, 박장식, 김현태, 유윤식, "블록매칭 알고리즘을 이용한 정지 차량 검출", 한국전자통신학회 추계학술대회논문지, pp. 425-427, Nov. 2011. 

  3. 김현태, 이근후, 박장식, 유윤식, "가우시안 혼합 모델과 수학적 형태학 처리를 이용한 터널 내에서의 차량 검출", 한국전자통신학회논문지 7권, 5호, pp. 967-974, 2012. 

    원문보기 상세보기

  4. L. Shengzhuo, X. Choi, "Tracking Moving Vehicle Based on Mean Shift Algorithm", Information Science and Engineering(ICISE), 2009 1st International Conference on, pp. 1499-1502, 2009. 

  5. D. Comaniciu, V. Ramesh, P. Meer, "Real-time tracking of non-rigid object using mean shift", Computer Vision and Pattern recognition, 2000. Proceedings. IEEE Conference on, Vol. 2, pp. 142-149, 2000. 

  6. P. Hidayatullah, H. Konik, "CAMSHIFT improvement on multi-hue object and multi-object tracking", Visual Information Process(EUVIP), pp. 143-148, 2011 3rd European Workshop on, 2011. 

  7. P. Vadakkepat, P. Lim, L.C. De Silva, J. Liu, L. LiLi, "Multimodal Approachthm," Information Science and Engineering(ICISE), 2009 1st International Cinference on, pp. 1499-1502, 2009. 

  8. P.L.M Bouttefroy, A. Bouzerdoum, S.l. Phung, A. Beghdadi, "Vehicle Tracking by non-Drifting Mean-shift using Projective Kalman Filter", Intelligent Transportation System, 2008. ITSC 11th International IEEE Conference on, pp. 61-66. 2008. 

  9. C. Stauffer and W.E.L. Grimson, "Adaptive background mixture models for real-time tracking", Proc.IEEE CVPR 1999, pp. 246-252, 1999. 

  10. Y. Jie, J. Amorers, N. Sebe, P. Radeva, T. Qi, "Distance Learning for Similarity Estimation," Pattern Analysis and Machine Intelligence, IEEE Transaction on, Vol. 30, pp. 451-462, 2008. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로