도로표지는 운전자들에게 유용한 정보들을 제공함으로서 안전하고 원활한 교통을 확보하기 위한 중요한 시설물이다. 도로표지를 체계적으로 관리하기 위해서는 도로표지 내용에 대한 DB구축이 필요하며 이를 위한 작업은 거의 수동으로 진행되고 있어 많은 시간과 비용이 소요된다. 본 연구에서는 도로표지 영상에서 방향정보를 자동으로 인식 추출하기 위한 알고리즘을 제안하였다. 또한 OpenCV를 이용해 이를 구현하였으며 도로표지 영상에 적용하였다. 방향정보의 자동추출을 위해, 영상 개선, 영상 이진화, 방향지시 도형 영역 추출, 특징점 추출, 템플릿영상정합 등의 영상처리 기법을 코딩하여 적용하였으며 이를 통해 방향정보 자동 인식의 가능성을 확인하였다.
도로표지는 운전자들에게 유용한 정보들을 제공함으로서 안전하고 원활한 교통을 확보하기 위한 중요한 시설물이다. 도로표지를 체계적으로 관리하기 위해서는 도로표지 내용에 대한 DB구축이 필요하며 이를 위한 작업은 거의 수동으로 진행되고 있어 많은 시간과 비용이 소요된다. 본 연구에서는 도로표지 영상에서 방향정보를 자동으로 인식 추출하기 위한 알고리즘을 제안하였다. 또한 OpenCV를 이용해 이를 구현하였으며 도로표지 영상에 적용하였다. 방향정보의 자동추출을 위해, 영상 개선, 영상 이진화, 방향지시 도형 영역 추출, 특징점 추출, 템플릿 영상정합 등의 영상처리 기법을 코딩하여 적용하였으며 이를 통해 방향정보 자동 인식의 가능성을 확인하였다.
Road signs are important infrastructures for safe and smooth traffic by providing useful information to drivers. It is necessary to establish road sign DB for managing road signs systematically. To provide such DB, manually detection and recognition from imagery can be done. However, it is time and ...
Road signs are important infrastructures for safe and smooth traffic by providing useful information to drivers. It is necessary to establish road sign DB for managing road signs systematically. To provide such DB, manually detection and recognition from imagery can be done. However, it is time and cost consuming. In this study, we proposed algorithms for automatic recognition of direction information in road sign image. Also we developed algorithm code using OpenCV library, and applied it to road sign image. To automatically detect and recognize direction information, we developed program which is composed of various modules such as image enhancement, image binarization, arrow region extraction, interesting point extraction, and template image matching. As a result, we can confirm the possibility of automatic recognition of direction information in road sign image.
Road signs are important infrastructures for safe and smooth traffic by providing useful information to drivers. It is necessary to establish road sign DB for managing road signs systematically. To provide such DB, manually detection and recognition from imagery can be done. However, it is time and cost consuming. In this study, we proposed algorithms for automatic recognition of direction information in road sign image. Also we developed algorithm code using OpenCV library, and applied it to road sign image. To automatically detect and recognize direction information, we developed program which is composed of various modules such as image enhancement, image binarization, arrow region extraction, interesting point extraction, and template image matching. As a result, we can confirm the possibility of automatic recognition of direction information in road sign image.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
도로표지 내의 방향정보 영역은 일반적으로 종방향, 횡방향 으로 연속된 밝기값이 나오는 특징이 있다. 따라서 본 논문에서는 도로표지 내 방향정보 영역이 갖는 특성을 고려하여 line scan을 통한 연속셀 검출 방법을 적용하여 방향정보 영역을 검출하였다. Line scan을 통한 연속셀 검출은 이진영상을 입력으로 하여 종방향, 횡방향으로 각각 255의 밝기값이 나타나는 연속된 셀의 개수를 탐색한 후 연속된 셀 개수의 최대값으로 연속된 셀들을 교체하는 방법이다.
본 논문에서는 도로표지 내의 방향정보 자동인식 방법에 대하여 기술하였다. 국내의 경우 도로표지 내의 방향정보는 일정한 규격에 의해 제작되고 있으므로 영상 내의 방향정보 검출은 국내 도로표지 제작 기준에 맞는 방향정보 검출용 템플릿을 데이터베이스화하여 영상정합 방법을 통해 방향정보를 검출하였다.
본 논문에서는 여러 가지 영상처리 기법들을 국내 도로표지 영상에 적용하여 도로표지의 방향정보를 자동으로 추출하고자 하였다. C++언어 기반의 OpenCV 라이브러리를 이용하여 알고리즘을 구현하였으며 영상변환, 횡방향·종방향 연속셀 검출, 영상 합성, 영역확장, 특징점 추출, 템플릿 영상정합, 정합결과 출력 등의 과정을 통해 도로표지 영상에서 방향 정보를 자동으로 추출할 수 있었다.
가설 설정
또는 MMS의 지상 LiDAR로부터 도로진행방향에 수직인 면만 추출하여 이를 같이 이용하는 하이브리드한 기법이 적용될 수도 있다. 현재 이 부분은 다양한 연구가 진행 중이며, 본 연구에서는 도로영상에서 도로표지 부분만 추출되었다는 가정하에 영상처리부분만을 수행하였다. 본 논문에서 적용한 도로표지의 방향정보 인식은 입력영상 생성, 방향정보 영역 추출, 영상정합을 통한 방향 인식의 세 단계로 구분된다.
제안 방법
본 논문에서는 Figs. 3(a) and 3(b)와 같이 먼저 종방향, 횡방향 으로 개별 line에 탐색을 실시하여 연속적으로 나타나는 셀의 개수를 계산한 후, 계산된 셀 중 0이 아닌, 즉 연속된 셀이 존재하는 셀들을 대상으로 인접한 셀 중 연속된 셀 개수의 최대값으로 변경하였다. 다음으로 변경된 셀 값을 대상으로 하여 임계값을 적용하여 일정값 이하의 셀은 0의 밝기값으로 변경하여 종방향, 횡방향 각각의 검출결과를 생성하였다.
C++언어 기반의 OpenCV 라이브러리를 이용하여 알고리즘을 구현하였으며 영상변환, 횡방향·종방향 연속셀 검출, 영상 합성, 영역확장, 특징점 추출, 템플릿 영상정합, 정합결과 출력 등의 과정을 통해 도로표지 영상에서 방향 정보를 자동으로 추출할 수 있었다.
본 논문에서는 도로표지 내의 방향정보 자동인식 방법에 대하여 기술하였다. 국내의 경우 도로표지 내의 방향정보는 일정한 규격에 의해 제작되고 있으므로 영상 내의 방향정보 검출은 국내 도로표지 제작 기준에 맞는 방향정보 검출용 템플릿을 데이터베이스화하여 영상정합 방법을 통해 방향정보를 검출하였다. 또한 line scan 방식의 방향정보 영역 검출 알고리즘 및 특징점 추출 알고리즘을 적용하여 영상정합에 소요되는 시간을 줄이기 위한 효과적인 영상정합 방법에 대해서도 기술하였다.
3(a) and 3(b)와 같이 먼저 종방향, 횡방향 으로 개별 line에 탐색을 실시하여 연속적으로 나타나는 셀의 개수를 계산한 후, 계산된 셀 중 0이 아닌, 즉 연속된 셀이 존재하는 셀들을 대상으로 인접한 셀 중 연속된 셀 개수의 최대값으로 변경하였다. 다음으로 변경된 셀 값을 대상으로 하여 임계값을 적용하여 일정값 이하의 셀은 0의 밝기값으로 변경하여 종방향, 횡방향 각각의 검출결과를 생성하였다. 마지막으로 종방향, 횡방향 line scan 검출 결과의 교집합을 구하여 방향정보 영역 검출을 위한 seed 영역을 추출하였으며, 이 seed 영역을 기반으로 region growing 방법을 적용하여 도로표지 내의 방향정보 영역을 검출하였다.
국내의 경우 도로표지 내의 방향정보는 일정한 규격에 의해 제작되고 있으므로 영상 내의 방향정보 검출은 국내 도로표지 제작 기준에 맞는 방향정보 검출용 템플릿을 데이터베이스화하여 영상정합 방법을 통해 방향정보를 검출하였다. 또한 line scan 방식의 방향정보 영역 검출 알고리즘 및 특징점 추출 알고리즘을 적용하여 영상정합에 소요되는 시간을 줄이기 위한 효과적인 영상정합 방법에 대해서도 기술하였다.
good featuresto track 알고리즘은 영상의 상사변환을 기반으로 Newton-Rhapson 방법을 확장한 객체 추적 알고리즘으로 가장 확률 높은 corner point를 추출하는데 적용되는 특징점 추출 알고리즘이다(Shi and Tomasi, 1994). 또한 국내 도로표지 내의 방향지시는 일정한 규격에 의해 제작되고 있으므로 Fig. 4와 같은 방향정보 표식(화살표)의 머리 부분을 이용한 템플릿을 적용하여 영상정합을 수행하여 효율성을 높였다. 도로표지의 방향정보 영역에서 특징점을 추출하면 화살표 도형의 꼭지점을 포함한 모서리 점들이 자동으로 추출된다.
다음으로 변경된 셀 값을 대상으로 하여 임계값을 적용하여 일정값 이하의 셀은 0의 밝기값으로 변경하여 종방향, 횡방향 각각의 검출결과를 생성하였다. 마지막으로 종방향, 횡방향 line scan 검출 결과의 교집합을 구하여 방향정보 영역 검출을 위한 seed 영역을 추출하였으며, 이 seed 영역을 기반으로 region growing 방법을 적용하여 도로표지 내의 방향정보 영역을 검출하였다. 도로표지 내의 방향정보 영역의 연속된 셀의 크기는 표지 내의 문자나 기호에 비하여 크게 표현되므로 이와 같은 방법을 이용하여 표지 내의 방향정보 영역과 다른 정보의 영역을 구분할 수 있다.
현재 이 부분은 다양한 연구가 진행 중이며, 본 연구에서는 도로영상에서 도로표지 부분만 추출되었다는 가정하에 영상처리부분만을 수행하였다. 본 논문에서 적용한 도로표지의 방향정보 인식은 입력영상 생성, 방향정보 영역 추출, 영상정합을 통한 방향 인식의 세 단계로 구분된다. Fig.
본 논문에서는 C++언어 기반의 OpenCV 라이브러리를 이용하여 알고리즘을 구현하였으며, 영상개선, 영상 이진화, 횡방향·종방향 연속셀 검출, 영상 합성, 영역 확장, 특징점 추출, 템플릿 영상정합, 정합결과 출력 등의 기능이 포함되었다.
영상의 이진화에 사용할 수 있는 방법은 단순 임계값(threshold value)을 사용하는 방법과 영상 구분을 특징지을 수 있는 조정임계값(adaptive threshold value) 을 사용하는 방법, 원본 컬러영상의 R,G,B 색상 각각의 특징값을 분석하여 영상기반임계값(color-based threshold value) 을 사용하는 방법 등을 적용할 수 있다. 본 논문에서는 흑백영상으로 변환된 도로표지 영상을 선형 스트레칭 방법으로 영상 개선을 수행한 후 8bit 흑백영상의 중간 밝기값은 128을 임계값으로 적용하여 이진 영상 변환을 수행하였다.
대상 데이터
실험에 사용된 영상은 Fig. 5(a)와 같으며, 실험에 사용된 영상의 크기는 479×286이다.
이론/모형
본 논문에서는 검출된 방향정보 영역으로부터 방향 정보를 인식하기 위하여 영역 기반 영상정합 방법의 일종인 template matching 기법을 사용하였다. 또한 영상정합을 위해 line scan 방법으로부터 추출된 방향정보 영역 영상의 특징점을 추출하여 영상정합의 효율성을 높였다.
또한 영상정합을 위해 line scan 방법으로부터 추출된 방향정보 영역 영상의 특징점을 추출하여 영상정합의 효율성을 높였다. 특징점의 추출은 good featuresto track알고리즘을 적용하였다. good featuresto track 알고리즘은 영상의 상사변환을 기반으로 Newton-Rhapson 방법을 확장한 객체 추적 알고리즘으로 가장 확률 높은 corner point를 추출하는데 적용되는 특징점 추출 알고리즘이다(Shi and Tomasi, 1994).
성능/효과
본 논문에서는 검출된 방향정보 영역으로부터 방향 정보를 인식하기 위하여 영역 기반 영상정합 방법의 일종인 template matching 기법을 사용하였다. 또한 영상정합을 위해 line scan 방법으로부터 추출된 방향정보 영역 영상의 특징점을 추출하여 영상정합의 효율성을 높였다. 특징점의 추출은 good featuresto track알고리즘을 적용하였다.
후속연구
향후 이를 도로표지 적합성 분석에 이용하기 위해서는 도로표지의 안내지명을 문자인식을 통해 자동 추출하여 방향정보에 연동시키는 연구가 필요하다. 또한 본 연구에서는 비교적 양호한 조건의 영상에서만 방향정보 자동 추출 가능성을 확인하였을 뿐이고, 열악한 조건에서 취득된 도로표지 영상(훼손된 표지, 역광이 비치는 표지, 도형이나 표식이 규격에 맞게 제작되지 않은 표지)에서 방향정보의 정확한 추출을 위해서는 영상의 이진화, 방향정보 도형 영역의 추출, 영상 정합에 보다 개선된 알고리즘이 연구되어야 할 것으로 사료된다.
C++언어 기반의 OpenCV 라이브러리를 이용하여 알고리즘을 구현하였으며 영상변환, 횡방향·종방향 연속셀 검출, 영상 합성, 영역확장, 특징점 추출, 템플릿 영상정합, 정합결과 출력 등의 과정을 통해 도로표지 영상에서 방향 정보를 자동으로 추출할 수 있었다. 향후 이를 도로표지 적합성 분석에 이용하기 위해서는 도로표지의 안내지명을 문자인식을 통해 자동 추출하여 방향정보에 연동시키는 연구가 필요하다. 또한 본 연구에서는 비교적 양호한 조건의 영상에서만 방향정보 자동 추출 가능성을 확인하였을 뿐이고, 열악한 조건에서 취득된 도로표지 영상(훼손된 표지, 역광이 비치는 표지, 도형이나 표식이 규격에 맞게 제작되지 않은 표지)에서 방향정보의 정확한 추출을 위해서는 영상의 이진화, 방향정보 도형 영역의 추출, 영상 정합에 보다 개선된 알고리즘이 연구되어야 할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
국내 도로표지는 어떻게 구분되는가?
국내 도로표지는 방향표지, 이정표지, 경계표지, 노선표지및 그 외의 기타표지로 구분된다(Kim et al., 2011).
표지판은 어떻게 구분되는가?
도로에 설치되는 표지판은 안전하고 원활한 도로교통을 확보함과 동시에 도로이용자들의 안전하고 편안한 이동을 제공하는 교통 소통 시설이다. 도로이용자에게 정보를 제공하는 표지판은 도로관리청에서 설치하는 도로표지와 경찰청에서 설치하는 교통안전표지로 구분된다. 교통안전표지는 도로이용자의 교통행위에 관한 주의·규제·지시 혹은 특정 상황 등에 대한 정보제공의 역할을 주로 수행하며, 도로표지는 원활한 교통 소통 및 도로이용자의 올바른 이동을 위한 정보제공의 역할을 주로 수행한다.
도로표지 내에 존재하는 노선번호는 어떤 특징이 있는가?
도로표지 내의 안내지명은 한글과 로마자를 원칙으로 하며, 일부 관광지의 경우 필요에 따라 한자를 병기한다. 노선번호는 해당 도로의 종류를 표현하는 것으로 일반적으로 고속국도, 국도, 지방도, 시도(자동차전용도로)로 구분 된다. 상징그림은 공항, 기차역, 버스터미널 등과 같은 공공시설이나 산, 해수욕장, 관광안내소와 같은 관광지 안내표지 등에 사용되는 정보로 구 지식경제부(현 산업통상자원부) 기술표준원장이 제정 고시하는 공공안내 그림표지 및 국제적으로 표준화된 상징그림만 사용한다.
참고문헌 (18)
Choi, J. S. and Kang, J. M. (2012), A study of effective method to update the database for road traffic facilities using digital image processing and pattern recognition, Journal of the Korean Society for Geospatial Information System, Vol. 20, No. 2, pp. 31-37. (in Korean with English abstract)
Epshtein, B., Ofek, E., and Wexler, Y. (2010), Detecting text in natural scenes with stroke width transform, 2010 IEEE Conference on Computer Vision and Pattern Recognition, 13-18 June, San Francisco, USA, pp. 2963-2970.
Fang, C. Y., Fuh, C. S., Yen, P. S., Cherng, S., and Chen, S. W. (2004), An automatic road sign recognition system based on a computational model of human recognition processing, Computer Vision and Image Understanding, Vol. 96, pp. 237-268.
Gonzalez, A., Bergasa, L. M., Yebes, J., and Almazan, J. (2012), Text recognition on traffic panels from street-level imagery, 2012 Intelligent Vehicles Symposium, 3-7 June, Alcala de Henares, Spain, pp. 340-345.
Hu, Z. (2013), Intelligent road sign inventory (IRSI) with image recognition and attribute computation from video log, Computer-Aided Civil and Infrastructure Engineering, Vol. 28, No. 2, pp. 130-145.
Huang, X., Liu, K., and Zhu, L. (2012) Auto scene text detection based on edge and color features, 2012 International Conference on Systems and Informatics, 19- 20 May, Yantai, China, pp. 1882-1886.
Khan, J. F., Bhuiyan, S. M. A., and Adhami, R. R. (2011), Image segmentation and shpae analysis for road-sign detection, IEEE Transaction on Intelligent Transportation Systems, Vol. 12, No. 1, pp. 83-96.
Kim, E. M., Cho, D. Y., Chong, K. S., and Kim, S. H. (2011), Efficient method for road sign database construction, Journal of the Korean Society for Geospatial Information System, Vol. 19, No. 3, pp. 91-98. (in Korean with English abstract)
Lee, J. S. and Yun, D. G. (2013), The road traffic sign recognition and automatic positioning for road facility management, International Journal of Highway Engineering, Vol. 15, No. 1, pp. 151-161. (in Korean with English abstract)
Ministry of Land, Infrastructure and Transport (2009), Guideline for design and installation of road guidance, Ministry of Land, Infrastructure and Transport established regulation No.2009-125, pp. 8-9. (in Korean)
Ministry of Land, Infrastructure and Transport (2012), Guideline for design and installation of road guidance: total amendment, Ministry of Land, Infrastructure and Transport established regulation No. 2012-232, pp. 2-4. (in Korean)
Reina, A. V., Sastre, R. J. L., Arroyo, S. L., and Jimenez, P. G. (2006), Adaptive traffic road sign panels text extraction, Proceedings of the 5th WSEAS International Conference on Signal Processing, Robotics and Automation, 15-17 February, Madrid, Spain, pp. 295-300.
Sastre, R. J. L., Arroyo, S. L., Siegmann, P., Jimenez, P. G., and Reina, A. V. (2005), Recognition of mandatory traffic signs using the hausdorff distance, Proceedings of the 5th WSEAS International Conference on Signal Processing, Computational Geometry & Artifical Vision, 15-17 September, Malta, pp. 216-221.
Shi, J. and Tomasi, C. (1994), Good features to track, 1994 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 21-23 June, Seattle, USA, pp. 593-600.
Wu, W. and Yang, J. (2005), Detection of text on road signs from video, IEEE Transactions on Intelligent Transportation Systems, Vol. 6, No. 4, pp. 378-390.
Vavilin A. and Jo, K. H. (2006), Road guidance sign recognition in urban areas by structure, The 1st International Forum on Strategic Technology, 18-20 October, Ulsan, Korea, pp. 293-296.
Vavilin A. and Jo, K. H. (2009), Graph-based approach for robust road guidance sign recognition from differently exposed images, Journal of Universal Computer Science, Vol. 15, No. 4, pp. 786-804.
Yang, X. (2013), Enhancement for road sign images and its performance evaluation, Optik - International Jounal for Light and Electron Optics, Vol. 124, No. 14, pp. 1957-1960.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.