[논문]스테레오 영상 보행자 인식 시스템의 후보 영역 검출을 위한 GP-GPU 기반의 효율적 구현

정근용; 정준희; 이희철; 전광길; 조중휘

doi:10.14372/iemek.2013.8.2.121

[국내논문] 스테레오 영상 보행자 인식 시스템의 후보 영역 검출을 위한 GP-GPU 기반의 효율적 구현
Efficient Implementation of Candidate Region Extractor for Pedestrian Detection System with Stereo Camera based on GP-GPU 원문보기

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.8 no.2, 2013년, pp.121 - 128

정근용 (Incheon University) , 정준희 (Incheon University) , 이희철 (Incheon University) , 전광길 (Incheon University) , 조중휘 (Incheon University)

Abstract ▼ AI-Helper

There have been various research efforts for pedestrian recognition in embedded imaging systems. However, many suffer from their heavy computational complexities. SVM classification method has been widely used for pedestrian recognition. The reduction of candidate region is crucial for low-complexity scheme. In this paper, We propose a real time HOG based pedestrian detection system on GPU which images are captured by a pair of cameras. To speed up humans on road detection, the proposed method reduces a number of detection windows with disparity-search and near-search algorithm and uses the GPU and the NVIDIA CUDA framework. This method can be achieved speedups of 20% or more compared to the recent GPU implementations. The effectiveness of our algorithm is demonstrated in terms of the processing time and the detection performance.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 스테레오 영상 기반으로 후보 영역을 줄이는 새로운 방법을 제안한다. 스테레오 영상 기술에서 연산량 비중이 가장 큰 양안 시차 계산과정의 연산량을 최소화하기 위해 윤곽선 기반으로 양안 시차를 계산한다.
본 논문에서는 보행자 인식 시스템의 연산량 문제를 해결하기 위해 스테레오 카메라를 사용한 후보 영역 검출 방법을 제안하였다. 제안한 방법을 640X480사이즈 이미지에 수행한 결과, 보행자 인식률은 93%이고 초당 약 30번의 보행자 인식 가능한 성능을 보였다.

제안 방법

줄이는 새로운 방법을 제안한다. 스테레오 영상 기술에서 연산량 비중이 가장 큰 양안 시차 계산과정의 연산량을 최소화하기 위해 윤곽선 기반으로 양안 시차를 계산한다. 또한, 양안 시차 값을 갖는 점들의 밀집 정도를 계산하여 후보 영역을 검출한다.
스테레오 영상 기술에서 연산량 비중이 가장 큰 양안 시차 계산과정의 연산량을 최소화하기 위해 윤곽선 기반으로 양안 시차를 계산한다. 또한, 양안 시차 값을 갖는 점들의 밀집 정도를 계산하여 후보 영역을 검출한다. 그리고 실시간 처리를 위해 GP-GPU 병렬처리에 적합한 구조로 제안한 방법을 설계한다.
또한, 양안 시차 값을 갖는 점들의 밀집 정도를 계산하여 후보 영역을 검출한다. 그리고 실시간 처리를 위해 GP-GPU 병렬처리에 적합한 구조로 제안한 방법을 설계한다.
본 논문에서는 경제성과 성능을 고려하여 스테레오 카메라 기반의 후보 영역 검출 방법을 선택하였다.
물체가 있는 영역에는 같은 양안 시차 값을 갖는 점들이 밀집되어있다. 이 점을 이용해서 밀집 정도가 가장 큰 점을 후보 영역으로 설정하고, (x±rax/2, yi±ray/2, 壮俛/2) 범위 내 점들의 밀집 정도 값을 0으로 하여 후보 영역의 중복 검출을 방지하면서 물체의 중심을 후보 영역으로 검출하였다. 그림 5는 후보 영역 검출 방법의 의사 코드이다.
후보영역이 보행자 복부 중앙의 좌표에서 y축으로는 사람 키의 ±12%, x축으로는 몸 넓이의 ±20% 범위내에 위치했을 때 보행자로 판단할 확률이 가장 높았다. 복부 중앙에 후보 영역이 위치됐을 때 가장 높은 가중치를 부여하고, 중앙에서 벗어날수록 부여되는 가중치를 감소시키는 형태로 후보 영역 검출방법을 평가했다. 평가 결과 평균 7.
과정을 수행한다. 본 논문에서는 검출된 후보 영역을 기준으로 주변 48개 영역 (sub-region)에 대해서만 histogram binning, normalization 과정을 그림 12와 같이 수행하였다.

대상 데이터

인식률 측정은 높이가 30픽셀 이상인 보행자만을 대상으로 하였고, 실험 데이터는 총 1896명의 사람이 포함된 그림 350장을 사용하였다. 실험 결과 인식률은 약 1~2%의 차이를 보이지만, 제안한 방법이 가장 빠르게 수행되는 것을 볼 수 있다.

이론/모형

그림 4는 양안 시차를 계산하는 의사 코드이다. Matching cost를 계산하기 위해 Sum of Absolute Differences(SAD)를 이용했다.

성능/효과

후보영역이 보행자 복부 중앙의 좌표에서 y축으로는 사람 키의 ±12%, x축으로는 몸 넓이의 ±20% 범위내에 위치했을 때 보행자로 판단할 확률이 가장 높았다. 복부 중앙에 후보 영역이 위치됐을 때 가장 높은 가중치를 부여하고, 중앙에서 벗어날수록 부여되는 가중치를 감소시키는 형태로 후보 영역 검출방법을 평가했다.
28으로 계산되었다. 평가 결과는 검출된 후보 영역의 위치가 복부 중앙으로부터 벗어난다는 것을 의미하고 분류 알고리즘의 사람 인식률 또한 69.1%로 저조했다. 때문에 이를 보정하는 후처리가 필요하다.
제안한 방법에서는 3차원 변환하는 과정을 생략하여 방법 [6]보다 50% 빠른 결과를 보인다.
인식률 측정은 높이가 30픽셀 이상인 보행자만을 대상으로 하였고, 실험 데이터는 총 1896명의 사람이 포함된 그림 350장을 사용하였다. 실험 결과 인식률은 약 1~2%의 차이를 보이지만, 제안한 방법이 가장 빠르게 수행되는 것을 볼 수 있다. 그러나 약 4초의 연산시간이 요구되므로 CPU 환경에서는 실시간 응용으로 부적합하다.
또한, 고성능인 GTX285를 이용한 [13]보다 약 60%정도 빠른 결과를 보인다. GPU 환경에서 제안한 방법은 초당 약 30번의 보행자 인식이 가능하므로 실시간 응용이 가능하다.
영역 검출 방법을 제안하였다. 제안한 방법을 640X480사이즈 이미지에 수행한 결과, 보행자 인식률은 93%이고 초당 약 30번의 보행자 인식 가능한 성능을 보였다.

후속연구

향후 속도 향상과 함께 다양한 환경에 적합하게 동작하도록 개선이 요구된다.

참고문헌 (13)

Y. Chen, S. LI, X. LIN, "Fast Hog Feature Computation Based On CUDA," Proceedings on IEEE International Conference of Computer Science and Automation Engineering, Vol. 4, pp.748-751, 2011.
C. Premebida, O. Ludwig, U. Nunes, "Lidar and vision-based pedestrian detection system," Journal of Field Robotics, Vol. 26, No. 9, pp.696-711, 2009.

상세보기
S.H. Kang, H.R. Byun, S.W. Lee, "Real-time Pedestrian Detection Using Support Vector Machines," International Journal of Pattern Recognition and Artificial Intelligence, Vol. 17, No. 3, pp.405-416, 2003.

상세보기
H. Hattori, A. Seki, M. Nishiyama, T. Watanabe, "Stereo-based Pedestrian Detection using Multiple Patterns," Proceedings on BMVC, pp.1-10, 2009.
S. Nedevschi, S. Bota, C. Tomiuc, "Stereo-Based Pedestrian Detection for Collision-Avoidance Applications," IEEE Transactions, Intelligent Transportation Systems, Vol. 10, No. 3, pp.380-391, 2009.

상세보기
I.P. Alonso, D.F. Llorca, M.A. Sotelo, "Combination of Feature Extraction Methods for SVM Pedestrian Detection," IEEE Transactions Intelligent Transportation Systems, Vol. 8, No. 2, pp.292-307, 2007.

상세보기
A. Ess, B. Leibe, L.V. Gool, "Depth and appearance for mobile scene analysis," Proceedings on ICCV, 2007.
D.H. Yeo, J.H. Kim, S.Y. Suk, "Pedestrian Detection System in Car Driving Situations," Proceedings on Fall Conference of IEMEK, Vol. 1, No. 1, pp.282-284, 2012 (in Korean).
N. Dalal, B. Triggs, "Histograms of Oriented Gradientes for Human Detection," Proceedings on IEEE International Conference of Computer Vision and Pattern Recognition, Vol. 1, pp.886-839, 2005.
T. Joaschims, Advances in Kernel Method - Support Vector Learning, The MIT Press, Cambridge, M.A, USA, 1999.
P. Kelly, N.E. O'Commor, A.F. Smeaton, "Robust Pedestrian Detection and Tracking in Crowded Scenes," Image and Vision Computing, Vol. 27, No. 10, pp.1445-1458, 2009.

상세보기
K. Tarui, S. Kumada, H. Terada, "Cascaded HOG on GPU," Proceedings on GPU Technology Conference, 2010.
V.A. Prisacariu, I. Reid, "fast HOG-a real-time GPU implementation of HOG," Technical Report, No. 2310/09, Oxford University, 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

[국내논문] 스테레오 영상 보행자 인식 시스템의 후보 영역 검출을 위한 GP-GPU 기반의 효율적 구현
Efficient Implementation of Candidate Region Extractor for Pedestrian Detection System with Stereo Camera based on GP-GPU 원문보기

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 스테레오 영상 보행자 인식 시스템의 후보 영역 검출을 위한 GP-GPU 기반의 효율적 구현 Efficient Implementation of Candidate Region Extractor for Pedestrian Detection System with Stereo Camera based on GP-GPU 원문보기

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

전광길 (2)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 스테레오 영상 보행자 인식 시스템의 후보 영역 검출을 위한 GP-GPU 기반의 효율적 구현
Efficient Implementation of Candidate Region Extractor for Pedestrian Detection System with Stereo Camera based on GP-GPU 원문보기

AI 본문요약
AI-Helper