최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.8 no.8, 2013년, pp.1129 - 1135
김규영 ((주)에이치엠씨 부설연구소) , 이근후 (경성대학교 전자공학과) , 김재호 (부산대학교 전자공학과) , 박장식 (경성대학교 전자공학과)
A new vehicle detection algorithm based on the multiple optimal Adaboost classifiers with optimal feature selection is proposed. It consists of two major modules: 1) Theoretical DDISF(Distance Dependent Image Scaling Factor) based image scaling by site modeling of the installed cameras. and 2) optim...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
기존 감시 시스템들이 가지는 한계점은 무엇인가? | 기존 감시 시스템들은 입력되는 영상으로부터 사건 사고를 해결하기 위한 데이터 제공자로 활용됨으로써 대부분 사후 처리용으로 사용되는 경우가 많으며, 사전 예방 및 사고 후 발생되는 2차 사고 방지를 위한 기능을 수행하는데 한계가 있다. 특히, 터널 내에 사고는 대부분 대형사고로 이어지므로 즉각적인 상황인식 및 신속한 대처가 이루어지지 않으면 막대한 인적, 물적 피해가 일어남을 알 수 있다. | |
컴퓨터 비전의 가장 대표적인 응용 분야는 무엇인가? | 최근 정보통신 기술의 발달과 더불어 영상처리 및 이해를 통한 응용서비스가 증가하고 있으며, 이를 실생활에 이용하기 위한 컴퓨터 비전 연구가 다양한 분야에서 진행되고 있다. 컴퓨터 비전의 가장 대표적인 응용 분야로서 출입통제시스템, 공항검색시스템, 지능형 영상감시시스템, 지능형 교통시스템(ITS), 전자통관 시스템, 화물차량 관리시스템 등 다양한 분야에서 활용되고 있다. 통계청 자료에 의하면 2011년 국내 차량 등록수가 2010년 1,794만대에서 2. | |
차량을 검출 또는 인식하는 과정을 일반적으로 2단계로 나누었을 때 각 단계는 무엇을 수행하는가? | 그림 1은 일반적인 차량 검출 또는 인식하는 단계를 나타낸 것이다. 첫 번째 단계는 영상 내에서 차량이 가지는 특징을 기반으로 차량 후보영역을 검출하고, 두 번째 단계에서는 후보영역에 대하여 차량 여부를 결정하고 검증한다. |
Kyung-Guk Lim, Sung-Bae Yoon, "Enforcement of Efficency of Tunnel Disaster Prevention", Proc. of Korean Society Civil Engineering, Vol. 57, No. 6, pp. 75-83, 2009.
Z. Sun, "On-Road Vehicle Detection: A Review", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 28, No. 5, pp. 694-711, 2006.
Sun.Z., Bebis. G., Miller, R., "On-road vehicle detection using optical sensors : a review," IEEE Conference on Intelligence Transportation Systems, pp. 585-590, 2004.
Zehang Sun, George Bebis, and Ronald Miller, "Monocular Precrash Vehicle Detection: Features and Classifiers", IEEE Transactions on Image Processing, No. 7, pp. 2019-2034, July, 2006.
H. Mori and N. Charkai, "Shadow and Rhythm as Sign Patterns of Obstacle Detection," Proc. Int'l Symp. Industrial Electronics, pp. 271-277, 1993.
T. Zielke, M. Brauckmann, and W. von Seelen, "Intensity and Edge-Based Symmetry Detection with an Application to Car- Following", CVGIP : Image Understanding, Vol. 58, pp. 177-190, 1993.
S. Smith and J. Brady, ASSET-2: Real-Time Motion Segmentation and Shape Tracking, Vol. 17, pp. 814-820, 1995.
R. Cucchiara, C. Grana, M. Piccardi, and A. Prati, "Detecting moving objects, ghosts and shadows in video streams", IEEE Trans. on Patt. Anal. and Machine Intell., Vol. 25, No. 10, pp. 1337-1342, 2003.
Hyun-Tae Kim, Geun-Hoo Lee, Jang-Sik Park and Yun-Sik Yu, "Vehicle Detection in Tunnel using Gaussian Mixture Model and Mathematical Morphological Processing", The Journal of Korea Institute of Electronic Communication Sciences, Vol. 7, No. 5, pp. 967-974, 2012.
Gyu-Yeong Kim, Jae-Ho Kim, Jang-Sik Park, Hyun-Tae Kim, Yun-Sik Yu, "Vehicle Tracking using Euclidean Distance", The Journal of Korea Institute of Electronic Communication Sciences, Vol. 7, No. 6, pp. 1293-1299, 2012.
J. Wu and X. Zhang, "A PCA Classifier and Its Application in Vehicle Detection," Proc. IEEE Int'l Joint Conf. Neural Networks, Vol. 1, pp. 600-604, 2001.
K. Etemad, R. Chellappa, "Discriminant analysis for recognition of human face images", J. Opt. Soc. Am., 14, pp. 1724-1733, 1997.
Chengjun Liu, Wechsler, H., "Independent component analysis of gabor features for face recognition", Neural Networks, IEEE Transactions on, Vol. 14, Issue. 4, pp. 919-928, 2003.
C. Goerick, N. Detlev, and M. Werner, "Artificial Neural Networks in Real-Time Car Detection and Tracking Applications", Pattern Recognition Letters, Vol. 17, pp. 335-343, 1996.
Z. Sun, G. Bebis, and R. Miller, "On-Road Vehicle Detection Using Evolutionary Gabor Filter Optimization", IEEE Trans. Intelligent Transportation Systems, Vol. 6, No. 2, pp. 125-137, 2005.
Y. Freund and R. E. Schapire. "Experiments With a New Boosting Algorithm. In Machine Learning", In Proceedings of the Thirteen International Conference In Machine Learning, Bari, pp. 148-156, 1996.
M. T. Pham and T. J. Cham, "Fast Training And Selection of Haar Features Using Statistics in Boosting-Based Face Detection", In Proc. International Conference on Computer Vision (ICCV 2007), Rio de Janeiro, Brazil, pp. 1-7, 2007.
Yi-Min Tsai, Keng-Yen Huang, Chih-Chung Tsai and Liang-Gee Chen, "Learning-based Vehicle Detection Using Up-scaling Schemes and Predictive Frame Pipelines Structures", International Conference on Pattern Recognition, pp. 3101-3104, 2010.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.