$\require{mediawiki-texvc}$

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.

[국내논문] 차량의 부분 특징을 이용한 터널 내에서의 차량 검출 및 추적 알고리즘
A Vehicle Detection and Tracking Algorithm Using Local Features of The Vehicle in Tunnel 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.8 no.8, 2013년, pp.1179 - 1186  

김현태 (동의대학교 멀티미디어공학과) ,  김규영 ((주)에이치엠씨) ,  도진규 ((주)에이치엠씨) ,  박장식 (경성대학교 전자공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 터널 내에서 차량의 운행 상태를 모니터링하기 위하여 차량 검출 및 추적 알고리즘을 제안한다. 제안하는 알고리즘은 세 단계로 이루어진다. 첫 단계는 배경추정으로서 비교적 간단한 Running Gaussian Average (RGA)를 사용한다. 두 번째 단계는 차량검출 단계이며, Adaboost 알고리즘을 적용한다. 상대적으로 먼거리의 차량에 대한 오검출을 줄이기 위하여 차량의 높이별 부분 특징을 이용하여 차량을 검출한다. 물체의 부분 특징들이 임계값 이상이면 차량으로 분류한다. 마지막 단계는 차량추적 단계이며, Kalman 필터를 적용하여 이동하는 물체를 추적한다. 컴퓨터 시뮬레이션을 통하여 제안하는 알고리즘이 터널 내에서 차량 검출 및 추적에 유용한 것을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, an efficient vehicle detection and tracking algorithm for detection incident in tunnel is proposed. The proposed algorithm consists of three steps. The first one is a step for background estimates, low computational complexity and memory consumption Running Gaussian Average (RGA) is u...

Keyword

#Adaboost 알고리즘   #부분 특징   #Kalman 필터   #차량검출  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 터널의 장대화에 따라 원거리에 위치한 CCTV 감시 카메라를 이용한 터널 내 사고 상황을 인지하기 위한 시스템을 제안한다. 원거리에서 차량 오검출을 감소시키기 위하여 차량의 높이별 부분 특징을 이용하여 Adaboost 알고리즘을 적용하고 차량추적에는 이동 물체추적에 용이한 Kalman 필터를 사용한다.
  • 본 논문에서는 터널 내에서 발생하는 유고 상황을 모니터링하기위한 효율적인 차량 검출 및 추적 알고리즘을 제안하였다. 제안하는 부분 특징 Adaboost 알고리즘을 이용하여 기존의 Adaboost보다 차량 검출 성공율이 최대 12.

가설 설정

  • 첫 번째 가정은 시간(k-1)에서의 상태에 특정 행렬을 곱함으로써 시간 k에서 시스템의 상태를 구할 수 있음을 의미한다. 잡음이 백색이고 가우시안이라는 가정은 잡음이 시간에 따른 연관성이 없음을 의미하고, 잡음의 크기가 평균과 공분산에 의해 정확하게 모델링 될 수 있음을 의미한다. 즉 잡음 모델은 1차 또는 2차 모멘트를 이용하여 완벽하게 기술할 수 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
제안하는 차량 검출 및 추적 알고리즘은 세 단계로 이루어지는데 각각의 세부사항은 어떠합니까? 제안하는 알고리즘은 세 단계로 이루어진다. 첫 단계는 배경추정으로서 비교적 간단한 Running Gaussian Average (RGA)를 사용한다. 두 번째 단계는 차량검출 단계이며, Adaboost 알고리즘을 적용한다. 상대적으로 먼거리의 차량에 대한 오검출을 줄이기 위하여 차량의 높이별 부분 특징을 이용하여 차량을 검출한다. 물체의 부분 특징들이 임계값 이상이면 차량으로 분류한다. 마지막 단계는 차량추적 단계이며, Kalman 필터를 적용하여 이동하는 물체를 추적한다. 컴퓨터 시뮬레이션을 통하여 제안하는 알고리즘이 터널 내에서 차량 검출 및 추적에 유용한 것을 확인하였다.
터널 건설의 증가로 어떠한 위험성이 증가하였습니까? 터널건설은 2001년 528개소에 불과하던 것과 비교하여 2011년 12월말 기준 전국의 터널 수는 1,465개소로 937개소(177%)가 증가하였으며, 터 널연장은 339km에서 1,052km로 714km(211%) 증가하였다[1]. 터널 건설의 증가는 터널 내 사고 상황에 대한 인지불가, 일방통행으로 인한 우회 불가능, 고속 주행에 따른 대형사고 발생과 대형사고로 인한 추가적인 대형 사고의 확대의 위험성이 늘어났다. 터널 내에서 발생할 수 있는 사고를 조기 감지하고, 안전한 운영을 보장하기 위 한 대책이 반드시 필요하며 많은 연구들이 진행되고 있다[2-7].
RGA란 무엇입니까? 배경 추정 알고리즘은 비교적 계산량이 적은 RGA 를 사용한다. RGA는 Wren 등이 제안한 방법으로 모든 화소(pixel)에서 배경값이 각 프레임별로 독립이고, 과 거 NRGA개의 화소값이 이상적인 Gaussian 확률모델 (Gaussian probability density function)을 이루는 것으 로 가정으로 배경을 구성하는 방법이다[8].
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. http://www.index.go.kr/egams/stts/jsp/potal/ stts/PO_STTS_IdxMain.jspidx_cd1213&bbs INDX_001&clas _divA 

  2. T. Vaa, M. Penttinen and I. SpyropouIou. "Intelligent transport systems and effects on road traffic accidents: state of the art", Intelligent Transport Systems, IET Vol. 1, pp. 81-88, 2007. 

    상세보기 crossref

  3. Shee Eng Tan, Yit Kwong Chin, Bih Lii Chua and Teo, K.T.K. "Performance Analysis of Intelligent Transport Systems (ITS) with Adaptive Transmission Scheme", Computational Intelligence, Communication Systems and Networs (CICSyN), Fourth International Conference, pp. 418-423. 2012. 

  4. K. Gyuyeong, K. Hyuntae, P. Jangsik, Y. Yunsik, "Vehicle Tracking Based on Kalman Filter in Tunnel", Springer ISA CCIS Vol. 200, pp. 250-256. 2011. 

  5. K. Gyuyeong, K. Jaeho, K. Hyuntae, P. Jangsik, Y. Yunsik, "Vehicle Tracking Using Euclidean Distance", The Journal of the Korea Institute of Electronic Communication Sciences, Vol. 7, No. 6, pp. 1293-1299, 2012. 

  6. K. Hyuntae, L. Geunhoo, P. Jangsik, Y. Yunsik, "Vehicle Detection in Tunnel using Gaussian Mixture Model and Mathematical MorphologicalProcessing", The Journal of the Korea Institute of Electronic Communication Science, Vol. 7, No. 5, pp. 967-974, 2012. 

  7. P. Jangsik, K. Hyuntae, Y. Yunsik, "Video Based Fire Detection Algorithm using Gaussian Mixture Mode", The Journal of the Korea Institute of Electronic Communication Science, Vol. 6, No. 2, pp. 206-211, 2011. 

  8. C. Wren, A. Azarhayejani, T. Darrell, and A.P. Pentland, "Pfinder: real-time tracking of the human body", IEEE Trans. on Pattern Anal. and Machine Intelligence, Vol. 19, No. 7, pp. 78, 1997. 

  9. D. Koller, J. Weber, T. Huang, J. malik, G. Ogasawara, B. Rao, and S. Russell, "Towards Robust Automatic Traffic Scene Analysis in Real-time", Proc. ICPR'94, pp. 126-131, Nov. 1994. 

  10. Y. Freund, R.E. Schapire, "Experiments with a new boosting algorithm", In Proceedings of the IEEE International Conference of Machine Learning, pp. 148-156, 1996. 

  11. 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, Oct. 2008. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

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

유발과제정보 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