$\require{mediawiki-texvc}$

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.

온라인 학습을 이용한 비전 기반의 차량 검출 및 추적
Vision-Based Vehicle Detection and Tracking Using Online Learning 원문보기

한국통신학회논문지. The journal of Korea Information and Communications Society. 무선통신, v.39A no.1, 2014년, pp.1 - 11  

길성호 (서강대학교 전자공학과 Man Machine Interface 연구실) ,  김경환 (서강대학교 전자공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 추적중인 차량의 외형 변화에 대해 온라인 학습 능력이 있는 비전 기반의 차량 검출 및 추적 시스템을 제안한다. 제안하는 시스템은 새로 검출된 차량의 연속된 프레임 간 움직임을 빠르고 강건하게 추정하기 위해 특징점 기반 추적 방법을 사용한다. 동시에 추적중인 차량에 대해 온라인 차량 검출기를 훈련시키고, 일시적인 차량 추적 실패 시 검출기의 결과를 이용해 추적기를 재초기화하여 강건한 추적을 가능하게 한다. 특히 차량 외형 모델의 업데이트 방법을 개선하여 시스템의 추적 성능을 높이고 처리시간을 단축시켰다. 다양한 주행환경에서 획득한 데이터세트를 사용하여 제안하는 시스템의 차량 검출 및 추적 성능을 평가하였다. 특히 우천 및 터널통과와 같은 악조건에서 기존의 방법에 비해 차량 추적 성능이 상당히 개선된 것을 증명하였다.

Abstract AI-Helper 아이콘AI-Helper

In this paper we propose a system for vehicle detection and tracking which has the ability to learn on-line appearance changes of vehicles being tracked. The proposed system uses feature-based tracking method to estimate rapidly and robustly the motion of the newly detected vehicles between consecut...

주제어

질의응답

핵심어 질문 논문에서 추출한 답변
차량 검출은 무엇인가? 차량 검출은 입력 영상에서 새로 나타난 차량을 찾는 과정이다. 시스템의 실시간 동작을 고려하여 차량 검출에는 Haar-like 특징과 Adaboost 기반 분류기 조합을 사용한다.
대표적인 자동차 안전 관련 기술로는 어떤 것들이 있는가? 운전자 및 보행자의 안전에 대한 사회적 요구가 증대됨에 따라, 자동차 안전 관련 기술도 더욱 발전되고 있다. 대표적으로 능동 안전 시스템(active safety systems)과 첨단 운전자 보조 시스템(advanced driver assistance systems)이 있다. 이러한 시스템은 센서로부터 주변 환경에 대한 정보를 수집하고, 이를 바탕으로 사고 방지를 위한 다양한 기능을 제공한다.
차량 검출에 사용하는 Haar-like 특징은 무엇을 검출하는데 적합한가? 시스템의 실시간 동작을 고려하여 차량 검출에는 Haar-like 특징과 Adaboost 기반 분류기 조합을 사용한다. Haar-like 특징은 차량 후면과 같이 수평, 수직 및 대칭적인 구조를 검출하는데 적합하며, 적분 영상(integral image)을 이용해 특징을 빠르게 계산할 수 있다. Adaboost 알고리즘으로 학습된 분류기의 캐스케이드 구조(cascade of classifiers)는 검출율이 높고 분류속도가 빠르다는 장점이 있다[2].
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. Z. Sun, G. Bebis, and R. Miller, "On-road vehicle detection: A review," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 28, no. 5, pp. 694-711, May 2006. 

  2. P. Viola and M. Jones, "Rapid object detection using a boosted cascade of simple features," in Proc. CVPR Conf., vol. I, pp. 511-518, 2001. 

  3. J. R. Kim, S. J. Yu, K. A. Toh, D. H. Kim and S. Y. Lee, "Fast on-road vehicle detection using reduced multivariate polynomial classifier," J. KICS, vol. 37, no. 8, pp. 639-647, Aug. 2012. 

  4. C. Caraffi, T. Vojir, J. Trefny, J. Sochman and J. Matas, "A system for real-time detection and tracking of vehicles from a single car-mounted camera," in Proc. ITSC Conf., pp. 975-982, Sept. 2012. 

  5. S. Sivaraman and M. Trivedi, "Looking at vehicles on the road: A survey of vision-based vehicle detection, tracking, and behavior analysis," IEEE Trans. Intelligent Transportation Systems, pp. 1773-1795, Dec. 2013. 

  6. W. Chang and C. Cho, "Online boosting for vehicle detection," IEEE Trans. Systems, Man, and Cybernetics, Part B: Cybernetics, vol. 40, no. 3, pp. 892-902, Jun. 2010. 

  7. X. Mei and H. Ling, "Robust visual tracking and vehicle classification via sparse representation," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 33, no. 11, pp. 2259-2272, Nov. 2011. 

  8. Z. Kalal, K. Mikolajczyk, and J. Matas, "Tracking-Learning-Detection," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 34, no. 7, Jul. 2012. 

  9. Z. Kalal, J. Matas, and K. Mikolajczyk, "P-N learning: Bootstrapping binary classifiers by structural constraints," in Proc. CVPR Conf., pp. 49-56, Jun. 2010. 

  10. J. Y. Bouguet, "Pyramidal implementation of the Lucas Kanade feature tracker description of the algorithm," Technical Report, Intel Microprocessor Research Labs, 1999. 

  11. J. Shi and C. Tomasi, "Good features to track," in Proc. CVPR Conf., pp. 593-600, Jun. 1994. 

  12. F. Zheng and G. Webb, "A comparative study of semi-naive bayes methods in classification learning," in Proc. of the Fourth Australasian Data Mining Conference (AusDM05), pp. 141-156, Sydney, Dec. 2005. 

  13. M. Ozuysal, P. Fua, and V. Lepetit, "Fast keypoint recognition in ten lines of code," in Proc. CVPR Conf., pp. 1-8, USA, Jun. 2007 

저자의 다른 논문 :

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