선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문은 기존의 CENTRIST 기반 보행자 인식 병렬처리 방식에 ROI을 적용하여 병렬로 처리하는 방식에 대해서 제안한다.
제안 방법
- 그리고 ROI 외부 영역에서 보행자가 나타나게 될 상황에 대한 문제를 해결하기 위해 ROI를 적용한 보행자 인식의 병렬처리 방식은 홀수 프레임에만 적용하여 수행하고 짝수 프레임에서는 기존의 CENTRIST 기반 보행자 인식 방식과 같이 영상 전체에 대해서 보행자 인식 알고리즘을 수행한다. 아래 그림 7은 기존의 CENTRIST 기반 보행자 인식의 병렬처리 방식과 같이 영상 전체를 상위 영역과 하위 영역으로 나누어 두 개의 코어로 각각 병렬로 처리하는 그림이다.
- 본 논문에서는 ROI-CENTRIST 기반 보행자 인식 알고리즘을 병렬로 처리하는 방식을 입베디드 환경에서 구현하였다. 기존의 CENTRIST 기반 보행자 인식 병렬처리 방식과의 비교를 위해 동일한 환경에서 구현하였다. 실험을 위해 듀얼 코어로 병렬처리가 가능한 ALDEBARAN 보드(300MHz) 환경에서 512x360 해상도를 갖는 입력 영상을 사용하여 구현하였다.
- 본 논문에서는 CT를 위한 주변 영역을 3x3 영역으로 설정하여 중심 픽셀과 비교하여 Bit string으로 변환한다. 아래 그림 1은 영상에서 3x3 크기의 Census Transform Window를 만들어 Bit string으로 변환하는 과정을 나타낸다.
- 본 논문에서는 ROI-CENTRIST 기반 보행자 인식 알고리즘을 병렬로 처리하는 방식을 입베디드 환경에서 구현하였다. 기존의 CENTRIST 기반 보행자 인식 병렬처리 방식과의 비교를 위해 동일한 환경에서 구현하였다.
- 본 논문은 기존의 CENTRIST 기반 보행자 인식 알고리즘을 병렬로 처리한 방식에 ROI를 적용하여 병렬로 처리함으로써 성능을 향상시켰다. 기존의 방식과 동일한 환경인 ALDEBARAN 보드에서 구현하였고, 구현 결과 기존의 방식보다 약 10% 향상된 5.
- 기존의 보행자 인식 알고리즘은 입력 영상 전체에 대해서 보행자 인식 알고리즘을 수행하기 때문에 보행자가 존재하지 않는 불필요한 영역에 대한 연산이 발생한다. 이러한 문제를 해결하기 위해 ROI 방식을 적용하여 불필요한 영역에 대한 연산을 줄이고 이를 2개의 코어로 병렬로 처리하여 임베디드 환경에서 보행자 인식 알고리즘을 실시간으로 처리가 가능하게 한다. 본 논문에서 제안하는 ROI-CENTRIST 기반 보행자 인식의 병렬처리 방식은 아래 그림 5와 같다.
- 이를 해결하기 위해 기존의 CENTRIST 방식에 ROI(Region of Interest)[3]를 적용하여 불필요한 영역에 대한 연산을 줄여 성능을 향상시키고 이를 병렬로 처리하여 임베디드 환경에서 실시간으로 보행자 인식 알고리즘의 구현을 가능하게 한다.
- 제안하는 방식은 아래 그림 6과 같이 불필요한 영역에 대한 연산을 없애기 위해 ROI로 설정한 영역을 상위 영역과 하위 영역으로 나누어 각각의 코어에서 병렬로 처리한다.
대상 데이터
- 기존의 CENTRIST 기반 보행자 인식 병렬처리 방식과의 비교를 위해 동일한 환경에서 구현하였다. 실험을 위해 듀얼 코어로 병렬처리가 가능한 ALDEBARAN 보드(300MHz) 환경에서 512x360 해상도를 갖는 입력 영상을 사용하여 구현하였다.
이론/모형
- 이러한 문제를 해결하기 위해 여러 연구에서는 영상으로 부터 사람의 시각적 특징을 찾을 수 있는 CENTRIST(Census Transform Histogram) descriptor[2] 방식을 사용한다. CENTRIST 기반 보행자 인식 알고리즘은 다른 보행자 인식 알고리즘 보다 처리속도가 빠른 보행자 인식 알고리즘이지만 임베디드 환경에서 실시간으로 구현되기에는 보행자를 인식하기 위한 중복된 연산이 많아 어려움이 존재한다.
성능/효과
- 본 논문은 기존의 CENTRIST 기반 보행자 인식 알고리즘을 병렬로 처리한 방식에 ROI를 적용하여 병렬로 처리함으로써 성능을 향상시켰다. 기존의 방식과 동일한 환경인 ALDEBARAN 보드에서 구현하였고, 구현 결과 기존의 방식보다 약 10% 향상된 5.2 fps의 성능을 보였다.
- 기존의 방식에 ROI를 적용하여 불필요한 영역에 대한 연산을 줄이고 이를 병렬로 처리하는 방식을 사용함으로써 이전 방식에 비해 인식률은 감소하지 않고, 인식 속도는 향상된 결과를 나타낸다. 아래 그림 8은 제안하는 보행자 인식 방식을 병렬로 처리하여 구현한 결과이다.
- 본 논문에서 제안하는 ROI를 적용하여 병렬로 처리한 보행자 인식은 기존의 CENTRIST 기반 보행자 인식 병렬처리 방식보다 약 10% 향상된 5.2 fps의 성능을 보였다.
- 본 논문에서 제안하는 ROI를 적용하여 병렬로 처리한 보행자 인식은 기존의 CENTRIST 기반 보행자 인식 알고리즘을 병렬로 처리하여 구현한 보행자 인식[4] 보다 처리속도 면에서 향상된 성능을 보였다.
- 본 논문에서 제안하는 방법은 홀수 프레임에서는 ROI를 적용하여 불필요한 영역에 대한 연산을 줄이고 병렬로 처리함으로써 보행자 인식 알고리즘의 수행 속도를 향상시킬 수 있다. 그리고 짝수 프레임에서는 기존의 CENTRIST 기반 보행자 인식 병렬처리 방식과 같이 보행자 인식 알고리즘을 수행함으로써 인식률에 대한 문제를 해결할 수 있다.
후속연구
- 본 논문에서 제안하는 방식과 같이 기존의 알고리즘에 구조적인 방법을 적용하여 성능을 향상시킨 방식을 다수의 코어가 존재하는 임베디드 환경에 적합하게 병렬 처리함으로써 성능을 더 향상시켜 보행자 인식의 실시간 처리를 기대할 수 있다. 또한 다수의 코어가 존재하는 임베디드 환경에서 보행자 인식의 실시간 처리를 위해 다양한 보행자 인식 알고리즘에 적합한 병렬 처리 방식에 대한 많은 연구가 진행될 것을 기대할 수 있다.
- 본 논문에서 제안하는 방식과 같이 기존의 알고리즘에 구조적인 방법을 적용하여 성능을 향상시킨 방식을 다수의 코어가 존재하는 임베디드 환경에 적합하게 병렬 처리함으로써 성능을 더 향상시켜 보행자 인식의 실시간 처리를 기대할 수 있다. 또한 다수의 코어가 존재하는 임베디드 환경에서 보행자 인식의 실시간 처리를 위해 다양한 보행자 인식 알고리즘에 적합한 병렬 처리 방식에 대한 많은 연구가 진행될 것을 기대할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.