$\require{mediawiki-texvc}$

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.

교통 표지판 자동 인식에 관한 연구
Study of Traffic Sign Auto-Recognition 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.15 no.9, 2014년, pp.5446 - 5451  

권만준 (아주자동차대학 자동차계열)

초록
AI-Helper 아이콘AI-Helper

내비게이션 단말기에 사용되는 전자지도 제작이 수작업으로 이루어지고 있어 오기가 발생할 수 있기 때문에, 본 논문에서는 내비게이션 정보의 요소로 다루어지는 교통 표지판에 대한 오프라인 자동 인식에 대해 제안하였다. 컴퓨터 비전과 패턴 인식 응용 분야로 2차원 얼굴 인식 분야에 널리 활용되고 있는 주성분분석기법(PCA)과 선형판별분석기법(LDA)을 이용하여 교통표지판을 인식하고자 한다. 먼저 PCA를 이용하여 높은 차원의 2차원 이미지 데이터를 저차원의 특징 벡터영역으로 투영을 시킨다. PCA로부터 구해진 저차원의 특징 벡터를 이용하여 LDA로 분산 매트릭스들 간에 최대가 되고 하고, 분산 매트릭스 내에서는 최소가 되도록 하였다. 실제 도로 환경에서 추출된 교통 신호판의 대부분을 제안된 알고리즘에 의해서 특징 벡터를 40개 이상 사용하였을 경우 92.3%이상의 높은 인식률을 보임을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Because there are some mistakes by hand in processing electronic maps using a navigation terminal, this paper proposes an automatic offline recognition for traffic signs, which are considered ingredient navigation information. Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA)...

주제어

#LDA   #Navigation   #PCA   #Traffic Sign  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 실사 단계에서는 차량에 도로/교통 정보를 촬영할 수있는 카메라를 장착하고, 촬영된 도로의 전후방/측면 동시 촬영 및 영상 내 교통 표지판을 자동 분류하는 장치를 사용하고 있다. 본 논문에서는 이 단계에 오프라인으로 교통 표지판을 자동 인식하여 기존의 조사원들의 육안 위주의 조사에서 한 단계 개선된 현장의 정보를 바로 확인할 수 있으며 데이터의 누락 또는 오입력을 개선하고자 한다.
  • 컬러 모델과 컬러 엣지 필터를 이용한 교통표지판 인식[3]과 SIFT(Scale Invariant Feature Transform)를 활용한 겹침과 훼손에 강건한 교통표지판 인식 시스템[4]에서는 주행 중 취득한 영상에서 교통표지판 영역을 인식하도록 하였으나 대부분의 경우 교통표지판의 의미적인 인식에 대해서는 연구가 부족하기에 본 연구를 진행하게 되었다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
주의표지란 무엇인가? 주의표지는 도로상태가 위험하거나 도로 또는 그 부근에 위험물이 있는 경우에 필요한 안전조치와 예비동작을 할 수 있도록 이를 도로이용자에게 알리는 표지로서 도로상태 예고, 노면 또는 연도상황 예고, 기상상황 예고, 기타주의 예고로 구분한다. 교차로 주의표지판을 포함해서 Fig.
전자지도는 어떠한 데이터들로 구성되는가? 현대인의 운전 필수품인 내비게이션의 경우 전자지도가 기본적으로 탑재되어 있어야 하며, 이 전자지도에는 지도 데이터, 경로 탐색을 위해 필요한 도로 데이터, 목적지의 위치를 찾기 위해 사용되는 주소 및 전화번호와 같은 검색 데이터, 주행 중 회전 방향을 알려주는 음성 안내, 교차로 확대 등을 알려주는 이미지 안내와 같은 다양한 데이터로 구성된다.
주의표지판의 경우 황색, 적색, 흑색을 사용하는 데 어떠한 경우에만 적색, 황색, 청색, 백색을 사용하는가? 주의표지판은 바탕은 황색, 테두리는 적색, 문자 및 기호는 흑색을 사용한다. 단, 예외적으로 125번의 “신호기” 표지판의 경우 적색, 황색, 청색, 백색을 사용하고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. http://www.hyundai-mnsoft.com/, HYNDAI MnSOFT, SERVICE/Digital MAP DB. 

  2. Guang-zhe Li, Song-jun Li, Chun-ri Fang, Sang-hyun Lee, "A Study on the Development of Automatic Manufactured Urban 3D Model by Using Numerical Map", Proceedings of the KAIS Fall Conference, pp. 279-282, 2007 

  3. Jaehong Lee, Eunsoo Park, Hyoungrae Kim, Jonghwan Lee, Chungsu Lee, Jonghee Kim, Seungjun Lee, Hakil Kim, "Traffic Sign Recognition using Color Model and Color Edge Filter", The Korean Society of Automotive Engineers, Vol. 2013 No. 11, pp. 849-850, 2013 

  4. Sangchul Kim, Jemin Lee, Daeyoung Kim, JongHo Nang, "Applying SIFT Feature to Occlusion, Damage and Rotation Invariant Traffic Sign Recognition", Korean Institute of Information Scientists and Engineers, Vol. 39 No. 1B, pp.351-353, 2012 

  5. National Police Agency, "Traffic sign Installation.Management Manual" Road Traffic Authority(KoROAD), Dec.2011 

  6. National Police Agency, "List of traffic signs" Road Traffic Authority(KoROAD), Dec. 2011 

  7. M. Turk, A. Pentland, "Eigenfaces for Recognition", Journal of Cognitive Neuroscience, Vol 3, No. 1, pp. 71-86, 1991 DOI: http://dx.doi.org/10.1162/jocn.1991.3.1.71 

    상세보기 crossref

  8. Juwei Lu, Plataniotis, K.N., Venetsanopoulos, A.N., "Face recognition using LDA-based algorithms", IEEE Transactions, Neural Networks, Vol.14, Issue. 1, pp. 195-200, Jan. 2003 DOI: http://dx.doi.org/10.1109/TNN.2002.806647 

    상세보기 crossref

  9. P. Belhumeur, J. Hespanha, D. Kriegman, "Eigenfaces vs. fisherfaces: Recognition using class specific linear projection", IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 19, No. 7, pp. 711-720, 1997 DOI: http://dx.doi.org/10.1109/34.598228 

    상세보기 crossref

  10. Marian Stewart Bartlett, Javier R. Movellan, Terrence J. Sejnowski, "Face recognition by Independent Component Analysis", IEEE Transactions on Neural Networks, Vol.13, No.6., pp. 1450-1464, 2002 DOI: http://dx.doi.org/10.1109/TNN.2002.804287 

    상세보기 crossref

  11. Young-Jun Song, Young-Gil Kim, Jae-Hyeong Ahn, "A Performance Analysis of the Face Recognition Based on PCA/LDA on Distance Measures", Journal of the Korea Academia-Industrial Cooperation Society, Vol.6, No.3., pp. 249-254, 2005 

  12. Alexis M. Martinez, Avinash C. Kak, "PCA versus LDA", IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol.23, No.2, pp. 228-233, 2001 DOI: http://dx.doi.org/10.1109/34.908974 

    상세보기 crossref

관련 콘텐츠

오픈액세스(OA) 유형

FREE

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

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