$\require{mediawiki-texvc}$

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.

OpenCL을 이용한 모바일 ADAS : 보행자 검출
Mobile Advanced Driver Assistance System using OpenCL : Pedestrian Detection 원문보기

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.51 no.10, 2014년, pp.190 - 196  

김종희 (인하대학교 정보통신공학부) ,  이충수 (인하대학교 정보통신공학부) ,  김학일 (인하대학교 정보통신공학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 상용 스마트폰에서의 첨단운전자보조시스템(ADAS)을 위해 모바일 플랫폼에 최적화된 cascade 방식의 HOG 특징을 이용한 보행자 검출 방법을 제안한다. 제한된 모바일 플랫폼 자원을 효율적으로 사용하기 위해 OpenCL 병렬처리 라이브러리를 이용하였고 크게 두 가지 방법으로 수행속도를 향상시켰다. 첫째, 호스트 코드에서 OpenCL 프로그램 빌드 옵션을 특정하고 작업 그룹 크기를 조절하였다. 둘째, 커널 코드에서 지역 메모리와 LUT 등을 사용하여 가속화하였다. 성능 평가를 위하여 널리 알려진 영상처리 라이브러리인 OpenCV for Android 함수의 모바일 CPU 수행 결과와 비교하였으며 실험 결과, OpenCV의 hogcascade 함수보다 25% 향상된 처리속도를 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes a mobile-optimized pedestrian detection method using Cascade of HOG(Histograms of Oriented Gradients) for ADAS(Advanced Driver Assistance System) on smartphones. In order to use the limited resource of mobile platforms efficiently, the method is implemented by the OpenCL(Open Com...

주제어

#Pedestrian detection   #OpenCL   #Embedded GPGPU   #ADAS   #HOG  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 게다가 그림 2에 나타나있듯이 모바일 프로세서의 성능이 점차 좋아지면서 과거 데스크톱 CPU의 성능을 능가하고 있다. 따라서 스마트폰에서의 영상 취득 및 고등의 알고리즘 처리가 가능해졌고 본 논문에서는 보행자 검출 알고리즘을 스마트폰으로 구현하여 이를 증명하고자 한다.
  • 본 논문에서는 ADAS의 보급화를 위해 상용 모바일 CPU 및 GPU를 장착한 스마트폰을 이용한 보행자 검출을 제안하였다. GPU의 연산능력을 적극 활용하기 위하여 OpenCL 병렬처리 라이브러리를 이용하였고 병렬 연산의 효율성 극대화를 위하여 최적화를 진행하였다.
  • 본 논문에서는 Cascade of HOG 방식을 OpenCL로 병렬화하여 스마트폰에서 구현하여 보행자를 검출하는 방법을 제안한다. 모바일 플랫폼에서는 프로세서 클럭 주파수나 메모리 자원에 제약사항이 비교적 많이 따르므로 병렬처리를 함에 있어서도 데스크톱보다 더 많은 노력을 기울여야 성능 향상을 가져올 수 있다.
  • 모바일 플랫폼에서는 프로세서 클럭 주파수나 메모리 자원에 제약사항이 비교적 많이 따르므로 병렬처리를 함에 있어서도 데스크톱보다 더 많은 노력을 기울여야 성능 향상을 가져올 수 있다. 본 논문에서는 OpenCL로 Cascade of HOG를 구현하는데 이러한 제약사항을 극복할 수 있도록 지역 메모리 활용, LUT를 통한 근사화, 빌드 옵션 설정 등으로 해결하는 과정을 기술할 것이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
보행자 검출을 위한 특징 추출 방법에는 어떠한 것들이 있는가? 보행자 검출을 위한 특징 추출 방법에는 N. Dalal과 B. Triggs가 제안한 Histograms of Oriented Gradients(HOG) 방법[2]이 널리 쓰이고 있고, P. Viola 와 M. Jones가 제안한 Haar-like 기반 방법[3]도 많이 쓰이고 있다. 또한, 분류를 위해서는 Support Vector Machine(SVM)[4]과 AdaBoost[5] 알고리듬에 따른 특징 선택 및 cascade 방식 분류가 많이 쓰이고 있다.
Cascade of HOG는 본래의 HOG와 어떠한 점이 다른가? 본래의 HOG와는 다르게 Cascade of HOG에서의 특징 추출은 검출 윈도우 내에서 가능한 많은 특징(블록) 을 후보군으로 둔 뒤 AdaBoost 방법을 통해 cascade 분류를 위한 특징들을 선택한다. 이는 본래의 HOG보다더 많은 정보를 추출할 수 있고 블록의 위치나 크기에 따라 머리나 다리 같은 부분적 의미도 부여할 수 있는 장점이 있다.
ADAS에서 유사시에 큰 부상을 당할 수 있는 보행자를 보호하기 위한 기능은 무엇인가? ADAS 중에는 운전자와 동승자, 차량을 보호하기 위한 기능도 존재하지만 유사시에 큰 부상을 당할 수있는 보행자를 보호하기 위한 기능도 존재한다. 그 중하나가 보행자 검출 기능이다. 보행자 검출 기능을 포함한 PCW(Pedestrian Collision Warning) 장치는 1차 시장(primary market)에서 뿐만 아니라, 2차 시장(after market)에서도 점차 활성화되고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. International Data Corporation, http://www.idc.com/getdoc.jsp?containerIdprUS23982813 

  2. N. Dalal and B. Triggs, "Histograms of oriented gradients for human detection," Proc. 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 886-893, San Diego, United States; 2005/6. 

  3. P. Viola and M. Jones, "Rapid object detection using a boosted cascade of simple features," Proc. IEEE Computer Society Conference on Computer Vision and Pattern Recognition, I-511-I-518, vol.1, Kauai, United States; 2001/12 

  4. C. Cortes and V. Vapnik, "Support-vector networks," Mach Learn, vol. 20, no. 3, pp. 273-297, 1995. 

    상세보기

  5. Y. Freund and R. E. Schapire, "A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting," J Comput Syst Sci, vol. 55, no. 1, pp. 119-139, 1997. 

    상세보기 crossref

  6. P. Geismann and G. Schneider, "A two-staged approach to vision-based pedestrian recognition using Haar and HOG features," Proc. Intelligent Vehicles Symposium, IEEE 554-559, Eindhoven, Netherlands; 2008/6. 

  7. Q. Zhu, S. Avidan, M. C. Yeh, and K. T. Cheng, "Fast human detection using a cascade of histograms of oriented gradients," Proc. IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1491-1498, New York, United States; 2006/6. 

  8. S. Kim, D. G. Yoo, and Y. H. Kim, "High Performance Pedestrian Detection System Using A Cascade Algorithm Structure," Proc. IEEK Conference on System-on-Chip, 91-94; 2011/4. 

  9. J. Lee, S. H. Kang, M. H. Lee, S. Li, H. Kim, and I. K. Park, "Real-Time Parallel Image Processing Library using Mobile GPU," Journal of KIISE : Computing Practices and Letters, vol. 20, no. 2, pp. 96-100; 2014/2. 

  10. H. Jia, Y. Zhang, W. Wang, and J. Xu, "Accelerating Viola-Jones facce detection algorithm on GPUs," Proc. the 14th IEEE International Conference on High Performance Computing and Communications, HPCC-2012-9th IEEE International Conference on Embedded Software and Systems, ICESS-2012 396-403, Liverpool, United Kingdom; 2012/6. 

  11. I. K. Park, M. H. Lee, and Y. K. Choi, "Technical Development Trend of Computer Vision on Embedded Platform," The Magazine of the IEEK, vol. 39, no. 2, pp. 85-92; 2012/2. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

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