$\require{mediawiki-texvc}$

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.

지능형 자동차를 위한 조명 변화에 강인한 도로표지판 검출 및 인식
An Illumination Invariant Traffic Sign Recognition in the Driving Environment for Intelligence Vehicles

정보과학회논문지 = Journal of KIISE, v.42 no.2, 2015년, pp.203 - 212  

이태우 (연세대학교 컴퓨터과학과) ,  임광용 (LG전자기술원 미래IT융합 연구소) ,  배건태 (연세대학교 컴퓨터과학과) ,  변혜란 (연세대학교 컴퓨터과학과) ,  최영우 (숙명여자대학교 컴퓨터과학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 도로주행 영상에서 도로표지판을 인식하는 방법을 제안한다. 지능형 차량에서 얻어지는 도로표지판 영상은 일반적인 사물 영상과는 다른 두 가지 특징이 있다. 첫째는 대상이 되는 사물들은 종류가 제한적이고 형태가 단순한 도형인 경우가 대부분이다. 둘째는 일반적인 도로주행 영상은 다양한 조명 환경과 날씨 상태로 인해서 선명한 영상을 취득하기 어려운 점이다. 본 논문에서는 조명 변화가 심한 도로주행 영상에 대해서 효과적으로 특징을 추출하기 위해서 Modified Census Transform(MCT)을 개선한 특징추출 방법을 제안한다. 추출된 특징들은 히스토그램으로 쌓여지고 영상 전반에 걸쳐 아주 고차원의 기술자(Descriptor)로 변환되며, 변환된 수많은 기술자들은 가우시안 혼합 모델(Gaussian Mixture Model)을 활용한 Fisher-vector 방법에 의해서 저차원으로 변형하여 특징으로 사용한다. 본 논문에서 제안하는 방법은 일반적인 표지판 인식 방법에 비해서 조명변화에 강한 검출 결과를 보여주었으며, 실시간 검출 및 인식도 가능하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes a traffic sign recognition method in real road environments. The video stream in driving environments has two different characteristics compared to a general object video stream. First, the number of traffic sign types is limited and their shapes are mostly simple. Second, the ca...

주제어

#도로표지판 인식   #실시간 검출   #피셔-벡터 인코딩   #MCT 변환   #조명변화 무관  

참고문헌 (21)

  1. European New Car Assessment Programme [online]. Available: http://www.euroncap.com 

  2. A. Broggi, P. Cerri, P. Medici and P. Porta, "Real time road signs recognition," Proc. IEEE International Conference on Intelligent Vehicles Symposium, pp. 981-986, 2007. 

  3. C.Y. Fang, C.S. Fuh, P.S. Yen, S.Cherng and S.W. Chen, "An automatic road sign recognition system based on a computational model of human recognition processing," Computer vision and Image understanding, Vol. 96, No. 2, pp. 237-268, 2004. 

    상세보기 crossref

  4. D.S. Kang, N.C. Griswold, and N. Kehtarnavaz, "An invariant traffic sign recognition system based on sequential color processing and geometrical transformation," Proc of IEEE Southwest Symposium on Image Analysis and Interpretation, pp. 88-93, 1994. 

  5. S. Escalera, P. Radeva, and O. Pujol, "Traffic sign classification using error correcting techniques," Proc. of the 2nd International Conf. on Computer Vision Theory and Applications, pp. 281-285, 2007. 

  6. D.M. Gavrila, and V. Philomin, "Real-time object detection for "smart" vehicles," Proc. of the Seventh IEEE International Conference on Computer Vision, pp. 87-93, 1999. 

  7. Y. Aoyagi, and T. Asakura, "A study on traffic sign recognition in scene image using genetic algorithms and neural networks," Proc. of Industrial Electronics Control and Instrumentation, pp. 1838-1843, 1996. 

  8. A. Escalera, J.M. Armingol, and M. Mata, "Traffic sign recognition and analysis for intelligent vehicles," Journal of Image and Vision Computing, Vol. 21, No. 3 pp. 247-358, 2003. 

    상세보기 crossref

  9. G. Loy, and N. Barnes, "Fast shape-based road sign detection for a driver assistance system," Proc. of IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 70-75, 2004. 

  10. N. Barnes, A. Zelinsky and L. Fletcher, "Real-time speed sign detection using the radial symmetry detector," IEEE Transactions on Intelligent Transportation Systems, Vol. 9, No. 2, pp. 322-332, 2008. 

    상세보기 crossref

  11. B. Froba, and A. Ernst, "Face Detection with the Modified Census Transform," Proc. of the sixth IEEE International Conference on Automatic Face and Gesture Recognition, pp. 91-96. 2003. 

  12. S. Lazebnik, C. Schmid and J. Ponce, "Beyond Bags of Features: Spatial Pyramid Matching for Recognizing Natural Scene Categories," Proc of the IEEE International Conf. on Computer Vision and Pattern Recognition, pp. 2169-2178, 2006. 

  13. D. Ciresan, U. Meier, J. Masci and J. Schmidhuber, "A committee of neural networks for traffic sign classification," Proc. of the IEEE International Joint Conf. on Neural Networks, pp. 1918-1921, 2011. 

  14. F. Perronnin, and C. Dance, "Fisher kernels on visual vocabularies for image categorization," Proc of IEEE Conf. on Computer Vision and Pattern Recognition, pp. 1-8, 2007. 

  15. P. Viola, and M. Jones. "Rapid object detection using a boosted cascade of simple features," Proc of the IEEE International Conference on Computer Vision and Pattern Recognition, pp. 511-518, 2001. 

  16. L. Zhigang, W. Shi, Q. Qianqing and L. Xiowen, "Hierarchical support vector machines," Proc. of the IEEE International Conf. on Geoscience and Remote Sensing Symposium, pp. 186-189, 2005. 

  17. J. Stallkamp, M. Schlipsing, J. Salmen, and C. Igel, "The German Traffic Sign Recognition Benchmark: A multi-class classification competition," Proc. of the International Joint Conference on Neural Networks, pp. 1453-1460, 2011. 

  18. German Traffic Sign Recognition Benchmark [online]. Available: http://benchmark.ini.rub.de/?sectiongtsrb (downloaded 2014, Nov. 20) 

  19. N. Dalal, and B. Triggs, "Histograms of oriented gradients for human detection," Proc. of the IEEE International Conference on Computer Vision and Pattern Recognition, pp. 886-893, 2005. 

  20. D. G. Lowe, "Object recognition from local scaleinvariant features," Proc. of IEEE International Conference on Computer Vision, pp. 1150-1157, 1999. 

  21. K. Lim, T. Lee, C. Shin, S. Chung, Y. Choi and H. Byun, "Real-time Illumination-invariant Speed-limit Sign Recognition Based on a Modified Census Transform and Support Vector Machines," Proc. of the ACM International Conference on Ubiquitous Information Management and Communication, pp. 92-97, 2014. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

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