차량용 블랙박스는 사고 순간의 영상, 시간, 충격량 등의 정보를 기록하여 사고발생 시 원인을 규명하기 위한 용도로 사용되고 있다. 기존의 시스템은 사고 후에 원인을 분석하기 때문에 사고를 미연에 방지할 수 없는 단점이 있다. 최근에는 기존의 기능과 더붙어 미연에 사고를 예방할 수 있는 사고예방이 가능한 지능형 블랙박스가 연구되고 있다. 본 논문에서는 주차 시 발생할 수 있는 도난, 절도, 물피도주 등의 사고를 미연에 방지할 수 있는 사고예방 알고리즘을 제안한다. 제안한 알고리즘은 이동객체가 차량에 접근함에 따라 객체인식, 얼굴검출 및 경고기능을 제공한다. 실험 결과, 제안한 방법은 다양한 실험 조건에서 이동객체가 접근함에 따른 위험 레벨별 객체인식, 얼굴검출 및 경고기능을 제공함으로써 사고예방이 가능함을 확인했다.
차량용 블랙박스는 사고 순간의 영상, 시간, 충격량 등의 정보를 기록하여 사고발생 시 원인을 규명하기 위한 용도로 사용되고 있다. 기존의 시스템은 사고 후에 원인을 분석하기 때문에 사고를 미연에 방지할 수 없는 단점이 있다. 최근에는 기존의 기능과 더붙어 미연에 사고를 예방할 수 있는 사고예방이 가능한 지능형 블랙박스가 연구되고 있다. 본 논문에서는 주차 시 발생할 수 있는 도난, 절도, 물피도주 등의 사고를 미연에 방지할 수 있는 사고예방 알고리즘을 제안한다. 제안한 알고리즘은 이동객체가 차량에 접근함에 따라 객체인식, 얼굴검출 및 경고기능을 제공한다. 실험 결과, 제안한 방법은 다양한 실험 조건에서 이동객체가 접근함에 따른 위험 레벨별 객체인식, 얼굴검출 및 경고기능을 제공함으로써 사고예방이 가능함을 확인했다.
A vehicle black box helps to investigate the cause of accident by recording time, and videos as wells as shock information of the time of accident Lately, intelligent black box with accident prevention as well as existing functions is being studied. This paper proposes an applicable algorithm for ve...
A vehicle black box helps to investigate the cause of accident by recording time, and videos as wells as shock information of the time of accident Lately, intelligent black box with accident prevention as well as existing functions is being studied. This paper proposes an applicable algorithm for vehicle black boxes that prevent any accident likely to occur while a car is parked, like robbery, theft or hit-and-run. Proposed algorithm provides object recognition, face detection and alarm as the object approaches car. Tests on the algorithm prove that it can recognize an approaching object, identify and set alarm if needed, depending on each risk level.
A vehicle black box helps to investigate the cause of accident by recording time, and videos as wells as shock information of the time of accident Lately, intelligent black box with accident prevention as well as existing functions is being studied. This paper proposes an applicable algorithm for vehicle black boxes that prevent any accident likely to occur while a car is parked, like robbery, theft or hit-and-run. Proposed algorithm provides object recognition, face detection and alarm as the object approaches car. Tests on the algorithm prove that it can recognize an approaching object, identify and set alarm if needed, depending on each risk level.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
사용이 많아지고 있다. 본 논문에서 제안하는 차량용 블랙박스를 이용한 기술은 주차 및 정차 시 발생할 수 있는 사고를 예방하는 데 목적이 있다. 제안한 방법은 차량과 객체의 거리에 따라 관심영역을 설정하고 관심영역별 이벤트 설정을 통해 사고 예방 시스템을 구현했다.
본 논문에서는 기존 블랙박스의 기능을 보완하고 지능형 블랙박스에 적용이 가능한 사고예방 알고리즘을 제안한다. 제안하는 알고리즘은 차량의 주.
가설 설정
이유는 차량의 설치된 블랙박스의 위치와 지면부터 차량의 높이로 인한 사각지대 때문이다. 레벨 2의 lm부터 2m영역과 레벨 1의 2m부터 3m영역은 레벨 3과 같은 사각지대 없이 설정이 가능했다 또한 관심영역 밖은 위험 가능성이 없다고 가정하여 비 감시영역으로 설정했다.
제안 방법
이 시스템은 haar-like 특징과 에지 특징을 이용하여 차량 하단의 그림자 부분과 차량의 뒷바퀴 부분을 추출하여 차량을 검출한다. 검출된 차량은 칼만 필터를 이용하여 차량의 크기 및 다음 위치를 예측하여 추적한다. 차간거리는 차량의 폭으로 거리를 추정하는 방식과 차량의 위치로 거리를 추정하는 방식을 결합하여 차간거리를 추정한다.
분류된 레벨을 기반으로 위험 가능성이 있는 객체가 차량에 손상을 주기 전에 사전경고를 발생한다. 또한 제안하는 시스템은 상시저장을 하는 기존의 블랙박스의 시스템과는 달리 사고 가능성이 있는 상황만을 저장하고 프라이버시 보호를 위해 얼굴을 검출한다.
최근 기술의 발전에 따라 주행 중 사고 예방기능을 탑재한 지능형 블랙박스가 개발되고 있다 그러나 차선이탈 감지 시스템과 차간거리감지 시스템은 주행 중에 한정되어 안전운전을 유도해 사고예방을 하므로 주차 중에는 사고 예방이 불가능하다. 본 논문에서 제안하는 사고예방 알고리즘은 거리에 따른 접근 정도를 레벨별로 분류한다. 분류된 레벨을 기반으로 위험 가능성이 있는 객체가 차량에 손상을 주기 전에 사전경고를 발생한다.
본 논문에서 제안하는 알고리즘의 관심영역은 그림 5와 같이 이동객체의 접근 정도를 파악하기 위해 거리에 따라 3단계의 영역으로 설정된다. 영상에서의 관심영역은 실제 차량에 설치된 블랙박스를 기준으로 지면상의 거리를 기반으로 하여 설정했다.
정효균 등은 차선이탈 경고 시스템을 연구했다 [8]. 이 시스템은 4채널 블랙박스를 기반으로 AVM(Around View Monitoring)을 구현하여 차량 주변 영상을 생성 후 차선후보를 선정한다. 선정된 차선을 이용하여 차선을 검출하고 차선이탈 시 경보를 울린다.
차간거리를 추정하는 알고리즘을 연구했다[11]. 이 시스템은 haar-like 특징과 에지 특징을 이용하여 차량 하단의 그림자 부분과 차량의 뒷바퀴 부분을 추출하여 차량을 검출한다. 검출된 차량은 칼만 필터를 이용하여 차량의 크기 및 다음 위치를 예측하여 추적한다.
해당 동영상은 촬영시간 및 위치 등의 관련 정보와 함께 HTTP 요청의 형태로 생성되어, 신고센터에 자동으로 전송된다. 제안된 시스템은 제보자의 번거로움을 해소해 신고율을 높일 수 있다. 그 결과 운전자의 안전운전을 도모하여 사고율을 줄일 수 있다는 장점이 있다.
본 논문에서 제안하는 차량용 블랙박스를 이용한 기술은 주차 및 정차 시 발생할 수 있는 사고를 예방하는 데 목적이 있다. 제안한 방법은 차량과 객체의 거리에 따라 관심영역을 설정하고 관심영역별 이벤트 설정을 통해 사고 예방 시스템을 구현했다. 실험을 통해 제안한 방법은 이동객체가 접근함에 따른 위험 레벨별 객체인식, 프라이버시 보호를 위한 얼굴 검출 및 경고 기능을 통해 사고예방이 가능함을 확인했다.
제안한 시스템은 블랙박스에서 획득한 컬러영상을 그레이 영상으로 변환하고, 변환한 그레이영상은 객체검출에 이용한다. 객체검출은 기준 영상과 현재 영상과의 차이를 이용해 구해진다[14].
대상 데이터
본 실험은 차량용 블랙박스를 통해 획득된 동영상을 사용했고, 원본 영상의 해상도는 640x480이다 동영상의 구성은 주간환경에서 이동객체가 차량에 접근하는 상황을 촬영했다. 실험에 사용된 영상은 차량에서 3m까지 거리를 설정하여 24개의 영상으로 구성했다.
실험에 사용된 영상은 차량에서 3m까지 거리를 설정하여 24개의 영상으로 구성했다.
성능/효과
또한, 이동객체가 관심영역 밖으로 나가는 시점까지 경고를 발생한다. 실험결과, 제안한 사고 예방 알고리즘은 주차 중에 발생할 수 있는 사고, 도난, 물피도주 등에 대하여 효과적으로 대응할 수 있음을 확인했다.
제안한 방법은 차량과 객체의 거리에 따라 관심영역을 설정하고 관심영역별 이벤트 설정을 통해 사고 예방 시스템을 구현했다. 실험을 통해 제안한 방법은 이동객체가 접근함에 따른 위험 레벨별 객체인식, 프라이버시 보호를 위한 얼굴 검출 및 경고 기능을 통해 사고예방이 가능함을 확인했다. 향후에는 검출된 얼굴을 효과적으로 보호할 수 있는 프라이버시 보호 기술의 개발 및 제안한 시스템의 임베디드 플랫폼을 구현할 계획이다.
차간거리는 차량의 폭으로 거리를 추정하는 방식과 차량의 위치로 거리를 추정하는 방식을 결합하여 차간거리를 추정한다. 제안된 시스템은 94.9%의 차량 검출률을 보였고 차량과의 충돌을 예측하고 경보를 울릴 수 있는 장점이 있다. 그림 2는 차간거리 추정알고리즘의 전체적인 흐름도이다.
선정된 차선을 이용하여 차선을 검출하고 차선이탈 시 경보를 울린다. 제안된 시스템은 전방영상만을 사용한 시스템보다 약 3.5 〜 9% 높은 차선검출률을 통해 좁은 지역을 이동할 때도 유용하게 사용할 수 있고 차량 주변 도로에 대하여 차선을 검출하기 때문에 환경의 영향을 받지 않는 장점이 있다. 그림 1은 4개의 카메라에서 얻은 각각의 영상을 AVM으로 구현한 영상이다.
후속연구
실험을 통해 제안한 방법은 이동객체가 접근함에 따른 위험 레벨별 객체인식, 프라이버시 보호를 위한 얼굴 검출 및 경고 기능을 통해 사고예방이 가능함을 확인했다. 향후에는 검출된 얼굴을 효과적으로 보호할 수 있는 프라이버시 보호 기술의 개발 및 제안한 시스템의 임베디드 플랫폼을 구현할 계획이다.
참고문헌 (14)
김승운, 이성준, 안광성, "임베디드 시스템 기반의 무인 감시시스템," 한국정보과학회 학술발표 논문집, 제34권, 제2호, pp. 390-393, 2007년 10월
이준희, 한성덕, 김용득, "영상기반 차량용 블랙박스의 효율성 향상을 위한 제어 시스템 연구," 대한전자공학회 학술대회 논문집, 제30권, 제1호, pp. 521-522, 2007년 7월
오명관, 한군회, 최동진, 전병민, "차영상을 이용한 이동 객체 추적," 한국콘텐츠학회 종합학술대회 논문집, 제2권, 제1호, pp. 396-400, 2004년
G. L. Foresti, "Object recognition and tracking for remote video surveillance," IEEE Transactions on Circuits and Systems for Video Technology, vol. 9, no. 7, pp. 1045-1062, Oct 1999.
강민구, 정승민, 우영제, 여협구, 이우섭, 이민수, "차량용 무선영상 전송시스템 설계," 스마트미디어학회 춘계학술대회 논문집, 제1권, 제1호, pp. 39-42, 2012년
Z. Kim, "Robust lane detection and tracking in challenging scenarios," IEEE Transactions on Intelligent Transportation Systems, vol. 9, no. 1, pp. 16-26, March 2008.
이수영, 류지형, 이창구, "차량용 블랙박스를 위한 임베디드 차선감지 영상처리 알고리즘 개발," 한국산학기술학회 논문지, 제11권, 제8호, pp. 2942-2950, 2010년 8월
정효균, 정용진, "차량 주변 영상을 이용한 차선이탈 경보 알고리즘," 한국정보기술학회논문지, 제11권, 제5호, pp. 121-130, 2013년 5월
박정훈, 김종배, 홍성훈, "적응적 관심영역 설정을 이용한 차선인식 방법," 스마트미디어학회 춘계학술대회 논문집, 제 1권, 제 1호, pp. 114-116, 2012년
정민석, 김성혁, 염인호, 김현규, "기획특집: 사물인터넷; 차량용 블랙박스를 활용한 교통위반신고 자동화 방법," 정보처리학회지, 제3권, 제10호, pp. 351-356, 2014년 10월
김기석, 조재수, "영상 기반의 차량 검출 및 차간 거리 추정방법," 전자정보공학회논문지-SP, 제49권, 제3호, pp. 1-9, 2012년 5월
M.C. Lu, Tsai, C..P., M.C. Chen, Y.Y. Lu, W.Y. Wang, and C.C. Hsu, "A practical nighttime vehicle distance alarm system," in Proc. of IEEE International Conference on, Systems, Man and Cybernetics, pp. 3000- 3005, Oct 2008.
E. Dagan, O. Mano, G.P. Stein, and A. Shashua, "Forward collision warning with a single camera," Intelligent Vehicles Symposium, IEEE, pp. 37-42, June 2004.
하정요, 이민호, 최형일, "HMM(Hidden Markov Model)을 이용한 핸드 제스처 인식," 한국디지털콘텐츠학회 논문지, 제10권, 제2호, pp. 291-298, 2009년 6월
※ AI-Helper는 부적절한 답변을 할 수 있습니다.