$\require{mediawiki-texvc}$

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.

GPU를 이용한 야간 보행자 검출과 추적 시스템 구현
Implementation of Pedestrian Detection and Tracking with GPU at Night-time 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.20 no.3, 2015년, pp.421 - 429  

최범준 (경성대학교 전자공학과) ,  윤병우 (경성대학교 전자공학과) ,  송종관 (경성대학교 전자공학과) ,  박장식 (경성대학교 전자공학과)

초록
AI-Helper 아이콘AI-Helper

이 논문은 적외선 영상을 이용하여 보행자를 검출하고 추적하는 방법에 관한 것이다. 영상기반 보행 검출 및 추적 처리 속도를 개선하기 위하여 병렬처리언어인 CUDA(Computer Unified Device Architecture)를 활용한다. 보행자 검출은 하르 유사 특징을 기반으로 Adaboost 알고리즘을 적용한다. Adaboost 분류는 적외선 영상으로 제작한 데이터셋을 이용하여 훈련한다. Adaboost 분류기로 보행자를 검출한 후, HSV 히스토그램을 특징점으로 파티클 필터를 이용하여 보행자를 추적하는 방법을 제안한다. 제안하는 검출 및 추적 방법을 Linux 환경에서 소프트웨어를 개발할 수 있는 NVIDIA의 Jetson TK1 개발보드 상에 구현하였다. 이 논문에서는 보행자 검출 및 추적을 CUDA 개발환경인 GPU를 이용하여 병렬처리한 결과를 나타내었다. GPU를 이용한 보행자 검출과 추적 처리 속도가 CPU 처리속도에 비하여 약 6 배 빠른 것을 확인할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper is about an approach for pedestrian detection and tracking with infrared imagery. We used the CUDA(Computer Unified Device Architecture) that is a parallel processing language in order to improve the speed of video-based pedestrian detection and tracking. The detection phase is performed ...

주제어

#Pedestrian Detection   #Tracking   #Adaboost Algorithm   #Particle Filter   #GPU  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

제안 방법

  • At first, features are extracted by Adaboost algorithm which uses Haar-like features, and the pedestrian detection was performed by the cascade classifier. At second, features are extracted by SVM which uses HOG features, and the pedestrian detection was performed by the HOG classifier. Videos used in the detection simulation are divided into near, middle and far according to CCTV camera position at each place.

대상 데이터

  • It includes scenarios such as loitering and intrusion taken at alley, playground, local facility and cultural property. The resolutions of videos are 1280×720 taken with the HD CCTV cameras. In this paper, the detection and tracking was carried out with videos down sampled 480×320 resolution.

이론/모형

  • for surveillance at night. Adaboost algorithm is introduced by Freund and Schapire. It solved many difficulties of boosting algorithms and applied for many applications.
  • Pedestrian detections were performed by two methods. At first, features are extracted by Adaboost algorithm which uses Haar-like features, and the pedestrian detection was performed by the cascade classifier. At second, features are extracted by SVM which uses HOG features, and the pedestrian detection was performed by the HOG classifier.
  • pedestrians. For the first method, the features of pedestrians are extracted by Adaboost algorithm which uses Haar-like features. And then, the pedestrians and background are separated by the cascade classifier.
  • In this paper, Adaboost algorithm is used to detect pedestrians for surveillance at night. Adaboost algorithm is introduced by Freund and Schapire.
  • In this paper, pedestrian detection and tracking from infrared image is performed with Adaboost algorithm and particle filter. After detection and tracking, we compared the pedestrian detection time for night-time image on both GPU and CPU.
  • 3 shows the flow diagram of pedestrian detection with Adaboost algorithm. Positive and negative samples are generated from infrared images, and they are used for training the Adaboost algorithm. The Haar-like features of pedestrians from the training is stored to a XML file, and the pedestrians and background are separated by cascade classifier.
본문요약 정보가 도움이 되었나요?

참고문헌 (16)

  1. D. Geronimo, A. M. Lopez, A. D. Sappa and T. Graf, "Survey of Pedestrian Detection for Advanced Driver Assistance Systems," IEEE transactions on pattern analysis and machine intelligence, vol. 32, no. 7, pp.1239-1258, July, 2010. 

    상세보기 crossref

  2. D. Xia, H. Sun and Z. Shen, "Real-time Infrared Pedestrian Detection Based on Multi-block LBP," Proc. on 2010 International Conference on Computer Application and System Modeling, vol. 12, pp. 140-142, 2010. 

  3. M. Bertozzi, A. Broggi, C. Caraffi, M. Del Rose, M. Felisa and G. Vezzoni, “Pedestrian Detection by Means of Far-infrared Stereo Vision,” Computer vision and image understanding 106, pp. 194-204, 2007. 

    상세보기 crossref

  4. P. Viola and M. Jones, “Robust Real Time Object Detection,“ Proc. on IEEE ICCV Workshop on Statistical and Computer Theories of Vision, 2001. 

  5. E. Osuna, R.Freund and F. Girosi, “Training Support Vector Machines: An Application to Face Detection,“ Proc. on IEEE Conf. Computer Vision and Pattern Recognition, pp. 130-136, 1997. 

  6. J. Giebel, D. Gavrila, and C. Schnorr, "A Bayesian Framework for Multi-Cue 3D Object Tracking," Proc. on European Conf. Computer Vision, pp. 241-252, 2004. 

  7. U. Franke and A. Joos, "Real-Time Stereo Vision for Urban Traffic Scene Understanding," Proc. on IEEE Intelligent Vehicles Symp, pp. 273-278, 2000. 

  8. I. S. Kim and H. Shin, "A Study on Developmrnt od Intelligent CCTV Security System Basrd on BIM," Journal of the Korea Institute of Electronic Communication Sciences, vol. 6, no. 5, pp. 789-795, 2011. 

  9. M. Isard and A. Blake, “CONDENSATION–Conditional Density Propagation for Visual Tracking,” International Journal on Computer Vision vol. 29, no. 1, pp. 5-28, 1998. 

    crossref

  10. K. Nummiaro, E. Koller-Meier, and L. V. Gool, “A Color-based Particle Filter,” Proc. of 1st International workshop on generative-model-based vision, pp. 53-60, 2002. 

  11. http://en.wikipedia.org/wiki/Graphics_processing_unit. 

  12. https://developer.nvidia.com/cuda-zone 

  13. NVIDIA CUDA "Cuda Reference Manual v2.0" 

  14. NVIDIA CUDA "CUDA C Best Practices Guide v6.5" 

  15. NVIDIA CUDA C Programming Guide, Version 4.0 

  16. http://docs.opencv.org/modules/gpu/doc/gpu.html 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 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