선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 실용화 가능성을 최우선 목표로 하여, 가장 중요한 요소인 처리 속도에 주안점을 두고 알고리즘을 설계하였으며, 부분적인 수정의 필요성에도 불구하고 처리 속도 면에서는 그 가능성에 근접한 효과를 입증하였다. 본론에서 지적한 바와 같이 배경 영상의 갱신 알고리즘은 크게 개선되어야 하며, 배경 갱신 문제는 차량 통행과 같이 수시로 변화하는 영상으로 배경을 갱신해 나가면서도 배경 자체의 특징을 유지해야 하는 데 있다.
- 본 논문에서는 프레임의 고속 처리를 1차 목표로 하되 객체 검지를 동시에 최상으로 처리하기 위한 프로세스 개발에 필요한 알고리즘을 제시한 것으로 적어도 초당 30프레임의 카메라 영상에서 주행 중인 자동차와 같이 고속으로 움직이는 객체를 탐지하는 응용영역에서 실시간으로 배경 영상을 갱신하는 알고리즘을 제시하였다. 또한, 실제 도로 주행중인 차량의 입력영상에서 객체 영역을 추출하는 시험을 통해 성능을 분석 제시한다.
가설 설정
- 먼저 입력 영상과 배경 영상에 대한 edge 검출을 하고 이 Edge 영상의 차를 구하여 차량 객체의 Edge 영상을 얻는다. 위 과정에서 각 영상의 노이즈는 가우시안 분포를 이룬다고 가정하여, 가우시안 필터를 적용하였다.
- 이와 같이 번호판 후보를 추출하고 평가하여 올바른 번호판에 대해 각 심볼 특징(Feature)을 추출하여 인식하는 과정은 일반적으로 매우 큰 부하를 가지나, 동영상 기법을 사용하기 위해서는 이를 경감 시킬 목적으로 각 프레임에서 차량 이미지영역을 Clip하고, 이 영역에서 차량 번호판을 인식하게 함으로서 프레임 전 화면을 대상으로 한 Trigger방식에 비해 부하를 줄이려는 시도를 한다. 차량번호 인식과 같이 이미지 영역이 큰 객체가 고속으로 움직이는 동영상 처리 응용에서 위 첫 번째 객체 트래킹의 경우와 다른 문제는 처리할 프레임레이트가 크다는 문제 말고도 연속 프레임간의 화소 값 차이를 유발할 잡음효과가 크다는 것이다. 특히 비교적 고속으로 움직이는 객체를 탐지해야 하는 분야에서 무엇보다 중요한 것은 배경영상 갱신에 대한 부하를 효과적으로 줄여 실시간으로 갱신할 수 있어야 하는데, 현재 범용 컴퓨터 능력으로는 질감 등을 특징으로 추출하는 방법 등은 대부분 연산처리의 부하 때문에 적용상의 한계가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.