다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기
멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.20 no.12, 2017년, pp.1901 - 1912
김민기 (Dept. of Computer Science in Gyeongsang National Univ. Engineering Research Institute)
AI-Helper
Traffic lights at night are usually framed in the image as bright regions bigger than the real size due to glow effect. Moreover, the colors of lighting region saturate to white. So it is difficult to distinguish between different traffic lights at night. Many related studies have tried to decrease ...
| 핵심어 | 질문 | 논문에서 추출한 답변 |
|---|---|---|
| 본 논문에서 차량용 블랙박스로 촬영한 영상을 사용해 신호등을 인식하기 위해 제시한 방법은? | 그러므로 야간에 블랙박스로 촬영된 영상으로부터 신호등을 인식하는데 기존의 신호등 인식 방법을 적용하기 어렵다. 본연구에서는 신호등 점등영역에서 발생하는 빛 번짐 현상을 이용하여 점등영역 주변부에서 채도가 높게 나타나는 영역을 탐지한 후 해당 영역의 명도와 색상정보를 추출한다. 추출된 채도와 명도 정보를 이용하여 신호등 점등영역을 추출하고, 색상 정보를 이용하여 개별 신호등을 인식하는 방법을 제안한다. 그리고 검출된 개별 신호등을 추적하여 이웃한 프레임에서 일관되게 동일한 특성을 보이는 시간적 일관성을 검사한다. 개별 신호등에 대한 인식결과는 물론 시간적 일관성 검사 결과를 종합하여 최종적인 신호등 인식을 수행한다. 이렇게 함으로써 개별 신호등에 대한 오인식이 일부 발생하더라도 부분적인 오류를 극복할 수 있는 장점이 있다. | |
| 2016년 교통사고 통계에 따른 교차로 내, 부근 사고 비율은? | 경찰청에서 2016년에 발간한 교통사고 통계에 따르면 교차로 내 또는 교차로 부근에서 발생하는 사고가 전체 교통사고 중 44.8%를 차지하고 있다. 이러한 결과는 운전자가 교차로에 진입할 때 운전자의 부주의로 교통 신호를 제대로 인식하지 못하였거나 신호 위반에 의하여 발생하는 것으로 예측할 수 있다. | |
| 첨단운전자보조시스템은 어떠한 시스템인가? | 자율주행 자동차(autonomous driving car)는 운전자의 부주의에 의한 사고를 크게 줄일 수 있을 것으로 기대하고 있으나, 아직까지 상용화 단계에 이르지 못하고 있다. 첨단운전자보조시스템(ADAS: advanced driver assistance system)은 전후방 차량, 차선, 교통신호, 보행자를 인식하여 운전자의 주의를 환기시키거나 자동차의 방향이나 속도를 자동으로 제어하는 시스템으로 현재 일부 기능이 상용화되어 있다. 교통신호등 인식은 ADAS 개발은 물론 자율주행 자동차를 개발하는데 필수적인 요소로, 컴퓨터 비전 기술을 통해 신호등을 검출하고 인식하는 연구에 대한 관심이 높아지고 있다. |
G. Siogkas, E. Skodras, and E. Dermatas, "Traffic Lights Detection in Adverse Conditions Using Color, Symmetry and Spatiotemporal Information," Proceedings of the International Conference on Computer Vision Theory and Applications, pp. 620-627, 2012.
M. Diaz-Cabrera and P. Cerri, "Traffic Light Recognition During the Night Based on Fuzzy Logic Clustering," Proceedings of International Conference on Computer Aided Systems Theory, Vol. 8112, pp. 93-100, 2013.
M. Kim, “Detection of a Light Region Based on Intensity and Saturation and Traffic Light Discrimination by Model Verification,” Journal of Korea Multimedia Society, Vol. 20, No. 11, pp. 1729-1740, 2017.
Z. Cai, Y. Li, and M. Gu, "Real-time Recognition System of Traffic Light in Urban Environment," Proceedings of the 2012 IEEE Symposium on Computational Intelligence for Security and Defense Applications, pp. 1-6, 2012.
M.D. Cabrera, P. Cerri, and J.S. Medina, "Suspended Traffic Lights Detection and Distance Estimation Using Color Features," Proceedings of the IEEE International Conference on Intelligent Transportation Systems, pp. 1315-1320, 2012.
B. Fan, W. Lin, and X. Yang, "An Efficient Framework for Recognizing Traffic Lights in Night Traffic Images," Proceedings of the 5th International Congress on Image and Signal Processing, pp. 832-835, 2012.
H. Kim, Y. Shin, S. Kuk, J. Park, and H. Jung, "Night-Time Traffic Light Detection Based on SVM with Geometric Moment Features," Journal of the International Scholarly and Scientific Research and Innovation, Vol. 7, No. 4, pp. 472-475, 2013.
A. Ruta, Y. Li, and X. Liu, "Real-Time Traffic Sign Recognition from Video by Class-Specific Discriminative Features," Pattern Recognition, Vol. 43, pp. 416-430, 2010.
M.B. Jensen, M.P. Philipsen, C. Bahnsen, A. Mogelmose, T.B. Moselund, and M.M. Trivedi, "Traffic Light Detection at Night: Comparison of a Learning-Based Detector and Three Model-Based Detectors," Proceedings of International Symposium on Advances in Visual Computing, Vol. 9474, pp. 774-783, 2015.
M. Diaz-Cabrera, P. Cerri, and P. Medici, “Rubust Real-Time Traffic Light Detection and Distance Estimation Using a Single Camera,” Expert Systems with Applications, Vol. 42, No. 8, pp. 3911-3923, 2015.
V. Haltakov, J. Mayr, C. Unger, and S. Ilic, "Semantic Segmentation Based on Traffic Light Detection at Day and at Night," Proceedings of German Conference on Pattern Recognition, Vol. 9358, pp. 446-457, 2015.
J. Kim, “Traffic Lights Detection Based on Visual Attention and Spot-Lights Regions Detection,” Journal of the Institute of Electronics and Information Engineers, Vol. 5, No. 6, pp. 1260-1270, 2014.
V. John, K. Yoneda, Z. Liu, and S. Mita, “Saliency Map Generation by the Convolutional Neural Network for Real-TIme Traffic Light Detection Using Template Matching,” IEEE Transactions on Computational Imaging, Vol. 1, No. 3, pp. 159-173, 2015.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
Copyright KISTI. All Rights Reserved.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.