$\require{mediawiki-texvc}$

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.

합성곱 신경망 기반 야간 차량 검출 방법
Night-time Vehicle Detection Method Using Convolutional Neural Network 원문보기

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.12 no.2, 2017년, pp.113 - 120  

박웅규 (Yeungnam University) ,  최연규 (Yeungnam University) ,  김현구 (Yeungnam University) ,  최규상 (Yeungnam University) ,  정호열 (Yeungnam University)

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we present a night-time vehicle detection method using CNN (Convolutional Neural Network) classification. The camera based night-time vehicle detection plays an important role on various advanced driver assistance systems (ADAS) such as automatic head-lamp control system. The method c...

주제어

#Night-time vehicle detection   #Convolutional neural network   #Head-lamp detection   #Rear-lamp detection  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 지능형 전조등 제어시스템에 적용할 수 있는 합성곱 신경망기반 야간 차량 전조등 및 후미등 검출 방법을 제안 하였다. 야간 도로 주행 영상에 적용한 실험을 통해 제안된 합성곱 신경망 기반 방법이 기존의 다중-클래스 기반 SVM 방법과 유사한 검출 성능을 보임으로써 합성곱 신경망 학습 방법이 야간 차량 검출에 적용 가능함을 확인 하였다.
  • 본 논문에서는 카메라 센서를 이용하여 대항차량의 전조등과 선행차량의 후미등을 검출하기 위해 합성곱 신경망을 활용하는 야간 차량 검출 방법을 제안한다. 제안된 방법의 실효성을 입증하기 위해 야간 환경에서 획득한 주행 영상을 이용하여 시뮬레이션을 수행하고, 그 결과를 기존의 다중-클래스 기반 SVM 방법과 성능을 비교 분석 한다.

가설 설정

  • 제안 방법에서는 후보영역 추출을 위해 이진화와 라벨링을 사용하는데 이는 야간 환경에서 빠르고 효과적으로 차량 후보 영역의 추출이 가능하기 때문이다. 전조등이나 후미등이 아닌 후보 영역이 생성되지만 합성곱 신경망의 성능에 따라 효과적으로 분류 가능하다. 카메라로부터 입력된 R,G, B 형식의 컬러 영상으로부터 Y, Cb, Cr 형식으로 변환 후 Y 영상의 밝기값을 기준으로 미리 정해둔 문턱값 (threshold value)를 이용하여 이진화 하며 이진 영상으로부터 8-방향 탐색 기반 라벨링 기법을 사용하여 후보영역을 검출한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
신경망은 어느 분야에서 활용되고 있는가? 신경망 (Neural Network)은 McCulloch에 의해 1943년 처음 제안 되었으며 [10], 문자 인식, 화상처리, 자연 언어 처리, 음성 인식 등의 분야에서 활용되고 있다. LeCun, Yann [11]은 1998년 합성곱 신경망 (Convolutional Neural Network)을 통해 필기체 문자 인식에 대한 학습 시간을 크게 줄이면서도 높은 인식률을 보였다.
CIFAR-10 모델은 누가 제안한 모델인가? 합성곱 신경망 분류를 위해서는 기존의CIFAR-10 [15] 모델을 사용한다. 이 모델은 Krizhevsky, Alex가 2010년 제안한 모델로 이미지를 총 10개의 클래스로 분류하는 모델이다. 이 모델의 구조는 그림 2에서 보는 바와 같이 총 3개의 합성곱 신경망 층, 3개의 ReLU (Rectifier Linear Unit) 활성함수 층, 3개의 풀링 (Pooling) 층, 2개의 정규화 (Local Response Normalization) 층, 하나의 내적 (Inner Product) 층, 그리고 하나의 소프트맥스 (Softmax) 층의 구조로 이루어진다.
야간 주행 환경에서 운전자의 가시거리는 무엇과 직결되는 중요한 요소인가? 야간 주행 환경에서 운전자의 가시거리는 안전 운전과 직결되는 중요한 요소이다. 가시거리를 증가시키기 위해서는 상향등을 사용하는 것이 가장 좋은 방법이지만, 대항 차량이나 선행 차랑의 운전자에게 눈부심을 유발해 상대 차량의 안전을 위협할 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. J. Rebut, B. Bradai, J. Moizard, A. Charpentierhi, "A Monocular Vision Based Advanced Lighting Automation System for Driving Assistance," Proceedings of IEEE International Symposium on Industrial Electronics, pp. 311-316, 2009. 

  2. Mobileye, Adaptive Headlight Control, Available: http://www.mobileye-vision.com, http://www.mobileye.com/technology/applications/head-lamp-control. 

  3. G. Elger, B. Spinger, N. Bienen, N. Benter, "LED Matrix Light Source for Adaptive Driving Beam Applications," Proceedings of IEEE Electronic Components and Technology Conference, pp. 535-540, 2013. 

  4. M. Dassanayake, R. Miller, S. Abdelnour, M. S. Wrobel Jr, J. Shannon, "Adaptive Front Lighting System for a Vehicle," U.S. Patent No. 7,540,638, 2009. 

  5. P.F. Alcantarilla, L.M. Bergasa, P.Jimenez, M.A. Sotelo, I. Parra, D. Fernandez, "Night Time Vehicle Detection for Driving Assistance Light Beam Controller," Proceedings of IEEE Intelligent Vehicles Symposium, pp. 291-296, 2008. 

  6. V.B. Sutar1, L.S. Admuthe, "Night Time Vehicle Detection and Classification Using Support Vector Machine," IOSR Journal of VLSI and Signal Processing, Vol. 1, No. 4, pp. 1-9, 2012. 

  7. H. Lim, H, Lee, J.H. Park, H. Jung, "Night-time Vehicle Detection Based on Multi-class SVM," IEMEK J. Embed. Sys. Appl., Vol. 10, No. 5, 2015 (in Korean). 

  8. H. Wang, Y. Cai, X. Chen, L. Chen, "Night-Time Vehicle Sensing in far Infrared Image With Deep Learning," Journal of Sensors, 2016. 

  9. M. Szarvas, U. Sakai, J. Ogata, "Real-time Pedestrian Detection Using LIDAR and Convolutional Neural Networks," Proceedings of IEEE Intelligent Vehicles Symposium. 2006. 

  10. W. S. McCulloch, W. Pitts, "A Logical Calculus of the Ideas Immanent in Nervous Activity," The bulletin of mathematical biophysics Vol. 5, No. 4, pp. 115-133, 1943. 

    상세보기 crossref

  11. Y. LeCun, L. Bottou, Y. Bengio, P. Haffner, "Gradient-based Learning Applied to Document Recognition," Proceedings of the IEEE Vol. 86, No. 11, pp. 2278-2324, 1998. 

    상세보기 crossref

  12. A. Krizhevsky, I. Sutskever, G. E. Hinton, "Imagenet classification with deep convolutional neural networks," Advances in neural information processing systems, pp. 1097-1105, 2012. 

  13. R. Girshick, J. Donahue, T. Darrell, J. Malik, "Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation," Proceedings of IEEE conference on computer vision and pattern recognition pp. 580-587. 

  14. S. Ren, K. He, R. Girshick, J. Sun, "Faster r-cnn: Towards Real-time Object Detection With Region Proposal Networks," In Advances in neural information processing systems, pp. 91-99, 2015. 

  15. A. Krizhevsky, G. Hinton. "Convolutional Deep Belief Networks on cifar-10," Unpublished manuscript 40, 2010. 

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

이 논문과 함께 이용한 콘텐츠

유발과제정보 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