본 논문은 컴퓨터 비전 기술을 기반으로 자동 차량 감시 시스템을 제안하였다. 실시간 주행표시 시스템은 ITS의 필수 요건을 충족하면서, 자동 감시제어가 가능한 시스템이다. 이러한 장점은 확실한 자동차 추적에 대해 주요 장애물 처리 시스템 적용할 경우, 움직이는 물체에 대한 그림자 추적이다. 추적 차량 이미지에서 모든 종류의 정보를 획득하기 위해 차량을 확실하게 감시 화면에 나타나게 하였다. 시간이 지남에 따라 차량을 정밀 추적 제어 할 필요가 있고, 입체 모델 기반접근 방식 또한 필요한 방식으로 적용하였다. 일반적으로 개체 또는 와이어 프레임 모델의 골격에 의해 차량의 각각의 유형을 나타내었고, 시스템이 실시간 실행되지 않더라도 차량 궤적은 3D기반 방식에서 높은 정밀도로 측정 될 수 있다는 점을 보여 준다. 본 논문에서는 차량, 배경, 그림자에 적용 가능하고, 도로 교통 감시의 시스템을 분할 방법을 역시 적용하였다. 과속 자동차의 속도 추적을 통해 낮은 레벨의 차량제어 추적기의 유효성 역시 실행 하였다. 결론에서 개발된 추적 제어 시스템에서 향상된 자동차 추적의 방법을 개선하고자 하였으며 고속도로 감시제어 시스템을 개발하고자 하였다.
본 논문은 컴퓨터 비전 기술을 기반으로 자동 차량 감시 시스템을 제안하였다. 실시간 주행표시 시스템은 ITS의 필수 요건을 충족하면서, 자동 감시제어가 가능한 시스템이다. 이러한 장점은 확실한 자동차 추적에 대해 주요 장애물 처리 시스템 적용할 경우, 움직이는 물체에 대한 그림자 추적이다. 추적 차량 이미지에서 모든 종류의 정보를 획득하기 위해 차량을 확실하게 감시 화면에 나타나게 하였다. 시간이 지남에 따라 차량을 정밀 추적 제어 할 필요가 있고, 입체 모델 기반접근 방식 또한 필요한 방식으로 적용하였다. 일반적으로 개체 또는 와이어 프레임 모델의 골격에 의해 차량의 각각의 유형을 나타내었고, 시스템이 실시간 실행되지 않더라도 차량 궤적은 3D기반 방식에서 높은 정밀도로 측정 될 수 있다는 점을 보여 준다. 본 논문에서는 차량, 배경, 그림자에 적용 가능하고, 도로 교통 감시의 시스템을 분할 방법을 역시 적용하였다. 과속 자동차의 속도 추적을 통해 낮은 레벨의 차량제어 추적기의 유효성 역시 실행 하였다. 결론에서 개발된 추적 제어 시스템에서 향상된 자동차 추적의 방법을 개선하고자 하였으며 고속도로 감시제어 시스템을 개발하고자 하였다.
In this paper, we has proposed an automatic vehicle monitoring system based on computer vision technology. The real-time display system has displayed a system that can be performed in automatic monitoring and control while meeting the essential requirements of ITS. Another advantage has that for a p...
In this paper, we has proposed an automatic vehicle monitoring system based on computer vision technology. The real-time display system has displayed a system that can be performed in automatic monitoring and control while meeting the essential requirements of ITS. Another advantage has that for a powerful vehicle tracking, the main obstacle handing system, which has the shadow tracking of moving objects. In order to obtain all kinds of information from the tracked vehicle image, the vehicle must be clearly displayed on the surveillance screen. Over time, it's necessary to precisely control the vehicle, and a three-dimensional model-based approach has been also necessary. In general, each type of vehicle has represented by the skeleton of the object or wire frame model, and the trajectory of the vehicle can be measured with high precision in a 3D-based manner even if the system has not running in real time. In this paper, we has applied on segmentation method to vehicle, background, and shadow. The validity of the low level vehicle control tracker was also detected through speed tracking of the speeding car. In conclusion, we intended to improve the improved tracking method in the tracking control system and to develop the highway monitoring and control system.
In this paper, we has proposed an automatic vehicle monitoring system based on computer vision technology. The real-time display system has displayed a system that can be performed in automatic monitoring and control while meeting the essential requirements of ITS. Another advantage has that for a powerful vehicle tracking, the main obstacle handing system, which has the shadow tracking of moving objects. In order to obtain all kinds of information from the tracked vehicle image, the vehicle must be clearly displayed on the surveillance screen. Over time, it's necessary to precisely control the vehicle, and a three-dimensional model-based approach has been also necessary. In general, each type of vehicle has represented by the skeleton of the object or wire frame model, and the trajectory of the vehicle can be measured with high precision in a 3D-based manner even if the system has not running in real time. In this paper, we has applied on segmentation method to vehicle, background, and shadow. The validity of the low level vehicle control tracker was also detected through speed tracking of the speeding car. In conclusion, we intended to improve the improved tracking method in the tracking control system and to develop the highway monitoring and control system.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
시스템에서 필요한 기능 중 한 가지는 혼잡한 도로에서 특별한 문제를 사전에 운전자에게 경고하는 것이며, 이러한 시스템은 실시간 교통 상황에서 견고하게 작동할 필요가 있다[1-5]. 본 논문은 시각 추적 기술에 기초하여 고속도로 감시 시스템을 제안하고자 한다. 이 시스템은 실시간으로 움직이는 물체의 추적 방해 요소 중 하나인 그림자에 강인하며, 교통 정보의 다양한 ITS 제공을 목적으로 고속도로 감시 시스템은 다음과 같은 작업을 수행해야한다.
둘째, HMM에 평범한 화면에서 모델 매개 변수를 사용할 수 있다. 본 논문은 시각 추적 기술에 기초하여 기본 고속도로 감시 시스템을 제안하고자 한다. 실시간으로 움직이는 물체의 추적의 방해 요소 중 하나인 그림자에 강인하고 다양한 ITS의 교통 정보 제공을 목적으로 고속도로 감시 시스템을 개발하고자 한다.
본 논문은 시각 추적 기술에 기초하여 기본 고속도로 감시 시스템을 제안하고자 한다. 실시간으로 움직이는 물체의 추적의 방해 요소 중 하나인 그림자에 강인하고 다양한 ITS의 교통 정보 제공을 목적으로 고속도로 감시 시스템을 개발하고자 한다.
본 논문에서 차량, 배경, 그림자를 적용하여 도로 교통 감시의 시스템을 분할하는 방법을 제시하였으며, 자동차의 속도를 추적하는 낮은 레벨의 차 추적기의 유효성을 검사하였다. 이러한 관점에서 자동차 추적 방법을 확장했으며 고속도로 감시 시스템을 개발하였다.
본 논문에서 차량, 배경, 그림자를 적용하여 도로 교통 감시의 시스템을 분할하는 방법을 제시하였으며, 자동차의 속도를 추적하는 낮은 레벨의 차 추적기의 유효성을 검사하였다. 이러한 관점에서 자동차 추적 방법을 확장했으며 고속도로 감시 시스템을 개발하였다. 본 논문은 첫째, 상태 추정 단계로 각 시간 단위에서 HMM 영역 중 도로에 인접하는 것들을 통합하였으며, 이러한 분할 방법은 성능을 개선 할뿐만 아니라 접속 영역에서 차량을 발견하는 것을 가능하게 한다.
제안 방법
본 논문에서 고속도로 감시 시스템은 기본적으로 지역 기반의 접근 방식에 속하는 낮은 수준의 자동차 추적기 분할 방법을 이용한다. 움직이는 물체의 그림자, 특히 차량의 그림자는 기존의 이미지 분할 기법 (배경 차감 또는 프레임 간 분화)을 사용하여 그림자를 제거하기 어려우나, 이 방법은 하나의 HMM 통해 그림자뿐만 아니라 차량 및 배경을 모델링함으로써 상당히 이 문제를 완화할 수 있다.
아래의 실험 결과는 비디오로부터 1시간 주기로 얻어진다. 실험에 참여하는 임의의 차는 거의 일정한 속도로 카메라의 시야 내에 일정 영역을 통해 움직이도록 하고, 시작 부분에 위치한 30초 비디오 단편 모델 파라미터를 이용하여 학습하였다. 학습 순서와 시험 순서 사이의 시간 간격은 최대 한 시간이다.
본 논문은 첫째, 상태 추정 단계로 각 시간 단위에서 HMM 영역 중 도로에 인접하는 것들을 통합하였으며, 이러한 분할 방법은 성능을 개선 할뿐만 아니라 접속 영역에서 차량을 발견하는 것을 가능하게 한다. 둘째, 일반적으로 도로 표식에서 얻어지는 4개의 대응점을 이용하여 지상에서 이동하는 차량의 속도를 계산할 수 있고, 지표면의 자동차 속도계를 이용하여 여러 가지 실험 방법의 실제 효능과 그림자에 대한 방법을 확인하였다. 햇빛 조건은 항상 변화하기 때문에 변화의 종류에 대한 기본모델은 단순히 재학습 과정에 의해 달성 될 수 있다.
성능/효과
이전 작업까지는 그림자가 추적 과정을 방해하는 장애물 중 하나였으나, 차량 (F), 배경(B)과 그림자(S) 등의 세 가지 세그먼트의 범주로 차량 화면의 각 영역에서 이미지를 사용한다. 첫 번째로 HMM은 일정 시간 동안 특정 카테고리에 속하는 특성을 포함하는 것이 적합하고, 시간적 연속성의 사용은 시스템의 세그먼트의 성능을 향상시킨다. 둘째, HMM에 평범한 화면에서 모델 매개 변수를 사용할 수 있다.
첫 번째로 HMM은 일정 시간 동안 특정 카테고리에 속하는 특성을 포함하는 것이 적합하고, 시간적 연속성의 사용은 시스템의 세그먼트의 성능을 향상시킨다. 둘째, HMM에 평범한 화면에서 모델 매개 변수를 사용할 수 있다. 본 논문은 시각 추적 기술에 기초하여 기본 고속도로 감시 시스템을 제안하고자 한다.
이러한 관점에서 자동차 추적 방법을 확장했으며 고속도로 감시 시스템을 개발하였다. 본 논문은 첫째, 상태 추정 단계로 각 시간 단위에서 HMM 영역 중 도로에 인접하는 것들을 통합하였으며, 이러한 분할 방법은 성능을 개선 할뿐만 아니라 접속 영역에서 차량을 발견하는 것을 가능하게 한다. 둘째, 일반적으로 도로 표식에서 얻어지는 4개의 대응점을 이용하여 지상에서 이동하는 차량의 속도를 계산할 수 있고, 지표면의 자동차 속도계를 이용하여 여러 가지 실험 방법의 실제 효능과 그림자에 대한 방법을 확인하였다.
또한 제안한 시스템에서 중요한 역할을 하는 HMM 기반의 분할 방법은 초기에 높은 수준의 형상 기반 추적 프로세스에 대하여 낮은 레벨의 구성 요소로 개발하고, 낮은 수준의 접근은 빠르고 강력하지만 차량 중심이 아닌 약간의 정보를 전달하므로, 추적기가 높은 수준의 모양과 움직임 모델을 포함하여 고차원의 공간에서 복잡한 변형을 수행할 수 있음을 의미한다.
질의응답
핵심어
질문
논문에서 추출한 답변
실시간 주행표시 시스템이란?
본 논문은 컴퓨터 비전 기술을 기반으로 자동 차량 감시 시스템을 제안하였다. 실시간 주행표시 시스템은 ITS의 필수 요건을 충족하면서, 자동 감시제어가 가능한 시스템이다. 이러한 장점은 확실한 자동차 추적에 대해 주요 장애물 처리 시스템 적용할 경우, 움직이는 물체에 대한 그림자 추적이다.
영역 기반 추적의 개념은?
이 방법의 단점은 도로에서 추적할 수 있는 모든 차량에 대해 매우 상세한 모델에 대한 의존도이다. 한편, 영역 기반 추적의 개념은 접속 영역으로서 각각의 차량 모델에 이미지를 식별하고, 상호 상관 계수 등의 기술을 이용하여 시간의 경과를 추적하는 것이다. 이 방법의 기본적인 아이디어는 객체의 경계 형상의 표현을 생성하는 것이며, 윤곽 기반 표현의 장점은 계산의 복잡성 감소이다.
입체 모델 기반 접근 방식의 단점은?
입체 모델 기반 접근 방식은 일반적으로 개체 또는 와이어 프레임 모델의 골격에 의해 차량의 각 유형을 나타내고, 시스템이 실시간 실행되지 않더라도 차량의 궤적은 3D 기반 방식에서 높은 정밀도로 측정될 수 있 다는 점을 보여 주워야한다. 이 방법의 단점은 도로에서 추적할 수 있는 모든 차량에 대해 매우 상세한 모델에 대한 의존도이다. 한편, 영역 기반 추적의 개념은 접속 영역으로서 각각의 차량 모델에 이미지를 식별하고, 상호 상관 계수 등의 기술을 이용하여 시간의 경과를 추적하는 것이다.
참고문헌 (14)
K. Maeda, K. Onoguchi, K. Fukui, and Y. Taniguchi, "Computer vision application to ITS," J. IEICE, vol.83, no.3, pp.191-195, 2012.
I.D. Reid, D.W. Murray, and K.J. Bradshaw, "Towards active exploration of static and dynamic scene geometry," IEEE Int'l Conference on Robotics and Automation, San Diego CA, 2013.
S. Takaba, "Significance of ITS and formation of its basic concept," J. IEICE, vol.83, no.7, pp.528-530, 2014
S. Yun, H. Son, Y. Rhee, "A Study of Intelligent Head Up Display System for Next Generation Vehicle," The Journal of Korea Institute of Information, Electronics, and Communication Technology, No. 4, Vol. 1, pp.23-31, 2011.03
H, Park, "Vehicle Tracking System using HSV Color Space at nighttime," The Journal of Korea Institute of Information, Electronics, and Communication Technology, No. 8, Vol. 4, pp.270-274, 2015.08
K.D. Baker and G.D. Sullivan, "Performance assessment of model-based tracking," Proc. IEEE Workshop on Applications of Computer Vision, pp.28-35, Palm Springs, CA, 1992.
S. Rowe and A. Blake, "Statistical mosaics for tracking, 5, Image and Vision Computing, vol. 14, pp.549-564, 1996.
L.E. Baum, T. Petrie, G. Soules, and N. Weiss, "A maximization technique occurring in the statistical analysis of probabilistic functions of Markov chains, J, Ann. Math. Stat., vol.41, no.l ,pp.164-171, 1970.
A. Blake and M. Isard, Active contours, Springer, 1998.
A.P. Dempster, N.M. Laird, and D.R. Rubin, "Maximum likelihood from incomplete data via the EM algorithm," J.R. Stat. Soc., B 39, pp. 1-38, 2006.
S. Kamijo, Y. Matsushita, K. Ikeuchi, and M. Sakauchi, "Occlusion robust tracking utilizing spatio-temporal Markov Random Field model," IEICE Trans. Inf. & Syst. (Japanese Edition), vol.J83-D-II, no.12, pp.2597-2609, Dec. 2008.
J. Kato, T. Watanabe, and M. Yoneda, "HMM-based back-ground-object-shadow separation for traffic monitoring movies," Trans. IPS Japan, vol.42, no.l, pp.1-15, 2009.
J. Kato, T. Watanabe, S. Joga, J. Rittscher, and A. Blake, "An HMM-based segmentation method for traffic monitoring movies," IEEE Trans. Pattern Anal. & Mach. Intell., vol.24, no.9, pp.1291-1296, 2009.
J. Li, A. Najmi, and R.M. Gray, "Image classification by a two-dimensional hidden Markov model," IEEE Trans. Signal Processing, vol.48, no.2, pp.517-533, 2010.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.