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
- ADAS의 다양한 기능들 중에서 본 논문에서는 보행자 보호 시스템을 위한 실제 도로 환경에서의 횡단보도 검출 기술을 제안한다. 한국도로교통공단에서 제공하는 TAAS 교통사고 분석시스템의 통계치에 따르면 매년 횡단보도와 횡단보도 부근에서 발생하는 보행자 교통사고는 감소하고 있지만 일정한 비율로 횡단보도와 관련된 교통 사고가 발생한다[5].
- 본 논문에서는 국내의 실제 주행도로에서 변색되거나 노후화된 횡단보도 블록이나 다양한 조명 환경에서도 우수한 성능을 보이는 새로운 횡단보도 검출방법을 제안하였다. 입력영상을 조감도 영상으로 변형한 후 적응적 이진화 방법으로 영상에서 배경과 도로 표시부분을 분리하였다.
- 본 논문에서는 도로영상에서 횡단보도 영역을 정확히 검출하는 방법을 제안한다. 제안하는 검출 방법은 횡단보도의 시작점과 끝점을 정확히 판정하는 기술을 포함하였다.
- 기존 횡단보도 검출 방법들은 이러한 계산 비용을 줄이기 위해 입력 영상에 대해 관심영역을 설정하여 관심영역 내부에서 횡단보도가 가지는 특징을 이용하여 횡단보도를 검출한다[13]. 본 논문에서는 횡단보도 검출에 걸리는 계산 시간을 줄이기 위하여 입력영상의 이진화 영상에서 횡단보도의 후보영역을 먼저 추출하는 방법을 제안한다.
- 그리고 마지막 단계로 검출된 후보 영역에서 7차원의 횡단보도 특징벡터를 추출하고 기계학습으로 횡단보도의 시작과 끝 지점을 정확히 검출하는 기술을 제안한다. 본 논문은 국내 도로의 주행 영상 데이터를 이용하여 횡단보도 검출을 수행하였다.
- 따라서 x축 히스토그램을 이용하여 검출된 횡단보도 후보영역에 대해 실제 횡단보도 여부를 판단해야 할 필요가 있다. 본 절에서는 검출된 후보 영역에 대해 실제 횡단보도를 판단하기 위한 횡단보도 특징 벡터를 추출 방법에 대해 설명한다.
- 본 절에서는 도로 영상에서 횡단보도를 검출하는 기존 방법을 분석한다. S.
- 본 절에서는 횡단보도 검출방법에 대해 이미지 전처리 과정인 영상 이진화에 대해 설명 한다. 많은 횡단보도검출 방법에서는 횡단보도 블록들의 윤곽선을 추출하기 위해 먼저 입력영상을 이진화한다.
- 본 절에서는 횡단보도 후보 영역에서 실제 횡단보도영역을 판정하는 방법을 설명한다. 먼저 앞 절에서 정의한 7차원의 특징 벡터 F를 SVM 입력 벡터로 정한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.