[논문]영상처리를 이용한 지하철 스크린 도어의 경계선 침범인식 알고리듬 연구

백운석; 이하운

doi:10.13067/jkiecs.2018.13.5.1051

영상처리를 이용한 지하철 스크린 도어의 경계선 침범인식 알고리듬 연구
Algorithm for Detecting PSD Boundary Invasion in Subway PSD using Image Processing 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.13 no.5, 2018년, pp.1051 - 1058

백운석 (동양대학교 컴퓨터정보통신군사학과) , 이하운 (동양대학교 철도전기융합학과)

초록
AI-Helper

지하철 스크린도어(PSD)에서 발생할 수 있는 안전사고 예방을 위한 영상처리 알고리듬을 제안한다. 우선 지하철 스크린도어 영상에 대해 에지를 검출 하고, 사람의 스크린도어 접근 여부를 판단하기 위해 호프변환을 이용하여 직선을 검출한다. 이를 위해 스크린도어 경계면에 일직선을 긋고 이 직선의 끊김 여부로 사람의 접근을 판단한다. 일반적으로 에지는 영상의 가장 기본적인 특징을 나타내며, 에지 검출은 영상처리 및 컴퓨터 비전 분야에서 매우 중요하다. 에지 검출 방법에는 로버츠, 소벨, 프리윗, 라플라시안 등 고정된 값의 마스크를 사용하는 방법과 영상을 형태학적 관점에서 접근하여 처리하는 모폴로지 방법 및 캐니에지 검출 방법 등이 있다. 본 논문에서는 캐니에지 검출방법과 호프변환을 이용하여 지하철 스크린도어에서 사람의 접근 여부에 대한 감지 알고리듬을 제안하고 실제 그 결과를 컴퓨터 시뮬레이션으로 나타내었다.

Abstract ▼ AI-Helper

This paper propose image processing algorithm to prevent safety accidents near by subway platform screen door(PSD). First, edges of the subway PSD images are detected and the boundary line between PSD and subway platform is detected to decide people's approach to the PSD using Hough transform. To do this, we draw the boundary line between the PSD and platform, to detect the boundary line and to decide the people's approach to the detected line is completely connected or not. Generally, edge is the basic characteristic of image; thus, edge detection is very important in image processing applications and computer vision area. The conventional edge detection methods such as Roberts, Sobel, Prewitt, and Laplacian etc, which are using a fixed value of mask, and morphological gradient from the structuring element of view and Canny edge detector are widely used. In this paper, we propose the detection algorithm about the people's approach to the subway PSD to prevent the safety accidents by using Canny edge detector and Hough transform and the computer simulation shows the results.

주제어

표/그림 (10)

그림 그림 1. 제안한 알고리듬 순서도 Fig. 1 The proposed algorithm flowchart
그림 그림 2. 직선의 호프 평면으로의 대응 Fig. 2 Mapping of one unique line to the Hough space
그림 그림 3. 입력영상(뒤 모습) (a) 한 명 (b) 두 명 Fig. 3 Input image(appearance from the back) (a) one person (b) two persons
그림 그림 4. 입력영상(옆 모습) (a) 한 명 (b) 두 명 Fig. 4 Input image (appearance from the side) (a) one person (b) two persons
그림 그림 5. 그림 3(a)에 대한 (a) NMS 영상 (b) 히스테리시스 문턱화 영상의 호프변환에 의한 직선 검출 Fig. 5 (a) NMS image and (b) line detection by hough transform of the hysteresis thresholded image for fig 3(a)
그림 그림 6. 그림 3(b)에 대한 (a) NMS 영상 (b) 히스테리시스 문턱화 영상의 호프변환에 의한 직선 검출 Fig. 6 (a) NMS image and (b) line detection of the hysteresis thresholded image by hough transform for fig 3(b)
그림 그림 7. 그림 4(a)에 대한 (a) NMS 영상 (b) 히스테리시스 문턱화 영상의 호프변환에 의한 직선 검출 Fig. 7 (a) NMS image and (b) line detection of the hysteresis thresholded image by hough transform for fig 4(a)
그림 그림 8. 그림 4(b)에 대한 (a) NMS 영상 (b) 히스테리시스 문턱화 영상의 호프변환에 의한 직선 검출 Fig. 8 (a) NMS image and (b) line detection of the hysteresis thresholded image by hough transform for fig 4(b)
그림 그림 9. 그림 6(b)에 나타낸 검출된 직선에 대한 호프 평면에서 결과 Fig. 9 Hough space result about the detected lines shown in fig. 6(b)
표 표 1. 호프변환에 의해 검출된 직선의 최대 길이 Table 1. Maximum straight line length detected by Hough transform

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 논문에서는 지하철 스크린도어(PSD, Platform Screen Door)에 접근하는 사람의 PSD 접근 여부를 알기 위해 PSD의 경계선에 사람의 침범 여부를 검출하는 알고리듬을 제안한다.
본 논문에서 지하철 스크린 도어 경계선 및 사람을 검출하기 위해 실제 서울의 지하철역에서 영상을 촬영하여 사용하였으며, 촬영한 영상은 스크린 도어에서 멀리 떨어진 두 종류의 영상이며 시뮬레이션을 위해 촬영한 영상에서 사람을 스크린도어 가까이로 배치하여 경계선을 침범하는 여부를 판단하였다. 그림 3에 사용한 입력 영상을 나타내었는데 실제 지하철에서 영상을 촬영한 후 경계선 검출을 위해 스크린도어 경계를 나타내는 선을 그려 넣었다.
본 논문에서는 지하철 스크린도어에서 사람의 접근 여부를 검출하기 위해 실제 지하철 영상에 경계를 나타내는 경계선을 긋고 여기에 사람이 침범하여 접근하는지를 캐니 에지 검출 알고리듬과 호프변환을 이용하여 검출하는 알고리듬을 제안하고 그 결과를 나타내었다. 실제 지하철에는 조명의 밝기에 따라 스크린도어의 경계선이 영상에 의해 명확하게 나타나지 않아 경계선 검출이 어려우므로 경계선을 긋고 이를 호프변환에 의해 경계선을 검출하고 그 길이를 측정함으로서 사람의 경계선 침범 여부를 완전히 판단할 수 있었다.
본 논문에서는 지하철 스크린도어에서 안전사고 예방을 위해 지하철 스크린도어 경계선을 정확히 검출하여 사람이 근접하고 있는지 아닌지를 판단하는 알고리듬을 제안한다. 이를 위해 실제에는 없지만 스크린도어 경계선을 나타내는 선을 긋고 캐니에지 검출 알고리듬과 호프 변환을 이용하여 경계선 및 사람을 검출하여 사람의 접근 여부를 판단하도록 한다.

제안 방법

첫 번째로 입력 영상을 블러링하기 위해 가우스 필터를 통과 시킨다. 두 번째로 블러링된 영상에 대해 소벨 연산자를 적용하여 에지 영상을 구하고 그 영상의 크기와 기울기를 계산한다. 세 번째로 소벨 연산자에 의해 구한 영상에 대해 비 최고 억제 알고리듬(NMS, Non-Maximum Suppression algorithm)을 적용한다.
)라 두고, n은 첨두치 개수(즉 직선의 개수)를 의미한다. 본 논문에서는 그림 9에서 나타낸 바와 같이 첨두치를 5개로 하여 n을 5로 두고 시뮬레이션을 하였다.
만약 𝜎값이 너무 크면 희미한 영상이 검출되지 않으며, 너무 적으면 잡음이 제거되지 않아 영상에 나타날 수 있다. 본 논문에서는 영상의 크기와 특성을 고려하여 1.3을 사용하였으며, 실제 영상에 적용할 때는 식(2)와 같은 5X5 매트리스를 적용하였다.
을 사용하였다. 사람이 PSD에 접근하지 않았을 때 검출된 경계선과 사람이 PSD에 접근하였을 때의 경계선 길이를 검출하여 비교하였다. 컴퓨터 시뮬레이션을 위해 실제 서울의 지하철에서 영상을 촬영하여 획득한 영상에 PSD 경계선을 표시하고 사람을 이동시켜 복수의 숫자로 만들어 PSD 경계선 침범 여부를 에지 검출과 호프 변환을 통해 확인하였다.
본 논문에서 사용한 그림 5(b), 6(b), 7(b) 및 8(b) 영상 각각에 대해 5개의 첨두치를 구해 이 첨두치에 해당하는 직선을 나타내고, 각각의 영상에서 최대 직선 길이를 계산하여 사람의 PSD 접근 여부를 판단하였다. 우선 사람이 접근하지 않은 영상에 대해 최대 직선 길이를 구하고 그 직선의 길이와 각각의 영상에서 구한 최대 직선의 길이와 비교하여 접근 여부를 판단한다. 표 1에 각각의 영상에 대해 측정된 최대 직선거리를 나타내었다.
본 논문에서는 지하철 스크린도어에서 안전사고 예방을 위해 지하철 스크린도어 경계선을 정확히 검출하여 사람이 근접하고 있는지 아닌지를 판단하는 알고리듬을 제안한다. 이를 위해 실제에는 없지만 스크린도어 경계선을 나타내는 선을 긋고 캐니에지 검출 알고리듬과 호프 변환을 이용하여 경계선 및 사람을 검출하여 사람의 접근 여부를 판단하도록 한다. 이를 위한 전체적인 흐름은 그림 1과 같다.
사람이 PSD에 접근하지 않았을 때 검출된 경계선과 사람이 PSD에 접근하였을 때의 경계선 길이를 검출하여 비교하였다. 컴퓨터 시뮬레이션을 위해 실제 서울의 지하철에서 영상을 촬영하여 획득한 영상에 PSD 경계선을 표시하고 사람을 이동시켜 복수의 숫자로 만들어 PSD 경계선 침범 여부를 에지 검출과 호프 변환을 통해 확인하였다. 에지 검출을 위해서는 캐니에지검출 방법을 사용하고 캐니에지검출 방법에 의해 검출된 영상에 호프변환을 적용하여 경계선의 길이도 측정하였다.

데이터처리

컴퓨터 시뮬레이션을 위해 실제 서울의 지하철에서 영상을 촬영하여 획득한 영상에 PSD 경계선을 표시하고 사람을 이동시켜 복수의 숫자로 만들어 PSD 경계선 침범 여부를 에지 검출과 호프 변환을 통해 확인하였다. 에지 검출을 위해서는 캐니에지검출 방법을 사용하고 캐니에지검출 방법에 의해 검출된 영상에 호프변환을 적용하여 경계선의 길이도 측정하였다. 본 논문에서 제안한 방법을 실제 지하철의 PSD 안전도 향상을 위해 추가적인 장치로 사용 가능할 것이다.

이론/모형

두 번째로 블러링된 영상에 대해 소벨 연산자를 적용하여 에지 영상을 구하고 그 영상의 크기와 기울기를 계산한다. 세 번째로 소벨 연산자에 의해 구한 영상에 대해 비 최고 억제 알고리듬(NMS, Non-Maximum Suppression algorithm)을 적용한다. 마지막으로 히스테리시스 문턱화(hysteresis thresholding)를 시행한다.
시간이 다소 걸리더라도 정확히 에지를 검출하는 캐니에지검출 방법과 PSD의 경계선을 검출하기 위해 호프변환(Hough transform)¹⁾을 사용하였다. 사람이 PSD에 접근하지 않았을 때 검출된 경계선과 사람이 PSD에 접근하였을 때의 경계선 길이를 검출하여 비교하였다.

성능/효과

실제 지하철에는 조명의 밝기에 따라 스크린도어의 경계선이 영상에 의해 명확하게 나타나지 않아 경계선 검출이 어려우므로 경계선을 긋고 이를 호프변환에 의해 경계선을 검출하고 그 길이를 측정함으로서 사람의 경계선 침범 여부를 완전히 판단할 수 있었다. 표1에서와 같이 침범했을 경우 길이가 침범하지 않았을 때보다 검출된 직선의 길이가 짧아 제안한 알고리듬에 의해 적절히 검출됨을 보여주고 있다. 제안한 내용은 현재의 지하철 스크린도어 안전 시스템에 추가적으로 적용하여 안전사고 예방에 활용할 경우 도움이 될 것이다.

후속연구

에지 검출을 위해서는 캐니에지검출 방법을 사용하고 캐니에지검출 방법에 의해 검출된 영상에 호프변환을 적용하여 경계선의 길이도 측정하였다. 본 논문에서 제안한 방법을 실제 지하철의 PSD 안전도 향상을 위해 추가적인 장치로 사용 가능할 것이다.
표1에서와 같이 침범했을 경우 길이가 침범하지 않았을 때보다 검출된 직선의 길이가 짧아 제안한 알고리듬에 의해 적절히 검출됨을 보여주고 있다. 제안한 내용은 현재의 지하철 스크린도어 안전 시스템에 추가적으로 적용하여 안전사고 예방에 활용할 경우 도움이 될 것이다. 향후 연구로 영상을 획득하는 카메라의 위치와 각도에 따른 비교를 통한 응용 방안제시가 필요할 것으로 보인다.
제안한 내용은 현재의 지하철 스크린도어 안전 시스템에 추가적으로 적용하여 안전사고 예방에 활용할 경우 도움이 될 것이다. 향후 연구로 영상을 획득하는 카메라의 위치와 각도에 따른 비교를 통한 응용 방안제시가 필요할 것으로 보인다.

질의응답

핵심어	질문	논문에서 추출한 답변
	캐니에지검출 알고리듬은 어떤 단계로 나뉘는가?	캐니에지검출 알고리듬은 일반적으로 4가지 단계로 나눈다. 첫 번째로 입력 영상을 블러링하기 위해 가우스 필터를 통과 시킨다. 두 번째로 블러링된 영상에 대해 소벨 연산자를 적용하여 에지 영상을 구하고 그 영상의 크기와 기울기를 계산한다. 세 번째로 소벨 연산자에 의해 구한 영상에 대해 비 최고 억제 알고리듬(NMS, Non-Maximum Suppression algorithm)을 적용한다. 마지막으로 히스테리시스 문턱화(hysteresis thresholding)를 시행한다.
	에지 검출 방법은 어떤 알고리즘이 있는가?	일반적인 에지 검출 방법에는 로버츠(Roberts), 소벨(Sobel), 프리윗(Prewitt), 라플라시안(Laplacian) 및 모폴로지(morphology)를 이용한 방법 등 다양한 알고리듬이 있다[10-12]. 이러한 방법들은 대각선 방향이나 영상의 변화가 완만할 경우 에지 검출 능력이 미흡한 경우가 발생한다.
	NMS의 역할은?	NMS는 에지의 위치를 효과적으로 찾고 잘못된 에지를 없애주는 역할을 한다. 3x3 윈도우를 사용하여 기울기의 방향을 따라 두 개의 이웃하는 픽셀값을 비교하여 값이 크면 그 픽셀은 에지로 표시하고 아니면 에지가 아닌 것으로 한다.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증