최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기방송공학회논문지 = Journal of broadcast engineering, v.25 no.1, 2020년, pp.83 - 93
임석재 (건국대학교 전기전자공학부) , 정현석 (건국대학교 전기전자공학부) , 김원준 (건국대학교 전기전자공학부) , 이용 (한국과학기술정보연구원 연구데이터공유센터) , 박민우 (한국과학기술정보연구원 연구데이터공유센터) , 이상환 (한국과학기술정보연구원 연구데이터공유센터)
With the rapid increase of vehicles, various traffic problems, e.g., car crashes, traffic congestions, etc, frequently occur in the road environment of the urban area. To overcome such traffic problems, intelligent transportation systems have been developed with a traffic flow analysis. The traffic ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
차선을 검출하기 위한 가장 기본적인 방법은 무엇인가? | 차선을 검출하기 위한 가장 기본적인 방법으로는 영상내 에지(Edge)를 검출하고 허프 변환(Hough Transform) 등을 적용하여 직선을 추정하는 방법이 있다. 고속 도로와 같 이 차로 위 차량 간격이 여유로운 경우 해당 방법이 효과적 으로 적용될 수 있으나, 도심의 복잡한 도로 환경에서는 다양한 배경 요인(예를 들어, 정체 현상, 빌딩 밀집 등)으로 인해 성능 저하가 발생한다. | |
교통 문제는 왜 빈번히 발생하는가? | 최근 급격한 도시화 및 인구 집중으로 다양한 교통 문제가 빈번히 발생하고 있다. 따라서, 이를 효과적으로 해결하기 위한 교통 흐름 분석 관련 연구들이 활발히 진행되고 있다. | |
도심의 복잡한 도로 환경을 극복하기 위해 어떤 연구가 진행되고 있는가? | 고속 도로와 같 이 차로 위 차량 간격이 여유로운 경우 해당 방법이 효과적 으로 적용될 수 있으나, 도심의 복잡한 도로 환경에서는 다양한 배경 요인(예를 들어, 정체 현상, 빌딩 밀집 등)으로 인해 성능 저하가 발생한다. 이러한 한계를 극복하기 위해 최근에는 심층 신경망(Deep Neural Network)을 이용하여 차선을 검출하는 연구가 활발히 진행되고 있다. 특히, 영상내 각 픽셀이 차선에 속하는지를 이진 분류 문제로 표현할수 있기 때문에 영상 분할에 사용되는 기존 심층 신경망을 그대로 적용 가능하다. |
Y. Liu, Y. Lu, Q. Shi, and J. Ding, "Optical flow based urban road vehicle tracking," in Proc. IEEE International Conference Computational Intelligence and Security(CIS), Dec. 2013, pp. 391-395.
Y. Xia, X. Shi, G. Song, Q. Geng, and Y. Liu, "Towards improving quality of video-based vehicle counting method for traffic flow estimation," Signal Processing, vol. 120, pp. 672-681, Mar. 2016.
H. Zhang, and K. Wu, "A vehicle detection algorithm based on three-frame differencing and background subtraction," in Proc. International Symposium on Computational Intelligence and Design(ISCID), Oct. 2012, pp. 148-151.
M. S. Shirazi, and B. Morris, "A typical video-based framework for counting, behavior and safety analysis at intersections," in Proc. IEEE Intelligent Vehicles Symposium(IV), Jun. 2015, pp. 1264-1269.
Traffic monitorng system(road traffic investigation), www.road.re.kr/ intro/intro_01.asp (accessed Aug. 27, 2019).
S. Cheung, S. Coleri, B. Dundar, S. Ganesh, C. Tan, and P. Varaiya, "Traffic measurement and vehicle classification with single magnetic sensor", Transportation Research Record: Journal of the Transportation Research Board, vol. 1917, no. 1, pp. 173-181, Jan. 2005.
P. Barcellos, C Bouvie, F. L. Escouto, and J. Scharcanski, "A novel video based system for detecting and counting vehicles at user-defined virtual loops," Expert Systems with Applications, vol. 42, no. 4, pp. 1845-1856, Mar, 2015.
D. Neven, B. D. Brabandere, S. Georgoulis, M. Proesmans, and L. V. Gool, "Towards end-to-end lane detection: an instance segmentation approach," in Proc. IEEE Intelligent Vehicles Symposium(IV), Jun. 2018, pp. 286-291.
S. Lee et al., "VPGNet: vanishing point guided network for lane and road marking detection and recognition," in Proc. IEEE International Conference on Computer Vision(ICCV), Oct. 2017, pp. 1966-1973.
S. Chougule, N. Koznek, A. Isumail, G. Adam, and V. Narayan, "Reliable multilane detection and classification by utilizing CNN as a regression network," in Proc. European Conference on Computer Vision(ECCV) Workshops, Sep. 2018, pp. 740-752.
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, "You only look once: Unified real-time object detection," in Proc. IEEE Conference on Computer Vision and Pattern Recognition(CVPR), Jun. 2016, pp. 779-788.
A. Bewley, Z. Ge, L. Ott, F. Ramos, and B. Upcroft, "Simple online and realtime tracking," in Proc. IEEE International Conference on Image Processing(ICIP), Sep. 2016, pp. 3464-3468.
J. Wang, T. Mei, B. Kong, and H. Wei, "An approach of lane detection based on inverse perspective mapping," in Proc. International IEEE Conference on Intelligent Transportation Systems(ITSC), Oct. 2014, pp. 35-38.
Daejeon metropolitan city road traffic cctv, http://traffic.daejeon.go.kr/map/trafficInfo/cctv.do (accessed Feb. 1, 2019).
G. Farneback, "Two-frame motion estimation based on polynomial expansion", in Proc. Scandinavian Conference on Image Analysis (SCIA), Jun. 2003, pp. 363-370.
Z. Zivkovic, "Improved adaptive gaussian mixture model for background subtraction," in Proc. International Conference on Pattern Recognition(ICPR), Aug. 2004, pp. 28-31.
Z. Zivkovic, "Efficient adaptive density estimation per image pixel for the task of background subtraction," Pattern Recognition Letters, vol. 27, no. 7, pp. 773-780, May. 2006.
C. Goutte, and E. Gaussier, "A probabilistic interpretation of precision, recall and F-score, with implication for evaluation," in Proc. European Conference on Information Retrieval(ECIR), Apr. 2005, pp. 345-359.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.