[논문]다중스펙트럼을 이용한 횡단보도 보행자 검지에 관한 연구

김정훈; 최두현; 이종선; 이동화

doi:10.9723/jksiis.2022.27.1.011

다중스펙트럼을 이용한 횡단보도 보행자 검지에 관한 연구
A study on the detection of pedestrians in crosswalks using multi-spectrum 원문보기

한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.27 no.1, 2022년, pp.11 - 18

김정훈 (경북대학교 전자공학부) , 최두현 (경북대학교 전자공학부) , 이종선 ((주)아이티에스뱅크) , 이동화 (대구대학교 ICT융합학부)

초록
AI-Helper

주간 및 야간의 보행자 감지를 위해서는 다중 스펙트럼 활용이 필수적이다. 본 논문에서는 교통사고의 위험성이 높은 교차로에서 횡단보도 근처의 보행자를 24시간 검출하기 위해 컬러 카메라 및 열화상 적외선 카메라를 사용하였다. 보행자 탐지를 위해서 YOLO v5 객체 검출기를 사용하였으며 컬러 이미지와 열화상 이미지를 동시에 사용하여 감지 성능을 향상 시켰다. 제안된 시스템은 실제 횡단보도 현장에서 확보한 주·야간 다중 스펙트럼(색상 및 열화상) 보행자 데이터 셋에서 Iou 0.5 기준 0.94 mAP의 높은 성능을 보였다.

Abstract ▼ AI-Helper

The use of multi-spectral cameras is essential for day and night pedestrian detection. In this paper, a color camera and a thermal imaging infrared camera were used to detect pedestrians near a crosswalk for 24 hours at an intersection with a high risk of traffic accidents. For pedestrian detection, the YOLOv5 object detector was used, and the detection performance was improved by using color images and thermal images at the same time. The proposed system showed a high performance of 0.940 mAP in the day/night multi-spectral (color and thermal image) pedestrian dataset obtained from the actual crosswalk site.

주제어

표/그림 (10)

그림 Fig. 1 Conceptual image of a crosswalk monitoring system
그림 Fig. 2 YOLOv5 Network Structure
그림 Fig. 3 The Structure of the Pedestrian Detector
그림 Fig. 4 Example of Multi-spectral Pedestrian Data
표 Table 1 Experimental Hyperparameters
그림 Fig. 5 Learning Curves of mAP@0.5 and mAP@[0.5:0.95]
그림 Fig. 6 Examples of pedestrian detection and false detection
표 Table 2 Performance of Different Models
표 Table 3 Performance of Different Channel Models
표 Table 4 Day and Night Test Results of YOLOv5s Model

참고문헌 (16)

Cho, N. H., Ann, J. D. and Gwak, Y. S. (2014). A Study on the Pedestrians Monitoring System on the Crossroads, Proceedings of KIIT Conference, pp.353-357.
Girshick, R., Donahue, J. and Darrell T. (2016). Region based convolutional networks for accurate object detection and segmentation, IEEE transactions on pattern analysis and machine intelligence, 38(1), 142-158.

상세보기
Jung, G. Y., Jung, J. H. and Lee H. C. (2013). Efficient Implementation of Candidate Region Extractor for Pedestrian Detection System with Stereo Camera based on GP-GPU, IEMEK J. Embed. Sys. Appl., 8(2), 121-128.

원문보기 상세보기
Jeon, N. Y., Kim, S. J. and Chu, S. H. (2018). A study on the Application of Living Lab in Transportation : Focused on the Auto-Image Sensing Signal System for Pedestrian, The Korea Institute of Intelligent Transport Systems, 17(2), 1-17.

원문보기 상세보기
Kim, J. H., Jung Y. M. (2021). Implementation of pedestrian safety system for crosswalks in the late-night time, J-KICS, pp.604-605.
Ling, Bo., Zeifman, M.I., Gibson, D. R. P. (2007). Multiple pedestrian detection using IR LED stereo camera, Intelligent Robots and Computer Vision XXV: Algorithms.
Lee, T. H., Kim, K. J., Yun, K. S. and Choi D. H. (2018). A method of Counting Vehicle and Pedestrian using Deep Learning based on CCTV, Journal of Korean Institute of Intelligent Systems, 28(3), 219-224.

상세보기
Lee, M. H., Nam, K. W. and Lee, C. W. (2019). Crack Detection on the Road in Aerial Image using Mask R-CNN, Journal of the Korea Industrial Information System Research, 24(3), 23-29, http://dx.doi.org./10.9723/jksiis.2019.24.3.023.

원문보기 상세보기
Malisiewicz, T., Gupta, A. and Efros A. A. (2011). Ensemble of exemplarsvms for object detection and beyond, in Computer Vision (ICCV) 2011 IEEE International Conference on. IEEE, pp.89-96.
Papageorgiou, C., Poggio T. (2000). A trainable system for object detection, International journal of computer vision, 38(1), 15-33.
Pradhan, R. N. (2020). Towards Modular Multispectral Object Detection using Adaptive Weighted Fusion, Order No. 28149629, University of Toronto (Canada).
Redmon, J., Divvala S. and Girshick, R. (2016). You Only Look Once: Unified, Real-Time Object Detection, 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.779-788.
Viola, P., Jones, M. (2001). Rapid object detection using a boosted cascade of simple features, CVPR Proceedings of the 2001 IEEE Computer Society Conference.
Wang, C., Liao, H. M., and Wu, Y. (2020). CSPNet: A New Backbone that can Enhance Learning Capability of CNN, 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), pp.1571-1580.
Youdong L., Yongtao W., and Ting-Ting L. (2019). CBNet: A Novel Composite Backbone Network Architecture for Object Detection, Proceedings of the AAAI Conference on Artificial Intelligence, 34(07), 11653-11660.
Zhang, H., Fromont, E. and Lefevre, E. (2020). Multispectral Fusion for Object Detection with Cyclic Fuse-and-Refine Blocks, 2020 IEEE International Conference on Image Processing (ICIP), pp. 276-280.

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