[논문]조명환경에 강인한 도로변 불법 주차 차량 분리 기법

지영석; 백경환; 한영준; 한헌수

조명환경에 강인한 도로변 불법 주차 차량 분리 기법
Robust Car Detection Sheme on Various Illumination Condition 원문보기

지영석 (숭실대학교 전자공학과) , 백경환 (숭실대학교 전자공학과) , 한영준 (숭실대학교 전자공학과) , 한헌수 (숭실대학교 전자공학과)

본 논문에서는 배경 분리(Background Subtraction) 기법 및 픽셀 농도를 기반으로 조명 환경의 변화에 강인한 도로상 불법 주정차차량을 검출하고, 추적할 수 있는 기법을 제안하였다. 제안된 기법은 영상내 도로변을 관심영역으로 설정하고, 실시간으로 전후 영상을 비교하여 조명변화에 강인한 분별력을 가질 수 있는 적응 배경 모델을 생성한다. 제안 된 픽셀 농도의 수치를 기반으로 변화량이 작은 배경 영역을 제거하고, 상대적으로 큰 변화량을 가지는 차량 영역을 구별할 수 있다. 구별된 대상 차량 영역에 군집 추적 기법을 적용하여 겹쳐신 자동차들 간의 구별이 가능 하도록 하였다. 제안된 기법에 대한 실험은 불법 주정자 단속 카메라로부터 다양한 조명환경에 대한 고려가 가능한 시간대별 영상을 통해 검증하였다.

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

문제 정의

영상 간의 픽셀 값(Pix여 value)을 비교하여 영상의 변화만을 비교하는 것은 이번 논문의 목적에서 문제점을 들어낸다. 차가 도로변에 주정차하는 것과 주정차한 차량이 빠져나가는 것에서 차가 오랫동안 주차되었던 경우 배경 적응 모델의 도로의 픽셀 값(Pixel value)과 입력 영상의 픽셀 값(Pix이 value)이 같지 않아 이 부분을 차량으로 판단 할 수도 있다, 또는 픽셀 값 (Pixel value)이 동일하여 차가 빠져 나갔는데도 불구하고 인지를 못할 수도 있다.

제안 방법

반면에 도로 영역은 일정한 농도(Pixel intensity)를 갖으며 밝기 차이가 없다[1]. 검출한 차량 후보 영역을 명확하게 해야 하는데 본 연구에서는 단락된 에지 이미지의 군집화 방법으로 입력 영상 #와 대치 시켜서 영역 내의 각 수평 픽셀들 픽셀 값(Pix이 value)의 평균을 구해서 각 픽셀의 값을 뼜을 때. 임의의 문턱 값(Threshold)보다 큰 경우 파라미터 값을 누적시켜서 좌우 간 변화량이 급격하게 변화한 경우 값이 큰 경우 차량으로 검출하였다.
/3는 임의의 문턱 값(Threshold)이다. 변화량을 볼 때는 차량 후보 영역과 후보 도로 영역 모두 실시하여 매 입력 영상에서의 픽셀(Pix이)변화량의 정도를 보았다. 식 2는 각 픽셀 값(Pixel value)에서 평균을 뻤을 때, 0보다 작거나 같을 때까지 계속 반복되며, 이때 숫자가 1만큼 누적되어 변화량의 정도를 나타낸다.
이는 다욤 영상이 들어왔을 떄부터 적용된다. 이렇게 찾아진 차량의 자표를 기억하여 차량이 이동하는 것에 대해 추적왈 하여 # 법 주정차 차량 검출 및 분리 방법을 제안하였다.<그림 1>은 본 논문에서 제안하는 차량 검출 및 분리를 위한 시스템 순서토 알고리즘을 론여준다.

대상 데이터

또한, 이 중 주정차의 경우 두 대의 차량을 한 대로만 잡는 문제점이 발견되었다. 이 실험은 한 대의 불법 주정차 단속 카메라로 얻어진 영상이며, 약1 분 30초의 연속적인 영상으로 시간 대 별로 촬영되었다. 해상도는 640*480 이다.

데이터처리

실험을 통해 얻은 결과 값은 배경 차 영상(Background SubtractiorD을 이용한 자동차 후보 영역을 단락된 에지 이미지로 얻은 후, 수평 픽셀 값 (Pix비 value)의 변화량을 이용하여 정확한 영역의 군집화를 하여 결과 값을 얻은 것이다. 하지만<그림 3-(b)>와 같이 실제 차량 영역보다 크게 잡히는 경우가 많은데, 이는 위에서도 언급했단 순간적인 조명과 도로상의 얼룩 같은 변수들이 모여서 나타나는 경우이다 그러나 결과 값이 차량 검출에 큰 무리가 없는 정도이다.

이론/모형

본 논문은 조명 환경의 변화에 적합한 배경 적응 모델을 적용하였다. 영상 간의 픽셀 값(Pix여 value)을 비교하여 영상의 변화만을 비교하는 것은 이번 논문의 목적에서 문제점을 들어낸다.

성능/효과

차가 도로변에 주정차하는 것과 주정차한 차량이 빠져나가는 것에서 차가 오랫동안 주차되었던 경우 배경 적응 모델의 도로의 픽셀 값(Pixel value)과 입력 영상의 픽셀 값(Pix이 value)이 같지 않아 이 부분을 차량으로 판단 할 수도 있다, 또는 픽셀 값 (Pixel value)이 동일하여 차가 빠져 나갔는데도 불구하고 인지를 못할 수도 있다. 그래서 수평 픽셀 값(Pixel value)의 변화량 비교로써 실험의 높은 신뢰도를 얻었으며, 조명 환경에서도 강인하였다 .<표 1>에서 보면 주간 .
하지만<그림 3-(b)>와 같이 실제 차량 영역보다 크게 잡히는 경우가 많은데, 이는 위에서도 언급했단 순간적인 조명과 도로상의 얼룩 같은 변수들이 모여서 나타나는 경우이다 그러나 결과 값이 차량 검출에 큰 무리가 없는 정도이다. 또한 참고 문헌[2]에서 사용된 기법보다 처리속도가 빠르며, 모든 영상에 대해 같은 처리 성능을 보였다. 향우 나타난 문제점을 보완하기 위해서는 배경 적응 모델의 생성 시 보다 안정적인 알고리즘을 개발 하여 실제 불법 주정차 단속 시에 적용할 수 있을 만큼의 신뢰도와 정확도를 얻기 위해 다양한 살험을 수행할 계획이다.

후속연구

또한 참고 문헌[2]에서 사용된 기법보다 처리속도가 빠르며, 모든 영상에 대해 같은 처리 성능을 보였다. 향우 나타난 문제점을 보완하기 위해서는 배경 적응 모델의 생성 시 보다 안정적인 알고리즘을 개발 하여 실제 불법 주정차 단속 시에 적용할 수 있을 만큼의 신뢰도와 정확도를 얻기 위해 다양한 살험을 수행할 계획이다. 아울러 적용 가능한 다른 응용분야에도 적용해 볼 것이다《그림 4>는 겹쳐진 차량의 검출 및 분리를 한 결과 이미지이다.

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

조명환경에 강인한 도로변 불법 주차 차량 분리 기법
Robust Car Detection Sheme on Various Illumination Condition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

조명환경에 강인한 도로변 불법 주차 차량 분리 기법 Robust Car Detection Sheme on Various Illumination Condition 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

조명환경에 강인한 도로변 불법 주차 차량 분리 기법
Robust Car Detection Sheme on Various Illumination Condition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper