[논문]적외선 이미지 기반 야간 보행자 인식

이종규; 강선; 박경춘; 신현철

[국내논문] 적외선 이미지 기반 야간 보행자 인식
Night-Time Pedestrian Detection Techniques by Using Thermal Images 원문보기

이종규 (한양대학교 전자 및 통신공학) , 강선 (한양대학교 전자 및 통신공학) , 박경춘 (한양대학교 전자 및 통신공학) , 신현철 (한양대학교 전자 및 통신공학)

본 논문에서는 야간에 보행자인식의 성능 향상을 위한 효율적인 인식 방법을 제안한다. 이 논문은 야간에 차량에 비치 된 Thermal Camera를 이용하여 적외선 영상을 얻은 후, 적응적 thresholding, Histogram Equalization, Morphology Operation, Labelling, HOG및 SVM Training 방법을 사용하여 보행자의 인식율을 높이도록 하였다. 3830개의 training 영상을 사용하였으며 실험결과 우수한 인식 결과를 얻었다.

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

문제 정의

이 논문에서 thermal camera를 이용한 야간 보행자 인식하는 기술을 구현하였다. 이 과정들에서 여러 보행자의 특징을 추출하여 선택하였고, 보행자 인식은 HOG 및 SVM을 통해 인식했다.

제안 방법

이 부분만 labelling을 하여 일정 threshold 값을 추출한다. 보행자를 인식하기 위한 방법으로 HOG 특징을 이용해 SVM training 을 통해 보행자를 최종적으로 확인한다. 이 과정을 다시verification을 한다[1].
threshold 값이 230일 경우 보행자만 아니라 주위 배경까지 이진화 되고 250일 경우 보행자 부분이 선명하지 않다. 본 논문에서는 threshold 값을 임의로 정하여 이진화 하지 않고 영상에서의 픽셀 밝기 값의 최대치 (IH)과 평균 밝기값(IM)을 이용한 수식 T=0.2 IM + 0.8 IH 을 이용한 적응적 threshold 로 이진화 과정을 수행하였다 [1]. 그림 6은 적응적 threshold 가 248일 때의 이진화 이미지를 보여준다 [6].
Histogram of Oriented Gradients(HOG)는 한 이미지에서 일정 크기 셀 단위로 스캔하면서 셀 단위에 들어있는 픽셀들의 기울기의 방향과 magnitude를 통계하여 histogram을 만들어서 이미지의 특징으로 이용한다. 밝기 값이 갑자기 변하는 곳에서 밝기 차이로 인한 기울기의 방향과 magnitude의 histogram을 이용한 것이다. labelling 된 영역의 보행자가 HOG 추출을 거치면 보행자인 이미지는 positive 이미지(그림10)로 분류, 보행자가 아닌 이미지는 negative 이미지(그림11)로 분류한다[2],[5].
이 논문에서 thermal camera를 이용한 야간 보행자 인식하는 기술을 구현하였다. 이 과정들에서 여러 보행자의 특징을 추출하여 선택하였고, 보행자 인식은 HOG 및 SVM을 통해 인식했다. 실험결과 보행자가 한명일 경우에는 인식률이 좋지만 두 명이상 붙어있을 경우 한명보다 낮게 인식이 된다.

대상 데이터

보행자를 인식하기 위해서 HOG 알고리즘 및 SVM을 사용했다. 인식을 위해 training을 positive 이미지 1362개, negative 이미지 2428개를 사용했다. 실험에는 positive 이미지 1000개와 negative 이미지 2000개를 사용했다.
인식을 위해 training을 positive 이미지 1362개, negative 이미지 2428개를 사용했다. 실험에는 positive 이미지 1000개와 negative 이미지 2000개를 사용했다. 그 결과 총 3000개 이미지 중 2403개의 이미지를 인식하여 80%의 인식률을 보여주었다.

이론/모형

보행자를 인식하기 위해서 HOG 알고리즘 및 SVM을 사용했다. 인식을 위해 training을 positive 이미지 1362개, negative 이미지 2428개를 사용했다.

성능/효과

실험에는 positive 이미지 1000개와 negative 이미지 2000개를 사용했다. 그 결과 총 3000개 이미지 중 2403개의 이미지를 인식하여 80%의 인식률을 보여주었다.

후속연구

실험결과 보행자가 한명일 경우에는 인식률이 좋지만 두 명이상 붙어있을 경우 한명보다 낮게 인식이 된다. 이러한 문제점을 개선하기 위해 일상에서 쓰는 보통카메라와 결합 또는 실시간 보행자 추적하는 것을 보완할 계획이다.

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

[국내논문] 적외선 이미지 기반 야간 보행자 인식
Night-Time Pedestrian Detection Techniques by Using Thermal Images 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

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

[국내논문] 적외선 이미지 기반 야간 보행자 인식 Night-Time Pedestrian Detection Techniques by Using Thermal Images 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

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

[국내논문] 적외선 이미지 기반 야간 보행자 인식
Night-Time Pedestrian Detection Techniques by Using Thermal Images 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper