[논문]빛에 강인한 교통 표지판 검출 및 인식

길태호; 조남익

문제 정의

따라서 본 논문에서는 실외 빛에 강인하면서 동시에 실시간인 교통 표지판 인식이 가능한 알고리즘을 제안한다. 먼저 제안하는 알고리즘은 색상과 형태 정보를 이용하여 이에 해당하는 교통 표지판 후보군을 찾는다.
본 논문에서는 교통 표지판의 색상, 형태 등을 이용하여 이를 자동으로 검출하고 인식하는 알고리즘을 제안하였다. 제안하는 알고리즘에서는 색상과 형태 정보를 통해 표지판 후보군을 검출하였고, 임계값을 여러 개를 설정함으로써 피라미드 형태의 이진화 영상들을 얻었고, 이를 통하여 실외 빛의 변화에 강인한 알고리즘이 되도록 하였다.
먼저 제안하는 알고리즘은 색상과 형태 정보를 이용하여 이에 해당하는 교통 표지판 후보군을 찾는다. 본 논문은 여러 색상 임계값에 대하여 색상 이진화를 함으로써 각 임계값에 해당하는 영상 피라미드를 만들고, 이러한 중간 피라미드 영상들 모두에 대하여 인식 알고리즘을 수행함으로써 빛에 강인한 알고리즘을 제안한다. 그 후, 뽑아낸 교통 표지판 후보군에 대하여 Linear SVM을 통해 학습된 결과를 이용하여 올바르게 교통 표지판을 인식한다.

제안 방법

각 연결 요소들 중에서 원 형태인 요소들만 걸러내기 위해서, 필터링 작업을 수행한다. 각 연결 요소를 감싸는 외곽 직사각형(bounding rectangle)의 가로, 세로 길이, 가로 세로 비율, 내부 요소의 둘레 길이 그리고 내부 요소의 면적과 외곽 직사각형의 면적 비율과 같이 형태적 의미를 가지는 값들을 구해서 최대, 최소값 조건을 만족시키지 못하면 제거함으로써 형태 정보 필터링을 수행한다. 그림 3은 이 과정을 보여준다.
각 표지판 후보군의 크기는 모두 24×24 픽셀로 일정하게 하였고, 이를 144차원의 HOG descriptor로 표현하였다.
따라서 제안하는 알고리즘은 먼저 이러한 색상과 형태 정보를 통해서 교통 표지판 후보군을 찾는다. 그 후 각 후보군에 대해서 학습된 결과를 이용하여 표지판 인식을 수행한다.
본 논문은 여러 색상 임계값에 대하여 색상 이진화를 함으로써 각 임계값에 해당하는 영상 피라미드를 만들고, 이러한 중간 피라미드 영상들 모두에 대하여 인식 알고리즘을 수행함으로써 빛에 강인한 알고리즘을 제안한다. 그 후, 뽑아낸 교통 표지판 후보군에 대하여 Linear SVM을 통해 학습된 결과를 이용하여 올바르게 교통 표지판을 인식한다.
우선 표지판 후보군을 일정한 크기로 변환한 후, HOG descriptor로 표지판 후보군을 표현한다. 그리고 각 표지판 후보군에 대한 HOG descriptor과 미리 알고 있는 레이블을 입력하여 학습 알고리즘을 통해 학습시킨다.
이 표지판의 경우 파란색 또는 빨간색과 원 형태로 규격화 되어 있고, 내부의 그림이 각각의 교통 정보를 나타낸다. 따라서 제안하는 알고리즘은 먼저 이러한 색상과 형태 정보를 통해서 교통 표지판 후보군을 찾는다. 그 후 각 후보군에 대해서 학습된 결과를 이용하여 표지판 인식을 수행한다.
따라서 본 논문에서는 실외 빛에 강인하면서 동시에 실시간인 교통 표지판 인식이 가능한 알고리즘을 제안한다. 먼저 제안하는 알고리즘은 색상과 형태 정보를 이용하여 이에 해당하는 교통 표지판 후보군을 찾는다. 본 논문은 여러 색상 임계값에 대하여 색상 이진화를 함으로써 각 임계값에 해당하는 영상 피라미드를 만들고, 이러한 중간 피라미드 영상들 모두에 대하여 인식 알고리즘을 수행함으로써 빛에 강인한 알고리즘을 제안한다.
여기서 인식에 사용하는 학습 알고리즘으로는 Linear SVM을 이용하였다. 우선 표지판 후보군을 일정한 크기로 변환한 후, HOG descriptor로 표지판 후보군을 표현한다. 그리고 각 표지판 후보군에 대한 HOG descriptor과 미리 알고 있는 레이블을 입력하여 학습 알고리즘을 통해 학습시킨다.
빨간색과 파란색 성분이 강할수록 큰 픽셀 값을 가짐을 확인할 수 있다. 정규화 영상에 대해서 빨간색 또는 파란색 색상 성분이 강한 표지판을 찾기 위해서 이진화를 수행한다. 하지만 차량에서 취득한 영상은 실외 영상이기 때문에, 그 날의 태양 빛과 날씨에 따라 표지판의 색상이 다른 값을 띄게 된다.
본 논문에서는 교통 표지판의 색상, 형태 등을 이용하여 이를 자동으로 검출하고 인식하는 알고리즘을 제안하였다. 제안하는 알고리즘에서는 색상과 형태 정보를 통해 표지판 후보군을 검출하였고, 임계값을 여러 개를 설정함으로써 피라미드 형태의 이진화 영상들을 얻었고, 이를 통하여 실외 빛의 변화에 강인한 알고리즘이 되도록 하였다. 마지막으로 각 후보군 영상을 HOG descriptor로 표현하고 위 벡터 공간에 대해 Linear svm 학습 알고리즘을 통해 표지판의 내용을 인식하였다.
는 이에 대한 이진화 영상을 의미한다. 피라미드 형태와 같은 여러 개의 이진화 영상들을 구한 후, 모든 이진화 영상들에 대해서 인식 알고리즘을 진행함으로써 실외 빛에 강인한 인식 알고리즘을 수행한다.

대상 데이터

각 표지판 후보군의 크기는 모두 24×24 픽셀로 일정하게 하였고, 이를 144차원의 HOG descriptor로 표현하였다. 각 표지판마다 1500개의 데이터를 이용하여 학습했으며, 실외 빛을 고려한 영상 피라미드를 위한 임계값 개수는 6개로 설정하였다. 실험 영상의 크기는 1024×768로 하였고, 시속 40∼60km로 달리는 차량 내 카메라를 통해 획득하였다.
실험 영상의 크기는 1024×768로 하였고, 시속 40∼60km로 달리는 차량 내 카메라를 통해 획득하였다.

이론/모형

제안하는 알고리즘에서는 색상과 형태 정보를 통해 표지판 후보군을 검출하였고, 임계값을 여러 개를 설정함으로써 피라미드 형태의 이진화 영상들을 얻었고, 이를 통하여 실외 빛의 변화에 강인한 알고리즘이 되도록 하였다. 마지막으로 각 후보군 영상을 HOG descriptor로 표현하고 위 벡터 공간에 대해 Linear svm 학습 알고리즘을 통해 표지판의 내용을 인식하였다. 실험 결과를 통해 제안하는 방법이 충분히 실외의 다양한 조건에 대해서도 표지판을 인식함을 확인할 수 있었다.
마지막으로는 이렇게 구한 표지판 후보군들에 대해서 인식 알고리즘을 수행하게 된다. 여기서 인식에 사용하는 학습 알고리즘으로는 Linear SVM을 이용하였다. 우선 표지판 후보군을 일정한 크기로 변환한 후, HOG descriptor로 표지판 후보군을 표현한다.

성능/효과

그리고 false positive 값은 나타나지 않았다. 또한 서로 다른 장소, 시간에 획득한 실험 영상에 대해서 모두 잘되었기 때문에 실외 빛에 강인한 알고리즘임을 확인할 수 있었다. 수행 시간은 15∼20 fps로 측정되었다.
마지막으로 각 후보군 영상을 HOG descriptor로 표현하고 위 벡터 공간에 대해 Linear svm 학습 알고리즘을 통해 표지판의 내용을 인식하였다. 실험 결과를 통해 제안하는 방법이 충분히 실외의 다양한 조건에 대해서도 표지판을 인식함을 확인할 수 있었다.

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

빛에 강인한 교통 표지판 검출 및 인식
Light Invariant Traffic Sign Detection and Recognition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

빛에 강인한 교통 표지판 검출 및 인식 Light Invariant Traffic Sign Detection and Recognition 원문보기

초록 AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

빛에 강인한 교통 표지판 검출 및 인식
Light Invariant Traffic Sign Detection and Recognition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper