초록 ▼

1. 최종목표
고정된 보안 영상 카메라를 기반으로 영상내의 차량을 검지하고 검지된 차량의 차종을 분류하는 알고리즘을 개발하는 것이 과제의 최종 목표이다. 세부 목표로는 두 가지가 있는데, 사전에 차량 데이터 베이스를 구축하고 구축된 데이터베이스로부터 차량의 특징을 추출하는 것이 하나이다. 그리고 카메라에서 입력된 영상으로부터 같은 방법으로 차량의 특징을 추출하여 차량을 검지하는 기술의 개발과 검지된 차량의 종류를 분류하는 기술을 개발하는 것이 다른 세부 목표이다.
2. 개발내용 및 결과
학습 기반의 인식 알고리즘인

1. 최종목표
고정된 보안 영상 카메라를 기반으로 영상내의 차량을 검지하고 검지된 차량의 차종을 분류하는 알고리즘을 개발하는 것이 과제의 최종 목표이다. 세부 목표로는 두 가지가 있는데, 사전에 차량 데이터 베이스를 구축하고 구축된 데이터베이스로부터 차량의 특징을 추출하는 것이 하나이다. 그리고 카메라에서 입력된 영상으로부터 같은 방법으로 차량의 특징을 추출하여 차량을 검지하는 기술의 개발과 검지된 차량의 종류를 분류하는 기술을 개발하는 것이 다른 세부 목표이다.
2. 개발내용 및 결과
학습 기반의 인식 알고리즘인 Cascase Adaboost 방식의 차량 인식 알고리즘을 개발 및 구현하였으며 Multi-class Adaboost 알고리즘을 개발하여 차종 분류를 가능하도록 하였다. 이때 차량의 특징은 Haar-like 특징을 사용하여 추출하였다. 개발된 차량인식 및 분류 모듈은 모듈화된 설계를 통해 차후확장 및 적용이 쉽도록 하였다. 차량 인식 결과는 후처리 과정을 통해 정확도를 향상하였다.
3. 사업성과
○ 기술적 성과
본 과제에서 개발한 차량 인식 및 차종 분류 시스템은 보안 카메라 영상에서 높은 정확도와 빠른 속도로 차량을 인식 및 분류하는 시스템이다. 이 방식은 기존의 배경 모델링 방식의 단점인 배경 변화에 민감하다는 문제점을 해결하여 정확도를 높였으며 보다 다양한 상황에도 적용이 가능하다. 또한 빠른인식 속도를 활용하여 32채널 보안 시스템 등에서도 적용 가능한 장점이 있다.
○ 경제적 성과
본 과제에서 개발한 차량 인식 및 차종 분류 시스템은 높은 정확도와 낮은 복잡도를 구현하였으므로 실용성이 매우 높은 시스템이다. 낮은 복잡도를 가지므로 보다 저렴한 하드웨어에서도 사용 가능한 장점이 있고, 높은 정확도를 보여주므로 실제 환경에 적용함에 있어서 상대적으로 유리하다. 때문에 낮은 비용 고효율을 달성할 수 있으므로 영상 보안 솔루션의 향상 및 시장성에서 매우 유리하다.
○ 사회적 성과
현재 영상 보안 솔루션은 보안에 대한 사용자의 요구가 늘어남에 따라 점점 널리 사용되고 있는 추세이다. 특히 차량 인식 기술은 영상 보안 솔루션의 큰 부분을 차지하는 기술로서 사고 또는 범죄 확인 등에 사용이 가능한 중요한 모듈이 된다. 이러한 영상 보안 솔류션이 점점 널리 사용됨에 따라 사회 안전도도 올라가게 될 것이며 보다 안전한 사회를 만드는데 기여할 수 있다.
4. 기술개발결과 활용계획
본 과제에서는 지능형 영상 보안 시스템을 위한 차량 검지 및 차종 분류 시스템을 개발하였다. 개발된 기술은 추후 다양한 검지 시스템에 활용이 가능하며 첨단 영상 보안 장치 시장에 진입하기 위한 좋은 기술적 토대를 마련해 줄 것이다. 추후 보다 다양한 환경에 적용 가능한 검지 및 분류 시스템을 개발하고 많은 데이터베이스를 구축하면 더욱 높은 인식률을 달성할 수 있을 것이다. 이러한 연구 개발은 지능형 영상 보안 시스템의 부가 가치를 더욱 높여 줄수 있을 것으로 기대된다.

목차 Contents

• 사업비사용실적보고서...1
• Ⅰ. 총괄현황...1
• Ⅱ. 과제개발비 세부집행내역...1
• 개발결과의견서...5
• 최종보고요약서(초록)...6
• 목 차...8
• 제 1 장 서론...9
• 제 1 절 개발 대상 기술의 개요...9
• 제 2 절 기술 개발의 필요성 및 중요성...10
• 제 3 절 국내외 관련 기술의 현황...11
• 제 2 장 과제 개발 내용 및 방법...15
• 제 1 절 Haar-like 특징과 Adaboost 학습 알고리즘...15
• 제 2 절 Cascade Adaboost 와 샘플 제거 기법...20
• 제 3 절 차종 분류를 위한 Multi-class Adaboost 알고리즘...21
• 제 3 장 사업성과...23
• 제 1 절 기술적 성과...23
• 제 2 절 경제적 성과...23
• 제 3 절 기타 성과...23
• 제 4 장 결론...24
• 제 1 절 과제 수행 결과 고찰...24
• 제 2 절 향후 추진 계획...24