http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김규영,이근후,도진규,박근수,박장식,Kim, Gyu-Yeong,Lee, Geun-Hoo,Do, Jin-Kyu,Park, Keun-Soo,Park, Jang-Sik 한국전자통신학회 2013 한국전자통신학회 논문지 Vol.8 No.10
전방 차량의 자동검출은 충돌회피, 자동운행제어 그리고 자동 헤드램프 조정 등의 고급 운전지원시스템의 통합 요소이다. 주야간 상관없이 전방 차량 자동 검출과 운행 상태를 인지하는데 있어 후미등은 중요한 역할한다. 그런데, 많은 운전자들이 차량의 후미등 상태를 알지 못하고 운행하는 경우가 많다. 따라서, 후미등에 이상이 있는 차량에 대하여 자동으로 후미등 이상 상태를 알려주는 시스템이 필요하다. 본 논문에서는 영상처리 및 인식기술을 기반으로 차량의 후미등 상태를 인식하는 방법을 제안한다. 톨게이트 등으로 진입하는 차량을 검출하기 위하여 배경추정기법, 옵티컬 플로우(optical flow) 그리고 Euclidean 척도를 이용한다. Lab 색좌표에서 집중 맵(saliency map)을 적용하여 차량에서 후미등 영역을 검출하고 상태를 판정한다. 고속도로 톨게이트 영상을 이용하여 후미등 상태인식 실험을 하고, 제안하는 방법이 운전자에게 후미등 상태 전달하는데 활용할 수 있음을 보인다. Automatic detection of vehicles in front is an integral component of many advanced driver-assistance system, such as collision mitigation, automatic cruise control, and automatic head-lamp dimming. Regardless day and night, tail-lights play an important role in vehicle detecting and status recognizing of driving in front. However, some drivers do not know the status of the tail-lights of vehicles. Thus, it is required for drivers to inform status of tail-lights automatically. In this paper, a recognition method of status of tail-lights based on video processing and recognition technology is proposed. Background estimation, optical flow and Euclidean distance is used to detect vehicles entering tollgate. Then saliency map is used to detect tail-lights and recognize their status in the Lab color coordinates. As results of experiments of using tollgate videos, it is shown that the proposed method can be used to inform status of tail-lights.
가우시안 혼합모델과 수학적 형태학 처리를 이용한 터널 내에서의 차량 검출
김현태,이근후,박장식,유윤식,Kim, Hyun-Tae,Lee, Geun-Hoo,Park, Jang-Sik,Yu, Yun-Sik 한국전자통신학회 2012 한국전자통신학회 논문지 Vol.7 No.5
In this paper, a vehicle detection algorithm with HD CCTV camera images using GMM(Gaussian Mixture Model) algorithm and mathematical morphological processing is proposed. At the first stage, background could be estimated using GMM from CCTV input image signal and then object could be separated from difference image of the input image and background image. At the second stage, candidated object were reformed by using mathematical morphological processing. Finally, vehicle object could be detected using vehicle size informations depend on distance and vehicle type in tunnel. Through real experiments in tunnel, it is shown that the proposed system works well. 본 논문에서는 가우시안 혼합모델과 수학적 형태학 처리를 통하여 터널 내에 설치된 고해상도 CCTV 카메라 영상에 대한 차량 검출 알고리즘을 제안한다. 먼저, CCTV 카메라로부터 입력되는 영상으로부터 가우시안 혼합모델을 이용하여 배경을 추정하고, 배경영상과 입력영상의 차영상으로부터 객체를 분리한다. 그 다음 단계로 분리된 후보 객체를 수학적 형태학 처리를 통하여 재구성한다. 최종적으로는 터널에서의 차량의 위치에 따른 크기 특징을 분석하여 차량을 검출한다. 터널에서 촬영한 영상을 이용한 시뮬레이션을 통하여 제안하는 차량 검출방법이 효과적으로 적용할 수 있음을 확인하였다.
김규영,이근후,김재호,박장식,Kim, Gyu-Yeong,Lee, Geun-Hoo,Kim, Jae-Ho,Park, Jang-Sik 한국전자통신학회 2013 한국전자통신학회 논문지 Vol.8 No.8
본 논문에서는 최적 특징점 선택기법를 적용한 다중 최적 Adaboost 분류기를 기반으로 새로운 차량 검출 알고리즘을 제안한다. 제안하는 알고리즘은 2 가지 주요 모듈로 구성된다. 첫 번째는 설치된 카메라의 사이트 모델링을 이용한 영상 스케일링을 기반으로 하는 이론적 DDISF(Distance Dependent Image Scaling Factor) 모듈이며, 두 번째는 차량과 카메라의 거리에 대응하는 최적 Haar-like 특징을 활용하는 것이다. 실험 결과 제안하는 알고리즘은 기존의 방법에 비하여 인식 성능이 개선됨을 확인하였다. 제안하는 알고리즘은 96.43% 의 인식률과 약 3.77%의 오검출이 발생하였다. 이러한 성능은 기존의 표준 Adabooost 알고리즘에 비하여 각각 3.69%와 1.28% 의 성능을 개선한 것이다. A new vehicle detection algorithm based on the multiple optimal Adaboost classifiers with optimal feature selection is proposed. It consists of two major modules: 1) Theoretical DDISF(Distance Dependent Image Scaling Factor) based image scaling by site modeling of the installed cameras. and 2) optimal features selection by Haar-like feature analysis depending on the distance of the vehicles. The experimental results of the proposed algorithm shows improved recognition rate compare to the previous methods for vehicles and non-vehicles. The proposed algorithm shows about 96.43% detection rate and about 3.77% false alarm rate. These are 3.69% and 1.28% improvement compared to the standard Adaboost algorithmt.