Adaboost 최적 특징점을 이용한 차량 검출 = Vehicle Detection Using Optimal Features for Adaboost

국문 초록 (Abstract)

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.

다국어 초록 (Multilingual Abstract)

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.

참고문헌 (Reference)

1 김규영, "유클리디안 척도를 이용한 차량 추적" 한국전자통신학회 7 (7): 1293-1299, 2012

2 권용욱, "스마트 차량 관리 시스템을 위한 HSV 색상모델 기반의 키 프레임 추출 기법" 한국전자통신학회 8 (8): 595-604, 2013

3 김현태, "가우시안 혼합모델과 수학적 형태학 처리를 이용한 터널 내에서의 차량 검출" 한국전자통신학회 7 (7): 967-974, 2012

4 H. Mori, "Shadow and Rhythm as Sign Patterns of Obstacle Detection" 271-277, 1993

5 Sun. Z., "On-road vehicle detection using optical sensors : a review" 585-590, 2004

6 Z. Sun, "On-Road Vehicle Detection: A Review" 28 (28): 694-711, 2006

7 Z. Sun, "On-Road Vehicle Detection Using Evolutionary Gabor Filter Optimization" 6 (6): 125-137, 2005

8 Zehang Sun, "Monocular Precrash Vehicle Detection: Features and Classifiers" 7 (7): 2019-2034, 2006

9 Yi-Min Tsai, "Learning-based Vehicle Detection Using Up-scaling Schemes and Predictive Frame Pipelines Structures" 3101-3104, 2010

10 T. Zielke, "Intensity and Edge-Based Symmetry Detection with an Application to Car- Following" 58 : 177-190, 1993

11 Chengjun Liu, "Independent component analysis of gabor features for face recognition" 14 (14): 919-928, 2003

12 M. T. Pham, "Fast Training And Selection of Haar Features Using Statistics in Boosting-Based Face Detection" 1-7, 2007

13 Y. Freund, "Experiments With a New Boosting Algorithm. In Machine Learning" 148-156, 1996

14 Kyung-Guk Lim, "Enforcement of Efficency of Tunnel Disaster Prevention" 57 (57): 75-83, 2009

15 K. Etemad, "Discriminant analysis for recognition of human face images" 14 : 1724-1733, 1997

16 R. Cucchiara, "Detecting moving objects, ghosts and shadows in video streams" 25 (25): 1337-1342, 2003

17 C. Goerick, "Artificial Neural Networks in Real-Time Car Detection and Tracking Applications" 17 : 335-343, 1996

18 S. Smith, "ASSET-2: Real-Time Motion Segmentation and Shape Tracking" 17 : 814-820, 1995

19 J. Wu, "A PCA Classifier and Its Application in Vehicle Detection" 1 : 600-604, 2001