Abstract
To detect vehicles in image, first the image is transformed with the steerable pyramid which has independent directions and levels. Feature vectors are the collection of filter responses at different scales of a steerable image pyramid. For the detection of vehicles in image, feature vectors in feature points of the vehicle image is used. First the feature points are selected with the grid points in vehicle image that are evenly spaced, and second, the feature points are comer points which m selected by human, and last the feature points are corner Points which are selected in grid points. Next the feature vectors of the model vehicle image we compared the patch of the test images, and if the distance of the model and the patch of the test images is lower than the predefined threshold, the input patch is decided to a vehicle. In experiment, the total 11,191 vehicle images are captured at day(10,576) and night(624) in the two local roads. And the $92.0\%$ at day and $87.3\%$ at night detection rate is achieved.
본 논문은 CCD 카메라를 통해 입력받은 영상에서 차량을 검출하는 방법을 제안한다. 차량을 검출하기 위해서 먼저 영상을 독립적인 방향과 레벨을 가지는 스티어블 피라미드로 변환한다. 특징 벡터는 스티어블 피라미드로 변환된 서브밴드들을 연관되는 같은 위치의 픽셀들을 체인으로 연결하여 방향성 피라미드 특징을 가지는 다차원 벡터들로 구성한다. 차량의 검출은 특징 점의 특징 벡터들을 차량 검출에 사용하였다. 특징 점은 기하학적 위치 정보와 국부적인 방향 정보를 가지는데 실험을 위해서 격자 구조 모양으로 일정한 간격을 갖는 격자 점, 사람의 수작업을 통해서 만든 코너 점, 그리고 격자 내의 코너 점을 대상으로 했다. 차량 검출을 위해 미리 저장된 모델 영상의 특징 점들의 특징벡터들과 후보 영상으로부터 추출된 특징 벡터들의 정합을 통해 각 특징 점의 거리를 비교했다. 차량 검출을 위해 특징 점을 이용함으로써 후보 영상 전체를 비교하지 않고 특징 점의 위치에 대해서만 특징 벡터를 비교하기 때문에 비교 시간과 정확도를 높일 수 있었다. 또한 주변 밝기조건 및 그림자의 영향에 의해 차량 검출이 민감한 문제를 해결할 수 있었다. 도로에서 획득한 주간 영상(10,567)과 저녁 영상(624)을 대상으로 실험하였고, 검출율은 주간의 경우 $92.0\%$와 야간의 경우 $87.3\%$를 얻을 수 있었다.