• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.354-357
• /
• 2020

최근 스포츠 경기나 차량 블랙박스 등에서 비디오를 이용한 판정이 점차 확대되고 있지만, 일반 카메라로 촬영된 비디오에서 정확한 판정을 하기 어려울 때가 빈번히 발생한다. 초고속 카메라로 촬영한 슬로우 모션 비디오를 이용할 수 있다면 판정의 정확성을 향상시킬 수 있을 것이다. 본 논문에서는 일반 카메라로 촬영한 비디오로부터 마치 초고속 카메라로 촬영한 것과 같은 슬로우 모션 비디오를 생성하여 제공하는 서비스를 제안한다. 제안 방법은 NVIDIA에서 개발한 Super Slomo 기술을 기반으로, 초당 30장의 표준 비디오를 초당 60장에서 240장까지의 고품질 슬로우 모션 비디오로 변환한다. 이 기술은 시간적으로 이웃한 두 영상을 입력하여 딥 러닝 기반으로 중간 프레임을 보간함으로써 프레임율을 향상시킨다. 또한 본 논문에서는 Super Slomo 기술에 FP16을 적용하여 처리속도를 향상 시켰으며, 웹 서버를 이용하여 비디오를 업로드하고 슬로우 모션으로 변환된 비디오를 다운로드 할 수 있는 사이트를 구현했다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.320-323
• /
• 2014

오늘날 교통환경의 고도화는 지능형 교통 시스템(Intelligent Transportation System)과 함께 진행되고 있으며 차량용 블랙박스, 모바일기기 등의 대중화와 함께 안전하고 편리한 서비스를 제공하는데 일조하고 있다. 교통상황은 다양한 원인에 의해 시시각각 변화하며, 특히 갑작스러운 폭우, 우박, 눈길 등과 같이 공공의 힘으로 제어할 수 없는 외부 요인으로 인해 운전자가 이를 대비하지 못하여 큰 사고로 이어지는 경우가 비일비재하다. 이를 방지하기 위해 운전자간 실시간으로 기상정보를 전달하는 시스템이 필요하다. 본 논문은 실시간 기상정보전달을 위한 기상정보 검지알고리즘을 제안한다. 본 알고리즘은 와이퍼의 움직임과 맑은날의 히스토그램 간 Contrast를 이용하여 기상상황을 검지한다. 일반적으로 악천후 상황에서 와이퍼를 사용하게 되며, 눈이나 비 등에 따라 다른 Contrast값을 가지게 된다. 이를 이용해 맑은 상황, 눈이 오는 상황, 눈이 쌓인 상황, 비오는 상황 등을 판단하였다. 우선, 연산량을 줄이기 위해 와이퍼를 검지할 수 있는 최소영역을 ROI(Region Of Interest)로 지정하고, 차량 와이퍼의 밝기를 임계값으로 하는 Thresholding 연산을 통해 와이퍼를 검출하였다. 또한, 맑은 날과 악천후상황의 Value 값을 이용해 Contrast를 구하였으며 이를 통해 각각의 기상상황을 구별하였다. 실험결과 비오는 상황은 약 87%, 눈이 내리는 상황은 약 82% 검지율을 얻을 수 있었다.

• 전자공학회논문지
• /
• 제51권1호
• /
• pp.116-125
• /
• 2014

운전자 보조 시스템에서 도로 상태 정보는 안전한 운전을 위한 중요한 정보를 제공한다. 자동차에서의 입력 영상은 일반적으로 불필요한 영역도 포함하므로 도로 상태를 파악을 위한 관심영역(ROI)을 결정하고 나머지 영역을 제거한 뒤 관심영역만 남겨 두면 연산 시간을 줄일 수 있다. 본 논문에서는 도로를 나타내는 특징적인 선분과 이로부터 얻어지는 소멸점을 이용하여 도로 영역을 찾는 영상기반의 도로 관심영역 결정 알고리즘을 제안한다. 선분들은 Canny 가장자리 탐지법과 허프 변환을 이용하여 찾고 소멸점은 칼만 필터를 이용하여 추적함으로써 잡음의 영향에 의한 오동작을 방지한다. 초기화 과정을 거치면 도로 관심영역을 매 프레임마다 정확히 결정할 수 있다. 제안한 방식은 C++와 OpenCV 라이브러리를 이용하여 SW로 구현하였으며 다양한 블랙박스 영상으로부터 도로 관심영역을 얻는데 성공하였다. 실험 결과 제안한 알고리즘은 잡음에 강하다는 것을 확인하였다.

• 한국산업정보학회논문지
• /
• 제22권6호
• /
• pp.9-16
• /
• 2017

본 논문에서는 도로에서 주행 중인 차량에서 차선을 검출하고 차선이탈여부를 확인 및 경고처리할 수 있는 영상기반의 알고리즘을 제안한다. 차량 탑재된 카메라 영상을 이용하여 차선을 검출하는 경우, 도로면 위의 다양한 표지로 인하여 오검출률이 증가하거나, 터널 통과시 터널 내의 조명 효과로 인해 노랑색의 중앙선이 미검출되거나 또는 우천시 차선 검출이 쉽지 않은 문제들을 안고 있기 때문에 제안된 알고리즘은 이러한 문제점들을 해결하는 데에 초점을 맞추었다. 또한 제안된 알고리즘은 검출된 차선 정보를 이용하여 차로 내에서 한쪽으로 치우치는 정도를 판단하여 차선 이탈 여부를 확인하고 경고처리할 수 있다. 제안된 알고리즘의 성능은 블랙박스를 통해 얻어진 실제 도로주행 영상을 이용하여 도로의 조명변화가 심하거나 노면에 표시가 있는 환경에서의 테스트 하였고, 실험 결과 높은 검출률을 보이는 것을 확인하였다.

• 전자공학회논문지
• /
• 제51권12호
• /
• pp.123-129
• /
• 2014

복합 기능 기기의 발전에 따라 카메라는 방범 시스템, 운전자 보조 시스템 등 여러 분야에서 광범위하게 사용되고 있으며 많은 사람들은 이러한 시스템에 노출되어 있다. 따라서 시스템은 인간의 행동을 인식할 수 있고 인식된 행동으로부터 얻은 정보를 이용하여 유용한 기능을 사용자에게 제공할 수 있어야 한다. 본 논문은 이차원 영상 이미지에서 인식된 기계적 학습 접근 방법을 사용한 인간 행동 패턴 인식 기법을 제안한다. 제안된 방법은 인식된 사용자의 행동 패턴을 기반으로 사용자에게 유용한 기능을 실행하기 위한 정보를 제공하게 될 것이다. 먼저 소개하는 방법은 전화 통화 행동 인식이다. 차량 내부에 운전자 방향으로 설치된 블랙박스가 전화 통화 행동을 인식한다면 안전 운전을 위해서 운전자에게 경고를 줄 수 있다. 두 번째 제안하는 방법은 안전 운행을 위한 전방 주시 행동 인식으로서 운전자가 전방 주시하고 있는지 아닌지를 판단하기 위한 방법과 기준을 제안한다. 본 논문은 실시간 영상 조건에서 제안하는 인식 방법의 효용성을 실험 결과를 통해서 보여준다.

• 전기전자학회논문지
• /
• 제22권1호
• /
• pp.46-52
• /
• 2018

최근 자율 주행에 관한 다양한 연구가 진행되는 가운데 신호등 검출 및 신호 인식 알고리즘은 가장 중요한 요소 중의 하나이다. 기존에 알고리즘의 대부분은 색상을 기반으로 검출하고 인식한다. 이러한 방법은 영상의 각도, 거리, 주변 조도 환경 등에 의해 영향을 받아 신호등의 색상이 변화하여 인식률이 낮아진다는 단점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서 Haar-like feature 및 SVM(Support Vector Machine) 기반의 신호등 검출과 제원 정보를 이용한 인식 알고리즘을 제안한다. 신호등 검출의 정확성을 향상시키기 위해서 Haar-like feature 이후에 SVM으로 검증한다. Haar-like feature와 SVM는 사전에 지도학습을 시행한다. 검출 과정 후에는 영역 분할을 통해서 신호만을 추출하여 점등 여부를 파악하고 최종적으로 인식하는 과정을 거친다. 제안한 알고리즘은 기존의 알고리즘과 달리 신호등의 형태학적 특성을 기반으로 검출하고 인식하므로 주변 환경으로부터의 영향에 강인하다는 장점이 있다. 블랙박스 영상으로 실험한 결과 기존의 색상 기반 알고리즘보다 신호의 인식률이 높았다.

• 한국산학기술학회논문지
• /
• 제10권6호
• /
• pp.1245-1255
• /
• 2009

최근 철도차량에도 객관적이고 신속 정확하게 사고 원인을 분석하고, 사고를 미리 예방하기 위하여 여러 나라에서 철도 차량의 운행정보가 기록되는 블랙박스 즉, 이벤트 레코더의 설치를 법제화하고 있고, 이에 대한 연구를 진행하고 있다. 또한 사고에 대한 정확한 판단을 위하여 저장된 데이터를 분석하고 표현할 수 있는 분석 소프트웨어가 요구된다. 따라서 본 논문에서는 이벤트 레코더에 기록된 데이터를 분석하고 음성과 영상을 재생하는 분석 소프트웨어를 개발하였다. 본 논문의 이벤트 레코더 분석 소프트웨어는 신속하고 정확하게 사고 원인을 규명할 수 있고, 구간별 운행 패턴과 기관사의 습관 등을 파악할 수 있다. 또한 이미 발생한 사고 상황에 대해 영상과 음성을 함께 분석함으로써, 차후 발생할 수 있는 사고를 미연에 방지할 수 있을 것으로 기대한다.

• 한국ITS학회 논문지
• /
• 제15권4호
• /
• pp.104-114
• /
• 2016

포트홀은 차량파손과 교통사고 유발 등의 사회문제를 유발시키고 있다. 포트홀을 효율적으로 관리하기 위해서는 빠르게 포트홀을 찾아내는 기술이 가장 중요하다. 기존의 포트홀 탐지 기법은 민원에 의한 수동식 신고방식을 사용하고 있어, 포트홀로 인해 발생하는 문제를 사전에 예방하지 못하고 있다. 최근 포트홀을 저비용으로 빠르게 탐지하기 위하여 영상 카메라를 이용한 연구가 많이 진행되고 있다. 본 논문에서는 사전에 연구되었던 포트홀 탐지 알고리즘의 탐지정확도를 개선하기 위한 Saliency Map 기반의 알고리즘을 제안한다. 기존 알고리즘은 포트홀이 그림자와 겹쳐있거나 포트홀의 내부 모양이 주변 도로노면과 비슷한 형태를 가지는 등의 복잡한 환경에서 포트홀을 탐지하지 못하는 문제를 가지고 있다. 이러한 문제를 해결하기 위하여 제안하는 알고리즘은 Saliency Map 알고리즘을 이용하여 보다 정확한 포트홀 후보 영역을 찾는다. 제안 알고리즘은 포트홀 후보영역 추출부와 결정부로 구성되며, 실험을 통하여 기존 알고리즘보다 더 높은 탐지 정확도를 가짐을 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 추계학술대회
• /
• pp.427-430
• /
• 2012

최근 차량용 블랙박스, 자동 운전 시스템, 어라운드 뷰 시스템 등과 같은 운전자의 편의와 안전을 위한 장치 및 시스템들이 개발되고 있다. 현재 운전자를 위한 보조 시스템으로 구글(google)의 자동 운전 시스템(Auto Car Driving System)과 현대 모비스(hyundai mobis)의 AVM 시스템(Around View Monitoring System) 등의 다양한 차량용 편의장치 시스템들이 등장했다. 위와 같은 다양한 ECU들을 관리하기 위한 서버 및 저장 장치 역할을 할 수 있는 고사양의 Car PC의 장착이 필수적이다. 기존의 AVM 시스템은 차량 주변을 실시간으로 제공하기 위해 임베디드 또는 별도의 차량용 네트워크를 통해 임베디드 시스템 또는 SoC(System On Chip)형태의 하드웨어 기반으로 개발되고 있다. 하지만 고사양의 Car PC 기반에서는 별도의 비용없이 소프트웨어로 구현이 가능하다. 본 논문에서는 차량의 전 후 좌 우에 장착된 4대의 카메라로부터 입력된 차량 주변 상황을 한눈에 보여주는 AVM 시스템(Around-View Monitoring System)을 위한 카메라 보정 및 정합 처리 모듈 및 AVM 시스템을 Windows를 O/S로 하는 PC 내부에서 기존의 AVM 시스템을 이용하여 화면에 전 후 좌 우 버튼을 각각 만들어 버튼을 터치했을 때, 각 버튼에 해당되는 영상이 AVM 시스템과 함께 출력되도록 하거나 디스플레이에 Full 버전으로 출력되도록 S-UI(Smart User Interface)를 설계 및 구현한다. 제안하는 AVM 시스템과 기존의 AVM 시스템의 성능과 기능을 비교 분석함으로써 제안하는 영상 처리 모듈을 이용하여 추가 비용이 발생하지 않는 AVM 시스템의 구현 가능성을 검증한다.

• 한국ITS학회 논문지
• /
• 제18권3호
• /
• pp.95-105
• /
• 2019

최근 들어 도로 노면 파손의 위치 정보를 수집하기 위한 영상 처리 기술에 대한 연구가 활발히 진행되고 있다. 대표적으로 차량에 탑재가 가능한 스마트폰이나 블랙박스를 통해 영상을 얻고 이를 영상처리 알고리즘을 사용하여 인식하는 기술이 주로 사용된다. GPS 모듈과 연계하여 실제 파손 위치를 파악할 때 가장 중요한 기술은 영상 처리 알고리즘인데, 근래에는 대부분 인공지능을 통한 알고리즘이 연구 주제로 주목받고 있다. 이와 같은 맥락에서 본 연구에서도 영역 기반의 합성곱 방식 계열의 객체인식 (Object Detection) 방법을 사용한 인공지능 영상 처리 알고리즘에 대하여 논의하고자 한다. 도로 노면 파손 객체 인식 성능을 향상시키기 위하여 도로 노면 파손 영상 600여 장과 일반적인 도로 주행 영상 1500여 장으로 학습 데이터베이스를 구성하였다. 또한 배경 객체 인식 방법을 적용한 지도 학습을 수행하여 도로 노면 파손의 오탐을 감소시켰다. 그 결과 동일한 테스트용 데이터베이스를 통해 알고리즘의 인식 성능을 mAP 평균값 기준 9.44%만큼 향상시킨 새로운 방법을 소개하고자 한다.