• Journal of KIISE:Computing Practices and Letters
• /
• v.5 no.6
• /
• pp.748-757
• /
• 1999

본 논문에서는 차량 영역의 추출을 이용한 효율적인 교통 혼잡도 측정 시스템을 설계하고 구현한다. 차량 영역 정보의 추출은 첫째 영역 분할, 둘째 작은 영역의 제거와 영역의 직사각형화, 셋째 영역의 병합 및 삭제의 단계로 나눌 수 있다. 영역 분할 단계에서는 획득한 도로 영상을 영역 기반 영역 분할에 의해 영역으로 분할한다. 그 다음 영역 분할 후의 영역 정보 중 차량 영역을 추출하는데 영향을 미치지 않는 작은 영역들을 제거하고, 남은 영역들을 직사각형화한다. 마지막으로 차선 별로 남은 영역들을 병합, 삭제함으로써 각 차선마다 차량 영역 정보를 추출할 수 있다. 이러한 방법은 배경 영상과 같은 부가적인 정보를 사용하지 않고 도로 자체 영상만으로 교통 혼잡도를 측정할 수 있으며, 그림자의 영향이 없을 경우 적용할 수 있는 기법이다.Abstract In this paper, we designed and implemented an efficient road congestion analysis system using regional information. To extract vehicle regions from a road image, the system process the image in five steps: segmentation, small region elimination, region rectangularization, region merging and region deletion. First, we segment road image by a threshold value. Then, we eliminate useless small regions to extract vehicle region, and perform region rectangularization. Finally, we extract vehicle region of each lane of the road by region merging and deletion. This method has the advantage of measuring road congestion without additional information such as background images. But this method must be applied to road images without shadow.

• Proceedings of the KSRS Conference
• /
• 2001.03a
• /
• pp.3-8
• /
• 2001

인공위성 영상이나 항공영상에서 도로를 추출하는 시스템을 구현하는 연구는 지난 20년 동안 많이 진행되어 왔다. 본 논문은 해상도가 1m-2m 정도되는 도시영상에서 직각으로 구성된 도로를 추출하는 시스템의 구현에 관한 것이다. 도시영상에서는 도시내의 가로수나 건물들이 도로를 가리게 되고, 또한 높은 건물의 그림자에 의하여 도로의 많은 부분이 가려지게 되는데, 이러한 경우에 고로를 추출할 수 있는 기법에 대하여 기술한다. 또한 도로상의 중앙 분리선이나 차선 분리선은 건물의 외곽선에 비하여 매우 약하게 나타나므로 영상에서 상대적으로 약하게 나타나는 이러한 도로의 표식을 검출하여 도로를 추출하는 기법에 대하여서도 기술한다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.10a
• /
• pp.159-173
• /
• 1999

본 논문은 교차로에 설치된 영상검지기로부터 들어온 교통정보 중 공간교통정보에 해당하는 차량 대기길이를 측정을 하는 방법으로 각 차선(lane)별 검지영역에 대하여 웨이브렛 변형(Wavelet Transforms)을 하여 차량을 검지하고, 검지영역 내에서 차량의 대기길이를 측정하는 알고리즘을 제안한다. 기존의 방법으로는 차량 윤곽선 추출(edge detection)을 이용한 대기길이 측정 방법이나 배경(background)정보를 사전에 입수한 후 임계값 이상의 변화가 있을 때 차량을 검지하여 대기길이를 측정하는 방법 등이 연구되어 왔으나 이러한 방법들은 영상의 노이즈에 대하여 크게 영향을 받는다는 문제점이 있다. 그러나 본 알고리즘은 영상의 노이즈에 대하여 크게 영향을 받지 않을 뿐만 아니라 시간대 변화에 따른 도로의 명암값(intensity or gray level)을 추정할 필요가 없다는 특징이 있다. 특히, 야간 영상인 경우 차량 헤드라이트로 인한 검지오류도 감소할 수가 있다. 본 논문에서 실험은 주간, 야간 각각 1개 차선의 80개 표본크기로 실험을 하였으며, 대기길이는 정지 대기길이(standing queue length)와 이동 대기길이(moving queue length)로 나누어 측정을 하였다. 그 결과 주간, 야간의 경우 정지 대기길이는 2.14%, 2.24%, 이동 대기길이는 2.59%, 2.74%의 오차율로 측정이 되었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.159-160
• /
• 2019

본 연구에서는 영상 내 도로의 형태와 영상 내 객체들의 속성을 실시간으로 자기 학습하고 영상 전체에서 나타난 객체와 각 도로 차선을 지나는 객체들의 이상 징후를 판별하기 위해 교통 CCTV 영상을 활용한다. 각 도로 구간을 촬영한 교통 영상에서 추출한 이동 객체 로그에서 영상 내 도로 형태와 영상 내 객체들의 속성을 통해 감시 공간을 학습하고 학습된 정상 프로파일 대비 각 차선을 지나는 객체들과 영상 내 객체들의 이상 상황을 실시간에 판별한다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.19 no.3
• /
• pp.563-570
• /
• 2024

This paper proposes a method to recognize and track drivable lane areas to assist the driver. The main topic is designing a deep-based network that predicts drivable road areas using computer vision and deep learning technology based on images acquired in real time through a camera installed in the center of the windshield inside the vehicle. This study aims to develop a new model trained with data directly obtained from cameras using the YOLO algorithm. It is expected to play a role in assisting the driver's driving by visualizing the exact location of the vehicle on the actual road consistent with the actual image and displaying and tracking the drivable lane area. As a result of the experiment, it was possible to track the drivable road area in most cases, but in bad weather such as heavy rain at night, there were cases where lanes were not accurately recognized, so improvement in model performance is needed to solve this problem.

• Journal of Internet Computing and Services
• /
• v.16 no.2
• /
• pp.49-55
• /
• 2015

According to the statistics of traffic accidents over recent 5 years, traffic accidents during the night times happened more than the day times. There are various causes to occur traffic accidents and the one of the major causes is inappropriate or missing street lights that make driver's sight confused and causes the traffic accidents. In this paper, with smartphones, we designed and implemented a lane luminance measurement application which stores the information of driver's location, driving, and lane luminance into database in real time to figure out the inappropriate street light facilities and the area that does not have any street lights. This application is implemented under Native C/C++ environment using android NDK and it improves the operation speed than code written in Java or other languages. To measure the luminance of road, the input image with RGB color space is converted to image with YCbCr color space and Y value returns the luminance of road. The application detects the road lane and calculates the road lane luminance into the database sever. Also this application receives the road video image using smart phone's camera and improves the computational cost by allocating the ROI(Region of interest) of input images. The ROI of image is converted to Grayscale image and then applied the canny edge detector to extract the outline of lanes. After that, we applied hough line transform method to achieve the candidated lane group. The both sides of lane is selected by lane detection algorithm that utilizes the gradient of candidated lanes. When the both lanes of road are detected, we set up a triangle area with a height 20 pixels down from intersection of lanes and the luminance of road is estimated from this triangle area. Y value is calculated from the extracted each R, G, B value of pixels in the triangle. The average Y value of pixels is ranged between from 0 to 100 value to inform a luminance of road and each pixel values are represented with color between black and green. We store car location using smartphone's GPS sensor into the database server after analyzing the road lane video image with luminance of road about 60 meters ahead by wireless communication every 10 minutes. We expect that those collected road luminance information can warn drivers about safe driving or effectively improve the renovation plans of road luminance management.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• pp.228-230
• /
• 2009

Lane extraction is basically required for a driving car to understand its external road environments via a camera. In this paper, a lane extraction method using "Sobel Intensity Profile" is described. The Sobel intensity profile is obtained using only vertical edge components of Sobel edge outputs, and used to yield fitted lines for lanes. The RANAC algorithm is applied to fit lines using only inliers. Experimental results have shown the reliability of the proposed lane extraction method.

• 한국약용작물학회:학술대회논문집
• /
• 2007.11a
• /
• pp.308.2-308.2
• /
• 2007

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2003.06a
• /
• pp.70-73
• /
• 2003

기존의 영상검지기는 한정된 구간에서 차량을 추출, 추적하는데 본 논문에서 제안한 카메라간 연계 추적 방법은 두 대의 카메라를 서로 연계하여 차량을 추적함으로써 넓은 구간에서도 효과적으로 차량을 추적할 수 있다. 한 대의 카메라는 전방을 검지하고 다른 카메라는 후방을 검지하여 전방 검지영역에서 추적한 차량을 후방 검지영역에서도 연계하여 추적하게 된다. 연계 추적을 위해 전방 카메라에서 취득한 차량의 차선정보와 차량의 대표 gray level 정보를 후방 카메라로부터의 영상 분석시 이용하여 차량 연계 추적을 한다.

• 한국약용작물학회:학술대회논문집
• /
• 2012.05a
• /
• pp.217-218
• /
• 2012