• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.06a
• /
• pp.139-141
• /
• 2014

지능형 차량 시스템에 있어서 교통 표지판 검출/인식은 매우 중요한 요소들 중의 하나이다. 따라서 주행 중인 차량에서 카메라로부터 취득한 영상을 이용하여 교통 표지판을 인식하는 여러 가지 영상인식 알고리즘들이 개발되고 있다. 하지만 이러한 알고리즘은 표지판의 색상 값이 날씨와 시간에 따른 조도와 컬러의 변화에 따라 성능이 크게 변한다는 점에서 어려움을 겪고 있다. 따라서 본 논문은 환경 변화에 강인한 교통 표지판 검출 및 인식 알고리즘을 제안한다. 구체적으로, 표지판 검출을 위하여 제안하는 알고리즘에서는 색상과 형태 정보를 이용하여 교통 표지판 후보군을 찾는다. 여러 색상 임계값에 대하여 영상 피라미드 형태를 만들고, 모든 피라미드 영상들에 대해서 인식 알고리즘을 수행함으로써 실외 빛에 변화에 강인하게 한다. 교통 표지판 후보군을 찾은 후, 후보군들을 Linear SVM을 통해 학습함으로써 교통 표지판인지 아닌지 분류해낸다. 실험 결과는 제안하는 알고리즘이 정확하게 교통 표지판을 인식하고, 동시에 실외 빛의 변화에 상관없이 강인하게 표지판을 인식함을 보여준다.

• Proceedings of the ESK Conference
• /
• 1998.04a
• /
• pp.105-110
• /
• 1998

운전자의 인지 능력을 충분히 고려하지 않은 도로 교통 표지판은 운전 상황에서 순간적인 의사 결정을 어력베 하여 교통사고의 가능성을 증가 시킬 수 있으므로 이에 대한 개선책이 시급하다 하겠다. 그러므로 본 연구에서는 수도권 도로 교통 표지판의 인지적 문제를 설문 조사와 현장 조사를 통하여 구체적으로 분 석하고 이에따른 개선안을 제시하였다. 이를 위해, 서울 시내의 사고 다발 지역을 중심으로 교차로 표지 판의 인지공학적 결함을 면밀히 분석하였고, 1997년 표지판 개정안의 설계 원칙에 대한 인지적 문제점을 도출하였다. 그 중, 교차로의 방향 표지, 방향 유도 표지에 나타난 정보 처리 과정의 문제점 및 노면 표지 의 설계가 운전자의 인지적 혼돈을 유발시킬 수 있다는 가정하에 이에 대한 모의 실험을 실시 하였다. 24명 의 피설험자를 대상으로, 개선된 표지판과 현 표지판을 모의 운전 상황에 따라 간헐적으로 컴퓨터 화면을 통해 관측하게 한 후 인지된 내용의 정확도와 반응 시간을 비교하여 분석하였다. 그 결과에 따라 기존 노면 표지의 형태를 개선하고, 방향 예고 표지판과 방향 표지판의 인지적 구별을 명확하게 하는 것이 운전자에게는 정확하고 신속한 의사 결정을 하게 한다는 것을 발견 하고 이에 대한 원칙을 제시하였다. 결론적으로 표지판의 설계와 설치에 있어 행정적인 지원과 인지적인 요인에 대한 고려가 된다면 표지판의 오독으로 인한 교통 사고를 줄여 나가는데 기여할 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.103-106
• /
• 2008

본 논문에서는 지능형 자동차의 주행보조 시스템 중의 하나인 교통 표지판 인식을 위한 새로운 방법을 제안한다. 제안한 방법은 잡음, 회전, 크기 등의 변형된 교통 표지판으로부터 기하학적 방법을 이용하여 변형된 정도를 추정하여 교통 표지판 원형으로 보정한다. 그리고 교통 표지판 인식을 위해서 보정된 표지판 영상으로부터 순차적 색기반 군집화(Sequential color-based clustering)에 의한 주의, 규제, 지시, 보조 등의 1차적 분류에 따라서 해당 교통 표지판의 형태 특징인 인식 심벌을 추출한다. 그리고 추출된 인식 심벌에 원형 추척법을 적용하여 교통 표지판 최종 인식 작업을 수행한다. 제안하는 방법의 성능 평가를 위해서 교통 표지판 영상에 잡음, 회전, 크기 등의 임의 변형을 적용하여 다양한 실험 영상을 만들고, 적용한 결과 단일 변형에서는 95%, 혼합 변형에서는 93% 이상의 인식률을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1358-1360
• /
• 2015

본 논문에서는 MB-LBP(Multi-scale Block Local Binary Patterns)와 공간피라미드를 이용하여 생성된 특징을 랜덤 포레스트(Random Forest) 분류기에 적용하여 영상내의 표지판 속도를 인식하는 알고리즘을 제안한다. 입력 영상에서 표지판 영역은 다양한 위치와 크기를 가지며 주위 배경이 후보 영역에 포함되므로 먼저 입력 영상에 원형 Hough Transform을 적용하여 원형의 표지판 후보 영역만을 검출한다. 그 후 영상의 화질을 향상시키기 위해 히스토그램 평활화와 모폴로지 연산을 적용하여 표지판의 숫자 영역과 배경 영역의 대비를 높이도록 한다. 표지판의 크기 변화에 강건한 시스템의 구현을 위해 후보 영역에서 LBP(Local Binary Patterns)보다 우수한 성능을 보이는 MB-LBP를 적용하고, 다양한 크기의 속도 표지판을 인식하기 위해 공간 피라미드를 사용하여 지역적 특징과 전역적 특징 모두를 추출하였다. 추출된 특징은 랜덤 포레스트(Random Forest)를 이용하여 각 9개의 속도 표지판으로 분류, 각 속도별 클래스에 대한 인식 성능을 측정하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.05a
• /
• pp.305-308
• /
• 2007

본 논문은 교통표지판을 자동으로 인식하는 방법에 관한 연구로 기존의 교통표지판 인식시스템에서는 인식하는데 걸리는 시간이 길고 잡음환경에서 인식률이 저하되며 변경된 교통표지판은 인식하지 못하는 문제점이 있다. 본 논문에서는 이와 같은 문제점을 해결하기위해 컬러정보를 이용하여 교통표지판 영역을 추출하고 추출된 이미지를 인식하는데 다층퍼셉트론 신경망 알고리즘을 적용하여 교통표지판 인식시스템을 제안한다. 제안된 방법은 교통표지판의 컬러를 분석하여 영상에서 교통표지판 영역을 추출한다. 영역을 추출하는 방법은 RGB 컬러 공간으로부터 YUV, YIQ, CMYK 컬러 공간이 가지는 특성을 이용한다. 형태처리는 교통표지판의 기하학적 특성을 이용하여 군집화한다. 교통표지판 인식은 학습이 가능한 다층퍼셉트론의 오류역전파알고리즘을 적용하여 인식한다. 다층퍼셉트론 신경망 알고리즘은 패턴인식 분야에서 우수한 성능이 입증 되었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.82-85
• /
• 2009

본 논문에서는 실제 도로환경의 속도 표지판 영역 추출 및 인식 방법을 제안한다. 화소의 색상정보를 이용하여 속도 표지판 영역을 추출하고 추출된 속도 표지판 영역 안에서 숫자 영역만 다시 추출한다. 표지판의 경사여부를 판단하여 시계방향, 반시계방향으로 각각 표지판을 회전시켜 기울기를 보정한 후 인식을 행함으로써 인식률을 제고한다. 도로환경의 동영상을 대상으로 인식을 행한 결과 일반적인 속도표지판 뿐 아니라 기울어진 환경에서도 매우 강건한 인식 결과를 보인다.

• Journal of Korean Society of Transportation
• /
• v.19 no.4
• /
• pp.123-137
• /
• 2001

도로표지는 도로상에서 도로이용자가 원하는 목적지까지 쉽게 도착할 수 있도록 안내해 주는 기능을 갖는 도로부속물로 꼭 필요한 곳에, 눈에 잘 띄도록, 간단 명료하게 의미가 전달될 수 있도록 설치되어야 한다. MUTCD (Manual On Uniform Traffic Control Devices)의 교통통제설비의 기본요건처럼 무엇보다도 표지판을 보고 필요한 행동을 취하는데 있어서 안전과 시인성이 확보되도록 여유 있게 설치되어야 한다. 그러나, 우리의 표지의 설치 및 운영상황은 그렇지 못하다는 데에서 본 연구는 시작되었다. 시인거리측면을 중심으로 우리나라와 외국 여러 나라의 그것을 비교한 결과, 우리의 규정에서는 판독거리의 중요한 변수인 표지판 정보수가 고려되지 않았음이 드러났다. 따라서, 본고에서는 정보수에 초점을 맞추어 속도와 정보수, 주행 차로 등의 변수를 고려한 표지판 시인거리 측정실험을 하였다. 실험은 현재 국도상에 설치되어 있는 표지판을 대상으로 GPS(Global Positioning System) 수신기를 이용하여 시인거리를 측정하여 진행하였다. 그 결과 실제 시인거리가 현재의 도로표지규정에 의한 시인거리와 다소 차이가 있음을 발견할 수 있었고, 판독거리에서 가장 큰 영향을 미치는 변수는 속도 > 정보수 > 주행차로의 순임을 분석할 수 있었다. 본 연구결과를 통하여 한 개의 물리적 표지내에 정보수가 많은 우리나라의 표지판에 현실적인 시인거리를 고려한 설치가 유도될 수 있을 것으로 기대되고, 향후 도로표지규정을 개정할 때에도 이 연구결과를 반영한 현실적인 규정의 재정립이 기대된다. 또한 표지판의 실제 크기, 글자 및 문안의 크기는 물론 판의 크기 및 여백의 설정도 재산정될 필요가 있으며 이에 대한 추후 연구가 필요하다고 사료된다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.47 no.1
• /
• pp.41-51
• /
• 2010

In the research for driver assistance systems, traffic sign information to the driver must be a very important information. Therefore, the detection system of traffic signs located on the road should be able to handel real-time. To detect the traffic signs, color and shape of traffic signs is to use the information after images obtained using the CCD camera. In the road environment, however, using color information to detect traffic sings will cause many problems due to changes of weather and environmental factors. In this paper, to solve it, the candidate traffic sign regions are detected from road images obtained in a variety of the illumination changes using the HSI eign-color model. And then, using the invariant moment-based SVM classifier to detect traffic signs are proposed. Experimental results show that, traffic sign detection rate is 91%, and the processing time per frame is 0.38sec. Proposed method is useful for real-time intelligent traffic guidance systems can be applied.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.54 no.2
• /
• pp.115-122
• /
• 2017

This paper proposes a deep learning algorithm based sign detection and recognition system for the blind. The proposed system is composed of sign detection stage and sign recognition stage. In the sign detection stage, aggregated channel features are extracted and AdaBoost classifier is applied to detect regions of interest of the sign. In the sign recognition stage, convolutional neural network is applied to recognize the regions of interest of the sign. In this paper, the AdaBoost classifier is designed to decrease the number of undetected signs, and deep learning algorithm is used to increase recognition accuracy and which leads to removing false positives which occur in the sign detection stage. Based on our experiments, proposed method efficiently decreases the number of false positives compared with other methods.

• The KIPS Transactions:PartB
• /
• v.16B no.4
• /
• pp.257-262
• /
• 2009

A method of the region extraction and recognition of a speed sign in the real road environment is proposed. The region of speed sign is extracted by using color information and then numbers are segmented in the region. We improve the recognition rate by performing an incline compensation of the speed sign for directions clockwise and counterclockwise. In image sequences of the real road environment, a robust recognition results are achieved with speed signs at normal condition as well as inclined.