• 한국전자통신학회논문지
• /
• 제8권10호
• /
• pp.1443-1449
• /
• 2013

전방 차량의 자동검출은 충돌회피, 자동운행제어 그리고 자동 헤드램프 조정 등의 고급 운전지원시스템의 통합 요소이다. 주야간 상관없이 전방 차량 자동 검출과 운행 상태를 인지하는데 있어 후미등은 중요한 역할한다. 그런데, 많은 운전자들이 차량의 후미등 상태를 알지 못하고 운행하는 경우가 많다. 따라서, 후미등에 이상이 있는 차량에 대하여 자동으로 후미등 이상 상태를 알려주는 시스템이 필요하다. 본 논문에서는 영상처리 및 인식기술을 기반으로 차량의 후미등 상태를 인식하는 방법을 제안한다. 톨게이트 등으로 진입하는 차량을 검출하기 위하여 배경추정기법, 옵티컬 플로우(optical flow) 그리고 Euclidean 척도를 이용한다. Lab 색좌표에서 집중 맵(saliency map)을 적용하여 차량에서 후미등 영역을 검출하고 상태를 판정한다. 고속도로 톨게이트 영상을 이용하여 후미등 상태인식 실험을 하고, 제안하는 방법이 운전자에게 후미등 상태 전달하는데 활용할 수 있음을 보인다.

• 방송공학회논문지
• /
• 제21권4호
• /
• pp.609-620
• /
• 2016

최근 발생빈도가 높은 차량 간 충돌사고를 미연에 방지하고 운전자의 편의를 증진하기 위한 전방 충돌 경고 시스템에 관한 연구가 활발히 진행되고 있다. 충돌 회피를 위한 차량 시스템에 자동으로 차량을 검출하는 기술은 필수적 요소이다. 기존의 학습 기반 차량 검출 방법들은 일반적으로 차량의 후면 전체를 학습하며, 외형이 다른 승용차와 트럭, SUV의 경우 클래스를 분류하여 학습해야 한다는 단점이 있다. 본 논문에서는 이러한 단점을 해결하기 위해 차종에 관계없이 후미등 하단 부의 외형은 유사하다는 점에 착안하여 하단부에 한해 Haar-like feature를 학습함으로써 전방 차량을 검출하는 방법을 제안하였다. 또한 검증단계로서 후미등 검출을 통해 실제 차량과 차량이 아닌 것들을 분류하고 후미등 검출이 어려운 작은 크기의 후보 영역은 HOG(Histogram Of Gradient) 특징과 SVM(Support Vector Machine) 분류기를 통해 검증하여 오검출률을 낮추었다. 도로 주변에 건물이 많은 복잡한 영상에서도 차종에 관계없이 95%에 해당하는 정확도를 보여 전방 차량 검출 성능이 개선된 것을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2011년도 추계학술대회
• /
• pp.601-602
• /
• 2011

본 논문에서는 터널 내 유고 상황에서 심각한 사고의 원인이 되는 정지 차량, 역주행 차량 인식을 위한 전조등, 후미등 검출 알고리즘을 제안한다. 제안 알고리즘은 차량등 컬러 정보의 실험적 분석을 통하여 효과적으로 정차 및 역주행 차량을 검출하도록 하였다. 모의 실험 결과는 HD (High Definition) 터널 비디오 영상에 대하여 정지 차량 검출율이 95% 이상이고 역주행 차량 검출율이 96% 이상임을 보여준다.

• 방송공학회논문지
• /
• 제22권3호
• /
• pp.282-294
• /
• 2017

본 논문에서는 차량이 움직일 때 발생하는 카메라의 움직임, 도로상의 광원에 강건한 지능형 전조등 제어 시스템을 제안한다. 후보광원을 검출할 때 카메라의 원근 범위 추정 모델을 기반으로 한 ROI (Region of Interest)를 사용하며 이는 FROI (Front ROI)와 BROI (Back ROI)로 나뉘어 사용된다. ROI내에서 차량의 전조등과 후미등, 반사광 및 주변 도로의 조명들은 2개의 적응적 임계값에 의해 세그먼트화 된다. 세그먼트화 된 광원 후보군들로부터 후미등은 적색도(redness)와 Haar-like특징에 기반한 랜덤포레스트 분류기에 의해 검출된다. 전조등과 후미등 분류 과정에서 빠른 학습과 실시간 처리를 위해 SVM(Support Vector Machine) 또는 CNN(Convolutional Neural Network)을 사용하지 않고 랜덤포레스트 분류기를 사용했다. 마지막으로 페어링(Pairing) 단계에서는 수직좌표 유사성, 광원들간의 연관성 검사와 같은 사전 정의된 규칙을 적용한다. 제안된 알고리즘은 다양한 야간 운전환경을 포함하는 데이터에 적용한 결과, 최근의 관련연구 보다 향상된 검출 성능을 보여주었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.845-847
• /
• 2022

교통사고의 원인 중 90%는 졸음운전과 같은 운전자의 부주의 때문에 발생하고 있다. 정부에서도 사고로 인한 인명피해 심각성을 인지하고 2019년부터 전방충돌방지 시스템과 차선이탈 경고 장치 등 ADAS(Advanced Driver Assistance Systems)를 의무적으로 적용하도록 규제를 강화하는 추세이다. 충돌사고를 예방하기 위해 본 논문에서는 영상처리를 기반으로 하여 객체 검출, 차간거리 측정, 후미등 검출, 차선 검출 기능을 적용하여 위험한 상황을 감지하고 운전자에게 경고 알림을 제공하는 System을 개발한다. 더 나아가 다양한 모빌리티 서비스에 이를 활용할 수 있는 방안을 제공한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.538-540
• /
• 2015

안전 거리 미확보는 교통 사고 원인 중 3위에 이르는 큰 위험 요소이다. 이러한 차간거리 미확보로 인한 사고는 조금만 빨리 대응하여도 사전에 방지할 수 있다. 따라서 주행 중 실시간으로 차간 거리를 추정하여 제공하는 시스템이 필요하다. 본 논문에서는 안드로이드 기반의 실시간 촬영 영상에서 차량의 에지와 후미등을 이용하여 차량을 검출하고, 검출된 차량의 폭을 이용하여 차간 거리를 추정하여 제공하는 시스템을 제안하고, 구현 결과를 제시한다.

• 융합신호처리학회논문지
• /
• 제22권2호
• /
• pp.85-90
• /
• 2021

운전자의 안전 운전을 위한 첨단 운전자 보조시스템(ADAS; Advanced Driver Assistance System)은 자율주행 자동차에서 중요한 연구 분야 가운데 하나이다. 특히, 이전에 자동차에 부착된 영상센서를 기반으로 한 ADAS 소프트웨어는 구축 비용이 저렴하고 그 활용도가 우수하다. 본 논문에서는 선행차의 주행 상황을 인지할 수 있는 선행 차량 후미등(Tail-Lamp)의 정지등(Break-Lamp) 영역을 검출하는 알고리즘을 제안한다. 제안하는 방법은 주행 영상으로부터 객체 추적에 우수한 성능을 보이고 있는 YOLO 기술을 이용하여 자동차 객체를 추출하고, 추출된 자동차 관심 영역의 HSV 영상을 이용하여 정지등의 밝기 변화 영역을 검출한다. 그 다음 검출된 각 정지등 후보 고립영역을 라벨링하여 후보 영역들 간의 모양 대칭성을 인지하는 선택적 주의집중 모델(Selective Attention Model)을 적용하여 정지등 영역을 검출한다. 제안한 알고리즘의 성능 평가를 위하여 다양한 주행 영상에 적용하여 실험한 결과 ADAS에 적용 가능한 성공적인 검출 결과를 보였다.

• 한국정보전자통신기술학회논문지
• /
• 제8권4호
• /
• pp.270-274
• /
• 2015

본 논문에서는 HSV 색 공간을 이용한 야간 차량의 검출 시스템을 제안한다. 주정차 감시등 도로변에서 자동차를 감시하는 경우 자동차 번호판 추출하는 것이 중요하다. 일반적으로 번호판 추출을 위해서는 원거리에서 자동차 검출후 Pan-Tilt-Zoom 카메라로 자동차를 일정한 크기로 확대한 영상을 획득하여 번호판을 추출한다. 그리고 자동차 검출 및 추적을 위해 Mean-Shift 혹은 Optical Flow 알고리듬이 많이 이용되고 있다. 그러나 이러한 알고리즘은 주간에는 성공적으로 자동차를 검출 및 추적 할수 있었으나 야간에는 검출 및 추적에 어려움이 있었다. 그래서 본 논문에서는 입력 영상을 HSV 색 공간으로 변환하면 자동차의 전조등 혹은 후미등의 위치가 두드러지게 나타나는 것을 이용하여 자동차의 위치를 검출하였다. 실험 결과 정면 차량의 경우 93.9%, 후면 차량의 경우 97.7%의 차량을 검출하여 제안된 방법이 야간 차량 검출에 효율적임을 증명하였다.

• 한국통신학회논문지
• /
• 제41권12호
• /
• pp.1978-1984
• /
• 2016

본 논문에서는 영상의 대비효과를 부각시키는 CLAHE(Contrast-Limit Adaptive Histogram Equalization)를 적용한 Adaboost 기반 방법을 통해 우천 상황에서 강인한 차량 검출 방법을 제안한다. 본 논문에서는 차량 검출의 효과적인 실시간 동작을 위해 2가지를 제안하였다. 먼저 영상의 RGB값을 통해 우천 상황 여부를 판단하여 검출 방법을 선택할 수 있도록 하여 연산량을 줄이는 것과 CLAHE를 이용한 영상 처리를 통해 영상 내에 차량의 후미등을 검출하여 관심영역을 지정해주는 방법을 제안했다. 또한 본 논문에서는 기존에 차량 검출 방법으로 제시되었던 가우시안 혼합 모델(Gaussian Mixture Model), 옵티컬 플로우(Optical Flow)와 Adaboost(Adaptive boosting)의 우천 상황에서의 차량 검출율을 비교하여 최종적으로 Adaboost를 선택한 이유를 설명했다. 본 논문 실험 결과는 CLAHE 미적용 시 정확율과 재현율은 각각 0.83, 0.77 이었고, CLAHE 적용 시 0.85, 0.87로 적용했을 때 정확율과 재현율에서 약 2%, 13% 향상되었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제56차 하계학술대회논문집 25권2호
• /
• pp.135-136
• /
• 2017

When driving at night time environment, the whole body of transports does not visible to us. Due to lack of light conditions, there are only two options, which is clearly visible their taillights and break lights. To improve the recognition correctness of vehicle detection, we present an approach to vehicle detection and tracking using finding contour of the object on binary image at night time. Bilateral filtering is used to make more clearly on threshold part. To remove unexpected small noises used morphological opening. In verification stage, paired tail lights are tracked during their existence in the ROI. The accuracy of the test results for vehicle detection is about 93%.