• Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology
• /
• v.7 no.3
• /
• pp.361-370
• /
• 2017

In this paper, correlation analysis was performed between questionnaire and machine learning based aggressive tendency measurements. this study is part of a aggressive driver detection using machine learning and questionnaire. To collect two types tendency from questionnaire and measurements system, we constructed experiments environments and acquired the data from 30 drivers. In experiment, the machine learning based aggressive tendency measurements system was designed using a driver behavior detection model. And the model was constructed using accelerate and brake position data and hidden markov model method through supervised learning. We performed a correlation analysis between two types tendency using Pearson method. The result was represented to high correlation. The results will be utilize for fusing questionnaire and machine learning. Furthermore, It is verified that the machine learning based aggressive tendency is unique to each driver. The aggressive tendency of driver will be utilized as measurements for advanced driver assistance system such as attention assist, driver identification and anti-theft system.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.18 no.6
• /
• pp.110-123
• /
• 2019

Traffic data is the most basic element necessary for transportation planning and traffic system operation. Recently, a method of estimating traffic flow characteristics using distance to a leading vehicle measured by an ADAS camera has been attempted. This study investigated the feasibility of the ADAS vehicle reflecting the distance error of image-based vehicle identification technology as a means to estimate the traffic flow through the normalized root mean square error (NRMSE) based on the number of lanes, traffic demand, penetration rate of probe vehicle, and time-space estimation area by employing the microscopic simulation model, VISSIM. As a result, the estimate of low density traffic flow (i.e., LOS A, LOS B) is unreliable due to the limitation of the maximum identification distance of ADAS camera. Although the reliability of the estimates can be improved if multiple lanes, high traffic demands, and high penetration rates are implemented, artificially raising the penetration rates is unrealistic. Their reliability can be improved by extending the time dimension of the estimation area as well, but the most influential one is the driving behavior of the ADAS vehicle. In conclusion, although it is not possible to accurately estimate the traffic flow with the ADAS camera, its applicability will be expanded by improving its performance and functions.

• Journal of Korea Multimedia Society
• /
• v.5 no.2
• /
• pp.176-190
• /
• 2002

According as vehicles increases, system such as Advanced Drivers Assistance System(ADAS ) to inform forward situation to driver is required. In this paper, we proposes method to detect forward vehicles and lane from sequential color images by basis process to inform forward situation to driver. We detect a front vehicle using that shadow area exists on part under vehicles and that road area occupies many parts even if road traffic is confused. We detect lane information using that lane part is white order by reverse characteristic of shadow area. This method shows good result in case road is confused or there is direction indication to road. HSV color space is selected for color modeling. This method uses saturation component and value component in HSV color model to detect vehicles and lane. It uses statistics features of HSV component and position to know whether detected vehicles area is vehicles such as vehicles previous frame. To verify the effects of the proposed method, we capture the road images with notebook and CCD camera for PC and Present the results such as processing time, accuracy and vehicles detection against the images.

• IEMEK Journal of Embedded Systems and Applications
• /
• v.12 no.2
• /
• pp.113-120
• /
• 2017

In this paper, we present a night-time vehicle detection method using CNN (Convolutional Neural Network) classification. The camera based night-time vehicle detection plays an important role on various advanced driver assistance systems (ADAS) such as automatic head-lamp control system. The method consists mainly of thresholding, labeling and classification steps. The classification step is implemented by existing CIFAR-10 model CNN. Through the simulations tested on real road video, we show that CNN classification is a good alternative for night-time vehicle detection.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.194-197
• /
• 2016

자동차 산업이 발전하면서 안정적인 주행과 운전자의 편의성을 위한 지능형운전자보조시스템인 ADAS (Advanced Driver Assistance System)가 이슈가 되고 있다. 차선인식의 결과에 따라 차선이탈 경고시스템의 성능이 달라지기 때문에 차선인식은 ADAS에서 매우 중요한 핵심적인 기술이라 할 수 있다. 이에 본 논문에서는 그림자 영역과 같이 밝기의 분포가 균일하지 않는 환경에서 강인하게 동작하는 차선인식 알고리즘을 제안하였다, 지역적인 밝기 특징을 고려하여 차선에 해당하는 특징점을 추출하며, 추출된 특징점 가운데 이상치(outlier)를 제거하기 위해 RANSAC (RANdom SAmple Consensus) 알고리즘을 이용하여 차선을 검출한다. 또한 RANSAC 알고리즘에서 신뢰도가 높은 차선이 검출되면 그 주위에 특징점을 추출하기 위한 관심영역을 설정함으로써 안정적인 차선 검출이 가능하도록 하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.361-363
• /
• 2016

현재 차량 내 운전자에게 편의성과 안전성을 제공하는 시스템이 활발히 개발 중이고 향후 ADAS(Advanced Driver Assistance System)와 스마트 자동차에서 영상 정보를 이용한 물체 추적과 분석은 매우 중요한 부분을 차지하고 있다. 영상에서 얻을 수 있는 정보 중 현재 도로의 이정표 정보는 중요한 분석 정보로 사용된다. 하지만 국내 도로표지판 검출 연구의 경우 유럽과 북미와 비교하여 연구 개발이 활발히 진행되고 있지 않다. 국내의 경우 도로 이정표에서 영문자뿐만 아니라 한글 문자 정보까지 포함하고 있어 검출이 쉽지 않다. 또한 비교적 밝고 잡음이 적은 검출하기 좋은 환경에서는 검출이 잘 되지만 명암이 뚜렷하지 않고 잡음이 많은 환경에서는 도로 이정표 문자 검출이 어렵다. 이에 본 논문에서는 CLAHE(Contrast-Limited Adaptive Histogram Equalization) 방법을 적용하여 영상이 어둡고 잡음이 많은 환경에서 국내 도로 이정표의 문자 정보를 얻는다. 실험 결과, 기존 방법에 비해 문자 영역 검출 성능이 향상되었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.99-102
• /
• 2016

교통표지판 검출 및 인식은 차량의 자율주행 및 ADAS (Advanced Driver Assistance System)의 필수적인 요소이다. 교통표지판의 각종 표식을 인식하기 위해서는 먼저 교통표지판 영역을 검출해야 하며, 이 작업은 통상적으로 교통표지판에 포함된 빨간색을 추출하는 컬러 필터링을 통해 이루어진다. 하지만 차량 영상에 나타나는 색상 성분은 태양광의 방향이나 날씨 등에 상당한 영향을 받으며 이러한 조도 환경은 차량이 주행하게 되면 시간적으로도 수시로 변화한다. 더군다나 사용하는 카메라의 내부적인 특성에 따라서도 색상 성분의 분포가 달라지기 때문에 컬러 필터링을 위한 임계값은 고정값을 사용하기 보다는 적응적으로 변화시킬 필요가 있다. 본 논문에서는 다양한 조도 환경과 다양한 카메라 종류에 따라서 영상 내 교통표지판의 빨간색 성분의 분포를 분석하고 이를 바탕으로 임계값을 가변적으로 설정하는 방법을 제안한다. 그리고 모의실험을 통해 제안 방법을 적용하면 고정된 임계값을 사용한 방법보다 조도변화에 강인하게 교통표지판 영역을 검출할 수 있음을 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.513-515
• /
• 2015

최근 지능형 차량과 ADAS(Advanced Driver Assistance System) 개발에 있어 차량 영상을 이용한 도로 정보 분석이 중요한 화두로 떠오르고 있다. 다양한 도로 정보 중에서 도로표지판 검출 및 판단은 차량 운행 환경을 파악할 수 있는 중요한 과정이 될 수 있다. 이에 본 논문에서는 차량 영상에서의 색상 정보를 이용하여 표지판의 후보 영역을 추출(Candidate Generation)하고, 후보 영상에 대한 HOG(Histogram of Gradient) 특징 분석을 통해 도로표지판 여부와 그 종류를 판단(Object Classification)하는 알고리즘을 구현하였다. 또한 구현 알고리즘은 실시간 처리가 가능한 속도를 보여주어 지능형 차량 또는 ADAS에서의 실제 적용이 가능하도록 하였다.

• Annual Conference of KIPS
• /
• 2015.10a
• /
• pp.1365-1368
• /
• 2015

컴퓨터 비전 분야의 활용영역과 시장성이 증대하면서 가장 많이 사용되는 객체인식 및 탐지 기술과 관련된 연구는 꾸준히 진행되고 있다. 최근에는 ADAS(Advanced Driver Assistance Systems)와 특징적인 객체를 인식 추적할 수 있는 지능형 감시시스템에서의 가장 핵심적인 기술로 자리 잡고 있다. 본 연구에서는 보행자 탐지에 사용하는 특징들 중에서 조명변화에 강건한 HOG와 Cascade-Adaboost를 기반으로 보행자 탐지 모델을 후보영역을 검출하고 검출된 영역에서 컬러정보를 추출하여 의사결정 트리에 적용시켜 최종 보행자를 탐지하는 시스템을 제안한다.

• IEIE Transactions on Smart Processing and Computing
• /
• v.4 no.4
• /
• pp.237-250
• /
• 2015

This paper describes a hardware-oriented algorithm and its conceptual implementation in a real-time speed limit traffic sign detection system on an automotive-oriented field-programmable gate array (FPGA). It solves the training and color dependence problems found in other research, which saw reduced recognition accuracy under unlearned conditions when color has changed. The algorithm is applicable to various platforms, such as color or grayscale cameras, high-resolution (4K) or low-resolution (VGA) cameras, and high-end or low-end FPGAs. It is also robust under various conditions, such as daytime, night time, and on rainy nights, and is adaptable to various countries' speed limit traffic sign systems. The speed limit traffic sign candidates on each grayscale video frame are detected through two simple computational stages using global luminosity and local pixel direction. Pipeline implementation using results-sharing on overlap, application of a RAM-based shift register, and optimization of scan window sizes results in a small but high-performance implementation. The proposed system matches the processing speed requirement for a 60 fps system. The speed limit traffic sign recognition system achieves better than 98% accuracy in detection and recognition, even under difficult conditions such as rainy nights, and is implementable on the low-end, low-cost Xilinx Zynq automotive Z7020 FPGA.