• 로봇학회논문지
• /
• 제13권1호
• /
• pp.31-37
• /
• 2018

Recently, the safety in vehicle also has become a hot topic as self-driving car is developed. In passive safety systems such as airbags and seat belts, the system is being changed into an active system that actively grasps the status and behavior of the passengers including the driver to mitigate the risk. Furthermore, it is expected that it will be possible to provide customized services such as seat deformation, air conditioning operation and D.W.D (Distraction While Driving) warning suitable for the passenger by using occupant information. In this paper, we propose robust vehicle occupant detection algorithm based on RGB-Depth-Thermal camera for obtaining the passengers information. The RGB-Depth-Thermal camera sensor system was configured to be robust against various environment. Also, one of the deep learning algorithms, OpenPose, was used for occupant detection. This algorithm is advantageous not only for RGB image but also for thermal image even using existing learned model. The algorithm will be supplemented to acquire high level information such as passenger attitude detection and face recognition mentioned in the introduction and provide customized active convenience service.

• 경영과정보연구
• /
• 제4권
• /
• pp.257-284
• /
• 2000

According as the drivers increase who have their cars, the comprehensive studies on the automobile for the traffic safety have been raised as the important problems. Visual Recognition System for radio-controled driving is a part of the sensor processor of Unmanned Autonomous Vehicle System. When a driver drives his car on an unknown highway or general road, it produces a model from the successively inputted road traffic information. The suggested Recognition System of the Road Traffic Safety Information Board is to recognize and distinguish automatically a Road Traffic Safety Information Board as one of road traffic information. The whole processes of Recognition System of the Road Traffic Safety Information Board suggested in this study are as follows. We took the photographs of Road Traffic Safety Information Board with a digital camera in order to get an image and normalize bitmap image file with a size of $200{\times}200$ byte with Photo Shop 5.0. The existing True Color is made up the color data of sixteen million kinds. We changed it with 256 Color, because it has large capacity, and spend much time on calculating. We have practiced works of 30 times with erosion and dilation algorithm to remove unnecessary images. We drawing out original image with the Region Splitting Technique as a kind of segmentation. We made three kinds of grouping(Attention Information Board, Prohibit Information Board, and Introduction Information Board) by RYB( Red, Yellow, Blue) color segmentation. We minimized the image size of board, direction, and the influence of rounding. We also minimized the Influence according to position. and the brightness of light and darkness with Eigen Vector and Eigen Value. The data sampling this feature value appeared after building the learning Code Book Database. The suggested Recognition System of the Road Traffic Safety Information Board firstly distinguished three kinds of groups in the database of learning Code Book, and suggested in order to recognize after comparing and judging the board want to recognize within the same group with Nearest Neighborhood Decision Making.

• 한국ITS학회 논문지
• /
• 제16권4호
• /
• pp.1-12
• /
• 2017

교통사고는 인적요인, 차량요인, 환경요인이 복합적으로 작용하여 발생한다. 이 중 렌터카 교통사고는 운전자의 평소 익숙하지 않은 환경 등으로 인해 교통사고 발생 가능성과 심각도가 다른 교통사고와는 다를 것으로 예상된다. 이에 본 연구에서는 국내 대표 관광도시인 부산광역시, 강릉시, 제주시를 대상으로 최근 빅데이터 분석에 사용되는 기계학습 기법중 하나인 나이브 베이즈 분류기를 이용하여 렌터카 교통사고의 심각도를 예측하는 모형을 개발하였다. 또한, 기존 연구에 유의성이 검증된 변수와 수집 가능한 모든 변수를 이용하는 두 가지 모형에 대하여 모형의 예측 정확도를 비교하였다. 비교 결과 통계적 기법을 통해 유의성이 검증된 변수를 사용할 경우 모형이 더 높은 예측 정확도를 보이는 것으로 나타났다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.236-238
• /
• 2022

현 도로교통법상 도로 이용의 효율성과 교통안전 확보의 목적으로 차로 별 통행 가능 차종을 지정한 제도로써, 2020년 개정안이 현재 시행되고 있다. 독일과 국내의 자동차 1만 대당 교통사고 사망자 수를 비교하였을 때, 독일의 교통사고 사망자는 국내보다 현저히 낮은 수치를 기록하고 있다. 대표적으로 속도의 제한을 두지 않은 독일 아우토반의 사례는 한국의 속도위반법만이 사고율의 경감에 정답이 되지 않는다는 점을 시사한다. 아우토반 고속도로의 킵 라이트 원칙(keep right principle)에 따라 준수되는 지정차로제는 교통사고 감소에 큰 역할을 한다. 이러한 사실을 기반으로 지정차로제 위반 차량의 단속과 준수율 향상을 위한 교통 단속 시스템을 제안한다. 딥러닝 객체 인식 모델인 Yolo5를 이용하여 차종을 인식하고 OpenCV를 이용하여 차량 번호판과 차선을 인식 및 추출된 데이터를 서버에 저장하여 법규의 위반 여부를 판별하는 지정차로제 단속시스템을 개발한다. 이에 따라 운전자의 제도 인식 및 준수율의 향상을 통한 교통사고율의 감소 효과가 있을 것으로 기대된다.

• 한국ITS학회 논문지
• /
• 제14권5호
• /
• pp.23-29
• /
• 2015

본 연구는 차량운전의 주체인 인간이 실제 차량을 운전하면서 나타나게 되는 수많은 반응 중 생체정보인 뇌파를 측정 장비를 이용하여 도로주행 중 발생하는 뇌파를 수집하고 수집된 자료를 바탕으로 하여 실험횟수, 주행시간에 따른 변화, 도로 기하구조에 따른 변화 등 요인을 추출하고 분석을 실시하였다. 주행실험 중 발생한 뇌파 변화를 분석에 필요한 알파(${\alpha}$)파, 베타(${\beta}$)파, 감마(${\gamma}$)파의 형태로 1차 추출을 한 후, 실험 전 구간에서의 뇌파 발생 빈도와 변화율을 추출하고 실험 횟수에 증가에 따른 학습효과를 관찰하고자 회귀모형을 적용하여 뇌파 특성에 따른 빈도변화를 계산하였다. 그 결과, 실험 횟수에 따라 뇌파는 개인차에 의한 변화를 보였으며 이는 같은 구간을 반복적으로 주행함에 따라 운전자가 도로 기하구조와 신호, 안전시설 등을 기억함에 따라 익숙하고 편안하게 주행하고 있음을 확인할 수 있었다.