• 한국정보기술학회논문지
• /
• 제16권12호
• /
• pp.75-83
• /
• 2018

최근 자율 주행 자동차에 대한 연구가 활발하다. 자율 주행 자동차는 보행자 검출 및 인식 기술이 중요하다. 최근에 주로 사용되는 CNN(Convolutional Neural Network)을 이용한 보행자 검출은 대체로 좋은 성능을 보이나 영상의 환경에 따른 성능 저하가 있다. 본 논문에서는 LGP-FL(Local Gradient Pattern-Feature Layer)을 추가한 CNN Network를 기반으로 해마 신경망의 장기 기억 구조를 적용한 보행자 검출 시스템을 제안한다. 먼저 입력 이미지를 $227{\times}227$의 크기로 변경한다. 그 후 총 5개 층의 Convolution layer를 거쳐 특징을 추출한다. 그 과정에서 추가되는 LGP-FL에서는 LGP 특징 패턴을 추출하여 출현 빈도수가 높은 패턴을 장기 기억 장치에 저장한다. 이후 검출 과정에서 밝기 및 색상 변화에 강인한 LGP 특징 패턴 정보를 이용해 검출함으로써 보다 정확하게 보행자를 검출할 수 있다. 기존의 방법들과 제안하는 기법의 비교를 통해 약 1~4%의 검출률 증가를 확인하였다.

• Journal of Information Processing Systems
• /
• 제15권4호
• /
• pp.1017-1028
• /
• 2019

Pedestrian tracking is a particular object tracking problem and an important component in various vision-based applications, such as autonomous cars and surveillance systems. Following several years of development, pedestrian tracking in videos remains challenging, owing to the diversity of object appearances and surrounding environments. In this research, we proposed a tracking-by-detection system for pedestrian tracking, which incorporates a convolutional neural network (CNN) and color information. Pedestrians in video frames are localized using a CNN-based algorithm, and then detected pedestrians are assigned to their corresponding tracklets based on similarities between color distributions. The experimental results show that our system is able to overcome various difficulties to produce highly accurate tracking results.

• 대한임베디드공학회논문지
• /
• 제16권5호
• /
• pp.171-177
• /
• 2021

It is difficult to accurately extract features of pedestrian because the pedestrian is photographed at a crosswalk using a camera positioned higher than the pedestrian. In addition, it is more difficult to extract features when a part of the pedestrian's body is covered by an umbrella or parasol or when the pedestrian is holding an object. Representative methods to solve this problem include Object Detection, Instance Segmentation, and Pose Estimation. Among them, this study intends to use the Pose Estimation method. In particular, we intend to increase the recognition rate of pedestrians in crosswalks by maintaining the image resolution through HigherHRNet and applying the foot estimation technique. Finally, we show the superiority of the proposed method by applying and analyzing several data sets covered by body parts to the existing method and the proposed method.

• 전기전자학회논문지
• /
• 제19권2호
• /
• pp.155-159
• /
• 2015

본 논문에서는 실시간 영상에서 보행자 검출 속도를 빠르게 하는 방법을 제안한다. 보행자 검출에 사용되는 HOG 특징을 빠르게 계산하고, 실시간 영상에서 검출 속도를 향상시키기 위한 방법을 제안한다. 실시간 영상에서 최초 보행자가 검출되면 그 다음 프레임에서는 이전 프레임의 검출정보를 이용하여 보행자가 존재할 가능성이 높은 영역에 대해서만 검출을 시도한다. 추가적으로 이전프레임에서 보행자가 검출되지 않은 영역에서 나타나는 보행자를 빠르게 검출하기 위해 PSO를 사용하였다. MIT, INRIA 데이터 셋에 대해서 성능을 측정하였고, 제안한 방법을 적용하여 기존의 방법보다 82%의 성능 향상을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.293-297
• /
• 2007

본 논문에서는 실시간으로 획득된 칼라 영상에서 CMODE(Correct Multiple Object DEtection)방법을 이용하여 움직이는 다수 물체를 검출하고, 위치 정보와 색상 정보를 이용하여 관심 보행자만을 추적하는 새로운 알고리즘을 제안한다. 다수 물체가 검출되면, 사람의 구조적 특징과 형태 정보를 이용하여 나무의 흔들림이나 차량의 움직임은 제거하고 관심 보행자만을 검출한다. 검출된 관심 보행자 추적을 위한 1차 유사성 판단은 이전 관심 보행자의 무게중심과 현재 관심 보행자의 무게중심간의 거리차를 이용한다. 1차 유사성이 판단된 영역에 대하여 k-평균 알고리즘으로 세 개의 특징점을 구하고, 각 특징점의 $3{\times}3$ 영역에 대한 평균 색상값으로 2차 유사성을 판단하여 추적하도록 한다. 카메라 배율은 원거리의 보행자에 대한 추적을 용이하게 하기 위해서 조정하고, 카메라 시계(FOV: Field of View)는 보행자의 위치가 화면내의 일정 범위에 있지 않을 경우에 조정한다. 실험 결과, 제안한 CMODE 방법이 라벨링 방법보다 평균 접근 횟수가 1/4배정도 덜 접근하였으며, 평균 검출시간도 3배정도 빠르게 검출됨을 확인할 수 있었다. 나무의 흔들림으로 인한 영역이나 차량의 움직임 영역, 그림자 영역과 같이 복잡한 배경에서도 관심 보행자 검출은 평균 96.5%의 높은 검출률을 보였다. 관심 보행자 추적은 위치 정보와 색상 정보를 이용하여 평균 95%의 높은 추적률을 보였으며, 관심 보행자는 카메라 시계와 배율을 조정함으로써 연속적으로 추적할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.506-509
• /
• 2016

We present real-time pedestrian detection that exploit accuracy of Faster R-CNN network. Faster R-CNN has shown to success at PASCAL VOC multi-object detection tasks, and their ability to operate on raw pixel input without the need to design special features is very engaging. Therefore, in this work we apply and adjust Faster R-CNN to single object detection, which is pedestrian detection. The drawback of Faster R-CNN is its failure when object size is small. Previously, small sized object problem was solved by Scale-aware Network. We incorporate Scale-aware Network to Faster R-CNN. This made our method Scale-aware Faster R-CNN (DF R-CNN) that is both fast and very accurate. We separated Faster R-CNN networks into two sub-network, that is one for large-size objects and another one for small-size objects. The resulting approach achieves a 28.3% average miss rate on the Caltech Pedestrian detection benchmark, which is competitive with the other best reported results.

• 한국산업정보학회논문지
• /
• 제27권1호
• /
• pp.11-18
• /
• 2022

주간 및 야간의 보행자 감지를 위해서는 다중 스펙트럼 활용이 필수적이다. 본 논문에서는 교통사고의 위험성이 높은 교차로에서 횡단보도 근처의 보행자를 24시간 검출하기 위해 컬러 카메라 및 열화상 적외선 카메라를 사용하였다. 보행자 탐지를 위해서 YOLO v5 객체 검출기를 사용하였으며 컬러 이미지와 열화상 이미지를 동시에 사용하여 감지 성능을 향상 시켰다. 제안된 시스템은 실제 횡단보도 현장에서 확보한 주·야간 다중 스펙트럼(색상 및 열화상) 보행자 데이터 셋에서 Iou 0.5 기준 0.94 mAP의 높은 성능을 보였다.

• 방송공학회논문지
• /
• 제21권4호
• /
• pp.493-505
• /
• 2016

컴퓨터 비전이나 감시영상 시스템에서 유동인구 수 측정은 안전, 스케줄링, 광고효과 측면에서 중요한 과제 중 하나이다. 유동인구 수 측정은 조명변화, 부분적인 폐색, 중첩, 사람검출과 같은 다양한 어려움을 겪고 있다. 가장 큰 문제점은 혼잡한 상황에서 추적되는 객체에 대한 폐색과 중첩이다. 정확한 유동인구 수 측정을 위해 폐색과 중첩은 반드시 해결해야 할 과제이다. 본 논문에서는 기존의 보행자 추적 방법을 개선한 효율적인 유동인구 수 측정 시스템을 제안한다. 기존의 보행자 추적과 달리, 제안된 방법은 평균 필터 추적방법을 적용하여 성능을 향상시킬 수 있음을 보인다. 또한 객체 추적의 성능향상을 위한 프레임 보상, 아웃라이어 제거를 통해서 추적을 개선한다. 그와 동시에 제안된 시스템은 추적된 객체의 다양한 정보를 저장한다. 데이터 셋 S6와 데이터 셋 S7에 대하여 유동인구 수 측정 정확도를 향상시키고 에러율을 줄인다. 또한 제안된 방법은 실시간으로 평균 80fps의 검출을 제공한다.

• 한국정보통신학회논문지
• /
• 제22권4호
• /
• pp.641-647
• /
• 2018

최근 여러 목적으로 영상 정보를 제공하는 CCTV는 지능형으로 변화하고 있으며, 컴퓨터 비전을 이용한 자동화 응용 범위가 증가하고 있다. 보행자 및 차량 등의 정확한 인식을 위해 신뢰성이 높은 검출방법을 수행하여야 하며 이를 위해 다양한 방법들이 연구되고 있다. 본 논문에서는 다수의 보행자가 움직이는 상황에서 보행자의 세 가지 특징 정보를 획득하여 다수의 보행자들을 검출하는 방법을 제안한다. 제안하는 방법은 보행자 검출 및 추적에 실패하거나 혼동되는 상황을 최소화 하면서 각각의 보행자를 구별한다. 보행자들끼리 근접하거나 겹치는 경우 미리 저장된 프레임 특징 정보를 이용하여 보행자를 구별 및 검출한다.

• 전기학회논문지P
• /
• 제64권3호
• /
• pp.193-198
• /
• 2015

A large number of vision applications rely on matching keypoints across images. Pedestrian detection is under constant pressure to increase both its quality and speed. Such progress allows for new application. A higher speed enables its inclusion into large systems with extensive subsequent processing, and its deployment in computationally constrained scenarios. In this paper, we focus on improving the speed of pedestrian detection using HOG(histogram of oriented gradient) and multi frame operation which is robust to illumination changes in cluttering images. The result of our simulation indicates that the detection rate and speed of the proposed method is much faster than that of conventional HOG and differential images.