• 대한임베디드공학회논문지
• /
• 제6권1호
• /
• pp.8-15
• /
• 2011

This paper presents an effective method for detecting vehicles in front of the camera-assisted car during nighttime driving. The proposed method detects vehicles based on detecting vehicle headlights and taillights using techniques of image segmentation and clustering. First, in order to effectively extract spotlight of interest, a pre-signal-processing process based on camera lens filter and labeling method is applied on road-scene images. Second, to spatial clustering vehicle of detecting lamps, a grouping process use light tracking method and locating vehicle lighting patterns. For simulation, we are implemented through Da-vinci 7437 DSP board with visible light mono-camera and tested it in urban and rural roads. Through the test, classification performances are above 89% of precision rate and 94% of recall rate evaluated on real-time environment.

• 전기학회논문지
• /
• 제67권12호
• /
• pp.1711-1716
• /
• 2018

Unlike conventional transmission and distribution lines, catenary system for operating electric railway vehicles are composed of multi-conductor groups (feeder line, contact wire, messenger wire, protection wire) and are used for railway employees, public or passengers in the station yards. Electric shock hazards are exposed and electric shocks such as death or serious injury are occurring in electric railway vehicles, railway high-voltage distribution lines, and catenary system. In order to analyze the types of electric shock accidents on railway by systematic approach method, we modeled 'unsafe behavior classification' method using swiss cheese model. Based on this method, we derived the type of electric shock accidents about railway accidents during the last 5 years by analyzing the frequency of occurrence of human errors and unsafe acts, laws and regulations related to violations, and so on.

• 한국산업융합학회 논문집
• /
• 제26권6_2호
• /
• pp.1063-1071
• /
• 2023

Unmanned aerial vehicles (UAVs, drones) are becoming increasingly useful in a variety of fields. Advances in UAV and camera technology have made it possible to equip them with ultra-high resolution sensors and capture images at low altitudes, which has improved the reliability and classification accuracy of object identification on the ground. The distinctive contribution of this study is the derivation of sensor-specific performance metrics (GRD/GSD), which shows that as the GSD increases with altitude, the GRD value also increases. In this study, we identified the characteristics of various onboard sensors and analysed the image quality (discrimination resolution) of aerial photography results using UAVs, and calculated the shooting conditions to obtain the discrimination resolution required for reading ground objects.

• 대한교통학회지
• /
• 제27권4호
• /
• pp.55-61
• /
• 2009

차종분류는 교통의 흐름 및 안전에 미치는 영향을 분석하고 도로의 포장 및 시설의 설계를 위하여 이루어진다. 국내에서는 국토해양부의 12종 분류에 따라 고속국도, 일반국도, 지방도의 차종분류 자료가 제공되고 있다. 기계식 차종분류를 위한 AVC(Automatic Vehicle Classification) 장비는 차량길이, 축거, 내민 거리(overhang) 등의 측정값과 미리 입력된 모든 차량 모델의 제원값을 비교하여 차종을 판단한다. 하지만, 기존의 방법은 센서의 관리상태에 분류 정확도가 크게 영향받게 된다. 본 연구에서는 실제 조사지점에서 발생하는 장비 오차와 차량 제원정보에 민감하지 않은 차종분류 알고리즘을 개발하였다. 알고리즘을 단순화하기 위하여 차량길이와 축거 중심으로 추세선을 이용하여 차종을 분류하므로 센서의 정확도 변화의 영향을 감소시켰다. 개발된 알고리즘의 평가를 위하여 일반국도에 설치된 AVC 장비에서 축수, 차량길이, 축거, 내민거리를 추출하여 비디오 판독 결과와 비교하였다. 실험 결과는 전체 차량에 대하여 88.2%의 정확도를 얻었다. 본 연구에서 개발된 차종분류 알고리즘은 센서의 감도 변화 등 현장 환경의 변화에 덜 영향을 받도록 설계되어 차종분류를 위한 기계식 장비의 안정적 정확도 유지에 활용될 수 있을 것으로 기대된다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.535-544
• /
• 2018

급변하는 주변상황이나 대형차량과 같은 큰 지형지물에 센서가 가려질 경우에는 센서만을 이용한 완전 자율주행에는 한계가 따른다. 이에 자율주행을 위해서 센서를 이용한 한계점을 극복할 수 있도록 정밀한 도로지도를 부가적으로 이용하는 방법이 사용되고 있다. 본 연구는 국토지리정보원에서 제공하는 지상 MMS(Mobile Mapping System)로 취득된 3차원 점군자료를 이용하여 도로 객체를 분류하는 연구를 수행하였다. 본 연구를 위해서 원본 3차원 점군자료를 전처리 하고, 지면과 비지면점을 분리하기 위한 필터링 기법을 선정하였다. 또한 차선, 가로등, 안전펜스 등에 해당하는 도로객체를 초기 분할한 후 분할된 객체를 머신러닝의 종류인 서포트 벡터 머신을 이용하여 학습시킨 후 분류하였다. 학습데이터는 분할된 도로객체에서 추출한 고유값을 이용한 기하학적 요소와 높이정보만을 사용하였으며 분류결과 전체정확도는 87%, 카파계수는 0.795로 나타났다. 향후 도로객체의 분류를 위하여 기하학적인 요소 뿐만 아니라 다양한 항목을 추가한다면 분류정확도가 높아질 것으로 예상된다.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.55-67
• /
• 2022

센서 데이터를 활용하여 설비의 이상 진단이 가능해졌다. 하지만 설비 이상에 대한 원인 분석은 미비한 실정이다. 본 연구에서는 센서 기반 시계열 데이터 분류 모델을 위한 해석가능한 합성곱 신경망 프레임워크를 제안한다. 연구에서 사용된 센서 기반 시계열 데이터는 실제 차량에 부착된 센서를 통해 수집되었고, 반도체의 웨이퍼 데이터는 공정 과정에서 수집되었다. 추가로 실제 기계 설비에서 수집된 주기 신호 데이터를 이용 하였으며, 충분한 학습을 위해 Data augmentation 방법론인 Scaling과 Jittering을 적용하였다. 또한, 본 연구에서는 3가지 합성곱 신경망 기반 모델들을 제안하고 각각의 성능을 비교하였다. 본 연구에서는 ResNet에 Jittering을 적용한 결과 정확도 95%, F1 점수 95%로 가장 뛰어난 성능을 보였으며, 기존 연구 대비 3%의 성능 향상을 보였다. 더 나아가 결과의 해석을 위한 XAI 방법론으로 Class Activation Map과 Layer Visualization을 제안하였으며, 센서 데이터 분류에 중요 영향을 끼치는 시계열 구간을 시각적으로 확인하였다.

• 대한교통학회지
• /
• 제14권1호
• /
• pp.135-154
• /
• 1996

This paper presents a heuristic algorithm for classifying vehicles using a single loop detector. The data used for the development of the algorithm are the frequency variation of a vehicle sensored from the circle-shaped loop detectors which are normal buried beneath the expressway. The pre-processing of data is required for the development of the algorithm that actually consists of two parts. One is both normalization of occupancy time and that with frequency variation, the other is finding of an adaptable number of sample size for each vehicle category and calculation of average value of normalized frequencies along with occupancy time that will be stored for comparison. Then, detected values are compared with those stored data to locate the most fitted pattern. After the normalization process, we developed some frameworks for comparison schemes. The fitted scales used were 10 and 15 frames in occupancy time(X-axis) and 10 and 15 frames in frequency variation (Y-axis). A combination of X-Y 10-15 frame turned out to be the most efficient scale of normalization producing 96 percent correct classification rate for six types of vehicle.

• 한국멀티미디어학회논문지
• /
• 제18권11호
• /
• pp.1302-1312
• /
• 2015

Recent research has been devoted and focused on detecting pedestrian and vehicle in intelligent vehicles except for the vulnerable road user(VRUS). In this paper suggest a new projection method which has robustness for rotation invariant and reducing dimensionality for each cell from original image to detect two-wheeler. We applied new weighting values which are calculated by maximum curvature containing very important object shape features and uniform local binary pattern to remove the noise. This paper considered the Adaboost algorithm to make a strong classification from weak classification. Experiment results show that the new approach gives higher detection accuracy than of the conventional method.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권5호
• /
• pp.2171-2185
• /
• 2020

In order to judge that whether the vehicles in different images which are captured by surveillance cameras represent the same vehicle or not, we proposed a novel vehicle face recognition algorithm based on improved Nonnegative Matrix Factorization (NMF), different from traditional vehicle recognition algorithms, there are fewer effective features in vehicle face image than in whole vehicle image in general, which brings certain difficulty to recognition. The innovations mainly include the following two aspects: 1) we proposed a novel idea that the vehicle type can be determined by a few key regions of the vehicle face such as logo, grille and so on; 2) Through adding weight, sparseness and classification property constraints to the NMF model, we can acquire the effective feature bases that represent the key regions of vehicle face image. Experimental results show that the proposed algorithm not only achieve a high correct recognition rate, but also has a strong robustness to some non-cooperative factors such as illumination variation.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권12호
• /
• pp.4489-4501
• /
• 2014

We propose a novel lane detection method based on classification in image sequences. Both structural and statistical features of the extracted bright shape are applied to the neural network for finding correct lane marks. The features used in this paper are shown to have strong discriminating power to locate correct traffic lanes. The traffic lanes detected in the current frame is also used to estimate the traffic lane if the lane detection fails in the next frame. The proposed method is fast enough to apply for real-time systems; the average processing time is less than 2msec. Also the scheme of the local illumination compensation allows robust lane detection at nighttime. Therefore, this method can be widely used in intelligence transportation systems such as driver assistance, lane change assistance, lane departure warning and autonomous vehicles.