신호교차로 내 실시간 교통사고 자동검지 알고리즘 개발

Development of the Algorithm for Traffic Accident Auto-Detection in Signalized Intersection

  • 투고 : 2008.09.02
  • 심사 : 2009.07.30
  • 발행 : 2009.10.31

초록

영상기반의 교통정보수집시스템은 관리 및 운영상의 한계를 보이고 있는 기존의 루프검지기의 역할을 대체하는 검지기로써의 역할뿐만 아니라 다양한 교통류의 정보를 제공하고 관리할 수 있다는 점에서 여러 나라에서 보급 활용되기 시작했다. 또한 용도와 사용범위에 있어서도 획기적인 확장세에 있다. 반면에 교통사고 관리와 관련하여 현재까지는 단순히 교통사고 예상지역에 감시카메라를 설치해 두고 기록되는 자료의 디지털화를 추진하는 정도의 영상처리기술을 활용하고 있는 형편이다. 교차로 내 교통사고의 발생 전과 후의 순차적인 상황을 정확히 기록하고, 이 자료를 통해 발생된 교통사고의 사고 매커니즘을 객관적이고 명확하게 조명하고 분석하는 것은 교통사고 처리에 있어서 어느 것보다 시급하고 중요한 부분이다. 기존 기술들은 교차로의 환경적 다양한 변화로 인해 극복하기 매우 어려운 차량의 객체분리, 추적 등의 기술을 가지고 있음에도 불구하고 엄청난 데이터처리용량으로 실시간으로 적용하기 어려운 문제들을 갖고 있다. 이에 본 연구는 이를 극복할 수 있는 기술 방식을 제시하고자 한다. 또한 기존에 잘 알려진 환경적 장애요소 제거방식 중 가장 우수한 방식으로 평가받고 있는 가우시안 복합모델 분석기법에서 조차 환경적인 요인으로 인해 자주 발생하고 있는 오 검지 상황들을 효과적으로 저감시킬 수 있는 능동적이고 환경적응적인 기법을 제시하고 구현하여 그 기술의 성능을 평가하고자 한다. 기존의 교통사고자동기록장치와 비교해 본 연구의 결과가 비교우위의 성능을 구현하였음을 입증하기 위해 실제 운용되고 있는 신호교차로의 영상을 실시간 온라인으로 입력받아 시험하였으며 이 시험결과를 기존의 다른 기술의 성능과 비교평가를 실시하였다.

Image-based traffic information collection systems have entered widespread adoption and use in many countries since these systems are not only capable of replacing existing loop-based detectors which have limitations in management and administration, but are also capable of providing and managing a wide variety of traffic related information. In addition, these systems are expanding rapidly in terms of purpose and scope of use. Currently, the utilization of image processing technology in the field of traffic accident management is limited to installing surveillance cameras on locations where traffic accidents are expected to occur and digitalizing of recorded data. Accurately recording the sequence of situations around a traffic accident in a signal intersection and then objectively and clearly analyzing how such accident occurred is more urgent and important than anything else in resolving a traffic accident. Therefore, in this research, we intend to present a technology capable of overcoming problems in which advanced existing technologies exhibited limitations in handling real-time due to large data capacity such as object separation of vehicles and tracking, which pose difficulties due to environmental diversities and changes at a signal intersection with complex traffic situations, as pointed out by many past researches while presenting and implementing an active and environmentally adaptive methodology capable of effectively reducing false detection situations which frequently occur even with the Gaussian complex model analytical method which has been considered the best among well-known environmental obstacle reduction methods. To prove that the technology developed by this research has performance advantage over existing automatic traffic accident recording systems, a test was performed by entering image data from an actually operating crossroad online in real-time. The test results were compared with the performance of other existing technologies.

키워드

참고문헌

  1. 일본경찰청(2003), 교통사고 자동기록장치의 정비 사업평가경과 보고서
  2. 성산승(2005), '교통사고 자동기록장치(TAAMS)에 의한 교통사고의 발생메카니즘에 관한 연구', 일본 경찰과학연구소 보고, 교통편 Vol.38, No.2
  3. 유성준 외2인(2006), '교차로 교통사고 검지시스템 성능개선 방안 연구', ITS학회 제5회 추계학술대회 논문집, pp..254-259
  4. 비클텍(주)(2001), '교차로 사고 및 차량 충돌 시 증거 획득을 위한 영상 블랙박스', 건설교통부
  5. Eero Pasanen(1993), 'The Video Recording of Traffic Accident', Helcinki City Planning Department Publication
  6. Zhigang Zhu외 4인(1996), 'VISATRAM: A real-time vision system for automatic traffic monitoring', Image and Vision Computing Journal (to appear), 3rd IEEE (WACV '96), December 02-04, p.162
  7. Dar-Shyang Lee(2005), 'Effective Gaussian Mixture Learning for Video Background Subtraction', IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 27, NO. 5 https://doi.org/10.1109/TPAMI.2005.102
  8. S. Khan 외 1인(2000), 'Tracking People in Presence of Occlusion' in Asian Conference on Computer Vision, pp.1132-1137
  9. C. Stauffer외 1인(2000), 'Learning Pattern of Activity Using Real-time Tracking', IEEE Transaction on Pattern Analysis and Machine Intelligence, vol. 22, no. 8, pp.747-757 https://doi.org/10.1109/34.868677
  10. Y. Cheng(1995), 'Mean Shift, mode Seeking, and Clustering', IEEE Trans. Pattern Anal. Machine Intell., pp.790-799 https://doi.org/10.1109/34.400568
  11. Gary R. Bradski(1998), 'Computer Vision Face Tracking For Use in a Perceptual User Interface' Intel Technology Journal Q2
  12. Surendra Gupte 외 3인(2002), 'Detection and Classification of Vehicles', IEEE Transactions on Intelligent Transportation System, Vol. 3, NO. 1 https://doi.org/10.1109/6979.994794
  13. Hough(1962), 'Method nd Means for Recognizing Complex Patterns.', U.S. Patent 3,069,654