The Journal of the Korea institute of electronic communication sciences (한국전자통신학회논문지)

Korea Institute of Electronic Communication Science (한국전자통신학회)
권호 표지
DOI QR코드

DOI QR Code

Vehicle Tracking using Euclidean Distance

유클리디안 척도를 이용한 차량 추적

  • 김규영 (동의대학교 부산IT융합부품연구소) ;
  • 김재호 (부산대학교전자공학과) ;
  • 박장식 (경성대학교 전자공학과) ;
  • 김현태 (동의대학교 부산IT융합부품연구소) ;
  • 유윤식 (동의대학교 부산IT융합부품연구소)
  • Received : 2012.08.10
  • Accepted : 2012.12.10
  • Published : 2012.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, a real-time vehicle detection and tracking algorithms is proposed. The vehicle detection could be processed using GMM (Gaussian Mixture Model) algorithm and mathematical morphological processing with HD CCTV camera images. The vehicle tracking based on separated vehicle object was performed using Euclidean distance between detected object. In more detail, background could be estimated using GMM from CCTV input image signal and then object could be separated from difference image of the input image and background image. At the next stage, candidated objects were reformed by using mathematical morphological processing. Finally, vehicle object could be detected using vehicle size informations dependent on distance and vehicle type in tunnel. The vehicle tracking performed using Euclidean distance between the objects in the video frames. Through computer simulation using recoded real video signal in tunnel, it is shown that the proposed system works well.

본 논문에서는 실시간 차량 검출 및 차량 추적에 대한 알고리즘을 제안한다. 차량 검출은 도로에 설치된 고해상도 CCTV 카메라 영상에 대해 가우시안 혼합모델과 수학적 형태학 처리를 통하여 수행한다. 차량 추적은 검출한 차량 객체를 기반으로 영상 프레임 간 유클리디안 척도를 이용하여 수행한다. 보다 상세히 언급하면, CCTV 카메라로부터 입력되는 영상으로부터 가우시안 혼합모델을 이용하여 배경을 추정하고, 배경영상과 입력영상의 차영상으로부터 객체를 분리한다. 분리된 후보 객체를 수학적 형태학 처리를 통하여 재구성한다. 터널에서의 차량의 위치에 따른 크기 특징을 분석하여 최종적으로 차량을 검출한다. 차량 추적은 입력되는 영상 프레임간 객체들의 유클리디안 거리 정보를 활용한다. 터널에서 촬영한 영상을 이용한 시뮬레이션을 통하여 제안하는 차량 추적방법이 효과적으로 적용할 수 있음을 확인하였다.

Keywords

References

  1. 김규영, 도진규, 박장식, 김현태, 유윤식, "차량 겹침 검출과 추적 알고리즘", 2011 한국전자통신학회 추계학술대회논문지, pp. 422-424, 2011.
  2. 김규영, 이근후, 박장식, 김현태, 유윤식, "블록매칭 알고리즘을 이용한 정지 차량 검출", 한국전자통신학회 추계학술대회논문지, pp. 425-427, Nov. 2011.
  3. 김현태, 이근후, 박장식, 유윤식, "가우시안 혼합 모델과 수학적 형태학 처리를 이용한 터널 내에서의 차량 검출", 한국전자통신학회논문지 7권, 5호, pp. 967-974, 2012.
  4. L. Shengzhuo, X. Choi, "Tracking Moving Vehicle Based on Mean Shift Algorithm", Information Science and Engineering(ICISE), 2009 1st International Conference on, pp. 1499-1502, 2009.
  5. D. Comaniciu, V. Ramesh, P. Meer, "Real-time tracking of non-rigid object using mean shift", Computer Vision and Pattern recognition, 2000. Proceedings. IEEE Conference on, Vol. 2, pp. 142-149, 2000.
  6. P. Hidayatullah, H. Konik, "CAMSHIFT improvement on multi-hue object and multi-object tracking", Visual Information Process(EUVIP), pp. 143-148, 2011 3rd European Workshop on, 2011.
  7. P. Vadakkepat, P. Lim, L.C. De Silva, J. Liu, L. LiLi, "Multimodal Approachthm," Information Science and Engineering(ICISE), 2009 1st International Cinference on, pp. 1499-1502, 2009.
  8. P.L.M Bouttefroy, A. Bouzerdoum, S.l. Phung, A. Beghdadi, "Vehicle Tracking by non-Drifting Mean-shift using Projective Kalman Filter", Intelligent Transportation System, 2008. ITSC 11th International IEEE Conference on, pp. 61-66. 2008.
  9. C. Stauffer and W.E.L. Grimson, "Adaptive background mixture models for real-time tracking", Proc.IEEE CVPR 1999, pp. 246-252, 1999.
  10. Y. Jie, J. Amorers, N. Sebe, P. Radeva, T. Qi, "Distance Learning for Similarity Estimation," Pattern Analysis and Machine Intelligence, IEEE Transaction on, Vol. 30, pp. 451-462, 2008. https://doi.org/10.1109/TPAMI.2007.70714