• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.507-509
• /
• 2023

최근 딥러닝은 도로 CCTV 동영상의 교통사고 검출에 널리 사용되지만 일인칭 동영상의 교통사고 검출은 분명히 어렵다. 일인칭 동영상은 역동적이고 시야가 제한되어 있기 때문이다. 본 논문에서는 일인칭 동영상을 분석하여 교통사고를 검출하는 방법을 제시한다. 이 방법은 교통 표현 특성을 분석하는 것 외에도 의미를 이해하고 교통 장면을 인코딩한다. 프레임의 표현 특징은 각 프레임 상의 물체의 특징과 물체의 위치 관계의 공간적 숨겨진 특진을 학습함으로써 얻어진다. 그 후에 프레임 표현 특징과 교통 장면의 특징이 연결되어 GRU 실행기에 공급된다. 여러 GRU 실행기는 분석한 후 사고가 발생했는지 확인된다. 이 방법은 높은 역학과 제한된 시야 문제를 효과적으로 해결한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.71-72
• /
• 2020

본 논문에서는 자동차 블랙박스를 사용하여 촬영된 비디오에서 자동차 사고 발생 여부를 판단하는 방법을 제안한다. 제안한 방법은 우선 객체 추적 과정에서 구한 조감도 좌표를 사용하여 각 차량 사이의 거리에 기반을 두고 교통사고 여부를 판단한다. 그런데 거리만을 사용하여 사고 여부를 판단하는 경우 자동차가 밀집된 주·정차 환경에서는 오검출의 확률이 높아질 수 있다. 이를 위해 각 차량에 대한 움직임 벡터를 계산하고 벡터 간의 정보(사잇각과 크기 등)를 사용하여 차량의 주·정차 여부를 판단한 후 사고 검출 대상에서 배제할 수 있도록 한다. 주·정차 판단 여부를 통해 사고 검출의 정확도를 향상할 수 있는 것을 실험적으로 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1184-1186
• /
• 2022

횡단보도에서의 보행자 교통사고 방지를 위한 다양한 방법들이 연구되고 있다. 본 논문에서는 점멸 신호등 상황에서 보행자 교통사고를 감소시키기 위해 영상을 이용한 심층 신경망 기반 횡단보도 보행자 검출 방법을 소개한다. YOLOv5 와 Faster R-CNN 각각을 기반으로 다양한 버전의 횡단보도 보행자 검출기를 구현하고, 이번 실험에서 중점이 되는 이들의 수행 시간을 비교 평가하고 mAP@0.5 가 어느 정도인지 판단하여 가장 적합한 모델을 판단한다. 실험 결과 실시간 처리 측면에서 YOLOs 모델이 84 fps 를 달성함으로써 실시간 보행자 검출에 가장 좋은 성능을 보였다. 횡단보도의 상황은 상시 빠르게 변하므로 가장 빠른 처리 성능을 기록한 YOLOv5s 모델이 실시간 횡단보도 보행자 검출 시스템에 가장 적합한 것으로 판단된다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• pp.139-140
• /
• 2015

본 논문에서는 교통 감시 시스템에서 차량추적방법을 제안한다. 교통 감시 카메라를 이용한 차량추적시스템은 차량 감시, 사고감지 및 교통정보를 확인할 수 있게 하는 시스템이다. 차량추적을 위하여 먼저 가우스 혼합 모델(Gaussian Mixture Model)을 이용하여 배경과 전경을 분리하고 형태학적 필터링을 이용하여 차량을 검출한다. 검출된 차량으로부터 SURF(Speed Up Robust Features) 매칭을 통하여 차량추적방법을 제안한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2013.10a
• /
• pp.485-488
• /
• 2013

최근 자동차 산업의 활성화로 인해 교통사고 급증이 사회 문제화 되면서 사고를 미연에 방지할 수 있는 운전자 보조 시스템 연구가 활발하게 이루어지고 있다. 일반적으로 자동차 사고 원인의 70% 이상이 운전자 과실에 의해서 발생되고 전체 추돌사고의 75%가 시속 29km 이하의 속도에서 발생한다. 이를 예방하기 위해서 운전자의 인지 판단을 보조하는 시스템의 개발이 많이 이루어지고 있는데, 예를 들어 자동 주차 시스템, AVM(Around View Monitoring) 시스템 등이 있다. 본 논문에서는 AVM 시스템 중 원근 왜곡을 보정하는 단계에서 직선 및 교점을 검출할 때, NMS(Non-Maximum Suppression)를 적용한 허프 변환 방법을 사용할 것이다. 또한 기존의 Sub-Pixel을 이용한 직선 및 교점 검출 방법과 NMS을 적용한 허프 변환 방법을 사용한 직선 및 교점을 검출하는 방법을 비교 분석함으로써 제안하는 NMS를 적용한 허프변환을 이용한 직선 및 교점을 검출하는 방법을 사용하여 보다 효율적인 AVM 시스템의 구현 가능성을 검증한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.7-10
• /
• 2008

자동차의 수가 점점 증가함에 따라 교통사고도 그 만큼 증가하고 있다. 교통사고의 주요 원인 중 하나가 졸음운전이나 부주의한 운전에 의한 것이다. 따라서 Real-Time으로 운전자의 제스처를 인식하여 졸음운전이나 부주의에 의한 사고를 사전에 예방하여 보다 안전한 운전을 돕는 서비스가 필요시 되고 있다. 본 논문에서는 운전자의 제스처 인식에 전처리 과정으로 운전자의 상반신에 대한 영상데이터에서 Adaboost를 이용하여 복잡한 배경과 다양한 환경에서 강인하게 얼굴 영역을 찾는 알고리즘을 소개한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.452-455
• /
• 2005

In order to reproduce the traffic accident, It must save the data automatically which traffic accident 30 seconds before using black box. The Black Box can detect traffic crash accidents automatically, and record the vehicle's motion and driver's maneuvers during a pre-defined time Belied before and after the accident. But it is not easy for the police to catch running away criminal. Because, criminal can remove proof if it is 2 hours or 3 hours at least. Therefore, in this paper, in order to catch a hit and run driver in the traffic accident road, it developed an structured Query Language Server and made parts database algorithm.

• Journal of the Institute of Convergence Signal Processing
• /
• v.17 no.1
• /
• pp.18-25
• /
• 2016

As more people have cars, the threat of traffic accidents is posed on men and women of all ages. The main culprit of traffic accidents is driving while intoxicated or drowsy. The method to recognize and prevent the cause of traffic accidents is to use lane detection. In this study, a total of 4,000 frames (day image: 2,900 frames, night image: 1,100 frames) were used to test lane detection. According to the test, in the case of day image, when the threshold of Sobel edge detection technique was detected with second-order differential equation, there was the highest candidate lane detection rate which was 86.1%. In the threshold of Canny edge detection technique, the highest detection rate of 88.0% was found at Low=50, and High=300. In the case of night image, the threshold of Sobel edge detection technique, when horizontal calculation and vertical calculation had second-order differential equation, and when horizontal-vertical calculation had 1.5th-order differential equation, there was the highest detection rate which was 83.1%. In the threshold of Canny edge detection technique, the highest detection rate of 89.9% was found at Low=50, and High=300.

• Journal of Digital Convergence
• /
• v.14 no.11
• /
• pp.305-311
• /
• 2016

Even though automakers have actively been conducting studies on autonomous navigation thanks to the development and application of wireless Internet technology, the traffic accident has been kept unsolved. The causes of the accident are drowsy driving, a mistake of a driver, environmental factors, and a wrong road structure; Driving manner and characteristics of a driver among the causes are significantly influential for the accident. In this paper, a study to measure characteristics of zigzag driving that can be seen before an occurrence of an accident regarding traffic accidents that can be incurred while driving manually or autonomously was conducted. While existing studies measured zigzag driving based on characteristics of the change of lateral angular velocity by imaging techniques or driving manner on the first and second lane, this study proceeded to measure zigzag driving by setting a lateral moving distance and a critical value range by utilizing the value of a sensor.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.6
• /
• pp.132-142
• /
• 2014

In this paper, we propose a traffic lights detection method using visual attention and spot-lights detection. To detect traffic lights in city streets at day and night time, the proposed method is used the structural form of a traffic lights such as colors, intensity, shape, textures. In general, traffic lights are installed at a position to increase the visibility of the drivers. The proposed method detects the candidate traffic lights regions using the top-down visual saliency model and spot-lights detect models. The visual saliency and spot-lights regions are positions of its difference from the neighboring locations in multiple features and multiple scales. For detecting traffic lights, by not using a color thresholding method, the proposed method can be applied to urban environments of variety changes in illumination and night times.