• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.40-42
• /
• 2019

색상 영상과 이에 상응하는 깊이 영상으로 3차원 비디오를 만드는 방법은 최근 키넥트 깊이 카메라와 같이 저가임에도 불구하고 높은 성능을 보이는 카메라가 시중에 출시되면서 다양한 형태의 응용분야에 많이 사용되기 시작했다[1]. 본 연구는 TOF(Time Of Flight) 카메라와 RGB 카메라가 같이 있는 키넥트를 이용해서 깊이 영상에서 보행자를 탐지한다. 전처리 작업으로 배경 깊이 맵을 미리 저장하고, 깊이의 차이로 보행자 유무를 알아낸다. 보행자를 지속적으로 탐지하기 위해 CAMShift 알고리즘을 사용해 라벨링과 보행자 추적을 하며, 보행자의 진행 방향과 속도를 탐지하기 위해 Dense Optical Flow를 사용해 보행자의 벡터 정보를 저장한다. 보행자가 깊이 맵 밖으로 나가면 해당 보행자에 대한 탐지를 종료한다.

• 한국정보통신학회논문지
• /
• 제7권8호
• /
• pp.1802-1808
• /
• 2003

본 논문은 자동 보행자 추적 시스템에 필요한 배경 이미지를 추출하는 방법과 추출되어진 배경 이미지를 이용하여 보행자를 탐지하고 적응적 신경망을 이용하여 보행자의 이동 궤적을 추적하는 시스템을 구현하였다. 본 논문은 고스트(ghost) 현상을 극복하기 위하여 모자이크 배경 이미지 추출 법으로 배경 이미지를 추출하였으며, 보행자의 탐지에 차영상 분석법을 기반으로 하여 보행자를 탐지하였다. ART2 네트워크는 프레임에 존재하는 이동 물체의 중심점을 탐지할 수 있다. 그리고, 이전 프레임에서 탐지되어진 물체의 정보를 이용하여 물체의 이동궤적을 추적할 수 있다. 제안하는 방법으로 실험한 결과 비강체(non­rigid)형태 운동을 하는 보행자를 탐지하고 그 궤적 추적에 대한 실시간 시스템 구성의 가능성에 대하여 알 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1365-1368
• /
• 2015

컴퓨터 비전 분야의 활용영역과 시장성이 증대하면서 가장 많이 사용되는 객체인식 및 탐지 기술과 관련된 연구는 꾸준히 진행되고 있다. 최근에는 ADAS(Advanced Driver Assistance Systems)와 특징적인 객체를 인식 추적할 수 있는 지능형 감시시스템에서의 가장 핵심적인 기술로 자리 잡고 있다. 본 연구에서는 보행자 탐지에 사용하는 특징들 중에서 조명변화에 강건한 HOG와 Cascade-Adaboost를 기반으로 보행자 탐지 모델을 후보영역을 검출하고 검출된 영역에서 컬러정보를 추출하여 의사결정 트리에 적용시켜 최종 보행자를 탐지하는 시스템을 제안한다.

• 방송공학회논문지
• /
• 제24권2호
• /
• pp.357-360
• /
• 2019

본 논문은 임베디드 GPU에서 실시간 동작하는 딥 컨볼루션 뉴럴 네트워크(CNN) 기반의 보행자 탐지 기법을 제안한다. 제안하는 기법에서는 먼저 영상 내 보행자 크기에 대한 통계적 분석을 통해서 최적의 컨볼루션 층의 개수를 결정한다. 또한, 본 논문에서는 다중 스케일 CNN 학습 기법을 적용하여 영상 내의 보행자 크기 변화에 강인한 탐지 기법을 개발한다. 컴퓨터 모의실험을 통해 제안하는 알고리즘이 임베디드 GPU에서 실시간 동작하면서도 기존의 기법과 비교하여 평균적으로 높은 정확도를 보임을 확인한다.

• 전자공학회논문지
• /
• 제52권12호
• /
• pp.150-157
• /
• 2015

보행자 인식은 차량자율주행 및 사고방지를 위해 중요한 요소기술로서 많이 연구되고 있다. 이 기술들은 크게 카메라기반과 LIDAR 기반, 두 가지로 구별할 수 있다. 카메라 기반 방법과 대비되어 LIDAR 기반 방법은 화각이 넓고 조도환경에 영향을 받지 않는다는 강점이 있다. 하지만 LIDAR 기반 방법은 먼 물체를 인식하기엔 센서 해상도가 낮고, 복잡한 환경에서는 분할 오류나 폐색 등의 원인으로 인식률이 낮아진다는 문제점이 있다. 본 논문에서는 3차원 LIDAR 기반 보행자 탐지 알고리즘의 낮은 인식률을 개선시키기 위해 다중객체추적 기법의 하나인 GM-PHD 필터를 이용한 두 가지 성능 향상 방법을 제안한다. 첫 번째 방법은 GM-PHD 필터를 이용해 이전 프레임의 포인트를 현재 프레임의 물체에 자동으로 누적하여 물체 해상도 및 보행자 분류 성능을 향상시킨다. 두 번째 방법은 인식 성능이 낮은 상황에 맞춰 개선된 GM-PHD 필터를 분류된 다중객체에 적용하여 탐지 성능을 더욱 강화시킨다. 직접 취득한 도로 주행 데이터에 두 방법을 적용하여 제안한 방법이 기존의 보행자 탐지 알고리즘 성능을 대폭 향상시키는 것을 정량적으로 증명하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.705-708
• /
• 2023

다중밀집 사고를 사전에 방지하기 위해 군중 밀집도를 정확하게 파악하는 것은 중요하다. 기존 방법 중 일부는 군중 계수를 기반으로 군중 밀집도를 추정하거나 원근 왜곡이 있는 데이터를 그대로 학습한다. 이 방식은 물체의 거리에 따라 크기가 달라지는 원근 왜곡에 큰 영향을 받는다. 본 연구는 보행자 깊이 정보를 이용한 군중 밀집도 알고리즘을 제안한다. 보행자의 깊이 정보를 계산하기 위해 편차가 적은 머리 크기를 이용한다. 머리를 탐지하기 위해 OC-Sort를 학습모델로 사용한다. 탐지된 머리의 경계박스 좌표, 실제 머리 크기, 카메라 파라미터 등을 이용하여 보행자의 깊이 정보를 추정한다. 이후 깊이 정보를 기반으로 밀도 맵을 추정한다. 제안 알고리즘은 혼잡한 환경에서 객체의 위치와 밀집도를 정확하게 분석하여 군중밀집 사고를 사전에 방지하는 지능형 CCTV시스템의 기반 기술로 활용될 수 있으며, 더불어 보안 및 교통 관리 시스템의 효율성을 향상하는 데 중요한 역할을 할 것으로 기대한다.

• 디지털정책학회지
• /
• 제2권4호
• /
• pp.33-39
• /
• 2023

교차로에서의 우회전 교통사고가 지속적으로 발생하면서 우회전 교통사고에 대한 대책 마련이 촉구되고 있다. 이에 우회전 지역의 CCTV 영상에서의 객체 탐지를 통해 보행자의 유무를 탐지하고 이를 디스플레이에 경고 문구를 출력해 운전자에게 알리는 기술을 개발하였다. 객체 탐지 모델 중 하나인 YOLO(You Only Look Once) 모델을 이용하여 객체 탐지의 성능평가를 확인하고, 추가적인 후처리 알고리즘을 통해 오인식 문제 해결 및 보행자 확인 시 경고 문구를 출력하는 알고리즘을 개발 하였다. 보행자 혹은 객체를 인식하여 경고 문구를 출력하는 정확도는 82% 수준으로 측정되었으며 이를 통해 우회전 사고 예방에 기여할 수 있을 것으로 예상된다.

• 한국ITS학회 논문지
• /
• 제18권4호
• /
• pp.58-70
• /
• 2019

보행자 교통사고의 경우 사고 발생 시 사망사고로 연결되는 위험성이 있다. 국내 지능형 교통시스템(ITS)은 질 좋은 교통 인프라를 구축하고 있음에도 불구하고, 거의 교통정보 수집에만 이용되고 있어, 위험상황 발생 시 지능적인 위험 요소 분류가 이루어지지 않고 있다. 본 연구에서 제안하는 시스템의 주요 구성 요소인 CNN 기반의 보행자 탐지 분류 모델의 경우 제한적인 환경에서 설치 운영되는 것을 가정하여 임베디드 시스템 기반으로 구현되었다. 기존 YOLO의 인공신경망 모델을 개선하여 My-Tiny-Model3라는 새로운 모델을 생성하였고, 20,000번의 반복 학습 기준으로 평균 정확도 86.29%와 21.1 fps의 실시간 탐지 속도 결과를 보였다. 그리고, 이러한 탐지 시스템을 기반으로 하여 ITS 체계와 연계 가능한 시스템 구현 및 프로토콜 연동 시나리오를 구성하였다. 본 연구를 통해 기존 ITS 체계와 연동하는 보행자 사고 방지 시스템을 구현한다면, 새로운 인프라 구축비용을 절감하고 보행자 교통사고 발생률을 줄이는 데 도움이 될 것이다. 또한, 기존의 시스템 감시인력 소요에 따른 비용 또한 줄일 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제29권1호
• /
• pp.51-59
• /
• 2024

교내 보행자 교통사고를 예방하고 안전한 환경을 조성하기 위해 교내 위험 구간을 설정하고, 해당 구역에서 차량 속도 측정 및 교차로 횡단보도에서의 차량과 보행자 상호작용을 실시간으로 감지하는 시스템을 설계하였다. YOLOv5s 모델과 Deep SORT 방법을 이용하여 구간 속도 측정 및 객체 추적을 수행하고, 횡단보도 구역에서는 YOLOv5s 객체 탐지 모델을 활용하여 보행자와 차량을 구분하는 조건별 출력 시스템을 개발하여 실시간으로 구동이 됨을 검증하였다. 이 시스템은 저렴한 비용으로 일반 스마트폰 카메라나 화상용 카메라를 활용하여 설치할 수 있으며, 대학 캠퍼스뿐만 아니라 비슷한 문제 지역에 도입하여 차량과 보행자의 안전을 위한 해결 방안으로 기대된다.

• 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.