• 한국측량학회지
• /
• 제31권6_1호
• /
• pp.483-491
• /
• 2013

차량용 내비게이션의 빠른 확산과 스마트폰 등 개인 단말기의 측위 기술 발달로 사용자 중심위치기반서비스, 특히 보행자 내비게이션 서비스에 대한 관심이 증대되고 있다. 보행자 내비게이션 서비스를 위한 핵심정보인 수치지도는 대용량이고 짧은 갱신주기를 요구하는 경우가 많아 수치지도의 효율적인 갱신이 중요한 이슈가 된다. 본 연구에서는 구축시기가 상이한 이종의 도로망 데이터 셋에 형상유사도 기반 면 객체 매칭을 적용하여 변화 탐지하는 기법을 제안하였다. 변화탐지에 앞서 이종의 도로망 데이터 셋의 면 객체 매칭에서 탐지될 수 있는 갱신 유형을 정의하였다. 면 객체 매칭 기반 변화 탐지를 위하여 이종의 두 도로망 데이터 셋의 선형인 도로객체를 이들로 둘러싸인 면인 블록으로 변환하였다. 변환된 블록을 중첩하여 중첩된 블록 간의 형상유사도를 계산하고, 이 값이 0.6 이상인 것을 후보 블록 쌍으로 추출하였다. 객체 유형별로 이분 그래프 군집화와 오목다각형 특성을 적용하여 정의된 갱신유형별 블록 쌍을 탐지하고, 해당 블록 쌍을 구성하거나 내부에 있는 도로 세그먼트 간의 프레셰 거리를 계산하였다. 이때, 프레셰 거리가 50 이상인 도로명주소기본도 도로구간의 도로객체가 갱신 도로객체로 추출된다. 그 결과 0.965의 높은 탐색율을 보여 제안된 기법이 이종의 도로망 데이터 셋의 선형 객체의 변화탐지에 적용될 수 있음을 확인할 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (2)
• /
• pp.426-428
• /
• 1998

본 논문은 움직임 추정기법 중의 하나인 차영상 분석 기법을 기반으로한 이동 물체 추적 시스템을 제안한다. 실세계와 같은 복잡한 환경에서의 적응성을 높이기 위해 동적인 배경 추출 방법을 제안하고, 이를 바탕으로한 차영상 분석 기법을 이용하여 이동 물체를 탐지한 후 개선된 인공신경망의 경쟁학습 모델인 ART2 학습알고리즘을 이용하여 추적한다. 또한 이동 물체의 평가도 값이 아닌 RGB 컬러정보를 이용한 물체의 특징 벡터를 구한다. 이러한 특징 벡터들은 이동 물체의 모양이나 명암의 변화를 반영한다. 이러한 정보의 변화에 적응성을 갖게 하기위해 개선된 ART2를 사용한다. 그리고 실제 환경에서 보행자를 탐지, 추적하는 실험 결과 Gray 영상보다 정확한 추적이 가능하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.927-930
• /
• 2017

교통사고를 예방하고자 정부에서는 지속적인 정책을 펼치고 있으나 발생률이 크게 줄지 않는 실정이다. 본 논문에서는 이러한 한계점을 보완하고자 영상처리를 이용하여 교통사고를 줄일 방법을 제안하고자 한다. 우선 어린이 보호 구역 내에 설치된 카메라를 이용하여 교통사고 발생 위험을 판단하고, 보행자 및 차량 운전자에게 알려 줌으로써 교통사고 발생을 감소하고자 하는 시스템을 설계하였다. 또한 실시간 영상처리를 위해 관심 영역 지정, 멀티 스레드 등 다양한 방법을 적용해 보았으며, 위험 상황 탐지 시 탐지 결과를 주변 운전자에게 전송하려는 방법을 제시하고 실제 구현하여 확인해 보았다.

• 한국자동차공학회논문집
• /
• 제25권1호
• /
• pp.92-102
• /
• 2017

For an automotive surveillance radar system, fast-chirp train based FMCW (Frequency Modulated Continuous Wave) radar is a very effective method, because clutter and moving targets are easily separated in a 2D range-velocity map. However, pedestrians with low echo signals may be masked by strong clutter in actual field. To address this problem, we proposed in the previous work a clutter cancellation and moving target indication algorithm using the coherent phase method. In the present paper, we initially composed the test set-up using a 24 GHz FMCW transceiver and a real-time data logging board in order to verify this algorithm. Next, we created two indoor test environments consisting of moving human and stationary targets. It was found that pedestrians and strong clutter could be effectively separated when the proposed method is used. We also designed and implemented these algorithms in FPGA (Field Programmable Gate Array) in order to analyze the hardware and time complexities. The results demonstrated that the complexity overhead was nearly zero compared to when the typical method was used.

• 한국ITS학회 논문지
• /
• 제23권2호
• /
• pp.69-78
• /
• 2024

최근 CCTV 영상을 기반으로 인파사고를 예방하는 방안이 추진되고 있다. 그러나 CCTV는 공간적 한계점이 있어 이를 보완하기 위한 연구가 필요한 실정이다. 본 연구에서는 드론 영상을 사용하여 보행자의 밀도를 측정하는 연구를 수행하였다. 기존 연구문헌을 통해 군중의 인파사고 임계값인 1m²당 6.7명을 위험수준으로 선정하였다. 또한 드론의 파라미터를 도출하기 위해 선행연구를 수행한 결과, 고도 20m, 각도 60°에서 보행자의 인식률이 높은 것으로 나타났다. 이후 선행연구를 기반으로 보행자가 밀집한 대상지를 선정하여 밀집도를 측정한 결과, 단위 면적당 0.27~0.30명 수준으로 나타났다. 본 연구를 통해 드론 영상을 사용하여 대상지의 보행자 밀집도에 따른 위험수준 측정이 가능한 것으로 확인되었으며, 향후 인파사고 안전관리 대체 수단으로 활용이 가능할 것으로 판단된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권12호
• /
• pp.561-568
• /
• 2021

최근 자율주행에 관한 기술은 고부가가치 신기술로서 주목받고 있으며 활발히 연구가 진행되고 있는 분야이다. 상용화 가능한 자율주행을 위해서는 실시간으로 정확하게 진입하는 객체를 탐지하고 이동속도를 추정해야 한다. CNN(Convolutional Neural Network) 기반 딥러닝 알고리즘과 밀집광학흐름(Dense Optical Flow)을 사용하는 기존 방식은 실행 속도가 느려 실시간으로 객체를 탐지하고 이동속도를 추정하기에는 한계가 존재한다. 본 논문에서는 트램에 설치된 카메라를 통해 획득된 주행영상에서 딥러닝 알고리즘인 YOLOv5 알고리즘을 활용하여 실시간으로 객체를 탐지를 수행하고, 탐지된 객체영역에서 기존의 밀집광학흐름(Dense Optical Flow) 대신 연산량을 개선한 부분 밀집광학흐름(Local Dense Optical Flow)을 사용하여 객체의 진행 방향과 속력을 빠르게 추정하는 방식을 제안한다. 이를 바탕으로 충돌 시간과 충돌 지점을 예측할 수 있는 모델을 설계하였으며, 이를 통해 트램(Tram)의 주행 중 전방 충돌사고를 방지할 수 있는 시스템에 적용하고자 한다.

• 전기학회논문지P
• /
• 제64권3호
• /
• pp.193-198
• /
• 2015

A large number of vision applications rely on matching keypoints across images. Pedestrian detection is under constant pressure to increase both its quality and speed. Such progress allows for new application. A higher speed enables its inclusion into large systems with extensive subsequent processing, and its deployment in computationally constrained scenarios. In this paper, we focus on improving the speed of pedestrian detection using HOG(histogram of oriented gradient) and multi frame operation which is robust to illumination changes in cluttering images. The result of our simulation indicates that the detection rate and speed of the proposed method is much faster than that of conventional HOG and differential images.

• 로봇학회논문지
• /
• 제7권2호
• /
• pp.113-119
• /
• 2012

In this paper we propose the method that detects moving objects in autonomous navigation vehicle using LRF sensor data. Object detection and tracking methods are widely used in research area like safe-driving, safe-navigation of the autonomous vehicle. The proposed method consists of three steps: data segmentation, mobility classification and object tracking. In order to make the raw LRF sensor data to be useful, Occupancy grid is generated and the raw data is segmented according to its appearance. For classifying whether the object is moving or static, trajectory patterns are analysed. As the last step, Markov chain Monte Carlo (MCMC) method is used for tracking the object. Experimental results indicate that the proposed method can accurately detect moving objects.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 춘계학술발표대회
• /
• pp.823-825
• /
• 2014

감시 카메라 환경에서 자동으로 그룹 행동을 인식하는 기술이 최근 많은 관심을 받고 있다. 본 논문에서 제안하는 그룹 해동 인식 시스템은 다른 추가 정보 없이 비디오 프레임만을 인풋으로 받아들여, 자동으로 보행자 탐지, 추적, 행동 인식까지 모두 포괄하는 시스템이다. 시공간 모션 패턴을 만들고 연결 요소들로 모델링 한 뒤 Hidden Markov Model (HMM)을 이용해 그룹 행동을 인식한다. 실험 결과, 기본 논문과 비교하였을 때, 비슷한 인식률을 보이면서 수행 시간을 약 25 배 정도로 획기적으로 단축하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1228-1229
• /
• 2023

현대 도시 모빌리티의 중요한 구성 요소로 자리 잡은 전동킥보드는 편리한 이동 수단으로 인기를 얻고 있으나, 이에 따른 안전사고 증가로 운전자와 보행자의 안전이 심각하게 위협받고 있다. 본 논문에서는 전동킥보드 운전 중에 발생한 사고의 원인을 객관적으로 분석하고, 사고가 운전자의 부주의로 인한 것인지를 판별하며, 이로 인한 배상 책임을 정확하게 결정하기 위한 모델을 제안한다. 운전 중 수집된 센서 데이터를 활용하여 Deep SVDD (Deep Support Vector Data Description) 모델을 구축하고, 이상치 탐지를 통해 운전 패턴을 분류하며 운전자의 부주의로 인한 사고를 파악한다. 이를 통해, 정확하고 공정한 배상 책임 판단을 지원하며, 도시 모빌리티 분야에서 안전사고 감소에 기여할 것으로 기대된다.