• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.833-836
• /
• 2017

최근 블랙박스 및 CCTV 같은 영상 촬영 장치가 보편화되면서, 방대한 양의 영상 데이터가 실시간으로 생성되고 있다. 만약 이 대용량 데이터 안의 차량 정보를 추출할 수 있다면 범죄 차량 추적, 교통 혼잡도 측정 등의 활용이 가능할 것이다. 이를 구현하기 위해서는 수많은 자동차에서 실시간으로 생성되는 영상 데이터를 처리할 수 있는 시스템이 필수적이나, 이러한 시스템을 찾기 힘든 것이 현실이다. 이를 위해 이 논문에서는 아파치 카프카, Hbase를 이용한 영상 빅데이터 처리 시스템을 제안한다. 아파치 카프카는 시스템 내에서 영상 손실이 없는 전송과 영상 처리 노드의 스케줄링을 수행하며, Hbase는 처리된 데이터를 테이블로 저장하고 사용자가 보낸 쿼리를 처리한다. 더불어, Hbase에 인덱스를 구성하여 빠른 쿼리 처리가 가능하도록 만든다. 실험 결과, 제안된 시스템은 인덱스가 없을 때보다 뛰어난 쿼리 처리 성능을 보이는 것을 확인할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.430-431
• /
• 2022

자율주행 차량의 성능을 검증하기 위해서는 다양한 검증용 시나리오가 필요하기 때문에 최근에는 검증용 시나리오를 자동으로 생성하기 위한 연구들이 수행되고 있다. 실세계에서 발생되는 다양한 현상을 반영한 시나리오를 생성하기 위해서는 자율주행 차량의 주변 상황에 대한 측정이 필요하지만, 공간적인 문제로 한계가 발생한다. 이와 같은 데이터 수집의 어려움을 자율주행 차량에 탑재된 블랙박스의 영상을 통해서 생성하는 것이 가능하다. 본 논문에서는 DRQN을 이용하여 자율주행 차량 사고영역을 자동으로 탐지하는 방법을 제안한다. 동영상에서 추출된 프레임을 분석해서 교통사고 원도우의 초기 위치를 설정한다. DRQN 학습 프레임워크로 차량의 특징을 도출한다. 마지막으로 특징을 기반으로 교통사고 원도우의 크기와 위치를 조정해서 교통사고 영역을 정확하게 찾는다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.1336-1339
• /
• 2012

최근 공공기관을 통해 CCTV 영상을 통합관리 하려는 움직임이 활발히 발생하고 있다. 하지만, CCTV의 수가 증가하고, 해상도가 높아지면서 통합관리시 저장비용, 검색비용 등의 문제가 예상되고 있다. 이러한 문제의 해결책으로 클라우드 컴퓨팅 기술을 들 수 있는데, 클라우드 컴퓨팅은 다양한 클라이언트 디바이스에서 필요한 시점에 인터넷을 이용해 공유 풀에 있는 서버, 스토리지, 애플리케이션, 서비스 등과 같은 IT 리소스에 쉽게 접근할 수 있는 것을 가능하게 하는 모델이다. 또한 모바일 클라우드 컴퓨팅은 클라우드 컴퓨팅과 다양한 모바일 기기를 결합하여 다양한 서비스를 제공하는 것이다. CCTV와 같은 영상을 생산하는 클라이언트를 모바일 클라우드의 단말로 보고, 영상 데이터를 클라우드 컴퓨팅을 이용하여 관리하면, 저가의 비용으로 대용량의 영상을 저장하는데 비용을 절감 할 수 있으며, 간단한 방법으로 병렬 처리로 검색을 할 수 있어, 검색 시간을 절감 할 수 있는 효과가 있다. 본 논문에서는 모바일 클라우드를 이용한 범용 영상 통합 관리 시스템 모델을 제안하고 이를 토대로 차량용 블랙박스 분야에 한정한 시스템 설계하고 구현하였다.

• 방송공학회논문지
• /
• 제23권6호
• /
• pp.760-767
• /
• 2018

첨단 운전자 지원 시스템(ADAS)은 차량 기술 분야에서 활발한 연구가 이루어지고 있는 기술이다. ADAS 기술은 직접적으로 차량을 제어하는 기술과 간접적으로 운전자에게 편의를 제공하는 기술로 나뉜다. 본 논문에서는 야간 도로 영상을 보정하여 운전자에게 시각적 편의를 제공하는 시스템을 제안한다. 제안하는 시스템은 전방 블랙박스 카메라로부터 촬영된 도로 영상을 입력받는다. 입력된 영상은 가로 축을 따라 세 부분으로 분할된 뒤 일괄적으로 이미지 변환 모듈을 통해 각각 낮 영상으로 변환된다. 변환된 영상은 다시 결합된 뒤 운전자에게 제공되어 시각적 편의를 제공한다. 본 논문의 실험 결과를 통해 제안한 시스템이 기존의 밝기 변환 알고리즘과 비교하여 우수한 성능을 보임을 입증한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.205-206
• /
• 2018

최근 4차산업 혁명으로 인하여 무인 이동체, 자율주행자동차, 커넥티드 카 등에 관심이 증가하고 있고, 자율주행 능력도 올라가고 있다. 자율주행능력에 따라 최대 6단계로 나누어지며 높은 단계일수록 주행에 있어 사람의 관여가 줄어들고, 최고 단계에서는 사람이 관여하지 않아도 된다. 오늘날의 자율 주행자동차는 4~5단계까지 개발되었지만 사고 발생 시 해결방안에 대해서는 명확하게 정의되지 않아 테스트 런만 가능한 상태이다. 이처럼 이동수단 주행 중 발생되는 사고는 거의 불가피하며 사고 발생시 누가 더 잘못했는지 판단하여 사고에 대한 처벌을 가중한다. 이러한 부분을 명백히 하기 위하여 블랙박스를 사용하지만, 촬영된 영상을 삭제하기 쉬워 뺑소니와 같은 사고를 해결하는데 어려움이 있다. 본 논문에서는 이러한 사고를 해결하고자 블록체인을 활용한 주행기록 시스템을 설계하고자 한다.

• 한국정보통신학회논문지
• /
• 제22권6호
• /
• pp.916-921
• /
• 2018

최근 4차산업 혁명으로 인하여 무인 이동체, 자율주행자동차, 커넥티드 카 등에 관심이 증가하고 있고, 자율주행능력도 올라가고 있다. 자율주행능력에 따라 최대 6단계로 나누어지며 높은 단계일수록 주행에 있어 사람의 관여가 줄어들고, 최고 단계에서는 사람이 관여하지 않아도 된다. 오늘날의 자율주행자동차는 4~5단계까지 개발되었지만 사고 발생 시 해결방안에 대해서는 명확하게 정의되지 않아 테스트 런만 가능한 상태이다. 이처럼 이동수단 주행 중 발생되는 사고는 거의 불가피하며 사고 발생 시 누가 더 잘못했는지 판단하여 사고에 대한 처벌을 가중한다. 이러한 부분을 명백히 하기 위하여 블랙박스를 사용하지만, 촬영된 영상을 삭제하기 쉬워 뺑소니와 같은 사고를 해결하는데 어려움이 있다. 본 논문에서는 이러한 사고를 해결하고자 블록체인을 활용한 주행기록 시스템을 설계하고자 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.468-469
• /
• 2018

본 연구는 자동차 조향제어 시스템에 적용 가능한 CNN(Convolutional Neural Network)을 설계하고자 한다. CNN은 현재 많은 분야에서 폭넓게 사용되고 있으며, 특히 영상 분류(image classification) 작업에 있어 매우 뛰어난 성능을 나타내고 있다. 그러나 이러한 CNN이 함수를 근사하는 회귀(regression) 문제에서는 많이 적용되지 못하고 있다. 이는 CNN의 입력으로 이미지 데이터와 같은 다차원적인 데이터 구조로 되어 있어 일반적인 제어 시스템의 적용이 쉽지 않기 때문이다. 최근 들어 자율주행차에 관해 연구가 활발히 진행되고 있으며, 자율주행차를 구현하기 위해 많은 기술이 요구된다. 이를 위해 차량에 장착된 블랙박스의 영상 이미지를 사용하여 차선을 검출하고 검출된 차선에 따라 소실점 등을 검출하여 자율주행차를 제어하는 연구가 많이 진행되었다. 그러나 소실점 검출에 있어 영상 이미지의 외부 환경, 순간적인 차선의 소실 그리고 반대편 차선의 검출 등 여러 요인으로 인하여 안정적인 소실점 검출에 어려움이 있다. 본 연구에서는 자동차에서 촬영된 블랙박스 영상 이미지를 입력받아 자율주행차의 조향제어를 위해 CNN을 적용해 보고자 한다.

• 한국전자통신학회논문지
• /
• 제18권1호
• /
• pp.63-70
• /
• 2023

고화질 블랙박스의 확산과 '스마트 국민제보', '안전신문고' 등 모바일 애플리케이션의 도입에 따른 영향으로 교통법규 위반 공익신고가 급증하였으며, 이로 인해 이를 처리할 담당 경찰 인력은 부족한 상황이 되었다. 본 논문에서는 교통법규 위반 공익신고 영상 중, 가장 많은 비중을 차지하는 차선위반에 대해 딥러닝 알고리즘을 활용하여 자동 검출할 수 있는 시스템의 개발내용에 관해 기술한다. 본 연구에서는 YOLO 모델과 Lanenet 모델을 사용하여 차량과 실선 객체를 인식하고 deep sort 알고리즘을 사용하여 객체를 개별로 추적하는 방법, 그리고 차량 객체의 바운딩 박스와 실선 객체의 범위가 겹치는 부분을 인식하여 진로변경 위반을 검출하는 방법을 제안한다. 본 시스템을 통해 신고된 영상에 대해 교통법규 위반 여부를 자동 분석해줌으로써 담당 경찰 인력 부족난을 해소할 수 있을 것으로 기대한다.

• 반도체디스플레이기술학회지
• /
• 제15권2호
• /
• pp.43-48
• /
• 2016

In this paper, we propose a traffic light detection and recognition (TLDR) algorithm in the daytime. The proposed algorithm utilizes the color and shape information for the TLDR. At first, a traffic light is detected and recognized based on its shape information. Then, the color range of the detected traffic light is investigated in HSV color space. The input data of the proposed TLDR algorithm is the color image captured using the black box camera during driving. Our simulations demonstrate that the proposed algorithm can achieve a high detection and recognition performance for the images including traffic lights.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.538-540
• /
• 2015

안전 거리 미확보는 교통 사고 원인 중 3위에 이르는 큰 위험 요소이다. 이러한 차간거리 미확보로 인한 사고는 조금만 빨리 대응하여도 사전에 방지할 수 있다. 따라서 주행 중 실시간으로 차간 거리를 추정하여 제공하는 시스템이 필요하다. 본 논문에서는 안드로이드 기반의 실시간 촬영 영상에서 차량의 에지와 후미등을 이용하여 차량을 검출하고, 검출된 차량의 폭을 이용하여 차간 거리를 추정하여 제공하는 시스템을 제안하고, 구현 결과를 제시한다.