• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.486-487
• /
• 2012

본 논문에서는 차량 내에 설치된 카메라를 이용하여 전방차량을 인식하는 FCW(Forward Collision Warning)시스템에서 주행 중인 전방 차량을 추적하는 알고리즘을 제안한다. 전방 차량의 후보 영역을 검출하기 위해 Haar-Adaboost를 이용하였으며 검색된 차량 후보 영역 내의 에지 정보를 이용하여 차량 후보 영역을 필터링하였다. 필터링된 차량 영역은 영역기반과 Kalman 예측치를 이용하여 차량을 추적하는 방법으로 차량 검색기가 차량 영역을 검색하지 못하는 경우 Kalman 예측치를 통해 차량 후보 영역을 예측하고 예측된 차량 영역을 검증함으로써 효율적인 전방 차량 인식이 가능하였다. 본 제안 방법을 실험한 결과 이전 프레임에서 추적되던 차량 후보 영역이 현재 프레임에서 Haar-Adaboost가 차량 후보 영역을 검색하지 못하는 경우에 영역기반과 Kalman 예측치를 통하여 현재 프레임에서 전방차량을 연속적으로 추적하는 것을 확인하였다. 본 제안 방법은 영상을 이용한 FCW 시스템에 사용될 수 있을것으로 사료된다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2000.04a
• /
• pp.672-675
• /
• 2000

본 논문에서는 차량의 뒷바퀴 윤곽을 이용하여 근거리 전방차량을 인식하는 방법에 대해 설명한다. 차량 앞범퍼 중앙에 장착된 흑백 CCD 카메라에서 입력되는 영상을 분석하면 전방차량의 뒷바퀴 바깥쪽 윤곽이 수직성분을 띄며 도로면과 명확하게 구분됨을 알 수 있다. 이 특징을 이용하여 일정거리 이내에 존재하는 전방차량을 탐지할 수 있다 또한 탐지된 차량까지의 대략적인 거리를 계산할 수 있고, 브레이크등의 점등 여부를 판단할 수 있다. 이 방법은 차량간 간격이 좁고 저속으로 주행하는 도심지 도로에서 가다서다를 반복하는 Stop-and-Go 차량을 구현하는데 적용될 수 있을 것이다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.10 no.4
• /
• pp.36-43
• /
• 2011

The forward collision of vehicles in high speed can cause a chain collisions and high fatality rate. Most of the forward collisions are caused by insufficient braking distance due to detection time of driver and safe distance. Also, accumulated detection time of driver is cause of chain collisions after the forward collision. The FVCWS prevents the forward collision by maintaining the safety distance inter-vehicle and reducing detection time of driver. However the FVCWS can cause chain collisions because the system that interacts only forward vehicle has accumulated detection time of driver. In this paper, we analyze forward and chain collisions of normal vehicles and FVCWS vehicles on static traveling scenario. And then, we analyze and compare V2V based FVCWS with them after explaining the system. The V2V FVCWS reduces detection time of driver alike FVCWS as well as remove accumulated detection time of driver by broadcasting emergence message to backward vehicles at the same time. Therefore, the system decrease possibility of forward and chain collisions. All backward normal vehicles and 3~4 backward FVCWS vehicles have possibility of forward and chain collisions in result of analysis. However V2V FVCWS vehicles almost do not chain collisions in the result.

• The Transactions of the Korea Information Processing Society
• /
• v.3 no.5
• /
• pp.1037-1045
• /
• 1996

In this paper, the parallel model for stereo camera is employed to find the heralding angle and the distance between a leading vehicle and the following vehicle, BART(Binocular Autonomous Research Team vehicle). Two TDNNs (Time Delay Neural Network) such as S-TDNN and A-TDNN are introduced to control BART. S-TDNN controls the speed of the following vehicle while A-TDNN controls the steering angle of BATR. A human drives BART to collect data which are used for training the said neural networks. The trained networks performed the vehicle tracking function satisfactorily under the same driving conditions performed by the human driver. The neural network approach has good portability which decreases costs and saves development time for the different types of vehicles.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2003.06a
• /
• pp.70-73
• /
• 2003

기존의 영상검지기는 한정된 구간에서 차량을 추출, 추적하는데 본 논문에서 제안한 카메라간 연계 추적 방법은 두 대의 카메라를 서로 연계하여 차량을 추적함으로써 넓은 구간에서도 효과적으로 차량을 추적할 수 있다. 한 대의 카메라는 전방을 검지하고 다른 카메라는 후방을 검지하여 전방 검지영역에서 추적한 차량을 후방 검지영역에서도 연계하여 추적하게 된다. 연계 추적을 위해 전방 카메라에서 취득한 차량의 차선정보와 차량의 대표 gray level 정보를 후방 카메라로부터의 영상 분석시 이용하여 차량 연계 추적을 한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.105-110
• /
• 2001

차량이 증가함에 따라서 첨단 교통 시스템(intelligent Transportation System: ITS)은 교통의 효율성, 신뢰성, 안정성 향상에 중점을 두게되었다. 첨단 교통 시스템의 일부분인 운전자 도움 시스템(Advanced Drivers Assistance System)은 운전을 하고 있는 상황에서 도움을 주기 위한 체계이고, 전방의 장애물 검지는 운전자 도움 시스템에서 전방의 상황을 운전자에게 알려주기 위한 중요한 요소이다. 본 논문에서는 HSV 컬러모델을 이용하여 연속된 컬러 영상으로부터 도로상의 차선과 방향 표시자에 구애받지 않고 전방의 차량을 검출하는 방법을 제안한다. HSV 컬러 모텔에서 차량을 검출하기 위해서는 태도(Saturation)와 명도(Value)성분의 관계를 이용하여 차량 영역을 구하고, HSV성분과 위치 특징을 이용하여 이전 프레임의 차량인지 검증한다. 도로 영상에서 차량이 있는 경우 차량의 아래 부분에 그림자 영역이 존재한다는 점을 이용한다. 제안된 방식의 효과를 검증하기 위해 노트북 PC와 PC용 CCD 카메라로 도로에서의 영상을 촬영하고 차량검출알고리즘을 적용한 처리 시간, 정확도, 차량검지 등의 결과를 보인다.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.451-454
• /
• 2001

본 논문에서는 그룹화 블록스네이크와 영상분할을 이용하여 다차선을 검출하고 컬러 정보를 기반으로 차량 후면에 위치하는 미등과 브레이크등을 인식, 저속 주행환경에서의 다차선 및 전방차량을 인식하는 알고리즘을 제안하였다. 제안한 알고리즘에서는 기울기 값과 명암도 값으로 기초 블록을 얻은 뒤, 차선의 가능성이 큰 블록을 탐색하여 영상분할을 시행한다. 영상 분할에서 잡음 블록들을 제거하여 차선일 가능성이 가장 높은 블록들만을 검출하고, 그룹화 블록스네이크를 이용하여 차선을 검출하도록 하였다. 또한 전방 차량인식을 위해 미등과 브레이크등의 컬러 특징을 이용하여 후보 영역을 분할한 후, 미등과 브레이크등의 패턴의 기하학적 특징과 위치적 특징을 이용하여 한 쌍의 미등 혹은 브레이크등을 탐지하도록 하였다. 탐지된 양쪽 등의 위치정보를 이용하여 전방차량의 위치를 측정 할 수 있다.

• Journal of Korea Multimedia Society
• /
• v.5 no.2
• /
• pp.176-190
• /
• 2002

According as vehicles increases, system such as Advanced Drivers Assistance System(ADAS ) to inform forward situation to driver is required. In this paper, we proposes method to detect forward vehicles and lane from sequential color images by basis process to inform forward situation to driver. We detect a front vehicle using that shadow area exists on part under vehicles and that road area occupies many parts even if road traffic is confused. We detect lane information using that lane part is white order by reverse characteristic of shadow area. This method shows good result in case road is confused or there is direction indication to road. HSV color space is selected for color modeling. This method uses saturation component and value component in HSV color model to detect vehicles and lane. It uses statistics features of HSV component and position to know whether detected vehicles area is vehicles such as vehicles previous frame. To verify the effects of the proposed method, we capture the road images with notebook and CCD camera for PC and Present the results such as processing time, accuracy and vehicles detection against the images.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.115-116
• /
• 2008

최근 급속하게 증가하는 차량과 함께 운전자에게 보다 편리함과 안정성을 제공하기 위하여 첨단 안선 차량(ASV : Advanced Safety Vehicle)에 대한 연구가 활발히 이루어지고 있다. 본 논문에서는 그 중 한 분야인 카메라를 통한 자량 인식으로써, 전방 차량의 그림자를 이용하여 차량을 검출하고자 한다. 실험 절차는 크게 두 가지 단계로 나누어지며, 첫 번째 단계로는, 카메라를 통해 들어오는 도로 영상 이미지를 명도 값을 기반으로 영상을 차례로 분할하여 차량의 그림자를 나타낸다. 두 번째 단계로는, 선행 작업을 통해 얻어진 차량의 수평 그림자 성분을 이미지 안에서 탐색하여 차량의 위치를 검출하게 된다. 이에 제안된 방식을 검증하기 위해 CCD카메라를 이용하여 도로영상을 촬영하고, 컴퓨터 모의실험을 통해 전방차량이 검출됨을 보였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.25 no.4
• /
• pp.377-385
• /
• 2015

This paper proposes a novel forward vehicle tracking algorithm based on the WMIL(Weighted Multiple Instance Learning) equipped with a particle filter. In the proposed algorithm Haar-like features are used to train a vehicle object detector to be tracked and the location of the object are obtained from the recognition result. In order to combine both the WMIL to construct the vehicle detector and the particle filter, the proposed algorithm updates the object location by executing the propagation, observation, estimation, and selection processes involved in particle filter instead of finding the credence map in the search area for every frame. The proposed algorithm inevitably increases the computation time because of the particle filter, but the tracking accuracy was highly improved compared to Ababoost, MIL(Multiple Instance Learning) and MIL-based ones so that the position error was 4.5 pixels in average for the videos of national high-way, express high-way, tunnel and urban paved road scene.