• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.449-452
• /
• 2013

최근 산업, 무역 및 유통 기업들은 수 많은 물류 자원에 IT 기술이 도입되어 운용되고 있다. 이러한 기업들은 물류 비용을 절감하기 위해 자동차 생산 분류와 물류 수송 부분으로 이어진다. 물류 분야 중 자동차 생산 분류에 선재 관리를 통해 기업과 기업으로 서로 운송되어 분류되어 있으며, 차량 선재 분배를 위해 POS에서 나온 데이터를 바코드를 사용하게 된다. 그러나, 이러한 선재의 문제점은 작업자의 분류지를 일일이 보면서 확인을 통해 작업을 하고 있으며, 작업자의 누락 혼합 발생된 물류 납품시 타사 기업으로 선재의 혼합, 누락 등으로 2차적 피해가 발생하게 된다. 따라서, 본 연구에서는 차량 선재의 분류에 대한 2D 스캐너 기반의 프로세서와 시스템을 포함하고 선재 물류 분류 장치를 통해 특성을 설계하고 현장을 개선하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.410-413
• /
• 2011

본 논문에서는 도로 영상에서 검출된 자동차 영상을 종류별 분류를 위해 효과적인 질감 특징정보 기반의 자동차 종류별 분류 방안을 제안한다. 제안한 연구에서는 운전자의 안전운전지원을 위해 도로상에서 검출된 자동차 영역과 자신의 차량과 거리를 추정하기 위해 검출된 자동차의 종류를 인식할 필요가 있다. 즉, 인식된 자동차의 종류에 따라 차량 간 거리를 추정에 필요한 파라미터로 사용할 수 있기 때문이다. 따라서 본 연구에서는 검출된 자동차 영상들로부터 GLCM(gray-level co-occurrence matrix)의 7가지의 특징정보들을 추출하고 SVM을 사용하여 학습 한 후 자동차의 종류(승용, 화물, 버스)를 분류하는 방법을 제안한다. GLCM은 영상이 가진 질감 정보를 효율적으로 분석함으로써 영역의 밝기 변화 정도, 거침 정도, 픽셀 분포 정도 등을 표현하기 때문에 영상내의 포함된 영역을 분류하는데 효과적이다. 제안한 방법을 실제 자동차 규모별 분류에 적용한 결과 약 83%의 분류 성공률을 제시하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.469-472
• /
• 2022

With the recent development of intelligent transportation systems, various technologies applying deep learning technology are being used. To crackdown on illegal vehicles and criminal vehicles driving on the road, a vehicle type classification system capable of accurately determining the type of vehicle is required. This study proposes a vehicle type classification system optimized for mobile traffic control systems using YOLO(You Only Look Once). The system uses a one-stage object detection algorithm YOLOv5 to detect vehicles into six classes: passenger cars, subcompact, compact, and midsize vans, full-size vans, trucks, motorcycles, special vehicles, and construction machinery. About 5,000 pieces of domestic vehicle image data built by the Korea Institute of Science and Technology for the development of artificial intelligence technology were used as learning data. It proposes a lane designation control system that applies a vehicle type classification algorithm capable of recognizing both front and side angles with one camera.

• Journal of Korean Society of Transportation
• /
• v.27 no.6
• /
• pp.79-88
• /
• 2009

The objective of this study is to develop the new vehicle classification algorithm and minimize classification errors. The existing vehicle classification algorithm collects data from loop and piezo sensors according to the specification("Vehicle classification guide for traffic volume survey" 2006) given by the Ministry of Land, Transport and Maritime Affairs. The new vehicle classification system collects the vehicle length, distance between axles, axle type, wheel-base and tire type to minimize classification error. The main difference of new system is the "Wandering" sensor which is capable of measuring the wheel-base and tire type(single or dual). The wandering sensor obtains the wheel-base and tire type by detecting both left and right tire imprint. Verification tests were completed with the total traffic volume of 762,420 vehicles in a month for the new vehicle classification algorithm. Among them, 47 vehicles(0.006%) were not classified within 12 vehicle types. This results proves very high level of classification accuracy for the new system. Using the new vehicle classification algorithm will improve the accuracy and it can be broadly applicable to the road planning, design, and management. It can also upgrade the level of traffic research for the road and transportation infrastructure.

• International Journal of Highway Engineering
• /
• v.7 no.4 s.26
• /
• pp.57-68
• /
• 2005

Vehicle classification system in Korea is operated by two different types depending on operating purpose and place. 8-category classification system operates in Expressway and Provincial road, and 11-category classification system operates in National highway. These different operations decrease the efficiency of practical use of gathering data. Therefore, this study proposes new-modified vehicle classification system for solving this problem. For classification, this study not only focuses on mechanic survey system which is based on vehicle specs, it's also focuses on the applicability of roadside survey. This proposed classification system considers the tendency to vary of vehicle types, and the compatibility with the other classification systems. This system might be the most suitable system for our present situation.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.1021-1024
• /
• 2009

현재 사용되고 있는 통행시간 분류방법은 하나의 통행시간을 대푯값으로 가지고 있다. 이에 문제점은 고속도로 특성으로 규정 속도 이상의 속도로 주행하는 차량, 규정 속도 및 휴게소 이용차량, 운전자의 운전 습성, 통행 목적, 피로의 정도, 운전자 성향과 도로상황에 따라 통행시간이 다르게 나타나는 점이다. TCS(Toll Collection System) 자료는 고속도로의 다양한 특성이 포함되어 있으며, 대상 구간의 거리가 멀수록 목적지에 도달하는 통행시간의 분산이 커지는 특성 또한 보인다. 따라서 이를 처리하기 위한 효율적인 통행시간 분류, 구간대표통행시간 추출 알고리즘이 필요하다. 기존의 방법은 전체 통행차량의 통행시간을 감안한 방법으로 통행시간 예측시 정확성이 저하된다. 본 연구에서는 TCS 자료를 Fuzzy c-means 알고리즘을 이용하여 일일 고속도로 통행시간의 시간별 주행특성을 고려한 대푯 값을 추출하는 알고리즘을 제안하였다. 실제 서울-청주 구간을 운행한 TCS 자료를 가지고 실시한 실험으로, 주행특성 및 도로상황을 고려한 Fuzzy c-means를 이용한 통행시간 분류방법과 기존의 통행시간 분류 방법을 통한 통행시간을 PIFAB를 사용 TCS 자료의 실제 통행시간과 경로통행시간을 비교 평가하였다. 평가한 결과 본 연구에서 제안하는 Fuzzy c-means기법은 기존 방법인 MAD기법보다 75%, 신뢰구간(95%) 추출법 대비 81%의 정확성을 제고하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.531-534
• /
• 2022

승차 공유, 카풀, 렌터카의 이용률이 증가하면서 많은 사용자가 동일한 차량에 로컬 액세스 할 수 있는 시나리오가 더욱 보편화됨에 따라 차량 네트워크에 대한 공격 가능성이 커지고 있다. 차량용 CAN Bus Network에 대한 DoS(Denial of Service), Fuzzy Attack 및 Replay Attack과 같은 공격은 일부 ECU(Electronic Controller Unit) 비활성 및 작동 불능 상태를 유발한다. 에어백, 제동 시스템과 같은 필수 시스템이 작동 불가 상태가 되어 운전자에게 치명적인 결과를 초래할 수 있다. 차량 네트워크 침입 탐지를 위하여 많은 연구가 진행되고 있으나, 기존 화이트리스트를 이용한 탐지 방법은 새로운 유형의 공격이 발생하거나 희소성이 높은 공격일 때 탐지하기 어렵다. 본 논문에서는 인공신경망 기반의 CAN 버스 네트워크 침입 탐지 기법을 제안한다. 제안하는 침입 탐지 기법은 2단계로 나누어 진다. 1단계에서 정상 패킷 분포를 학습한 VAE 모형이 이상 탐지를 수행한다. 이상 패킷으로 판정될 경우, 2단계에서 인코더로부터 추출된 잠재변수와 VAE의 재구성 오차를 이용하여 공격 유형을 분류한다. 분류 결과의 신뢰점수(Confidence score)가 임계치보다 낮을 경우 학습하지 않은 공격으로 판단한다. 본 연구 결과물은 정보보호 연구·개발 데이터 첼린지 2019 대회의 차량 이상징후 탐지 트랙에서 제공하는 정상 및 3종의 차량 공격시도 패킷 데이터를 대상으로 성능을 평가하였다. 실험을 통해 자동차 제조사의 규칙이나 정책을 사전에 정의하지 않더라도 낮은 오탐율로 비정상 패킷을 탐지해 낼 수 있음을 확인할 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.07a
• /
• pp.260-263
• /
• 2010

본 논문에서는 주행 중인 차량에서 전방을 향해 장착된 카메라를 통해 입력된 영상에서 측면에 부분적으로 나타나는 차량을 검출하는 방법을 제안한다. 기존 연구에서는 모션 벡터를 이용하여 주변 배경과 관측되는 차량 사이의 모션 벡터 차이를 이용하여 측면 차량을 검출하고 있다. 그러나 모션 벡터를 이용할 경우 정지된 차량이나 전방에서 다가오는 차량의 경우 검출하기 어려운 점이 있다. 이러한 문제를 해결하기 위해 본 논문에서는 모션 벡터를 사용하지 않고 차량 측면 모습에서 특징 정보를 추출하여 SVM 분류기를 통해 측면 차량을 검출하는 방법을 제안한다. 차량 측면 모습의 특징을 뽑기 위해 영상의 밝기 변화에 강인한 국부 이진 패턴을 사용하였고 ROI영역 내에서 차량이 나타나는 위치에 상관없이 차량의 측면 모습을 찾아내기 위해 국부 이진 패턴의 히스토그램을 이용하였다. 실험결과에서는 제안하는 방법이 정지된 차량을 포함하여 88.5%의 정확도로 측면 차량을 검출하는 것을 확인하였다.

• Analytical Science and Technology
• /
• v.27 no.1
• /
• pp.41-59
• /
• 2014

The aims of this work were the identification and the classification of fresh lubricants and used engine oils of vehicles for the application in forensic science field-80 kinds of fresh lubricants were purchased and 86 kinds of used engine oils were sampled from 24 kinds of diesel and gasoline vehicles with different driving conditions. The sample of lubricants and used engine oils were analyzed by GC/MS. The Bayesian model technique was developed for classification or identification. Both the wavelet fitting and the principal component analysis (PCA) techniques as a data dimension reduction were applied. In fresh lubricants classification, the rates of matching by Bayesian model technique with wavelet fitting and PCA were 97.5% and 96.7%, respectively. The Bayesian model technique with wavelet fitting was better to classify lubricants than it with PCA based on dimension reduction. And we selected the Bayesian model technique with wavelet fitting for classification of lubricants. The other experiment was the analysis of used engine oils which were collected from vehicles with the several mileage up to 5,000 km after replacing engine oil. The eighty six kinds of used engine oil sample with the mileage were collected. In vehicle classification (total 24 classes), the rate of matching by Bayesian model with wavelet fitting was 86.4%. However, in the vehicle's fuel type classification (whether it is gasoline vehicle or diesel vehicle, only total 2 classes), the rate of matching was 99.6%. In the used engine oil brands classification (total 6 classes), the rate of matching was 97.3%.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06a
• /
• pp.450-453
• /
• 2011

고화질의 디지털 카메라 및 스마트폰, 감시용 카메라의 보급 등으로 인해 최근 패턴 인식 및 이미지 프로세싱 분야에서 고화질의 이미지 및 비디오를 처리해야 하는 경우가 많아지고 있다. 특히 차량 번호판 감지 등과 같은 객체 인식 분야의 경우, 고화질의 이미지로 인해 그만큼 인식에 필요한 계산 비용이 증가하게 되었는데 따라서 이러한 계산 비용을 효율적으로 줄이기 위한 기법이 요구되고 있다. 또한 기존의 차량 번호판 감지의 도메인과는 다르게 도로 상에서의 실시간 차량 번호판 감지의 필요성이 대두되고 있기에 본 논문에서는 도로 상에서의 실시간 번호판 감지 시스템을 위한 차량 번호판 주변정보 기반의 효율적인 윈도우 슬라이딩(window sliding) 방법을 제안한다. 본 논문의 시스템은 총 3단계로, (1) SVM(Supported Vector Machine) 을 통한 차량 번호판 주위 정보에 대한 학습, (2) 도로 상의 번호판 위치 확률 모델링을 통한 탐색 공간의 감소, (3) $context_{plate}$분류기를 통한 OCS(operator context scanning)의 수행이다. 이와 같은 $context_{plate}$분류기와 OCS를 통해 번호판 검출을 위한 윈도우 슬라이딩의 수가 크게 줄었음을 알 수 있었으며, 또한 번호판의 정보를 건너뛰지 않고, 신뢰성 있게 접근함을 알 수 있었다.