• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.303-304
• /
• 2015

최근 차량을 이용한 범죄가 점점 증가하고 있고, 그로인해 범죄 차량의 식별 또한 많은 사람들의 관심을 받고 있다. 본 논문에서는 차량 식별을 위해 방범용 CCTV 영상을 이용한다. 차량 방범을 위한 CCTV 이미지 속에서 얻을 수 있는 차량 내 정보는 크게 번호판, 모델, 크기, 색상 등 여러 가지가 있는데, 본 논문에서는 그중 하나인 색상을 인식하는 방법에 대하여 제안한다. 기존에는 여러 가지 색상공간을 이용하여 추출하는 방법을 많이 사용했는데, 단순히 색상공간만으로는 무채색의 차량 추출이 어렵다. 이를 보완하기 위해 HSI 색상공간과 히스토그램의 분산을 분석하는 방법을 제안한다. 이를 이용하여 차량을 보다 정확한 색상별로 검색하는 것이 가능하며, 또한 차량 외의 다른 물체들의 색상 인식에도 응용 가능하다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.10a
• /
• pp.731-734
• /
• 2009

In this paper, we propose the method the vehicle color recognizing in the image including a vehicle. In an image, the color feature vector of a vehicle is extracted and by using the backpropagation learning algorithm, that is the multi-layer perceptron, the recognized vehicle color. By using the RGB and HSI color model the feature vector used as the input of the backpropagation learning algorithm is the feature of the color used as the input of the neural network. The color of a vehicle recognizes as the white, the silver color, the black, the red, the yellow, the blue, and the green among the color of the vehicle most very much found out as 7 colors. By using the image including a vehicle for the performance evaluation of the method proposing, the color recognition performance was experimented.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06b
• /
• pp.182-187
• /
• 2007

본 논문에서는 이미지 상에 나타난 색상 정보를 추출하기 위한 새로운 커널 메소드(Kernel method)인 Grid kernel을 제안한다. 제안한 Grid kernel은 Convolution kernel의 하나로 이미지 상에 나타나는 자질을 주변 픽셀에서 나타나는 자질로 정의 하고 이를 재귀적으로 적용함으로써 두 이미지를 비교한다. 본 논문에서는 제안한 커널을 차량 색상 인식 문제에 적용하여 차량 색상 인식 모델을 제안한다. 이미지 생성시 나타나는 주변 요인으로 인해 차량의 색상을 추출하는 것은 어려운 문제이다. 이미지가 야외에서 촬영되기 때문에 시간, 날씨 등의 주변 요인은 같은 차량이라 하더라도 다른 색상을 보이게 할 수 있다. 이를 해결하기 위해 Grid kernel이 적용된 차량 색상 인식 모델은 이미지를 HSV (Hue-Saturation-Value) 색상 공간으로 사상하여 명도를 배제하였다. 제안한 커널과 색상 인식 모델을 검증하기 위해 5가지 색상을 가진 차량 이미지를 이용하여 실험을 하였으며, 실험 결과 92.4%의 정확율과 92.0%의 재현율을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.473-475
• /
• 1998

본 논문에서는 색상 변화 분석을 통하여 차량의 속도와 수량을 측정하는 방법을 제안한다. 동영상에서 색상 변화를 분석하기 위하여 시간 흐름에 따른 화소의 색상 변화를 그래프로 표현한다. 차량 진행 방향에 있는 두 개의 화소에 대하여 이 그래프를 구하여 두 그래프가 가지는 시간차이를 계산하여 이동하는 차량의 속도를 구한다. 차량의 진행 방향을 추정한다. 차량의 수량은 도로 색에 경계 값을 설정하여 구하고, 이를 속도로 보완한다. 제안한 시스템은 날씨와 밝기에 영향을 적게 받으며 수행시간이 적게 드는 장점을 가진다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.8 no.4
• /
• pp.595-604
• /
• 2013

Currently, registered number of imported vehicles is increasing rapidly over the years. Accordingly, environment improvements of vehicle maintenance company for maintenance of luxury vehicle such as imported vehicle are continuously being made. In this paper, we propose a key frame extraction method based on HSV color model for smart vehicle management system implementation to offer for customer reliability of maintenance vehicle. After automatically recognize the license plates of the vehicle using vehicle license plate recognition system when the vehicle come in the car center, we check the repair history and request of the vehicle based on it. We implement mobile services which provide extracted key frame images to the user after extract key frames from vehicle repair video. In addition, we verify the superiority of key frame extraction method by applying a smart vehicle management system. Finally, we convert the RGB color to HSV color to improve the performance of proposed key frame extraction scheme. As a result, we confirmed that our scheme is more excellence about 30% in terms of recall than RGB color model from the performance evaluations.

• Journal of the Korea Society of Computer and Information
• /
• v.14 no.12
• /
• pp.63-73
• /
• 2009

This paper presents a vehicle detection method that uses convolution matching method based on a simple color information. An input image is expressed as 8 oriented color expression(Red, Green, Blue, White, Black, Cyan, Yellow, Magenta) considering an orientation of a pixel color vector. It makes the image very reliable and strong against changes of illumination condition or environment. This paper divides the vehicle detection into a hypothesis generation step and a hypothesis verification step. In the hypothesis generation step, the vehicle candidate region is found by vertical edge and shadow. In the hypothesis verification step, the convolution matching and the complexity of image edge are used to detect real vehicles. It is proved that the proposed method has the fast and high detection rate on various experiments where the illumination source and environment are changed.

• The KIPS Transactions:PartB
• /
• v.15B no.4
• /
• pp.285-292
• /
• 2008

Color histograms have been used as feature vectors to characterize the color features of given images, but they have a limitation in efficiency by generating high-dimensional feature vectors. In this paper, we present a method to reduce the dimension of the feature vectors by applying PCA (principal components analysis) to the color histogram of a given vehicle image. With SVM (support vector machine) method, the dimension-reduced feature vectors are used to recognize the colors of vehicles. After reducing the dimension of the feature vector by a factor of 32, the successful recognition rate is reduced only 1.42% compared to the case when we use original feature vectors. Moreover, the computation time for the color recognition is reduced by a factor of 31, so we could recognize the colors efficiently.

• Journal of KIISE:Computing Practices and Letters
• /
• v.14 no.1
• /
• pp.1-12
• /
• 2008

In this paper, we present a real-time algorithm for recognizing the vehicle color from the indoor and outdoor vehicle images based on GPU (Graphics Processing Unit) acceleration. In the preprocessing step, we construct feature victors from the sample vehicle images with different colors. Then, we combine the feature vectors for each color and store them as a reference texture that would be used in the GPU. Given an input vehicle image, the CPU constructs its feature Hector, and then the GPU compares it with the sample feature vectors in the reference texture. The similarities between the input feature vector and the sample feature vectors for each color are measured, and then the result is transferred to the CPU to recognize the vehicle color. The output colors are categorized into seven colors that include three achromatic colors: black, silver, and white and four chromatic colors: red, yellow, blue, and green. We construct feature vectors by using the histograms which consist of hue-saturation pairs and hue-intensity pairs. The weight factor is given to the saturation values. Our algorithm shows 94.67% of successful color recognition rate, by using a large number of sample images captured in various environments, by generating feature vectors that distinguish different colors, and by utilizing an appropriate likelihood function. We also accelerate the speed of color recognition by utilizing the parallel computation functionality in the GPU. In the experiments, we constructed a reference texture from 7,168 sample images, where 1,024 images were used for each color. The average time for generating a feature vector is 0.509ms for the $150{\times}113$ resolution image. After the feature vector is constructed, the execution time for GPU-based color recognition is 2.316ms in average, and this is 5.47 times faster than the case when the algorithm is executed in the CPU. Our experiments were limited to the vehicle images only, but our algorithm can be extended to the input images of the general objects.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.457-462
• /
• 2000

교통 법규 위반 단속이나 주차 관리를 위한 차량 번호판 인식 시스템을 구현하기 위해서는 크게 차량 번호판 추출, 문자 분할, 문자 인식의 세부분으로 이루어진다. 본 논문에서는 차량 번호판 인식 시스템의 구현을 위해 번호판 영역의 색상정보를 이용하여 차량 번호판을 추출하는 방법을 제안하고, 번호판 영역 문자들의 사전 정보와 색상성분을 사용하여 정확하게 번호판 문자 분할을 하는 방법을 제안한다. 자가용과 영업용 차량 영상을 주간/dirks 및 정면/후면으로 나누어 다양하게 취득하여 실험한 결과, 94.6%의 번호판 추출률과 86.8%의 문자분할률을 얻었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.415-417
• /
• 2001

본 논문에서는 주차 단속의 자동화를 위해 입력된 차량 영상으로부터 번호판 영역의 복합 색상 정보와 명암 벡터를 이용하여 번호판 영역을 추출하는 알고리즘을 제안한다. 일반적으로 명암도 영상에서는 번호판 영역의 숫자나 문자와 배경간의 명암도 변화는 뚜렷하게 나타나고, 다른 영역에 비하여 명암벡터의 밀집도가 높다는 특징을 가지고 있다. 이러한 특징을 이용하여, 번호판 영상의 하측 라인부터 명암 벡터의 부호 변화가 임계치 이상으로 나타나고, 자가용 또는 영업용 번호판 색상이 일정 수준으로 검출되는 구간을 번호판 영역으로 검출하고 이를 기준으로 대략 박스를 설정한다. 정교한 번호판 영역은 수직 소벨 에지 영상의 프로젝션으로 추출한다. 제안한 알고리즘을 평가하기 위하여, 다양한 시간과 장소에서 촬영되고 차량 주변의 복잡한 배경이 충분히 포함된 총 100장의 주차 단속 영상을 사용하였다. 실험 결과, 명암벡터와 색상정보를 함께 사용한 제안한 방법 이 명암벡터만을 사용한 방법에 비해 약 10% 향상된 97%의 번호판 추출률을 보였으며, 차량 종류의 자동 구분도 가능하였다.