• 제목/요약/키워드: Canny 에지

검색결과 102건 처리시간 0.021초

안드로이드 기반의 도로 밝기 측정 어플리케이션 구현 (A Road Luminance Measurement Application based on Android)

  • 최영환;김홍래;홍민
    • 인터넷정보학회논문지
    • /
    • 제16권2호
    • /
    • pp.49-55
    • /
    • 2015
  • 최근 5년간의 주 야간별 교통사고 통계에 따르면 대부분의 자동차 교통사고는 주간보다 야간에 더 많이 발생했다. 교통사고는 다양한 원인으로 발생하게 되는데 그 중 중요한 요소는 조명 미설치 또는 조명 위치의 부적합으로 운전자의 시야 혼란을 야기하여 교통사고를 유발하게 된다. 본 논문은 부적절한 도로 조명 시설 위치와 미설치 구역을 파악하고 관련 정보들을 데이터베이스화 하였다. 이를 위해 운전자의 위치 정보, 주행 정보, 도로 밝기 정보를 스마트폰을 이용하여 실시간으로 데이터베이스 서버에 저장하는 도로 밝기 측정 어플리케이션을 설계 및 구현하였다. 본 어플리케이션은 안드로이드 NDK을 이용하여 Native C/C++ 환경에서 구현되었으며, 이에 따라 자바나 다른 언어로 작성된 어플리케이션 보다 연산속도를 향상시켰다. 도로 밝기를 측정하기 위하여 카메라 영상인 RGB 색 공간의 영상을 YCbCr 색 공간의 영상으로 변환하여 휘도를 측정한다. 이를 위해 먼저 차선을 검출하고 도로 밝기 검출 영역의 휘도 값을 계산하여 데이터베이스에 저장한다. 또한 스마트폰의 카메라를 이용하여 실시간으로 도로의 영상을 입력 받고 도로의 차선부분에 대한 관심영역을 지정하여 연산 속도를 향상시켰다. 관심영역의 영상은 Grayscale 영상으로 변환하고 Canny 에지 검출기를 사용하여 외곽선을 추출하고 Hough line transform을 적용하여 차선의 후보군을 선별한다. 선별된 후보 차선의 기울기를 계산하여 양쪽의 차선을 선정한다. 양쪽 차선이 검출되면 차선의 교차점으로부터 아래로 20픽셀의 높이를 가진 삼각형을 도로 밝기 측정범위로 설정한다. 삼각형 부분의 모든 픽셀에 대한 R, G, B값을 추출하여 Y값을 계산하고 픽셀 밝기 값의 평균을 0부터 100사이의 값으로 계산하여 검은색부터 초록색으로 도로의 밝기를 표현하였다. 계산된 60m 전방의 도로 밝기 값은 스마트폰의 GPS 센서를 통해 측정된 운전자의 주행 정보와 위치 정보를 획득하여 10분 간격으로 무선통신을 통해 데이터베이스 서버에 저장하였다. 향후 수집된 도로 밝기 정보들은 스마트폰 어플리케이션이나 차량 내비게이션을 통해 운전자들에게 조심 운전을 경고하거나 효율적인 도로 조명 관리를 위한 개보수 계획에 반영될 수 있을 것으로 기대된다.

대비 지도와 움직임 정보를 이용한 동영상으로부터 중요 객체 추출 (Salient Object Extraction from Video Sequences using Contrast Map and Motion Information)

  • 곽수영;고병철;변혜란
    • 한국정보과학회논문지:소프트웨어및응용
    • /
    • 제32권11호
    • /
    • pp.1121-1135
    • /
    • 2005
  • 본 논문에서는 시공간 정보를 이용하여 동영상에서 움직이는 객체를 자동으로 추출하는 방법을 제안한다. 본 논문에서 제안하는 방법은 다른 영역과 구별되는 현저한 장소에 무의식적으로 집중되는 시각주의 특성을 컴퓨터 시스템에 도입한 대비 지도(contrast map)와 중요 특징점(salient point)을 적용한 것이 큰 특징이라고 할 수 있다. 대비 지도는 밝기(luminance), 색상(color) 그리고 방향성(direction) 3가지의 특징 정보 중 자기와 방향성의 특징을 나타내는 자기 지도(luminance map)와 방향성 지도(directional map)를 결합하여 대비 지도를 생성한다. 또한, 사람이 시각적으로 볼 때 의미 있다고 생각하는 중요 특징점을 웨이블릿 변환을 이용하여 찾아낸다. 이렇게 생성된 대비 지도와 중요 특징점을 이용하여 대략적인 집중윈도우(AW:Attention Window)의 위치와 크기를 결정한다. 다음으로, 동영상의 가장 큰 특징인 움직임 정보를 추정하여 집중윈도우를 객체에 가장 근사하게 축소시키고, 윤곽선 정보를 이용하여 객체를 추출한다. 윤곽선을 추출하기 위해 캐니에지(canny edge)를 사용하였으며, 배경의 윤곽선 제거를 위하여 윤곽선의 차이(DE:Difference of Edge)를 이용하여 가로 후보영역과 세로 후보영역을 추출한다. 추출된 2개의 후보영역을 AND연산과 모폴로지 연산을 이용하여 객체를 자동으로 추출하는 방법을 제안한다. 실험은 카메라가 고정된 상태에서 촬영한 동영상에 대해 이루어 졌으며, 객체와 배경이 효과적으로 분리되는 것을 확인하였다.