• Smart Structures and Systems
• /
• 제22권6호
• /
• pp.699-709
• /
• 2018

With increasing traffic volumes and rising vehicle traffic, especially in cities, the number of pedestrian bridges has also increased significantly. Like all other structures, pedestrian bridges also suffer damage. In order to increase the safety of pedestrians, it is necessary to identify existing damage and to repair them to ensure the safety of the bridge structures. Owing to the shortcomings of local methods in identifying damage and in order to enhance the reliability of detection and identification of structural faults, signal methods have seen significant development in recent years. In this research, a new methodology, based on cone-shaped kernel distribution with a new damage index, has been used for damage detection in pedestrian truss bridges. To evaluate the proposed method, the numerical models of the Warren Type steel truss and the Arregar steel footbridge were used. Based on the results, the proposed method and damage index identified the damage and determined its location with a high degree of precision. Given the ease of use, the proposed method can be used to identify faults in pedestrian bridges.

• 정보처리학회논문지A
• /
• 제19A권4호
• /
• pp.175-180
• /
• 2012

본 논문은 Haar-like 특징을 이용한 고성능 보행자 및 차량 인식 회로를 제안한다. 제안하는 회로는 영상의 매 프레임 마다 슬라이딩 윈도우를 적용하여 Haar-like 특징을 추출하고 보행자 및 차량을 인식한다. Haar-like 특징 추출 회로는 슬라이딩 윈도우 당 200개의 Haar-like 특징을 추출하며, 추출된 특징들은 AdaBoost 인식 회로에서 사용된다. 제안하는 회로는 속도 향상을 위해 병렬 회로 구조를 적용하였으며 두 개의 슬라이딩 윈도우가 동시에 보행자 또는 차량을 인식한다. 제안하는 고성능 보행자 및 차량 인식 회로는 Verilog HDL로 설계하였으며 130nm 표준 셀 라이브러리를 이용하여 게이트 수준의 회로로 합성하였다. 합성된 회로는 1,388,260개의 게이트로 구성되며 최대 동작 주파수는 203MHz이다. 제안하는 회로는 $640{\times}480$ 영상을 초당 약 47.8장 처리할 수 있기 때문에 보행자와 차량을 실시간으로 인식하기 위해 사용될 수 있다.

• 전자공학회논문지
• /
• 제52권12호
• /
• pp.150-157
• /
• 2015

보행자 인식은 차량자율주행 및 사고방지를 위해 중요한 요소기술로서 많이 연구되고 있다. 이 기술들은 크게 카메라기반과 LIDAR 기반, 두 가지로 구별할 수 있다. 카메라 기반 방법과 대비되어 LIDAR 기반 방법은 화각이 넓고 조도환경에 영향을 받지 않는다는 강점이 있다. 하지만 LIDAR 기반 방법은 먼 물체를 인식하기엔 센서 해상도가 낮고, 복잡한 환경에서는 분할 오류나 폐색 등의 원인으로 인식률이 낮아진다는 문제점이 있다. 본 논문에서는 3차원 LIDAR 기반 보행자 탐지 알고리즘의 낮은 인식률을 개선시키기 위해 다중객체추적 기법의 하나인 GM-PHD 필터를 이용한 두 가지 성능 향상 방법을 제안한다. 첫 번째 방법은 GM-PHD 필터를 이용해 이전 프레임의 포인트를 현재 프레임의 물체에 자동으로 누적하여 물체 해상도 및 보행자 분류 성능을 향상시킨다. 두 번째 방법은 인식 성능이 낮은 상황에 맞춰 개선된 GM-PHD 필터를 분류된 다중객체에 적용하여 탐지 성능을 더욱 강화시킨다. 직접 취득한 도로 주행 데이터에 두 방법을 적용하여 제안한 방법이 기존의 보행자 탐지 알고리즘 성능을 대폭 향상시키는 것을 정량적으로 증명하였다.

• 전자공학회논문지
• /
• 제50권10호
• /
• pp.162-170
• /
• 2013

최근 보행자의 교통안전 개선을 위한 목적으로 차량에 장착되는 보행자 보호 시스템(PPS, Pedestrian Protection System)에 대한 관심과 요구가 증가하고 있다. 본 연구에서는 보행자 검출 후보 윈도우 추출과 셀(cell) 단위 히스토그램 기반의 HOG 특징 계산 방법을 제안하였다. 보행자 검출 후보 윈도우 추출은 주변밝기 비율체크, 수직방향 에지투영, 에지펙터(edge factor), 그리고 PCA(Principal Component Analysis) 복원 영상을 이용하였다. Dalal 의 HOG 는 겹침 블록 상의 모든 픽셀에 대해 가우시안 가중치와 삼선형보간에 의한 히스토그램 계산이 필요한데 반하여 제안하는 방법은 단위 셀마다 가우시안 가중 및 히스토그램을 계산하고 그것들을 인접 셀과 결합하므로 연산 속도가 빠르다. 제안하는 PCA 복원 에러 기반의 보행자 검출 후보 윈도우 추출은 보행자의 머리와 어깨 영역과의 차이를 기준으로 배경을 효율적으로 분류한다. 제안하는 방법은 카메라 컬리브레이션이나 스테레오 카메라를 이용한 거리 정보 없이도 영상만으로 전통적인 HOG 에 비하여 연산속도가 크게 개선된다.

• IEIE Transactions on Smart Processing and Computing
• /
• 제2권4호
• /
• pp.189-196
• /
• 2013

This paper presents a two-stage approach to detect pedestrians in video sequences taken from a moving vehicle. The first stage is a preprocessing step, in which potential pedestrians are hypothesized. During the preprocessing step, a difference image is constructed using a global motion estimation, vertical and horizontal edge maps are extracted, and the color difference between the road and pedestrians are determined to create candidate regions where pedestrians may be present. The candidate regions are refined further using the vertical edge symmetry features of the pedestrians' legs. In the next stage, each hypothesis is verified using the integral channel features and an AdaBoost classifier. In this stage, a decision is made as to whether or not each candidate region contains a pedestrian. The proposed algorithm was tested on a range of dataset images and showed good performance.

• 대한임베디드공학회논문지
• /
• 제3권3호
• /
• pp.167-174
• /
• 2008

This paper presents the technology trend of various active safety systems for vehicle. The safety system is applied to various industry fields and is expected to be spread all over the market. So far, good examples of the developed active safety systems are ACC(Adaptive Cruise Control), CMS(Collision Mitigation Systems) and APSS(Active Pedestrian Safety Systems). And, a basic operation principle, system model and detection performance in a UWB radar for vehicle is investigated.

• 대한임베디드공학회논문지
• /
• 제9권6호
• /
• pp.345-351
• /
• 2014

This paper presents pedestrian recognition to improve performance for vehicle safety system or surveillance system. Pedestrian detection method using HOG (Histograms of Oriented Gradients) has showed 90% recognition rate. But if someone takes a picture in the rain, the image may be distorted by rain streaks and recognition rate goes down by 62%. To solve this problem, we applied image decomposition method using MCA (Morphological Component Analysis). In this case, rain removal method improves recognition rate from 62% to 70%. However, it is difficult to apply conventional image decomposition method using MCA on vehicle safety system or surveillance system as conventional method is too slow for real-time system. To alleviate this issue, we propose a rain removal method by using low-pass filter and DCT (Discrete Cosine Transform). The DCT helps separate the image into rain components. The image is removed rain components by Butterworth filtering. Experimental results show that our method achieved 90% of recognition rate. In addition, the proposed method had accelerated processing time to 17.8ms which is acceptable for real-time system.

• 로봇학회논문지
• /
• 제7권2호
• /
• pp.113-119
• /
• 2012

In this paper we propose the method that detects moving objects in autonomous navigation vehicle using LRF sensor data. Object detection and tracking methods are widely used in research area like safe-driving, safe-navigation of the autonomous vehicle. The proposed method consists of three steps: data segmentation, mobility classification and object tracking. In order to make the raw LRF sensor data to be useful, Occupancy grid is generated and the raw data is segmented according to its appearance. For classifying whether the object is moving or static, trajectory patterns are analysed. As the last step, Markov chain Monte Carlo (MCMC) method is used for tracking the object. Experimental results indicate that the proposed method can accurately detect moving objects.

• 한국정보전자통신기술학회논문지
• /
• 제14권2호
• /
• pp.128-133
• /
• 2021

현재 자율주행차량 시장은 3레벨 자율주행차량을 상용화하고 있으나, 안정성의 문제로 완전 자율주행 중에도 사고가 발생할 가능성이 있다. 실제로 자율주행차량은 81건의 사고를 기록하고 있다. 3레벨과 다르게 4레벨 이후의 자율주행차량은 긴급상황을 스스로 판단하고 대처해야 하기 때문이다. 따라서 본 논문에서는 CNN을 통하여 차량 외부의 정보를 수집하여 저장하고, 저장된 정보와 차량 센서 데이터를 이용하여 차량이 처한 위기 상황을 0~1 사이의 수치로 출력하는 차량 내·외부 데이터 및 딥러닝 기반 차량 위기 감지 시스템을 제안한다. 차량 위기 감지 시스템은 CNN기반 신경망 모델을 사용하여 주변 차량과 보행자 데이터를 수집하는 차량 외부 상황 수집 모듈과 차량 외부 상황 수집 모듈의 출력과 차량 내부 센서 데이터를 이용하여 차량이 처한 위기 상황을 수치화하는 차량 위기 상황 판단 모듈로 구성된다. 실험 결과, VESCM의 평균 연산 시간은 55ms 였고, R-CNN은 74ms, CNN은 101ms였다. 특히, R-CNN은 보행자수가 적을 때 VESCM과 비슷한 연산 시간을 보이지만, 보행자 수가 많아 질수록 VESCM보다 많은 연산 시간을 소요했다. 평균적으로 VESCM는 R-CNN보다 25.68%, CNN보다 45.54% 더 빠른 연산 시간을 가졌고, 세 모델의 정확도는 모두 80% 이하로 감소하지 않으며 높은 정확도를 보였다.

• 한국자동차공학회논문집
• /
• 제25권3호
• /
• pp.309-316
• /
• 2017

In shuttle vans designed to transport children, the recognition of a child's approach and departure is very important. Ultrasonic sensors are generally used for a short distance around a vehicle. Although ultrasonic sensors are cheaper than other ADAS sensors, the number of sensors installed in a van should be optimized. In order to recognize the presence of a child around a shuttle van, this paper proposes the placement of ultrasonic sensors in the van. Considering the turning radius of the van and the distance from each sensor to a child, collision risk is classified as 'safe', 'warning', and 'danger'. The sensor placement and the recognition algorithm are verified in a virtual driving environment.