• IEIE Transactions on Smart Processing and Computing
• /
• 제6권4호
• /
• pp.269-275
• /
• 2017

Automatic vehicle detection is a very important function for autonomous vehicles. Conventional vehicle detection approaches are based on visible-light images obtained from cameras mounted on a vehicle in the daytime. However, unlike daytime, a visible-light image is generally dark at night, and the contrast is low, which makes it difficult to recognize a vehicle. As a feature point that can be used even in the low light conditions of nighttime, the rear lamp is virtually unique. However, conventional rear lamp-based detection methods seldom cope with atypical lamps, such as LED lamps, or flashing turn signals. In this paper, we detect atypical lamps by blurring the lamp area with a low pass filter (LPF) to make out the lamp shape. We also propose to detect flickering of the turn signal lamp in a manner such that the lamp area is vertically projected, and the maximum difference of two paired lamps is examined. Experimental results show that the proposed algorithm has a higher F-measure value of 0.24 than the conventional lamp pairing-based detection methods, on average. In addition, the proposed algorithm shows a fast processing time of 6.4 ms per frame, which verifies real-time performance of the proposed algorithm.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2011년도 추계학술대회
• /
• pp.601-602
• /
• 2011

본 논문에서는 터널 내 유고 상황에서 심각한 사고의 원인이 되는 정지 차량, 역주행 차량 인식을 위한 전조등, 후미등 검출 알고리즘을 제안한다. 제안 알고리즘은 차량등 컬러 정보의 실험적 분석을 통하여 효과적으로 정차 및 역주행 차량을 검출하도록 하였다. 모의 실험 결과는 HD (High Definition) 터널 비디오 영상에 대하여 정지 차량 검출율이 95% 이상이고 역주행 차량 검출율이 96% 이상임을 보여준다.

• 대한임베디드공학회논문지
• /
• 제12권2호
• /
• pp.113-120
• /
• 2017

In this paper, we present a night-time vehicle detection method using CNN (Convolutional Neural Network) classification. The camera based night-time vehicle detection plays an important role on various advanced driver assistance systems (ADAS) such as automatic head-lamp control system. The method consists mainly of thresholding, labeling and classification steps. The classification step is implemented by existing CIFAR-10 model CNN. Through the simulations tested on real road video, we show that CNN classification is a good alternative for night-time vehicle detection.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2011년도 추계학술대회
• /
• pp.607-608
• /
• 2011

본 논문에서는 터널 내에 정지한 차량에 대한 검출 알고리즘을 제안한다. 제안 알고리즘은 배경 추정을 통하여 객체를 분리하고, 차량등 컬러 정보의 실험적 분석을 통하여 효과적으로 차량을 검출하였다. 모의 실험 결과는 터널 영상에 대하여 95% 이상의 정지 차량 검출율을 보여준다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.191-193
• /
• 2016

후방 램프를 이용하는 기존의 차량 검출 기법들은 주로 색상 정보를 활용한다. 그러나 조도가 낮은 야간 환경의 특성상 색상 정보를 온전히 활용할 수 없는 경우가 빈번하게 발생한다. 이를 해결하기 위해 본 논문에서는 야간 환경에서 후방 램프의 밝기 값만을 이용해 차량을 검출한다. 일반적으로 후방 램프를 검출하기 위해 색상 정보와 밝기 값을 이용해 이진화를 하게 되는데, 본 논문에서는 밝기 값을 이용해 톤 매핑 과정을 수행하여 후방 램프의 모양을 보존한다. 밝기 값 만을 이용하기 때문에 오검출이 증가하게 되는데 이는 후방 램프에 대한 조건을 알고리즘에 적용함으로써 해결한다. 이에 더해 추적 알고리즘을 적용하여 남아있는 오검출을 제거한다. 이러한 과정은 모두 실시간으로 이루어지기 때문에 최근 활발히 연구되고 있는 자동 주행 시스템이나 주행 보조 시스템 등에 활용 될 수 있다.