• 한국멀티미디어학회논문지
• /
• 제8권10호
• /
• pp.1369-1382
• /
• 2005

도로 영상에서 차량 영역을 분할하는 차량 영역 분할(vehicle segmentation) 문제는 지능형 교통 시스템을 비롯한 다양한 응용 분야들에서 중요하게 사용되는 기본 연산(fundamental operation)이다. 본 연구에서는 야외의 도로 상에 설치된 CCD카메라에서 촬영된 정지 영상으로부터 차량 영역을 찾아내는 효율적인 방법을 제안한다 제안하는 방법은 입력되는 영상들을 격자 단위로 분할하여 각 격자에서의 에지 검출 결과를 대표하는 특징값(feature value)들을 통계적으로 분석한 후, 이를 바탕으로 최적해를 구한다. 전처리 과정에서는 다양한 외부 환경에서 촬영한 배경 영상들에 대해서 각 격자에서의 특징값들을 통계 처리한다. 입력된 차량 영상에서는 각 격자의 특징값이 배경 영상의 대응되는 격자에서의 특징값과 통계적으로 얼마나 오차를 보이냐에 따라, 배경 영역인지 차량 영역인지를 판단한다. 격자 별로 차량 영역에 해당하는 지를 판정한 뒤, 이 결과에 동적 프로그래밍(dynamic Programming) 기법을 이용하여 차량을 포함하는 최적의 직사각형 영역을 찾아낸다. 본 논문에서 제안하는 방법은 통계 처리와 전역 탐색 기법을 사용하므로 휴리스틱에 주로 의존하는 기존 연구들에 비해 좀더 체계적이다. 또한, 배경 영상에 대한 통계 처리는 흐리거나 맑은 등의 날씨 변화 및 바람이나 진동에 의한 카메라의 흔들림과 같은 다양한 외부 요인들이 가져올 수 있는 노이즈나 오차에 대해서도 높은 신뢰성을 보여준다. 제안하는 방법을 구현한 프로토타입 시스템은 $1280\times960$ 크기의 차량 영상들을 장당 평균 0.150초의 수행 시간에 처리하였으며, 총 270장의 다양한 노이즈를 가지는 차량 영상들에 대해 $97.03\%$의 성공률을 보였다.

• 정보처리학회논문지B
• /
• 제16B권4호
• /
• pp.257-262
• /
• 2009

본 논문에서는 실제 도로환경의 속도 표지판 영역 추출 및 인식 방법을 제안한다. 화소의 색상정보를 이용하여 속도 표지판 영역을 추출하고 추출된 속도 표지판 영역 안에서 숫자 영역만 다시 추출한다. 표지판의 경사여부를 판단하여 시계방향, 반시계방향으로 각각 표지판을 회전시켜 기울기를 보정한 후 인식을 행함으로써 인식률을 제고한다. 도로환경의 동영상을 대상으로 인식을 행한 결과 일반적인 속도표지판 뿐 아니라 기울어진 환경에서도 매우 강건한 인식 결과를 보인다.

• 드라이브 ㆍ 컨트롤
• /
• 제19권4호
• /
• pp.104-109
• /
• 2022

For autonomous driving research using AI, datasets collected from road environments play an important role. In other countries, various datasets such as CityScapes, A2D2, and BDD have already been released, but datasets suitable for the domestic road environment still need to be provided. This paper analyzed and verified the dataset reflecting the Korean driving environment. In order to verify the training dataset, the class imbalance was confirmed by comparing the number of pixels and instances of the dataset. A similar A2D2 dataset was trained with the same deep learning model, ConvNeXt, to compare and verify the constructed dataset. IoU was compared for the same class between two datasets with ConvNeXt and mIoU was compared. In this paper, it was confirmed that the collected dataset reflecting the driving environment of Korea is suitable for learning.

• 한국품질경영학회:학술대회논문집
• /
• 한국품질경영학회 2004년도 품질경영모델을 통한 가치 창출
• /
• pp.371-375
• /
• 2004

As the importance of customers has been emphasized, most companies began to operate various CRM strategies to understand and manage customers' needs. The investments that businesses are making are categorized into four areas. The first area of investments is in contact centers and channels to manage the voice of customers. The second area is in loyalty management, target marketing using segmentation, profiling, profitability analysis and targeting. The third one is involved in the measurement of customer satisfaction. The last one is planning to deliver products and services to appropriate customers. Despite the various efforts, it is lowering the efficiency of these investments and interrupting their value creation that these are being operated independently in different departments. All CRM activities of an enterprise should be processed interactively and consistently for a common goal; value creation, to overcome these shortcomings. In this research, we propose CS Road Map that systematizes the four kinds of CRM activities; VOC management, survey activities, loyalty management and planning. Under this road map, these four activities will achieve the improvement of service qualities, customer satisfaction and further value creation. This paper demonstrates the road map that is built for a service industry emphasizing the objectives and strategies of the four categories.

• Smart Structures and Systems
• /
• 제24권6호
• /
• pp.745-757
• /
• 2019

Road surface deteriorations such as potholes have caused motorists heavy monetary damages every year. However, effective road condition monitoring has been a continuing challenge to road owners. Depth cameras have a small field of view and can be easily affected by vehicle bouncing. Traditional image processing methods based on algorithms such as segmentation cannot adapt to varying environmental and camera scenarios. In recent years, novel object detection methods based on deep learning algorithms have produced good results in detecting typical objects, such as faces, vehicles, structures and more, even in scenarios with changing object distances, camera angles, lighting conditions, etc. Therefore, in this study, a Deep Learning Pothole Detector (DLPD) based on the deep region-based convolutional neural network is proposed for autonomous detection of potholes from images. About 900 images with potholes and road surface conditions are collected and divided into training and testing data. Parameters of the network in the DLPD are calibrated based on sensitivity tests. Then, the calibrated DLPD is trained by the training data and applied to the 215 testing images to evaluate its performance. It is demonstrated that potholes can be automatically detected with high average precision over 93%. Potholes can be differentiated from manholes by training and applying a manhole-pothole classifier which is constructed using the convolutional neural network layers in DLPD. Repeated detection of the same potholes can be prevented through feature matching of the newly detected pothole with previously detected potholes within a small region.

• 한국인공지능학회지
• /
• 제11권3호
• /
• pp.17-22
• /
• 2023

In this paper, we propose a black ice detection system using Convolutional Neural Networks (CNNs). Black ice poses a serious threat to road safety, particularly during winter conditions. To overcome this problem, we introduce a CNN-based architecture for real-time black ice detection with an encoder-decoder network, specifically designed for real-time black ice detection using thermal images. To train the network, we establish a specialized experimental platform to capture thermal images of various black ice formations on diverse road surfaces, including cement and asphalt. This enables us to curate a comprehensive dataset of thermal road black ice images for a training and evaluation purpose. Additionally, in order to enhance the accuracy of black ice detection, we propose a multi-scale dilation convolution feature fusion (MsDC-FF) technique. This proposed technique dynamically adjusts the dilation ratios based on the input image's resolution, improving the network's ability to capture fine-grained details. Experimental results demonstrate the superior performance of our proposed network model compared to conventional image segmentation models. Our model achieved an mIoU of 95.93%, while LinkNet achieved an mIoU of 95.39%. Therefore, it is concluded that the proposed model in this paper could offer a promising solution for real-time black ice detection, thereby enhancing road safety during winter conditions.

• 한국ITS학회 논문지
• /
• 제20권4호
• /
• pp.95-105
• /
• 2021

도로 노면 파손 탐지는 쾌적한 주행 환경과 안전사고의 예방을 위해 필요하다. 도로 관리 기관은 자동화 기술 기반의 검사 장비와 시스템을 활용하고 있다. 이러한 자동화 기술 중에서도 도로 노면의 파손을 탐지하는 기술은 중요한 역할을 수행한다. 최근 들어 딥러닝을 이용한 기술에 대한 연구가 활발하게 진행 중이다. 이러한 딥러닝 기술 개발을 위해서는 도로 영상과 라벨 영상이 필요하다. 하지만 라벨 영상을 확보하기 위해서는 많은 시간과 노동력이 요구된다. 본 논문에서는 이러한 문제를 해결하기 위하여 준지도 학습 기법 중 하나인 적대적 학습 방법을 제안했다. 이를 구현하기 위해서 5,327장의 도로 영상과 1,327장의 라벨 영상을 사용하여 경량화 심층 신경망 모델을 학습했다. 그리고 이를 400장의 도로 영상으로 실험한 결과 80.54%의 mean intersection over union과 77.85%의 F1 score를 갖는 모델을 개발하였다. 결과적으로 라벨 영상 없이 도로 영상만을 학습에 추가하여 인식 성능을 향상시킬 수 있는 기술을 개발하였고, 향후 도로 노면 관리를 위한 기술로 활용되길 기대한다.

• 융합신호처리학회논문지
• /
• 제10권3호
• /
• pp.164-169
• /
• 2009

본 논문에서는 고해상도 위성영상에 대해서 분할된 후보영역의 텍스처 정보를 기반으로 BP 신경회로망을 이용한 도로영역검출방법을 제안한다. 먼저, N.Otsu가 제안한 히스토그램 기반의 이진화와 열림연산을 수행하여 배경영역으로부터 일차적으로 도로영역인 전경부분을 분할한다. 그리고 전경부분의 색상 히스토그램을 이용하여 주요색상을 추출한 후 ${\pm}25$ 범위 이내에 있는 영역을 도로영역 후보를 검출한다. 마지막으로, 분할된 후보 도로영역에 대해서 동시발생행렬을 이용하여 텍스처 정보를 추출한 후 BP 신경회로망을 이용하여 최종적인 도로영역을 검출한다. 제안한 방법은 도로영역이 일정한 밝기값과 형태를 가진다는 사실에 착안한 것으로, 실험에서 다양한 위성영상들을 대상으로 평균 90% 이상의 검출율을 보여 그 유효함을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.590-592
• /
• 2018

손님을 태우기 위해 도로에서 불법으로 정차하는 택시들은 교통체증을 유발하고 때때로 교통사고의 원인이 되기도 한다. 택시들의 정차 위치는 택시 기사들의 오랜 경험에 의해 정해지고 있다. 이번 연구에서는 시간대별 정차 위치를 파악해 택시기사들과 지역을 처음 방문하는 손님들에게 정보를 제공하고자 한다. 이를 위해 택시 40대에 설치된 센서에서 수집되는 Internet of Vehicle(IoV) 데이터를 이용하였다. 기존의 연구들은 택시를 중심으로 군집을 형성하였다. 이 방법은 택시의 위치에 따라 군집의 위치가 변한다. 또한 택시가 범위 내에 일정 대수 이상이 있어야 군집이 형성되기 때문에 실시간으로 정차위치를 파악하기가 어렵다. 이번 연구에서는 이러한 문제를 해결하기 위해 도로 분할 알고리즘을 사용했다. 기존 연구들과 달리 도로를 중심으로 군집이 형성되기 때문에 군집의 위치가 고정적이며 택시 대수에 영향을 받지 않기 때문에 실시간으로 정차 위치를 파악하는 것이 가능하다. 도로 분할은 30M 단위로 이루어져 있으며, 시간대별, 평일, 주말로 분할된 택시 위치 데이터를 가장 가까운 포인트에 매핑하였다. 매핑결과 주말의 경우 운행하는 택시 수가 적어 시간대 별로 큰 차이를 보기 어려웠으나 평일의 경우 출퇴근 시간대와 심야 시간대간의 정차 위치 차이를 확인할 수 있었다. 이 연구결과를 통해 택시 불법 주정차 방지와 택시 승강장 설치위치 기준을 제안할 수 있을 것으로 기대한다.

• 한국컴퓨터정보학회논문지
• /
• 제26권9호
• /
• pp.49-55
• /
• 2021

본 논문에서는 실제 도로에서 기울어진 촬영 각도로 인하여 회전된 차량 번호판을 정확하게 탐지하기 위하여 객체 세그먼테이션(object segmentation)을 이용하는 개선된 2-단계 차량 번호판 탐지 모델을 제안한다. 기존 연구에서 제안한 3-단계 차량 번호판 탐지 파이프라인 모델은 차량 번호판이 많이 기울어져 있을수록 탐지 정확도가 낮아지는 문제가 있다. 이를 해결하기 위해서 기존의 3-단계 모델에서 사각형 형태만으로 차량 후보 영역과 차량 번호판 후보 영역을 인식하는 전위 2개의 처리 단계 대신에 임의의 형태로 객체 탐지가 가능한 객체 세그먼테이션을 이용하는 하나의 단계로 대체함으로써 탐지 과정을 단순화하였으며 궁극적으로는 임의의 형태로 기울어진 차량 이미지에 대해서도 탐지 성능을 개선하였다. 기울어진 차량 번호판 이미지를 대상으로 실시한 차량 번호판 탐지 모델의 정확도 분석 실험 결과에 의하면 기존의 3-단계 차량 번호판 탐지 모델보다 제안된 2-단계 기법이 탐지 과정을 단순화하였음에도 최대 약 20%의 탐지 정확도를 개선할 수 있는 것으로 분석되었다.