• 인터넷정보학회논문지
• /
• 제12권6호
• /
• pp.73-82
• /
• 2011

지금까지의 위치인식 환경은 사람이나 사물 또는 이동체 자체에 대해서만 연구되어 왔다. 그러나 본 연구에서는 주행 중인 차량에 있는 여러 탑승자의 위치를 실시간으로 식별하고 추적하는 서비스에 대한 위치인식 모델을 제안하였다. 탑승자의 위치를 식별하려면 GPS기능이 탑재된 고가형 단말기를 이용하는 경우와 GPS기능이 없는 저가형 소형단말기를 이용하는 경우로 구분할 수 있다. 본 연구에서는 단순한 소형단말기가 GPS를 탑재한 차량용 인터페이스와 센서네트워크로 메시지를 전송하게 함으로써 탑승상황에 따른 효율적인 위치인식을 제공하도록 하였다. 이 기법은 먼저 차량의 상태(정차, 주행)를 감지하고, 주행상태라면 탑승자가 탑승이나 하차를 할 수 없기 때문에 굳이 위치정보를 송수신할 필요가 없어 트래픽을 감소시킬 수 있다. 이것은 전력소모를 줄여 배터리 수명을 늘릴 수 있도록 한다. 이에 본 연구에서는 제안한 차량정차 감지알고리즘을 탑승자 위치추적 시스템으로 구현하여 그 효용성을 확인하기 위해 실험하였다. 또한 설계하여 구현한 시스템을 이용하여 실험한 결과 최대수신거리는 12m로 측정되었으며, 200회의 실험을 통해 탑승인식과 하차인식이 모두 성공했음을 알 수 있었다. 또한 주행인식 측정실험에서는 차량정차 알고리즘을 적용한 경우가 그렇지 않은 경우에 비해서 41.6%의 전송트래픽을 감소시킬 수 있었다.

• Journal of the Optical Society of Korea
• /
• 제18권4호
• /
• pp.317-329
• /
• 2014

In vision measurement systems based on structured light, the key point of detection precision is to determine accurately the central position of the projected laser line in the image. The purpose of this research is to extract laser line centers based on a decision function generated to distinguish the real centers from candidate points with a high recognition rate. First, preprocessing of an image adopting a difference image method is conducted to realize image segmentation of the laser line. Second, the feature points in an integral pixel level are selected as the initiating light line centers by the eigenvalues of the Hessian matrix. Third, according to the light intensity distribution of a laser line obeying a Gaussian distribution in transverse section and a constant distribution in longitudinal section, a normalized model of Hessian matrix eigenvalues for the candidate centers of the laser line is presented to balance reasonably the two eigenvalues that indicate the variation tendencies of the second-order partial derivatives of the Gaussian function and constant function, respectively. The proposed model integrates a Gaussian recognition function and a sinusoidal recognition function. The Gaussian recognition function estimates the characteristic that one eigenvalue approaches zero, and enhances the sensitivity of the decision function to that characteristic, which corresponds to the longitudinal direction of the laser line. The sinusoidal recognition function evaluates the feature that the other eigenvalue is negative with a large absolute value, making the decision function more sensitive to that feature, which is related to the transverse direction of the laser line. In the proposed model the decision function is weighted for higher values to the real centers synthetically, considering the properties in the longitudinal and transverse directions of the laser line. Moreover, this method provides a decision value from 0 to 1 for arbitrary candidate centers, which yields a normalized measure for different laser lines in different images. The normalized results of pixels close to 1 are determined to be the real centers by progressive scanning of the image columns. Finally, the zero point of a second-order Taylor expansion in the eigenvector's direction is employed to refine further the extraction results of the central points at the subpixel level. The experimental results show that the method based on this normalization model accurately extracts the coordinates of laser line centers and obtains a higher recognition rate in two group experiments.

• ETRI Journal
• /
• 제45권5호
• /
• pp.811-821
• /
• 2023

We propose an adaptive unmanned aerial vehicle (UAV)-assisted object recognition algorithm for urban surveillance scenarios. For UAV-assisted surveillance, UAVs are equipped with learning-based object recognition models and can collect surveillance image data. However, owing to the limitations of UAVs regarding power and computational resources, adaptive control must be performed accordingly. Therefore, we introduce a self-adaptive control strategy to maximize the time-averaged recognition performance subject to stability through a formulation based on Lyapunov optimization. Results from performance evaluations on real-world data demonstrate that the proposed algorithm achieves the desired performance improvements.

• 한국통신학회논문지
• /
• 제39C권10호
• /
• pp.909-919
• /
• 2014

License plate (LP) detection is the most imperative part of an automatic LP recognition (LPR) system. Typical LPR contains two steps, namely LP detection (LPD) and character recognition. In this paper, we propose an efficient Vehicle-to-LP detection framework which combines with an adaptive GMM (Gaussian Mixture Model) and a cascade of boosted classifiers to make a faster vehicle LP detector. To develop a background model by using a GMM is possible in the circumstance of a fixed camera and extracts the motions using background subtraction. Firstly, an adaptive GMM is used to find the region of interest (ROI) on which motion detectors are running to detect the vehicle area as blobs ROIs. Secondly, a cascade of boosted classifiers is executed on the blobs ROIs to detect a LP. The experimental results on our test video with the resolution of $720{\times}576$ show that the LPD rate of the proposed system is 99.14% and the average computational time is approximately 42ms.

• 반도체디스플레이기술학회지
• /
• 제23권1호
• /
• pp.61-64
• /
• 2024

As research on autonomous driving technology becomes more active, various studies on signal recognition of traffic lights are also being conducted. When recognizing traffic lights with different purposes and shapes, such as pedestrian traffic lights, vehicle-only traffic lights, and right-turn traffic lights, existing classification methods may cause misrecognition problems. Therefore, in this study, we studied a model that allows accurate signal recognition by subdividing the classification of signals according to the purpose and type of traffic lights. A signal recognition model was created by classifying traffic lights according to their shape and purpose into horizontal, vertical, right turn, etc., and by comparing them with the existing signal recognition model based on YOLOv5, it was confirmed that more correct and accurate recognition was possible.

• Journal of Information Processing Systems
• /
• 제19권5호
• /
• pp.663-672
• /
• 2023

Most vehicle detection methods have poor vehicle feature extraction performance at night, and their robustness is reduced; hence, this study proposes a night vehicle detection method based on style transfer image enhancement. First, a style transfer model is constructed using cycle generative adversarial networks (cycleGANs). The daytime data in the BDD100K dataset were converted into nighttime data to form a style dataset. The dataset was then divided using its labels. Finally, based on a YOLOv5s network, a nighttime vehicle image is detected for the reliable recognition of vehicle information in a complex environment. The experimental results of the proposed method based on the BDD100K dataset show that the transferred night vehicle images are clear and meet the requirements. The precision, recall, mAP@.5, and mAP@.5:.95 reached 0.696, 0.292, 0.761, and 0.454, respectively.

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1762-1769
• /
• 2021

본 연구의 최종 목표는 블랙박스, 스마트폰, CCTV 등으로부터 수집된 영상에서 수배차량이 범죄차량인지 여부를 분석할 수 있는 시스템을 개발하는 것이다. 데이터 수집은 자체 개발된 블랙박스를 이용하였다. 본 연구에 활용된 데이터는 차량 유형 8개(트럭, RV, 승용차, 승합차, SUV, 버스, 스포츠카, 전기차)와 차량 모델 434개 등 총 83,753건의 데이터를 사용하였다. YOLO v5를 이용한 차량인식 결과, mAP가 80%로 나타났다. 자체 개발한 블랙박스를 이용하여 ReXNet으로 차량 모델을 식별한 결과, 정확도는 99%로 나타났다. 이러한 결과는 데이터 라벨링의 정확도를 개선하는 것이 차량인식 성능 향상에 도움이 된다는 것을 의미한다.

• 스마트미디어저널
• /
• 제9권4호
• /
• pp.134-143
• /
• 2020

자동차 번호판 인식 기술은 도로의 교통상황 통제, 과속차량 단속, 도주 차량의 추적 등 현대 교통 시설 및 교통 안전망을 책임지고 있는 핵심 기술 중 하나이다. 이 기법은 과거에도 연구되었던 분야였으나 최근 딥러닝 기술의 발전으로 다양한 기법들을 적용하여 향상된 성능을 보이는 분야이며, 크게 자동차 번호판 검출과 번호판 인식으로 나뉜다. 본 연구에서는 다양한 객체 검출 모델과 WPOD-Net(Warped Planar Object Detection Network) 모델을 활용하여 자동차 번호판 검출 성능을 향상시키기 위한 실험을 진행하였으며, 객체 검출 모델을 활용하여 번호판을 검출하는 기존 방식들 대신 차량을 검출한 다음 번호판을 검출하는 방식을 택하여 정확도를 높였다. 특히 Super-Resolution 기법 중 하나인 Fast-SRGAN 모델을 활용하여 이미지 내에 존재하는 노이즈를 제거하는 처리를 통해 최종 성능을 향상시켰다. 결과적으로 92.38%에서 96.72%로 선행 연구 대비 평균 4.34% 향상된 성능이 실험을 통해 확인되었다.

• 한국정보처리학회논문지
• /
• 제3권2호
• /
• pp.369-380
• /
• 1996

최근에 이르기까지 교통분야에서 차량에 관한 정보를 수집하기 위하여 사용되고 있는 검지쳬계는 유도식 루프검지기 (Inductive Loop Detector,ILD)이다. 유도식 검지기로 부터 수집되는 교통자료는 점유시간(차량이 검지기를 점유한시간)과 비점유시간(통행 차량과 차량간의 시간차)및 교통량이 기초 수집자료가 된다. 특히 점유 시간은 신호의 현시 길이를 결정 및 과포화제어를 위한 대기행렬예측 등 다양한 관제알고리즘에 있어서 핵심적인 자료이므로 높은 신뢰도가 요구된다. 이러한 신뢰도는 검지로 부터 수집될 수 있는 자료들을 토대로 통행 차종을 식별함으로써 향상시킬 수 있으며, 관련 관제 알고리즘의 신뢰도 향상은 물론 최근 관심이 고조되고 있는 무인자동감시 체계 및 교통정보 자동 수집장치의 개발을 유도할 수 있다. 본 논문에서는 통행하는 차량들에 대하여 수집 되는 기초자료를 기반으로 인식하기 위한 방법으로 통계적 클러스터링 방법 두 가지와 신경망 클러스터링 방법 등 세가지 방법을 제시하고, 결과로서 무인 자동감시 체계에 관한 활용 방법을 제시한다.

• 대한임베디드공학회논문지
• /
• 제18권2호
• /
• pp.81-87
• /
• 2023

With the development of BCI devices, it is now possible to use EEG control technology to move the robot's arms or legs to help with daily life. In this paper, we propose a customized vehicle control model based on BCI. This is a model that collects BCI-based driver EEG signals, determines information according to EEG signal analysis, and then controls the direction of the vehicle based on the determinated information through EEG signal analysis. In this case, in the process of analyzing noisy EEG signals, controlling direction is supplemented by using a camera-based eye tracking method to increase the accuracy of recognized direction . By synthesizing the EEG signal that recognized the direction to be controlled and the result of eye tracking, the vehicle was controlled in five directions: left turn, right turn, forward, backward, and stop. In experimental result, the accuracy of direction recognition of our proposed model is about 75% or higher.