• 한국자동차공학회논문집
• /
• 제12권4호
• /
• pp.191-197
• /
• 2004

This paper presents experimental results for human drivers' driving patterns and an Adaptive Cruise Control(ACC) strategy. Analyses have shown that female drivers' driving characteristic values such as time-gap and minimum clearance are larger than those of male drivers'. Human drivers tend to have more clearance margins at high speed than at low speed. At low speed, drivers are much more sensitive to the desired clearance than at high speed. A multi-vehicle detection method is presented to improve ride quality of an ACC. Simulation results have shown that the proposed ACC can provide superior performance compared to the ACC strategy which uses a single-vehicle detection method.

• 제어로봇시스템학회논문지
• /
• 제16권1호
• /
• pp.96-100
• /
• 2010

This paper proposes novel genetic design of optimal classifier ensemble for vehicle detection using Genetic Algorithm with Varying Population Size (GAVaPS). Recently, many classifiers are used in classifier ensemble to deal with tremendous amounts of data. However the problem has a exponential large search space due to the increasing the number of classifier pool. To solve this problem, we employ the GAVaPS which outperforms comparison with simple genetic algorithm (SGA). Experiments are performed to demonstrate the efficiency of the proposed method.

• 한국정보통신학회논문지
• /
• 제8권3호
• /
• pp.708-713
• /
• 2004

그레이 스케일 이미지를 이용한 차량 감지 방법은 주차장에서 빈 공간으로 진입하는 차량의 안내나 기타 유사한 목적들을 위해 제안되고 있다. 본 논문은 그레이레벨 이미지를 이용하여 주차여부를 확인하고, 주차공간을 분석하는 방법을 제안한다. 실험결과로써 각기 2일 동안 새벽부터 해질녘까지 야외 주차장을 이용하여 획득한 129개의 영상을 이용하여 실험한 결과 98.7％의 성공률을 나타내었다.

• 한국군사과학기술학회지
• /
• 제25권4호
• /
• pp.381-389
• /
• 2022

Detecting partially occluded objects is difficult due to the appearances and shapes of occluders are highly variable. These variabilities lead to challenges of localizing accurate bounding box or classifying objects with visible object parts. To address these problems, we propose a two-stage part-based attention approach for robust object detection under partial occlusion. First, our part attention network(PAN) captures the important object parts and then it is used to generate weighted object features. Based on the weighted features, the re-weighted object features are produced by our reinforced PAN(RPAN). Experiments are performed on our collected military vehicle dataset and synthetic occlusion dataset. Our method outperforms the baselines and demonstrates the robustness of detecting objects under partial occlusion.

• 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.

• 디지털융복합연구
• /
• 제13권12호
• /
• pp.209-215
• /
• 2015

차량 등 객체를 추적하기 위한 많은 알고리즘들이 있지만 본 논문에서 제안하는 특징점 정합 알고리즘 분야는 지수 복잡도의 시간이 걸리는 작업이다. 더구나, 차량을 추적하기 위해 기존에 제안되었던 객체 추출 등 영상 전처리 알고리즘 또한 상당한 시간을 요구한다. 따라서 본 논문에서는 도로상에서 많은 차량들의 이동 궤적을 빠르고 효율적으로 추적하기 위한 방법을 2단계로 제안한다. 1단계로 객체 탐지가 아닌 번호판 영역을 먼저 탐지한 후 특징점을 추출하는 단계하고, 2단계로 특징점들을 정합하기 위한 비용산정식을 구한 후 동적계획법을 이용하여 효율적으로 차량을 추적할 수 있는 방법을 제안한다.

• 대한임베디드공학회논문지
• /
• 제18권3호
• /
• pp.133-139
• /
• 2023

This paper proposes a two-stage Water Shield Automation System (WSAS) to predict the possibility of river overflow and vehicle flooding due to sudden rainfall. The WSAS uses a two-stage Deep Neural Network (DNN) model. First, a river overflow prediction module is designed with LSTM to decide whether the river is flooded by predicting the river's water level rise. Second, a vehicle flooding prediction module predicts flooding of underground parking lots by detecting flooded tires with YOLOv5 from CCTV images. Finally, the WSAS automatically installs the water barrier whenever the river overflow and vehicle flooding events happen in the underground parking lots. The only constraint to implementing is that collecting training data for flooded vehicle tires is challenging. This paper exploits the Image C&S data augmentation technique to synthesize flooded tire images. Experimental results validate the superiority of WSAS by showing that the river overflow prediction module can reduce RMSE by three times compared with the previous method, and the vehicle flooding detection module can increase mAP by 20% compared with the naive detection method, respectively.

• 한국측량학회지
• /
• 제38권3호
• /
• pp.269-279
• /
• 2020

교통량 산정은 주로 교통량조사시스템, 차량검지시스템, 통행료징수시스템 등과 같은 조사 장비와 CCTV를 통한 인력 조사를 병행하고 있으나 이는 많은 인력과 비용이 발생한다. 본 연구에서는 단일 CCTV의 경우 전체 차량을 탐지하지 못하는 한계를 극복하기 위해서, 딥러닝과 스테레오 CCTV를 이용하여 교통량을 산정하는 방법을 제안하였다. 차량을 탐지하기 위한 딥러닝 모델을 학습하기 위해 COCO 데이터셋을 사용하고, 실시간으로 좌우 CCTV 영상에서 각각 차량을 탐지하였다. 그리고 나서, 각 영상에서 추출하지 못한 차량을 부등각사상변환을 이용하여 추가적으로 차량을 탐지하여 교통량 산정의 정확도를 개선하였다. 실험은 평상시 도로 환경과 안개가 발생한 기상 상황의 경우에 대해서 각각 수행하였다. 평상시 도로 환경의 경우 단일 CCTV 영상을 사용할 때보다 좌우 영상에서 각각 6.75%, 5.92%의 차량 탐지의 개선효과가 있었다. 또한, 안개가 발생한 도로 환경의 경우 좌우 영상에서 각각 10.79%, 12.88%의 차량 탐지의 개선효과가 있었다.

• 한국정보통신학회논문지
• /
• 제24권4호
• /
• pp.467-473
• /
• 2020

최근 우리나라의 자동차 보급률이 증가함에 따라 교통사고 발생 건수 또한 증가하고 있다. 특히, 차량간 사고뿐만 아니라 횡단보도 근처에서의 인명 사고 또한 증가하고 있어 횡단보도 교통안전에 대한 주의가 더욱 요구되고 있다. 본 논문에서는 NVIDIA Jetson Nano급의 엣지 디바이스를 이용하여 횡단보도에 접근하는 차량을 인식하고 속도를 추정함으로써 횡단보도 주위 안전 상태를 예측하는 시스템을 제안한다. 딥러닝 기반 차량 위치 인식을 통하여 얻은 정보들을 바탕으로 다양한 기계 학습 기법을 학습시켜 차량 속도에 따른 위험 정도를 예측한다. 마지막으로, 실제 주행 영상을 이용한 실험 및 웹 시뮬레이션을 통해 제안하는 시스템의 성능과 활용 가능성을 검증하였다.

• 전자공학회논문지 IE
• /
• 제49권2호
• /
• pp.30-39
• /
• 2012

졸음운전은 사고발생 확률이 높고, 사고 발생 시 심각도가 높기 때문에 효율적인 졸음운전 판단 시스템이 필요하다. 그러나 생체 신호나 비전을 이용한 졸음운전 판단시스템은 비용 측면에서 활용되기가 어렵다. 이에 본 논문에서는 추가적인 비용 없이 대부분의 차량에 기본 장착되어 있는 조향각 센서(steering angle sensor)와 차량정보(brake switch, throttle position signal, vehicle speed)를 이용하여 졸음운전자의 조향패턴 중 하나인 저킹 판단을 이용한 졸음운전 판단 알고리즘을 제안한다. 본 연구에서는 각 변수의 임계값을 제시하고, HILS(Hardware in the Loop Simulation)에서 CAN을 통해 취득한 차량의 데이터와 Matlab 프로그램을 이용하여 알고리즘을 평가한다.