• 대한임베디드공학회논문지
• /
• 제7권4호
• /
• pp.163-172
• /
• 2012

A driver assistance system is critical to improve a convenience and stability of vehicle driving. Several systems have been already commercialized such as adaptive cruise control system and forward collision warning system. Efficient vehicle detection is very important to improve such driver assistance systems. Most existing vehicle detection systems are based on a radar system, which measures distance between a host and leading (or oncoming) vehicles under various weather conditions. However, it requires high deployment cost and complexity overload when there are many vehicles. A camera based vehicle detection technique is also good alternative method because of low cost and simple implementation. In general, night time vehicle detection is more complicated than day time vehicle detection, because it is much more difficult to distinguish the vehicle's features such as outline and color under the dim environment. This paper proposes a method to detect vehicles at night time using analysis of a captured color space with reduction of reflection and other light sources in images. Four colors spaces, namely RGB, YCbCr, normalized RGB and Ruta-RGB, are compared each other and evaluated. A suboptimal threshold value is determined by Otsu algorithm and applied to extract candidates of taillights of leading vehicles. Statistical features such as mean, variance, skewness, kurtosis, and entropy are extracted from the candidate regions and used as feature vector for SVM(Support Vector Machine) classifier. According to our simulation results, the proposed statistical feature based SVM provides relatively high performances of leading vehicle detection with various distances in variable nighttime environments.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 춘계학술대회
• /
• pp.947-950
• /
• 2015

우리나라 전체 교통사고 원인에 있어서 졸음운전은 음주운전보다도 더 큰 비중을 차지하고 있는 위험요소로 나타나고 있다. 따라서 사전에 졸음운전사고를 예방하기 위하여 운전자의 졸음을 인식하고 경고해주는 시스템 개발과 관련된 연구가 활발하게 이루어지고 있는 추세이며, 졸음의 지표는 뇌파의 알파파를 분석하는 것이 효과적이라는 선행 연구결과들이 발표되었다. 본 연구에서는 LabView 프로그램을 이용하여 졸음지표를 검출할 수 있는 신호처리 알고리즘을 적용시킨 뇌파측정 장치를 자체 개발하였다. 소수의 실험자를 대상으로 졸음유도 실험을 실시한 결과 알파파의 상대 파워스펙트럼 변화를 기준으로 졸음상태를 의미하는 뇌파의 패턴을 검출 할 수 있었다. 이후 기존의 뇌파측정 장비들을 사용하여 측정한 졸음패턴과 비교분석한 결과 유사한 패턴을 나타내는 것을 확인 할 수 있었다. 이러한 결과를 바탕으로 차후 운전자의 졸음예방 시스템에 활용한다면 졸음운전 사고로 인한 사망률을 낮추는데 기여할 수 있을 것으로 기대된다.

• 융합신호처리학회논문지
• /
• 제13권3호
• /
• pp.136-141
• /
• 2012

운전 중 운전자의 졸음은 교통 사망사고를 일으키는 중요한 요인이며 음주운전보다도 더 위험할 수 도 있다. 이러한 이유로 운전자의 졸음을 판별하고 경고하는 시스템 개발이 최근에 매우 중요한 이슈로 떠올랐다. 그중에서도 졸음과 가장 밀접한 관련이 있는 생체 신호인 뇌파 (Electroencephalogram, EEG)와 안구전도 (Electrooculogram, EOG)를 분석하는 연구가 주류를 이루고 있다. 본 논문에서는 실험 프로토콜에 의거하여 측정된 뇌파를 주파수별로 분석하여 운전자의 상태별 뇌파 데이터베이스를 구축하고 선형예측(Linear Predictive coding, LPC) 계수를 특징벡터로 한 신경회로망 기반 운전자 졸음 감지 시스템을 제안한다. 실험결과로 졸음의 뇌파분석에서 알파파가 감소하며 세타파가 증가하는 추세를 보였으며, LPC 계수가 각성, 졸음 및 수면상태의 특징을 잘 반영하였다. 특히 제안한 시스템은 적은 샘플(250ms)을 가지고도 96.5%라는 높은 분류 결과를 얻어 짧은 순간에 일어날 수 있는 운전 시 돌발 상황을 실시간으로 검출 가능성을 확인하였다.

• 한국ITS학회 논문지
• /
• 제8권5호
• /
• pp.26-37
• /
• 2009

본 연구에서는 USN 환경하에서 다수 개의 지점교통센서를 신호교차로의 접근로에 설치되어 운전자 안전서비스를 제공할 경우 딜레마구간 검지를 위한 센서의 배치 방법에 대하여 다룬다. 교통 신호가 녹색-황색-적색으로 변동되는 시점에서 딜레마구간에 존재하는 위험차량을 검지하는 시스템에서, 센서의 배치 간격과 초기 위치를 확인하기 위해 미시적 시뮬레이션인 VISSIM을 이용하여 평가하였다. VISSIM에 지점검지기를 다수 개 설치하여 유입교통량의 변화, 설계속도의 변화, 운전자 인지반응시간의 변화를 수행하였다. 그 결과 지점교통센서는 20~27m의 간격으로, 도로의 설계속도에 따라 초기 센서의 위치를 변화하여 설치할 필요성이 있음을 알 수 있었다. 또한 교통량의 변화에 따라 센서의 딜레마구간 검지추세가 다름을 알 수 있었다. 본 연구로 미시적 교통시뮬레이션 기반으로 지점교통센서의 배치를 평가하는 방법의 유용성을 확인할 수 있었고, 향후 USN 서비스의 실현에 있어 기초 자료로 사용될 수 있음을 알 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제12권1호
• /
• pp.189-197
• /
• 2007

고속도로 상을 운전하는 운전자가 사고, 낙물, 또는 결빙 등 도로위험상황을 발견한 즉시 후속차량에게 이 정보를 전달함으로써 사고를 미연에 방지하는 안전시스템을 개발하였다. 이를 위해서 각 차량은 GPS와 송수신 단말기로 구성된 OBU를 장착하고 지난 일정한 거리의 도로 궤적을 항상 갱신하고 저장하여 사고 위험사황을 목격 시 버튼을 눌러 사고위험유형과 궤적정보가 송신한다. 정보를 받은 모든 차량은 자차의 위치나 방향이 수신된 궤적정보 상에 있는지를 판단하고 일정한 거리내의 후속차량만이 이에 반응하여 경보메시지를 발생시키게 된다. 447Mhz의 주파수의 트랜스시버를 갖는 OBU를 장착한 두 대의 실험차량을 약 120m의 간격을 두고 $30km/h{\sim}50km/h$의 속도로 도로주행 실험을 한 결과 문제없이 통신이 이루어짐을 확인하였다. 따라서 본 시스템은 운전자가 고속도로상의 위험 상황을 사전에 인식하고 대처할 수 있게 하므로 안전 주행의 도구로 사용되어 질 수 있을 것이다.

• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.768-773
• /
• 2012

운전 중 운전자의 졸음은 교통 사망사고를 일으키는 중요한 요인이며 음주운전보다도 더 위험할 수 도 있다. 이러한 이유로 운전자의 졸음을 판별하고 경고하는 시스템 개발이 최근에 매우 중요한 이슈로 떠올랐다. 그중에서도 졸음과 가장 밀접한 관련이 있는 생체 신호 분석이 많이 적용되는데 그중에서도 뇌파(Electroencephalogram, EEG)와 안구전도(Electrooculogram, EOG)를 분석하는 연구가 주류를 이루고 있다. 본 논문에서는 실험 프로토콜를 바탕으로 측정된 뇌파를 주파수별로 분석하여 운전자의 상태별 뇌파 데이터베이스를 구축하였고 선형예측(Linear Predictive Coding, LPC) 계수와 Support Vector Machine(SVM)을 이용한 운전자 졸음 감지 시스템을 제안한다. 실험결과로 졸음의 뇌파분석에서 알파파가 감소하며 세타파가 증가하는 추세를 보였으며, LPC 계수가 각성, 졸음 및 수면상태의 특징을 잘 반영하였다. 특히 제안한 시스템은 적은 샘플(250ms)에서도 96.5%의 높은 분류 결과를 얻어 짧은 순간에 일어날 운전시 돌발 상황을 실시간으로 예측할 수 있는 가능성을 보였다.

• 한국정밀공학회지
• /
• 제30권2호
• /
• pp.164-170
• /
• 2013

The latest vehicle yields a superior safety and reduction of driving burden by monitoring the driving state of vehicle and its environment with various sensors. To detect other vehicles and objects of the rear left and right-side blind spot area of driver, provide the information about a existence of objects inside the blind spot, and give a signal to avoid collision, this study proposes the intelligent outside rear-view mirror system. This study proposes SILS system with PreScan and Matlab/Simulink to verify practical applicability of developed BSDS. PreScan yields realistic driving environments and road conditions and vehicle model dynamics and collision warning is controlled by Matlab/Simulink.

• 로봇학회논문지
• /
• 제13권1호
• /
• pp.31-37
• /
• 2018

Recently, the safety in vehicle also has become a hot topic as self-driving car is developed. In passive safety systems such as airbags and seat belts, the system is being changed into an active system that actively grasps the status and behavior of the passengers including the driver to mitigate the risk. Furthermore, it is expected that it will be possible to provide customized services such as seat deformation, air conditioning operation and D.W.D (Distraction While Driving) warning suitable for the passenger by using occupant information. In this paper, we propose robust vehicle occupant detection algorithm based on RGB-Depth-Thermal camera for obtaining the passengers information. The RGB-Depth-Thermal camera sensor system was configured to be robust against various environment. Also, one of the deep learning algorithms, OpenPose, was used for occupant detection. This algorithm is advantageous not only for RGB image but also for thermal image even using existing learned model. The algorithm will be supplemented to acquire high level information such as passenger attitude detection and face recognition mentioned in the introduction and provide customized active convenience service.

• 자동차안전학회지
• /
• 제5권2호
• /
• pp.17-23
• /
• 2013

This paper describes an algorithm for Advanced Emergency Braking(AEB) with tire-road friction coefficient estimation. The AEB is a system to avoid a collision or mitigate a collision impact by decelerating the car automatically when forward collision is imminent. Typical AEB system is operated by Time-to-collision(TTC), which considers only relative velocity and clearance from control vehicle to preceding vehicle. AEB operation by TTC has a limit that tire-road friction coefficient is not considered. In this paper, Tire-road friction coefficient is also considered to achieve more safe operation of AEB. Interacting Multiple Model method(IMM) is used for Tire-road friction coefficient estimation. The AEB algorithm consists of friction coefficient estimator and upper level controller and lower level controller. The numerical simulation has been conducted to demonstrate the control performance of the proposed AEB algorithm. The simulation study has been conducted with a closed-loop driver-controller-vehicle system using using MATLAB-Simulink software and CarSim Vehicle model.

• 시스템엔지니어링학술지
• /
• 제1권2호
• /
• pp.26-33
• /
• 2005

In this paper, an algorithm is presented to recognize road based on unpaved test courses image. The road images obtained by a video camera undergoes a pre-processing that includes filtering, gray level slicing, masking and identification of unpaved test courses. After this pre-processing, a part of image is grouped into 27 sub-windows and fed into a three-layer feed-forward neural network. The neural network is trained to indicate the road direction. The proposed algorithm has been tested with the images different from the training images, and demonstrated its efficacy for recognizing unpaved road. Based on the test results, it can be said that the algorithm successfully combines the traditional image processing and the neural network principles towards a simpler and more efficient driver warning or assistance system.