• 대한전자공학회논문지TC
• /
• 제41권12호
• /
• pp.1-7
• /
• 2004

본 연구는 24GHz 측방설치 차량감지용 레이다를 개발하였다. 다차선에 존재하는 차량들의 속도 측정 및 차량 분류를 위해 24GHz 송수신 모듈을 개발하였고, 신호처리부에 새로운 신호처리 알고리즘을 적용하였다. 본 논문은 고정된 FMCW (Frequency Modulated Continuous Wave) 레이다 모듈로써, 동작원리 이론과 알고리즘에 대해 측정된 데이터를 나타내었다. 측정된 결과는, 가변 threshold 추출 방법을 이용하여 한 차선의 차량 속도에 대해 95%의 정확성과 두 차선에 대해서는 90%의 정확성을 보였다. 또한, 차량의 분류는 소형, 중형, 대형의 3종 분류로 약 89%의 정확성을 나타내었다.

• 한국터널지하공간학회 논문집
• /
• 제21권3호
• /
• pp.419-432
• /
• 2019

대부분 딥러닝 모델의 학습은 입력값과 입력값에 따른 출력값이 포함된 레이블링 데이터(labeling data)를 학습하는 지도 학습(supervised learning)으로 진행된다. 레이블링 데이터는 인간이 직접 제작하므로 데이터의 정확도가 높다는 장점이 있지만 비용과 시간의 문제로 인해 데이터의 확보에 많은 노력이 소요된다. 그리고 지도 학습의 목표는 정탐지 데이터(true positive data)의 인식 성능 향상에 초점이 맞추어져 있으며, 오탐지 데이터(false positive data)의 발생에 대한 대처는 미흡한 실정이다. 본 논문은 터널 관제센터에 투입된 딥러닝 모델 기반 영상유고 시스템의 모니터링을 통해 정탐지와 레이블링 데이터의 학습으로 예측하기 힘든 오탐지의 발생을 확인하였다. 오탐지의 유형은 작업차량의 경광등, 터널 입구부에서 반사되는 햇빛, 차선과 차량의 일부에서 발생하는 길쭉한 검은 음영 등이 화재와 보행자로 오탐지되고 있었다. 이러한 문제를 해결하기 위해 현장에서 발생한 오탐지 데이터와 레이블링 데이터를 동시에 학습하여 딥러닝 모델을 개발하였으며, 그 결과 기존 레이블링 데이터만 학습한 모델과 비교하면 레이블링 데이터에 대한 재추론 성능이 향상됨을 알 수 있었다. 그리고 오탐지 데이터에 대한 재추론을 한 결과 오탐지 데이터를 많이 포함하여 학습한 모델일 경우 보행자의 오탐지 개수가 훨씬 줄었으며, 오탐지 데이터의 학습을 통해 딥러닝 모델의 현장 적용성을 향상시킬 수 있었다.

• 한국측량학회지
• /
• 제31권1호
• /
• pp.89-97
• /
• 2013

최근, 지구 온난화에 따른 이상기후로 폭설로 인한 사회 경제적인 피해가 확산되고 있다. 국지적 기습 폭설에 의한 도로지역 피해를 저감하기 위해서는 도로 구간별 강설현황을 정확히 파악하여 대책을 마련하는 것이 중요하다. 본 논문은 도로에 설치되어 있는 CCD 영상을 이용하여 도로 강설강도를 탐지하는 알고리즘을 다룬다. 첫째, 전체 영상 공간 중 차량의 움직임 및 차선이 존재하지 않는 MLZ(MotionLess Zone)를 설정한다. 다음으로, 각 영상의 MLZ를 통과하는 눈 궤적을 Canny 연산자와 제안된 알고리즘을 이용하여 추출한다. 또한 1분 동안 MLZ 안의 눈 궤적의 개수를 나타내는 SII(Snow Intensity Index)를 정의한다. 마지막으로, 69분 동안 계산된 SII 값과 영상을 육안 비교함으로써 본 논문에서 제안된 알고리즘의 유효성을 검증한다. 실험결과 SII의 integration은 실제 적설량과 깊은 연관관계를 나타내었다.

• Journal of Biosystems Engineering
• /
• 제33권5호
• /
• pp.348-354
• /
• 2008

Egg grading is determined by exterior and interior quality. Among the evaluation methods for the egg quality, a candling method is common to identify eggs with cracked shells and interior defects. But this method is time-consuming and laborious. In addition, practically, it is challenging to detect hairline and micro cracks. In this study, an on-line inspection system based on acoustic resonance frequency analysis was developed to detect hairline cracks on eggshells. A roller conveyor was used to transfer eggs along one lane to the impact position where each of eggs rotated by the roller was excited with an impact device at four different locations on the eggshell equator. The impact device was consisted of a plastic hammer and a rotary solenoid. The acoustic response of the egg to the impact was measured with a small condenser microphone at the same position as the impact device was installed. Two acoustic parameters, correlation coefficient for normalized power spectra and standard deviation of peak resonant frequencies, were used to detect cracked eggs. Intact eggs showed relatively high correlations among the four normalized power spectra and low standard deviations of the four peak resonant frequencies. On the other hand, cracked eggs showed low correlations and high standard deviations as compared to the intact. This method allowed a crack detection rate of 97.6%.

• 한국멀티미디어학회논문지
• /
• 제16권11호
• /
• pp.1288-1296
• /
• 2013

단일 영상에서 배경선은 공간 구조를 이해하거나 심미적 평가를(Aesthetic scoring) 내리는데 중요한 판단 기준이 된다. 본 논문에서 소개하는 배경선 추출은 소실점을 분석하거나 3차원 공간의 재구성, 영상의 기울어짐을 판단하는데 도움을 준다. 또한 삼등분 법칙(Rule of thirds)을 계산하는데도 용이하게 해준다. 본 논문은 크게 구간 허프 변환 매핑과 배경선 우선순위 결정, 배경선 선택으로 구성되어 있으며 각 기술은 차선 추출이나 건물 구조 분석, 소실점 추출, 문서의 직선 추출과 같은 다양한 분야에 응용될 수 있게끔, 기술이 세분화되어 있다. 이는 사용자가 객체의 특성과 조명 환경등을 고려하여 선택적으로 기술을 구성할 수 있게끔 해 준다. 본 논문에서 소개하는 방법은 허프 변환을 사용하는 만큼, 원 추출과 같은 허프 변환의 응용에도 적용될 수 있다. 구간 허프 변환은 추출하고자 하는 배경선의 개수를 설정할 수 있다. 또한 영상 내에서 중요한 배경선의 개수를 분석하여 중요한 배경선만을 추출할 수 있다. 본 논문은 실험결과를 통해 배경선 추출 결과를 볼 수 있다.

• 디지털콘텐츠학회 논문지
• /
• 제3권1호
• /
• pp.1-9
• /
• 2002

본 논문은 고속토로에 설치되어 있는 CCTV카메라 영상을 이용하여 자동으로 교통정보를 수집할 수 있도록 영상검지기 기능을 부가하는 방법을 제안한다. 현행 고속도로 영상검지기에서 수집되는 교통정보는 차로별로 교통정보를 검지하여 수집할 수 있으나 이 방법은 대형차량이 지나가는 경우 Occlusion에 의한 오 검지 빈도가 빈번히 발생하고 있다. 또한 이 Occlusion의 영향으로 고속도로 8차로 중 최고 6차로까지만 검지가 가능하고 그 이상의 차로를 검지한다는 것은 불가능하다. 따라서 본 논문에서는 교통정보를 차로볕 검지를 하지 않고 전체 차로를 포함하는 검지영역을 설정한 다음 다음 이 검지영역 안에서 차량이 통과할 때까지 개별차량을 추적하여 교통정보를 수집함으로써 고속도로 8차로까지 검지가 가능한 알고리즘을 제안한다. 본 연구는 실제 경부고속도로 상행선 기흥IC에 실험용 CCTV카메라를 설치하여 획득한 영상과, 청계터널 앞 도로에서 녹화한 영상을 대상으로 실험을 하였으며, 영상처리는 frame-grabber보드에서 초당 30프레임으로 캡쳐를 한 다음 $640{\times}480$ 해상도와 빠른 데이터 처리를 위해서 256 gray-level로 영상처리를 하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.687-690
• /
• 2015

전방 추돌 경보 시스템(FCWS) 및 차선 이탈 경보 시스템(LDWS)에서 차선 및 객체 검출을 위한 관심영역은 차도영역으로 설정되어야 한다. 분수계 분할(watershed segmentation)방법은 차도영역을 분리하기에 효과적인 알고리즘이다. 이 알고리즘은 초기 seed에 속해있는 watershed line과 국부 최소값에 따라서 분할 결과가 다르게 나타나는데 차도 seed에 그 이외의 영역이나 차량이 포함될 경우에 차도 이외의 부분이 차도영역으로 포함되어 분할된다. 이런 문제점을 보완하기 위해 도로 환경에 따라 차도 seed를 적응적으로 변경해야 한다. 그 방법으로 영상을 여러 개의 관심영역으로 분할하여 차선을 검출하고 자기차선을 잇는 직선을 초기 seed로 설정한다. 설정된 seed에 차량이 검출되면 seed 위치를 조정하고 조정된 위치에서 차선을 지나지 않는다면 차선을 지나도록 seed의 크기를 조정하여 최종적인 seed를 결정한다. 최종적으로 결정된 seed를 통해서 도로환경에 따라 적응적으로 차도영역을 검출을 가능하게 한다.

• 전기전자학회논문지
• /
• 제21권4호
• /
• pp.358-367
• /
• 2017

최근 운전자의 편의와 안전을 위해 전방 차량 추돌 감지 시스템(Front Collision Warning System : FCWS)과 같은 다양한 운전자 보조 시스템(Advanced Driver Assistance System : ADAS)이 개발되고 있다. FCWS는 주행 중 실시간으로 동작해야 하기 때문에 높은 처리속도를 필요로 한다. 또한 자동차의 전장화에 따라 FCWS를 차량용 임베디드 시스템에서 동작시키기 위해 저전력 시스템이 필요하다. 본 논문에서는 FCWS를 CPU-FPGA 구조에서 실시간 처리가 가능하도록 구현하였다. 차선 검출은 Inverse Transform Perspective(IPM)와 슬라이딩 윈도우 방식을 이용하여 CPU에서도 빠른 속도로 동작할 수 있도록 하였다. 차량검출은 높은 인식률을 가지는 Convolutional Neural Network(CNN)을 이용하였고, FPGA에서 병렬처리로 가속하였다. 제안하는 구조는 저전력으로 동작하는 ARM-Core A9과 FPGA를 내장한 Intel FPGA Cyclone V SoC(System on Chip)에서 검증하였다. HD해상도에서 FCWS는 44FPS로 실시간으로 동작하며, 고성능 PC 환경보다 처리속도 대비 에너지 효율이 약 3.33배 높은 것을 확인했다.

• 한국ITS학회 논문지
• /
• 제18권5호
• /
• pp.183-193
• /
• 2019

본 연구에서는 전/후방 차량 검지가 가능한 차량센서를 탑재한 프로브 차량으로 수집한 주행 궤적을 이용하여 연속웨이블릿변환 기반 충격파 검지 및 소멸 시점 예측 방법을 제안하였다. 제안된 방법의 효과성 분석을 위하여 충격파 소멸점 간 거리오차와 충격파 소멸점 시간-위치 오차를 평가 지표로 제시하였고, 교통혼잡 수준, 속도 감소 현상 지속시간, 프로브 차량의 비율 등을 실험요인으로 하는 미시적 시뮬레이션 기반의 실험을 통하여 제안된 방법의 개념을 검증하였다. 그 결과, 두 가지 평가 지표 모두 교통혼잡 수준 및 속도 감소 지속시간에 크게 민감하지 않음을 보임으로서, 본 연구에서 제안하는 방법이 임의의 위치와 시간 동안 발생하는 속도 감소 현상으로 인한 충격파를 검지하고 그 소멸시점을 예측하는데 효과가 있음을 보였다. 그리고 그 정확도는 전체 차량 중 프로브 차량의 비율에 많은 영향을 받는 것으로 나타났다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.469-472
• /
• 2022

최근 지능형 교통 시스템의 발전에 따라 딥러닝을 기술을 적용한 다양한 기술들이 활용되고 있다. 도로를 주행하는 불법 차량 및 범죄 차량 단속을 위해서는 차량 종류를 정확히 판별할 수 있는 차종 분류 시스템이 필요하다. 본 연구는 YOLO(You Only Look Once)를 이용하여 이동식 차량 단속 시스템에 최적화된 차종 분류 시스템을 제안한다. 제안 시스템은 차량을 승용차, 경·소·중형 승합차, 대형 승합차, 화물차, 이륜차, 특수차, 건설기계, 7가지 클래스로 구분하여 탐지하기 위해 단일 단계 방식의 객체 탐지 알고리즘 YOLOv5를 사용한다. 인공지능 기술개발을 위하여 한국과학기술연구원에서 구축한 약 5천 장의 국내 차량 이미지 데이터를 학습 데이터로 사용하였다. 한 대의 카메라로 정면과 측면 각도를 모두 인식할 수 있는 차종 분류 알고리즘을 적용한 지정차로제 단속 시스템을 제안하고자 한다.