• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.41-51
• /
• 2022

Cables are critical components of cable-stayed bridges. A structural health monitoring system provides real-time cable tension recording for cable health monitoring. However, the measurement data involve multiple sources of variability, i.e., varying environmental and operational factors, which increase the complexity of cable condition monitoring. In this study, a one-class classification method is developed for cable condition assessment using Bayesian factor analysis (FA). The single-peaked vehicle-induced cable tension is assumed to be relevant to vehicle positions and weights. The Bayesian FA is adopted to establish the correlation model between cable tensions and vehicles. Vehicle weights are assumed to be latent variables and the influences of different transverse positions are quantified by coefficient parameters. The Bayesian theorem is employed to estimate the parameters and variables automatically, and the damage index is defined on the basis of the well-trained model. The proposed method is applied to one cable-stayed bridge for cable damage detection. Significant deviations of the damage indices of Cable SJS11 were observed, indicating a damaged condition in 2011. This study develops a novel method to evaluate the health condition of individual cable using the FA in the Bayesian framework. Only vehicle-induced cable tensions are used and there is no need to monitor the vehicles. The entire process, including the data pre-processing, model training and damage index calculation of one cable, takes only 35 s, which is highly efficient.

• 토지주택연구
• /
• 제14권4호
• /
• pp.95-102
• /
• 2023

도시 지역에서 객체를 탐지하기 위해 드론 고해상도 영상에 기계 학습 알고리즘을 적용하는 다양한 연구가 진행되었다. 그러나 대부분의 차량 추출 연구는 인스턴스 세그멘테이션 대신 경계 박스로 차량을 탐지하여 차량의 방향이나 정확한 경계를 알 수 없다는 한계점이 있다. 인스턴스 세그멘테이션은 개별 개체를 훈련하기 위한 노동 집약적인 레이블링 작업을 필요로 하므로, 차량 추출을 위해 자동 무감독 인스턴스 세그멘테이션을 수행하는 방법에 대한 연구가 필요하다. 따라서 본 연구에서는 드론 영상의 차량 경계 박스에 대해 무감독 SVM 분류 기반의 차량 추출 기법을 제안하였다. 연구 결과, 차량을 89% 정확도로 추출할 수 있음을 확인하였으며 차량 내의 분광 특성이 크게 다른 경우에도 차량을 추출할 수 있음을 확인하였다.

• 한국산업정보학회논문지
• /
• 제22권2호
• /
• pp.61-70
• /
• 2017

본 논문에서는 CPU기반 병렬처리인 OpenMP를 적용하여 헤드라이트의 차종을 판별하기 위한 처리속도를 개선하고, 생산부품의 얼라인먼트를 보정 후 특징을 추출하여 차종을 판단하는 방법을 제안하였다. 제안방법의 세부성능을 분석하기 위해 그레이영상을 이용한 방법 및 라인 검출을 이용한 방법과의 판별성능과 처리속도를 비교 분석하였다. 분석결과, 판별성능의 경우 제안방법과 라인 검출을 이용한 방법이 좋은 성능을 보였지만 처리속도 측면에서 라인검출 방법보다 제안 방법이 더 좋은 성능을 보였다. 처리속도의 경우 그레이 영상을 이용한 방법이 가장 좋은 성능을 보였으나 판별성능 측면에서 제안방법이 그레이 영상을 이용한 방법보다 좋다고 할 수 있다.

• 한국토양비료학회지
• /
• 제49권6호
• /
• pp.743-750
• /
• 2016

Recently, usage of UAV (Unmanned Aerial Vehicle) has increased in agricultural part. This study was conducted to classify onion and garlic using supervised classification of a fixed-wing UAV (Model : Ebee) images for evaluation of possibility about estimation of onion and garlic cultivation area using UAV images. Aerial images were obtained 11~12 times from study sites in Changryeng-gun and Hapcheon-gun during farming season from 2015 to 2016. The result for accuracy in onion and garlic image classification by R-G-B and R-G-NIR images showed highest Kappa coefficients for the maximum likelihood method. The result for accuracy in onion and garlic classification showed high Kappa coefficients of 0.75~0.97 from DOY 105 to DOY 141, implying that UAV images could be used to estimate onion and garlic cultivation area.

• Journal of Information Processing Systems
• /
• 제17권2호
• /
• pp.411-425
• /
• 2021

In this paper, a vehicle recognition algorithm based on deep convolutional neural network and compression dictionary is proposed. Firstly, the network structure of fine vehicle recognition based on convolutional neural network is introduced. Then, a vehicle recognition system based on multi-scale pyramid convolutional neural network is constructed. The contribution of different networks to the recognition results is adjusted by the adaptive fusion method that adjusts the network according to the recognition accuracy of a single network. The proportion of output in the network output of the entire multiscale network. Then, the compressed dictionary learning and the data dimension reduction are carried out using the effective block structure method combined with very sparse random projection matrix, which solves the computational complexity caused by high-dimensional features and shortens the dictionary learning time. Finally, the sparse representation classification method is used to realize vehicle type recognition. The experimental results show that the detection effect of the proposed algorithm is stable in sunny, cloudy and rainy weather, and it has strong adaptability to typical application scenarios such as occlusion and blurring, with an average recognition rate of more than 95%.

• 대한임베디드공학회논문지
• /
• 제6권1호
• /
• pp.8-15
• /
• 2011

This paper presents an effective method for detecting vehicles in front of the camera-assisted car during nighttime driving. The proposed method detects vehicles based on detecting vehicle headlights and taillights using techniques of image segmentation and clustering. First, in order to effectively extract spotlight of interest, a pre-signal-processing process based on camera lens filter and labeling method is applied on road-scene images. Second, to spatial clustering vehicle of detecting lamps, a grouping process use light tracking method and locating vehicle lighting patterns. For simulation, we are implemented through Da-vinci 7437 DSP board with visible light mono-camera and tested it in urban and rural roads. Through the test, classification performances are above 89% of precision rate and 94% of recall rate evaluated on real-time environment.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅳ
• /
• pp.2108-2111
• /
• 2003

This paper introduces a new local feature extraction method and image matching method for the localization and classification of targets. Proposed method is based on the block-by-block projection associated with directional pattern of blocks. Each pattern has its own eigen-vertors called as CEBs(Classified Eigen-Blocks). Also proposed block-based image matching method is robust to translation and occlusion. Performance of proposed feature extraction and matching method is verified by the face localization and FLIR-vehicle-image classification test.

• 한국멀티미디어학회논문지
• /
• 제20권8호
• /
• pp.1271-1281
• /
• 2017

It is essential to collect and analyze target information around the vehicle for autonomous driving of the vehicle. Based on the analysis, environmental information such as location and direction should be analyzed in real time to control the vehicle. In particular, obstruction or cutting of objects in the image must be handled to provide accurate information about the vehicle environment and to facilitate safe operation. In this paper, we propose a method to simultaneously generate 2D and 3D bounding box proposals using LiDAR Edge generated by filtering LiDAR sensor information. We classify the classes of each proposal by connecting them with Region-based Fully-Covolutional Networks (R-FCN), which is an object classifier based on Deep Learning, which uses two-dimensional images as inputs. Each 3D box is rearranged by using the class label and the subcategory information of each class to finally complete the 3D bounding box corresponding to the object. Because 3D bounding boxes are created in 3D space, object information such as space coordinates and object size can be obtained at once, and 2D bounding boxes associated with 3D boxes do not have problems such as occlusion.

• 한국멀티미디어학회논문지
• /
• 제7권1호
• /
• pp.35-43
• /
• 2004

본 논문에서는 고속도로나 도심 진입 차량의 무인 자동과금 및 주요시설 출입 차량의 통제와 관리를 위하여 차량번호판 인식뿐만 아니라 차량 표시 문자와 제조사 식별자 검출 분류하여 차량의 정보를 판독하는 차량정보인식 및 자동과금시스템을 제안하였다. 제안한 알고리즘은 차량 후면부에서 획득된 영상으로부터 잡음제거, 세선화 등의 전처리 과정을 수행하고 템플릿 마스킹 및 레이블링 연산처리를 수행하여 차량표시문자, 제조사 표식자 및 번호판 영역을 각각 검출하였다. 또한, 검출된 특징 영역으로부터 특징자의 구조적 특징 및 패턴정보를 이용하여 표시문자와 제조사 표식자를 분류하였고, 하이브리드 패턴벡터와 세븐세그먼트 패턴벡터를 사용하여 차량번호판의 문자 및 숫자를 각각 인식하였다. 실험에서는 실제 고속도로상에서 제안한 차량인식 시스템에서 획득된 실 영상을 사용하여 인식 성능을 수행하였다. 실험 결과 제안한 알고리즘이 잡음, 외부환경, 차량의 크기에 무관하게 차량 특징자를 정확히 검출 분류하였으며 제안한 시스템은 범죄차량 단속, 차량자동과금 및 관공서 등의 차량입출력 관리의 무인화에 적용이 가능하다.

• 전자공학회논문지SC
• /
• 제45권6호
• /
• pp.55-59
• /
• 2008

야외 환경에서 무인차량의 자율주행에 있어서 효과적인 기동제어를 위해서는 장애물 탐지나 지형의 기하학적인 형상 정보외에 탐지된 장애물 및 지형 표면에 대한 재질 유형의 인식 및 분류 또한 중요한 요소이다. 영상 기반의 지표면 분류 알고리듬은 입력 영상에 대한 전처리, 특징추출, 분류 및 후처리의 절차로 수행된다. 본 논문에서는 컬러 CCD 카메라로부터 획득된 야외 지형영상에 대해 색상 및 질감 정보를 이용한 지형분류 기법을 제시한다. 전처리 단계에서 색공간 변환을 수행하고, 색상과 질감 정보를 이용하기 위해 웨이블릿 변환 특징을 사용하였으며, 분류기로서는 SVM(support vector machine)을 적용하였다. 야외 환경에서 획득된 실영상에 대한 실험을 통하여 제시된 알고리듬의 분류 성능을 평가하였으며, 제시된 알고리듬에 의한 효과적인 야지 지형분류의 가능성을 확인하였다.