개선된 영상 정보를 이용한 가혹한 환경에서의 후방 차량 감지 방법

정진성; 김현태; 장영민; 조상복

추천

검색

질문

자료유형: 학술저널

저자정보: 정진성 김현태 장영민 조상복

저널정보: 대한전자공학회 전자공학회논문지 전자공학회논문지 제54권 제1호 (통권 제470호)

발행연도: 2017.1

수록면: 96 - 110 (15page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2017

어안렌즈와 영상 정보 개선을 통한 가혹한 환경에서의 후방 차량 감지 방법

정진성 전기전자정보시스템공학과 2017.01 학위논문

개선된 영상 정보를 이용한 가혹한 환경에서의 후방 차량 감지 방법

정진성 , 김현태 , 장영민 외 1명 전자공학회논문지 2017.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

기존의 차량 검출 연구들의 대부분은 일반렌즈 또는 광각렌즈를 가지는 후방 카메라를 사용하기 때문에 사각지대가 넓으며, 영상에 노이즈 및 다양한 외부 환경에 취약한 부분이 있다. 본 논문에서는 사각지대를 줄이고, 노이즈 및 가혹한 외부 환경에서도 인식이 가능한 검출 방법을 제안한다. 먼저 광각렌즈보다 더 넓은 화각을 가진 어안렌즈를 이용해 사각지대를 최소화한다. 렌즈의 화각이 커진 만큼 비선형 방사왜곡도 커지게 되므로, 정확한 영상 결과를 얻기 위해서 왜곡 상수 초기화와 최적화를 실시한 후 Calibration을 이용하였다. 그리고 Calibration과 동시에 원본 영상을 분석하여 안개가 자욱한 상황과 갑작스러운 조도 변화로 인해 생기는 명순응, 암순응 현상에 의한 시야 방해 상황에서도 인식이 가능하도록 안개 제거와 밝기 보정을 이용하였다. 안개 제거는 일반적으로 계산 시간이 매우 크다. 따라서 계산 시간을 줄이기 위해 대표적인 안개 제거 알고리즘인 Dark channel prior를 기반으로 안개를 제거하였다. 밝기 보정 시에는 Gamma correction을 이용했고, 보정에 필요한 Gamma value를 결정하기 위해 영상에 대한 밝기 및 명암 평가가 수행하였다. 평가는 영상의 전체가 아닌 일부분을 이용하여 할애되는 계산시간을 줄였다. 밝기 및 명암 값이 계산되면 그 값을 이용해 Gamma value를 결정하고 전체 영상에 보정을 실시하였다. 그리고 밝기 보정과 안개 제거로 나누어 병렬 처리한 후, 영상을 하나로 정합함으로써 전 처리 과정의 연산시간을 줄였다. 이후 보정된 영상으로부터 특징추출법인 HOG를 이용하여 차량을 검출하였다. 그 결과 본 논문에서 제안하는 방법의 영상 보정을 이용한 차량 검출을 하는데 1프레임당 0.064초가 걸렸으며, 기존의 차량 검출 방법에 비해 7.5%의 향상된 검출률을 얻었다.

Most of vehicle detection studies using the existing general lens or wide-angle lens have a blind spot in the rear detection situation, the image is vulnerable to noise and a variety of external environments. In this paper, we propose a method that is detection in harsh external environment with noise, blind spots, etc. First, using a fish-eye lens will help minimize blind spots compared to the wide-angle lens. When angle of the lens is growing because nonlinear radial distortion also increase, calibration was used after initializing and optimizing the distortion constant in order to ensure accuracy. In addition, the original image was analyzed along with calibration to remove fog and calibrate brightness and thereby enable detection even when visibility is obstructed due to light and dark adaptations from foggy situations or sudden changes in illumination. Fog removal generally takes a considerably significant amount of time to calculate. Thus in order to reduce the calculation time, remove the fog used the major fog removal algorithm Dark Channel Prior. While Gamma Correction was used to calibrate brightness, a brightness and contrast evaluation was conducted on the image in order to determine the Gamma Value needed for correction. The evaluation used only a part instead of the entirety of the image in order to reduce the time allotted to calculation. When the brightness and contrast values were calculated, those values were used to decided Gamma value and to correct the entire image. The brightness correction and fog removal were processed in parallel, and the images were registered as a single image to minimize the calculation time needed for all the processes. Then the feature extraction method HOG was used to detect the vehicle in the corrected image. As a result, it took 0.064 seconds per frame to detect the vehicle using image correction as proposed herein, which showed a 7.5% improvement in detection rate compared to the existing vehicle detection method.

#Vehicle detection #Distortion correction #Mist removal #Brightness correction #HOG

참고문헌 (32)

참고문헌 신청

S. H. Baek, H. S. Kim and K. Suck Boo, “A Method for Rear-side Vehicle Detection and Tracking with Vision System,” Journal of the Korean Society for Precision Engineering, Vol. 31, no. 3, pp. 233-241, Mar, 2014. P. A. Shyam, H. T. Cho, H. J. Yoo, C. J. Yang and H. S. Kim, “On-Road Succeeding Vehicle Detection using Characteristic Visual Features,” The transactions of The Korean Institute of Electrical Engineers, Vol. 59, no. 3, pp. 636-644, Mar, 2010. S. Kyo, T. Koga, K. Sakurai and S. Okazaki, “A Robust Vehicle Detecting and Tracking System for Wet Weather Conditions using the IMAP-VISION Image Processing Board,” Proc. IEEE ITS, pp. 423-428, 1999 S. J. Kim and K. S. Cho, “Design of Efficient Gradient Orientation Bin and Weight Calculation Circuit for HOG Feature Calculation,” Journal of the Institute of Electronics and Information Engineers, Vol.51, no. 11, pp. 66-72, Nov, 2014. N. Dalal and B. Triggs, “Histogram of oriented gradients for human detection,” CVPR2005, Vol.1, pp. 886-893, 2005.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

정진성

소속기관 울산대학교

주요연구분야 공학 > 전기전자공학 > 전자공학

논문수 9 이용수 923

김현태

소속기관 한국전력공사

주요연구분야 사회과학 > 경영학 공학 > 전기전자공학 > 전기공학

논문수 193 이용수 11,318

Yeong Min Jang

소속기관 국민대학교

주요연구분야 공학 > 전기전자공학 > 전자공학 공학 > 전기전자공학 > 정보통신공학

논문수 219 이용수 8,426

조상복

소속기관 울산대학교

주요연구분야 공학 > 전기전자공학 > 전자공학 TOP 5%

논문수 146 이용수 8,659

이 논문과 함께 이용한 논문

원격탐사 영상의 안개제거 알고리즘을 위한 안개 합성 영상 생성 방법

강의진 , 강봉순 한국정보기술학회논문지 2022 .07

HLS 색상 공간에서 동영상의 안개제거 기법

안재원 , 고윤호 멀티미디어학회논문지 2017 .01

영상 및 레이더 센서 융합 기반의 측후방 감지 시스템 개발

이홍준 , 라문수 , 서재규 외 2명 대한전자공학회 학술대회 2016 .11

조명 보상과 컬러 향상을 이용한 영상 개선 방법

박민수 , 이종민 , 문영식 대한전자공학회 학술대회 2012 .11

CCTV 시스템에서의 실시간 컬러 영상 개선 방법

김용민 , 박찬우 , 신도경 외 2명 한국정보기술학회논문지 2011 .05

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2017-569-002134097

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (32)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)