지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 강현철
- 발행연도
- 2013
- 저작권
- 인천대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
차량 인식은 여전히 객체 인식 분야에서 중요한 부분을 차지하고 있으며, 차량 후보 영역 검출 단계와 검출된 후보 영역에서 특징을 기반으로 차량을 검증하는 차량 검증 단계로 나누어진다. 도심 영상에서의 차량 인식에서 가장 중요한 부분은 차량의 일부가 가려지거나 겹쳐 있는 차폐 영역(occlusion)에서의 차량 인식 방법이다. 본 논문에서는 스테레오 비전(stereo vision)을 이용하여 차량과 카메라 간의 거리를 계산하고, 특정 거리 내의 모든 차량 후보 영역에 대하여 비음수 텐서 분해(non-negative tensor factorization, NTF)를 사용하여 검증한다.
NTF는 비음수 행렬 분해(non-negative matrix factorization, NMF)의 확장으로 NMF의 부분 기반 표현(part-based representation) 방식을 특징으로 가지며 NMF가 가지고 있는 공간 구조 정보 손실의 문제점을 해결하였다. 차량의 국소적인 특징을 기저 텐서(basis tensor)로 사용하여 희소성(sparseness)을 갖는 특징을 추출할 수 있기 때문에 도심 영상에서 발생하는 차폐 영역에 따른 인식률 저하를 방지할 수 있다. 따라서 본 논문에서는 NTF를 자동차 인식에 적용하였다.
실험은 KITTI Vision Benchmark에서 제공된 스테레오 이미지를 30fps 영상으로 편집하여 사용하였다. 특히 맑은 날 주간을 기준으로 많은 차량이 혼재되어 있거나 눈 덮인 도로와 같은 배경들에 의하여 차폐영역이 빈번히 발생하는 도로의 영상에 제안된 방법을 사용하였다. 실험 결과는 기존의 NMF를 이용한 방법을 차폐 영역이 존재하는 후보 영역에 대한 차량 인식 효율을 제안한 NTF를 이용한 차량 인식 방법과 비교하였다. 그 결과 NTF를 이용하는 특징은 차량이 혼재되어 차폐 영역이 빈번히 발생하는 도심 영상에서도 인식률이 기존의 방법보다 약 12% 향상되었으며 강건한 특징임을 보였다.
NTF는 비음수 행렬 분해(non-negative matrix factorization, NMF)의 확장으로 NMF의 부분 기반 표현(part-based representation) 방식을 특징으로 가지며 NMF가 가지고 있는 공간 구조 정보 손실의 문제점을 해결하였다. 차량의 국소적인 특징을 기저 텐서(basis tensor)로 사용하여 희소성(sparseness)을 갖는 특징을 추출할 수 있기 때문에 도심 영상에서 발생하는 차폐 영역에 따른 인식률 저하를 방지할 수 있다. 따라서 본 논문에서는 NTF를 자동차 인식에 적용하였다.
실험은 KITTI Vision Benchmark에서 제공된 스테레오 이미지를 30fps 영상으로 편집하여 사용하였다. 특히 맑은 날 주간을 기준으로 많은 차량이 혼재되어 있거나 눈 덮인 도로와 같은 배경들에 의하여 차폐영역이 빈번히 발생하는 도로의 영상에 제안된 방법을 사용하였다. 실험 결과는 기존의 NMF를 이용한 방법을 차폐 영역이 존재하는 후보 영역에 대한 차량 인식 효율을 제안한 NTF를 이용한 차량 인식 방법과 비교하였다. 그 결과 NTF를 이용하는 특징은 차량이 혼재되어 차폐 영역이 빈번히 발생하는 도심 영상에서도 인식률이 기존의 방법보다 약 12% 향상되었으며 강건한 특징임을 보였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0