수직 누적 윈도우를 이용한 복잡한 교통 환경에서의 주·야간 실시간 차량 검출
Real-time day/night vehicle detection in crowded traffic condition using vertical integrating windows
- 주제(키워드) 전방 차량 검출
- 발행기관 서강대학교 일반대학원
- 지도교수 김경환
- 발행년도 2011
- 학위수여년월 2011. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000046540
- 저작권 서강대학교의 논문은 저작권 보호를 받습니다.
초록/요약
본 논문에서는 다양하고 혼잡한 교통 환경에서도 다수의 선행 차량을 강건하게 검출하기 위한 주·야간 실시간 차량 검출 방법을 소개한다. 제안하는 방법은 차량에 설치된 카메라로부터 취득한 전방 영상의 해석 과정에서 흔히 관찰되는 차량의 진동, 형태, 크기 변화와 다양한 환경조건 하에서도 안정된 특징 추출(feature extraction)과 정확한 분류(classification) 및 강건한 추적을 보장한다. 이를 위해서 기존의 접근방법에서 사용되던 에지, 그림자, 대칭성, 미등과 같은 간단한 특징들의 재정의와 지역적 누적방법을 제안하여 특징의 표현력과 강건함을 향상시키고자 한다. 신경회로망은 추출된 특징들을 사람의 인식과정과 유사하게 해석하여 다양한 환경조건의 변화에도 능동적이고 강건한 차량 후보의 검출을 보인다. 원근법으로부터 결정된 영상 기하학 정보(scene geometry information)를 이용하여 거리에 따른 차량의 예상 크기를 계산하고, 이는 특징 추출과 누적과정에서의 적응적 수직 누적 윈도우의 크기 결정, 신경 회로망(neural network) 기반의 분류 과정, 거리에 적응적인 군집화 및 추적 과정 등 시스템 전반에 활용된다. 추출된 잠재적 차량은 연속적인 추출 정도를 의미하는 신뢰도 정보와 함께 칼만 필터(Kalman filter)를 적용하여 강건한 차량 검출을 보장한다. 제안하는 시스템의 실시간 동작을 보장하기 위해 FPGA + DSP 하드웨어 구조를 제안한다. 특징의 추출 및 누적 과정에서 발생하는 연산 부담을 FPGA가 감당하고, DSP를 이용해 재생산된 소량의 정보에 대한 해석을 수행한다. 실험 결과를 통해 제안하는 방법을 적용한 시스템이 다양한 환경조건과 복잡한 교통 환경에서도 다수의 차량을 더 낮은 허위 양성률(false positive rate)에도 불구하고 효과적으로 검출 및 추적하고 있음을 확인하였다. 제안하는 하드웨어 구조의 개별 실험을 통해 시스템의 실시간 동작을 보장할 수 있음을 확인하였다.
more초록/요약
This thesis introduces an adaptive scheme for robustly detecting multiple preceding vehicles in crowded traffic conditions. The scheme focuses on issues frequently observed in the interpretation of traffic scenes taken by a camera installed in a vehicle: stable extraction of features and accurate classification in spite of the vehicle's constant vibrations and dynamic changes of form and size in the distance between vehicles. To address these issues, we introduce a method of integrating simple features and a way of utilization of the scene geometry information. Each simple features, such as edges, shadow, and symmetry, is compiled in the window confined by the scene geometry information to improve the expressiveness and robustness of extracted features. The neural network interprets extracted features similar to the human recognition in dynamic and various changes of environment, that make the extraction of vehicle candidate points robust. The scene geometry information that is then estimated from the perspective view is extensively utilized in constituent system components, including not only feature extraction/integration, but also the neural network-based classification and distance-adaptive clustering and tracking. In addition, employing the Kalman filter along with a confidence measure makes the detection and tracking of potential vehicles robust. For ensuring the real-time operation of the proposed system, a hardware architecture which includes FPGA and DSP has been proposed. Introduction of FPGA alleviates computational burden in feature extraction and integration procedure, and DSP core interprets the extracted information by the FPGA. Experimental results prove that the system employing the proposed scheme detects and tracks multiple vehicles more effectively, even in the various environment and crowded traffic conditions with a lower rate of false positives. Separate hardware implementations verify the real-time operation of the system.
more