검색 상세

Efficient vehicle detection with a monocular camera for forward collision warning system

전방 추돌 경보 시스템을 위한 단일 카메라를 사용한 효율적인 차량 검출 방법

초록/요약 도움말

In this thesis, we propose an efficient vehicle detection method which employs improved Haar-like features for feature extraction and multi-exit rejection cascade for classification. The improved Haar-like features consist of two overlaid conventional Haar-like features representing intensity changes in horizontal and vertical directions, and multiple thresholds are selectively applied to each direction of the features. The number of thresholds for each direction is determined during training process. While the conventional Haar-like features are only good at representing either horizontal or vertical intensity changes, the proposed features can reflect intensity changes in arbitrary directions. Values of the proposed features are normalized to minimize the effect of illumination using the normalization factor devised to reflect the average intensity of feature region. By not requiring variance computation, the proposed normalization is more powerful in real-time applications. A multi-exit rejection cascade for vehicle detection is constructed using these improved features. For training the cascade to achieve higher detection accuracy, an improved cascade learning algorithm is proposed. In the proposed algorithm, the asymmetry in class distribution within training examples is estimated prior to boosting at each stage by computing the ratio of positive example weights to negative example weights, each of which is updated according to the results of weak classifiers used at its precedent stages. The asymmetry is compensated to achieve higher detection accuracy by adjusting the weight ratio. For experiment, rejection cascades for vehicle detection were trained by employing both the conventional method and the proposed method, and their detection accuracy and computation amount were compared. Experimental results confirm that the detection accuracy of a rejection cascade is significantly improved without increasing processing time by employing the proposed method. The detection rate of the cascade trained employing the proposed method is improved by 12% at the same false alarm rate. On the other hand, the expected number of features computed for classifying a sub-window is decreased by 42%. Combining this result with the fact that computation for a proposed feature is less than twice of that for a conventional feature, it is confirmed that the overall processing time isn’t increased by employing the proposed method.

more

초록/요약 도움말

본 논문은 개선된 유사 Haar 피처 (Improved Haar-like feature)를 특징 추출을 위해 사용하고 다중 출구 다단계 거절 분류기 (Multi-exit rejection cascade)를 차량 분류를 위해 사용하는 개선된 차량 검출 방법을 제안한다. 개선된 유사 Haar 피처는 기존 유사 Haar 피처 2개가 겹쳐져서 각각 가로와 세로 방향의 밝기 변화를 표현하도록 구성되며, 피처의 각 방향에 대해 선택적으로 다중 임계 값이 사용된다. 각 방향에 대한 임계 값의 수는 학습 과정 중에 결정된다. 기존 유사 Haar 피처가 가로 또는 세로 방향의 밝기 변화만을 잘 표현하는 것에 비해 개선된 유사 Haar 피처는 임의 방향의 밝기 변화를 반영할 수 있다. 조명의 영향을 최소화하기 위하여 피처 값은 피처 영역의 평균 밝기를 반영하는 정규화 인자를 사용하여 정규화시킨다. 제안된 정규화 방법은 분산 계산을 필요로 하지 않아 실시간 시스템에 적합하다. 개선된 유사 Haar 피처를 사용하여 차량 검출을 위한 다중 출구 다단계 거절 분류기가 구축된다. 높은 검출 정확도를 갖는 다중 출구 다단계 분류기의 학습을 위해 개선된 다단계 분류기 학습 알고리즘 (Improved cascade learning algorithm)이 제안된다. 제안된 알고리즘에서는 각 단계의 학습 전에 학습 샘플의 가중치를 이전 단계에서 사용된 약분류기들의 결과에 따라 갱신하고 포지티브 샘플에 부여된 가중치와 네거티브 샘플에 부여된 가중치의 비를 계산하여 학습 샘플에 존재하는 클래스 분포의 비대칭을 추정한다. 다단계 분류기가 높은 검출 정확도를 갖도록 하기 위해 가중치 비를 조정하여 이 비대칭을 보정한다. 실험을 위해 기존 방법과 제안한 방법으로 차량 검출을 위한 다단계 거절 분류기들을 학습시키고 검출 정확도와 연산량을 비교하였다. 실험 결과, 제안된 방법을 사용하였을 때 다단계 거절 분류기의 검출 정확도가 처리 시간의 증가 없이 크게 향상되었다. 분류기의 검출률은 동일 오검출률 조건에서 12% 향상되었으며, 하나의 후보 윈도우를 분류하기 위해 계산되어야 하는 기대 피처수는 42% 감소되었다. 제안된 피처 하나를 계산하기 위해 필요한 연산량은 기존 피처의 두 배에 미치지 못한다는 것을 고려하면 전체적인 연산량은 증가하지 않았다.

more
반출 Meta View 목록