Mean Shift를 이용한 교차로 교통량 측정 시스템 개발
The Development of Vehicle Counting System at Intersection Using Mean Shift
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
비디오 카메라에서 입력된 동영상을 분석하여 교차로에서 교통량을 자동적으로 측정하는 시스템을 설계, 구현하였다. 입력 영상에서 배경과 전경을 분리하기 위하여 3가지 방법을 비교 분석하였으며 이중에서 좋은 결과를 보여주는 Li의 방법을 선택하였다. 전경 영상에서 연결 성분 분석을 이용하여 각각의 블로브들을 분리하였으며 분리된 블로브들은 블로브 추적기를 이용하여 프레임 별로 추적된다. 가장 기본적인 추적기는 블로브의 크기와 위치 정보들을 이용한다. 블로브들 간에 충돌이 있는 경우에는 블로브 안의 컬러 분포를 이용하는 mean shift 알고리즘이 사용되었다. 제안된 시스템은 실제 교차로 동영상을 이용하여 테스트되었으며 휴리스틱을 추가할 경우, 좋은 감지율과 오차율을 보였다.
Abstract
A vehicle counting system at intersection is designed and implemented using analyzing a video stream from a camera. To separate foreground image from background, we compare three different methods, among which Li's method is chosen. Blobs are extracted from the foreground image using connected component analysis and the blobs are tracked by a blob tracker, frame by frame. The primary tracker use only the size and location of blob in foreground image. If there is a collision between blobs, the mean-shift tracking algorithm based on color distribution of blob is used. The proposed system is tested using real video data at intersection. If some huristics is applied, the system shows a good detection rate and a low error rate.
참고문헌 (11)
- 이대호, "시공간 영상 분석에 의한 강건한 교통 모니터링 시스템", 정보과학회논문지 : 소프트웨어 및 응용, 31(11), pp.1534~1542 (2004), 한국정보과학회
- 하동문, "비젼 기반 차량 검출 및 교통 파라미터 추출", 정보과학회논문지 : 시스템 및 이론, 30(12), pp.610~620 (2003), 한국정보과학회
- O. Masoud, "The use of computer vision in monitoring weaving sections", IEEE Trans. Intelligent Transpotation Systems, 2(1), pp.18~25 (2001)
- S. Gupte, "Detection and classification of vehicles", IEEE Trans. Intelligent Transpotaion Systems, 3(1), pp.37~47 (2002)
- P.G.Michalopoulos, "Vehicle detection video through image processing: The autoscope system", IEEE Trans. Vehicular Technology, 40(1), pp.21~29 (1991)
- L. Wixson, "Illumination assessment for vision-based traffic monitoring", Proc. IEEE Workshop on Visual Surveillance, pp.34~41 (1998)
- A. Yilmaz, "Object tracking: A survey", ACM Computing Surveys, 38(4), pp.1~45 (2006)
- T. Chen, "Computer vision workload analysis: Case study of video surveillance systems", Intel Technol. J, 9, pp.109~118 (2005)
- L. Li, "Foreground object detection from video containing complex background", ACM Multimedia (2003)
- R. Hammond, "Mixture densities for video objects recognition", Proc. IEEE Int. Conf. Pattern Recognition, pp.71~75 (2000)
- D. Comaniciu, "Real-time tracking of non-rigid objects using mean shift", Proc. IEEE Int. Conf. Pattern Recognition, 통권 : 2, pp.142~149 (2000)