악천후 환경하의 영상검지 알고리즘 향상을 위한 적응형 객체추출방법 연구
Study on an Adaptive Object Extraction for Improving Video Detection Algorithms in Bad Weather Conditions
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
기존의 영상검지기술에서 많이 사용하고 있는 GMM 기법을 사용하는 배경 영상 생성기술은 영상검지기는 물론 연속류 사고 자동검지 기술을 구현하는데 매우 유용하게 사용되는 기술이다. 배경 영상 생성기술을 사용하여 도로 현장의 실시간 동영상으로부터 이동 중인 객체를 추출함에 있어 전경 영상은 물론 배경영상에까지 많은 영상장해가 되는 안개, 비 등에 의한 영상의 열화를 수반하는 조건하에서도 영상검지 성능을 일정 수준 범위까지 유지할 수 있는 환경영향평가 분산도 개념을 제시하였다. 기존의 연구에서 시도하려고 했던 비디오 영상에서 안개나 빗줄기의 흔적을 제거하는 방법은 실제 도로 환경에서는 전체 영상에 대해 백색잡음을 포함한 저역필터의 현상을 보이는 영상으로 나타나기 때문에, 효과적인 객체추출방법으로 제시된 환경적 분산도를 입력영상 및 배경 영상에 따라 결정하여 적용하는 적응형 임계값을 통한 객체 추출 알고리즘을 제안하였다. 본 제안의 효용성을 검증하기 위해 영상검지기능을 이용한 간접적 검증방법으로서 도로상을 주행하는 차량 통행량과 평균속도에 대한 오차를 평가 지표로 사용하여, 알고리즘 적용전의 영상검지기 오차율(교통량 오차율 및 평균속도 오차율)과 알고리즘 적용 후의 오차율을, 정상기후 환경일 경우와 강우 및 안개 상태와 같은 악천후에 대해서, 각각 시험을 실시하고 그 도출된 결과를 비교 분석하였으며, 제안된 방법의 효용성을 실증하였다.
Abstract
Image detection technology, which uses GMM to make background image, is not useful for detecting image but also automatically detecting accident in freeway. However, in the abnormal climate condition such as mist or rain, it is hard to maintain the specific level of the image detection because there are problems in the foreground image as well as background image. In the study, we propose the environmental effects evaluation’s degree of dispersion which can help to maintain the specific level of the image detection even under the abnormal climate condition like foggy or rainy weather. In other words, we propose an algorithm that extract object using the adaptive threshold. The algorithm is applied an environmental dispersion according to its input and background image state. In this study, We took indirect verification method that uses image detection technology to verify the study’s effectiveness, and then we compared and analyzed before and after results of applying improved algorithm which used evaluation standard based on error rate of traffic and vehicle’s average speed. In this study, to verify the effectiveness of proposed algorithm, we used error rates of traffic data (traffic volume, speed) to indirectly evaluate image detection features indirectly. In this study, to verify the effectiveness of proposed algorithm, we used error rates of traffic data (traffic volume, speed) to indirectly evaluate image detection features indirectly.
참고문헌 (29)
- 김성호, "인공신경망을 이용한 유고검지 모형에 관한 연구", 공학기술 논문집, 8(1) (1999)
- 김영찬, "도시고속도로 비혼잡상황에서의 자동 돌발상황 감지 알고리즘 개발", 대한토목학회 논문집D, 24(2d), pp.167~173 (2004), 대한토목학회
- 오주택, "신호교차로 내 실시간 교통사고 자동검지 알고리즘 개발", 대한교통학회지, 27(5), pp.97~111 (2009), 대한교통학회
- 오주택, "GMM(Gaussian Mixture Model)을 적용한 영상처리기법의연속류도로 사고 자동검지 알고리즘 개발", 대한교통학회지, 28(3), pp.169~183 (2010), 대한교통학회
- 上 山勝, "교통사고 자동기록장치(TAAMS)에 의한 교통사고의 발생 메카니즘에 관한 연구", 일본 경찰과학연구소 보고, 교통편, 38(2) (2005)
- 유성준, "교차로 교통사고 검지시스템 성능개선 방안 연구", ITS학회 제5회 추계학술대회 논문집, pp.254~259 (2006)
- 이진광, "연속류 돌발상황 예측 알고리즘 및 관리기법 개발", 석사, pp.2004
- 최기주, "분류시스템을 이용한 유고검지 모형 개발", 대한토목학회지, 21(2-D) (2001)
- 안전지향형 교통환경개선기술개발 4차년도 중간보고서, "한국건설기술평가원", ~ (2010)
- C. Magono, "Aerodynamic studies of falling snowflakes", J. of the Meteorological Society of Japan, 43, pp.139~147 (1965)
- Daehyon Kim, "Incident Detection using a Fuzzy-based Neural Network Model", Journal of the Eastern Asia Society for Transportation Studies, 6, pp.2629~2638 (2005)
- Dar-Shyang Lee, "Effective Gaussian Mixture Learning for Video Background Subtraction", IEEE, Trans. Pattern Anal. Machine Intell, 27(5) (2005)
- G. B. Foote, "Terminal velocity of raindrops aloft", J. of Applied Meteorology, 8(2), pp.249~253 (1969)
- Harini V., "Robust target detection and tracking through integration of motion, color, and geometry", Computer Vision and Image Understanding, 103, pp.121~123 (2006)
- H. P. Bőhm, "A general equation for the terminal fall speed of solid hydrometeors", J. of the Atmospheric Science, 46, pp.2419~2427 (1989)
- John Hourdakis, "Real-time detection of crash prone conditions in freeway high crash locations", TRB Annual Meeting (2004)
- K. Garg, "Detection and removal of rain from videos", CVPR, 1, pp.528~535 (2004)
- Michael L. Pack, "An Open Source, Video-Based, Automatic Incident Detection Program", TRB Annual Meeting (2005)
- N. Desaulniers-Soucy, "Empirical test of the multi-fractal continuum limit in rain", 박사, pp.1999
- P. Barnum, "Spatiotemporal frequency analysis for removing rain and snow from videos", workshop PACV (2007)
- Ruey Long Cheu, "Hybrid Fuzzy Logic-Genetic Algorithm Technique for Automated Detection of Traffic Incidents on Freeways", IEEE Intelligent Transportation System Conference Proceedings (2001)
- S. G. Narashimhan, "Contrast Restoration of Weather Degraded Images", IEEE, Proc. PAMI, 25(6) (2003)
- Shunsuke Kamijo, "Traffic Monitoring and Accident Detection at Intersections", IEEE, 1(2) (2000)
- Sibok Lee, "Fuzzy-logicbased incident detection for signalized diamond interchanges", Transportation Research Part C, 6 (1998)
- Weiming Hy Xuejuan Xiao, "Traffic Accident Prediction Using Vehicle Tracking and Trajectory Analysis", IEEE (2003)
- Weiming Liu, "Improved Freeway Incident Detection Using Neural Network Based on Pulse Data of the Loop Detector", Proceedings of the 2004 IEEE International Conference on Networking, Sensing & Control (2004)
- X. Zhang, "Rain removal in video by combining temporal and chromatic properties", ICME (2006)
- X. Zhao, "The application of Histogram on Rain Detection in video", JCIS (2008)
- Y. Cheng, "Mean Shift, mode Seeking, and Clustering", IEEE, Trans. Pattern Anal. Machine Intell, pp.790~799 (1995)