통계적 특성을 이용한 SVM 기반 야간 전방 차량 검출 = Night time front vehicle detection based on SVM using statistical characteristics.
저자
발행사항
경산 : 영남대학교 대학원, 2012
학위논문사항
학위논문(석사)-- 영남대학교 대학원 : 정보통신공학 신호처리 2012. 2
발행연도
2012
작성언어
한국어
주제어
발행국(도시)
경상북도
형태사항
; 26 cm
일반주기명
지도교수: 정호열
소장기관
Driver assistance system is very crucial to improve convenience and stability of driving. It is already commercialized in several systems such as adaptive cruise control system and forward collision warning system etc. Traffic jam assistant system and Stop and Go system are considered for complex driving situations. Efficient vehicle detection is very important to improve driver assistance system. Most of the existing vehicle detection systems are based on radar system. It is possible to measure distance without knowledge of weather conditions by using radar. However, it has higher deployment cost and complexity overheads when there are many vehicles. Camera sensors are used to solve these problems due to radar system. Night time vehicle detection is more complicated than day time vehicle detection, since it is much more difficult in low light intensity environment to distinguish the vehicle’s features such as outline, color etc.
This thesis proposes method to detect vehicles at night time by analyzing the color space to reduce reflection and blur from the images. Fisher’s score is used to evaluate each feature vectors to reduce not effective features. Performance of the four colors’ space aspects, namely RGB, YCbCr, normalized RGB and Ruta transform color domain are compared and evaluated. The optimal threshold value is obtained by otsu algorithm. Morphological features are used in the previous learning feature for support vector machine, however, these features cannot be used in various distances. The proposed statistical characteristics (mean, variance, skewness, kurtosis etc.) extracted from the histogram can be used to various distance. To improve the performance of support vector machines classifier, this thesis proposes reduction method using feature vector by Fisher's criterion. The characteristics extracted from the support vector machine classifier to rank the fisher’s score are used to determine the order.
The proposed method has less overhead and complexity. The evaluation results show that the proposed method outperforms the existing methods in precision rate and recall rate.
운전자에게 편의성을 제공하고 주행 안정성을 향상시키기 위한 적응형 순항제어 (Adaptive Cruise Control)와 전방충돌경고 (Forward Collision Warning)와 같은 운전자 보조시스템 (Driver Assistance System)이 상용화되고 있으며, 더 나아가 복잡한 주행 상황을 고려한 교통체증보조 (Traffic Jam Assistant)나 전방 주행속도를 고려한 Stop & Go 적응형 순항제어 시스템의 개발이 활발히 진행되고 있다. 이러한 운전자 보조시스템을 위해 강인하고 신뢰도 높은 주변 차량 검지 및 장애물 인지는 필수적 요소라고 할 수 있다. 현재까지 적응형 순항제어나 전방충돌경고 시스템의 경우 고속도로 환경에서 날씨에 상관없이 종방향 거리를 측정할 수 있는 강인한 레이더를 기반으로 대부분 개발되어 왔다. 하지만 레이더의 경우 고가이며 센서 자체의 특성으로 인해 전방 다중 차량이 근접하여 동일한 속도로 주행 시 이를 구분하지 못하며 정지된 차량을 인식하지 못하는 등 복잡한 주행 환경에서 성능이 떨어지는 문제점을 갖고 있다. 이러한 단점을 보완하기 위하여 전방 차량인식에 카메라 센서를 이용하는 연구가 대두되고 있다. 특히 야간 환경에서는 주간 환경에 비해 상대적으로 주변 환경이 어둡고 빛에 의해 산란 및 반사되는 경우가 많기 때문에 차량의 외곽선, 색상 등을 추출하기가 힘들다. 따라서 이 논문의 주요목적은 야간 환경에서 전방 차량 인식을 위해 영상의 산란 및 반사 효과를 줄이기 위한 색상 개선 방법을 제안하고 실시간 시스템을 위해 차량 인식에 필요한 특징 벡터들의 개수를 줄이기 위한 방법을 제안한다.
후미등 특징 추출을 위한 전처리 방법으로 RGB 컬러 분포 특성을 이용하는 방법, YCbCr 컬러 분포 특성을 이용하는 방법, Normalized RGB를 사용하는 방법, Ruta 변환을 사용하여 색상 추출 방법을 비교한다. Otsu 알고리즘을 이용한 임계값 선택 방법과 평균-표준편차를 이용한 적응형 임계값 선택 방법을 통해 최적의 임계값을 구한다. 전방 차량을 인식하기 위해 채널 별 히스토그램을 사용하는 방법과 제안된 통계적 특징(평균, 분산, 왜도, 첨도, 엔트로피)을 사용하는 방법을 비교하고 이를 서포트벡터머신 (Support Vector Machine)을 이용하여 학습한다. 이때 서포트벡터머신의 성능 개선을 위해 피셔 기준을 사용한 특징 벡터의 차원 감소 방법을 제안한다. 후미등 특징 추출을 위한 전처리 방법은 각 컬러 채널의 분포를 분석하고 최적 임계값 선택 방법과 서포트벡터머신 분류기를 통해 프리시젼 (Precision)율, 리콜 (Recall)율, 알고리즘 처리시간을 비교한다. 특징 추출 방법은 히스토그램 방법과 제안된 통계적 특징 방법을 서포트벡터머신 분류기를 통해 프리시젼율, 리콜율, 알고리즘 처리시간을 비교하고, 서포트벡터머신의 성능 개선을 피셔 기준을 사용하여 각 특징 벡터의 중요도(Rank)를 판단하여 높은 중요도를 가진 특징 순으로 추출하여 서포트벡터머신 분류기를 통해 프리시젼율, 리콜율, 알고리즘 처리시간을 비교한다. 제안하는 방법들은 프리시젼율, 리콜율, 알고리즘 처리시간에서 향상된 결과를 나타낸다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)