분할 영역 정보를 이용한 국부 영역에서 차량 검지 및 추적 = Detecting and Tracking Vehicles at Local Region by using Segmented Regions Information

국문 초록 (Abstract)

본 논문에서는 교통 모니터링 시스템에 사용할 수 있는 국부 영역에서 차량 검지와 추적을 수행하는 새로운 기법을 제안하다. 차량 검지와 추적은 각 차선에 미리 설정된 영역에서만 이루어진다. 각 차선에 설정된 국부 영역을 에지 특성과 프레임 차이를 이용하여 여러 개의 분할 영역으로 나누고 분할 영역의 통계적 특성과 기하학적 특성에 의해 차량, 도로, 그림자와 전조등 영역으로 분류하여 차량을 검출한다. 검출된 차량은 에지 영상의 정합에 의해 국부 영역내에서 추적하여 차량 속도, 길이, 차간 거리와 도로 점유율과 같은 교통 정보를 산출할 수 있다. 배경 영상을 사용하지 않으므로 다양한 조건에서 사용이 가능하고 다양한 기상, 시간대와 장소에서 90.16%의 높은 차량 검출의 정확도를 나타냈다. 동작 환경에서 카메라의 각도, 방향과 조리개 설정이 조정되면 아주 높은 정확도의 교통 모니터링 시스템의 핵심 기술로 사용될 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

The novel vision-based scheme for real-time extracting traffic parameters is proposed in this paper. Detecting and tracking of vehicle is processed at local region installed by operator. Local region is divided to segmented regions by edge and frame difference, and the segmented regions are classified into vehicle, road, shadow and headlight by statistical and geometrical features. Vehicle is detected by the result of the classification. Traffic parameters such as velocity, length, occupancy and distance are estimated by tracking using template matching at local region. Because background image are not used, it is possible to utilize under various conditions such as weather, time slots and locations. It is performed well with 90.16% detection rate in various databases. If direction, angle and iris are fitted to operating conditions, we are looking forward to using as the core of traffic monitoring systems.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 시스템 구성
• 3. 차량 검출 및 추적
• 4. 실험 결과
• 5. 결론
• 참고문헌

참고문헌 (Reference)

1 "영역 분류와 시공간 영상 분석에 의한 실시간 교통정보 파라메터 산출 기법" 2000

2 "시공간 영상 분석에 의한 강건한 교통 모니터링 시스템" 31 (31): 2004

3 "Vehicle-Type Identification Through Automated Virtual Loop Assignment and Block-Based Direction-Biased Motion Estimation" 1 (1): 86-97, 2000

4 "Vehicle Detection and Tracking Using the Block Matching Algorithm" 1 : 4491-4496, 1999

5 "Vehicle Detection Video Through Image Processing IEEE Transactions on Vehicular technology Vol" 21-29, 1991

6 "VISATRAM: A Real-Time Vision System for Automatic Traffic Monitoring" 18 (18): 781-794, 2000

7 "Traffic Parameter Extraction using Video-based Vehicle Tracking" 764-766, 1999

8 "Shape-resolving local thresholding for object detection" 22 (22): 883-890, 2001

9 "SVM-based Detection of Moving Vehicles for Automatic Traffic Monitoring" 745-749, 2001

10 "Robust Multiple Car Tracking with Occlusion Reasoning Proceedings of 3rd European Conference on Computer Vision" 189-1961994

11 "Real-Time Video Surveillance for Traffic Monitoring Using Virtual Line Analysis" 541-544, 2002

12 "Monitoring Crowded Traffic Scenes" 19-24, 2002

13 "Image Analysis and Rule-Based Reasoning for a Traffic Monitoring System" 1 (1): 119-130, 2000

14 "Illumination Assessment for Vision-Based Traffic Monitoring" 34-41, 1998

15 "Detection and Classification of Vehicles" 3 (3): 37-47, 2002

16 "Computer Vision and Neural Networks for Traffic Monitoring IEE Conference on Road Traffic Monitoring" 143-147, 1992

17 "Binary Digital Image Processing" Academic Press 2000

18 "A Simplified Approach to Image Processing" Prentice-Hall 1997

19 "A Neural Network Based Vehicle Detection and Tracking System" 279-283, 1995