영상 결합 방법을 이용한 교통 파라미터 추출 알고리즘
A Traffic Parameter Extraction Algorithm Using Image Combination Method
- 주제(키워드) ITS , traffic , parameter , extraction , combination
- 발행기관 아주대학교
- 지도교수 김용득
- 발행년도 2006
- 학위수여년월 2006. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 본문언어 한국어
초록/요약
본 논문에서는 영상 기반 교통 파라미터 측정에 있어서 측정 정확도를 향상시킨 알고리즘과 저가로 교통 파라미터의 실시간 측정이 가능한 내장형 시스템 구현을 통해 기존 루프 검지기와 영상 방식 교통 파라미터 측정 시스템의 문제점을 개선한다. 현재 교통 파라미터 측정은 주로 지하 매설형인 루프 검지기와 지상 거치형인 영상 기반 시스템을 통해 이루어진다. 그러나 루프 검지기는 설치 시 교통 혼잡 유발, 과도한 유지보수 비용, 그리고 대기행렬길이 측정, 차량추적 등과 같은 정교한 교통 파라미터 측정 작업을 수행할 수 없다는 문제점이 있다. 반면에 영상 기반 시스템은 카메라로부터 획득한 영상을 이용하여 교통 파라미터를 측정하므로 위와 같은 교통 혼잡을 발생시키지 않으며 다양한 교통 파라미터의 측정이 가능하다. 또한 영상 기반 측정 시스템은 여러 차로 영상 또는 여러 대의 카메라로부터 입력되는 복수 개의 영상을 단일 시스템에서 동시에 처리할 수 있으므로 비용 효율이 높은 접근방법이다. 그러나 기존 영상 기반 시스템은 주변 환경 변화에 민감하기 때문에 루프 검지기보다 차량검출 성능이 저하되고 연산 량이 많은 영상처리 알고리즘의 실시간 수행을 위해 대부분 고성능 CPU를 탑재한 산업용 또는 범용 컴퓨터를 기반으로 구현되기 때문에 외부 동작조건 변화에 따른 성능저하와 설치비용이 높다는 문제점으로 인해 활발한 도입이 제한되고 있는 실정이다. 본 논문에서 영상 기반 교통 파라미터 측정 정확도를 향상시키기 위해 기존 차량영역추출 알고리즘들의 주요한 문제점인 주변 밝기 변화와 그림자의 영향으로 인한 성능 저하를 해결하기 위해 배경빼기와 에지검출 방법의 장점만을 취한 결합 방법(Combination Method)을 제안한다. 결합 방법은 에지검출 방법이 활성 그림자를 상당 부분 제거할 수 있다는 점을 이용하여 배경빼기 영상에서 활성 그림자를 제거함으로써 그림자에 의한 차량영역추출 성능의 저하를 막는다. 또한, 차량검출과 차종분류의 정확도 향상을 위해서 스택을 이용하여 연결되어 있는 영역을 찾아내는 씨앗 채움(Seed-Filling) 기반 특징정보추출 방법을 제안한다. 그리고 제안한 알고리즘을 실시간으로 수행할 수 있는 저가의 내장형 시스템을 구현함으로써 기존 산업용 컴퓨터 기반 시스템의 성능저하와 고 비용문제를 해결한다. 마지막으로 교통흐름과 관련된 파라미터들인 차량통과대수와 차량속도는 차량추적 방법을 통해서 측정한다. 제안한 영상 기반 실시간 교통 파라미터 측정 시스템은 다양한 도로, 날씨, 그리고 밝기 조건에서 획득한 실험 데이터를 이용한 실험에서 97[%]이상의 차량검출성공률과 92[%]이상의 차종분류성공률을 나타내었다. 또한 제안한 시스템은 320×240 크기의 8-비트 그레이 레벨 영상을 초당 25프레임 이상 처리할 수 있으므로 실시간 교통 파라미터 측정이 가능함을 확인하였다.
more목차
<제목 차례>
제 1 장 서론 = 1
제 2 장 영상 기반 차량영역추출 방법 = 6
제 1 절 차량영역추출 방법 분석 = 6
제 2 절 결합 방법 = 8
제 3 장 하드웨어 설계 = 22
제 1 절 전체 하드웨어의 구성 = 22
제 2 절 주 제어부 설계 = 23
제 3 절 영상 처리부 설계 = 27
제 4 장 실험 및 분석 = 36
제 1 절 실시간 처리 성능 측정 = 36
제 2 절 차량검출 결과 = 37
제 3 절 교통 파라미터 측정 결과 = 39
제 5 장 결론 = 42
목차
<그림 차례>
그림 2-1. 프레임 간 빼기 방법에서 정지 차량이 존재하는 경우 발생하는 오류 = 7
그림 2-2. 프레임 간 빼기 방법에서 교통량이 많은 경우 발생하는 오류 = 8
그림 2-3. 배경빼기와 에지검출 방법을 이용한 차량영역추출 예 = 9
그림 2-4 결합 방법을 이용한 차량영역추출 과정 = 10
그림 2-5. 배경빼기 수행 과정 = 13
그림 2-6. 이동에지검출 과정 = 14
그림 2-7. 이동에지영상에서의 활성 그림자의 형태적 특성과 제거용 박스 = 17
그림 2-8. 개선된 결합 방법의 수행 과정 = 18
그림 2-9. 씨앗 채움 기반 특징정보추출 방법을 통한 차량 검출 과정 = 20
그림 2-10. 차량추적영역의 예 = 21
그림 3-1. 전체 하드웨어의 구성 = 23
그림 3-2. 주 제어부의 구조 = 24
그림 3-3. 리-맵 전, 후의 메모리 맵 변화 = 27
그림 3-4. 영상 처리부의 구조 = 28
그림 3-5. 영상 처리부의 버스 연결도 = 29
그림 3-6. 전체 모듈의 구성 = 32
그림 3-7. VinAGU 모듈 32
그림 3-8. OSDVE 모듈 = 33
그림 3-9. DETOUT 모듈 = 34
그림 4-1. 교통 파라미터 측정 예 = 41
목차
<표 차례>
표 2-1. 결합 방법의 알고리즘 = 16
표 3-1. VinAGU 모듈의 입, 출력 신호 = 32
표 3-2. OSDVE 모듈의 입, 출력 신호 = 33
표 3-3. DETOUT 모듈의 입, 출력 신호 = 34
표 3-4. OSD 메모리 맵(Host) = 34
표 4-1. 내장형 시스템의 알고리즘 처리시간 = 37
표 4-2. 다양한 차량영역추출 방법들의 성능 비교 = 38
표 4-3. 차종분류결과 = 39
