악천후 환경하의 영상검지 알고리즘 향상을 위한 적응형 객체추출방법 연구 (Study on an Adaptive Object Extraction for Improving Video Detection Algorithms in Bad Weather Conditions)

서지정보

· 발행기관 : 한국교통연구원
· 수록지 정보 : 교통연구 / 18권 / 3호 / 61 ~ 84페이지
· 저자명 : 오주택, 임재극, 황보희

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.

영어초록

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.

참고자료

· 없음