자동차 스키드마크 인식을 위한 FE-SM/SONN

Abstract

본 논문은 차량이 급제동으로 인해 도로 위에 생성된 스키드마크와 같이 형태가 모호하게 나타난 영상을 인식하기 위해 FE-SM/SONN을 제안하였다. FE-SM/SONN은 타이어 트레드 패턴이 뭉개져서 나타나는 스키드마크 경우, 그 패턴이 모호한 영상으로 취득된다. 이를 인식하기 위해 퍼지 이론과 트레드 패턴의 특징을 이용한 자기 조직 신경망 인식기를 통해 스키드마크를 인식하는 방법이다. 이러한 실험을 위해 48개 타이어모델과 144개 스키드마크가 사용되었고, 전체 인식율은 89%이며, 비교 분석을 위해서는 기존 역전파 인식기에 비해 인식률 면에서 13.51%가 향상되었고, FE-MCBP에 비해 8.78% 향상을 보였다. 이 논문의 기대효과로는 모호한 영상의 특징을 추출하여 인식이 가능하였고, 트레드 패턴 영상이 그레이 영상으로 나타날 경우도 퍼지 이론에 의해 인식이 가능한 것으로 연구결과 나타났다. In this paper, We proposes FE-SM/SONN for recognizing blurred and smeared skid mark image caused by sudden braking of a vehicle. In a blurred and smeared skid marks, tread pattern image is ambiguous. To improve recognition of such image, FE-SM/SONN reads skid marks utilizing Fuzzy Logic and distinguishing tread pattern SONN(Self Organization Neural Networks) recognizer. In order to substantiate this finding, 48 tire models and 144 skid marks were compared and overall recognition ratio was 89%. This study showed 13.51% improved recognition compared to existing back propagation recognizer, and 8.78% improvement than FE-MCBP. The expected effect of this research is achieving recognition of ambiguous images by extracting distinguishing features, and the finding concludes that even when tread pattern image is in grey scale, Fuzzy Logic enables the tread pattern recognizable.