On-Road Car Detection System Research for Corsswalk Safety of the Blind

Abstract

본 연구에서는 시각장애인의 보행안정성 향상을 위해 도로 위를 이동하는 자동차의 영상만을 입력 받아 자동차를 검출하는 방법을 제안한다. 입력 영상은 제약 조건이 있다. 도로 위에서 아래 방향을 비스듬히 내려 보는 고정된 시야를 가져야한다는 점이다. 주어진 영상 중 도로 영역만을 이용하기 위해 동적인 관심영역을 검출해 적용한다. 동적으로 관심영역을 검출하기 위해 캐니엣지 탐지를 이용한 후 허프 변환을 응용해 분할 허프 변환 방법으로 구현하였다. 관심영역 내에서 차량 검출을 위해 모션 히스토리 이미지(Motion History Image) 추출 방법, SIFT(Scale-Invariant Feature Transform) 알고리즘, 히스토그램 분석 등 다양한 영상처리 방법을 적용한 실험결과, 평가 및 한계점을 서론에 제시했다. 이를 해결하기 위해서 GMM(Gaussian Mixture Model)을 응용해 단순한 물체 탐지가 아닌, 차량 검출에 최적화하는 방법을 제시한다. 본 연구에서는 GMM 알고리 즘을 응용한 차량 검출 GMM(Vehicle Detection-GMM) 알고리즘을 이용해 차량 검출 시스템을 구현했다. 실험 결과 정확률, 재현율, F1 측정값이 GMM은 각각 15%, 60%, 24%인데 비해 차량검출 GMM은 각각 75%, 60%, 67%로 그 성능을 입증할 수 있었다. 그 결과를 바탕으로 제안한 알고리즘이 기존의 알고리즘보다 우수함을 입증하였다.In this paper we propose car detection system using only video image as the input image that is composed of car moving on the road. It is for the people who is visually handicapped. There is a constraint condition that is the input image has downward obliquely from road and fixed view. To use only region of road, we use dynamic ROI detection using Canny edge detection and separated type hough transform based on Hough transform. To do car detection in ROI, we analyze and evaluate confines of motion history image(MHI) method, SIFT(Scale-Invariant Feature Transform) algorithm and histogram analysis in the introduction. These method has the critical point. So, we proposed to use VD-GMM(Vehicle Detection-GMM) based on GMM(Gaussian Mixture Model) for the car detection system. GMM is just moving object detection but including several geometric detection method, it could detect the car. In the experiment, we measure precision, recall and F1 rate for GMM and VD-GMM. GMM has 15%, 60%, 24% and VD-GMM has 75%, 60%, 67% for each value. Using this result, we could prove VD-GMM is better than GMM for the car detection in the conclusion.