KR20160015091A - 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법 - Google Patents

교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법 Download PDF

Info

Publication number
KR20160015091A
KR20160015091A KR1020140097583A KR20140097583A KR20160015091A KR 20160015091 A KR20160015091 A KR 20160015091A KR 1020140097583 A KR1020140097583 A KR 1020140097583A KR 20140097583 A KR20140097583 A KR 20140097583A KR 20160015091 A KR20160015091 A KR 20160015091A
Authority
KR
South Korea
Prior art keywords
pedestrian
behavior pattern
tracking
image
histogram
Prior art date
Application number
KR1020140097583A
Other languages
English (en)
Inventor
김태호
양성민
Original Assignee
주식회사 퓨처리스트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 퓨처리스트 filed Critical 주식회사 퓨처리스트
Priority to KR1020140097583A priority Critical patent/KR20160015091A/ko
Publication of KR20160015091A publication Critical patent/KR20160015091A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Abstract

본 발명은 비전 센서를 이용하여 횡단보행자 검출 및 추적에 의한 결과를 바탕으로 교통신호등을 제어하는 시스템의 보행자 검출 및 행동패턴 추적 방법에 있어서, 상기 시스템은 상기 비전 센서로부터 입력된 영상 정보에서 각 픽셀의 밝기 영상 I(x,y)로부터 x축과 y축의 변화에 대한 분포의 크기(m)과 I(x,y)에 대한 방향(θ)를 산출하는 단계, 상기 계산된 변화에 대한 밝기영상분포의 크기(m)의 변화와 방향(θ)를 이용하여 m×n 픽셀 크기를 하나의 셀로 나타내고, 이 셀 내부의 밝기의 변화에 대한 방향에 대해 히스토그램을 작성하는 단계, 검출된 크기와 방향 히스토그램을 셀(Cell) 단위로 영상을 구분하여 값을 누적하고, 전체 셀의 누적된 크기와 방향의 히스토그램을 하나의 벡터화하는 단계, 상기 각 셀에서 작성된 밝기에 대한 방향 히스토그램을 p×q 셀을 하나의 블록으로 하는 정규화를 실시하는 단계, 상기 정규화 후의 특징 벡터를 이용하여 블록의 특징벡터들을 정규화하여 HOG의 특징 벡터를 얻는 단계, 상기 얻어진 특징벡터 집합을 리니어 SVM(Linear Support Vector Machine)을 이용하여 보행자와 비보행자로 나누어 학습을 시켜 학습된 데이터를 이용하여 입력영상으로부터 보행자를 검출하는 단계, 상기 검출된 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 단계를 포함하여 이루어지는 것을 특징으로 하는 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법에 관한 것으로, 횡단보도 영역에서의 보행자의 안전과 원활한 차량의 흐름을 효율적으로 높이는 연구에 바탕이 되는 기초 연구로 사용할 수 있다.

Description

교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법{Trafic signal control using HOG-based pedestrian detection and behavior patterns}
본 발명은 비전센서를 이용하여 횡단보행자 검출 및 추적에 의한 결과를 바탕으로 교통신호등을 제어하는 시스템 구현을 제안하기 위한 HOG 기반 보행자 검출 및 행동패턴을 이용한 교통신호제어 시스템에 관한 것이다.
현재 교통환경에서 차량의 증가에 따른 효율적인 신호시스템의 사회적인 수요가 증대되고 있다. 우리나라의 교통 신호 시스템은 고정 시간에 맞춰진 신호시스템으로 유지되고 있다. 이와 같은 신호시스템은 보행자 및 차량의 통행량이 많은 대도시의 횡단보도 영역에서 효율적으로 운영된다. 하지만 보행자 및 차량의 통행량이 적은 소도시의 도로 및 일반국도의 횡단보도 영역에서는 보행자가 없음에도 불구하고 현재 신호시스템에 의해 불필요한 차량 대기시간이 발생한다. 따라서 교통 환경에 대한 불필요한 차량 대기시간에 대한 조사가 필요하였다. 조사결과 울산광역시내 2차선에서 4차선까지 각각 10개의 횡단보도의 신호시스템에서 보행자 교통신호시간 및 보행자신호에 따른 보행자 유/무의 조사를 실시하였다. 조사한 결과 2차선에서 4차선까지 보행자 신호가 시간당 평균 20회, 18회, 16회를 보였다. 그러나 각 신호들 중에서 보행자가 없는 경우가 각 차선에서 시간당 평균 2회, 8회 그리고 5회가 발생하는 것이 조사를 통해 알 수 있었다. 이와 같이 불필요한 차량의 대기시간은 발생하면 차량의 연료 소비 증가를 야기한다. 또한 운전자의 불법운전을 유도하며 그에 따른 보행자의 안전에 대한 위험률이 증가한다. 따라서 현재 교통환경의 횡단보도 영역에서 보행자의 안전과 원활한 차량의 흐름을 효율적으로 높이는 연구가 필요하다.
본 발명은 상기한 문제점을 해결하기 위해 개발된 것으로, 비전센서를 이용하여 횡단보행자 검출 및 추적에 의한 결과를 바탕으로 교통신호등을 제어하는 시스템 구현을 제안하기 위한 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법을 제공하는데 그 목적이 있다.
이러한 목적을 달성하기 위한 본 발명에 따른 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법은,
HOG 특징을 이용하여 외부환경에서 보행자를 검출하고, 그 다음 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 알고리즘을 제시한다.
구체적으로는, 비전 센서를 이용하여 횡단보행자 검출 및 추적에 의한 결과를 바탕으로 교통신호등을 제어하는 시스템에 있어서, 상기 시스템은 상기 비전 센서로부터 입력된 영상 정보에서 각 픽셀의 밝기 영상 I(x,y)로부터 x축과 y축의 변화에 대한 분포의 크기(m)과 I(x,y)에 대한 방향(θ)를 산출하는 단계, 상기 계산된 변화에 대한 밝기영상분포의 크기(m)의 변화와 방향(θ)를 이용하여 m×n 픽셀 크기를 하나의 셀로 나타내고, 이 셀 내부의 밝기의 변화에 대한 방향에 대해 히스토그램을 작성하는 단계, 검출된 크기와 방향 히스토그램을 셀(Cell) 단위로 영상을 구분하여 값을 누적하고, 전체 셀의 누적된 크기와 방향의 히스토그램을 하나의 벡터화하는 단계, 상기 각 셀에서 작성된 밝기에 대한 방향 히스토그램을 p×q 셀을 하나의 블록으로 하는 정규화를 실시하는 단계, 상기 정규화 후의 특징 벡터를 이용하여 블록의 특징벡터들을 정규화하여 HOG의 특징 벡터를 얻는 단계, 상기 얻어진 특징벡터 집합을 리니어 SVM(Linear Support Vector Machine)을 이용하여 보행자와 비보행자로 나누어 학습을 시켜 학습된 데이터를 이용하여 입력영상으로부터 보행자를 검출하는 단계, 상기 검출된 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 단계를 포함하여 이루어지는 것을 특징으로 한다.
바람직하게, 상기 입력된 영상 정보에서 각 픽셀의 밝기 영상 I(x,y)로부터 x축과 y축의 변화에 대한 분포의 크기(m)과 I(x,y)에 대한 방향(θ)를 산출하는 단계는 하기의 식을 이용한 것을 특징으로 한다.
Figure pat00001
Figure pat00002
Figure pat00003
Figure pat00004

그리고, 상기 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 단계는 이전 및 현재 영상에서 검출되는 보행자가 동일 보행자인지에 대해 판단하는 단계를 포함하되, 이를 위한 보행자를 추적하는 판단 기준은 아래의 식을 이용한 것을 특징으로 한다.
Figure pat00005
Figure pat00006
여기서, w1과 w2는 각 영상에서 검출되는 영역,?(x1,y2),(x2,x2)는 w1과 w2에서의 일정 위치를 나타낸다.
바람직하게, 상기 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 단계는 입력 영상에서 횡단보도 영역과 횡단보도 횡단대기영역을 임의로 설정하고, 이 영역에서 보행자가 검출되고 일정 시간 동안 동일한 보행자가 추적될 경우 횡단하는 의사를 가진 것으로 판단하는 것을 특징으로 한다.
본 발명은 특징 검출 방법인 HOG와 특정 거리 및 색상의 상관계수를 이용한 추적, 행동패턴 그리고 병렬처리 시스템으로 구성된 실시간 비전센서를 이용한 교통제어시스템 방법을 제안하였다. 실험 결과 보행자 검출 및 추적은 각각 93.7%, 91.2%의 높은 인식률을 보였다. 또한 GPU와 CPU를 이용한 병렬처리 방법을 통하여 CPU만을 이용한 방법보다 검출은 3.3배, 검출 및 추적의 경우 5.1배 이상 높은 처리 속도를 나타내었다. 이는 본 발명에서 제시하는 시스템은 횡단보도 영역에서의 보행자의 안전과 원활한 차량의 흐름을 효율적으로 높이는 연구에 바탕이 되는 기초 연구로 사용할 수 있다.
도 1은 본 발명에 따른 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법이 적용된 시스템의 구성을 도시한 도면
도 2 내지 도 6은 본 발명에 따른 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법의 동작을 순서대로 설명하기 위한 도면
도 1은 본 발명에 따른 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법이 적용된 시스템의 구성을 도시한 도면이다.
도 1에 도시된 바와 같이, 본 시스템은 HOG는 다량의 특징벡터를 계산하기 때문에 연산량이 많고 그에 따른 실시간 동작에 어려운 단점을 가지고 있다. 따라서 GPU와 CPU를 병렬로 이용하여 실시간성을 보완한다. GPU는 CUDA 프로그래밍을 통하여 구현한다. CUDA(Compute Unified Device Architecture)는 수백개의 병렬코어를 가지는 GPU를 이용하여 수천 개의 쓰레드(thread)에 의한 병렬계산이 가능도록 하는 아키텍쳐이다.
도 1의 본 시스템은 HOG 특징을 이용하여 외부환경에서 보행자를 검출하고, 그 다음 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 알고리즘을 제시한다.
구체적으로는, 비전 센서를 이용하여 횡단보행자 검출 및 추적에 의한 결과를 바탕으로 교통신호등을 제어하는 시스템에 있어서, 상기 시스템은 상기 비전 센서로부터 입력된 영상 정보에서 각 픽셀의 밝기 영상 I(x,y)로부터 x축과 y축의 변화에 대한 분포의 크기(m)과 I(x,y)에 대한 방향(θ)를 산출하는 단계, 상기 계산된 변화에 대한 밝기영상분포의 크기(m)의 변화와 방향(θ)를 이용하여 m×n 픽셀 크기를 하나의 셀로 나타내고, 이 셀 내부의 밝기의 변화에 대한 방향에 대해 히스토그램을 작성하는 단계, 검출된 크기와 방향 히스토그램을 셀(Cell) 단위로 영상을 구분하여 값을 누적하고, 전체 셀의 누적된 크기와 방향의 히스토그램을 하나의 벡터화하는 단계, 상기 각 셀에서 작성된 밝기에 대한 방향 히스토그램을 p×q 셀을 하나의 블록으로 하는 정규화를 실시하는 단계, 상기 정규화 후의 특징 벡터를 이용하여 블록의 특징벡터들을 정규화하여 HOG의 특징 벡터를 얻는 단계, 상기 얻어진 특징벡터 집합을 리니어 SVM(Linear Support Vector Machine)을 이용하여 보행자와 비보행자로 나누어 학습을 시켜 학습된 데이터를 이용하여 입력영상으로부터 보행자를 검출하는 단계, 상기 검출된 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 단계를 포함하여 이루어진 구조이다.
그리고, 상기 입력된 영상 정보에서 각 픽셀의 밝기 영상 I(x,y)로부터 x축과 y축의 변화에 대한 분포의 크기(m)과 I(x,y)에 대한 방향(θ)를 산출하는 단계는 하기의 식을 이용한 것이다.
Figure pat00007
Figure pat00008
Figure pat00009
Figure pat00010

그리고, 상기 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 단계는 이전 및 현재 영상에서 검출되는 보행자가 동일 보행자인지에 대해 판단하는 단계를 포함하되, 이를 위한 보행자를 추적하는 판단 기준은 아래의 식을 이용한 것이다.
Figure pat00011
Figure pat00012
여기서, w1과 w2는 각 영상에서 검출되는 영역,?(x1,y2),(x2,x2)는 w1과 w2에서의 일정 위치를 나타낸다.
그리고, 상기 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 단계는 입력 영상에서 횡단보도 영역과 횡단보도 횡단대기영역을 임의로 설정하고, 이 영역에서 보행자가 검출되고 일정 시간 동안 동일한 보행자가 추적될 경우 횡단하는 의사를 가진 것으로 판단하는 것이다.
도 2 내지 도 6은 본 발명에 따른 HOG 기반 보행자 검출 및 행동패턴을 이용한 교통신호제어 시스템의 동작을 순서대로 설명하기 위한 도면이다.
먼저, 본 발명에서는 (1.)HOG 특징을 이용하여 외부환경에서 보행자를 검출하고, (2.)그 다음 보행자의 행동패턴을 정의 및 추적을 하고 (3.)보행자 횡단 유/무를 판단하는 알고리즘을 제시하는 순서로 설명한다.
1. HOG 특징을 이용한 보행자 검출과 보행자 추적
HOG는 국소영역에 대한 밝기의 분포방향을 히스토그램으로 얻어 이를 특징벡터로 나타내는 것으로써 물체의 형상정보로써 사용된다. HOG는 근접화소의 분포를 국소영역에 대해 히스토그램으로 조명의 영향을 적게 받으며 국소영역의 기하학적인 변화에 강건한 특징을 가지고 있다.
2.1 기울기 값의 계산
기울기 값은 각 픽셀의 밝기 영상 I(x,y)로부터 x축과 y축의 변화에 대한 분포의 크기 m과 I(x,y)에 대한 방향 θ를 식(1) ~ (3)식을 이용하여 각각 계산한다.
Figure pat00013
(1)
Figure pat00014
(2)
Figure pat00015
Figure pat00016
(3)
2.2 셀의 벡터화
계산된 변화에 대한 밝기영상분포의 크기 m의 변화와 방향 θ를 이용하여 8×8 픽셀 크기를 하나의 셀로 나타내고, 이 셀 내부의 밝기의 변화에 대한 방향에 대해 히스토그램을 작성한다. 여기서 작성된 방향성분은 0~360°를 0°~ +180°기준으로 하여 나타내며, 매 20°씩 9개의 방향에 대한 히스토그램을 작성할 수 있다. 도 2(좌측 그림)은 입력영상이며, 도 2(중간 그림)는 방향을 나타내고 있는 영상이며, 도 2(우측 그림)는 방향에 대한 색상표이다.
검출된 크기와 방향 히스토그램을 셀(Cell)단위로 영상을 구분하여 값을 누적하는 것은 영상에서 에지(Edge)성분이 분포하는 영역을 구별하기 위함이다. 또한 전체 셀의 누적 된 크기와 방향의 히스토그램을 하나의 벡터로 하여, SVM 분류기 입력값에 적합하도록 하기 위함이다. 본 발명에서는 입력영상(128×64)를 84(6×14)블록으로 구분하여 값을 누적한다.
2.3 블록에 의한 정규화
각 셀에서 작성된 밝기에 대한 방향 히스토그램을 3×3 셀을 하나의 블록으로 하는 정규화를 실시한다. 이는 부분적인 조명의 차이, 각종 영상 잡음의 영향을 줄이기 위함이다. 본 발명에서는 84개의 블록을 생성할 수 있다. i행 j열의 셀(i,j)의 특징량(9차원)을 Fi ,j = [f1,f2 ···fg]로 나타낸다. k번째 블록의 특징량(81차원)은
Figure pat00017
(4)
식 (4)로 나타낸다. 정규화 후의 특징 벡터를 v라 하면, 다음 식 (5)를 이용하여 블록의 특징벡터들을 정규화 한다.
Figure pat00018
(5)
입력영상이 128×64픽셀일 경우 횡방향으로 6블록, 종방향으로 14블록이 생성되며, 전체 84개의 블록에 대한 정규화가 이루어진다. 블록별 정규화를 한 후의 특징 벡터량은 "84블록 × 54차원"이 되므로 모두 4536차원 HOG의 특징 벡터를 얻는다. 이렇게 얻어진 특징벡터 집합은 Linear SVM(Support Vector Machine)을 이용하여 보행자와 비보행자로 나누어 학습을 시킨다. SVM을 이용하여 학습 데이터를 작성하기 위해 900개의 보행자 영상(도 3 참조)과 1800개의 보행자가 없는 영상(도 4 참조)을 사용할 수 있으며 이는 MIT와 INRIA가 제공하는 데이터 집합을 사용할 수 있다. 학습된 데이터를 이용하여 입력영상으로부터 보행자를 검출한다.
2.4 보행자 추적
보행자의 행동패턴을 정의하고 횡단 유/무를 판단하기 위해서는 이전 및 현재 영상에서 검출되는 보행자가 동일보행자인지에 대한 판단이 필요하다. 이를 위한 보행자를 추적하는 판단 기준은 식 (5) 및 (6)과 같다.
Figure pat00019
(5)
Figure pat00020
(6)
첫 번째 판단 기준인 식 (5)는 이전 및 현재 영상에서 검출되는 보행자의 일정 위치 간의 거리가 영상에서 20pixel 이하 일 경우이다. w1과 w2는 각 영상에서 검출되는 영역,?(x1,y2),(x2,x2)는 w1과 w2에서의 일정 위치를 나타낸다. 도 5는 이전 및 현재 영상에서 검출 영역 및 특정 위치에 대한 설명이다. 두 번째 판단 기준인 식(6)은 w1과 w2내의 색상 값의 상관계수가 0.6~1 사이의 값을 가질 때이다. 이 두 가지의 조건이 만족하는 경우 동일 보행자로 판단하고 추적을 실시한다.
3.1 보행자 행동패턴 정의
횡단보도 영역에서 차량의 원활한 교통 흐름을 위해 보행자의 행동패턴 정의를 통한 횡단 여부를 판단한다. 일반적인 보행자의 경우 횡단보도를 횡단하기 위해 대기영역과 같은 일정 공간에서 반대편의 신호등의 신호를 보며 대기한다. 따라서 입력영상에서 횡단보도 영역과 횡단보도 횡단 대기영역을 임의로 설정한다. 이 영역에서 보행자가 검출 되고 일정 시간 동안 동일한 보행자가 추적될 경우 횡단 하는 의사를 가진 것으로 판단한다. 도 6은 보행자 행동패턴을 정의하는 방법에 대해 설명한다. 여기서 노주황색 영역은 횡단보도 영역을 노란색 영역은 횡단보도 대기 영역을 나타낸다.

Claims (4)

  1. 비전 센서를 이용하여 횡단보행자 검출 및 추적에 의한 결과를 바탕으로 교통신호등을 제어하는 시스템의 보행자 검출 및 행동패턴 추적 방법에 있어서,
    상기 시스템은 상기 비전 센서로부터 입력된 영상 정보에서 각 픽셀의 밝기 영상 I(x,y)로부터 x축과 y축의 변화에 대한 분포의 크기(m)과 I(x,y)에 대한 방향(θ)를 산출하는 단계;
    상기 계산된 변화에 대한 밝기영상분포의 크기(m)의 변화와 방향(θ)를 이용하여 m×n 픽셀 크기를 하나의 셀로 나타내고, 이 셀 내부의 밝기의 변화에 대한 방향에 대해 히스토그램을 작성하는 단계;
    검출된 크기와 방향 히스토그램을 셀(Cell) 단위로 영상을 구분하여 값을 누적하고, 전체 셀의 누적된 크기와 방향의 히스토그램을 하나의 벡터화하는 단계;
    상기 각 셀에서 작성된 밝기에 대한 방향 히스토그램을 p×q 셀을 하나의 블록으로 하는 정규화를 실시하는 단계;
    상기 정규화 후의 특징 벡터를 이용하여 블록의 특징벡터들을 정규화하여 HOG의 특징 벡터를 얻는 단계;
    상기 얻어진 특징벡터 집합을 리니어 SVM(Linear Support Vector Machine)을 이용하여 보행자와 비보행자로 나누어 학습을 시켜 학습된 데이터를 이용하여 입력영상으로부터 보행자를 검출하는 단계;
    상기 검출된 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 단계를 포함하여 이루어지는 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법.
  2. 제 1 항에 있어서,
    상기 입력된 영상 정보에서 각 픽셀의 밝기 영상 I(x,y)로부터 x축과 y축의 변화에 대한 분포의 크기(m)과 I(x,y)에 대한 방향(θ)를 산출하는 단계는 하기의 식을 이용한 것을 특징으로 하는 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법.
    Figure pat00021

    Figure pat00022

    Figure pat00023

    Figure pat00024
  3. 제 1 항에 있어서,
    상기 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 단계는
    이전 및 현재 영상에서 검출되는 보행자가 동일 보행자인지에 대해 판단하는 단계를 포함하되, 이를 위한 보행자를 추적하는 판단 기준은 아래의 식을 이용한 것을 특징으로 하는 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법.
    Figure pat00025

    Figure pat00026

    여기서, w1과 w2는 각 영상에서 검출되는 영역,?(x1,y2),(x2,x2)는 w1과 w2에서의 일정 위치를 나타낸다.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 보행자의 행동패턴을 정의 및 추적을 하고 보행자 횡단 유/무를 판단하는 단계는
    입력 영상에서 횡단보도 영역과 횡단보도 횡단대기영역을 임의로 설정하고, 이 영역에서 보행자가 검출되고 일정 시간 동안 동일한 보행자가 추적될 경우 횡단하는 의사를 가진 것으로 판단하는 것을 특징으로 하는 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법.


KR1020140097583A 2014-07-30 2014-07-30 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법 KR20160015091A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140097583A KR20160015091A (ko) 2014-07-30 2014-07-30 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140097583A KR20160015091A (ko) 2014-07-30 2014-07-30 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법

Publications (1)

Publication Number Publication Date
KR20160015091A true KR20160015091A (ko) 2016-02-12

Family

ID=55355048

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140097583A KR20160015091A (ko) 2014-07-30 2014-07-30 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법

Country Status (1)

Country Link
KR (1) KR20160015091A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101877809B1 (ko) * 2017-02-21 2018-07-12 연세대학교 산학협력단 Gpu를 이용한 신호등 인식 장치 및 방법
KR20180115598A (ko) 2017-04-13 2018-10-23 한국건설기술연구원 고령자 보행특성 분석을 이용한 보행 시설 설계 시스템 및 방법
CN109215364A (zh) * 2018-11-19 2019-01-15 长沙智能驾驶研究院有限公司 交通信号识别方法、系统、设备和存储介质
KR102160511B1 (ko) * 2020-03-06 2020-09-28 이글아이(주) 횡단보도 대기 영역의 보행자 인식 방법 및 장치

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101877809B1 (ko) * 2017-02-21 2018-07-12 연세대학교 산학협력단 Gpu를 이용한 신호등 인식 장치 및 방법
KR20180115598A (ko) 2017-04-13 2018-10-23 한국건설기술연구원 고령자 보행특성 분석을 이용한 보행 시설 설계 시스템 및 방법
CN109215364A (zh) * 2018-11-19 2019-01-15 长沙智能驾驶研究院有限公司 交通信号识别方法、系统、设备和存储介质
CN109215364B (zh) * 2018-11-19 2020-08-18 长沙智能驾驶研究院有限公司 交通信号识别方法、系统、设备和存储介质
KR102160511B1 (ko) * 2020-03-06 2020-09-28 이글아이(주) 횡단보도 대기 영역의 보행자 인식 방법 및 장치

Similar Documents

Publication Publication Date Title
JP7106664B2 (ja) 知的運転制御方法および装置、電子機器、プログラムならびに媒体
JP5867596B2 (ja) 立体物検出装置及び立体物検出方法
JP5997276B2 (ja) 立体物検出装置及び異物検出装置
CN103778786B (zh) 一种基于显著车辆部件模型的交通违章检测方法
Low et al. Simple robust road lane detection algorithm
JP2020052694A (ja) 物体検出装置、物体検出方法及び物体検出用コンピュータプログラム
CN103714538B (zh) 道路边缘检测方法、装置及车辆
WO2014084218A1 (ja) 対象物検知装置
JP5776795B2 (ja) 立体物検出装置
RU2571367C1 (ru) Устройство обнаружения трехмерных объектов
Chong et al. Integrated real-time vision-based preceding vehicle detection in urban roads
CN110379168A (zh) 一种基于Mask R-CNN的交通车辆信息获取方法
KR20160015091A (ko) 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법
Kühnl et al. Visual ego-vehicle lane assignment using spatial ray features
Haris et al. Lane line detection and departure estimation in a complex environment by using an asymmetric kernel convolution algorithm
JP2012150595A (ja) 一時停止線検出装置及びプログラム
JPWO2013121911A1 (ja) 立体物検出装置及び立体物検出方法
JP5783319B2 (ja) 立体物検出装置及び立体物検出方法
JP5871069B2 (ja) 立体物検出装置及び立体物検出方法
Ge et al. A real-time lane detection algorithm based on intelligent ccd parameters regulation
Li-Yong et al. A lane detection technique based on adaptive threshold segmentation of lane gradient image
Joshy et al. Improved detection and tracking of lane marking using Hough transform
US20220245831A1 (en) Speed estimation systems and methods without camera calibration
CN103680148A (zh) 一种出租车识别方法
JP2023511454A (ja) 車両走行路内のデブリの検出

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application