The Journal of Korean Institute of Communications and Information Sciences (한국통신학회논문지)

The Korean Institute of Commucations and Information Sciences (한국통신학회)
권호 표지
DOI QR코드

DOI QR Code

On-Road Car Detection System Using VD-GMM 2.0

차량검출 GMM 2.0을 적용한 도로 위의 차량 검출 시스템 구축

  • Lee, Okmin (Inha University Department of Computer Information Engineering) ;
  • Won, Insu (Inha University Department of Electronic Security) ;
  • Lee, Sangmin (Inha University Department of Electronic Security) ;
  • Kwon, Jangwoo (Inha University Department of Computer Information Engineering)
  • Received : 2015.09.15
  • Accepted : 2015.11.09
  • Published : 2015.11.30
Download PDF
⟨ Previous Next ⟩

Abstract

This paper presents a vehicle detection system using the video as a input image what has moving of vehicles.. Input image has constraints. it has to get fixed view and downward view obliquely from top of the road. Road detection is required to use only the road area in the input image. In introduction, we suggest the experiment result and the critical point of motion history image extraction method, SIFT(Scale_Invariant Feature Transform) algorithm and histogram analysis to detect vehicles. To solve these problem, we propose using applied Gaussian Mixture Model(GMM) that is the Vehicle Detection GMM(VDGMM). In addition, we optimize VDGMM to detect vehicles more and named VDGMM 2.0. In result of experiment, each precision, recall and F1 rate is 9%, 53%, 15% for GMM without road detection and 85%, 77%, 80% for VDGMM2.0 with road detection.

본 연구에서는 레이더 검지 시스템과 통합하여 적용하기 위해 도로 위를 이동하는 자동차의 영상을 입력 받아 자동차를 검출하는 방법을 제안한다. 입력 영상의 제약조건이 있다. 도로 위에서 아래 방향을 비스듬히 내려 보는 고정된 시야를 가져야한다는 점이다. 주어진 영상 중 도로 영역만을 이용하기 위해 도로 영역을 관심영역으로 검출해 적용한다. 서론에서는 도로 영역 내에서 차량 검출을 위해 사용한 모션 히스토리 이미지 추출 방법, SIFT(Scale-Invariant Feature Transform) 알고리즘, 히스토그램 분석 등을 적용한 실험결과와 이에 대한 한계점을 제시했다. 이를 해결하기 위해서 가우시안 혼합 모델(GMM, Gaussian Mixture Model)의 응용을 제안한다. 가우시안 혼합 모델 알고리즘을 응용한 차량 검출 GMM(VDGMM, Vehicle Detection GMM)과 이를 차량 검출에 더 최적화한 차량 검출 GMM 2.0을 설명하고, 차량 검출 GMM 2.0을 적용한 실험결과 및 결론을 제시한다. 도로 영역 검출 없이 GMM을 적용한 결과는 정확율, 재현율, F1이 각각 9%, 53%, 15%이었고, 도로 영역 검출 후 차량 검출 GMM 2.0을 적용한 결과는 각각 85%, 77%, 80%로 많은 차이를 보였다.

Keywords

References

  1. D. Park, I. Ryu, K. Byun, S. Lee, and J. Kwon, "An analysis on short-range-radar characteristic for developing object detecting system," J. KICS, vol. 39, no. 12, pp. 1267-1279, Dec. 2014.
  2. J. W. Davis, "Hierarchical motion history images for recognizing human motion," in Proc. IEEE Workshop Detection and Recognition of Events in Video, 2001, pp. 39-46, Vancouver, BC, Canada, 2001.
  3. M. A. R. Ahad, J. K. Tan, H. Kim, and S. Ishikawa, "Motion history image: its variants and applications," Machine Vision Appl., vol. 23, no. 6, pp. 255-281, Mar. 2012. https://doi.org/10.1007/s00138-010-0298-4
  4. G. R. Bradski and J. W. Davis, "Motion segmentation and pose recognition with motion history gradients," Machine Vision Appl., vol. 13, no. 3, pp. 174-184, Jul. 2002. https://doi.org/10.1007/s001380100064
  5. M. Sonka, V. Hlavac, and R. Boyle, Image processing, analysis, and machine vision, 3rd Ed., Thomson, 2008.
  6. I. Oh, Computer Vision, Hanbit Academy, 2014.
  7. H. Oh and J. Choi, "A recognition algorithm of car license plate using edge projection and directivity vector," J. KICS, vol. 7, no. 1, pp. 83-92, Feb. 2009.
  8. P. Viola and M. J. Jones, "Robust real-time face detection," Int. J. Computer Vision, vol. 57, no. 2, pp. 137-154, May 2004. https://doi.org/10.1023/B:VISI.0000013087.49260.fb
  9. C. Lee and D. Ding, "An adaptive road ROI determination algorithm for lane detection," J. IEIE, vol. 51, no. 1, pp. 116-125, Jan. 2014. https://doi.org/10.5573/ieie.2014.51.1.116
  10. Z. Zoran, "Improved adaptive Gaussian mixture model for background subtraction," in Proc. Int. Conf. Pattern Recognition, vol. 2, pp. 28-31, 2004.
  11. S. Narayan, "Vision-based vehicle detection and tracking method for forward collision warning in automobiles," in Proc. IEEE Intell. Veh. Symp., vol. 2, pp. 626-631, 2002.
  12. K. Lim and J. Lee, "Moving object detection algorithm for surveillance system," J. KICS, vol. 30, no. 1C, pp. 44-53, Jan. 2005.
  13. J. M. Ban, B. Lee, and H. Kang, "Vehicle recognition using NMF in urban scene," J. KICS, vol. 37, no. 7, pp. 554-564, 2012. https://doi.org/10.7840/KICS.2012.37.7C.554
  14. A. F. Bobick and J. W. Davis, "The recognition of human movement using temporal templates," Pattern Anal. Machine Intell., vol. 23, no. 3, pp. 257-267, Aug. 2002.

Cited by

  1. A Study of Sensor Fusion using Radar Sensor and Vision Sensor in Moving Object Detection vol.16, pp.2, 2017, https://doi.org/10.12815/kits.2017.16.2.140
  2. 우천 상황에 강인한 CLAHE를 적용한 Adaboost 기반 차량 검출 방법 vol.41, pp.12, 2015, https://doi.org/10.7840/kics.2016.41.12.1978
  3. 관심 영역 기반의 자동 노출 조절 알고리즘을 적용한 다중 노출 차량용 스마트 카메라의 설계 및 구현 vol.42, pp.1, 2017, https://doi.org/10.7840/kics.2017.42.1.181