KR100818317B1 - Method for recognizing a vehicle using the difference image - Google Patents
Method for recognizing a vehicle using the difference image Download PDFInfo
- Publication number
- KR100818317B1 KR100818317B1 KR1020060063859A KR20060063859A KR100818317B1 KR 100818317 B1 KR100818317 B1 KR 100818317B1 KR 1020060063859 A KR1020060063859 A KR 1020060063859A KR 20060063859 A KR20060063859 A KR 20060063859A KR 100818317 B1 KR100818317 B1 KR 100818317B1
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- image
- edge
- window
- virtual window
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 이동하는 차량을 인식하는 방법에 관한 것으로서, 더욱 상세하게는 카메라로 촬영한 일정 시간 간격의 두 영상을 대상으로 감산 오퍼레이션을 통한 차영상(difference image)을 획득하고, 획득한 차영상에 윈도우 추적 방법을 적용하여 후보 영역을 구한 후, 후보 영역에 대하여 영상 처리를 실시함으로써 이동하는 차량을 인식하는 방법에 관한 것이다.The present invention relates to a method of recognizing a moving vehicle, and more particularly, to obtain a difference image through a subtraction operation on two images of a predetermined time interval taken by a camera, and to obtain the difference image. The present invention relates to a method of recognizing a moving vehicle by obtaining a candidate region by applying a window tracking method and then performing image processing on the candidate region.
본 발명에 따른 차영상을 이용한 이동 차량 인식 방법은, 이동 차량을 인식하고자 하는 목표 영상과, 목표 영상의 바로 이전에 촬영된 비교 영상으로부터 차영상(difference image)을 산출하는 단계와; 상기 산출된 차영상에 대하여 가상 윈도우(virtual window)를 이동시켜가며, 가상 윈도우 내의 영역에 대한 화소별 이진값의 합을 산출하는 윈도우 추적(window tracking) 방법을 적용함으로써, 차량이 존재하는 것으로 추정되는 차량 검출 영역을 선정하는 단계와; 목표 영상을 에지 변환하여 에지 이미지(edge image)를 구하는 단계와; 상기 에지 변환 단계에서 구해진 에지 이미지의 차량 검출 영역 내부에서 얻어지는 형상 패턴과 기입력되어 있는 모델 차량의 형상 패턴을 서로 비교하는 패턴 비교 단계와; 상기 패턴 비교 단계에서 각 패턴이 서로 유사한 것으로 판별되는 경우, 해당 에지 정보로부터 선행 차량에 대한 차량 정보를 검출하는 단계;를 포함하여 구성되는 점을 특징으로 한다.According to an aspect of the present invention, there is provided a method for recognizing a moving vehicle, comprising: calculating a difference image from a target image to be recognized by a moving vehicle and a comparison image photographed immediately before the target image; It is assumed that a vehicle exists by moving a virtual window with respect to the calculated difference image and applying a window tracking method that calculates a sum of binary values of pixels for an area within the virtual window. Selecting a vehicle detection area to be used; Obtaining an edge image by edge transforming the target image; A pattern comparison step of comparing a shape pattern obtained in the vehicle detection area of the edge image obtained in the edge conversion step with a shape pattern of a model vehicle which is previously input; When it is determined that each pattern is similar to each other in the pattern comparison step, detecting the vehicle information for the preceding vehicle from the corresponding edge information; characterized in that it comprises a.
차량 인식, 차영상(difference image), 윈도우 추적, 에지 필터 Vehicle Recognition, Difference Image, Window Tracking, Edge Filter
Description
도 1은 본 발명이 적용되는 선행차량 추돌경보장치의 구성을 나타내는 블록도.1 is a block diagram showing the configuration of a preceding vehicle collision warning device to which the present invention is applied.
도 2는 본 발명의 일실시예에 따른 차영상을 이용한 이동 차량 인식 방법을 나타내는 순서도.2 is a flowchart illustrating a method for recognizing a moving vehicle using a vehicle image according to an embodiment of the present invention.
도 3은 도 2에 도시된 차영상 산출 단계의 차영상 산출 과정을 나타내는 도면.3 is a view illustrating a difference image calculating process of the difference image calculating step illustrated in FIG. 2.
도 4는 도 2에 도시된 에지 변환 단계의 에지 변환 과정을 나타내는 도면.FIG. 4 is a diagram illustrating an edge transformation process of the edge transformation step shown in FIG. 2. FIG.
도 5는 도 2에 도시된 차량 검출 영역 산출 단계를 상세히 나타내는 순서도.FIG. 5 is a flowchart showing details of the vehicle detection region calculation step shown in FIG. 2; FIG.
<도면의 주요 부분에 대한 부호의 설명><Explanation of symbols for the main parts of the drawings>
10 : 카메라부 20 : 영상 획득부10: camera unit 20: image acquisition unit
30 : 영상 저장부 40 : 중앙 처리부30: image storage unit 40: central processing unit
50 : 알람 처리부 60 : 알람 장치50: alarm processing unit 60: alarm device
본 발명은 이동하는 차량을 인식하는 방법에 관한 것으로서, 더욱 상세하게는 카메라로 촬영한 일정 시간 간격의 두 영상을 대상으로 감산 오퍼레이션을 통한 차영상(difference image)을 획득하고, 획득한 차영상에 윈도우 추적 방법을 적용하여 후보 영역을 구한 후, 후보 영역에 대하여 영상 처리를 실시함으로써 이동하는 차량을 인식하는 방법에 관한 것이다.The present invention relates to a method of recognizing a moving vehicle, and more particularly, to obtain a difference image through a subtraction operation on two images of a predetermined time interval taken by a camera, and to obtain the difference image. The present invention relates to a method of recognizing a moving vehicle by obtaining a candidate region by applying a window tracking method and then performing image processing on the candidate region.
일반적으로 차량과 같은 물체가 이동하는 도중에 전방에 존재하는 장애물을 인지하여 이에 대한 조치를 취하기 위해서는, 카메라로 전방을 촬영한 영상을 처리하여 장애물에 대한 크기 및 위치 등에 대한 정보를 인식하는 영상 인식 장치가 널리 활용되고 있다.In general, in order to recognize an obstacle present in front of an object such as a vehicle and to take action, an image recognition device that recognizes information about the size and location of the obstacle by processing an image photographed by the camera. Is widely used.
이러한 영상 인식 장치는 자동차, RT(Robot Technology) 또는 AGV(Automated Guided Vehicle) 등의 분야에 적용될 수 있는데, 특히 자동차 분야에서는 고속 주행시에도 정확한 차량 인식을 보장해야 하기 때문에 타 분야에 비하여 기술적 난이도가 높은 것으로 간주되고 있다. The image recognition device may be applied to fields such as automobiles, robot technology (RT) or automated guided vehicles (AGV). In particular, in the automobile field, accurate vehicle recognition must be guaranteed even at high speeds. Is considered.
자동차 분야에서도 현재 고기능화, 지능화가 진행되고 있는 첨단안전차량(Advanced Safety Vehicle; ASV) 관련 분야는 차량 인식 장치의 주요 적용 대상으로, 부주의한 운전 방지를 위한 선행 차량 추돌경보장치(Front Obstacle Warning System), 초보자의 주차를 돕기 위한 후방 주차 가이드, 위험한 상황에서 브레이크를 작동시켜 충돌을 방지하는 장치 등 각국의 자동차 메이커에서 그 적용 범위를 넓혀가고 있는 추세이므로 향후 관련 시장이 더욱 확대될 것으로 예상된다.Advanced safety vehicle (ASV) related fields, which are currently being highly functionalized and intelligent in the automotive field, are the main applications of vehicle recognition devices, and the front obstacle warning system for preventing inadvertent driving. In addition, the market is expected to expand further in the future, as carmakers in each country are expanding their range of applications, such as rear parking guides to help beginners park, and brakes to prevent collisions in dangerous situations.
이동하는 자동차에서 선행 차량을 인식하기 위한 종래의 영상 인식 장치는 인식하려는 목표물의 영상을 카메라를 이용하여 획득한 후, 디지털 영상 처리 기술을 이용하여 목표물의 특징을 추출하고, 이 특징을 이용하여 목표물을 확인하는 영상 처리 과정을 수행한다. 여기서, 대부분의 종래 영상 인식 장치는 촬영된 목표물 영상에 대하여 에지 필터(edge filter)와 같은 하나의 영상 필터를 적용하여 얻어지는 에지 정보에 대하여 패턴(pattern)을 분석하는 방법을 통해 선행 차량을 인식한다.A conventional image recognition apparatus for recognizing a preceding vehicle in a moving vehicle acquires an image of a target to be recognized using a camera, and then extracts a feature of the target by using digital image processing technology, and uses the feature to extract the target. Perform the image processing process to check. Here, most conventional image recognition apparatuses recognize a preceding vehicle through a method of analyzing a pattern on edge information obtained by applying one image filter such as an edge filter to a captured target image. .
그러나, 이와 같은 종래의 차량 인식 방법은 특정 시간에 획득한 단일 영상에 대하여 단순한 영상 필터링 작업만을 수행하여 차량을 인식하기 때문에, 획득한 영상에 노이즈(noise)나, 선행 차량과 유사한 형태의 건축물 등이 포함되어 있는 경우에 선행 차량에 대한 인식률이 떨어지는 문제점이 있다.However, such a conventional vehicle recognition method recognizes a vehicle by performing only a simple image filtering operation on a single image acquired at a specific time, so that the acquired image is noisy, a building similar to a preceding vehicle, or the like. If it is included there is a problem that the recognition rate for the preceding vehicle is lowered.
본 발명은 상기한 종래 기술에 따른 차량 인식 방법의 문제점을 해결하기 위한 것이다. 즉, 본 발명의 목적은, 차영상을 통해 이동 차량이 존재할 가능성이 높은 차량 검출 영역을 미리 산출하고, 목표 영상으로부터 에지 변환된 이미지 중에서 상기 차량 검출 영역의 에지 정보에 대한 패턴 비교를 수행함으로써, 이동 차량에 대한 인식률을 향상시킬 수 있고, 촬영된 영상의 노이즈 성분에 영향을 적게 받는 강인한 차량 인식 방법을 제공하는 데에 있다.The present invention is to solve the above problems of the vehicle recognition method according to the prior art. That is, an object of the present invention is to calculate a vehicle detection area in which a moving vehicle is likely to exist through a vehicle image in advance, and perform a pattern comparison on edge information of the vehicle detection area in an edge-converted image from a target image. The present invention provides a robust vehicle recognition method capable of improving the recognition rate of a moving vehicle and being less affected by noise components of a captured image.
상기의 목적을 달성하기 위한 기술적 사상으로서의 본 발명은,The present invention as a technical idea for achieving the above object,
이동 차량을 인식하고자 하는 목표 영상과, 목표 영상의 바로 이전에 촬영된 비교 영상으로부터 차영상(difference image)을 산출하는 단계와; 상기 산출된 차영상에 대하여 가상 윈도우(virtual window)를 이동시켜가며, 가상 윈도우 내의 영역에 대한 화소별 이진값의 합을 산출하는 윈도우 추적(window tracking) 방법을 적용함으로써, 차량이 존재하는 것으로 추정되는 차량 검출 영역을 선정하는 단계와; 목표 영상을 에지 변환하여 에지 이미지(edge image)를 구하는 단계와; 상기 에지 변환 단계에서 구해진 에지 이미지의 차량 검출 영역 내부에서 얻어지는 형상 패턴과 기입력되어 있는 모델 차량의 형상 패턴을 서로 비교하는 패턴 비교 단계와; 상기 패턴 비교 단계에서 각 패턴이 서로 유사한 것으로 판별되는 경우, 해당 에지 정보로부터 선행 차량에 대한 차량 정보를 검출하는 단계;를 포함하여 구성되는 것을 특징으로 하는 차영상을 이용한 이동 차량 인식 방법을 제공한다.Calculating a difference image from a target image to recognize a moving vehicle and a comparison image photographed immediately before the target image; It is assumed that a vehicle exists by moving a virtual window with respect to the calculated difference image and applying a window tracking method that calculates a sum of binary values of pixels for an area within the virtual window. Selecting a vehicle detection area to be used; Obtaining an edge image by edge transforming the target image; A pattern comparison step of comparing a shape pattern obtained in the vehicle detection area of the edge image obtained in the edge conversion step with a shape pattern of a model vehicle which is previously input; In the pattern comparison step, if it is determined that each pattern is similar to each other, detecting the vehicle information for the preceding vehicle from the corresponding edge information; provides a mobile vehicle recognition method using a vehicle image, characterized in that it comprises a. .
이하, 본 발명의 바람직한 실시예를 첨부 도면에 의거하여 상세하게 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.
먼저, 본 발명의 일실시예에 따른 차영상을 이용한 이동 차량 인식 방법에 대하여 설명하기에 앞서, 본 발명이 적용되는 선행차량 추돌경보장치에 대하여 설명하기로 한다.First, prior to explaining a mobile vehicle recognition method using a vehicle image according to an embodiment of the present invention, a prior vehicle collision warning device to which the present invention is applied will be described.
도 1은 본 발명이 적용되는 선행차량 추돌경보장치의 구성을 나타내는 블록도이다.1 is a block diagram showing the configuration of a preceding vehicle collision warning device to which the present invention is applied.
본 발명이 적용되는 선행차량 추돌경보장치는 주행 차량 내에 탑재되어 선행 차량과의 거리를 인식함으로써 운전자에게 추돌 위험을 경고해주는 장치인데,도 1 에 도시된 바와 같이, 선행 차량을 포함한 전방 영상을 촬영하는 카메라부(10)와, 카메라부(10)에서 촬영되는 영상으로부터 디지털 영상 데이터를 획득하는 영상 획득부(Frame Grabber; 20)와, 영상 획득부(20)로부터 전달받은 영상 데이터를 저장하는 영상 저장부(30)와, 영상 저장부(30)에 저장된 영상 데이터를 독출하고 독출된 영상 데이터로부터 선행 차량을 인식하는 중앙 처리부(40)와, 운전자에게 알람을 발생시켜주는 알람 장치(60) 및 중앙 처리부(40)로부터 전달받은 선행 차량 정보에 따라 차량간의 거리 및 추돌 경보 등을 알람 장치를 통하여 출력해주는 알람 처리부(50)를 포함하여 구성된다.The preceding vehicle collision warning device to which the present invention is applied is a device mounted in a driving vehicle and warning the driver of a collision risk by recognizing a distance from the preceding vehicle. As shown in FIG. 1, a front image including a preceding vehicle is photographed. An
여기서, 영상 획득부(20)는 카메라부(10)로부터 촬영된 아날로그 영상 신호를 입력 받아 미리 설정된 초당 프레임(Frame Per Second)과 해상도를 가지는 디지털 영상 신호로 변환하여 출력한다.Here, the
중앙 처리부(40)는 영상 저장부(30)에 저장된 영상 데이터 즉 영상 프레임을 독출하여, 차량 인식 알고리즘을 적용하여 영상 처리를 함으로써, 영상 프레임 내에 위치한 선행 차량을 인식하게 된다. 또한, 중앙 처리부(40)는 이와 같이 인식된 선행 차량의 정보 중 차량의 위치 정보를 이용하여 선행 차량과 주행 차량의 거리를 산출하고, 이에 따라 추돌 위험 여부를 판단한다.The
본 발명은 상기한 중앙 처리부(40)에서 주행 차량에서 전방을 촬영한 영상으로부터 선행 차량을 인식하는 차량 인식 방법에 관한 것으로서, 이하 본 발명의 일실시예에 따른 차영상을 이용한 이동 차량 인식 방법에 대하여 도 2에 도시된 순서 도를 참조하여 상세히 설명하기로 한다.The present invention relates to a vehicle recognition method for recognizing a preceding vehicle from an image photographed in front of a driving vehicle by the
먼저, 목표 영상과 목표 영상의 바로 이전에 촬영된 비교 영상으로부터 차영상(difference image)을 산출한다(S110). 즉, 도 3에 도시된 바와 같이, 차량을 인식하고자 하는 특정 시점(T(k))에서의 영상 이미지로부터 그 바로 이전 시점(T(k-1))에 얻어진 영상 이미지를 감산함으로써, 주행 차량과 선행 차량의 속도 차이로 인해 발생하는 두 영상의 차이를 나타내는 차영상을 산출한다.First, a difference image is calculated from a target image and a comparison image photographed immediately before the target image (S110). That is, as shown in FIG. 3, the traveling vehicle is subtracted by subtracting the video image obtained at the previous time point T (k-1) from the video image at the specific time point T (k) to be recognized. And a difference image representing the difference between the two images generated due to the difference in speed of the preceding vehicle.
이후, 상기 S110 단계로부터 산출된 차영상에 대하여 윈도우 추적(window tracking) 방법을 적용하여 차량이 존재하는 것으로 추정되는 차량 검출 영역을 선정한다(S120). 여기서, 윈도우 추적 방법이란, 영상 이미지 상에 장방형의 가상 윈도우(virtual window)를 이동시켜가며 영상 이미지 전체 영역을 스캔하면서, 가상 윈도우 내의 영상 영역에 대한 특징을 산출하는 방법으로서, 이에 대해서는 후술하여 상세히 설명하기로 한다.Thereafter, the vehicle detection area in which the vehicle is estimated to be present is selected by applying a window tracking method to the difference image calculated from the step S110 (S120). Here, the window tracking method is a method of calculating a feature of an image region within a virtual window while scanning a whole image region by moving a rectangular virtual window on the image image. Let's explain.
상기 차량 검출 영역 산출 단계(S120)에서 산출된 차량 검출 영역이 존재하는 경우, 목표 영상을 에지 변환하여 에지 이미지(edge image)를 얻고(S130), 산출된 차량 검출 영역이 존재하지 않는 경우, 차량 인식 과정 전체를 종료한다.When the vehicle detection area calculated in the vehicle detection area calculation step S120 exists, an edge image is obtained by performing edge conversion on a target image (S130), and when the calculated vehicle detection area does not exist, the vehicle is detected. Terminate the entire recognition process.
상기 에지 변환 단계(S130)에서는, 도 4의 (a)와 같이 컬러 색상 정보로 구성된 목표 영상에 에지 필터를 적용하여 도 4의 (b)와 같은 이진화된 색상 정보로 구성된 에지 영상으로 변환하는데, 에지 필터로는 에지 검출 성능이 우수한 소벨 에지 필터(Sobel Edge Filter)를 사용하는 것이 바람직하다. 소벨 에지 필터를 이용하는 경우, 필터 임계값을 미리 설정하고 임계값 보다 작은 명도값을 가지는 지 점은 0의 값으로 변환하고 그보다 큰 명도값을 가지는 지점은 1의 값으로 변환함으로써, 목표 영상에 대한 이진화된 에지 정보를 얻게 된다. 여기서 상기 임계값은 50 ~ 60으로 설정하는 것이 바람직하다.In the edge conversion step (S130), the edge filter is applied to a target image composed of color color information as shown in FIG. 4A, and is converted into an edge image composed of binary color information as illustrated in FIG. 4B. As the edge filter, it is preferable to use a Sobel Edge Filter having excellent edge detection performance. When using a Sobel edge filter, the filter threshold value is preset, and a point having a brightness value smaller than the threshold value is converted to a value of 0, and a point having a brightness value larger than that value is converted to a value of 1, so that Binary edge information is obtained. The threshold is preferably set to 50 to 60.
상기 에지 변환 단계(S130)가 완료되면, 에지 이미지의 차량 검출 영역 내의 가로, 세로 에지 정보로부터 얻어지는 형상 패턴과 기입력되어 있는 모델 차량의 형상 패턴을 서로 비교하는 패턴 비교 단계(S140)를 수행한다. 형상 패턴은 다양한 기하학적 정보를 이용한 패턴을 이용할 수 있는데, 예를 들면 아래의 수학식 1과 같은 원근법에 따른 지평선 상의 차량 폭(width of vehicle) 계산식을 이용하여, 해당 차량 검출 영역 내에 모델 차량이 위치한 경우 산출되는 차량 폭과 상기 에지 정보로부터 얻어지는 가록 폭을 서로 비교함으로써, 형상 패턴의 유사 여부를 판별할 수 있게 된다.When the edge conversion step (S130) is completed, a pattern comparison step (S140) is performed in which the shape pattern obtained from the horizontal and vertical edge information in the vehicle detection area of the edge image and the shape pattern of a model vehicle that are inputted are compared with each other. . The shape pattern may use a pattern using various geometric information. For example, a model vehicle may be located in a corresponding vehicle detection area by using a calculation of a width of vehicle on a horizon according to a perspective such as
(여기서,(here,
col : 카메라의 세로축 해상도 (화소수),col: the vertical resolution of the camera (pixels),
a : CCD 셀의 가로축 길이,a is the horizontal axis length of the CCD cell,
F : 렌즈의 초점거리,F: focal length of the lens,
θ : 카메라가 지평선과 이루는 각도,θ: the angle of the camera to the horizon,
X : 모델 차량 폭 (예: 일반차량 = 2.0m),X: model vehicle width (e.g. regular vehicle = 2.0m),
z : 차량 검출 영역 하단과 카메라의 거리(m))z: Distance of camera below the vehicle detection area (m))
여기서, 상기한 차량 폭 이외에도 그와 유사한 방법으로 차량 높이를 산출하여 패턴 비교에 이용할 수도 있다. 또한, 모델 차량의 기하학적 형상 패턴은 차종에 따라 변경될 수 있으므로, 가능한 다양한 차종의 형상 패턴과 비교함으로써 정확도를 향상시키는 것이 바람직하다.Here, in addition to the vehicle width described above, the vehicle height may be calculated and used for pattern comparison in a similar manner. In addition, since the geometric pattern of the model vehicle can be changed according to the vehicle type, it is desirable to improve the accuracy by comparing with the shape patterns of the various vehicle types as possible.
상기 패턴 비교 단계(S140)에서 패턴이 유사한 것으로 판별되는 경우, 해당 에지 정보로부터 선행 차량에 대한 위치 및 크기 등의 차량 정보를 검출하고(S150), 유사하지 않은 것으로 판별되는 경우, 목표 영상 내에 차량이 존재하지 않는 것으로 판단하고 차량 인식 과정을 종료한다.When it is determined that the patterns are similar in the pattern comparison step (S140), vehicle information such as the position and size of the preceding vehicle is detected from the corresponding edge information (S150), and when it is determined that they are not similar, the vehicle in the target image It is determined that it does not exist and the vehicle recognition process ends.
최종적으로 모델 차량과 유사한 패턴의 에지 영상으로 판단되는 경우, 해당 에지 영상을 차량으로 인정하고 이를 검출한다(S150).Finally, when it is determined that the edge image of the pattern similar to the model vehicle, the corresponding edge image is recognized as a vehicle and detected (S150).
한편, 상기 에지 변환 단계(S130)에서, 목표 영상 전체를 에지 변환하는 대신, 상기 차량 검출 영역 산출 단계(S120)에서 얻어진 차량 검출 영역만을 에지 변환함으로써, 에지 변환에 소요되는 계산 시간을 단축시킬 수도 있다.On the other hand, in the edge conversion step (S130), instead of edge conversion of the entire target image, edge conversion of only the vehicle detection area obtained in the vehicle detection area calculation step (S120) may reduce the calculation time required for edge conversion. have.
이하, 영상 이미지의 좌측 하단을 원점으로 하고 가로 방향을 x축, 세로 방향을 y축으로 하는 2차원 좌표계를 설정하고, 도 5를 참조하여 전술한 차량 검출 영역 산출 단계(S120)에 대하여 상세히 설명하기로 한다. Hereinafter, a two-dimensional coordinate system in which the lower left side of the video image is the origin, the horizontal direction is the x-axis, and the vertical direction is the y-axis is set, and the vehicle detection area calculating step S120 described above with reference to FIG. Let's do it.
먼저, 차영상 산출 단계(S110)에서 얻어진 차영상을 이진화하고, 카메라의 초점 거리 및 장착 각도와 실제 차량의 폭을 고려하여 가상 윈도우의 초기 크기를 결정한다. 여기서, 특정 임계값을 기준으로 차영상의 각 화소별 명도값을 이진화함 으로써 이진화된 차영상 데이터를 얻을 수 있다.First, the difference image obtained in the difference image calculation step S110 is binarized, and the initial size of the virtual window is determined in consideration of the focal length and mounting angle of the camera and the width of the actual vehicle. Here, the binarized difference image data may be obtained by binarizing brightness values of respective pixels of the difference image based on a specific threshold value.
이후, 차영상의 원점에 가상 윈도우의 좌측 하단 꼭지점을 위치시키고, 가상 윈도우를 일정 간격씩 이동시켜가며 각 위치의 가상 윈도우 영역의 내부에서 각 화소별 이진값을 모두 합산한 이미지합을 산출하는 윈도우 추적을 수행한다. 여기서, 도 5의 (a)에서와 같이, 가상 윈도우를 x좌표 방향을 따라 일정 간격(Δx) 만큼 이동시키고, 차영상의 우측 끝에 이르면, 도 5의 (b)와 같이, y좌표 방향으로 일정 간격(Δx) 만큼 이동시키는 동시에, 원근을 고려하여 가상 윈도우의 크기를 일정 비율로 감소시켜 다시 초기의 x좌표 위치부터 좌에서 우로 가상 윈도우를 이동시킨다.Thereafter, the lower left corner of the virtual window is positioned at the origin of the difference image, the virtual window is moved at regular intervals, and the window calculates an image sum obtained by summing all binary values of each pixel in the virtual window region at each position. Perform a trace. Here, as shown in (a) of FIG. 5, the virtual window is moved by a predetermined interval Δx along the x-coordinate direction, and when the right end of the difference image is reached, as shown in (b) of FIG. 5, it is fixed in the y-coordinate direction. While moving by the interval Δx, the virtual window is reduced in proportion to the perspective, and the virtual window is moved from the initial x coordinate position to the left to right again.
차영상 전체 영역에 대한 윈도우 추적이 완료되면, 가상 윈도우가 이동한 각 위치에서 해당 가상 윈도우의 넓이 대비 이미지합을 비교하여 최대값을 가지는 위치를 판별하고, 도 5의 (c)와 같이 해당 위치에서의 가상 윈도우 영역을 차량 검출 영역으로 설정한다. 여기서, 최종적으로 산출된 가상 윈도우의 넓이 대비 이미지합의 최대값은 미리 지정된 일정값 이상이 되는 경우에만 해당 영역을 차량 검출 영역으로 설정하게 된다.When the window tracking for the entire area of the difference image is completed, the position having the maximum value is determined by comparing the sum of the images with the width of the virtual window at each position where the virtual window is moved, and the corresponding position as shown in (c) of FIG. 5. Sets the virtual window area to the vehicle detection area. Here, the area is set as the vehicle detection area only when the maximum value of the image sum to the width of the virtual window, which is finally calculated, becomes equal to or greater than a predetermined value.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하다는 것은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백하다 할 것이다.The present invention described above is not limited to the above-described embodiments and the accompanying drawings, and various substitutions, modifications, and changes are possible in the art without departing from the technical spirit of the present invention. It will be clear to those of ordinary knowledge.
이상에서와 같이, 본 발명에 따른 차영상을 이용한 이동 차량 인식 방법은, 차영상을 통해 이동 차량이 존재할 가능성이 높은 차량 검출 영역을 미리 산출하고, 목표 영상으로부터 에지 변환된 이미지 중에서 상기 차량 검출 영역의 에지 정보에 대한 패턴 비교를 수행하기 때문에, 목표 영상에 이동 차량 이외에 건축물 등을 포함한 다양한 객체나 노이즈 성분이 포함되어 있는 경우에도, 단순히 목표 영상을 하나의 영상 필터를 이용하여 인식하는 방법에 비하여 보다 향상된 인식률을 얻을 수 있는 효과가 있다.As described above, in the mobile vehicle recognition method using the vehicle image according to the present invention, the vehicle detection region having a high possibility that the mobile vehicle exists in the vehicle image is calculated in advance, and the vehicle detection region is selected from the edge-converted images from the target image. Since the pattern comparison is performed on the edge information of the target image, even if the target image includes various objects or noise components including buildings, etc., in addition to the moving vehicle, the target image is simply compared with a method of recognizing the target image using a single image filter. There is an effect that can obtain a better recognition rate.
Claims (2)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020060063859A KR100818317B1 (en) | 2006-07-07 | 2006-07-07 | Method for recognizing a vehicle using the difference image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020060063859A KR100818317B1 (en) | 2006-07-07 | 2006-07-07 | Method for recognizing a vehicle using the difference image |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20080004926A KR20080004926A (en) | 2008-01-10 |
KR100818317B1 true KR100818317B1 (en) | 2008-03-31 |
Family
ID=39215504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020060063859A KR100818317B1 (en) | 2006-07-07 | 2006-07-07 | Method for recognizing a vehicle using the difference image |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100818317B1 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101093419B1 (en) | 2009-06-16 | 2011-12-14 | 주식회사 우일 | Crossroads traffic information real-time collection system and method thereof |
US9689191B1 (en) | 2015-10-08 | 2017-06-27 | Hyundai Motor Company | Power tailgate control device and method |
CN108389396A (en) * | 2018-02-28 | 2018-08-10 | 北京精英智通科技股份有限公司 | A kind of vehicle matching process, device and charge system based on video |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101156144B1 (en) * | 2010-10-19 | 2012-06-18 | 에스엘 주식회사 | Method and apparatus for processing image of the preceding vehicles, and control apparatus for a vehicle using the method |
KR101327032B1 (en) * | 2012-06-12 | 2013-11-20 | 현대자동차주식회사 | Apparatus and method for removing reflected light of camera image |
KR101430493B1 (en) * | 2012-09-03 | 2014-08-14 | 엘지전자 주식회사 | Electronics device and method of controlling video signal thereof |
KR101373625B1 (en) * | 2012-09-04 | 2014-03-12 | 전자부품연구원 | Method and apparatus for detecting front vehicle by compensating vehicle candidate region |
KR20160075135A (en) | 2014-12-19 | 2016-06-29 | 현대모비스 주식회사 | Vehicle System for Detecting Objects and Detecting Method |
KR101604447B1 (en) | 2015-05-26 | 2016-03-28 | 주식회사 피엘케이 테크놀로지 | Forward collision warning system and method |
CN105427615B (en) * | 2015-12-03 | 2018-03-16 | 杭州中威电子股份有限公司 | Make a dash across the red light capturing system and the method for robust under a kind of low-light (level) |
KR20170104756A (en) * | 2016-03-08 | 2017-09-18 | 광주과학기술원 | Local size specific vehicle classifying method and vehicle detection method using the classifying method |
KR20180042585A (en) * | 2016-10-18 | 2018-04-26 | 주식회사 에프에스솔루션 | Method and apparatus for vehicle start alarm |
CN111260603B (en) * | 2018-11-30 | 2024-02-02 | 金风科技股份有限公司 | Method and device for identifying blade tips of wind generating set |
US11694480B2 (en) | 2020-07-27 | 2023-07-04 | Samsung Electronics Co., Ltd. | Method and apparatus with liveness detection |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10247247A (en) | 1997-03-04 | 1998-09-14 | Oki Electric Ind Co Ltd | Moving object extracting device |
-
2006
- 2006-07-07 KR KR1020060063859A patent/KR100818317B1/en active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10247247A (en) | 1997-03-04 | 1998-09-14 | Oki Electric Ind Co Ltd | Moving object extracting device |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101093419B1 (en) | 2009-06-16 | 2011-12-14 | 주식회사 우일 | Crossroads traffic information real-time collection system and method thereof |
US9689191B1 (en) | 2015-10-08 | 2017-06-27 | Hyundai Motor Company | Power tailgate control device and method |
CN108389396A (en) * | 2018-02-28 | 2018-08-10 | 北京精英智通科技股份有限公司 | A kind of vehicle matching process, device and charge system based on video |
CN108389396B (en) * | 2018-02-28 | 2021-05-28 | 北京精英路通科技有限公司 | Vehicle type matching method and device based on video and charging system |
Also Published As
Publication number | Publication date |
---|---|
KR20080004926A (en) | 2008-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100818317B1 (en) | Method for recognizing a vehicle using the difference image | |
EP1796043B1 (en) | Object detection | |
JP6795027B2 (en) | Information processing equipment, object recognition equipment, device control systems, moving objects, image processing methods and programs | |
JP3630100B2 (en) | Lane detection device | |
KR101609303B1 (en) | Method to calibrate camera and apparatus therefor | |
JP4544028B2 (en) | In-vehicle image processing apparatus and image processing method | |
KR101176693B1 (en) | Method and System for Detecting Lane by Using Distance Sensor | |
US7231288B2 (en) | System to determine distance to a lead vehicle | |
JP4811201B2 (en) | Runway boundary line detection apparatus and runway boundary line detection method | |
US20050276450A1 (en) | Vehicle surroundings monitoring apparatus | |
US8983126B2 (en) | Method and system for detecting vehicle position by employing polarization image | |
JP2002197444A (en) | Run lane recognition device for vehicle | |
WO2017138245A1 (en) | Image processing device, object recognition device, device control system, and image processing method and program | |
US20090052742A1 (en) | Image processing apparatus and method thereof | |
US11270133B2 (en) | Object detection device, object detection method, and computer-readable recording medium | |
JP2005148817A (en) | Image processor for vehicle | |
US20180204345A1 (en) | Image processing device, object recognition device, device control system, image processing method and computer-readable medium | |
KR20140076415A (en) | Apparatus and method for providing information of blind spot | |
JP3651419B2 (en) | Environment recognition device | |
JP4123138B2 (en) | Vehicle detection method and vehicle detection device | |
JP6992356B2 (en) | Information processing equipment, image pickup equipment, equipment control system, mobile body, information processing method and program | |
CN109923586B (en) | Parking frame recognition device | |
KR100880919B1 (en) | Method for recognizing a vehicle using the multiple pattern mask | |
JP5950193B2 (en) | Disparity value calculation device, disparity value calculation system including the same, moving surface area recognition system, disparity value calculation method, and disparity value calculation program | |
JP5903901B2 (en) | Vehicle position calculation device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20130315 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20140310 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20160229 Year of fee payment: 9 |
|
FPAY | Annual fee payment |
Payment date: 20170320 Year of fee payment: 10 |
|
FPAY | Annual fee payment |
Payment date: 20180227 Year of fee payment: 11 |
|
FPAY | Annual fee payment |
Payment date: 20190305 Year of fee payment: 12 |
|
FPAY | Annual fee payment |
Payment date: 20200311 Year of fee payment: 13 |