Abstract
In this study, 3-D object recognition and restoration independent of the object translation for automotive kind recognition in parking administration system using an ultrasonic sensor array, neural networks and invariant moments are presented. Using invariant moment vectors of the acquired data 16$\times$8 pixels, 3-D objects could be classified by SCL (Simple Competitive Learning) neural networks. Modified SCL neural networks using the 16$\times$8 low resolution image was used for object restoration of 32$\times$32 high resolution image. Invariant moment vectors kept constant independent of the object translation. The recognition rates for the training and the testing data were 98[%] and 95[%], respectively. The experimental results have shown that ultrasonic sensor array with the neural networks could be applied for the detection of the automobiles and classification of the automotive kind.
본 논문에서는 초음파센서 배열과 신경회로망 및 불변모멘트 벡터를 이용하여 물체의 위치이동에 무관한 3차원 물체인식과 복원을 연구함으로서 추차관리 시스템의 차종인식 응용가능성에 대하여 검토하였다. 초음파센서 배열로부터 얻어진 16$\times$8 픽셀의 데이터를 이용하여 물체의 불변모멘트 벡터를 계산하고 이를 SCL(Simple Competitive Leverning)신경회로망에 입력하여 3차원 물체를 분류하였으며, 저해상도인 16$\times$8 픽셀의 물체정보를 SCL 수정형 신경회로망에 입력하여 32$\times$32 픽셀로 해상도를 향상시켜 3차원 물체복원을 하였다. 물체의 위치가 변하여도 불변모멘트 벡터는 일정한 값을 유지하였고, 학습 후 인식율은 학습데이터의 경우는98[%]이고 시험데이터의 경우 95[%]이었으며, 3차원 32$\times$32 픽셀의 고해상도 물체정보로 복원하였다. 실험결과로부터 신경회로망과 연계된 초음파 센서는 차량의 감지뿐만 아니라 차종의 구분에도 응용가능할 것으로 생각된다.