Journal of KIISE:Software and Applications (한국정보과학회논문지:소프트웨어및응용)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Detecting and Tracking Vehicles at Local Region by using Segmented Regions Information

분할 영역 정보를 이용한 국부 영역에서 차량 검지 및 추적

  • Published : 2007.10.15
Download PDF
⟨ Previous Next ⟩

Abstract

The novel vision-based scheme for real-time extracting traffic parameters is proposed in this paper. Detecting and tracking of vehicle is processed at local region installed by operator. Local region is divided to segmented regions by edge and frame difference, and the segmented regions are classified into vehicle, road, shadow and headlight by statistical and geometrical features. Vehicle is detected by the result of the classification. Traffic parameters such as velocity, length, occupancy and distance are estimated by tracking using template matching at local region. Because background image are not used, it is possible to utilize under various conditions such as weather, time slots and locations. It is performed well with 90.16% detection rate in various databases. If direction, angle and iris are fitted to operating conditions, we are looking forward to using as the core of traffic monitoring systems.

본 논문에서는 교통 모니터링 시스템에 사용할 수 있는 국부 영역에서 차량 검지와 추적을 수행하는 새로운 기법을 제안하다. 차량 검지와 추적은 각 차선에 미리 설정된 영역에서만 이루어진다. 각 차선에 설정된 국부 영역을 에지 특성과 프레임 차이를 이용하여 여러 개의 분할 영역으로 나누고 분할영역의 통계적 특성과 기하학적 특성에 의해 차량, 도로, 그림자와 전조등 영역으로 분류하여 차량을 검출한다. 검출된 차량은 에지 영상의 정합에 의해 국부 영역내에서 추적하여 차량 속도, 길이, 차간 거리와 도로 점유율과 같은 교통 정보를 산출할 수 있다. 배경 영상을 사용하지 않으므로 다양한 조건에서 사용이 가능하고 다양한 기상, 시간대와 장소에서 90.16%의 높은 차량 검출의 정확도를 나타냈다. 동작 환경에서 카메라의 각도, 방향과 조리개 설정이 조정되면 아주 높은 정확도의 교통 모니터링 시스템의 핵심기술로 사용될 수 있을 것으로 기대된다.

Keywords

References

  1. Y. Park, 'Shape-resolving local thresholding for object detection,' Pattern Recognition Letters, Vol. 22, No. 8, pp. 883-890, 2001 https://doi.org/10.1016/S0167-8655(01)00034-4
  2. S. Gupte, et al., 'Detection and Classification of Vehicles,' IEEE Transactions on Intelligent Transportation Systems, Vol. 3, No. 1, pp. 37-47, 2002 https://doi.org/10.1109/6979.994794
  3. D. Koller, et al., 'Robust Multiple Car Tracking with Occlusion Reasoning,' Proceedings of 3rd European Conference on Computer Vision, Vol. 1, pp. 189-196, 1994
  4. Y. Jung and Y. Ho, 'Traffic Parameter Extraction using Video-based Vehicle Tracking,' Proceedings of IEEE International Conference on ITS, pp. 764-766, 1999
  5. B. Maurin, et al., 'Monitoring Crowded Traffic Scenes,' Proceedings of IEEE 5th International Conference on Intelligent Transportation Systems, pp. 19-24, 2002
  6. L.D. Stefano and E. Viarani, 'Vehicle Detection and Tracking Using the Block Matching Algorithm,' Proceeding of 3rd IMACE/IEEE, Vol. 1, pp. 4491-4496, 1999
  7. R. Cucchiara, M. Piccardi, and P. Mello, 'Image Analysis and Rule-Based Reasoning for a Traffic Monitoring System,' IEEE Transactions on Intelligent Transportation Systems, Vol. 1, No. 2, pp. 119-130, 2000 https://doi.org/10.1109/6979.880969
  8. Andrew H.S. Lai and Nelson H.C. Yung, 'Vehicle-Type Identification Through Automated Virtual Loop Assignment and Block-Based Direction- Biased Motion Estimation,' IEEE Transactions on Intelligent Transportation Systems, Vol. 1, No. 2, pp. 86-97, 2000 https://doi.org/10.1109/6979.880965
  9. L. Wixson, K. Hanna, and D. Mishra, 'Illumination Assessment for Vision-Based Traffic Monitoring,' 1998 IEEE Workshop on Visual Surveillance, pp. 34-41, 1998
  10. D. Gao, J. Zhou and L Zin, 'SVM-based Detection of Moving Vehicles for Automatic Traffic Monitoring,' IEEE Intelligent Transportation Systems Conference Proceedings,' pp. 745-749, 2001
  11. C.L. Wan and K.W. Dickinson, 'Computer Vision and Neural Networks for Traffic Monitoring,' IEE Conference on Road Traffic Monitoring, pp. 143-147, 1992
  12. S.Mantri and D. Bullock, 'A Neural Network Based Vehicle Detection and Tracking System,' Proceedings of the Twenty-Seventh Southeastern Symposium on System Theory, pp. 279-283, 1995
  13. P.G. Michalopoulos, 'Vehicle Detection Video Through Image Processing: The Autoscope System,' IEEE Transactions on Vehicular technology Vol. 40, No. 1, pp. 21-29, 1991 https://doi.org/10.1109/25.69968
  14. B.L. Tseng, C.Y. Lin and J.R. Smith, 'Real-Time Video Surveillance for Traffic Monitoring Using Virtual Line Analysis,' Proceedings of IEEE International Conference on Multimedia and Expo, pp. 541-544, 2002
  15. Z. Zhu, et al., 'VISATRAM: A Real-Time Vision System for Automatic Traffic Monitoring,' Image and Vision Computing, Vol. 18, No. 10, pp. 781-794, 2000 https://doi.org/10.1016/S0262-8856(99)00046-3
  16. R. Crane, A Simplified Approach to Image Processing, Prentice-Hall, 1997
  17. S. Marchand-Maillet and Y.M. Sharaiha, Binary Digital Image Processing, Academic Press, 2000
  18. 이대호, 박영태, '시공간 영상 분석에 의한 강건한 교통 모니터링 시스템', 정보과학회논문지: 소프트웨어 및 응용, 제31권, 제11호, 2004
  19. 이대호, 박영태, '영역 분류와 시공간 영상 분석에 의한 실시간 교통정보 파라메터 산출 기법', 제12회 영상 처리 및 이해에 관한 워크샵 발표 논문집, 2000