1 |
1
차량에 설치된 카메라(10)를 이용한 위험 보행자 결정 방법으로서,(1) 상기 카메라(10)로부터 촬영되는 열 영상에 대하여, 스케일링 비율 및 보행자 탐색 영역(searching area)을 설정하고, 보행자 윈도우를 검출하는 단계;(2) 차량의 진행 방향을 고려하여 기준선(reference line)을 설정하는 단계;(3) 상기 검출된 보행자 윈도우와 기준선을 이용해, 위험 요소 벡터를 추출하는 단계; 및(4) 상기 추출된 위험 요소 벡터를 이용해 위험도 스코어를 산출하며, 상기 산출된 위험도 스코어가 임계값 이상이면 위험 보행자로 판단하는 단계를 포함하되,상기 단계 (2)는,(2-1) 차도의 경계선(boundary lines)과 소실점(vanishing point)을 이용해 최초 기준선(initial reference lines)을 설정하는 단계; 및(2-2) 차량의 진행 방향에 따라 상기 기준선을 변경시키는 단계를 포함하고,상기 단계 (2-2)는,(2-2-1) 옵티컬 플로우 및 최대우도추정법을 이용해 차량 진행 방향을 결정하는 단계; 및(2-2-2) 상기 결정된 차량 진행 방향에 따라 소실점을 이동시켜, 기준선을 변경시키는 단계를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법
|
2 |
2
제1항에 있어서, 상기 단계 (1)은,(1-1) 상기 스케일링 비율 및 보행자 탐색 영역을 설정하고, 후보 보행자 윈도우를 검출하는 단계; 및(1-2) 상기 후보 보행자 윈도우에 대하여 Haar-Like 특징 및 OCS-LBP(Oriented Center Symmetric Local Binary Patterns) 특징을 추출하고, 랜덤 포레스트 분류기에 적용하여 보행자 윈도우(bounding box of pedestrian)를 검출하는 단계를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법
|
3 |
3
제2항에 있어서, 상기 단계 (1-1)은,(1-1-1) 적응 스케일링(adaptive scaling)을 적용하여 보행자 검출을 위한 스케일링 비율을 결정하는 단계;(1-1-2) 상기 카메라(10)로부터 촬영되는 영상으로부터 보행자 탐색 영역을 설정하는 단계; 및(1-1-3) 상기 설정된 보행자 탐색 영역에서 상기 스케일링 비율을 이용해 후보 보행자 윈도우를 검출하는 단계를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법
|
4 |
4
제2항에 있어서, 상기 단계 (1-2)에서는,(1-2-1) 상기 후보 보행자 윈도우에 대하여 Haar-Like 특징 및 OCS-LBP 특징을 추출하는 단계;(1-2-2) 상기 추출한 Haar-like 특징을 2개의 레벨로 구성된 계층적 랜덤 포레스트(Cascade random forests; CaRF)의 레벨 1의 랜덤 포레스트 분류기에 적용하여 1차 검출을 하는 단계; 및(1-2-3) 상기 단계 (1-2-2)에서 검출된 후보 보행자 윈도우에 대하여, 상기 추출한 OCS-LBP 특징으로 레벨 2의 랜덤 포레스트 분류기에 적용하여 2차 검출을 통해, 최종적인 보행자 윈도우를 검출하는 단계를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법
|
5 |
5
삭제
|
6 |
6
삭제
|
7 |
7
제1항에 있어서, 상기 위험 요소 벡터는,겹침 위험도(Overlapping ratio), 움직임 방향 위험도(Movement direction ratio) 및 움직임 크기 위험도(Movement speed ratio)를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법
|
8 |
8
제7항에 있어서, 상기 단계 (3)은,(3-1) 상기 검출된 보행자 윈도우와 상기 설정된 기준선의 겹쳐진 정도로부터 겹침 위험도(Overlapping ratio)를 산출하는 단계;(3-2) 상기 보행자 윈도우에서 추출된 움직임 벡터를 이용해 움직임 방향 위험도(Movement direction ratio)를 산출하는 단계; 및(3-3) 상기 움직임 벡터의 크기와 상기 보행자 윈도우의 너비를 이용해 움직임 크기 위험도(Movement speed ratio)를 산출하는 단계를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법
|
9 |
9
제1항에 있어서, 상기 단계 (4)에서는,(4-1) 상기 추출된 위험 요소 벡터를 정규 분포 함수에 적용하여 조건부 확률을 추정하는 단계;(4-2) 상기 추정된 조건부 확률을 조합하여 위험도 스코어를 산출하는 단계; 및(4-3) 상기 산출된 위험도 스코어가 임계값 이상이면 위험 보행자로 판단하는 단계를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법
|
10 |
10
제9항에 있어서, 상기 단계 (4-2)에서는,나이브 베이즈(naBayes) 및 로그 우도(log likelihoods)를 이용하여 상기 위험도 스코어를 산출하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법
|
11 |
11
위험 보행자 결정 시스템으로서,차량에 설치되어 열 영상을 획득하는 카메라(10); 및상기 획득된 열 영상으로부터 위험 보행자를 판단하는 분석 장치(20)를 포함하며,상기 분석 장치(20)는,상기 카메라(10)로부터 촬영되는 열 영상에 대하여, 스케일링 비율 및 보행자 탐색 영역(searching area)을 설정하고, 보행자 윈도우를 검출하는 보행자 검출 모듈(100);차량의 진행 방향을 고려하여 기준선(reference line)을 설정하는 기준선 설정 모듈(200);상기 검출된 보행자 윈도우와 기준선을 이용해, 위험 요소 벡터를 추출하는 벡터 추출 모듈(300); 및상기 추출된 위험 요소 벡터를 이용해 위험도 스코어를 산출하며, 상기 산출된 위험도 스코어가 임계값 이상이면 위험 보행자로 판단하는 판단 모듈(400)을 포함하되,상기 기준선 설정 모듈(200)은,차도의 경계선(boundary lines)과 소실점(vanishing point)을 이용해 최초기준선(initial reference lines)을 기준선 설정부(210); 및차량의 진행 방향에 따라 상기 기준선을 변경시키는 기준선 변경부(220)를 포함하고,상기 기준선 변경부(220)는,옵티컬 플로우 및 최대우도추정법을 이용해 차량 진행 방향을 결정하는 방향 결정부(221); 및상기 결정된 차량 진행 방향에 따라 소실점을 이동시켜, 기준선을 변경시키는 변경 처리부(222)를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 시스템
|
12 |
12
제11항에 있어서, 상기 카메라(10)는,상기 차량의 지붕에 설치되며, 원적외선(far-infrared; FIR)을 이용해 열 영상을 획득하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 시스템
|
13 |
13
제11항에 있어서, 상기 보행자 검출 모듈(100)은,상기 스케일링 비율 및 보행자 탐색 영역을 설정하고, 후보 보행자 윈도우를 검출하는 제1 검출부(110); 및상기 후보 보행자 윈도우에 대하여 Haar-Like 특징 및 OCS-LBP(Oriented Center Symmetric Local Binary Patterns) 특징을 추출하고, 랜덤 포레스트 분류기에 적용하여 보행자 윈도우(bounding box of pedestrian)를 검출하는 제2 검출부(120)를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 시스템
|
14 |
14
제13항에 있어서, 상기 제1 검출부(110)는,적응 스케일링(adaptive scaling)을 적용하여 보행자 검출을 위한 스케일링 비율을 결정하는 스케일링부(111);상기 카메라(10)로부터 촬영되는 영상으로부터 보행자 탐색 영역을 설정하는 영역 설정부(112); 및상기 설정된 보행자 탐색 영역에서 상기 스케일링 비율을 이용해 후보 보행자 윈도우를 검출하는 후보 검출부(113)를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 시스템
|
15 |
15
제13항에 있어서, 상기 제2 검출부(120)는,상기 후보 보행자 윈도우에 대하여 Haar-Like 특징 및 OCS-LBP 특징을 추출하는 특징 추출부(121);상기 추출한 Haar-like 특징을 2개의 레벨로 구성된 계층적 랜덤 포레스트(Cascade random forests; CaRF)의 레벨 1의 랜덤 포레스트 분류기에 적용하여 1차 검출을 하는 레벨1 분류부(122); 및단계 (1-2-2)에서 검출된 후보 보행자 윈도우에 대하여, 상기 추출한OCS-LBP 특징으로 레벨 2의 랜덤 포레스트 분류기에 적용하여 2차 검출을 통해, 최종적인 보행자 윈도우를 검출하는 레벨2 분류부(122)를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 시스템
|
16 |
16
삭제
|
17 |
17
삭제
|
18 |
18
제11항에 있어서, 상기 위험 요소 벡터는,겹침 위험도(Overlapping ratio), 움직임 방향 위험도(Movement direction ratio) 및 움직임 크기 위험도(Movement speed ratio)를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 시스템
|
19 |
19
제18항에 있어서, 상기 벡터 추출 모듈(300)은,상기 검출된 보행자 윈도우와 상기 설정된 기준선의 겹쳐진 정도로부터 겹침 위험도(Overlapping ratio)를 산출하는 제1 산출부(310);상기 보행자 윈도우에서 추출된 움직임 벡터를 이용해 움직임 방향 위험도(Movement direction ratio)를 산출하는 제2 산출부(320); 및상기 움직임 벡터의 크기와 상기 보행자 윈도우의 너비를 이용해 움직임 크기 위험도(Movement speed ratio)를 산출하는 제3 산출부(330)를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 시스템
|
20 |
20
제11항에 있어서, 상기 판단 모듈(400)에서는,상기 추출된 위험 요소 벡터를 정규 분포 함수에 적용하여 조건부 확률을 추정하는 확률 추정부(410);상기 추정된 조건부 확률을 조합하여 위험도 스코어를 산출하는 스코어 산출부(420); 및상기 산출된 위험도 스코어가 임계값 이상이면 위험 보행자로 판단하는 보행자 판단부(430)를 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 시스템
|
21 |
21
제20항에 있어서, 상기 스코어 산출부(420)는,나이브 베이즈(naBayes) 및 로그 우도(log likelihoods)를 이용하여 상기 위험도 스코어를 산출하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 시스템
|
22 |
22
제11항에 있어서,상기 분석 장치(20)에서 위험 보행자로 판단되면, 경보를 발생하는 경보 장치(30)를 더 포함하는 것을 특징으로 하는, 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 시스템
|