| 요약 |
본 발명은 CNN을 이용한 자동차 후면 검출 시스템 및 그 방법에 관한 것이다.본 발명의 제 1 측면은, 영상 입력 터미널(100)로부터 영상 입력을 수신하여 입력된 영상으로부터 특징을 추출하는 특징 추출모듈(210); 추출된 특징에서 자동차 후면부분을 탐색하는 탐색모듈(220); 및 탐색된 자동차 위치의 특징을 분류한 뒤, 위치추정 터미널(300)로 제공하여 위치추정 터미널(300)은 분류된 특징으로부터 자동차 후면부분의 위치를 추정하도록 하는 분류모듈(230); 을 포함하는 것을 특징으로 하는 CNN을 이용한 자동차 후면 검출 시스템을 제공함에 있다.본 발명의 제 2 측면은, 영상 입력 터미널(100)이 영상 이미지 필터링 및 영상 이미지 변환을 수행하는 제 1 단계; 알렉스넷(Alexnet)(200a)이 필터링 및 이미지가 변환된 영상 이미지를 영상 입력 터미널(100)로부터 입력받는 제 2 단계; 알렉스넷(Alexnet)(200a)은 제 1 및 제 2 GPU(200a-1, 200a-2)에서의 convolution layer를 통한 feature map 생성, 그리고 제 1 및 제 2 GPU(200a-1, 200a-2)에서의 Max pooling하여 영상 이미지의 크기를 축소 과정을 layer의 숫자만큼 반복적으로 수행하는 제 3 단계; 및 알렉스넷(Alexnet)(200a)이 fully-connected layer를 통해 상기 제 3 단계에 따라 생성된 특징에 대해서 drop out을 적용하는 제 4 단계; 를 포함하는 것을 특징으로 하는 CNN을 이용한 자동차 후면 검출 방법을 제공함에 있다.이에 의해, 불법으로 주차한 자동차를 무인으로 단속하기 위해서는 주차선을 위반하여 주차한 자동차 밑에는 차선이 존재하는 점을 활용시 비전 기술을 이용하여 자동차와 차선의 위치를 파악이 용이하도록 하는 효과를 제공한다. 또한, 본 발명은, 무인불법주차단속 차량이 이동하면서 업무를 수행시 차량의 후면을 검출하는 시스템을 제공하며, 자동차 후면을 검출하기 위해 CNN(Convolution Neural Network) 중에 하나인 알렉스넷(Alexnet)를 이용하여 자동차 후면 이미지를 학습할 수 있는 효과를 제공한다.또한, 본 발명은, 딥러닝의 CNN 모델을 이용하여 자동차 후면 분류를 통한 학습시 분류 및 인식정확도를 99.8% 까지 향상시킬 수 있는 효과를 제공한다.뿐만 아니라, 본 발명은, 컨볼루션 신경망에 있는 모든 layer에 대한 학습을 수행하는 것이 아니라 망에 있는 입력 layer나 hidden layer의 일부 뉴런을 생략(drop out)하여 줄어든 신경망을 통해 학습을 수행함으로써, 신경망 크기가 커질 경우 과적합(Overfitting) 문제를 해결할 수 있는 효과를 제공한다.
|
