지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 고정길
- 발행연도
- 2019
- 저작권
- 아주대학교 논문은 저작권에 의해 보호받습니다.
이용수7
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구는 임베디드 플랫폼에서 딥러닝 모델을 활용하여 난폭운전을 감시하고 분류하는 기술에 대한 내용을 다루고 있다. 난폭운전을 감시하고 단속하는 것은 안전을 위해 반드시 수행되어야 하는 일이지만, 현재 그것을 자동적으로 감지하고 단속할 수 있는 방법은 존재하지 않는다.
본 연구를 통해 임베디드 플랫폼에서 자동적으로 난폭운전을 감지하는 기술을 제안한다. NVIDIA Jetson TX2 플랫폼에서 카메라로 도로를 촬영하고, 딥러닝 프레임워크를 통해 도로 위의 난폭운전을 감지한다. 본 연구에서 제안하는 시스템은 영상을 프레임 단위로 분석하고, 차량의 주행을 추적하고, 그 결과를 2D 공간에 좌표화하여 낮은 프레임율을 가진 영상(5 fps)에서도 정확하게 동작하는 방식을 제안한다. 이 방식을 통해 얻어진 차량의 주행 데이터를 기반으로 주변 차량과의 주행 패턴 비교를 통해 난폭운전을 감지한다. 차량의 종횡 방향 움직임 분석의 결과를 통해 통한 난폭 운전 감시 기술에 대한 가능성을 제시하고 있다. 본 연구의 핵심 목표는 임베디드 환경이라는 GPU의 성능 및 자원의 제약사항을 고려하여 경량화된 분석 시스템을 구현하는 것이다. 최종적으로 본 연구는 종, 횡 방향에서의 차량의 움직임 모두를 정확히 인식할 수 있다는 결과를 보였고 이것으로 비디오 기반의 자동 차량 감시 시스템 구축의 가능성을 제시하고 있다.
본 연구를 통해 임베디드 플랫폼에서 자동적으로 난폭운전을 감지하는 기술을 제안한다. NVIDIA Jetson TX2 플랫폼에서 카메라로 도로를 촬영하고, 딥러닝 프레임워크를 통해 도로 위의 난폭운전을 감지한다. 본 연구에서 제안하는 시스템은 영상을 프레임 단위로 분석하고, 차량의 주행을 추적하고, 그 결과를 2D 공간에 좌표화하여 낮은 프레임율을 가진 영상(5 fps)에서도 정확하게 동작하는 방식을 제안한다. 이 방식을 통해 얻어진 차량의 주행 데이터를 기반으로 주변 차량과의 주행 패턴 비교를 통해 난폭운전을 감지한다. 차량의 종횡 방향 움직임 분석의 결과를 통해 통한 난폭 운전 감시 기술에 대한 가능성을 제시하고 있다. 본 연구의 핵심 목표는 임베디드 환경이라는 GPU의 성능 및 자원의 제약사항을 고려하여 경량화된 분석 시스템을 구현하는 것이다. 최종적으로 본 연구는 종, 횡 방향에서의 차량의 움직임 모두를 정확히 인식할 수 있다는 결과를 보였고 이것으로 비디오 기반의 자동 차량 감시 시스템 구축의 가능성을 제시하고 있다.
목차
1. Introduction 12. Related Work 53. Preliminary Studies 73.1 Vehicle object detection 83.2 Video characteristics 94. System Design 134.1 Vehicle tracking 134.2 Movement Analysis 175. Evaluation 236. Limitations 307. Conclusion 32References 33요약 38
최근 본 자료
댓글(0)
0