[논문 리뷰] Moving Vehicle Detection Using AdaBoost and Haar-Like Feature in Surveillance Videos.

Mohammad Mahdi Moghimi, Maryam Nayeri외 2명|arXiv (Cornell University)|2018. 01. 14.

Video Surveillance and Tracking Methods인용 수 7

한 줄 요약

이 논문은 감시 영상에서 아다부스트와 하르 유사 특징을 사용한 강건한 이동 차량 검출 시스템을 제안한다. 비올라-존스 프레임워크를 활용함으로써, 다양한 조도 조건 하에서도 94%의 정확도, 92%의 완전도, 87%의 품질을 달성하였으며, 실제 환경에서 이전 기법들을 능가한다.

ABSTRACT

Vehicle detection is a technology which its aim is to locate and show the vehicle size in digital images. In this technology, vehicles are detected in presence of other things like trees and buildings. It has an important role in many computer vision applications such as vehicle tracking, analyzing the traffic scene and efficient traffic management. In this paper, vehicles detected based on the boosting technique by Viola Jones. Our proposed system is tested in some real scenes of surveillance videos with different light conditions. The experimental results show that the accuracy, completeness, and quality of the proposed vehicle detection method are better than the previous techniques (about 94%, 92%, and 87%, respectively). Thus, our proposed approach is robust and efficient to detect vehicles in surveillance videos and their applications.

연구 동기 및 목표

• 다양한 조도 조건 하에서 감시 영상 내 차량 검출 정확도를 향상시키기 위해.
• 수목 및 건물과 같은 장애물로 인한 혼잡한 환경에서의 과제를 해결하기 위해.
• 교통 모니터링 응용 분야에서 실시간 차량 검출을 위한 효율적이고 강건한 방법을 개발하기 위해.
• 기존 기법들에 비해 검출 완전도와 품질을 향상시키기 위해.

제안 방법

• 차량 검출을 위해 하르 유사 특징을 사용하는 약한 분류기의 캐스케이드를 훈련하기 위해 아다부스트 알고리즘을 도입하였다.
• 실시간 성능을 확보하기 위해 핵심 아키텍처로 비올라-존스 객체 검출 프레임워크를 활용하였다.
• 차량을 나타내는 에지, 선, 사각형 패턴을 캡처하기 위해 영상 패치에서 하르 유사 특징을 추출하였다.
• 배경에서 움직이는 차량을 구분하기 위해 양성(차량) 및 음성(비차량) 샘플을 기반으로 분류기를 훈련시켰다.
• 약한 분류기를 조합하여 강력한 분류기로 통합함으로써 검출의 강건성을 향상시켰다.
• 다양한 조도 및 환경 조건을 가진 실제 감시 영상 시퀀스에서 시스템을 테스트하였다.

실험 결과

연구 질문

• RQ1 아다부스트와 하르 유사 특징을 사용하면 복잡한 감시 환경에서 이동하는 차량을 효과적으로 검출할 수 있는가?
• RQ2 다양한 조도 조건 하에서 제안된 방법의 정확도, 완전도, 품질 측면에서 성능은 어떠한가?
• RQ3 실제 감시 영상에서 이전의 차량 검출 기법들에 비해 시스템이 얼마나 뛰어난가?
• RQ4 수목 및 건물과 같은 배경 혼잡함과 가림을 다룰 수 있을 정도로 방법이 충분히 강건한가?

주요 결과

• 제안된 방법은 다양한 조도 조건을 가진 실제 감시 영상 시퀀스에서 94%의 검출 정확도를 달성하였다.
• 차량 검출의 완전도는 92%에 도달하여 실제 차량을 식별하는 데 높은 재현율을 보였다.
• 검출 품질은 87%로 측정되어 경계 상자 정렬의 정밀도와 신뢰성을 반영하였다.
• 그림자 및 저조도 상황을 포함한 다양한 환경 조건에서도 시스템이 강건함을 입증하였다.
• 전반적인 검출 성능과 신뢰성 측면에서 이전 기법들을 능가하는 성능을 보였다.
• 아다부스트 기반 접근법과 하르 유사 특징은 실시간 감시 응용 분야에서 효율적이고 적합한 것으로 입증되었다.