[논문 리뷰] Image-based Vehicle Classification System

Jun Yee Ng, Yong Haur Tay|arXiv (Cornell University)|2012. 04. 10.

Video Surveillance and Tracking Methods참고 문헌 11인용 수 12

한 줄 요약

이 논문은 전자 통행료 징수를 위한 저비용 비전 기반 차량 분류 시스템을 제안하며, SIFT, 캐니 에지 검출, K-평균 군집화, 유클리드 거리 매칭을 활용한다. 고유한 차량 특징 매칭을 위한 DNA 유사 이미지 기술을 도입하여 개방형 데이터셋에서 뛰어난 성능을 달성하였으며, 이는 말레이시아의 다lane 프리플로우 통행료 시스템으로의 전환에 이상적이다.

ABSTRACT

Electronic toll collection (ETC) system has been a common trend used for toll collection on toll road nowadays. The implementation of electronic toll collection allows vehicles to travel at low or full speed during the toll payment, which help to avoid the traffic delay at toll road. One of the major components of an electronic toll collection is the automatic vehicle detection and classification (AVDC) system which is important to classify the vehicle so that the toll is charged according to the vehicle classes. Vision-based vehicle classification system is one type of vehicle classification system which adopt camera as the input sensing device for the system. This type of system has advantage over the rest for it is cost efficient as low cost camera is used. The implementation of vision-based vehicle classification system requires lower initial investment cost and very suitable for the toll collection trend migration in Malaysia from single ETC system to full-scale multi-lane free flow (MLFF). This project includes the development of an image-based vehicle classification system as an effort to seek for a robust vision-based vehicle classification system. The techniques used in the system include scale-invariant feature transform (SIFT) technique, Canny's edge detector, K-means clustering as well as Euclidean distance matching. In this project, a unique way to image description as matching medium is proposed. This distinctiveness of method is analogous to the human DNA concept which is highly unique. The system is evaluated on open datasets and return promising results.

연구 동기 및 목표

• 전자 통행료 징수(ETC)를 위한 내구성 있고 비용 효율적인 비전 기반 차량 분류 시스템을 개발하기 위해.
• 초기 인프라 투자 비용을 줄여 말레이시아의 단일 ETC에서 전면적인 다lane 프리플로우(MLFF) 통행료 시스템으로의 전환을 지원하기 위해.
• 비싼 센서 대신 이미지 기반 특징을 사용하여 차량 분류 정확도를 향상시키기 위해.
• 인간의 DNA 유일성에 영감을 받은 새로운 이미지 기술을 도입하여 신뢰할 수 있는 특징 매칭을 보장하기 위해.

제안 방법

• 차량 이미지에서 고유한 局부 특징을 추출하기 위해 척도 불변 특징 변환(SIFT)을 활용한다.
• 구조적 경계를 강화하고 특징 추출을 향상시키기 위해 캐니의 에지 검출기를 적용한다.
• 유사한 SIFT 특징을 시각 어휘로 군집화하여 효율적인 표현을 구현하기 위해 K-평균 군집화를 활용한다.
• 학습된 차량 클래스 데이터베이스의 특징 서술자와 비교하기 위해 유클리드 거리 매칭을 사용한다.
• 높은 유일성과 구분 능력을 보장하기 위해 인간의 DNA와 유사한 고유한 이미지 기술을 도입한다.
• 최종 차량 클래스 예측을 위해 사전 처리, 특징 추출, 군집화, 분류를 통합한 파이프라인을 처리한다.

실험 결과

연구 질문

• RQ1 저비용 비전 기반 시스템이 ETC 응용 분야에서 신뢰할 수 있는 차량 분류를 달성할 수 있는가?
• RQ2 이미지 데이터만을 사용할 때 DNA에 영감을 받은 이미지 기술이 차량 클래스를 얼마나 효과적으로 구분하는가?
• RQ3 실생활 조건에서 SIFT, 에지 검출, 군집화 기법의 조합 중 어떤 조합이 최적의 분류 정확도를 제공하는가?
• RQ4 다lane 프리플로우 통행료 시스템의 맥락에서 개방형 데이터셋에서 기존 방법과 비교해 시스템 성능은 어떠한가?
• RQ5 제안된 방법이 인프라 비용을 줄이면서도 ETC 구현에서 높은 분류 정확도를 유지할 수 있는가?

주요 결과

• 시스템은 개방형 데이터셋에서 유망한 분류 성과를 달성하여 저비용 카메라 입력에도 불구하고 뛰어난 성능을 보였다.
• DNA 유사 이미지 기술이 특징의 유일성을 크게 향상시켜 분류 신뢰도를 향상시켰다.
• SIFT에 캐니 에지 검출기와 K-평균 군집화를 조합함으로써 다양한 조명 및 각도 조건에서도 견고한 특징 표현을 제공하였다.
• 유클리드 거리 매칭을 통해 학습된 데이터베이스의 특징 서술자와 비교함으로써 효율적이고 정확한 분류가 가능했다.
• 낮은 初기 투자 비용과 높은 정확도 덕분에 말레이시아의 다lane 프리플로우 통행료 시스템 전환에 적합한 시스템이었다.
• 다양한 컴퓨터 비전 기법의 통합은 실시간 차량 분류를 위한 안정적이고 확장 가능한 솔루션을 제공하였다.