차량 내 교통표지판 인식 시스템 실현을 위한 최적화된 기법

Abstract

교통 표지판 인식은 자율 주행 자동차와 고급화된 운전자 보조 시스템에서 굉장히 중요한 역할을 수행한다. 교통 표지판 인식 시스템은 차량이 위험한 상황에 직면하기 전에 미리 운전자나 자율주행 시스템에게 관련 정보를 제공하여 대비할 수 있도록 도와준다. 현존하는 교통 표지판 인지 시스템은 대부분 컴퓨터 비전에 기반을 두고 구성되어 있으며 인식 단계와 분류 단계의 구조를 지니고 있다. 인식 단계의 목적은 교통 표지판이 존재할 만한 ROI (Region of Interest)를 찾는 것이고, 분류 단계는 교통 표지판의 의미를 찾고, 이에 따라 표지판을 분류하는 것에 목적을 두고 있다. 교통 표지판 인지 연구는 컴퓨터 비전 알고리즘을 개선하여 인식률을 향상시키는 것을 목적으로 두는 연구와 실제 차량에 본 시스템을 적용하는 것을 목적으로 두는 연구로 나뉜다. 전자와 달리 후자의 경우에는 높은 교통 표지판 인식률뿐만 아니라 알고리즘 수행의 실시간성을 모두 요구되며, 더불어 다양한 표지판이 인지 가능하도록 설계된다. 하지만 현존하는 대부분의 시스템은 다양한 외부환경에 대하여 충분히 고려되지 못하였다. 즉, 시스템에 적용된 알고리즘이 다양한 날씨, 빛의 변화 및 낮은 대조를 가지는 영상에 대해서는 비교적 강인하게 대처하지 못한다. 본 논문에서는 이처럼 현존하는 시스템이 지니는 단점을 해결하고, 또한 실시간성을 보장하여 차량 내 실현하기 위해 최적화된 교통 표지판 인지 시스템을 제안한다. 본 시스템의 인식 단계에서는 케스케이드 기반 인식 방법과 색 기반 컴포넌트간 연결성 분석 기반 레이블링을 수행하여 표지판의 패널을 인식한다. 두 방법을 조합함으로써 본 시스템은 외부 날씨 및 조도 환경에 강인하도록 설계되었고, 이를 통해 기존 방법이 지니는 단점을 해결하였다. 분류 단계에서는 주성분분석(PCA, PrincipleComponent Analysis) 기반 다계층 서포트 벡터 머신(SVM, Support Vector Machine) 분류기에 기반을 두고 수행되며, 표지판이 지니는 의미를 파악한다. 비교적 빠른 분류를 위해 본 단계에 입력되는 영상의 크기를 비교적 작게 조절하였으며, 사용되는 특징은 주성분분석을 통해 취득 하였다. 주성분분석은 입력 데이터를 비교적 낮은 차원으로 압축하기에 데이터의 양을 줄일 수 있으며, 입력되는 데이터의 유사성이 높은 경우에는 좋은 분류 특징을 얻을 수 있다. 이를 위해 본 논문에서는 주성분 분석에 최적화된 별도의 이미지 필터링을 분류 단계에서 수행한다. 본 논문은 교통 표지판 인지를 위해 최적화된 기법에 대해 소개하고, 이에 따른 실험 결과를 서술한다. 실험의 목적은 본 시스템이 차량 내에 실현 가능한지를 확인하는 것이다. 이를 위해 각 인지 단계 별 성능과 시스템으로써의 성능을 평가하였으며, 실험 데이터로는 독일 교통 표지판 인식 및 분류 벤치마크의 데이터와 저자가 취득한 데이터를 사용하였다.