지하 주차장 차량 추적을 위한 객체의 이동 방향 추정

Nguyen Huu Thang; 김재민

추천

검색

질문

자료유형: 학술저널

저자정보: Nguyen Huu Thang (홍익대학교) 김재민 (홍익대학교)

저널정보: 한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제24권 제2호

발행연도: 2021.2

수록면: 305 - 311 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

One of the highly reliable object tracking methods is to trace objects by associating objects detected by deep learning. The detected object is represented by a rectangular box. The box has information such as location and size. Since the tracker has motion information of the object in addition to the location and size, knowing additional information about the motion of the detected box can increase the reliability of object tracking. In this paper, we present a new method of reliably estimating the moving direction of the detected object in underground parking lot. First, the frame difference image is binarized for detecting motion energy, change due to the object motion. Then, a cumulative binary image is generated that shows how the motion energy changes over time. Next, the moving direction of the detected box is estimated from the accumulated image. We use a new cost function to accurately estimate the direction of movement of the detected box. The proposed method proves its performance through comparative experiments of the existing methods.

#Moving direction estimation #Detected bounding box #Vehicle tracking #Accumulated binary frame difference image

참고문헌 (15)

참고문헌 신청

D. Held, S. Thrun, and S. Savarese, “Learning to Track at 100 FPS with Deep Regression Networks,” ECCV2016, pp. 749-765, 2016.

J. Redmon and A. Farhadi, “Yolo9000: Better, Faster, Stronger,” CVPR2017, pp. 6517-6525, 2017.

J. Redmon and A. Farhadi, YOLOv3: An Incremental Improvement, Technical Report, https://arxiv.org/abs/1804.02767, (accessed Dec., 30, 2020).

C. Kim, F. Li, A. Ciptadi, and J. M. Rehg, “Multiple Hypothesis Tracking Revisited,” ICCV2015, pp. 4696-4704, 2015.

J. BerclazFrancois, F. Fleuret, E. Turetken, and F, Fua, “Multiple Object Tracking Using K-Shortest Paths Optimization,” PAMI , Vol. 33, No. 9, pp. 1806-1819, 2011.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Nguyen Huu Thang

소속기관 홍익대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 전기전자공학 > 전자공학

논문수 2 이용수 71

김재민

소속기관 홍익대학교

주요연구분야 공학 > 전기전자공학 > 전기공학 TOP 10% 공학 > 전기전자공학 > 전자공학

논문수 131 이용수 10,266

이 논문과 함께 이용한 논문

외형특징 추출 기능을 개선한 딥러닝 기반의 다중객체 추적

최효민 , 서기성 전기학회논문지 2023 .06

딥러닝 기반 객체탐지 및 추적기법을 활용한 군 제대규모 판단

김민우 , 마정목 한국산학기술학회 논문지 2023 .05

궤적 예측 및 이미지 유사도 측정에 기반한 다중 카메라 객체 추적 방법

김성종 , 이하은 , 송석일 한국정보기술학회논문지 2023 .05

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-004-001557448

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (15)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)