다양한 특징추출 알고리즘을 이용한 전방 차량 인식률 비교

Abstract

본 논문에서는 다양한 특징 추출 알고리즘을 이용하여 전방 차량을 인식하고 각각의 알고리즘들 간의 인식률과 성능을 비교해본다. 특징 추출에 사용하는 알고리즘에는 엣지 검출(Edge Detection), Histograms of Oriented Gradients (HOG), Principal Component Analysis (PCA)를 사용하며 학습과 인식에는 Support Vector Machine (SVM)을 사용하여 전방 차량을 인식한다. 엣지 검출(Edge Detection)은 영상 내에서의 경계를 나타내는 특징으로 화소의 값 즉 밝기의 값이 높은 값에서 낮은 값으로, 낮은 값에서 높은 값으로 급격하게 변함으로써 나타나는 특징이다. Histograms of Oriented Gradients (HOG)는 슬라이딩 윈도우 기반의 특징추출 알고리즘으로 검출 대상에서 나타나는 그래디언트의 분포를 특징으로 사용하는 알고리즘이다. Principal Component Analysis (PCA)는 고차원 특징 벡터의 차원을 저차원으로 감소하여도 영상에 대한 정보를 유지할 수 있도록 해주는 알고리즘으로 Principal Component (주성분)을 획득 후 획득한 Principal Component 방향으로 데이터를 사영시킴으로 특징 추출을 한다. Support Vector Machine (SVM)는 데이들은 각 부류 사이에 존재하는 여백(margin)을 최대화하는 서포트 벡터(Support Vector)를 구하여 최적 분류 초평면을 구하여 분류 성능과 일반화 능력을 극대화하는 알고리즘이다.