Earticle

초록

영어

In this paper, we detect and track vehicles by type based on highway daytime driving videos taken with black boxes for vehicles. In addition, we design a real-time MR contents production method that can be newly created by placing substitute videos of each type of detected vehicles in the same location as the new background video. To detect and track vehicles by type, we use the YOLO algorithm. And we also use the mask technique based on RGB color for substitute videos of each type of vehicles detected. The size of the vehicle substitute videos to be used for MR content are substituted by the same size as the area size of the detected vehicles. In this paper, we confirm that real-time MR contents design is possible as a result of experiments and simulations and believe that It will be usefully utilized in the field of VR contents.

한국어

본 논문에서는 차량용 블랙박스로 촬영된 고속도로 주간 주행 영상을 기반으로 차량을 종류별로 검출하고 추적한다. 그리고 검출된 차량의 종류별 대체 영상을 새로운 배경 영상의 같은 위치에 올려놓음으로써 새롭게 창조될 수 있는 실시간 MR 콘텐츠 제작 방안을 설계한다. 차량을 종류별로 검출하고 추적하기 위해서는 딥러닝 의 객체 검출 분야에서 가장 잘 알려지고 유명한 YOLO 알고리즘을 사용한다. 또한, 검출된 차량의 종류별 대체 영상을 위해서는 RGB 색상을 기반으로 하는 Mask 기법을 사용한다. 실시간 MR 콘텐츠를 위해 사용될 차량 대체 영상의 크기는 원본 영상에서 검출된 차량의 영역 크기와 같은 크기로 대체된다. 본 논문에서는 실시간 MR 콘텐츠 설계가 가능함을 실험 및 시뮬레이션으로 확인하였으며 VR 콘텐츠 분야에서 유용하게 활용할 수 있을 것으로 판단한다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. MR 콘텐츠 설계 및 시뮬레이션
3.1 시스템 설계 및 모듈 구성
3.2 검출된 차량을 대체 영상으로 교체
3.3 MR 콘텐츠 실험 및 시뮬레이션 결과
5. 결론 및 향후 연구
REFERENCES

키워드

차량용 블랙박스 차량 검출 대체 영상 MR 딥러닝 YOLO Vehicle Black Box Vehicle Detection Substitute Video MR Deep Learning YOLO

저자

• 김성호 [ Sung-Ho Kim | 상지대학교 컴퓨터공학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물