비전 기반의 차량 검출 기술은 자동 주행 보조 시스템에 있어서 가장 중요한 기술 중의 하나이다. 하지만 자동차 외형의 다양성 및 주변 환경의 변화로 인하여 정확하고 신뢰성 있는 차량 검출 시스템의 개발은 여전히 해결해야 될 문제로 남아 있다. 일반적으로 차량 검출 시스템은 두 단계로 구분할 수 있다. 차량 후보 영역을 검출하는 가설 생성(Hypothesis Generation(HG)) 단계와 가설 생성 단계에서 검출된 영역을 검증하는 가설 검증(Hypothesis Verification(HV)) 단계이다. 차량 검출은 HV 단계에서 최종적으로 검증 및 결정되기 때문에, HV 단계의 성능에 의하여 차량 검출의 성능이 결정되게 된다. 따라서, 본 논문에서는 축소 다변수 다항식 분류기(reduced multivariate polynomial pattern classifier(RM))를 HV 단계에 이용하여 고속 차량 검출 시스템을 구성하였다. 실험 결과 RM 분류기가 SVM 분류기 기반의 차량 검출 시스템보다 처리 속도 측면에서 월등한 성능을 보여 실시간 처리 기반의 차량 검출 시스템에 적합하다.
Vision-based on-road vehicle detection is one of the key techniques in automotive driver assistance systems. However, due to the huge within-class variability in vehicle appearance and environmental changes, it remains a challenging task to develop an accurate and reliable detection system. In general, a vehicle detection system consists of two steps. The candidate locations of vehicles are found in the Hypothesis Generation (HG) step, and the detected locations in the HG step are verified in the Hypothesis Verification (HV) step. Since the final decision is made in the HV step, the HV step is crucial for accurate detection. In this paper, we propose using a reduced multivariate polynomial pattern classifier (RM) for the HV step. Our experimental results show that the RM classifier outperforms the well-known Support Vector Machine (SVM) classifier, particularly in terms of the fast decision speed, which is suitable for real-time implementation.
