최근 국내의 교통사고 사망자 통계자료에 따르면, 전체 교통사고 사망자 중 보행자 비율은 41.8%에 이르며, 교통사고를 줄이기 위해서는 차량 전후방의 물체를 자동적으로 검출하고 인식할 수 있는 시스템이 필요하다. 차량의 충돌 피해를 경감시키고, 궁극적으로 충돌을 회피하는 지능형 자동차 기술은 주요 자동차 회사에서 개발 중인 기술의 하나이다. 이러한 인식 시스템을 개발하고 검증하기 위해서는 차량 영상 뿐 아니라 획득 위치 및 조명 등의 정보를 포함하는 다양한 환경의 학습 데이터가 필요하다. 기존 데이터베이스는 데이터 개수가 적고 환경이 제한적이기 때문에 인식 시스템의 성능을 향상시키기에 어려움이 있었다. 본 논문에서는 다양한 환경에서의 방대한 보행자 및 차량 영상으로 데이터베이스를 설계함으로써, 비전 기반 인식기의 학습뿐만 아니라 여러 가지 상황에서의 인식기의 성능을 검증할 수 있는 새로운 데이터 셋을 제시한다. 또한, 기존의 보행자 또는 차량 데이터베이스와의 비교를 통하여 데이터 셋의 크기뿐만 아니라 위치, 날씨 조건 등 정보를 제공하는 본 데이터 셋의 우수성을 제시한다.
According to the recent national-wide traffic accident statistics, the pedestrian ratio of the overall number of deaths by traffic accidents is 41.8%. To reduce traffic accident, a system that automatically detects and recognizes objects in the front and the back of the vehicle is needed. This technology is being developed in major automotive companies as so called intelligent vehicle to mitigate collision damage and or eventually avoid collision. To develop and verify such an automatic recognition system, the pedestrian and vehicle databases are required in various environments which include not only vehicle images but also relevant information such as location, lighting, annotation, and so on. But, existing databases lack in number of images and are limited to specific environment. In this paper, we present a novel dataset that could be used as a training dataset as well as a verifier of recognizer in vision-based recognition with enormous range of images in the various environ- ment. Also, we show excellence of the proposed dataset which provides huge volume as well as relevant information such as location, weather condition, pose and so on by comparing with the existing pedestrian and/or vehicle dataset.
