표제지
목차
논문요약 7
제1장 서론 9
1. 연구배경 및 목적 9
2. 연구동향 10
3. 연구 범위 11
제2장 이론적 배경 및 관련 연구 13
1. 템플릿 인식 13
1) 특정 기반 접근방식(Feature based approach) 13
2. 템플릿이미지 기반 접근방식(Template based approach) 16
3. 수치형 데이터의 유사도(Similarity) 17
1) 유클리드 거리(Euclidean distance) 17
2) 민코프스키 거리(Minkowski distance) 18
3) 마할라노비스 거리(Mahalanobis distance) 18
4. 차영상 추출을 이용한 동적물체감지 19
1) 배경이미지 생성 방식 19
2) 이전프레임과의 차이를 이용한 물체 감지 20
3) 가우시안혼합모델을 이용한 배경 차영상 방법 21
5. Convolutional Neural Network 23
1) Convolutionl Neural Network 24
제3장 기존 연구를 이용한 강설감지연구 27
1. 데이터 27
1) 실험데이터 27
2) 템플릿 인식과 차영상 추출을 이용한 동적감지방법을 위한 이미지 전처리 29
2. 기존연구방법을 이용한 강설감지연구 30
1) 템플릿 인식을 이용한 강설감지연구 30
2) 차영상추출을 이용한 동적감지방법을 이용한 강설감지연구 31
제4장 Convolutional Neural Network를 이용한 강설감지시스템 개발 34
1. 데이터와 Convolutional Layer 34
1) 데이터 34
2) 정확도 측정 방법 34
3) Convolutional Layer 35
2. Convolutional Neural Network을 이용한 강설감지연구 36
제5장 결론 38
참고문헌 40
ABSTRACT 43
[표 1] 실험에 사용한 CCTV 영상 데이터 28
[표 2] 템플릿 인식을 이용한 강설감지율과 오감지율 31
[표 3] 차영상 추출방법을 이용한 강설감지율과 오감지율 32
[표 4] YOLOv3와 다른 레이어들 간의 MAP와 time 비교 35
[표 5] CNN을 이용한 강설감지의 Fold별 및 종합 강설감지율과 오감지율 37
[표 6] 연구방법에 따른 강설감지율과 오감지율 39
〈그림 1〉 SIFT 14
〈그림 2〉 DoG(Difference of Gaussian)에 기반한 extrema detection 14
〈그림 3〉 Keypoint descriptor 16
〈그림 4〉 템플릿 기반 접근방식 17
〈그림 5〉 배경영상 생성 20
〈그림 6〉 Convolutional Neural Network 24
〈그림 7〉 Convolutional Layer와 Pooling Layer 25
〈그림 8〉 ReLU 26
〈그림 9〉 이미지 추출 29
〈그림 10〉 템플릿 인식 30
〈그림 11〉 차영상 추출을 이용한 강설감지방법 32
〈그림 12〉 K-fold Validation 34
〈그림 13〉 YOLOv3 레이어 36
〈그림 14〉 Convolutional Neural Network을 이용해 감지된 눈 입자 37
〈그림 15〉 연구방법에 따른 강설감지율과 오감지율 38