Land and Housing Review (토지주택연구)

Land and Housing Research Institute (한국토지주택공사 토지주택연구원)
권호 표지
DOI QR코드

DOI QR Code

A Study on Automatic Vehicle Extraction within Drone Image Bounding Box Using Unsupervised SVM Classification Technique

무감독 SVM 분류 기법을 통한 드론 영상 경계 박스 내 차량 자동 추출 연구

  • 염준호 (경상국립대학교 토목공학과)
  • Received : 2023.11.06
  • Accepted : 2023.12.13
  • Published : 2023.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

Numerous investigations have explored the integration of machine leaning algorithms with high-resolution drone image for object detection in urban settings. However, a prevalent limitation in vehicle extraction studies involves the reliance on bounding boxes rather than instance segmentation. This limitation hinders the precise determination of vehicle direction and exact boundaries. Instance segmentation, while providing detailed object boundaries, necessitates labour intensive labelling for individual objects, prompting the need for research on automating unsupervised instance segmentation in vehicle extraction. In this study, a novel approach was proposed for vehicle extraction utilizing unsupervised SVM classification applied to vehicle bounding boxes in drone images. The method aims to address the challenges associated with bounding box-based approaches and provide a more accurate representation of vehicle boundaries. The study showed promising results, demonstrating an 89% accuracy in vehicle extraction. Notably, the proposed technique proved effective even when dealing with significant variations in spectral characteristics within the vehicles. This research contributes to advancing the field by offering a viable solution for automatic and unsupervised instance segmentation in the context of vehicle extraction from image.

도시 지역에서 객체를 탐지하기 위해 드론 고해상도 영상에 기계 학습 알고리즘을 적용하는 다양한 연구가 진행되었다. 그러나 대부분의 차량 추출 연구는 인스턴스 세그멘테이션 대신 경계 박스로 차량을 탐지하여 차량의 방향이나 정확한 경계를 알 수 없다는 한계점이 있다. 인스턴스 세그멘테이션은 개별 개체를 훈련하기 위한 노동 집약적인 레이블링 작업을 필요로 하므로, 차량 추출을 위해 자동 무감독 인스턴스 세그멘테이션을 수행하는 방법에 대한 연구가 필요하다. 따라서 본 연구에서는 드론 영상의 차량 경계 박스에 대해 무감독 SVM 분류 기반의 차량 추출 기법을 제안하였다. 연구 결과, 차량을 89% 정확도로 추출할 수 있음을 확인하였으며 차량 내의 분광 특성이 크게 다른 경우에도 차량을 추출할 수 있음을 확인하였다.

Keywords

Acknowledgement

이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2020R1C1C1010905).

References

  1. 곽근호.박노욱(2022), "시계열 토지피복도 제작을 위한 준감독학습 기반의 훈련자료 자동 추출", 「대한원격탐사학회지」, 38(5-1): 461~469. 
  2. 권영주.문성호(2023), "드론 촬영 이미지 데이터를 기반으로 한 도로 균열 탐지 딥러닝 모델 개발", 「LHI Journal」, 14(2): 125~135. 
  3. 김예슬.곽근호.이경도.나상일.박찬원.박노욱(2018), "작물분류에서 기계학습 및 딥러닝 알고리즘의 분류 성능 평가: 하이퍼파라미터와 훈련자료 크기의 영향 분석", 「대한원격탐사학회지」, 34(5): 811~827.  https://doi.org/10.7780/KJRS.2018.34.5.9
  4. 김진호(2022), "노상 주차 차량 탐지를 위한 YOLOv4 그리드 셀 조정 알고리즘", 「디지털산업정보학회 논문지」, 18(4): 31~40. 
  5. 박홍련.변성훈.이한성(2020), "UAV를 활용한 실시간 교통량 분석을 위한 딥러닝 기법의 적용", 「한국측량학회지」, 38(4): 353~361.  https://doi.org/10.7848/KSGPC.2020.38.4.353
  6. 서홍덕.김의명(2020), "스테레오 CCTV 영상에서 딥러닝을 이용한 교통량 추정", 「한국측량학회지」, 38(3): 269~279.  https://doi.org/10.7848/KSGPC.2020.38.3.269
  7. 이승기.최석근.노신택.임노열.최주원(2015), "국가 토지피복도와 무감독분류를 이용한 초기 훈련자료 자동추출과 토지피복지도 갱신", 「한국측량학회지」, 33(4): 267~275.  https://doi.org/10.7848/ksgpc.2015.33.4.267
  8. 조기환.정종철(2019), "Iterative Trimming Algorithm을 이용하여 자동추출된 KOMPSAT-3A 훈련자료 신뢰성 평가", 「국토연구」, 103: 115~129.  https://doi.org/10.15793/kspr.2019.103..007
  9. 최재완.노신택.최석근(2014), "자동화된 훈련 자료를 활용한 Landsat-8 OLI 위성영상의 반복적 분광혼합모델 기반 무감독 분류", 「한국지형공간정보학회지」, 22(4): 53~61.  https://doi.org/10.7319/kogsis.2014.22.4.053
  10. Cortes, C. and V. Vapnik (1995), "Support-Vector Networks", Machine Leaming, 20: 273~297.  https://doi.org/10.1007/BF00994018
  11. Mou, L. and X. X. Zhu (2018), "Vehicle Instance Segmentation from Aerial Image and Video Using a Multitask Learning Residual Fully Convolutional Network", IEEE Transactions on Geoscience and Remote Sensing, 56(10): 6699~6711.  https://doi.org/10.1109/TGRS.2018.2841808
  12. Shi, F., T. Zhang and T. Zhang (2021), "Orientation-Aware Vehicle Detection in Aerial Images via an Anchor-Free Object Detection Approach", IEEE Transactions on Geoscience and Remote Sensing, 59(6): 5221~5233.  https://doi.org/10.1109/TGRS.2020.3011418
  13. Zhang, R., S. Newsam, Z. Shao, X. Huang, J. Wang and D. Li (2021), "Multi-scale Adversarial Network for Vehicle Detection in UAV Imagery", ISPRS Journal of Photogrammetry and Remote Sensing, 180: 283~295.  https://doi.org/10.1016/j.isprsjprs.2021.08.002
  14. 국토교통부, "교통량정보제공시스템", 2023.10.30. 읽음. https://www.road.re.kr/main/main.asp. 
  15. 한국건설기술연구원, "2023년 적용 건설공사 표준품셈 원문", 2023.12.6. 읽음. https://cost.kict.re.kr/#/notice/file/detail/34377;page=0;category=calculation. 
  16. 한국공간정보산업협회, "2022년도 측량업체 임금실태조사 결과 공표(2023년 적용)", 2023.12.6. 읽음. https://www.kasm.or.kr/cop/bbs/selectBbsListVw.do?bbsId=BBSMSTR_000000000019. 
  17. Stephen Allwright, "What is a good F1 score and how do I interpret it", 2023.12.6. Accessed. https://stephenallwright.com/good-f1-score.