earticle

영어

This paper proposes a localized change detection framework that combines vision-based object detection (Faster R-CNN) with Optical Flow analysis to enhance the collision avoidance capability of autonomous vehicles. While conventional object detection algorithms are effective in recognizing fixed objects, they have limitations in detecting subtle changes within stationary objects. In this study, Optical Flow information is selectively applied to object regions defined by bounding boxes obtained through object detection, enabling the analysis of internal object motion such as vehicle door opening. Experiments were conducted using real-world road scenes from the KITTI dataset, and the results demonstrate the feasibility of detecting partial changes based on the direction and magnitude of Optical Flow vectors. This study suggests the practical applicability of vision-based change detection techniques to improve the safety and reliability of autonomous driving systems and shows potential for future deployment in diverse environments.

한국어

본 논문은 자율주행 자동차의 충돌 회피 성능을 향상시키기 위해 Vision 기반의 객체 검출 Faster R-CNN과 Optical Flow 분석을 결합한 부분 변화 감지 프레임워크를 제안한다. 기존 객체 검출 기법이 정지된 객체의 인식에는 강점을 가지지만 정지된 객체 내부의 미세한 변화 감지에는 한계가 있다. 본 연구에서는 객체 검출 을 통해 얻은 Bounding Box 영역에 Optical Flow 정보를 결합하여 객체 내부에서 발생하는 움직임만을 선택 적으로 분석하였다. 이를 통해 차량 문 열림과 같은 위험 상황을 사전에 대처할 수 있도록 하였다. 실험은 KITTI Dataset 기반의 실제 도로 환경에서 수행되었으며 Optical Flow의 방향성과 크기 분석을 통해 부분 변화 감지의 가능성을 입증하였다. 본 연구는 자율주행 시스템의 안전성과 신뢰성을 높일 수 있는 시각 기반 변화 감지 기술의 실용적 가능성을 제시하며 향후 다양한 환경에서의 확장 적용 가능성을 가진다.