고정형 카메라 기반 영상 감시는 고정형 카메라의 고정된 시야 범위(FOV; Field of View) 만이 감시가 가능하기 때문에 광역 시야 범위 영상 감시를 위해서 PTZ 영상 감시 카메라 기반 지능형 영상 감시에 많은 연구가 진행되고 있다. 파노라마 장면은 넓은 시야 범위에 걸쳐 배경 장면을 보여 줄 수 있고 검출 및 추적된 전경 객체들을 파노라마 배경 장면의 해당 영역에 나타내 보여 줄 수 있으므로 넓은 시야 범위 영상 감시에 시각적으로 매우 효과적이다. 고정형 카메라 기반 지능 영상 감시에서는 보통 배경차 방법으로 이동 객체를 검출한다. 배경차 방법은 현재 감시 영상 데이터의 각 ...
고정형 카메라 기반 영상 감시는 고정형 카메라의 고정된 시야 범위(FOV; Field of View) 만이 감시가 가능하기 때문에 광역 시야 범위 영상 감시를 위해서 PTZ 영상 감시 카메라 기반 지능형 영상 감시에 많은 연구가 진행되고 있다. 파노라마 장면은 넓은 시야 범위에 걸쳐 배경 장면을 보여 줄 수 있고 검출 및 추적된 전경 객체들을 파노라마 배경 장면의 해당 영역에 나타내 보여 줄 수 있으므로 넓은 시야 범위 영상 감시에 시각적으로 매우 효과적이다. 고정형 카메라 기반 지능 영상 감시에서는 보통 배경차 방법으로 이동 객체를 검출한다. 배경차 방법은 현재 감시 영상 데이터의 각 픽셀을 배경 모델의 해당 픽셀과 비교하여 배경 또는 전경 픽셀로 분류한 후에 전경 픽셀들을 클러스터링하여 전경 객체를 검출한다. PTZ 카메라의 획득 영상은 고정형 카메라 영상과 달리 배경 장면이 고정되는 것이 아니고 카메라 움직임 (패닝, 틸팅, 주밍)에 따라 변하기 때문에 현재 감시 영상의 각 픽셀에 대해 해당 배경 픽셀들을 정확히 매칭하기가 어려워, PTZ 카메라 영상에서 이동 객체 검출은 고정형 카메라 영상에서의 성공적으로 적용되었던 배경차 기법을 그대로 확장 적용하기 어렵다. 고정 배경 지능 영상 감시에서는 조명 변화 및 동적 배경 (흔들리는 나뭇가지, 분수 등) 을 보다 정확히 모델링하기 위해 적응 혼합 가우시안 배경 모델링과 같은 통계적 배경 모델링을 적용한다. 그러나, 파노라마는 여러 개의 키 프레임 영상 데이터를 짜깁기하여 얻어지는데, 겹치는 부분에서의 픽셀 단위의 정확한 매칭이 요구되는데 기하학적 처리가 완벽하지 못하기 때문에 겹치는 부분에서의 모든 픽셀에 대한 완벽한 매칭은 매우 어려워 통계적 모델링이 쉽지 않다. 본 논문에서는 통계적 파노라마 배경 모델을 구축하는 대신에 기존 배경이미지 그 자체를 배경 모델로 하고, 현재 감시 영상 입력 프레임의 파노라마 배경에서의 위치를 확정 후에, 입력 프레임에 해당하는 배경이미지를 기존 배경이미지로 실시간으로 재구성하여 특정 크기의 윈도우에 하(Haar)특징 마스크를 적용하여 비교한 후에 차이가 어느 정도 크면 입력 프레임의 해당 윈도우에 이동 객체가 있는 것으로 판별하는, 간단하고 실시간 처리가 가능한 PTZ 이동 객체 검출 및 이에 기반한 추적 방법을 제안하고 구현하였다. 하(Haar)특징 벡터는 조명에 강인한 것으로 알려져 있다. 제안 방법의 구현에 대한 실험결과, 감시하고자 하는 광역에 걸쳐 파노라마 배경 영상을 생성하고 파노라마 배경 영역에 걸쳐 이동 객체를 검출하고 추적이 조명 변화에 비교적 강인하며 실시간으로 처리 가능함을 확인하였다. 그러나, 이동 객체 검출 성능의 향상과 실시간 개선에 대해 향후 연구가 필요한 것으로 평가되었다. 본 연구의 결과는 개선 후에 PTZ 카메라 기반 지능 영상 감시 시스템 구축에 효과적으로 활용될 수 있을 것으로 전망된다.
고정형 카메라 기반 영상 감시는 고정형 카메라의 고정된 시야 범위(FOV; Field of View) 만이 감시가 가능하기 때문에 광역 시야 범위 영상 감시를 위해서 PTZ 영상 감시 카메라 기반 지능형 영상 감시에 많은 연구가 진행되고 있다. 파노라마 장면은 넓은 시야 범위에 걸쳐 배경 장면을 보여 줄 수 있고 검출 및 추적된 전경 객체들을 파노라마 배경 장면의 해당 영역에 나타내 보여 줄 수 있으므로 넓은 시야 범위 영상 감시에 시각적으로 매우 효과적이다. 고정형 카메라 기반 지능 영상 감시에서는 보통 배경차 방법으로 이동 객체를 검출한다. 배경차 방법은 현재 감시 영상 데이터의 각 픽셀을 배경 모델의 해당 픽셀과 비교하여 배경 또는 전경 픽셀로 분류한 후에 전경 픽셀들을 클러스터링하여 전경 객체를 검출한다. PTZ 카메라의 획득 영상은 고정형 카메라 영상과 달리 배경 장면이 고정되는 것이 아니고 카메라 움직임 (패닝, 틸팅, 주밍)에 따라 변하기 때문에 현재 감시 영상의 각 픽셀에 대해 해당 배경 픽셀들을 정확히 매칭하기가 어려워, PTZ 카메라 영상에서 이동 객체 검출은 고정형 카메라 영상에서의 성공적으로 적용되었던 배경차 기법을 그대로 확장 적용하기 어렵다. 고정 배경 지능 영상 감시에서는 조명 변화 및 동적 배경 (흔들리는 나뭇가지, 분수 등) 을 보다 정확히 모델링하기 위해 적응 혼합 가우시안 배경 모델링과 같은 통계적 배경 모델링을 적용한다. 그러나, 파노라마는 여러 개의 키 프레임 영상 데이터를 짜깁기하여 얻어지는데, 겹치는 부분에서의 픽셀 단위의 정확한 매칭이 요구되는데 기하학적 처리가 완벽하지 못하기 때문에 겹치는 부분에서의 모든 픽셀에 대한 완벽한 매칭은 매우 어려워 통계적 모델링이 쉽지 않다. 본 논문에서는 통계적 파노라마 배경 모델을 구축하는 대신에 기존 배경이미지 그 자체를 배경 모델로 하고, 현재 감시 영상 입력 프레임의 파노라마 배경에서의 위치를 확정 후에, 입력 프레임에 해당하는 배경이미지를 기존 배경이미지로 실시간으로 재구성하여 특정 크기의 윈도우에 하(Haar)특징 마스크를 적용하여 비교한 후에 차이가 어느 정도 크면 입력 프레임의 해당 윈도우에 이동 객체가 있는 것으로 판별하는, 간단하고 실시간 처리가 가능한 PTZ 이동 객체 검출 및 이에 기반한 추적 방법을 제안하고 구현하였다. 하(Haar)특징 벡터는 조명에 강인한 것으로 알려져 있다. 제안 방법의 구현에 대한 실험결과, 감시하고자 하는 광역에 걸쳐 파노라마 배경 영상을 생성하고 파노라마 배경 영역에 걸쳐 이동 객체를 검출하고 추적이 조명 변화에 비교적 강인하며 실시간으로 처리 가능함을 확인하였다. 그러나, 이동 객체 검출 성능의 향상과 실시간 개선에 대해 향후 연구가 필요한 것으로 평가되었다. 본 연구의 결과는 개선 후에 PTZ 카메라 기반 지능 영상 감시 시스템 구축에 효과적으로 활용될 수 있을 것으로 전망된다.
Fixed camera (Box Camera) based visual surveillance can monitor an area of narrow angle of view so that for surveillance of a much wider view area, research and development on intelligent visual surveillance based on PTZ cameras have been attracting a lot of interests from related industries and aca...
Fixed camera (Box Camera) based visual surveillance can monitor an area of narrow angle of view so that for surveillance of a much wider view area, research and development on intelligent visual surveillance based on PTZ cameras have been attracting a lot of interests from related industries and academia. Panorama scene turns out to be very visually effective for surveillance across a wide-view area since panorama can show a wide-view area background and display the detected and tracked moving objects on the panorama background In fixed camera-based intelligent visual surveillance, usually moving object detection is popularly accomplished through background subtraction method which detects foreground objects by matching each pixel of current video frame against a modelled background pixel, and clustering all foreground-classified pixels. In PTZ camera video streams, it is difficult to achieving matching a current pixel against the corresponding background pixel since background scenes are changing due to camera motions (panning, tilting, and zooming). Thus, direct extension of background subtraction method successfully applied in fixed cameras is not easy. In fixed camera-based intelligent visual surveillance, statistical background modellings like adaptive Gaussian mixture model are mostly applied in order to model more precisely background scenes which may have illumination variations and contain dynamic background objects (such as swaying tree branches, and running fountains, and etc.) However, statistical modelling of panorama background scenes is a hard task since complete pixel-wise matching necessary for stitching overlapped key image frames is hardly achieved due to imperfect geometric processing. In this thesis, we propose a simple and real-time panorama-based moving object detection and tracking method in PTZ camera environments. The proposed method first makes a panorama out of key frames, and take the captured background images itself as a background scene model instead of constructing a statistical panorama background scene model. Then, for a current monitoring image frame, and corresponding background frame is reconstruct from original background images. After that, Haar-like features are applied on windows of some size scanned through the current frame and corresponding background frame, respectively, and the results of Haar-like window operation on regions of both frames are compared. If the differences are over some threshold, then the window applied region in the current frame is determined to contain moving objects. Tracking objects are done following detected objects. Haar-like features are known robust with respect illumination variations. Through experiments from applying the implementation of the proposed method on real PTZ camera environments, it is verified that the proposed method can generate a panorama background scene image across a wide-area required of visual surveillance and covered by panning, and do object detection and tracking across the panorama regions relatively robust with respect to varying illumination environments and in real-time. However, it is observed that the performance of object detection and real-time processing should be more improved. It is expected that after improvement, the proposed work will effectively contribute to utilized for building PTZ camera-based intelligent visual system.
Fixed camera (Box Camera) based visual surveillance can monitor an area of narrow angle of view so that for surveillance of a much wider view area, research and development on intelligent visual surveillance based on PTZ cameras have been attracting a lot of interests from related industries and academia. Panorama scene turns out to be very visually effective for surveillance across a wide-view area since panorama can show a wide-view area background and display the detected and tracked moving objects on the panorama background In fixed camera-based intelligent visual surveillance, usually moving object detection is popularly accomplished through background subtraction method which detects foreground objects by matching each pixel of current video frame against a modelled background pixel, and clustering all foreground-classified pixels. In PTZ camera video streams, it is difficult to achieving matching a current pixel against the corresponding background pixel since background scenes are changing due to camera motions (panning, tilting, and zooming). Thus, direct extension of background subtraction method successfully applied in fixed cameras is not easy. In fixed camera-based intelligent visual surveillance, statistical background modellings like adaptive Gaussian mixture model are mostly applied in order to model more precisely background scenes which may have illumination variations and contain dynamic background objects (such as swaying tree branches, and running fountains, and etc.) However, statistical modelling of panorama background scenes is a hard task since complete pixel-wise matching necessary for stitching overlapped key image frames is hardly achieved due to imperfect geometric processing. In this thesis, we propose a simple and real-time panorama-based moving object detection and tracking method in PTZ camera environments. The proposed method first makes a panorama out of key frames, and take the captured background images itself as a background scene model instead of constructing a statistical panorama background scene model. Then, for a current monitoring image frame, and corresponding background frame is reconstruct from original background images. After that, Haar-like features are applied on windows of some size scanned through the current frame and corresponding background frame, respectively, and the results of Haar-like window operation on regions of both frames are compared. If the differences are over some threshold, then the window applied region in the current frame is determined to contain moving objects. Tracking objects are done following detected objects. Haar-like features are known robust with respect illumination variations. Through experiments from applying the implementation of the proposed method on real PTZ camera environments, it is verified that the proposed method can generate a panorama background scene image across a wide-area required of visual surveillance and covered by panning, and do object detection and tracking across the panorama regions relatively robust with respect to varying illumination environments and in real-time. However, it is observed that the performance of object detection and real-time processing should be more improved. It is expected that after improvement, the proposed work will effectively contribute to utilized for building PTZ camera-based intelligent visual system.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.