초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

그룹 행동 분류는 비디오 프레임 안의 그룹들이 움직이며 상호작용하는 것을 여러 가지의 행동으로 특징지어 분류하는 것이며, 이는 감시카메라에서 사람들의 행동을 분석하는데 중요하게 쓰일 수 있어 최근 컴퓨터 비전을 연구하는 사람들에게 많은 관심을 받아왔다. 본 논문에서는 여러 개의 시공간 패턴과 그것을 투영한 패턴을 이용하여 approach, split, chase, in group, run together, walk together의 여섯 개의 그룹 행동으로 분류하는 방법을 제안한다. 제안하는 ...

그룹 행동 분류는 비디오 프레임 안의 그룹들이 움직이며 상호작용하는 것을 여러 가지의 행동으로 특징지어 분류하는 것이며, 이는 감시카메라에서 사람들의 행동을 분석하는데 중요하게 쓰일 수 있어 최근 컴퓨터 비전을 연구하는 사람들에게 많은 관심을 받아왔다. 본 논문에서는 여러 개의 시공간 패턴과 그것을 투영한 패턴을 이용하여 approach, split, chase, in group, run together, walk together의 여섯 개의 그룹 행동으로 분류하는 방법을 제안한다. 제안하는 알고리즘은 우선 여러 개의 가로 방향의 스캔라인으로부터 픽셀 값을 추출하여 시간라인을 따라 축척하여 시공간 패턴을 추출하고, 이것을 하나의 패턴으로 투영시킨다. 이후에 각 시공간 패턴과 투영된 패턴에서 배경을 제거하여 이동하는 모션의 흔적만 남은 패턴들을 생성한다. 각각의 시공간 패턴과 투영된 패턴을 비교하여 사람의 위치를 계산할 수 있다. 여기에 칼만 필터를 사용하여 사람이 이동한 궤적을 구할 수 있다. 그리고 시간성을 갖는 데이터의 패턴을 인식하는 데에 효과적인 HMM classifier를 이용하여 두 그룹의 행동을 분류하였다. 행동을 관찰 해 보면 사람들의 거리가 늘어나거나 줄어드는 것에 따라, 그리고 사람들의 속력에 따라 행동이 분류되는 것을 관찰 할 수 있었다. 따라서 입력 특징으로는 두 그룹의 중 빠른 그룹의 속도와 두 그룹간의 거리 차의 변화를 사용하였다. 실험결과를 보면, 제안하는 알고리즘이 궤적을 세밀하게 추측할 수 있고 기존의 방법보다 더 나은 성능으로 많은 경우를 분류하는 것을 알 수 있다.

주제어