본 논문에서는 하우스도르프 거리 유사도를 이용하여 여러 대의 CCTV 카메라에서 수신한 영상에 나타나는 객체의 색상 정보와 Optical Flow를 이용하여 다중 객체 분류와 추적을 위한 특징점 추출 방법을 제안한다. 제안 된 방법은 먼저, 외부 카메라와 내부 카메라에 감시하고자하는 감시 영역을 Mouse Event를 이용하여 설정하고, GMM과 Morphology 기법을 사용하여 배경과 전경을 분리하여 객체를 추출한다. Labeling 기법을 사용하여 객체를 인식하고, 인식된 객체가 미리 설정된 감시 영역에 접근하면 침입자로 정의한다. 침입 객체의 색상 정보와 Optical Flow 두 특징의 ...
본 논문에서는 하우스도르프 거리 유사도를 이용하여 여러 대의 CCTV 카메라에서 수신한 영상에 나타나는 객체의 색상 정보와 Optical Flow를 이용하여 다중 객체 분류와 추적을 위한 특징점 추출 방법을 제안한다. 제안 된 방법은 먼저, 외부 카메라와 내부 카메라에 감시하고자하는 감시 영역을 Mouse Event를 이용하여 설정하고, GMM과 Morphology 기법을 사용하여 배경과 전경을 분리하여 객체를 추출한다. Labeling 기법을 사용하여 객체를 인식하고, 인식된 객체가 미리 설정된 감시 영역에 접근하면 침입자로 정의한다. 침입 객체의 색상 정보와 Optical Flow 두 특징의 픽셀 값을 비교 후 결합하여 하나의 특징점으로 추출한다. 마지막으로, 다중 객체가 존재하는 경우 추출한 특징점의 좌표를 하우스도르프 거리 유사도를 판단하여 동일 객체인지 판단하고, 두 객체의 중점 거리를 이용하여 겹침 및 분리 상황을 판단한다. 객체가 화면에서 사라지고 다시 등장할 경우 제안한 방법으로 특징점을 추출하고, 이전에 추출했던 특징점과 하우스도르프 거리 유사도를 판단하여 재추적한다.
본 논문에서는 하우스도르프 거리 유사도를 이용하여 여러 대의 CCTV 카메라에서 수신한 영상에 나타나는 객체의 색상 정보와 Optical Flow를 이용하여 다중 객체 분류와 추적을 위한 특징점 추출 방법을 제안한다. 제안 된 방법은 먼저, 외부 카메라와 내부 카메라에 감시하고자하는 감시 영역을 Mouse Event를 이용하여 설정하고, GMM과 Morphology 기법을 사용하여 배경과 전경을 분리하여 객체를 추출한다. Labeling 기법을 사용하여 객체를 인식하고, 인식된 객체가 미리 설정된 감시 영역에 접근하면 침입자로 정의한다. 침입 객체의 색상 정보와 Optical Flow 두 특징의 픽셀 값을 비교 후 결합하여 하나의 특징점으로 추출한다. 마지막으로, 다중 객체가 존재하는 경우 추출한 특징점의 좌표를 하우스도르프 거리 유사도를 판단하여 동일 객체인지 판단하고, 두 객체의 중점 거리를 이용하여 겹침 및 분리 상황을 판단한다. 객체가 화면에서 사라지고 다시 등장할 경우 제안한 방법으로 특징점을 추출하고, 이전에 추출했던 특징점과 하우스도르프 거리 유사도를 판단하여 재추적한다.
In this paper, we propose a feature point extraction method for classifying and tracking multiple objects using the color information of objects appearing in images received from multiple CCTV cameras and optical flow using the similarity of the Hausdorff distance. The proposed method first sets...
In this paper, we propose a feature point extraction method for classifying and tracking multiple objects using the color information of objects appearing in images received from multiple CCTV cameras and optical flow using the similarity of the Hausdorff distance. The proposed method first sets the monitoring area to be monitored by the external camera and the internal camera using Mouse Event, and extracts the object by separating the background and the foreground using GMM and Morphology techniques. An object is recognized using the labeling technique, and when the recognized object approaches a preset monitoring area, it is defined as an intruder. The color information of the intrusive object and the pixel values of the two features of the optical flow are compared and then combined and extracted as one feature point. Finally, when multiple objects exist, the extracted coordinates of the feature points are determined to be the same object by determining the similarity of the Hausdorff distance, and the overlapping and separation conditions are determined using the midpoint distances of the two objects. When an object disappears from the screen and reappears, the feature point is extracted by the proposed method, and the similarity between the previously extracted feature point and the Hausdorff distance is determined and traced again.
In this paper, we propose a feature point extraction method for classifying and tracking multiple objects using the color information of objects appearing in images received from multiple CCTV cameras and optical flow using the similarity of the Hausdorff distance. The proposed method first sets the monitoring area to be monitored by the external camera and the internal camera using Mouse Event, and extracts the object by separating the background and the foreground using GMM and Morphology techniques. An object is recognized using the labeling technique, and when the recognized object approaches a preset monitoring area, it is defined as an intruder. The color information of the intrusive object and the pixel values of the two features of the optical flow are compared and then combined and extracted as one feature point. Finally, when multiple objects exist, the extracted coordinates of the feature points are determined to be the same object by determining the similarity of the Hausdorff distance, and the overlapping and separation conditions are determined using the midpoint distances of the two objects. When an object disappears from the screen and reappears, the feature point is extracted by the proposed method, and the similarity between the previously extracted feature point and the Hausdorff distance is determined and traced again.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.