[논문]기하학 정보와 객체 추출을 통한 실시간 높이 측정

김종수; 김태용; 최종수

기하학 정보와 객체 추출을 통한 실시간 높이 측정
The Real-Time Height Measurement through a Geometry Information and 0bject Extraction 원문보기

한국통신학회논문지. The Journal of Korea Information and Communications Society. 통신이론 및 시스템, v.29 no.12C, 2004년, pp.1652 - 1659

김종수 (중앙대학교 첨단영상대학원 영상공학과 영상정보 연구실) , 김태용 (중앙대학교 첨단영상대학원 영상공학과 영상정보 연구실) , 최종수 (중앙대학교 첨단영상대학원 영상공학과 영상정보 연구실)

초록
AI-Helper

본 논문에서는 영상의 기하학 정보를 이용하여 기저 평면에서 움직이는 객체의 높이를 자동으로 측정하는 알고리즘을 제안한다. 기존의 알고리즘은 설정된 위치에서 이동하는 객체의 높이를 각 프레임 마다 사용자 입력을 통해 측정하여 실시간에 이용할 수 없는 문제점이 있다. 이를 해결하기 위해, 입력 영상에서 움직임 객체의 영역을 추출하여 객체의 높이를 자동으로 측정한다. 입력 영상에서 픽셀 정보와 시간적인 정보를 이용하여 움직임 객체를 추출하고 반복적인 계산을 통해 실제와 근소한 객체의 바닥점과 높이점을 추출한다 이 두 점 사이의 높이 계산은 기하학정보인 소실점(Vanishing point), 소실선(Vanishing line)과의 계산을 통해 이루어진다. 측정된 높이는 신뢰도 평가를 통해 모의실험에서 실제 높이와 유사한 결과를 확인하였다.

Abstract ▼ AI-Helper

In this paper, we propose the algorithm that automatically measures the height of the object to move on the base plane by using the geometric information. To extract a moving object from real-time images creates the background image and each pixel is modeled by the three values. The extracted region is represented by cardboard model and calculates the coordinate center in the each part. The top and bottom point of an object are extracted by the calculated coordinate center and an iterative computation. The two points, top and bottom, are used for measuring the height. Given the vanishing line of the ground plane, the vertical vanishing point, and at least one reference height in the scene; then the height of any point from the ground may be computed by specifying the image of the point and the image of the vertical intersection with the ground plane at that point. Through a confidence valuation of the height to be measured, we confirmed similar actual height and result in the simulation experiment.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 영상내의 임의의 좌표에서 움직이는 객체의 높이를 측정하는 알고리즘을 제안하였다. 카메라를 통해 입력된 영상에서, 기하학 정보와 움직임객체의 바닥점과 높이점을 추출하여 객체의 높이를 계산하였다.
본 논문에서는 움직임 객체를 추출하기 위해, 일정시간동안 각 픽셀을 모델링[9]하고 프레임 사이의 평균값으로 배경을 생성하여 움직임 영상을 추출한다. 추출된 영상에서 잡음을 제거하기 위해 형태학적 연산을 수행하고 사람의 형태를 나타내기 위해, 얻어진영상에 카드보드모델(Cardboard model)卩0]을 적용한다.
건물이나 객체의 높이 측정을 위한 기존 연구[1]에서는, 시퀀스 영상의 각 프레임에서 머리부분의 상위점과 하위점을 선택하여 높이를 측정하였다. 본 논문에서는 이러한 인위적인 방법을 배제하고 3개의 소실점과 객체 추출 방법을 통해 움직임 객체의 높이를 계산하고자 한다

제안 방법

움직임 객체는 모델링된 픽셀값과 생성된 배경영상을 이용하여 추출하였고 객체를 표현하기 위해 카드보드모델을 사용하였다. 객체의 바닥점은 카드보드 모델의 다리부분에서 후보점들을 선택하여 추출하였고 높이점은 수직소실점을 이용하여 추출하였다. 그리고 신뢰도 필터를 적용하여, 추출된 높이 점들을 이용하여 계산된 높이값을 보정하였다.
객체의 바닥점은 카드보드 모델의 다리부분에서 후보점들을 선택하여 추출하였고 높이점은 수직소실점을 이용하여 추출하였다. 그리고 신뢰도 필터를 적용하여, 추출된 높이 점들을 이용하여 계산된 높이값을 보정하였다. 신뢰도 필터를 적용한 결과가 적용하지 않았을 때보다 개선된 결과를 보여주는 것을 실험을 통해 확인할 수 있었다 또한, 다중 객체가 입력되는 경우에도 각 객체의 실제 높이와 유사한 값이 측정되는 것을 확인 할 수 있었다
처리 시간도 측정하였다. 다중 객체의 높이측정을 위해, 영역 확장(Region growing) 방법을 이용하여 각 객체를 표현하였으며, 각 객체를 인식하기 위해 중심 위치와 영역의 크기를 이용하였다. 그림 14에서는 다중 객체가 입력된 경우의 추출된 영역과 측정된 결과를 나타내고 있다.
또한, 본 실험에서는 다중 객체가 입력된 경우에도 각 객체의 높이를 측정하였고 이때, 소요되는 알고리즘 처리 시간도 측정하였다. 다중 객체의 높이측정을 위해, 영역 확장(Region growing) 방법을 이용하여 각 객체를 표현하였으며, 각 객체를 인식하기 위해 중심 위치와 영역의 크기를 이용하였다.
본 논문에서는 배경을 생성하는 방법과 프레임 사이의 차를 이용하는 방법을 조합하여 사용한다. 일버! 적으로 정지된 카메라를 이용하여 영상내의 움직임객체를 추출하는 단계는 문턱치, 잡음 제거, 모폴로지연산의 과정으로 이루어진다.
본 논문에서는 후보 바닥점들을 이용하여 정확한 바닥 점을 추출한다. 후보점들은 카드보드모델 (Cardboard model)의 다리부분에서 구해진다.
이때 바닥점과 초기 높이점을 연결하는 직선이 수직소실점과 만나지 않은 경우, 측정된높이는 신뢰할 수 없는 값이 된다. 이를 해결하기 위해, 바닥점과 수직소실점을 연결하는 선과 머리부분의윤곽선이 만나는 새로운 높이점을 구한다. 새로운 높이점과 바닥점으로 높이를 계산하고 측정된 높이의신뢰도 필터를 통해 최종 움직임 객체의 높이를 유도한다.
카메라를 통해 입력된 영상에서, 기하학 정보와 움직임객체의 바닥점과 높이점을 추출하여 객체의 높이를 계산하였다. 움직임 객체는 모델링된 픽셀값과 생성된 배경영상을 이용하여 추출하였고 객체를 표현하기 위해 카드보드모델을 사용하였다.

대상 데이터

사용하였다. 본 논문에서는 보정되지 않은 카메라 영상을 대상으로 하였고 실험 영상은 320 X 240의 영상을 사용하였다. 카메라의 방향은 수직 소실점이 너무 가까이 위치하지 않도록 설치하였다.
제안된 알고리즘의 모의실험은 개인용 컴퓨터와 PC-Camera를 사용하였다. 본 논문에서는 보정되지 않은 카메라 영상을 대상으로 하였고 실험 영상은 320 X 240의 영상을 사용하였다.

이론/모형

바닥점과 높이점을 추출하기 위해, 먼저 초기 높이점을 추출한다 이를 위해, 추출된 객체의 실루엣 영상에 카드보드모델(Cardboard model)을 적용한다. 카드보드 모델(Cardboard model)은 사람의 형태를 표현하는 것으로, 머리 부분은 추출된 전체 영역의 1/6, 몸통 부분은 2.
카메라를 통해 입력된 영상에서, 기하학 정보와 움직임객체의 바닥점과 높이점을 추출하여 객체의 높이를 계산하였다. 움직임 객체는 모델링된 픽셀값과 생성된 배경영상을 이용하여 추출하였고 객체를 표현하기 위해 카드보드모델을 사용하였다. 객체의 바닥점은 카드보드 모델의 다리부분에서 후보점들을 선택하여 추출하였고 높이점은 수직소실점을 이용하여 추출하였다.
그림 4는 높이 측정을 위한 사영기하학을 그림으로 나타낸 것이고, 그림 5는 실제 입력 영상에서 평면에 평행한 선들을 통해 이미지 밖에 생성된 소실점과 소실 선을 보여주고 있다. 이러한 소실점과 소실선은 초기 입력영상에서 마우스 입력과 선 정합(Une fitting) 을 이용하여 구한다.
추출한다. 추출된 영상에서 잡음을 제거하기 위해 형태학적 연산을 수행하고 사람의 형태를 나타내기 위해, 얻어진영상에 카드보드모델(Cardboard model)卩0]을 적용한다. 다음으로 객체의 높이점과 바닥점을 구하기 위해, 카드보드모델의 각 부분에서 중심 y축을 구한다.

성능/효과

그리고 신뢰도 필터를 적용하여, 추출된 높이 점들을 이용하여 계산된 높이값을 보정하였다. 신뢰도 필터를 적용한 결과가 적용하지 않았을 때보다 개선된 결과를 보여주는 것을 실험을 통해 확인할 수 있었다 또한, 다중 객체가 입력되는 경우에도 각 객체의 실제 높이와 유사한 값이 측정되는 것을 확인 할 수 있었다

후속연구

자동으로 정확한 소실점과 소실선을 찾는 알고리즘은 높이 계산값의 오차 범위를 줄일 수 있을 것이고, 이와 같은 연구는 3차원 재구성한 영상에 캐릭터 애니메이션[14]하는 분야에 적용할 수 있을 것으로 사료된다.

참고문헌 (14)

A. Criminisi, A. Zissennan, L. Van Gool, S.Bramble, and D. Compton. 'A new approach to obtain height measurments from video', In proc. of SPIE, Boston, Messachussets, USA, volume 3576, pp.1-6, 1998
D. Leibowitz, A Criminisi, and A. Zisserman. 'Creating architectural models from images', In Proc. EuroGraphics, 1999
O. Faugeras. 'Three-Dimensional Computer vision : a Geometric Viewpoint', MIT Press, 1993
P.L. Rosin and T.Ellis., 'Detection and classifying intruders in image sequences', In British Machine Vision Conf, pp.293-300, 1991
Y.H. Yang and M.D. Levine., 'The background primal sketch: An approach for tracking moving objects.', Machine Vision Applic, vol 5, pp.17-34, 1992

상세보기
Y.Z. Hsu, H.H. Nagel, and G. Rekers., 'New likelihood test methods for change detection in image sequences.', Computer Vision, Graphics and Image Processing, vol 26, pp.73-106, 1984

상세보기
T. Olson, F. Brill, 'Moving Object Detection and Event Recognition algorithms for Smart Cameras', In Proc. DARPA Image Understanding Workshop, pp. 159-176, 1997
N.Otsu., 'A threshold selection method from gray-level histograms.', IEEE Trans. On Systems, Man, and Cybernetics, vol 9, pp.62-66, 1979

상세보기
I. Haritaoglu, D.Harwood, and L.Davis, 'Who, when, where, what: A real time system for detecting and tracking people', In Proceedings of the Third Face and Gesture Recognition Conference, pp. 222-227, 1998
S. Ju, M. Black, Y. Yaccob, 'Cardboard People: A Parameterized Model of Articulated Image Motion', International Conference on Face and Gesture Analysis, 1996
R. Hartly, A. Zisserman 'Multiple view geometry in computer vision', Oxford university press, pp.205-212, 2000
O. Faugeras and Q. Luong 'The Geometry of Multiple Images', MIT Press, pp.196-211, 2001
J. Serra, 'Image Analysis and Mathematical Morphology', Academic Press, New York, vol.l 1982
Arunachalam Somasundaram, Rick Parent, '3D Reconstruction of walking behaviour using a single camera', Conference Abstracts and Application, Siggraph 2002, pp.137, 2002

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증