선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 초기의 배경영상을 기준으로 입력 영상과의 차를 구하고 시간에 따라 변화하는 배경 영상을 NxM 픽셀 마스크만큼 교체하여 배경영상을 갱신해서 기존의 배경영상 기법에서 배경영상 자체의 변화 때문에 생기는 문제점을 해결하였다.
제안 방법
- 따라서 영상이 미지의 전체 픽셀을 연산에 참여시키지 않고 효과적으로 객체의 위치를 검출하기 위하여 픽셀 간격(Pixel Space)을 설정하고 1차, 2차 검사를 수행한다.
- 본 논문에서 2장은 기존 연구 방법을 분석하고 3장은 제안하는 방법인 적응적 배경영상을 갱신하는 방법과 그물형 픽셀 간격을 이용하여 객체의 윤곽 점 추출 방법 및 객체의 최소영역 생성 방법을 이용한 움직임 검출 방법을 제안한다. 4장에서는 제안한 방법으로 실험한 결과를 기술하고 마지막으로 5장에서는 결론과 향후 연구 방향을 기술한다.
- 본 논문에서는 실시간 영상에서 초기의 배경영상을 기준으로 입력 영상과의 차를 구하고 시간에 따라 변화하는 배경영상을 NxM 픽셀 마스크만큼 교체하여 갱신한다. 이미지 픽셀 검사는 모든 픽셀을 연산에 참여시키지 않고 일정한 그물형 픽셀 간격을 두고 이미지의 픽셀을 검색하여 효과적으로 객 체의 윤곽 점을 검출하다.
- 본 실험은 명암도의 변화가 너무 크지 않은 오후 시간대에 웹 카메라를 사용하여 배경영상과 입력영 상을 실시간으로 처리하여 실험하였다.
- 실험은 차 영상 만을 이용하여 움직임을 검출하는 방법과 배경영상을 이용하여 움직임을 검출하는 방법, 그리고 제안하는 방법인 적응적 배경영상과 그 물형 픽셀 간격을 이용한 방법을 각각 적용하여 실시간으로 측정하였다.
- 그림의 좌측 하단의 그래프는 움직임을 검출하였을 경우 생성된다. 움직임 검출 시 각 실험 임계 값과 객체의 움직임 값은 리스트컨트롤을 사용하여 중단 부에 표시하도록 하였다.
- 움직임이 있는 후보영역을 검출하기 위해 연속된 두 프레임 간의 차 영상 분석 방법을 사용한다. 그림 1의 차 영상 분석 방법은 연속된 두 프레임 간의 밝기 차이를 구한 후, 임계 값을 사용하여 임계 값 보다 낮은 밝기 차이를 가진 부분은 움직임이 없는 배경으로 구별하고 임계 값 보다 큰 밝기 차이를 가진 부분은 움직임이 있는 물체로써 구별한다 回.
- 제안하는 방법은 이러한 잡음을 제거하여 보다 정확한 움직임 검출을 위해서 배경영상을 갱신하는 방법을 사용한다. 전체적인 배경영상의 갱신은 많은 연산량을 필요로 하기 때문에 객체의 움직임을 검출하는데 시간이 많이 소요된다.
- 제안하는 방식인 적응적 배경영상 생성과 그물형 픽셀 간격의 임계 값은 실험적 데이터를 기준으로 가장 적절한 임계 값을 선택하여 테스트하였다. 제안하는 방식을 사용하여 움직임 검출을 하였을 경우 기존의 움직임 검출 방법을 사용할 때보다 조명이나 잡음에 강점을 가니고 연산 처리속도가 상대적으로 빠르기 때문에 즉각적인 반응을 보였다.
- 제안하는 움직임 검출 방법은 카메라로부터 획득되는 초기 영상 이미지를 배경영상 이미지로 선택한다. 배경 영상 이미지는 움직임이 없는 상태에서 획득된 순수한 배경 이미지이다.
- 픽셀 간격을 통하여 추출한 객체의 위치 좌표를 이용하여 객체의 최소 영역을 설정한다. 객체의 최소영역은 움직임을 미리 예측하여 효율적인 움직임 검출을 위하여 생성한다.
- 효율적인 영상 저장을 위해서는 전체 프레임을 저장하는 방법보다는 객체의 움직임을 검출하여 그 시점부터 저장하는 방법을 사용한다. 그런데 이 방법은 픽셀 변화만을 사용하기 때문에 객체의 움직임이 없어도 조명의 변화에 따라 쉽게 객체로 오인하기 쉽다.
대상 데이터
- 0(Service Pack 5)을 이용하여 구현하였다. 배경영상과 입력 영상은 전송을 고려하여 320x240의 RGB 24bit 컬러 영상을 이용하였다.
성능/효과
- 기존의 블록 정합 방법은 객체를 블록 안에 있다는 가정하에 움직임을 검출하기 때문에 블록 밖으로 객체가 유입되면 초기의 블록과의 유사성을 찾지 못하기 때문에 객체를 인식하지 못하는 오류가 있고 차 영상만을 이용할 때는 잡음에 민감한 반응을 보이기 때문에 움직임 객체가 입력 영상에 없다고 하더라도 움직임으로 검출하는 경우가 있었으나, 본 논문에서 제안한 적응적 배경영상을 이용하여 움직 임을 검출한 결과 움직임 객체가 있을 경우만을 검색하고 픽셀을 모든 연산에 포함시키지 않고 그물형 픽셀 간격을 이용하여 객체의 유입을 검색하고 윤곽 점을 추출하고 객체의 최소영역을 생성하여 방 향성과 움직임을 예측할 수 있기 때문에 픽셀 스캔을 다시 하지 않고도 객체의 정확한 움직임과 빠른 검출이 가능하다.
- 제안하는 적응적 배경영상 기법과 그물형 픽셀 간 격을 이용한 실시간 움직임 검출 방법은 기존의 방법보다 정확한 움직임을 검출할 수 있었다. 설계하고 구현한 시스템은 실험을 통한 성능평가에서 90% 이상의 높은 정확도를 보였다.
- 이미지 픽셀 검사는 모든 픽셀을 연산에 참여시 키지 않고 일정한 간격을 두고 이미지의 픽셀을 검색하여 실시간으로 처리되는 실제적인 연산량을 줄이고 정확도를 높일 수 있었다.
- 제안하는 방식인 적응적 배경영상 생성과 그물형 픽셀 간격의 임계 값은 실험적 데이터를 기준으로 가장 적절한 임계 값을 선택하여 테스트하였다. 제안하는 방식을 사용하여 움직임 검출을 하였을 경우 기존의 움직임 검출 방법을 사용할 때보다 조명이나 잡음에 강점을 가니고 연산 처리속도가 상대적으로 빠르기 때문에 즉각적인 반응을 보였다. 또한 동영상 캡쳐 및 정지영상으로 저장이 가능하기 때문에 영상 보안시스템의 저장 공간 절약 및 객체 추적과 같은 분야에 적용이 가능하다.
- 제안하는 적응적 배경영상 기법과 그물형 픽셀 간 격을 이용한 실시간 움직임 검출 방법은 기존의 방법보다 정확한 움직임을 검출할 수 있었다. 설계하고 구현한 시스템은 실험을 통한 성능평가에서 90% 이상의 높은 정확도를 보였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.