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 영상이 미지의 전체 픽셀을 연산에 참여 시 키지 않고 효과적으로 객체의 위치를 검출하기 위하여 일정한 픽셀간격인 Q를 설정하고 그물형 탐색을 수행한다.
제안 방법
- (그림 9)는 객체의 영역을 설정하는 방법이다. 1차 검사 후 추출된 객체의 윤곽 점 1, % 각각의 좌표값을 저장하고, 동일한 스캔 라인에 위치한 좌표점과의 거리를 측정하여 객체의 최소영역에 대한 최대 가로길이 값을 추출한다. 그리고 2차 검사 후 추출된 윤곽 점인 瞄如, ….
- 객체 추출을 위한 후보영역을 검출하기 위해 연속된 두 프레임 간의 차 영상 분석 기법을 사용한다. (그림 1)의 차영상 분석 기법은 연속된 두 프레임 간의 밝기 차이를 구한 후, 임계 값을 사용하여 임계 값 보다 낮은 밝기 차이를 가진 부분은 객체가 없는 배경으로 구별하고 임계 값 보다 큰 밝기 차이를 가진 부분은 객체의 유입이 있다고 판단한다[4].
- 이미지 픽셀 검사는 모든 픽셀을 연산에 참여시키지 않고 일정한 간격을 두고 이미지의 픽셀을 검색하여 효과적으로 객체의 윤곽 점을 검출한다. 객체의 윤곽 점 좌표는 최대 가로 방향, 세로 방향을 측정하여 객체의 최소블록을 생성하고 일정한 거리를 유지하는 가변적인 탐색 블록을 생성하여 정확하고 빠르게 객체를 추출하고 추적 할 수 있도록 하였다.
- 배경영상 생성과 그물형 픽셀 간격의 임계 값은 실험적 데이터를 기준으로 가장 적절한 임계 값을 선택하였고 객체의 최소블록과 탐색 블록 사이의 임계 값은 값을 변화 시켜 최적화된 임계 값을 선택하였다.
- 본 논문에서는 실시간 영상에서 초기의 배경영상을 기준으로 입력영상과의 차를 구하고 시간에 따라 변화하는 배경 영상을 NxM 픽셀 마스크만큼 교체하여 갱신한다. 이미지 픽셀 검사는 모든 픽셀을 연산에 참여시키지 않고 일정한 간격을 두고 이미지의 픽셀을 검색하여 효과적으로 객체의 윤곽 점을 검출한다.
- 본 논문에서는 이러한 잡음을 제거하여, 보다 정확한 움직임 검출을 위해서 배경영상을 갱신하는 방법을 사용한다. 전체적인 배경영상의 갱신은 많은 연산량을 필요로 하고 객 체의 움직임을 검출하는데 시간이 많이 소요되므로 N X M 마스크를 사용하여 계속적으로 배경영상을 갱신하면서 객체의 유입을 검사한다.
- 본 논문에서는 초기의 배경영상을 기준으로 입력 영상과의 차를 구하고 시간에 따라 변화하는 배경영상을 NxM 픽셀 마스크만큼 교체하여 배경영상을 갱신하였다. 실험 결과, 기존의 배경영상기법에서 배경영상 자체의 변화 때문에 생기는 문제점을 해결하였고, 픽셀 검사는 모든 픽셀을 연산에 참여시키지 않고 일정한 간격을 두고 이미지의 픽셀을 검색하여 실시간으로 처리되는 실제적인 연산량을 줄여 객체의 윤곽 점을 효율적으로 추출할 수 있도록 하였다.
- 본 실험에서는 사람이라는 움직임 객체를 추적하기 위해 실내 환경인 실험실 내부에서 실험하였으며 명암도의 변화가 너무 크지 않은 오후 시간대에 PC 카메라를 사용하여 배경영상과 입력 영상을 실시간으로 처리하였다.
- 따라서 초기의 배경영상만으로 입력영상과의 차를 구하게 되면 객체의 유입이나 움직임이 없어도 움직임이 있는 것처럼 인식하게 되므로 정확한 객체 추적을 위해서 배경영상을 갱신한다. 빠른 객체 추적을 위해서 객체의 영역을 추출하고 움직임을 측정하기 위한 탐색영역을 생성하여 매번 전체 이미지의 픽셀을 스캔하지 않고도 정확한 추적을 할 수 있도록 하였다.
- (그림 10)에서 탐색영역인 탐색블록의 초기 좌표 (由) 는 카메라 입력 영상의 (由) 의 위치로 탐색영역의 초기 좌표가 된다. 설정된 최소블록과 입력 영상의 탐색영역 내에서 객체의 이동성을 검사하고 이 검사는 객체 블록의 네 변의 중심점을 중심으로 (그림 10)의 방향 패턴을 사용하여 우선순위를 정해 검사한다.
- 본 논문에서는 이러한 잡음을 제거하여, 보다 정확한 움직임 검출을 위해서 배경영상을 갱신하는 방법을 사용한다. 전체적인 배경영상의 갱신은 많은 연산량을 필요로 하고 객 체의 움직임을 검출하는데 시간이 많이 소요되므로 N X M 마스크를 사용하여 계속적으로 배경영상을 갱신하면서 객체의 유입을 검사한다.
- 실험 비교 방법은 차 영상 기법, 블록 정합 기법, 배경영상 교체기법과 비교하였으며, 비교 대상은 정지영상 분석을 통하여 평가하였다. 정지영상 분석은 일정한 시간과 장소를 설정하고 객체가 추출되어 추적하는 과정에서 객체의 유입이 없는 시점까지 저장되는 BMP 이미지 파일을 분석한다. 저장된 BMP 파일 중 배경만을 포함하는 이미지는 오류로 검출 되었다고 판단하고, 배경 이외에 다른 객체가 포함되어 있으면 정확히 추출한 것으로 판단하였다.
- 제안하는 객체 추출 및 추적 방법은 카메라로부터 획득되는 초기 영상 이미지를 배경영상 이미지로 선택하며 이 이 미지는 객체의 유입이 없는 상태에서 획득된 순수한 배경이 미지이다. 배경영상과 카메라로부터 입력되는 영상과의 차를 이용하여, 임계 값이 존재하면 이미지 검사를 통하여 움 직인 객체의 윤곽선에 해당하는 부분을 찾고 움직임 검출여 부를 판단하여 추적하게 된다.
- 제안하는 시스템의 탐색영역은 객체의 최소블록을 기반으로 생성한다. 만약 최소블록의 위치가 이미지의 하단 부분이 면 하단 부분부터 검색을 할 수 있도록 설정하고, 좌측상단 부분이면 좌측 상단 부분부터 추적할 수 있도록 한다.
- 실험 결과, 기존의 배경영상기법에서 배경영상 자체의 변화 때문에 생기는 문제점을 해결하였고, 픽셀 검사는 모든 픽셀을 연산에 참여시키지 않고 일정한 간격을 두고 이미지의 픽셀을 검색하여 실시간으로 처리되는 실제적인 연산량을 줄여 객체의 윤곽 점을 효율적으로 추출할 수 있도록 하였다. 추출된 윤 곽점을 이용하여 객체 영역을 추출하고 탐색 블록을 생성하여 객체 추적을 정확하고 빠르게 측정할 수 있도록 하였다.
- 카메라를 통하여 보여지는 영상과 객체의 유입에 따른 추적은 (그림 12)와 같으며, 조명의 변화나 잡음을 알 수 있도록 그래프에서 모두 표현하도록 하였고, 객체 추적은 적색의 사각형을 생성하여 표현하였다.
- 픽셀 간격을 통하여 추출한 객체의 위치 좌표를 이용하여 객체의 최소블록을 설정한다. (그림 9)는 객체의 영역을 설정하는 방법이다.
대상 데이터
- 시스템은 Intel Pentium 4 CPU 2.00GHz, 512M RAM의 PC에서 Visual C++ 6.0(Service Pack 6)을 이용하여 구현하였으며, 배경영상과 입력 영상은 전송을 고려하여 320x240의 RGB 24bit 컬러 영상을 이용하였다.
- 제안하는 객체 추적 방법을 사용하여 구현한 시스템은 (그림 11)과 같으며, 초기 카메라에서 입력되는 영상은 초당 15프레임으로 설정하여 사용하였다. (그림 11)의 움직임 그래프는 시간 변화에 따라 객체의 움직임을 검출하였을 경우, 아날로그 형태의 그래프를 생성하고 각 실험 임계 값과 객체 추적에 대한 이미지 정보는 리스트컨트롤을 사용하여 중하 단부에 표시하도록 하였다.
데이터처리
- 실험 비교 방법은 차 영상 기법, 블록 정합 기법, 배경영상 교체기법과 비교하였으며, 비교 대상은 정지영상 분석을 통하여 평가하였다. 정지영상 분석은 일정한 시간과 장소를 설정하고 객체가 추출되어 추적하는 과정에서 객체의 유입이 없는 시점까지 저장되는 BMP 이미지 파일을 분석한다.
성능/효과
- 기존 방법은 조명의 미세한 변화나 영상 내의 잡음에 의한 오류가 오전 10시부터 오후 2시까지 객체의 유입이 많지 않은 시간대에도 오류 빈도수가 나타나고 있다. 그러나 제안방법은 거의 오류가 발생하지 않고, 오후 3시부터 5시까지 객 체의 유입이 활발했던 시간대에도 오류 빈도수가 적기 때문에 정확한 객체의 움직임을 검출하였다.
- 본 논문에서 설계하고 구현한 시스템은 실험을 통하여 다른 시스템보다 효과적으로 실시간 객체 추적에 적합하고, 이 방법은 영상보안시스템에서 움직이는 객체를 추적하거나 저장 방법 개선 등에 응용되어질 수 있다.
- 블록 정합기법은 차 영상 기법이나 배경영상 교체기법에 비하여 오류빈도수가 많지는 않지만 오후 3시부터 5시까지의 검출 결과를 보면 오류 빈도수가 급격히 증가하고 있음을 알 수 있다.
- 본 논문에서는 초기의 배경영상을 기준으로 입력 영상과의 차를 구하고 시간에 따라 변화하는 배경영상을 NxM 픽셀 마스크만큼 교체하여 배경영상을 갱신하였다. 실험 결과, 기존의 배경영상기법에서 배경영상 자체의 변화 때문에 생기는 문제점을 해결하였고, 픽셀 검사는 모든 픽셀을 연산에 참여시키지 않고 일정한 간격을 두고 이미지의 픽셀을 검색하여 실시간으로 처리되는 실제적인 연산량을 줄여 객체의 윤곽 점을 효율적으로 추출할 수 있도록 하였다. 추출된 윤 곽점을 이용하여 객체 영역을 추출하고 탐색 블록을 생성하여 객체 추적을 정확하고 빠르게 측정할 수 있도록 하였다.
- 실험한 움직임 검출 방법인 차 영상 기법은 객체의 유입이나 움직임이 거의 없는 오전 10시부터 오후 2시, 오후 7시부터 9시까지의 시간대에 미세한 환경의 변화에도 민감하여 움직 임이 있는 것으로 판단하고 움직임을 검출하고 있다.
- 정지영상 분석은 일정한 시간과 장소를 설정하고 객체가 추출되어 추적하는 과정에서 객체의 유입이 없는 시점까지 저장되는 BMP 이미지 파일을 분석한다. 저장된 BMP 파일 중 배경만을 포함하는 이미지는 오류로 검출 되었다고 판단하고, 배경 이외에 다른 객체가 포함되어 있으면 정확히 추출한 것으로 판단하였다.
- 제안한 방법은 기존 방법보다 오류빈도가 적은 정확률과 빠른 속도 보상을 받을 수 있으며, 실시간 객체 추적 시스템으로 적합함을 알 수 있다. 그러나 단일객체의 움직임을 중심으로 검출하기 때문에 동시에 다른 방향에서 유입되는 객체에 대해서는 성능 실험에서는 배제하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.