[논문]비디오 기반의 독거노인 위급 상황 탐지를 위한 행동 분석

김영백; 이상용

doi:10.5302/j.icros.2007.13.6.537

비디오 기반의 독거노인 위급 상황 탐지를 위한 행동 분석
Motion analysis for Home Surveillance of the Aged who Lives Alone based on Video Images 원문보기

제어·자동화·시스템공학 논문지 = Journal of control, automation and systems engineering, v.13 no.6, 2007년, pp.537 - 641

Abstract ▼ AI-Helper

In this paper, motion analysis algorithm is presented for home surveillance of the aged who lives alone. For the first step, we acquire images from a camera. To enhance the image, we use median filtering and binarize it to reduce processing time. And then morphological operations are performed to remove small blobs and small holes. At the forth step, blobs are analysed to extracts tor foreground region. Then, motions are predicted from these images by using optical tlow technique, and the predicted motion data are refined by comparing our cardboard models so as to judge behavior pattern.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 이러한 비효율성을 제거하기 위하여 입력된 영상에 대하여 Hom 등[4]의 방법을 이용하여 광류를 계산하고 광류의 방향과 가속도의 분석을 통하여 다음 동작을 예측함으로서 모델링 데이터와 비교하는 경우의 수를 줄인다.
본 논문에서는 비디오 영상에서 독거노인의 위급 상황탐지를 위한 행동 분석을 위한 연구를 수행하고 알고리즘을 구현하였다.
본 논문에서는 이러한 노인 환자 관리 시스템들이 필요로하는 기능 중에 하나인 노인의 행동을 분석하는 알고리즘을 개발하고 구현하는데 목적이 있다.
따라서 보다 개선된 광류 추정 기법과 정확한 움직임 추정으로 모델링 데이터와의 비교연산을 줄인다면 실시간으로도 구현이 가능할 것으로 기대된다. 본 논문은 점차 노령화 추세의 사회에서 노인 복지를 위한 기술로서 영상에서 인간의 행동 분석 알고리즘을 제시하는데 그 의미가 크다 하겠다.
것을 의미한다[8]. 즉, 동영상으로부터 신체 영역을 추출한 다음 특정 부분을 식별하고 각 부분들이 하나의 의미를 갖기 위해 어떤 변화를 거치는지를 알아내는 것이다. 인간 동작 분석을 위한 가장 이상적인 방법은 분석 대상에 마커를 붙이지 않고 자연스럽게 사람이 눈으로 대상 인간을 관찰하듯 비디오카메라로 입력된 영상만을 분석하여 그 의미를 알아내는 것이다.

가설 설정

Cardboard Model은 사람의 형상을 평면의 박스 조각으로 표현 가능하다는 것을 가정한다. 그림 2는 Shanon X.
따라서 어떤 화소에서 발생하는 밝기의 변화는 전적으로 운동의 영향 때문이라 가정한다[4].

제안 방법

0을 사용했다. 그리고 영상처리 라이브러리는 Matrox사의 Matrox Imaging Library 7.1 을 이용하여 환경을 구축하였다. 하드웨어 사양은 Pentium IV 1.
다음으로 모델링된 데이터와 검출된 노인 영역을 비교하기 위하여 모델링된 데이터에 대하여 크기 정규화를 수행한다. 크기 정규화는 검출된 노인 영역을 둘러싸는 박스를 구하고, 그 박스와 카드보드 모델을 둘러싸는 박스를 넓이와 높이에 대하여 각각 1:1로 맞춤으로써 이루어진다.
이렇게 이진화된 영상에서 다시 잡영을 제거하기 위하여 형태론적 연산(morphological operation)인 열림(opening), 닫힘(closing) 연산을 수행하고, 얼룩(blob)을 추출하고 이 얼룩들을 분석하여 노인영역을 검출한다. 만약 노인이 없으면 모델링된 배경을 업데이트 시키고 노인이 검출되었다면 노인영역에 대하여 부위별 검출을 시도하고 부위별로 검출된 데이터를 이용하여 행동을 분석한다.
방안에서 생기는 자체 노이즈, 형광등에서 방출하는 열전자에 의한 노이즈, 카메라 케이블에 의한 노이즈는 대부분 고, 저주파 성분의 값을 가지므로 미디언 필터를 사용하여 필터링을 한다.
본 연구에서는 노인의 행동 패턴(걷다, 앉다, 서다, 눕다, 쓰러지다)을 인식하기 위하여 사람의 각 부위(머리, 몸, 넓적다리, 종아리)를 나누어서 검출하고 각 부위들의 위치정보를 행동 패턴을 인식하는 특징벡터로 사용한다. 노인의 각 부위를 검출하는 것은 Shanon X.
본 연구에서는 배경 영역과 노인 영역을 분할하기 위하여 이진화, 형태학적 연산, 얼룩 영역과 배경 영역 분할, 노인 추적 이 네 가지 단계를 거친다.
이렇게 이진화된 영상에서 다시 잡영을 제거하기 위하여 형태론적 연산(morphological operation)인 열림(opening), 닫힘(closing) 연산을 수행하고, 얼룩(blob)을 추출하고 이 얼룩들을 분석하여 노인영역을 검출한다. 만약 노인이 없으면 모델링된 배경을 업데이트 시키고 노인이 검출되었다면 노인영역에 대하여 부위별 검출을 시도하고 부위별로 검출된 데이터를 이용하여 행동을 분석한다.
제거하였다. 입력된 영상에 대하여 광류를 추정하여 움직임을 예측하고 예측된 데이터를 기반으로 카드보드 모델 1과 비교하여 동작 정보를 얻어낸 후 연속된 프레임 정보를 이용한 일련의 행동 패턴을 판단하여 표시하였다.
카메라로부터 영상을 입력받고 노이즈 제거를 위한 필터링을 거친 후 이진화를 수행하여 영상에서 배경영역을 제외시킨 전경 영역을 얻고 형태론적 연산(열림과 닫힘)을 통해 분리된 점과 높은 피크들, 불필요한 구멍을 제거하였다. 입력된 영상에 대하여 광류를 추정하여 움직임을 예측하고 예측된 데이터를 기반으로 카드보드 모델 1과 비교하여 동작 정보를 얻어낸 후 연속된 프레임 정보를 이용한 일련의 행동 패턴을 판단하여 표시하였다.
행동 분석 알고리즘의 전체적은 흐름은 그림 1과 같은데 고정된 카메라로부터 영상을 입력받고 입력되는 영상에 대하여 노이즈제거를 위한 전처리를 수행하고, 모델링되어 있는 배경과 비교연산을 통하여 이진화를 수행한다. 이렇게 이진화된 영상에서 다시 잡영을 제거하기 위하여 형태론적 연산(morphological operation)인 열림(opening), 닫힘(closing) 연산을 수행하고, 얼룩(blob)을 추출하고 이 얼룩들을 분석하여 노인영역을 검출한다.

대상 데이터

마지막으로 정규화를 마친 모델링 데이터와 검출된 노인 영역을 2차원 영상공간으로 투영하여 비교하고 임계치 이상으로 매칭되는 모델링 데이터 가운데 가장 높은 매칭율을 보이는 모델링 데이터를 이용하여 노인의 부위별 데이터를 획득한다.
본 연구를 테스트한 환경은 마이크로 소프트사의 Window 2000 Professional 운영체제를 사용하고, 컴파일러는 Microsoft Visual C++ 6.0을 사용했다. 그리고 영상처리 라이브러리는 Matrox사의 Matrox Imaging Library 7.
실험을 위해 사용된 영상은 Color Progresive Scan Camera 1 기를 이용하여 27세의 남자 영상을 촬영하고 초당 5프레임의 영상을 320X240 해상도를 가지는 JPG 파일로 저장하여 사용 하였다. 그림 3은 알고리즘을 테스트하기 위해서 작성된 프로그램의 전체 화면이다.
입력된 영상에서 노인 검출하는데 사용되는 데이터는 얼룩의 위치와 크기이다. 지속적으로 얻어지는 이 얼룩을 추적함으로써 노인에 대한 오검출을 막는다.

이론/모형

노인의 각 부위를 검출하는 것은 Shanon X. Ju 등의 Cardboard Model[기을 이용하여 구현하였다.

성능/효과

실험 결과 제안된 방법은 광류의 계산과 모델링 데이터와 검출 영역을 비교하는데 평균 0.75초가 걸려 실시간으로 노인의 행동을 분석하는 데는 실패 하였다. 그리고 모델링 되지 않은 돌발행동이 학습된 행동 패턴에 끼어들게되면 대부분 인식에 실패하였다.
그리고 모델링 되지 않은 돌발행동이 학습된 행동 패턴에 끼어들게되면 대부분 인식에 실패하였다. 하지만 모델링된 각 행동 패턴에 대하여 10회씩 테스트한 결과 95% 이상 노인의 행동 분석에 성공하였다.

후속연구

어려웠다. 따라서 보다 개선된 광류 추정 기법과 정확한 움직임 추정으로 모델링 데이터와의 비교연산을 줄인다면 실시간으로도 구현이 가능할 것으로 기대된다. 본 논문은 점차 노령화 추세의 사회에서 노인 복지를 위한 기술로서 영상에서 인간의 행동 분석 알고리즘을 제시하는데 그 의미가 크다 하겠다.

참고문헌 (13)

국립창원대학교 아동가족학과 노인문제 연구실: http://www.changwon.ac.kr/~goldage/sub3 menu03.html
A. Azarbayejani, C. Wren, and A. Pentland, 'Real-time 3-D tracking of the human body,' M.I.T Media laboratory Perceptual Computing Section Technical Report No. 374
박성현, '이동 카메라에 의한 이동 물체의 추적기법에 관한 연구,' 석사학위논문, 부산대학교, 2000
B. K. P. Horn and B. G. Schunck, 'Determining optical flow,' Artif. Intell., vol. 17. no. 1-3, pp. 185-204, Aug. 1981

상세보기
I. Haritaoglu, D. Harwood and L. S. Davis, 'W4: Who? When? Where? What? A real time system for detection and tracking people,' International Confercnce On Face and Gesture Recognituion. 14-16, April 1998
김갑기, 김광인, 김항준,'신경망을 이용한 자동차 번호판 추출,' 한국 정보과학회 논문집 제 26 권 제 2 호, pp. 476-478, 10, 1999
S. Ju, M. Black, Y. Yacoob. 'Cardboard people: A parameterized model of articulated image motion,' International conference on Face and Gesture Analysis. 1996
V. I. Pavolovic, R. Sharma, and T. S. Hunag, 'Visual interpretation of hand gestures for human-computer interaction: A review,' IEEE Transaction on PAMI, vol. 19, no. 7, p. 677, July 1997

상세보기
I. Haritaoglu, D. Harwood and L. S. Davis, 'Ghost: A human body part labeling system using shilhouettes,' International Conference on Pattern Recognition, 1998
J. Sherrah and S. Gong, 'VIGOUR: A system for tracking and recognition of multiple people and their activities,' Proc. ICPR. Barcelona Spain, vol. 1, pp. 179- 182, 2000
D. M. Gavrila and L. S. Davis, 'Towards 3D modelbased tracking and recognition of human movement: a multi-view approach,' Int. Workshop on Face and Gesture Recognition, vol. 0000162479, pp. 272-277, 1995
T. Watanabe and M. Yachida, 'Real time recognition of gesture and gesture degree information using multi input image sequence,' ICPR, vol. 1, p. 1855, 1998
J. W. Davis, A. F. Bobic, 'The representation and recognition of action using temporal templates,' MIT Media Lan Technical Report 402, 1997

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

비디오 기반의 독거노인 위급 상황 탐지를 위한 행동 분석
Motion analysis for Home Surveillance of the Aged who Lives Alone based on Video Images 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

비디오 기반의 독거노인 위급 상황 탐지를 위한 행동 분석 Motion analysis for Home Surveillance of the Aged who Lives Alone based on Video Images 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

김영백 (9)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

비디오 기반의 독거노인 위급 상황 탐지를 위한 행동 분석
Motion analysis for Home Surveillance of the Aged who Lives Alone based on Video Images 원문보기

AI 본문요약
AI-Helper