[논문]환경변화에 강인한 다중 객체 탐지 및 추적 시스템

이우주; 이배호

환경변화에 강인한 다중 객체 탐지 및 추적 시스템
Multiple Object Detection and Tracking System robust to various Environment 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.46 no.6=no.330, 2009년, pp.88 - 94

초록
AI-Helper

본 논문에서는 보안 및 감시 시스템 분야에 적용할 수 있는 실시간 객체 탐지 및 추적 알고리듬을 제안한다. 구현된 시스템은 객체 탐지 단계, 객체 추적 단계로 구성되었다. 객체탐지에서는 정화한 객체의 움직임 검출을 위한 향상된 검출 방법인 적응배경 차분법과 적응적 블록 기반 모델을 제안한다. 객체추적에서는 칼만 필터에 기반한 다중 물체 추적 시스템을 설계하였다. 실험결과 이동객체의 움직임을 추정할 수 있었고, 추적 과정에서도 다수의 객체를 잃어버리지 않고 정상적으로 추적할 수 있었다. 또한 원거리 탐지 및 추적에서 향상된 결과를 얻을 수 있었다.

Abstract ▼ AI-Helper

This paper proposes real time object detection and tracking algorithm that can be applied to security and supervisory system field. A proposed system is devide into object detection phase and object tracking phase. In object detection, we suggest Adaptive background subtraction method and Adaptive block based model which are advanced motion detecting methods to detect exact object motions. In object tracking, we design a multiple vehicle tracking system based on Kalman filtering. As a result of experiment, motion of moving object can be estimated. the result of tracking multipul object was not lost and object was tracked correctly. Also, we obtained improved result from long range detection and tracking.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 이러한 움직임 검출의 신뢰성을 높이기 위해 적응적 블록 이진화 기법을 제안한다.
본 연구에서는 적응형 블록기반 모델을 이용한 다중객체 탐지 및 추적 시스템을 제안하였다. 제안된 시스템은 배경의 변화를 효과적으로 학습함을 알 수 있으며, 배경에 포함되어 있는 잡음에 대해 좀더 강인하게 적용됨을 알 수 있다.
필요하다. 본 연구에서는 환경변화에 강인한 다중객체 탐지 및 추적 시스템을 제안한다.

가설 설정

는 측정 벡터, H는 상태 벡터와 측정 벡터사이의 관계를 나타내는 관측 행렬 (observation matrix), 1 渣는 측정 오차를 나타내며, 모델 잡음 四及와 측정 오차 5는 비상관 (uncorrelated) 되었다고 가정한다.

제안 방법

모폴로지 연산을 통해 노이즈 제거 과정을 거친후 윤곽을 얻기 위해서 Labeling (or Grouping) 과정을 통하여 물체들을 원하는 정보 단위로 묶고, 이렇게 레이블링 된 물체들의 윤곽(Contour, Shape, Ed気e)을 얻어내어 Object 들에 대한 정보를 얻어 낸다. 아래의 그림 3 과 4는 영 역분할 알고리즘으로 적용한 Simple Labeling& Centroid Find(SLCF) 흐름도와 블록도이다.
이진화된 영상은 일부 잡음을 포함하고 있으며 미디언 필터를 사용하여 이를 제거하고, 주 객체부분과 일부 분할된 객체부분을 합치기 위한 과정으로 Opening-Closing 모폴로지 영상처리를 한다.
4GHz Pentium 4 PC, 운영체제 Window XP에서 수행되었다. 탐지 및 추적의 실시간성을 보장하기 위해 초당 4~8프레임을 일정한 간격으로 선별하여 적용하였다. 실험 결과 최대 초당 10프레임까지는 안정적으로 적용할 수 있음을 확인할 수 있었으며, 누락된 프레임은 일정 간격의 프레임을 사용하기 때문에 크게 영향을 미치지 않음을 실험을 통해 확인할 수 있었다.
알아야 한다. 한 화소가 다른 화소들에 연결되어 있는 지의 여부를 알기 위하여, 본 연구에서는 연결성분 라벨링을 사용하였다.

대상 데이터

본 논문에서 사용한 실험장비는 한 대의 1/3인치 카메라와 비디오 서버를 이용하였고, 실험은 2.4GHz Pentium 4 PC, 운영체제 Window XP에서 수행되었다. 탐지 및 추적의 실시간성을 보장하기 위해 초당 4~8프레임을 일정한 간격으로 선별하여 적용하였다.

이론/모형

다중 객체 추적을 위해 본 연구에서는 칼만필터 (Kalman filter)“'를 이용하였다. 칼만필터란 잡음에 의해 간섭 받는 선형 동적 시스템에서 상태벡터 를 구하기 위한 순환적인 알고리즘이다.
비교과정을 거치게 된다. 또한, 좀더 세밀한 객체 검출을 위해 블록기반 이진화 기법을 적용한다. 적응적 이진화 이후에는 영역분할 알고리즘을 통해 객체를 분할한다.

성능/효과

나타내고 있다. 그림에서 보는 바와 같이 제안한 알고리즘의 탐지율이 96.5%로 기존의 알고리즘보다 개선됐음을 알 수 있다.
실험 결과에서 보여주듯이 바람이 많이 부는 우천시 등 급격한 환경변화가 많은 곳에서도 움직이는 객체의 탐지 및 추적이 우수하며, 200m 원거리에서 줌렌즈를 사용하지 않더라고 탐지 및 추적의 우수성을 보여주었다. 또한 다중의 객체추적에서 겹침지역도 객체가 결합하는 현상 없이 독립적으로 ID를 관리해 줌을 알 수 있었다. 마지막으로 제안한 알고리즘이 기존의 알고리즘보다 탐지율이 개선되었음을 실험을 통해 확인할 수 있었다.
또한 다중의 객체추적에서 겹침지역도 객체가 결합하는 현상 없이 독립적으로 ID를 관리해 줌을 알 수 있었다. 마지막으로 제안한 알고리즘이 기존의 알고리즘보다 탐지율이 개선되었음을 실험을 통해 확인할 수 있었다. 이러한 시스템은 군대주둔지, 교도소, 전략적 산업구조물 등 중요지역 보안을 위한 감시 시스템으로서의 활용성이 증대될 것으로 기대된다.
탐지 및 추적의 실시간성을 보장하기 위해 초당 4~8프레임을 일정한 간격으로 선별하여 적용하였다. 실험 결과 최대 초당 10프레임까지는 안정적으로 적용할 수 있음을 확인할 수 있었으며, 누락된 프레임은 일정 간격의 프레임을 사용하기 때문에 크게 영향을 미치지 않음을 실험을 통해 확인할 수 있었다. 그림 8, 9, 10은 객체 탐지 및 추적 결과를 보여준다.
이러한 방법의 장점은 급격한 조명의 변화나, 흔들리는 나뭇가지 등의 자연환경에서 나타날 수 있는 오경보를 현저히 줄여줄 수 있다. 실험 결과에서 보여주듯이 바람이 많이 부는 우천시 등 급격한 환경변화가 많은 곳에서도 움직이는 객체의 탐지 및 추적이 우수하며, 200m 원거리에서 줌렌즈를 사용하지 않더라고 탐지 및 추적의 우수성을 보여주었다. 또한 다중의 객체추적에서 겹침지역도 객체가 결합하는 현상 없이 독립적으로 ID를 관리해 줌을 알 수 있었다.
실험결과 100m, 200m 원거리에서도 탐지 및 추적이 됨을 알 수 있었다. 또한 다중의 객체 추적시 겹침 지역이 발생하더라도 각각의 객체 ID를 독립적으로 관리함으로써, 궤적이 다른 객체로 연결되는 문제를 해결하였다.
탐지 및 추적 시스템을 제안하였다. 제안된 시스템은 배경의 변화를 효과적으로 학습함을 알 수 있으며, 배경에 포함되어 있는 잡음에 대해 좀더 강인하게 적용됨을 알 수 있다. 이러한 방법의 장점은 급격한 조명의 변화나, 흔들리는 나뭇가지 등의 자연환경에서 나타날 수 있는 오경보를 현저히 줄여줄 수 있다.

후속연구

마지막으로 제안한 알고리즘이 기존의 알고리즘보다 탐지율이 개선되었음을 실험을 통해 확인할 수 있었다. 이러한 시스템은 군대주둔지, 교도소, 전략적 산업구조물 등 중요지역 보안을 위한 감시 시스템으로서의 활용성이 증대될 것으로 기대된다.

참고문헌 (6)

T. Horprasert, D. Harwood, L. S. Davis, "A robust background subtraction and shadow detection," Proc. ACCV2000, Taiwan, January 2000
L. Li, R. Luo, W. Huang, K. Leman, W.Y. Yau, "Adaptive Background Subtraction with Multiple Feedbacks for Video Surveillance," Int'l Symp. Visula Computing '2005, pp. 380~387, 2005

상세보기
C.Anderson.PeterBurt.and G.van derWal.“Change detection and tracking using pyramid transformation techniques“. In Proceedings of SPIE -Intelligent Robotsand Computer Vision, vol. DLXXIX. pp.72-78, 1985
Erik Cuevas, Daniel Zaldivar, and Raul Rokas, "Kalman filter for vision tracking" technical report B 05-12, 2005
Y, Bar-Shalom(ed.), Multitarget-Multisensor Tracking, Artech House, Inc, Norwood, MA, 1990
설성욱, "칼만 필터를 이용한 움직이는 물체의 윤곽선 추적에 관한 연구". 석사학위 논문, 부산대학교, 1998

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

환경변화에 강인한 다중 객체 탐지 및 추적 시스템
Multiple Object Detection and Tracking System robust to various Environment 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

환경변화에 강인한 다중 객체 탐지 및 추적 시스템 Multiple Object Detection and Tracking System robust to various Environment 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

이우주 (1) 이배호 (22)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

환경변화에 강인한 다중 객체 탐지 및 추적 시스템
Multiple Object Detection and Tracking System robust to various Environment 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper