[논문]멧돼지 감시 시스템을 위한 객체 검출 방법

김동우; 송영준; 김애경; 홍유식; 안재형

멧돼지 감시 시스템을 위한 객체 검출 방법
Object Detection Method for The Wild Pig Surveillance System 원문보기

한국인터넷방송통신학회 논문지 = The journal of the Institute of Internet Broadcasting and Communication, v.10 no.5, 2010년, pp.229 - 235

김동우 (충북대학교 BK21 충북정보기술사업단) , 송영준 (충북대학교 BITRC) , 김애경 (충북대학교 전자정보대학) , 홍유식 (상지대학교 컴퓨터정보공학부) , 안재형 (충북대학교 전자정보대학)

초록
AI-Helper

본 논문은 실시간 감시 카메라 시스템에서 움직임 검출 효율을 높일 수 있는 방법을 제안하였다. 기존 방법인 차영상에 의한 방법과 배경 영상에 의한 객체 추적 방법은 외부에서 촬영되는 동영상에서의 움직이고 있는 객체를 검출하는 것이 상당히 어려운 일이다. 제안 방법은 배경 영상을 바로 이전 프레임과의 차를 구하여 급격하게 움직임이 검출되지 않으면 기존 배경 영상을 유지하고 해당 영역에서 움직임 객체가 사려졌을 때를 감지하여 배경 영상을 갱신하는 방법을 제안하였다. 멧돼지와 사람을 판단하기 위해 검출 영역 안에 있는 움직임 객체 각각에 박스로 표시하였다. 실시간 영상으로 시뮬레이션 한 결과 기존 방법보다 우수한 결과를 보여주었다.

Abstract ▼ AI-Helper

In this paper, we propose a method to improve the efficiency of the moving object detection in real-time surveillance camera system. The existing methods, the methods using differential image and background image, are difficult to detect the moving object from outside the video streams. The proposed method keeps the background image if it doesn't be detected moving object using the differential value between a previous frame and a current frame. And the background image is renewed as the moving object is gone in a frame. To decide people and wild pig, the proposed system estimates a bounding box enclosing each moving object in the detecting region. As a result of simulation, the proposed method is better than the existing method.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 원거리에서 감시 카메라로 사용되고 있는 CCD 카메라를 사용하여 움직임 검출 효율을 높이고 멧돼지와 사람을 판별할 수 있는 방법을 제안하였다. 실내가 아닌 바람, 조명 등의 영향을 많이 받는 외부에서 촬영되는 동영상에서의 움직이고 있는 객체를 검출하는 것은 상당히 어려운 일이다.
본 논문은 이를 해결하고자, 배경 영상과 움직임이 있는 영상과의 차영상에 의해 움직임 화소를 추출하고, 이를 임계값에 의한 이진화 처리로서 일정 움직임 이상의 차이값을 보이는 화소들을 표현하였다. 블록으로 나누어 처리하여 계산상의 효율을 높였고, 객체후보 영역에 대한 레이블링을 통해 관심 영역을 설정하였다.

제안 방법

선정된 관심 영역 내에서 히스토그램을 이용하여 실제 객체 영역을 검출하였다. 검출 후에는 영상의 정보들을 이용하여 사람과 멧돼지를 판단하는 기능을 구현하였다. 구현 결과 움직임 영역을 원영상에 표시함으로써 나뭇잎의 움직임과 같은 잡음에 강건하게 움직임 객체를 검출할 수 있었고, 기존의 방법보다 객체 검출 오류가 적은 것을 알 수 있다.
그림 9는 제안한 방법의 멧돼지 감시 프로그램이고 실행 화면의 상단에는 실시간 모니터링 화면이 있고 하단에는 객체를 검출하는 화면으로 구성하였다. 또한 우측에는 검출하는 객체가 사람인지 멧돼지인지를 판단하여 보여주도록 하였고 최종 멧돼지로 판단된 경우 경보상태에 멧돼지 출현을 출력하도록 하였다.
본 논문에서 제안하는 방법은 실시간 영상에서의 배경 영상을 지속적으로 갱신하여 움직임 검출을 하고 객체를 추적하는 방법을 제안하였다. 제안 방법은 초기의 배경 영상을 기준으로 입력 영상과의 차를 구하여 이진화를 시킨다.
본 논문은 이를 해결하고자, 배경 영상과 움직임이 있는 영상과의 차영상에 의해 움직임 화소를 추출하고, 이를 임계값에 의한 이진화 처리로서 일정 움직임 이상의 차이값을 보이는 화소들을 표현하였다. 블록으로 나누어 처리하여 계산상의 효율을 높였고, 객체후보 영역에 대한 레이블링을 통해 관심 영역을 설정하였다. 선정된 관심 영역 내에서 히스토그램을 이용하여 실제 객체 영역을 검출하였다.
블록으로 나누어 처리하여 계산상의 효율을 높였고, 객체후보 영역에 대한 레이블링을 통해 관심 영역을 설정하였다. 선정된 관심 영역 내에서 히스토그램을 이용하여 실제 객체 영역을 검출하였다. 검출 후에는 영상의 정보들을 이용하여 사람과 멧돼지를 판단하는 기능을 구현하였다.
첫 번째는 계속해서 객체가 검출되는 경우로 이 경우 객체가 검출되면 검출된 객체의 중앙점과 객체의 장축/단축 정보, 그리고 객체 영역의 행동 패턴 정보를 저장한다. 저장된 정보를 이용하여 객체가 사람인지 멧돼지인지를 판단한다. 행동 패턴 정보는 동물과 비교하여 사람일 경우에만 나타는 행동인 팔의 움직임에 의한 검출 영역 변경을 의미한다.
그림 1은 제안하는 객체 검출 방법의 전체 구성도이다. 제안 방법은 동영상 입력이 들어오면 배경영상을 획득하고, 이를 연속되는 프레임과의 차영상을 구해 객체를 검출하는 방법을 기본으로 한다. 배경 영상은 바로 이전 프레임과의 차를 구하여 급격하게 움직임이 검출되지 않으면 기존 배경 영상을 유지하는 방법을 사용하였다.
본 논문에서 제안하는 방법은 실시간 영상에서의 배경 영상을 지속적으로 갱신하여 움직임 검출을 하고 객체를 추적하는 방법을 제안하였다. 제안 방법은 초기의 배경 영상을 기준으로 입력 영상과의 차를 구하여 이진화를 시킨다. 이후 작은 잡음을 형태학적 필터링으로 없애고, 일정 크기 이상의 움직이는 객체 영역을 객체 후보 영역으로 간주한다.
차영상을 이용한 방법은 움직임이 있는 후보영역을 검출하기 위해 연속된 두 프레임간의 차영상 분석 방법을 사용한다. 차영상 방법은 연속된 두 프레임간의 밝기 차이를 구한 후, 임계값을 사용하여 임계값 보다 낮은 밝기 차이를 가진 부분은 움직임이 없는 배경으로 구별하고 임계값 보다 큰 밝기 차이를 가진 부분은 움직임이 있는 물체로써 구별한다^[7].

대상 데이터

본 실험은 실시간으로 촬영되어 주간에는 가시광선의 카메라로 작동하고, 야간에는 적외선 카메라로 작동하는 VA100WD+VL60을 사용하였다. 카메라로부터 입력되는 영상은 메트록스사의 그래버 카드를 이용하여 컴퓨터에 저장하였다.
제안하는 방법을 구동한 시스템은 Intel Core 2 Duo E8300(2.83 GHz), 3 GB RAM으로 구성되었고 프로그램 입력 영상은 640×480 RGB 24bit 컬러 영상을 이용하였다.
본 실험은 실시간으로 촬영되어 주간에는 가시광선의 카메라로 작동하고, 야간에는 적외선 카메라로 작동하는 VA100WD+VL60을 사용하였다. 카메라로부터 입력되는 영상은 메트록스사의 그래버 카드를 이용하여 컴퓨터에 저장하였다. 또한 응용 소프트웨어는 메트록스에서 지원하는 MIL라이브러리를 이용하였고 Visual C++ 6.

데이터처리

카메라로부터 입력되는 영상은 메트록스사의 그래버 카드를 이용하여 컴퓨터에 저장하였다. 또한 응용 소프트웨어는 메트록스에서 지원하는 MIL라이브러리를 이용하였고 Visual C++ 6.0 MFC를 사용하여 구현하였다. 제안하는 방법을 구동한 시스템은 Intel Core 2 Duo E8300(2.
관심영역이 설정되면 관심영역 내에서 수직방향과 수평방향으로 투영하여 각 방향에서의 히스토그램을 구한다. 히스토그램을 이용하여 객체가 시작되는 상하 좌표와 좌우 좌표를 계산하여 그림 6과 같이 최종적인 객체 영역을 검출한다. 검출된 객체영역은 실제 영상에 투영하여 표시하면 움직이는 객체 검출이 완료된다.

성능/효과

검출 후에는 영상의 정보들을 이용하여 사람과 멧돼지를 판단하는 기능을 구현하였다. 구현 결과 움직임 영역을 원영상에 표시함으로써 나뭇잎의 움직임과 같은 잡음에 강건하게 움직임 객체를 검출할 수 있었고, 기존의 방법보다 객체 검출 오류가 적은 것을 알 수 있다.
표 1은 시간대 별로 차영상 방법, 배경 영상 방법과 제안한 방법을 사용하였을 때 출현한 객체의 빈도수와 객체 검출 오류 여부를 가지고 비교한 결과이다. 표 1의 결과에서 제안한 방법이 모든 시간대에서 기존의 방법들보다 오류가 적은 것을 확인할 수 있었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	지능형 감시 기술이 주목받는 점은 무엇인가?	그러나 기존의 보안 감시 시스템은 예방을 위해 별도의 관리자가 시스템을 계속 모니터링 해야 하므로 시스템 구축과 인력의 결합이 필수적이며, 결국 비용 상승이라는 단점으로 이어지고 있다. 이에 반해 최근 등장하는 지능형 감시 기술은 별도의 모니터링 인력 없이도 잠재적인 위협요인을 자동으로 식별하고, 움직이는 객체를 지속적으로 추적할 수 있다는 점에서 주목받는 기술이다[1].
	컴퓨터가 객체 검출을 하는 일이 어려운 이유는 무엇인가?	그러나 인간은 이러한 객체 검출과 추적을 쉽게 판단할 수 있지만, 컴퓨터가 이러한 일을 해내도록 만드는 것은 여전히 어려운 문제이다. 같은 객체라고 하더라도 개개의 영상 안에 있는 객체의 크기, 방향, 위치 등이 다르게 나타날 수 있고, 또한 조명의 색상이 변화한다거나 빛의 방향이 바뀌게 되면 같은 객체라 하더라도 너무나 다양한 영상을 만들게 되기 때문이다. 더욱이, 목표 객체가 다른 객체에 의해 가려져 그 일부분이 보이지 않거나, 주변의 배경에 수많은 객체들이 놓여있어서 목표 객체를 다른 객체로 착각하게 만들거나 목표 객체가 아닌 것을 목표 객체로 보이게 하는 양상들을 만들기도 한다. 따라서 객체 검출은 이러한 다양한 주변 환경의 변화에 적응해야 하는 어려운 과제를 안고 있는 문제이다[2].
	기존 보안 감시 시스템의 단점은 무엇인가?	주요 공공시설, 군부대 경계 그리고 기업 보안은 정부와 기업의 당면 과제로서, 인식률의 성능 향상과 신뢰성 보장에 역점을 두고 있다. 그러나 기존의 보안 감시 시스템은 예방을 위해 별도의 관리자가 시스템을 계속 모니터링 해야 하므로 시스템 구축과 인력의 결합이 필수적이며, 결국 비용 상승이라는 단점으로 이어지고 있다. 이에 반해 최근 등장하는 지능형 감시 기술은 별도의 모니터링 인력 없이도 잠재적인 위협요인을 자동으로 식별하고, 움직이는 객체를 지속적으로 추적할 수 있다는 점에서 주목받는 기술이다[1].

참고문헌 (8)

이경무, "차세대 지능로봇을 위한 물체인식 기술개발", 지식경제부 연구기획 최종보고서, 2008
정희태, "에지 검출을 이용한 물체 추적 시스템 구현", 한국정보기술학회논문지, 제6권, 제6호, 8-13쪽, 2008

상세보기
이창수, 전문석, "적응적 배경 영상과 그물형 픽셀 간격의 윤곽점 검출을 이용한 객체의 움직임 검출", 한국통신학회논문지, 제 30권, 제 3C호, 92-101쪽, 2005
A. Saha, J. Mukherjee, S. Sural, "New pixel-decimation patterns for block matching in motion estimation", Signal Processing: Image Communication, Vol. 23, No. 10, pp. 725-738, 2008

상세보기
지정균, 김용균, "가변 탐색창을 이용한 실시간 객체 추적 시스템", 한국 OA학회 논문지, 제7권, 제4호, 52-57쪽, 2002
S. M. Smith, "Reviews of Optical Flow, Motion Segmentation, Edge Finding and Corner Finding," Technical Report TR97SMS1c, Department of Clinical Neurology, Oxford University, 1997
R. C. Gonzalez, R. E. Woods, Digital Image Processing second edition, Prentice Hall, 2002
A. Hanjalic, R. L. Lagendijk, J. Biemond, " A New Key-Frame Allocation Method for Representing Stored Video-Strams", Proc of the First International Workshop on Image Databases and Multimedia Search, pp. 67-74.

저자의 다른 논문 :

LOADING...

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