[논문]지능형 영상 감시 시스템을 위한 다수의 네트워크 카메라를 이용한 협동 추적

이덕용; 전형석; 주영훈

doi:10.5391/jkiis.2011.21.6.743

[국내논문] 지능형 영상 감시 시스템을 위한 다수의 네트워크 카메라를 이용한 협동 추적
Collaborative Tracking Algorithm for Intelligent Video Surveillance Systems Using Multiple Network Cameras 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.21 no.6, 2011년, pp.743 - 748

이덕용 (한국폴리텍V대학 김제캠퍼스) , 전형석 (군산대학교 제어로봇공학과) , 주영훈 (군산대학교 제어로봇공학과)

초록
AI-Helper

본 논문에서는 지능형 영상 감시 시스템을 위한 다수의 네트워크 카메라를 이용한 협동 추적 알고리즘을 제안한다. 이를 위하여 각의 카메라는 모션 템플릿 기법을 통하여 영상내의 움직임 물체를 추출하고, 추출된 움직임 물체의 이동방향을 추정한다. 움직임 물체가 추출되면 칼만 필터를 이용하여 움직임 물체의 정확한 좌표를 추정한다. 움직임 물체의 이동방향과 카메라의 상태를 이용하여 가장 효율적인 협동추적 카메라를 선정하고, 각 카메라의 공간정보를 이용하여 PTZ 변수를 설정하고 협동요청을 한다. 협동요청을 받은 카메라는 설정된 PTZ 변수를 이용하여 움직임 물체를 협동 추적하고 확대영상을 획득한다. 실험을 통하여 제안된 협동추적 알고리즘의 성능분석 및 그 응용 가능성을 확인한다.

Abstract ▼ AI-Helper

In this paper, we propose a collaborative tracking algorithm for intelligent video surveillance systems using the multiple network cameras. To do this, each camera detects a moving object and it's movement direction by motion templates. Once a moving object is detect, the Kalman filter is used to reduce noises, and a collaborative tracking camera is selected according to the movement direction and the camera state. In this procedure, Pan-Tilt-Zoom(PTZ) parameters are assigned to obtain clear images. Finally, some experiments show the validity of the proposed method.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 지능형 영상 감시 시스템을 위한 다수의 네트워크 카메라를 이용한 협동 추적 알고리즘을 제안하였다. 이를 위하여 각각의 카메라는 모션 템플릿 기법을 통하여 영상내의 움직임 물체를 추출하고, 추출된 움직임 물체의 이동방향을 추정하는 알고리즘을 제안하였다.

제안 방법

일단, 움직임 물체가 추출되면 칼만 필터를 이용하여 움직임 물체의 정확한 좌표를 추정하였다. 그 다음, 움직임 물체의 이동방향과 카메라의 상태를 이용하여 가장 효율적인 협동추적 카메라를 선정하고, 각 카메라의 공간정보를 이용하여 PTZ 변수를 설정하고 협동요청을 알고리즘을 제안하였다. 그리고 나서, 협동요청을 받은 카메라는 설정된 PTZ 변수를 이용하여 움직임 물체를 협동 추적하고 확대영상을 획득하는 알고리즘을 제안하였다.
그 다음, 움직임 물체의 이동방향과 카메라의 상태를 이용하여 가장 효율적인 협동추적 카메라를 선정하고, 각 카메라의 공간정보를 이용하여 PTZ 변수를 설정하고 협동요청을 알고리즘을 제안하였다. 그리고 나서, 협동요청을 받은 카메라는 설정된 PTZ 변수를 이용하여 움직임 물체를 협동 추적하고 확대영상을 획득하는 알고리즘을 제안하였다. 마지막으로, 실험을 통하여 제안된 협동추적 알고리즘의 우수성 및 그 응용 가능성을 확인했다.
그리고, 움직임 물체의 이동방향과 카메라의 상태를 이용하여 가장 효율적인 협동추적 카메라를 선정하고, 각 카메라의 공간정보를 이용하여 PTZ 변수를 설정하여 협동요청을 한다. 그리고 나서, 협동요청을 받은 카메라는 설정된 PTZ 변수를 이용하여 움직임 물체를 협동 추적하고 확대영상을 획득한다. 마지막으로 실험을 통하여 제안된 알고리즘의 성능분석 및 그 응용 가능성을 확인한다.
일단, 움직임 물체가 추출이 되면 칼만 필터를 이용하여 움직임 좌표의 잡음을 제거한다. 그리고, 움직임 물체의 이동방향과 카메라의 상태를 이용하여 가장 효율적인 협동추적 카메라를 선정하고, 각 카메라의 공간정보를 이용하여 PTZ 변수를 설정하여 협동요청을 한다. 그리고 나서, 협동요청을 받은 카메라는 설정된 PTZ 변수를 이용하여 움직임 물체를 협동 추적하고 확대영상을 획득한다.
모션 템플릿과 칼만 필터를 이용하여 추정된 움직임 물체의 좌표와 이동방향 만을 가지고 협동 추적을 할 경우 각 카메라의 상태에 따른 문제가 발생 할 수 있다. 본 논문에서는 움직임 물체의 이동방향과 카메라들의 상태를 이용하여 협동추적에 적합한 카메라를 선정해야 한다. 움직임 물체를 검출한 카메라를 제외한 모든 카메라의 상태를 파악하여 가용한 카메라를 선택하고, 움직임 물체의 이동방향과 동일한 선상에 존재하는지를 판단한다.
본 논문에서는 움직임 물체의 이동방향과 카메라들의 상태를 이용하여 협동추적에 적합한 카메라를 선정해야 한다. 움직임 물체를 검출한 카메라를 제외한 모든 카메라의 상태를 파악하여 가용한 카메라를 선택하고, 움직임 물체의 이동방향과 동일한 선상에 존재하는지를 판단한다. 이후 그중 가장 가까운 카메라를 선택하여 협동 요청을 하고 협동 요청을 받은 카메라를 이용하여 협동 추적을 한다.
이 문제점을 해결하기 위하여 다수의 네트워크 카메라를 이용한 협동 추적 알고리즘을 제안한다. 이를 위하여 각각의 카메라는 모션 템플릿 기법을 통하여 영상내의 움직임 물체를 추출하고, 이동방향을 추정한다.
이 문제점을 해결하기 위하여 다수의 네트워크 카메라를 이용한 협동 추적 알고리즘을 제안한다. 이를 위하여 각각의 카메라는 모션 템플릿 기법을 통하여 영상내의 움직임 물체를 추출하고, 이동방향을 추정한다. 일단, 움직임 물체가 추출이 되면 칼만 필터를 이용하여 움직임 좌표의 잡음을 제거한다.
본 논문에서는 지능형 영상 감시 시스템을 위한 다수의 네트워크 카메라를 이용한 협동 추적 알고리즘을 제안하였다. 이를 위하여 각각의 카메라는 모션 템플릿 기법을 통하여 영상내의 움직임 물체를 추출하고, 추출된 움직임 물체의 이동방향을 추정하는 알고리즘을 제안하였다. 일단, 움직임 물체가 추출되면 칼만 필터를 이용하여 움직임 물체의 정확한 좌표를 추정하였다.
이때 발생하는 잡음을 포함하는 움직임 좌표는 PTZ 컨트롤을 불안정하게 만든다. 이를 해결하기 위하여 예상좌표를 확률적 모델로서 최대한 끌어올릴 수 있는 칼만 필터를 이용하여 움직임 물체 좌표의 잡음을 제거 한다. 칼만 필터는 선형 동적 시스템에서 다음 상태를 선형관계에 있는 측정을 이용하여 추정하는 방법이다.
움직임 물체를 검출한 카메라를 제외한 모든 카메라의 상태를 파악하여 가용한 카메라를 선택하고, 움직임 물체의 이동방향과 동일한 선상에 존재하는지를 판단한다. 이후 그중 가장 가까운 카메라를 선택하여 협동 요청을 하고 협동 요청을 받은 카메라를 이용하여 협동 추적을 한다. 협동 카메라를 선택하기 위한 시스템 블록도는 그림 (4)와 같다.
움직임 물체가 추출이 되면 칼만 필터를 이용하여 움직임 물체의 정확한 좌표를 추정한다. 이후 이동방향과 상태를 이용하여 가장 효율적인 협동추적 카메라를 선정하고 각 카메라의 공간정보를 이용하여 PTZ 변수를 설정하고 협동요청을 한다. 이 과정을 통하여 다수의 카메라 시스템은 협동추적을 할 수 있게 된다.
이를 위하여 각각의 카메라는 모션 템플릿 기법을 통하여 영상내의 움직임 물체를 추출하고, 추출된 움직임 물체의 이동방향을 추정하는 알고리즘을 제안하였다. 일단, 움직임 물체가 추출되면 칼만 필터를 이용하여 움직임 물체의 정확한 좌표를 추정하였다. 그 다음, 움직임 물체의 이동방향과 카메라의 상태를 이용하여 가장 효율적인 협동추적 카메라를 선정하고, 각 카메라의 공간정보를 이용하여 PTZ 변수를 설정하고 협동요청을 알고리즘을 제안하였다.

대상 데이터

본 실험에서는 단일 물체를 대상으로 하며 실험에 사용된 네트워크 카메라 시스템의 자세한 사양은 표 1과 같다.

이론/모형

움직임 물체를 추출하고 움직임 물체의 이동방향을 추정하기 위하여 본 논문에서는 모션 템플릿 기법을 이용한다. 모션 템플릿의 수행 순서는 그림 (3)과 같다.
모션 템플릿을 이용하여 움직임 물체를 추출하면 좌표를 획득해야 한다. 좌표를 획득하기 위하여 COG(Center of Gravity)를 이용하여 좌표를 구한다. 움직임 물체의 중심점 좌표를 구하는 방법은 다음과 같다.

성능/효과

그리고 나서, 협동요청을 받은 카메라는 설정된 PTZ 변수를 이용하여 움직임 물체를 협동 추적하고 확대영상을 획득하는 알고리즘을 제안하였다. 마지막으로, 실험을 통하여 제안된 협동추적 알고리즘의 우수성 및 그 응용 가능성을 확인했다.
협동추적을 위한 모션 템플릿과 칼만필터를 이용한 움직임 물체 추출과 이동방향 추정을 실험을 통하여 안정적으로 이루어짐을 볼 수 있다. 실험 결과 영상은 그림 (7)과 같다.

후속연구

그리고 나서, 협동요청을 받은 카메라는 설정된 PTZ 변수를 이용하여 움직임 물체를 협동 추적하고 확대영상을 획득한다. 마지막으로 실험을 통하여 제안된 알고리즘의 성능분석 및 그 응용 가능성을 확인한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	모션 템플릿을 이용하여 획득한 움직임 좌표에서는 무엇이 발생할 수 있는가?	모션 템플릿을 이용하여 획득한 움직임 좌표는 잡음이 발생할 수 있다. 이때 발생하는 잡음을 포함하는 움직임 좌표는 PTZ 컨트롤을 불안정하게 만든다.
	영상감시의 신뢰성을 감소시키는 요소 중 가장 중요한 요소는 무엇인가?	하지만 영상감시의 신뢰성을 감소시키는 요소가 여러 가지 존재 한다. 그중에서도 가장 중요한 요소는 한번 녹화된 영상은 화질이 개선되지 않는다는 것이다. 녹화된 영상을 사후에 디지털 줌을 이용하여 확대 하였을 경우 정확한 정보를 얻기 어렵다.
	영상감시는 무엇을 위해 이용되어 왔는가?	최근 범죄와 사고의 위협이 증가함에 따라 개인의 보안의식과 다양한 보안솔루션이 필요해졌다[1-3]. 영상감시는 1960년대의 Closed-Circuit Television(CCTV)을 사용하여 원격지의 상황을 감시하고 기록하기 위하여 이용되었다. 그 이후 영상감시 기술은 크게 발전하여 영상감시 시스템은 더 많은 분야에서 사용되고 있고, 가격이 비교적 저렴해짐에 따라 효율적인 영상감시의 폭넓은 보급이 가능해졌다[1].

참고문헌 (7)

F. Chang, "PTZ Camera Target Tracking in Large Complex Scenes", Intelligent Control and Automation (WCICA), pp 2914-2918, 2010.
N. Bellotto, "A Distributed Camera System for Multi-Resolution Surveillance", Third ACM/IEEE International Conference on Distributed Smart Cameras (ICDSC), pp 1-8, 2009.
N. A. Manap "Smart Surveillance System Based on Stereo Matching Algorithms with IP and PTZ Camera" 3DTV-Conference: The True Vision-Capture, Transmission and Display of 3D Video (3DTV-CON), pp 1-4 2010.
H. Ismail, H. David, and S. Larry, "W4S: A Real Time System for Detection and Tracking People", Face and Gesture Recognition Workshop, Vol. 1406, pp 877-892, 1998.
A. Bobick, J.Davis, "Real-time recognition of activity using temporal templates" IEEE Workshop on Applications of Computer Vision, pp 39-42, 1996
L. Matthies, T. Kanade, and R. Szeliski "Kalman filter based algorithms for estimating depth from image sequences". International Journal of Computer Vision, Vol. 3, No. 3, pp. 209-236, 1989.

상세보기
D. W. Seo, H. U. Chae and K. H. Jo, "Multiple Camera-Based Correspondence of Ground Foot for Human Motion Tracking", Int. Journal of Control, Robotics and Systems, Vol. 14, No. 8, pp. 848-855, 2008.

원문보기 상세보기

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