초록이 없습니다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

가설 설정

• ∙ 객체의 움직임 등으로 인해 형태가 급격하게 변화한다.
• ∙ 객체의 움직임은 부분적으로든 전체적으로든 중복되는 현상이 발생한다. 객체의 일부분이 중복되어 보이지 않거나 다중 객체로 인해 단일 객체 혹은 단일객체가 주변 조건들로 인해 다중 객체로 보이는 현상이 발생한다.
• ∙ 추적하는 정보를 잃어버리는 경우도 종종 발생한다.(빠르게 움직이는 객체의 경우 이러한 현상이 발생하기도 한다.
• 객체 검출은 입력 환경에서 배경 영상을 사용하여, 해당 영상과 배경영상간의 편차를 구함으로써 수행할 수 있다. 해당 영상과 배경영상의 차이 값에서 중요한 변화가 나타나는 부분이 움직이는 객체를 의미하는 것으로 가정한다. 움직임 영역을 검출하기 위해 변화가 나타난 영역을 다른 기호로 표기하며, 이후 연결성 검사를 통해 객체 영역을 검출한다.

제안 방법

• 정상행동은 일반적으로 보행자로 의미하며, 비정상행동은 개인의 시각에 따라 차이를 보일 수 있다. 본 내용에서는 시나리오 형태로 정상 보행자와 비정상 보행자를 구분하기 위해 휴먼 데이터의 특징을 정의하고 이를 활용하여 월담(담장을 넘는 행위), 배회(한 장소에서 어슬렁거리는 행위), 실신(보행 중에 갑자기 쓰러지는 행위), 카메라 조작(인위적으로 설치된 카메라 위치를 조작하는 행위)과 같은 행위를 소개한다^[15].
• 해당 영상과 배경영상의 차이 값에서 중요한 변화가 나타나는 부분이 움직이는 객체를 의미하는 것으로 가정한다. 움직임 영역을 검출하기 위해 변화가 나타난 영역을 다른 기호로 표기하며, 이후 연결성 검사를 통해 객체 영역을 검출한다. 즉, 연결성 검사 알고리즘은 한 객체에 해당되는 부분을 획득하기 위하여 수행되고, 배경 영상을 현재 영상의 차이를 계산함으로써 의미 있는 정보를 획득한다.
• 지금까지 지능형 영상감시 시스템 개발을 위해 객체 검출 기술들을 살펴보았다. 이러한 기술들이 타 산업분야와의 연계 또는 활용 가능한 범위는 다음과 같다.
• 이러한 방법들은 데이터를 기반으로 통계학적인 접근방법^[8], 신경회로망을 이용한 접근방법^[9]이 있고, 최근에는 SVM(Support Vector Machine)방법을 통한 얼굴 검출이 사용되어 왔다. 통계학적 접근 방법을 기반으로 한 얼굴 검출은 얼굴과 비얼굴 데이터들을 수집하고 각각 검출기를 생성하여 얼굴의 유사도를 측정하여 검출하였다.^[10]

이론/모형

• 또 다른 접근 방법으로는 HoG(Histogram of Oriented Gradients)을 적용하여 휴먼 영역을 검출한다^[13]. <그림 8>은 휴먼 검출을 위한 각 단계별 수행 결과 영상을 보여주고 있다.

성능/효과

• 또한, 국내 영상감시 시장의 연평균 성장률은 13.0%이며, 전체 시장은 2010년 9,365억 원, 2012년 13,144억 원 규모로 성정할 것으로 예상하고, 세계 영상감시 시장의 연평균 성장률은 11.8%이며, 전체 시장은 2010년 104.10억 불, 2011년 116.73억 불 규모로 성장할 것으로 예측하고 있다.

후속연구

• 향후에는 각기 다른 배경으로 발전을 거듭한 지능형 영상 감시, 생체인식, CCTV/DVR/NVR 영상보안 기술이 통합되어 새로운 영상인식 기반의 지능형 영상감시 기술로 진화할 것이다. 또한, 실시간으로 원거리 객체 식별, 상황인지 및 자율 대응 등과 같은 기술들이 통합된 시스템 구조로 진행될 것이다. 현재 국내 관련 업체는 영상보안 장비 시장에서 높은 기술력과 세계시장 점유율을 유지하고 있으나 이러한 경쟁력은 급속히 약화되고 있고 시장 점유율에도 악영향을 끼치고 있다.
• 향후에는 각기 다른 배경으로 발전을 거듭한 지능형 영상 감시, 생체인식, CCTV/DVR/NVR 영상보안 기술이 통합되어 새로운 영상인식 기반의 지능형 영상감시 기술로 진화할 것이다. 또한, 실시간으로 원거리 객체 식별, 상황인지 및 자율 대응 등과 같은 기술들이 통합된 시스템 구조로 진행될 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

질의응답

핵심어	질문	논문에서 추출한 답변
모션 디텍션	모션 디텍션이란?	CCTV 카메라에 접목된 1세대 지능형 감시시스템을 꼽으라면 모션 디텍션(Motion Detection) 기능을 말할 수 있다. 모션 디텍션은 움직이는 물체를 카메라가 스스로 감지해 포착하는 기능으로 이미 관련업계의 기술에서 가장 유명한 기술이다. 하지만 정도의 차이는 있겠지만 모션 디텍션은 영상의 픽셀을 감지해 이동물체를 탐지하는 것으로 포괄적인 감도를 조정하고 수동으로 감지 레벨을 설정하기 때문에 하루 평균 수십 번의 오류가 발생할 수 있다는 큰 문제로 지적돼 왔다.
모션 디텍션	모션 디텍션에서 지적돼 온 큰 문제는?	모션 디텍션은 움직이는 물체를 카메라가 스스로 감지해 포착하는 기능으로 이미 관련업계의 기술에서 가장 유명한 기술이다. 하지만 정도의 차이는 있겠지만 모션 디텍션은 영상의 픽셀을 감지해 이동물체를 탐지하는 것으로 포괄적인 감도를 조정하고 수동으로 감지 레벨을 설정하기 때문에 하루 평균 수십 번의 오류가 발생할 수 있다는 큰 문제로 지적돼 왔다.
지능형 영상감시에서의 객체 검출과 추적의 수행 방법 및 문제점	지능형 영상감시에서의 객체 검출과 추적의 수행 방법 및 문제점은 어떤 것들이 있는가?	∙ 객체의 움직임 등으로 인해 형태가 급격하게 변화한다. ∙ 객체의 움직임은 부분적으로든 전체적으로든 중복되는 현상이 발생한다. 객체의 일부분이 중복되어 보이지 않거나 다중 객체로 인해 단일 객체 혹은 단일객체가 주변 조건들로 인해 다중 객체로 보이는 현상이 발생한다. ∙ 크기 및 형태가 객체(사람)마다 다르며, 헤어, 가방, 신발, 의류 착용에 따라 외형적인 변형을 유발시키는 요인이 된다. ∙ 추적하는 정보를 잃어버리는 경우도 종종 발생한다.(빠르게 움직이는 객체의 경우 이러한 현상이 발생하기도 한다.) ∙ 영상은 다양하게 변화하는 조명 환경과 그림자 등이 영상에 노이즈로 작용하기 때문에 객체가 아닌 곳에서 객체로 오인식 될 경우가 있다.

질의응답 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기

저자의 다른 논문 :

김태경 (3) 백준기 (89)