[논문]배경분리 방법에 의한 이동 물체 검출에서 개선된 색정보 정규화 기법에 관한 연구

박종범

doi:10.12815/kits.2013.12.6.108

초록
AI-Helper

영상취득 장치를 이용한 지능화된 감시 장치의 개발 기술 또한 발전하고 있다. 이 분야의 기술 영역은 감시하고 있는 장소에 어떤 사람이나 물체를 탐지하는 전경 분리 기술과 사람이나 물체의 이동 경로를 파악하는 추적 기술로 나뉜다. 본 논문에서는 이동체를 탐지하는 기술로서 잡음이나 조도의 변화에 비교적 안정적인 엔진개발을 위한 개선된 알고리즘을 제안한다. 논문의 제안 알고리즘은 사람이나, 동물, 또는 비교적 저속 운행 중인 차량 등의 탐지에 적합한 모델로서, 조도의 변화나 잡음에 안정적이면서 실시간 처리가 가능한 방법을 고안하는 데 주안점을 두고 있다.

Abstract ▼ AI-Helper

A developed skill of an intelligent CCTV is also advancing by using its Image Acquisition Device. In this field, area for technique can be divided into Foreground Subtraction which detects individuals and objects in a potential observing area and a tracing technology which figures out moving route o...

A developed skill of an intelligent CCTV is also advancing by using its Image Acquisition Device. In this field, area for technique can be divided into Foreground Subtraction which detects individuals and objects in a potential observing area and a tracing technology which figures out moving route of individuals and objects. In this thesis, an improved algorism for a settled engine development, which is stable to change in both noise and illumination for detecting moving objects is suggested. The proposed algorism from this thesis is focused on designing a stable and real time processing method which is perfect model in detecting individuals, animals, and also low-speeding transports and catching a change in an illumination and noise.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 이동 물체를 탐지하는 기술로서 잡음이나 조도의 변화에 비교적 안정적인 엔진개발을 위한 개선된 알고리즘을 제안하였다. 제안된 알고리즘은 사람이나, 동물, 또는 비교적 저속 운행 중인 차량 등의 탐지에 적합한 모델로서, 조도의 변화나 잡음에 안정적이면서 실시간 처리가 가능한 방법을 고안하는 데 주안점을 두고 제안하였다.
본 논문에서는 선행 알고리즘 중에서 근래 그 효용성이 크게 입증되고 있는 GMM을 기반으로 하였으며, 연산 속도와 신뢰성을 모두 충족할 수 있는 검출 데이터 모형을 설계하는 데에 개선 방향을 두고 제안하였다.

제안 방법

본 논문에서는 이동 물체를 탐지하는 기술로서 잡음이나 조도의 변화에 비교적 안정적인 엔진개발을 위한 개선된 알고리즘을 제안하였다. 제안된 알고리즘은 사람이나, 동물, 또는 비교적 저속 운행 중인 차량 등의 탐지에 적합한 모델로서, 조도의 변화나 잡음에 안정적이면서 실시간 처리가 가능한 방법을 고안하는 데 주안점을 두고 제안하였다.
일반적으로 이동 물체 추적을 위해서는 우선 움직이는 물체를 인식하기 위한 배경분리 방식을 사용한다. 배경분리를 위해서 이전 프레임에서 획득된 영상의 화소 값을 저장하고 현재 프레임에서 획득된 영상의 화소 값을 저장하여 두 영상의 값을 비교하여 차영상을 구한다. 획득된 영상은 컬러영상이므로 영상처리를 쉽게 할 수 있도록 흑백영상으로 변환하여 사용한다.
제시한 논문에서 배경모형은 GMM을 사용하며, 매 화소에 대하여 최대 4개의 가오스 분포을 이용하였다. 매개 가우스 분포 식은 다음과 같다.

대상 데이터

시험에 사용한 H/W는 컴퓨터와 영상 촬영을 위한 파나소닉 네트워크 카메라로 사양은 다음과 갔다.

성능/효과

실험에서는 의 1에서 8까지의 사진 위쪽을 보면 담장의 작은 나뭇잎의 움직임을 변화량으로 확인할 수 있었다.
αi를 매우 작게준 경우에는 학습이 느리게 진행되어 초기에 움직임을 검출하지 못하였으며, 시험 결과 수행 속도가 느려 실용화하기 위해서는 개선 연구가 필요하다. 다만 검출 대상의 크기를 제한하면 속도가 크게 증가하는 것을 알 수 있었다. 실험에서는 <그림 4>의 1에서 8까지의 사진 위쪽을 보면 담장의 작은 나뭇잎의 움직임을 변화량으로 확인할 수 있었다.
논문에서 이용한 LBP 기법은 얼굴 인식 등에서 많이 활용되고 있는 것이나, 특징 vector의 차원을 효과적으로 축소하면 색 정보 특징량과 결합하여 동영상에서 움직임 포착에도 응용 가능함을 확인하였다. 검출 결과는 움직임이 있는 영역의 경계가 파악이 되므로 이 영역이 화상을 Clipping하여 2차로 SVM(Support Vector Machine)같은 알고리즘을 사용하면 객체 인식분야에도 확장할 수 있을 것으로 판단된다.
검출 결과는 움직임이 있는 영역의 경계가 파악이 되므로 이 영역이 화상을 Clipping하여 2차로 SVM(Support Vector Machine)같은 알고리즘을 사용하면 객체 인식분야에도 확장할 수 있을 것으로 판단된다. 다만, 처리 속도문제에 있어서 시험에 사용한 카메라는 1280x960의 해상도를 가지며, 30fps로 작동하는 것인데, 비교적 보통 방범과 같은 응용에서는 15fps도 충분하며, 고해상도 영상에 대해서는 전처리에서 화상을 1/10로 축소하여 처리하면 처리 속도를 증가시킬 수 있음을 확인하였다.

후속연구

αi를 매우 작게준 경우에는 학습이 느리게 진행되어 초기에 움직임을 검출하지 못하였으며, 시험 결과 수행 속도가 느려 실용화하기 위해서는 개선 연구가 필요하다.
논문에서 이용한 LBP 기법은 얼굴 인식 등에서 많이 활용되고 있는 것이나, 특징 vector의 차원을 효과적으로 축소하면 색 정보 특징량과 결합하여 동영상에서 움직임 포착에도 응용 가능함을 확인하였다. 검출 결과는 움직임이 있는 영역의 경계가 파악이 되므로 이 영역이 화상을 Clipping하여 2차로 SVM(Support Vector Machine)같은 알고리즘을 사용하면 객체 인식분야에도 확장할 수 있을 것으로 판단된다. 다만, 처리 속도문제에 있어서 시험에 사용한 카메라는 1280x960의 해상도를 가지며, 30fps로 작동하는 것인데, 비교적 보통 방범과 같은 응용에서는 15fps도 충분하며, 고해상도 영상에 대해서는 전처리에서 화상을 1/10로 축소하여 처리하면 처리 속도를 증가시킬 수 있음을 확인하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	배경분리 방식 중 영상 프레임간의 화소값 차이에 기반한 방법의 단점은 무엇인가?	배경분리 방식 중에서 배경모델이 BGS의 핵심기술로서 배경모델을 어떻게 구성하고 갱신해 나가는가 하는 것이 관건이 되며, 이에 따라 여러 가지 방법들이 제안되고 있다. 그 중에서 영상 프레임간의 화소값 차이에 기반한 방법이 가장 직관적이고 연산량이 비교적 작아서 사용되는 경우가 있으나 물체의 영역을 정확히 검출하지 못하는 단점이 있다. 이에 대해 입력되는 비디오 프레임 데이터로 부터 실시간으로 업데이트되는 배경모델을 생성하고 유지하는 귀납적 방법이 있는데, 대표적인 방법으로 Running Gaussian Averge(RGA), GMM, GMM with Adaptive number of Gaussian(AGMM), Approximated Median Filtering(AMF) 등이 있다.
	배경분리를 위해서 어떻게 차영상을 구하는가?	일반적으로 이동 물체 추적을 위해서는 우선 움직이는 물체를 인식하기 위한 배경분리 방식을 사용한다. 배경분리를 위해서 이전 프레임에서 획득된 영상의 화소 값을 저장하고 현재 프레임에서 획득된 영상의 화소 값을 저장하여 두 영상의 값을 비교하여 차영상을 구한다. 획득된 영상은 컬러영상이므로 영상처리를 쉽게 할 수 있도록 흑백영상으로 변환하여 사용한다.
	배경분리 방법은 어떤 가정하에서 무엇을 추출하는 것인가?	연속 영상으로 사람이나 동물, 물체의 움직임을 파악하고 영상 내 현재 위치를 탐지하는 방법으로 현재 배경분리(Background Subtraction; BGS) 방법이 주로 이용되고 있다. 이는 기본적으로 배경화면이 정지해 있다는 가정하에 연속된 영상 프레임 간에 영상정보의 차이를 통하여 움직임이 있는 영역을 추출해 내는 것이다.

참고문헌 (10)

Y.J. Kim, D.H. Kim, "Smart Phone Based Image Processing Methods for Motion Detection of a Moving Object via a Network Camera," Journal of Control. Robotics and Systems, vol. 19, no. 1, pp.65-71, 2013.

원문보기 상세보기
C. Stauffer and W.E.L. Grimson, "Adaptive Background Mixture Models for Real-Time Tracking," Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition, pp.246-252, 1999.
Image Processing Toolbox, Chapter 9, Morphological Operations, The Mathworks, 2001.
B. GoldluFcke and M.A. Magnor, "Joint 3D Reconstruction and Background Separation in Multiple Views using Graph Cuts," Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition, vol. 1, pp.683-688, 2003.
M. Sormann, C. Zach, and K. Karner, "Graph Cut based Multiple View Segmentation for 3D Reconstruction," Proceedings of IEEE International Symposium on 3D Data Processing, Visualization, and Transmission, pp.1085-1092, 2006.
A. Perring, R. Szewczyk, W. Wen, D. Culler and J. D. Tygar, "Spins: Security Protocols for Sensor Networks," Wireless Networking, pp.521-534, 2002.
Y-P. Tsia, C-H. Ko, Y-P. Huang, and Z-C. Shih, "Background Removal of Multiview Images by Learning Shape Priors," IEEE Transactions on Image Processing, vol. 16, no. 10, pp.2607-2616, 2007.

상세보기
N. Campbell, G. Vogiatzis, C. Hernandez, and R. Cipolla, "Automatic 3D Object Segmentation in Multiple Views using Volumetric Graph-Cuts," Proceedings of British Machine Vision Conference, vol. 1, pp.530-539, 2007.
Ojala, T., Pietikainen, M. and Maenpaa, T. (2002), Multiresolution Gray-scale and Rotation Invariant Texture Classification with Local Binary Patterns. IEEE Trans. Pattern Analysis and Machine Intelligence. 24(7): 971-987.

상세보기
http://www.ee.oulu.fi/research/imag/exture/lbp/abou t/LBP%20Methodology.pdf

이 논문을 인용한 문헌

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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

[국내논문] 배경분리 방법에 의한 이동 물체 검출에서 개선된 색정보 정규화 기법에 관한 연구
A Study on the Revised Method using Normalized RGB Features in the Moving Object Detection by Background Subtraction 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

활용도 분석정보

활용도 Top5 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

[국내논문] 배경분리 방법에 의한 이동 물체 검출에서 개선된 색정보 정규화 기법에 관한 연구 A Study on the Revised Method using Normalized RGB Features in the Moving Object Detection by Background Subtraction 원문보기

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

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 배경분리 방법에 의한 이동 물체 검출에서 개선된 색정보 정규화 기법에 관한 연구
A Study on the Revised Method using Normalized RGB Features in the Moving Object Detection by Background Subtraction 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

활용도 Top5 논문