$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

CCTV 개인영상 정보보호를 위한 오프라인 객체추적
Offline Object Tracking for Private Information Masking in CCTV Data 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.18 no.12, 2014년, pp.2961 - 2967  

이석호 (Division of Computer & Information Engineering, Dongseo University)

초록
AI-Helper 아이콘AI-Helper

최근 CCTV의 영상정보 공개시 타인의 영상에 대해서는 모자이크 처리하여 식별이 불가능하도록 하는 개인정보 보호법이 발표되었다. 반면에 CCTV를 통하여 획득된 영상 데이터를 활용한 범죄 수사는 점차 더 많이 활용되고 있는 추세이다. 이렇게 상반된 2가지의 요구사항에 의해 촬영된 CCTV 동영상을 수사기관 등의 기관에서 요청할 경우 개인정보(개인 얼굴 이미지 등)을 마스킹(Masking)해 배포함으로써 개인정보 유출을 차단하는 마스킹/ 언마스킹 솔루션에 대한 시장의 요구가 크게 성장할 것으로 예측된다. 정보주체가 정보열람 의뢰기관에 정보를 요구하기 전에 객체에 대한 선별 마스킹을 하기 위한 정보보호 솔루션에 있어서 가장 핵심되는 기술은 객체에 대한 추적기술이다. 본 논문에서는 CCTV영상에 대한 후처리로써의 정보보호 솔루션에 적합한 객체추적 알고리즘을 제안한다. 안정적인 추적이 가능하도록 하기 위해 움직임정보와 색상정보를 함께 사용하였다. 그러면서도 시간이 많이 걸리지 않는 컬러 중심점 이동(Color Centroid Shifting) 기반의 방법을 사용하여 추적의 속도 성능을 높였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Nowadays, a private protection act has come into effect which demands for the protection of personal image information obtained by the CCTV. According to this act, the object out of interest has to be mosaicked such that it can not be identified before the image is sent to the investigation office. ...

주제어

#정보보호   #객체추적   #정보 마스킹 솔루션  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 을 계산하기 위해 배경을 모델링하여 전경과 배경영역을 구분하여야 한다. 배경모델링에 MOG (Mixture of Gaussian)등을 이용하는 방법들[9-12]도 있으나 속도가 느리고 많은 프레임을 저장하여야 하기 때문에 본 논문에서는 이동평균(running average) 배경모델링을 수정한 움직임 영역 이동평균 방법을 제안한다. 일반적인 이동평균 방법은 다음과 같은 식을 통해 현재 프레임의 배경을 모델링한다:
  • 본 논문에서는 CCTV영상의 사후 마스킹 처리에 특화된 추적 알고리즘을 제안하였다. 제안한 추적 알고리즘은 오프라인 상에서 추적대상의 영역을 수동으로 결정한 후에 대상영역의 크기에 적응적으로 자동 추적 및 크기 추정을 수행하여 대상영역을 마스킹하는 솔루션에 적용할 수 있다.
  • 또한 CCTV 영상의 특성상 추적대상에 대한 조명의 갑작스러운 변화도 없고, 매우 짧은 시간구간의 추적이 많다는 것이다. 본 논문에서는 이러한 제약상황을 염두에 두고 충분히 안정적이면서도 계산량이 적은 CCTV영상정보 마스킹에 적합한 추적 알고리즘을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
최근 CCTV의 영상정보 공개시 유의상황은? 최근 CCTV의 영상정보 공개시 타인의 영상에 대해서는 모자이크 처리하여 식별이 불가능하도록 하는 개인정보 보호법이 발표되었다. 반면에 CCTV를 통하여 획득된 영상 데이터를 활용한 범죄 수사는 점차 더 많이 활용되고 있는 추세이다.
객체추적에 대한 문제점은? 객체추적에 있어서 조명의 변화, 겹쳐짐(occlusion), 객체의 모양의 변화 등의 많은 문제가 있기 때문에 이를 해결하기 위해 다양한 이론에 근거한 많은 추적알고리즘들이 제안되었다[1-8]. 이중 추적대상의 색상만을 기반으로 한 추적 알고리즘들은 비교적 계산량이 적은 반면 추적의 성능이 불안정할 때가 많다[1-5].
CCTV영상의 사후 마스킹 처리에 특화된 추적 알고리즘에 대한 설명은? 본 논문에서는 CCTV영상의 사후 마스킹 처리에 특화된 추적 알고리즘을 제안하였다. 제안한 추적 알고리즘은 오프라인 상에서 추적대상의 영역을 수동으로 결정한 후에 대상영역의 크기에 적응적으로 자동 추적 및 크기 추정을 수행하여 대상영역을 마스킹하는 솔루션에 적용할 수 있다. CCTV영상의 마스킹 처리에 특화되어 계산량이 복잡하지 않으면서도 CCTV의 대상들을 마스킹 처리하는데 충분한 안정성을 갖도록 설계되었다. 추적대상의 크기를 추정할 때 색상정보도 함께 사용하는 방안에 대해 추가적인 연구가 이루어지면 더욱 안정적인 결과가 도출될 것으로 보인다.
질의응답 정보가 도움이 되었나요?

참고문헌 (14)

  1. R. Collins, "Mean-shift blob tracking through scale space," IEEE Conf. on Computer Vision and Pattern Recognition, Vancouver, pp. 234-240, 2003. 

  2. D. Comaniciu, V. Ramesh, and P. Meer, "Kernel-based object tracking," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol.25, pp. 564-575, 2003. 

    상세보기 crossref

  3. S. H. Lee, E. Choi, and M. G. Kang, "Object tracking based on area weighted centroids shifting with spatiality constraints," IEEE Int. Conf. Image Processing, San Diego, USA, pp. 2632-2635, 2008. 

  4. G. R. Bradski, "Computer Vision Face Tracking For Use in a Perceptual User Interface," Intel Technology Journal, pp. 1-12, 1998. 

  5. A. Yilmaz, "Object tracking by asymmetric kernel mean shift with automatic scale and orientation selection," IEEE Conf. on Computer Vision and Pattern Recognition, Minneapolis, USA, pp. 1-6, 2007. 

  6. P. Brasnett, L. Mihaylova, D. Bull, and N. Canagarajah, "Sequential monte carlo tracking by fusing multiple cues in video sequences," Image and Vision Computing, vol. 25, no. 8, pp. 1217-1227, 2007. 

    상세보기 crossref

  7. C. Yang, R. Duraiswami, and L. Davis, "Fast multiple object tracking via a hierarchical particle filter," International Conference on Computer Vision, Beijing, China, vol. 1, pp. 212-219, 2005. 

  8. Q. Wang and J. Liu, "Visual tracking using the kernel based particle filter and color distribution," International Conference on Neural Networks and Brain, Beijing, China, vol. 3, pp. 1730-1733, 2005. 

  9. C. Stauffer and W. E. L. Grimson, "Learning patterns of activity using real time tracking," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 22, pp. 747-767, 2000. 

    상세보기 crossref

  10. X. Gao, T. E. Boult, F. Coetzee, and V. Ramesh, "Error Analysis of Background Adaption," In IEEE Int. Conf. on Computer Vision, Hilton Head, SC, USA, vol. 1, pp. 503-510, 2000. 

  11. L. Li, W. Huang, I. Y. H. Gu, and Q. Tian "Foreground object detection from videos containing complex background", ACM Multimedia, 2003. 

  12. P. K. T. Pong and R. Bowden, "An improved adaptive background mixture model for real-time tracking with shadow detection," Video-Based Surveillance Systems, pp. 135-144, 2001. 

  13. J. Kwon and K. M. Lee, "Tracking of a non-rigid object via patch-based dynamic appearance modeling and adaptive Basin Hopping Monte Carlo sampling," IEEE Conf. on Computer Vision and Pattern Recognition, Miami, USA, pp. 1208-1215, 2009. 

  14. Y. Wu, J. W. Lim, and M. H. Yang, "Online Object Tracking: A Benchmark," IEEE Conf. on Computer Vision and Pattern Recognition, Portland, USA, pp. 2411-2418, 2013. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로