[논문]효과적인 이동물체 추적을 위한 색도 영상과 엔트로피 기반의 그림자 제거

박기홍

doi:10.12673/jant.2014.18.4.387

[국내논문] 효과적인 이동물체 추적을 위한 색도 영상과 엔트로피 기반의 그림자 제거
Shadow Removal Based on Chromaticity and Entropy for Efficient Moving Object Tracking 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.18 no.4 = no.67, 2014년, pp.387 - 392

초록
AI-Helper

최근 지능형 비디오 감시를 위한 다양한 연구가 제안되고 있음에도 CCTV 영상에서 이상 징후 판단이 사람에 의해 이루어지고 있어 상황인식을 위한 방법 및 연구가 필요하다. 본 논문에서는 이동물체 검출 및 추적을 위해 RGB 칼라 모델 기반의 색도 영상과 엔트로피 영상을 도출하여 그림자 제거를 수행한 후 이동물체를 추적하는 방법을 제안한다. 이동물체 검출을 위해 잡음 및 주위환경변화에 민감하지만 순간적으로 발생되는 상황인지 환경에서 효과적인 차영상 모델을 적용하였다. 검출한 이동물체 영역에서 RGB 채널의 색도 영상을 기반으로 첫 번째 그림자 후보 영역을 선정하였고, 그레이레벨에서 엔트로피를 계산하여 두 번째 그림자 후보 영역을 추정하여 그림자를 제거하였다. 제안하는 방법의 타당성을 위해 고속도로에서 주행하는 자동차들을 대상으로 실험하였고, 실험 결과 색상과 엔트로피를 이용한 그림자를 제거와 이동물체 추적이 효과적으로 수행됨을 확인하였다.

Abstract ▼ AI-Helper

Recently, various research for intelligent video surveillance system have been proposed, but the existing monitoring systems are inefficient because all of situational awareness is judged by the human. In this paper, shadow removal based moving object tracking method is proposed using the chromaticity and entropy image. The background subtraction model, effective in the context awareness environment, has been applied for moving object detection. After detecting the region of moving object, the shadow candidate region has been estimated and removed by RGB based chromaticity and minimum cross entropy images. For the validity of the proposed method, the highway video is used to experiment. Some experiments are conducted so as to verify the proposed method, and as a result, shadow removal and moving object tracking are well performed.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

기존의 이동물체 검출 알고리즘은 윤곽선(edge)을 이용한 기법, 차영상 기법(BSM; background subtraction model) 및 HIS(hue, intensity, saturation) 칼라 모델 기반의 방법 등이 제안되었다[4],[5],[6]. 본 논문에서는 동영상에서 BSM을 이용해 이동물체를 검출한 후 그림자 후보 영역을 추정하기 위해 칼라 모델 기반의 색도 영상과 그레이 레벨 영상에서의 엔트로피(entropy)를 적용하여 그림자를 제거하여 이동물체 추적하는 방법을 제안하고자 한다. 본 논문의 구성은 2장에서 RGB(red, green, blue) 칼라 영상의 색도와 엔트로피 영상에 대해 설명하고, 3장에서 이동물체의 그림자 영역을 제거하는 방법을 제안한다.
본 논문에서는 RGB 칼라 모델 기반의 CCTV 영상으로부터 이동물체를 검출 및 추적하기 위해 칼라영상의 색도 영상과 그레이 레벨 영상에서의 엔트로피를 이용하여 그림자 후보 영역을 제거하는 방법을 제안하였다. 본 논문에서 이동물체의 검출을 위한 방법으로 차영상 기법을 적용하였으며, 검출된 이동물체들은 그림자 영역을 포함하고 있어 부정확한 이동물체 추적이 예상되므로 그림자 제거는 필수사항이다.

제안 방법

본 논문에서는 효과적인 이동물체의 추적을 위해 이동물체를 검출한 후 그림자 후보 영역을 선정하고 제거하기 위해 칼라 영상의 색도(chromaticity)와 엔트로피(entropy)를 적용하였다. RGB 칼라 영상을 형성하는 성분영상(component image)은 식 1의 적색, 녹색 및 청색과 같고, 식 2에서 각 색상 채널 성분을 연결시키는 cat()연산자에 의해 구성된다[7].
본 논문에서 두 번째 그림자 후보 영역으로 칼라 영상을 그레이 영상으로 변환한 후 화소에 대한 무작위성(a measure of randomness)을 나타내는 엔트로피 감도를 측정하여 그림자 후보 영역을 추정하였다. 영상의 엔트로피를 계산하는 방법은 다양한 연구에서 변형 및 제안되었으며[8]-[11], 그레이 영상에서의 엔트로피는 그레이 레벨 히스토그램을 이용하여 각 화소의 확률들을 모델링하고, 식 6과 같이 엔트로피에 대한 1차 추정 (a) 그림자 영상 (b) 그림 6(a)의 R-G 분포 그림 6.
본 논문에서는 그레이 영상의 엔트로피를 계산하기 위해 MCE(minimum cross entropy)를 변형하여 적용하였다. [8]에 의해 제안된 MCE는 두 개의 확률 분포 p={p₁,p₂,.
본 논문에서 이동물체의 그림자 후보 영역으로 식 3과 식 4에 의해 구해진 RGB 칼라 영상의 색도 영상 픽셀 값이 Pixel_RGB(x,y)=(0,0,0)인 경우를 첫 번째 후보 영역으로 선정하였고, 두 번째 후보 영역으로 그림 8과 같이 식 8부터 식 11에 의해 계산된 Pixel_Gray(x,y)=0인 경우를 그림자 후보 영역으로 추정하였다.
본 논문에서 이동물체 추적을 위해 [12]의 영상을 이용하였고, 전처리 과정으로 참조 영상과 현재 시간 영상간의 차이 기반으로 영상분석이 가능한 BSM을 적용하였다. 그림 9는 고속 도로에 설치된 CCTV 영상으로 그림 9(a)와 (b)는 참조 영상(reference image)과 관심영역(RIO; region of interest)이 설정된 그레이 영상이며, 그림 9(c)와 (d)는 현재 시간 t부터 30 프레임 간격으로 추출한 영상이다.
먼저 이동물체 추출을 위해 실험 영상을 그레이 영상으로 변환한 후 차영상을 추출하여 잡음제거 및 열림-닫힘 연산을 수행하였고, 그림 10과 같다. 그림 10(a)는 그림 9(a)영상과 그림 9(c, d)영상간의 차영상이다.
이동물체 추출 및 추적에 있어 그림 10(c)에서와 같이 추출한 이동물체를 확대하면 그림자 영역까지 검출되어 불필요한 계산으로 비효율적이다. 따라서 본 논문에서 색도와 엔트로피를 이용하여 그림자 후보 영역을 제거하는 방법을 제안하였고, 각 결과영상들은 그림 11과 같다.
본 논문에서는 RGB 칼라 모델 기반의 CCTV 영상으로부터 이동물체를 검출 및 추적하기 위해 칼라영상의 색도 영상과 그레이 레벨 영상에서의 엔트로피를 이용하여 그림자 후보 영역을 제거하는 방법을 제안하였다. 본 논문에서 이동물체의 검출을 위한 방법으로 차영상 기법을 적용하였으며, 검출된 이동물체들은 그림자 영역을 포함하고 있어 부정확한 이동물체 추적이 예상되므로 그림자 제거는 필수사항이다. 검출한 이동물체 영역의 색도 영상을 기반으로 첫 번째 그림자 후보 영역을 선정 하였고, 그레이 영상에서 화소의 변화 기대치인 엔트로피를 계산하여 두 번째 그림자 후보 영역을 추정하여 그림자를 제거하였다.
본 논문에서 이동물체의 검출을 위한 방법으로 차영상 기법을 적용하였으며, 검출된 이동물체들은 그림자 영역을 포함하고 있어 부정확한 이동물체 추적이 예상되므로 그림자 제거는 필수사항이다. 검출한 이동물체 영역의 색도 영상을 기반으로 첫 번째 그림자 후보 영역을 선정 하였고, 그레이 영상에서 화소의 변화 기대치인 엔트로피를 계산하여 두 번째 그림자 후보 영역을 추정하여 그림자를 제거하였다. 실험결과 제안된 색도 영상과 엔트로피를 이용해 그림자 제거를 수행한 후 효과적인 이동물체 추적이 가능함을 보였다.

성능/효과

검출한 이동물체 영역의 색도 영상을 기반으로 첫 번째 그림자 후보 영역을 선정 하였고, 그레이 영상에서 화소의 변화 기대치인 엔트로피를 계산하여 두 번째 그림자 후보 영역을 추정하여 그림자를 제거하였다. 실험결과 제안된 색도 영상과 엔트로피를 이용해 그림자 제거를 수행한 후 효과적인 이동물체 추적이 가능함을 보였다. 향후 이동물체의 그림자를 제거하기 위해 그레이 레벨이 아닌 칼라 모델에서의 엔트로피를 계산하여 그림자를 제거하는 알고리즘 연구와 참조영상이 필요 없는 싱글 영상에서 그림자 제거 가능한 알고리즘 연구를 계속하고자 한다.

후속연구

실험결과 제안된 색도 영상과 엔트로피를 이용해 그림자 제거를 수행한 후 효과적인 이동물체 추적이 가능함을 보였다. 향후 이동물체의 그림자를 제거하기 위해 그레이 레벨이 아닌 칼라 모델에서의 엔트로피를 계산하여 그림자를 제거하는 알고리즘 연구와 참조영상이 필요 없는 싱글 영상에서 그림자 제거 가능한 알고리즘 연구를 계속하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	이동물체 검출을 위해 적용된 것은?	본 논문에서는 이동물체 검출 및 추적을 위해 RGB 칼라 모델 기반의 색도 영상과 엔트로피 영상을 도출하여 그림자 제거를 수행한 후 이동물체를 추적하는 방법을 제안한다. 이동물체 검출을 위해 잡음 및 주위환경변화에 민감하지만 순간적으로 발생되는 상황인지 환경에서 효과적인 차영상 모델을 적용하였다. 검출한 이동물체 영역에서 RGB 채널의 색도 영상을 기반으로 첫 번째 그림자 후보 영역을 선정하였고, 그레이레벨에서 엔트로피를 계산하여 두 번째 그림자 후보 영역을 추정하여 그림자를 제거하였다.
	상황인식을 위한 방법 및 연구가 필요한 이유는?	최근 지능형 비디오 감시를 위한 다양한 연구가 제안되고 있음에도 CCTV 영상에서 이상 징후 판단이 사람에 의해 이루어지고 있어 상황인식을 위한 방법 및 연구가 필요하다. 본 논문에서는 이동물체 검출 및 추적을 위해 RGB 칼라 모델 기반의 색도 영상과 엔트로피 영상을 도출하여 그림자 제거를 수행한 후 이동물체를 추적하는 방법을 제안한다.
	그림자 제거 알고리즘은 어떤 과정인가?	본 논문에서 제안하는 그림자 제거 알고리즘은 그림 7과 같 이 수행된다. 먼저 RGB 칼라 영상의 색도 영상을 구하고, 그레이 영상으로 변환 후 엔트로피 감도를 측정하여 그림자 후보 영 역을 추정 및 복원하는 일련의 과정이다.

참고문헌 (12)

Y. S. Oh, S. T. Lee, and J. H. Baek, "Moving object tracking using MHI and M-bin histogram," The Journal of Korea Navigation Institute, Vol. 9, No. 1, pp. 48-55, June 2005.
P. Smith, T. Drummond, and R. Cipolla, "Automatic motion segmentation by tracking edge information over multiple frames," in Proceeding of the 6th European Conference on Computer Vision, Part II, Dublin: Ireland, pp. 396-410, 2011.
K. M. Lim, and J. S. Lee, "Moving object detection based on background initialization algorithm," The Journal of Korean Institute of Information Technology, Vol. 3, No. 2, pp. 21-26, May 2005.
M. Yokoyama, and T. Poggio, "A contour-based moving object detection and tracking," in Proceeding of the 2th Joing IEEE International Workshop on VS-PETS, Beijing: China, pp. 271-276, 2005.
T. W. Jang, Y. T. Shin, and J. B. Kim, "A study on the object extraction and tracking system for intelligent surveillance," The Journal of Korea Information and Communications Society, Vol. 38B, No. 7, pp. 589-595, July 2013.

원문보기 상세보기
F. Hafiz, A. A. Shafie, O. Khalifa, and M. H. Ali, "Foreground segmentation-based human detection with shadow removal," in Proceeding of the IEEE international Conference on Computer and Communication Engineering, Kuala Lumpur: Malaysia, pp. 1-6, 2010.
R. C. Gonzalez, R. E. Woods, S. L. Eddins, Digital image processing using MATLAB, 1st ed. New Jersey, NJ: Pearson Prentice Hall, 2004.
S. Kullback, Information theory and statistics, 2th ed. New York, NY: Dover Publicaions, 1968.
C. H. Li, and C. K. Lee, "Minimum cross entropy thresholding," ELSEVIER, Pattern Recognition, Vol. 26, No. 4, pp. 617-625, Apr. 1993.

상세보기
A. S. Abutaleb, "Automatic thresholding of gray-level pictures using two-dimensional entropy," in Proceeding of SPIE on Applications of Digital Image Processing, pp. 22-32, 1989.
P. Y. Yin, "Multi-level minimum cross entropy threshold selection based on particle swarm optimization," ELSEVIER, Applied Mathematics and Computation, Vol. 184, No. 2, pp. 503-513, Jan. 2007.

상세보기
Computer Vision and Robotics Research (CVRR) Laboratory. Video sample [Internet]. Available: http://cvrr.ucsd.edu/aton/shadow/

저자의 다른 논문 :

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