[논문]서베일런스 네트워크에서 최소 윤곽을 기초로 하는 실시간 객체 추적 알고리즘

강성관; 박양재

doi:10.14400/jdc.2014.12.8.337

서베일런스 네트워크에서 최소 윤곽을 기초로 하는 실시간 객체 추적 알고리즘
Real-Time Object Tracking Algorithm based on Minimal Contour in Surveillance Networks 원문보기

디지털융복합연구 = Journal of digital convergence, v.12 no.8, 2014년, pp.337 - 343

강성관 (인하대학교 컴퓨터정보공학부) , 박양재 (가천대학교 컴퓨터공학과)

초록
AI-Helper

본 논문은 감지와 통신 데이터 전송량의 관점에서 서베일런스 네트워크에서 움직이는 객체를 추적하기 위하여 전송 데이터를 감소시키는 최소 윤곽선 추적 알고리즘을 제안한다. 이 알고리즘은 객체 추적에 대한 감지를 수행하고 서버와의 영상 데이터 전송 시 영상 데이터 전송량을 줄임으로써 서버와의 통신 부하를 최소화한다. 이 알고리즘은 객체의 운동학을 기초로 최소 추적 영역을 사용한다. 객체의 운동학의 모델링은 예정된 시간 안에서 이동할 수 있는 객체에 의해 운동 역학적으로 방문될 수 없는 추적 영역의 부분을 제거하는 것으로써 시작한다. 실시간으로 객체를 검출하는 응용 분야에서 대량의 영상 데이터를 전송시에 전송 부하를 줄일 수 있는 효과가 있다.

Abstract ▼ AI-Helper

This paper proposes a minimal contour tracking algorithm that reduces transmission of data for tracking mobile objects in surveillance networks in terms of detection and communication load. This algorithm perform detection for object tracking and when it transmit image data to server from camera, it minimized communication load by reducing quantity of transmission data. This algorithm use minimal tracking area based on the kinematics of the object. The modeling of object's kinematics allows for pruning out part of the tracking area that cannot be mechanically visited by the mobile object within scheduled time. In applications to detect an object in real time,when transmitting a large amount of image data it is possible to reduce the transmission load.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 사람의 운동학을 기초로 윤곽선 추적이라 일컫는 최소 추적 영역을 이용한 최소 윤곽선 추적 알고리즘을 제안하였다. 이 방법은 이동하는 객체의 움직임 동안에 객체 영상의 데이터 전송량을 줄임으로써 서베일런스 네트워크에서 통신 부하를 최소화 시킨다.
서베일런스 네트워크의 통신 부하를 최소화하기 위하여 최소 윤곽선 추적을 기초로 하는 객체 추적 알고리즘을 제안한다. 최소 윤곽선 추적은 통신과 객체 탐지의 측면에서, 움직이고 있는 객체의 최소한의 영역들을 추적하는 특정 객체의 운동 전달 방식을 기초로 구성되어진다.
제안하는 방법의 목표는 다음과 같은 조건을 만족시키기 위하여 서베일런스 네트워크의 생명 주기를 확대하기 위한 것이다. 첫째, 이 방법은 객체 추적시 객체를 잃어버리지 않고 추적하는 것을 보장하기 위한 것이고 두번째는 탐지된 객체의 영상을 서버로 전송시 통신 부하를 줄이기 위하여 객체의 속도에 적합한 최소 윤곽선을 사용하기 위한 것이다.

가설 설정

이 값은 밝기 값 변화를 기초로 계산된다. 두 번째로, 이전의 수직 값이 검사되어 진다. 사람이 정사각형 안에서 움직인다고 제한될지라도, 중앙의 수직 값은 거의 변화가 없다.
본 논문에서는 이동하는 객체가 사람이라고 가정한다. 제안하는 방법에서는 사람의 운동학을 기초로 하는 사람의 움직임을 정의하고 추적 윤곽선을 만들 수 있다.
첫째는, 최소 윤곽선을 위한 복원 시간의 최적화이고 둘째는 영상 데이터 전송의 관점에서 통신 비용의 최소화이다. 셋째는, 객체의 탐지를 위한 응용 프로그램의 계산량의 최소화이다. 복원시간은 객체의 속도가 주어진 윤곽선의 크기를 결정한다.
첫째, 이 방법은 객체 추적시 객체를 잃어버리지 않고 추적하는 것을 보장하기 위한 것이고 두번째는 탐지된 객체의 영상을 서버로 전송시 통신 부하를 줄이기 위하여 객체의 속도에 적합한 최소 윤곽선을 사용하기 위한 것이다. 제안하는 방법에서는 객체를 검출하는 시스템이 객체 지역화 방법을 통해 이동 객체의 위치와 속도를 알 수 있다고 가정한다[7,8]. 클라이언트 역할을 하는 감시 카메라가 탐지된 객체의 움직임 정보를 네트워크를 통해 서버로 전송한다.
이동 객체의 방향 및 속도를 측정하기 위하여 두 개 이상의 지역화는 각지역화가 시간과 객체 위치의 한 쌍을 제공한다. 제안하는 방법은 지금까지 지역화가 이러한 객체의 현재 위치와 속도, 방향을 주기 위하여 수행되어진다고 가정한다. 그러나, 이 방법에서도 실제로는 모든 지역화 방법에 측정 실패가 있기 때문에 더 사실적인 추적 윤곽선을 만들어야 한다.

제안 방법

본 논문에서는 객체 추적을 위한 최소한의 영상 데이터를 이용하는 윤곽선 기반 추적을 위하여 최적의 복원 시간을 이용한다. 이 방법은 객체의 현재 속도에 따라 복원 시간을 최적화 한다.
제안하는 방법에서는 사람이 움직이는 것과 일치하는 객체의 운동 전달 방식을 사용한다면 각 추적 영역 안에 있는 객체들의 윤곽을 감소시킴으로써 영상 데이터 전송량을 감소시킬 수 있다. 본 논문에서는 객체가 어떤 제한된 시간 동안에 방문할 수 없기 때문에 시뮬레이션 가능성이 없는 영역을 추적 영상 안에서 제거하는 방법을 사용한다. 이것은 추적 영역이 객체의 운동 전달 방식을 기초로 최소 크기의 영역이 되도록 만든다.
실험에서는 네크워크의 중간 노드에 해당하는 컴퓨터 들의 전송 속도나 대역폭을 고려하여 5대의 PC 중에서 50번의 실험 동안에 각각 10번씩 교대로 진행하였다. 가정용 PC에서 10Mbps 정도의 속도로 나오는 경우에 실패할 가능성이 있었다.
제안하는 방법은 그러한 짧은 시간 이내에 객체가 방문할 수 없으며 탐지 확률이 낮은 영역을 제거하는 객체의 운동학을 이용한다. 제안하는 방법에서 추적 윤곽선의 모양은 객체의 움직임에 따라 사각형에서 윤곽선(예를 들면, 다각형과 같은 모양)으로 변화한다. 즉, 움직이는 객체가 동작 상태를 멈추거나 다시 움직일 때 다각형과 같은 윤곽선으로 변화한다.
즉, 직선 움직임과 좌로 돌기, 그리고 우로 돌기이다. 제안하는 방법에서는 3개의 형태의 움직임으로 추적 윤곽선을 표현 하는 하나의 다각형을 만들 수 있다.
제안하는 방법에서는 객체 추적 영역의 생명주기를 복원 시간으로써 정의한다. 이전의 추적 영역은 복원 시간마다 객체의 움직임과 일치하는 추적 영역으로써 교체된다.
즉, 복원 시간이 더 크면 윤곽선이 더 크다. 제안하는 방법에서는 객체 추적을 위하여 통신 부하를 최소화 할 수 있도록 하는 최적의 복원 시간을 사용한다. 이 복원 시간은 통신 비용, 계산 비용, 그리고 객체 탐지 비용과 같은 추적을 위한 모든 동력 비용을 고려하여 최적의 시간이 선정된다.
본 논문에서는 이동하는 객체가 사람이라고 가정한다. 제안하는 방법에서는 사람의 운동학을 기초로 하는 사람의 움직임을 정의하고 추적 윤곽선을 만들 수 있다. [Fig.
사람과 같은 움직임을 보이는 객체는 사람의 운동 전달 방식에 따라 움직이기 때문에, 추적하는 영상안의 모든 영역에 도달하는 것이 불가능하다. 제안하는 방법에서는 사람이 움직이는 것과 일치하는 객체의 운동 전달 방식을 사용한다면 각 추적 영역 안에 있는 객체들의 윤곽을 감소시킴으로써 영상 데이터 전송량을 감소시킬 수 있다. 본 논문에서는 객체가 어떤 제한된 시간 동안에 방문할 수 없기 때문에 시뮬레이션 가능성이 없는 영역을 추적 영상 안에서 제거하는 방법을 사용한다.
(X △T Y△T) 는 △T후의 목표물의 위치이다. 제안하는 방법에서는 세 종류로 객체의 움직임을 나눈다. 즉, 직선 움직임과 좌로 돌기, 그리고 우로 돌기이다.
제안하는 방법은 그러한 짧은 시간 이내에 객체가 방문할 수 없으며 탐지 확률이 낮은 영역을 제거하는 객체의 운동학을 이용한다. 제안하는 방법에서 추적 윤곽선의 모양은 객체의 움직임에 따라 사각형에서 윤곽선(예를 들면, 다각형과 같은 모양)으로 변화한다.
제안하는 최소 윤곽을 기초로 하는 알고리즘의 주요 내용은 객체 추적 영역의 최소 범위를 결정하기 위하여 이용된 추적 영역을 극소화하기 위한 것이다. 기존의 방법은 항상 임의의 행보로 모델화되는 객체의 주위에 추적 사각형을 이용한다.

대상 데이터

실험은 실험실에 서버 컴퓨터를 설치하였으며 실험실 외부에서 PC를 각각 5대를 두고 각 PC에 한대의 웹 카메라를 설치하여 진행하였다. 실험에서는 거리를 멀리하기 위하여 차량으로 약 한 시간 정도 떨어진 거리에 PC 5대를 이용하여 웹 카메라로부터 얻어진 영상 데이터를 실험실의 서버로 전송하였다. 실험실의 네트워크 사양은 100Mbps LAN이었고 외부에 있는 PC에 연결된 네트워크의 속도는 주로 가정용 케이블 LAN을 이용하였기 때문에 가정별로 또는 시간대별로 네트워크 속도에 차이가 조금 발생하였다.
실험은 실험실에 서버 컴퓨터를 설치하였으며 실험실 외부에서 PC를 각각 5대를 두고 각 PC에 한대의 웹 카메라를 설치하여 진행하였다. 실험에서는 거리를 멀리하기 위하여 차량으로 약 한 시간 정도 떨어진 거리에 PC 5대를 이용하여 웹 카메라로부터 얻어진 영상 데이터를 실험실의 서버로 전송하였다.
실험은 총 50번을 진행하였으며 영상 데이터 전송이 성공한 경우는 43번 이었으며 실패한 경우는 5번이었고 영상 데이터 판독이 불가능한 경우는 2번이었다.

성능/효과

3장에서는 추적 윤곽선의 모델링, 추적 윤곽선의 최적화, 통신 부하량의 최소화 및 측정 에러 처리를 설명한다. 4장에서 실험을 통해 제안하는 최소 윤곽선을 기초로 하는 방법이 영역 기반 추적을 기초로 하는 기존의 방법보다 성능이 뛰어나다는 것을 보여준다. 5장에서 결론 및 향후 연구에 대하여 기술한다.
그래프에서 보라색과 옥색은 각각 최소 윤곽선 방법으로 실험한 결과이고 주황색은 기존의 방법으로 실험 했을 때의 결과를 보여준다. [Fig.7]에서 보는 바와 같이 최소 윤곽선 방법을 이용하여 객체에 대한 영상 데이터를 서버로 전송하였을 때 수신율이 훨씬 더 높고 시간도더 단축됨을 알 수 있었다. 이로 인해 서베일런스 네트워크에서 평균 30%정도의 통신 부하가 감소됨을 실험을 통해 파악할 수 있었다.
1]에서 윤곽선의 영역이 항상 사각형 영역의 부분 집합이란 것을 알 수 있다. 따라서 객체 탐지와 영상 데이터 전송을 위한 데이터 량은 윤곽선 추적이 사각형 추적보다 더 적으며 윤곽선 추적을 기초로 하는 방법이 사각형을 기초로 추적하는 방법 보다 훨씬 더 통신 부하를 줄일 수 있다.
따라서, 객체의 이동 궤적 동안에 이동할 수 있는 객체를 포함하는 최소 추적 영역을 갱신함에 의하여 제안하는 방법을 기초로 하는 서베일런스 네트워크는 영역 기반 추적을 기초로 하는 기존의 방법보다 더 적은 통신 데이터 전송량을 이용한다.
이 방법은 이동하는 객체의 움직임 동안에 객체 영상의 데이터 전송량을 줄임으로써 서베일런스 네트워크에서 통신 부하를 최소화 시킨다. 실험에서는 카메라에서 들어온 객체에 대한 영상 데이터가 서버로 전송 시 기존의 사각형 기반 추적 방법보다 최소 윤곽선 방법을 이용하는 것이 데이터 량이 더 줄어 들수 있음을 보여주었다. 향후에는 제안하는 방법을 다른 물체에도 적용시키고 객체가 다른 물체에 의하여 일부분숨겨졌을 때 객체의 원 영상을 복원하여 인식할 수 있도록 개선시켜야 한다.
7]에서 보는 바와 같이 최소 윤곽선 방법을 이용하여 객체에 대한 영상 데이터를 서버로 전송하였을 때 수신율이 훨씬 더 높고 시간도더 단축됨을 알 수 있었다. 이로 인해 서베일런스 네트워크에서 평균 30%정도의 통신 부하가 감소됨을 실험을 통해 파악할 수 있었다.

후속연구

실험에서는 카메라에서 들어온 객체에 대한 영상 데이터가 서버로 전송 시 기존의 사각형 기반 추적 방법보다 최소 윤곽선 방법을 이용하는 것이 데이터 량이 더 줄어 들수 있음을 보여주었다. 향후에는 제안하는 방법을 다른 물체에도 적용시키고 객체가 다른 물체에 의하여 일부분숨겨졌을 때 객체의 원 영상을 복원하여 인식할 수 있도록 개선시켜야 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	서베일런스 네트워크의 생명 주기를 확대하기 위한 방법에는 무엇이 있는가?	제안하는 방법의 목표는 다음과 같은 조건을 만족시키기 위하여 서베일런스 네트워크의 생명 주기를 확대하기 위한 것이다. 첫째, 이 방법은 객체 추적시 객체를 잃어버리지 않고 추적하는 것을 보장하기 위한 것이고 두번째는 탐지된 객체의 영상을 서버로 전송시 통신 부하를 줄이기 위하여 객체의 속도에 적합한 최소 윤곽선을 사용하기 위한 것이다. 제안하는 방법에서는 객체를 검출하는 시스템이 객체 지역화 방법을 통해 이동 객체의 위치와 속도를 알 수 있다고 가정한다[7,8]. 클라이언트 역할을 하는 감시 카메라가 탐지된 객체의 움직임 정보를 네트워크를 통해 서버로 전송한다. 서버는 최소 윤곽선 정보를 포함하고 있는 전송된 영상 데이터를 수신할 때, 그 객체가 최소 윤곽선에 속하는지 아닌지를 결정한다.
	데이터 전송의 효율성은 어떤 특징을 갖는가?	데이터 전송의 효율성은 환경 감시, 영역 감시 및 객체 추적과 같은 의도된 응용 프로그램에 대하여 운영되는 서베일런스의 네트워크의 전송 속도를 결정하기 때문에 감시 네트워크의 전송 속도를 결정하기 때문에 감시 네트워크에서 중요한 연구 쟁점 중의 하나이다. 특히, 객체 추적 응용 프로그램에서, 영상 데이터 전송의 효 율성은 장시간의 목표물 추적을 이끌어 내기 때문에 중요한 요인이다.
	영상 데이터 전송의 효 율성은 어떤 점에서 중요한가?	데이터 전송의 효율성은 환경 감시, 영역 감시 및 객체 추적과 같은 의도된 응용 프로그램에 대하여 운영되는 서베일런스의 네트워크의 전송 속도를 결정하기 때문에 감시 네트워크의 전송 속도를 결정하기 때문에 감시 네트워크에서 중요한 연구 쟁점 중의 하나이다. 특히, 객체 추적 응용 프로그램에서, 영상 데이터 전송의 효 율성은 장시간의 목표물 추적을 이끌어 내기 때문에 중요한 요인이다. 통신 부하의 감소 측면에서 객체 추적 알고리즘은 이동할 수 있는 목표물의 추적을 보장해야 할 뿐만 아니라, 네트워크를 통한 데이터 전송량을 최소함으로써 서베일런스 네트워크의 전송 효율을 최대화해야 한다.

참고문헌 (13)

W. Zhang and G. Cao, Dynamic Convoy Tree-Based Collaboration for Target Tracking in Sensor Networks, IEEE Transactions on Wireless Communications, Vol. 3, No. 5, September 2004.
D. R. Kincaid and W. W. Cheney, Numerical Analysis: the Mathematics of Scientific Computing, Van Nostrand, 1991.
S. M. LaValle, Planning Algorithms, Cambridge University Press, 2006.
J. O'Rourke, Computational Geometry in C, 2^nd Edition, Cambridge University Press, 1998.
Liu. Chengjun ; H.Wechsler.; "Enhanced Fisher linear discriminant models for face recognition," Pattern Recognition, 1998. Proceedings. Vol. 2, 16-20 pp: 1368-1372, Aug.1998
S. J. Maybank, A. D. Worrall and G. D. Sullivan, Filter for Car Tracking Based on Acceleration and Steering Angle, British Machine Vision Conference, 1996.
J. L. Hill and D. E. Culler, Mica: a Wireless Platform for Deeply Embedded Networks, IEEE Micro, Vol. 22, Nov/Dec 2002.

상세보기
V. and P. R. Kumar, Principles and Protocols for Power Control in Wireless Ad Hoc Networks, IEEE J. Sel. Areas Commun. (JSAC), Vol.1, pp.76-88, January 2005.
V. Kawadia and P. R. Kumar, Power Control and Clustering in Ad Hoc Networks, IEEE Infocom, March 2003.
Y. Ko, V. Shankarkumar and N. H. Vaidya, Medium Access Control Protocols Using Directional Antennas in Ad Hoc Networks, IEEE Infocom, March 1999.
A. Aljadhai and T. F. Znati, Predictive Mobility Support for QoS Provisioning in Mobile Wireless Environments, IEEE Journal on Selected Areas in Communications (JSAC), Vol. 19, No. 10, October 2001.
P. Phillips, "The FERET Database and Evolution Procedure for Object Recognition Al-gorithms," Image and Vision Computing, Vol. 16, No. 5, pp. 295-306, 1999.
J. W. Ko, K. Y. Chung, J. S. Han, "Model Transformation Verification using Similarity and Graph Comparison Algorithm", Multimedia Tools and Applications, 2013. Doi: 10.1007/s11042-013-1581-y

상세보기

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