디지털 영상에서 그림자는 영산 분석에 부정적인 영향을 미칠 수 있기 때문에 효과적으로 이동물체 검출 및 추적을 위해서는 그림자 제거가 필수적인 전처리 과정이다. 본 논문에서는 색도 영상, 밝기 변화 및 이동물체의 그림자 방향 특성을 이용해 그림자를 제거하는 알고리즘을 제안하였다. 제안하는 방법은 크게 두 단계로 구성이 되며, 첫 번째 단계로 현재 영상의 색도와 밝기 변화를 이용해 그림자 후보 영역을 제거하고, 두 번째 단계에서 이동물체의 최하위 화소 위치를 구하여그림자의 방향에 해당하는 그림자를 제거하였다. 그림자는 이동물체의 아래 영역에 위치하기 때문에 이동물체의 최하위 화소와 그림자의 방향을 알면 그림자를 제거할 수 있다. 실험 결과, 실제 이동물체 영역과 그림자 영역의 분리가 효과적으로 이루어졌으며, 이동물체 검출 및 추적 성능이 향상되었다.
디지털 영상에서 그림자는 영산 분석에 부정적인 영향을 미칠 수 있기 때문에 효과적으로 이동물체 검출 및 추적을 위해서는 그림자 제거가 필수적인 전처리 과정이다. 본 논문에서는 색도 영상, 밝기 변화 및 이동물체의 그림자 방향 특성을 이용해 그림자를 제거하는 알고리즘을 제안하였다. 제안하는 방법은 크게 두 단계로 구성이 되며, 첫 번째 단계로 현재 영상의 색도와 밝기 변화를 이용해 그림자 후보 영역을 제거하고, 두 번째 단계에서 이동물체의 최하위 화소 위치를 구하여그림자의 방향에 해당하는 그림자를 제거하였다. 그림자는 이동물체의 아래 영역에 위치하기 때문에 이동물체의 최하위 화소와 그림자의 방향을 알면 그림자를 제거할 수 있다. 실험 결과, 실제 이동물체 영역과 그림자 영역의 분리가 효과적으로 이루어졌으며, 이동물체 검출 및 추적 성능이 향상되었다.
Shadow is a common physical phenomenon in natural images and may cause problems in computer vision tasks. Therefore, shadow removal is an essential preprocessing process for effective moving object tracking in video image. In this paper, we proposed the method of shadow removal algorithm using chrom...
Shadow is a common physical phenomenon in natural images and may cause problems in computer vision tasks. Therefore, shadow removal is an essential preprocessing process for effective moving object tracking in video image. In this paper, we proposed the method of shadow removal algorithm using chromaticity, brightness distortion and direction of shadow candidate. The proposed method consists of two steps. First, removal process of primary shadow candidate region by using chromaticity, brightness and distortion. The second stage applies the final shadow candidate region to obtain a direction feature of shadow which is estimated by the thinning algorithm after calculating the lowest pixel position of the moving object. To verify the proposed approach, some experiments are conducted to draw a compare between conventional method and that of proposed. Experimental results showed that proposed methodology is simple, but robust and well adaptive to be need to remove a shadow removal operation.
Shadow is a common physical phenomenon in natural images and may cause problems in computer vision tasks. Therefore, shadow removal is an essential preprocessing process for effective moving object tracking in video image. In this paper, we proposed the method of shadow removal algorithm using chromaticity, brightness distortion and direction of shadow candidate. The proposed method consists of two steps. First, removal process of primary shadow candidate region by using chromaticity, brightness and distortion. The second stage applies the final shadow candidate region to obtain a direction feature of shadow which is estimated by the thinning algorithm after calculating the lowest pixel position of the moving object. To verify the proposed approach, some experiments are conducted to draw a compare between conventional method and that of proposed. Experimental results showed that proposed methodology is simple, but robust and well adaptive to be need to remove a shadow removal operation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 색도 영상, 밝기 변화 및 이동물체의 그림자 방향 특성을 이용해 그림자를 제거하는 알고리즘을 제안하였다. 그림자는 이동물체의 아래 영역에 위치하기 때문에 이동물체의 최하위 화소와 그림자의 방향을 알면 그림자를 제거할 수 있다.
본 논문에서는 RGB 칼라 모델 기반의 영상에서 이동물체 검출 및 추적하는 과정을 보이고, 이동물체에 포함된 그림자를 제거하는 알고리즘을 제안한다. 또한 본 연구의 타당성 검증을 위해 이동물체를 추적함에 있어 전경과 배경 픽셀 사이의 왜곡치(distortion) 측정을 통해 그림자를 제거하는 [13]의 방법과 제안하는 그림자 제거방법을 비교한다.
가설 설정
그림 7은 이동물체를 검출하는 과정이다. 그림 7(a)는 참조 영상과 현재 영상을 그레이 레벨로 변환한 후 차영상이고, 그림 7(b) 영상은 임계값 th = 20으로 계산된 이진 영상이다. 또한 후처리 과정으로 그림 7(b) 영상을 미디언 필터를 이용해 잡음을 제거한 후 Open-Close 연산을 수행하였고, 그 결과 영상은 각각 그림 7(c)와 (d)에서 보이고 있다.
제안 방법
본 논문에서는 RGB 칼라 모델 기반의 영상에서 이동물체 검출 및 추적하는 과정을 보이고, 이동물체에 포함된 그림자를 제거하는 알고리즘을 제안한다. 또한 본 연구의 타당성 검증을 위해 이동물체를 추적함에 있어 전경과 배경 픽셀 사이의 왜곡치(distortion) 측정을 통해 그림자를 제거하는 [13]의 방법과 제안하는 그림자 제거방법을 비교한다.
영상에서 검출된 전경 영역은 이동물체와 그림자 영역이 같이 검출되며, 그림자 영역은 배경 영역과 비교하였을 때 색상 변화가 적고 밝기가 어둡다. 전경에서 그림자 영역 추출을 위해 식 2를 이용하여 RGB 컬러영상을 HSI 컬러모델로 변환 한 후, 색상과 명도를 이용하여 전경 영역과 배경 영역의 색상과 밝기를 측정하였고, 그림자 영역은 식 5에 의해 검출된다.
본 논문에서는 색도(chromaticity)를 기반으로 RGB 컬러영상에서 그림자 후보 영역을 결정하고, 색도 영상 RGBchrom은 식 1에서 나타낸 RGB 컬러영상들의 3가지 성분을 식 6에 의해 각각 정규화 하여 구할 수 있다.
그림자는 그림 4와 같이 이동물체의 가장 낮은 위치에서 특정 방향으로 뻗어나가고 있다. 이동물체 영역의 세선화를 통해 이동물체의 골격을 구하여 그림자의 방향성을 구해 그림자 후보 영역을 검출하였다.
본 논문에서 제안하는 이동물체에서 그림자를 제거하는 알고리즘은 그림 5와 같다. 먼저 이동물체 검출은 참조 영상과 현재 영상간의 차영상을 통해 추출하였고, 이때 검출된 이동물체 영역에 포함된 그림자는 색도 영상과 밝기 변화가 있는 화소를 제거함으로써 그림자 후보 영역을 제거한다. 최종 그림자 후보 영역은 그림 4를 기반으로 제거하였고, 이동 물체 영역에서 최종 그림자 제거는 식 7에 의해 수행되었다.
식 7에 의해 구해진 그림자 후보 영역(SCR1st)에서 세선화 알고리즘으로 골격 특징을 구하여 이동물체의 그림자의 방향성에 해당하는 영역을 최종 그림자 영역(SCR2st)으로 판단하였다. 최종 그림자 영역의 제거는 그림자로 판단되는 후보 영역을 배경 영상의 화소 값으로 대체하는 방식으로 제거하였다.
)으로 판단하였다. 최종 그림자 영역의 제거는 그림자로 판단되는 후보 영역을 배경 영상의 화소 값으로 대체하는 방식으로 제거하였다.
그림자는 이동물체 영역에서 낮은 부분에 위치한다는 점에 기인하여 그림 9와 같이 이동물체 후보 영역의 구조적 모양을 표현할 수 있는 세선화 알고리즘을 적용하여 이동물체의 골격을 구하여 최종 그림자 후보 영역을 결정하였다.
이동물체 영역에서 그림자를 제거 하는 방법은 두 단계로 이루어지며, 첫 번째로 현재 영상의 색도 영상을 기반으로 그림자 후보 영역을 제거하였다. 두 번째 단계는 이동물체의 최하위 화소 위치를 구하고, 세선화 알고리즘을 기반으로 그림자의 방향에 해당하는 그림자를 제거하였다.
성능/효과
실험 결과, 제안하는 방법이 실제 이동물체 영역과 그림자 영역의 분리가 효과적으로 이루어졌으며, 이동물체 검출 및 추적이 향상되었다. 향후, 참조 영상 획득 및 선정하는 방법에 대한 연구와 단순 또는 복잡한 영상, 즉 영상의 복잡도(complexity)에 따른 적응적인 그림자 제거 방법 연구를 수행하고자 한다.
후속연구
실험 결과, 제안하는 방법이 실제 이동물체 영역과 그림자 영역의 분리가 효과적으로 이루어졌으며, 이동물체 검출 및 추적이 향상되었다. 향후, 참조 영상 획득 및 선정하는 방법에 대한 연구와 단순 또는 복잡한 영상, 즉 영상의 복잡도(complexity)에 따른 적응적인 그림자 제거 방법 연구를 수행하고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
영상에서 이동물체를 검출하는 방법으로는 어떤 것들이 있는가?
영상에서 이동물체를 검출하는 방법은 다양한 방법이 연구 되었으며 [3]-[6], 윤관선을 이용한 방법, 차영상 모델(background subtraction model) 및 HIS(hue, intensity, saturation) 칼라 모델 기반의 방법 등이 제안되었다. 검출한 이동 물체에서 그림자를 제거하는 방법은 칼라 왜곡, 밝기 변화 및 색상 정보를 이용한 방법들이 연구되어 왔으며, [7]-[9]에서 다양하게 제안되었다.
HSI 컬러모델은 인간의 어떤 시스템과 가장 유사한 모델인가?
HSI 컬러모델은 인간의 시각 시스템과 가장 유사한 모델이다. 색상(hue), 채도(saturation) 및 명도(intensity)의 성분으로 이루어져 있으며, 식 2와 같이 RGB 컬러모델에서 변환시킬 수 있다[11][12].
HSI 컬러모델의 성분은 무엇으로 이루어져 있는가?
HSI 컬러모델은 인간의 시각 시스템과 가장 유사한 모델이다. 색상(hue), 채도(saturation) 및 명도(intensity)의 성분으로 이루어져 있으며, 식 2와 같이 RGB 컬러모델에서 변환시킬 수 있다[11][12].
참고문헌 (14)
T. K. An, Y. S. Hong, Y. J. Song and W. J. Lee, "Intelligent Video Surveillance System using RFID Technology", Journal of the Institute of Internet, Broadcasting and Communication, Vol. 11, No. 1, pp. 133-139, Feb. 2011.
J. H. Jeon, T. K. An, K. Y. Park and G. M. Park, "A Case Study on Integrated Surveillance System Field Implement with Intelligent Video Analytic Software", Journal of the Institute of Internet, Broadcasting and Communication, Vol. 11, No. 6, pp. 255-260, Dec. 2011.
M. Yokoyama and T. Poggio, "A Contour-Based Moving Object Detection and Rracking", Proc. 2nd Joint IEEE International Workshop on VS-PETS, Beijing, pp. 271-276, Oct. 2005.
P. Smith, T. Drummond, and R. Cipolla, "Layered Motion Segmentation and Depth Ordering by Tracking Edges", IEEE Trans. on PAMI, Vol. 26, No. 4, pp. 479-494, April 2004.
R. Zabihollahi, M. Soryani, and A. Tajbakhsh, "Edge Based Tracking for Traffic Surveillance", International Workshop on Video Processing and Recognition, Canada, pp. 28-30, May 2007.
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.
Ya-Fan Su and Chen, H.H., "Shadow removal from natural images", Proceedings of 2010 IEEE International Symposium, Circuits and Systems (ISCAS), pp. 3369-3372, June 2010.
Li Dan and Qian Jiansheng, "Research on Moving Object Detecting and Shadow Removal", Information Science and Engineering (ICISE), 2009 1st International Conference, pp. 1406-1410, Dec. 2009.
Chun-Ting Chen, Chung-Yen Su and Wen-Chung Kao, "An enhanced segmentation on vision-based shadow removal for vehicle detection", Green Circuits and Systems (ICGCS), 2010 International Conference, pp. 679-682, June 2010.
K. H. Park, "Multi-Moving Object Tracking and Identity Evaluation Method Using Unique Color of Moving Object", Journal of Korean Institute of Information Technology, Vol. 12, No. 8, pp. 17-23, Aug. 2014.
R. C. Gonzalez, R. E. Woods, S. L. Eddins, Digital image processing using MATLAB, 1st ed. New Jersey, NJ: Pearson Prentice Hall, 2004.
J. S. Lee, "Moving Object Detection using Pixel Color Changes of Overwrited Edge Image", Journal of Korean Institute of Information Technology, Vol. 10, No. 10, pp. 39-46, Oct. 2012.
Li-Qun Xu, Landabaso, J.L. and Pardas, M., "Shadow Removal with Blob-Based Morphological Reconstruction for Error Correction", Acoustics, Speech, and Signal Processing, IEEE International Conference, pp. 729-732, March 2005.
Jin-Cyuan Lai, Shih-Shinh Huang and Chien-Cheng Tseng, "Image-based vehicle tracking and classification on the highway", Green Circuits and Systems (ICGCS), 2010 International Conference, pp. 666-670, June 2010.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.