매년 증가하는 CCTV와 이를 효율적으로 관제하기 위한 지능형 영상 시스템에 대한 수요가 계속적으로 증가하고 있다. 그럼에도 불구하고 기존 영상분석엔진은 구동을 위해 매우 높은 사양을 요구할 뿐만 아니라 정확한 탐지율도 담보하지 못하는 실정이다. 본 논문에서는 가벼운 영상 분석기법을 적용해 이동 객체의 위치, 크기, 영상 내 존재 시간과 같은 기본적인 메타를 생성하고 이에 대한 데이터 분석을 통해 관심 객체를 찾아내는 연구를 수행하였다. 그 결과, 가벼운 영상분석 알고리즘 결과의 심층적인 데이터 분석을 통해 가벼운 알고리즘이 수반하는 상당량의 노이즈를 제거하고 관심 객체를 효과적으로 추출할 수 있음을 확인하였다. 본 연구 결과는 향후 지능형 기반 능동적 관제시스템 개발에 기여할 것으로 기대한다.
매년 증가하는 CCTV와 이를 효율적으로 관제하기 위한 지능형 영상 시스템에 대한 수요가 계속적으로 증가하고 있다. 그럼에도 불구하고 기존 영상분석엔진은 구동을 위해 매우 높은 사양을 요구할 뿐만 아니라 정확한 탐지율도 담보하지 못하는 실정이다. 본 논문에서는 가벼운 영상 분석기법을 적용해 이동 객체의 위치, 크기, 영상 내 존재 시간과 같은 기본적인 메타를 생성하고 이에 대한 데이터 분석을 통해 관심 객체를 찾아내는 연구를 수행하였다. 그 결과, 가벼운 영상분석 알고리즘 결과의 심층적인 데이터 분석을 통해 가벼운 알고리즘이 수반하는 상당량의 노이즈를 제거하고 관심 객체를 효과적으로 추출할 수 있음을 확인하였다. 본 연구 결과는 향후 지능형 기반 능동적 관제시스템 개발에 기여할 것으로 기대한다.
The number of CCTV units is rapidly increasing annually, and the demand for intelligent video-analytics system is also increasing continuously for the effective monitoring of them. The existing analytics engines, however, require considerable computing resources and cannot provide a sufficient detec...
The number of CCTV units is rapidly increasing annually, and the demand for intelligent video-analytics system is also increasing continuously for the effective monitoring of them. The existing analytics engines, however, require considerable computing resources and cannot provide a sufficient detection accuracy. For this paper, a light analytics engine was employed to analyze video and we collected metadata, such as an object's location and size, and the dwell time from the engine. A further data analysis was then performed to filter out the target of interest; as a result, it was possible to verify that a light engine and the heavy data analytics of the metadata from that engine can reject an enormous amount of environmental noise to extract the target of interest effectively. The result of this research is expected to contribute to the development of active intelligent-monitoring systems for the future.
The number of CCTV units is rapidly increasing annually, and the demand for intelligent video-analytics system is also increasing continuously for the effective monitoring of them. The existing analytics engines, however, require considerable computing resources and cannot provide a sufficient detection accuracy. For this paper, a light analytics engine was employed to analyze video and we collected metadata, such as an object's location and size, and the dwell time from the engine. A further data analysis was then performed to filter out the target of interest; as a result, it was possible to verify that a light engine and the heavy data analytics of the metadata from that engine can reject an enormous amount of environmental noise to extract the target of interest effectively. The result of this research is expected to contribute to the development of active intelligent-monitoring systems for the future.
C. Y. Jeong, J. W. Han, "Technical Trends of Abnormal Event Detection in Video Analytics," In Electronics and Telecommunications Trends, Vol. 27, pp. 114-122, Aug. 2012.
C. Ayesha, C. Santanu, "Video Analytics Revisited," IET Journal, Computer Vision, Vol. 10, No. 4, pp. 237- 247, Jul. 2016.
C. Joshua, S. Matthew, B. G. Dmitry, B. S. Deborah, K. Rangachar, "Understanding Transit Scenes: A Survey on Human Behavior," IEEE Trans. Intelligent Transportation, Vol. 11, No. 1, pp. 206-224, Mar. 2010.
L. Honghai, C. Shengyong, "Intelligent Video Systems and Analytics: A Survey," IEEE Trans. Industrial Informatics, Vol. 9, No. 3, pp. 1222-1233, Aug. 2013.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.