[논문]수색 구조 로봇을 위한 적외선 영상 기반 인명 인식

박정길; 이근재; 박재병

doi:10.5302/j.icros.2016.16.8003

수색 구조 로봇을 위한 적외선 영상 기반 인명 인식
Infrared Image Based Human Victim Recognition for a Search and Rescue Robot 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.22 no.4, 2016년, pp.288 - 292

박정길 (전북대학교 전자정보공학부) , 이근재 (전북대학교 전자정보공학부) , 박재병 (전북대학교 전자정보공학부)

Abstract ▼ AI-Helper

In this paper, we propose an infrared image based human victim recognition method for a search and rescue robot in dark environments, like general disaster situations. For recognizing a human victim, an infrared camera on a RGB-D camera, Microsoft Kinect, is used. The contrast and brightness of the infrared image are first improved by histogram equalization, and the noise on the image is removed by morphological operation and Gaussian filtering. For recognizing a human victim, the binarization and blob labeling methods are applied to the improved image. Finally, for verifying the effectiveness and feasibility of the proposed method, an experiment for human victim recognition is carried out in a dark environment.

주제어

AI 본문요약
AI-Helper

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

문제 정의

또한 재난 환경의 공통요소인 낮은 조명환경에서도 인명 인식이 가능한 인명 인식 방법을 제안하였다. RGB 및 Depth 영상을 이용할 경우 낮은 조명에서 인식이 어렵기 때문에 이를 개선하기 위해 IR 영상을 기반으로 한 인명 인식 기법을 제안하였다. 제안한 방법의 효율성 및 실용성을 검증하기 위해 저조도의 환경에서 인명인식 실험을 수행하였고 다양한 각도에서 인명의 검출이 가능했다.
본 논문에서는 기존 인명구조 로봇들의 원격 조종 방식의 문제점을 살펴보고 자동으로 주변 환경을 인식하며 인명을 찾는 수색구조 로봇의 필요성을 논의하였다. 또한 재난 환경의 공통요소인 낮은 조명환경에서도 인명 인식이 가능한 인명 인식 방법을 제안하였다.
또한 여러 대의 작업로봇은 여러 영역으로 분산 투입되어 신속하게 인명을 인식하는 역할을 수행한다. 본 논문에서는 정보탐조 둥 구조의 다 개체 시스템에서 작업로봇이 인명을 인식하는 부분에 관해서만 다룬다.
실험을 수행하였다. 즉, 약 301ux 이하의 낮은 조명의 어두운 환경에서 인명인식의 가능성을 검증하는 실험이다. 본 실험에서는 Kinect의 적외선 영상센서를 이용하며 이 센서의 측정 가능 범위는 0.

제안 방법

이 연구에서는 야간 보행자를 대상으로 수행되어서 있는 자세의 영상만이 이용되었다. 그와 달리 본 논문에서는 재난환경의 인명을 대상으로 하므로 누워 있거나 쓰러져 있는 모습을 인식해야 하고 고정된 카메라가 아닌 로봇에 부착된 카메라를 이용하게 된다.
즉, 이 진화 과정에서 정보를 최대한 살린 뒤 다음 단계에서 인명을 인식하기 위함이다. 다음으로 이러한 이진화된 영상에서 인명으로 판단하기 위해 레이블링 기법을 이용하여 잡음과 인명을 구분한다. 인명을 판단하기 위한 파라미터는 표 1과 같이 설정하였다.
첫 번째는 적외선 영상 획득 후 모폴로지 연산을 통해 잡음을 제거하고 ROI 영역에 대해 이 진화를 수행한다 , [4] 그 뒤 Labeling 과정을 통해 후보 영역을 선정하고 HOG 알고 리즘으로 영상의 특징을 추출한 뒤 SVM으로 학습 시켜 보행자를 인식하였다. 두 번째로, Adaboost 알고리즘을 이용한 경우에 는 야간 CCTV 영상을 활용하여 보행자를 검출하고 추적하였다[5].사전에 긍정 영상과 부정 영상을 Adaboost 알고리즘을 이용해 학습시키고 파티클 필터를 이용해 보행자를 추적하였다.
찾는 수색구조 로봇의 필요성을 논의하였다. 또한 재난 환경의 공통요소인 낮은 조명환경에서도 인명 인식이 가능한 인명 인식 방법을 제안하였다. RGB 및 Depth 영상을 이용할 경우 낮은 조명에서 인식이 어렵기 때문에 이를 개선하기 위해 IR 영상을 기반으로 한 인명 인식 기법을 제안하였다.
이를 극복하기 위해 여러 대의 로봇을 이용해 스스로 주변 환경을 인식하고 인명을 탐색하여 인명의 위치를 원격지의 소방, 구조대원에게 알려 주어 빠르게 인명을 구조할 수 있는 시스템이 필요하다. 본 시스템은 그림 3과 같이 한 대의 Host 로봇과 다중작업 로봇으로 구성되며, Host 역할을 흐}는 정보탐조 등 로봇이 주변 환경을 인식하고 다중작업 로봇 사이의 대형을 제어한다. 또한 여러 대의 작업로봇은 여러 영역으로 분산 투입되어 신속하게 인명을 인식하는 역할을 수행한다.
두 번째로, Adaboost 알고리즘을 이용한 경우에 는 야간 CCTV 영상을 활용하여 보행자를 검출하고 추적하였다[5].사전에 긍정 영상과 부정 영상을 Adaboost 알고리즘을 이용해 학습시키고 파티클 필터를 이용해 보행자를 추적하였다. 이 연구에서는 야간 보행자를 대상으로 수행되어서 있는 자세의 영상만이 이용되었다.
어두운 실내를 대상으로 획득한 IR 영상의 히스토그램은 어두운 영역에 몰려 있다. 영상의 특징에 맞춰 화소들의 분포를 밝기에 따라 고르게 변화 시켜 영상을 개선한다. 우선, 히스토그램의 각 요소들을 영상 전체화소 수로 나누어 정규화(normalization) 한다.
5]. 첫 번째는 적외선 영상 획득 후 모폴로지 연산을 통해 잡음을 제거하고 ROI 영역에 대해 이 진화를 수행한다 , [4] 그 뒤 Labeling 과정을 통해 후보 영역을 선정하고 HOG 알고 리즘으로 영상의 특징을 추출한 뒤 SVM으로 학습 시켜 보행자를 인식하였다. 두 번째로, Adaboost 알고리즘을 이용한 경우에 는 야간 CCTV 영상을 활용하여 보행자를 검출하고 추적하였다[5].

대상 데이터

즉, RGB 영상에서는 인명과 어두운 배경 부분의 구분이 어렵고 Depth 영상에서는 인명과 바닥 영역과의 구분이 어려운 것을 확인할 수 있다. 따라서 인명과 배경 사이의 구분을 명확히 하고 인명 부분의 인식을 높이기 위해 적외선(IR: Infi-ared Image) 영상을 이용한다.
소방관 보조로봇은소방관이 진입하기 전 로봇에 부착된 카메라를 통해 구조 현장 영상을 원격으로 전송하여 초기 상황 파악 및 탐색을 목적으로 개발되었다. 또한 구조로봇이 실제 활용된 사례로서, 9.11 테러 당시 무너진 세계무역센터(WTC)에 로봇들을 투입하여 인명을 탐색하였다[2].하지만 이 역시 앞선 사례와 마찬가지로 원격으로 조종하는 방식이 이용되었다.
즉, 약 301ux 이하의 낮은 조명의 어두운 환경에서 인명인식의 가능성을 검증하는 실험이다. 본 실험에서는 Kinect의 적외선 영상센서를 이용하며 이 센서의 측정 가능 범위는 0.4m~4.0m이고 가시 범위는 57° H, 43° V이다. 또한, 이 센서는 해상도 VGA(640x 480) 기준에서 30 也s로 이미지 획득이 가능하다.
사전에 긍정 영상과 부정 영상을 Adaboost 알고리즘을 이용해 학습시키고 파티클 필터를 이용해 보행자를 추적하였다. 이 연구에서는 야간 보행자를 대상으로 수행되어서 있는 자세의 영상만이 이용되었다. 그와 달리 본 논문에서는 재난환경의 인명을 대상으로 하므로 누워 있거나 쓰러져 있는 모습을 인식해야 하고 고정된 카메라가 아닌 로봇에 부착된 카메라를 이용하게 된다.
Kinect에는 RGB영상 카메라와 적외선 영상카메라 그리고 가속도 센서가 설치되어 있다.이를 이용해 획득한 RGB 영상 및 Depth 영상을 획득한다. 획득한 RGB 영상은 그림 6(a)와 같고 명암 개선을 위해 히스토그램 평활화(histogram equalization)를 적용시키면 그림 6(b)와 같다.
인명 인식을 위하여 먼저 그림 5에 보이는 저가형 RGB-D 카메라 Microsoft Kinect를 이용해 영상을 획득한다 [6, 7]. Kinect에는 RGB영상 카메라와 적외선 영상카메라 그리고 가속도 센서가 설치되어 있다.
또한, 이 센서는 해상도 VGA(640x 480) 기준에서 30 也s로 이미지 획득이 가능하다. 획득된 IR 영상은 노트북으로 전송되며, 영상 처리를 위해 OpenCV 2.4.7 Libraiy를 이용하였다.

이론/모형

배경과 인명을 분리하고 잡음제거를 위해 모폴로지 연산(morphological operations)침식(erosion)과 저주파 통과 필터인 가우시 안 필터(Gaussian filter)를 적용한다[9]. 우선, 침식 연산은 다음과 같이 정의된다.
이러한 조건을 만족시키는 z의 집합 493이다. 실험에서는 4근방 연결성(4-connectivity)을 이용하였다. 다음으로 저주파 필터인가우시안 필터는 식(5)와 같다 [10].

성능/효과

RGB 및 Depth 영상을 이용할 경우 낮은 조명에서 인식이 어렵기 때문에 이를 개선하기 위해 IR 영상을 기반으로 한 인명 인식 기법을 제안하였다. 제안한 방법의 효율성 및 실용성을 검증하기 위해 저조도의 환경에서 인명인식 실험을 수행하였고 다양한 각도에서 인명의 검출이 가능했다. 또한 이때 저가형 적외선 카메라를 이용함으로써 비용을 절감할 수 있었다.

후속연구

또한 이때 저가형 적외선 카메라를 이용함으로써 비용을 절감할 수 있었다. 향후, 재난 환경의 다른 요소들을 추가하여 보다 실제적인 환경에서도 적용 가능한 인명구조용 로봇에 관한 지속적인 연구가 필요하다.

참고문헌 (12)

K. R. Kim and J. T. Kim, "A research of the development plan for a highly adaptable FSR (Fire Safety Robot) in the scene of the fire," Transactions of Korean Institute of fire Science and Engineering, vol. 24, no. 3, pp. 113-118, 2010.
J. Casper and R. R. Murphy, "Human-robot interactions during the robot-assisted urban search and rescue response at the world trade center," IEEE Transactions on Systems, Man, and Cybernetics, vol. 33, no. 3, pp. 367-385, 2003.

상세보기
J. K. Park, G. J. Lee, and J. B. Park, "Infrared image based human victims recognition method for an indoor mobile robot," Proc. of 2015 ICROS Jeonbuk - Jeju Regional Conference (in Korean), pp. 43-44, 2015.
J. K. Lee, S. Kang, J. C. Piao, and H. C. Shin, "Night-time pedestrian detection techniques by using thermal images," Proceedings of the Korean Society of Computer Information Conference, vol. 20, no. 2, pp. 83-86, 2012.
B. J. Choi, J. S. Park, J. K. Song, and B. W. Yoon, "Object detection and tracking with infrared videos at night-time," The Korea Institute of Electronic Communication Sciences, vol. 10, no. 2, pp. 183-188, 2015.

원문보기 상세보기
https://en.wikipedia.org/wiki/Kinect.
J. K. Park and J. B. Park, "An object recognition method based on depth information for an indoor mobile robot," Journal of Institute of Control, Robotics and System (in Korean), vol. 21, no. 10, pp. 958-964, 2015.

원문보기 상세보기
H. J. Cho and H. W. Kye, "The clip limit decision of contrast limited adaptive histogram equalization for X-ray images using Fuzzy logic," Journal of Korea Multimedia Society, vol. 18, no. 7, pp. 806-817, 2015.

원문보기 상세보기
C. H. Jang, S. J. Lee, C. B. Choi, and Y. K. Kim, "Realtime robust curved lane detection algorithm using Gaussian mixture model," Journal of Institute of Control, Robotics and System (in Korean), vol. 22, no. 1, pp. 1-7, 2016.

원문보기 상세보기
Y. S. Jeon, J. E. Choi, and J. O. Lee, "Development of a SLAM System for Small UAVs in Indoor Environments using Gaussian Processes," Journal of Institute of Control, Robotics and System (in Korean), vol. 20, no. 11, pp. 1098-1102, 2014.

원문보기 상세보기
Y. G. Hong, J. K. Park, S. M. Lee, and J. B. Park, "A Real-time detection method for the driving direction points of a low speed processor," Journal of Institute of Control, Robotics and System (in Korean), vol. 20, no. 9, pp. 950-956, 2014.

원문보기 상세보기
T. J. Lee, H. Lee, and D. I. Cho, "Obstacle detection algorithm using forward-viewing mono camera," Journal of Institute of Control, Robotics and System (in Korean), vol. 21, no. 9, pp. 858-862, 2016.

저자의 다른 논문 :

LOADING...

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