[논문]영상 내 사람의 검출을 위한 에지 기반 방법

도용태; 반종희

doi:10.5369/jsst.2016.25.4.285

문제 정의

그러나 계산량이 상당히 커서 실시간 처리가 필요한 분야에 활용하는 데는 문제가 있다. 본 논문에서는 이러한 HOG+SVM의 단점을 해결하기 위한 방안으로, 에지(edge) 정보를 기반으로 영상 내에서 사람이 있을 만한 후보 영역을 먼저 찾고, 이들 영역에 대해서만 HOG를 적용하여 처리시간을 줄이고자 하는 방법을 서술한다. 제안하는 방법은 개념과 적용이 간단하면서도, 효과적으로 처리 시간을 단축시킬 수 있다.
다음으로 에지 점들을 계수하여 임의의 숫자 이상이 되면, 그 부분에는 사람이 존재할 수 있다고 가정하고 HOG 검출 기법을 적용한다. 이 방법은 간단하면서 사람이 존재하는 경우 에지 점들이 많아질 것이라는 가정하에 HOG 적용을 영상 내 에지 점들이 많은 영역에만 한정하여 전체 계산량을 줄이고자 하였다. 그러나 사람뿐 아니라 주변의 지형지물도 에지를 만들기 때문에 배경이 단순한 특수한 경우 외에는 효과적이지 않다.

가설 설정

우선 영상의 Window에 Prewitt 에지 검출자를 적용하여 평균 이상의 밝기 기울기를 가지는 화소들을 에지 점으로 검출한다. 다음으로 에지 점들을 계수하여 임의의 숫자 이상이 되면, 그 부분에는 사람이 존재할 수 있다고 가정하고 HOG 검출 기법을 적용한다. 이 방법은 간단하면서 사람이 존재하는 경우 에지 점들이 많아질 것이라는 가정하에 HOG 적용을 영상 내 에지 점들이 많은 영역에만 한정하여 전체 계산량을 줄이고자 하였다.
a)를 적용하여 좌우간의 화소값 변화를 검색한다. 만약 어떤 임계치 이상으로 변화가 생기면 수직 방향으로 에지가 존재한다고 가정하고, 중심 화소의 값을 1로, 그렇지 않은 경우 0으로 하여 이진의 영상을 x=40~60영상좌표 구간에서 각각 얻는다. 단, 이진화의 임계치 T는 20×64의 영역에서 화소값 기울기의 평균치 G_m과 최대치 G_M에 대해서 식 (3)과 같이 가중 평균하여 구한다.
Window는 행과 열이 128×64인 화소 배열로 구성된다. 영상에서 사람은 이 Window의 크기에 대체로 맞다고 가정한다. 이제 Window내에 Block을 중첩시키면서 좌에서 우로, 그리고 상에서 하로 이동하면서 방향별 히스토그램 값을 계산한다.
즉, 처리해야 할 영상의 크기가 대폭 줄어들어서 처리시간을 줄일 수 있으며, 각 부분에서 에지의 분포 패턴에 대해 대략적인 예측이 가능하다. 즉, R_C 영역에서는 대체로 에지 점들이 희박하게 발견될 것이며, R_L과 R_R 영역에서는 많은 에지 점들이 수직방향으로 발견될 것으로 가정한다.

제안 방법

HOG 기법의 큰 계산량에 대한 해결책으로 본 논문에서는 빠른 에지 연산을 통하여 사람이 분포할 가능성이 높은 영역을 먼저 찾고, 이 영역에 대해서만 선택적으로 HOG 기법을 적용하는 2단계 접근법을 제안한다. 본 논문에서 제안하는 방법은 Fig.
기존의 Xu 등의 방법 [10], 그리고 HOG+SVM의 방법[8]을 본 논문에서의 방법과 비교하여 보았다. Table 1은 그 결과를 보여 준다.
이는 단순히 에지 점의 숫자만 계산하므로, 복잡한 영상은 대체로 사람이 있다고 추정하게 되어 생긴 문제이다. 대신 MATLAB으로 한 장의 영상을 처리하는데 단지 6.03 ms 기존의 Xu 등의 방법 [10], 그리고 HOG+SVM의 방법[8]을 본 논문에서의 방법과 비교하여 보았다. Table 1은 그 결과를 보여 준다.
이는 비디오 영상에서 뚜렷하게 관찰될 수 있고, 정지 영상에서도 다리 부분은 자세에 따라 에지 점들이 다양하게 나타날 수 있어 특징짓기 곤란하다. 따라서 우리는 사람의 상체 중앙 부분, 그리고 사람과 배경 사이의 좌, 우측 경계 근처 부분을 에지 점들의 분포를 관찰하는 주요한 특징 부위로 설정하였다. 이는 Fig.
본 논문에서 제안하는 방법은 수직의 에지 점을 찾아, 에지 점들로 구성되는 이진 영상을 처리한다. 에지 점은 단일 채널의 영상에서 구하는데, 대체로 카메라의 영상은 적색(R), 녹색(G), 그리고 청색(B)의 컬러이므로, 이를 단일 채널로 변경하여야 한다.
본 논문에서는 단순히 에지 점의 숫자를 사용하기 보다, 에지 점의 분포 형태를 기반으로 사람의 존재 가능성이 높은 후보 영역을 빠르게 검출한 후, 이 후보 영역에 대해서만 정교한 HOG기법의 사용을 유도한다. 제안하는 기법에서는 우선 에지 점들이 특정한 형태로 찾아질 수 부분을 선택하였다.
정적 혹은 동적인 카메라의 단일 영상만을 사용하여 사람을 검출하기 위한 방법으로 Gavrila와 Giebel[6]은 원형(template)의 사용을 제안한 바 있다. 사람의 다양한 형상을 대표하는 원형들을 설정하고, 트리(tree) 구조로 구성하였다. 또한 Duc 등[7]은 가중 원형 정합(weighted template matching)을 통한 사람 검출 방법을 제안한 바 있다.
사람의 몸체와 배경 사이의 뚜렷한 경계 외 작은 화소값 변화로 인하여 에지가 검출되는 것을 방지하기 위하여 평균화 필터를 3×3 크기의 마스크로 두 번 반복하여 수행하고, 임펄스 잡음을 제거하기 위하여 같은 크기의 마스크로 중간값(median) 필터를 적용하였다.
해당 연구에서 에지 요소는 영상의 특정 부분에 존재하는 에지 점의 정규화된 숫자로 정의된다. 우선 영상의 Window에 Prewitt 에지 검출자를 적용하여 평균 이상의 밝기 기울기를 가지는 화소들을 에지 점으로 검출한다. 다음으로 에지 점들을 계수하여 임의의 숫자 이상이 되면, 그 부분에는 사람이 존재할 수 있다고 가정하고 HOG 검출 기법을 적용한다.
본 논문에서는 단순히 에지 점의 숫자를 사용하기 보다, 에지 점의 분포 형태를 기반으로 사람의 존재 가능성이 높은 후보 영역을 빠르게 검출한 후, 이 후보 영역에 대해서만 정교한 HOG기법의 사용을 유도한다. 제안하는 기법에서는 우선 에지 점들이 특정한 형태로 찾아질 수 부분을 선택하였다. 만약 사람들이 서 있는 자세로 있다고 가정하면, 수직 방향의 에지(즉, 식(1.
본 논문에서는 이러한 HOG+SVM의 단점을 해결하기 위한 방안으로, 에지(edge) 정보를 기반으로 영상 내에서 사람이 있을 만한 후보 영역을 먼저 찾고, 이들 영역에 대해서만 HOG를 적용하여 처리시간을 줄이고자 하는 방법을 서술한다. 제안하는 방법은 개념과 적용이 간단하면서도, 효과적으로 처리 시간을 단축시킬 수 있다.
한편 흑백의 영상 I는 세 가지 컬러 채널 값의 평균으로 색상 정보는 배제하고 밝기 정보만을 내포하고 있다. 주어진 영상에서 R, r, I 중에서 어떤 종류의 영상을 사용하는 것이 더 적당할지는 사람과 배경이 얼마나 더 잘 구분되는지를 기준으로 판단하였다. 즉, 사람의 몸통이 Fig.
만약 그러한 패턴에 부합하면, 두 번째 단계로 넘어 간다. 즉, HOG Window에 의한 3780개의 요소를 가지는 형태 서술자 벡터를 계산하고, 그 값을 선형의 SVM 에 입력하여 사람인지 아닌지를 최종적으로 판단한다.
주어진 영상에서 R, r, I 중에서 어떤 종류의 영상을 사용하는 것이 더 적당할지는 사람과 배경이 얼마나 더 잘 구분되는지를 기준으로 판단하였다. 즉, 사람의 몸통이 Fig. 4(a)에서 볼 수 있듯이 Window 내 수직으로 x=40~60에 분포하고 있으므로, 이 구간의 중앙인 x=50을 따라 수평으로 최좌측의 10개 화소와 최우측의 10개 화소의 값이 중앙의 10개 화소와 R, r, I 중에서 어떤 영상 종류에서 가장 뚜렷한 차이를 보이는지 점검한 후, 가장 큰 차이를 보이는 영상을 선택하고, 이 영상에 대해서만 후행되는 절차를 수행하였다. 예를 들어 Fig.
즉, 사람의 상체 중앙부에서 20×11개의 화소와 좌측과 우측의 배경과의 경계부에서 각각 20×11개의 화소에 대해서만 에지 점을 찾고, 그 분포를 살펴본다.
현재 정확도가 가장 높다고 알려져 있는 HOG+SVM의 방법이 처리 속도가 느리고 분류용 특징 벡터의 크기가 큰 문제를 해결하기 위하여, 제안한 방법은 에지 점을 기반으로 사람이 있을 만한 후보 영역을 찾는 역할을 한다. 카메라의 컬러 영상을 적색 채널의 영상이나 정규화된 적색 영상, 혹은 흑백 영상으로 선택적으로 변환한 후 사람의 몸통이 존재할 영역에 대해서 에지 점의 분포 패턴을 간단한 판정식을 사용하여 사람과 비사람으로 분류하였다. 다양한 종류의 영상에 대하여 제안된 방법을 시험하였을 때, 사람을 잘 탐지하였고, 사람이 존재하지 않는 복잡한 영상에 대해 상대적으로 높은 오류의 비율을 보였다.
시각 센서를 사용하여 영상 내에서 사람을 검출하기 위한 방법이 제안되었다. 현재 정확도가 가장 높다고 알려져 있는 HOG+SVM의 방법이 처리 속도가 느리고 분류용 특징 벡터의 크기가 큰 문제를 해결하기 위하여, 제안한 방법은 에지 점을 기반으로 사람이 있을 만한 후보 영역을 찾는 역할을 한다. 카메라의 컬러 영상을 적색 채널의 영상이나 정규화된 적색 영상, 혹은 흑백 영상으로 선택적으로 변환한 후 사람의 몸통이 존재할 영역에 대해서 에지 점의 분포 패턴을 간단한 판정식을 사용하여 사람과 비사람으로 분류하였다.

대상 데이터

또한 인터넷의 영상 검색을 통하여 사람이 존재하지 않는 영상들 중에서 복잡한 형태의 영상과 단순한 형태의 영상을 각각 {No_Human_Complex1, … , No_Human_Complex20}과 {No_Human_Simple1, … , No_Human_Simple20}과 같이 준비하였다.
우선, MIT에서 공개하고 있는 다양한 사람의 영상들 [11] 중에서, 복잡한 배경을 가지고 있는 컬러 영상과 비교적 단순한 배경을 가지고 있는 영상을 {Human_Complex1, … , Human_Complex20}과 {Human_Simple1, … , Human_Simple20}과 같이 각각 20장씩 준비하였다.
제안된 방법의 유용성을 시험하기 위하여 4가지 종류의 영상을 사용하였다. 우선, MIT에서 공개하고 있는 다양한 사람의 영상들 [11] 중에서, 복잡한 배경을 가지고 있는 컬러 영상과 비교적 단순한 배경을 가지고 있는 영상을 {Human_Complex1, … , Human_Complex20}과 {Human_Simple1, … , Human_Simple20}과 같이 각각 20장씩 준비하였다.

성능/효과

03 ms만 소요되어 가장 빨랐다. HOG+SVM은 모든 시험영상에 대해 정확한 판단을 하였으나, 처리 시간이 20.8 ms로 가장 느렸다. 한편 제안한 방법은 사람이 없는 영상을 사람이 있는 것으로 오인식하는 경우가 8건 있었고, 처리 속도는 12.
제안하는 방법은 에지 검출에 의한 빠른 처리 단계와 이에 의하여 유도되는 HOG+SVM에 의한 느리지만 정확한 처리 단계로 구성된다는 점에서 Xu 등이 제안한 방법[10]과 유사하다. 그러나 Xu 등의 방법이 단순히 에지 점의 숫자만을 판단의 근거로 사용하여 배경의 에지와 실제 사람의 에지를 구분하지 못하므로 아주 단순한 배경에 존재하는 사람의 영상 이외에는 적용이 불가능한 데 비해서, 본 논문에서 제안한 방법은 에지 점의 분포 패턴을 검사함으로써 보다 정확하고 효과적으로 사람이 존재할 가능성이 있는 영역을 찾을 수 있다.
카메라의 컬러 영상을 적색 채널의 영상이나 정규화된 적색 영상, 혹은 흑백 영상으로 선택적으로 변환한 후 사람의 몸통이 존재할 영역에 대해서 에지 점의 분포 패턴을 간단한 판정식을 사용하여 사람과 비사람으로 분류하였다. 다양한 종류의 영상에 대하여 제안된 방법을 시험하였을 때, 사람을 잘 탐지하였고, 사람이 존재하지 않는 복잡한 영상에 대해 상대적으로 높은 오류의 비율을 보였다. 그러나 제안된 기법은 사람이 있을 것으로 예상되는 영역에 HOG+SVM을 적용하기 위한 전단계의 역할을 한다는 점에서 이와 같은 결과는 큰 문제가 되지 않을 것이다.
5 ms였다. 사람이 없는 경우에 발생하는 오류는 사람이 있는 경우에 오인식하는 경우보다 비교적 많았는데, 이는 제안된 기법이 Fig. 2에 보인 바와 같이 정확하지만 느린 HOG+SVM기법을 적용할 후보 영역을 찾는 목적을 가지므로 큰 문제가 아닐 수 있다.
주어진 시험용 사람 영상들 중 본 논문에서 제안한 방법이 검출에서 오류를 보인 경우는 복잡한 배경과 단순한 배경에서 각각 한 건씩 있었고, 사람이 없는 영상에서는 각각 5건과3건이 있었다. 오류를 일으킨 영상들의 예는 Fig.

후속연구

다양한 종류의 영상에 대하여 제안된 방법을 시험하였을 때, 사람을 잘 탐지하였고, 사람이 존재하지 않는 복잡한 영상에 대해 상대적으로 높은 오류의 비율을 보였다. 그러나 제안된 기법은 사람이 있을 것으로 예상되는 영역에 HOG+SVM을 적용하기 위한 전단계의 역할을 한다는 점에서 이와 같은 결과는 큰 문제가 되지 않을 것이다. 특히 에지에 기반한 기존의 연구에 비해 훨씬 성능이 개선되었다.
특히 에지에 기반한 기존의 연구에 비해 훨씬 성능이 개선되었다. 카메라를 이용한 사람의 검출이 스마트 자동차나 보안용 카메라를 비롯한 여러 영역에서 중요한 문제임을 고려하면 제안된 방법은 활용 가능성이 높을 것이다.

핵심어	질문	논문에서 추출한 답변
	적외선 센서의 한계점은?	이러한 적외선 센서는 구조가 간단하고, 가격이 저렴하여 자동 조명 장치 등에 널리 사용되고 있다. 그러나 적외선 센서는 사람의 위치와 같은 정보를 알아낼 수는 없고, 근거리에서만 작동하기 때문에, 그 사용이 실내와 같이 제한적인 공간에 국한되어있다. 초음파나 레이저의 경우에는 적외선 센서의 문제를 극복할 수 있으나, 사람 이외의 다른 동적 혹은 정적 물체까지 감지하는 단점이 있고, 전자는 낮은 해상도, 후자는 높은 가격의 단점도 가지고 있다.
	적외선 센서란 무엇인가?	사람의 감지는 많은 활용 영역을 가지고 있기 때문에, 이와 관련된 센서 기술들이 다수 개발되어 왔다. 가장 대표적인 것은 인체로부터 8~12 μm 파장의 적외선을 검출하는 센서이다[1,2]. 이러한 적외선 센서는 구조가 간단하고, 가격이 저렴하여 자동 조명 장치 등에 널리 사용되고 있다.
	적외선 센서의 장점은?	가장 대표적인 것은 인체로부터 8~12 μm 파장의 적외선을 검출하는 센서이다[1,2]. 이러한 적외선 센서는 구조가 간단하고, 가격이 저렴하여 자동 조명 장치 등에 널리 사용되고 있다. 그러나 적외선 센서는 사람의 위치와 같은 정보를 알아낼 수는 없고, 근거리에서만 작동하기 때문에, 그 사용이 실내와 같이 제한적인 공간에 국한되어있다.

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

영상 내 사람의 검출을 위한 에지 기반 방법
Edge-based Method for Human Detection in an Image 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

영상 내 사람의 검출을 위한 에지 기반 방법 Edge-based Method for Human Detection in an Image 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

도용태 (28) 반종희 (1)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

영상 내 사람의 검출을 위한 에지 기반 방법
Edge-based Method for Human Detection in an Image 원문보기

AI 본문요약
AI-Helper