[논문]HoG 특징 기반 사람 탐지와 멀티레벨 매칭 추적을 이용한 보행자 통행량 측정 알고리즘

강성욱; 정진동; 서홍일; 이해연

doi:10.3745/ktsde.2016.5.8.385

초록
AI-Helper

현대 사회에서 상업적 성공을 위해서는 상권 분석이 필요하며, 상권 분석의 요소 중에서 핵심적인 부분은 통행량이다. 통행량을 측정하기 위해서 사람이 직접 측정하는 방법이 많이 사용되고 있으나 높은 인건비와 측정 실수를 유발할 가능성이 높다. 본 논문에서는 웹캠을 통해 촬영한 이미지를 이용하여 보행자의 통행량을 측정할 수 있는 알고리즘을 제안한다. 제안하는 알고리즘은 사람 영역 탐지와 움직임 추적으로 구성되어 있다. 사람 영역 탐지에서는 움직임 영역을 추출하고 HoG 특징과 Adaboost 분류기를 이용하여 사람 영역을 탐지한다. 움직임 추적에는 멀티 레벨 매칭과 거짓 양성 제거를 이용하여 추적 및 통행량을 측정한다. 멀티 레벨 매칭은 HoG 영역에 대해 유사도 계수를 구하여 판별하는 과정, 칼만 필터를 이용하여 추정한 위치의 이미지 유사도를 계산 과정, 사람 영역 탐지에서 추출한 움직임 영역을 이용해 유사도를 계산하는 3단계 과정으로 구성되어 있다. 거짓 양성 제거는 사람 영역 탐지에서 잘못된 탐지 영역을 제거한다. 제안한 알고리즘의 성능을 분석하기 위하여 기존의 사람 영역 탐지 및 추적하는 방법과 비교 실험을 수행하였다. 그 결과 제안하는 방법은 사람 통행량 측정에서 83.6% 정확도를 보였으며, 기존 알고리즘에 비하여 11% 높은 성능을 달성하였다.

Abstract ▼ AI-Helper

Market analysis for a business plain is required for the success in the modern world. Most important part in this analysis is pedestrian traffic counting. A traditional way for this is counting it in person. However, it causes high labor costs and mistakes. This paper proposes an automatic algorithm...

Market analysis for a business plain is required for the success in the modern world. Most important part in this analysis is pedestrian traffic counting. A traditional way for this is counting it in person. However, it causes high labor costs and mistakes. This paper proposes an automatic algorithm to measure the pedestrian traffic count using images with webcam. The proposed algorithm is composed of two parts: pedestrian area detection and movement tracking. In pedestrian area detection, moving blobs are extracted and pedestrian areas are detected using HoG features and Adaboost algorithm. In movement tracking, multi-level matching and false positive removal are applied to track pedestrian areas and count the pedestrian traffic. Multi-level matching is composed of 3 steps: (1) the similarity calculation between HoG area, (2) the similarity calculation of the estimated position with Kalman filtering, and (3) the similarity calculation of moving blobs in the pedestrian area detection. False positive removal is to remove invalid pedestrian area. To analyze the performance of the proposed algorithm, a comparison is performed with the previous human area detection and tracking algorithm. The proposed algorithm achieves 83.6% accuracy in the pedestrian traffic counting, which is better than the previous algorithm over 11%.

주제어

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 웹캠을 통해 받은 이미지를 이용하여 보행자의 통행량을 측정할 수 있는 알고리즘을 제안한다. 영상에서 보행자의 통행량을 측정하기 위해서는 보행자의 인식과 추적이 중요하다.

제안 방법

본 논문에서 제안하는 보행자 추적을 통한 통행량 측정 알고리즘은 사람 영역 탐지와 움직임 추적의 과정으로 구성된다. 제안하는 알고리즘의 대략적인 수행 과정은 Fig.
사람 영역 탐지와 움직임 추적이다. 사람 영역 탐지에서는 차영상으로 움직임 영역을 먼저 추출하고 그 영역에 대해서 HoG 특징과 Adaboost 분류기를 이용하여 사람인지 아닌지를 판별한다. 움직임 추적에서 멀티 레벨 매칭과 거짓 양성 제거를 사용하여 이전 프레임과 다음 프레임의 사람이 동일한지 아닌지를 추적하고 관심 영역(RoI)을 넘어 가면 통행량을 측정한다.
사람 영역 탐지에서는 차영상으로 움직임 영역을 먼저 추출하고 그 영역에 대해서 HoG 특징과 Adaboost 분류기를 이용하여 사람인지 아닌지를 판별한다. 움직임 추적에서 멀티 레벨 매칭과 거짓 양성 제거를 사용하여 이전 프레임과 다음 프레임의 사람이 동일한지 아닌지를 추적하고 관심 영역(RoI)을 넘어 가면 통행량을 측정한다. 추적을 위한 멀티 레벨 매칭은 총 3단계로 이루어지며, 1단계는 색상과 거리 및 겹침 처리를 통해 최종 유사도 계수를 구하여 판별하고, 2단계는 칼만 필터를 이용하여 추정한 위치에 대해 이미지 유사도를 계산하며, 3단계는 사람 영역 탐지에서 추출한 움직임 영역을 이용해 유사도를 계산한다.

대상 데이터

제안한 알고리즘의 성능 평가를 위해 사용된 보행자 영상은 3m 높이에 웹캠을 설치하여 2개의 서로 다른 장소에 대해 5분 간격으로 8회씩 촬영된 영상을 사용하였다. 장소 1은 장소 2보다 상대적으로 겹침 상황이 많이 발생하는 영상을 촬영하였다.

데이터처리

제안한 알고리즘의 성능 평가를 위하여 기존 연구들에서 범용적으로 사용하는 HoG 특징과 칼만 필터를 이용하는 사람 탐지 및 추적 알고리즘[1, 2]을 구현하였고 통행량을 측정하여 비교 분석을 수행하였다.

성능/효과

6%의 정확도를 보였다. 또한 겹침 계수를 이용한 최종 유사도 계산 방법을 사용함으로써 겹침 상황이 많이 발생하는 곳에서의 더 향상된 성능 보였다.
제안하는 알고리즘은 기존 알고리즘과는 다르게 멀티 레벨 매칭과 거짓 양성 제거 기법을 추가로 사용하여 사람을 추적하고 통행량을 측정하였다. 제안한 알고리즘은 기존의 색상 유사도와 칼만 필터를 사용한 추적과 통행량 측정보다 약 11% 더 나은 성능을 보였으며 전체적으로 83.6%의 정확도를 보였다. 또한 겹침 계수를 이용한 최종 유사도 계산 방법을 사용함으로써 겹침 상황이 많이 발생하는 곳에서의 더 향상된 성능 보였다.

후속연구

겹침 상황을 수치화하여 최종 유사도 계수에 반영하였지만 아주 혼잡한 거리나 겹침 상황이 50% 이상 일어나는 영역에 대해서는 HoG 탐지나 추적이 힘든 경우가 있었다. 겹침 상황에서도 정상적으로 보행자 탐지나 추적이 가능하도록 하는 추가적인 연구가 필요하다.
제안하는 알고리즘은 통행량 측정에서 사용되었지만 사람 영역 탐지나 추적에 대한 다른 응용 분야에서도 널리 사용될 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	거짓 양성 제거는 무엇을 제거하는가?	멀티 레벨 매칭은 HoG 영역에 대해 유사도 계수를 구하여 판별하는 과정, 칼만 필터를 이용하여 추정한 위치의 이미지 유사도를 계산 과정, 사람 영역 탐지에서 추출한 움직임 영역을 이용해 유사도를 계산하는 3단계 과정으로 구성되어 있다. 거짓 양성 제거는 사람 영역 탐지에서 잘못된 탐지 영역을 제거한다. 제안한 알고리즘의 성능을 분석하기 위하여 기존의 사람 영역 탐지 및 추적하는 방법과 비교 실험을 수행하였다.
	HoG은 어디에서 사용되는가?	Histogram of Oriented Gradients(HoG)는 물체의 경계선에 있어서 방향 성분의 히스토그램을 사용하는 방법으로 특정 물체를 검출하기 위해서 컴퓨터 비전이나 이미지 처리에서 많이 사용된다. HoG는 Dala et al.
	웹캠을 통해 촬영한 이미지를 이용한 보행자의 통행량을 측정할 수 있는 알고리즘은 무엇으로 구성되어 있는가?	본 논문에서는 웹캠을 통해 촬영한 이미지를 이용하여 보행자의 통행량을 측정할 수 있는 알고리즘을 제안한다. 제안하는 알고리즘은 사람 영역 탐지와 움직임 추적으로 구성되어 있다. 사람 영역 탐지에서는 움직임 영역을 추출하고 HoG 특징과 Adaboost 분류기를 이용하여 사람 영역을 탐지한다.

참고문헌 (13)

N. Dalal and B. Triggs, "Histograms of Oriented Gradients for Human Detection," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Vol.2, pp.886-893, 2005.
N. Dalal, "Finding People in Images and Videos," Institut National Polytechnique de Grenoble, 2006.
Y. Freund and R. E. Schapire, "A Short Introduction to Boosting," Journal of Japanese Society for Artificial Intelligence, Vol.14, No.5, pp.771-780, 1999.
P. Dollar, C. Wojek, B. Schiele, and P. Perona, "Pedestrian Detection: An Evaluation of the State of the Art," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.34, No.4, pp.743-761, 2011.
C.-J. Seo and H.-I. Ji, "Pedestrian Detection using HOG Feature and Multi-Frame Operation," Journal of Korean Institute of Electrical Engineers (in Korean), Vol.64P, No.3, pp.193-198, 2015.
S.-M. Yang and K.-H. Jo, "HOG based Pedestrian Detection and Behavior Pattern Recognition for Traffic Signal Control," Journal of Institute of Control, Robotics and Systems (in Korean), Vol.19, No.11, pp.1017-1021, 2013.

원문보기 상세보기
P. Viola, M. Jones, and D. Snow, "Detecting pedestrians using patterns of motion and appearance," International Journal of Computer Vision, Vol.63, No.2, pp.153-161, 2005.

상세보기
K.-K. Kong and K.-S. Hong, "Design of coupled strong classifiers in AdaBoost framework and its application to pedestrian detection," Pattern Recognition Letters, Vol.68, No.1, pp.63-69, 2015.

상세보기
B.-R. Lee, Q.-B. Truong, H.-S. Kim, and Y.-H. Bae, "A study on the pedestrian detection on the road using machine vision," Journal of Institute of Control, Robotics and Systems (in Korean), Vol.17, No.5, pp.490-498, 2011.

원문보기 상세보기
Z. Jiang, D. Q. Huynh, W. Moran, S. Challa, and N. Spadaccini, "Multiple Pedestrian Tracking Using Colour and Motion Models," Proceedings of International Conference on Digital Image Computing: Techniques and Applications, pp.328-334, 2010.
X. Wang, "An HoG-LBP human detector with partial occlusion handling," Proceedings of International Conference on Computer Vision, pp.32-39, 2009.
A. M. Elgammal and L. S. Davis, "Probabilistic Framework for Segmenting People under Occlusion," Proccedings of IEEE International Conference on Computer Vision, Vol.2, pp.145-152, 2001.
Wikipedia, "Kalman filter" [Internet], http://en.wikipedia.org/wiki/kalman_filter.

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

HoG 특징 기반 사람 탐지와 멀티레벨 매칭 추적을 이용한 보행자 통행량 측정 알고리즘
Pedestrian Traffic Counting Using HoG Feature-Based Person Detection and Multi-Level Match Tracking 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

HoG 특징 기반 사람 탐지와 멀티레벨 매칭 추적을 이용한 보행자 통행량 측정 알고리즘 Pedestrian Traffic Counting Using HoG Feature-Based Person Detection and Multi-Level Match Tracking 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

강성욱 (3) 이해연 (33)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

HoG 특징 기반 사람 탐지와 멀티레벨 매칭 추적을 이용한 보행자 통행량 측정 알고리즘
Pedestrian Traffic Counting Using HoG Feature-Based Person Detection and Multi-Level Match Tracking 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper