$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

움직임 변화 특성기반의 실시간 폭력영상 검출
Real-time Violence Video Detection based on Movement Change Characteristics 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.22 no.2, 2017년, pp.234 - 239  

김광수 (한밭대학교 전자.제어공학과) ,  김웅태 (한밭대학교 전자.제어공학과) ,  곽수영 (한밭대학교 전자.제어공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 비디오 영상내 사물의 움직임의 방향과 크기의 변화를 이용한 새로운 서술자를 정의하고 이를 기반으로 하여 실시간으로 폭력 영상을 검출하는 방법을 제안한다. 새로 정의된 서술자는 폭력 행위의 움직임의 크기 및 방향 변화량이 일반적인 움직임에 비해 매우 크다는 관찰에 착안한 것이다. 일정한 프레임 동안의 서술자 값으로 이루어진 서술자 특징 벡터를 얻었고, 이것은 SVM(Support Vector Machine)으로 학습된 분류기를 통하여 폭력행위와 비폭력행위를 구별하는 데에 사용되었다. 제안하는 방법의 성능을 검증하기 위해 ViF(Violent Flow) 알고리즘과 세 종류의 데이터셋을 이용하여 비교 실험을 수행하였고, 모든 경우에서 더 우수한 성능을 보임을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

A real-time violence detection algorithm based on a new descriptor using the magnitude and direction changes of movement in images is proposed. The descriptor was developed from the observation that the changes of violent actions are much larger than those of normal movements. Descriptor feature vec...

주제어

#violence detection   #movement descriptor   #SVM classifier  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • Wang의 방법은 영상 전체의 움직임을 표현하기는 좋지만, 실시간 검출이 어렵다는 단점이 있다. 본 논문에서는 기존 연구가 가지고 있는 문제점 중 하나인 실시간 이슈를 해결하면서 검출의 정확도를 높일 수 있는 방안에 대해 제안하고자 한다.
  • 본 논문에서는 저수준의 특징 정보를 이용하여 실시간으로 폭력 영상을 검출하는 방법에 대해 제안한다. 일반적으로 저수준 특징기반의 폭력행위 검출 방법에 대한 연구는 폭력행동에서만 나타나는 특징정보들을 기반으로 한 서술자를 만들고, 이 서술자를 이용하여 폭력행동이 존재하는 비디오와 폭력행위가 존재하지 않는 비디오를 학습시켜 분류하는 방향으로 수행되고 있다.
  • 본 논문에서는 저수준의 특징정보를 이용하여 폭력행위를 실시간으로 검출하는 방법을 제안하였다. 폭력행위가 사람이 걷거나 뛰는 행동과는 움직임의 방향 변화와 크기 변화 정도가 다른 점을 반영할 수 있는 서술자를 제안하였고, 실험을 통해 제안하는 알고리즘이 기존 알고리즘에 비해 더 우수한 폭력 행위 검출 성능을 보여줌을 확인하였다.
  • 즉 폭력행위의 움직임은 대체적으로 급변하는 움직임이 많고, 비폭력행위에서는 급변하는 움직임이 비교적 적다. 이러한 관찰 결과에 착안하여 본 논문에서는 움직임 서술자를 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
저수준 특징기반의 폭력행위 검출에서 ViF 서술자는 무엇인가? Hassner는 군중의 폭력행위 검출에 초점을 맞추어 ViF 폭력 서술자를 개발하였다. ViF 서술자는 이전 프레임의 광류와 현재 프레임의 광류의크기와 방향을 비교하여 변화가 일정 크기 이상인 지역을 이진영상으로 만들고 일정 프레임을 누적한 히스토그램을 이용하여 생성한 서술자이다. ViF 서술자는 군중의 폭력행위 검출에는 적합하지만 소수 사람의 개별 폭력 행위 검출에는 적합하지 않다.
저수준 특징기반의 폭력행위 검출 방법은 어떻게 수행되는가? 본 논문에서는 저수준의 특징 정보를 이용하여 실시간으로 폭력 영상을 검출하는 방법에 대해 제안한다. 일반적으로 저수준 특징기반의 폭력행위 검출 방법에 대한 연구는 폭력행동에서만 나타나는 특징정보들을 기반으로 한 서술자를 만들고, 이 서술자를 이용하여 폭력행동이 존재하는 비디오와 폭력행위가 존재하지 않는 비디오를 학습시켜 분류하는 방향으로 수행되고 있다. 저수준 특징으로는 Bermejo[4]의MoSIFT(Motion Scale-Invariant Feature Transform)를 이용한 방법과 Hassner[5]의 ViF(Violent Flow)를 사용한 방법, 그리고 Wang[6]의 3차원 궤적 서술자를 이용한 방법을 대표적인 예로 들 수 있다.
MoSIFT서술자를 생성한 Bermejo의 방법이 폭력행위를 검출하는 방법은 무엇인가? MoSIFT는 Motion과 SIFT의 합성어로 HOG(Histogram of Oriented Gradients) 서술자와 HOF(Histogram of Oriented optical Flow) 서술자를 결합한 것이다. 그러므로 Bermejo의 방법은 폭력행위에서 나타나는 외형 정보와 움직임 정보를 함께 서술자로 표현하여 폭력행위를 검출한다. MoSIFT는 외형정보와 움직임정보를 함께 표현하는 장점을 지니지만, 서술자를 생성하는데 연산시간이 길어 실시간으로 이용하기에는 어려운 단점을 지니고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (8)

  1. G. Gerbner, and L. Gross, "Living with television: The violence profile," Journal of Communication, Vol. 26, No. 2, pp. 172-194, 1976. 

    상세보기 crossref

  2. Korea Press Foundation, "Survey of media audience," 2013 

  3. J. Kang, and S. Kwak "Violent Behavior Detection using Motion Analysis in Surveillance Video", Journal of broadcast engineering, Vol. 20 No. 3, pp. 430-439, 2015 

    원문보기 상세보기 crossref

  4. E.B. Nievas, O.D. Suarez, G.B. Garcia, and R. Sukthankar, "Violence detection in video using computer vision techniques," Proceeding of International Conference on Computer Analysis of Images and Patterns, pp 332-339, 2011 

  5. T. Hassner, Y. Itcher, and O. Kliper-Gross, "Violent Flows: Real-time detection of violent crowd behavior," Proceeding of IEEE Conference on Computer Vision and Pattern Recognition Workshops, pp. 1-6, 2012 

  6. K. Wang, Z. Zhang, and L. Wang, "Violence Video Detection by Discriminative Slow Feature Analysis," Communications in Computer and Information Science, Vol. 321, pp. 137-144, 2012 

    상세보기

  7. I. Laptev and T. Lindeberg, "Space-time Interest Points," International Journal of Computer Vision, Vol 64, No. 2, pp. 107-123. 2005 

    상세보기 crossref

  8. I. Laptev, M. Marszalek, C. Schmid, and B. Rozenfeld, ,"Learning Human Actions from Movies," Proceeding of IEEE Conference on Computer Vision and Pattern Recognition, pp. 1-8, 2008 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로