[논문]객체 식별 및 추적을 위한 히스토그램 기반 특이값 분해

강예연; 박정민; 고훈준; 정경용

doi:10.7472/jksii.2023.24.5.29

객체 식별 및 추적을 위한 히스토그램 기반 특이값 분해
Histogram-Based Singular Value Decomposition for Object Identification and Tracking 원문보기

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.24 no.5, 2023년, pp.29 - 35

강예연 (Division of AI Computer Science and Engineering, Kyonggi University) , 박정민 (S) , 고훈준 (Department of Broadcasting Creator, Kyungin Women's University) , 정경용 (Division of AI Computer Science and Engineering, Kyonggi University)

초록
AI-Helper

CCTV는 범죄 예방, 공공 안전 강화, 교통 관리 등 다양한 목적으로 사용된다. 그러나 카메라의 범위와 해상도가 향상됨에 따라 영상에서 개인의 신상정보가 노출되는 위험성이 있다. 따라서 영상에서 개인 정보를 보호함과 동시에 개인을 식별할 수 있는 새로운 기술의 필요성이 존재한다. 본 논문에서는 객체 식별 및 추적을 위한 히스토그램 기반 특이값 분해를 제안한다. 제안하는 방법은 객체의 색상 정보를 이용하여 영상에 존재하는 서로 다른 객체를 구분한다. 객체 인식을 위하여 YOLO와 DeepSORT를 이용해 영상에 존재하는 사람을 탐지 및 추출한다. 탐지된 사람의 위치 정보를 이용해 흑백 히스토그램으로 색상 값을 추출한다. 추출한 색상 값 중 유의미한 정보만을 추출하여 사용하기 위해 특이값 분해를 이용한다. 특이값 분해를 이용할 때 결과에서 상위 특이값의 평균을 이용함으로 객체 색상 추출의 정확도를 높인다. 특이값 분해를 이용해 추출한 색상 정보를 다른 영상에 존재하는 색상과 비교하며 서로 다른 영상에 존재하는 동일 인물을 탐지한다. 색상 정보 비교를 위해 유클리드 거리를 이용하며 정확도 평가는 Top-N을 이용한다. 평가 결과 흑백 히스토그램과 특이값 분해를 사용하여 동일 인물을 탐지할 때 최대 100%에서 최소 74%를 기록하였다.

Abstract ▼ AI-Helper

CCTV is used for various purposes such as crime prevention, public safety reinforcement, and traffic management. However, as the range and resolution of the camera improve, there is a risk of exposing personal information in the video. Therefore, there is a need for new technologies that can identify individuals while protecting personal information in images. In this paper, we propose histogram-based singular value decomposition for object identification and tracking. The proposed method distinguishes different objects present in the image using color information of the object. For object recognition, YOLO and DeepSORT are used to detect and extract people present in the image. Color values are extracted with a black-and-white histogram using location information of the detected person. Singular value decomposition is used to extract and use only meaningful information among the extracted color values. When using singular value decomposition, the accuracy of object color extraction is increased by using the average of the upper singular value in the result. Color information extracted using singular value decomposition is compared with colors present in other images, and the same person present in different images is detected. Euclidean distance is used for color information comparison, and Top-N is used for accuracy evaluation. As a result of the evaluation, when detecting the same person using a black-and-white histogram and singular value decomposition, it recorded a maximum of 100% to a minimum of 74%.

주제어

표/그림 (5)

그림 (그림 1) SVD 시각화 (Figure 1) SVD Visualization
그림 (그림 2) 객체 식별 및 추적을 위한 히스토그램 기반 특이값 분해 프로세스 (Figure 2) Histogram-Based Singular Value Decomposition for Object Identification and Tracking Process
표 (표 1) 색상 추출 비교 결과 (Table 1) Color extraction comparison
표 (표 2) 고유 색상 추출 방법 비교 결과 (Table 2) Unique color extraction comparison
표 (표 3) 특징 개수 비교 결과 (Table 3) Feature count comparison

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 개인정보 보호와 관리 수준을 최대화하며 개인을 식별할 수 있는 기술로 객체 식별 및 추적을 위한 히스토그램 기반 특이값 분해를 제안한다. 제안하는 방법은 YOLO와 DeepSORT를 이용하여 영상에 존재하는 객체를 탐지한다.
본 논문에서는 객체 식별 및 추적을 위한 히스토그램 기반 특이값 분해를 제안하였다. 제안하는 방법은 영상에 존재하는 사람을 탐지하기 위해 YOLO와 DeepSORT를 사용하여 사람을 탐지 및 추적한다.

제안 방법

고유 색상을 추출하기 위해 특이값 분해 후 상위 특징을 선택하여 선택된 특징의 평균을 계산하였다. 따라서 선택되는 특징 개수에 따른 정확도를 비교한다.
이를 RGB 히스토그램으로 추출하게 되면 조명에 대한 조건이 극명하게 대비되어 동일 인물이 존재하는 경우 동일 인물을 탐지하지 못할 가능성이 존재한다. 따라서 낮과 밤의 일관성을 유지하기 위해 흑백 히스토그램을 이용하여 조명의 조건에 상관없이 픽셀의 강도만을 고려한다.
사람의 색상 정보를 추출하기 위해 RGB 히스토그램을 사용하는 경우와 흑백 히스토그램을 사용하는 경우를 비교한다. 비교를 위해 특이값 분해 후 상위 10개의 특징값의 평균을 이용하여 정확도를 계산한다.
두 번째로 영상에 존재하는 사람을 탐지하고 추적한다. 세 번째로 흑백 히스토그램을 이용하여 영상 속 사람이 가진 색상 정보를 추출한다. 마지막으로 추출한 색상을 배열로 정리하여 저장한다.
본 논문에서는 개인정보 보호와 관리 수준을 최대화하며 개인을 식별할 수 있는 기술로 객체 식별 및 추적을 위한 히스토그램 기반 특이값 분해를 제안한다. 제안하는 방법은 YOLO와 DeepSORT를 이용하여 영상에 존재하는 객체를 탐지한다. 탐지한 객체 중 사람만 선택하여 추적을 진행한다.
본 논문에서는 객체 식별 및 추적을 위한 히스토그램 기반 특이값 분해를 제안하였다. 제안하는 방법은 영상에 존재하는 사람을 탐지하기 위해 YOLO와 DeepSORT를 사용하여 사람을 탐지 및 추적한다. 이후 사람이 존재하는 경우 흑백 히스토그램을 이용해 사람의 색상 정보를 추출한다.
추출된 색상 정보를 영상 전체에 존재하는 사람의 고유한 색상 값으로 변환하기 위해 평균을 사용하는 경우와 특이값 분해를 사용하는 경우를 비교한다. 이때 평균과 특이값 분해 모두 동일하게 입력 영상의 최대 프레임의 수를 사용하여 계산한다.
이후 사람이 존재하는 경우 흑백 히스토그램을 이용해 사람의 색상 정보를 추출한다. 추출한 색상 정보를 특이값 분해를 이용하여 사람이 가지고 있는 고유한 색상 정보를 추출한다. 이를 통해 입력 영상에 존재하는 조명의 영향을 최소화하면서도 데이터의 구조와 패턴을 파악한 사람의 고유 색상 추출이 가능하다.

대상 데이터

탐지한 객체 중 사람만 선택하여 추적을 진행한다. 추적되는 사람은 YOLO를 통해 선택된 바운딩 박스에서 위치 정보를 전달받아 인물의 색상을 추출한다. 추출되는 인물의 색상 값은 프레임별로 다양하게 나타난다.

데이터처리

따라서 특징의 개수를 256까지 늘려가며 정확도를 비교한다. 비교를 위해 정확도는 Top-2만을 사용하여 계산하였다. 표 3은 특징 개수 비교 결과이다.
사람의 색상 정보를 추출하기 위해 RGB 히스토그램을 사용하는 경우와 흑백 히스토그램을 사용하는 경우를 비교한다. 비교를 위해 특이값 분해 후 상위 10개의 특징값의 평균을 이용하여 정확도를 계산한다. 표 1은 색상 추출 비교 결과이다.

이론/모형

추출되는 인물의 색상 값은 프레임별로 다양하게 나타난다. 그중 객체의 특징을 나타낼 수 있는 고유한 특징값을 추출하기 위하여 SVD를 이용한다. 이를 통해 다양한 영상에서 인물의 색상 특징을 반영하여 동일 인물을 탐색한다.
이를 이용하여 서로 다른 영상에서 선택된 두 사람에 대한 특이값 사이의 거리를 계산한다. 또한 정확도 측정을 위해 Top-N 정확도를 사용한다. Top-N 정확도는 주어진 선택지 중에서 정답이 포함된 상위 N개의 선택지를 정확하게 예측하는 정확도를 의미한다.
수집한 인물의 고유한 색상 특징을 사용하여 동일 인물을 판단하기 위해 유클리드 거리를 이용한다[14]. 유클리드 거리는 공간에 존재하는 두 점 사이의 직선거리를 나타낸다.
영상에 사람이 존재하고 이를 추적이 완료된 영상에서 사람의 특징을 추출하기 위해 흑백 히스토그램을 이용한다. 사용하는 영상 데이터가 CCTV 영상 데이터이기 때문에 낮과 밤의 일관성이 떨어진다.

참고문헌 (13)

D. H. Lee, and N. Park, "Privacy Protection Method？based on Multi-Object Authentication in Intelligent？CCTV Environment," Journal of KIISE, Vol. 46, No.？2, pp. 154-160, 2019.？http://doi.org/10.5626/JOK.2019.46.2.154

상세보기
Y. Zhan, and G. Zhang, "An improved OTSU？algorithm using histogram accumulation moment for？ore segmentation," Symmetry, Vol. 11, No. 3, 2019.？https://doi.org/10.3390/sym11030431

상세보기
H. Jia, K. Sun, W. Song, X. Peng, C. Lang, and Y. Li,？"Multi-strategy emperor penguin optimizer for RGB？histogram-based color satellite image segmentation？using Masi entropy," IEEE Access, Vol. 7, pp.？134448-134474, 2019.？https://doi.org/10.1109/ACCESS.2019.2942064

상세보기
Z. Zainol, J. S. The, and M. Alawida, "A new chaotic？image watermarking scheme based on SVD and IWT,"？IEEE Access, Vol. 8, pp. 43391-43406, 2020.？https://doi.org/10.1109/ACCESS.2020.2978186

상세보기
J. W. Baek, and K. Chung, "Multi-Context Mining？based Graph Neural Network for predicting Emerging？Health Risk," IEEE Access, Vol. 11, pp. 15153-15163,？2023.？https://doi.org/10.1109/ACCESS.2023.3243722

상세보기
AI Hub, [Online] : https://aihub.or.kr/, 2023.
H. J. Kwon, M. J. Kim, J. W. Baek, and K. Chung,？"Voice Frequency Synthesis using VAWGAN based？Amplitude Scaling for Emotion Transformation," KSII？Transactions on Internet & Information Systems, Vol.？16, No. 2, pp. 713-725, 2022.？http://doi.org/10.3837/tiis.2022.02.018

원문보기 상세보기
J. H. Kim, N. Kim, Y. W. Park, and C. S. Won,？"Object detection and classification based on？YOLO-V5 with improved maritime dataset," Journal of？Marine Science and Engineering, Vol. 10, No. 3, 2022.？https://doi.org/10.3390/jmse10030377

상세보기
B. U. Jeon, and K. Chung, "CutPaste-Based Anomaly？Detection Model using Multi Scale Feature Extraction？in Time Series Streaming Data," KSII Transactions on？Internet & Information Systems, Vol. 16, No. 8, pp.？2787-2800, 2022.？http://doi.org/10.3837/tiis.2022.08.018

원문보기 상세보기
I. Kurniastuti, A. Andini, and S. I. Soraya, "Analysis of？RGB range value on fingernail image for detecting？diabetes mellitus risk," Bali Med. J., Vol. 11, No. 1,？pp. 265-271, 2022.？https://doi.org/10.15562/bmj.v11i1.3096

상세보기
T. K. Halder, K. Sarkar, A. Mandal and S. Sarkar, "A？novel histogram feature for brain tumor detection," Int.？J. Inf. Technol., Vol. 14, No. 4, pp. 1883-1892, 2022.？https://doi.org/10.3390/s22166243

상세보기
D. Maji, S. Nagori, M. Mathew and D. Poddar,？"Yolo-pose: Enhancing yolo for multi person pose？estimation using object keypoint similarity loss", Proc.？IEEE Comput. Soc. Conf. Comput. Vis., pp.？2637-2646, 2022.？https://doi.org/10.48550/arXiv.2204.06806
S. Peng, K. Sugiyame and T. Mine, "SVD-GCN: A？simplified graph convolution paradigm for？recommendation," in Proc. of ACM Int. Conf. Inf.？Knowl. Manag, pp. 1625-1634, 2022.？https://doi.org/10.1145/3511808.3557462

저자의 다른 논문 :

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