$\require{mediawiki-texvc}$

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.

사람의 움직임 추적에 의한 다중 카메라의 네트워크 위상 추론
Inference of Multiple Cameras Network Topology by Tracking Human Movement 원문보기

한국정보과학회 07 종합학술대회논문집(C), 2007 June 25, 2007년, pp.466 - 470  

남윤영 (아주대학교 유비쿼터스시스템연구센터) ,  류정훈 (아주대학교 유비쿼터스시스템연구센터) ,  조용원 (아주대학교 유비쿼터스시스템연구센터) ,  최유주 (서울벤처정보대학원대학교) ,  조위덕 (아주대학교 유비쿼터스시스템연구센터)

초록
AI-Helper 아이콘AI-Helper

보안첨단화의 필요성 증대로 인하여 복합적이고 고기능의 보안 감시 시스템의 수요가 급속도로 확대되면서 보안은 안전하고 행복한 생활을 만드는데 없어서는 안될 중요한 역할을 하게 되었다. 최근, 디지털 영상기술의 급속한 발달과 보급은 이러한 보안 감시 시스템을 가능하도록 하였다. 본 논문은 다수의 카메라로부터 사람들의 움직임을 연속적으로 식별하고 추적할 수 있는 향상된 지능화 방법을 제안한다. 이 방법을 통해 카메라들 간의 위상이 자동으로 구성되고 객체의 움직임을 기반으로 학습하여 카메라들간의 거리, 객체와 카메라와의 거리, 카메라의 각도를 자동적으로 연산할 수 있도록 하였다. 이러한 자가 구성 단계 이후에 사람의 움직임을 추적하게 된다. 추적에서 사람들을 식별하는 단계가 선행되어야 하며, 이를 위해 머리, 몸, 손, 다리로 분리하여 각각의 정보들을 식별자로 사용하였다. 이러한 외형 식별자와 객체의 출몰간의 시간차를 이용해 다수의 카메라들로부터 객체를 연속적으로 추적하였다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 객체의 움직임을 연속적으로 추적하기 위해 카메라들간의 관계와 거리를 계산하여 공간 위상(spatial topology)을 자동으로 구성하도록 하였으며, 이러한 카메라 위상과 객체의 출몰 시간 간격을 바탕으로 동일한 객체를 연속적으로 추적하도록 하였다.

가설 설정

  • 특히, 모자를 착용하였거나 신체의 사이즈도 외형정보에 포함이 된다. 객체의 출몰 시간은 등장 시간(entry time), 퇴장 시간(exit time), 재등장 人I간(reentry time)으로 구분하여 퇴장 시간과 재등장 시간 간의 시간이 임계값(threshold) 이내라면 카메라 간의 링크가 존재하는 것으로 가정하고 연결을 구성한다.
  • 다음으로 현재 장면의 smooth disparity를 계산하고 색상, 에지, 모션, 디스페리티를 비교하여 정적 배경 장면에서 움직이는 대상물을 분리하였다. 관심 있는 대상물만 분리하기 위해 위 대상물이 제한된디스페리티 범위 즉 깊이를 가지고 있고 위 대상물의디스페리티가 부드럽게 변한다고 가정하여 깊이 정보를 포함하고 있는 분리된 대상물을 추적하였다. 이렇게 추출된 전경이미지는 그리드 패치 분류(grid patch classification) 단계를 거치면서 블랍(blob)형태의사람의 모습을 각 부분으로 분리하게 된다.
본문요약 정보가 도움이 되었나요?
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