초록

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

본 논문에서는 버스에 설치되어 있는 비디오 카메라의 연속된 승차 영상과 추출해둔 배경 영상간의 영상차 분석을 통해 승객이 특정 구역을 통과하는 것을 감지하여 계수하는 방법을 연구하였다. 배경 영상은 운행 시와 같이 배경이 급변할 때는 연속된 두 프레임의 영상차를 이용하여 동적으로 배경 영상을 얻고 정차 시에는 배경 영상을 승차 영상과 비교하여 보정하여 주는 방법으로 최적화된 배경 영상을 얻어내었다. 본 시스템은 실제 상황에서 얻어진 비디오 영상에 적용하여 93.6%의 계수 성공률을 얻어내었다.

본 논문에서는 버스에 설치되어 있는 비디오 카메라의 연속된 승차 영상과 추출해둔 배경 영상간의 영상차 분석을 통해 승객이 특정 구역을 통과하는 것을 감지하여 계수하는 방법을 연구하였다. 배경 영상은 운행 시와 같이 배경이 급변할 때는 연속된 두 프레임의 영상차를 이용하여 동적으로 배경 영상을 얻고 정차 시에는 배경 영상을 승차 영상과 비교하여 보정하여 주는 방법으로 최적화된 배경 영상을 얻어내었다. 본 시스템은 실제 상황에서 얻어진 비디오 영상에 적용하여 93.6%의 계수 성공률을 얻어내었다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 또한 복잡한 연산으로 인한 연산 시간의 중가를 초래하는 것을 볼 수 있었다. 따라서 본 논문에서는입력 노이즈에 강인하고 연산의 복잡도가 적은 차영상 분석 기법을 사용한 숭객 계수 시스템을 제안하였다. 기존의 차영상분석 기법으로는 연속된 2장의 프레임 또는 3장의 프레임을이용하여 옴직임의 영역을 감지하는 형태로 구성되어 있다.
• 입 제어 장치 등이 있다. 본 논문에서는 버스에 고정되어 설치되어 있는 비디오 카메라의 녹화 테이프를 분석하여 승객을 자동으로 계수 하는 방법에 대하여 제안한다.
• 그러나, 이러한 차영상 기법은 숭객이 천천히 움직일 경우나 정지한 경우에 대하여 인식이 불가능해지는 단점이 발생한다. 이롤 극복하기 위하여 본 논문에서는 움직임에 적옹하여 배경 영상을 생성한 후 이롤 이용한 차영상 기법을 제안한다.
• 따라서, 차영상 기법의 효율적인 적용을 위하여는 강인한 배경영상 검출 기법이 중요하다. 이에 본 논문에서는 강인한 배경영상 추출 방법을 제안하였으며 이를 이용하여 만족할 만한 배경 영상올 얻을 수 있었다.

가설 설정

• 과정 2: 구해진 차영상 내부의 미리 정의된 특정 구역의 픽셀값들의 평균을 임계 값으로 하여 이진 영상으로 변환한다.
• 과정 3: 노이즈롤 제거하기 위하여 3X3 마스크로 모풀로지 연산을 수행한다.
• 과정 3: 레이블링된 객체의 최대 픽셀수가 임계값 이상이면 '1' 미만이면 ‘0’으로 판정한다.
• 과정 4: 특정 구역에 움직임이 검출되지 않으면 배경으로 채택한다.

제안 방법

• 강인한 배경 영상의 추츨을 위하여 본 논문에서는 버스가 정차 했을 때와 운행중인 경우를 구분하여 배경 추출 방법을 구성하였다. 차량이 정차 한 경우에는 현재 프레임 영상과 배경영상의 각 픽셀에 대하여 현재 프레임의 픽셸 값이 배경 영상의 픽셀 값보다 크면 배경 영상의 픽셀에 1을 더해주고, 작으면 1을 감해주는 방법으로 배경 영상을 추출하였다[6][7].
• 승객들은 대개 직립 보행으로 특정 구역울 통과해서 버스 안으로 들어가기 때문에 그림 4에서 볼 수 있듯이 횡적인 부분보다는 종적인 부분이 의미 있는 데이터로 사용된다. 그러므로 노이즈 제거를 위한 모폴로지 연산에서는 3X3 마스크로 침식연산을 수행하였고 종적 성분을 강화한 6X12 마스크로 팽창 연산을 수행하여 목 부분 등의 동일 객체의 분할 올 복원하였다.
• 분할된다. 따라서 레이블링된 객체 중에서 최대의 영역을갖는 객체만을 의미 있는 데이터로 사용하여 움직임 유무를 판단하였다.
• 버스가 운행중인 경우에 대하여서는 실시간으로 계속 급변하는 배경에 적웅하기 위하여 동적으로 배경을 추출하는 방법을 사용하였다. 본 논문에서 제안한 동적으로 배경을 추출하는 과정은 다음과 같다.
• 본 시스템은 실시간으로 숭객을 계수하며 실험영상온 320X 240 크기의 MPEG-1 형식으로 펜티엄 Ⅲ 700 Mhz, 256Mbyte RAM, WIN-ME의 실험 환경에서 프로그램은 DELPHI 6.0으로 작성하였다.
• 사람이 비디오 테이프를 보면서 숭객울 계수하던 방법을 컴퓨터 비쳔의 차영상 분석이란 비교적 간단한 알고리즘으로 배경을 추출하고 움직임 검출을 통해 자동 계수 하는 방법을 제시하였다. 숭객이 붙어 돌어오는 경우 노이즈와 구분이 모호해져서 정확한 계수를 못하게 되는 단점도 발견되었지만, 정상적으로 승객이 지나가는 경우에 대해서는 만족할만한 결과를 얻을 수 있었다.
• 것을 인지 하는 시스템이다. 이를 위하여 제안된 시스템에서는 입력영상에 대하여 특정 구역을 미리 정의하고, 특정구역에서의 움직임을 감지하여 승객을 계수 하는 방법을 사용하였다.

대상 데이터

• 시간을 추출하여 실험 데이터로 사용하였다. 실험 데이터에서 버스에 숭차하는 숭객은 자연광에서 75명과 일몰 후 숭차한 50명이었으며 문이 열린 횟수는 47번 이였다
• 실험 영상으로는 실제 운행되는 버스에서 녹화된 영상 중의 일정 시간을 추출하여 실험 데이터로 사용하였다. 실험 데이터에서 버스에 숭차하는 숭객은 자연광에서 75명과 일몰 후 숭차한 50명이었으며 문이 열린 횟수는 47번 이였다

성능/효과

• 125명의 승객에 대해 실험을 한 결과 93.6%의 계수 성공률을 얻었다. 승객이 정상적으로 승차하는 경우에는 오류 없이 계수하는 결과를 보였으나, 승객이 특정 구역으로 정의한 부분에 계속해서 서 있는 경우에는 순간적인 명암 차이 등으로 인해 오류가 발생했다.
• 승객이 정상적으로 승차하는 경우에는 오류 없이 계수하는 결과를 보였으나, 승객이 특정 구역으로 정의한 부분에 계속해서 서 있는 경우에는 순간적인 명암 차이 등으로 인해 오류가 발생했다. 또한, 승객이 거의 겹쳐서 들어오는 경우에도 2차원 영상의 한계로 인해 오류가 발생하였으며, 어린 아이와 같이 키가 너무 작은 경우에도 인식 오류가 발생하는 것을 볼 수 있었다
• 차량이 정차 한 경우에는 현재 프레임 영상과 배경영상의 각 픽셀에 대하여 현재 프레임의 픽셸 값이 배경 영상의 픽셀 값보다 크면 배경 영상의 픽셀에 1을 더해주고, 작으면 1을 감해주는 방법으로 배경 영상을 추출하였다[6][7]. 이러한 배경 영상 추출 기법을 이용하여 승객이 승차할 때 생기는 순간적인 밝기 변화등에 따른 노이즈가 배경 영상의 신뢰도에 영향을 주는 것을 최소화 하였다.

후속연구

• 본 논문에서 제안한 방법은 특정 구간에서 차량의 퉁행량 조사 또는 건물 등의 출입자 조사 등 계수를 필요로 하는 시스템에 활용될 수 있을 것이고 버스 운행관리 시스템과 결합되어각 노선별 숭객의 계수롤 자동화 하여 자치 단체의 노선 정책에 활용될 기초 정보률 얻는데 사용될 수 있다.
• 할 수 있다. 본 논문에서는 연산의 간략성을 위하여 특정 구역율 하나로 정했지만 두개를 잡았을 경우에는 하나인 경우보다 오류들을 더 줄일 수 있고, 좌T우, 우-좌 의 방향성까지도 검출이 가능할 것으로 기대한다.
• 이를 극복하기 위하여 승객이 아이틀 업은 경우, 한명이 서있고 그 뒤 공간으로 사람이 통과하는 경우와 같이 숭객이 거의 겹쳐서 들어올 때의 오류를 개선하는 것이 앞으로의 연구과제라 할 수 있다. 본 논문에서는 연산의 간략성을 위하여 특정 구역율 하나로 정했지만 두개를 잡았을 경우에는 하나인 경우보다 오류들을 더 줄일 수 있고, 좌T우, 우-좌 의 방향성까지도 검출이 가능할 것으로 기대한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기