[논문]객체 추출을 이용한 실시간 웹기반 영상감시 시스템

이근왕; 오택환

문제 정의

본 논문에서는 객체의 내부점을 이용한 MBR에서의 얼굴영역을 추출하는 방법을 제안하였다. 실험은 고정 PC카메라와 배경영상의 변화가 거의 없다는 제한된 환경 조건에서 실시간으로 배경영상의 갱신이 안정적임을 보여주었다.
본 논문은 실시간으로 입력되는 영상으로부터 적응적 배경영상으로 잡음을 현저히 줄였고 실시간으로 얼굴 영역을 추출함으로써 보안 및 감시 시스템으로 효용성을 향상시켰다.

제안 방법

이 후, 연속적으로 입력되어지는 영상과 초기 배경영상의 비교를 통하여 강인한 객체 추출을 할 수 있는 적응적 배경영상을 생성한다. 계속적으로 갱신을 반복하는 배경영상과 실시간 입력되는 영상에서 그물식 탐색 방법을 이용하여 객체의 출현을 감지하고, 감지된 객체의 내부점을 추출한다. 추출된 객체 내부점을 이용하여 객체를 포함하는 최소 사각형인 MBR을 설정해 주고, 연속되어지는 영상으로부터 일련의 처리를 반복하게 된다.
이때 연산의 양을 줄이기 위하여 그물식 탐색방법을 이용한다. 그리고 추출된 객체의 내부점들에 MBR(Minimum Bounding Rectangle)을 설정하여 객체를 실시간으로 추적한다. 또한 RGB를 정규화하고, 정규화된 RGB 색상정보를 이용하여 MBR내의 객체로부터 얼굴영역을 추출한다.
그리고 추출된 객체의 내부점들에 MBR(Minimum Bounding Rectangle)을 설정하여 객체를 실시간으로 추적한다. 또한 RGB를 정규화하고, 정규화된 RGB 색상정보를 이용하여 MBR내의 객체로부터 얼굴영역을 추출한다.
또한, 실시간 영상에서 객체의 추출과 추적에 대한 계산량을 평가하기 위하여 실제 실시간 영상으로 시뮬레이션을 하였다. 먼저 객체의 추출을 위해 배경영상을 획득한 후 최초로 움직임이 감지되는 프레임의 객체를 추출하였고, 객체추출의 정확성을 알아보기 위해 몇 프레임 후의 객체를 같은 방법으로 추출하였다.
하였다. 먼저 객체의 추출을 위해 배경영상을 획득한 후 최초로 움직임이 감지되는 프레임의 객체를 추출하였고, 객체추출의 정확성을 알아보기 위해 몇 프레임 후의 객체를 같은 방법으로 추출하였다.
본 실험은 카메라의 움직임이 고정되어 있고 배경영상의 변화가 거의 없다는 환경으로 제약하고 입력 영상을 실시간으로 받아들여 객체의 위치를 탐지하고, 이동 객체의 추적을 실험하였다.
추출된 객체 내부점을 이용하여 객체를 포함하는 최소 사각형인 MBR을 설정해 주고, 연속되어지는 영상으로부터 일련의 처리를 반복하게 된다. 연속된 MBR의 설정을 추적함으로써 객체의 실시간 추적을 가능토록 하였다. 추적과 동시에 전체 영상이 아닌 MBR 내에서 얼굴 영역을 추출하는 방법을 사용하여 실시간 얼굴영역을 추출한다.
하였다. 이와 같이 생성된 적응적 배경영상과 설치된 PC카메라로부터 실시간으로 입력되는 입력 영상의 차를 이용하여 객체의 크기와 위치를 탐지함으로써 객체를 추출한다. 이때 연산의 양을 줄이기 위하여 그물식 탐색방법을 이용한다.
제안하는 시스템은 시간의 경과에 따라 배경 영역에서 잡음생성을 줄이고자 객체영역 이외의 영역을 배경 영역으로 갱신하여 항상 최신의 배경영상을 유지하도록 하였다. 이와 같이 생성된 적응적 배경영상과 설치된 PC카메라로부터 실시간으로 입력되는 입력 영상의 차를 이용하여 객체의 크기와 위치를 탐지함으로써 객체를 추출한다.
연속된 MBR의 설정을 추적함으로써 객체의 실시간 추적을 가능토록 하였다. 추적과 동시에 전체 영상이 아닌 MBR 내에서 얼굴 영역을 추출하는 방법을 사용하여 실시간 얼굴영역을 추출한다.

대상 데이터

본 논문에서 제안한 방법의 구현을 위해 Delphi 6.0을 이용하였고, Intel(R) Pentium 4 CPU 2.4GHz, 256M RAM 의 PC 에서 Microsoft Windows 2000 운영체제 하에서 실험하였다. 저가형 PC 카메라로부터 받아들이는 배경영상과 입력영상의 크기는 320 X 240의 24bit 컬러영상과 160 次 120의 24bit 컬러영상을 이용하였다.
또한 추적율은 이전 프레임의 추출된 객체 영역 픽셀의 다음 프레임에서 추적된 성능을 나타낸다. 성능 평가에 사용된 영상은 160x120 해상도의 24 bth 컬러영상을 사용하였다.
4GHz, 256M RAM 의 PC 에서 Microsoft Windows 2000 운영체제 하에서 실험하였다. 저가형 PC 카메라로부터 받아들이는 배경영상과 입력영상의 크기는 320 X 240의 24bit 컬러영상과 160 次 120의 24bit 컬러영상을 이용하였다.

이론/모형

추출이 우선적이다. 완전 차영상 방식을 도입한 기존 시스템과는 달리, 제안하는 시스템에서는 그물식 탐색 방식을 이용한다. 그물식 탐색 방식은 영상을 위에서 아래로 6 픽셀 간격으로 탐색해 나가는 방법으로 완전 차영상을 이용하는 시스템보다 처리속도의 높은 향상을 보인다.

성능/효과

그물식 탐색 방식을 이용하여 객체 내부점을 추출한 것이 완전 차영상을 이용하여 객체를 추출하는 것에 비하여 강건한 객체 추출을 보이지는 않지만, 실시간 보안 및 감시 시스템에서 적용되어질 제안하는 시스템에서는 객체 추적의 대상인 사람의 추출을 빠르게 하는 목적에는 적합함을 볼 수 있고, 기존 시스템과 비교하여 객체 추출의 속도도 향상됨을 알 수 있다.
실험은 고정 PC카메라와 배경영상의 변화가 거의 없다는 제한된 환경 조건에서 실시간으로 배경영상의 갱신이 안정적임을 보여주었다. 이는 객체의 추출 알고리즘이 빠르게 수행되어 객체 인식과 결합하여 객체의 움직임 정보와 인식을 통한 보안 및 감시 시스템 둥 응용분야에 적용될 수 있다는 것을 기대할 수 있도록 하여 준다.

후속연구

실험은 고정 PC카메라와 배경영상의 변화가 거의 없다는 제한된 환경 조건에서 실시간으로 배경영상의 갱신이 안정적임을 보여주었다. 이는 객체의 추출 알고리즘이 빠르게 수행되어 객체 인식과 결합하여 객체의 움직임 정보와 인식을 통한 보안 및 감시 시스템 둥 응용분야에 적용될 수 있다는 것을 기대할 수 있도록 하여 준다. 하지만 입력 영상과 배경영상 각각의 R, G, B 값의 차를 이용, 객체의 일부분임을 인식할 때, 잡음과 조명의 영향으로 인하여 실험에 실패한 경우도 발생하여 이에 대한 보완이 필요하다.
이는 객체의 추출 알고리즘이 빠르게 수행되어 객체 인식과 결합하여 객체의 움직임 정보와 인식을 통한 보안 및 감시 시스템 둥 응용분야에 적용될 수 있다는 것을 기대할 수 있도록 하여 준다. 하지만 입력 영상과 배경영상 각각의 R, G, B 값의 차를 이용, 객체의 일부분임을 인식할 때, 잡음과 조명의 영향으로 인하여 실험에 실패한 경우도 발생하여 이에 대한 보완이 필요하다. 향후 연구로는 레이블링을 이용한 다중객체의 추출과 추적이 실시간으로 이루어질 수 있도록 연구가 요구된다.
하지만 입력 영상과 배경영상 각각의 R, G, B 값의 차를 이용, 객체의 일부분임을 인식할 때, 잡음과 조명의 영향으로 인하여 실험에 실패한 경우도 발생하여 이에 대한 보완이 필요하다. 향후 연구로는 레이블링을 이용한 다중객체의 추출과 추적이 실시간으로 이루어질 수 있도록 연구가 요구된다.

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

객체 추출을 이용한 실시간 웹기반 영상감시 시스템
Web-based Video Monitoring System on Real Time using Object Extraction 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

객체 추출을 이용한 실시간 웹기반 영상감시 시스템 Web-based Video Monitoring System on Real Time using Object Extraction 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

객체 추출을 이용한 실시간 웹기반 영상감시 시스템
Web-based Video Monitoring System on Real Time using Object Extraction 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper