[논문]공간적, 시간적 경계 정보를 이용한 이동 객체 윤곽선 검출 방법

곽재호; 김회율

공간적, 시간적 경계 정보를 이용한 이동 객체 윤곽선 검출 방법
Moving Object Contour Detection using Spatial and Temporal Edge 원문보기

곽재호 (한양대학교 전자통신컴퓨터공학과) , 김회율 (한양대학교 전자통신컴퓨터공학과)

본 논문에서는 Spatial Edge와 Temporal Edge를 이용한 이동 객체의 윤곽선 검출 방법을 제안한다. 카메라로부터 연속적으로 입력되는 영상에서 이동 객체의 윤곽선이 존재하는 후보 영역을 검출하기 위해, 새로운 방법의 Temporal Edge를 제안한다. Temporal Edge를 통해 검출된 후보 영역을 중심으로 Spatial Edge를 구하고, 후처리 과정을 통해 노이즈를 제거한 후 최종적으로 이동 객체의 윤곽선을 검출한다. 제안한 방법은 실험을 통해 그 성능을 확인하였고, 배경 차 방법과 비교 하였다.

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

문제 정의

본 논문에서는 Spatial Edge 정보와 Temporal Edge 정보를 활용하여 이동 객체의 윤곽선(contour) 검출 알고리즘을 제안한다. 알고리즘의 초기 단계에서 이동 객체의 윤곽선이 존재하는 후보 영역을 검출하기 위해 새로운 방법의 Temporal Edge를 제안한다.
본 논문에서는 Spatial Edge와 Temporal Edge를 이용한 이동 객체 윤곽 검출 방법을 제안 하였다. 새로운 방법의 Temporal Edge를 제안하여 이동 객체의 윤곽선이 존재하는 후보 영역을 검출 하였으며, Canny Edge를 이용하여 Spatial Edge를 검출하였다.

제안 방법

따라서 Temporal Edge 픽셀을 중심으로 그 주변에 Spatial Edge가 나타날 확률이 높다. Temporal Edge를 기준으로 검출한 후보영역 TE_t,t-2 내에 존재하는 각 픽셀들을 중심으로 일정 크기(본 논문에서는 5x5 window) 영역 내에 존재하는 Spatial Edge를 검출하여 이동 객체에 대한 대강의 윤곽선(Rough Contour) RC_t를 검출한다. 표 1은 RC_t를 검출하는 Pseudo-code 이다.
현재 시간 t에 입력된 영상을 중심으로 t-2시간에 입력된 영상과의 차를 6개의 요소 위치를 기준으로 구한 후, 이 값들을 산술적 누적하여 Temporal Edge를 구한다. Temporal Edge를 통해 검출된 후보 영역을 중심으로 Spatial Edge를 구하고, 후처리 과정을 통해 노이즈를 제거한 후 최종적으로 이동 객체에 대한 윤곽선을 검출한다.
본 논문에서는 Spatial Edge와 Temporal Edge를 이용한 이동 객체 윤곽 검출 방법을 제안 하였다. 새로운 방법의 Temporal Edge를 제안하여 이동 객체의 윤곽선이 존재하는 후보 영역을 검출 하였으며, Canny Edge를 이용하여 Spatial Edge를 검출하였다. 6개의 요소 점을 기준으로 한 새로운 형태의 Temporal Edge는 연속적으로 입력되는 영상에서 시간에 따른 픽셀 경계 변화 정보를 효과적으로 검출할 수 있었다.
본 논문에서는 Spatial Edge 정보와 Temporal Edge 정보를 활용하여 이동 객체의 윤곽선(contour) 검출 알고리즘을 제안한다. 알고리즘의 초기 단계에서 이동 객체의 윤곽선이 존재하는 후보 영역을 검출하기 위해 새로운 방법의 Temporal Edge를 제안한다. 현재 시간 t에 입력된 영상을 중심으로 t-2시간에 입력된 영상과의 차를 6개의 요소 위치를 기준으로 구한 후, 이 값들을 산술적 누적하여 Temporal Edge를 구한다.
본 논문에서는 Spatial Edge 정보와 Temporal Edge 정보를 활용하여 이동 객체의 윤곽선(contour) 검출 알고리즘을 제안한다. 알고리즘의 초기 단계에서 이동 객체의 윤곽선이 존재하는 후보 영역을 검출하기 위해 새로운 방법의 Temporal Edge를 제안한다. 현재 시간 t에 입력된 영상을 중심으로 t-2시간에 입력된 영상과의 차를 6개의 요소 위치를 기준으로 구한 후, 이 값들을 산술적 누적하여 Temporal Edge를 구한다.
알고리즘의 초기 단계에서 이동 객체의 윤곽선이 존재하는 후보 영역을 검출하기 위해 새로운 방법의 Temporal Edge를 제안한다. 현재 시간 t에 입력된 영상을 중심으로 t-2시간에 입력된 영상과의 차를 6개의 요소 위치를 기준으로 구한 후, 이 값들을 산술적 누적하여 Temporal Edge를 구한다. Temporal Edge를 통해 검출된 후보 영역을 중심으로 Spatial Edge를 구하고, 후처리 과정을 통해 노이즈를 제거한 후 최종적으로 이동 객체에 대한 윤곽선을 검출한다.

대상 데이터

4 GHz 환경에서 Visual C++ 2008 을 이용하여 구현하였으며,. 실험 영상은 320x240 크기의 영상에 대해 다양한 실외에서 환경에서 촬영된 영상을 사용하였다.

이론/모형

연속적으로 입력되는 매 영상으로부터 검출한 SE_t로부터 실제 이동 객체의 윤곽선을 검출하기 위해 Temporal Edge 정보 TE_t,t-2을 활용한다. 일반적으로 객체의 윤곽선이 존재하는 픽셀의 경우 높은 값의 기울기(gradient)를 보인다.
카메라로부터 연속적으로 입력되는 매 영상마다 Canny Edge [8]를 검출하여 이를 Spatial Edge 정보 SE_t로 활용한다. 그림 4는 검출된 Canny Edge를 보인 것이다.

성능/효과

새로운 방법의 Temporal Edge를 제안하여 이동 객체의 윤곽선이 존재하는 후보 영역을 검출 하였으며, Canny Edge를 이용하여 Spatial Edge를 검출하였다. 6개의 요소 점을 기준으로 한 새로운 형태의 Temporal Edge는 연속적으로 입력되는 영상에서 시간에 따른 픽셀 경계 변화 정보를 효과적으로 검출할 수 있었다. 제안한 방법은 기존에 배경 영상을 활용하는 기법이 가진 잔상 현상의 문제점을 해결하였다.
그러나 배경 영상을 활용한 경우 오랜 시간동안 중심에 머물러 있던 사람이 갑자기 사라져서 중심에 잔상이 남아 있고 이 때문에 마치 가운데 사람이 있는 것처럼 윤곽선이 검출된다. 그러나 제안한 방법은 정확하게 윤곽선을 추출함을 불 수 있다.
제안한 방법의 배경 영상을 생성하지 않기 때문에 배경 영상을 사용하는 방법에 비해 연산 속도가 빠르며, 배경 영상을 이용함으로써 발생하는 여러 가지 문제들을 극복할 수 있다. 배경 차이 기법의 경우 조명의 변화가 심한 경우 신뢰성 있는 배경 유추가 이루어지지 않아 높은 검출 오류를 보이는 반면, 제안하는 방법은 영상의 Edge정보를 활용하기 때문에 조명 변화에 강인하여 높은 검출 성능을 보인다. 뿐만 아니라 카메라로부터 오랜 시간 입력되는 영상을 이용하여 배경을 유추하는 배경 차이 기법의 경우 오랜 시간 정지해 있던 물체가 갑자기 움직이는 경우 물체의 잔상 현상(ghost effect)으로 잘못된 검출 결과를 보이지만, 제안하는 방법은 시간 t, t-1, t-2에서 입력되는 세 개의 영상만을 활용하기 때문에 Ghost 현상이 발생하지 않아 움직이는 물체의 윤곽선을 정확하게 검출할 수 있는 장점이 있다.
배경 차이 기법의 경우 조명의 변화가 심한 경우 신뢰성 있는 배경 유추가 이루어지지 않아 높은 검출 오류를 보이는 반면, 제안하는 방법은 영상의 Edge정보를 활용하기 때문에 조명 변화에 강인하여 높은 검출 성능을 보인다. 뿐만 아니라 카메라로부터 오랜 시간 입력되는 영상을 이용하여 배경을 유추하는 배경 차이 기법의 경우 오랜 시간 정지해 있던 물체가 갑자기 움직이는 경우 물체의 잔상 현상(ghost effect)으로 잘못된 검출 결과를 보이지만, 제안하는 방법은 시간 t, t-1, t-2에서 입력되는 세 개의 영상만을 활용하기 때문에 Ghost 현상이 발생하지 않아 움직이는 물체의 윤곽선을 정확하게 검출할 수 있는 장점이 있다.
실험을 통하여 배경 영상을 이용한 방법의 경우 물체가 오랜 시간 정지해 있다가 갑자기 움직이는 경우 잔상(ghost)이 남는 반면, 제안한 방법은 잔성이 남지 않음을 볼 수 있었다.
제안된 방법은 배경 차 방법 [2]과 성능을 비교하여, 배경 영상을 생성하지 않고도 움직이는 물체의 윤곽선을 효율적으로 검출할 수 있음을 보였다..
6개의 요소 점을 기준으로 한 새로운 형태의 Temporal Edge는 연속적으로 입력되는 영상에서 시간에 따른 픽셀 경계 변화 정보를 효과적으로 검출할 수 있었다. 제안한 방법은 기존에 배경 영상을 활용하는 기법이 가진 잔상 현상의 문제점을 해결하였다. 뿐만 아니라 배경 영상을 생성하지 않기 때문에 많은 배경 영상의 신뢰성에서 생길 수 있는 문제점들을 원천적으로 해결 하였으며, 수행속도가 빨라 실시가 응용 프로그램에 적용이 가능하다.
제안한 방법의 배경 영상을 생성하지 않기 때문에 배경 영상을 사용하는 방법에 비해 연산 속도가 빠르며, 배경 영상을 이용함으로써 발생하는 여러 가지 문제들을 극복할 수 있다. 배경 차이 기법의 경우 조명의 변화가 심한 경우 신뢰성 있는 배경 유추가 이루어지지 않아 높은 검출 오류를 보이는 반면, 제안하는 방법은 영상의 Edge정보를 활용하기 때문에 조명 변화에 강인하여 높은 검출 성능을 보인다.
표 2는 각 방법에 대한 연산 시간을 비교한 것으로 1000개의 영상에 대한 평균 연산 시간을 비교한 것이다. 표 2에서 보듯이 제안한 방법이 배경 영상을 사용하는 방법에 비해 2배 빠른 연산 시간을 보였다.

핵심어

질문

논문에서 추출한 답변

지능형 감시 시스템이란?

최근 늘어나는 강력 범죄로 인해 보안에 대한 요구가 증가함에 따라 CCTV나 카메라와 같은 영상 장비를 활용한 지능형 감시 시스템 개발이 중요한 연구 분야로 대두되고 있다 [1]. 지능형 감시 시스템은 카메라로부터 입력되는 영상에서 이동 객체를 자동으로 감지하고, 이를 추적함으로써 인간을 대신하여 감시 역할을 수행할 수 있는 자동화된 감시 시스템을 말한다. 지능형 감시 시스템의 가장 기본이 되는 기술은 카메라로부터 입력되는 영상에서 이동 객체를 검출하는 것이다.

지능형 감시 시스템의 성능에 영향을 주는 것은?

이동 객체의 검출 성능에 따라 시스템 성능이 좌우된다. 이동 물체를 검출하는 대표적인 방법은 배경 차이 기법[2-5]과 윤곽선 추출 기법[6-7]이 있다.

지능형 감시 시스템의 가장 기본이 되는 기술은?

지능형 감시 시스템은 카메라로부터 입력되는 영상에서 이동 객체를 자동으로 감지하고, 이를 추적함으로써 인간을 대신하여 감시 역할을 수행할 수 있는 자동화된 감시 시스템을 말한다. 지능형 감시 시스템의 가장 기본이 되는 기술은 카메라로부터 입력되는 영상에서 이동 객체를 검출하는 것이다.

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

공간적, 시간적 경계 정보를 이용한 이동 객체 윤곽선 검출 방법
Moving Object Contour Detection using Spatial and Temporal Edge 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

공간적, 시간적 경계 정보를 이용한 이동 객체 윤곽선 검출 방법 Moving Object Contour Detection using Spatial and Temporal Edge 원문보기

초록 AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

공간적, 시간적 경계 정보를 이용한 이동 객체 윤곽선 검출 방법
Moving Object Contour Detection using Spatial and Temporal Edge 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper