지능형 영상감시를 위한 보행자 검출과 추적
Pedestrian Detection and Tracking for Intelligent Video Surveillance
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
일반적으로 움직임 객체의 검출과 추적을 위한 알고리즘들은 세 가지 방법론으로 분류될 수 있다. 이들은 배경영상의 차 기반 방법, 시각적 차이 기반 방법 및 확률 기반 방법이다. 그 중 배경 차 기반 방법은 구현하기가 간단하면서도 성능이 좋기 때문에 가장 많이 사용되고 있으며 크게는 재귀적 방법과 비 재귀적 방법으로 나눌 수 있으며 대표적인 재귀적 방법으로는 가우시안 혼합모델이 있고 비재귀적 방법으로는 고유배경이 있다. 본 연구에서는 디지털 카메라 또는 CCTV와 같은 영상 수집 장치의 프로그레시브 입력영상이 포함하는 다중객체 환경에서 보행자만을 관심 영역으로 선택한 뒤 검출된 객체를 추적하는 기술을 제안한다. 이 방법은 대표적인 배경분리기법인 AMF에서 긍정곡선영역에 대한 처리가 배제된 MAMF를 이용하여 배경과 객체를 분리함으로서 향상된 전경 분할 마스크를 추출한다. 또한 공간속성 및 통계적 속성을 포함하는 지역분산 크기를 이용한 특징 이미지를 결합함으로서, 다양한 객체들이 포함된 영상에 대하여 보행자만을 관심영역으로 선택할 수 있도록 하였다. 마지막으로 계산 속도를 향상시키기 위해 선택된 관심영역에 대해서는 CAMShift 알고 리듬을 적용함으로써 검출된 객체의 추적을 효율적으로 개선하였다.
Abstract
In the development of detection and trace system, the algorithms for it are generally classified into three methods. These are background image based method, temporal differencing based method, and probability based method. Of them all, difference based method is used the most because it is easy for implement and efficient, and it is divided into recursive one and non-recursive one. Gaussian complex model is suggested in typical recursive method, and eigen background in typical non-recursive one.This research propose the trace technology to the detected object after selecting pedestrian as the region of interest in the multi-object environment contained progressive input video of the video collection device of the digital camera or CCTV. After this method separate object from background using the excluded MAMF (Modified-AMF) to the processing of the positively curved region in the typical background technique, AMF (Approximated Median Filtering), and choose region of interest to the image contained various objects effectively as combining the characteristic image using magnitude of the region distribution contained spatial properties and statistical properties, and improved trace of the detected object effectively as applying CAMShift (Continuously Adaptive Meanshift) algorithm to the selected region of interest for the improvement of the calculation speed.
참고문헌 (10)
- J. K. Aggarwal, "Human motion analysis", computing vision and image understanding, 73(3), pp.428~440 (1999)
- W. Hu, "A survey on visual surveillance of object motion and behaviors, System", Man and Cybernetics, Part C, 34(3) (2004)
- C. Stauffer, "Adaptive background mixture models for real-time tracking", CVRP99, 2, pp.252~ (1999)
- N. Oliver, "A bayesian computer vision system for modeling human interactions", IEEE PAMI, 22, pp.831~843 (2000)
- C. R. Wren, "Real-time tracking of the human body", IEEE PAMI, pp.780~785 (1997)
- Z. Zivkovic, "Efficient adaptive density estimation per image pixel for the task of background subtraction", Pattern Recognition Letter, 27(7), pp.773~780 (2006)
- N. McFarlane, "Segmentation and tracking of piglets in image", MVA, 8, pp.187~193 (1995)
- S Calderara, "Reliable background suppression for complex scene", VSSN06, pp.211~214 (2006)
- R. Cucchiara, "Detecting moving objects, ghost, and shadows in video stream", IEEE PAMI, 25(10), pp.1337~1342 (2003)
- A metric for covariance matrices, "W. Forstner", Dept. of Geodesy and Geoinformatics, Stuttgart University, ~ (1999)