Implementation of Supervisory System for Motion Information per Blocks

블록별 모션정보에 의한 감시시스템의 구현

  • 김형균 (조선대학교 대학원 컴퓨터공학과) ;
  • 오무송 (조선대학교 전자정보공과대학 컴퓨터공학부)
  • Published : 2004.02.01

Abstract

In this study, embodied supervisory system that apply motion detection technique to small web camera and detects watch picture. Motion detection technique that use pixel value of car image that use in existing need memory to store background image. Also, there is sensitive shortcoming at increase of execution time by data process of pixel unit and noise. Suggested technique that compare extracting motion information by block unit to do to have complexion that solve this shortcoming and is strong at noise. Because motion information by block compares block characteristic value of image without need frame memory, store characteristic cost by block of image. Also, can get effect that reduce influence about noise and is less sensitive to flicker etc.. of camera more than motion detection that use pixel value in process that find characteristic value by block unit.

본 연구에서는 동작 검출 기법을 소형 화상 카메라에 적용하여 감시 영상을 검출하는 감시시스템을 구현하였다. 기존에 사용되던 차 영상의 화소 값을 이용한 동작 검출 기법은 배경 영상을 저장할 메모리가 필요하고 화소 단위의 데이터 처리로 인하여 수행 시간의 증가와 노이즈에 민감한 단점을 감수해야만 한다. 이러한 단점을 해결하고 노이즈에 강인한 성질을 갖게 하기 위해서 블록 단위로 모션 정보를 추출하여 비교하는 기법을 제안하였다. 블록별로 모션 정보를 얻는 경우 기준 영상의 블럭 단위의 특징 값과 현재 영상의 블럭 특징 값만을 비교하기 때문에 프레임 메모리가 필요 없고 단지 기준 영상의 블럭 특징 값만을 저장하면 된다. 또한 블럭 단위로 특징 값을 구하는 과정에서 화소 값을 이용한 동작 검출 보다 노이즈에 대한 영향을 감소시키고 카메라의 흔들림 등에 덜 민감한 효과를 얻을 수 있다.

Keywords

References

  1. Christopher Lee, Yangsheng Xu. 'Online, Interactive Learning of Gestures for Human/ Robot Interfaces', 1996 IEEE International Conference on Robotics and Automation, Minneapolis, MN. vol. 4, pp 2982-2987
  2. J. Aggarwal and Q. Cai, 'Human Motion Analysis: A Review, Computer Vision and Image Understanding', vol. 73, no. 3, March 1999, pp 428-440 https://doi.org/10.1006/cviu.1998.0744
  3. R.Jain and K.Wakimoto, 'Multiple Perspective Interactive Video', in Proc. of Intl. Conf on Multimedia Computing and Systems, 1995, pp 201-211
  4. A. F. Bobick and J. Davis, 'Real-Time Recognition of Activity using Temporal Templates', in Proc. of IEEE Computer Society Workshop Applications on Computer Vision, Sarasota, FL, 1996, pp 39-42
  5. Y. Cui and J. J. Weng, Hand Segmentation using Learning-Based Prediction and Verification for Hand Sign Recognition, in Proc IEEE CS Conf. on CVPR, Puerto Rico, 1997, pp 88-93
  6. R. C. Gonzalez, R. E. Woods, 'Digital Image Processing', Addison Wesley, 1992