Moving Object Detection Algorithm for Surveillance System

무인 감시 시스템을 위한 이동물체 검출 알고리즘

  • 임강모 (청주대학교 정보통신공학부) ;
  • 이주신 (청주대학교 정보통신공학부)
  • Published : 2005.01.01

Abstract

In this paper, a improved moving object detection algorithm for stable performance of surveillance system in case of iterative moving in limited area and rapidly illuminance change in background scene is proposed. The proposed algorithm is that background scenes are sampled for initializing background image then the sampled fames are divided by block and sum of graylevel value for each block pixel was calculated, respectively. The initialization of background image is that background frame is respectively reconstructed with selecting only the maximum graylevel value and the minimum graylevel value of blocks located at same position between adjacent frames, then reference images of background are set by the reconstructed background images. Moving object detecting is that the current image frame is divided by block then sum of graylevel value for each block pixel is calculated. If the calculated value is out of graylevel range of the initialized two reference images, it is decided with moving objects block, otherwise it is decided background. The evaluated results is that the error rate of the proposed method is less than the error rate of the existing methods from $0.01{\%}$ to $20.33{\%}$ and the detection rate of the proposed method is better than the existing methods from $0.17{\%}\;to\;22.83{\%}$.

본 논문에서는 무인 감시 시스템의 안정적인 성능을 위해서 배경 장면에서 일정 영역 내에서 반복적인 움직임이 발생하는 경우와 급격한 조도 변화가 발생한 경우에 이동물체 검출 성능을 개선하기 위한 알고리즘을 제안하였다. 제안한 알고리즘은 배경 영상을 초기화하기 위하여 배경 장면을 프레임 샘플링한 후, 샘플링 된 프레임들을 블록으로 각각 분할하여 각 블록 화소의 총 휘도 값을 계산하였다. 배경 영상의 초기화는 시간적으로 인접된 프레임들 사이에 동일 위치에 놓인 블록의 최대 휘도 값과 최소 휘도 값만을 선택하여 배경 프레임을 각각 재구성 하여 배경 기준 영상으로 놓았다. 이동물체 검출은 현재 영상 프레임을 블록으로 분할하여 각 블록 내의 화소들의 총 휘도 값을 계산하고, 계산된 값이 초기화 된 두 장의 기준 영상의 휘도 범위를 벗어나면 이동물체가 존재하는 블록으로 결정하고, 벗어나지 않으면 배경으로 판단하였다. 제안한 알고리즘의 타당성을 검토하기 위하여 실내 및 실외 환경에서 사람과 자동차를 대상으로 알고리즘의 성능을 평가한 결과, 제안한 방법의 에러율이 기존 방법들의 에러율보다 $0.01{\%}$에서 $20.33{\%}$까지 작아졌고 이동물체 검출율은 제안한 방법이 기존 방법보다 $0.17{\%}$에서 $22.83{\%}$까지 향상되어 제안한 방법의 우수함을 보였다.

Keywords

References

  1. D. Gutchess, M. Trajkovic, E. Cohen-Solal, D. Lyons, A.K. Jain, 'A background model initialization algorithm for video surveillance', in Proc. 8th IEEE International Conf. on Computer Vision 2001, ICCV 2001, Vol. 1, pp. 733-740, 2001 https://doi.org/10.1109/ICCV.2001.937598
  2. I. Haritaoglu, D. Harwood, L. Davis, 'W4: who? when? where? what? A real time system for detecting and tracking people' , in Proc. 3rd International Conference on Automatic Face and Gesture Recognition, Nara, Japan, pp. 222-227, 1998
  3. C. Stauffer, W. Grimson, 'Adaptive background mixture models for real-time tracking', in Proc. IEEE Conf. on Computer Vision and Pattern Recognition, Fort Collins, CO, pp. 246-252, 1999
  4. I. Haritaoglu, D. Harwood, L. Davis, 'A Fast background scene modeling and maintenence for outdoor surveillance', in International Conf. on Pattern Recognition ICPR'00, Barcelona, Spain, Vol. 4, pp. 179-183, 2000 https://doi.org/10.1109/ICPR.2000.902890
  5. C. Wren, A. Azarbayejani, T. Darrell, A. Pentland, 'Pfinder: Real-time tracking of the human body', IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 19, no. 7, pp. 780-785, 1997 https://doi.org/10.1109/34.598236
  6. I. Haritaoglu, D. Harwood, L. Davis, 'W4: A real time surveillance of people and their activities', IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 22, No.8, pp. 809-830, 2000 https://doi.org/10.1109/34.868683
  7. 임강모, 조남형, 이명길, 이주신, '영상 감시 시스템을 위한 배경 초기화 알고리즘', 한국통신학회 하계종합학술발표희 논문초록집, vol. 29, pp.223, 2004
  8. 이규원, 김영호, 이재구, 박규태, '무언감시장치 구현을 위한 단일 이동물체 추적 알고리즘', 전자공학회 논문지, 제32권, B편, 제11호, pp. 41-52, 1995
  9. 김용균, 이광형, 최내원, 오해석, 지정규, '동영상에서 배경 영상을 이용한 실시간 객체 추적', 한국정보과학회 가을 학술발표논문집, Vol. 29. No.2, pp.532-534, 2002
  10. 지정규, 이광형, 김용균, 오해석, '객체 추적을 위한 적응적 배경 영상 생성 방법', 정보처리학회논문지B, 제10-B권, 제3호, pp. 329-338, 2003
  11. A. Elgammal, D. Harwood, L. Davis, 'Non-parametric model for background subtration', in Proc. 6th European Conference on Computer Vision, Dublin, Ireland, 2000
  12. K. Toyama, J. Krumm, B. Brumitt, B. Meyers, 'Wallflower: Principles and practice of background maintenance', in the Proceedings of the 7th IEEE International Conf. on Computer Vision, Kerkyra, Greece, pp. 252-261, 1999
  13. A. Broggi, M. Bertozzi, A. Fascioli, M. Sechi, 'Shape-based pedestrian detection', in Proc. IEEE Intelligent Vehicles Symposium 2000, Dearborn Mi USA, pp. 215-220, 3-5 Oct, 2000
  14. A. Eigammal, D. Harwood, L. Davis, 'Non-parametric model for background subtration', in Proc. 6th European Conference on Computer Vision, Dublin, Ireland, 2000
  15. 이진형, 김용철, '배경 차이법과 텍스쳐 분할을 이용한 차량 검출', 제어.자동화.시스템공학회지, 제6권, 제4호, pp. 20-27, 2000
  16. 남석우, 오해석, '동영상에서 배경프레임을 이용한 차량 프레임 검출', 정보처리학회논문지B, 제10-B권, 제6호, pp. 705-710, 2003