The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

A Tracking Algorithm to Certain People Using Recognition of Face and Cloth Color and Motion Analysis with Moving Energy in CCTV

폐쇄회로 카메라에서 운동에너지를 이용한 모션인식과 의상색상 및 얼굴인식을 통한 특정인 추적 알고리즘

  • Published : 2008.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

It is well known that the tracking a certain person is a vary needed technic in the humanoid robot. In robot technic, we should consider three aspects that is cloth color matching, face recognition and motion analysis. Because a robot technic use some sensors, it is many different with the robot technic to track a certain person through the CCTV images. A system speed should be fast in CCTV images, hence we must have small calculation numbers. We need the statistical variable for color matching and we adapt the eigen-face for face recognition to speed up the system. In this situation, motion analysis have to added for the propose of the efficient detecting system. But, in many motion analysis systems, the speed and the recognition rate is low because the system operates on the all image area. In this paper, we use the moving energy only on the face area which is searched when the face recognition is processed, since the moving energy has low calculation numbers. When the proposed algorithm has been compared with Girondel, V. et al's method for experiment, we obtained same recognition rate as Girondel, V., the speed of the proposed algorithm was the more faster. When the LDA has been used, the speed was same and the recognition rate was better than Girondel, V.'s method, consequently the proposed algorithm is more efficient for tracking a certain person.

특정인을 추적하는 기술은 인간처럼 행동하는 로봇기술에서 가장 많이 등장하는 기술이다. 이 기술은 세 가지 영역에서 접근하고 있는데 첫 째가 특정인의 의상 색상이고 두 번째가 특정인의 얼굴과 그 표정이며 세 번째가 특정인의 제스처나 머리의 움직임이다. 그러나 로봇은 센서를 통해 색상이나 제스처를 감지할 수 있기 때문에 폐쇄회로 카메라를 통해 획득한 영상만으로 특정인을 추적하는 것과는 다르다. 폐쇄회로 카메라에서 가장 큰 문제점은 시스템 속도인데 입력된 영상에서 다시 계산에 의해 특정인을 추적하기위해서는 계산수를 줄여야한다. 시스템 속도를 높이기 위해 색상 추적은 통계치를 사용하는 것이 좋고 얼굴인식은 고유 얼굴을 사용하는 것이 바람직하다. 색상과 얼굴인식만으로는 추적에 어려움이 있기 때문에 모션 분석이 필요하다. 기존의 모션 분석이 주어진 영상의 전체 영역에서 형상을 바탕으로 이루어지기 때문에 속도가 느리고 인식률도 떨어진다. 본 논문에서는 얼굴 인식 시 찾아진 얼굴영역에 대한 모션분석을 계산속도가 빠른 운동에너지를 써서 인식률과 인식 속도를 높였다. 본 논문이 제안한 알고리즘과 Girondel, V. 등이 제시한 방법을 같은 동영상에서 실험한 결과 동일한 인식률을 얻었으며 인식속도는 제안한 알고리즘이 더 빨랐으며 LDA를 사용할 경우 속도는 비슷하나 인식률은 더 나은 결과를 얻었으며 특정인을 찾는 것은 제안한 알고리즘이 더 효과적이었다.

Keywords

References

  1. 곽근창, 지수영 편. “인간과 로봇이 자연스럽게 교감하는 상호 작용기술”, ETRI CEO Information 제37호, March 2006
  2. 김성일, “선택적 개별물체의 이동추적 알고리즘 개발에 관한 연구,” 정보처리학회논문지, Vol.8-B, No.1, pp.50-58, 2001.2
  3. 김정호, 고한석. “형상정보와 모션 정보 융합을 통한 움직이는 물체인식”, 전자공학회논문지, Vol.43, No.5, pp416-425, 2006
  4. 박도영, 심연숙, 변혜란. “얼굴의 움직임 추적에 따른 3차원 얼굴합성 및 애니메이션.” 정보과학회 논문지: 소프트웨어 및 응용, 제27권 제6호, 2000
  5. 장기정, 권 인소. “적응 칼라 모델을 이용한 실시간 얼굴추적.” 제12회 영상처리 및 이해에 관한 워크샵 발표논문집. 2000
  6. 조용진, 양현승, “Snakes모델을 이용한 얼굴 윤곽선 추적 시스템.” 정보과학회논문지(B), Vol.24, No.1, pp.62-72, 1997
  7. A. Hanjalic. L. Xu. “User-oriented Affective Video Content Analysis.” Proc. IEEE Workshop on Content Based Access of Image and Video Library., Kauai. HI, pp.50-57, Dec., 2001 https://doi.org/10.1109/IVL.2001.990856
  8. David G. Lowe. “Distinctive Image Features from Scale-Invariant Key points.” International journal of computer vision, January 5, 2004 https://doi.org/10.1023/B:VISI.0000029664.99615.94
  9. Dar-Shyang Lee, “Effective Gaussian Mixture Learning for Video Background Subtraction.” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.27, No.5, pp.827-832, May, 2005 https://doi.org/10.1109/TPAMI.2005.102
  10. Dufour, R.M. Miller, E.L. Galatsanos, N.P. “Template matching based object recognition with unknown geometric parameters.” Image Processing, IEEE Transactions on Image Processing Vol.11 No.12 pp.1385-1396 Dec., 2002 https://doi.org/10.1109/TIP.2002.806245
  11. E. D. Dickmanns, B. Mysliwetz, T. Christians, “An Integrated Spatial-Temporal Approach to Automatic Visual Guidance of Autonomous Vehicles,” IEEE Trans. on Syst. Man, Cybern., Vol.20, No.6, pp.1274-1284, 1990
  12. Girondel, V. Caplier, A. Bonnaud, L. “Real time tracking of multiple persons by Kalman filtering and face pursuit for multimedia applications.” Image Analysis and Interpretation, 6th IEEE Southwest Symposium on Image Processing, 2004 https://doi.org/10.1109/IAI.2004.1300974
  13. G. Luca, V. Murino, C. Regazzoni, “Vehicle Recognition and Tracking from Road Image Sequences,” IEEE Trans. on Vehicular Technology, Vol.48, No.1 pp.301-318, Jan., 1999 https://doi.org/10.1109/25.740109
  14. Javier-Ruiz-del-Solar, Alon Shats, Rodrigo Verschae, “Real Time Tracking of Multiple Persons.” ICIAP'03, pp109, 2003
  15. J. M. Menendez, L. Salgado, E. Rendon, N. Garcia., Motion Parametric Modeling for Very Low Bit-Rate Vedio Coding. Proceedings of SPIE, Vol.3309, 1998
  16. J. Itten. The Art of Color, Wiley, 1973
  17. J. Itten. The Element of Color, Wiley, 1970
  18. J. Zhang, Y Yan, M Lades. “Face Recognition: Eigenface, Elastic Matching, and Neural Nets.” Proceedings of the IEEE, 1997
  19. M. Cooper. Color Smart; How to use color to enhance your business and personal life. Poket Book, 2000
  20. S.N.Choi, Y.S.Lee, B.H.Lee, “본소지제조와 그것을 이용한 붉은 색소지 개발”, Journal of Korean Ceramic Society. Vol.43, No.10, pp.601-606, 2006 https://doi.org/10.4191/KCERS.2006.43.10.601
  21. Tanaka, J. W., Farah, M. J. “Parts and wholes in face recognition”. Quarterly Journal of Experimental Psychology, Vol.46A, pp.225-246, 1993
  22. Turk, M., Pentland, A. “Eigenfaces for recognition.” Journal of Cognitive Neuroscience, Vol.3. pp.71-86. 1991 https://doi.org/10.1162/jocn.1991.3.1.71