디지털융복합연구 (Journal of Digital Convergence)

  • 제12권8호
  • /
  • Pages.337-343
  • /
  • 2014
  • /
  • 2713-6434(pISSN)
  • /
  • 2713-6442(eISSN)
한국디지털정책학회 (The Society of Digital Policy and Management)
권호 표지
DOI QR코드

DOI QR Code

서베일런스 네트워크에서 최소 윤곽을 기초로 하는 실시간 객체 추적 알고리즘

Real-Time Object Tracking Algorithm based on Minimal Contour in Surveillance Networks

  • 강성관 (인하대학교 컴퓨터정보공학부) ;
  • 박양재 (가천대학교 컴퓨터공학과)
  • Kang, Sung-Kwan (Dept. of Computer and Information Engineering, Inha University) ;
  • Park, Yang-Jae (Dept. of Computer Engineering, Gachon University)
  • 투고 : 2014.06.29
  • 심사 : 2014.08.20
  • 발행 : 2014.08.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문은 감지와 통신 데이터 전송량의 관점에서 서베일런스 네트워크에서 움직이는 객체를 추적하기 위하여 전송 데이터를 감소시키는 최소 윤곽선 추적 알고리즘을 제안한다. 이 알고리즘은 객체 추적에 대한 감지를 수행하고 서버와의 영상 데이터 전송 시 영상 데이터 전송량을 줄임으로써 서버와의 통신 부하를 최소화한다. 이 알고리즘은 객체의 운동학을 기초로 최소 추적 영역을 사용한다. 객체의 운동학의 모델링은 예정된 시간 안에서 이동할 수 있는 객체에 의해 운동 역학적으로 방문될 수 없는 추적 영역의 부분을 제거하는 것으로써 시작한다. 실시간으로 객체를 검출하는 응용 분야에서 대량의 영상 데이터를 전송시에 전송 부하를 줄일 수 있는 효과가 있다.

This paper proposes a minimal contour tracking algorithm that reduces transmission of data for tracking mobile objects in surveillance networks in terms of detection and communication load. This algorithm perform detection for object tracking and when it transmit image data to server from camera, it minimized communication load by reducing quantity of transmission data. This algorithm use minimal tracking area based on the kinematics of the object. The modeling of object's kinematics allows for pruning out part of the tracking area that cannot be mechanically visited by the mobile object within scheduled time. In applications to detect an object in real time,when transmitting a large amount of image data it is possible to reduce the transmission load.

키워드

참고문헌

  1. W. Zhang and G. Cao, Dynamic Convoy Tree-Based Collaboration for Target Tracking in Sensor Networks, IEEE Transactions on Wireless Communications, Vol. 3, No. 5, September 2004.
  2. D. R. Kincaid and W. W. Cheney, Numerical Analysis: the Mathematics of Scientific Computing, Van Nostrand, 1991.
  3. S. M. LaValle, Planning Algorithms, Cambridge University Press, 2006.
  4. J. O'Rourke, Computational Geometry in C, 2^nd Edition, Cambridge University Press, 1998.
  5. Liu. Chengjun ; H.Wechsler.; "Enhanced Fisher linear discriminant models for face recognition," Pattern Recognition, 1998. Proceedings. Vol. 2, 16-20 pp: 1368-1372, Aug.1998
  6. S. J. Maybank, A. D. Worrall and G. D. Sullivan, Filter for Car Tracking Based on Acceleration and Steering Angle, British Machine Vision Conference, 1996.
  7. J. L. Hill and D. E. Culler, Mica: a Wireless Platform for Deeply Embedded Networks, IEEE Micro, Vol. 22, Nov/Dec 2002.
  8. V. and P. R. Kumar, Principles and Protocols for Power Control in Wireless Ad Hoc Networks, IEEE J. Sel. Areas Commun. (JSAC), Vol.1, pp.76-88, January 2005.
  9. V. Kawadia and P. R. Kumar, Power Control and Clustering in Ad Hoc Networks, IEEE Infocom, March 2003.
  10. Y. Ko, V. Shankarkumar and N. H. Vaidya, Medium Access Control Protocols Using Directional Antennas in Ad Hoc Networks, IEEE Infocom, March 1999.
  11. A. Aljadhai and T. F. Znati, Predictive Mobility Support for QoS Provisioning in Mobile Wireless Environments, IEEE Journal on Selected Areas in Communications (JSAC), Vol. 19, No. 10, October 2001.
  12. P. Phillips, "The FERET Database and Evolution Procedure for Object Recognition Al-gorithms," Image and Vision Computing, Vol. 16, No. 5, pp. 295-306, 1999.
  13. J. W. Ko, K. Y. Chung, J. S. Han, "Model Transformation Verification using Similarity and Graph Comparison Algorithm", Multimedia Tools and Applications, 2013. Doi: 10.1007/s11042-013-1581-y