• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.17 no.10
• /
• pp.2419-2424
• /
• 2013

In a conventional MOG algorithm, a small threshold for background decision causes the background recognition delay in a periodic background and a large threshold makes it recognize passing objects as background in a stationary background. This paper proposes the improved MOG algorithm using adaptive threshold. The proposed algorithm estimates changes of weight in the dominant model of the MOG algorithm both in the short and long terms, classifies backgrounds into the stationary and periodic ones, and assigns proper thresholds to them. The simulation results show that the proposed algorithm decreases the maximum number of frame in background recognition delay from 137 to 4 in the periodic background keeping the equal performance with the conventional algorithm in the stationary background.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.481-483
• /
• 2018

AR은 VR과 달리 실세계 공간의 객체에 대한 서비스를 제공하므로 서비스 개발을 방해하는 많은 요인들이 발생한다. 이를 보완하기위해 비주얼 마커, SLAM, 객체인식 등 여러 AR 기술이 존재한다. 본 논문은 AR 기술 중에서 객체인식의 정확도 향상을 위해 지역가변 이진화(Local variable binarization)와 색상의 군집화를 사용해서 이미지에서 객체를 추출하는 방법을 제안한다. 지역 가변화는 픽셀을 순차적으로 읽어 들이면서 픽셀 주위의 값의 평균을 구하고, 이 값을 해당 픽셀의 임계 값으로 사용하는 알고리즘이다. 픽셀마다 주위 색상 값에 의해 임계 값이 변화되므로 윤곽선 표현이 기존의 이진화보다 뚜렷이 나타난다. 색상의 군집화는 객체의 중요색상과 배경의 중요색상을 중심으로 유사한 색상끼리 군집화 하는 것이다. 객체 내에서 가장 많이 나온 값과 객체 외에 가장 많이 나온 값을 각 각 기준으로 색조와 채도의 값을 Euclidean 거리를 사용해 객체의 색상과 배경 색상을 분리했다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.7 no.6
• /
• pp.1243-1248
• /
• 2006

Object tracking in a real time image is one of interesting subjects in computer vision and many practical application fields past couple of years. But sometimes existing systems cannot find object by recognize background noise as object. This paper proposes a method of object detection and tracking using adaptive background image in real time. To detect object which does not influenced by illumination and remove noise in background image, this system generates adaptive background image by real time background image updating. This system detects object using the difference between background image and input image from camera. After setting up MBR(minimum bounding rectangle) using the internal point of detected object, the system tracks object through this MBR. In addition, this paper evaluates the test result about performance of proposed method as compared with existing tracking algorithm.

• The KIPS Transactions:PartB
• /
• v.10B no.3
• /
• pp.329-338
• /
• 2003

Object tracking in a real time image is one of Interesting subjects in computer vision and many practical application fields past couple of years. But sometimes existing systems cannot find object by recognize background noise as object. This paper proposes a method of object detection and tracking using adaptive background image in real time. To detect object which does not influenced by illumination and remove noise in background image, this system generates adaptive background image by real time background image updating. This system detects object using the difference between background image and input image from camera. After setting up MBR(minimum bounding rectangle) using the internal point of detected object, the system tracks object through this MBR. In addition, this paper evaluates the test result about performance of proposed method as compared with existing tracking algorithm.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.121-125
• /
• 2001

본 논문에서는 칼라영상에 포함된 객체를 추출할 수 있는 방법을 제시한다. 객체는 상이한 칼라와 텍스처로 구성되는데 이들을 포괄하여 사람이 인식하는 객체와 유사한 형태로 추출할 수 있도록 하였다. 이를 위해 해상도를 줄여가며 영역 분할한 후 그 결과를 조합함으로써 사소한 변화는 흡수하고 중요한 변화가 발생하는 영역 단위의 분할이 가능하도록 하였다. 분할된 영역들의 공간적 정보와 영역 크기 정보를 이용하여 분할된 영역 중에서 핵심 객체영역과 핵심 배경영역을 선택하고 객체 후보 영역에 대해 이들과 칼라 분포 유사도 조사를 하여 핵심객체영역과 유사한 유사도를 갖는 영역들을 최종 객체 영역으로 추출하였다. 본 논문에서 제안된 방법은 다양한 실험을 통해 단순한 배경을 가진 영상뿐만 아니라 복잡한 배경을 갖는 영상에 대해서도 어느 정도 만족할 만한 결과를 얻을 수 있음을 확인하였다. 본 논문에서 제안된 방법은 내용기반검색, 영상 DB의 인덱싱 등 다양한 분야에 활용될 수 있을 것으로 예상된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.478-481
• /
• 2010

컴퓨터 비전에서 객체의 인식, 추적에 앞서 배경으로부터 전경을 분리하는 배경차감 기법과 분리된 전경에 대한 관심 영역(ROI)을 추출하는 것은 일반적인 방법이다. 하지만 전경을 정확히 분리하지 못하면 개별 객체의 관심영역(ROI) 역시 잘못 추출되는 문제가 발생된다. 본 논문에서는 정확하지 않은 전경 분리로 부터 발생되는 개별 객체에 대한 분산된 관심영역을 병합하는 방법을 제안한다. 본 방법은 배경과 분리된 전경에서 한 객체의 일정 거리 이내에 있는 다른 객체를 가상으로 병합하는 단계, 워터쉐드 분할 알고리즘을 적용하는 단계를 거쳐 다시 블럽 레이블링을 수행한다. 제안 방법을 통하여 배경 모델에서 분리된 개별 객체의 병합된 관심영역을 제공한다. 실험에서 기존의 일반적인 블럽 레이블링 방법만을 적용하여 추출한 전경영역과 제안하는 방법에 의한 전경영역을 비교하여 배경 모델에서 분리된 개별 객체의 관심영역이 효과적으로 추출되는 것을 보인다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.435-440
• /
• 2003

본 논문에서는 실시간 출입통제시스템에 적용이 가긍한 복잡한 배경에서의 다중 얼굴 영역 검출과 추적을 통한 얼굴 인식 알고리즘을 제안하였다. 제안된 알고리즘에서는 배경영상과 입력된 연속적인 프레임간의 차영상을 적용함으로써 물체의 움직임을 감지한 후. IISI컬러 좌표모델을 이용하여 얼굴의 1차 후보 영역을 검출하고, 잡음제거를 위해 모폴로지 연산을 수행하였다 또한 Line Projection을 이용한 객체 분할법(Object Segmentation)으로 객체를 분할함으로써 다중 얼굴 영역을 추출하였다. 또한 추출된 얼굴영역에서 눈 영역 검출을 통해 각각의 얼굴 영역들을 검증하였으며 검증된 얼굴들의 최외각 4개의 좌표를 이용하여 얼굴 추적율을 높였다. 마지막으로 얼굴 인식은 추출된 얼굴 영역으로부터 주성분 분석(PCA ： Principle Component Analysis)방법을 이용함으로써 97～98％의 높은 인식율을 보였다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.41 no.4
• /
• pp.85-94
• /
• 2004

Object tracking in a real time image is one of interesting subjects in computer vision and many Practical application fields during the past couple of years. But sometimes existing systems cannot find all objects by recognizing background noise as object. This paper proposes a method of object detection and tracking using adaptive background image in real time. To detect object which is not influenced by illumination and to remove noise in background image, this system generates adaptive background image by real time background image updating. This system detects object using the difference between background image and input image from camera. After setting up Minimum Bounding Rectangle(MBR) using the internal point of detected object, the system tracks object through this MBR In addition, this paper evaluates the test result about performance of proposed method as compared with existing tracking algorithm.

• Journal of Korea Multimedia Society
• /
• v.13 no.1
• /
• pp.47-57
• /
• 2010

The object detection is essential for identifying objects, location information, and user context-aware in the image. In this paper, we propose a robust object detection system. The System linearly transforms learning data obtained from the background images to Principal components. It organizes the Eigen-background with the selected Principal components which are able to discriminate between foreground and background. The Fuzzy-C-means (FCM) carries out clustering for images with inputs from the Eigen-background information and classifies them into objects and backgrounds. It used various patterns of backgrounds as learning data in order to implement a system applicable even to the changing environments, Our system was able to effectively detect partial movements of a human body, as well as to discriminate between objects and backgrounds removing noises and shadows without anyone frame image for fixed background.

• Journal of Korea Society of Industrial Information Systems
• /
• v.16 no.4
• /
• pp.87-98
• /
• 2011

Detecting a moving object from videos and tracking it are basic and necessary preprocessing steps in many video systems like object recognition, context aware, and intelligent visual surveillance. In this paper, we propose a method that is able to detect a moving object quickly and accurately in a condition that background and light change in a real time. Furthermore, our system detects strongly an object in a condition that the target object is covered with other objects. For effective detection, effective Eigen-space and FCM are combined and employed, and a CONDENSATION algorithm is used to trace a detected object strongly. First, training data collected from a background image are linear-transformed using Principal Component Analysis (PCA). Second, an Eigen-background is organized from selected principal components having excellent discrimination ability on an object and a background. Next, an object is detected with FCM that uses a convolution result of the Eigen-vector of previous steps and the input image. Finally, an object is tracked by using coordinates of an detected object as an input value of condensation algorithm. Images including various moving objects in a same time are collected and used as training data to realize our system that is able to be adapted to change of light and background in a fixed camera. The result of test shows that the proposed method detects an object strongly in a condition having a change of light and a background, and partial movement of an object.