• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.781-783
• /
• 2004

본 논문에서는 실외 환경의 실시간 감시 시스템에 응용할 배경 모델링을 설계 구현한다. 일반적인 감시 시스템은 배경 모델링, 오브젝트 검출, 그리고 오브젝트 추적으로 나뉜다. 실시간으로 배경 모델링과 갱신을 수행하고 객체를 추적하기 위해서는 연산 시간이 적어야하며 노이즈 제거를 수행해야 한다. 노이즈 제거를 위하여 메디안 검출 방법을 이용하고 있으나 정렬 시간이 많은 문제점이 있다. 본 논문에서는 윈도우 기반의 러닝 윈도우 리스트 (running window list)를 제안하여 메디안 정렬 시간을 최소화하고 실시간으로 배경 모델링과 배경 갱신을 수행하는 방법을 제안한다.

• Smart Media Journal
• /
• v.4 no.3
• /
• pp.50-55
• /
• 2015

In this paper, we present background modeling method based on Gaussian mixture model to subtract background for night-time video surveillance. In night-time video, it is hard work to distinguish the object from the background because a background pixel is similar to a object pixel. To solve this problem, we change the pixel of input frame to more advantageous value to make the Gaussian mixture model using scaled histogram stretching in preprocessing step. Using scaled pixel value of input frame, we then exploit GMM to find the ideal background pixelwisely. In case that the pixel of next frame is not included in any Gaussian, the matching test in old GMM method ignores the information of stored background by eliminating the Gaussian distribution with low weight. Therefore we consider the stacked data by applying the difference between the old mean and new pixel intensity to new mean instead of removing the Gaussian with low weight. Some experiments demonstrate that the proposed background modeling method shows the superiority of our algorithm effectively.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06b
• /
• pp.307-309
• /
• 2006

움직이는 오브젝트(Object)를 추출하기 위한 배경 제거(Background Subtraction) 단계는 실시간 감시시스템(Real-time Surveillance System)에서 중요한 과정 중에 하나이다. 배경 제거를 효과적으로 진행하기 위한 배경을 모델링, 배경 유지 보수 방법이 존재하는데, 효율성이 높은 방법으로 적응적 가우시안 혼합 배경 모델링(Adaptive Gaussian Mixture Background Modeling)이 제시되고 있다. 본 논문에서는 이기법을 바탕으로 하여 이러한 실시간 배경 모델링 시스템을 구현하려 하고, 중앙 처리 장치(CPU)가 아닌 그래픽 처리 장치(Graphic Processing Units : GPU)를 사용하여 보다 향상된 방범을 구현함으로서 관련사항을 제안하려 한다.

• Journal of KIISE:Software and Applications
• /
• v.34 no.1
• /
• pp.59-69
• /
• 2007

In the video with a various environment, background modeling is important for extraction and recognition the moving object. For this object recognition, many methods of the background modeling are proposed in a process of preprocess. Among these there is a Kumar method which represents the Queue-based background modeling. Because this has a fixed period of updating examination of the frame, there is a limit for various system. This paper use a background modeling based on the queue. We propose the method that major parameters are decided as adaptive by background model. They are the queue size of the sliding window, the sire of grouping by the brightness of the visual and the period of updating examination of the frame. In order to determine the factors, in every process, RCO (Ratio of Correct Object), REO (Ratio of Error Object) and UR (Update Ratio) are considered to be the standard of evaluation. The proposed method can improve the existing techniques of the background modeling which is unfit for the real-time processing and recognize the object more efficient.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.787-789
• /
• 2005

본 논문에서는 로봇이나 감시 시스템에서 주로 쓰이고 있는 배경 모델링의 정확성을 지속 시키는 방법을 제안한다. 오브젝트를 추출하려면 정확한 배경 모델이 필요하다. 정확한 배경 모델을 유지하기 위해서는 전경의 정보가 배경 모델에 반영되면 안 된다. 본 논문에서는 오브젝트의 움직임을 기반으로 한 배경 무효화 기법을 사용하여 전경이 배경 모델에 영향을 주는 것을 방지함으로써 정확한 배경 모델을 유지하는 방법을 제안한다.

• Journal of Korea Multimedia Society
• /
• v.11 no.5
• /
• pp.597-609
• /
• 2008

Due to the recursive updating nature of background model, previous background modeling methods are often perturbed by crowd scenes where foreground pixels occurs more frequently than background pixels. To resolve this problem, an adaptive background modeling method, which is based on the well-known Gaussian mixture background model, is proposed. In the proposed method, the learning rate of background model is adaptively adjusted with respect to the crowdedness of the scene. Consequently, the learning process is suppressed in crowded scene to maintain proper background model. Experiments on real dataset revealed that the proposed method could perform background subtraction effectively even in crowd situation while the performance is almost the same to the previous method in normal scenes. Also, the F-measure was increased by 5-10% compared to the previous background modeling methods in the video of crowded situations.

• Journal of the Korea Society of Computer and Information
• /
• v.17 no.4
• /
• pp.67-74
• /
• 2012

In this paper, we propose an efficient dynamic background modelling method by using eigenbackground to extract moving objects from video stream. Even if a background model has been created, the model has to be updated to adapt to change due to several reasons such as weather or lighting. In this paper, we update a background model based on R-SVD method. At this time we define a change ratio of images and update the model dynamically according this value. Also eigenbackground need to be modelled by using sufficient training images for accurate models but we reorganize input images to reduce the number of images for training models. Through simulation, we show that the proposed method improves the performance against traditional eigenbackground method without background updating and a previous method.

• Proceedings of the IEEK Conference
• /
• 2008.06a
• /
• pp.1001-1002
• /
• 2008

본 논문에서는 조명 또는 장면의 갑작스러운 변화에 효과적으로 배경모델링을 하기 위해 국부이진패턴을 이용한 다중 배경모델링 방법을 제안한다. 제안하는 방법은 각 장면에서 독립적인 배경모델을 이용하여 모델 업데이트를 실시한다. 이후 검출된 전경 영역의 비율이 일정 임계치를 넘게 되면 기존의 모델 중 적합한 모델을 찾거나 새로운 모델을 생성하여 현재 배경모델을 대체한다. 이는 배경모델의 성능을 유지하면서 효율적으로 장면의 변화에 바로 대응할 수 있는 장점이 있다. 실험결과에서는 실내조명이 갑작스럽게 변하는 영상과 Pan Tilt Zoom 카메라를 이용한 다중 영상에서 제안한 방법이 효과적으로 동작함을 확인할 수 있었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.435-438
• /
• 2007

움직이는 객체를 검출하기 위해서 정확한 배경을 사용하기 위해 널리 사용되는 방법으로는 가우시안 혼합 모델이다. 가우시안 혼합 모텔은 확률적 학습 방법을 사용하는데, 이 방법은 움직이는 배경일 경우와 이동하던 물체가 정지하는 경우 배경을 정확히 모델링하지 못한다. 본 논문에서는 확률적 모델링을 통해 혼잡한 배경을 모델링하고 객체의 계층적 처리를 통해 보다 정확한 배경으로 갱신할 수 있는 학습 방법을 제안한다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.15 no.6
• /
• pp.459-463
• /
• 2009

Background modeling and motion detection is the one of the most significant real time video processing technique. Until now, many researches are conducted into the topic but it still needs much time for robustness. It is more important when other algorithms are used together such as object tracking, classification or behavior understanding. In this paper, we propose efficient multi-modal background modeling methods which can be understood as simplified learning method of Gaussian mixture model. We present its validity using numerical methods and experimentally show detecting performance.