• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• 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.

• 스마트미디어저널
• /
• 제4권3호
• /
• pp.50-55
• /
• 2015

본 논문에서는 야간 영상 감시(night-time video surveillance)에 특화된 GMM(Gausssian mixture model)기반의 배경 모델링(background modeling)을 이용한 배경 차분(background subtraction)방법을 제안한다. 야간 영상에서는 낮 영상에 비해 배경과 객체의 구분이 뚜렷하지 않아 매우 흡사한 픽셀 값들을 이용하여 배경을 분리해야 한다. 이러한 문제점을 해결하기 위해 전처리 단계에서 조정된 범위의 히스토그램 스트레칭을 이용하여 입력 픽셀 값을 배경 모델링에 이로운 픽셀 값으로 변경해준다. 조정된 픽셀 값을 이용하여 가장 이상적인 배경을 찾기 위해 픽셀 단위로 GMM기반의 배경 모델링 방법을 적용한다. GMM을 기반으로 한 배경모델링 방법에서는 새로운 픽셀 값이 입력되었을 때 어떤 가우시안에도 속하지 않는다면 가장 낮은 가중치를 가진 가우시안 분포를 제거함으로써 이전의 축적된 배경의 정보를 무시하는 결과를 낳게 된다. 따라서 본 논문에서는 낮은 가중치의 가우시안을 제거하는 대신 기존 가우시안의 평균과 입력된 픽셀 값의 차를 이용하여 새로운 평균에 적용함으로써 기존의 쌓여진 정보를 고려한다. 실험결과 제안된 배경 모델링 방법이 기존 방법의 이점을 유지하면서 야간 영상 감지에 특화된 배경 차분 결과를 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• 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.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권1호
• /
• pp.59-69
• /
• 2007

다양한 환경을 포함하고 있는 동영상에서 움직이는 객체를 추출, 인식하기 위해서는 배경 모델링이 중요하다. 이러한 객체 인식을 위한 전처리 과정인 배경 모델링을 위한 여러 방안이 제안되었다. 그중 큐 기반 배경 모델링으로 대표되는 Kumar의 방법이 있다. 하지만 이는 프레임의 갱신검사 주기가 고정되어 있어 여러 시스템에 적용시키는데 한계점이 있다. 본 논문은 큐 기반 배경 모델링 기법을 이용하고 이때 주요한 환경 변수가 되는 슬라이딩 윈도우의 크기 및 영상의 자기 단계에 따른 그룹핑 크기, 프레임의 갱신검사 주기를 배경 모델에 따라 적응적으로 결정하는 방법을 제안한다. 배경 모델에 따른 환경변수를 결정하기 위해 객체 검출율, 객체 오검출율, 갱신율을 평가 기준으로 삼는다. 제안된 방법으로 실시간 처리에 부적합한 기존의 배경 모델링 방법을 개선하여 보다 효과적으로 객체를 인식할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• 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.

• 한국멀티미디어학회논문지
• /
• 제11권5호
• /
• pp.597-609
• /
• 2008

기존의 배경 모델링 방법은 배경 모델의 반복적 갱신(recursive update)으로 인해 배경보다 객체가 더 자주 등장하는 혼잡한 환경에서는 정확한 배경 모델링을 생성하기 어려운 문제를 지니고 있다. 본 논문은 이러한 기존 방법의 문제를 해결하기 위해 기존의 혼합 Gaussian 모델을 기반으로 하는 적응적 배경 모델링 방법을 제안한다. 제안한 방법은 영상 내 전경 영역의 비율에 따라 배경 모델의 학습 비율을 적응적으로 조절한다. 따라서, 혼잡 상황에서는 배경 모델의 갱신을 억제하여 배경 모델을 잘 유지시키는 것이 가능하다. 실험을 통해 제안한 방법이 일반적인 상황의 영상에서는 기존 방법과 유사한 정확도를 보이지만 혼잡한 상황에서는 기존 방법과 비교하여 배경 제거를 효과적으로 수행하는 것을 확인하였으며, 또 정확도 측정 결과 혼잡한 상황의 영상에서 기존 방법과 비교하여 F 값이 5-10% 가량 향상함을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제17권4호
• /
• pp.67-74
• /
• 2012

본 논문에서는 비디오 스트림으로부터 움직이는 객체를 추출하기 위해 고유 배경(eigenbackground)을 사용하여 효율적으로 배경을 모델링하는 방법을 제안한다. 배경은 모델링하더라도 시간이 지남에 따라 날씨나 조명의 변화에 따라 변화가 발생하므로 변화 요소를 반영할 수 있도록 배경 모델을 갱신해야 한다. 이를 위해 본 논문에서는 R-SVD 방법에 기반을 두고 배경 모델을 갱신하도록 한다. 이 때 영상 변화도를 정의하여 이 값에 따라 동적으로 배경을 모델링하여 처리시간을단축할 수 있도록 한다. 또한 고유 배경을 사용하는경우 충분한 훈련 데이터를사용해야만 정확한 모델을 생성할 수 있지만 본 논문에서는 적은 수의 데이터만을 사용하여 정확한 모델을 생성할 수 있도록 입력 프레임을 재구성하여 사용한다. 제안한 방법은 초기 고유 배경 모델 및 기존의 주기적으로 배경을 갱신하는 방법과의 비교를 통해 그 우수성을 확인한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2008년도 하계종합학술대회
• /
• 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.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• 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.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권6호
• /
• pp.459-463
• /
• 2009

배경 모델링 및 물체 검출 기술은 실시간 비디오 처리 기술에서 중요한 부분을 차지하고 있다. 그동안 많은 연구들이 진행되었지만 안정적인 성능을 위해서는 아직도 상당한 계산량을 요구한다. 이 때문에 고해상도 영상 처리나 객체 추적, 행동 분석 및 대상 인식 등의 알고리즘과 함께 사용되는 경우, 실시간 처리에 어려움이 있다. 본 논문에서는 가장 일반적으로 쓰이는 배경 모델링 기법 중의 하나인 혼합정규모델(mixtures of Gaussian)을 근사화한 효과적인 다봉(multimodal) 배경 모델링 및 물체 검출 방법을 제안한다. 근사화의 타당성과 각 과정들을 유도 및 검증하였고, 실험을 통해 제안하는 알고리즘이 기존 방법의 안정성과 유연성을 유지하면서 3배 이상의 처리 속도를 나타냄을 보였다.