• Journal of Digital Convergence
• /
• v.11 no.12
• /
• pp.295-302
• /
• 2013

Many reported methods assume that the people in an image or an image sequence have been identified and localization. People detection is one of very important variable to affect for the system's performance as the basis technology about the detection of other objects and interacting with people and computers, motion recognition. In this paper, we present an efficient linear discriminant for multi-view people detection. Our approaches are based on linear discriminant. We define training data with fisher Linear discriminant to efficient learning method. People detection is considerably difficult because it will be influenced by poses of people and changes in illumination. This idea can solve the multi-view scale and people detection problem quickly and efficiently, which fits for detecting people automatically. In this paper, we extract people using fisher linear discriminant that is hierarchical models invariant pose and background. We estimation the pose in detected people. The purpose of this paper is to classify people and non-people using fisher linear discriminant.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.901-903
• /
• 2005

본 논문은 스테레오 카메라를 이용한 이동 카메라 환경에서 다수의 사람을 검출하여 검출된 사람을 추적하는 방법을 제안한다. 카메라가 이동하게 되면 카메라의 움직임과 검출 대상이 되는 사람의 움직임이 동시에 발생하기 때문에 카메라 움직임을 변환 모델을 사용하여 보정하고, 독립적인 움직임을 추출하여 사람을 검출 하였다. 추적은 검출된 사람 영역의 컬러 분포에 기반하여 평균 이동(Mean Shift) 알고리즘을 적용하였다. 평균 이동 알고리즘은 빠르고 안정적인 성능으로 실시간 추적에 적합하다. 그러나 객체의 컬러 정보만으로는 배경과 컬러 분포가 유사한 객체의 경우 추적에 실패할 수 있는 단점이 있다. 이점을 보완하기 위하여 본 논문에서는 변위 지도(Disparity map)를 결합하여 객체와 배경을 분리하는 깊이 마스크를 생성하였다. 변위 지도를 사용하여 다수의 사람이 등장 할 경우 발생하는 가려짐, 겹침 등 다양한 실내 환경에서 발생하는 문제도 해결 하였다. 본 논문에서 제안하는 알고리즘은 다양한 데이터에 대해서 실험한 결과 정확한 검출과 추적에 우수한 성능을 확인 할 수 있었다.

• Review of KIISC
• /
• v.20 no.3
• /
• pp.48-57
• /
• 2010

본 고는 휴먼 객체 검출 및 분류를 위한 것으로서, 입력된 동영상에서 배경 이미지와의 차분 영상을 통해 객체 영역을 검출하고, 검출된 객체 영역에서 얼굴 즉 헤드 영역을 검출하는 방법에 대해서 설명한다. 실시간으로 녹화된 동영상에서 사람이 움직이는 위치와, 크기 등이 아주 다양하며, 또한 한 사람이 아닌 여러 사람 객체를 검출하기 위하여 다중의 사람객체 검출기를 이용한 캐스케이드 사람 객체 추출 방법을 제안한다. 얼굴 크기 등을 고려하여 헤드 영역의 shape 를 기반으로 하여 1차 검출을 수행하고, 검출되지 않은 영역에 대하여 히스토그램 기반의 얼굴 영역을 검출한다. 또한 중복된 영상에 대해 베이지안 얼굴 검출기를 통해 인증함으로써 성능을 향상시킬 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.07a
• /
• pp.315-317
• /
• 2012

본 논문에서는 인체의 골격 위치와 깊이 정보를 사용하여 주위 환경에 강건한 특성을 지니는 움직이는 사람 영역 검출 방법을 제안한다. 먼저 영상 내에서 인체의 골격 위치를 검출한 다음 인체 골격의 중심이 될 수 있는 지점에 대해 인체의 평균적 깊이 범위 내에서 깊이 세분화를 수행한다. 그리고 깊이 세분화를 통하여 검출된 사람 영역의 후보군에 대해 윤곽선 기반의 움직임 검출기법을 사용하여 후보군 내에서 움직이는 사람에 해당하는 특징점을 검출한다. 마지막으로 잡음 제거 및 움직이는 사람에 해당하는 영역 검출을 위하여 개선된 깊이 세분화 과정을 수행한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• pp.98-99
• /
• 2015

사람 검출은 다양한 분야에서 활용이 많은 기술이다. 검출은 노이즈, 그림자, 조명 변화, 사람형태 등을 고려해야 우수한 성능을 얻을 수 있다. 본 논문에서는 블록기반으로 복잡한 실내환경에서 상기 문제를 극복할 수 있는 사람 검출 방법을 제안한다. 제안방법은 모션 추출, 배경차분화, 전경객체 추출, 사람의 고유색 검출로 구성된다. 다양한 실내환경에서 제안방법을 적용하여 우수성을 증명하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05d
• /
• pp.609-613
• /
• 2002

본 논문에서는 효과적인 비디오 인덱싱을 위해 얼굴 영역 추출을 통한 장면 전환 검출 방법을 제시하였다. 히스토그램과 사람의 피부색 검출을 통해 사람의 얼굴을 포함하는 후보 프레임을 찾고, 얼굴 영역과 특징 추출을 통해 사람을 포함하는 키 프레임을 검출하여 비디오의 장면 전환 프레임을 검출하고, 실험을 통해 제안된 방법의 우수성을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.1035-1036
• /
• 2017

재난관리 및 대응 분야에서는 무인기의 낮은 운영비용과 자유로운 이동능력의 장점을 토대로, 무인기를 활용한 다양한 재난대응 방안이 연구되고 있다. 본 논문은 무인기를 통해 획득한 항공영상에 대하여, 기계학습 기반의 영상분석을 통한 사람 검출 및 사람 위험 감지 기술을 제안한다. 제안하는 기법은 사람 검출을 위한 딥러닝 네트워크와 범람지역 검출을 위한 딥러닝 네트워크로 구성된다. 제안하는 기법에서 사용하는 두 개의 딥러닝 네트워크를 통해, 사람의 단순 검출뿐만 아니라, 범람지역과 같은 위험지역 검출을 통해, 사람의 위험도를 판단할 수 있다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2011.10a
• /
• pp.923-926
• /
• 2011

본 연구에서는 움직이는 물체가 있는 비디오에서 검출된 전경 영상(실루엣)을 토대로 사람을 추적하고 추적된 사람의 실루엣 형상을 통하여 활동성을 인식하는 실시간 감시 시스템에 적용 가능한 사람의 행동을 인식하고 분석하고자 한다. 전경에서 블랍(사람)을 검출하는 방법은 기존에 연구했던 차영상을 이용하였고, 검출된 블랍을 대상으로 사람임을 판단하고 사람인 경우 검출된 블랍의 실루엣을 이용한 기존의 자세 추정 기법에 추가적으로 4가지 특징들을 추가하여 사람의 행동을 분석한다. 각 파라미터들은 임계치를 통하여 구분하였다. 본 논문에서는 사람의 행동은 크게 네 가지의 경우로 {Standing, Bending/Crawling, Laying down, Sitting} 분류한다. 제안된 특징 파라미터들을 추가한 방법은 기존의 실루엣 기반의 자세 추정 기법만을 사용하는 것보다 좀더 높은 인식율을 보여주었다.

• Journal of KIISE:Software and Applications
• /
• v.35 no.10
• /
• pp.600-607
• /
• 2008

This paper proposes a robust human detection method irrespective of their pose variation using the multiple oriented 2D elliptical filters (MO2DEFs). The MO2DEFs can detect the humans regardless of their poses unlike existing object oriented scale adaptive filter (OOSAF). To overcome OOSAF's limitation, we introduce the MO2DEFs whose shapes look like the oriented ellipses. We perform human detection by applying four different 2D elliptical filters with specific orientations to the 2D spatial-depth histogram and then by taking the thresholds over the filtered histograms. In addition, we determine the human pose by using convolution results which are computed by using the MO2DEFs. We verify the human candidates by either detecting the face or matching head-shoulder shapes over the estimated rotation. The experimental results showed that the accuracy of pose angle estimation was about 88%, the human detection using the MO2DEFs outperformed that of using the OOSAF by $15{\sim}20%$ especially in case of the posed human.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.15 no.8
• /
• pp.5263-5268
• /
• 2014

This paper suggests a fast human detection algorithm that can be applied to a high-resolution CCTV camera. Human detection algorithms, which used a HOG detector show high performance in the region of image processing. On the other hand, it is difficult to apply to real-time high resolution imaging because of its slow processing speed in the extracting figures of HOG. To resolve this problems, we suggest how to detect humans into two stages. First, candidates of a human region are found using background subtraction, and humans and non-humans are distinguished using a HOG detector only. This process increases the detection speed by approximately 2.5 times without any degradation in performance.