• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.910-912
• /
• 2005

영상감시기술은 공공장소의 사랑 행동패턴 분석을 통한 범죄 예측, 실내 환경에서의 사람의 출입여부 확인, 다중 카메라에서의 특정 이동객체 추적 등 다양하게 이용되고 있다. 또한 유비쿼터스 환경에서 영상센서로 사용 될 수 있다. 영상감시기술에서는 입력된 영상을 여러 과정을 통하여 분석 하게 된다. 여러 과정 중 이동 객체의 정확한 분석을 위해서는 효과적인 이동객체 검출 방법이 필요하게 된다. 어떤 감시카메라는 객체가 감지되었을 때 감지된 영상을 자동으로 보정한다. 이와 같이 자동보정 카메라에 입력된 영상을 분석할 경우 보정된 정도에 따른 영상처리가 필요하게 된다. 이동객체 검출 단계는 배경영상 모델링, 이동객체 검출, 그림자 제거 단계로 나눌 수 있다. 이 같은 과정 중에 감지된 영상의 자동보정 정도를 측정하고 영상 분석시 측정값을 적용하게 된다. 보정 정도를 적용한 방법과 하지 않은 방법 중에 적용한 방법이 더욱 정확한 검출 정도를 나타냈으며, 검출된 이진 이미지의 개선을 위한 과정 중 Reconstruction의 형태학적 영상처리 방법을 적용하여 기존의 검출 방법보다 향상된 결과 영상을 획득할 수 있었다. 이렇게 검출된 이동객체의 분석을 통해 보다 향상된 분석을 할 수 있게 되며, 차후 유비쿼터스 환경에서의 영상 센서로 사용 될 수 있다.

• 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.

• Journal of Korea Multimedia Society
• /
• v.13 no.8
• /
• pp.1128-1141
• /
• 2010

This paper proposes a method of moving object detection in crowded scene using clustered trajectory. Unlike previous appearance based approaches, the proposed method employes motion information only to isolate moving objects. In the proposed method, feature points are extracted from input frames first and then feature tracking is followed to create feature trajectories. Based on an assumption that feature points originated from the same objects shows similar motion as the object moves, the proposed method detects moving objects by clustering trajectories of similar motions. For this purpose an energy function based on spatial proximity, motion coherence, and temporal continuity is defined to measure the similarity between two trajectories and the clustering is achieved by minimizing the energy function in CRFs (conditional random fields). Compared to previous methods, which are unable to separate falsely merged trajectories during the clustering process, the proposed method is able to rearrange the falsely merged trajectories during iteration because the clustering is solved my energy minimization in CRFs. Experiment results with three different crowded scenes show about 94% detection rate with 7% false alarm rate.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.47 no.1
• /
• pp.9-16
• /
• 2010

Moving object detection is to detect foreground object different from background scene in a new incoming image frame and is an essential ingredient process in some image processing applications such as intelligent visual surveillance, HCI, object-based video compression and etc. Most of previous object detection algorithms are still computationally heavy so that it is difficult to develop real-time multi-channel moving object detection in a workstation or even one-channel real-time moving object detection in an embedded system using them. Foreground mask correction necessary for a more precise object detection is usually accomplished using morphological operations like opening and closing. Morphological operations are not computationally cheap and moreover, they are difficult to be rendered to run simultaneously with the subsequent connected component labeling routine since they need quite different type of processing from what the connected component labeling does. In this paper, we first devise a fast and precise foreground mask correction algorithm, "Neighbor Foreground Pixel Propagation (NFPP)" which utilizes neighbor pixel checking employed in the connected component labeling. Next, we propose a novel moving object detection method based on the devised foreground mask correction algorithm, NFPP where the connected component labeling routine can be executed simultaneously with the foreground mask correction. Through experiments, it is verified that the proposed moving object detection method shows more precise object detection and more than 4 times faster processing speed for a image frame and videos in the given the experiments than the previous moving object detection method using morphological operations.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2009.11a
• /
• pp.137-140
• /
• 2009

본 논문에서는 Spatial Edge와 Temporal Edge를 이용한 이동 객체의 윤곽선 검출 방법을 제안한다. 카메라로부터 연속적으로 입력되는 영상에서 이동 객체의 윤곽선이 존재하는 후보 영역을 검출하기 위해, 새로운 방법의 Temporal Edge를 제안한다. Temporal Edge를 통해 검출된 후보 영역을 중심으로 Spatial Edge를 구하고, 후처리 과정을 통해 노이즈를 제거한 후 최종적으로 이동 객체의 윤곽선을 검출한다. 제안한 방법은 실험을 통해 그 성능을 확인하였고, 배경 차 방법과 비교 하였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2003.11a
• /
• pp.281-284
• /
• 2003

In this study, we have proposed the method of moving area detection as the preprocessing step of moving object tracking system. First, we catch the two frames which are different at time in image sequence. We obtain the moving area by using their binary differential image. In differential image, the object area of previous and current frame is present. In the tracking system, the background is changed by camera motion. So, in this case we have to decide which moving area of object is current at time. We obtain the binary edge image of current frame by applying a threshold to the output of an edge detector. Then we performed logical AND operation between the edge image and differential image. As a result of this work moving area of object can be detected.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1571-1572
• /
• 2015

본 논문에서는 GMM (Gaussian mixture model) 기반의 BS (background subtraction) 알고리즘을 이용한 이동 객체 검출기의 하드웨어 구조 설계 결과를 제시하였다. 설계된 이동객체 검출기는 1280 * 720 HD 해상도의 영상을 30 frames per second로 실시간 처리가 가능하다. 하드웨어 구현은 Verilog-HDL을 이용하였으며, FPGA 기반 구현 결과, 설계된 이동 객체 검출기는 582 Slice, 1,698 Slice LUT, 8 DSP48s, 1,769 Flip Flop, 691.2 KByte BRAM으로 구성되었음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.548-550
• /
• 2015

본 논문은 열화상 카메라와 가시광선 카메라를 사용하여 촬영한 영상에서 움직이는 객체에 대한 검출률을 비교한다. 각 카레라는 객체로부터 8m 떨어진 지점에 위치시켰으며, 촬영한 영상에 가우시안 필터만을 적용하여 객체를 검출하였다. 객체가 존재하는 구간에서 객체가 검출된 영상으로부터 검출률을 계산하였고, 두 개의 이동 물체로부터 얻은 영상에서 열화상 카메라와 가시광선 카메라에서 각각 98.6%와 55%의 검출률을 얻었다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.21 no.5
• /
• pp.274-286
• /
• 2022

Multi-object tracking has been studied for a long time under computer vision and plays a critical role in applications such as autonomous driving and driving assistance. Multi-object tracking techniques generally consist of a detector that detects objects and a tracker that tracks the detected objects. Various publicly available datasets allow us to train a detector model without much effort. However, there are relatively few publicly available datasets for training a tracker model, and configuring own tracker datasets takes a long time compared to configuring detector datasets. Hence, the detector is often developed separately with a tracker module. However, the separated tracker should be adjusted whenever the former detector model is changed. This study proposes a system that can train a model that performs detection and tracking simultaneously using only the detector training datasets. In particular, a Siam network with augmentation is used to compose the detector and tracker. Experiments are conducted on public datasets to verify that the proposed algorithm can formulate a real-time multi-object tracker comparable to the state-of-the-art tracker models.

• Journal of Broadcast Engineering
• /
• v.15 no.4
• /
• pp.474-486
• /
• 2010

In this paper, we propose a new method for detection moving object contour using spatial and temporal edge. In general, contour pixels of the moving object are likely present around pixels with high gradient value along the time axis and the spatial axis. Therefore, we can detect the contour of the moving objects by finding pixels which have high gradient value in the time axis and spatial axis. In this paper, we introduce a new computation method, termed as temporal edge, to compute an gradient value along the time axis for any pixel on an image. The temporal edge can be computed using two input gray images at time t and t-2 using the Sobel operator. Temporal edge is utilized to detect a candidate region of the moving object contour and then the detected candidate region is used to extract spatial edge information. The final contour of the moving object is detected using the combination of these two edge information, which are temporal edge and spatial edge, and then the post processing such as a morphological operation and a background edge removing procedure are applied to remove noise regions. The complexity of the proposed method is very low because it dose not use any background scene and high complex operation, therefore it can be applied to real-time applications. Experimental results show that the proposed method outperforms the conventional contour extraction methods in term of processing effort and a ghost effect which is occurred in the case of entropy method.