• 한국통신학회논문지
• /
• 제40권9호
• /
• pp.1828-1836
• /
• 2015

객체 추적 알고리즘들은 객체 인식 결과를 이용한 관심영역 설정을 통해 영상 전체에 대한 연산이 수행되는 것을 방지하여 연산량을 줄일 수 있다. 따라서 객체 인식 알고리즘의 정확한 객체 검출은 객체 추적에서 매우 중요한 과정이다. 고정된 카메라를 기반으로 하여 이동하는 객체를 검출 하는 방법으로 배경 차 알고리즘이 널리 사용되어왔고 많은 연구에 의해 배경 모델링 방법이 개선되면서 배경 차 알고리즘의 성능이 개선되었으나 여전히 정확하지 못한 배경 모델링에 의한 객체 오검출의 문제를 가진다. 이에 본 논문에서는 제스쳐 인식에 주로 사용되는 모션 히스토리 이미지 알고리즘을 배경 차 알고리즘과 융합하여 기존의 배경 차 알고리즘이 가지는 문제점을 극복할 수 있는 다중 이동객체 검출 알고리즘을 제안한다. 제안하는 알고리즘은 융합 과정 추가로 수행시간이 다소 길어지나 실시간성을 만족하며 기존의 배경 차 알고리즘에 비해 높은 정확도를 가짐을 실험을 통해 확인하였다.

• 제어로봇시스템학회논문지
• /
• 제21권8호
• /
• pp.766-772
• /
• 2015

This paper proposes an object detection method based on motion estimation using background subtraction in the fisheye images obtained through omni-directional camera mounted on the vehicle. Recently, most of the vehicles installed with rear camera as a standard option, as well as various camera systems for safety. However, differently from the conventional object detection using the image obtained from the camera, the embedded system installed in the vehicle is difficult to apply a complicated algorithm because of its inherent low processing performance. In general, the embedded system needs system-dependent algorithm because it has lower processing performance than the computer. In this paper, the location of object is estimated from the information of object's motion obtained by applying a background subtraction method which compares the previous frames with the current ones. The real-time detection performance of the proposed method for object detection is verified experimentally on embedded board by comparing the proposed algorithm with the object detection based on LKOF (Lucas-Kanade optical flow).

• 한국통신학회논문지
• /
• 제42권1호
• /
• pp.46-49
• /
• 2017

본 논문에서는 "Full-HD급($1920{\times}1080$) 축구 동영상" 분석을 위해 필수적인 "배경 분리"에서 "영상 다운 샘플링"이 배경 분리 성능에 미치는 영향에 대해 정량적으로 분석 및 고찰한다. 이를 위해 본 논문에서는 배경 분리 정확도 뿐만 아니라 배경 분리 속도 관점에서 영상 다운 샘플링이 미치는 영향을 평가하였다. 또한 실험의 신뢰성을 높이기 위하여 두 가지 서로 다른 배경 분리 알고리즘을 이용하였다. 정량적인 비교 평가를 위해 F-measure 및 FPS(frames per second)를 이용하였다. 본 논문에서 제시된 정량적인 분석 결과는 실시간 지능형 축구 동영상 분석 시스템 개발을 위해 고속 배경 분리 기술을 연구하고자 하는 연구자 및 개발자들에게 유용한 벤치마크가 될 것으로 예상된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2009년도 IWAIT
• /
• pp.63-66
• /
• 2009

Automatic segmentation of foreground from background in video sequences has attracted lots of attention in computer vision. This paper proposes a novel framework for the background subtraction that the foreground is segmented from the background by directly subtracting a background image from each frame. Most previous works focus on the extraction of more reliable seeds with threshold, because the errors are occurred by noise, weak color difference and so on. Our method has good segmentations from the approximate seeds by using the Random Walks with Restart (RWR). Experimental results with live videos demonstrate the relevance and accuracy of our algorithm.

• 반도체디스플레이기술학회지
• /
• 제18권3호
• /
• pp.1-6
• /
• 2019

Foreground/background segmentation in video sequences is often one of the first tasks in machine vision applications, making it a critical part of the system. In this paper, we present an improved sample-based technique that provides robust background image as well as segmentation mask. The conventional multiple interval sampling (MIS) algorithm have suffer from the unbalance of computation time per frame and the rapid change of confidence factor of background pixel. To balance the computation amount, a random-based pixel update scheme is proposed and a spatial and temporal smoothing technique is adopted to increase reliability of the confidence factor. The proposed method allows the sampling queue to have more dispersed data in time and space, and provides more continuous and reliable confidence factor. Experimental results revealed that our method works well to estimate stable background image and the foreground mask.

• 한국정보통신학회논문지
• /
• 제24권10호
• /
• pp.1262-1270
• /
• 2020

최근 관심이 높아지고 있는 스마트 감시 비디오에 관한 연구는 주로 침입자 탐지 및 추적과 유기 물체 탐지에 초점이 맞춰져 왔고, 도난 물체의 실시간 탐지에 대한 연구는 중요성에 비해 상대적으로 미흡한 상황이다. 본 논문은 스마트 감시 비디오 적용 환경을 고려하여 두 가지의 서로 다른 도난 물체 탐지 알고리즘을 제시한다. 먼저 이중 배경 차감 모델(dual background subtraction model)을 사용하여 사전에 정적 및 동적으로 등록된 감시 대상 물체의 도난을 탐지하는 알고리즘을 제시한다. 그리고 이중 배경 차감 모델과 Mask R-CNN 기반의 객체 세그멘테이션 기술을 통합적으로 적용하여 일반 감시 물체의 도난을 탐지하는 알고리즘을 제시한다. 전자의 알고리즘은 등록된 감시 물체를 대상으로 계산 능력이 높지 않은 환경에서 경제적인 도난 탐지 서비스를 제공할 수 있고, 후자의 알고리즘은 충분한 계산 능력을 제공할 수 있는 환경에서 보다 광범위한 일반 감시 물체의 도난 탐지에 적용할 수 있다.

• 한국산학기술학회논문지
• /
• 제15권8호
• /
• pp.5263-5268
• /
• 2014

본 논문은 사람 검출 알고리즘을 고해상도 CCTV 카메라에 적용할 수 있도록 빠른 사람 검출 알고리즘을 제안한다. HOG 디텍터를 이용한 사람 검출 알고리즘은 영상처리 분야의 최신 기술로 높은 성능을 보인다. 그러나 HOG 특징 추출과정에서 연산 속도가 느려 실시간 고해상도 영상에 적용하기 어렵다. 이러한 문제를 해결하기 위해 2단계 검출 방법을 제안한다. 먼저 전처리 과정으로 배경 차감법(Background subtraction)을 이용하여 사람 후보 영역을 찾는다. 이후 사람 후보영역에서만 HOG 디텍터를 이용하여 사람/비사람 구분을 수행한다. 이러한 두 단계의 실험 결과 약 2.5배의 검출 속도 향상을 보였으며, 성능 저하는 거의 없음을 확인할 수 있었다.

• 반도체디스플레이기술학회지
• /
• 제16권4호
• /
• pp.30-35
• /
• 2017

Moving object segmentation from a nonstationary camera is a difficult problem due to the motion of both camera and the object. In this paper, we propose a new confidence-based background subtraction technique from moving camera. The method is based on clustering of motion vectors and generating adaptive multi-homography from a pair of adjacent video frames. The main innovation concerns the use of confidence images for each foreground and background motion groups. Experimental results revealed that our confidence-based approach robustly detect moving targets in sequences taken by a freely moving camera.

• 한국멀티미디어학회논문지
• /
• 제12권10호
• /
• pp.1418-1426
• /
• 2009

주어진 배경 이미지로부터 전경 객체를 분리하는 것을 목표로 하는 배경 차분화 기법에 관한 많은 연구가 있어 왔다. 최근에 발표된 몇 가지 통계 기반 배경 차분화 기법들은 동적인 환경에서 동작할 수 있을 정도로 안정된 성능을 보이는 것으로 보고되고 있다. 그러나 이들 기법은 일반적으로 매우 많은 계산 자원을 요구하며, 객체의 명확한 윤곽을 획득하는데 있어서는 아직 어려움이 있다. 본 논문에서는 점진적으로 변화하는 배경을 모델링하기 위해 복잡한 통계 기법을 적용하는 대신 간단한 이동-평균 기법을 사용한다. 또한 픽셀별로 할당되는 다중의 임계치 대신 유전자 학습에 의해 최적화되는 하나의 전역적 임계치를 사용한다. 유전자 학습을 위해 새로운 적합도 함수를 정의하여 학습하고 이를 이용하여 이미지의 분할 결과들을 평가한다. 본 논문의 시스템은 웹 카메라가 장착된 개인용 컴퓨터에서 구현하였으며, 실사 이미지들에 대한 실험 결과에 의하면 기존의 가우시안 믹스쳐 방식보다 우수한 성능을 보이는 것으로 나타났다.

• 한국음향학회지
• /
• 제40권5호
• /
• pp.439-451
• /
• 2021

본 논문에서는 실제 환경에서의 연속 음성 강화를 위한 딥러닝 기반 온라인 빔포밍 알고리듬과 스펙트럼 감산을 결합한 빔포머를 제안한다. 기존 빔포밍 시스템은 컴퓨터에서 음성과 잡음을 완전히 겹친 방식으로 혼합하여 생성된 사전 분할 오디오 신호를 사용하여 대부분 평가되었다. 하지만 실제 환경에서는 시간 축으로 음성 발화가 띄엄띄엄 발성되기 때문에, 음성이 없는 잡음 신호가 시스템에 입력되면 기존 빔포밍 알고리듬의 성능이 저하된다. 이러한 효과를 경감하기 위하여, 심층 학습 기반 온라인 빔포밍 알고리듬과 스펙트럼 감산을 결합하였다. 잡음 환경에서 온라인 빔포밍 알고리듬을 평가하기 위해 연속 음성 강화 세트를 구성하였다. 평가 세트는 CHiME3 평가 세트에서 추출한 음성 발화와 CHiME3 배경 잡음 및 MUSDB에서 추출한 연속 재생되는 배경음악을 혼합하여 구성되었다. 음성인식기로는 Kaldi 기반 툴킷 및 구글 웹 음성인식기를 사용하였다. 제안한 온라인 빔포밍 알고리듬 과 스펙트럼 감산이 베이스라인 빔포밍 알고리듬에 비해 성능 향상을 보임을 확인하였다.