• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.10B
• /
• pp.1436-1443
• /
• 2001

본 연구는 고속도로에 설치된 CCTV 카메라에서 교통량, 속도, 점유율 등의 교통정보를 수집하기 위하여 검지영역을 자동으로 설치하는 알고리즘을 제안한다. 이를 위하여 교통정보센터에 설치된 콘트롤러에서 CCTV 카메라의 Pan, Tilt, Zoom 요소값을 보내면 이 값만큼 CCTV 카메라가 panning, tilting이 되고, 이에 따른 변화된 영상이 교통정보센터로 전송이 된다. 기존의 연구로는 영상 내에서 도로를 추출하기 위하여 차 영상(difference image)에 의한 도로추출방법과 윤곽선 추출방법에 의한 도로추출 방법이 있으나, 전자는 도로를 추출하는데 있어서 시간이 많이 소요된다는 문제점이 있으며, 후자는 정확한 도로를 추출하지 못한다는 문제점이 있다. 이러한 문제를 해결하기 위하여 본 연구에서는 우선 각 차로 상의 직선의 방정식을 구하고, 이 직선의 방정식에서 CCTV 카메라가 Panning, Tilting하는 중심점을 찾은 다음 CCTV 카메라의 Pan, Tilt 값에 의하여 3차원상의 원근비율에 따라 각 차로 별 좌표변환방법을 이용한다. 본 연구를 위한 실험은 고속도로 기흥IC에 15m 높이로 설치된 CCTV 카메라에서 영상을 캡쳐하였으며, 차후 교통량, 속도, 점유율 등 교통정보를 산출하는데 처리 속도를 고려하여 영상의 해상도는 640480픽셀과 256명암값에서 계산되었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.736-738
• /
• 2018

최근 딥러닝의 발전에 따라 무인감시, CCTV 등 영상감시 시스템도 지능화되고 있다. 하지만 쓰레기 무단투기 감시는 여전히 관리자가 실시간으로 CCTV 영상을 관제하는 형태로 이루어지고 있다. 이러한 문제를 해결하기 위해 본 논문에서는 CCTV 영상에서 쓰레기 무단투기를 검출하는 방법을 제안하며 검출 방법으로 차 영상과 합성곱 신경망을 이용한다. 실험은 합성곱 신경망에서의 쓰레기봉투 분류 문제 위주로 진행하였다. 합성곱 신경망의 네트워크는 Inception v3를 사용하였으며 실험 결과, 약 99.52%의 쓰레기봉투 분류율을 얻을 수 있었다.

• Journal of Integrative Natural Science
• /
• v.3 no.1
• /
• pp.43-48
• /
• 2010

본 논문은 지역 부분영상을 이용한 실시간 CCTV결합 시스템에 고나한 연구로써 프레임에 관한 결합 인식방법을 제안한다. 제안된 알고리즘은 기존에 비해 결합속도를 줄이고 이에 따라 전체적인 인식률을 높이는 것을 목표로 하고 있다. 기존 방법인 SIFT알고리즘은 특허가 있고 처리속도가 늦기 때문에 본 논문에서 개선된 지역영상 재생성 방식을 이용하여 실질적으로 CCTV 처리속도에 맞추어 속도를 높였다. 논문은 지역화 이미지를 이용하여 인식률과 속도를 바탕으로 전체적인 시스템 구현과 함께 알고리즘을 소개하는 것으로 구성되어 있으며 실제 실험을 통한 성능을 비교 평가 하였다. 실시간으로 동작하는 CCTV에 적용시킴으로 각각의 화면이 아닌 Inline System으로 감시자의 신체적 피로를 줄이고 경제적인 효과를 볼 수 있고 일반 사용자들도 쉽게 사용할 수 있는 저비용 시스템을 구축하였다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.14 no.1
• /
• pp.169-177
• /
• 2014

It is essential to support the image and video analysis technology such as motion detection since the DVR and NVR storage were adopted in the real time visual surveillance system. Especially the network camera would be popular as a video input device. The traditional CCTV that supports analog video data get be replaced by the network camera. In this paper, we present the design and implementation of video surveillance system that provides the real time motion detection by the video storage server. The mobile application also has been implemented in order to provides the retrieval functionality of image analysis results. We develop the video analysis server with open source library OpenCV and implement the daemon process for video input processing and real-time image analysis in our video surveillance system.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.167-167
• /
• 2022

최근 빅데이터에 관련된 연구에 있어 데이터의 품질관리에 대한 논의가 꾸준히 이뤄져 오고 있다. 특히 이미지 처리 및 분석에 활용되어온 딥러닝 기술의 경우, 분류 작업 및 패턴인식 등으로부터 데이터의 특징을 추출함으로써 비지도학습(Unsupervised Learning)을 가능하게 한다는 장점이 있음에도 불구하고 빅데이터를 다루는 과정에 있어 용량, 다양성, 속도 및 신뢰성 측면에서의 한계가 있었다. 본 연구에서는 CCTV 영상을 활용한 강수량 산정 모델 개발에 있어 예측 정확도 향상 및 성능 개선을 도모할 수 있는 데이터 전처리 방법을 제안하였다. 서울 근린 AWS 4개소 지역(김포장기, 하남덕풍, 강동, 성남) 및 중앙대학교 지점 내 CCTV를 설치한 후, 최대 9개월의 영상을 확보하여 강수량 산정을 위한 딥러닝 모델을 개발하였다. 배경분리, 조도조정, 영역설정, 데이터증진, 이상데이터 분류 등이 가능한 알고리즘을 개발함으로써 데이터셋 자체에 대한 전처리 작업을 수행한 후, 이에 대한 결과를 기존 관측자료와 비교·분석하였다. 본 연구에서 제안한 전처리 방법들을 적용한 결과, 강수량 산정 모델의 예측 정확도를 평가하는 지표로 선정한 평균 제곱근 편차(Root Mean Square Error; RMSE)가 약 30% 감소함을 확인하였다. 본 연구의 결과로부터 CCTV 영상 데이터를 활용한 강수량 산정의 가능성을 확인할 수 있었으며 특히, 딥러닝 모델 개발시 필요한 적정 전처리 방법들에 대한 기준을 제시할 수 있을 것으로 판단된다.

• The Journal of Korean Institute of Information Technology
• /
• v.17 no.5
• /
• pp.105-116
• /
• 2019

Most of the public and private buildings in Korea are installing CCTV for crime prevention and follow-up action, insider security, facility safety, and fire prevention, and the number of installations is increasing each year. In the questionnaire conducted on the increasing CCTV, many reactions were positive in terms of the prevention of crime that could occur due to the installation, rather than negative views such as privacy violation caused by CCTV shooting. However, CCTV poses a lot of privacy risks, and when the image data is collected using the cloud, the personal information of the subject can be leaked. InseCam relayed the CCTV surveillance video of each country in real time, including the front camera of the notebook computer, which caused a big issue. In this paper, we introduce a system to prevent leakage of private information and enhance the security of the cloud system by processing the privacy technique on image information about a subject photographed through CCTV.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.38 no.6
• /
• pp.573-581
• /
• 2020

Using CCTV images and weather parameters, a method for estimating PM (Particulate Matter) index was proposed, and an experiment was conducted. For CCTV images, we proposed a method of estimating the PM index by applying a deep learning technique based on a CNN (Convolutional Neural Network) with ROI(Region Of Interest) image including a specific spot and an full area image. In addition, after combining the predicted result values by deep learning with the two weather parameters of humidity and wind speed, a post-processing experiment was also conducted to calculate the modified PM index using the learned regression model. As a result of the experiment, the estimated value of the PM index from the CCTV image was R2(R-Squared) 0.58~0.89, and the result of learning the ROI image and the full area image with the measuring device was the best. The result of post-processing using weather parameters did not always show improvement in accuracy in all cases in the experimental area.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.1045-1048
• /
• 2019

최근 CCTV 사용이 보편화되면서 방범 목적으로 서비스 시설이나 공공시설에 설치되는 CCTV의 수가 급격하게 증가하고 있다. 그에 따라 CCTV를 감시하는 노동력이 부족해지는 문제가 발생하여 이를 대체하기 위해 카메라 영상을 통하여 한번 인식한 사람을 다른 시간이나 장소에서 촬영된 영상에서 다시 인식하는 사람 재인식 기술이 주목받고 있다. 또한, 이러한 사람 재인식 기술은 보안 분야뿐만 아니라 영화나 드라마와 같은 영상 컨텐츠에 적용되어 불법 복제물을 찾는 일에 사용될 수도 있다. 기존의 사람 재인식에는 이미지의 유사도를 계산하는 방법이 사용되었지만, 조명이나 카메라 각도가 달라지면 성능이 급격하게 떨어지는 문제가 있었다. 최근에는 딥러닝 기술이 발달하면서 전반적인 영상처리 분야의 성능이 향상되었고, 사람 재인식 분야 역시 딥러닝을 활용하면서 성능이 향상되었다. 하지만 딥러닝을 활용한 방법의 경우 보통 두 개의 이미지를 입력으로 사용하여 같은지 다른지를 판단하게 되므로 각 이미지의 공통점이나 차이점을 동시에 고려하기는 어려운 점이 있다. 본 논문에서는 이러한 점을 해결하기 위해 세 개의 사람 이미지를 입력으로 사용하여 특징을 추출하고, 특징 맵을 재구성하여 각 이미지의 차이점과 공통점을 동시에 고려하며 학습할 수 있는 모델을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.1336-1339
• /
• 2012

최근 공공기관을 통해 CCTV 영상을 통합관리 하려는 움직임이 활발히 발생하고 있다. 하지만, CCTV의 수가 증가하고, 해상도가 높아지면서 통합관리시 저장비용, 검색비용 등의 문제가 예상되고 있다. 이러한 문제의 해결책으로 클라우드 컴퓨팅 기술을 들 수 있는데, 클라우드 컴퓨팅은 다양한 클라이언트 디바이스에서 필요한 시점에 인터넷을 이용해 공유 풀에 있는 서버, 스토리지, 애플리케이션, 서비스 등과 같은 IT 리소스에 쉽게 접근할 수 있는 것을 가능하게 하는 모델이다. 또한 모바일 클라우드 컴퓨팅은 클라우드 컴퓨팅과 다양한 모바일 기기를 결합하여 다양한 서비스를 제공하는 것이다. CCTV와 같은 영상을 생산하는 클라이언트를 모바일 클라우드의 단말로 보고, 영상 데이터를 클라우드 컴퓨팅을 이용하여 관리하면, 저가의 비용으로 대용량의 영상을 저장하는데 비용을 절감 할 수 있으며, 간단한 방법으로 병렬 처리로 검색을 할 수 있어, 검색 시간을 절감 할 수 있는 효과가 있다. 본 논문에서는 모바일 클라우드를 이용한 범용 영상 통합 관리 시스템 모델을 제안하고 이를 토대로 차량용 블랙박스 분야에 한정한 시스템 설계하고 구현하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• v.37 no.8
• /
• pp.918-931
• /
• 2013

The conventional object tracking techniques using PTZ camera detects object movements by analyzing acquired image. However, this technique requires expensive hardware devices to perform a complex image processing. And it is occasionally hard to detect object movements, if an acquired image is low quality or image acquisition is impossible. In this paper, we proposes a smart security CCTV system applying to wireless sensor network technique based on IEEE 802.15.4 standard to overcome the problems of conventional object tracking technique, which enables to track suspicious objects by detecting object movements and GPS data in sensor node. This system enables an efficient control of PTZ camera to observe a wide area, decreasing image processing complexity. Also, wireless sensor network is implemented using mesh networks to increase the efficiency of installing sensor node.