• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1790-1796
• /
• 2021

영상 딥러닝을 위해서는 다량의 영상 데이터셋이 필요한데, 객체의 종류에 따라 영상을 구하고 영상 데이터셋을 구축하는 방법에 많은 차이가 있다. 본 논문에서는 딥러닝을 위한 영상 데이터셋을 구축하는 방법을 제시하고 추적하는 객체에 따라 달라지는 성능을 분석하였다. 제안하는 데이터셋 구축방법을 활용하여 객체를 회전시킨 후 동영상을 촬영, 분할하여 커스텀 데이터셋을 구축하고, 성능을 분석한 결과 95% 이상의 객체 검출률을 보였으며, 이동 시 객체의 형상 변화가 적은 경우에 더 높은 성능이 나타났다. 영상 데이터를 구하기 어렵고, 형태의 변화가 적은 객체를 동영상 내에서 추적하기 위한 상황을 위하여는 본 논문에서 제시한 데이터셋 구축방법을 활용하는 것이 효과적일 것으로 판단된다.

• 대한전자공학회논문지SP
• /
• 제40권1호
• /
• pp.87-95
• /
• 2003

This paper proposes an object detection algorithm using the Multiresolution Motion Estimation(MRME) in wavelet d야main. A existing motion estimation method has characteristics of motion estimation but it requires having computation. Motion estimation in higher resolution used the motion vector of the lower resolution with the MRME that has parent-child relationship on wavelet coefficients. This method reduces the search area of motion estimation in higher resolution and computational complexity. The computational complexity of the proposed method is about 40% of the existing method using 3-level Set Partitioning in Hierarchical Trees(SPIHT) wavelet transform. The experimental results with the proposed method showed about 11% decrease of Mean Absolute Difference(MAD) and gains able to precise tracking of object.

• Spatial Information Research
• /
• 제21권3호
• /
• pp.11-19
• /
• 2013

도로에서 발생되는 차량간 충돌사고, 교통 소통 상황, 보행자 사고 등 다양한 도로 상황을 모니터링 및 자동으로 인식하여 교통정보를 제공하거나 긴급구난 서비스를 제공하기 위한 다양한 기술이 개발되고 있다. 도로 모니터링을 통한 다양한 객체 추적 및 상황인식을 위해서는 잡음 및 겹침 등에 강인한 객체 추적 기술이 요구된다. 본 논문에서는 외부 환경에서 Background Subtraction, LK-Optical Flow, 지역 기반 히스토그램 특징의 결합을 통해 추적을 위한 몇 가지 추정 인자를 생성하고 이를 통해 변화가 있는 객체, 잡음에도 비교적 강인한 추적 방법을 제안한다. 구체적으로는 객체의 초기 움직임 정보를 검출하기 위해 옵티컬 플로우를 적용하여 컬러 정보 및 밝기 변화에 무관한 이동 정보를 측정한다. 측정된 정보를 기반으로 하여 지역 히스토그램 기반 검증을 통해 신뢰도를 판단한다. 신뢰도가 낮을 경우 배경 제거 정보와 지역 히스토그램 트래커의 정보를 혼합하여 새로운 위치를 추정한다. 실험을 통해 제안된 기법이 객체를 추적하고 있는 도중 나타날 수 있는 충돌, 새로운 특징의 등장, 크기 변화 상황에 강인하게 동작함을 제시한다.

• 전기학회논문지
• /
• 제64권7호
• /
• pp.1047-1055
• /
• 2015

We proposes a method for improving the identification and tracking of the moving objects in intelligent video surveillance system. The proposed method consists of 3 parts: object detection, object recognition, and object tracking. First of all, we use a GMM(Gaussian Mixture Model) to eliminate the background, and extract the moving object. Next, we propose a labeling technique forrecognition of the moving object. and the method for identifying the recognized object by using the optical flow and EMD algorithm. Lastly, we proposes method to track the location of the identified moving object regions by using location information of moving objects and Kalman filter. Finally, we demonstrate the feasibility and applicability of the proposed algorithms through some experiments.

• 방송공학회논문지
• /
• 제25권5호
• /
• pp.685-697
• /
• 2020

파노라마(Panorama) 및 360도 영상과 같은 몰입형(Immersive) 미디어 영상은 영상 내 공간을 사용자가 직접 방문한 것 같은 현장감을 제공해야하므로 실제 세계의 모습을 사실 그대로 나타낼 수 있어야 한다. 그러나 파노라마 및 360도 영상에서는 촬영 카메라들간의 시차(Parallax)로 인해 사물이 사라지거나 중복해서 나타나는 현상이 나타나며, 이와 같은 시차 왜곡은 사용자의 콘텐츠 몰입을 방해할 수 있다. 이에 따라서, 시차 왜곡을 극복하기 위한 많은 동영상 스티칭 알고리즘이 제안되고 있지만, Object detection 모듈의 낮은 성능과 Seam 생성 방식 등의 제한으로 여전히 시차 왜곡이 발생하고 있다. 이에 본 논문에서는 기존 동영상 스티칭 기술의 제한 사항을 분석하고, 해당 동영상 스티칭 기술의 제한을 극복하기 위하여 LDPM(Local Differential Pixel Mean) 영상 평가를 활용한 동영상 스티칭의 시차 왜곡 검출 및 정정 방법을 제안한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권5호
• /
• pp.2141-2155
• /
• 2020

In order to meet the requirements of background change, illumination variation, moving shadow interference and high accuracy in object detection of moving camera, and strive for real-time and high efficiency, this paper presents an object detection algorithm based on sparse approximation recursion and sparse coding migration in subspace. First, low-rank sparse decomposition is used to reduce the dimension of the data. Combining with dictionary sparse representation, the computational model is established by the recursive formula of sparse approximation with the video sequences taken as subspace sets. And the moving object is calculated by the background difference method, which effectively reduces the computational complexity and running time. According to the idea of sparse coding migration, the above operations are carried out in the down-sampling space to further reduce the requirements of computational complexity and memory storage, and this will be adapt to multi-scale target objects and overcome the impact of large anomaly areas. Finally, experiments are carried out on VDAO datasets containing 59 sets of videos. The experimental results show that the algorithm can detect moving object effectively in the moving camera with uniform speed, not only in terms of low computational complexity but also in terms of low storage requirements, so that our proposed algorithm is suitable for detection systems with high real-time requirements.

• 방송공학회논문지
• /
• 제26권6호
• /
• pp.738-747
• /
• 2021

오늘날 딥러닝 기술의 향상으로 영상 분류, 객체 탐지, 객체 분할, 객체 추적 등 컴퓨터 비전 분야 또한 큰 발전을 이루고 있다. 지능적 감시, 로봇, 사물 인터넷, 자율주행 자동차 등 딥러닝 기술이 결합된 다양한 응용 기술들은 실제 산업에 적용되고 있으며, 이에 따라 사람의 소비를 위한 영상 데이터 뿐만 아니라 머신 비전을 위한 영상 데이터의 효율적인 압축 방식에 대한 필요성이 대두되고 있다. 본 논문에서는 머신 비전을 위한 열 적외선 영상의 객체 기반 압축 기법을 제안한다. 효율적인 영상 압축과 신경망의 좋은 성능을 유지하기 위해 본 논문에서는 신경망의 객체 탐지 결과와 객체 크기에 따라 입력 영상을 객체 부분과 배경 부분으로 나누어 서로 다른 압축률로 부호화를 수행하는 방법을 제안한다. 제안하는 방법은 VVC로 영상 전체를 압축하는 방식보다 BD-rate 값이 최대 -19.83%로 압축 효율이 뛰어나다는 것을 확인할 수 있다.

• 한국멀티미디어학회논문지
• /
• 제21권5호
• /
• pp.558-570
• /
• 2018

Recently, object detection is a critical function for any system that uses computer vision and is widely used in various fields such as video surveillance and self-driving cars. However, the conventional methods can not detect the objects clearly because of the dynamic background change in the beach. In this paper, we propose a new technique to detect humans correctly in the dynamic videos like shores. A new background modeling method that combines spatial GMM (Gaussian Mixture Model) and temporal GMM is proposed to make more correct background image. Also, the proposed method improve the accuracy of people detection by using SVM (Support Vector Machine) to classify people from the objects and KCF (Kernelized Correlation Filter) Tracker to track people continuously in the complicated environment. The experimental result shows that our method can work well for detection and tracking of objects in videos containing dynamic factors and situations.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2012년도 춘계학술발표대회논문집
• /
• pp.102-105
• /
• 2012

ONVIF is becoming a de factor standard specification for supporting interoperability among network video products, which also supports a specification for video analytics service. A smart IP network camera is an IP network supporting video analytics. In this paper, we present our efforts in integrating ONVIF Video Analytics Service into our currently developing smart IP network camera(SS IPNC; Soongsil Smart IP Network Camera). SSIPNC supports object detection, tracking, classification, and event detection with proprietary configuration protocol and meta data formats. SSIPNC is based on TI' IPNC ONVIF implementation which supports ONVI Core specification, and several ONVIF services such as device service, imaging service and media service, but not video analytics service.

• Journal of Information Processing Systems
• /
• 제16권3호
• /
• pp.557-571
• /
• 2020

The existing methods for detection of fire smoke in a video easily lead to misjudgment of cloud, fog and moving distractors, such as a moving person, a moving vehicle and other non-smoke moving objects. Therefore, an algorithm for detection of fire smoke in a video based on wavelet energy slope fitting is proposed in this paper. The change in wavelet energy of the moving target foreground is used as the basis, and a time window of 40 continuous frames is set to fit the wavelet energy slope of the suspected area in every 20 frames, thus establishing a wavelet-energy-based smoke judgment criterion. The experimental data show that the algorithm described in this paper not only can detect smoke more quickly and more accurately, but also can effectively avoid the distraction of cloud, fog and moving object and prevent false alarm.