• 한국통신학회논문지
• /
• 제39C권5호
• /
• pp.435-446
• /
• 2014

비디오 센서 망을 이용한 무인 감시 체계에서는 고용량의 영상 정보를 왜곡 없이 전송하는 것이 중요하다. 하지만, 무선 채널의 특성상 왜곡 발생이 최소화 되도록 처리할 경우, 불필요한 전송 신호의 추가 또는 정보의 재전송 등으로 인해, 전송 자체의 지연을 초래하는 효과로 연결된다. 따라서 비디오 센서 망 기반의 감시 체계는 무인 체계와 운용자 사이 또는 무인체계들 사이에 고용량의 영상 정보를 압축하면서, 실시간 정보의 특성에 알맞도록 지연시간을 줄이고 시시각각 변화하는 감시 체계에 적합하게 전송할 수 있는 저지연/적응형 영상 전송 기술을 설계하는 것이 중요하다. 본 고에서는, 무인체계의 전체 시스템 프로토콜을 상기의 목표에 맞게 설계하고, 다양한 무선 환경에서 실현할 수 있는 영상전송 기술을 소개 한다. 원활한 무인체계 통신단말 운용을 위해 대용량의 다채널 영상 정보를 효율적이면서 지연이 적게 압축하고, 통신 상태 변화에 따라 유연하게 크로스 레이어 관점에서 영상의 정보를 계층적 부호화 (Layered Coding)를 기반으로 우선 순위에 기반하여 저지연 및 적응적으로 전송하는 기술을 소개한다.

• Neonatal Medicine
• /
• 제15권1호
• /
• pp.94-99
• /
• 2008

저자들은 저혈당증에 의해 발생한 뇌후두엽의 신생아 저혈당 뇌증과 이로 인한 시각유발전위검사 이상을 보인 2례를 경험하였기에 보고하는 바이다.

• Journal of Ubiquitous Convergence Technology
• /
• 제1권1호
• /
• pp.3-8
• /
• 2007

This paper presents a set of techniques used in a real-time visual surveillance system. The system is implemented on a low-cost embedded DSP platform that is designed to work with stationary video sources. It consists of detection, a tracking and a classification module. The detector uses a statistical method to establish the background model and extract the foreground pixels. These pixels are grouped into blobs which are classified into single person, people in a group and other objects by the dynamic periodicity analysis. The tracking module uses mean shift algorithm to locate the target position. The system aims to control the human density in the surveilled scene and detect what happens abnormally. The major advantage of this system is the real-time capability and it only requires a video stream without other additional sensors. We evaluate the system in the real application, for example monitoring the subway entrance and the building hall, and the results prove the system's superior performance.

• 한국멀티미디어학회논문지
• /
• 제18권11호
• /
• pp.1289-1301
• /
• 2015

Pedestrian detection (PD) is an essential task in various applications and sliding window-based methods utilizing HOG (Histogram of Oriented Gradients) or HOG-like descriptors have been shown to be very effective for accurate PD. However, due to exhaustive search across images, PD methods based on sliding window usually require heavy computational time. In this paper, we propose a real-time PD method for embedded visual surveillance with fixed backgrounds. The proposed PD method employs HOG descriptors as many PD methods does, but utilizes selective search so that it can save processing time significantly. The proposed selective search is guided by restricting searching to candidate regions extracted from Adaptive Gaussian Mixture Model (AGMM)-based background subtraction technique. Moreover, approximate computation of HOG descriptor and implementation in fixed-point arithmetic mode contributes to reduction of processing time further. Possible accuracy degradation due to approximate computation is compensated by applying an appropriate one among three offline trained SVM classifiers according to sizes of candidate regions. The experimental results show that the proposed PD method significantly improves processing speed without noticeable accuracy degradation compared to the original HOG-based PD and HOG with cascade SVM so that it is a suitable real-time PD implementation for embedded surveillance systems.

• 한국방사성폐기물학회:학술대회논문집
• /
• 한국방사성폐기물학회 2003년도 가을 학술논문집
• /
• pp.406-410
• /
• 2003

DUPIC 핵연료 제조시설은 PWR 사용후핵연료를 건식 재가공하여 CANDU 형 핵연료를 제조하는 시설이다. DUPIC 시설과 같이 사용후핵연료를 취급하는 시설에서 핵물질 안전조치를 위해 적용되는 연속 무인 감시시스템은 많은 양의 영상 및 방사선 감시 데이터를 생산하게 되며, 이러한 자료로부터 핵물질의 전용 여부를 분석하기 위해서는 상당한 시간과 인력이 소요된다. 따라서 핵물질 취급시설에서의 감시시스템은 시설로부터 취득한 감시 데이터를 자동적으로 검토ㆍ분석하여 비정상적인 상황을 추출해 낼 수 있는 기능이 요구된다. 이 연구에서는 이러한 관점에서 영상 및 방사선 데이터를 자동 분석할 수 있는 신경망을 이용한 지능형 핵물질 감시시스템을 개발하였다. DUPIC 시설의 안전조치를 위해 개발한 동 핵물질 감시시스템은 수차례의 성능 시험을 거쳐, 현재 시설에 설치되어 정상적으로 운영 중에 있다.

• 한국멀티미디어학회논문지
• /
• 제22권10호
• /
• pp.1199-1207
• /
• 2019

Video surveillance data, which is used for preemptive or post-emptive action against any event or accident, is required for monitoring the location, but is reducing the capacity of the image data by removing intervals for cost reduction and system persistence. Such a video surveillance system is fixed in a certain position and monitors the area only within a limited angle, or monitors only the fixed area without changing the angle. At this time, the video surveillance system that is monitored only within a limited angle shows that the variation object such as the floating population shows different status in the image, and the background of the image maintains a generally constant appearance. The static objects in the image do not need to be stored in all the images, unlike the dynamic objects that must be continuously shot, and occupy a storage space other than the necessary ones. In this paper, we propose a mechanism to analyze the image, store only the small size image for the fixed background, and store it as image data only for variable objects.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2009년도 춘계 종합학술대회 논문집
• /
• pp.889-894
• /
• 2009

Accompanied by the rapid development of Computer Vision, Visual surveillance has achieved great evolution with more and more complicated processing. However there are still many problems to be resolved for robust and reliable visual surveillance, and the cast shadow occurring in motion detection process is one of them. Shadow pixels are often misclassified as object pixels so that they cause errors in localization, segmentation, tracking and classification of objects. This paper proposes a novel cast shadow removal method. As opposed to previous conventional methods, which considers pixel properties like intensity properties, color distortion, HSV color system, and etc., the proposed method utilizes observations about edge patterns in the shadow region in the current frame and the corresponding region in the background scene, and applies Laplacian edge detector to the blob regions in the current frame and the background scene. Then, the product of the outcomes of application determines whether the blob pixels in the foreground mask comes from object blob regions or shadow regions. The proposed method is simple but turns out practically very effective for Gaussian Mixture Model, which is verified through experiments.

• IEIE Transactions on Smart Processing and Computing
• /
• 제5권5호
• /
• pp.327-330
• /
• 2016

Currently, the world's elderly population continues to grow at a dramatic rate. As the number of senior citizens increases, detection of someone falling has attracted increasing attention for visual surveillance systems. This paper presents a novel fall-detection algorithm using motion estimation and an integrated spatiotemporal energy map of the object region. The proposed method first extracts a human region using a background subtraction method. Next, we applied an optical flow algorithm to estimate motion vectors, and an energy map is generated by accumulating the detected human region for a certain period of time. We can then detect a fall using k-nearest neighbor (kNN) classification with the previously estimated motion information and energy map. The experimental results show that the proposed algorithm can effectively detect someone falling in any direction, including at an angle parallel to the camera's optical axis.

• 전자공학회논문지SC
• /
• 제46권6호
• /
• pp.1-8
• /
• 2009

여러 대의 카메라를 이용한 감시 시스템이 정확하고 효율적으로 동작하기 위하여 카메라 시야 간의 연결 관계를 아는 것이 필수적이다. 카메라들의 연결 관계를 파악하기 위하여 카메라 시야 내의 출입 영역을 검출하는 일이 선행되어야 한다. 본 논문에서는 카메라 시야에서 객체의 등장 및 퇴장으로부터 얻은 데이터에 그래프 이론 기반의 클러스터링(clustering)을 적용하여 시야 내의 출입 영역을 검출하는 방법을 제안한다. 데이터 포인트들 사이의 관계를 조사하여 최소신장트리를 구성하고, 트리의 에지들 중 일관성을 갖지 않는 것들을 삭제하여 well-formed 클러스터를 얻는다. 본 논문에서는 클러스터의 형태를 설명하는 두 가지 특징을 정의하고 이를 클러스터의 분할 조건으로 사용하였다. 실험결과를 통하여 데이터 포인트의 분포가 조밀하지 않은 경우 expectation maximization(EM)에 기반을 둔 방법에 비하여 치안하는 방법이 보다 효과적으로 클러스터링을 수행함을 확인하였다. 또한 EM 기반 방법들에 비하여 안정적인 결과를 얻기 위해 필요한 데이터 포인트의 개수가 적으므로 출입영역에 대한 학습시간을 단축할 수 있다.

• 전자통신동향분석
• /
• 제33권4호
• /
• pp.23-32
• /
• 2018

Object detection is a challenging field in the visual understanding research area, detecting objects in visual scenes, and the location of such objects. It has recently been applied in various fields such as autonomous driving, image surveillance, and face recognition. In traditional methods of object detection, handcrafted features have been designed for overcoming various visual environments; however, they have a trade-off issue between accuracy and computational efficiency. Deep learning is a revolutionary paradigm in the machine-learning field. In addition, because deep-learning-based methods, particularly convolutional neural networks (CNNs), have outperformed conventional methods in terms of object detection, they have been studied in recent years. In this article, we provide a brief descriptive summary of several recent deep-learning methods for object detection and deep learning architectures. We also compare the performance of these methods and present a research guide of the object detection field.