• 한국멀티미디어학회논문지
• /
• 제17권4호
• /
• pp.420-432
• /
• 2014

In detection of moving objects from video sequences, an essential process for intelligent visual surveillance, the cast shadows accompanying moving objects are different from background so that they may be easily extracted as foreground object blobs, which causes errors in localization, segmentation, tracking and classification of objects. Most of the previous research results about moving cast shadow detection and removal usually utilize color information about objects and scenes. In this paper, we proposes a novel cast shadow removal method of moving objects in gray level video data for visual surveillance application. 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 corresponding regions in the background scene. Then, the product of the outcomes of application determines moving object blob pixels from the blob pixels in the foreground mask. The minimal rectangle regions containing all blob pixles classified as moving object pixels are extracted. The proposed method is simple but turns out practically very effective for Adative Gaussian Mixture Model-based object detection of intelligent visual surveillance applications, which is verified through experiments.

• 한국ITS학회 논문지
• /
• 제7권1호
• /
• pp.32-41
• /
• 2008

비디오를 이용한 비전기반 감시에서 움직이는 객체의 추적은 GMM (Gaussian Mixture Model)을 사용한 배경영상과 현재영상의 차이법을 이용한다. 문턱치를 통해 생성된 이진영상을 이용하여 객체 추적을 할 경우 객체 정보가 아닌 그림자에 의하여 객체가 병합되는 현상이 나타난다. 본 논문에서는 신경망(Backpropagation Neural Network)을 이용하여 그림자를 제거하는 방법을 제안하였다. 10개의 동영상에서 객체영역과 캐스트그림자(Cast-Shadow)영역의 훈련용 이미지에서 특징 값을 추출하여 신경망을 훈련시켰다. 캐스트그림자를 제거하는 방법은 이진영상의 객체로 추정되는 영역에서 그림자를 분리하는 방법을 기초로 하며 기존의 그림자 제거 알고리즘 (SNP, SP, DNM1, DNM2, CNCC)보다 그림자 제거 성능이 (16.2%, 38.2%, 28.1%, 22.3%, 44.4%)로 높게 나타났다.

• 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.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.574-578
• /
• 2009

정지 영상이나 비디오 영상 시퀀스에서 배경 영상으로부터 움직이는 관심 물체를 구별하기 위한 실시간 물체 검출은 물체의 위치 추적과 인식에 있어 필수적인 단계이다. 물체 분할 후에 그림자 영역이 움직이는 물체 영역에 포함되어지기 때문에 그림자는 물체의 일부분 혹은 움직이는 물체로 오분류될 수 있다. 이러한 이유로 그림자 제거 알고리즘은 움직이는 물체 검출 및 추적 시스템의 결과에 중요한 역할을 한다. 이 문제점들을 해결하기 위해 본 논문에서는 움직이는 물체의 특징과 색상공간에서 그림자의 특징에 기반을 둔 정확한 물체 검출과 그림자 제거 알고리즘을 제안한다. 실험결과는 제안 알고리즘이 실험 영상에서 물체 검출과 그림자 제거에 대해 효과적인 것을 알 수가 있다.

• 정보처리학회논문지B
• /
• 제15B권1호
• /
• pp.1-8
• /
• 2008

일반적으로 감시영상에서 움직이는 물체들은 배경빼기 혹은 프레임 차를 이용하여 추출된다. 하지만 객체에 의해서 만들어지는 그림자는 심각한 탐지의 오류를 야기시킬 수 있다. 특히, 도로 상에 설치된 감시카메라로부터 획득된 영상으로부터 차량 정보를 분석할 때, 차량에 의해서 생성되는 그림자로 인하여 차량의 모양을 왜곡시켜 부정확한 결과를 만든다. 때문에 그림자의 제거는 감시 영상 내에서의 정확한 객체 추출을 위해서 반드시 필요하다. 본 논문은 도로감시영상 내에서 움직이는 차량의 차종판별 성능을 향상시키기 위한 움직이는 객체 내에 만들어지는 그림자를 제거한다. 제거된 객체의 영역은 소실점을 이용하여 3차원 객체로 피팅(Fitting)한 후 측정된 데이터를 감독 학습하여 원하는 차종 판별결과를 얻는데 사용한다. 실험은 3가지 기계학습 방법{IBL, C4.5, NN(Neural Network)}을 이용하여 그림자의 제거가 차종의 판별성능에 미치는 결과의 평가한다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제21권3호
• /
• pp.1-10
• /
• 2015

최근 각광받고 있는 몰입감 있는 콘텐츠 소비 공간을 효율적으로 구축하기 위해서 전방 프로젝션 시스템이 많이 사용되고 있다. 하지만 전방 프로젝션 환경에서는 프로젝터와 투사면 사이에 사용자가 위치할 경우 그림자가 투사면 위에 나타나 중요한 정보를 가리거나 사용자의 몰입감을 저해한다. 이러한 이유로 전방 프로젝션 환경에서 그림자를 지우고자 하는 시도가 이전부터 있었다. 전방 프로젝션 환경에서 그림자를 지우는 방법은 생성된 그림자 영역을 다른 각도의 프로젝터를 이용하여 빛을 보정해주는 방식을 사용한다. 이 과정에서 그림자 영역을유추할때 정확도만을 추구하는 방법은 연산시간이 너무 오래 걸리게 되고, 단순하게 유추하는 방법은 불필요한 영역까지도 그림자 영역으로 유추하는단점이 존재한다. 따라서 본 논문에서는 깊이 카메라에서 획득할수 있는 스켈레톤 정보를 이용하여 계산량은 적지만 사용자가 생성해내는 그림자에 가까운 모양을유추하여 효과적으로 그림자를 지워주는 방법을 제안한다. 또한 사용자가 움직일때 생성되는 그림자의 잔상이 남지 않도록 디스턴스 필드(distance field)를 이용한 마스크 생성 방법을 제안한다.

• Journal of information and communication convergence engineering
• /
• 제4권3호
• /
• pp.123-129
• /
• 2006

The limited number of roads and the increasing number of vehicles demand the automatic regulation of overspeed vehicles, illegal vehicles, and overloaded vehicles and the automatic charge calculation depending on the type of the vehicle. To meet such requirements, it is important to remove the shadow of the vehicle as processing and recognizing an image captured by a camera. The shadow of the vehicle is likely to cause misclassification of the vehicle type due to diverse errors and mistakes occurring when detecting geometrical properties of the vehicle. In case that shadows of two different vehicles are overlapped, not only the type of the vehicles may be misclassified but also it is difficult to accurately identify the type of the vehicles. In this paper, we propose a robust algorithm to remove the shadow of a vehicle by calculating the luminance, the chrominance, the gradient density of the cast shadow from information acquired using the image subtraction of the background, and to recognize the substantial vehicle figure. Even when it is hard to detect and split a target vehicle from its shadow as shadows of vehicles are attached to each other, our robust algorithm can detect the vehicle figure only. We implemented our system with a general camera and conducted experiments on various vehicles on general roads to find out our vehicle shade removal algorithm is efficient when detecting and recognizing vehicles.

• 융합신호처리학회논문지
• /
• 제14권4호
• /
• pp.231-234
• /
• 2013

This paper introduces a mixture of background subtraction technique and K-Means clustering algorithm for removing shadows from video sequences. Lighting conditions cause an issue with segmentation. The proposed method can successfully eradicate artifacts associated with lighting changes such as highlight and reflection, and cast shadows of moving object from segmentation. In this paper, K-Means clustering algorithm is applied to the foreground, which is initially fragmented by background subtraction technique. The estimated shadow region is then superimposed on the background to eliminate the effects that cause redundancy in object detection. Simulation results depict that the proposed approach is capable of removing shadows and reflections from moving objects with an accuracy of more than 95% in every cases considered.

• 대한토목학회논문집
• /
• 제29권5D호
• /
• pp.635-644
• /
• 2009

외부 환경에서의 영상처리 기술은 외부환경에 매우 민감하여 외부환경이 급격하게 변화할 때마다 정확도가 많이 떨어지는 경향이 있다. 따라서 교통감시시스템으로 정확한 교통정보를 산출하기 위해서는 (여기서 교통감시시스템은 영상처리 기술을 이용하여 교통상황을 감시하는 시스템) '전이시간대의 그림자 제거', '야간에 차량 전조등에 의한 왜곡', '비', 눈, 그리고 안개에 의한 잡음', '폐색(occlusion)' 등을 필히 해결해야만 한다. 본 논문은 다양한 변화가 일어나는 실외환경에서 영상처리 기술을 이용하여 교통량, 속도, 점유시간을 산출하는 시스템을 개발하였다. 따라서, 시스템의 성능을 검증하기 위해 한국건설 기술연구원에서 운영하고 있는 곤지암 시험장에서 2008년 12월 16일부터 18일까지 교통량, 속도, 점유시간에 대해 4개차로 (상행 2차로, 하행 2차로)를 대상으로 평가하였다. 평가 방법은 기준데이터가 되는 레이더 검지기 데이터와 본 연구의 영상처리기술에 의해 산출된 데이터를 비교하는 방법으로 수행되었다. 평가 결과, 주간, 야간, 일출, 일몰 시간대 모두 교통량, 속도, 점유시간 산출 값이 기준데이터와 비교했을 때 약 92%에서 97%까지의 정확도가 있는 것으로 평가되었다.