• 방송공학회논문지
• /
• 제19권6호
• /
• pp.798-809
• /
• 2014

본 논문에서는 블랙박스 혹은 운전석에 장착된 카메라로부터 얻어진 차량 영상에 대한 영역별 수직 투영 히스토그램 매칭 및 선형 회귀분석 모델을 활용한 강건한 차량 운행 동영상의 안정화 기법을 제안한다. 동영상 안정화 기법은 영상의 흔들림 보정 뿐 아니라 동영상 내 강건한 특징점 추적 및 매칭을 위한 이전의 전처리 과정으로 활용된다. 일반적으로 촬영 과정에서 많은 떨림이 포함될 수 있는 야외 CCTV 영상이나 손으로 들고 촬영된 동영상에 대한 흔들림 보정 등에 적용되고 있으나 영상 내 특징점이 지속적으로 변하고 영상의 변화 정도가 매우 심한 차량 운행 동영상에서는 적용된 사례가 드물다. 본 연구에서는 일반적인 비디오 안정화 기술이 적용되기 어려운 차량 운행 동영상에 대하여 흔들림 보정을 위한 동영상 안정화 기법을 제안한다. 제안된 기법은 입력 영상에 대한 영역별 수직 투영 히스토그램 매칭을 수행하고 선형 회귀모델을 통해 영상에 나타나는 수직 및 회전 이동 변환을 선형 근사하여 시간 영역상에서의 입력 영상에 대한 안정화를 수행한다. 제안 방법의 검증을 위해 블랙박스로 촬영된 동영상에 동영상 안정화 기술을 적용하였으며, 운행 중 불규칙한 노면으로 인한 영상의 흔들림이 효과적으로 제거되는 것을 확인할 수 있었다.

• 해양환경안전학회지
• /
• 제13권4호
• /
• pp.55-63
• /
• 2007

집단감시 디지털 시스템(Group Digital Surveillance System for Fishery Safety and Security, GDSS-F2S)은 대단위 양식장에 침입하는 도적을 방어하기 위하여 물체 식별정보와 물체 추적정보를 제공하는 시스템이다. 그러나 GDSS-F2S에서 제공하는 이러한 두 가지 정보는 도적행위를 입증할 수 있는 법적 증거 자료로 미흡하다. 그래서 양식장의 지형을 고려한 도적행위의 유효한 대응책을 검토한 후, 하나의 해결방안으로 물체의 영상정보를 고려하였다. 앙식장을 침입하는 물체의 실시간 영상을 획득하기 위하여 0.0001 룩스(Lux)의 초저조도 CCD 카메라와 부가장치를 이용한 영상 획득 시스템을 구축하였다. 영상 획득 시스템을 부가한 GDSS-F2S의 현장실험 결과, 차량의 번호판과 외관, 사람의 행동과 특징 등을 주간은 물론 야간에도 선명하게 획득할 수 있었다. 따라서 영상획득 시스템을 부가하여 개선한 GDSS-F2S는 도적행위에 대한 충분한 법적 증거 제공이 가능하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (D)
• /
• pp.444-448
• /
• 2008

유비쿼터스 스마트 홈 (ubiquitous smart home) 은 인간과 홈의 컨텍스트(context) 정보를 이용하여 인간에게 자동적인 홈 서비스 (Home service)를 제공해줄 수 있는 미래의 환경이다. 인간의 위치와 모션은 유비쿼터스 스마트 홀에서 굉장히 중요한 컨텍스트이다. 본 논문은 유비쿼터스 스마트 홀에서 인간의 위치와 모션을 예측할 수 있는 실시간 휴먼 트랙커 (tracker)를 연구하였다. 실시간 휴먼 트랙커를 위해 우리는 4개의 네트워크 카메라를 사용하였다. 본 논문에서는 실시간 휴먼 트랙커의 구조를 설명하고, 인간의 위치와 모션을 자동적으로 예측 및 판단하는 알고리즘을 제안하였다. 인간 위치를 위해서 3개의 배경이미지를 이용하였다 (이미지1 : 빈 방, 이미지2: 가구 및 가전, 이미지3: 이미지 2 와 거주자를 포함). 실시간 휴먼 트랙커는 3개의 이미지를 비교하여 각 이미지로부터 추출되는 특징 값을 결정하고, 이들 특징 값을 SVM (Support Vector Machine)을 이용하여 각각의 모션을 예측하였다. 3 개의 배경 이미지를 이용한 인간 위치 인식실험은 평균 0.037 초가 소요되었다. SVM을 이용한 모션 인식 요소에서, 우리는 각 동작에 대하여 1000번씩 측정했고, 모든 모션의 정확도 평균은 86.5% 의 정확도를 보였다.

• 정보처리학회논문지A
• /
• 제16A권3호
• /
• pp.209-216
• /
• 2009

스마트 홈(smart home)은 인간과 홈의 컨텍스트(context) 정보를 이용하여 인간에게 자동적인 홈 서비스(Home service)를 제공해줄 수 있는 미래의 환경이다. 인간의 위치와 모션은 스마트 홈에서 굉장히 중요한 컨텍스트이다. 본 논문은 스마트 홈에서 인간의 위치와 모션을 예측할 수 있는 실시간 휴먼 트랙커(tracker)를 연구하였다. 실시간 휴먼 트랙커를 위해 4개의 네트워크 카메라를 사용하였다. 본 논문에서는 실시간 휴먼 트랙커의 구조를 설명하고, 인간의 위치와 모션을 자동적으로 예측 및 판단하는 알고리즘을 제안하였다. 인간 위치를 위해서 3개의 배경 이미지를 이용하였다(이미지1: 빈 방 이미지, 이미지2: 거주자가 제외 된 가구 및 가전 이미지, 이미지3: 전체 이미지). 실시간 휴먼 트랙커는 3개의 이미지를 비교하여 각 이미지로부터 추출되는 특징 값을 결정하고, 이들 특징 값을 SVM(Support Vector Machine)을 이용하여 각각의 모션을 예측하였다. 3개의 배경 이미지를 이용한 인간 위치 인식실험은 평균 0.037 초가 소요 되었다. SVM을 이용한 모션 인식 요소에서, 각 동작에 대하여 1000번씩 측정했고, 모든 모션의 정확도 평균은 86.5% 의 정확도를 보였다.

• 한국터널지하공간학회 논문집
• /
• 제19권1호
• /
• pp.95-107
• /
• 2017

본 논문에서는 제도적으로 운영 중인 터널내 CCTV들로부터 실시간으로 들어오는 영상들을 최신 딥러닝 알고리즘을 이용, 학습시켜 다양한 조건의 터널환경에서 돌발 상황을 감지하고 그 돌발 상황의 종류들을 분류해 내는 시스템 개발을 위한 사전검토 연구를 수행하였다. 사전검토 연구를 위해, 2개의 도로현장의 교통류 CCTV영상 일부를 이용하여 가용한 전통적인 영상처리기법으로 영상내부로 집입하는 차량을 감지하고, 이동경로를 추적하여 일정 시간간격의 이동 차량의 좌표와 시간정보를 추출하고 학습자료를 구성하였다. 각 차량의 이동정보는 차선변경, 정차 등 6가지의 이벤트 정보와 연계된다. 차량 이동정보와 이벤트로 구성된 학습자료는 레질리언스(resilience) 기계학습 알고리즘을 이용하여 학습하였다. 2개의 은닉층을 설정하고, 각 은닉층의 노드수에 대한 9개의 은닉구조 모델을 설정하여 매개변수 연구를 수행하였다. 본 사전검토의 경우에는 첫 번째, 두 번째 은닉층 노드수가 각각 300개와 150개로 설정된 모델이 합리적으로 가장 추론정확도가 높은 것으로 평가되었다. 이로부터 일반화되기 매우 힘든 복잡한 교통류 상황을 기계학습을 이용하여 어떠한 사전 규칙설정 없이도 교통류의 특징들을 정확히 자동으로 감지할 수 있는 가능성을 보였다. 본 시스템은 시스템의 운용을 통해 지속적으로 교통류 영상과 이벤트 정보가 늘어난다면, 자동으로 그 시스템의 인지능력과 정확도가 자동으로 향상되는 효과도 기대할 수 있다.