KR101038726B1 - High reliance auto surveillance method, device and system - Google Patents
High reliance auto surveillance method, device and system Download PDFInfo
- Publication number
- KR101038726B1 KR101038726B1 KR1020090023015A KR20090023015A KR101038726B1 KR 101038726 B1 KR101038726 B1 KR 101038726B1 KR 1020090023015 A KR1020090023015 A KR 1020090023015A KR 20090023015 A KR20090023015 A KR 20090023015A KR 101038726 B1 KR101038726 B1 KR 101038726B1
- Authority
- KR
- South Korea
- Prior art keywords
- object pixel
- brightness value
- pixel
- reference brightness
- value
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19604—Image analysis to detect motion of the intruder, e.g. by frame subtraction involving reference image or background adaptation with time to compensate for changing conditions, e.g. reference image update on detection of light level change
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/71—Circuitry for evaluating the brightness variation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
무인 감시 방법은 학습 기간 동안에 입력되는 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 측정하는 단계, 측정되는 밝기 값이 기 설정된 밝기 구간에서 어떻게 분포되는지를 나타내는 통계 모델을 생성하는 단계, 통계 모델에 기초하여 픽셀들 각각에 대한 기준 밝기 값을 계산하는 단계, 통계 모델에 기초하여 픽셀들 각각에 대한 기준 밝기 표준 편차를 계산하는 단계, 학습 기간 이후에 입력되는 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 재측정하는 단계, 기준 밝기 값, 기준 밝기 표준 편차 및 재측정되는 밝기 값을 기초로 객체 픽셀들을 검출하여 객체 픽셀 영역을 추출하는 단계 및 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단하는 단계를 포함한다.The unattended monitoring method includes measuring a brightness value of each pixel for each frame of an input image during a learning period, generating a statistical model indicating how the measured brightness value is distributed in a predetermined brightness interval, Calculating a reference brightness value for each of the pixels based on each other; calculating a reference brightness standard deviation for each of the pixels based on a statistical model; brightness of each pixel in every frame of the image input after the learning period Extracting the object pixel region by detecting the object pixels based on the re-measuring value, the reference brightness value, the reference brightness standard deviation, and the re-measured brightness value, and determining whether the object pixel area corresponds to the monitoring object. Steps.
Description
본 발명은 무인 감시 방법, 무인 감시 장치 및 무인 감시 시스템에 관한 것으로, 보다 상세하게는 높은 신뢰도를 갖는 무인 감시 방법, 무인 감시 장치 및 무인 감시 시스템에 관한 것이다.The present invention relates to an unmanned monitoring method, an unmanned monitoring device and an unmanned monitoring system, and more particularly, to an unmanned monitoring method, an unmanned monitoring device and an unmanned monitoring system having a high reliability.
무인 감시 시스템은 관리자의 지속적인 감시가 어려운 환경에서 대상물을 감시하기 위하여 사용되는 장치로서 그 목적에 따라 요구되는 기능이 다양하다. 예를 들어, 화재를 감시하는 무인 감시 시스템에서는 화재의 발생 여부를 확인할 수 있도록 화재에서 발생되는 적외선 등을 감지할 수 있는 기능이 요구된다.Unmanned surveillance system is a device used to monitor an object in an environment where it is difficult for the administrator to continuously monitor, and there are various functions required for its purpose. For example, in an unmanned surveillance system that monitors a fire, a function of detecting infrared rays generated from a fire is required to determine whether a fire has occurred.
반면에, 감시 목적물(예를 들어, 사람)의 침입을 감시하는 무인 감시 시스템에서는 감시 목적물의 침입 여부를 확인하기 위하여 다양한 환경 조건 하에서 감시 목적물을 검출할 수 있는 기능이 요구되는데, 특히, 군사용으로 사용되는 무인 감시 시스템의 경우에는 감시 목적물의 침입 경보를 정확하게 발생시킬 수 있는 기능이 요구된다.On the other hand, an unmanned surveillance system that monitors the intrusion of a monitoring object (eg, a person) requires a function that can detect the monitoring object under various environmental conditions in order to confirm whether the monitoring object is invaded. For unmanned surveillance systems used, the ability to accurately generate intrusion alarms for surveillance objects is required.
일반적으로, 감시 목적물의 침입을 감시하는 무인 감시 시스템에서는 감시 목적물을 검출하기 위하여 배경 제거를 이용하는 방법을 사용하고 있다. 이러한 배경 제거를 이용하는 방법은 색상 정보, 기준 이미지, 영상 내의 움직임 정보 등을 이용하는 것으로서 감시 카메라를 이용하여 일정한 배경(background)에서 움직이는 객체(object)를 추출한 후, 움직이는 객체를 다시 감시 목적물과 그 밖의 물체(움직이는 동물, 흔들리는 나뭇가지 등)로 구분한다.In general, an unmanned surveillance system that monitors the intrusion of a surveillance object uses a method of using background removal to detect the surveillance object. This method of background removal uses color information, reference image, motion information in the image, and extracts a moving object from a certain background using a surveillance camera, and then moves the moving object to a surveillance object and other objects. Identify objects (moving animals, swaying branches, etc.).
그러나, 배경 제거를 이용하는 종래의 방법은 바람에 의한 카메라 흔들림, 급격한 조도 변화 등과 같은 외부 노이즈에 취약하고, 감시 목적물(예를 들어, 사람)을 정확하게 구분하지 못하여 잘못된 경보를 발생시키는 문제점이 있다.However, the conventional method using background removal has a problem of being vulnerable to external noises such as camera shake caused by wind, sudden changes in illuminance, etc., and failing to accurately distinguish a monitoring target (eg, a person), causing false alarms.
상술한 문제점을 해결하기 위하여, 본 발명의 일 목적은 바람에 의한 카메라 흔들림, 급격한 조도 변화 등과 같은 외부 노이즈에 강한 특성을 갖고, 감시 목적물(예를 들어, 사람)을 정확하게 구분할 수 있는 무인 감시 방법을 제공하는 것이다.In order to solve the above problems, an object of the present invention is an unmanned monitoring method that has a strong characteristic against external noise, such as camera shake caused by wind, sudden changes in illumination, and can accurately distinguish the monitoring targets (for example, people). To provide.
본 발명의 다른 목적은 바람에 의한 카메라 흔들림, 급격한 조도 변화 등과 같은 외부 노이즈에 강한 특성을 갖고, 감시 목적물(예를 들어, 사람)을 정확하게 구분할 수 있는 무인 감시 장치를 제공하는 것이다.Another object of the present invention is to provide an unmanned monitoring apparatus that has a strong characteristic against external noise such as camera shake caused by wind, a sudden change in illuminance, etc., and which can accurately distinguish a monitoring target (for example, a person).
본 발명의 또 다른 목적은 바람에 의한 카메라 흔들림, 급격한 조도 변화 등과 같은 외부 노이즈에 강한 특성을 갖고, 감시 목적물(예를 들어, 사람)을 정확하게 구분할 수 있는 무인 감시 장치를 포함하는 무인 감시 시스템을 제공하는 것이다.It is still another object of the present invention to provide an unmanned surveillance system including an unmanned surveillance apparatus having a strong characteristic against external noise such as camera shake caused by wind and sudden changes in illuminance, and capable of accurately distinguishing a surveillance object (for example, a person). To provide.
다만, 본 발명이 해결하고자 하는 과제는 상기에서 언급된 기술적 과제로 제한되는 것은 아니며, 상기에서 언급되지 않은 다른 기술적 과제들은 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 당업자에게 명확하게 이해될 수 있을 것이다.However, the problem to be solved by the present invention is not limited to the above-mentioned technical problem, and other technical problems not mentioned above may be clearly understood by those skilled in the art without departing from the spirit and scope of the present invention. There will be.
상술한 본 발명의 일 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 무인 감시 방법은 학습 기간 동안에 입력되는 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 측정하는 단계, 상기 측정되는 밝기 값이 기 설정된 밝기 구간에서 어떻게 분포되는지를 나타내는 통계 모델을 생성하는 단계, 상기 통계 모델에 기초하여 상기 픽셀들 각각에 대한 기준 밝기 값을 계산하는 단계, 상기 통계 모델에 기초하여 상기 픽셀들 각각에 대한 기준 밝기 표준 편차를 계산하는 단계, 상기 학습 기간 이후에 입력되는 영상의 매 프레임마다 상기 픽셀들 각각의 밝기 값을 재측정하는 단계, 상기 기준 밝기 값, 상기 기준 밝기 표준 편차 및 상기 재측정되는 밝기 값을 기초로 객체 픽셀들을 검출하여 객체 픽셀 영역을 추출하는 단계 및 상기 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단하는 단계를 포함할 수 있다.In order to achieve the above object of the present invention, in the unattended monitoring method according to an embodiment of the present invention, the step of measuring the brightness value of each pixel of each frame of the input image during the learning period, the measured brightness value Generating a statistical model indicating how to be distributed in the predetermined brightness interval, calculating a reference brightness value for each of the pixels based on the statistical model, and for each of the pixels based on the statistical model Calculating a reference brightness standard deviation, re-measuring a brightness value of each of the pixels every frame of the image input after the learning period, the reference brightness value, the reference brightness standard deviation, and the re-measured brightness Extracting an object pixel region by detecting object pixels based on a value, and monitoring the object pixel region It may include determining whether it corresponds to the target.
상기 무인 감시 방법의 실시예에 의하면, 상기 기준 밝기 값을 계산하는 단계는 상기 통계 모델 상에서 상기 측정되는 밝기 값이 분포되어 있는 상기 밝기 구간의 평균값을 계산하여 상기 계산된 평균값을 상기 기준 밝기 값으로 결정하는 단계를 포함할 수 있다.According to an embodiment of the unattended monitoring method, the step of calculating the reference brightness value may include calculating the average value of the brightness intervals in which the measured brightness value is distributed on the statistical model and converting the calculated average value into the reference brightness value. Determining may include.
상기 무인 감시 방법의 실시예에 의하면, 상기 기준 밝기 값을 계산하는 단계는 상기 재측정되는 밝기 값에 기초하여 상기 기준 밝기 값을 갱신하는 단계를 더 포함할 수 있다.According to an embodiment of the unattended monitoring method, the calculating of the reference brightness value may further include updating the reference brightness value based on the measured brightness value again.
상기 무인 감시 방법의 실시예에 의하면, 상기 기준 밝기 값을 갱신하는 단계는 아래 [수식 1]을 이용하여 상기 기준 밝기 값을 갱신하는 단계를 포함할 수 있다.According to an embodiment of the unattended monitoring method, updating the reference brightness value may include updating the reference brightness value using Equation 1 below.
[수식 1][Equation 1]
(단, 은 갱신 이전의 기준 밝기 값이고, 는 갱신 이후의 기준 밝기 값이며, 는 재측정되는 밝기 값이고, 는 0에서 1 사이의 값을 갖는 학습 변수이다.)(only, Is the reference brightness value before the update, Is the reference brightness value after the renewal, Is the brightness value to be remeasured, Is a learning variable with a value between 0 and 1.)
상기 무인 감시 방법의 실시예에 의하면, 상기 기준 밝기 표준 편차를 계산하는 단계는 아래 [수식 2]를 이용하여 상기 기준 밝기 표준 편차를 결정하는 단계를 포함할 수 있다.According to an embodiment of the unattended monitoring method, the step of calculating the reference brightness standard deviation may include determining the reference brightness standard deviation using Equation 2 below.
[수식 2][Equation 2]
(단, 은 통계 모델 상에서 측정되는 밝기 값이 분포되어 있는 가장 좌측의 밝기 구간의 값이고, 은 통계 모델 상에서 측정되는 밝기 값이 분포되어 있는 가장 우측의 밝기 구간의 값이며, 는 기준 밝기 표준 편차이고, 는 기준 밝기 값이다.)(only, Is the value of the leftmost brightness interval where the brightness values measured on the statistical model are distributed, Is the value of the rightmost brightness interval where the brightness values measured on the statistical model are distributed. Is the reference brightness standard deviation, Is the reference brightness value.)
상기 무인 감시 방법의 실시예에 의하면, 상기 객체 픽셀 영역을 추출하는 단계는 상기 밝기 값이 재측정되는 픽셀이 상기 객체 픽셀로 판단되는 경우에는 제거하지 않고, 상기 밝기 값이 재측정되는 픽셀이 상기 객체 픽셀로 판단되지 않는 경우에는 제거하여 객체 픽셀 지도를 생성할 수 있다.According to an embodiment of the unattended monitoring method, the step of extracting the object pixel region does not remove when the pixel for which the brightness value is remeasured is determined as the object pixel, and the pixel for which the brightness value is remeasured is removed. If it is not determined to be an object pixel, the object pixel map may be generated by removing the object pixel.
상기 무인 감시 방법의 실시예에 의하면, 상기 객체 픽셀 영역을 추출하는 단계는 아래 [수식 3]을 이용하여 상기 밝기 값이 재측정되는 픽셀이 상기 객체 픽셀로 판단되는지 여부를 결정하여 이진값 0 및 1로 표현되는 상기 객체 픽셀 지도를 생성하는 단계를 포함할 수 있다.According to an embodiment of the unattended monitoring method, the step of extracting the object pixel region may determine whether the pixel for which the brightness value is re-measured is determined as the object pixel using Equation 3 below to determine a binary value of 0 and The method may include generating the object pixel map represented by one.
[수식 3][Equation 3]
(단, 는 객체 픽셀이고, 는 재측정되는 밝기 값이며, 는 기준 밝기 값이고, 는 기준 밝기 표준 편차이다.)(only, Is the object pixel, Is the brightness value to be remeasured, Is the reference brightness value, Is the standard brightness standard deviation.)
상기 무인 감시 방법의 실시예에 의하면, 상기 객체 픽셀 영역을 추출하는 단계는 아래 [수식 4]를 이용하여 상기 객체 픽셀 지도를 수정하는 단계를 더 포함할 수 있다.According to an embodiment of the unattended monitoring method, extracting the object pixel region may further include modifying the object pixel
[수식 4][Equation 4]
(단, 는 객체 픽셀이고, 는 비용 함수이며, 는 0에서 1 사이의 값을 갖는 가중치이고, 는 객체 픽셀 영역 에서의 이진값 1과 0의 변화 주기이며, 는 해당 픽셀이 속한 연결 성분의 크기이고, 는 해당 픽셀을 중심으로 주변의 서로 다른 연결 성분의 개수이다.)(only, Is the object pixel, Is a cost function, Is a weight with a value between 0 and 1, Is the object pixel area Period of change of
상기 무인 감시 방법의 실시예에 의하면, 상기 객체 픽셀 영역을 추출하는 단계는 상기 객체 픽셀 영역에서 이진값이 1인 제 1 픽셀과 제 2 픽셀 사이의 거리가 기 설정된 거리보다 작은 경우에 상기 제 1 픽셀과 상기 제 2 픽셀 사이의 제 3 픽셀들의 이진값을 1로 변경하여 상기 객체 픽셀 지도를 보정하는 단계를 더 포함할 수 있다.The extracting of the object pixel region may include extracting the object pixel region when the distance between the first pixel and the second pixel having a binary value of 1 is smaller than a preset distance in the object pixel region. The method may further include correcting the object pixel map by changing a binary value of the third pixels between the pixel and the second pixel to 1.
상기 무인 감시 방법의 실시예에 의하면, 상기 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단하는 단계는 상기 객체 픽셀 영역에 대하여 성형 골격화 알고리즘(star skeletonization algorithm)을 적용하는 단계를 포함할 수 있다.According to an embodiment of the unmanned monitoring method, determining whether the object pixel region corresponds to a monitoring target may include applying a star skeletonization algorithm to the object pixel region. .
상기 무인 감시 방법의 실시예에 의하면, 상기 성형 골격화 알고리즘을 적용하는 단계는 아래 [수식 5]를 이용하여 상기 객체 픽셀 영역의 중심을 계산하는 단계, 아래 [수식 6]을 이용하여 상기 객체 픽셀 영역의 경계에 위치하는 경계 픽셀과 상기 중심 간의 거리를 계산하는 단계, 상기 경계 픽셀과 상기 중심 간의 거리가 상기 경계 픽셀의 개수만큼의 주기를 갖는다고 가정한 제 1 거리 신호에 대하여 이산 푸리에 변환(Discrete Fourier Transform)을 수행하는 단계, 상기 이산 푸리에 변환이 수행된 제 1 거리 신호에 대하여 저역 통과 필터링(Low Pass Filtering)을 수행하는 단계, 상기 저역 통과 필터링된 제 1 거리 신호에 대하여 역 이산 푸리에 변환(Inverse Discrete Fourier Transform)을 수행하여 제 2 거리 신호를 생성하는 단계, 아래 [수식 7]을 이용하여 상기 객체 픽셀 영역에서 돌출 지점을 검출하는 단계 및 상기 돌출 지점 간의 위치 관계를 이용하여 상기 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단하는 단계를 포함할 수 있다.According to an embodiment of the unattended monitoring method, the step of applying the shaping skeletonization algorithm is to calculate the center of the object pixel region using Equation 5 below, the object pixel using Equation 6 below. Calculating a distance between the boundary pixel located at the boundary of the region and the center, and performing a discrete Fourier transform on the first distance signal assuming that the distance between the boundary pixel and the center has a period equal to the number of the boundary pixels. Performing Discrete Fourier Transform), performing low pass filtering on the first distance signal on which the Discrete Fourier Transform is performed, and inverse discrete Fourier transform on the low pass filtered first distance signal (Inverse Discrete Fourier Transform) to generate a second distance signal, the object pixel using the following Equation 7 The step of detecting the projecting point at the station and the object pixel area by using the positional relationship between the projection point may comprise determining whether to monitor the target substance.
[수식 5][Equation 5]
(단, 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀의 개수이고, 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀의 좌표이며, )는 객체 픽셀 영역의 중심의 좌표이다.)(only, Is the number of boundary pixels located at the boundary of the object pixel area, Is the coordinate of the boundary pixel at the boundary of the object pixel region, ) Is the coordinate of the center of the object pixel area.)
[수식 6][Equation 6]
(단, 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀과 객체 픽셀 영역의 중심 간의 거리이고, 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀의 좌표이며, )는 객체 픽셀 영역의 중심의 좌표이다.)(only, Is the distance between the boundary pixel located at the boundary of the object pixel region and the center of the object pixel region, Is the coordinate of the boundary pixel at the boundary of the object pixel region, ) Is the coordinate of the center of the object pixel area.)
[수식 7][Formula 7]
(단, , , 은 제 2 거리 신호이고, 는 1인 경우에 돌출 지점임을 나타낸다.)(only, , , Is the second distance signal, Indicates a protruding point if 1)
상기 무인 감시 방법의 실시예에 의하면, 상기 감시 목적물에 해당하는지 여부를 판단하는 단계는 상기 감시 목적물의 자세에 기인한 상기 돌출 지점 간의 각도 차이에 기초하여 상기 객체 픽셀 영역이 상기 감시 목적물에 해당하는지 여부를 판단할 수 있다.According to an embodiment of the unattended monitoring method, determining whether the object corresponds to the monitoring object includes whether the object pixel area corresponds to the monitoring object based on an angle difference between the protruding points due to the attitude of the monitoring object. It can be determined.
상술한 본 발명의 다른 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 무인 감시 장치는 학습 기간 동안에 입력되는 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 측정하여 상기 측정되는 밝기 값이 기 설정된 밝기 구간에서 어떻게 분포되는지를 나타내는 통계 모델을 생성하는 통계 모델 생성부, 상기 통계 모델에 기초하여 상기 픽셀들 각각에 대한 기준 밝기 값 및 상기 픽셀들 각각에 대한 기준 밝기 표준 편차를 계산하는 기준 밝기 정보 연산부, 상기 기준 밝기 값, 상기 기준 밝기 표준 편차 및 상기 학습 기간 이후에 입력되는 영상의 매 프레임마다 재측정된 상기 픽셀들 각각의 밝기 값에 기초하여 객체 픽셀 영역을 추출하는 객체 픽셀 영역 추출부 및 상기 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단하는 객체 픽셀 영역 판단부를 포함할 수 있다.In order to achieve the above object of the present invention, the unmanned monitoring apparatus according to an embodiment of the present invention measures the brightness value of each pixel for every frame of the image input during the learning period, and the measured brightness value is measured. A statistical model generator for generating a statistical model indicating how to be distributed in a set brightness range, a reference brightness value for calculating a reference brightness value for each of the pixels and a reference brightness standard deviation for each of the pixels, based on the statistical model An information pixel unit extracting an object pixel region based on an information calculator, the reference brightness value, the reference brightness standard deviation, and a brightness value of each of the pixels re-measured every frame of the image input after the learning period And an object pixel region for determining whether the object pixel region corresponds to a surveillance object. It may include an end.
상기 무인 감시 장치의 실시예에 의하면, 상기 기준 밝기 정보 연산부는 상기 통계 모델 상에서 상기 측정되는 밝기 값이 분포되어 있는 상기 밝기 구간의 평균값을 계산하여 상기 계산된 평균값을 상기 기준 밝기 값으로 결정하는 기준 밝기 값 결정부 및 아래 [수식 2]를 이용하여 상기 기준 밝기 표준 편차를 결정하는 기준 밝기 표준 편차 결정부를 포함할 수 있다.According to the exemplary embodiment of the unmanned monitoring device, the reference brightness information calculating unit calculates an average value of the brightness intervals in which the measured brightness values are distributed on the statistical model to determine the calculated average value as the reference brightness value. And a reference brightness standard deviation determiner configured to determine the reference brightness standard deviation using a brightness value determiner and Equation 2 below.
[수식 2][Equation 2]
(단, 은 통계 모델 상에서 측정되는 밝기 값이 분포되어 있는 가장 좌측의 밝기 구간의 값이고, 은 통계 모델 상에서 측정되는 밝기 값이 분포되어 있는 가장 우측의 밝기 구간의 값이며, 는 기준 밝기 표준 편차이고, 는 기준 밝기 값이다.)(only, Is the value of the leftmost brightness interval where the brightness values measured on the statistical model are distributed, Is the value of the rightmost brightness interval where the brightness values measured on the statistical model are distributed. Is the reference brightness standard deviation, Is the reference brightness value.)
상기 무인 감시 장치의 실시예에 의하면, 상기 기준 밝기 정보 연산부는 상기 재측정되는 밝기 값에 기초하여 상기 기준 밝기 값을 갱신하는 기준 밝기 값 갱신부를 더 포함할 수 있다.According to an embodiment of the unmanned monitoring device, the reference brightness information calculating unit may further include a reference brightness value updating unit for updating the reference brightness value based on the re-measured brightness value.
상기 무인 감시 장치의 실시예에 의하면, 상기 기준 밝기 값 갱신부는 아래 [수식 1]을 이용하여 상기 기준 밝기 값을 갱신할 수 있다.According to an embodiment of the unmanned monitoring device, the reference brightness value updating unit may update the reference brightness value using Equation 1 below.
[수식 1][Equation 1]
(단, 은 갱신 이전의 기준 밝기 값이고, 는 갱신 이후의 기준 밝기 값이며, 는 재측정되는 밝기 값이고, 는 0에서 1 사이의 값을 갖는 학습 변수이다.)(only, Is the reference brightness value before the update, Is the reference brightness value after the renewal, Is the brightness value to be remeasured, Is a learning variable with a value between 0 and 1.)
상기 무인 감시 장치의 실시예에 의하면, 상기 객체 픽셀 영역 추출부는 상기 밝기 값이 재측정되는 픽셀이 상기 객체 픽셀로 판단되는 경우에는 제거하지 않 고, 상기 밝기 값이 재측정되는 픽셀이 상기 객체 픽셀로 판단되지 않는 경우에는 제거하여 객체 픽셀 지도를 생성할 수 있다.According to an embodiment of the unmanned monitoring device, the object pixel region extracting unit does not remove when the pixel for which the brightness value is remeasured is determined as the object pixel, and the pixel for which the brightness value is remeasured is the object pixel. If not determined, the object pixel map may be generated by removing the object pixel map.
상기 무인 감시 장치의 실시예에 의하면, 상기 객체 픽셀 영역 추출부는 아래 [수식 3]을 이용하여 상기 밝기 값이 재측정되는 픽셀이 상기 객체 픽셀로 판단되는지 여부를 결정하고 이진값 0 및 1로 표현되는 상기 객체 픽셀 지도를 생성하는 객체 픽셀 지도 생성부를 포함할 수 있다.According to an embodiment of the unmanned monitoring device, the object pixel region extraction unit determines whether the pixel whose brightness value is remeasured is determined as the object pixel by using Equation 3 below, and represents
[수식 3][Equation 3]
(단, 는 객체 픽셀이고, 는 재측정되는 밝기 값이며, 는 기준 밝기 값이고, 는 기준 밝기 표준 편차이다.)(only, Is the object pixel, Is the brightness value to be remeasured, Is the reference brightness value, Is the standard brightness standard deviation.)
상기 무인 감시 장치의 실시예에 의하면, 상기 객체 픽셀 영역 추출부는 아래 [수식 4]를 이용하여 상기 객체 픽셀 지도를 수정하는 객체 픽셀 지도 수정부를 더 포함할 수 있다.According to an embodiment of the unmanned monitoring device, the object pixel region extraction unit may further include an object pixel map correction unit that modifies the object pixel
[수식 4][Equation 4]
(단, 는 객체 픽셀이고, 는 비용 함수이며, 는 0에서 1 사이의 값을 갖는 가중치이고, 는 객체 픽셀 영역 에서의 이진값 1과 0의 변화 주기이며, 는 해당 픽셀이 속한 연결 성분의 크기이고, 는 해당 픽셀을 중심으로 주변의 서로 다른 연결 성분의 개수이다.)(only, Is the object pixel, Is a cost function, Is a weight with a value between 0 and 1, Is the object pixel area Period of change of
상기 무인 감시 장치의 실시예에 의하면, 상기 객체 픽셀 영역 추출부는 상기 객체 픽셀 영역에서 이진값이 1인 제 1 픽셀과 제 2 픽셀 사이의 거리가 기 설정된 거리보다 작은 경우에 상기 제 1 픽셀과 상기 제 2 픽셀 사이의 제 3 픽셀들의 이진값을 1로 변경하여 상기 객체 픽셀 지도를 보정하는 객체 픽셀 지도 보정부를 더 포함할 수 있다.According to an embodiment of the unmanned monitoring device, the object pixel region extracting unit is the first pixel and the second when the distance between the first pixel and the second pixel having a binary value of 1 is smaller than a predetermined distance in the object pixel region. The apparatus may further include an object pixel map correction unit configured to change the binary value of the third pixels between the second pixels to 1 to correct the object pixel map.
상기 무인 감시 장치의 실시예에 의하면, 상기 객체 픽셀 영역 판단부는 상기 객체 픽셀 영역에 대하여 성형 골격화 알고리즘을 적용할 수 있다.According to the exemplary embodiment of the unmanned monitoring apparatus, the object pixel region determiner may apply a shaping skeletonization algorithm to the object pixel region.
상기 무인 감시 장치의 실시예에 의하면, 상기 객체 픽셀 영역 판단부는 아래 [수식 5]를 이용하여 상기 객체 픽셀 영역의 중심을 계산하는 객체 픽셀 영역 중심 연산부, 아래 [수식 6]을 이용하여 상기 객체 픽셀 영역의 경계에 위치하는 경계 픽셀과 상기 중심 간의 거리를 계산하는 중심 거리 연산부, 상기 경계 픽셀과 상기 중심 간의 거리가 상기 경계 픽셀의 개수만큼의 주기를 갖는다고 가정한 제 1 거리 신호에 대하여 이산 푸리에 변환을 수행하는 이산 푸리에 변환부, 상기 이산 푸리에 변환이 수행된 제 1 거리 신호에 대하여 저역 통과 필터링을 수행하는 저역 통과 필터부, 상기 저역 통과 필터링된 제 1 거리 신호에 대하여 역 이산 푸리에 변환을 수행하여 제 2 거리 신호를 생성하는 역 이산 푸리에 변환부, 아래 [수식 7]을 이용하여 상기 객체 픽셀 영역에서 돌출 지점을 검출하는 돌출 지점 검출부 및 상기 돌출 지점 간의 위치 관계를 이용하여 상기 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단하는 감시 목적물 판단부를 포함할 수 있다.According to the embodiment of the unmanned monitoring device, the object pixel region determination unit is an object pixel region center calculation unit for calculating the center of the object pixel region using Equation 5 below, the object pixel using Equation 6 below A center distance calculator which calculates a distance between a boundary pixel located at a boundary of an area and the center; a discrete Fourier for a first distance signal assuming that the distance between the boundary pixel and the center has a period equal to the number of the boundary pixels A discrete Fourier transform unit for performing a transform, a low pass filter unit performing low pass filtering on the first distance signal on which the discrete Fourier transform is performed, and an inverse discrete Fourier transform on the low pass filtered first distance signal An inverse discrete Fourier transform unit generating a second distance signal by using the following equation Using the positional relationship between the projection point and the detector for detecting the projected point projected points in a region where the object pixel region may comprise monitoring whether the target substance is determined that the monitoring target determining portion.
[수식 5][Equation 5]
(단, 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀의 개수이고, 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀의 좌표이며, )는 객체 픽셀 영역의 중심의 좌표이다.)(only, Is the number of boundary pixels located at the boundary of the object pixel area, Is the coordinate of the boundary pixel at the boundary of the object pixel region, ) Is the coordinate of the center of the object pixel area.)
[수식 6][Equation 6]
(단, 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀과 객체 픽셀 영역의 중심 간의 거리이고, 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀의 좌표이며, 는 객체 픽셀 영역의 중심의 좌표이다.)(only, Is the distance between the boundary pixel located at the boundary of the object pixel region and the center of the object pixel region, Is the coordinate of the boundary pixel at the boundary of the object pixel region, Is the coordinate of the center of the object pixel area.)
[수식 7][Formula 7]
(단, , , 은 제 2 거리 신호이고, 는 1인 경우에 돌출 지점임을 나타낸다.)(only, , , Is the second distance signal, Indicates a protruding point if 1)
상기 무인 감시 장치의 실시예에 의하면, 상기 감시 목적물 판단부는 상기 감시 목적물의 자세에 기인한 상기 돌출 지점 간의 각도 차이에 기초하여 상기 객체 픽셀 영역이 상기 감시 목적물에 해당하는지 여부를 판단할 수 있다.According to an embodiment of the unmanned monitoring device, the monitoring object determination unit may determine whether the object pixel region corresponds to the monitoring object based on an angle difference between the protruding points due to the attitude of the monitoring object.
상술한 본 발명의 또 다른 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 무인 감시 시스템은 일정 구역을 촬영하여 상기 구역에 대한 촬영 영상을 전송하는 감시 카메라, 상기 촬영 영상을 수신하여 감시 목적물이 출현했는지를 감시하는 무인 감시 장치 및 상기 무인 감시 장치에 의하여 상기 감시 목적물이 출현했다고 판단되는 경우 경보를 발생시키는 경보 장치를 포함하고, 상기 무인 감시 장치는 학습 기간 동안에 입력되는 상기 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 측정하여 상기 측정되는 밝기 값이 기 설정된 밝기 구간에서 어떻게 분포되는지를 나타내는 통계 모델을 생성하는 통계 모델 생성부, 상기 통계 모델에 기초하여 상기 픽셀들 각각에 대한 기준 밝기 값 및 상기 픽셀들 각각에 대한 기준 밝기 표준 편차를 계산하는 기준 밝기 연산부, 상기 기준 밝기 값, 상기 기준 밝기 표준 편차 및 상기 학습 기간 이후에 입력되는 영상의 매 프레임마다 재측정된 상기 픽셀들 각각의 밝기 값에 기초하여 객체 픽셀 영역을 추출하는 객체 픽셀 영역 추출부 및 상기 객체 픽셀 영역이 상기 감시 목적물에 해당하는지 여부를 판단하는 객체 픽셀 영역 판단부를 포함할 수 있다.In order to achieve the above object of the present invention, an unmanned surveillance system according to an embodiment of the present invention is a surveillance camera for photographing a certain area and transmitting a captured image of the zone, receiving the captured image for the surveillance object And an unattended monitoring device for monitoring whether or not the appearance has occurred, and an alarm device for generating an alarm when the unmanned monitoring device determines that the monitoring object has appeared, wherein the unattended monitoring device includes every frame of the video input during the learning period. A statistical model generator configured to measure a brightness value of each pixel of each pixel to generate a statistical model indicating how the measured brightness value is distributed in a predetermined brightness interval; a reference brightness for each of the pixels based on the statistical model Calculate a value and a reference brightness standard deviation for each of the pixels A quasi-brightness calculator, an object pixel region extraction for extracting an object pixel region based on the reference brightness value, the reference brightness standard deviation, and the brightness value of each of the pixels re-measured every frame of the image input after the learning period. And an object pixel region determiner configured to determine whether the object pixel region corresponds to the monitoring target.
상술한 본 발명의 또 다른 목적을 달성하기 위하여, 본 발명의 다른 실시예에 따른 무인 감시 시스템은 일정 구역에 대한 촬영 영상을 기초로 감시 목적물이 출현했는지를 감시하는 무인 감시 장치를 구비한 일체형 감시 카메라 및 상기 일체형 감시 카메라에 의하여 상기 감시 목적물이 출현했다고 판단되는 경우 경보를 발생시키는 경보 장치를 포함하고, 상기 무인 감시 장치는 학습 기간 동안에 입력되는 상기 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 측정하여 상기 측정되는 밝기 값이 기 설정된 밝기 구간에서 어떻게 분포되는지를 나타내는 통계 모델을 생성하는 통계 모델 생성부, 상기 통계 모델에 기초하여 상기 픽셀들 각각에 대한 기준 밝기 값 및 상기 픽셀들 각각에 대한 기준 밝기 표준 편차를 계산하는 기준 밝기 연산부, 상기 기준 밝기 값, 상기 기준 밝기 표준 편차 및 상기 학습 기간 이후에 입력되는 영상의 매 프레임마다 재측정된 상기 픽셀들 각각의 밝기 값에 기초하여 객체 픽셀 영역을 추출하는 객체 픽셀 영역 추출부 및 상기 객체 픽셀 영역이 상기 감시 목적물에 해당하는지 여부를 판단하는 객체 픽셀 영역 판단부를 포함할 수 있다.In order to achieve the another object of the present invention described above, the unmanned surveillance system according to another embodiment of the present invention is an integrated surveillance with an unmanned surveillance device for monitoring whether the surveillance object has appeared based on the captured image of a certain area. And an alarm device for generating an alarm when it is determined by the camera and the integrated surveillance camera that the monitoring object has appeared, wherein the unattended monitoring device includes brightness values of respective pixels in every frame of the image input during a learning period. A statistical model generator for generating a statistical model indicating how the measured brightness value is distributed in a predetermined brightness interval, a reference brightness value for each of the pixels and a reference brightness value for each of the pixels based on the statistical model A reference brightness calculation unit for calculating a reference brightness standard deviation, the reference An object pixel region extraction unit and the object pixel region extracting an object pixel region based on a predetermined value, the reference brightness standard deviation, and a brightness value of each of the pixels re-measured every frame of the image input after the learning period It may include an object pixel area determination unit for determining whether or not corresponds to the monitoring object.
본 발명의 실시예들에 따른 무인 감시 방법은 밝기 정보만을 이용하여 배경을 효과적으로 제거함으로써 외부 노이즈의 영향을 최소화하면서 주간 및 야간에 움직임을 갖는 복수의 객체를 효과적으로 추출할 수 있으며, 추출된 객체에 대하여 성형 골격화 알고리즘을 적용함으로써 감시 목적물(예를 들어, 사람)을 효과적으로 구분할 수 있다.The unattended monitoring method according to the embodiments of the present invention can effectively extract a plurality of objects having movements during the day and night while minimizing the influence of external noise by effectively removing the background using only brightness information. By applying a molded skeletal algorithm to the monitoring targets (e.g., people) can be effectively distinguished.
또한, 본 발명의 실시예들에 따른 무인 감시 장치는 밝기 정보만을 이용하여 배경을 효과적으로 제거함으로써 외부 노이즈의 영향을 최소화하면서 주간 및 야간에 움직임을 갖는 복수의 객체를 효과적으로 추출할 수 있고, 추출된 객체에 대하여 성형 골격화 알고리즘을 적용함으로써 감시 목적물(예를 들어, 사람)을 정확하게 구분할 수 있다.In addition, the unmanned surveillance apparatus according to the embodiments of the present invention can effectively extract a plurality of objects having movements during the day and night while minimizing the influence of external noise by effectively removing the background using only brightness information. By applying a shaping skeletal algorithm to the object, it is possible to accurately identify the surveillance object (eg, a person).
또한, 본 발명의 실시예들에 따른 무인 감시 시스템은 밝기 정보만을 이용하여 배경을 효과적으로 제거함으로써 외부 노이즈의 영향을 최소화하면서 주간 및 야간에 움직임을 갖는 복수의 객체를 효과적으로 추출할 수 있고, 추출된 객체에 대하여 성형 골격화 알고리즘을 적용함으로써 감시 목적물(예를 들어, 사람)을 정확하게 구분할 수 있는 무인 감시 장치를 포함하므로 높은 신뢰성을 확보할 수 있다.In addition, the unmanned surveillance system according to the embodiments of the present invention can effectively extract a plurality of objects having movements during the day and night while minimizing the influence of external noise by effectively removing the background using only brightness information. By applying a molded skeletal algorithm to the object, it includes an unmanned monitoring device that can accurately distinguish the monitoring target (for example, a person), thereby ensuring high reliability.
다만, 본 발명의 효과는 상기에서 언급된 효과로 제한되는 것은 아니며, 상기에서 언급되지 않은 다른 효과들은 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 당업자에게 명확하게 이해될 수 있을 것이다.However, the effects of the present invention are not limited to the above-mentioned effects, and other effects not mentioned above may be clearly understood by those skilled in the art without departing from the spirit and scope of the present invention.
본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며 본문에 설명된 실시예들에 한정되는 것으로 해석되지 않아야 한다.With respect to the embodiments of the present invention disclosed in the text, specific structural to functional descriptions are merely illustrated for the purpose of describing embodiments of the present invention, embodiments of the present invention may be implemented in various forms and It should not be construed as limited to the embodiments described in.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조 부호를 구성요소에 대해 사용하였다.As the inventive concept allows for various changes and numerous embodiments, particular embodiments will be illustrated in the drawings and described in detail in the text. However, this is not intended to limit the present invention to the specific disclosed form, it should be understood to include all modifications, equivalents, and substitutes included in the spirit and scope of the present invention. Similar reference numerals are used for the components in describing the drawings.
제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들이 이러한 용어들에 의해 한정되는 것은 아니다. 상기 용어들은 하나의 구성 요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위로부터 이탈되지 않은 채 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다. Terms such as first and second may be used to describe various components, but the components are not limited by these terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as the second component, and similarly, the second component may also be referred to as the first component.
어떤 구성 요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성 요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성 요소가 존재하지 않는 것으로 이해될 수 있다. 구성 요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석될 수 있다.When a component is said to be "connected" or "connected" to another component, it may be directly connected to or connected to that other component, but it may be understood that another component may be present in the middle. Should be. On the other hand, when a component is said to be "directly connected" or "directly connected" to another component, it may be understood that there is no other component in between. Other expressions describing the relationship between the components may be interpreted as well, such as "between" and "immediately between" or "neighboring to" and "directly neighboring".
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해될 것이다.The terminology used herein is for the purpose of describing particular example embodiments only and is not intended to be limiting of the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In this application, the terms "comprise" or "having" are intended to indicate that there is a feature, number, step, action, component, part, or combination thereof that is described, and that one or more other features or numbers are present. It will be understood that it does not exclude in advance the possibility of the presence or the addition of steps, actions, components, parts or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art. Terms such as those defined in the commonly used dictionaries should be construed as having meanings consistent with the meanings in the context of the related art and shall not be construed in ideal or excessively formal meanings unless expressly defined in this application. Do not.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.Hereinafter, with reference to the accompanying drawings, it will be described in detail a preferred embodiment of the present invention. The same reference numerals are used for the same constituent elements in the drawings and redundant explanations for the same constituent elements are omitted.
도 1은 본 발명의 일 실시예에 따른 무인 감시 방법을 나타내는 도면이다.1 is a view showing an unmanned monitoring method according to an embodiment of the present invention.
도 1을 참조하면, 무인 감시 방법은 학습 기간 동안에 입력되는 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 측정하는 단계(S110), 측정되는 밝기 값이 기 설정된 밝기 구간에서 어떻게 분포되는지를 나타내는 통계 모델을 생성하는 단계(S120), 통계 모델에 기초하여 픽셀들 각각에 대한 기준 밝기 값을 계산하는 단계(S130), 통계 모델에 기초하여 픽셀들 각각에 대한 기준 밝기 표준 편차를 계산하는 단계(S140), 학습 기간 이후에 입력되는 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 재측정하는 단계(S150), 기준 밝기 값, 기준 밝기 표준 편차 및 재측정되는 밝기 값을 기초로 객체 픽셀들을 검출하여 객체 픽셀 영역을 추출하는 단계(S160) 및 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단하는 단계(S170)를 포함할 수 있다.Referring to FIG. 1, in the unattended monitoring method, measuring brightness values of pixels in each frame of an input image during a learning period (S110), and statistics indicating how measured brightness values are distributed in a predetermined brightness interval Generating a model (S120), calculating a reference brightness value for each pixel based on the statistical model (S130), calculating a reference brightness standard deviation for each pixel based on the statistical model (S140) ), Re-measuring the brightness value of each pixel in each frame of the input image after the learning period (S150), and detecting the object pixels based on the reference brightness value, the reference brightness standard deviation, and the measured brightness value The method may include extracting an object pixel region (S160) and determining whether the object pixel region corresponds to a monitoring target (S170).
객체(예를 들어, 사람 또는 동물)는 움직임이 많은 반면, 배경은 움직임이 적기 때문에 입력되는 영상에서 배경에 해당하는 픽셀들 각각은 비교적 일정한 밝기 값을 유지한다. 따라서 객체가 출현하지 않은 상태의 배경만을 촬영된 영상을 기준으로 갑자기 밝기 값이 크게 변동하는 픽셀들이 검출된다면, 객체가 출현한 것으로 볼 수 있다. 이러한 특징에 기초하여 본 발명의 일 실시예에 따른 무인 감시 방법은 픽셀들의 밝기 값만을 이용하여 객체의 출현을 정확하게 검출하고, 객체가 감시 목적물(예를 들어, 사람)에 해당하는지 여부를 정확하게 판단할 수 있다. 이하, 본 발명의 일 실시예에 따른 무인 감시 방법에 대해서 구체적으로 설명한다.Since an object (eg, a person or an animal) has a lot of motion, but a background has little motion, each pixel corresponding to the background in the input image maintains a relatively constant brightness value. Therefore, if pixels whose brightness value suddenly varies greatly based on an image photographing only a background without an object appearing, the object may appear to appear. Based on this feature, the unattended monitoring method according to an embodiment of the present invention accurately detects the appearance of an object using only brightness values of pixels and accurately determines whether the object corresponds to a monitoring object (eg, a person). can do. Hereinafter, an unmanned monitoring method according to an embodiment of the present invention will be described in detail.
학습 기간 동안에 입력되는 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 측정하는 단계(S110)에서는 기 설정된 기간 즉, 학습 기간(예를 들어, 100 프레임) 동안 객체가 출현하지 않은 상태의 배경만을 촬영하고, 이렇게 촬영된 영상에 대하여 매 프레임마다 픽셀들 각각의 밝기 값을 측정한다. 이 때, 학습 기간은 프레임의 개수를 기준으로 설정될 수 있는데, 사용자에 의하여 감시 조건에 따라 다양하게 설정될 수 있다.In operation S110, the brightness value of each pixel is measured at every frame of the input image during the learning period, and only the background of the state in which the object does not appear during the preset period, that is, the learning period (for example, 100 frames) The brightness value of each of the pixels is measured for each frame of the captured image. In this case, the learning period may be set based on the number of frames, and may be variously set according to the monitoring condition by the user.
측정되는 밝기 값이 기 설정된 밝기 구간에서 어떻게 분포되는지를 나타내는 통계 모델을 생성하는 단계(S120)에서는 각각의 픽셀 별로 측정되는 밝기 값이 기 설정된 밝기 구간(예를 들어, 256개의 인터벌(Interval) : [0, T], [T, 2T], ..., [nT, 255], n=255/T)에서 어떻게 분포되는지를 나타내는 통계 모델(예를 들어, 히스토그램)을 생성한다. 이 때, 밝기 구간은 요구되는 조건에 따라 사용자에 의하여 다양하게 설정될 수 있다.In operation S120, a statistical model indicating how measured brightness values are distributed in a predetermined brightness interval may include brightness values measured for each pixel in a preset brightness interval (eg, 256 intervals: Generate a statistical model (e.g., histogram) showing how it is distributed over [0, T], [T, 2T], ..., [nT, 255], n = 255 / T). In this case, the brightness period may be variously set by the user according to a required condition.
통계 모델에 기초하여 픽셀들 각각에 대한 기준 밝기 값을 계산하는 단계(S130)에서는 통계 모델에 기초하여 픽셀들 각각에 대한 기준 밝기 값()을 계산(S130)하는데, 기준 밝기 값()은 통계 모델 상에서 측정되는 밝기 값이 분포되어 있는 밝기 구간의 평균값이다. 실시예에 따라, 기준 밝기 값()은 재측정되는 밝기 값에 기초하여 갱신될 수 있는데, 특히 아래 [수식 1]을 이용하여 갱신될 수 있다.In operation S130, the reference brightness value for each of the pixels based on the statistical model may be calculated based on the statistical model. ) (S130), the reference brightness value ( ) Is an average value of the brightness intervals in which the brightness values measured on the statistical model are distributed. According to an embodiment, the reference brightness value ( ) May be updated based on the brightness value being remeasured, in particular, using Equation 1 below.
[수식 1][Equation 1]
[수식 1]에서 은 갱신 이전의 기준 밝기 값이고, 는 갱신 이후의 기준 밝기 값이며, 는 재측정되는 밝기 값이고, 는 0에서 1 사이의 값을 갖는 학습 변수이다. 사용자는 학습 변수()를 조절함으로써 기준 밝기 값()의 갱신 속도를 조절할 수 있는데, 학습 변수()가 클수록 기준 밝기 값()을 빠르게 갱신할 수 있지만 객체의 움직임이 빠른 경우에는 갱신에 실패할 수 있다. 따라서 사용자는 요구되는 조건에 따라 적절한 학습 변수()를 설정 하여야 한다. 이와 같이, 재측정되는 밝기 값()에 기초하여 기준 밝기 값()을 갱신하는 이유는 시간에 따른 빛의 변화를 반영하기 위함이다. 다만, [수식 1]은 하나의 예시로서 다양한 환경 조건 등을 반영하기 위하여 본 발명의 기술적 사상 내에서 수정 및 변경될 수 있을 것이다.In [Equation 1] Is the reference brightness value before the update, Is the reference brightness value after the renewal, Is the brightness value to be remeasured, Is a learning variable with a value between 0 and 1. You can use the learning variable ( ) To adjust the reference brightness value ( ), You can adjust the update rate. ), The larger the reference brightness value ( ) Can be updated quickly, but the update may fail if the object is moving quickly. Therefore, the user can select the appropriate learning variable ( ) Should be set. As such, the brightness value to be remeasured ( Based on the reference brightness value ( ) Is to reflect the change of light over time. However, Equation 1 may be modified and changed within the technical idea of the present invention to reflect various environmental conditions as an example.
통계 모델에 기초하여 픽셀들 각각에 대한 기준 밝기 표준 편차를 계산하는 단계(S140)에서는 학습 기간 동안 입력되는 영상의 움직이는 배경에 해당하는 배경 픽셀들의 변화하는 밝기 값을 적응적으로 통계 모델에 반영하기 위하여 픽셀들 각각에 대한 기준 밝기 표준 편차()를 계산한다. 특히, 아래 [수식 2]를 이용하여 기준 밝기 표준 편차()를 계산할 수 있다.In operation S140, the reference brightness standard deviation for each pixel is calculated based on the statistical model, by adaptively reflecting the changing brightness value of the background pixels corresponding to the moving background of the input image during the learning period. Standard brightness standard deviation for each pixel Calculate In particular, using [Equation 2] below, the standard brightness standard deviation ( ) Can be calculated.
[수식 2][Equation 2]
[수식 2]에서 은 통계 모델 상에서 측정되는 밝기 값이 분포되어 있는 가장 좌측의 밝기 구간의 값이고, 은 통계 모델 상에서 측정되는 밝기 값이 분포되어 있는 가장 우측의 밝기 구간의 값이며, 는 기준 밝기 표준 편차이고, 는 기준 밝기 값이다. 기준 밝기 표준 편차()를 계산함에 있어서 간단한 [수식 2]를 이용하기 때문에 그 계산이 간단하고 고속으로 수행할 수 있다. 다만, [수식 2]는 하나의 예시로서 본 발명의 기술적 사상 내에서 수정 및 변경될 수 있을 것이다. In [Equation 2] Is the value of the leftmost brightness interval where the brightness values measured on the statistical model are distributed, Is the value of the rightmost brightness interval where the brightness values measured on the statistical model are distributed. Is the reference brightness standard deviation, Is the reference brightness value. Reference brightness standard deviation ( ), Since the simple equation (2) is used, the calculation is simple and can be performed at high speed. However, Equation 2 may be modified and changed within the technical spirit of the present invention as an example.
학습 기간 이후에 입력되는 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 재측정하는 단계(S150)에서는 최종적인 기준 밝기 값( )과 기준 밝기 표준 편차()를 결정한 이후, 학습 기간 이후에 입력되는 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 재측정한다. 즉, 학습 기간 이후에 입력되는 영상의 매 프레임마다 픽셀들 각각의 밝기 값을 재측정함으로써 재측정된 밝기 값()을 얻는다.After re-measuring the brightness value of each pixel in each frame of the input image after the learning period (S150), the final reference brightness value ( ) And reference brightness standard deviation ( ), The brightness value of each pixel is re-measured every frame of the input image after the learning period. That is, the re-measured brightness value (re-measured by re-measuring the brightness value of each pixel in each frame of the input image after the learning period) Get)
기준 밝기 값, 기준 밝기 표준 편차 및 재측정되는 밝기 값을 기초로 객체 픽셀들을 검출하여 객체 픽셀 영역을 추출하는 단계(S160)에서는 기준 밝기 값( ), 기준 밝기 표준 편차() 및 재측정되는 밝기 값()을 기초로 객체 픽셀들을 검출함으로써 객체 픽셀 영역을 추출한다. 이 때, 밝기 값이 재측정되는 픽셀이 객체 픽셀로 판단되는 경우에는 제거하지 않고, 밝기 값이 재측정되는 픽셀이 객체 픽셀로 판단되지 않는 경우 즉, 배경 픽셀인 경우에는 제거하는 방식으로 객체 픽셀 영역을 추출하여 객체 픽셀 지도를 생성한다. 특히, 객체 픽셀 지도는 아래 [수식 3]을 이용하여 생성될 수 있다.In operation S160, the object pixel area is extracted by detecting the object pixels based on the reference brightness value, the reference brightness standard deviation, and the measured brightness value. ), Reference brightness standard deviation ( ) And the brightness value being remeasured ( The object pixel region is extracted by detecting the object pixels based on. In this case, if the pixel whose brightness value is remeasured is determined to be an object pixel, the pixel is not removed. If the pixel whose brightness value is remeasured is not determined as an object pixel, that is, it is a background pixel, the object pixel is removed. Extract the area to create the object pixel map. In particular, the object pixel map may be generated using Equation 3 below.
[수식 3][Equation 3]
[수식 3]에서 는 객체 픽셀이고, 는 재측정되는 밝기 값이며, 는 기준 밝기 값이고, 는 기준 밝기 표준 편차이다. 이와 같이, 재측정 되는 밝기 값()과 기준 밝기 값( )의 차이가 기준 밝기 표준 편차()의 2.5배 미만인 경우에는 배경 픽셀로 판단하여 이진값 0을 인가함으로써 제거하고, 기준 밝기 표준 편차()의 2.5배 이상인 경우에는 객체 픽셀로 판단하여 이진값 1을 인가함으로써 제거하지 않는다. 다만, [수식 3]은 하나의 예시로서 객체 픽셀과 배경 픽셀을 구분하기 위한 다양한 조건 등을 반영하기 위하여 본 발명의 기술적 사상 내에서 수정 및 변경될 수 있을 것이다. 예를 들어, 2.5와 같은 계수들은 변경될 수 있을 것이다.In [Equation 3] Is the object pixel, Is the brightness value to be remeasured, Is the reference brightness value, Is the standard brightness standard deviation. Thus, the brightness value to be remeasured ( ) And the reference brightness value ( ) Is the difference between the standard brightness standard deviation ( If it is less than 2.5 times, it is determined as a background pixel and removed by applying a binary value of 0, and the standard brightness standard deviation ( If it is 2.5 times or more, it is determined as an object pixel and the binary value 1 is not removed. However, Equation 3 may be modified and changed within the technical idea of the present invention to reflect various conditions for distinguishing the object pixel from the background pixel as an example. For example, coefficients such as 2.5 may be changed.
일반적으로, 배경의 움직임은 바람 등에 의해 임의의 시간에서 언제든지 발생할 수 있는 것이므로 학습 기간 동안에만 발생한다는 보장이 없다. 그러므로, 학습 기간 이후에 발생하는 배경의 움직임에 대한 기준 밝기 표준 편차는 통계 모델에 반영되지 않아 배경이 객체로 판단되는 오류가 발생할 수 있다. 따라서 기준 밝기 값, 기준 밝기 표준 편차 및 재측정되는 밝기 값을 기초로 객체 픽셀들을 검출하여 객체 픽셀 영역을 추출하는 단계(S160)에서는 이러한 오류를 줄이기 위하여 배경의 움직임에 대한 시간적 특징 및 공간적 특징 즉, 배경의 움직임은 반복적이라는 점 및 배경의 움직임은 군집적으로 나타난다는 점을 반영함으로써 객체 픽셀 지도를 수정할 수 있다. 특히, 이러한 객체 픽셀 지도의 수정은 아래 [수식 4]를 이용할 수 있다.In general, there is no guarantee that the movement of the background occurs only during the learning period because it can occur at any time at any time, such as by wind. Therefore, the standard brightness standard deviation with respect to the motion of the background occurring after the learning period is not reflected in the statistical model, so that an error that the background is determined to be an object may occur. Therefore, in the step of extracting the object pixel region by detecting the object pixels based on the reference brightness value, the reference brightness standard deviation, and the re-measured brightness value (S160), the temporal and spatial characteristics of the background motion, i.e. For example, the object pixel map can be modified by reflecting that the movement of the background is repetitive and that the movement of the background is clustered. In particular, the modification of such an object pixel map may use the following
[수식 4][Equation 4]
[수식 4]에서 는 객체 픽셀이고, 는 비용 함수이며, 는 0에서 1 사이의 값을 갖는 가중치이고, 는 객체 픽셀 영역 에서의 이진값 1과 0의 변화 주기이며, 는 해당 픽셀이 속한 연결 성분의 크기이고, 는 해당 픽셀을 중심으로 주변의 서로 다른 연결 성분의 개수이다. [수식 4]에서 첫 번째 항은 움직이는 배경의 시간적 특징을 반영하고 있음을 나타내고, 두 번째 항은 공간적 특징을 반영하고 있음을 나타낸다. 사용자는 가중치()를 0에서 1 사이의 값 중에서 결정함으로써 시간적 특징과 공간적 특징의 반영 비율을 조절할 수 있다. In [Equation 4] Is the object pixel, Is a cost function, Is a weight with a value between 0 and 1, Is the object pixel area Period of change of
일반적으로, 객체 또는 배경의 움직임은 객체 픽셀 지도에서 해당하는 픽셀의 이진값 1과 0의 변화로 나타나게 된다. 따라서 이진값 1과 0의 변화 주기가 짧아 깜빡(flickering)거리는 픽셀은 배경의 움직임이 반복적이라는 점을 고려하여 배경 픽셀로 판단하고, 주변에 서로 다른 연결 성분이 많이 분포하는 픽셀도 배경의 움직임이 군집적으로 나타난다는 점을 고려하여 배경 픽셀로 판단한다. 즉, 흔들리는 나뭇잎, 가지, 수풀 등과 같은 배경은 짧은 주기를 가지고 반복적인 움직임 을 갖고, 군집적인 움직임을 갖는다는 점을 이용한 것이다. 이와 같이, 본 발명의 일 실시예에 따른 무인 감시 방법은 배경의 움직임에 대한 시간 및 공간적 특징 즉, 배경의 움직임은 반복적이라는 점 및 배경의 움직임이 군집적으로 나타난다는 점을 반영하여 객체 픽셀 지도를 수정함으로써 배경이 객체로 판단되는 오류를 방지할 수 있다. 다만, [수식 4]는 하나의 예시로서 본 발명의 기술적 사상 내에서 수정 및 변경될 수 있을 것이다. In general, the movement of an object or background is represented by a change in
또한, 기준 밝기 값, 기준 밝기 표준 편차 및 재측정되는 밝기 값을 기초로 객체 픽셀들을 검출하여 객체 픽셀 영역을 추출하는 단계(S160)에서는 객체 픽셀 지도에서 이진값이 1인 제 1 픽셀과 제 2 픽셀 사이의 거리가 기 설정된 거리보다 작은 경우에 제 1 픽셀과 제 2 픽셀 사이의 제 3 픽셀들의 이진값을 1로 변경함으로써 객체 픽셀 지도를 보정할 수 있다. 즉, 상술한 단계들을 통하여 생성된 객체 픽셀 영역이 분산된 픽셀들로 이루어져 있기 때문에 연결 성분 해석(connected component analysis)을 위하여 객체 픽셀 지도를 보정한다. 예를 들어, 기 설정된 거리가 15라고 가정하면, 객체 픽셀 지도에서 픽셀의 이진값이 1인 두 픽셀(즉, 제 1 픽셀 및 제 2 픽셀) 사이의 거리가 15보다 작은 경우 두 픽셀(즉, 제 1 픽셀 및 제 2 픽셀) 사이의 픽셀들의 이진값을 1로 변경한다.In addition, in the extracting of the object pixel region by detecting the object pixels based on the reference brightness value, the reference brightness standard deviation, and the re-measured brightness value (S160), the first and second pixels having a binary value of 1 in the object pixel map may be extracted. When the distance between the pixels is smaller than the preset distance, the object pixel map may be corrected by changing the binary value of the third pixels between the first pixel and the second pixel to one. That is, since the object pixel region generated through the above-described steps is composed of distributed pixels, the object pixel map is corrected for connected component analysis. For example, suppose that the preset distance is 15. If the distance between two pixels (i.e., the first pixel and the second pixel) of which the binary value of the pixel is 1 in the object pixel map is less than 15, the two pixels (i.e. The binary value of the pixels between the first pixel and the second pixel) is changed to one.
실시예에 따라, 기준 밝기 값, 기준 밝기 표준 편차 및 재측정되는 밝기 값을 기초로 객체 픽셀들을 검출하여 객체 픽셀 영역을 추출하는 단계(S160)에서는 움직이는 객체 영역의 최소 크기를 고려하여 객체 픽셀 지도를 보정한 이후 최소 크기보다 작은 영역은 연산의 효율성을 위해 제거할 수 있고, 영역 기반의 객체 추 출을 위해 (최소 x, 최소 y), (최대 x, 최소 y), (최소 x, 최대 y), (최대 x, 최대 y)를 이용하여 사각형 형태의 객체 픽셀 영역을 생성할 수도 있다.According to an exemplary embodiment, in the extracting of the object pixel region by detecting the object pixels based on the reference brightness value, the reference brightness standard deviation, and the re-measured brightness value (S160), the object pixel map is considered in consideration of the minimum size of the moving object region. After calibrating, areas smaller than the minimum size can be removed for efficiency of operation, and (min x, min y), (max x, min y), (min x, max y) for region-based object extraction. ), (Max x, max y) can also be used to create a rectangular object pixel area.
객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단하는 단계(S170)에서는 상술한 단계들을 통하여 추출한 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단하기 위하여 성형 골격화 알고리즘(star skeletonization algorithm)을 이용한다. 예를 들어, 본 발명의 실시예에 따른 무인 감시 방법을 국방용으로 사용하는 경우에는 간첩이 감시 지역에서 직립 보행으로 침투하거나 위장을 위하여 동물과 같이 낮은 자세로 접근하여 침투하기 때문에 감시 지역에 나타난 객체가 사람인지 여부를 정확하게 판단하는 것이다.In step S170, determining whether the object pixel region corresponds to the monitoring target is performed using a star skeletonization algorithm to determine whether the object pixel region extracted through the above-described steps corresponds to the monitoring target. For example, when the unmanned surveillance method according to the embodiment of the present invention is used for defense, the spy penetrates in an upright gait in the surveillance area or appears in the surveillance area because it penetrates in a low posture like an animal for camouflage. It is to accurately determine whether an object is a person.
일반적으로, 감시 목적물(예를 들어, 사람과 동물) 각각은 그 골격 구조상 돌출되어 있는 부분이 서로 다르기 때문에, 성형 골격화 알고리즘을 이용하여 돌출 지점을 분석함으로써 감시 목적물을 정확하게 구분할 수 있다. 예를 들어, 사람은 다리가 팔보다 길기 때문에 간첩이 위장을 위하여 동물과 같이 낮은 자세로 접근하다고 하더라도 머리와 다리의 돌출 지점 간의 사이 각이 동물들에 비하여 작게 형성될 수밖에 없다. 따라서 본 발명의 일 실시예에 따른 무인 감시 방법은 성형 골격화 알고리즘을 통해 돌출 지점을 구하여 감시 목적물(예를 들어, 사람)에 따른 돌출 지점 간의 사이 각을 측정함으로써 감시 목적물을 정확하게 구분할 수 있다. 이러한 성형 골격화 알고리즘에 대해서는 아래에서 상세히 설명하기로 한다. In general, since each of the monitoring targets (for example, humans and animals) is different from each other in the protruding portion of the skeletal structure, it is possible to accurately distinguish the monitoring targets by analyzing the protruding points using a molded skeletal algorithm. For example, humans have longer legs than arms, so even if the spy approaches a lower posture like an animal for camouflage, the angle between the head and the protruding point of the leg is inevitably smaller than that of the animals. Therefore, the unmanned monitoring method according to an embodiment of the present invention can accurately distinguish the monitoring targets by measuring the angle between the protrusion points according to the monitoring target (eg, a person) by obtaining the protrusion points through the molded skeletonization algorithm. This shaping skeletonization algorithm will be described in detail below.
상술한 바와 같이, 본 발명의 일 실시예에 따른 무인 감시 방법은 픽셀들의 밝기 값만을 이용하여 객체의 출현을 정확하게 검출할 수 있고, 객체가 감시 목적물에 해당하는지 여부를 정확하게 판단하여 감시 목적에 따른 정확한 경보를 알릴 수 있다.As described above, the unmanned monitoring method according to an exemplary embodiment of the present invention can accurately detect the appearance of an object using only brightness values of pixels, and accurately determine whether the object corresponds to a monitoring object, according to the monitoring purpose. Can inform the exact alarm.
도 2는 도 1의 무인 감시 방법에서 학습 기간 동안 배경에 해당하는 각 픽셀들의 움직임을 반영하여 생성한 통계 모델의 예를 나타내는 도면이다.FIG. 2 is a diagram illustrating an example of a statistical model generated by reflecting the movement of each pixel corresponding to a background during a learning period in the unmanned monitoring method of FIG. 1.
도 2를 참조하면, 학습 기간 동안에 입력되는 영상의 제 3 프레임, 제 30 프레임, 제 49 프레임 및 제 93 프레임에서 배경에 해당하는 제 1 픽셀(10), 제 2 픽셀(20) 및 제 3 픽셀(30)의 밝기 값이 기 설정된 밝기 구간(예를 들어, 256개의 인터벌(Interval) : [0, T], [T, 2T], ..., [nT, 255], n=255/T에서 어떻게 분포되는지를 나타내는 히스토그램이 나타나 있다.2, a first pixel 10, a second pixel 20, and a third pixel corresponding to a background in a third frame, a thirtieth frame, a 49th frame, and a 93rd frame of an image input during a learning period. The brightness value of 30 is a predetermined brightness interval (for example, 256 intervals: [0, T], [T, 2T], ..., [nT, 255], n = 255 / T A histogram showing how is distributed in.
도 2에 나타난 바와 같이, 제 1 픽셀(10)과 제 2 픽셀(20)은 바람에 흔들리는 나뭇가지에 해당하는 픽셀이기 때문에 학습 기간 동안 밝기 값이 어느 정도의 표준 편차를 가지고 분포하고 있는 반면, 제 3 픽셀(30)은 움직임이 없는 하늘 영역에 해당하는 픽셀이기 때문에 학습 기간 동안 밝기 값이 일정하게 나타나고 있음을 알 수 있다. 따라서, 도 1의 무인 감시 방법은 학습 기간 동안 제 3 픽셀(30)과 같이 움직임이 없는 픽셀뿐만 아니라, 제 1 픽셀(10) 및 제 2 픽셀(20)과 같이 움직임이 있는 픽셀에 대해서도 배경에 해당하는 픽셀로서 통계 모델에 반영하기 위하여 기준 밝기 값() 및 기준 밝기 표준 편차()를 계산한다.As shown in FIG. 2, since the first pixel 10 and the second pixel 20 correspond to twigs swaying in the wind, the brightness values are distributed with some standard deviation during the learning period. Since the
도 3은 도 1의 무인 감시 방법에서 통계 모델을 이용하여 객체 픽셀 영역을 추출한 예를 나타내는 도면이다.3 is a diagram illustrating an example of extracting an object pixel region using a statistical model in the unmanned monitoring method of FIG. 1.
도 3을 참고하면, 도 1의 무인 감시 방법이 학습 기간 동안 배경에 해당하는 각 픽셀들의 움직임을 반영하여 생성한 통계 모델을 이용하기 때문에 바람에 흔들리는 나뭇가지에 해당하는 배경이 있는 영상에서도 객체(예를 들어, 사람)에 해당하는 픽셀만을 검출하여 객체 픽셀 영역을 추출하고 있음을 알 수 있다. 즉, 도 1의 무인 감시 방법은 흔들리는 나뭇가지 즉, 움직임이 있는 배경이 있다고 하더라도 배경에 해당하는 픽셀은 제거하고, 객체(예를 들어, 사람)에 해당하는 픽셀만을 검출하여 객체 픽셀 영역을 추출할 수 있다. 이 경우, 상술한 바와 같이 [수식 1], [수식 2] 및 [수식 3]을 이용할 수 있다. Referring to FIG. 3, since the unmanned monitoring method of FIG. 1 uses a statistical model generated by reflecting the motion of each pixel corresponding to a background during a learning period, an object may also be used in an image having a background corresponding to a tree branch swaying in the wind. For example, it can be seen that an object pixel region is extracted by detecting only a pixel corresponding to a person). That is, the unmanned monitoring method of FIG. 1 extracts an object pixel region by removing pixels corresponding to a background even if there is a shaking tree branch, i.e., a moving background, and detecting only pixels corresponding to an object (for example, a person). can do. In this case, [Formula 1], [Formula 2] and [Formula 3] can be used as described above.
도 4는 도 1의 무인 감시 방법에서 배경의 움직임에 대한 시간적 특징 및 공간적 특징을 반영하여 객체 픽셀 지도를 수정한 예를 나타내는 도면이다.FIG. 4 is a diagram illustrating an example of modifying an object pixel map by reflecting temporal and spatial characteristics of a background motion in the unmanned monitoring method of FIG. 1.
도 4를 참조하면, 객체 픽셀 지도에서 이진값 1과 0의 변화 주기가 짧아 깜빡거리는 픽셀 및 주변에 서로 다른 연결 성분이 많이 분포하는 픽셀을 배경 픽셀로 판단하여 제거함으로써 객체 픽셀 지도가 수정되고 있음을 알 수 있다. 즉, 제 167 프레임과 제 255 프레임을 비교해보면, 학습 기간(예를 들어, 100 프레임) 이후에 나뭇가지에 해당하는 배경 픽셀(110)은 제거하고, 사람에 해당하는 객체 픽셀(120)은 제거하지 않는 방식으로 객체 픽셀 지도를 수정하고 있음을 알 수 있다. 이와 같이, 도 1의 무인 감시 방법은 배경의 움직임은 반복적이라는 점 및 배경의 움직임이 군집적으로 나타난다는 점을 반영하여 학습 기간(예를 들어, 100 프레임) 이후에 발생하는 배경의 움직임을 제거할 수 있다. 이 경우, 상술한 바와 같이 [수 식 4]를 이용할 수 있다. Referring to FIG. 4, the object pixel map is modified by determining as a background pixel the pixels flickering due to a short change period of
도 5는 도 1의 무인 감시 방법에서 객체 픽셀 지도를 수정하여 객체 픽셀 영역만을 추출한 결과를 나타내는 도면이다.FIG. 5 is a diagram illustrating a result of extracting only an object pixel region by modifying an object pixel map in the unmanned monitoring method of FIG. 1.
도 5를 참조하면, 도 1의 무인 감시 방법에서 배경의 움직임이 반복적이라는 점 및 배경의 움직임이 군집적으로 나타난다는 점을 반영하여 학습 기간(예를 들어, 100 프레임) 이후에 발생하는 배경의 움직임을 제거함으로써 객체 픽셀 영역만이 추출되고 있음을 알 수 있다. 이와 같이, 객체 픽셀 지도를 수정하지 않은 경우에는 나뭇가지에 해당하는 픽셀들이 움직임에 의하여 객체 픽셀로 판단되기 때문에 객체 픽셀 영역으로 추출되는 반면, 객체 픽셀 지도를 수정하는 경우에는 나뭇가지에 해당하는 픽셀들은 배경 픽셀로서 제거되기 때문에 객체 픽셀만이 선택되어 객체 픽셀 영역으로 추출된다. 따라서, 도 1의 무인 감시 방법은 [수식 4]를 이용하여 움직이는 배경 픽셀을 제거함으로써 객체 픽셀 영역의 오검출 확률을 낮출 수 있고, 객체 픽셀 영역의 오검출 확률이 낮기 때문에 연결 성분 분석 등의 후처리가 감소하여 전체적으로 빠른 동작 속도를 확보할 수 있다. Referring to FIG. 5, in the unmanned monitoring method of FIG. 1, a background generated after a learning period (eg, 100 frames) is reflected to reflect that the background motion is repetitive and that the background motion is clustered. By removing the movement, it can be seen that only the object pixel region is extracted. As such, when the object pixel map is not modified, the pixels corresponding to the branches are extracted as the object pixel area because they are determined to be object pixels by movement, whereas when the object pixel map is modified, the pixels corresponding to the branches Because they are removed as background pixels, only object pixels are selected and extracted into the object pixel area. Therefore, the unmanned monitoring method of FIG. 1 can reduce the false detection probability of the object pixel region by removing the moving background
도 6은 도 1의 무인 감시 방법에서 연결 성분 해석을 위하여 객체 픽셀 지도를 보정한 예를 나타내는 도면이다.FIG. 6 is a diagram illustrating an example of correcting an object pixel map for connection component analysis in the unmanned monitoring method of FIG. 1.
도 6을 참조하면, 객체 픽셀 지도에서 이진값이 1인 두 픽셀 사이의 거리가 기 설정된 거리보다 작은 경우에 두 픽셀 사이의 픽셀들의 이진값을 1로 변경함으로써 객체 픽셀 지도를 보정하고 있음을 알 수 있다. 이 때, 움직이는 객체 영역의 최소 크기를 고려하여 객체 픽셀 지도를 보정한 이후 최소 크기보다 작은 영역은 연산의 효율성을 위해 제거할 수 있다. 또한, 도 5에는 도시되지 않았으나, 영역 기반의 객체 추출을 위해 (최소 x, 최소 y), (최대 x, 최소 y), (최소 x, 최대 y), (최대 x, 최대 y)를 이용하여 사각형 형태의 객체 픽셀 영역을 생성할 수도 있다.Referring to FIG. 6, when the distance between two pixels having a binary value of 1 is smaller than the preset distance in the object pixel map, the object pixel map is corrected by changing the binary value of the pixels between the two pixels to 1. Can be. In this case, after correcting the object pixel map in consideration of the minimum size of the moving object area, an area smaller than the minimum size may be removed for efficiency of operation. In addition, although not shown in FIG. 5, (minimum x, minimum y), (maximum x, minimum y), (minimum x, maximum y), and (maximum x, maximum y) are used for region-based object extraction. You can also create a rectangular object pixel region.
도 7은 도 1의 무인 감시 방법에서 성형 골격화 알고리즘을 적용하는 단계를 나타내는 도면이다.FIG. 7 is a diagram illustrating a step of applying a shaping skeletonization algorithm in the unmanned monitoring method of FIG. 1.
도 7을 참조하면, 성형 골격화 알고리즘을 적용하는 단계는 [수식 5]를 이용하여 객체 픽셀 영역의 중심을 계산하는 단계(S210), [수식 6]을 이용하여 객체 픽셀 영역의 경계에 위치하는 경계 픽셀과 중심 간의 거리를 계산하는 단계(S220), 경계 픽셀과 중심 간의 거리가 경계 픽셀의 개수만큼의 주기를 갖는다고 가정한 제 1 거리 신호에 대하여 이산 푸리에 변환(Discrete Fourier Transform)을 수행하는 단계(S230), 이산 푸리에 변환이 수행된 제 1 거리 신호에 대하여 저역 통과 필터링(Low Pass Filtering)을 수행하는 단계(S240), 저역 통과 필터링된 제 1 거리 신호에 대하여 역 이산 푸리에 변환(Inverse Discrete Fourier Transform)을 수행하여 제 2 거리 신호를 생성하는 단계(S250), [수식 7]을 이용하여 객체 픽셀 영역에서 돌출 지점을 검출하는 단계(S260) 및 돌출 지점 간의 위치 관계를 이용하여 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단하는 단계(S270)를 포함할 수 있다. 이하, 성형 골격화 알고리즘을 적용하는 단계에 대해서 구체적으로 설명한다. Referring to FIG. 7, the step of applying the shaping skeletonization algorithm may include calculating the center of the object pixel region using Equation 5 (S210), which is located at the boundary of the object pixel region using Equation 6. Calculating a distance between the boundary pixel and the center (S220), and performing a discrete Fourier transform on the first distance signal assuming that the distance between the boundary pixel and the center has a period of the number of boundary pixels. Step S230, performing low pass filtering on the first distance signal on which the Discrete Fourier Transform has been performed (S240), inverse discrete on the first low pass filtered signal, Inverse Discrete Generating a second distance signal by performing Fourier Transform (S250), detecting the protrusion point in the object pixel region using Equation 7 (S260), and a positional relationship between the protrusion points The method may include determining whether the object pixel area corresponds to a surveillance object by using S270. Hereinafter, the steps of applying the shaping skeletonization algorithm will be described in detail.
먼저, 아래 [수식 5]를 이용하여 객체 픽셀 영역의 중심을 계산하고, 아래 [수식 6]을 이용하여 객체 픽셀 영역의 경계에 위치하는 경계 픽셀과 객체 픽셀 영 역의 중심 간의 거리를 계산한다.First, the center of the object pixel region is calculated using Equation 5 below, and the distance between the center of the object pixel region and the boundary pixel located at the boundary of the object pixel region is calculated using Equation 6 below.
[수식 5][Equation 5]
[수식 6][Equation 6]
[수식 5] 및 [수식 6]에서 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀의 개수이고, 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀의 좌표이며, )는 객체 픽셀 영역의 중심의 좌표이다. 또한, 는 객체 픽셀 영역의 경계에 위치하는 경계 픽셀과 객체 픽셀 영역의 중심 간의 거리이다.In Equation 5 and Equation 6 Is the number of boundary pixels located at the boundary of the object pixel area, Is the coordinate of the boundary pixel at the boundary of the object pixel region, ) Is the coordinate of the center of the object pixel area. Also, Is the distance between the boundary pixel located at the boundary of the object pixel region and the center of the object pixel region.
객체 픽셀 영역의 경계에 위치하는 경계 픽셀과 객체 픽셀 영역의 중심 간의 거리()를 구한 이후에, [수식 6]으로부터 구한 거리()가 경계 픽셀의 개수() 만큼의 주기를 가지고 있다고 가정한 제 1 거리 신호에 대하여 이산 푸리에 변환을 수행하고, 이산 푸리에 변환이 수행된 제 1 거리 신호에 대하여 저역 통과 필터링을 수행하며, 저역 통과 필터링된 제 1 거리 신호에 대하여 역 이산 푸리에 변환을 수행함으로써 제 2 거리 신호를 생성한다.The distance between the boundary pixel located at the boundary of the object pixel area and the center of the object pixel area ( ), The distance obtained from (Equation 6) ) Is the number of bounding pixels ( Discrete Fourier transform is performed on the first distance signal assumed to have a period of), low pass filtering is performed on the first distance signal on which the Discrete Fourier Transform is performed, and low pass filtered first distance signal is applied to the first distance signal. A second distance signal is generated by performing an inverse discrete Fourier transform on the.
제 2 거리 신호가 생성되면, 아래 [수식 7]을 이용하여 객체 픽셀 영역에서 돌출 지점을 검출한다. 이 때, 돌출 지점은 제 2 거리 신호에서 영점 교차(zero-crossing)되는 경계 픽셀의 위치를 이용하여 구할 수 있다.When the second distance signal is generated, the protrusion point is detected in the object pixel area using Equation 7 below. In this case, the protruding point may be obtained by using the position of the boundary pixel zero-crossing in the second distance signal.
[수식 7][Formula 7]
[수식 7]에서 , , 은 제 2 거리 신호이고, 는 1인 경우에 돌출 지점임을 나타낸다. 이와 같이, [수식 7]을 이용하여 가 1에 해당하는 좌표의 경계 픽셀을 경계 픽셀 영역의 돌출 지점으로 판단한다.In Equation 7 , , Is the second distance signal, 1 indicates that it is a protruding point. In this way, using [Formula 7] Determines the boundary pixel of the coordinate corresponding to 1 as the protruding point of the boundary pixel region.
이후, 돌출 지점들이 결정되면 돌출 지점 간의 위치 관계를 이용하여 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단한다. 돌출 지점 간의 위치 관계를 이용하여 객체 픽셀 영역이 감시 목적물에 해당하는지 여부를 판단함에 있어서 도 1의 무인 감시 방법은 객체 픽셀 영역의 돌출 지점 간의 사이 각을 비교함으로써 감시 목적물을 구분한다. 예를 들어, 직립 보행하는 사람과 직립 보행을 하지 않는 동물을 구분하기 위해서 돌출 부분의 대칭성을 이용하거나 객체 픽셀 영역의 수직 축과 머리에 해당하는 돌출 지점 간의 사이 각을 이용할 수 있다. 그러나, 간첩의 경우에는 위장을 위하여 동물과 같이 낮은 자세로 접근하는 경우가 많으므로 돌출 부분의 대칭성을 이용하거나 객체 픽셀 영역의 수직 축과 머리에 해당하는 돌출 지점 간의 사이 각을 이용하는 방법들은 정확하지 않다. 따라서, 도 1의 무인 감시 방법은 객체 픽셀 영역의 돌출 지점 간의 사이 각을 비교함으로써 감시 목적물을 구분하는데, 예를 들어 사람과 동물을 구분하는 경우에는 사람의 머리와 다리의 돌출 지점 간의 사이 각이 동물들에 비하여 작게 형성될 수밖에 없다는 점을 이용할 수 있다.Then, when the protruding points are determined, it is determined whether the object pixel area corresponds to the monitoring object by using the positional relationship between the protruding points. In determining whether an object pixel area corresponds to a monitoring object by using a positional relationship between protrusion points, the unattended monitoring method of FIG. 1 distinguishes a monitoring object by comparing angles between protrusion points of the object pixel area. For example, to distinguish between a person walking upright and an animal not walking upright, the symmetry of the protrusion may be used or the angle between the vertical axis of the object pixel region and the protrusion point corresponding to the head may be used. However, spies are often approached in a low posture, such as animals, for camouflage, so methods of using the symmetry of the protrusions or the angle between the vertical axis of the object pixel area and the heading protrusion point are not accurate. not. Therefore, the unmanned monitoring method of FIG. 1 distinguishes a monitoring object by comparing angles between protrusion points of an object pixel area. For example, when distinguishing a person from an animal, the angle between the protrusion points of a human head and a leg is different. It can be used that can be formed smaller than the animals.
도 8은 도 1의 무인 감시 방법에서 성형 골격화 알고리즘을 적용하는 과정을 나타내는 도면이다.FIG. 8 is a diagram illustrating a process of applying a molding skeletonization algorithm in the unmanned monitoring method of FIG. 1.
도 8을 참조하면, 객체 픽셀 영역의 중심과 객체 픽셀 영역의 경계에 위치하는 경계 픽셀과의 거리를 예를 들어, 반시계 방향으로 계산(S220)한다. 객체 픽셀 영역의 중심과 객체 픽셀 영역의 경계에 위치하는 경계 픽셀과의 거리에 대해서 경계 픽셀의 개수만큼의 주기를 가지고 있다고 가정하여 이산 푸리에 변환(S230), 저역 통과 필터링(S240) 및 역 이산 푸리에 변환(S250)을 수행한다. 이후, 영점 교차되는 경계 픽셀의 위치를 이용하여 돌출 지점을 검출(S260)한다. 상술한 바와 같이, 본 발명의 성형 골격화 알고리즘을 적용하는 단계는 [수식 5], [수식 6] 및 [수식 7]을 이용할 수 있을 뿐만 아니라, [수식 5], [수식 6] 및 [수식 7]은 본 발명의 기술적 사상의 범위 내에서 수정 및 변경될 수 있을 것이다.Referring to FIG. 8, the distance between the center of the object pixel region and the boundary pixel positioned at the boundary of the object pixel region is calculated in the counterclockwise direction, for example (S220). Discrete Fourier Transform (S230), Low Pass Filtering (S240), and Inverse Discrete Fourier on the assumption that there is a period as many as the number of boundary pixels with respect to the distance between the center of the object pixel region and the boundary pixel located at the boundary of the object pixel region. The transformation (S250) is performed. Thereafter, the protruding point is detected using the position of the boundary pixel crossing zero. As described above, the step of applying the shaping skeletonization algorithm of the present invention can use [Formula 5], [Formula 6] and [Formula 7], as well as [Formula 5], [Formula 6] and [Formula 5] 7] may be modified and changed within the scope of the technical idea of the present invention.
도 9는 도 1의 무인 감시 방법에서 객체 픽셀 영역이 감시 목적물인지 여부를 판단하는 과정을 나타내는 도면이다.FIG. 9 is a diagram illustrating a process of determining whether an object pixel area is a monitoring object in the unmanned monitoring method of FIG. 1.
도 9를 참조하면, 도 1의 무인 감시 방법에서는 돌출 지점들이 결정되면 돌출 지점 간의 위치 관계를 이용하여 감시 목적물을 구분한다. 예를 들어, 사람과 동물을 구분하는 경우에는 사람의 머리와 다리의 돌출 지점 간의 사이 각이 동물들에 비하여 작게 형성될 수밖에 없다는 점을 이용한다. 구체적으로, 사람의 머리와 다리의 돌출 지점 간의 사이 각(, )이 제 1 임계값(TH1)보다 작은 경우에는 서 있는 사람으로 판단하고, 제 1 임계값(TH1)보다는 크지만 제 2 임계값(TH2)보다는 작은 경우에는 기어다니는 사람으로 판단하며, 제 2 임계값(TH2)보다 큰 경우에는 동물로 판단한다. 다만, 제 1 임계값(TH1) 및 제 2 임계값(TH2)은 요구되는 조건에 따라 다양하게 수정 및 변경될 수 있다. 예를 들어, 사람과 동물의 구분이 아닌 동물과 동물 간의 구분을 위해서도 각 동물의 돌출 지점 간의 특징을 이용하여 제 1 임계값(TH1) 및 제 2 임계값(TH2)을 재설정함으로써 감시 목적물을 정확하게 감시할 수 있다.Referring to FIG. 9, in the unmanned monitoring method of FIG. 1, when the protrusion points are determined, the monitoring targets are classified by using the positional relationship between the protrusion points. For example, when distinguishing a human from an animal, the angle between the protruding point of the human head and the leg is inevitably smaller than that of the animal. Specifically, the angle between the head of the person and the protruding point of the leg ( , Is smaller than the first threshold value TH1, the person standing. If larger than the first threshold value TH1 but smaller than the second threshold value TH2, it is determined that the person crawls. If it is larger than the threshold value TH2, it is determined as an animal. However, the first threshold value TH1 and the second threshold value TH2 may be variously modified and changed according to a required condition. For example, in order to distinguish between animals and animals rather than between humans and animals, the monitoring target is accurately corrected by resetting the first threshold value TH1 and the second threshold value TH2 by using the feature between the protruding points of each animal. Can be monitored.
도 10은 도 1의 무인 감시 방법에서 객체 픽셀 영역이 감시 목적물인지 여부를 판단하는 예를 나타내는 도면이다.FIG. 10 is a diagram illustrating an example of determining whether an object pixel area is a monitoring target in the unattended monitoring method of FIG. 1.
도 10을 참조하면, 추출된 객체 픽셀 영역에 대하여 성형 골격화 알고리즘을 적용한 결과가 나타나 있다. 도 10의 (a)를 보면, 직립 보행의 경우 사람의 머리 돌출 부분과 수직 축의 사이 각의 크기가 매우 작다는 것을 확인할 수 있고, 도 10의 (b)를 보면, 사람이 위장을 위하여 낮은 자세를 취하는 경우에도 동물에 비해 머리와 다리 돌출 부분 사이 각이 작다는 것을 확인할 수 있다. 이와 같이, 도 1의 무인 감시 방법에서는 돌출 지점들이 결정되면 돌출 지점 간의 위치 관계 즉, 객체 픽셀 영역의 돌출 지점 간의 사이 각을 비교함으로써 감시 목적물을 구분할 수 있다.Referring to FIG. 10, the result of applying the shaping skeletonization algorithm to the extracted object pixel region is shown. Referring to FIG. 10 (a), it can be seen that in the case of standing walking, the size of the angle between the protruding portion of the human head and the vertical axis is very small. Referring to FIG. Even when taking, it can be seen that the angle between the head and leg protrusions is smaller than that of the animal. As described above, in the unmanned monitoring method of FIG. 1, when the protrusion points are determined, the monitoring targets may be distinguished by comparing the positional relationship between the protrusion points, that is, the angle between the protrusion points of the object pixel region.
도 11a 내지 도 11c는 도 1의 무인 감시 방법의 감시 결과를 나타내는 도면이다.11A to 11C are diagrams illustrating a monitoring result of the unmanned monitoring method of FIG. 1.
도 11a 내지 11c를 참고하면, 다양한 실외 환경에서의 도 1의 무인 감시 방법의 감시 결과가 나타나 있다. 도 11a의 (a1) 내지 (a4)를 보면, 도 1의 무인 감시 방법은 우거진 수풀의 움직임 속에서 사람이 가려진 경우에 있어서도 사람만을 추출하여 감시할 수 있고, 도 11b의 (b1) 내지 (b4)를 보면, 도 1의 무인 감시 방법은 바람에 흔들리는 나뭇가지가 존재하는 경우에 있어서도 사람만을 추출하여 감시할 수 있으며, 도 11c의 (c1) 내지 (c4)를 보면, 도 1의 무인 감시 방법은 서로 다른 거리에 움직이는 사람이 다수 존재하는 경우에 있어서도 각각의 사람들을 모두 추출하여 감시할 수 있다. 이와 같이, 도 1의 무인 감시 방법은 객체 픽셀 영역을 정확하게 검출할 수 있고, 감시 목적물 예를 들어, 사람과 동물을 정확하게 구분할 수 있기 때문에 국방용 무인 감시 시스템 등에도 적용이 가능하다.11A to 11C, the monitoring results of the unmanned monitoring method of FIG. 1 in various outdoor environments are shown. Referring to (a1) to (a4) of FIG. 11A, the unmanned monitoring method of FIG. 1 can extract and monitor only a person even when a person is hidden in the motion of a dense bush, and (b1) to (b4) of FIG. 11B. 1), the unmanned monitoring method of FIG. 1 can extract only and monitor a person even when there is a tree branch swaying in the wind. Referring to (c1) to (c4) of FIG. 11C, the unmanned monitoring method of FIG. Even if there are a large number of people moving at different distances, each person can be extracted and monitored. As described above, the unmanned surveillance method of FIG. 1 can accurately detect the object pixel region and can be applied to the unmanned surveillance system for defense and the like, because the surveillance object, for example, can accurately distinguish between humans and animals.
도 12는 본 발명의 일 실시예에 따른 무인 감시 장치를 나타내는 도면이다.12 is a diagram illustrating an unmanned monitoring apparatus according to an embodiment of the present invention.
도 12를 참조하면, 무인 감시 장치(100)는 통계 모델 생성부(120), 기준 밝기 정보 연산부(140), 객체 픽셀 영역 추출부(160) 및 객체 픽셀 영역 판단부(180)를 포함할 수 있다.Referring to FIG. 12, the
통계 모델 생성부(120)는 기 설정된 기간 즉, 학습 기간(예를 들어, 100 프레임) 동안 객체가 출현하지 않은 상태의 배경만을 촬영하여 입력되는 영상(INP)의 매 프레임마다 픽셀들 각각의 밝기 값을 측정함으로써 측정되는 밝기 값이 기 설정된 밝기 구간(예를 들어, 256개의 인터벌(Interval) : [0, T], [T, 2T], ..., [nT, 255], n=255/T)에서 어떻게 분포되는지를 나타내는 통계 모델(TM)을 생성한다. 이 때, 학습 기간은 감시 조건에 따라 사용자에 의하여 다양하게 설정될 수 있고, 밝기 구간도 요구되는 조건에 따라 사용자에 의하여 다양하게 설정될 수 있다.The
기준 밝기 정보 연산부(140)는 생성된 통계 모델(TM)에 기초하여 픽셀들 각각에 대한 기준 밝기 값()및 기준 밝기 표준 편차()를 계산한다. 기준 밝기 값()은 통계 모델(TM) 상에서 측정되는 밝기 값이 분포되어 있는 밝기 구간의 평균값이고, 기준 밝기 표준 편차()는 학습 기간 동안 입력되는 영상(INP)의 움직이는 배경에 해당하는 배경 픽셀들의 변화하는 밝기 값을 적응적으로 통계 모델(TM)에 반영하기 위하여 계산된다. 기준 밝기 정보 연산부(140)는 실시예에 따라 시간에 따른 빛의 변화를 반영하기 위하여 재측정되는 밝기 값을 기초로 기준 밝기 값()을 갱신할 수 있다.The reference
객체 픽셀 영역 추출부(160)는 최종적인 기준 밝기 값()과 기준 밝기 표준 편차()가 결정되면, 학습 기간 이후에 입력되는 영상(INPA)의 매 프레임마다 픽셀들 각각의 밝기 값()을 재측정하고, 재측정된 밝기 값(), 기준 밝기 값() 및 기준 밝기 표준 편차()를 기초로 객체 픽셀들을 검출하여 객체 픽셀 영역(OPR)을 추출한다. 객체 픽셀 영역 추출부(160)는 실시예에 따라 배경의 움직임에 대한 시간적 특징 및 공간적 특징 즉, 배경의 움직임은 반복적이라는 점 및 배경의 움직임은 군집적으로 나타난다는 점을 반영함으로써 객체 픽셀 지도를 수정하여 객체 픽셀 영역(OPR)을 추출할 수 있다. 또한, 객체 픽셀 영역 추출부(160)는 분산된 픽셀들로 이루어진 객체 픽셀 영역(OPR)에 대한 연결 성분 해석을 위하여 객체 픽셀 지도를 보정하여 객체 픽셀 영역(OPR)을 추출할 수 있다.The object
객체 픽셀 영역 판단부(180)는 추출한 객체 픽셀 영역(OPR)이 감시 목적물에 해당하는지 여부를 성형 골격화 알고리즘을 이용하여 판단한다. 상술한 바와 같이, 성형 골격화 알고리즘은 객체 픽셀 영역(OPR)의 돌출 지점을 구하여 감시 목적물에 따른 돌출 지점 간의 사이 각을 측정함으로써 감시 목적물을 정확하게 구분할 수 있다. 이와 같이, 본 발명의 일 실시예에 따른 무인 감시 장치(100)는 픽셀들의 밝기 값만을 이용하여 객체의 출현을 정확하게 검출할 수 있고, 객체가 감시 목적물에 해당하는지 여부, 예를 들어, 객체가 사람인지 동물인지 여부까지도 정확하게 판단함으로써 감시 목적에 따른 정확한 경보 신호(ALT)를 생성할 수 있다.The object pixel
도 13은 도 12의 무인 감시 장치의 기준 밝기 정보 연산부를 나타내는 도면이다.FIG. 13 is a diagram illustrating a reference brightness information calculating unit of the unmanned monitoring device of FIG. 12.
도 13을 참조하면, 기준 밝기 정보 연산부(140)는 기준 밝기 값 결정부(142), 기준 밝기 표준 편차 결정부(144) 및 기준 밝기 값 갱신부(146)를 포함할 수 있다.Referring to FIG. 13, the reference
기준 밝기 값 결정부(142)는 통계 모델(TM) 상에서 측정되는 밝기 값이 분포되어 있는 밝기 구간의 평균값을 기준 밝기 값()으로 결정한다. 기준 밝기 표준 편차 결정부(144)는 [수식 2]를 이용하여 기준 밝기 표준 편차()를 결정한다. 다만, [수식 2]를 이용하여 기준 밝기 표준 편차()를 결정하는 것에 대해서는 위에서 구체적으로 설명하였으므로 상세한 설명은 생략하기로 한다.The reference
기준 밝기 값 갱신부(146)는 시간에 따른 빛의 변화를 반영하기 위하여 재측정되는 밝기 값()에 기초하여 기준 밝기 값()을 갱신한다. 특히, 기준 밝기 값()은 [수식 1]을 이용하여 갱신할 수 있는데, 이에 대해서는 위에서 구체적으로 설명하였으므로 상세한 설명은 생략하기로 한다.The reference brightness
도 14는 도 12의 무인 감시 장치의 객체 픽셀 영역 추출부를 나타내는 도면이다.FIG. 14 is a diagram illustrating an object pixel area extraction unit of the unmanned monitoring device of FIG. 12.
도 14를 참조하면, 객체 픽셀 영역 추출부(160)는 객체 픽셀 지도 생성부(162), 객체 픽셀 지도 수정부(164) 및 객체 픽셀 지도 보정부(166)를 포함할 수 있다.Referring to FIG. 14, the object
객체 픽셀 지도 생성부(162)는 학습 기간 이후에 입력되는 영상(INPA)에서 픽셀들의 밝기 값()을 재측정하고, 재측정되는 밝기 값(), 기준 밝기 값(), 기준 밝기 표준 편차()를 기초로 객체 픽셀에 해당하는지 판단한다. 이 때, 재측정되는 픽셀이 객체 픽셀에 해당하는 경우에는 제거하지 않고, 배경 픽셀에 해당하는 경우에는 제거하여 이진값 0 및 1로 표현되는 객체 픽셀 지도(OPM)를 생성한다. 특히, 객체 픽셀 지도(OPM)는 [수식 3]을 이용하여 생성할 수 있는데, 이에 대해서는 위에서 구체적으로 설명하였으므로 상세한 설명은 생략하기로 한다.The object
객체 픽셀 지도 수정부(164)는 학습 기간 이후에 바람 등에 의하여 배경의 움직임이 발생할 수 있으므로 학습 기간 이후에 발생하는 배경의 움직임을 통계 모델에 반영한다. 즉, 배경의 움직임에 대한 시간적 특징 및 공간적 특징 즉, 배경의 움직임은 반복적이라는 점 및 배경의 움직임은 군집적으로 나타난다는 점을 반영함으로써 객체 픽셀 지도(OPM)를 수정한다. 특히, 객체 픽셀 지도(OPM)는 [수식 4]를 이용하여 수정할 수 있는데, 이에 대해서는 위에서 구체적으로 설명하였으므로 상 세한 설명은 생략하기로 한다.Since the object pixel
객체 픽셀 지도 보정부(166)는 객체 픽셀 지도(OPM)에서 이진값이 1인 제 1 픽셀과 제 2 픽셀 사이의 거리가 기 설정된 거리보다 작은 경우에 제 1 픽셀과 제 2 픽셀 사이의 제 3 픽셀들의 이진값을 1로 변경하여 객체 픽셀 지도(OPM)를 보정한다. 이는 분산된 픽셀들로 이루어진 객체 픽셀 영역(OPM)에 대하여 연결 성분 해석을 하기 위함이다.The object pixel
또한, 객체 픽셀 영역 추출부(160)는 객체 영역의 최소 크기를 고려하여 객체 픽셀 지도(OPM)를 보정한 이후 최소 크기보다 작은 영역은 연산의 효율성을 위해 제거할 수 있고, 영역 기반의 객체 추출을 위해 (최소 x, 최소 y), (최대 x, 최소 y), (최소 x, 최대 y), (최대 x, 최대 y)를 이용하여 사각형 형태의 객체 픽셀 영역(OPR)을 포함하는 객체 픽셀 지도(OPM)를 생성할 수도 있다.In addition, after the object
도 15는 도 12의 무인 감시 장치의 객체 픽셀 영역 판단부를 나타내는 도면이다.FIG. 15 is a diagram illustrating an object pixel area determination unit of the unmanned monitoring device of FIG. 12.
도 15를 참조하면, 객체 픽셀 영역 판단부(180)는 객체 픽셀 영역 중심 연산부(182), 중심 거리 연산부(184), 이산 푸리에 변환부(186), 저역 통과 필터부(188), 역 이산 푸리에 변환부(190), 돌출 지점 검출부(192) 및 감시 목적물 판단부(194)를 포함할 수 있다.Referring to FIG. 15, the object
객체 픽셀 영역 중심 연산부(182)는 객체 픽셀 영역(OPR)의 중심(CEN)을 계산하고, 중심 거리 연산부(184)는 객체 픽셀 영역(OPR)의 경계에 위치하는 경계 픽셀과 객체 픽셀 영역(OPR)의 중심 간의 거리()를 계산한다. 특히, 상기 중심(CEN) 은 [수식 5]를 이용하여 계산할 수 있고, 상기 거리()는 [수식 6]을 이용하여 계산할 수 있는데, 이에 대해서는 위에서 구체적으로 설명하였으므로 상세한 설명은 생략하기로 한다.The object pixel
이산 푸리에 변환부(186)는 상기 거리()가 경계 픽셀의 개수 만큼의 주기를 가지고 있다고 가정한 제 1 거리 신호(D)에 대하여 이산 푸리에 변환을 수행하고, 저역 통과 필터부(188)는 이산 푸리에 변환이 수행된 제 1 거리 신호(FD)에 대하여 저역 통과 필터링을 수행하며, 역 이산 푸리에 변환부(190)는 저역 통과 필터링된 제 1 거리 신호(LFD)에 대하여 역 이산 푸리에 변환을 수행함으로써 제 2 거리 신호(ID)를 생성한다.Discrete
돌출 지점 검출부(192)는 제 2 거리 신호(ID)를 기초로 객체 픽셀 영역(OPR)에서 돌출 지점(SP)을 검출한다. 이 때, 돌출 지점(SP)은 제 2 거리 신호(ID)에서 영점 교차되는 경계 픽셀의 위치를 이용하여 구할 수 있다. 특히, 돌출 지점(SP)은 [수식 7]을 이용하여 구할 수 있는데, 이에 대해서는 위에서 구체적으로 설명하였으므로 상세한 설명은 생략하기로 한다. The
감시 목적물 판단부(194)는 돌출 지점(SP) 간의 위치 관계를 이용하여 객체 픽셀 영역(OPR)이 감시 목적물에 해당하는지 여부를 판단한다. 예를 들어, 사람과 동물을 구분하는 경우에는 사람의 머리와 다리의 돌출 지점 간의 사이 각이 동물들에 비하여 작게 형성될 수밖에 없다는 점을 이용하여 객체 픽셀 영역의 돌출 지점 간의 사이 각을 비교함으로써 사람과 동물을 구분할 수 있다. 감시 목적물 판단부(194)는 객체 픽셀 영역(OPR)이 감시 목적물에 해당하는 것으로 판단되면 경보 신호(ALT)를 발생시킨다.The monitoring
도 16은 본 발명의 일 실시예에 따른 무인 감시 시스템을 나타내는 도면이다.16 is a diagram illustrating an unmanned surveillance system according to an embodiment of the present invention.
도 16을 참조하면, 무인 감시 시스템(200)은 감시 카메라(220), 무인 감시 장치(240) 및 경보 장치(260)를 포함할 수 있다.Referring to FIG. 16, the
감시 카메라(220)는 일정 구역을 촬영하여 감시 구역에 대한 촬영 영상(INP)을 무인 감시 장치(240)로 전송한다. 본 발명의 일 실시예에 따른 무인 감시 시스템(200)에 사용되는 감시 카메라(220)는 철책 감시, 중요 시설물 감시, 방재 시스템 등에 사용되는 고정 카메라 방식을 기반으로 하고 있으나, 본 발명의 기술적 사상의 범위 내에서 광역/원거리 감시 및 자동 추적(tracking)이 요구되는 회전 카메라 방식으로 확장 가능하다. The
무인 감시 장치(240)는 감시 카메라(220)에서 전송된 촬영 영상(INP)을 수신하여 감시 목적물이 출현했는지를 판단한다. 즉, 무인 감시 장치(240)는 감시 목적물이 출현한 경우에 경보 장치(260)로 경보 신호(ALT)를 전송한다. 이를 위하여, 무인 감시 장치(240)는 상술한 통계 모델 생성부, 기준 밝기 연산부, 객체 픽셀 추출부 및 객체 픽셀 영역 판단부를 포함할 수 있다.The
경보 장치(260)는 무인 감시 장치(240)에서 감시 목적물이 출현했다고 판단하여 경보 신호(ALT)를 전송하면 경보를 발생(예를 들어, 통제 기관에 전송)시킨다. 다만, 경보 장치(260)는 도 16에 도시된 바와 같이 독자적으로 구현될 수도 있고, 무인 감시 장치(240)에 포함되어 구현될 수도 있다.The
도 17은 본 발명의 다른 실시예에 따른 무인 감시 시스템을 나타내는 도면이다. 17 is a diagram illustrating an unmanned surveillance system according to another embodiment of the present invention.
도 17을 참조하면, 무인 감시 시스템(300)은 일체형 감시 카메라(320) 및 경보 장치(360)를 포함할 수 있다. 또한, 일체형 감시 카메라(320)는 무인 감시 장치(340)를 포함할 수 있다.Referring to FIG. 17, the
일체형 감시 카메라(320)는 일정 구역을 촬영 영상을 기초로 감시 목적물이 출현했는지를 감시하여 감시 목적물이 출현한 경우 경보 장치에 경보 신호(ALT)를 전송한다. 본 발명의 다른 실시예에 따른 무인 감시 시스템(300)에 사용되는 감시 카메라(320)는 철책 감시, 중요 시설물 감시, 방재 시스템 등에 사용되는 고정 카메라 방식을 기반으로 하고 있으나, 본 발명의 기술적 사상의 범위 내에서 광역/원거리 감시 및 자동 추적이 요구되는 회전 카메라 방식으로 확장 가능하다. The integrated
이를 위하여, 일체형 감시 카메라(320)는 감시 목적물이 출현했는지 감시하는 무인 감시 장치(340)를 구비하여 감시 목적물이 출현한 경우에 경보 장치(360)로 경보 신호(ALT)를 전송한다. 따라서, 무인 감시 장치(340)는 상술한 통계 모델 생성부, 기준 밝기 연산부, 객체 픽셀 추출부 및 객체 픽셀 영역 판단부를 포함할 수 있다.To this end, the integrated
경보 장치(360)는 일체형 감시 카메라(320) 내의 무인 감시 장치(340)에서 감시 목적물이 출현했다고 판단하여 경보 신호(ALT)를 전송하면 경보를 발생(예를 들어, 통제 기관에 전송)시킨다. 다만, 경보 장치(360)는 도 17에 도시된 바와 같이 독자적으로 구현될 수도 있고, 일체형 감시 카메라(320)에 포함되어 구현될 수도 있다.The
이상, 본 발명은 무인 감시 방법, 무인 감시 장치 및 무인 감시 시스템에 관한 실시예들을 참조하여 설명하였지만, 이러한 구조들은 예시적인 것으로서 본 발명의 기술적 사상을 벗어나지 않는 범위에서 해당 기술 분야에서 통상의 지식을 가진 자에 의하여 다양하게 수정 및 변경될 수 있음을 알아야 할 것이다. 또한, 본 발명의 기술적 사상은 무인 감시가 요구되는 철책 감시, 중요 시설물 감시, 산불 감시, 화재 감시 등의 다양한 무인 감시 방법, 무인 감시 장치 및 무인 감시 시스템으로 확장될 수 있음을 알아야 할 것이다. In the above, the present invention has been described with reference to the embodiments related to the unmanned monitoring method, the unmanned monitoring device, and the unmanned monitoring system, but these structures are exemplary, and the general knowledge in the art without departing from the technical spirit of the present invention. It should be understood that various modifications and changes can be made by those who possess. In addition, it should be understood that the technical idea of the present invention can be extended to various unmanned monitoring methods, unmanned monitoring devices and unmanned monitoring systems, such as iron fence monitoring, important facility monitoring, forest fire monitoring, and fire monitoring, which require unmanned monitoring.
본 발명에 따르면, 무인 감시 방법, 무인 감시 장치 및 무인 감시 시스템은 밝기 정보만을 이용하여 배경을 효과적으로 제거함으로써 외부 노이즈의 영향을 최소화하면서 주간 및 야간에 움직임을 갖는 복수의 객체를 효과적으로 추출할 수 있고, 추출된 객체에 대하여 성형 골격화 알고리즘을 적용함으로써 감시 목적물(예를 들어, 사람)을 정확하게 구분할 수 있어 높은 신뢰성을 확보할 수 있다. 따라서 본 발명에 따른 무인 감시 방법, 무인 감시 장치 및 무인 감시 시스템은 감시 목적물을 정확하게 구분하여 감시 목적물의 침입 경보만을 정확하게 발생시켜야 하는 군사용 무인 감시 시스템 등에 적용이 가능하다.According to the present invention, the unmanned surveillance method, the unmanned surveillance apparatus, and the unmanned surveillance system can effectively extract a plurality of objects having movements during the day and night while minimizing the influence of external noise by effectively removing the background using only brightness information. In addition, by applying the shaping skeletonization algorithm to the extracted objects, it is possible to accurately distinguish the monitoring targets (for example, humans), thereby ensuring high reliability. Therefore, the unmanned monitoring method, the unmanned monitoring device and the unmanned monitoring system according to the present invention can be applied to a military unmanned monitoring system for accurately generating only the intrusion alarm of the monitoring object by accurately classifying the monitoring object.
따라서 상기에서는 본 발명의 바람직한 실시예들을 참조하여 설명하였지만 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Therefore, while the above has been described with reference to the preferred embodiments of the present invention, those of ordinary skill in the art various modifications of the present invention without departing from the spirit and scope of the present invention described in the claims below. And can be changed.
도 1은 본 발명의 일 실시예에 따른 무인 감시 방법을 나타내는 도면이다.1 is a view showing an unmanned monitoring method according to an embodiment of the present invention.
도 2는 도 1의 무인 감시 방법에서 학습 기간 동안 배경에 해당하는 각 픽셀들의 움직임을 반영하여 생성한 통계 모델의 예를 나타내는 도면이다.FIG. 2 is a diagram illustrating an example of a statistical model generated by reflecting the movement of each pixel corresponding to a background during a learning period in the unmanned monitoring method of FIG. 1.
도 3은 도 1의 무인 감시 방법에서 통계 모델을 이용하여 객체 픽셀 영역을 추출한 예를 나타내는 도면이다.3 is a diagram illustrating an example of extracting an object pixel region using a statistical model in the unmanned monitoring method of FIG. 1.
도 4는 도 1의 무인 감시 방법에서 배경의 움직임에 대한 시간적 특징 및 공간적 특징을 반영하여 객체 픽셀 지도를 수정한 예를 나타내는 도면이다.FIG. 4 is a diagram illustrating an example of modifying an object pixel map by reflecting temporal and spatial characteristics of a background motion in the unmanned monitoring method of FIG. 1.
도 5는 도 1의 무인 감시 방법에서 객체 픽셀 지도를 수정하여 객체 픽셀 영역만을 추출한 결과를 나타내는 도면이다.FIG. 5 is a diagram illustrating a result of extracting only an object pixel region by modifying an object pixel map in the unmanned monitoring method of FIG. 1.
도 6은 도 1의 무인 감시 방법에서 연결 성분 해석을 위하여 객체 픽셀 지도를 보정한 예를 나타내는 도면이다.FIG. 6 is a diagram illustrating an example of correcting an object pixel map for connection component analysis in the unmanned monitoring method of FIG. 1.
도 7은 도 1의 무인 감시 방법에서 성형 골격화 알고리즘을 적용하는 단계를 나타내는 도면이다.FIG. 7 is a diagram illustrating a step of applying a shaping skeletonization algorithm in the unmanned monitoring method of FIG. 1.
도 8은 도 1의 무인 감시 방법에서 성형 골격화 알고리즘을 적용하는 과정을 나타내는 도면이다.FIG. 8 is a diagram illustrating a process of applying a molding skeletonization algorithm in the unmanned monitoring method of FIG. 1.
도 9는 도 1의 무인 감시 방법에서 객체 픽셀 영역이 감시 목적물인지 여부를 판단하는 과정을 나타내는 도면이다.FIG. 9 is a diagram illustrating a process of determining whether an object pixel area is a monitoring object in the unmanned monitoring method of FIG. 1.
도 10은 도 1의 무인 감시 방법에서 객체 픽셀 영역이 감시 목적물인지 여부를 판단하는 예를 나타내는 도면이다.FIG. 10 is a diagram illustrating an example of determining whether an object pixel area is a monitoring target in the unattended monitoring method of FIG. 1.
도 11a 내지 도 11c는 도 1의 무인 감시 방법의 감시 결과를 나타내는 도면이다.11A to 11C are diagrams illustrating a monitoring result of the unmanned monitoring method of FIG. 1.
도 12는 본 발명의 일 실시예에 따른 무인 감시 장치를 나타내는 도면이다.12 is a diagram illustrating an unmanned monitoring apparatus according to an embodiment of the present invention.
도 13은 도 12의 무인 감시 장치의 기준 밝기 정보 연산부를 나타내는 도면이다.FIG. 13 is a diagram illustrating a reference brightness information calculating unit of the unmanned monitoring device of FIG. 12.
도 14는 도 12의 무인 감시 장치의 객체 픽셀 영역 추출부를 나타내는 도면이다.FIG. 14 is a diagram illustrating an object pixel area extraction unit of the unmanned monitoring device of FIG. 12.
도 15는 도 12의 무인 감시 장치의 객체 픽셀 영역 판단부를 나타내는 도면이다.FIG. 15 is a diagram illustrating an object pixel area determination unit of the unmanned monitoring device of FIG. 12.
도 16은 본 발명의 일 실시예에 따른 무인 감시 시스템을 나타내는 도면이다.16 is a diagram illustrating an unmanned surveillance system according to an embodiment of the present invention.
도 17은 본 발명의 다른 실시예에 따른 무인 감시 시스템을 나타내는 도면이다. 17 is a diagram illustrating an unmanned surveillance system according to another embodiment of the present invention.
<도면의 주요 부분에 대한 설명>Description of the main parts of the drawing
120: 통계 모델 생성부 140: 기준 밝기 정보 연산부120: statistical model generator 140: reference brightness information calculator
160: 객체 픽셀 영역 추출부 180: 객체 픽셀 영역 판단부160: object pixel region extraction unit 180: object pixel region determination unit
Claims (25)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090023015A KR101038726B1 (en) | 2009-03-18 | 2009-03-18 | High reliance auto surveillance method, device and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090023015A KR101038726B1 (en) | 2009-03-18 | 2009-03-18 | High reliance auto surveillance method, device and system |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20100104536A KR20100104536A (en) | 2010-09-29 |
KR101038726B1 true KR101038726B1 (en) | 2011-06-03 |
Family
ID=43008771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020090023015A KR101038726B1 (en) | 2009-03-18 | 2009-03-18 | High reliance auto surveillance method, device and system |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101038726B1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101480636B1 (en) | 2013-09-23 | 2015-01-09 | 주식회사 에스원 | Monitoring method of video monitoring device |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101274741B1 (en) * | 2011-10-04 | 2013-06-17 | 성균관대학교산학협력단 | Method for validation of object boundaries and system of thereof, method for detection of object |
KR101990367B1 (en) | 2014-05-08 | 2019-06-18 | 한화테크윈 주식회사 | Method of image fusion |
KR101480750B1 (en) | 2014-06-26 | 2015-01-12 | (주)유디피 | Apparatus and method for detecting motion |
KR102143029B1 (en) * | 2020-04-02 | 2020-08-10 | 아성글로벌(주) | Artificial intelligence cctv system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100513739B1 (en) | 2002-08-23 | 2005-09-09 | 삼성전자주식회사 | Motion detecting device using face characteristics and monitoring system adapting it |
KR100615672B1 (en) | 2006-05-10 | 2006-08-28 | 주식회사 센텍 | Fire observation system using xy axis projection graph and its fire observation method and computer-readable recording medium to realize fire observation method |
KR20080095441A (en) * | 2007-04-24 | 2008-10-29 | 삼성전자주식회사 | Face detecting method and apparatus |
KR20090009899A (en) * | 2006-05-22 | 2009-01-23 | 엑시스 에이비 | Method and apparatus for identifying properties of an object detected by a video surveillance camera |
-
2009
- 2009-03-18 KR KR1020090023015A patent/KR101038726B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100513739B1 (en) | 2002-08-23 | 2005-09-09 | 삼성전자주식회사 | Motion detecting device using face characteristics and monitoring system adapting it |
KR100615672B1 (en) | 2006-05-10 | 2006-08-28 | 주식회사 센텍 | Fire observation system using xy axis projection graph and its fire observation method and computer-readable recording medium to realize fire observation method |
KR20090009899A (en) * | 2006-05-22 | 2009-01-23 | 엑시스 에이비 | Method and apparatus for identifying properties of an object detected by a video surveillance camera |
KR20080095441A (en) * | 2007-04-24 | 2008-10-29 | 삼성전자주식회사 | Face detecting method and apparatus |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101480636B1 (en) | 2013-09-23 | 2015-01-09 | 주식회사 에스원 | Monitoring method of video monitoring device |
Also Published As
Publication number | Publication date |
---|---|
KR20100104536A (en) | 2010-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7995843B2 (en) | Monitoring device which monitors moving objects | |
Boult et al. | Frame-rate omnidirectional surveillance and tracking of camouflaged and occluded targets | |
US7969470B2 (en) | Moving object detection apparatus, method and program | |
US7436887B2 (en) | Method and apparatus for video frame sequence-based object tracking | |
KR101168760B1 (en) | Flame detecting method and device | |
US10007836B2 (en) | Bird detection device, bird detection system, bird detection method, and program extracting a difference between the corrected images | |
US10032283B2 (en) | Modification of at least one parameter used by a video processing algorithm for monitoring of a scene | |
CN107437318B (en) | Visible light intelligent recognition algorithm | |
US20170004629A1 (en) | Low-complexity motion detection based on image edges | |
US20120327241A1 (en) | Video Motion Detection, Analysis and Threat Detection Device and Method | |
US20230201642A1 (en) | Fire detection system | |
KR101038726B1 (en) | High reliance auto surveillance method, device and system | |
US20090033745A1 (en) | Method and apparatus for video frame sequence-based object tracking | |
WO2016013719A1 (en) | Device and method for monitoring abnormal behavior using three-dimensional image information | |
KR20080020595A (en) | Human detection and tracking for security applications | |
WO2022078182A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
CN103366483A (en) | Monitoring alarm system | |
Toreyin et al. | Wildfire detection using LMS based active learning | |
KR20060008268A (en) | Smoke detecting method and system using ccd image | |
JP5771039B2 (en) | Abandoned person detection device | |
US11740315B2 (en) | Mobile body detection device, mobile body detection method, and mobile body detection program | |
Kaabi et al. | Video smoke detection review: State of the art of smoke detection in visible and IR range | |
KR20130104579A (en) | Method, system for detecting camera tampering | |
CN103870847B (en) | Detecting method for moving object of over-the-ground monitoring under low-luminance environment | |
KR101270718B1 (en) | Video processing apparatus and method for detecting fire from video |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20140429 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20150515 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20160517 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20170518 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20180327 Year of fee payment: 8 |
|
FPAY | Annual fee payment |
Payment date: 20190514 Year of fee payment: 9 |