KR102113533B1 - 영상 내의 이상 행동 객체를 추적하는 장치 - Google Patents

영상 내의 이상 행동 객체를 추적하는 장치 Download PDF

Info

Publication number
KR102113533B1
KR102113533B1 KR1020180129795A KR20180129795A KR102113533B1 KR 102113533 B1 KR102113533 B1 KR 102113533B1 KR 1020180129795 A KR1020180129795 A KR 1020180129795A KR 20180129795 A KR20180129795 A KR 20180129795A KR 102113533 B1 KR102113533 B1 KR 102113533B1
Authority
KR
South Korea
Prior art keywords
abnormal behavior
image
tracking
objects
unit
Prior art date
Application number
KR1020180129795A
Other languages
English (en)
Other versions
KR20200048098A (ko
Inventor
박구만
전지혜
전소연
허준학
Original Assignee
서울과학기술대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울과학기술대학교 산학협력단 filed Critical 서울과학기술대학교 산학협력단
Priority to KR1020180129795A priority Critical patent/KR102113533B1/ko
Publication of KR20200048098A publication Critical patent/KR20200048098A/ko
Application granted granted Critical
Publication of KR102113533B1 publication Critical patent/KR102113533B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)

Abstract

영상 내의 이상 행동 객체를 추적하는 장치는 카메라로부터 촬영된 영상을 수신하는 영상 수신부, 상기 영상으로부터 복수의 객체를 인식하고, 상기 인식된 복수의 객체를 분석하여 이상 행동 객체를 판단하는 객체 분석부, 상기 판단된 이상 행동 객체를 추적하는 객체 추적부 및 상기 추적된 이상 행동 객체의 이동 경로에 기초하여 상기 카메라의 시점을 변환시키는 시점 변환부를 포함한다.

Description

영상 내의 이상 행동 객체를 추적하는 장치{APPARATUS FOR TRACKING ABNORMAL BEHAVIOR OBJECT IN VIDEO}
본 발명은 영상 내의 이상 행동 객체를 추적하는 장치에 관한 것이다.
CCTV(Closed Circuit Television)란 특정 건축물이나 시설물에서 특정 수신자를 대상으로 유선 또는 무선 통신을 이용하여 화상을 전송하는 시스템을 의미한다. CCTV는 무인 감시용으로 주로 보안이 필요한 은행 또는 범죄가 주로 발생되는 우범지대 등에 설치되며, CCTV 설치를 통해 범죄를 예방하고, 범인을 발견하여 체포를 용이하게 할 수 있다.
이러한 CCTV를 이용한 무인 감시 기술과 관련하여, 선행기술인 한국공개특허 제 2016-0050922호는 CCTV 감시 시스템을 개시하고 있다.
종래의 CCTV를 이용한 감시 시스템은 화각이 한정된 복수개의 카메라를 이용하였다. 이는, 하나의 카메라의 화각에서 객체가 이탈하는 경우, 다른 카메라에서 동일 객체에 대한 정보를 획득하여 재인식을 수행해야 하며, 이로 인해, 객체 재인식을 위한 연산량이 많고, 처리 속도가 늦다는 단점을 가지고 있었다.
화각을 벗어난 객체를 추적하고, 추적한 객체의 위치를 따라 시점을 변환시켜 표시되도록 하는 영상 내의 이상 행동 객체를 추적하는 장치를 제공하고자 한다.
사각지대를 이용한 범죄뿐만 아니라, 용의자 추적 및 위험 상황 감지 등과 같이 전반적인 보안 분야에서 이용 가능한 영상 내의 이상 행동 객체를 추적하는 장치를 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명의 일 실시예는, 카메라로부터 촬영된 영상을 수신하는 영상 수신부, 상기 영상으로부터 복수의 객체를 인식하고, 상기 인식된 복수의 객체를 분석하여 이상 행동 객체를 판단하는 객체 분석부, 상기 판단된 이상 행동 객체를 추적하는 객체 추적부 및 상기 추적된 이상 행동 객체의 이동 경로에 기초하여 상기 카메라의 시점을 변환시키는 시점 변환부를 포함하는 객체 추적 장치를 제공할 수 있다.
일 실시예에 따르면, 상기 객체 분석부는 상기 인식된 복수의 객체에 대한 각 객체 영역으로부터 각 객체의 관절을 인식하고, 상기 인식된 각 객체의 관절에 대한 위치 변화 정보를 의사결정트리에 적용하여 상기 각 객체에 대한 행동 정보를 분류하고, 상기 분류된 각 객체에 대한 행동 정보 및 상기 복수의 객체 간의 거리에 기초하여 상기 복수의 객체 중 적어도 둘 이상 간에 상호 촉발 이벤트가 발생하였는지 여부를 판단할 수 있다.
일 실시예에 따르면, 상기 객체 분석부는 상기 상호 촉발 이벤트가 발생된 경우, 상기 복수의 객체 중 상기 상호 촉발 이벤트와 관련된 객체를 이상 행동 객체로 판단하고, 상기 객체 추적부는 상기 이상 행동 객체로 판단된 객체를 추적할 수 있다.
일 실시예에 따르면, 상기 시점 변환부는 상기 추적된 이상 행동 객체 및 상기 영상으로부터 각각의 중심 좌표를 도출하고, 상기 도출된 각각의 중심 좌표에 기초하여 상기 영상의 프레임을 소정의 회전 각도로 회전시키고, 상기 회전된 영상의 중심 좌표에 기초하여 상기 이상 행동 객체의 중심 좌표를 이동시킬 수 있다.
일 실시예에 따르면, 상기 시점 변환부는 상기 소정의 회전 각도 및 상기 영상의 크기에 기초하여 상기 이상 행동 객체에 대한 추적 임계치를 설정할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 화각을 벗어난 객체를 추적하고, 추적한 객체의 위치를 따라 시점을 변환시켜 표시되도록 하는 영상 내의 이상 행동 객체를 추적하는 장치를 제공할 수 있다.
사각지대를 이용한 범죄뿐만 아니라, 용의자 추적 및 위험 상황 감지 등과 같이 전반적인 보안 분야에서 이용 가능한 영상 내의 이상 행동 객체를 추적하는 장치를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 객체 추적 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 객체 추적 장치의 구성도이다.
도 3은 본 발명의 일 실시예에 따른 객체를 인식하는 과정을 설명하기 위한 예시적인 도면이다.
도 4는 본 발명의 일 실시예에 따른 상호 촉발 이벤트의 발생 여부를 판단하는 과정을 설명하기 위한 예시적인 도면이다.
도 5는 본 발명의 일 실시예에 따른 이상 행동 객체를 도시한 예시적인 도면이다.
도 6은 본 발명의 일 실시예에 따른 이상 행동 객체의 이동 경로에 기초하여 변환된 카메라의 시점을 도시한 예시적인 도면이다.
도 7은 본 발명의 일 실시예에 따른 객체 추적 장치에서 영상 내의 이상 행동 객체를 추적하는 방법의 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 객체 추적 시스템의 구성도이다. 도 1을 참조하면, 객체 추적 시스템(1)은 카메라(110) 및 객체 추적 장치(120)를 포함할 수 있다. 카메라(110) 및 객체 추적 장치(120)는 객체 추적 시스템(1)에 의하여 제어될 수 있는 구성요소들을 예시적으로 도시한 것이다.
도 1의 객체 추적 시스템(1)의 각 구성요소들은 일반적으로 네트워크(network)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 객체 추적 장치(120)는 카메라(110)와 동시에 또는 시간 간격을 두고 연결될 수 있다.
네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
카메라(110)는 360° 카메라일 수 있으며, 360° 카메라를 이용하여 전방위 영상을 촬영할 수 있다. 카메라(110)는 360°로 촬영된 구형 영상을 객체 추적 장치(120)로 전송할 수 있다.
카메라(110)는 팬/틸트/줌이 조절 가능한 PTZ 카메라일 수 있으며, 팬/틸트/줌을 조절하여 이상 행동 객체를 추적할 수 있다.
객체 추적 장치(120)는 카메라(110)로부터 촬영된 영상을 수신할 수 있다.
객체 추적 장치(120)는 영상으로부터 복수의 객체를 인식하고, 인식된 복수의 객체를 분석하여 이상 행동 객체를 판단할 수 있다.
이를 위해, 객체 추적 장치(120)는 인식된 복수의 객체에 대한 각 객체 영역으로부터 각 객체의 관절을 인식하고, 인식된 각 객체의 관절에 대한 위치 변화 정보를 의사결정트리에 적용하여 각 객체에 대한 행동 정보를 분류할 수 있다.
객체 추적 장치(120)는 분류된 각 객체에 대한 행동 정보 및 복수의 객체 간의 거리에 기초하여 복수의 객체 중 적어도 둘 이상 간에 상호 촉발 이벤트가 발생하였는지 여부를 판단할 수 있다. 이 때, 객체 추적 장치(120)는 상호 촉발 이벤트가 발생된 경우, 복수의 객체 중 상호 촉발 이벤트와 관련된 객체를 이상 행동 객체로 판단할 수 있다.
객체 추적 장치(120)는 판단된 이상 행동 객체를 추적할 수 있다.
객체 추적 장치(120)는 추적된 이상 행동 객체의 이동 경로에 기초하여 카메라(110)의 시점을 변환시킬 수 있다. 예를 들어, 객체 추적 장치(120)는 추적된 이상 행동 객체 및 영상으로부터 각각의 중심 좌표를 도출하고, 도출된 각각의 중심 좌표에 기초하여 영상의 프레임을 소정의 회전 각도로 회전시키고, 회전된 영상의 중심 좌표에 기초하여 이상 행동 객체의 중심 좌표를 이동시킬 수 있다. 이 때, 객체 추적 장치(120)는 소정의 회전 각도 및 영상의 크기에 기초하여 이상 행동 객체에 대한 추적 임계치를 설정할 수 있다.
도 2는 본 발명의 일 실시예에 따른 객체 추적 장치의 구성도이다. 도 2를 참조하면, 객체 추적 장치(120)는 영상 수신부(210), 객체 분석부(220), 객체 추적부(230) 및 시점 변환부(240)를 포함할 수 있다.
영상 수신부(210)는 카메라(110)로부터 촬영된 영상을 수신할 수 있다. 여기서, 영상은 360°로 촬영된 구형 영상일 수 있다.
객체 분석부(220)는 영상으로부터 복수의 객체를 인식할 수 있다. 영상으로부터 복수의 객체를 인식하는 과정에 대해서는 도 3을 통해 상세히 설명하도록 한다.
도 3은 본 발명의 일 실시예에 따른 객체를 인식하는 과정을 설명하기 위한 예시적인 도면이다. 도 3을 참조하면, 객체 분석부(220)는 구형 영상(300)으로부터 HOG(Histogram of Oriendted Gradient)를 이용하여 영상의 특징을 추출하고, 추출된 영상의 특징을 이용하여 복수의 객체(310)를 인식할 수 있다. 이 때, 객체 분석부(220)는 인식된 복수의 객체(310)에 대해 SVM(Support Vector Machine) 분류기를 이용하여 사람 객체인지 여부를 판단할 수 있다.
다시 도 2로 돌아와서, 객체 분석부(220)는 인식된 복수의 객체를 분석하여 이상 행동 객체를 판단할 수 있다.
이를 위해, 객체 분석부(220)는 인식된 복수의 객체에 대한 각 객체 영역으로부터 각 객체의 관절을 인식할 수 있다. 예를 들어, 객체 분석부(220)는 복수의 객체 중 사람으로 판단된 객체의 영역에 대해 LSTM(Long Short-Term Memory) 딥러닝 알고리즘을 이용하여 단일 카메라 영상에 대한 관절을 인식할 수 있다.
객체 분석부(220)는 인식된 각 객체의 관절에 대한 위치 변화 정보를 의사결정트리(Decision Tree)에 적용하여 각 객체에 대한 행동 정보를 분류할 수 있다. 예를 들어, 객체 분석부(220)는 프레임에 따른 각 객체의 관절에 대한 위치 변화 정보를 의사 결정트리에 적용하여, 각 객체의 행동을 걷기(walking), 뛰기(running), 복싱(boxing), 킥킹(kicking), 눕기(lying down), 앉기(sitting) 등으로 분류할 수 있다.
객체 분석부(220)는 분류된 각 객체에 대한 행동 정보 및 복수의 객체 간의 거리에 기초하여 복수의 객체 중 적어도 둘 이상 간에 상호 촉발 이벤트가 발생하였는지 여부를 판단할 수 있다. 상호 촉발 이벤트의 발생 여부를 판단하는 과정에 대해서는 도 4를 통해 상세히 설명하도록 한다.
도 4는 본 발명의 일 실시예에 따른 상호 촉발 이벤트의 발생 여부를 판단하는 과정을 설명하기 위한 예시적인 도면이다. 도 4를 참조하면, 객체 분석부(220)는 각 객체에 대한 행동 정보 및 복수의 객체 간의 거리에 기초하여 복수의 객체 중 적어도 둘 이상 간에 상호 촉발 이벤트가 발생하였는지 여부를 판단할 수 있다. 예를 들어, 제 1 객체(410)와 제 2 객체(420)가 서로 근접한 위치에 위치하였다고 가정하자.
객체 분석부(220)는 제 1 객체(410) 및 제 2 객체(420)의 손동작에 기초하여 제 1 객체(410) 및 제 2 객체(420)의 행동을 복싱(boxing)으로 분류할 수 있다. 이 때, 제 1 객체(410) 및 제 2 객체(420)가 서로 근접한 위치에서 각 객체의 행동이 복싱(boxing)으로 분류되었으므로, 객체 분석부(220)는 상호 촉발 이벤트가 발생하였다고 판단할 수 있다.
다시 도 2로 돌아와서, 객체 분석부(220)는 상호 촉발 이벤트가 발생된 경우, 복수의 객체 중 상호 촉발 이벤트와 관련된 객체를 이상 행동 객체로 판단할 수 있다.
객체 추적부(230)는 판단된 이상 행동 객체를 추적할 수 있다. 이상 행동 객체를 추적하는 과정에 대해서는 도 5를 통해 상세히 설명하도록 한다.
도 5는 본 발명의 일 실시예에 따른 이상 행동 객체를 도시한 예시적인 도면이다. 도 5를 참조하면, 객체 추적부(230)는 상호 촉발 이벤트가 발생된 이후, 이상 행동 객체를 포함하는 영역(500)을 객체 추적 알고리즘의 초기 영역으로 설정할 수 있다. 객체 추적부(230)는 초기 영역을 KCF(Kernerlized Correlation Filters) 추적 알고리즘에 입력하면, KCF 추적 알고리즘이 다중 객체 추적을 수행하여 이상 행동 객체의 이동 궤적 및 좌표를 획득할 수 있다.
다시 도 2로 돌아와서, 시점 변환부(240)는 추적된 이상 행동 객체의 이동 경로에 기초하여 카메라(110)의 시점을 변환시킬 수 있다.
이를 위해, 시점 변환부(240)는 추적된 이상 행동 객체 및 영상으로부터 각각의 중심 좌표를 도출할 수 있다. 시점 변환부(240)는 이상 행동 객체의 중심 좌표와 영상의 중심 좌표의 차이를 줄이기 위해 도출된 각각의 중심 좌표에 기초하여 영상의 프레임을 소정의 회전 각도(예를 들어, 프레임 당 0.8°씩)로 회전시킬 수 있다. 또한, 시점 변환부(240)는 회전된 영상의 중심 좌표에 기초하여 이상 행동 객체의 중심 좌표를 예를 들어, width(영상의 가로 길이)/90°만큼 이동시킬 수 있다.
시점 변환부(240)는 소정의 회전 각도 및 영상의 크기에 기초하여 이상 행동 객체에 대한 추적 임계치를 설정할 수 있다. 이 때, 추적 임계치는 width/90°로 객체의 중심 좌표가 이동하는 속도와 같은 값으로 설정될 수 있다. 추적 임계치가 커질수록 회전 속도가 증가하는 대신 수렴이 어려워지고, 작아질수록 회전속도가 감소하며, 시점 변환부(240)는 객체의 중심 좌표와 영상의 중심 좌표 간의 거리가 더 이상 작아질 수 없는 경우, 추적 임계치를 작게하여 회전 속도를 감소시킬 수 있다.
도 6은 본 발명의 일 실시예에 따른 이상 행동 객체의 이동 경로에 기초하여 변환된 카메라의 시점을 도시한 예시적인 도면이다. 도 5를 참조하면, 이상 행동 객체(500)가 카메라(110)의 시점을 벗어난 경우, 시점 변환부(240)는 이상 행동 객체(500)의 이동 경로를 추적하여 시점을 변환시킬 수 있다.
도 6을 참조하면, 이상 행동 객체(600)의 이동 경로를 따라 카메라(110)의 시점이 도 6의 이상 행동 객체(600)가 도 5의 이상 행동 객체(500) 보다 우측으로 이동된 것을 확인할 수 있다.
도 7은 본 발명의 일 실시예에 따른 객체 추적 장치에서 영상 내의 이상 행동 객체를 추적하는 방법의 순서도이다. 도 7에 도시된 객체 추적 장치(120)에서 영상 내의 이상 행동 객체를 추적하는 방법은 도 1 내지 도 6에 도시된 실시예에 의해 객체 추적 시스템(1)에서 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 6에 도시된 실시예에 따른 객체 추적 장치(120)에서 영상 내의 이상 행동 객체를 추적하는 방법에도 적용된다.
단계 S710에서 객체 추적 장치(120)는 카메라(110)로부터 촬영된 영상을 수신할 수 있다.
단계 S720에서 객체 추적 장치(120)는 영상으로부터 복수의 객체를 인식하고, 인식된 복수의 객체를 분석하여 이상 행동 객체를 판단할 수 있다.
단계 S730에서 객체 추적 장치(120)는 판단된 이상 행동 객체를 추적할 수 있다.
단계 S740에서 객체 추적 장치(120)는 추적된 이상 행동 객체의 이동 경로에 기초하여 카메라(110)의 시점을 변환시킬 수 있다.
상술한 설명에서, 단계 S710 내지 S740은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
도 1 내지 도 7을 통해 설명된 객체 추적 장치에서 영상 내의 이상 행동 객체를 추적하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 또한, 도 1 내지 도 7을 통해 설명된 객체 추적 장치에서 영상 내의 이상 행동 객체를 추적하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램의 형태로도 구현될 수 있다.
컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
110: 카메라
120: 객체 추적 장치
210: 영상 수신부
220: 객체 분석부
230: 객체 추적부
240: 시점 변환부

Claims (5)

  1. 영상 내의 이상 행동 객체를 추적하는 장치에 있어서,
    카메라로부터 촬영된 영상을 수신하는 영상 수신부;
    상기 영상으로부터 복수의 객체를 인식하고, 상기 인식된 복수의 객체를 분석하여 이상 행동 객체를 판단하는 객체 분석부;
    상기 판단된 이상 행동 객체를 추적하는 객체 추적부; 및
    상기 추적된 이상 행동 객체의 이동 경로에 기초하여 상기 카메라의 시점을 변환시키는 시점 변환부
    를 포함하되,
    상기 객체 분석부는,
    상기 인식된 복수의 객체에 대한 각 객체 영역으로부터 각 객체의 관절을 인식하고,
    상기 인식된 각 객체의 관절에 대한 위치 변화 정보를 의사결정트리에 적용하여 상기 각 객체에 대한 행동 정보를 분류하고,
    상기 분류된 각 객체에 대한 행동 정보 및 상기 복수의 객체 간의 거리에 기초하여 상기 복수의 객체 중 적어도 둘 이상 간에 상호 촉발 이벤트가 발생하였는지 여부를 판단하는 것인, 객체 추적 장치.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 객체 분석부는 상기 상호 촉발 이벤트가 발생된 경우, 상기 복수의 객체 중 상기 상호 촉발 이벤트와 관련된 객체를 이상 행동 객체로 판단하고,
    상기 객체 추적부는 상기 이상 행동 객체로 판단된 객체를 추적하는 것인, 객체 추적 장치.
  4. 제 3 항에 있어서,
    상기 시점 변환부는,
    상기 추적된 이상 행동 객체 및 상기 영상으로부터 각각의 중심 좌표를 도출하고,
    상기 도출된 각각의 중심 좌표에 기초하여 상기 영상의 프레임을 소정의 회전 각도로 회전시키고,
    상기 회전된 영상의 중심 좌표에 기초하여 상기 이상 행동 객체의 중심 좌표를 이동시키는 것인, 객체 추적 장치.
  5. 제 4 항에 있어서,
    상기 시점 변환부는,
    상기 소정의 회전 각도 및 상기 영상의 크기에 기초하여 상기 이상 행동 객체에 대한 추적 임계치를 설정하는 것인, 객체 추적 장치.
KR1020180129795A 2018-10-29 2018-10-29 영상 내의 이상 행동 객체를 추적하는 장치 KR102113533B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180129795A KR102113533B1 (ko) 2018-10-29 2018-10-29 영상 내의 이상 행동 객체를 추적하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180129795A KR102113533B1 (ko) 2018-10-29 2018-10-29 영상 내의 이상 행동 객체를 추적하는 장치

Publications (2)

Publication Number Publication Date
KR20200048098A KR20200048098A (ko) 2020-05-08
KR102113533B1 true KR102113533B1 (ko) 2020-05-21

Family

ID=70677495

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180129795A KR102113533B1 (ko) 2018-10-29 2018-10-29 영상 내의 이상 행동 객체를 추적하는 장치

Country Status (1)

Country Link
KR (1) KR102113533B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230064095A (ko) 2021-11-03 2023-05-10 국민대학교산학협력단 딥러닝 기반 영상분석을 통한 이상행동 탐지 장치 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762454A (zh) * 2020-07-30 2021-12-07 北京沃东天骏信息技术有限公司 轨迹异常检测方法及装置
KR102510116B1 (ko) * 2023-01-04 2023-03-14 퀀텀테크엔시큐 주식회사 영상 내 범죄 행위 인식 및 위험 객체의 이동 경로를 추적하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101808587B1 (ko) * 2017-08-03 2017-12-13 주식회사 두원전자통신 객체인식과 추적감시 및 이상상황 감지기술을 이용한 지능형 통합감시관제시스템

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101019384B1 (ko) * 2009-03-13 2011-03-07 중앙대학교 산학협력단 전방위 카메라 및 팬/틸트/줌 카메라를 이용한 무인 감시 장치 및 방법
KR20180096038A (ko) * 2017-02-20 2018-08-29 숙명여자대학교산학협력단 행위 예측을 위한 다중 모션 기반 옴니뷰 기법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101808587B1 (ko) * 2017-08-03 2017-12-13 주식회사 두원전자통신 객체인식과 추적감시 및 이상상황 감지기술을 이용한 지능형 통합감시관제시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230064095A (ko) 2021-11-03 2023-05-10 국민대학교산학협력단 딥러닝 기반 영상분석을 통한 이상행동 탐지 장치 및 방법

Also Published As

Publication number Publication date
KR20200048098A (ko) 2020-05-08

Similar Documents

Publication Publication Date Title
US10510234B2 (en) Method for generating alerts in a video surveillance system
US11176382B2 (en) System and method for person re-identification using overhead view images
US10691949B2 (en) Action recognition in a video sequence
KR101570339B1 (ko) 영상분석 서버를 통한 미래 발생범죄 예측 시스템
KR102113533B1 (ko) 영상 내의 이상 행동 객체를 추적하는 장치
Wheeler et al. Face recognition at a distance system for surveillance applications
KR101513215B1 (ko) 객체 행동패턴 cctv 영상 분석서버
US10360481B2 (en) Unconstrained event monitoring via a network of drones
KR101722664B1 (ko) 능동형 상황 인식을 위한 다인칭 시스템, 웨어러블 카메라, cctv, 관제서버 및 방법
US10719717B2 (en) Scan face of video feed
Sgouropoulos et al. Counting and tracking people in a smart room: An IoT approach
KR101485512B1 (ko) 객체 행동패턴의 해마 신경망 학습을 이용한 미래범죄 발생확률 우선순위 이벤트 cctv 영상처리 방법
US20220027204A1 (en) Software-defined sensing
Dinh et al. High resolution face sequences from a PTZ network camera
KR102111162B1 (ko) 블랙 박스와 연동된 다채널 카메라 홈 모니터링 시스템 및 방법
KR20150019230A (ko) 복수의 카메라를 이용한 객체 추적 방법 및 장치
KR20150112712A (ko) 객체 행동패턴 cctv 영상 분석서버
Zhang et al. Critical Infrastructure Security Using Computer Vision Technologies
KR102647139B1 (ko) 딥러닝 기반 영상분석을 통한 이상행동 탐지 장치 및 방법
KR102421043B1 (ko) 영상처리장치 및 그 장치의 구동방법
Ovsenik et al. Video surveillance systems
KR101436283B1 (ko) 영상분석 서버를 통한 미래 발생범죄 예측 시스템
KR101513467B1 (ko) 스쿨존 cctv 감시장치 성능개선 시스템
CN111882656A (zh) 基于人工智能的图形处理方法、设备及存储介质
Rehman et al. Image processing based detecting and tracking for security systems

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right