KR20150081797A - 객체 추적 장치 및 방법 - Google Patents

객체 추적 장치 및 방법 Download PDF

Info

Publication number
KR20150081797A
KR20150081797A KR1020140001649A KR20140001649A KR20150081797A KR 20150081797 A KR20150081797 A KR 20150081797A KR 1020140001649 A KR1020140001649 A KR 1020140001649A KR 20140001649 A KR20140001649 A KR 20140001649A KR 20150081797 A KR20150081797 A KR 20150081797A
Authority
KR
South Korea
Prior art keywords
tracking
unit
image
area
subject
Prior art date
Application number
KR1020140001649A
Other languages
English (en)
Inventor
최진우
고종국
문기영
유장희
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020140001649A priority Critical patent/KR20150081797A/ko
Publication of KR20150081797A publication Critical patent/KR20150081797A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
    • H04N23/681—Motion detection
    • H04N23/6811—Motion detection based on the image signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

본 발명의 객체 추적 장치 및 방법에 관한 것으로, 본 발명에 따른 장치는, 입력되는 영상으로부터 객체를 포함하는 영역을 검출하는 객체 검출부, 입력되는 영상의 매 프레임마다 상기 객체에 대응하는 영역으로부터 복수의 특징점들을 검출하고, 현재 프레임 및 이전 프레임으로부터 검출된 특징점들을 비교하여 상기 객체의 위치를 추적하는 객체 추적부, 및 특징점들의 평균치 및 최대 유사도값 중 어느 하나에 근거하여 산출된 상태 변수 추정치를 이용하여 상기 객체의 중첩 상태를 판별하는 중첩 판별부를 포함하며, 상기 객체가 중첩 상태가 아닌 경우만 해당 객체의 정보를 업데이트 하도록 한다.

Description

객체 추적 장치 및 방법{Apparatus and method for tracking object}
본 발명은 객체 추적 장치 및 방법에 관한 것으로, 객체들 간 중첩 상태에 따라 객체를 추적하도록 하는 기술에 관한 것이다.
일반적으로, CCTV를 이용한 영상 보안 기술은 CCTV를 통해 제공되는 영상을 관리자가 육안으로 관찰하는 것이 대부분이다. 하지만, 관리자가 여러 영상을 계속해서 관찰하는 것은 체력적, 정신적 한계가 따르며, 그로 인해 효율성이 저하되게 된다.
최근 컴퓨터 비전 기술을 이용한 지능형 영상 보안 기술이 각광을 받고 있다. 이러한 지능형 영상 보안 기술을 구현하기 위해서는 여러 가지 기술들이 적용되어야 한다. 다시 말해, 지능형 영상 보안 기술은 CCTV를 통해 제공되는 영상을 관리자가 육안으로 관찰하는 것이 아니라, 영상으로부터 검출 및 추적 알고리즘을 이용하여 영상으로부터 객체를 검출하고 검출된 객체를 추적하도록 하는 것이다.
특히, 객체 추적 기술은 그 중에서도 핵심적인 기술로, 카메라로 취득된 영상 시퀀스에서 특정한 한 명의 객체 혹은 불특정 다수의 위치를 매 프레임마다 추정하는 것이다. 객체 추적 기술에는 다양한 기법, 예를 들어, mean-shift나 칼만 필터를 이용한 객체 추적 기법 및 파티클 필터 알고리즘을 이용한 객체 추적 기법 등이 적용될 수 있다.
여기서, 객체 추적 기법에 널리 이용되는 파티클 필터 알고리즘은 여러 개의 파티클을 객체의 운동 모델과 불확실성을 통해 확산시켜서 객체를 추적하는 방법이다. 이러한 파티클 필터 알고리즘을 이용한 객체 추적 기법의 경우 평균-이동(mean-shift)이나 칼만 필터를 이용한 객체 추적 기법과 달리, 부분적인 중첩이나 가려짐, 배경의 클러터(clutter) 등에 강인한 성능을 보인다. 특히 컬러 히스토그램 정보를 이용한 객체 추적 방법들은 조명 변화에도 강인하며, 특징점(feature)이 적은 저해상도 객체의 경우에도 비교적 높은 정확도로 추적을 수행한다. 그러나 이러한 파티클 필터 기반 추적 기법의 경우, 객체 추적 시 객체 간의 부분적인 중첩에는 강인함에도 불구하고, 유사한 객체 간의 상호 중첩이 발생한 경우에는 추적 정확도가 저하될 수 있다.
공개특허공보 제2012-0019008호
본 발명의 목적은, 영상으로부터 객체를 추적하는 경우 유사한 형태의 객체 간의 상호 중첩 상태를 판별하여 상호 중첩 상태의 객체 추적 정보를 업데이트 하지 않음으로써 객체 추적의 정확도가 향상되도록 하는 객체 추적 장치 및 방법을 제공함에 있다.
상기의 목적을 달성하기 위한 본 발명에 따른 객체 추적 장치는, 입력되는 영상으로부터 객체를 포함하는 영역을 검출하는 객체 검출부, 입력되는 영상의 매 프레임마다 상기 객체에 대응하는 영역으로부터 복수 개의 파티클을 검출하고, 현재 프레임 및 이전 프레임으로부터 검출된 파티클을 비교하여 상기 객체의 위치를 추적하는 객체 추적부, 및 상기 파티클들의 평균치 및 유사도값 중 어느 하나에 근거하여 산출된 상태 변수 추정치 및 상기 영상으로부터 검출된 배경 영역의 정보를 이용하여 상기 객체의 중첩 상태를 판별하는 중첩 판별부를 포함하며, 상기 객체가 중첩 상태가 아닌 경우만 해당 객체의 정보를 업데이트 하도록 할 수 있다.
상기 객체 추적부는, 상기 객체 검출부에 의해 검출된 적어도 하나의 객체에 대응하는 객체 추적 모듈을 생성하는 것을 특징으로 한다.
상기 객체 추적 모듈은, 대응하는 객체의 초기 위치에서 해당 객체의 특징 정보를 객체 추적 알고리즘에 적용하여 해당 객체의 위치를 추적하는 것을 특징으로 한다.
상기 객체 추적부는, 입력되는 영상의 현재 프레임에 대한 복수의 파티클을 추출하고 이전 프레임에서 추출된 복수의 파티클을 비교하여 각 파티클의 상태 변화를 판별하는 것을 특징으로 한다.
상기 복수 개의 파티클은 객체의 위치 좌표값, 높이 및 너비 중 적어도 하나의 상태 변수에 근거하여 추출되는 것을 특징으로 한다.
상기 객체 추적부는, 복수 개의 파티클에 대한 색상, 에지(edge) 및 로컬 바이너리 패턴(Local Binary Pattern) 중 적어도 하나의 특징 정보를 파악하여 각 파티클의 위치 추정 유사도(observation likelihood)를 계산하는 것을 특징으로 한다.
상기 객체 추적부는, 현대 프레임에 대하여 소정 횟수만큼 복수의 파티클을 추출하고, 소정 횟수만큼 반복하여 추출한 파티클들의 평균값 및 최대 유사도값 중 어느 하나를 이용하여 현재 프레임에서의 해당 객체에 대한 상태 변수 추정치를 산출하는 것을 특징으로 한다.
상기 중첩 판별부는, 입력되는 영상으로부터 검출된 배경 이미지 정보와 상기 영상으로부터 검출된 객체 및 다른객체에 대한 상태 변수 추정치를 이용하여 상기 객체의 중첩 상태를 판별하는 것을 특징으로 한다.
상기 중첩 판별부는, 배경에 의한 중첩 여부, 대상객체와 다른객체의 중첩 비율 및 대상객체와 다른객체 간 유사도 중 적어도 하나를 이용하여 상기 객체의 중첩 상태를 판별하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 객체 추적 장치는, 카메라로부터 입력되는 영상을 분석하여 해당 영상의 각 프레임에 대한 특징 정보를 추출하고, 상기 영상으로부터 배경 이미지를 검출하는 영상 처리부를 더 포함할 수 있다.
한편, 상기의 목적을 달성하기 위한 본 발명에 따른 객체 추적 방법은, 입력되는 영상으로부터 객체를 포함하는 영역을 검출하는 단계, 입력되는 영상의 매 프레임마다 상기 객체에 대응하는 영역으로부터 복수 개의 파티클들을 검출하는 단계, 현재 프레임 및 이전 프레임으로부터 검출된 파티클들을 비교하여 상기 객체의 위치를 추적하는 단계, 상기 파티클들의 평균치 및 유사도값 중 어느 하나에 근거하여 산출된 상태 변수 추정치 및 상기 영상으로부터 검출된 배경 영역의 정보를 이용하여 상기 객체의 중첩 상태를 판별하는 단계, 및 상기 객체가 중첩 상태가 아닌 경우만 해당 객체의 정보를 업데이트 하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 영상으로부터 객체를 추적하는 경우 유사한 형태의 객체간의 상호 중첩 상태를 판별하여 상호 중첩 상태의 객체 추적 정보를 업데이트 하지 않음으로써 잘못된 정보를 업데이트 함으로 인해 객체 추적의 정확도가 저하되는 것을 방지할 수 있는 이점이 있다.
도 1은 본 발명의 일 실시예에 따른 객체 추적 장치의 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 객체 추적 장치의 배경 이미지를 도시한 예시도이다.
도 3은 본 발명의 일 실시예에 따른 객체 추적 장치의 제1 실시예에 따른 객체 추적 동작을 설명하는데 참조되는 예시도이다.
도 4는 본 발명의 일 실시예에 따른 객체 추적 장치의 제2 실시예에 따른 객체 추적 동작을 설명하는데 참조되는 예시도이다.
도 5는 본 발명의 일 실시예에 따른 객체 추적 방법에 대한 동작 흐름을 도시한 순서도이다.
이하에서는 첨부된 도면들을 참조하여 본 발명에 대해서 자세히 설명한다. 이때, 각각의 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타낸다. 또한, 이미 공지된 기능 및/또는 구성에 대한 상세한 설명은 생략한다. 이하에 개시된 내용은, 다양한 실시 예에 따른 동작을 이해하는데 필요한 부분이 중점적으로 설명하며, 그 설명의 요지를 흐릴 수 있는 요소들에 대한 설명은 생략한다.
또한, 도면의 일부 구성요소는 과장되거나 생략되거나 또는 개략적으로 도시될 수 있다. 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니며, 따라서 각각의 도면에 그려진 구성요소들의 상대적인 크기나 간격에 의해 여기에 기재되는 내용들이 제한되는 것은 아니다.
도 1은 본 발명의 실시예에 따른 객체 추적 장치의 구성을 도시한 도면이다.
도 1을 참조하면, 객체 추적 장치(100)는 카메라(110), 출력부(120), 저장부(130), 제어부(140), 영상 처리부(150), 객체 검출부(160), 객체 추적부(170) 및 중첩 판별부(180)를 포함한다. 여기서, 제어부(140)는 객체 추적 장치(100)의 각 부의 동작을 제어할 수 있다.
카메라(110)는 객체 추적을 위한 영상을 촬영하는 수단으로, 카메라(110)에 의해 촬영된 영상은 제어부(140)를 통해 저장부(130)에 저장될 수 있으며, 영상 처리부(150), 객체 검출부(160), 객체 추적부(170) 및 중첩 판별부(180) 중 적어도 하나로 제공될 수도 있다. 여기서, 카메라(110)는 실내 또는 실외에 설치되는 카메라 일 수 있으며, CCTV 등이 해당 될 수 있다. 또한, 카메라(110)는 촬영한 영상을 실시간으로 제공할 수 있으나, 촬영한 영상을 소정시간 단위로 제공할 수도 있다.
출력부(120)는 카메라(110)로부터 획득한 영상을 출력하는 수단으로, 모니터와 같은 디스플레이 수단이 해당 될 수 있다. 이 경우, 출력부(120)는 객체 추적 장치(100)에 의한 객체 추적 결과 등을 출력할 수 있다. 또한, 출력부(120)는 특정 이벤트 발생 시 객체 추적 상태 또는 경보신호 등을 출력하는 음성 출력 수단일 수도 있다.
저장부(130)는 객체 추적 장치(100)의 동작을 위한 설정값이 저장될 수 있으며, 카메라(110)로부터 획득한 영상 및 객체 추적 장치(100)의 객체 추적 결과 등이 저장될 수도 있다. 또한, 저장부(130)는 객체 추적 장치(100)의 동작을 위한 알고리즘이 저장될 수 있다. 일 예로서, 저장부(130)는 영상으로부터 적어도 하나의 객체를 검출하는 객체 검출 알고리즘이 저장될 수 있으며, 영상으로부터 검출된 적어도 하나의 객체를 추적하는 객체 추적 알고리즘이 저장될 수 있다. 또한, 저장부(130)는 추적 대상이 되는 객체들의 상호 중첩 상태를 판별하는 중첩 판별 알고리즘이 저장될 수도 있다.
영상 처리부(150)는 카메라(110)로부터 획득한 영상을 분석하여, 해당 영상에 대한 분석 결과를 제어부(140)로 제공하여 저장부(130)에 저장되도록 할 수 있으며, 제어부(140)는 영상 처리부(150)로부터 입력된 영상 분석 결과를 객체 검출부(160), 객체 추적부(170) 및 중첩 판별부(180) 중 적어도 하나로 제공할 수 있다.
또한, 영상 처리부(150)는 카메라(110)로부터 획득한 영상으로부터 배경 이미지를 검출할 수 있다. 여기서, 영상 처리부(150)에 의해 검출된 배경 이미지는 도 2의 실시예를 참조하도록 한다. 다시 말해, 배경 이미지는, 도 2에 도시된 바와 같이, 객체를 포함하지 않는 이미지일 수 있다. 이 경우, 배경 이미지는 영상에 포함된 객체가 제거된 배경 이미지일 수도 있으며, 카메라(110)로부터 획득한 영상 프레임 중 객체를 포함하지 않는 프레임 이미지일 수도 있다.
영상 처리부(150)는 검출된 배경 이미지 및 배경 이미지에 대한 정보를 제어부(140)로 제공하여 저장부(130)에 저장되도록 할 수 있다. 여기서, 저장부(130)에 저장된 배경 이미지 및 배경 이미지에 대한 정보는 객체 검출부(160)에서 객체를 검출하거나, 객체 추적부(170)에서 객체를 추적하는데 이용될 수 있으며, 중첩 판별부(180)에서 객체 상호 간 중첩 상태를 판별하는데 적용될 수 있다.
객체 검출부(160)는 카메라(110)로부터 획득한 영상 및 영상 처리부(150)로부터 검출된 배경 이미지에 대한 정보를 이용하여 객체를 검출한다. 이 경우, 객체 검출부(160)는 저장부(130)에 저장된 객체 검출 알고리즘을 호출하여 수행함으로써 영상으로부터 객체를 검출할 수 있다.
일 예로서, 객체 검출부(160)는 카메라(110)로부터 획득한 영상에서 배경 이미지와 차이가 있는 영역을 객체 영역으로 검출할 수 있으며, 객체 영역에서 배경 이미지 정보에 포함되지 않은 특징 정보, 예를 들어, 색상, 실루엣 등의 정보를 객체 정보로 검출할 수 있다. 객체 검출부(160)는 객체 검출 결과를 제어부(140)를 통해 저장부(130)에 저장되도록 한다. 이때, 제어부(140)는 저장부(130)에 저장된 객체 검출 결과를 객체 추적부(170)로 제공할 수 있다.
여기서, 객체 검출부(160)는 카메라(110)로부터 획득한 영상에 포함된 모든 객체를 검출할 수 있다. 물론, 객체 검출부(160)는 실시 형태에 따라서 기 정의된 특징을 갖는 형태의 객체만을 검출할 수도 있다. 이와 같이, 객체 검출부(160)에서 객체를 검출하는 형태는 설정된 값에 따라 다양하게 적용 가능하다. 이때, 객체 검출부(160)는 객체를 검출함에 있어서 검출된 객체를 포함하는 소정 범위의 객체 영역을 검출하여 객체 추적부(170)로 제공할 수 있다.
객체 추적부(170)는 객체 검출부(160)에 의해 검출된 객체 영역 및 해당 객체의 특징 정보를 이용하여 카메라(110)로부터 획득한 영상으로부터 객체를 추적하도록 한다. 이 경우, 객체 추적부(170)는 저장부(130)에 저장된 객체 추적 알고리즘을 호출하여 수행함으로써 영상으로부터 객체를 추적할 수 있다.
여기서, 객체 추적부(170)는 객체 검출부(160)에 의해 검출된 적어도 하나의 객체에 대응하는 객체 추적 모듈(tracker)을 생성할 수 있으며, 각 객체 추적 모듈은 대응하는 각 객체의 정보를 객체 추적 알고리즘에 적용하여 해당 객체를 추적할 수 있다. 이때, 객체 추적부(170)는 객체 검출부(160)에 의해 검출된 적어도 하나의 객체 정보를 이용하여 각 객체에 대한 초기 위치를 설정하도록 한다. 따라서, 객체 추적 모듈은 대응하는 객체에 대하여 설정된 초기 위치를 기준으로 해당 객체를 추적할 수 있다.
일 예로서, 객체 추적 모듈은 카메라(110)로부터 획득한 영상의 각 프레임별로 객체 영역에 해당하는 복수 개의 파티클을 추출한다. 이 경우, 객체 추적 모듈은 현재 프레임의 객체 영역에서 추출된 복수 개의 파티클과 이전 프레임의 객체 영역에서 추출된 복수 개의 파티클을 비교하여 상태 변화를 판별하도록 한다.
여기서, 객체 추적 모듈은 각 프레임별 파티클의 상태 변수값을 상태 천이 행렬 및 파티클 운동 모델에 적용하여 해당 객체 영역에 대한 상태 변화를 검출할 수 있으며, 검출된 상태 변화를 통해 해당 객체의 위치를 추적하도록 한다. 이 경우, 객체 추적 모듈은 상태 천이 방정식을 이용하여 객체의 위치를 추적할 수 있다. 이때, 객체 추적 모듈에 의해 추출되는 복수 개의 파티클은 객체의 (x, y) 좌표값, 높이 및 너비 등의 상태 변수에 근거하여 추출되는 것으로 한다. 본 발명의 실시예에서, 객체 영역의 이동 속도는 상태 변수에 적용되지 않을 수 있다. 또한, 객체 추적 모듈에서 파티클 필터 기반의 객체 추적 알고리즘에 적용되는 파티클 운동 모델은 가우시안(gaussian) 모델, 랜덤 워크 모델 등과 같이 일반적으로 이용되는 랜덤 운동 모델이 해당 될 수 있다.
한편, 객체 추적 모듈은 각 프레임별로 추출된 복수 개의 파티클에 대하여 위치 추정 유사도(observation likelihood)를 계산하도록 한다. 이때, 객체 추적 모듈은 각 프레임별로 추출된 복수 개의 파티클에 대한 색상, 에지(edge) 및 로컬 바이너리 패턴(Local Binary Pattern) 중 적어도 하나의 특징 정보를 파악하여 각 파티클의 위치 추정 유사도를 계산할 수 있다. 물론, 객체 추적 모듈은 복수의 파티클에 대한 특징 정보를 모두 융합하여 각 파티클에 대한 위치 추정 유사도를 계산할 수도 있다.
여기서, 객체 추적 모듈은 파티클의 검출 정확도를 높이기 위하여 각 프레임별로 파티클을 소정 횟수만큼 반복하여 추출할 수 있다. 이 경우, 객체 추적 모듈은 현재 프레임에서 소정 횟수만큼 반복하여 추출된 파티클들의 평균값 또는 최대 유사도값을 계산하여, 현재 프레임에서의 해당 객체에 대한 상태 변수 추정치를 산출할 수 있다. 이때, 객체 추적 모듈에 의해 산출된 상태 변수 추정치는 중첩 판별부(180)에서 유사 객체 간 상호 중첩 상태를 판별하는데 적용될 있다. 따라서, 객체 추적 모듈은 산출된 상태 변수 추정치를 제어부(140)를 통해 저장부(130)에 저장되도록 하고, 제어부(140)는 상태 변수 추정치를 중첩 판별부(180)에 제공하도록 한다.
객체 추적 모듈은 객체 검출부(160)에 의해 검출된 각 객체에 대응하여 생성되기 때문에, 서로 다른 객체에 대응하는 객체 추적 모듈은 각각 대응하는 객체에 대한 상태 변수 추정치를 산출하게 된다. 따라서, 복수의 객체를 추적하는 경우에는 각 객체 추적 모듈에 의해 산출된 복수의 객체에 대한 상태 변수 추정치가 중첩 판별부(180)로 제공되게 된다. 따라서, 중첩 판별부(180)는 각 객체 추적 모듈로부터 입력된 복수의 객체에 대한 상태 변수 추정치에 근거하여 각 객체 간의 상호 중첩 상태를 판별하도록 한다.
여기서, 중첩 판별부(180)는 영상 처리부(150)에 의해 검출된 배경 이미지 정보와, 객체 추적 모듈에 의해 산출된 추적 대상이 되는 객체(이하, 대상객체라 칭한다) 및 대상객체를 제외한 나머지 다른객체의 상태 변수 추정치를 이용하여 대상객체의 중첩 상태를 판별하도록 한다.
이때, 중첩 판별부(180)는 아래 세 가지 항목을 기준으로 대상객체의 중첩 상태를 판별할 수 있다.
<첫째, 배경에 의한 중첩 여부>
중첩 판별부(180)는 대상객체의 위치가 배경 영역에 속하는지, 아니면 전경 영역에 속하는지를 판별할 수 있다. 대상객체가 배경 영역에 속하는지 여부를 판별하는 동작은 도 3의 실시예를 통해서도 확인할 수 있다. 다시 말해, 도 3의 (a)는 대상객체의 위치가 배경 영역에 속하는 상태의 이미지를 나타낸 것이다. 도 3의 (a)와 같이, 대상객체는 가로등 및 교통 표지판 등과 같이 배경에 속한 물체를 지나가는 경우, 대상객체 영역(310)은 일부가 배경 영역에 속한 가로등 및 교통 표시판 등에 의해 가려질 수 있다. 한편, 도 3의 (b)는 대상객체의 위치가 배경 영역에 속하지 않는 상태의 이미지를 나타낸 것으로, (b)에 도시된 대상객체 영역(320)에서는 대상객체가 배경 영역에 속한 물체에 의해 가려지지 않는다. 여기서, 배경 영역에 속한 물체의 정보는 영상 처리부(150)에 의해 검출된 배경 이미지의 정보로부터 확인할 수 있다.
이와 같이, 중첩 판별부(180)는 배경 영역에 속한 물체에 의해 대상객체가 가려진 경우에는 유사 객체 간 상호 중첩이 발생한 것으로 판단하지는 않는다.
따라서, 중첩 판별부(180)는 대상객체가 배경에 의해 중첩되었는지 여부에 대한 판별 결과를 아래 [수학식 1]과 같이 나타낼 수 있다.
Figure pat00001
여기서, X는 대상객체의 위치를 나타내며, IB(X)는 X에서 배경 영역에 의한 중첩 상태를 나타내는 변수이다. 이때, [수학식 1]에서와 같이, 대상객체의 위치가 배경 영역에 속하는 경우 배경 영역에 의한 중첩 상태는 0이 되고, 대상객체의 위치가 전경 영역에 속하는 경우, 다시 말해, 배경 영역에 속하지 않는 경우 배경 영역에 의한 중첩 상태는 1이 된다.
일 예로서, 도 3의 (a)에 도시된 이미지의 경우 IB(X)=0이 되고, 도 3의 (b)에 도시된 이미지의 경우에는 IB(X)=1이 된다.
<둘째, 대상객체와 다른객체의 중첩 비율>
중첩 판별부(180)는 대상객체와 다른객체들의 상태 정보를 비교한다. 이 경우, 중첩 판별부(180)는 대상객체와 다른객체들에 대응하는 객체 추적 모듈로부터 입력된 상태 변수 추정값에 근거하여 대상객체와 다른객체들의 (x, y) 좌표, 높이(h) 및 너비(w) 등을 비교하도록 한다. 비교 결과, 대상객체가 적어도 하나의 다른객체와 중첩된 것으로 확인된 경우, 중첩 판별부(180)는 대상객체의 영역에 해당하는 면적과, 대상객체의 영역 중에서 다른객체와 중첩된 영역에 해당하는 면적을 비교하여, 그 비율에 따라 중첩 상태를 판별하도록 한다.
대상객체와 다른객체 간 중첩 상태를 판별하는 동작은 도 4의 실시예를 통해서도 확인할 수 있다. 다시 말해, 도 4의 (a)는 대상객체의의 위치가 다른 객체의 위치와 중첩되지 않은 상태의 이미지를 나타낸 것이다. 도 4의 (a)에서와 같이, 대상객체 영역(410)과 다른객체 영역(420)은 서로 겹쳐지지 않은 것을 확인할 수 있다. 한편, 도 4의 (b)는 대상객체의 위치가 다른객체의 위치와 중첩된 상태의 이미지를 나타낸 것이다. 도 4의 (b)에서와 같이, 대상객체 영역(430)의 대부분은 다른객체 영역(440)에 의해 가려진 것을 확인할 수 있다.
이와 같이, 대상객체의 영역 중에서 다른객체와 중첩된 영역의 비율이 임계치를 초과하는 경우, 중첩 판별부(180)는 대상객체가 다른객체에 의해 중첩된 것으로 판별하도록 한다.
여기서, 대상객체가 다른객체에 의해 중첩되었는지 여부에 대한 판별 결과는 아래 [수학식 2]와 같이 나타낼 수 있다.
Figure pat00002
여기서, X는 대상객체, Y는 다른객체의 상태 변수를 나타내고, area(X)는 대상객체의 영역에 해당하는 면적, area0(X, Y)는 대상객체와 다른객체가 중첩된 영역에 해당하는 면적을 나타내며, IA(X, Y)는 대상객체와 다른객체의 중첩 상태를 나타내는 변수이다.
이때, [수학식 2]에서와 같이, 대상객체와 다른객체가 중첩된 영역에 해당하는 면적 area0(X, Y)를 대상객체의 영역에 해당하는 면적 area(X)로 나눈 값이 임계치(areath)를 초과하는 경우 대상객체가 다른객체에 의해 완전히 중첩된 것으로 판단한다. 따라서, 대상객체와 다른객체의 중첩 상태를 나타내는 변수 IA(X, Y)는 1이 된다. 한편, 대상객체와 다른객체가 중첩된 영역에 해당하는 면적 area0(X, Y)를 대상객체의 영역에 해당하는 면적 area(X)로 나눈 값이 임계치(areath) 이하인 값이 되는 경우 대상객체가 다른객체에 의해 완전히 중첩되지 않았다고 판단한다. 따라서, 대상객체와 다른객체의 중첩 상태를 나타내는 변수 IA(X, Y)는 0이 된다.
일 예로서, 도 4의 (a)에 도시된 이미지의 경우 대상객체의 영역(410)과 다른객체 영역(420)이 서로 중첩되지 않았기 때문에 IA(X, Y)=0이 되고, 도 4의 (b)에 도시된 이미지의 경우에는 대상객체의 영역(430)의 대부분이 대상객체의 영역(430)과 다른객체 영역(440) 간 중첩 영역에 해당되기 때문에 IA(X, Y)=1이 된다.
<셋째, 대상객체와 다른객체 간 유사도>
중첩 판별부(180)는 대상객체와 다른객체들의 상태 정보를 비교하여, 대상객체와 다른객체들 간의 유사도를 판별한다. 여기서, 중첩 판별부(180)는 다른객체들이 두 개 이상인 경우에는 대상객체와 중첩 영역이 가장 큰 객체를 기준으로 대상객체와의 유사도를 판별할 수도 있다.
이 경우, 중첩 판별부(180)는 대상객체와 다른객체에 대응하는 객체 추적 모듈로부터 입력된 상태 변수 중 색상, 에지 및 로컬 바이너리 패턴 중 적어도 하나의 특징을 비교하여 유사도를 산출하도록 한다. 중첩 판별부(180)는 대상객체와 다른객체 간에 산출된 유사도와 임계치를 비교하여, 그 결과에 따라 다른객체가 대상객체와 유사 객체인지를 판별하도록 한다.
이때, 도 3의 (a)와 같이, 대상객체와 배경 영역에 속한 물체가 서로 중첩된 경우 대상객체의 특징과 배경 영역에 속한 가로등 또는 교통 표지판의 특징이 서로 상이하기 때문에, 그 유사도는 낮게 산출될 것이다. 한편, 도 4의 (b)와 같이, 대상객체와 다른객체가 서로 중첩된 경우에는 대상객체와 다른객체가 모두 사람이기 때문에 그 특징이 서로 유사하므로 유사도 또한 높게 산출될 것이다.
여기서, 다른객체가 유사 객체인지에 대한 판별 결과는 아래 [수학식 3]과 같이 나타낼 수 있다.
Figure pat00003
여기서, X는 대상객체, Y는 다른객체의 상태 변수를 나타내고, S(X, Y)는 대상객체와 다른객체 간 유사도를 나타내며, IS(X, Y)는 다른객체 Y가 대상객체 X와 유사한지 아닌지를 나타내는 변수이다.
이때, [수학식 3]에서와 같이, 대상객체와 다른객체 간 유사도 S(X, Y)가 임계치(similarityth)를 초과하는 경우 다른객체가 대상객체와 유사 객체인 것으로 판단한다. 따라서, 다른객체가 유사 객체인지를 나타내는 변수 IS(X)는 1이 된다. 한편, 대상객체와 다른객체 간 유사도 S(X, Y)가 임계치(similarityth) 이하인 값이 되는 경우 다른객체가 대상객체와 유사 객체가 아닌 것으로 판단한다. 따라서, 다른객체가 유사 객체인지를 나타내는 변수 IS(X)는 0이 된다.
일 예로서, 도 3의 (a)에 도시된 이미지의 경우 대상객체의 특징과 배경 영역에 속한 가로등 또는 교통 표지판의 특징에 차이가 있기 때문에 IS(X)=0이 되고, 도 4의 (b)에 도시된 이미지의 경우에는 대상객체와 다른객체가 모두 사람이기 때문에 IS(X)=1이 된다.
이와 같이, 중첩 판별부(180)는 [수학식 1] 내지 [수학식 3]을 조합하여 대상객체의 중첩 상태를 판별할 수 있다. 구체적으로, 중첩 판별부(180)는 아래 [수학식 4]를 참조하여 대상객체의 중첩 상태를 판별할 수 있다.
Figure pat00004
여기서, IB(E[Xk])는 k 번째 객체의 위치가 배경 영역에 속하는지에 대한 상태값, IA(E[Xk], argE [ Xi ] max(area0(E[Xk], E[Xi])))는 k 번째 객체의 좌표값이 k 번째 객체와의 중첩 영역이 가장 큰 i 번째 객체의 좌표값과 완전히 중첩되는지에 대한 상태값, IS(E[Xk], argE [ Xi ] max(area0(E[Xk], E[Xi])))는 k 번째 객체의 특징값과 k 번째 객체와의 중첩 영역이 가장 큰 i 번째 객체의 특징값이 유사한지에 대한 상태값을 나타내며, S(k)는 IB, IA, 및 IS의 상태값에 따른 대상객체의 중첩 상태를 나타내는 것이다. 이때, IB(E[Xk])는 앞서 설명한 [수학식 1]에 의해 산출될 수 있으며, IA(E[Xk], argE [ Xi ] max(area0(E[Xk], E[Xi])))는 앞서 설명한 [수학식 2]에 의해 산출될 수 있다. 또한, IS(E[Xk], argE [ Xi ] max(area0(E[Xk], E[Xi])))는 앞서 설명한 [수학식 3]에 의해 산출될 수 있다.
만일, S(k)가 1로 판정되는 경우, 중첩 판별부(180)는 k 번째의 대상객체가 i 번째의 다른객체와 중첩되어 가려진 것으로 판단하도록 한다. 한편, S(k)가 0으로 판정되는 경우, 중첩 판별부(180)는 k 번째의 대상객체가 i 번째의 다른객체와 중첩되지 않은 것으로 판단하도록 한다.
이 경우, IB, IA, 및 IS 중 어느 하나라도 0이 되면 S(k)=0이 되고, IB, IA, 및 IS가 모두 1이 되면 S(k)=1이 된다. 다시 말해, 대상객체의 위치가 배경 영역에 속하거나, 대상객체와 다른객체가 중첩된 영역에 해당하는 면적을 대상객체의 영역에 해당하는 면적으로 나눈 값이 임계치 이하이거나, 혹은 대상객체와 중첩된 다른객체 간 유사도가 임계치 이하이면, 대상객체가 다른객체와 중첩된 것으로 판단한다.
중첩 판별부(180)는 대상객체에 대한 중첩 판별 결과를 제어부(140)로 출력하도록 한다. 제어부(140)는 객체 추적부(170)에 의한 객체 추적 결과를 토대로 대상객체의 위치를 파악할 수 있다. 이 경우, 제어부(140)는 객체 추적 결과를 토대로 파악된 대상객체의 정보를 저장부(130)에 저장하도록 한다. 한편, 제어부(140)는 객체 추적부(170)에 의해 대상객체의 위치를 추적하는 동안 중첩 판별부(180)로부터 대상객체가 다른객체와 중첩된 것으로 판별된 경우, 잘못된 정보로 인해 대상객체의 추적 정확도가 떨어지는 것을 방지하기 위하여 해당 프레임에서의 객체 정보를 저장부(130)에 업데이트 하지 않도록 한다.
상기와 같이 구성되는 본 발명에 따른 객체 추적 장치의 동작 흐름을 더욱 상세히 설명하면 다음과 같다.
도 5는 본 발명의 일 실시예에 따른 객체 추적 방법에 대한 동작 흐름을 도시한 순서도이다. 도 5를 참조하면, 객체 추적 장치는 카메라에서 촬영한 영상이 입력되면(S100), 'S100' 과정에서 입력된 영상으로부터 배경 이미지를 획득하도록 한다(S110). 이때, 'S110' 과정에서 획득한 배경 이미지의 정보는 객체 검출 및 추적에 이용될 수 있으며, 객체 간 중첩 상태를 판별하는데 이용될 수 있다.
또한, 객체 추적 장치는 'S100' 과정에서 입력된 영상으로부터 객체를 검출하도록 한다. 도 5의 실시예에서는 'S110' 과정에서 배경 이미지를 먼저 획득하고, 이후 'S120' 과정에서 객체를 검출하는 것으로 도시하였으나, 실시 형태에 따라서는 객체를 검출하는 과정을 먼저 수행할 수도 있다.
이후, 객체 추적 장치는 'S120' 과정에서 검출된 객체에 대한 객체 추적을 초기화하고(S130), 'S120' 과정에서 검출된 객체의 위치 정보를 초기 위치로 하여 객체 추적을 시작하도록 한다.
객체 추적 장치는 객체의 위치를 추적하기 위하여, 'S100' 과정에서 획득한 영상의 각 프레임별로 복수 개의 파티클을 추출하고(S140), 'S140' 과정에서 추출된 복수 개의 파티클의 상태 변수값, 상태 천이 행렬 및 파티클 운동 모델 등을 이용하여 각 파티클의 상태 천이를 판별하도록 한다(S150). 또한, 객체 추적 장치는 'S140' 과정에서 추출된 복수 개의 파티클에 대한 색상, 에지 및 로컬 바이너리 패턴 중 적어도 하나의 특징 정보를 파악하여 각 파티클의 위치 추정 유사도를 계산한다(S160).
여기서, 'S140' 내지 'S160' 과정은 소정 횟수(α) 만큼 반복하여 수행할 수 있다. 만일, 현재 프레임에서의 파티클 추출 횟수가 α를 초과하면(S170), 객체 추적 장치는 소정 횟수만큼 반복하여 추출된 파티클들의 평균값 또는 최대 유사도값을 이용하여 현재 프레임에서의 해당 객체에 대한 상태 변수 추정치를 산출하도록 한다(S180).
이때, 객체 추적 장치는 'S180' 과정에서 산출된 해당 객체의 상태 변수 추정치와, 'S110' 과정에서 추출된 배경 이미지의 정보를 이용하여 추적 대상이 되는 객체의 중첩 상태를 판별하도록 한다(S190). 'S190' 과정의 판별 결과, 해당 객체가 유사한 다른객체에 의해 중첩된 것으로 판단되면(S200), 해당 객체의 정보를 업데이트하지 않고 다음 프레임에 대하여 'S140' 이후 과정을 수행하도록 한다.
한편, 'S200' 과정에서 해당 객체가 유사한 다른객체에 의해 중첩된 것으로 판단된 경우에는 해당 객체의 정보를 업데이트하고(S210), 다음 프레임에 대하여 'S140' 이후 과정을 수행하도록 한다.
한편, 본 발명은 위에서 논의된 다양한 실시예가 하나 이상의 컴퓨터 또는 프로세서에 의해 실행되는 경우 프로세서가 읽을 수 있는 기록매체에 프로세서가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 프로세서가 읽을 수 있는 기록매체는 프로세서에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 프로세서가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함한다. 또한 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 객체 추적 장치 110: 카메라
120: 출력부 130: 저장부
140: 제어부 150: 영상 처리부
160: 객체 검출부 170: 객체 추적부
180: 중첩 판별부

Claims (1)

  1. 입력되는 영상으로부터 객체를 포함하는 영역을 검출하는 객체 검출부;
    입력되는 영상의 매 프레임마다 상기 객체에 대응하는 영역으로부터 복수 개의 파티클들을 검출하고, 현재 프레임 및 이전 프레임으로부터 검출된 파티클들을 비교하여 상기 객체의 위치를 추적하는 객체 추적부; 및
    상기 파티클들의 평균치 및 유사도값 중 어느 하나에 근거하여 산출된 상태 변수 추정치 및 상기 영상으로부터 검출된 배경 영역의 정보를 이용하여 상기 객체의 중첩 상태를 판별하는 중첩 판별부를 포함하며,
    상기 객체가 중첩 상태가 아닌 경우만 해당 객체의 정보를 업데이트 하도록 하는 객체 추적 장치.
KR1020140001649A 2014-01-07 2014-01-07 객체 추적 장치 및 방법 KR20150081797A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140001649A KR20150081797A (ko) 2014-01-07 2014-01-07 객체 추적 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140001649A KR20150081797A (ko) 2014-01-07 2014-01-07 객체 추적 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20150081797A true KR20150081797A (ko) 2015-07-15

Family

ID=53793531

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140001649A KR20150081797A (ko) 2014-01-07 2014-01-07 객체 추적 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20150081797A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170059266A (ko) * 2015-11-20 2017-05-30 한국전자통신연구원 객체 추적 방법 및 그 방법을 수행하는 객체 추적 장치
WO2017150899A1 (ko) * 2016-02-29 2017-09-08 광주과학기술원 전역적 다중 객체 추적을 위한 객체 재식별 방법
KR101982942B1 (ko) * 2017-12-21 2019-05-27 건국대학교 산학협력단 객체 추적 방법 및 이를 수행하는 장치들
KR20220153870A (ko) * 2021-05-12 2022-11-21 고현준 이기종 객체 필터 기반 하이브리드 영상 분석 장치 및 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170059266A (ko) * 2015-11-20 2017-05-30 한국전자통신연구원 객체 추적 방법 및 그 방법을 수행하는 객체 추적 장치
WO2017150899A1 (ko) * 2016-02-29 2017-09-08 광주과학기술원 전역적 다중 객체 추적을 위한 객체 재식별 방법
KR101982942B1 (ko) * 2017-12-21 2019-05-27 건국대학교 산학협력단 객체 추적 방법 및 이를 수행하는 장치들
US11176680B2 (en) 2017-12-21 2021-11-16 Konkuk University Industrial Cooperation Corp Method of tracking object and apparatuses performing the same
KR20220153870A (ko) * 2021-05-12 2022-11-21 고현준 이기종 객체 필터 기반 하이브리드 영상 분석 장치 및 방법

Similar Documents

Publication Publication Date Title
KR101500711B1 (ko) 컬러 히스토그램을 이용한 사람 추적 방법
Lee et al. Occlusion handling in videos object tracking: A survey
Bondi et al. Real-time people counting from depth imagery of crowded environments
Mu et al. Multiscale edge fusion for vehicle detection based on difference of Gaussian
WO2014136623A1 (en) Method for detecting and tracking objects in sequence of images of scene acquired by stationary camera
JP2008542922A (ja) 保安用途向けの人間の検出及び追跡
JP6679858B2 (ja) 対象の遮蔽を検出する方法と装置
JP2008192131A (ja) 特徴レベル・セグメンテーションを実行するシステムおよび方法
Nallasivam et al. Moving human target detection and tracking in video frames
Alqaysi et al. Detection of abnormal behavior in dynamic crowded gatherings
KR20150081797A (ko) 객체 추적 장치 및 방법
Landabaso et al. Foreground regions extraction and characterization towards real-time object tracking
Mirabi et al. People tracking in outdoor environment using Kalman filter
KR20140141239A (ko) 평균이동 알고리즘을 적용한 실시간 객체 추적방법 및 시스템
Wang et al. Tracking objects through occlusions using improved Kalman filter
Almomani et al. Segtrack: A novel tracking system with improved object segmentation
Zhang et al. Study on moving-objects detection technique in video surveillance system
Czyzewski et al. Moving object detection and tracking for the purpose of multimodal surveillance system in urban areas
CN103714552B (zh) 运动阴影消除方法及装置和智能视频分析***
Batista et al. A dual-stage robust vehicle detection and tracking for real-time traffic monitoring
Deepak et al. Design and utilization of bounding box in human detection and activity identification
Fazli et al. Multiple object tracking using improved GMM-based motion segmentation
Wang et al. Pedestrian fall action detection and alarm in video surveillance
JP4298621B2 (ja) 物体検知装置、物体検知方法および物体検知プログラム
Mohammed et al. An improved CAMShift algorithm for object detection and extraction

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid