KR100968025B1 - 위험 이미지를 사용한 감시 방법 및 시스템 - Google Patents
위험 이미지를 사용한 감시 방법 및 시스템 Download PDFInfo
- Publication number
- KR100968025B1 KR100968025B1 KR1020080073691A KR20080073691A KR100968025B1 KR 100968025 B1 KR100968025 B1 KR 100968025B1 KR 1020080073691 A KR1020080073691 A KR 1020080073691A KR 20080073691 A KR20080073691 A KR 20080073691A KR 100968025 B1 KR100968025 B1 KR 100968025B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- risk
- feature
- dangerous
- surveillance
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
위험 이미지를 사용한 감시 방법 및 상기 방법을 수행하는 시스템을 개시한다. 위험 이미지를 사용한 감시 시스템은 위험 요소라고 판단되는 물건이 포함된 위험 이미지의 특징 정보를 추출하는 위험 특징 정보 추출부; 상기 특징 정보를 이용하여 다차원 색인 구조를 구축하는 다차원 색인 구축부; 상기 위험 이미지를 저장하는 이미지 데이터베이스; 및, 상기 위험 이미지와 상기 특징을 참조하여 상기 감시 카메라에서 취득한 영상의 위험도 등급을 판단하는 위험도 판단 관리부를 포함한다.
위험도, 다차원 색인, 감시 카메라, 푸리에 변환, 방사선.
Description
본 발명은 위험 이미지를 사용한 감시 방법 및 상기 방법을 수행하는 시스템에 관한 것이다.
보안의 중요성의 증가에 따라 감시 카메라를 사용한 감시 시스템이 설치된 장소가 증가하게 되었다. 그러나 종래의 감시 시스템은 감시 카메라가 획득한 영상에서 사람의 얼굴 부분을 추출하고, 사람의 얼굴의 특징을 기 저장된 사람의 얼굴과 비교하여 위험도를 특정하고 있었다.
그러나 대부분의 감시 카메라에서 획득하는 이미지는 저화질인 경우가 대부분이어서 작게 표시되는 얼굴 부분의 특징을 추출하는 것이 어려운 실정이다.
따라서, 얼굴이 아닌 도구나 복장과 같이 다른 부분의 정보를 사용하여 감시 카메라에 촬영되는 대상의 위험도를 측정하는 방법이 필요한 실정이다.
이때, 일정한 방향을 향하고 있는 얼굴과 달리 도구와 같은 경우는 360도 전 방향으로 회전이 가능하며, 얼굴에 비하여 크기의 변화 폭이 크고 부속되는 다른 장비가 더 있을 수 있다.
따라서, 위험도를 측정하는 기준이 되는 위험 이미지와 감시 카메라에서 획득되는 영상이 크기, 방향, 추가 구성에 차이가 있음에도 유사성을 확인할 수 있는 방법이 필요한 실정이다.
또한, 감시 카메라에서 획득하는 이미지를 검색하는 종래의 내용 기반 이미지 검색 시스템은 이미지의 질감, 형태 특징보다는 색상 특징에 비중을 두어 원하는 이미지를 검색하고 있다. 이와 같은 시스템은 얼굴을 검색하기 위한 시스템으로써 도구나 복장과 같이 색상 정보가 부족한 이미지나 복잡한 형태의 이미지를 검색할 때 그 정확성은 급격히 떨어지게 된다. 그러므로 표적 이미지를 위한 내용 기반 이미지 검색은 효과적인 질감, 형태 특징 추출 방법이 요구된다.
위의 조건을 만족하는 형태 기반 특징 추출 기법에서 얻어진 데이터의 특징은 일반 텍스트에서와 같이 특정한 하나의 값이 아니라 수십, 수백 혹은 그 이상의 값들의 나열 즉 벡터 데이터로 표현이 된다. 이는 종래의 텍스트 기반의 DBMS(Relational Database Management System)에 그 데이터를 저장하고 검색 방법을 적용할 수 없게 된다. 그렇기 때문에 멀티미디어 데이터만을 위한 저장과 검색이 방법이 필요하게 되고 그 중 검색 시스템의 질의응답 시간에 직결되는 멀티미디어 색인 구조는 그 성능이 기존의 텍스트 기반의 색인구조의 성능과 얼마나 가깝도록 하느냐는 것이 그 당면한 문제이다.
다차원 벡터에 대한 색인구조로 제안된 방법들은 상당히 많지만 아직까지 관계형 데이터베이스에서의 B+ 트리처럼 멀티미디어 데이터베이스에 널리 적용되는 색인 구조는 없는 실정이다. 색인구조로 제안된 대표적인 방법으로 R-tree, R*- tree, SS-tree, SR-tree 등의 데이터분할방법이 있다. 이것은 인접한 데이터들을 MBR(Minimum Bounding Rectangles) 혹은 MBS(Minimum Bounding Spheres)로 묶어서 B-tree와 같은 계층구조를 갖도록 해 놓은 방법이다.
그러나 이러한 데이터 분할 방법 색인 구조의 단점은 '차원의 저주(Cause of Dimensionality)'라 불리는 벡터의 차원이 높아지면 질수록 그 성능이 현저히 저하되는 것으로 어느 순간에는 색인구조를 쓰지 않고 순차검색을 이용하였을 때보다 성능이 좋지 않게 된다.
따라서, 상기 차원의 저주를 극복할 수 있는 방법이나 시스템이 필요한 실정이다.
본 발명은 위험 요소라고 판단되는 도구와 의상이 포함된 위험 이미지를 저장하고, 감시 카메라에서 획득한 이미지에 상기 위험 이미지가 포함되면 위험도를 표시함으로써 위험도 판단 기준이 되는 대상의 크기가 켜서 특징 추출과 판단이 용이할 수 있는 위험 이미지를 사용한 감시 시스템을 제공한다.
본 발명은 위험 이미지에 360/θ개의 방사선이 생성하고 각각의 방사선마다 특징 정보를 추출함으로써 θ 수의 조절에 의하여 위험 이미지를 자세히 또는 대략적으로 표현할 수 있는 위험 이미지를 사용한 감시 시스템을 제공한다.
본 발명은 위험 이미지에서 추출한 특징 정보에 푸리에 변환 계수를 사용함으로써 상기 위험 이미지의 방향 변경, 플립, 크기 변경에도 유사성을 검색할 수 있는 위험 이미지를 사용한 감시 시스템을 제공한다.
본 발명은 위험 이미지에서 추출한 특징 정보에 사용되는 푸리에 변환 계수의 크기 정보를 축소함으로써 차원의 저주를 회피할 수 있는 위험 이미지를 사용한 감시 시스템을 제공한다.
본 발명의 일실시예에 따른 위험 이미지를 사용한 감시 시스템은 위험 요소라고 판단되는 물건이 포함된 위험 이미지의 특징 정보를 추출하는 위험 특징 정보 추출부; 상기 특징 정보를 이용하여 다차원 색인 구조를 구축하는 다차원 색인 구축부; 상기 위험 이미지를 저장하는 이미지 데이터베이스; 및, 상기 위험 이미지와 상기 특징을 참조하여 상기 감시 카메라에서 취득한 영상의 위험도 등급을 판단하는 위험도 판단 관리부를 포함하고, 상기 다차원 색인 구축부는 상기 다차원 색인 구조 구축에 사용하는 푸리에 변환 계수의 크기 정보를 주파수 영역의 데이터가 저주파 영역에 집중되는 특성을 사용하여 축소한다.
본 발명의 일측면에 따르면, 상기 다차원 색인 구축부는 푸리에 변환 계수의 크기 정보를 사용하여 상기 위험 이미지에 회전 불변 특성과 플립 특성을 부여할 수 있다.
본 발명의 일측면에 따르면, 상기 다차원 색인 구축부는 푸리에 변환 계수 크기 정보의 n/2 데이터 중 앞쪽부터 소수의 데이터를 사용하여 푸리에 변환 계수의 크기 정보를 축소할 수 있다.
본 발명의 일측면에 따르면, 상기 위험 이미지는 사람에게 해를 입히는 무기가 될 수 있는 도구나 착용자의 신분을 감추기 위한 복면이나 가면과 같은 의상이 포함된 이미지일 수 있다.
본 발명의 일측면에 따르면, 상기 위험 특징 정보 추출부가 추출하는 특징 정보는, 상기 위험 객체에 형성된 각각의 방사선이 가지는 영역 화소량; 상기 위험 객체에 형성된 각각의 방사선의 영역 화소와 배경 화소 사이의 변화량; 및, 상기 위험 객체에 형성된 각각의 방사선의 길이 중 적어도 하나가 포함될 수 있다.
본 발명의 일측면에 따르면, 방사선(ray)을 사용하여 감시 카메라에서 취득한 영상의 특징을 추출하는 감시 영상 특징 추출부; 상기 감시 영상 특징 추출부에서 추출된 상기 특징을 다차원 색인 구조에 사용하여 상기 이미지 데이터베이스로 부터 상기 위험 이미지의 집합인 과도 집합을 검색하는 다차원 색인 검색부; 상기 과도 집합에 n/2 크기의 푸리에 변환 계수 크기 정보를 이용하여 상기 추출된 위험 이미지와 상기 표본화된 정지 영상의 실제 유사도를 계산하는 유사도 검색부; 상기 계산된 유사도를 군집 영역별로 비교한 후 상기 군집 중에서 유사도가 가장 높은 군집을 검색하고 상기 유사도가 가장 높은 군집의 대표 위험 이미지와 상기 표본화된 정지 영상의 유사도를 계산하는 군집 영역 비교부; 및 상기 계산된 유사도를 이용하여 위험도를 판단하는 위험도 판단부를 포함할 수 있다.
본 발명의 일실시예에 따른 위험 이미지를 사용한 감시 방법은 위험 요소라고 판단되는 물건이 포함된 위험 이미지의 특징 정보를 추출하는 단계; 상기 특징 정보를 이용하여 다차원 색인 구조를 구축하는 단계; 상기 위험 이미지를 저장하는 단계; 및, 상기 위험 이미지와 상기 특징을 참조하여 상기 감시 카메라에서 취득한 영상의 위험도 등급을 판단하는 단계를 포함하고, 상기 다차원 색인 구조를 구축하는 단계는 상기 다차원 색인 구조 구축에 사용하는 푸리에 변환 계수의 크기 정보를 주파수 영역의 데이터가 저주파 영역에 집중되는 특성을 사용하여 축소할 수 있다.
본 발명에 따르면, 위험 요소라고 판단되는 도구와 의상이 포함된 위험 이미지를 저장하고, 감시 카메라에서 획득한 이미지에 상기 위험 이미지가 포함되면 위험도를 표시함으로써 위험도 판단 기준이 되는 대상의 크기가 켜서 특징 추출과 판단이 용이할 수 있다.
본 발명에 따르면, 위험 이미지에 360/θ개의 방사선이 생성하고 각각의 방사선마다 특징 정보를 추출함으로써 θ 수의 조절에 의하여 위험 이미지를 자세히 또는 대략적으로 표현할 수 있다.
본 발명에 따르면, 위험 이미지에서 추출한 특징 정보에 푸리에 변환 계수를 사용함으로써 상기 위험 이미지의 방향 변경, 플립, 크기 변경에도 유사성을 검색할 수 있다.
본 발명에 따르면, 위험 이미지에서 추출한 특징 정보에 사용되는 푸리에 변환 계수의 크기 정보를 축소함으로써 차원의 저주를 회피할 수 있다.
이하 첨부된 도면을 참조하여 본 발명에 따른 다양한 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 위험 이미지를 사용한 감시 시스템의 구성도이다.
도 1을 참조하면, 위험 이미지를 사용한 감시 시스템은 이미지 색인 구축부(110)가 위험 요소라고 판단되는 도구와 의상이 포함된 위험 이미지를 저장하여 이미지 데이터베이스를 구축하고, 감시 영상 특징 추출부(130)가 방사선(ray)을 사용하여 감시 카메라(120)에서 취득한 영상의 특징을 추출하면, 위험도 판단 관리부(140)가 상기 위험 이미지와 상기 특징을 참조하여 감시 카메라(120)에서 취득한 영상의 위험도 등급을 판단한다.
이때 상기 위험 이미지에는 무기가 될 수 있는 도구와 복면과 같이 사용자의 신분을 감출 수 있는 의상이 포함될 수 있다.
이때, 이미지 색인 구축부(110)는 방사선(ray)을 사용하여 상기 위험 이미지의 특징 정보를 추출하는 위험 특징 정보 추출부(111)와 상기 특징 정보를 이용하여 다차원 색인 구조를 구축하는 다차원 색인 구축부(112); 및 상기 다차원 색인 구조, 상기 위험 이미지 및 상기 특징 정보를 저장하고 상기 특징 정보를 이용하여 군집화 작업을 시행하며 각 군집의 대표자를 선택하여 저장하는 이미지 데이터베이스(113) 중에 최소한 하나를 포함할 수 있다.
이때, 위험 특징 정보 추출부(111)는 상기 위험 이미지에 포함된 위험 객체의 무게 중심을 계산하고, 상기 무게 중심에서 상기 위험 객체의 외각선까지 형성된 방사선을 사용하여 특징 정보를 추출할 수 있다.
이때, 상기 방사선은 객체의 무게중심부터 외곽선까지의 화소들이 순서대로 나열된 리스트(list)를 의미할 수 있다.
이때, 위험 특징 정보 추출부(111)가 추출하는 특징 정보는 상기 위험 객체에 형성된 각각의 방사선이 가지는 영역 화소량; 상기 위험 객체에 형성된 각각의 방사선의 영역 화소와 배경 화소 사이의 변화량; 및, 상기 위험 객체에 형성된 각각의 방사선의 길이 중 적어도 하나가 포함될 수 있다.
위험 특징 정보 추출부(111)는 상기 위험 이미지에 대해 방사선(ray)을 이용한 사용자 정의의 이산 표현(user-defined discrete expression)을 가질 수 있다.
이때, 위험 특징 정보 추출부(111)는 상기 무게 중심에서 시작하여 외곽선으로 일정 각도마다 생성된 상기 방사선을 사용하여 상기 위험 이미지의 특징을 표본 화(sampling)한다.
이때, 위험 특징 정보 추출부(111)는 하기 된 수학식 1을 사용하여 상기 위험 이미지에서 영역 화소의 총 수를 계산할 수 있다.
이때, 위험 특징 정보 추출부(111)는 하기 된 수학식 2를 사용하여 상기 영역 화소의 x와 y좌표 값의 합을 각각 계산할 수 있다.
이때, 위험 특징 정보 추출부(111)는 상기 수학식 1과 상기 수학식 2를 하기 된 수학식 3에 적용하여 무게 중심을 계산할 수 있다.
이때, 위험 특징 정보 추출부(111)는 상기 객체의 무게 중심에서 시작하여 외곽선에서 끝나는 일정 간격 방향의 방사선을 생성할 수 있다. 이때, 각각의 상 기 방사선 사이의 각도를 θ라 하면 k = 360/θ개의 방사선 R1,R2,...,Rk를 얻을 수 있고, 그에 따라 방사선 Ri(i = 1, 2,...,k)는 하기 된 수학식 3과 같이 정의된다.
이때, Pi 1 은 객체의 무게 중심이고, Pi ni는 방향 (i-1)θ에서 형성된 방사선 Ri 상에서 가장 멀리 떨어진 영역 화소일 수 있다.
또한, Pi ni 는 하기 된 수학식 5의 특징을 가질 수 있다.
이때, 위험 특징 정보 추출부(111)는 각각의 상기 방사선에 대해서 방사선이 갖는 영역 화소의 수인 영역 화소의 빈도(Region Pixel Frequency, RPF)와 영역 화소와 배경 화소 사이의 변화 수인 영역 교대의 빈도(Region Alternation Frequency, RAF) 및 방사선의 길이(Radial Length, RL)의 정보를 추출하여 상기 위 험 객체의 특징 정보로 사용할 수 있다.
이때, 상기 영역 화소의 빈도는 하기 된 수학식 6을 사용하여 계산할 수 있고, 상기 영역 교대의 빈도는 하기 된 수학식 7을 사용하여 계산할 수 있으며, 상기 방사선의 길이는 하기 된 수학식 8을 사용하여 계산할 수 있다.
이때, 다차원 색인 구축부(112)는 2개의 객체의 푸리에 변환 계수의 크기가 동일하면서 위상이 다르면 상기 2개의 객체가 동일한 형태이며 하나의 객체는 다른 객체가 일정 각도로 회전된 이미지인 것으로 판단할 수 있다.
이때, 2개의 객체가 서로 플립 관계에 있다면 상기 2개의 객체의 푸리에 변환 계수의 크기와 위상은 동일하므로 유사성 검색에서는 동일한 이미지인 것으로 판단할 수 있다.
따라서, 다차원 색인 구축부(112)는 푸리에 변환 계수의 크기 정보를 이용하여 위험 특징 정보 추출부(111)에서 추출된 상기 위험 객체의 특징 정보에 회전 불변(Rotate-Invariant) 특성과 플립 특성을 부여하여 이미지의 회전과 플립에 관계없는 유사한 이미지의 검색을 할 수 있다.
이때, 다차원 색인 구축부(112)는 주파수 영역의 데이터가 저주파 영역에 집중되는 특성을 사용하여 푸리에 변환 계수의 크기 정보를 축소할 수 있다.
이때, 다차원 색인 구축부(112)는 푸리에 변환 계수 크기 정보의 n/2 데이터 중 앞쪽부터 소수의 데이터를 사용하여 데이터의 정보량의 손실을 적게 하면서 원시 데이터의 특성을 표현할 수 있다.
이때, 다차원 색인 구축부(112)는 푸리에 변환계수의 크기 정보중에 일반적인 데이터 분할 방식의 색인 구조의 성능이 효율적이 되는 차원인 15차원만을 사용하여 다차원 색인을 구축할 수 있다.
이때, 다차원 색인 구축부(112)가 주파수 영역에서의 차원 축소를 하기 위해서는 검색 결과에 유사이미지를 항상 포함하는(No False Dismissal) 증명이 필요하다.
이때, 감시 영상 특징 추출부(130)가 추출한 상기 영상의 특징 와 위험 특징 정보 추출부(111)가 추출한 상기 위험 이미지의 특징 정보 사이의 원시 특징 정보를 이용한 유클리디언 거리를 임의의 작은 값 ε이라고 하면 ε는 하기 된 수학식 9와 수학식10과 같이 나타낼 수 있다. 이때, 상기 원시 특징 정보는 푸리에 변환계수를 적용하지 않은 특징 정보일 수 있다.
이때, =[xt], t= 0, 1,..., n-1의 n-point 푸리에 변환은 n-point 복소수 , f= 0, 1,...,n-1로 정의되며 하기 된 수학식 11과 수학식 12를 만족시킬 수 있다.
이때, Xf는 복소수이며 xt와 Xf는 하기 된 수학식 13을 만족할 수 있다.
이때, 절대값의 성질을 통하여 하기 된 수학식 15가 성립될 수 있다.
이때, 상기 수학식 15는 하기 된 수학식 16, 수학식 17, 수학식 18 및 수학식 19와 같이 나타낼 수 있다.
상기 수학식 19는 하기 된 수학식 20으로 변형을 할 수 있다. 이때, 와 의 원시 데이터 사이의 거리는 주파수 영역에서의 차원 축소가 원시 데이터 사이의 유사도보다 작거나 같음이 증명할 수 있다. 이것은 푸리에 변환 계수의 크기 정보를 차원 축소하여 범위 검색 질의(range query)를 할 경우 원시 데이터의 거리 안에 유사한 이미지가 모두 포함된다는 의미일 수 있다.
이때, 이미지 데이터베이스(113)는 위험 특징 정보 추출부(111)에서 추출된 상기 특징 정보를 이용하여 군집화(Clustering) 작업을 시행하고 각 군집의 대표자(Representative)를 선택하여 저장할 수 있다. 이때, 상기 군집화는 데이터베이스의 구조형성에 있어 논리적으로 연관된 특징들을 서로 인접하게 집단화하는 것을 의미할 수 있다.
이때, 감시 영상 특징 추출부(130)는 상기 감시 카메라로부터 전송된 영상의 움직임을 이용하여 선택적으로 영상을 취득하고 상기 취득한 영상으로부터 정지 영상을 표본화하며 상기 영상에 포함된 객체의 무게 중심을 계산하고, 상기 무게 중심에서 상기 객체의 외각선까지 형성된 방사선을 사용하여 특징을 추출할 수 있다.
이때, 감시 영상 특징 추출부(130)가 추출하는 특징은, 상기 객체에 형성된 각각의 방사선이 가지는 영역 화소량; 상기 객체에 형성된 각각의 방사선의 영역 화소와 배경 화소 사이의 변화량; 및, 상기 객체에 형성된 각각의 방사선의 길이 중 적어도 하나가 포함될 수 있다.
이때, 감시 영상 특징 추출부(130)는 위험 특징 정보 추출부(111)와 동일한 구성으로 형성되어 감시 카메라(120)에서 획득한 영상에서 특징을 추출할 수 있다.
이때, 위험도 판단 관리부(140)는 단계(S204)에서 추출된 상기 특징과 유사한 특징을 가지는 상기 위험 이미지의 집합인 과도 집합을 검색하고, 검색된 상기 과도 집합에 n/2 크기의 푸리에 변환 계수 크기 정보를 이용하여 유사도를 다시 계산할 수 있다.
이때, 위험도 판단 관리부(140)는, 감시 영상 특징 추출부(130)에서 추출된 상기 특징을 다차원 색인 구조에 사용하여 이미지 데이터베이스(113)로부터 상기 위험 이미지를 검색하는 다차원 색인 검색부와, 상기 추출된 위험 이미지와 상기 표본화된 정지 영상의 실제 유사도를 계산하는 유사도 검색부; 상기 계산된 유사도를 군집 영역별로 비교한 후 상기 군집 중에서 유사도가 가장 높은 군집을 검색하고 상기 유사도가 가장 높은 군집의 대표 위험 이미지와 상기 표본화된 정지 영상의 유사도를 계산하는 군집 영역 비교부; 및 상기 계산된 유사도를 이용하여 위험도를 판단하는 위험도 판단부를 포함할 수 있다.
이때, 상기 유사도 검색부는 검색된 상기 과도 집합에 n/2 크기의 푸리에 변환 계수 크기 정보를 이용하여 상기 추출된 위험 이미지와 상기 표본화된 정지 영상의 실제 유사도를 계산할 수 있다.
이때, 위험도 판단부는 단계(S206)에서 계산된 대표 위험 이미지의 위험도를 감시 카메라(120)에서 취득한 영상의 위험도로 판단할 수 있다.
도 2는 본 발명의 일실시예에 있어서, 위험 이미지를 사용한 감시 방법을 도시한 흐름도이다.
단계(S201)에서 위험 특징 정보 추출부(111)는 위험 이미지에서 특징 정보를 추출한다. 이때, 상기 위험 이미지는 위험 요소라고 판단되는 도구나 의상이 포함된 이미지일 수 있다.
이때, 위험 특징 정보 추출부(111)는 상기 위험 이미지에 포함된 위험 객체의 무게 중심을 계산하고, 상기 무게 중심에서 상기 위험 객체의 외각선까지 형성된 방사선을 사용하여 특징 정보를 추출할 수 있다.
이때, 위험 특징 정보 추출부(111)가 추출하는 특징 정보는 상기 위험 객체에 형성된 각각의 방사선이 가지는 영역 화소량; 상기 위험 객체에 형성된 각각의 방사선의 영역 화소와 배경 화소 사이의 변화량; 및, 상기 위험 객체에 형성된 각각의 방사선의 길이 중 적어도 하나가 포함될 수 있다.
단계(S202)에서 다차원 색인 구축부(112)는 단계(S201)에서 추출한 특징 정보를 사용하여 다차원 색인 구조를 구축한다.
이때, 다차원 색인 구축부(112)는 푸리에 변환 계수의 크기 정보를 이용하여 위험 특징 정보 추출부(111)에서 추출된 상기 위험 객체의 특징 정보에 회전 불변(Rotate-Invariant) 특성과 플립 특성을 부여할 수 있다.
이때, 다차원 색인 구축부(112)는 주파수 영역의 데이터가 저주파 영역에 집중되는 특성을 사용하여 푸리에 변환 계수의 크기 정보를 축소할 수 있다.
단계(S203)에서 이미지 데이터베이스(113)는 단계(S202)에서 구축된 상기 다차원 색인 구조와, 상기 위험 이미지 및 단계(S201)에서 추출한 상기 특징 정보를 저장하고 상기 특징 정보를 이용하여 군집화 작업을 시행하며 각 군집의 대표자를 선택하여 저장한다.
단계(S204)에서 감시 영상 특징 추출부(130)는 방사선(ray)을 사용하여 감시 카메라(120)에서 취득한 영상의 특징을 추출한다.
단계(S205)에서 위험도 판단 관리부(140)는 단계(S204)에서 추출된 상기 특징과 유사한 특징을 가지는 상기 위험 이미지의 집합인 과도 집합을 검색한다.
이때, 위험도 판단 관리부(140)는 단계(S204)에서 추출된 상기 특징을 다차원 색인 구조에 사용하여 이미지 데이터베이스(113)로부터 검색된 상기 위험 이미지를 상기 과도 집합에 포함할 수 있다.
단계(S206)에서 위험도 판단 관리부(140)는 단계(S205)에서 검색된 상기 과도 집합에 n/2 크기의 푸리에 변환 계수 크기 정보를 이용하여 유사도를 다시 계산한다.
이때, 위험도 판단 관리부(140)는 단계(S205)에서 검색된 상기 과도 집합에 n/2 크기의 푸리에 변환 계수 크기 정보로 위험 이미지와 상기 표본화된 정지 영상의 실제 유사도를 계산하여 군집 영역별로 비교한 후 상기 군집 중에서 유사도가 가장 높은 군집을 검색하고, 상기 유사도가 가장 높은 군집의 대표 위험 이미지와 상기 표본화된 정지 영상의 유사도를 계산할 수 있다.
단계(S207)에서 위험도 판단 관리부(140)는 단계(S206)에서 계산된 유사도를 기초로 감시 카메라(120)에서 취득한 영상의 위험도로 판단한다.
이때, 위험도 판단 관리부(140)는 단계(S206)에서 계산된 대표 위험 이미지의 위험도를 감시 카메라(120)에서 취득한 영상의 위험도로 판단할 수 있다.
이와 같이, 상기 확인된 위험 이미지를 사용한 감시 방법에 대해서는 도 3, 도 4, 도 5 및 도 6의 일례를 통해 더욱 자세히 설명한다.
도 3은 본 발명의 일실시예에 따른 위험 이미지를 사용한 감시 시스템에서 방사선을 사용한 특징 추출의 일례이다.
특징을 추출하고자 하는 백색의 객체(301)가 포함된 이미지(300)의 중심을 기준으로 이미지(300)의 내부에 복수의 방사선을 형성한다.
이때, 상기 방사선 중 하나인 방사선 1(310)을 확대하면 상기 도 3의 좌측에 도시된 바와 같이 일렬로 형성된 색상 정보가 표시될 수 있다.
이때, 방사선 1(310)은 이미지(300)의 중심에 인접한 흰색 화소 구간 1(311)과 상기 객체의 무늬가 지나가는 검은색 화소 구간 1(312)이 형성되며, 방사선 1(310)상에서의 색상 변화에 대응하여 흰색 화소 구간 2(313)와 상기 객체의 무늬가 지나가는 검은색 화소 구간 2(314)와 흰색 화소 구간 3(315)과 상기 객체의 외부를 나타내는 검은색 화소 구간 3(316)이 표시될 수 있다.
이때, 상기 도 3을 참조하면 방사선 1(310)에서 객체(301)를 나타내는 희색 화소는 21개이므로 영역 화소의 빈도(RPF)는 21이고, 화소의 색상 변화는 5회 발생하였으므로 영역 교대의 빈도(RAF)는 5가 되며, 방사선 1(310)에서 상기 무게 중심에서 가장 먼 화소는 25번째 화소이므로 방사선의 길이(RL)는 25가 될 수 있다.
도 4는 본 발명의 일실시예에 따른 위험 이미지를 사용한 감시 시스템에서 방사선을 사용하여 추출한 특징을 사용하여 유사도를 검색한 결과의 일례이다.
방사선을 사용하여 추출한 특징을 사용하여 유사도를 검색하면 감시 카메라(120)에서 획득한 영상에서 추출한 객체(401)와 유사한 객체들을 검색하면 객 체(401)와 유사한 객체 1(402)외에 크기가 다른 객체 2(403) 위치가 다른 객체 3, 객체 4(404, 405) 및 객체의 영역과 동일한 영역이 포함되면서 전체적으로는 다른 형태를 가지는 객체 5, 객체 6(406, 407)이 검색될 수 있다.
즉, 방사선을 사용하여 추출한 특징만을 사용하여 유사도를 측정하면 이미지의 크기와 위치는 다르더라도 같은 형태의 영역이 포함되면 유사한 이미지로 측정될 수 있다.
도 5는 상기 추출한 특징에 방향을 고려한 거리 함수를 사용하여 유사도를 검색한 결과의 일례이다.
상기 추출한 특징에 방향을 고려한 거리 함수를 사용하여 유사도를 검색하면 감시 카메라(120)에서 획득한 영상에서 추출한 객체(501)와 유사한 객체들을 검색하면 방향이 다른 객체 1(502)이 가장 유사한 형태인 객체 2(503)보다 먼저 검색될 수가 있다.
또한, 크기가 다른 객체 3(504), 위치가 다른 객체 4(405)가 더 검색될 수 있다.
즉, 상기 추출한 특징에 방향을 고려한 거리 함수를 사용하여 유사도를 검색하면 이미지의 크기와 위치는 다르더라도 형태가 유사하면 유사한 이미지로 측정될 수 있다. 단, 이 경우에는 플립 이미지는 검색이 되지 않을 수 있다.
도 6은 본 발명의 일실시예에 따른 위험 이미지를 사용한 감시 시스템에서 상기 추출한 특징에 푸리에 변환 계수를 사용하여 유사도를 검색한 결과의 일례이다.
상기 추출한 특징에 푸리에 변환 계수를 사용하여 유사도를 검색하면 감시 카메라(120)에서 획득한 영상에서 추출한 객체(501)와 유사한 객체들을 검색하면 수평선을 기준으로 플립된 객체 1(502)과 가장 유사한 형태인 객체 2(503)와 크기가 다르며 방향이 변화된 객체 3(504)과 크기가 다르며 수직선을 기준으로 플립된 객체 4(405)가 검색될 수 있다.
즉, 상기 추출한 특징에 푸리에 변환 계수를 사용하여 유사도를 검색하면 크기와 위치는 다른 이미지는 물론, 플립된 이미지라도 형태가 유사하면 유사한 이미지로 측정될 수 있다.
위험 이미지를 사용한 감시 시스템은 위험 요소라고 판단되는 도구와 의상이 포함된 위험 이미지를 저장하고, 감시 카메라에서 획득한 이미지에 상기 위험 이미지가 포함되면 위험도를 표시함으로써 위험도 판단 기준이 되는 대상의 크기가 켜서 특징 추출과 판단이 용이할 수 있으며, 위험 이미지에 방사선을 사용하여 특징을 추출함으로써 위험 이미지 안에 홀이 존재하는지의 여부를 알 수 있다.
또한, 위험 이미지에 360/θ개의 방사선이 생성하고 각각의 방사선마다 특징 정보를 추출함으로써 θ 수의 조절에 의하여 위험 이미지를 자세히 또는 대략적으로 표현할 수 있고, 위험 이미지에서 추출한 특징 정보에 푸리에 변환 계수를 사용함으로써 상기 위험 이미지의 방향 변경, 플립, 크기 변경에도 유사성을 검색할 수 있다.
본 발명에 따른 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴 퓨터 판독 가능 매체는 프로그램 명령, 파일 데이터, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(Floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 시스템이 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 시스템은 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
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 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
도 1은 본 발명의 일실시예에 따른 위험 이미지를 사용한 감시 시스템의 구성도이다.
도 2는 본 발명의 일실시예에 있어서, 위험 이미지를 사용한 감시 방법을 도시한 흐름도이다.
도 3은 본 발명의 일실시예에 따른 위험 이미지를 사용한 감시 시스템에서 방사선을 사용한 특징 추출의 일례이다.
도 4는 본 발명의 일실시예에 따른 위험 이미지를 사용한 감시 시스템에서 방사선을 사용하여 추출한 특징을 사용하여 유사도를 검색한 결과의 일례이다.
도 5는 상기 추출한 특징에 방향을 고려한 거리 함수를 사용하여 유사도를 검색한 결과의 일례이다.
도 6은 본 발명의 일실시예에 따른 위험 이미지를 사용한 감시 시스템에서 상기 추출한 특징에 푸리에 변환 계수를 사용하여 유사도를 검색한 결과의 일례이다.
Claims (21)
- 위험 요소라고 판단되는 물건이 포함된 위험 이미지의 특징 정보를 추출하는 특징 정보 추출부;상기 특징 정보를 이용하여 다차원 색인 구조를 구축하는 다차원 색인 구축부;상기 위험 이미지를 저장하는 이미지 데이터베이스; 및,상기 위험 이미지와 상기 특징을 참조하여 감시 카메라에서 취득한 영상의 위험도 등급을 판단하는 위험도 판단 관리부를 포함하고,상기 다차원 색인 구축부는 상기 다차원 색인 구조 구축에 사용하는 푸리에 변환 계수의 크기 정보를 주파수 영역의 데이터가 저주파 영역에 집중되는 특성을 사용하여 축소하는 것을 특징으로 하는 위험 이미지를 사용한 감시 시스템.
- 제1항에 있어서,상기 다차원 색인 구축부는 푸리에 변환 계수의 크기 정보를 사용하여 상기 위험 이미지에 회전 불변 특성과 플립 특성을 부여하는 것을 특징으로 하는 위험 이미지를 사용한 감시 시스템.
- 제1항에 있어서,상기 다차원 색인 구축부는 푸리에 변환 계수 크기 정보의 n/2 데이터 중 앞쪽부터 소수의 데이터를 사용하여 푸리에 변환 계수의 크기 정보를 축소하는 것을 특징으로 하는 위험 이미지를 사용한 감시 시스템.
- 제1항에 있어서,상기 다차원 색인 구축부는 푸리에 변환 계수의 크기 정보에서 15차원을 사용하여 다차원 색인 구조를 구축하는 것을 특징으로 하는 위험 이미지를 사용한 감시 시스템.
- 제1항에 있어서,상기 위험 이미지는 사람에게 해를 입히는 무기가 될 수 있는 도구가 포함된 이미지인 것을 특징으로 하는 위험 이미지를 사용한 감시 시스템.
- 제1항에 있어서,상기 위험 이미지는 착용자의 신분을 감추기 위한 복면이나 가면과 같은 의상이 포함된 이미지인 것을 특징으로 하는 위험 이미지를 사용한 감시 시스템.
- 제1항에 있어서,상기 이미지 데이터베이스는 상기 다차원 색인 구조, 상기 위험 이미지 및 상기 특징 정보를 저장하고 상기 특징 정보를 이용하여 군집화 작업을 시행하며 각 군집의 대표자를 선택하여 저장하는 것을 특징으로 하는 위험 이미지를 사용한 감시 시스템.
- 제1항에 있어서,상기 위험 특징 정보 추출부는 상기 위험 이미지에 포함된 위험 객체의 무게 중심을 계산하고, 상기 무게 중심에서 상기 위험 객체의 외각선까지 형성된 방사선(ray)을 사용하여 특징 정보를 추출하는 것을 특징으로 하는 위험 이미지를 사용한 감시 시스템.
- 제8항에 있어서,상기 특징 정보 추출부가 추출하는 특징 정보는,상기 위험 객체에 형성된 각각의 방사선이 가지는 영역 화소량;상기 위험 객체에 형성된 각각의 방사선의 영역 화소와 배경 화소 사이의 변화량; 및,상기 위험 객체에 형성된 각각의 방사선의 길이중 적어도 하나가 포함되는 것을 특징으로 하는 위험 이미지를 사용한 감시 시스템.
- 제1항에 있어서,상기 위험도 판단 관리부는,상기 감시 카메라로부터 전송된 영상의 움직임을 이용하여 선택적으로 영상을 취득하고 상기 취득한 영상으로부터 정지 영상을 표본화하며 상기 영상에 포함된 객체의 무게 중심을 계산하고, 상기 무게 중심에서 상기 객체의 외각선까지 형성된 방사선을 사용하여 상기 감시 카메라에서 취득한 영상의 특징을 추출하는 특징 추출부;상기 특징 추출부에서 추출된 상기 특징을 다차원 색인 구조에 사용하여 상기 이미지 데이터베이스로부터 상기 위험 이미지의 집합인 과도 집합을 검색하는 다차원 색인 검색부;상기 과도 집합에 n/2 크기의 푸리에 변환 계수 크기 정보를 이용하여 상기 추출된 위험 이미지와 상기 특징 추출부에서 표본화된 정지 영상의 실제 유사도를 계산하는 유사도 검색부;상기 계산된 유사도를 군집 영역별로 비교한 후 상기 군집 중에서 유사도가 가장 높은 군집을 검색하고 상기 유사도가 가장 높은 군집의 대표 위험 이미지와 상기 특징 추출부에서 표본화된 정지 영상의 유사도를 계산하는 군집 영역 비교부; 및상기 계산된 유사도를 이용하여 위험도를 판단하는 위험도 판단부를 포함하는 것을 특징으로 하는 위험 이미지를 사용한 감시 시스템.
- 위험 요소라고 판단되는 물건이 포함된 위험 이미지의 특징 정보를 추출하는 단계;상기 특징 정보를 이용하여 다차원 색인 구조를 구축하는 단계;상기 위험 이미지를 저장하는 단계; 및,상기 위험 이미지와 상기 특징을 참조하여 감시 카메라에서 취득한 영상의 위험도 등급을 판단하는 단계를 포함하고,상기 다차원 색인 구조를 구축하는 단계는 상기 다차원 색인 구조 구축에 사용하는 푸리에 변환 계수의 크기 정보를 주파수 영역의 데이터가 저주파 영역에 집중되는 특성을 사용하여 축소하는 것을 특징으로 하는 위험 이미지를 사용한 감시 방법.
- 제11항에 있어서,상기 다차원 색인 구조를 구축하는 단계는 푸리에 변환 계수의 크기 정보를 사용하여 상기 위험 이미지에 회전 불변 특성과 플립 특성을 부여하는 것을 특징으로 하는 위험 이미지를 사용한 감시 방법.
- 제11항에 있어서,상기 다차원 색인 구조를 구축하는 단계는 푸리에 변환 계수 크기 정보의 n/2 데이터 중 앞 쪽부터 소수의 데이터를 사용하여 푸리에 변환 계수의 크기 정보를 축소하는 것을 특징으로 하는 위험 이미지를 사용한 감시 방법.
- 제11항에 있어서,상기 다차원 색인 구조를 구축하는 단계는 푸리에 변환 계수의 크기 정보에서 15차원을 사용하여 다차원 색인 구조를 구축하는 것을 특징으로 하는 위험 이미지를 사용한 감시 방법.
- 제11항에 있어서,상기 위험 이미지는 사람에게 해를 입히는 무기가 될 수 있는 도구가 포함된 이미지인 것을 특징으로 하는 위험 이미지를 사용한 감시 방법.
- 제11항에 있어서,상기 위험 이미지는 착용자의 신분을 감추기 위한 복면이나 가면과 같은 의상이 포함된 이미지인 것을 특징으로 하는 위험 이미지를 사용한 감시 방법.
- 제11항에 있어서,상기 위험 이미지를 저장하는 단계는 상기 다차원 색인 구조, 상기 위험 이미지 및 상기 특징 정보를 저장하고 상기 특징 정보를 이용하여 군집화 작업을 시행하며 각 군집의 대표자를 선택하여 저장하는 것을 특징으로 하는 위험 이미지를 사용한 감시 방법.
- 제11항에 있어서,상기 특징 정보 추출부는 상기 위험 이미지에 포함된 위험 객체의 무게 중심을 계산하고, 상기 무게 중심에서 상기 위험 객체의 외각선까지 형성된 방사선(ray)을 사용하여 특징 정보를 추출하는 것을 특징으로 하는 위험 이미지를 사용한 감시 방법.
- 제18항에 있어서,상기 특징 정보 추출부가 추출하는 특징 정보는,상기 위험 객체에 형성된 각각의 방사선이 가지는 영역 화소량;상기 위험 객체에 형성된 각각의 방사선의 영역 화소와 배경 화소 사이의 변화량; 및,상기 위험 객체에 형성된 각각의 방사선의 길이중 적어도 하나가 포함되는 것을 특징으로 하는 위험 이미지를 사용한 감시 방법.
- 제11항에 있어서,상기 위험도 등급을 판단하는 단계는,상기 감시 카메라로부터 전송된 영상의 움직임을 이용하여 선택적으로 영상을 취득하는 단계;상기 취득한 영상으로부터 정지 영상을 표본화하는 단계;상기 영상에 포함된 객체의 무게 중심을 계산하는 단계;상기 무게 중심에서 상기 객체의 외각선까지 형성된 방사선을 사용하여 상기 감시 카메라에서 취득한 영상의 특징을 추출하는 단계;상기 영상의 특징을 추출하는 단계에서 추출된 상기 특징을 다차원 색인 구조에 사용하여 상기 이미지 데이터베이스로부터 상기 위험 이미지의 집합인 과도 집합을 검색하는 단계;상기 과도 집합에 n/2 크기의 푸리에 변환 계수 크기 정보를 이용하여 상기 추출된 위험 이미지와 상기 표본화하는 단계에서 표본화된 정지 영상의 실제 유사도를 계산하는 단계;상기 계산된 유사도를 군집 영역별로 비교한 후 상기 군집 중에서 유사도가 가장 높은 군집을 검색하고 상기 유사도가 가장 높은 군집의 대표 위험 이미지와 상기 표본화하는 단계에서 표본화된 정지 영상의 유사도를 계산하는 단계; 및상기 계산된 유사도를 이용하여 위험도를 판단하는 단계를 포함하는 것을 특징으로 하는 위험 이미지를 사용한 감시 방법.
- 제11항 내지 제20항 중 어느 한 항의 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080073691A KR100968025B1 (ko) | 2008-07-28 | 2008-07-28 | 위험 이미지를 사용한 감시 방법 및 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080073691A KR100968025B1 (ko) | 2008-07-28 | 2008-07-28 | 위험 이미지를 사용한 감시 방법 및 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20100012348A KR20100012348A (ko) | 2010-02-08 |
KR100968025B1 true KR100968025B1 (ko) | 2010-07-07 |
Family
ID=42086585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020080073691A KR100968025B1 (ko) | 2008-07-28 | 2008-07-28 | 위험 이미지를 사용한 감시 방법 및 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100968025B1 (ko) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011112652A1 (de) * | 2011-05-16 | 2012-11-22 | Eads Deutschland Gmbh | Bildanalyse für Kampfmittelbeseitigung und Sicherheitskontrollen |
KR101521531B1 (ko) * | 2012-07-13 | 2015-05-19 | 삼성테크윈 주식회사 | 감시 카메라의 제어 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010088921A (ko) * | 2001-08-01 | 2001-09-29 | 이왕록 | 얼굴 인식 기능을 포함한 영상 감시 시스템 및 이를이용하는 방법 |
KR20020079083A (ko) * | 2001-04-13 | 2002-10-19 | 주식회사 아이티에스월드 | 얼굴 촬영 데이터를 이용한 경비시스템 및 그 방법 |
KR20030056865A (ko) * | 2001-12-28 | 2003-07-04 | 에스케이텔레텍주식회사 | 영상 감시를 위한 이동통신 단말기와 그를 이용한 감시시스템 및 방법 |
JP2007124526A (ja) | 2005-10-31 | 2007-05-17 | Hitachi Ltd | 画像監視記録装置及び画像監視記録システム |
-
2008
- 2008-07-28 KR KR1020080073691A patent/KR100968025B1/ko not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020079083A (ko) * | 2001-04-13 | 2002-10-19 | 주식회사 아이티에스월드 | 얼굴 촬영 데이터를 이용한 경비시스템 및 그 방법 |
KR20010088921A (ko) * | 2001-08-01 | 2001-09-29 | 이왕록 | 얼굴 인식 기능을 포함한 영상 감시 시스템 및 이를이용하는 방법 |
KR20030056865A (ko) * | 2001-12-28 | 2003-07-04 | 에스케이텔레텍주식회사 | 영상 감시를 위한 이동통신 단말기와 그를 이용한 감시시스템 및 방법 |
JP2007124526A (ja) | 2005-10-31 | 2007-05-17 | Hitachi Ltd | 画像監視記録装置及び画像監視記録システム |
Also Published As
Publication number | Publication date |
---|---|
KR20100012348A (ko) | 2010-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100413679B1 (ko) | 형상 기술자 추출방법 | |
JP5180922B2 (ja) | 画像検索システム及び画像検索方法 | |
JP2002203246A (ja) | 画像オブジェクトのランク付け | |
KR20000054864A (ko) | 모양정보를 이용한 멀티미디어 데이터의 검색 방법 및 장치 | |
Atlam et al. | Integration of color and texture features in CBIR system | |
KR101035990B1 (ko) | 이미지 세분화 방법 및 컴퓨터 판독가능 수단 | |
Wang et al. | Enhancing minimum spanning tree-based clustering by removing density-based outliers | |
Song et al. | Analyzing scenery images by monotonic tree | |
JP5356289B2 (ja) | 画像検索システム | |
CN109697240A (zh) | 一种基于特征的图像检索方法及装置 | |
KR100968025B1 (ko) | 위험 이미지를 사용한 감시 방법 및 시스템 | |
Keyvanpour et al. | Feature weighting for improving document image retrieval system performance | |
KR100916136B1 (ko) | 실시간 이미지 검색 기능을 이용한 지능형 감시 방법 및시스템 | |
Huang et al. | A method for object-based color image retrieval | |
Rallis et al. | Hierarchical sparse modeling for representative selection in choreographic time series | |
CN104636330A (zh) | 一种基于结构化数据的关联视频快速检索方法 | |
KR102054211B1 (ko) | 이미지 쿼리 기반의 영상 검색 방법 및 시스템 | |
Han et al. | A multiple feature fusion based image retrieval algorithm | |
Ni et al. | Research on image segmentation algorithm based on fuzzy clustering and spatial pyramid | |
Amrutkar et al. | Efficient content based image retrieval using combination of dominant-color shape and texture features and k-means clustering | |
Li et al. | Video copy detection based on spatiotemporal fusion model | |
Kumar et al. | HPCIR: histogram positional centroid for image retrieval | |
Liu et al. | cutting Image Retrieval Technology based on LSH Improvement | |
Rejito et al. | Image indexing using color histogram and k-means clustering for optimization CBIR | |
Hernandez et al. | An image retrieval system using multispectral random field models, color, and geometric features |
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: 20130429 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20140326 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20150417 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20160325 Year of fee payment: 7 |
|
LAPS | Lapse due to unpaid annual fee |