KR101030257B1 - 카메라의 영상을 이용한 보행자 계수 방법 및 장치 - Google Patents

Abstract

본 발명은 광장과 같이 실외에 넓게 펼쳐진 곳 또는 넓은 실내의 공간을 조망하는 비디오 카메라로부터 전송된 영상 프레임을 배경(background image) 영역과 전경(foreground image) 영역으로 구분하여 영상 프레임이 연속하여 전송되는 비디오 스트림(video stream)에서 사물(objects)을 탐지하는 방법을 제공하기 위한 것이다. 또한, 본 발명은 전경에 대하여 공개된 형태학적 처리를 수행함으로써 화소(pixel)의 노이즈와 작은 인공물들을 제거하는 사전 처리 방법을 제공하기 위한 것이다. 또한, 본 발명은 사전 처리된 전경에서 적어도 한 명 이상의 인체를 감지하는 방법을 제공하기 위한 것이다. 또한, 본 발명은 여러 명이 겹친 영상에서 그 겹친 인체의 수를 측정하는 방법을 제공하기 위한 것이다. 이와 같이, 본 발명은 비디오 카메라로부터 연속하여 전송된 영상 프레임을 이용하여 시각 기반의 보행자 계수 방법을 제공하는 것이다.

보행자 계수, 감시, 배경 모델링

Description

카메라의 영상을 이용한 보행자 계수 방법 및 장치{Method and System for Vision-Based People Counting in CCTV}

본 발명은 CCTV(Closed-Circuit Television)를 포함한 감시 시스템의 비디오 카메라 영상을 이용한 보행자 계수 방법 및 장치에 관한 것이다.

또한, 본 발명은 영상에서 인체 이미지를 구분하여 추출하는 방법에 관한 것이다.

CCTV는 비디오 카메라의 영상 신호를 한정된 모니터로 전송하는 시스템으로서 주로 은행, 공항, 군사시설, 편의점 등과 같이 감시가 필요한 곳에서 사용되어지고 있다. 이 CCTV를 DVR(Digital Video Recorder)과 함께 사용하여 일정 기간동안의 영상을 저장하기도 하고, 다양한 동작감지 기술을 이용하여 영상신호에 변화가 있을 때만 CCTV의 영상을 저장하게 하기도 한다.

이러한 CCTV의 영상신호는 비디오 카메라에서 촬영된 영상이 디스플레이 장치, 영상처리장치 또는 저장장치로 전송되는 것으로서, 영상을 디스플레이, 처리 또는 저장하기 위하여 정지된 영상 프레임(frame)을 연속하여 사용하게 된다. 여기에서 영상의 디스플레이, 처리 또는 저장을 위하여 1초에 사용되는 프레임의 수를 FPS(Frames Per Second; 초당프레임수)로 나타내고, 각 프레임의 영상을 구성하는 최소단위를 화소(pixel)라 하며, 이 화소의 수를 가로와 세로로 구분하여 해상도를 표시하기도 한다.

이 FPS와 해상도는 CCTV의 설치 목적에 따라 다양하게 설정하여 사용되는데, 처리되는 영상의 FPS 또는 해상도가 커질수록 이 영상을 처리하기 위한 컴퓨터 또는 영상처리장치의 더욱 빠른 영상처리속도와 더욱 높은 처리 성능을 필요로 함은 당연하다.

이러한 CCTV 또는 센서가 보행자의 수를 세는데 사용되기도 하는데, 이는 위에서 아래 방향 또는 수평으로 관찰하는 CCTV 또는 센서를 이용하여 복도와 같이 좁은 통로나 한정된 구역을 통과하는 보행자를 감지하므로써 그 수를 세는 것으로, 처리할 영상에 포함된 인체 이미지가 머리와 어깨 등의 신체 일부에 제한되고 서로 겹쳐지는 경우에 처리가 불가능하므로, 광장과 같이 실외에 넓게 펼쳐진 곳 또는 넓은 실내의 공간을 비스듬한 각도로 조망하는 CCTV의 시각적 영상을 이용하여 거리에 따라 다양한 크기로 나타나고 서로 겹쳐서 보일 수도 있는 보행자의 수를 세 기에는 어려움이 있다.

연속되는 영상 프레임의 시각적 영상에서 보행자의 수를 세기 위해서는 영상에서 움직이는 부분, 즉 색(color)의 구성이 변하는 화소를 감지하는 동작감지 기술이 필요한데, 이는 기준이 되는 고정된 배경이미지와 새로이 전송된 영상 프레임을 비교하여 수행하게 된다. 그러나, 이 방법은 순간적인 반짝임이나 빛의 변화가 다양한 실제 상황에는 부적합한 면이 있다.

또한, 배경에 변화가 자주 발생하는 경우, 기준이 되는 배경이미지를 그에 맞게 자주 업그레이드해야하는 불편함이 있다.

본 발명은 광장과 같이 실외에 넓게 펼쳐진 곳 또는 넓은 실내의 공간을 조망하는 비디오 카메라로부터 연속하여 전송된 영상 프레임, 즉 비디오 스트림을 이용하여 영상으로 전송되는 구역에 있는 사람의 수를 측정하는 방법을 제공하고자 한다.

또한, 각 프레임의 영상에서 인체 이미지를 구분하기 위한 학습형 다단계 영상 분석 방법을 제공하고자 한다.

아울러, 인체 이미지로 구분된 영상 영역에 여러 사람의 이미지가 겹쳐있을 때, 그 수를 측정하는 방법을 제공하고자 한다.

이러한 기술적 과제를 해결하기 위한 본 발명의 카메라의 영상을 이용한 보행자 계수 방법은, 연속되는 영상 프레임을 전송받아 상기 영상 프레임 내에 있는 사물의 움직임에 따른 각 화소의 특성 변화를 통계적으로 분석하여 전경 영역과 배경 영역으로 구분하는 배경 구분 단계와, 상기 배경 구분 단계에서 구분된 상기 전경 영역에서 인체식별 알고리즘을 이용하여 상기 전경 영역에서 인체 이미지를 구분하여 추출하는 인체 식별 단계와, 상기 인체 식별 단계에서 추출된 상기 인체 이 미지 중 상기 인체 이미지가 여러 명이 겹친 중첩 이미지일 경우 가중치 측정방법을 이용하여 상기 중첩 이미지 내의 인체의 수를 측정하는 밀도 측정 단계를 포함한다.

또한, 본 발명의 카메라의 영상을 이용한 보행자 계수 장치는, 연속되는 영상 프레임을 전송받아 상기 영상 프레임 내에 있는 사물의 움직임에 따른 각 화소의 특성 변화를 통계적으로 분석하여 전경 영역과 배경 영역으로 구분하는 배경모델링부와, 상기 배경 모델링부에서 구분된 상기 전경 영역으로부터 SVM(Support Vector Machine)을 이용하여 인체 이미지를 판별하고 추출하는 인체식별부와, 상기 인체식별부에서 추출된 상기 인체 이미지가 여러 명이 겹친 중첩 이미지일 경우 상기 중첩 이미지를 세부 격자로 나누고 가중치를 부여한 후, SVM을 이용하여 상기 중첩 이미지 내의 인체의 수를 측정하는 밀도측정부를 포함한다.

본 발명에서는 비디오 스트림의 영상을 시각적으로 분석하여 보행자의 수를 측정하기 때문에, 각각의 통로나 구역마다 감지장치를 설치할 필요가 없어 시스템 도입을 용이하게 할 수 있는 장점이 있다.

또한, 본 발명에서는 보행자의 수를 세기 위해 영상에서 배경 영역 또는 인체 이미지로 판단된 그 판단결과가 이어지는 배경 구분 또는 인체 식별의 기준 설 정을 위한 입력으로 공급되어 영상으로부터 인체 이미지를 구분하는 과정을 시스템에서 학습하는 형태를 가지므로, 영상으로부터 인체 이미지를 구분하는 정확도를 향상시켜 갈 수 있는 장점이 있다.

또한, 본 발명에서는 보행자 계수(counting)를 위한 영상처리 중간단계에서 화소의 색상(color) 정보와 동시발생 색상(color co-occurrence) 정보에 대한 테이블을 메모리 상에 위치시켜 인체 여부를 판단하게 하므로 그 처리속도를 빠르게 해 줄 수 있는 장점이 있다.

또한, 본 발명은 통계적 기준에 의하여 배경을 구분하므로, 배경에 변화가 있을 때에도 적절히 대처할 수가 있다.

아울러, 본 발명에서는 영상을 여러 영역으로 나누어 중첩 이미지가 있는 영역만 밀도 측정을 실행하므로 영상처리장치의 부하를 크게 줄여 시스템 지연을 최소화하는 장점이 있다.

이하, 첨부된 도면을 참조하여 본 발명을 상세히 설명한다.

도 1은 본 발명의 실시예에 따른 카메라의 영상을 이용한 보행자 계수 방법의 전체적인 순서도이다.

우선, CCTV의 비디오 카메라에서 촬영하여 전송된 비디오 스트림(video stream)을 수신한다(S10). 이 비디오 스트림은 연속되는 영상 프레임으로 1초에 전송되는 영상 프레임의 수를 FPS(Frames Per Second)로 나타내고, 각 프레임의 영상을 구성하는 최소단위를 화소(pixel)라 하며, 이 화소의 수를 가로와 세로로 구분하여 해상도를 표시하기도 한다.

이 전송받은 비디오 스트림의 연속되는 영상 프레임은 영상 프레임 내에 있는 사물의 움직임에 따라 각 화소의 색상, 명도, 채도 등을 포함한 특성이 변하게 된다. 이 특성 변화를 통계적으로 분석하여 전경 영역과 배경 영역으로 구분하게 된다(S20).

도 2는 본 발명의 실시예에 따른 카메라의 영상 프레임을 도시한다.

영상프레임(1) 내에 보행자(10), 개(12), 자동차(16), 나무(18)를 포함하고, 보행자의 그림자(11), 개의 그림자(13), 자동차의 그림자(17) 또한 포함하고 있다. 보행자(10)에는 자전거와 같이 신체의 대부분이 노출된 이동차량의 탑승자도 포함될 수 있다.

도 3은 본 발명의 실시예에 따른 카메라의 영상 프레임에 대한 배경 구분 결과를 도시한다.

영상프레임 내의 배경 이미지와 다른 사물들 중 보행자 이미지(20), 보행자의 그림자 이미지(21), 개의 이미지(22), 개의 그림자 이미지(23), 자동차의 이미지(26) 등이 전경 영역으로 남고 나머지는 배경 영역으로 구분되어 사물이 아닌 배경으로 인식되어 진다. 자동차와 자동차의 그림자처럼 크게 구분되지 않을 경우 하나의 사물로 감지될 수 있으며, 나뭇가지의 떨림이나 바닥의 물체가 반짝거리는 등의 화면 변화 중 일부가 배경 이미지와 다른 화소로 감지되어 영상 노이즈(25)로 전경 영역에 다수 포함될 수 있다.

이와 같은 통계적 분석의 기준이 되는 배경 이미지를 화소별로 색상(color)과 동시발생 색상(color co-occurrence)에 대한 두 개의 테이블로 관리하고, 조건부 확률에 기반한 베이즈 결정 이론(Bayesian decision theory)을 구현한 알고리즘을 통해 상기 두 개의 테이블에 저장된 색상과 동시발생 색상을 이용하여 정적인 배경 부분과 움직이는 배경 부분을 배경 영역으로 구분한다. 이렇게 통계적 분석을 통해 배경 영역으로 구분된 화소의 색상과 동시발생 색상을 배경 이미지에 대한 두 개의 테이블에서 해당하는 화소에 각각 저장하여 이후의 배경 구분을 위한 기준 이미지로 다시 사용한다.

이어서, 전경 영역 중 사물의 모양을 이룰 수 없는 흩뿌려진 작은 화소를 전경 영역에서 제거하거나 전경 영역으로 병합하는 형태학적 처리를 이용하여 도 3을 통해 설명한 영상 노이즈(25)를 제거한다(S30).

도 4는 본 발명의 실시예에 따라 영상 노이즈가 다른 사물의 이미지에 병합되거나 제거된 화면을 도시한다.

형태학적 처리는 사물의 모양이라고 하기 어려운 흩뿌려진 작은 이미지를 주변의 큰 이미지와 Close 연산에 의해 확대하거나 Open 연산에 의해 축소한 후, 주변의 큰 이미지에 병합시키거나 축소된 아주 작은 이미지를 삭제시키는 영상처리로서 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 쉽게 알 수 있는 기술이므로 여기에서 상세히 설명하지는 않는다.

도 5는 본 발명의 실시예에 따라 그림자(shadow) 또는 사물의 밝은 부분(highlight)이 제거된 화면을 도시한다.

전경 영역으로부터 인체 이미지를 추출(S40)하기 이전에, 전경 영역에 포함된 그림자(shadow) 또는 사물의 밝은 부분(highlight)을 제거하여 보행자 계수 결과의 정확도를 높이도록 한다. 이 전경 영역의 그림자 또는 사물의 밝은 부분은 그 색조와 채도가 배경 이미지와 비슷한 특징을 가지므로, S20에 의해 전경 영역으로 구분된 화소 중에서 색조와 채도가 배경 이미지의 화소와 비슷한 화소를 전경 영역에서 제외하여 인체 이미지 식별의 오차를 줄여줄 수 있다. 여기에서 색조와 채도가 비슷하다고 결정하기 위한 색조와 채도의 오차 범위를 가변적으로 설정하게 할 수도 있다.

영상 프레임 전체에 대하여 영상처리를 실행할 경우 인체 이미지가 포함되지 않은 영역까지도 영상처리장치에서 불필요하게 처리해야 하는 부담이 있으므로, 영상 프레임을 여러 영역으로 나누어 각 처리과정에서 처리할 대상이 없는 영역에 대하여는 처리하지 않게 하여 영상처리장치의 처리과정을 용이하게 하는 것이 바람직하다. 따라서, 영상 프레임을 여러 개의 영역으로 나누어 처리할 경우, 이어지는 전경 처리 과정에서 배경만 있는 영역도 처리해야 하는 불필요한 부담을 제거할 수도 있다.

이어서, 이와 같이 구분된 전경 영역에서 인체식별 알고리즘을 이용하여 이 전경 영역으로부터 인체 이미지를 구분하여 추출한다(S40). 여기에서 인체 이미지가 있는 경우, 이 인체 이미지가 여러 사람이 근접하거나 중첩된 중첩 이미지인지도 결정하게 된다.

도 6은 본 발명의 실시예에 따라 인체식별 알고리즘에 의해 처리된 화면을 도시한다.

인체이미지가 51, 52, 53, 54와 같이 구분이 되고, 도 5의 개의 이미지(42)와 자동차의 이미지(46)가 이 인체식별 알고리즘에 의해 제외되었다. 또한, 51과 52의 이미지는 중첩되지 않은 인체 이미지이고, 53과 54는 중첩된 이미지로 인식된다.

이 인체식별 알고리즘은 두 집단 사이의 분리 경계면(hyperplane)을 구하여 임의의 벡터를 두 집단으로 분류 또는 회귀시키기 위해 사용하는 관리학습형 분류기인 SVM(Support Vector Machine)을 이용하는데, 이 SVM에 의한 분류 결과를 같은 단계 내에서 이후에 실행될 SVM이 분류 경계가 되는 하이퍼플레인을 구하기 위한 입력으로 사용하여 인체 식별의 판단 기준에 영향을 줌으로써 SVM이 인체 식별을 학습할 수 있도록 한다.

또한, 구분 대상이 되는 벡터의 값으로 이미지의 색상(color), 동일 색상의 화소에 대한 궤적, 모양(shape), 크기(size) 등 다양한 값을 사용하여 인체식별의 정확도를 향상시킬 수 있다. 이와 같이, SVM은 분류 문제를 해결하기 위해 최적의 분리 경계면(hyperplane)을 제공하는 분류기로서 명백한 이론적 근거에 기반하므로 결과 해석이 용이하고 실제 응용에 있어서 인공신경망 수준의 높은 성과를 내며 적은 학습자료만으로 신속하게 분별학습을 수행할 수 있다고 알려져 있다. 이 SVM은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 쉽게 알 수 있는 기술이므로 더 상세히 설명하지는 않는다.

여기에서도 전경 영역을 여러 개의 영역으로 나누어 처리하면, 중첩 이미지가 없는 영역에 대하여도 밀도를 측정하는 불필요한 과정을 제거할 수도 있다. 인체 이미지가 없는 영역에 대하여는 추후 처리과정을 실행하지 않음이 바람직하다.

이어서, S40에서 분류한 인체 이미지가 중첩 이미지인지 확인한다(S50).

도 7은 본 발명의 실시예에 따른 중첩 이미지의 인체 밀도 측정 방법을 도시한다.

처리할 이미지가 중첩 이미지(63, 64)일 경우에는 이 중첩 이미지(63, 64)의 인체 밀도를 측정한다(S60). 이 밀도를 측정하는 방법은 가중치 측정방법을 이용하고 중첩 이미지에 대해서만 실행되어 중첩 이미지 내의 인체 수를 측정하는데, 이 가중치 측정방법 또한 인체식별 알고리즘과 같이 두 집단 사이의 분리 경계면(hyperplane)을 구하여 임의의 벡터를 두 집단으로 분류 또는 회귀시키기 위해 사용하는 관리학습형 분류기인 SVM(Support Vector Machine)을 이용한다.

또한, 이 가중치 측정방법은 중첩 이미지를 여러개의 세부 격자로 분할한 후, 각 세부 격자에 거리와 특성에 따라 설정된 가중치를 부여하고, SVM을 실행하여 중첩 이미지의 인체 밀도를 측정한다.

중첩이 발생한 중첩 이미지(63, 64)에 대하여만 세부 격자로 나누어 SVM을 실행하게 한다. 이 SVM은 컴퓨터의 연산능력을 많이 요구하기 때문에 인체 이미지가 포함되지 않은 영역을 SVM이 처리할 입력에서 제외함으로써 SVM이 처리할 영역을 줄여주는 것은 연속되는 영상처리의 지연을 방지하고 보행자 계수를 실행하는 장치의 부하를 줄여주는 효과가 있다.

각 세부 격자의 이미지를 SVM으로 처리하는 과정에서, SVM의 밀도 측정을 위한 입력 값으로 색상(color), 모양(shape), 크기(size), 동시발생 색상(color co-occurrence) 등의 다양한 값을 이용하여 그 정확도를 향상시킬 수 있다.

이와 같이, 도 6의 인체 이미지 중, 중첩되지 않은 인체 이미지(51, 52)에 대하여는 카운터(counter)에 각각 1을 더하고, 중첩 이미지(53, 54)에 대하여는 S60에서 측정된 인체 이미지 밀도를 카운터에 더한다(S70). S40에서 추출한 영상 프레임 안의 모든 인체 이미지에 대하여 계수가 완료되면 카메라의 영상을 이용한 보행자 계수 방법은 마무리 된다. 또한, 인체 이미지에 대한 계수를 순차적으로 실행하는 방법 외에, 모든 인체 이미지에 대한 계수를 동시에 실행하여 그 처리 속도를 줄여줄 수도 있음은 당연하다.

도 8는 본 발명의 실시예에 따른 보행자 계수 장치의 구성도이다.

본 발명의 실시예에 따른 보행자 계수 장치(200)는 영상 신호를 생성하는 비디오 카메라(100)로부터 연속되는 영상 프레임을 수신하는 영상수신부(210), 영상 프레임에서 배경을 구분하는 배경모델링부(220), 배경으로 구분되지 않은 전경으로부터 인체 이미지를 식별하는 인체식별부(230), 중첩된 인체 이미지로부터 그 밀도를 측정하는 밀도측정부(240), 인체식별부(230)와 밀도측정부(240)의 결과를 합산하는 계수기(250)를 포함한다.

배경모델링부(220)는 배경 이미지의 색상과 동시발생 색상에 대한 두 개의 테이블을 관리하고, 도 1을 통해 설명한 통계적 분석에 의한 배경 구분 방법에 따라 영상수신부(210)가 수신한 연속되는 영상 프레임을 전경 영역과 배경 영역으로 구분한다. 또한, 배경으로 구분된 영역에 포함되는 화소의 색상과 동시발생 색상을 테이블에 저장하여 이후의 배경 구분을 위한 기준으로 사용되게 한다.

이 배경모델링부(220)는 배경 구분을 실행한 후에, 전경 영역으로 구분된 화소들 중 사물의 모양을 이룰 수 없는 흩뿌려진 작은 화소를 전경 영역에서 제거하거나 전경 영역으로 병합하는 형태학적 처리를 이용하여 도 3을 통해 설명한 영상 노이즈(25)를 제거한다.

인체식별부(230)는 도 1 내지 도 7을 통해 설명한 SVM을 이용하여 전경으로 구분된 이미지 중 인체 이미지를 식별한다. 인체 이미지를 식별하면서, 이 인체 이미지가 중첩되어 있는 것인지도 판단한다.

이 인체 식별부(230)는 전경 영역에서 인체 이미지를 추출하기 이전에, 전경 영역에 포함된 그림자(shadow) 또는 사물의 밝은 부분(highlight)을 제거하여 인체 식별 결과의 정확도를 높이도록 한다.

밀도측정부(240)는 중첩 이미지에 대한 인체 이미지 밀도를 측정하는 것으로, 중첩 이미지를 세부 격자로 나누어 가중치를 부여하고, 중첩된 부분이 있는 세부 격자에 대하여 SVM을 실행함으로써 이 중첩 이미지에 대한 밀도를 측정한다.

계수기(250)는 인체식별부(230)와 밀도측정부(240)의 영상 처리결과 중첩되지 않은 인체 이미지의 수와 중첩된 인체 이미지의 밀도를 모두 합산한다. 계수기(250)가 측정한 보행자의 수는 표시장치(300)로 전송되어 CCTV 등의 영상과 함께 실시간으로 표시될 수도 있고, 별도의 저장장치에 기록되게 할 수도 있다.

또한, 본 발명의 실시예에 따른 보행자 계수 장치(200)는 독립형 장치로 구성되거나 별도의 컴퓨터에 프로그램의 형태로 구비될 수도 있고, 비디오 카메라(100)와 표시장치(300)를 포함한 CCTV 시스템 내에 구비될 수도 있다.

아울러 본 발명의 바람직한 실시예는 예시의 목적을 위한 것으로, 당업자라면 첨부된 특허청구범위의 기술적 사상과 범위를 통해 다양한 수정, 변경, 대체 및 부가가 가능할 것이며, 이러한 수정, 변경 등은 이하의 특허청구범위에 속하는 것으로 보아야 할 것이다.

도 1은 본 발명의 실시예에 따른 카메라의 영상을 이용한 보행자 계수 방법의 전체적인 순서도.

도 2는 본 발명의 실시예에 따른 카메라의 영상 프레임.

도 3은 본 발명의 실시예에 따른 카메라의 영상 프레임에 대한 배경 구분 결과 화면.

도 4는 본 발명의 실시예에 따라 영상 노이즈가 다른 사물의 이미지에 포함되거나 제거된 화면.

도 5는 본 발명의 실시예에 따라 그림자(shadow) 또는 사물의 밝은 부분(highlight)이 제거된 화면.

도 6은 본 발명의 실시예에 따라 인체식별 알고리즘에 의해 처리된 화면.

도 7은 본 발명의 실시예에 따른 중첩 이미지의 인체 밀도 측정 방법.

도 8은 본 발명의 실시예에 따른 카메라의 영상을 이용한 보행자 계수 장치의 구성도.

Claims (10)

1. 연속되는 영상 프레임을 전송받아 상기 영상 프레임 내에 있는 사물의 움직임에 따른 각 화소의 특성 변화를 분석하여 전경 영역과 배경 영역으로 구분하는 배경 구분 단계;

   상기 배경 구분 단계에서 구분된 상기 전경 영역으로부터 인체식별 알고리즘을 이용하여 인체 이미지를 구분하여 추출하며, 이와 함께 상기 인체 이미지가 복수의 인체가 중첩된 중첩 이미지인지를 결정하는 인체 식별 단계;

   상기 인체 식별 단계에서 추출된 상기 인체 이미지가 중첩 이미지가 아니면 1을, 중첩 이미지이면 해당 중첩 이미지에 포함된 인체의 수를 각각 합산하여 상기 영상 프레임 내의 보행자의 수를 세는 인체 계수 단계;

   를 포함하는 것을 특징으로 하는 카메라의 영상을 이용한 보행자 계수 방법.
2. 연속되는 영상 프레임을 전송받아 상기 영상 프레임 내에 있는 사물의 움직임에 따른 각 화소의 특성 변화를 분석하여 전경 영역과 배경 영역으로 구분하는 배경 구분 단계;

   상기 배경 구분 단계에서 구분된 상기 전경 영역으로부터 인체식별 알고리즘을 이용하여 인체 이미지를 구분하여 추출하는 인체 식별 단계;

   상기 인체 식별 단계에서 추출된 상기 인체 이미지를 세부 격자로 나누어 상기 나누어진 세부 격자에 가중치를 부여한 후 상기 인체 이미지의 인체 밀도 - 여기서 '인체 밀도'란 인체 이미지에 포함된 인체의 수를 말한다 - 를 측정하는 밀도 측정 단계;

   상기 밀도 측정 단계에서 측정한 상기 인체 이미지에 대한 인체 밀도를 합산하여 상기 영상 프레임 내의 보행자의 수를 세는 인체 이미지 합산 단계;

   를 포함하는 것을 특징으로 하는 카메라의 영상을 이용한 보행자 계수 방법.
3. 청구항 1 또는 청구항 2에 있어서,

   상기 배경 구분 단계에서,

   상기 분석의 기준이 되는 배경 이미지를 화소별로 색상과 동시발생 색상에 대한 두 개의 테이블로 관리하는 것을 특징으로 하는 카메라의 영상을 이용한 보행자 계수 방법.
4. 청구항 3에 있어서,

   상기 분석의 방법으로서 조건부 확률에 기반한 베이즈 결정 이론(Bayesian decision theory)을 이용하고 상기 두 개의 테이블에 저장된 색상과 동시발생 색상의 통계를 이용하여 정적인 배경 부분과 움직이는 배경 부분을 배경 영역으로 구분하는 것을 특징으로 하는 카메라의 영상을 이용한 보행자 계수 방법.
5. 청구항 1 또는 청구항 2에 있어서,

   상기 배경 구분 단계 이후에,

   상기 전경 영역 중 사물의 모양을 이룰 수 없는 흩뿌려진 작은 화소를 전경 영역에서 제거하거나 전경 영역으로 병합하는 형태학적 처리를 통하여 영상의 노이즈를 제거하는 노이즈 제거 단계;

   를 더 포함하는 것을 특징으로 하는 카메라의 영상을 이용한 보행자 계수 방법.
6. 삭제
7. 청구항 1 또는 청구항 2에 있어서,

   상기 인체 식별 단계 이전에,

   상기 영상 프레임을 여러 구역으로 나눈 후, 상기 나누어진 구역 단위 중 전경 영역이 포함된 구역에 대하여만 인체 식별 단계를 실행할 수 있도록 하는 것을 특징으로 하는 카메라의 영상을 이용한 보행자 계수 방법.
8. 청구항 1 또는 청구항 2에 있어서,

   상기 인체 식별 단계에서의 상기 인체식별 알고리즘은,

   두 집단 사이의 분리 경계면(hyperplane)을 구하여 임의의 벡터를 두 집단으로 분류 또는 회귀시키기 위해 사용하는 관리학습형 분류기인 SVM(Support Vector Machine)을 이용하는 것을 특징으로 하는 카메라의 영상을 이용한 보행자 계수 방법.
9. 청구항 2에 있어서,

   상기 인체 밀도를 측정하는 방법은,

   두 집단 사이의 분리 경계면(hyperplane)을 구하여 임의의 벡터를 두 집단으로 분류 또는 회귀시키기 위해 사용하는 관리학습형 분류기인 SVM(Support Vector Machine)을 이용하는 것을 특징으로 하는 카메라의 영상을 이용한 보행자 계수 방법.
10. 연속되는 영상 프레임을 전송받아 상기 영상 프레임의 내에 있는 사물의 움직임에 따른 각 화소의 특성 변화를 통계적으로 분석하여 전경 영역과 배경 영역으로 구분하는 배경모델링부;

    상기 배경 모델링부에서 구분된 상기 전경 영역으로부터 SVM(Support Vector Machine)을 이용하여 인체 이미지를 식별하며, 이와 함께 상기 인체 이미지가 복수의 인체가 중첩된 중첩 이미지인지를 판별하는 인체식별부;

    상기 중첩 이미지를 세부 격자로 나누어 가중치를 부여하고 SVM(Support Vector Machine)을 실행하여 상기 중첩 이미지에 포함된 인체의 수를 측정하는 밀도측정부;

    를 포함하는 것을 특징으로 하는 카메라의 영상을 이용한 보행자 계수 장치.

Images