KR101079826B1 - 영상 감시에서 이동 물체 영역을 추출하기 위한 방법 - Google Patents

영상 감시에서 이동 물체 영역을 추출하기 위한 방법 Download PDF

Info

Publication number
KR101079826B1
KR101079826B1 KR1020090063331A KR20090063331A KR101079826B1 KR 101079826 B1 KR101079826 B1 KR 101079826B1 KR 1020090063331 A KR1020090063331 A KR 1020090063331A KR 20090063331 A KR20090063331 A KR 20090063331A KR 101079826 B1 KR101079826 B1 KR 101079826B1
Authority
KR
South Korea
Prior art keywords
shadow
region
area
image
moving object
Prior art date
Application number
KR1020090063331A
Other languages
English (en)
Other versions
KR20110005949A (ko
Inventor
황순민
강동중
Original Assignee
부산대학교 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 부산대학교 산학협력단 filed Critical 부산대학교 산학협력단
Priority to KR1020090063331A priority Critical patent/KR101079826B1/ko
Publication of KR20110005949A publication Critical patent/KR20110005949A/ko
Application granted granted Critical
Publication of KR101079826B1 publication Critical patent/KR101079826B1/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
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 영상 감시에서 이동 물체 영역을 추출하기 위한 방법에 관한 것으로, 더욱 상세하게는 이동 물체 영역 내에 존재하는 그림자 영역을 효율적으로 제거하여 정교한 영상 감시에서 이동 물체 영역을 추출하기 위한 방법에 관한 것이다.
상기의 목적을 달성하기 위하여 본 발명은 검출된 움직이는 물체의 색공간을 색도와 밝기로 분할하여 그림자를 제거하는 1차 그림자 제거 단계; 상기 1차 그림자 제거 단계 후의 이미지에서 그림자의 제거가 정상적인가를 판단하는 그림자 제거 판단 단계; 상기 1차 그림자 제거 단계 후 이미지의 가로 및 세로 방향의 픽셀 누적 사영을 계산하는 픽셀 누적 사영 계산 단계; 상기 계산된 픽셀 누적 사영을 이용하여 추가적인 영역을 분할하는 영역 분할 단계; 분할된 영역 중 그림자 영역을 정의하는 그림자 영역 정의 단계; 및 분할된 영역에서 그림자 영역을 제거하는 그림자 영역 제거단계를 포함하는 것을 특징으로 하는 영상 감시에서 이동 물체 영역을 추출하기 위한 방법을 제공한다.
영상 감시, 히스토그램, 픽셀 누적 사영, 그림자 영역

Description

영상 감시에서 이동 물체 영역을 추출하기 위한 방법{Method for extraction of moving region in video surveillance}
본 발명은 영상 감시에서 이동 물체 영역을 추출하기 위한 방법에 관한 것으로, 더욱 상세하게는 이동 물체 영역 내에 존재하는 그림자 영역을 효율적으로 제거하여 정교한 영상 감시에서 이동 물체 영역을 추출하기 위한 방법에 관한 것이다.
최근 영상 하드웨어의 비약적인 발전으로 보다 낮은 가격으로 비디오 감시 시스템이 각 산업별로 활용되고 있다.
상기 비디오 감시 시스템의 주목적은 영상 감시에 있으며, 영상 감시는 2차원 형태의 영상을 기반으로 상기 영상 내에 존재하는 물체를 인식하고 인식된 물체를 추적하는 기본적인 기능이 반드시 필요하다.
획득된 비디오 영상에서 이동 물체 영역을 실시간으로 분할하는 것은 비디오 감시 시스템뿐만 아니라 원거리 화상 통신을 위한 데이터 압축, 교통 상황 모니터링 등 지능형 비젼 시스템의 핵심 기술에도 해당하며, 특히 영역 분할의 정확도는 이어지는 물체 추적, 물체 인식 등의 필수적인 기능의 정확도를 제공하여 전체 시스템의 신뢰도에 결정적인 역할을 한다.
또한 최근의 영상 감시 시스템은 전체적인 자동화를 추구하고 있어 신뢰성 있는 영상 감시 시스템의 요구가 증가하고 보다 다양한 분야로 그 활용 범위를 넓혀가고 있다.
영상 감시에서 물체 이동 영역을 분할하기 위한 방법 중 가장 많이 적용되는 것으로는 확률 기반 배경 추출 방법을 들 수 있다{선행문헌 1, in Proceedings of the 2nd European Workshop on Advanced Video-Based Surveillance Systems, Sept., 2001, P. KaewTraKulPong, R. Bowden., An Improved Adaptive Background Mixture for Real-time Tracking with Shadow Detection}. 상기 방법은 가장 많이 연구 및 개발되는 기법으로 구체적으로 설명하면, 각 픽셀에 대한 N 프레임의 샘플 데이터를 학습하여 K-분산 가우시안 확률 분포로 가정된 배경 모델을 설계하고 EM(Expectaion-Maximization) 알고리즘으로 확률 분포를 추정하고,이렇게 설계된 배경 모델로부터 실시간으로 입력되는 영상의 각 프레임을 픽셀 단위로 배경 분포에 대한 우도를 계산하고 결과를 임계화하여 해당 픽셀이 배경인지 전경인지 판단하는 방법으로 복잡한 환경을 포함한 배경, 예를 들면, 조명의 변화가 발생하는 배경, 흔들리는 나뭇가지와 같은 작은 움직임을 포함한 배경으로부터도 비교적 정확한 배경 추출 효과를 얻을 수 있는 장점이 있다.
그러나 상기 방법은 검출의 정도가 정확하고 민감하여 물체의 그림자 영역과 같은 오분류 픽셀들도 물체에 포함되는 문제를 야기한다. 상기와 같은 그림자에 의 한 오분류 픽셀들은 물체 추적, 물체 인식 등의 뒤따르는 처리 과정의 부정확한 결과를 야기하게 되어 시스템의 신뢰성이 저하되는 요인이 된다.
상기와 같은 오분류 픽셀들에 의한 부정확성을 해결하기 위하여 확률 기반 배경 추출 방법을 기본으로 한 추가적인 몇 가지 방법들이 제안되었으며, 그 중 가장 널리 사용되는 방법은 영상 내의 각 픽셀의 색도로부터 밝기 성분을 분할하여 그림자 픽셀을 억제하는 방법을 들 수 있다{선행문헌 2, Proc. IEEE Int’l Conf. Computer Vision '99 FRAME-RATE Workshop, 1999, T. Horprasert, D. Harwood, L.S. Davis, A statistical approach for real-time robust background subtraction and shadow detection}.
상기 방법을 구체적으로 설명하면, 각 픽셀에 대한 N 프레임의 샘플 데이터를 학습하여 수치적 평균을 구하고 학습에 사용된 데이터들로부터 색도 공간의 평균 오차와 밝기 공간의 평균 오차를 계산하여 임계값의 기준을 설정하고, 실시간 영상 프레임에서 색도에 대한 오차, 밝기에 대한 오차를 계산하고 이 오차와 위에 계산된 학습 데이터들의 평균 오차와 비교하여 전경 픽셀을 분류하고, 이때 사람의 눈은 색도의 차이보다 밝기의 차이에 민감하다는 점을 이용하여 계산된 밝기 오차를 이용하여 그림자 영역에 대한 분류를 하는 방법이다. 상기 방법은 일반적인 배경에서는 매우 효율적으로 적용되지만, 강한 태양 광에 의하여 발생된 그림자 영역의 제거의 어려움과 어두운 전경 또는 어두운 배경에 대한 임계값 설정의 어려움 등이 있어 상기 기법에 추가하여 또 다른 그림자 제거 방법을 갖는 영상 감시에서 이동 물체 영역을 추출하기 위한 방법이 필요하다.
본 발명은 상기와 같은 종래 기술의 문제점을 극복하기 위하여 안출된 것으로, 히스토그램 분포 분석 및 컬러-흑백 변환 시 픽셀의 에너지 차를 이용하여 강한 태양 광 하에서 형성된 물체의 그림자도 효율적으로 제거하는 영상 감시에서 이동 물체영역을 추출하기 위한 방법을 제공함을 그 목적으로 한다.
상기 과제를 해결하기 위하여 본 발명은 획득된 이미지에서 배경 모델링 후 이미지 프레임을 계산하여 움직이는 물체를 검출하는 영상 감시에서 이동 물체 영역을 추출하기 위한 방법에 있어서,
검출된 움직이는 물체의 색공간을 색도와 밝기로 분할하여 그림자를 제거하는 1차 그림자 제거 단계;
상기 1차 그림자 제거 단계 후의 이미지에서 그림자의 제거가 정상적인가를 판단하는 그림자 제거 판단 단계;
상기 1차 그림자 제거 단계 후 이미지의 가로 및 세로 방향의 픽셀 누적 사영을 계산하는 픽셀 누적 사영 계산 단계;
상기 계산된 누적 사영을 이용하여 추가적인 영역을 분할하는 영역 분할 단계;
분할된 영역 중 그림자 영역을 정의하는 그림자 영역 정의 단계; 및
분할된 영역에서 그림자 영역을 제거하는 그림자 영역 제거단계를 포함하는 것을 특징으로 한다.
바람직하게는 상기 영역 분할 단계는 가로 방향의 픽셀 누적 사영이 급격히 증가하는 가로 방향의 좌표와 세로 방향의 픽셀 누적 사영이 급격히 감소하는 세로 방향의 좌표로 영역을 분할하는 것을 특징으로 한다.
또한, 상기 그림자 영역 정의 단계는 단위 영역의 히스토그램 분포를 이용하여 그림자 영역을 정의하는 것을 특징으로 한다.
또한, 상기 그림자 영역 정의 단계는 각 영역의 픽셀을 그레이-레벨로 변환할 때 생기는 에너지 차를 이용하여 그림자 영역을 정의하는 것을 특징으로 한다.
상기한 바와 같이 본 발명은 정확한 그림자 제거가 가능하여, 물체 추적, 물체 인식 과정에서 더 정확한 영역 정보를 제공함으로써 본 발명이 적용된 전체 시스템의 신뢰성을 높이고, 정확도가 높은 결과를 제공하여 무인 감시시스템의 적용 분야를 넓이는 효과가 있다.
이하, 본 발명의 바람직한 실시예를 첨부한 도면을 참조하여 설명한다.
도 1은 본 발명의 방법을 설명하는 절차도이고, 도 2a는 실내에서 쵤영된 영상의 예이며, 도 2b는 종래 방법에 의한 그림자 제거 결과 이미지이며, 도 3a는 실외에서 촬영된 이미지의 예이며, 도 3b는 종래 방법에 의한 그림자 제거 결과이며, 도 4a는 도 3a의 가로 방향 픽셀 누적 사영이며, 도 4b는 도 3a의 세로 방향 픽셀 누적 사영이며, 도 5는 본 발명에 의해 분할된 영역을 나타내는 이미지이며, 도 6a, 도 6b, 도 6c는 각각 물체 영역에서의 R, G, B의 히스토그램 분포도이며, 도 7a, 7b, 7c는 각각 그림자 영역에서의 R, G, B의 히스토그램 분포도이며, 도 8은 본 발명에 따른 그림자의 제거를 나타내는 이미지이다.
본 발명은 영상 감시에서 이동 물체를 추출하기 위한 방법에 관한 것이며, 특히 이동 물체에 포함되는 그림자 영역을 정확하게 제거하기 위한 방법으로 에너지 차 및 히스토그램 분포를 이용하여 그림자 영역을 제거하는 것에 그 특징이 있는 것으로 기본적으로 확률 기반 배경 추출을 기반으로 1차로 색도로부터 밝기에 의한 1차 그림자 제거를 수행하고 추가로 본 발명으로 특징적인 방법을 적용한다.
먼저 프레임의 이미지를 획득한다(S01).
상기 이미지는 통상의 렌즈와 촬상소자에 의하여 획득할 수 있으며, 용도에 맞게 렌즈와 촬상소자를 선택할 수 있다. 예를 들면 어두운 곳에서의 감시 시스템인 경우 밝은 렌즈와 감도가 높은 촬상소자를 이용할 수 있으며, 야외의 감시 시스템인 경우 통상의 렌즈와 촬상소자를 이용할 수 있다.
다음으로 획득된 이미지를 이용하여 배경 모델링을 한다(S02).
상기 배경 모델링은 공지의 방법들로 수행될 수 있으며, 확률기반 배경 모델링이 바람직하다.
배경 모델링이 완료된 후 이미지 프레임을 획득한다(S03).
상기 이미지 프레임은 연속되는 프레임에서 배경과 구분되는 것으로 이동하는 물체 검출의 단서가 된다.
상기 이미지 프레임 획득 후 배경 모델과의 연산을 통하여 움직이는 물체를 검출한다(S04).
배경 모델과의 연산을 통한 물체의 검출은 부정확한 요소 즉, 그림자 등이 포함되어 검출된다.
S02 내지 S04단계에서는 선행문헌 1의 방법을 적용하여 최종적으로 움직이는 물체를 검출한다.
상기 물체의 검출 이후 색 공간을 색도와 밝기로 분할하여 그림자를 일차 제거한다(S05).
이 단계에서는 선행 문헌 2의 방법을 적용한다.
도 2a는 실내에서 촬영한 프레임의 이미지이고, 도 2b는 S05단계까지 진행한 이미지이다. 도 2b에서 알 수 있듯이 S05단계까지 만으로도 적절한 물체를 검출할 수 있다.
그러나 강한 태양 광 하에 촬영한 도 3a의 이미지를 S05단계까지 진행한 이미지는 도 3b에 나타낸 바와 같이 물체가 그림자를 포함하고 있어 부정확하다. 따라서 이러한 환경하에 필요한 별도의 절차가 필요하고, 이후 단계는 이러한 환경 하에서도 그림자 영역을 제거할 수 있는 방법이다.
상기 단계 이후 그림자 제거가 정상적인 지 여부를 판단한다(S06).
통상 그림자가 포함되는 경우 사람의 형태는 세로 길이가 가로 길이보다 긴 비를 나타내고 그림자 제거가 실패한 경우 가로 방향이 길게 나타나므로, 이러한 특성을 이용하여 그림자 제거 여부를 판단하며, 하기의 누적 사영을 이용할 수 있다.
그림자 제거가 실패한 경우 가로 및 세로 좌표로 픽셀 누적 분포를 이용하여 추가적인 영역 분할을 한다(S07).
상기 추가적인 영역 분할은 영상에서 물체 이동으로 검출된 영역(이하 'ROI ,region of interest'라 한다)에 대하여 가로 방향과 세로 방향으로 누적 픽셀의 분포를 계산하여 분포가 급격히 변하는 부분을 경계로 하여 영역을 분할한다.
여기서 가로 및 세로 좌표의 원점은 좌측 상단 모서리로 할 경우, 가로 방향 누적 픽셀의 분포(픽셀 누적 사영이라 칭한다)는 가로 방향 축을 등간격으로 분할하고, 각 간격별로 세로 방향의 누적 픽셀의 수를 가로 방향을 기준으로 나타낸 것 으로 도 4a와 같은 분포를 나타낸다. 이때 누적 픽셀의 수가 급격히 감소하는 구간이 존재하며, 이 부분의 가로 방향 위치를 구한다.
그리고 세로 방향 누적 픽셀은 세로 방향 축을 등간격으로 분할하고, 각 간격별 가로 방향의 누적 픽셀의 수를 세로 방향을 기준으로 나타낸 것으로, 도 4b와 같은 분포를 나타내고, 이때 누적 픽셀의 수가 급격히 증가하는 구간이 존재하며, 이 부분의 세로 방향의 위치를 구한다.
구해진 가로방향 및 세로방향의 좌표를 이용하여 영역을 분할한다. 도 3a와 같이 그림자가 물체의 오른쪽에 위치하는 경우 가로 좌표 및 세로 좌표보다 큰 영역을 분할하고, 만약 그림자가 왼쪽에 위치하는 경우 즉, 광원의 방향이 반대인 경우에는 가로 좌표보다 작은 영역과 세로 좌표보다 큰 영역을 분할한다.
도 5는 본 발명에 의한 영역 분할을 나타낸 이미지로 물체 영역과 그림자 영역으로 구분되어 분할된 것을 확인할 수 있다.
상기 추가적인 영역 분할 후에 히스토그램 분석 및 컬러 흑백 공간 에너지 차를 비교한다(S08).
S07단계에 의하여 영역이 추가적으로 분할되었을 때 어느 영역이 그림자 영역인지 구분하는 판단 기준이 필요하다. 본 발명은 그림자 영역의 판단에 영역별 에너지 차와 영역별 히스토그램 분포를 이용한다.
일반적으로 그림자는 단색이고 회색이다. 단색의 특성은 R, G, B 각 채널에 대한 히스토그램에 있어서, 평균에 밀집된 형태로 나타나므로, 각 채널이 갖는 표 준 편차는 물체 영역이 갖는 평균 표준 편차보다 상대적으로 작다. 이러한 그림자 영역의 특성을 이용하여 컬러-흑백 공간의 변화 시 각 영역의 에너지 차를 계산하여 각 에너지 차를 대비하여 분할된 영역에서 그림자 영역을 선정한다.
컬러 공간상의 이미지 픽셀을 흑백 이미지로 전환하기 위해 사용되는 식은 하기 수학식 1과 같다.
g=(R+G+B)/3
여기서 g는 단위 픽셀의 흑백 이미지 값이며, R, G, B 는 컬러 이미지의 빨강, 초록, 파랑의 값이다.
그리고 컬러를 표현하는 각 픽셀을 기하학적 벡터로 표현하고 그레이-레벨 (gray-level)로 변환하는 과정에서 발생하는 각 픽셀의 놈(norm)의 차이를 에너지 차로 표현하며, 각 영역의 픽셀을 그레이-레벨로 변환할 때 생기는 에너지 차는 다음 수학식 2와 같다.
Figure 112009042285701-pat00001
여기서 E는 에너지 차이고, M은 단위 영역에서 픽셀의 수이다.
상기 E값을 분할된 영역에 적용하는 경우 그림자 영역의 경우에는 전체적으로 단일 색조이므로 움직이는 물체 영역에 비하여 낮은 값을 가진다.
그리고 각 영역별 히스토그램 특성을 살펴보면, 물체 이동 영역의 컬러 채널 에 대한 히스토그램의 분포는 그림자 영역에 비하여 큰 표준편차를 가진다. 그림자 영역은 그림자에 의한 이미지이므로 그레이-레벨에 가까운 특성을 나타내므로 그림자 영역의 RGB는 평균에 밀집된 형태의 히스토그램을 나타낸다.
도 6a, 6b, 6c는 물체 이동 영역에 대한 R, G, B의 히스토그램 분포를 각각 나타낸 것이며, 도 7a, 7b, 7c는 그림자 영역에 대한 R, G, B의 히스토그램 분포를 각각 나타내었다.
물체 이동 영역에 히스토그램은 30.61, 44.17, 44.47의 평균에 38, 49.06, 42.07의 표준 편차를 갖는 분포이며, 그림자 영역의 히스토그램은 33.42, 64.78, 57.59의 평균에 6.29, 6.00, 6.08의 표준 편차를 갖는 것으로부터 확인된다.
다음으로 그림자 영역을 정의한다(S09).
S08단계에서의 히스토그램과 컬러-흑백 변환에 의하여 각 영역의 에너지 차이 값을 계산하였다. 각 영역의 에너지 차이 값을 대비하여 가장 낮은값을 갖는 영역 또는 히스토그램의 표준 편차가 낮은 영역을 그림자 영역으로 정의한다.
분할된 영역에서 그림자 영역을 제거한다(S10).
상기 단계까지의 진행된 이미지는 도 8에 도시되었다 상기 도면으로부터 외부의 태양 광이 강한 경우에도 그림자를 제거한 것을 확인할 수 있다.
그림자 영역을 제거한 후 프레임의 끝이 아닌 경우 S03 단계로 넘어 상기와 같은 절차가 반복되고, 프레임의 끝인 경우 종료한다(S11).
본 발명은 첨부된 도면을 참조하여 바람직한 실시예를 중심으로 기술되었지만 당업자라면 이러한 기재로부터 본 발명의 범주를 벗어남이 없이 많은 다양한 자명한 변형이 가능하다라는 것은 명백하다. 따라서, 이러한 많은 변형예들을 포함하도록 기술된 특허청구범위에 의해서 해석되어져야 할 것이다.
도 1은 본 발명의 일실시예에 의한 절차도이다.
도 2a는 실내 촬영한 이미지이다.
도 2b는 종래 방법에 의한 도 2a에서 그림자를 제거한 이미지이다.
도 3a는 실외에서 촬영한 이미지이다.
도 3b는 종래 방법에 의한 도 3a에서 그림자를 제거한 이미지이다.
도 4a는 도 3a의 가로 방향 픽셀 누적 사영이다.
도 4b는 도 3a의 세로 방향 픽셀 누적 사영이다.
도 5는 본 발명의 일실시예에 의한 영역 분할 이미지이다.
도 6a는 물체 영역에서 R의 히스토그램 분포 예이다.
도 6b는 물체 영역에서 G의 히스토그램 분포 예이다.
도 6c는 물체 영역에서 B의 히스토그램 분포 예이다.
도 7a는 그림자 영역에서 R의 히스토그램 분포 예이다.
도 7b는 그림자 영역에서 G의 히스토그램 분포 예이다.
도 7c는 그림자 영역에서 B의 히스토그램 분포 예이다.
도 8은 본 발명의 일실시예에 의한 그림자 제거 이미지이다.

Claims (5)

  1. 프레임의 이미지를 획득하는 이미지 획득 단계, 확률 기반 배경 추출 방법을 상기 이미지에 적용하여 배경 모델링하는 배경모델링 단계, 확률 기반 배경 추출 방법에 의하여 움직이는 물체를 검출하는 이미지 프레임 획득 단계 및 검출된 이동 물체의 색공간을 색도와 밝기로 분할하여 그림자를 제거하는 1차 그림자 제거 단계를 포함하는 영상 감시에서 이동 물체 영역을 추출하기 위한 방법에 있어서,
    상기 1차 그림자 제거 단계 후 이미지의 가로 및 세로 방향의 누적 사영을 계산하는 누적 사영 계산 단계;
    상기 누적 사영을 이용하여 상기 1차 그림자 제거 단계 후의 이미지에서 그림자의 제거가 정상적인가를 판단하는 그림자 제거 판단 단계;
    상기 계산된 누적 사영을 이용하여 상기 이동 물체의 영역을 분할하는 영역 분할 단계;
    분할된 영역 중 그림자 영역을 정의하는 그림자 영역 정의 단계; 및
    분할된 영역에서 그림자 영역을 제거하는 그림자 영역 제거단계를 포함하는 것을 특징으로 하는 영상 감시에서 이동 물체 영역을 추출하기 위한 방법.
  2. 청구항 1에 있어서, 상기 영역 분할 단계는 가로 방향의 픽셀 누적 사영이 급격히 증가하는 가로 방향의 좌표와 세로 방향의 픽셀 누적 사영이 급격히 감소하는 세로 방향의 좌표로 영역을 분할하는 것을 특징으로 하는 영상 감시에서 이동 물체 영역을 추출하기 위한 방법.
  3. 청구항 1 또는 청구항 2에 있어서, 상기 그림자 영역 정의 단계는 분할된 영역의 히스토그램 분포를 이용하여 그림자 영역을 정의하는 것을 특징으로 하는 영상 감시에서 이동 물체 영역을 추출하기 위한 방법.
  4. 청구항 1 또는 청구항 2에 있어서, 상기 그림자 영역 정의 단계는 각 영역의 픽셀을 하기의 수학식에 따른 E를 이용하여 그림자 영역을 정의하는 것을 특징으로 하는 영상 감시에서 이동 물체 영역을 추출하기 위한 방법.
    수학식:
    Figure 112011007374175-pat00017
    단, g=(R+G+B)/3이며, g는 단위 픽셀의 흑백 이미지 값이며, R, G, B 는 컬러 이미지의 빨강, 초록, 파랑의 값이고, E는 에너지 차이고, M은 단위 영역에서 픽셀의 수임.
  5. 청구항 1 또는 청구항 2에 있어서, 상기 그림자 영역 정의 단계는 단위 영역의 히스토그램 분포와 각 영역의 픽셀을 하기의 수학식에 따른 E를 이용하여 그림자 영역을 정의하는 것을 특징으로 하는 영상 감시에서 이동 물체 영역을 추출하기 위한 방법.
    수학식:
    Figure 112011007374175-pat00018
    단, g=(R+G+B)/3이며, g는 단위 픽셀의 흑백 이미지 값이며, R, G, B 는 컬러 이미지의 빨강, 초록, 파랑의 값이고, E는 에너지 차이고, M은 단위 영역에서 픽셀의 수임.
KR1020090063331A 2009-07-13 2009-07-13 영상 감시에서 이동 물체 영역을 추출하기 위한 방법 KR101079826B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090063331A KR101079826B1 (ko) 2009-07-13 2009-07-13 영상 감시에서 이동 물체 영역을 추출하기 위한 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090063331A KR101079826B1 (ko) 2009-07-13 2009-07-13 영상 감시에서 이동 물체 영역을 추출하기 위한 방법

Publications (2)

Publication Number Publication Date
KR20110005949A KR20110005949A (ko) 2011-01-20
KR101079826B1 true KR101079826B1 (ko) 2011-11-03

Family

ID=43612839

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090063331A KR101079826B1 (ko) 2009-07-13 2009-07-13 영상 감시에서 이동 물체 영역을 추출하기 위한 방법

Country Status (1)

Country Link
KR (1) KR101079826B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001209808A (ja) * 2000-01-26 2001-08-03 Nec Corp 物体抽出システムと方法並びに物体抽出用プログラムを記憶した記憶媒体
JP2006119817A (ja) 2004-10-20 2006-05-11 Fuji Photo Film Co Ltd 画像処理装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001209808A (ja) * 2000-01-26 2001-08-03 Nec Corp 物体抽出システムと方法並びに物体抽出用プログラムを記憶した記憶媒体
JP2006119817A (ja) 2004-10-20 2006-05-11 Fuji Photo Film Co Ltd 画像処理装置

Also Published As

Publication number Publication date
KR20110005949A (ko) 2011-01-20

Similar Documents

Publication Publication Date Title
EP2959454B1 (en) Method, system and software module for foreground extraction
JP4653155B2 (ja) 画像処理方法及び装置
US7957560B2 (en) Unusual action detector and abnormal action detecting method
US8340420B2 (en) Method for recognizing objects in images
KR102074073B1 (ko) 차량 인식 방법 및 이를 이용하는 장치
US8290277B2 (en) Method and apparatus for setting a lip region for lip reading
Chen et al. Indoor and outdoor people detection and shadow suppression by exploiting HSV color information
US20220366570A1 (en) Object tracking device and object tracking method
KR101243294B1 (ko) 이동 객체 추출 및 추적 방법 및 장치
CN111695373A (zh) 斑马线的定位方法、系统、介质及设备
Bullkich et al. Moving shadow detection by nonlinear tone-mapping
US8311269B2 (en) Blocker image identification apparatus and method
KR101084594B1 (ko) 영상 인식 시스템 및 그 방법
CN114613006A (zh) 一种远距离手势识别方法及装置
JP5338762B2 (ja) ホワイトバランス係数算出装置及びプログラム
CN106446832B (zh) 一种基于视频的实时检测行人的方法
CN106951831B (zh) 一种基于深度摄像机的行人检测跟踪方法
CN116363753A (zh) 一种基于运动历史图像的摔倒检测方法和装置、电子设备
KR101079826B1 (ko) 영상 감시에서 이동 물체 영역을 추출하기 위한 방법
JP2011090708A (ja) 対象個数検出装置および対象個数検出方法
JP4674920B2 (ja) 対象個数検出装置および対象個数検出方法
Abdusalomov et al. Robust shadow removal technique for improving image enhancement based on segmentation method
Aqel et al. Traffic video surveillance: Background modeling and shadow elimination
CN111583341A (zh) 云台像机移位检测方法
KR100713335B1 (ko) 이미지 인식방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140825

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20151012

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20171020

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20181018

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20191016

Year of fee payment: 9