KR101296318B1 - 적응적 블록 분할에 의한 객체 추적 장치 및 방법 - Google Patents

적응적 블록 분할에 의한 객체 추적 장치 및 방법 Download PDF

Info

Publication number
KR101296318B1
KR101296318B1 KR1020120067099A KR20120067099A KR101296318B1 KR 101296318 B1 KR101296318 B1 KR 101296318B1 KR 1020120067099 A KR1020120067099 A KR 1020120067099A KR 20120067099 A KR20120067099 A KR 20120067099A KR 101296318 B1 KR101296318 B1 KR 101296318B1
Authority
KR
South Korea
Prior art keywords
motion
unit
image frame
representative
partial
Prior art date
Application number
KR1020120067099A
Other languages
English (en)
Inventor
백준기
이승원
이정현
천이우
Original Assignee
(주) 넥스트칩
중앙대학교 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 (주) 넥스트칩, 중앙대학교 산학협력단 filed Critical (주) 넥스트칩
Priority to KR1020120067099A priority Critical patent/KR101296318B1/ko
Application granted granted Critical
Publication of KR101296318B1 publication Critical patent/KR101296318B1/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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling

Abstract

적응적 블록 분할에 의한 객체 추적 장치 및 방법이 개시된다. 움직임 양자화부는 입력 영상 프레임을 구성하는 복수의 단위블록 각각에 대응하여 추정된 움직임 벡터의 방향을 사전에 설정된 개수의 대표방향 중 하나로 양자화한다. 영상 분할부는 입력 영상 프레임을 반복적으로 분할하여 서로 다른 크기의 복수의 부분영역을 생성하되, 복수의 부분영역 중 엔트로피가 사전에 설정된 기준범위에 속하는 부분영역을 추가로 분할한다. 움직임 분석부는 각각의 부분영역에 포함된 단위블록의 대표방향을 기초로 각각의 부분영역의 움직임 방향을 추정한다. 객체 추출부는 부분영역들 중에서 추적 대상 객체가 포함된 객체영역에 해당하는 부분영역을 라벨링하고, 추적 대상 객체의 움직임 방향을 결정한다. 본 발명에 따르면, 움직임 벡터의 방향을 양자화하고 영상 프레임을 다양한 크기의 영역으로 분할함으로써, 배경에 해당하는 부분을 사전에 배제하고 객체 추출의 정확성 및 속도를 향상시킬 수 있다.

Description

적응적 블록 분할에 의한 객체 추적 장치 및 방법{Apparatus and method for object tracking by adaptive block partitioning}
본 발명은 적응적 블록 분할에 의한 객체 추적 장치 및 방법에 관한 것으로, 보다 상세하게는, 영상 프레임의 각 영역을 서로 다른 크기의 블록으로 분할하여 객체에 대응하는 영역을 추출하고, 해당 객체의 움직임 정보를 추정하는 장치 및 방법에 관한 것이다.
영상으로부터 객체를 검출 및 추적하는 기술은 객체 기반의 로봇 비젼 및 지능형 감시 시스템과 같은 다양한 분야에 적용 가능하기 때문에 컴퓨터 비젼 분야에서 널리 연구되고 있다.
움직이는 객체를 검출하는 가장 간단한 방법인 배경 추출은 노이즈 및 플리커(flicker) 현상으로 인해 객체 검출을 위한 영역 분할이 정확하게 이루어지지 않는다는 단점을 가진다. 또한 배경 생성을 위해 큰 메모리 공간을 사용하며, 연산량이 높다는 문제가 있다.
이와 관련하여 최근에는 영상 신호 처리(Image Signal Processing : ISP) 칩에서 영상의 블록 단위 움직임을 추정하여 제공하는 시스템이 개발되어 감시 카메라 시스템 등에 적용되고 있다. 그러나 이러한 시스템 역시 객체의 움직임 추정을 위해 모든 블록 단위 움직임을 고려하여야 하기 때문에 속도와 연산량의 문제가 있다.
한국등록특허 제0855976호에는 배경과 이동 객체를 분리하여 움직임을 추정하는 방법이 개시되어 있다. 이 방법에서는 연속하는 두 프레임 간의 매크로 블록을 비교하여 배경과 이동 객체를 분리하고 움직임 벡터를 추정한다. 따라서 앞에서 설명한 것과 같은 문제점을 가진다.
또한 한국공개특허 제2010-0091864호에 개시된 다중 객체 자동 분할 방법은 움직이는 객체의 영역과 윤곽을 추출하기 위하여 인접 프레임 영상과의 사이에서 화소 단위로 추정된 움직임 벡터 필드를 사용한다. 이 방법 역시 모든 화소에 대응하는 움직임 정보를 추정함에 따라 감시 시스템에서 움직이는 객체를 빠르게 추적하기 어렵다는 문제가 있다.
본 발명이 이루고자 하는 기술적 과제는, ISP 칩 등에 의해 사전에 주어진 움직임 정보를 사용하여 객체 영역 및 객체의 움직임을 효과적으로 추정할 수 있는 적응적 블록 분할에 의한 객체 추적 장치 및 방법을 제공하는 데 있다.
본 발명이 이루고자 하는 다른 기술적 과제는, ISP 칩 등에 의해 사전에 주어진 움직임 정보를 사용하여 객체 영역 및 객체의 움직임을 효과적으로 추정할 수 있는 적응적 블록 분할에 의한 객체 추적 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데 있다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 적응적 블록 분할에 의한 객체 추적 장치는, 입력 영상 프레임을 구성하는 복수의 단위블록 각각에 대응하여 추정된 움직임 벡터의 방향을 사전에 설정된 개수의 대표방향 중 하나로 양자화하는 움직임 양자화부; 상기 입력 영상 프레임을 반복적으로 분할하여 서로 다른 크기의 복수의 부분영역을 생성하되, 상기 복수의 부분영역 중 엔트로피가 사전에 설정된 기준범위에 속하는 부분영역을 추가로 분할하는 영상 분할부; 상기 각각의 부분영역에 포함된 상기 단위블록의 대표방향을 기초로 상기 각각의 부분영역의 움직임 방향을 추정하는 움직임 분석부; 및 상기 부분영역들 중에서 추적 대상 객체가 포함된 객체영역에 해당하는 부분영역을 라벨링하고, 상기 추적 대상 객체의 움직임 방향을 결정하는 객체 추출부;를 구비한다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 적응적 블록 분할에 의한 객체 추적 방법은, (a) 입력 영상 프레임을 구성하는 복수의 단위블록 각각에 대응하여 추정된 움직임 벡터의 방향을 사전에 설정된 개수의 대표방향 중 하나로 양자화하는 단계; (b) 상기 입력 영상 프레임을 반복적으로 분할하여 서로 다른 크기의 복수의 부분영역을 생성하되, 상기 복수의 부분영역 중 엔트로피가 사전에 설정된 기준범위에 속하는 부분영역을 추가로 분할하는 단계; (c) 상기 각각의 부분영역에 포함된 상기 단위블록의 대표방향을 기초로 상기 각각의 부분영역의 움직임 방향을 추정하는 단계; 및 (d) 상기 부분영역들 중에서 추적 대상 객체가 포함된 객체영역에 해당하는 부분영역을 라벨링하고, 상기 추적 대상 객체의 움직임 방향을 결정하는 단계;를 갖는다.
본 발명에 따른 적응적 블록 분할에 의한 객체 추적 장치 및 방법에 의하면, 움직임 벡터의 방향을 양자화하고 영상 프레임을 다양한 크기의 영역으로 분할함으로써, 배경에 해당하는 부분을 사전에 배제하고 객체 추출의 정확성 및 속도를 향상시킬 수 있다.
도 1은 본 발명에 따른 적응적 블록 분할에 의한 객체 추적 장치에 대한 바람직한 실시예의 구성을 도시한 블록도,
도 2는 단위블록에 대하여 추정되는 움직임 벡터 및 양자화를 위한 대표방향들의 예를 도시한 도면,
도 3은 부분영역의 엔트로피 값을 기초로 입력 영상 프레임을 적응적으로 분할하는 일 예를 나타낸 도면,
도 4는 입력 영상 프레임 전체가 균등하게 분할된 경우와 본 발명에 의해 적응적으로 분할된 경우의 움직임 추정 결과를 나타낸 도면,
도 5는 본 발명에 따른 적응적 블록 분할에 의한 객체 추적 방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도,
도 6은 실내 환경에서 촬영된 영상 프레임에 대한 객체 추적 결과를 나타낸 도면, 그리고,
도 7은 실외 환경에서 촬영된 영상 프레임에 대한 객체 추적 결과를 나타낸 도면이다.
이하에서 첨부된 도면들을 참조하여 본 발명에 따른 적응적 블록 분할에 의한 객체 추적 장치 및 방법의 바람직한 실시예에 대해 상세하게 설명한다.
도 1은 본 발명에 따른 적응적 블록 분할에 의한 객체 추적 장치에 대한 바람직한 실시예의 구성을 도시한 블록도이다.
도 1을 참조하면, 본 발명에 따른 객체 추적 장치는 움직임 양자화부(110), 영상 분할부(120), 움직임 분석부(130) 및 객체 추출부(140)를 구비한다.
움직임 양자화부(110)는 입력 영상 프레임을 구성하는 복수의 단위블록 각각에 대응하여 추정된 움직임 벡터의 방향을 사전에 설정된 개수의 대표방향 중 하나로 양자화한다.
먼저, 움직임 양자화부(110)는 직접 입력 영상 프레임을 복수의 단위블록(예를 들면, 8×8 화소 크기)으로 분할하여 각각의 단위블록에 대해 공지된 방법으로 움직임 벡터를 추정할 수도 있다. 그러나 바람직하게는, 움직임 양자화부(110)는 ISP 칩으로부터 제공되는 움직임 벡터를 사용하여 입력 영상 프레임으로부터 객체를 추출 및 추적할 수 있다.
움직임 양자화부(110)가 ISP 칩으로부터 움직임 벡터 정보를 제공받는 경우, 본 발명에 다른 객체 추적 장치는 ISP 칩에 구현되어 감시 시스템에서 객체 추적 및 객체의 행동 분석을 위해 사용될 수 있다.
이하에서는 입력 영상 프레임의 각 단위블록으로부터 추정된 움직임 벡터의 정보가 사전에 움직임 양자화부(110)로 제공됨을 전제로 하여 본 발명의 각 구성요소의 동작 및 기능을 상세히 설명한다.
움직임 양자화부(110)는 추정된 움직임 벡터의 방향을 복수의 대표방향 중 하나로 양자화함으로써 메모리 사용 및 연산량을 감소시킬 수 있다.
도 2는 단위블록에 대하여 추정되는 움직임 벡터 및 양자화를 위한 대표방향들의 예를 도시한 도면이다.
먼저 도 2의 (a)는 ISP 칩으로부터 제공되는 움직임 벡터의 예이고, 여기서 움직임 벡터의 방향은 다음의 수학식 1과 같이 산출된다.
Figure 112012049710514-pat00001
또한 도 2의 (b)는 움직임 벡터의 방향을 양자화하기 위한 대표방향들의 예로서, θ0는 움직임이 없는 경우, 즉 움직임 벡터의 길이가 사전에 설정된 기준길이보다 짧은 경우를 의미하고, θ1 내지 θ8은 8개의 대표방향을 나타낸다. 예를 들면, 수학식 1에 의해 산출된 움직임 벡터의 방향이 22.5°에서 67.5°라면, 해당 움직임 벡터의 방향은 θ2, 즉 45°의 대표방향으로 양자화된다.
움직임 양자화부(110)는 도 2의 (b)에 도시된 예와 같이 다양한 각도로 산출되는 움직임 벡터들의 방향을 제한된 개수의 대표방향으로 양자화한다. 다만, 대표방향의 개수는 도 2의 (b)에 도시된 바와 같이 8개가 될 수도 있고, 설계에 따라 다르게 설정될 수도 있다.
영상 분할부(120)는 입력 영상 프레임을 반복적으로 분할하여 서로 다른 크기의 복수의 부분영역을 생성하되, 복수의 부분영역 중 엔트로피가 사전에 설정된 기준영역에 속하는 부분영역을 추가로 분할한다.
영상 프레임의 모든 화소 내지 단위영역에 대해 움직임 벡터를 추정하여 객체를 추출 및 추적하는 기존의 방법은 연산량 면에서 효율적이지 않다. 따라서 본 발명에 따른 객체 추적 장치의 영상 분할부(120)는 입력 영상 프레임을 크기가 큰 영역으로부터 작은 영역으로 순차적으로 분할하되, 정보가 많이 포함되어 있는 영역만 선택적으로 더 분할함으로써 더 적은 연산량으로 객체 추출의 속도를 높일 수 있다.
각 부분영역의 추가 분할 여부는 해당 부분영역으로부터 산출되는 엔트로피 값에 의해 결정된다. 엔트로피는 영상 프레임에 포함된 정보의 양을 의미하는 것으로, 영상 프레임에서 엔트로피의 값이 큰 영역일수록 정보가 많이 포함되어 있다.
입력 영상 프레임의 각 부분영역에 대한 엔트로피는 다음의 수학식 2에 의해 산출된다.
Figure 112012049710514-pat00002
여기서, L은 최대 그레이스케일(grayscale) 값을 나타내고, Pi는 i번째 그레이스케일 값의 확률로서, 다음의 수학식 3과 같이 표현되는 값이다.
Figure 112012049710514-pat00003
여기서, ni는 i번째 그레이스케일 값을 가지는 화소의 개수이고, M×N은 부분영역의 크기이다.
영상 분할부(120)는 입력 영상 프레임을 먼저 단위블록보다 큰 크기의 부분영역으로 분할한다. 단위블록의 크기가 8×8 화소일 때 입력 영상 프레임이 최초로 분할되어 생성되는 부분영역의 크기는 32×32 화소 또는 64×64 화소가 될 수 있으며, 하드웨어 사양에 따라 달라질 수 있다.
이와 같이 입력 영상 프레임이 최초로 분할된 후, 영상 분할부(120)는 각각의 부분영역으로부터 엔트로피를 산출하여 엔트로피 값이 사전에 설정된 기준범위, 예를 들면 [4,6]의 범위에 속하는 부분영역만 다시 4개의 더 작은 부분영역으로 분할한다. 엔트로피 값이 높은 부분영역에는 하나 이상의 객체가 포함되어 있을 가능성이 높기 때문에 해당 영역의 정보를 정확하게 추정하기 위함이다.
이상에서 설명한 것과 같은 부분영역의 적응적 분할 과정은 반복적으로 분할된 부분영역의 크기가 단위블록의 크기와 동일해지면 종료된다.
도 3은 부분영역의 엔트로피 값을 기초로 입력 영상 프레임을 적응적으로 분할하는 일 예를 나타낸 도면이다. 도 3의 (a)는 분할 대상인 입력 영상 프레임이고, (b)는 입력 영상 프레임이 32×32 화소 크기의 부분영역들로 분할된 후 각 부분영역에 대하여 엔트로피 값이 산출된 결과를 나타내며, (c)는 입력 영상 프레임을 구성하는 8×8 화소 크기의 단위블록들에 대하여 엔트로피 값이 산출된 결과, 그리고 (d)는 입력 영상 프레임이 적응적으로 분할된 결과를 나타낸다.
도 3의 (b) 및 (c)에서 엔트로피 값이 큰 부분일수록 진한 색으로 표시되며, 도 3의 (d)에서 확대되어 표시된 영역으로부터 정보가 많이 포함되어 있는 영역이 더 작은 크기의 부분영역으로 분할되어 있음을 확인할 수 있다.
이와 같이 영상 프레임의 각 영역의 엔트로피 값을 사용하여 엔트로피 값이 큰 부분, 즉 객체가 포함되어 있을 가능성이 높은 부분만을 더 작은 영역으로 분할함으로써 불필요한 배경 부분을 사전에 배제하고 객체영역을 효율적으로 추출할 수 있다.
움직임 분석부(130)는 각각의 부분영역에 포함된 단위블록의 대표방향을 기초로 각각의 부분영역의 움직임 방향을 추정한다.
영상 분할부(120)에 의한 입력 영상 프레임의 반복적인 분할이 종료되면, 입력 영상 프레임으로부터 다양한 크기의 부분영역들이 생성된다. 따라서 입력 영상 프레임이 최초로 분할되었을 때의 크기로 유지된 부분영역을 비롯하여 영상 분할 과정이 완전히 종료되기 전 추가적인 분할이 이루어지지 않은 부분영역들은 복수의 단위블록에 대응하는 크기를 가지게 되며, 영상 분할 과정이 종료됨과 동시에 분할이 완료된 부분영역들은 단위블록과 동일한 크기를 가지게 된다.
단위블록과 동일한 크기를 가지는 부분영역의 움직임 방향은 해당 단위블록에 대하여 추정된 움직임 벡터의 양자화된 방향, 즉 대표방향으로 결정될 수 있다. 그러나 부분영역의 크기가 단위블록보다 큰 경우에는 움직임 정보에 오차가 포함되어 있을 가능성이 높으므로 이를 보정하는 과정이 필요하다.
구체적으로, 영상 분할부(120)는 부분영역에 복수의 단위블록이 포함되어 있으면 단위블록들의 대표방향을 기초로 움직임 방향 히스토그램을 생성하여 최대 개수의 대표방향을 부분영역의 움직임 방향으로 추정한다. 또한 움직임이 없는 경우로 추정된 단위블록이 일정 개수 이상 포함된 부분영역은 움직임이 없는 것, 즉 배경에 해당하는 것으로 추정한다.
도 4는 입력 영상 프레임 전체가 균등하게 분할된 경우와 본 발명에 의해 적응적으로 분할된 경우의 움직임 추정 결과를 나타낸 도면이다. 도 4의 (a)는 원본 입력 영상 프레임, (b)는 입력 영상 프레임 전체가 단위블록의 크기로 균등하게 분할된 경우, (c)는 입력 영상 프레임이 상이한 크기의 부분영역들로 분할된 경우를 나타낸다.
도 4의 (b) 및 (c)에서 파란색 화살표는 단위블록에 대해 추정된 움직임 벡터의 대표방향이고, 빨간색 화살표는 부분영역에 대해 추정된 움직임 방향을 나타낸다. 본 발명에 따라 입력 영상 프레임을 적응적으로 분할하는 경우에 움직임 추정의 오차가 제거되어 객체 추출의 정확도가 높아짐을 확인할 수 있다.
객체 추출부(140)는 부분영역들 중에서 추적 대상 객체가 포함된 객체영역에 해당하는 부분영역을 라벨링하고, 추적 대상 객체의 움직임 방향을 결정한다.
이상에서 설명한 과정에 의해 입력 영상 프레임의 적응적 분할 및 각 부분영역에 대한 움직임 추정이 완료되면 입력 영상 프레임에 포함되어 있는 한 개 이상의 추적 대상 객체를 추출할 수 있다. 또한 입력 영상 프레임에 복수의 추적 대상 객체가 포함되어 있으면 각각의 추적 대상 객체는 서로 다르게 라벨링되어 별개로 추적될 수 있다.
나아가 동일한 객체를 구성하는 부분영역들에 대하여 추정된 움직임 방향은 대부분 동일하게 나타나게 되므로, 객체 추출부(140)는 각각의 추적 대상 객체의 움직임 방향까지 결정할 수 있다. 따라서 실시간 객체 추적 및 행동 분석에 효과적으로 사용될 수 있다.
도 5는 본 발명에 따른 적응적 블록 분할에 의한 객체 추적 방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도이다.
도 5를 참조하면, 움직임 양자화부(110)는 입력 영상 프레임을 구성하는 복수의 단위블록 각각에 대응하여 추정된 움직임 벡터의 방향을 사전에 설정된 개수의 대표방향 중 하나로 양자화한다(S1010). 또한 영상 분할부(120)는 입력 영상 프레임을 엔트로피 크기에 따라 반복적으로 분할하여 서로 다른 크기의 복수의 부분영역을 생성한다(S1020).
움직임 분석부(130)는 각각의 부분영역에 포함된 단위블록의 대표방향을 기초로 각각의 부분영역의 움직임 방향을 추정하되(S1030), 부분영역의 크기가 단위블록의 크기와 동일하면 단위블록의 대표방향을 해당 부분영역의 움직임 방향으로 추정하고, 부분영역에 복수의 단위블록이 포함되면 움직임 방향 히스토그램을 생성하여 부분영역의 움직임 방향을 추정한다.
마지막으로 객체 추출부(140)는 부분영역들 중에서 추적 대상 객체가 포함된 객체영역에 해당하는 부분영역을 라벨링하고, 추적 대상 객체의 움직임 방향을 결정한다(S1040).
본 발명의 성능을 평가하기 위한 실험을 수행하였다. 실험에 사용된 테스트 시퀀스(sequence)는 초당 24 프레임의 속도로 촬영된 765×512 화소 크기의 영상 프레임이며, 8×8 화소 크기의 단위블록으로부터 움직임 벡터를 추정하는 데에는 피라미드 기반의 블록 매칭 알고리즘이 사용되었다.
도 6은 실내 환경에서 촬영된 영상 프레임에 대한 객체 추적 결과를 나타낸 도면이고, 도 7은 실외 환경에서 촬영된 영상 프레임에 대한 객체 추적 결과를 나타낸 도면이다. 도 6 및 도 7에서 (a)는 원본 영상 프레임, (b)는 종래의 객체 추적 방법에 의한 객체 추출 결과, (c)는 본 발명에 의한 객체 추출 결과를 나타낸다.
도 6 및 도 7을 참조하면, 영상 프레임 전체를 단위블록의 크기로 균등하게 분할하여 각각의 단위블록에 대응하는 움직임 벡터의 방향을 사용한 기존의 방법에 비해 본 발명과 같이 영상 프레임을 정보의 양에 따라 적응적으로 분할하는 본 발명의 경우에 객체 추출 및 움직임 방향 추정의 정확도가 높게 나타남을 확인할 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서 본 발명의 바람직한 실시예에 대해 도시하고 설명하였으나, 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.
110 - 움직임 양자화부
120 - 영상 분할부
130 - 움직임 분석부
140 - 객체 추출부

Claims (9)

  1. 입력 영상 프레임을 구성하는 복수의 단위블록 각각에 대응하여 추정된 움직임 벡터의 방향을 사전에 설정된 개수의 대표방향 중 하나로 양자화하는 움직임 양자화부;
    상기 입력 영상 프레임을 반복적으로 분할하여 서로 다른 크기의 복수의 부분영역을 생성하되, 상기 복수의 부분영역 중 엔트로피가 사전에 설정된 기준범위에 속하는 부분영역을 추가로 분할하는 영상 분할부;
    상기 각각의 부분영역에 포함된 상기 단위블록의 대표방향을 기초로 상기 각각의 부분영역의 움직임 방향을 추정하는 움직임 분석부; 및
    상기 부분영역들 중에서 추적 대상 객체가 포함된 객체영역에 해당하는 부분영역을 라벨링하고, 상기 추적 대상 객체의 움직임 방향을 결정하는 객체 추출부;를 포함하는 것을 특징으로 하는 객체 추적 장치.
  2. 제 1항에 있어서,
    상기 움직임 분석부는 상기 부분영역의 크기가 상기 단위블록의 크기와 동일하면 상기 단위블록에 대하여 추정된 움직임 벡터의 대표방향을 상기 부분영역의 움직임 방향으로 추정하고, 상기 부분영역에 복수의 상기 단위블록이 포함되어 있으면 상기 단위블록들의 대표방향을 기초로 움직임 방향 히스토그램을 생성하여 최대 개수의 대표방향을 상기 부분영역의 움직임 방향으로 추정하는 것을 특징으로 하는 객체 추적 장치.
  3. 제 1항 또는 제 2항에 있어서,
    상기 영상 분할부는 상기 부분영역들 중 최소 크기의 부분영역의 크기가 상기 단위블록의 크기와 동일해지면 상기 입력 영상 프레임의 분할 과정을 종료하는 것을 특징으로 하는 객체 추적 장치.
  4. 제 1항 또는 제 2항에 있어서,
    상기 움직임 양자화부는 ISP 칩으로부터 상기 복수의 단위블록에 대한 움직임 벡터의 정보를 제공받는 것을 특징으로 하는 객체 추적 장치.
  5. (a) 입력 영상 프레임을 구성하는 복수의 단위블록 각각에 대응하여 추정된 움직임 벡터의 방향을 사전에 설정된 개수의 대표방향 중 하나로 양자화하는 단계;
    (b) 상기 입력 영상 프레임을 반복적으로 분할하여 서로 다른 크기의 복수의 부분영역을 생성하되, 상기 복수의 부분영역 중 엔트로피가 사전에 설정된 기준범위에 속하는 부분영역을 추가로 분할하는 단계;
    (c) 상기 각각의 부분영역에 포함된 상기 단위블록의 대표방향을 기초로 상기 각각의 부분영역의 움직임 방향을 추정하는 단계; 및
    (d) 상기 부분영역들 중에서 추적 대상 객체가 포함된 객체영역에 해당하는 부분영역을 라벨링하고, 상기 추적 대상 객체의 움직임 방향을 결정하는 단계;를 포함하는 것을 특징으로 하는 객체 추적 방법.
  6. 제 5항에 있어서,
    상기 (c) 단계에서, 상기 부분영역의 크기가 상기 단위블록의 크기와 동일하면 상기 단위블록에 대하여 추정된 움직임 벡터의 대표방향을 상기 부분영역의 움직임 방향으로 추정하고, 상기 부분영역에 복수의 상기 단위블록이 포함되어 있으면 상기 단위블록들의 대표방향을 기초로 움직임 방향 히스토그램을 생성하여 최대 개수의 대표방향을 상기 부분영역의 움직임 방향으로 추정하는 것을 특징으로 하는 객체 추적 방법.
  7. 제 5항 또는 제 6항에 있어서,
    상기 (b) 단계에서, 상기 부분영역들 중 최소 크기의 부분영역의 크기가 상기 단위블록의 크기와 동일해지면 상기 입력 영상 프레임의 분할 과정을 종료하는 것을 특징으로 하는 객체 추적 방법.
  8. 제 5항 또는 제 6항에 있어서,
    상기 (a) 단계에서, ISP 칩으로부터 상기 복수의 단위블록에 대한 움직임 벡터의 정보를 제공받는 것을 특징으로 하는 객체 추적 방법.
  9. 제 5항 또는 제 6항에 기재된 객체 추적 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020120067099A 2012-06-22 2012-06-22 적응적 블록 분할에 의한 객체 추적 장치 및 방법 KR101296318B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120067099A KR101296318B1 (ko) 2012-06-22 2012-06-22 적응적 블록 분할에 의한 객체 추적 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120067099A KR101296318B1 (ko) 2012-06-22 2012-06-22 적응적 블록 분할에 의한 객체 추적 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101296318B1 true KR101296318B1 (ko) 2013-08-14

Family

ID=49220508

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120067099A KR101296318B1 (ko) 2012-06-22 2012-06-22 적응적 블록 분할에 의한 객체 추적 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101296318B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130057584A (ko) * 2011-11-24 2013-06-03 에스케이플래닛 주식회사 특징점 설정 장치 및 방법과 이를 이용한 객체 추적 장치 및 방법
US20160110882A1 (en) * 2013-06-25 2016-04-21 Chung-Ang University Industry-Academy Cooperation Foundation Apparatus and method for detecting multiple objects using adaptive block partitioning
KR101648208B1 (ko) * 2015-09-08 2016-08-12 김동기 고해상도 영상을 이용한 객체 인식 및 추적 방법 및 장치
KR102027708B1 (ko) * 2018-12-27 2019-10-02 주식회사 넥스파시스템 주파수 상관도 분석 및 엔트로피 계산을 이용한 자동 영역 추출 방법 및 시스템
US10776665B2 (en) 2018-04-26 2020-09-15 Qualcomm Incorporated Systems and methods for object detection

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050047373A (ko) * 2003-11-17 2005-05-20 삼성전자주식회사 임의 크기의 가변 블록을 이용한 영상 압축 방법 및 장치
KR20060106490A (ko) * 2005-04-08 2006-10-12 고려대학교 산학협력단 가변 블록 움직임 추정장치 및 그 방법
KR20110007437A (ko) * 2009-07-16 2011-01-24 삼성전기주식회사 이동 피사체의 자동 추적 시스템 및 그 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050047373A (ko) * 2003-11-17 2005-05-20 삼성전자주식회사 임의 크기의 가변 블록을 이용한 영상 압축 방법 및 장치
KR20060106490A (ko) * 2005-04-08 2006-10-12 고려대학교 산학협력단 가변 블록 움직임 추정장치 및 그 방법
KR20110007437A (ko) * 2009-07-16 2011-01-24 삼성전기주식회사 이동 피사체의 자동 추적 시스템 및 그 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130057584A (ko) * 2011-11-24 2013-06-03 에스케이플래닛 주식회사 특징점 설정 장치 및 방법과 이를 이용한 객체 추적 장치 및 방법
KR101700276B1 (ko) 2011-11-24 2017-01-31 에스케이플래닛 주식회사 특징점 설정 장치 및 방법과 이를 이용한 객체 추적 장치 및 방법
US20160110882A1 (en) * 2013-06-25 2016-04-21 Chung-Ang University Industry-Academy Cooperation Foundation Apparatus and method for detecting multiple objects using adaptive block partitioning
US9836851B2 (en) * 2013-06-25 2017-12-05 Chung-Ang University Industry-Academy Cooperation Foundation Apparatus and method for detecting multiple objects using adaptive block partitioning
KR101648208B1 (ko) * 2015-09-08 2016-08-12 김동기 고해상도 영상을 이용한 객체 인식 및 추적 방법 및 장치
US10776665B2 (en) 2018-04-26 2020-09-15 Qualcomm Incorporated Systems and methods for object detection
KR102027708B1 (ko) * 2018-12-27 2019-10-02 주식회사 넥스파시스템 주파수 상관도 분석 및 엔트로피 계산을 이용한 자동 영역 추출 방법 및 시스템

Similar Documents

Publication Publication Date Title
TWI750498B (zh) 視訊流的處理方法和裝置
KR100846498B1 (ko) 영상 해석 방법 및 장치, 및 동영상 영역 분할 시스템
EP3008696B1 (en) Tracker assisted image capture
US20160210530A1 (en) Fast object detection method based on deformable part model (dpm)
CN110232330B (zh) 一种基于视频检测的行人重识别方法
AU2016352215A1 (en) Method and device for tracking location of human face, and electronic equipment
KR101296318B1 (ko) 적응적 블록 분할에 의한 객체 추적 장치 및 방법
KR101436369B1 (ko) 적응적 블록 분할을 이용한 다중 객체 검출 장치 및 방법
CN1875378A (zh) 图像中的对象检测
EP1805716A1 (en) Video content understanding through real time video motion analysis
Shukla et al. Moving object tracking of vehicle detection: a concise review
EP1542152A1 (en) Object detection
Mahmoudi et al. Multi-gpu based event detection and localization using high definition videos
TWI729587B (zh) 物件定位系統及方法
CN115760912A (zh) 运动目标跟踪方法、装置、设备及计算机可读存储介质
Angelo A novel approach on object detection and tracking using adaptive background subtraction method
Roy et al. A comprehensive survey on computer vision based approaches for moving object detection
CN113743357A (zh) 视频表征自监督对比学习方法和装置
JP2014110020A (ja) 画像処理装置、画像処理方法および画像処理プログラム
Mohanty et al. A survey on moving object detection using background subtraction methods in video
US20140376822A1 (en) Method for Computing the Similarity of Image Sequences
Lee et al. Multiple moving object segmentation using motion orientation histogram in adaptively partitioned blocks for high-resolution video surveillance systems
Monteiro et al. Robust segmentation for outdoor traffic surveillance
Xia et al. A novel method for generation of motion saliency
Teknomo et al. Background image generation using boolean operations

Legal Events

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

Payment date: 20160629

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180625

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190807

Year of fee payment: 7