KR101711328B1 - 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법 - Google Patents

영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법 Download PDF

Info

Publication number
KR101711328B1
KR101711328B1 KR1020160023080A KR20160023080A KR101711328B1 KR 101711328 B1 KR101711328 B1 KR 101711328B1 KR 1020160023080 A KR1020160023080 A KR 1020160023080A KR 20160023080 A KR20160023080 A KR 20160023080A KR 101711328 B1 KR101711328 B1 KR 101711328B1
Authority
KR
South Korea
Prior art keywords
height
head
pedestrian
ratio
image
Prior art date
Application number
KR1020160023080A
Other languages
English (en)
Inventor
박장식
윤병우
송종관
Original Assignee
경성대학교 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 경성대학교 산학협력단 filed Critical 경성대학교 산학협력단
Priority to KR1020160023080A priority Critical patent/KR101711328B1/ko
Application granted granted Critical
Publication of KR101711328B1 publication Critical patent/KR101711328B1/ko

Links

Images

Classifications

    • G06K9/00362—
    • G06K9/00369—
    • G06K9/00805—
    • G06K9/32—
    • G06K9/6202—

Landscapes

  • Image Analysis (AREA)

Abstract

본 발명은 영상 이미지로부터 보행자 영역을 검출하고 머리 영역을 검출한 후 이들 간의 비를 구한 다음 소정 임계치 이하 여부로 성인 여부를 판별할 수 있는 "영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법"에 관한 것이다.
본 발명에 따른 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법은,
(a)영상 이미지로부터 보행자의 보행자 영역과 머리 영역을 구한 다음 상기 보행자 영역의 세로 픽셀수와 상기 머리 영역의 세로 픽셀수로부터 상기 보행자의 신장과 머리 높이를 구하는 단계;
(b) 상기 보행자의 상기 신장/상기 머리 높이의 비율을 계산하는 단계로 이루어지며,
y=a*x+b(여기서, y=보행자의 신장/머리 높이의 비율, x는 영상 촬영장치와 보행자간의 거리를 나타내며, 영상 이미지 화면상에 검출되는 보행자 영역의 하단부까지의 픽셀수로 표시, a와 b는 소정의 상수)인 경우,
상기 x가 상기 영상 이미지 화면의 전체 높이 대비 0.56~0.86 범위내에 있는 경우 상기 단계 (b)에서 구한 상기 신장/상기 머리 높이의 비율이 상기 y보다 큰 경우 성인으로 판별하고 작은 경우에는 어린이로 판별한다.

Description

영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법{Method for classifying children and adult by using head and body height in images obtained from camera such as CCTV}
본 발명은 영상 이미지로부터 보행자 영역을 검출하고 머리 영역을 검출한 후 이들 간의 비를 구한 다음 소정 임계치 이하 여부로 성인 여부를 판별할 수 있는 "영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법"에 관한 것이다.
객체 검출은 의미론적 객체로부터 샘플 검출을 다루는 이미지 처리와 관련된 기술로, 이러한 객체 검출은 영상 연구 분야에서 깊은 역사를 갖고 있다.
기술이 발전하고 실체적 분야에서의 수요가 증가함에 따라, 인류의 편익을 위하여 이 분야에 대한 연구가 지속되고 있다.
객체 검출에 의하여 보행자, 차량, 및 남녀 성별 분류, 또는 연령 분류 등을 디지털 이미지와 영상으로 식별할 수 있게 되었다.
객체 검출과 관련하여 컴퓨터 비젼과 관련한 다양한 영역에서 각종 어플리케이션이 개발되고 있다.
이러한 객체 검출의 주 목적 중 하나는 현장에서 원하는 목표물의 위치를 정확히 찾아내는 것이다.
한편, 영상 처리에 의하여 객체을 검출하고 상황을 이해하는 과정은 신속하고 신뢰성이 있을 것이 요구된다.
객체 검출의 가장 중요한 단계들 중의 하나는 특징(feature) 선택인데, 객체를 실시간으로 완벽하게 검출하기 위해서 해당 특징은 강고하고 차별적이며 또한 계산이 용이하여야 할 것이다[1].
최근 들어, 어린이의 사회적 역할이 두드러지고 있는데, 어린이는 대체로 거리의 차량이나 다른 사람들과 같은 객체에 주의를 기울이지 않는다는 특징이 있다.
이 때문에, 어린이와 관련하여 교통 상황과 같은 특수 상황에서는 성인보다 보다 높은 주의가 요구되고 있으며, 이러한 이유로 보건, 사회학, 교통 등의 분야에서 데이터 세트를 구축하는데 어린이들이 이용될 수 있다[2].
성인이든 어린이든 간에 사람들의 외양을 분류하는 것은, 객체 검출로부터 어떤 종류의 마일리지를 얻어 보행자를 검출하는 하나의 서브클래스이다. 사회에서 신체적 외양에 관한 정보를 얻는 것은 많은 분야에서 필요하다.
그러한 목적으로, 위치와 존재를 판단할 필요가 있는 어플리케이션이 개발되고 있으며, 연령 검출을 위한 많은 효과적인 방법들이 제안되고 있다.
그러나, 종래의 다양한 어플리케이션의 경우 성인과 어린이를 제대로 구분할 수 있는 방법에 대하여는 연구는 제대로 진행되고 있지 않다는 문제점이 있다.
1. K. Lee, C.H. Lee, S.A. Kim, Y.H. Kim, "Fast Object Detection Based on Color Histograms and Local Binary Patterns,"presented at the TENCON IEEE Region 10 Conference, Cebu, Nov. 19-22, 2012. 2. H. Weda, M. Barbieri, "Automatic Children Detection in Digital Images,"presented at the IEEE International Conference on Multimedia and Expo, Beijing, July. 2-5, 2007 3. Y.H. Kwon and N. da Vitoria Lobo (April 1999), Age classification from facial images, Computer Vision and Image Understanding, Vol. 74, No. 1, pp. 1-21, Available: http://www.idealibrary.com 4. W.B Horng, C.P. Lee and C.W. Chen (2001), Classification of age groups based on facial features, Tamkang Journal of Science and Engineering, Vol. 4, No. 3, pp. 183-192. 5. A. Lanitis, C. Draganova, and C. Christodoulou. "Comparing different classifiers for automatic age estimation," IEEE Transactions on Systems, Man and Cybernetics, Part B, 34(1):621-628, 2004. 6. X. Geng, Z. Zhou, Y. Zhng, G. Li, and H. Dai. "Learning from facial aging patterns for automatic age estimation" Proceedings of ACMMultimedia'06, pp.307-316, 2006. 7. Viola and Jones, "Rapid object detection using a boosted cascade of simple features", Computer Vision and　Pattern Recognition, 2001
본 발명에서는 어린이와 성인을 구분할 수 있는 방법을 제안하고자 한다.
이를 위하여, 본 발명에서는 이미지로부터 획득한 보행자의의 신장와 머리 크기의 비를 구하여 이로부터 성인과 어린이를 구분할 수 있는 방법을 제안하고자 한다.
즉, 본 발명에서는 나이가 들면 사람의 머리 크기는 어린 시절 신장 대비 그 길이가 줄어든다는 의학적 보고서에 착안하여 보행자의 신장 대비 머리 높이의 비를 사용하여 성인 여부(성인 또는 어린이)를 검출하는 방법을 제안하는 것을 목적으로 한다.
따라서, 본 발명의 주요 프레임은 현장에 있는 보행자를 검출하고 보행자의 신장 대비 머리 높이의 비를 구하는 것이며, 필요에 따라서는 사람 연령의 분류에 관한 참조 테이블을 사용할 수도 있다.
참고로, 본 발명에서는 스크린에 표시된 특정 신체 부분이 가리워진 경우에는 이를 생략하였으며, 가리워지지 않은 보행자를 분류하고자 하였다.
본 발명에서 제안하는 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법은,
(a)영상 이미지로부터 보행자의 보행자 영역과 머리 영역을 구한 다음 상기 보행자 영역의 세로 픽셀 갯수와 상기 머리 영역의 세로 픽셀 갯수로부터 상기 보행자의 신장과 머리 높이를 구하는 단계;
(b) 상기 보행자의 상기 신장/상기 머리 높이의 비율을 계산하는 단계로 이루어지며,
y=a*x+b(여기서, y=보행자의 신장/머리 높이의 비율, x는 영상 촬영장치와 보행자간의 거리를 나타내며, 영상 이미지 화면상에 검출되는 보행자 영역의 하단부까지의 픽셀 갯수로 표시, a와 b는 소정의 상수)인 경우,
상기 x가 상기 영상 이미지 화면의 전체 높이 대비 0.56~0.86 범위내에 있는 경우 상기 단계 (b)에서 구한 상기 신장/상기 머리 높이의 비율이 상기 y보다 큰 경우 성인으로 판별하고 작은 경우에는 어린이로 판별할 수 있다.
본 발명에 있어서, 상기 소정의 상수 a와 b는 주간과 야간에 따라 그 값이 상이할 수 있다.
본 발명의 다른 실시예는 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법으로서,
(a)영상 이미지로부터 보행자의 보행자 영역과 머리 영역을 구한 다음 상기 보행자 영역의 세로 픽셀수와 상기 머리 영역의 세로 픽셀수로부터 상기 보행자의 신장과 머리 높이를 구하는 단계;
(b) 상기 보행자의 상기 신장/상기 머리 높이의 비율을 계산하는 단계로 이루어지며,
y=a*x+b(여기서, y=보행자의 신장/머리 높이의 비율, x는 영상 촬영장치와 보행자간의 거리를 나타내며, 영상 이미지 화면상에 검출되는 보행자 영역의 하단부까지의 픽셀수로 표시, a와 b는 소정의 상수)라고 하면,
상기 x에 따라 가변되어 검출되는 상기 보행자의 신장이 소정값 이상이고, 상기 단계 (b)에서 구한 상기 신장/상기 머리 높이의 비율이 상기 y보다 큰 경우 성인으로 판별한다.
본 발명의 또 다른 실시예는 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법으로서,
(a)영상 이미지로부터 보행자의 보행자 영역과 머리 영역을 구한 다음 상기 보행자 영역의 세로 픽셀수와 상기 머리 영역의 세로 픽셀수로부터 상기 보행자의 신장과 머리 높이를 구하는 단계;
(b) 상기 보행자의 상기 신장/상기 머리 높이의 비율을 계산하는 단계로 이루어지며,
y=a*x+b(여기서, y=보행자의 신장/머리 높이의 비율, x는 영상 촬영장치와 보행자간의 거리를 나타내며, 영상 이미지 화면상에 검출되는 보행자 영역의 하단부까지의 픽셀수로 표시, a와 b는 소정의 상수)라고 하면,
상기 x에 따라 가변되어 검출되는 상기 보행자의 신장이 소정값 미만이고, 상기 단계 (b)에서 구한 상기 신장/상기 머리 높이의 비율이 상기 y보다 작은 경우에는 어린이로 판별할 수 있다.
본 발명의 경우 영상 이미지로부터 보행자 영역과 머리 영역을 검출한 후 이들 간의 비를 구한 다음 영상 촬영 장치로부터 소정 거리 범위 내에 보행자가 위치하는 경우 그 보행자가 성인인지 여부를 판별할 수 있으므로 영상 이미지로부터 어린이와 성인을 구분할 필요가 있는 부문에 유용하게 적용할 수 있을 것이다.
도 1은 하르 유사 특징 세트의 예이다.
도 2a~2f는 어린이와 성인에 대한 검출 결과를 캡쳐한 도면이다.
도 3은 본 발명에 따른 "영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법"을 테스트한 현장 사진으로 영상 촬영 장치를 통하여 촬영한 장면이다.
도 4는 본 발명에 따른 머리 영역 검출 이미지이다.
도 5는 본 발명에 따라 측정한 보행자(성인과 어린이)의 신장과 머리 높이의 추세를 보여주는 도면이다.
도 6 은 주간에 촬영하여 얻은 성인 및 어린이의 신장/머리 높이의 비율을 나타낸 도면이다.
도 7은 야간에 촬영하여 성인 및 어린이의 신장/머리 높이의 비율을 나타낸 도면이다.
이하, 본 발명에서 제안하는 "영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법"에 대하여 설명하기로 한다.
본 발명은 다음과 같이 구성된다.
먼저, 성인과 어린이 검출에 사용될 수 있는 특징의 종류에 관한 관련 작업 에 대하여 살펴본 후, 본 발명에서 제안하는 알고리즘에 대하여 설명하기로 한다.
[관련 작업]
A. 사전 작업
현재, 이미지로부터 사람의 연령을 예측하는 것에 관한 발표된 연구 사례가 일부 있다.
첫번째 일예로, Kwon & Lobo[3]에서는 디지털 얼굴 이미지로부터 사람의 연령을 예측하기 시작했는데, 여기서는 아기, 젊은 성인 및 연령든 성인의 세 그룹으로 분류하는 방법이 설명되어 있다. 제한된 데이터베이스에서 실제 환경에서의 적용시 100% 정확한 것은 아니다. 유사한 연령 그룹으로 완전하게 분류하기 위해, 두개 안면(craniofacial) 개발 이론에 기초한 다른 기법이 제안되기도 하였다[3].
그러나, 이러한 접근 방안 역시 제한된 데이터 세트에 때문에 실망스러운 것이었으며, 이 때문에 실제 데이터 세트 조건하에서 실행하는 경우 그 강고성(robustness)을 계산하는 것이 매우 어렵다.
한편, W.B. Horng, C.P. Lee 및 C.W. Chen에 의해 제안된 다른 방법도 있다[4]. 이 방법은 Kwon & Lobo의 논문에 대하여 중간 연령의 성인으로서 추가 그룹을 고려하였다. 그런데, 이 방법에 있어 최대의 약점은 어린이 및 40 세 미만의 성인은 검출하지 못한다는 것이다. 즉, 아기만 검출할 수 있다. 그럼에도 불구하고, 연구 결과는 만족스러웠다. 다만, 특징을 찾기 위한 분석은 상당히 복잡하다.
또한, Lanitis[5]는 능동적 외양 모델을 선보였다.
연령을 추정하기 위해, 형상과 질감(texture)의 조합 파라미터는 분류기를 사용하여 제거된다. 간단한 이차 피팅(quadratic fitting), 최단 거리 분류기 및 뉴럴 네트워크와 이들 분류기의 연령 추정 정확도를 비교하였다.
Geng[6]은 연령 패턴에 대한 통계적 모델링을 제안했다. 이 모델링은 다양한 연령의 다수의 이미지가 각 사람에 대해 이용가능하다는 생각에 기반하고 있다.
B. HOG 특징(Histogram of Oriented Gradients Features)
인간 신체 부분의 검출시, 다양한 특징들을 사용할 수 있다. HOG는 객체 검출에 사용되는 특징이다.
주 프레임은, 이미지의 구배 방향 규정된 부분의 발생을 계수하는 것이다. HOG 특징 기술자(descriptor)에 대한 핵심은, 디지털 이미지에서 국부적인 객체 외양 및 형상은 가장자리 방향 또는 세기의 분포로 기술될 수 있다는 것이다. 더 양호한 정확도를 얻기 위해서는, 국부적인 히스토그램을 정규화해야 할 필요성이 있다.
C. 하르 유사 특징(Haar-Like Feature)
하르 유사 특징은 객체 검출을 위한 특징을 사용하는 다른 예로서 주어질 수 있다. 이름은 하르 웨이블렛(Haar wavelet)에서 나온 것이며, 특징들은 최초의 실시간 얼굴 검출에 사용되었다.
Viola 및 Jones이 하르 웨이블렛을 사용하는 아이디어로부터 하르 유사 특징을 개발하였다.[7]
하르 유사 특징은, 검출 창(window)에서 서로 가까이 있는 직사각형 영역들을 고려하고 각 영역에 있는 픽셀의 세기를 합하며 그리고 이들 합계의 차를 평가한다. 이미지의 부분들을 범주화하기 위해 이들 차가 사용하였다.
도 1은 하르 유사 특징 세트의 예이다.
도 1에서, 하르 유사 특징 세트를 볼 수 있다. Viola-Jones 객체 검출 프레임워크의 검출 과정에서, 목표물 크기의 창이 뒤에 있는 상태에서 하르 유사 특징이 계산된다. 다음, 비 객체물들을 분리하는 문턱값(threshold)이 이 차와 비교된다. 하르 유사 특징의 주된 이점은 계산 속도에 있다.
이하에서는 디지털 이미지에서 어린이와 성인을 검출하는 본 발명에 따른 알고리즘에 대하여 설명하기로 한다.
본 발명에서 제안하는 성인 어린이 구분을 위한 순차적 실행 단계는 1)성인 어린이 구분 방법은 보행자 영역 검출, 2) 머리 영역 검출, 3) 신장 대비 머리 크기의 비(보행자 영역의 세로 길이 대 머리 영역의 세로 길이 비율), 4) 성인 여부 결정 단계로 이루어진다.
이러한 본 발명의 알고리즘은 여러 개의 단계로 이루어지는데, 2개의 주요 부분들로 나눌 수 있다.
제 1 부분은 보행자와 보행자의 그 머리 영역을 검출하는 것이다.
제 2 부분은 어린이 및 성인 분류를 계산하고 결정하는 것이다.
디지털 이미지에서, 보행자 영역을 검출하기 위해, 효율적이고 보행자 검출 문제에 대하여 사용될 수 있는 아다부스트(Adaboost) 알고리즘을 가지고 하르 유사 특징으로 훈련시킨다.
디지털 이미지에는 다양한 객체들이 있다.
ROI(Region of Interest)(관심 영역)가 보행자이거나 보행자의 머리일 때, 디지털 이미지에서 보행자 또는 보행자의 머리를 검출하는 것이 가능하다.
실행을 위해 우리는 하르 캐스케이드 검출기를 사용하였다.
몸체를 검출한 후에는 우리의 새로운 관심 영역은 보행자의 몸체가 될 것이다. 그 후, 보행자의 머리를 검출할 필요가 있었다.
이 단계에서 우리는 하르 캐스케이드 검출기를 사용하였다.
이들 단계를 행함으로써, 블럭도에 나타나 있는 처음의 두 단계가 끝나게 된다.
세번째 단계에서는 아래의 식(1)과 같이, 머리-몸체 비를 계산할 필요가 있다.
r=IH/IB, 0 < r < 1 (1)
IB 및 IH 는 각각 몸체와 머리의 높이다. r 은 I B 와 I H 의 비이다.
이러한 계산 요소를 부가한 주 이유는, 사람의 머리 높이는 성장함에 따라 신장보다 상대적으로 더 작아지기 때문이다. 디지털 이미지의 픽셀로부터는 사람의 높이의 절대값은 측정할 수 없기 때문에 본 발명에서는 위와 같이 머리-신장의 비를 구하는 방식처럼 그 상대 측정치를 적용함으로써 이를 해결하고자 하였다.
이러한 기술적 사상에 의해 본 발명에서는 어린이와 성인을 분류 가능하게 하였다.
예컨대, 몸체에 대한 머리의 비가 대략 0.2 정도이면, 그 보행자를 어린이로 분류할 수 있었으며, 그 비가 대략 0.15 정도이면 보행자를 성인으로 분류할 수 있었다. 물론 여기에는 오차가 있을 수 있지만 어린이와 성인은 구분할 수 있는 소정의 비 구간을 정한 다음 해당 구간에 속하는지 여부를 기준으로 성인과 어린이로 구분할 수 있을 것이다.
이러한 분류 작업을 수행하기 위하여 본 발명에서는 OpenCV의 디폴트 하르 기반 캐스케이드를 사용하였다.
이러한 알고리즘에 기초하여 본 발명에서는 본 발명의 검증을 위하여 실험을 수행하였다.
실험 단계에서는 INRIA 사람 데이터세트 및 CVC-CER-01(Computer Vision Center) 보행자 데이터세트의 다양한 이미지를 사용하였으며, 모든 훈련 및 시험 과정은 마이크로소프트 비쥬얼 스튜디오 2010 및 OpenCV2.2를 사용하였다.
출력 영상 이미지와 관련하여, 성인 보행자 영역은 녹색 직사각형으로 표시되었고 어린이 보행자 영역은 청색 직사각형으로 표시되었다. 녹색 및 청색 직사각형 영역은 보행자의 머리 영역에 위치된다. 그리고, 적색 직사각형 영역은 보행자의 몸체를 표시하도록 하였다.
어떤 이미지에서는 몇몇 거짓인 포지티브 및 옳은 네거티브가 관찰되기도 하였는데 이는 허용할 수 있는 오차 범위라고 할 수 있다.
도 2a~2f는 어린이와 성인에 대한 검출 결과를 캡쳐한 도면이다.
도 2a 및 2b는 성공적인 성인 검출의 좋은 예가 될 수 있다.
모든 성인들은 위에서 언급한 바와 같이 우리의 목표인 녹색 직사각형으로 나타나 있다.
도 2c 및 2d에서 몇몇 거짓인 포지티브 및 옳은 네거티브를 볼 수 있다.
도 2c에서, 알고리즘은 어린이와 성인을 따로 검출하지만, 어쨌든 이미지에는 없는 두 명의 어린이를 더 검출하였다.
도 2d에서는, 모든 것이 정확히 검출되었지만, 여자의 머리는 빠져 있는데, 이는 우리 데이터 세트의 부적절함 때문일 수 있다.
우리는 도 2e 및 2f에서 정확한 어린이 검출 결과를 얻는다.
도 3은 본 발명에 따른 "영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법"을 테스트한 현장 사진으로 영상 촬영 장치를 통하여 촬영한 장면이다. 테스트 대상인 보행자는 화살표 방향을 따라 왕복하는 방식으로 이루어졌으며, 도 3의 영상 이미지 프레임에서 세로축의 픽셀 넘버 최대치는 750이었다.
본 발명에서는 주간과 야간으로 구분하여 보행자의 신장과 머리 높이를 측정하였다.
주야간에 따른 보행자의 신장 측정과 머리 높이 측정은 다음과 같은 방식으로 이루어졌다.
1. 신장 측정 : 보행자의 신장은 Haar 특징을 이용하여 Adaboost를 아래의 같이 학습시킨 후 피측정 보행자의 신장을 측정하는 방식으로 이루어졌다.
-주간 : positive image 3041, negative image 8040
- 야간 : positive image 2006, negative image 8040
참고로 "positive image" 보행자를 나타내고 "negative image"는 배경을 의미하고 수치는 학습 횟수이다.
2. 머리 높이 측정 : 보행자의 머리 높이는 LBP 특징을 이용하여 Adaboost를 아래의 같이 학습시킨 후 피측정 보행자의 머리 높이를 측정하는 방식으로 이루어졌다.
-주간 : positive image 3022, negative image 8040
-야간 : positive image 2006, negative image 8040
도 4는 본 발명에서 측정한 보행자의 머리 영역을 일예들을 보여주는 도면이다.
참고로, 본 발명의 머리 높이는 도 4와 같이 측정된 사각형 형상의 머리 영역의 세로축 픽셀수를 이용하여 측정하였으며 이는 신장 측정에서도 동일한 방식(신장 영역의 세로축 픽셀수)으로 이루졌다.
도 5는 본 발명에 따라 측정한 보행자(성인과 어린이)의 신장과 머리 높이의 추세를 보여주는 도면으로, 가로축은 도 3의 세로축 픽셀 수(즉 영상 촬영 장치와 보행자와의 거리)를 나타내고, 세로축은 성인과 어린이의 신장, 성인과 어린이의 머리 크기를 나타낸다.
도 5의 그래프에서 윗 부분의 녹색 추세선은 피실험자인 성인1~성인5의 신장이 거리에 따라 변하는 모습을 나타내고, 청색 추세선은 피실험자인 아동(어린이) 1~아동5의 신장이 거리에 따라 변하는 모습을 나타낸다.
한편, 도 5의 아랫 부분의 추세선들은 성인 1~성인5 및 아동1~아동5의 머리 크기가 거리에 따라 변하는 모습을 나타낸다.
도 5에서 알 수 있듯이, 본 발명에 따른 검출 알고리즘을 적용하는 경우, 신장 추세선은 거리에 따른 기울기의 변화가 큰 것을 알 수 있고 머리 크기 추세선은 그 기울기의 변화가 상대적으로 완만함을 알 수 있다.
또한, 도 5에서 알 수 있듯이, 어른인 경우 신장이 어린이 보다 큰 관계로 녹색 추세선이 청색 추세선 보다 위에 있는 것을 알 수 있다.
또한, 영상 출력 장치에서 보행자간 거리(가로축)에 따라 어른 신장과 어린이 신장은 그 폭은 넓지만 대략 일정한 기울기로 감소하고 있음을 알 수 있다.
또한, 소정 거리에서 검출된 신장의 높이만으로 성인 여부를 구분할 수 있음을 알 수 있다.
도 6은 영상 촬영 장치를 이용하여 주간에 검출한 성인과 어린이의 신장/머리 크기의 비를 나타낸 도면이고, 도 7은 영상 촬영 장치를 이용하여 야간에 검출한 성인과 어린이의 신장/머리 크기의 비를 나타낸 도면이다.
본 발명에 따른 검출 알고리즘을 적용한 경우 주간의 경우에는 도 6에서와 같이 영상 촬영 장치로부터 소정 거리(가로축의 약 420~650 범위)내에 위치하는 보행자의 신장/머리 크기 비로부터 성인과 어린이의 차이가 구별됨을 알 수 있었고 야간의 경우에도 도 7에서와 같이 영상 촬영 장치로부터 소정 거리(가로축의 약 420~650 범위)내에 위치하는 보행자의 신장/머리 크기 비로부터 성인과 어린이의 차이가 구별됨을 알 수 있었다.
설험 결과, 주간의 경우, 성인을 성인으로 판별한 확률은 62%, 어린이를 어린이로 판별한 확률은 85%로, 평균 판별율은 73%이었다.
한편, 야간의 경우 성인을 성인으로 판별한 확률은 75%, 어린이를 어린이로 판별한 확률은 54%로, 평균 판별율은 64%이었다. 야간의 판별율이 떨어진다는 것을 알 수 있다.
한편, 본 발명의 경우 도 6 및 7에서 알 수 있듯이, 주간과 야간에 따라 성인과 어린이를 구분할 수 있는 비율에 차이가 있음을 알 수 있다.
즉, 주간의 경우에는 y=0.005x+2.875, 야간의 경우에는 y=0.0045x+3.645 의 추세선을 따라 그 상하 영역으로 구분하고 그 비율이 상기 추세선의 상부 영역에 위치하는 경우 성인, 하부 영역에 위치하는 경우 어린이로 판별할 수 있음을 알 수 있다.
여기서, y는 신장/머리 높이의 비율을 나타내고, x는 영상 촬영 장치와 보행자간 거리를 나타낸다.
도 6 및 7로부터 알 수 있듯이 성인 여부를 구분할 수 있는 추세선이 y=a*x+b(여기서, y=보행자의 신장/머리 높이의 비율, x는 영상 촬영장치와 보행자간의 거리, a와 b는 소정의 상수)라고 한다면, 영상 촬영 장치에서 촬영된 특정 화면상에 위치한 보행자가 성인인지 어린이인지 판별할 수 있는 확률이 높은 위치는 영상 촬영 장치로부터 대략 420~600 정도 떨어진 곳에 보행자가 위치하는 경우이다.
여기서, 420, 600이라는 숫자는 촬영된 이미지 화면상의 세로축의 픽셀 높이를 의미한다. 따라서, 본 발명에 따라 촬영된 영상 이미지에서 보행자의 성인 여부를 제대로 판단할 수 있는 거리는 촬영된 화면의 높이와 관련하여 420/750(750은 세로축 픽셀 최대 높이)~650/750인 것을 알 수 있었다.
즉, 화면상의 세로축을 따라 0.56~0.86 범위내의 거리에 보행자가 위치하는 경우 성인 여부 판별 확률이 높음을 알 수 있다. 참고로, 화면상의 세로축 픽셀의 높이 정보는 영상 촬영 장치와 보행자간의 거리를 알 수 있는 정보이며, 화면상에 표시되는 보행자 영역(박스 영역)의 하단부까지의 세로축 픽셀 높이가 보행자와의 거리이다.
상술한 본 발명의 특징을 요약하여 정리하면 다음과 같다.
먼저, 영상 이미지로부터 보행자의 보행자 영역과 머리 영역을 구한 다음 상기 보행자 영역의 세로 픽셀수와 상기 머리 영역의 세로 픽셀수로부터 상기 보행자의 신장과 머리 높이를 구한다.
다음, 상기 보행자의 상기 신장/상기 머리 높이의 비율을 계산한다.
y=a*x+b(여기서, y=보행자의 신장/머리 높이의 비율, x는 영상 촬영장치와 보행자간의 거리를 나타내며, 영상 이미지 화면상에 검출되는 보행자 영역의 하단부까지의 픽셀수로 표시, a와 b는 소정의 상수)인 경우, 상기 x가 상기 영상 이미지 화면의 전체 높이 대비 0.56~0.86 범위내에 있는 경우 상기 신장/상기 머리 높이의 비율이 상기 y보다 큰 경우 성인으로 판별하고 작은 경우에는 어린이로 판별한다. 도 6 및 도 7에서 알 수 있듯이 소정의 상수 a와 b는 주간과 야간에 따라 그 값이 상이할 수 있으며, 기울기를 마타내는 상기 a는 주간 촬영에서 야간 촬영으로 시간이 이동함에 따라 감소하는 것을 알 수 있다.
도 6 및 도 7의 실험 결과로부터 다음과 같은 결과를 도출할 수 있다.
1. 보행자가 영상 촬영 장치로부터 너무 근접한 경우이거나 너무 먼 곳에 위치하는 경우 검출된 보행자의 신장/머리 높이의 비로부터 성인과 어린이를 구별하기는 어려웠고, 영상 좔영 장치로부터 소정 거리 범위내에 위치하는 경우에 성인과 어린이를 구분할 수 있었다.
2. 주간과 야간에 따라 성인 여부를 판별할 수 있는 신장/머리 높이의 비율에 차이가 있었다. 이는 주야간 조도에 따른 객체 인식율 차이에 기인한 것으로 보인다.
이상에서 알 수 있듯이, 본 발명에서와 같이 영상 촬영 장치를 이용하여 보행자의 신장과 머리 높이 영역을 검출한 후 신장/머리 높이의 비율을 구하는 경우 영상 촬영 장치로부터 소정 거리 범위 내에 위치하는 보행자가 성인인지 어린이인지 구별할 수 있었다.
즉, 본 발명에 따른 접근 방식은 성인과 어린이를 효과적으로 분류할 수 있는 것으로 나타났다.
지금까지 설명한 본 발명의 경우 영상 이미지로부터 보행자 영역과 머리 영역을 검출한 후 이들 간의 비를 구한 다음 영상 촬영 장치로부터 소정 거리 범위 내에 보행자가 위치하는 경우 그 보행자가 성인인지 여부를 판별할 수 있으므로 영상 이미지로부터 어린이와 성인을 구분할 필요가 있는 부문에 유용하게 적용할 수 있을 것이다.

Claims (5)

  1. 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법으로서,
    (a)영상 이미지로부터 보행자의 보행자 영역과 머리 영역을 구한 다음 상기 보행자 영역의 세로 픽셀수와 상기 머리 영역의 세로 픽셀수로부터 상기 보행자의 신장과 머리 높이를 구하는 단계;
    (b) 상기 보행자의 상기 신장/상기 머리 높이의 비율을 계산하는 단계로 이루어지며,
    y=a*x+b(여기서, y=보행자의 신장/머리 높이의 비율, x는 영상 촬영장치와 보행자간의 거리를 나타내며, 영상 이미지 화면상에 검출되는 보행자 영역의 하단부까지의 픽셀수로 표시, a와 b는 소정의 상수)라고 하면,
    상기 단계 (b)에서 구한 상기 신장/상기 머리 높이의 비율이 상기 y보다 큰 경우 성인으로 판별하고 작은 경우에는 어린이로 판별할 수 있으며,
    상기 단계 (b)에서 구한 상기 신장/상기 머리 높이의 비율이 상기 y보다 큰 경우 성인으로 판별하고 작은 경우에는 어린이로 판별할 수 있는 것은 상기 x가 상기 영상 이미지 화면의 전체 높이 대비 0.56~0.86 범위내에 있는 경우인 것을 특징으로 하는 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 소정의 상수 a와 b는 주간과 야간에 따라 그 값이 상이하며, 기울기를 나타내는 상기 a는 주간 촬영에서 야간 촬영으로 시간이 이동함에 따라 감소하는 것을 특징으로 하는 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법.
  4. 삭제
  5. 삭제
KR1020160023080A 2016-02-26 2016-02-26 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법 KR101711328B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160023080A KR101711328B1 (ko) 2016-02-26 2016-02-26 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160023080A KR101711328B1 (ko) 2016-02-26 2016-02-26 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법

Publications (1)

Publication Number Publication Date
KR101711328B1 true KR101711328B1 (ko) 2017-03-03

Family

ID=58410592

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160023080A KR101711328B1 (ko) 2016-02-26 2016-02-26 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법

Country Status (1)

Country Link
KR (1) KR101711328B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109559409A (zh) * 2018-10-11 2019-04-02 江苏农林职业技术学院 一种果蔬自助采摘温室用的云控制门禁系统及其图像识别方法
CN110070074A (zh) * 2019-05-07 2019-07-30 安徽工业大学 一种构建行人检测模型的方法
CN111339873A (zh) * 2020-02-18 2020-06-26 南京甄视智能科技有限公司 客流统计方法、装置、存储介质及计算设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150010193A (ko) * 2013-07-18 2015-01-28 전자부품연구원 깊이 영상 기반 머리 검출방법 및 장치
KR20160017151A (ko) * 2014-07-31 2016-02-16 경성대학교 산학협력단 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150010193A (ko) * 2013-07-18 2015-01-28 전자부품연구원 깊이 영상 기반 머리 검출방법 및 장치
KR20160017151A (ko) * 2014-07-31 2016-02-16 경성대학교 산학협력단 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
1. K. Lee, C.H. Lee, S.A. Kim, Y.H. Kim, "Fast Object Detection Based on Color Histograms and Local Binary Patterns,"presented at the TENCON IEEE Region 10 Conference, Cebu, Nov. 19-22, 2012.
2. H. Weda, M. Barbieri, "Automatic Children Detection in Digital Images,"presented at the IEEE International Conference on Multimedia and Expo, Beijing, July. 2-5, 2007
3. Y.H. Kwon and N. da Vitoria Lobo (April 1999), Age classification from facial images, Computer Vision and Image Understanding, Vol. 74, No. 1, pp. 1-21, Available: http://www.idealibrary.com
4. W.B Horng, C.P. Lee and C.W. Chen (2001), Classification of age groups based on facial features, Tamkang Journal of Science and Engineering, Vol. 4, No. 3, pp. 183-192.
5. A. Lanitis, C. Draganova, and C. Christodoulou. "Comparing different classifiers for automatic age estimation," IEEE Transactions on Systems, Man and Cybernetics, Part B, 34(1):621-628, 2004.
6. X. Geng, Z. Zhou, Y. Zhng, G. Li, and H. Dai. "Learning from facial aging patterns for automatic age estimation" Proceedings of ACMMultimedia'06, pp.307-316, 2006.
7. Viola and Jones, "Rapid object detection using a boosted cascade of simple features", Computer Vision and Pattern Recognition, 2001

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109559409A (zh) * 2018-10-11 2019-04-02 江苏农林职业技术学院 一种果蔬自助采摘温室用的云控制门禁系统及其图像识别方法
CN110070074A (zh) * 2019-05-07 2019-07-30 安徽工业大学 一种构建行人检测模型的方法
CN110070074B (zh) * 2019-05-07 2022-06-14 安徽工业大学 一种构建行人检测模型的方法
CN111339873A (zh) * 2020-02-18 2020-06-26 南京甄视智能科技有限公司 客流统计方法、装置、存储介质及计算设备
CN111339873B (zh) * 2020-02-18 2021-04-20 南京甄视智能科技有限公司 客流统计方法、装置、存储介质及计算设备

Similar Documents

Publication Publication Date Title
US11689796B2 (en) Detecting facial expressions in digital images
WO2019196130A1 (zh) 面向车载热成像行人检测的分类器训练方法和装置
US9842266B2 (en) Method for detecting driver cell phone usage from side-view images
CN104751491B (zh) 一种人群跟踪及人流量统计方法及装置
CN106682601B (zh) 一种基于多维信息特征融合的驾驶员违规通话检测方法
US7218759B1 (en) Face detection in digital images
KR20170006355A (ko) 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치
JP2016095808A (ja) 物体検出装置、物体検出方法、画像認識装置及びコンピュータプログラム
JP4658532B2 (ja) 顔を検出する処理方法及び画像中の顔の検出装置
WO2013075295A1 (zh) 低分辨率视频的服装识别方法及系统
KR101711328B1 (ko) 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법
Su et al. A new local-main-gradient-orientation HOG and contour differences based algorithm for object classification
Wang et al. Early smoke detection in video using swaying and diffusion feature
CN104899559B (zh) 一种基于视频监控的快速行人检测方法
Ince et al. Child and adult classification using ratio of head and body heights in images
CN107862298A (zh) 一种基于红外摄像装置下眨眼的活体检测方法
KR101343623B1 (ko) 적응적 피부색 검출 방법, 그리고 이를 이용한 얼굴 검출 방법 및 그 장치
Silva et al. Automatic motorcycle detection on public roads
CN112329597A (zh) 一种人脸识别的方法和装置
KR101851823B1 (ko) 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법
Ilao et al. Crowd estimation using region-specific HOG With SVM
Subban et al. Human skin segmentation in color images using gaussian color model
TWI695326B (zh) 物件屬性分析方法及其相關物件屬性分析裝置
Yildirim et al. Gender classification based on binary haar cascade
Kinattukara et al. Clustering based neural network approach for classification of road images

Legal Events

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

Payment date: 20191115

Year of fee payment: 4