KR20010081373A - 영상 신호의 움직임 검출 장치 및 방법 - Google Patents

영상 신호의 움직임 검출 장치 및 방법 Download PDF

Info

Publication number
KR20010081373A
KR20010081373A KR1020000006770A KR20000006770A KR20010081373A KR 20010081373 A KR20010081373 A KR 20010081373A KR 1020000006770 A KR1020000006770 A KR 1020000006770A KR 20000006770 A KR20000006770 A KR 20000006770A KR 20010081373 A KR20010081373 A KR 20010081373A
Authority
KR
South Korea
Prior art keywords
block
value
motion
input image
pixel data
Prior art date
Application number
KR1020000006770A
Other languages
English (en)
Other versions
KR100363732B1 (ko
Inventor
이동호
양윤석
Original Assignee
이준우
주식회사 훠엔시스
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 이준우, 주식회사 훠엔시스 filed Critical 이준우
Priority to KR1020000006770A priority Critical patent/KR100363732B1/ko
Publication of KR20010081373A publication Critical patent/KR20010081373A/ko
Application granted granted Critical
Publication of KR100363732B1 publication Critical patent/KR100363732B1/ko

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/43—Hardware specially adapted for motion estimation or compensation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

복수개의 화소 데이타로 구성된 입력 영상은 소정 크기의 블록별로 분할되어 각 블록 단위별로 화소 데이타 특징 값이 산출된다. 산출된 각 블럭 단위의 특징 값 및 상기 각 블록의 화소 데이타는 다음 입력 영상에 대한 움직임 검출을 위하여 메모리에 저장된다. 산출된 현재 영상의 블럭 단위 특징 값들은 메모리로부터 판독된 이전 영상의 블럭 단위의 특징 값과 비교되어 그 차가 계산되고, 이 차이값중 최대값을 구하여 임계값과의 비교를 행한다. 입력 영상의 각 블럭 화소 데이타와 메모리에 저장된 이전 영상의 각 블록 화소 데이타는 입력 영상의 각 블럭에 대한 움직임 벡터 검출을 위해 제공되고, 검출된 움직임 벡터에 기초하여 분류된 배경 블럭과 움직임 블럭의 통계적 분포를 해석함으로써, 입력 영상에 대한 적절한 임계값을 예측한다. 예측된 임계값을 이전 영상과 현재 입력 영상의 블럭 단위 특징 값의 차의 최대값과 비교하어, 입력 영상에 대한 움직임 여부를 결정한다.

Description

영상 신호의 움직임 검출 장치 및 방법{APPARATUS AND METHOD FOR DETECTING A MOTION IN A VIDEO SIGNAL}
본 발명은 입력 영상으로부터 움직임을 검출하기 위한 방법 및 장치에 관한 것으로, 보다 구체적으로는 현재 영상과 이전 영상의 블록 단위 특징 값과 현재 입력 영상에 따라 적응적으로 구해진 임계값을 이용하여 움직임을 검출하는 블록 단위의 움직임 검출 방법 및 장치에 관한 것이다.
최근 자동 감시 시스템의 수요의 증가와 컴퓨터나 인터넷과 연계한 네트워크 영상 감시 시스템의 개발에 힘입어, 기존의 아날로그 방식의 감시 카메라나 시스템의 디지탈화가 활발하게 이루어지고 있다. 디지탈 방식의 감시 시스템은 기록된 감시 영상의 화질 열화를 방지할 수 있고, 원하는 데이타만을 검색하거나 처리하기가 용이하며, 통신망을 이용한 원격 감시가 용이한 것 등 다양한 용도와 장점을 기지고 있다. 이러한 디지탈 감시 시스템에서 입력된 영상의 데이타를 모두 저장해야 한다면 많은 메모리와 불필요한 시스템 자원의 낭비를 초래할 것이다. 따라서, 영상의 효율적인 저장과 시스템 자원의 낭비를 막기 위해서는 침입자가 침입을 했거나 감시하는 영역 내에서 움직임등을 감지했을 경우에만 영상을 저장하고 기록해야 할 필요가 있다.
입력 영상으로부터 움직임을 검출하기 위한 종래 방법으로, 이전 영상과 현재 영상과의 차를 구하여 얻어진 차 영상의 화소 값을 이용하는 화소 값 기반의 움직임 검출 방법이 있다. 즉, 차 영상으로부터 얻어진 화소 값으로부터 평균, 표준 편차등의 통계적 특징 값을 유도하고, 이를 실험을 통하여 얻어진 적정한 임계값과 비교하여 이동 물체의 움직임 여부를 판별하고 있었다. 도 1은 이러한 차 영상을 이용한 일반적인 움직임 검출 방법의 전체 흐름을 도시하고 있다. 이와 같은 차 영상을 이용한 이동 물체 검출 방법은 화소 단위의 많은 정보를 얻을 수 있고 차 영상의 다양한 통계적 특성을 이용하여 움직임을 검출할 수 있다는 장점은 있지만,화소 단위의 데이타 연산을 하기 때문에 수행 속도가 느리고 카메라 노이즈나 외부 환경 변화에 민감하게 반응한다는 단점이 있다.
이러한 단점을 해결하기 위하여 영상을 일정한 블럭 단위로 분할하고, 각 블럭의 통계적 특성을 분석하여 움직임을 검출하는 블럭 단위 움직임 검출 방법이 제안되었다. 도 2는 이러한 일반적인 블럭 단위 움직임 검출 방법의 흐름도를 도시하고 있다. 도 2에 도시된 바와 같이, 블럭 단위 움직임 검출 방법에 있어서는 입력 영상을 일정한 블럭 단위로 블럭화한 후 각 블럭의 통계적 특징 값을, 실험을 통하여 얻어진 적절한 임계값과 비교하여 움직임의 여부를 검출한다. 이 방법에서는, 화소 값을 이용한 움직임 검출보다 연산량이 줄어들고 잡음에 대한 영향을 감소시킬 수 있게 된다.
일반적으로, 이러한 블럭 단위의 움직임 검출 방법의 성능은 움직임을 정량화하기 위하여 어떠한 특징 값을 사용하는가에 따라서도 좌우되기도 하지만, 그보다는 이러한 특징 값을 가지고 움직임의 유무를 판단하는 데 사용되는 임계값의 결정 방법에 더 많은 영향을 받게 된다. 종래의 블럭 단위의 움직임 검출 방법에 있어서는, 수학적인 모델링 없이 반복 실험을 통하여 예측된, 고정된 값을 임계값으로 사용하기 때문에, 각각의 상황에 맞는 적절한 수준의 임계값 설정 및 이에 사용된 임계값의 신뢰도에 대한 객관적인 분석이 곤란하다는 문제점이 있었다. 즉, 입력 영상의 특성에 관계없이 고정된 값을 사용하거나, 단순히 각 블럭별 통계적인 특성에 따라 결정되는 임계값을 사용하여 움직임을 검출하는 경우에는, 입력 영상의 환경과 조건에 민감하거나, 반대로 움직임이 있어도 검출이 제대로 되지 않는결과를 초래할 수 있다.
따라서, 본 발명은 이러한 종래 움직임 검출 방법에 있어서의 문제점을 해결할 수 있는 개선된 움직임 검출 방법 및 이를 이용한 움직임 검출 장치를 제공하는 것을 그 목적으로 한다. 즉, 본 발명은 블럭 단위로 통계적인 특징 값을 계산하여 움직임을 검출하는 블럭 단위의 움직임 검출 방법을 채택함으로써 연산량과 메모리 양을 줄이고 노이즈의 영향을 최소화하도록 하고, 또 움직임 벡터의 개념을 도입하여 블럭의 움직임 여부에 따라 움직임 블럭과 배경 블럭으로 분류하고 각각의 통계적 분포를 해석하여 최적의 임계값을 입력 영상에 따라 적응적으로 구함으로써, 고정된 임계값을 사용하는 종래 기술에서의 움직임 검출의 신뢰도 저하 문제를 해결하는 것을 그 목적으로 한다.
본 발명의 일면에 따르면, 입력된 현재 영상으로부터 움직임을 검출하기 위한 방법에 있어서, 상기 입력된 현재 영상을 소정 크기의 블록으로 블록화하는 단계; 상기 블록화된 현재 영상의 각 블록의 특징 값을 산출하고 산출된 각 블럭 단위의 특징 값을 각 블록 데이타와 함께 메모리에 저장하는 단계; 상기 메모리로부터 이전 영상의 블럭 단위의 특징 값들을 판독하여 이 판독된 이전 영상의 블럭 단위의 특징 값과 상기 산출된 현재 영상의 블럭 단위의 특징 값들과의 차를 계산하는 단계; 상기 산출된 이전 영상과 현재 영상의 블럭 단위 특징 값의 차의 최대값을 산출하는 단계; 상기 현재 영상의 블럭 데이타와 상기 메모리에 저장된 이전 영상의 블록 데이타를 사용하여 상기 현재 영상의 각 블럭에 대한 움직임 벡터를 검출하고, 검출된 움직임 벡터에 기초하여 현재 입력 영상에 대한 적절한 임계값을 예측하는 단계; 및 상기 이전 영상과 현재 영상의 블럭 단위 특징 값의 차의 최대값과 상기 예측된 임계값을 비교함으로써, 현재 영상에 대한 움직임 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 움직임 검출 방법이 제공된다.
또한, 본 발명의 다른 한 양상에 따르면, 복수개의 화소 데이타로 구성된 디지탈 입력 영상 신호의 움직임을 검출하기 위한 장치에 있어서, 사용자로부터 입력된 윈도우 설정 정보를 기억하기 위한 수단; 상기 기억 수단으로부터 상기 윈도우 설정 정보를 판독하여, 이를 기초로 상기 디지탈 입력 영상 데이타중 상기 윈도우 설정 정보에 해당하는 윈도우 영역내의 유효 화소 데이타를 추출하기 위한 수단; 상기 추출된 유효 화소 데이타를 소정 크기의 블럭 단위로 더하여 그 평균값을 산출하기 위한 수단; 상기 추출된 유효 화소 데이타와 상기 블럭 단위의 평균값을 저장하기 위한 수단; 상기 저장 수단에 저장된 이전 영상의 블럭 단위의 평균값과 상기 입력 영상의 블럭 단위 평균값간의 차를 계산하기 위한 수단; 상기 이전 영상과 입력 영상의 블럭 단위 평균값의 차이중 최대값을 산출하기 위한 수단; 상기 입력 영상의 유효 화소 데이타와 상기 저장 수단에 저장된 이전 영상의 유효 화소 데이타를 사용하여 상기 입력 영상의 상기 윈도우 영역내의 각 블럭에 대한 움직임 벡터를 검출하기 위한 수단; 상기 검출된 움직임 벡터에 기초하여 상기 입력 영상에 대한 임계값을 계산하기 위한 수단; 및 상기 이전 영상과 입력 영상의 블럭 단위 평균값의 차이의 최대값과 상기 임계값을 비교하여 상기 입력 영상에 대한 움직임 여부를 결정하기 위한 수단을 포함하는 움직임 검출 장치가 제공된다.
이하에서는 본 발명에 따른 움직임 검출 방법 및 이를 이용한 움직임 검출 장치에 관하여 관련 도면을 참조하여 보다 상세히 설명한다.
도 1은 차 영상을 이용한 일반적인 움직임 검출 방법의 전체 흐름도.
도 2는 일반적인 블럭 단위 움직임 검출 방법의 흐름도.
도 3은 본 발명에 따른 블럭 단위 움직임 검출 방법의 흐름도.
도 4는 본 발명에 따른 임계값을 구하는 방법의 흐름도.
도 5는 배경 블럭과 움직임 블럭에 대한 전형적인 확률 분포도.
도 6은 배경 블럭의 누적 확률 분포를 도시한 그래프.
도 7은 본 발명에 따른 한 채널의 카메라 입력에 대한 움직임 검출 장치의 블럭도.
도 8은 본 발명에 따른 4 채널 움직임 검출 장치의 블럭도.
도 9는 본 발명에 따른 16 채널 움직임 검출 장치의 블럭도
도 3은 본 발명에 따른 블럭 단위 움직임 검출 방법의 흐름도를 도시한다.
도 3에 도시된 바와 같이, 단계(301)에서 입력된 현재 영상은 소정 크기의 블럭 단위로 블럭화된다. 블럭 단위 움직임 검출 방법에 있어서 움직임 검출의 성능은 블럭 크기의 영향을 많이 받는다. 만일 블럭의 크기가 너무 작으면 조그마한 물체의 움직임에도 민감하게 반응하지만, 블럭내 화소값의 수가 적어 이동 물체의 감지에 필요한 통계적 특성을 확보하기 어렵고 외부 노이즈나 흔들림에 많은 영향을 받는다. 반면에, 블럭의 크기가 너무 큰 경우에는 블럭 내에서 움직이는 작은 물체에 대한 움직임 감지가 불가능하게 된다. 본 발명의 일실시예에서는 이를 고려하여 32 x 32 크기로 입력 영상을 블럭화하는데, 이 경우 352 x 240의 입력 영상에 대하여 352/32 = 11, 240/32 = 7.5로 총 11 x 7 = 77개의 블럭이 존재하게 되고, 가로 방향으로 240 - 32 * 7 = 16 라인 정도의 블럭화되지 않는 부분이 존재하게 된다.
이어서, 단계(302)에서, 현재 영상의 각각의 블럭내에 포함된 화소 데이타들로부터 블럭의 특징 값을 산출한다. 산출된 블럭 단위의 특징값들은 각 블록내의 화소 데이타와 함께 다음 입력 영상에서의 움직임 검출을 위하여 메모리에 저장된다.
움직임 검출을 위해 사용되는 특징 값으로는 주로 통계적 특징 값을 사용하는 데, 대표적인 통계적 특징 값들로는 평균, 표준편차 및 히스토그램등이 있다.
평균은 움직임을 검출하는데 있어서 가장 많이 사용되는 특징 값으로, 연산량과 계산 시간이 적고 구현이 쉬우며, 움직임 검출 성능이 우수하다는 장점이 있다.
입력 영상이 가로 M 화소 * 세로 N 화소로 이루어진 경우에, 전체 평균값은 다음 수식에 따라 구할 수 있다.
한편, 가로 n 화소 * 세로 n 화소로 이루어진 블럭의 평균 값은 다음 수식과 같다.
이전 영상과 현재 영상의 한 블럭의 평균의 차이 값을 DBM (Difference of Block Mean)이라 하면, 이는 다음 수식과 같이 구해진다.
여기서, Ent(x)와 En(t-1)(x)는 각각 현재 영상과 이전 영상의 n x n 크기의 한 블럭의 평균값을 나타낸다.
마찬가지로, 이전 영상과 현재 영상의 전체 평균 차이 값을 DGM (Difference of Global Mean)이라 하면, 이는 다음과 같이 구해진다.
여기서, Et(x)와 E(t-1)(x)는 각각 현재 영상과 이전 영상의 전체 평균값을 나타낸다.
또 다른 통계적 특징 값인 표준 편차는 움직임 검출보다는 주로 상황 검출에 이용되는 것으로서, 특히 밝기 변화에 민감하여 국소적 밝기 변화를 검출할 때 많이 이용된다. 그러나, 평균값 보다는 연산량이 많고 계산 시간이 오래 걸리는 단점이 있다. 가로 M 화소, 세로 N 화소 크기의 전체 영상과 가로 n 화소 및 세로 n 화소 크기의 블럭에 대한 전체 표준 편차 값 및 블럭 표준 편차값은 각각 다음 수식과 같다.
또한, 이전 영상과 현재 영상의 한 블럭의 표준 편차의 차이 값을 DBS (Difference of Block Standard deviation)라 하고, 이전 영상과 현재 영상의 전체 표준 편차 차이 값을 DGS (Difference of Global Standard deviation)라 하면, 이는 각각 다음 수식으로 주어진다.
또 다른 통계적 특징값으로서, 각각의 입력 영상에 대해 밝기 히스토그램이나 색상 히스토그램을 산출하여 이 히스토그램의 이전 영상과 현재 영상간의 차이 값을 이용하기도 한다. 이러한 히스토그램은 카메라의 움직임에 대한 영향을 비교적 덜 받는다는 장점은 있으나, 물체의 프레임내에서의 이동이나 회전의 검출 성능은 떨어진다. 따라서, 감시보다는 주로 이동 물체의 영역 분리나 장면 변화 검출등에 이용된다.
본 발명에서는, 이상의 여러 통계적 특징 값들중 블럭 단위의 평균 및 표준 편차를 이용하며, 각각의 이전 영상과 현재 영상간의 차이값인 DBM과 DBS를 구하고 이를 임계값과 비교하여, 움직임 여부를 판단한다.
도 3을 다시 참조하면, 다음 단계로서, 이전 영상에 대한 움직임 검출 과정에서 블럭화 단계 및 블럭 단위 특징값 산출 단계(301' 및 302')를 통하여 메모리에 저장되어 있던 이전 영상의 블럭 단위의 특징 값들을 판독하고, 이 판독된 이전 영상의 블럭 단위의 특징 값들과 앞서 산출된 현재 영상의 블럭 단위의 특징 값들과의 차를 계산하는 단계(303)가 수행된다. 이어서, 계산된 블럭 단위의 특징 값들의 차이에 대해 최대값을 산출하는 단계(304)가 수행되고, 산출된 블럭 단위의 특징 값의 차이의 최대값은 단계(305)에서 예측된 임계치와 비교된다. 임계치보다 특징 값의 차이의 최대값이 큰 경우에는 움직임이 있는 것으로, 그렇지 않은 경우에는 움직임이 없는 것으로 하여 움직임 여부를 검출한다.
다음으로, 움직임 검출 판단의 기준 값이 되는 임계치를 예측하는 단계(306 및 307)에 대하여 설명한다. 도 4는 본 발명에 따른 임계값을 구하는 방법의 상세 흐름도를 도시하고 있다. 본 발명에서는, 도 4에 도시된 바와 같이, 단계(401)에서 먼저 움직임 추정의 개념을 도입하여 움직임 벡터를 구하고, 이를 사용하여 입력 영상의 각 블럭에 대한 움직임 거리를 산출한다 (단계 402). 단계(403)에서는, 산출된 각 블럭의 움직임 거리를 기초로 입력된 현재 영상의 각 블럭이 움직임이 존재하는 움직임 블럭에 해당한는 지 또는 움직임이 없는 배경 블럭에 해당하는 지를 분류한다. 이와 같이, 본 발명에서는 움직임 벡터를 사용하여 분류된 블럭의 통계적인 분포를 이용함으로써 전체적인 임계값의 범위를 유도하고 있다. 일반적으로 움직임 벡터는 움직임이 매우 크거나 물체의 형태에 변형이 있는 경우 또는 회전이나 기타 노이즈가 있는 경우에는 그 정확성이 떨어지는 경향이 있어, 이 움직임 벡터를 움직임 검출에 직접적으로 사용하는 경우에는 신뢰성이 저하되는 문제점이 있지만, 본 발명에서는 이와 같이 움직임 벡터를 움직임 검출에 직접적으로이용하는 것이 아니라, 단지 임계값의 영역을 적응적으로 결정하기 위하여 움직임 벡터를 사용하여 분류된 블럭의 통계적 분포를 이용하고 있으므로, 움직임 벡터에 어느 정도의 오차가 있다 하더라도 이를 흡수할 수 있게 되는 것이다.
움직임 벡터를 구하기 위한 움직임 추정 방법에는 블럭 정합 움직임 추정 (block matching motion estimation)이 대표적이며, 이러한 블럭 정합 움직임 추정을 위하여 FS(Full search), TSS(Three-step search), FSS(Four-step search), MFSS(Modified Four-step search) 알고리즘등이 제안된 바 있다. 한편, 현재 입력 영상의 기준 블럭과 가장 잘 대응되는 이전 영상의 탐색 영역내 대응 블럭을 찾기 위한 비교값으로서는 MiniMax(Minimized Maximum Error), SAD(Sum of Absolute Difference), MSE(Mean Squared Error), CCF(Cross Correlation Function)등이 일반적으로 사용되고 있다. 본 발명의 일실시예에서는 FS 알고리즘과 MSE 를 사용하여 움직임 벡터를 찾는다.
한편, 이 때 움직임 벡터를 찾기 위한 블럭의 크기가 너무 크게 되면 올바른 움직임 추정을 행하기가 곤란하므로, 본 발명에서는 블럭 정합 움직임 추정을 위한 적절한 블럭 단위로서 16 x 16 크기의 블럭을 사용한다. 이와 같은 크기의 블럭에 대하여 구하여진 움직임 벡터 MV가 (Vx, Vy)로 주어진다면, 이 움직임 벡터의 크기, 즉, 움직임 거리 D는 다음 식으로 주어지게 된다.
움직임 벡터의 크기 D가 0이면 움직임이 없는 배경 블럭으로, 0이 아니면 움직임이 존재하는 움직임 블럭으로 분류된다.
그러나, 전술한 바와 같이, 본 발명에서는 입력된 영상이 32 x 32 크기의 블럭으로 블럭화되므로, 이 32 x 32 크기의 블럭에 따른 움직임 거리를 구하기 위해서는 16 x 16 크기의 블럭에 대해 구해진 움직임 거리에 가중치를 부여한 뒤 그 평균을 취하는 과정을 거쳐야 한다. 즉, 먼저 입력 영상의 32 x 32 블럭을 4 개의 16 x 16 블럭으로 분할한 뒤, 분할된 각 16 x 16 블럭에 대하여 움직임 벡터를 구하고, 구하여진 4 개의 16 x 16 움직임 벡터 크기의 가중치 평균값을 계산하여 그 결과를 32 x 32 블럭의 움직임 거리로 한다. 이를 수식으로 표현하면 다음과 같다.
여기서, D32는 32 x 32 블럭의 움직임 거리, D16(n)은 32 x 32 블럭내의 4개의 16 x 16 블럭에 대해 구한 움직임 거리, 가중치(n)은 4 개의 16 x 16 블럭의 움직임 벡터 크기에 주어지는 가중치, N16은 32 x 32 크기의 한 블럭내에 존재하는 16 x 16 블럭의 총 갯수 (여기서는, 4)를 의미한다. 각 16 x 16 블럭의 움직임 벡터 크기에 부여되는 가중치는, 각 16 x 16 블럭이 그 움직임 벡터에 의하여 해당하는 32 x 32 블럭을 벗어나게 되는 경우에는 1이, 벗어나지 못하는 경우에는 0이 각각 부여된다. 이상과 같이 구하여진 32 x 32 블럭의 움직임 크기 D32가 0이면 그블럭은 배경 블럭으로, 1이면 움직임 블럭으로 각각 분류된다.
현재 입력 영상의 각 블럭을 움직임 블럭과 배경 블럭으로 분류한 뒤에는, 분류된 배경 블럭의 확률 분포 B를 다음 수식에 따라 계산한다.
여기서, Bdbm및 Bdbs는 각각 블럭 평균의 차이 값(DBM)과 블럭 표준 편차의 차이값(DBS)에 대한 배경 블럭 확률 분포를 나타내고, NBtotal은 배경 블럭의 총 개수를, NBdbm및 NBdbs는 각각 블럭 평균의 차이값(DBM)과 블럭 표준 편차의 차이값(DBS)를 갖는 배경 블럭의 수를 나타낸다.
움직임 블럭에 대한 확률 분포 M도 유사하게 계산될 수 있는데, 도 5는 이와 같이 계산된 배경 블럭과 움직임 블럭에 대한 전형적인 확률 분포도를 나타내고 있다. 도 5에 도시된 바와 같이, 움직임 블럭의 확률 분포 M은 넓은 영역에 걸쳐 고르게 분포되어 있어 임계값을 구하는 데 사용하기에는 적합하지 않은 반면, 배경 블럭의 확률 분포 B는 작은 영역에 국한되어 있어 임계값을 정하기에 용이하므로, 본 발명에서는 이와 같은 배경 블럭의 확률 분포 특성을 이용하여 임계값을 계산한다.
임계값을 예측하기 위한 다음 단계로서, 단계(404)에서는, 계산된 배경 블럭의 확률 분포로부터 누적 확률 분포를 도 6과 같이 구하고, 이 누적 확률 분포가소정 값 α보다 크게 되는 DBM 또는 DBS의 최소값 - 1을 구하여 이를 각각 임계값 계산의 기초가 되는 Mindbm, Mindbs로 정의한다. 여기서, DBM 또는 DBS의 누적 확률 분포와 비교되는 값 α는 배경 블럭의 검출 정도를 조정하는 신뢰도 패러미터로서, 이 α값이 커질수록, Mindbm, Mindbs및 이를 기초로 자동 조정되는 임계값이 커지게 되고, 배경 블럭을 배경 블럭으로, 움직임 블럭을 움직임 블럭으로 검출할 확률 역시 높아지게 된다. 예를 들어, α = 0.9의 의미는 최소한 90 % 이상의 배경 블럭이 올바르게 검출되는 임계값을 사용하여 움직임 검출을 수행한다는 것을 의미한다.
계속하여 단계(405)에서는, 구해진 Mindbm또는 Mindbs를 임계값의 기준값과 비교한다. 기준값을 설정하는 이유는 도 5의 확률 분포도에 도시된 바와 같이 대부분의 배경 영역의 DBM이 0~2 사이의 값을 갖고, DBS의 경우도 0~6사이의 값을 가지므로, Mindbm및 Mindbs값 역시 거의 -1~1 (DBM), -1~5 (DBS)의 너무 작은 값을 갖게 되어, 이 값을 그대로 임계값으로 사용할 경우 너무 낮은 임계값으로 인하여 움직임이 있는 경우로 오판할 우려가 있기 때문이다. 따라서, 기준값을 설정하여 이 기준값보다 작은 Mindbm및 Mindbs값에 대하여는 이를 기준값과 더하여 최종적인 임계값으로 사용한다. 본 발명의 일실시예에서는, 기준값의 크기는 배경 영역을 50~80 % 정도 구분하는 대표값으로서, DBM의 경우는 2, DBS의 경우는 4를 사용하였다.
단계(405)에서 Mindbm및 Mindbs값이 기준값보다 큰 것으로 판정된 경우에는,다음 단계(407)로서, 배경 블록으로 분류된 블럭의 개수가 전체 블럭 개수의 50%를 초과하는지를 조사한다. 이는 배경 블럭의 분포가 움직임의 정도나 움직임 추정과정의 정확도에 따라 달라지는 현상을 고려한 것이다. 즉, 움직임이 큰 경우에는 움직임 벡터의 값이 전 영상 영역에 걸쳐 나타나기 때문에 실제 배경 블럭의 개수가 통계적 분포를 얻기에는 너무 작거나 없는 경우도 발생할 수 있다. 이를 방지하기 위하여, 본 발명에서는 단계(407)에서 배경 블럭의 개수가 전체 블럭 개수의 50%를 초과하는 것으로 판정된 경우에만, 계속하여 단계(408)에서 이 배경 블럭의 분포를 이용하여 임계값을 조정하고, 단계(407)에서 50%를 넘지 않는 것으로 판정된 경우에는 단계(408)에서 이전의 임계값을 사용하여 움직임을 검출한다. 단계(408)에서의 배경 블럭의 분포를 이용한 임계값 조정시에는, 급격한 임계값의 변화를 방지하기 위하여 이전이 임계값과 현재의 임계값을 조합하여 임계값을 예측한다. 그 관계식은 다음과 같다.
여기서, Thdbm(t) 및 Thdbs(t)는 각각 현재 영상의 DBM 및 DBS에 대한 임계값을, Thdbm(t-1) 및 Thdbs(t-1)는 각각 이전 영상의 DBM 및 DBS에 대한 임계값을 나타낸다.
이상의 과정을 통해 계산된 임계값은, 도 3의 단계(305)에서, 현재 영상과이전 영상의 블럭 단위 특징값들의 차(즉, DBM 또는 DBS)의 최대값과 비교되고, 그 비교 결과에 따라 입력 영상의 움직임 여부를 판단한다. 이 때, 임계값과 비교되는 값으로서 블럭 단위 특징값들의 차이값(DBM 또는 DBS)의 최대값을 사용하는 이유는, 입력 영상의 국부적인 움직임까지도 검출해내고자 하기 위함이다. 즉, 입력 영상내에서 국부적인 움직임이 발생하는 경우에는 소수의 블럭 평균값만이 변화를 일으키게 되는데, 이러한 움직임이 존재하는 블럭의 평균값의 차이값을 임계값과 비교함으로써, 국부적인 움직임까지도 검출할 수 있게 되는 것이다.
다음으로, 이상의 블럭 단위 움직임 검출 방법을 이용한 움직임 검출 장치에 대하여 설명한다. 도 7은 한 채널의 카메라 입력에 대한 움직임 검출 장치의 블럭도를 도시하고 있다.
도시된 바와 같이, 움직임 검출 장치는 복수개의 화소 데이타로 구성된 디지탈 입력 영상 데이타와 윈도우 설정 정보를 각각 라인 100 및 101을 통하여 입력 받는다. 라인(101)을 통해 입력되는 윈도우 설정 정보는, 입력 프레임내에서 움직임 검출을 수행하고자 하는 영역의 윈도우 좌표 XYnA, XYnB, XYnC, XYnD를 의미하는데, 이들 각각은 윈도우의 x 좌표(0~11)을 나타내는 상위 4 비트와 윈도우의 y 좌표(0~7)를 나타내는 하위 4 비트로 이루어진 총 8 비트 데이타이다. 윈도우 영역 판단부(20)에서는, 입력받은 좌표 데이타 XYnA, XYnB, XYnC, XYnD를 이용하여 윈도우 영역내의 유효한 데이타 영역의 좌표 A, B, C, D, E, F를 계산한다. 여기서, A 및B는 제1 윈도우의 좌측 상단 및 우측 하단의 모서리 좌표를, C 및 D는 제2 윈도우의 좌측 상단 및 우측 하단의 모서리 좌표를 각각 나타내고, E 및 F는 제1 및 제2 윈도우가 겹치는 영역의 좌측 상단 및 우측 하단의 모서리 좌표를 나타낸다.
계속하여, 유효 데이타 추출부(30)에서는, 계산된 유효한 데이타 영역의 좌표를 이용하여, 입력된 프레임 데이타중에서 이 윈도우 영역에 해당하는 유효한 데이타를 추출하고, 이를 라인(102)를 통하여 블럭 단위 평균 산출부(40)로 보낸다. 또한, 유효 데이타 추출부(30)로부터 추출된 유효 데이타는 다음 입력 영상의 움직임 검출을 위하여 라인(103)을 통하여 메모리(50)로도 저장된다.
한편, 입력되는 프레임 데이타는 영상의 주사선 단위로 입력되므로, 라인(102)상의 유효 데이타 역시 주사선 단위로 출력되게 되는데, 블럭 단위 평균 산출부(40)에서는 이러한 주사선 단위의 화소 데이타를 입력받아 이를 32 x 32 크기의 블럭 단위로 더한 뒤, 그 평균값을 구한다. 구해진 블럭 단위의 평균값은 다음 입력 영상의 움직임 검출을 위하 라인(104)을 통하여 메모리(50)에 저장된다. 한편, 현재 입력 영상의 움직임 검출을 위해 감산부(60)에서는, 블럭 단위 평균 산출부(40)에서 구해진 현재 영상의 블럭 단위 평균값과 메모리(50)에 저장되어 있던 이전 영상의 블럭 단위 평균값를 라인(105 및 106)을 통해 입력받아, 그 차를 계산한다. 계산된 블럭 단위 평균값의 차는 최대 평균차 산출부(70)로 보내지게 되고, 최대 평균차 산출부(70)에서는 이들 차이값중 최대치를 구하여 비교부(1000)로 보낸다.
한편, 움직임 추정부(70)에서는, 유효 데이타 산출부(30)로부터 추출된 현재영상의 유효 데이타와 메모리(50)에 저장되어 있던 이전 영상의 유효 데이타를 각각 라인(107 및 108)을 통해 입력받아, 이들 값으로부터 현재 영상의 윈도우 영역내 각 블럭의 움직임 벡터를 블럭 정합 움직임 추정 방법을 사용하여 구한다. 임계치 산출부(90)는 이들 각 움직임 벡터를 입력받아, 현재 영상의 윈도우 영역내의 각 블럭을 배경 블럭과 움직임 블럭으로 분류하고, 배경 블럭의 확률 분포로부터 입력 영상에 적절한 임계치를 계산하여 이를 비교부(1000)로 출력한다. 비교부(1000)는 이 임계치와 최대 평균차 산출부(70)로부터 계산된 현재 영상과 이전 영상의 블럭 단위 평균값의 차이의 최대값를 비교하여, 현재 영상에 대한 움직임 여부를 판단한다.
이상 설명한 도 7의 한 채널의 카메라 입력에 대한 움직임 검출 장치의 구성은 4 채널 및 16 채널 움직임 검출 구조로 확장 적용될 수 있다. 도 8 및 도 9는 각각 이와 같이 확장된 4 채널 움직임 검출 장치와 16 채널 움직임 검출 장치의 블럭도를 도시하고 있다.
도 8에 도시된 바와 같이, 4 채널 움직임 검출 장치는 1 채널 움직임 검출 장치와 동일한 구성 블럭으로 이루어지되, 다만, 4 개의 카메라로부터의 입력 영상을 다중화시키기 위한 채널 멀티플렉서(1100)를 더 포함하고 있고, 4 채널에 대한 윈도우 설정 정보가 레지스터(10')에 입력 저장된다는 점이 전술한 1 채널 움직임 검출 장치의 구성과 다르다. 4 개의 카메라 영상 입력중 움직임을 검출하고자 하는 채널 입력 영상과 이 채널에 해당하는 윈도우 설정 정보는, 각각 채널 멀티플렉서(1100)와 레지스터(10')에 인가되는 채널 ID에 의해 구분된다. 즉, 4 채널의 윈도우 설정 정보가 사용자에 의해 레지스터(10')에 입력 저장된 다음, 4 채널의 카메라 영상이 채널 멀티플렉서(1100)로 입력되면, 채널 멀티플렉서(1100) 및 레지스터(10')은 역시 사용자의 조작에 의해 입력되는 채널 ID 신호에 따라, 이에 대응하는 영상 입력 n (0 ≤ n ≤ 4)과 윈도우 설정 정보 n (0 ≤ n ≤ 4)을 각각 윈도우 영역 판단부(20')로 출력한다. 채널 ID에 의해 선택된 입력 영상에 대한 이후 각 블럭에서의 처리는 전술한 1 채널 움직임 검출 장치의 대응하는 블럭에서 행해지는 처리와 유사하므로, 이에 대한 구체적인 설명은 생략하기로 한다. 다만, 유효 데이타 추출부(30')에서 추출된 현재 영상의 윈도우 영역내 유효 화소 데이타와 블럭 단위 평균 산출부(40')에서 계산된 현재 영상의 블럭 평균차를 다음 입력 영상의 움직임 검출을 위하여 메모리(50')에 저장하는 경우에는, 이들 데이타가 4 개의 각 채널에 대하여 별도로 저장될 수 있도록 하기 위하여 메모리(50') 영역을 4 개의 채널 영역으로 분할하여 이들 각 분할된 메모리 영역에 채널별 데이타를 저장한다.
이와 같이, 4 채널의 움직임 검출 장치는 채널 ID를 이용하여 입력 영상이 어떤 채널의 입력 데이타인지를 먼저 확인한 후, 블럭 평균차를 구하여 움직임을 검출한다는 점을 제외하고는 1 채널 움직임 검출 장치와 동일하게 동작한다.
도 9는 16 채널의 움직임 검출 장치의 블럭도를 도시하고 있다. 도시된 바와 같이, 16 채널 움직임 검출 장치는 4 채널 움직임 검출 장치를 병렬 구조로 4 개 사용한다. 기본적인 구성 및 각 블럭의 동작은 4 채널 움직임 검출 장치와 동일하나, 다만 윈도우 설정 정보를 저장하기 위한 레지스터와 입력 영상의 윈도우 영역내 유효 화소 데이타 및 블럭 단위 평균치를 저장하기 위한 메모리는 4 개의 4채널 움직임 검출 모듈에 의해 공유되어 있다. 4 개의 채널 ID 신호 (채널 ID-a, 채널 ID-b, 채널 ID-c 및 채널 ID-d)에 의해 4 개의 카메라로부터의 입력 영상이 동시에 선택되고, 선택된 4 개의 입력 영상이 계속되는 각 움직임 검출 블럭에 의해 처리됨으로써, 동시에 4 채널의 입력 영상에 대한 움직임 검출을 행할 수 있게 된다.
이상 본 발명에 따른 움직임 검출 방법 및 이를 이용한 움직임 검출 장치에 대해 설명하였으나, 본 발명의 범위는 이상의 실시예에 국한되는 것이 아니고, 다양한 형태의 변형 및 수정을 포함할 수 있다.
본 발명은 블럭 단위로 통계적인 특징 값을 계산하여 움직임을 검출하는 블럭 단위의 움직임 검출 방법을 채택함으로써 연산량을 줄이고 노이즈의 영향을 최소화하며, 또 움직임 벡터의 개념을 도입하여 블럭의 움직임 여부에 따라서 움직임 블럭과 배경 블럭으로 분류하고 각각의 통계적 분포를 해석하여 최적의 임계값을 입력 영상에 따라 적응적으로 구함으로써, 고정된 임계값을 사용하는 종래 기술에 비하여 움직임 검출의 신뢰도와 객관성의 향상을 가져올 수 있게 된다.

Claims (12)

  1. 복수개의 화소 데이타로 구성된 입력 영상의 움직임 여부를 검출하기 위한 방법에 있어서,
    상기 입력 영상의 복수개의 화소 데이타를 소정 크기의 블록별로 분할하여 각 블록 단위의 화소 데이타 특징 값을 산출하고, 산출된 각 블럭 단위의 특징 값과, 상기 복수개의 화소 데이타를 메모리에 저장하는 단계;
    상기 메모리로부터 이전 영상의 블럭 단위의 특징 값들을 판독하여 이 판독된 이전 영상의 블럭 단위의 특징 값과 상기 산출된 입력 영상의 블럭 단위의 특징 값들과의 차를 계산하는 단계;
    상기 산출된 이전 영상과 입력 영상의 블럭 단위 특징 값의 차의 최대값을 산출하는 단계;
    상기 입력 영상의 상기 각 블럭 화소 데이타와 상기 메모리에 저장된 이전 영상의 화소 데이타를 사용하여, 상기 입력 영상의 상기 각 블럭의 이전 영상에 대한 움직임 벡터를 검출하는 단계;
    검출된 상기 움직임 벡터에 기초하여 상기 입력 영상의 움직임 판단을 위한 임계값을 추정하는 단계; 및
    상기 이전 영상과 입력 영상의 블럭 단위 특징 값의 차의 최대값과 상기 추정된 임계값을 비교함으로써, 상기 입력 영상에 대한 움직임 여부를 판단하는 단계
    를 포함하는 움직임 검출 방법.
  2. 제1항에 있어서, 상기 입력 영상의 각 블록 단위의 화소 데이타 특징 값을 산출하여, 산출된 각 블럭 단위의 특징 값을 상기 복수개의 화소 데이타와 함께 메모리에 저장하는 상기 단계는,
    상기 입력 영상에 대하여 움직임 여부를 검출하고자 하는 영역의 위치 정보를 입력하는 단계;
    상기 위치 정보를 사용하여 상기 입력 영상의 복수개의 화소 데이타중 상기 위치 정보에 해당하는 영역의 유효 화소 데이타만을 추출하는 단계; 및
    상기 추출된 유효 화소 데이타를 소정 크기의 블록 단위로 분할하여 각 블록 단위의 화소 데이타 특징 값을 산출하고, 산출된 각 블럭 단위의 특징 값을 상기 추출된 유효 화소 데이타와 함께 메모리에 저장하는 단계
    를 포함하는 움직임 검출 방법.
  3. 제1항 또는 제2항에 있어서, 상기 블럭 단위의 특징 값은 화소 데이타의 블럭 평균 및 화소 데이타의 블럭 표준 편차중 하나인 움직임 검출 방법.
  4. 제3항에 있어서, 상기 임계값을 추정하는 단계는,
    상기 움직임 벡터에 기초하여 상기 입력된 현재 영상의 각 블럭을 움직임이 존재하는 움직임 블럭과 움직임이 없는 배경 블럭으로 분류하는 단계;
    분류된 배경 블럭의 상기 블럭 단위 특징값의 차이 값에 대한 확률 분포를계산하는 단계;
    상기 배경 블럭의 누적 확률 분포가 소정 값보다 크게 되도록 하는 상기 블럭 단위 특징값의 차이의 최소값에서 1을 뺀 값 Min과 상기 임계값의 기준 값을 비교하는 단계; 및
    상기 값 Min이 상기 임계값의 기준 값보다 큰 경우에는 전체 블럭의 개수중 배경 블럭으로 분류된 블럭의 개수가 차지하는 비율이 일정 비율을 초과하는 지를 판단하여 그 판단 결과 배경 블럭의 개수가 전체 블럭의 개수의 일정 비율을 초과하는 때에만 상기 산출된 배경 블럭의 확률 분포를 이용하여 상기 임계값을 새로운 값으로 조정하고 배경 블럭의 개수가 전체 블럭의 개수의 일정 비율 이하일 경우에는 이전의 임계값을 현재의 임계값으로 제공하며, 상기 값 Min이 상기 임계값의 기준 값보다 크지 않은 경우에는 상기 값 Min에 상기 기준 값을 더한 값을 최종적인 임계값으로 제공하는 단계
    를 포함하는 움직임 검출 방법.
  5. 제4항에 있어서, 상기 배경 블럭의 누적 확률 분포에서의 상기 소정 값은 0.9인 움직임 검출 방법.
  6. 제5항에 있어서, 상기 임계값의 기준값은, 상기 블럭 단위의 특징 값이 블럭 평균인 경우에는 2이고, 상기 블럭 단위의 특징 값이 블럭 표준 편차인 경우에는 4인 움직임 검출 방법.
  7. 제4항에 있어서, 상기 배경 블럭으로 분류된 블럭의 개수가 전체 블럭중 차지하는 일정 비율은 50 %로 설정되고, 이를 초과할 경우의 새로운 임계값으로의 조정은 다음 수식,
    Th(t) = 0.5 * Min+ 0.5 * Th(t-1)
    에 따라 이루어지되, 여기서 Th(t) 및 Th(t-1)은 각각 현재 영상과 이전 영상에 대한 임계값인 움직임 검출 방법.
  8. 제4항에 있어서, 상기 움직임 벡터는 블럭 정합 움직임 추정 방법을 통해 계산되는 움직임 검출 방법.
  9. 제8항에 있어서, 상기 블럭 정합 움직임 추정은, 현재 영상과 이전 영상간의 대응되는 블럭을 찾기 위한 비교값으로 MSE (Mean Square Error)를 사용하고, FS (Full Search) 알고리즘을 사용하여 16 x 16 블럭 단위로 상기 움직임 벡터를 구하는 움직임 검출 방법.
  10. 복수개의 화소 데이타로 구성된 디지탈 입력 영상 신호의 움직임 여부를 검출하기 위한 장치에 있어서,
    사용자로부터 입력된 윈도우 설정 정보를 기억하기 위한 수단;
    상기 기억 수단으로부터 상기 윈도우 설정 정보를 판독하여, 이를 기초로 상기 디지탈 입력 영상 데이타중 상기 윈도우 설정 정보에 해당하는 윈도우 영역내의 유효 화소 데이타를 추출하기 위한 수단;
    상기 추출된 유효 화소 데이타를 소정 크기의 블럭 단위로 더하여 그 평균값을 산출하기 위한 수단;
    상기 추출된 유효 화소 데이타와 상기 블럭 단위의 평균값을 저장하기 위한 수단;
    상기 저장 수단에 저장된 이전 영상의 블럭 단위의 평균값과 상기 입력 영상의 블럭 단위 평균값간의 차를 계산하기 위한 수단;
    상기 이전 영상과 입력 영상의 블럭 단위 평균값의 차이중 최대값을 산출하기 위한 수단;
    상기 입력 영상의 유효 화소 데이타와 상기 저장 수단에 저장된 이전 영상의 유효 화소 데이타를 사용하여 상기 입력 영상의 상기 윈도우 영역내의 각 블럭의 이전 영상에 대한 움직임 벡터를 검출하기 위한 수단;
    상기 검출된 움직임 벡터에 기초하여 상기 입력 영상의 움직임 판단을 위한 임계값을 추정하기 위한 수단; 및
    상기 이전 영상과 입력 영상의 블럭 단위 평균값의 차이의 최대값과 상기 임계값을 비교하여 상기 입력 영상에 대한 움직임 여부를 결정하기 위한 수단
    을 포함하는 움직임 검출 장치.
  11. 제10항에 있어서, 상기 디지탈 입력 영상 신호는 4 개의 카메라로부터의 입력 영상으로 이루어지고, 상기 윈도우 설정 정보 역시 상기 4개의 입력 영상에 대응하여 4 가지 윈도우 설정 정보로 이루어지되, 상기 움직임 검출 장치는,
    상기 4 개의 카메라로부터의 입력 영상을 다중화시키기 위한 채널 멀티플렉서를 더 포함하며, 상기 4 개의 카메라 영상 입력중 움직임 여부를 검출하고자 하는 채널 입력 영상과 이 채널에 해당하는 상기 윈도우 설정 정보는, 각각 상기 채널 멀티플렉서와 상기 윈도우 설정 정보를 기억하는 기억 수단에 인가되는 채널 ID에 의해 구분되는 움직임 검출 장치.
  12. 제10항에 따른 움직임 검출 장치를 4개 병렬로 연결하되, 상기 윈도우 설정 정보를 기억하기 위한 기억 수단 및 상기 입력 영상의 윈도우 영역내 유효 화소 데이타 및 블럭 단위 평균치를 저장하기 위한 저장 수단은 상기 4 개의 움직임 검출 장치가 공유하는 16 채널 움직임 검출 장치.
KR1020000006770A 2000-02-14 2000-02-14 영상 신호의 움직임 검출 장치 및 방법 KR100363732B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020000006770A KR100363732B1 (ko) 2000-02-14 2000-02-14 영상 신호의 움직임 검출 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020000006770A KR100363732B1 (ko) 2000-02-14 2000-02-14 영상 신호의 움직임 검출 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20010081373A true KR20010081373A (ko) 2001-08-29
KR100363732B1 KR100363732B1 (ko) 2002-12-05

Family

ID=19646127

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020000006770A KR100363732B1 (ko) 2000-02-14 2000-02-14 영상 신호의 움직임 검출 장치 및 방법

Country Status (1)

Country Link
KR (1) KR100363732B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100452097B1 (ko) * 2002-05-02 2004-10-12 주식회사 윈포넷 영상데이터의 변화값 추출을 이용한 영상데이터 저장방법
KR100481495B1 (ko) * 2001-09-25 2005-04-07 주식회사 코디소프트 중요도에 기초한 영상 신호 수집 장치 및 방법 및중요도에 기초하여 수집된 영상 신호의 압축 및 해제 장치및 방법
KR100610892B1 (ko) * 2005-01-18 2006-08-09 엘지전자 주식회사 플라즈마 디스플레이 패널의 화상처리 장치 및 화상처리방법
KR20160104793A (ko) * 2015-02-26 2016-09-06 중앙대학교 산학협력단 입력 영상에 대한 객체 검출 장치 및 방법
KR20240014869A (ko) * 2022-07-26 2024-02-02 주식회사 핀텔 실시간 영상에서 움직임이 없는 구간을 판별하는 임계값 산출방법, 장치 및 이에 대한 컴퓨터 프로그램

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101240924B1 (ko) 2011-12-27 2013-03-12 주식회사 유티솔 카메라를 이용한 동체 감지 센서 및 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2906865B2 (ja) * 1992-09-30 1999-06-21 松下電器産業株式会社 動き補償符号化装置
KR940017874A (ko) * 1992-12-30 1994-07-27 김주용 임계값을 이용한 구조 계층적 움직임 추정방법
JP2595875B2 (ja) * 1993-09-14 1997-04-02 日本電気株式会社 動画像信号の符号化方法およびその装置
JP2591441B2 (ja) * 1993-09-28 1997-03-19 日本電気株式会社 動画像信号の動ベクトル検出装置
JPH07177425A (ja) * 1993-12-17 1995-07-14 Canon Inc 動きベクトル検出装置
JPH08256337A (ja) * 1995-03-16 1996-10-01 Toshiba Corp 動画像符号化装置
KR970032136A (ko) * 1995-11-30 1997-06-26 배순훈 움직임 추정장치

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100481495B1 (ko) * 2001-09-25 2005-04-07 주식회사 코디소프트 중요도에 기초한 영상 신호 수집 장치 및 방법 및중요도에 기초하여 수집된 영상 신호의 압축 및 해제 장치및 방법
KR100452097B1 (ko) * 2002-05-02 2004-10-12 주식회사 윈포넷 영상데이터의 변화값 추출을 이용한 영상데이터 저장방법
KR100610892B1 (ko) * 2005-01-18 2006-08-09 엘지전자 주식회사 플라즈마 디스플레이 패널의 화상처리 장치 및 화상처리방법
KR20160104793A (ko) * 2015-02-26 2016-09-06 중앙대학교 산학협력단 입력 영상에 대한 객체 검출 장치 및 방법
KR20240014869A (ko) * 2022-07-26 2024-02-02 주식회사 핀텔 실시간 영상에서 움직임이 없는 구간을 판별하는 임계값 산출방법, 장치 및 이에 대한 컴퓨터 프로그램

Also Published As

Publication number Publication date
KR100363732B1 (ko) 2002-12-05

Similar Documents

Publication Publication Date Title
KR101861722B1 (ko) 비디오 데이터를 처리하는 방법과 이미지 처리 회로
US5654772A (en) Method for change detection in moving images
US5748231A (en) Adaptive motion vector decision method and device for digital image stabilizer system
US20080253617A1 (en) Method and Apparatus for Determining the Shot Type of an Image
US20060088191A1 (en) Video content understanding through real time video motion analysis
CN101141633A (zh) 一种复杂场景中的运动目标检测与跟踪方法
CN111723644A (zh) 一种监控视频遮挡检测方法及系统
CN106327488B (zh) 一种自适应的前景检测方法及其检测装置
US8923552B2 (en) Object detection apparatus and object detection method
JP4213035B2 (ja) オクルージョン領域を検出するオクルージョン検出器および方法
US5617149A (en) Apparatus and method for detecting scene changes using the difference of mad between image frames
US20060204036A1 (en) Method for intelligent video processing
KR100363732B1 (ko) 영상 신호의 움직임 검출 장치 및 방법
CN110728700B (zh) 一种运动目标追踪方法、装置、计算机设备及存储介质
JPH09252467A (ja) 移動体検出装置
Tao et al. Real-time detection and tracking of moving object
KR20060003321A (ko) 보안 감시 시스템의 물체 인식 장치 및 방법
US20100239019A1 (en) Post processing of motion vectors using sad for low bit rate video compression
Presti et al. Real-time object detection in embedded video surveillance systems
US20200065979A1 (en) Imaging system and method with motion detection
CN117095323A (zh) 一种提高实时视频目标检测性能的方法
JP4758272B2 (ja) 移動物体追跡装置及びプログラム
KR20100118811A (ko) 감시 카메라 시스템의 관리를 위한 장면 전환 검출 방법과 장면 전환 검출 신뢰도 산출 방법 및 소프트웨어
WO2020139071A1 (en) System and method for detecting aggressive behaviour activity
Song et al. Real-Time Background Estimation of Traffic Imagery Using Group-Based Histogram.

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: 20071123

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee