KR20070082078A - 이동 가중치와 잔여 배경영상 예측 비교법을 통한 영상추적 기법 - Google Patents

Abstract

본 발명은 영상 검지기의 기본 알골리듬 중에서 그림자 제거 방법에있어서 화소의 방향성 과 잔여 배경영상 비교를 통해 그림자를 제거 하는 알골리듬을 이용한 영상 검지기에 관한 것이다.

화소의 방향성이란 연속적인 영상속에 이동물체의 각각의 화소는 다음 프레임과 프레임사이에 미세한 좌표 변화치를 가지고 있으며 동일한 영상이 가지는 이러한 변화치를 벡터라고 한다. 본 발명은 영상 검지기 의 기본 알골리듬 중 그림자를 제거하는 기법에 있어 화소의 방향성과 동일 방향성내 배경영상을 투영하여 그림자 부분을 결정짓고 이를 제거 하여 보다 정확하게 차량을 검지 할수있는 영상 검지기에 관한 것 이다.

영상으로 차량을 검지하는 방법에서 그림자의 제거 기술은 물체를 추적하여 정확한 위치를 선정 하는데 있어서 매우 중요한 기법 중 하나이며 기존의 예측 알골리듬보다 물체의 방향성과 잔여 배경영상을 비교하는 방법은 모호한 배경영상으로부터 정확한 차량의 부분지점 및 형태를 파악할수 있다.

영상검지기, 그림자 제거, 영상추적, ITS

Description

이동 가중치와 잔여 배경영상 예측 비교법을 통한 영상 추적 기법{Vehicle Tracking System using Compare Background Vector Weight.}

도 1은 본 발명에 있어 전체적인 순서도

도 2는 본 발명에 사용되는 이동가중치 와 잔여 영상 배경 비교를 설명한그림

도 3 은 본 발명을 이용한 영상검지시스템의 구성도

[문헌1] 영상을 이용한 차량검지 및 번호판인식에 관한 연구보고서(최종) 건축도시연구정보센터

[문헌2] 차량 탐지 정보를 이용한 영상 검지기의 배경 영상 생성 방법 게제 학회명 한국항행학회

본 발명은 영상을 이용해 차량을 검지하여 교통 정보를 산출하는 장비에 있어서 그림자 제거에 관한 방법중 이동 상관계수와 예측 배경영상 제거를통해 그림자부분을 효과적으로 제거하는 방법에 관한 것이다.

차량을 영상으로 검지하는 장비는 교통량을 측정하는데 있어서 매우 유용하게 사용 되고 있다 차량의 검지 방법중 도로면을 굴착하지 않고 단지 영상만으로 차량을 검지 하는 방법은 도로면의 파손을 줄여 도로의 수명을 연장하며 다차선 다방향 검지 방법을 채택하여 비용의 절감 효과와 영상을 통한 폭넓은 교통정보를 산출할 수가 있는 것이다.

일반적인 영상검지기술은 다음과 같다.

차량의 정보를 산출하는데 있어서 도 3 의 (가) 와같이 차량의 정보를 추출하기 위한 배경영상에 대한 선행 학습을 해야 한다 차량의 배경영상은 일반적으로 차량이 진입하지 않은 시점의 영상을 연속 이미지 즉 시계열 에 따른 정보를 계속해서 누적하여 배경영상으로 사용하는 것이다 이와 같이 배경영상으로 사용하는 정보는 영상 처리를 거치거나 혹은 영상처리 (이하 전처리과정)를 거치지 않고 여러 가지 기법이 동원이 되는데 근본적으로 영상의 배경을 수집하여 진입하는 물체를 보다 정확히 추출하려 함이다.

이동 물체 (이하 차량)를 검지하여 이를 기반으로 단위 시간당 차량의 이동거리를 도 3 의 (나) 기반으로 주행속도 및 차 간 거리를 산출할수 있으며 또한 배경영상의 기준 거리로 차량의 위치 및 차종( 도 3 의 (다) )을 검출 할 수가 있는 것이다.

전처리 과정의 중요성은 차량의 정확한 크기및 형태를 추출하지 못하면 차량의 주행정보 의 신뢰성이 떨어지는 문제점이 있다.

차량의 그림자가 미치는 영향은 다음과 같은 문제점을 수반한다.

먼저 차량의 형태의 오차는 차종의 오차와 차량 주행속도 에대한 오차율을 가져올수가 있는것이다.

본 발명은 상기와 같이 그림자 영역 제거가 완벽히 이루어 지지 않으므로 발생할수 있는 오차율을 시계열 배경영상의 비교치와 이동가중치에 따른 백터 보정 계수로 그림자 영역을 완벽히 제거 할 수 있는것 에 그 목적이 있다.

영상의 입력 진행치는 각각의 프레임으로 구성이 되며 프레임과 프레임은 NTSC 규격에 의해 Even Odd Frame 이 비월 주사 방식으로 구성하고 있다 따라서 동일 화면은 이원화 되어 있는 영상을 가지고 있으며 각각의 프레임간에 이동 벡터에 대한 정보가 있는 것이다[도2 가]. 따라서 본 발명은 그림자 성분이 보유하고 있지 않은 물체의 이동 정보를 배경 영상의 백터 보정 계수[도 2 나]와 비교하여 제거하여 정확한 실제 차량 영상을 취득 하는 것이 그 목적이다.

그러나 우선시 되는 부분은 그림자 영역의 제거 에 있어서 그림자를 판별하는 그림자 외과선의 이동정보는 실 물체의 이동 정보와 동일 하기 때문에 배경영상과 이동 물체내의 고 주파수 영역대를 분류하여 이를 그림자의 실제 영역인가 아닌가 하는 부분에 그 목적이 있는것이다.

이동 물체는 영상으로 나열했을때 시간적 편차를 가지고 좌표의 이동치를 가진다 이것을 벡터라 한다. 이러한 벡터는 이동물체의 영상의 전처리 과정에 따라 블록화 되며 실제 이동물체의 경우 블록화된 전처리 영상에 따라 벡터의 가중치가 증가 된다. 그러나 그림자와 흡사한 벡터 계수로는 차량의 천장이나 보닛과같은 부 분이 존재할수 있다 이러한 부분의 제거 방법으로 기존의 이동물체에 대한 벡터 변수 이외에 배경 영상과 차분 영상 사이에 변이 계수를 두어 실제 차량인지 혹 그림자 인것을 구별하는 것에 본 발명의 핵심 기술인것 이다.

도 1 의 (1) 번은영상 입력후 전처리 과정을 설명한것이다 전처리 과정은 현재 입력 되는 영상을 미분 의 통해 영상의 특이점을 찾기 위한 전처리 과정이다. 도 1의 (2)(3)은 전처리 과정을 통해 이동 가중치를 계산하여 배경영상과 배경영상내의 이동 가중치를 계산하여 다음프레임과 비교를 위해 저장하는 것이다.

도 1 의 (4)(5)(6)(7)은 배경영상으로부터 이동물체를 추출하여 이동 가중치를 부여 하는 것이다 이때 이동 가중치는 다음과 같다 .

V' 은 현재의 이동 가중치이며 각각 좌표당 배경 가중치를 V" 라한다 V" 는 현재의 이동가중치인 V' 으로부터 배경영상에 대한 BIAS 가중치인 V" 를 두어 실제 이동물체로부터 특이점이 감소된 그림자 영역을 제거하는 중요 변수가 되는 것이다.

도1 의 (8) 은 위와같은 방법으로 BLOCK 화된 물체로부터 임계수치를 적용하여 이동물체를 판별하고 이를 다음 영상에서 추적을 위해 라벨링을 거치를 과정인것이다. 이동물체나 물체의 판별이 임계치 미만의 경우 (9)(10)(11) 을 통해 다시한번 배경영상 정보로 재 학습이 되며 이동물체의 경우 그림자제거를 위한 배경영상으로부터 이동가중치와 선행 학습된 이동 물체의 특이점분석을 통해 그림자를 제거 하게 되는 것이다.

도 1 의 (16)(17)은 다음과 같은 방법을 통해 선행 학습이 된 영상의 특징점과 배경영상으로부터 그림자 후보군의 특이점을 찾아 그림자 부분을 제거한다.

V" 변수에 의해 특징점을 계산 한뒤 선행 학습이 된 차량의 정보를 각각의 블록에 대입하여 0 에 근사한 차량정보 를 찻아 낸다 F(b)xy 는 현재 이동 블록의 정보이며 F(p)xy이므로 기존의 선행 학습된 차량의 형태 정보 이다 이두 함수식의 결과치가 0 에 근접하면 진입된 차량 F(b) 는 해당 선행 학습된 차량의 교통정보인 F(p) 와 같다는 거이다 . 따라서 선행 학습된 차량의 크기및 차량의 형태로 그림자를 제거하여 보다 정확한 차량 의 형태를 추출할수 있다.

도 1 의 18번에서와 같은 처리를 위와 같이 수행을 하면 도 1 의 (19) 과 같이 영상의 재조정을 하여 차량의 형태를 정확하게 유출 할수 있는 것이다.

영상 검지기의 알골리듬 중에서 지점 교통 정보를 산출하거나 목표물 추적 기법을 이용한 알골리듬 중 가장 중요한 핵심 알골리듬은 대상 물체 즉 정보를 추출하는 기법에 있다 정보를 추출하는 기법에는 배경영상과 단순비교하여 배경영상의 변화치에 임계치값을 적용하여 이를 단순 변화가 있나 없나로 분류하는 방법과 실제 목표물 즉 이동 물체 자체를 추출하여 해당 값을 추적하는 방법이다.

이부분에서 가장 중요한 것은 대상 물체의 변화치를 추출하는 방법인데 중요한 변수로는 배경영상과 대상 물체의 그림자 영역을 들수 있다 배경영상의 변화치는 고정적인 항목이라 충분히 식별이 가능하지만 그림자 영역에서는 시계열 즉 관원의 이동치에 따라 그림자의 변화값이 틀리므로 그림자를 제거 하는 기법이 매우 중요한것이다.

잔여 영상의 이동 가중치와 대상물의 일반 변화치를 비교 삭제 하는 방법은 물체의 정확한 크기와 대상물체를 90％이상 식별할수 있으므로 보다 정확한 차량 교통 정보를 산출할수 있다.

또한 대상물체의 식별은 보안감시에 있어서 침입탐지시 유기적인 이동물체와 단순 접근물체를 확연히 식별할수 있으므로 오동작 경보 횟수를 줄여 보다 정확한 경보를 발생할수 있다.

이런한 물체의 식별능력은 예상 동작을 유출할수도 있으므로 보다 능동적인 대응을 할 수가 있다.

차량의 그림자를 제거 하는 방법에 있어서 현재 이동 가중치 뿐만 아니라 배경영상 의 가중치및 선행 학습된 변수를 이용할 경우 차량의 형태를 정확하게 파악할수 있으며 이를 통해 차량의 영상 검지 기법에 있어서 보다 정확한 교통 정보를 수집할수 가 있는것이다 교통정보는 차량의 주행속도및 차종 대기행렬과같은 정보를 말하는 것이다.

대상물체의 식별이라는 것은 접근 하는 물체가 처음목표로했던 물체인가를 결정 짓는 것이다 예를 들어 차량의 접근인지 또는 사람의 접근인지 혹은 단순히 지나가는 물체 공이나 혹은 피 감시물체를 말한다.

Claims (3)

1. 그림자의 제거 방법에 있어서 선행학습된 차량의 형태를 변수로 이용하는 방법.
2. 차량의 검지 방법에 있어서 이동 가중치의 변수에 배경영상의 미분 처리된 계수를 벡터 정보에 포함하여 그림자를 제거 하는 방법 .
3. 위와같은 알골리듬을 적용한 차량의 영상검지 시스템

Images