KR20080049473A - 회귀 인공신경회로망을 이용한 이동물체 검출방법 - Google Patents
회귀 인공신경회로망을 이용한 이동물체 검출방법 Download PDFInfo
- Publication number
- KR20080049473A KR20080049473A KR1020060120076A KR20060120076A KR20080049473A KR 20080049473 A KR20080049473 A KR 20080049473A KR 1020060120076 A KR1020060120076 A KR 1020060120076A KR 20060120076 A KR20060120076 A KR 20060120076A KR 20080049473 A KR20080049473 A KR 20080049473A
- Authority
- KR
- South Korea
- Prior art keywords
- neural network
- artificial neural
- moving object
- regression
- image
- Prior art date
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 35
- 230000001373 regressive effect Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/269—Analysis of motion using gradient-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 시계열 데이터를 처리하는 회귀 인공신경회로망을 이용한 이동물체 검출방법으로서, 대상물체를 촬영하여 이미지를 얻고, 상기 이미지에서 에지를 추출하고. 추출된 이미지를 압축하는 인공신경회로망의 입력신호 생성단계; 및 상기 인공신경회로망의 입력신호에 대한 시간정보를 기억하고, 조명조건의 변화 및 장애물에 의한 노이즈를 처리하고, 출력하는 인공신경회로망의 이동물체검출단계를 포함하는 회귀 인공신경회로망을 이용한 이동물체 검출방법에 관한 것이다.
따라서, 본 발명에 의하면 본 발명에 의하면 급격한 휘도 변화 등의 외부 환경에 대하여 영향을 적게 받고, 이동물체의 검출이 가능한 시계열 데이터를 처리하는 회귀 인공신경회로망을 통해 배경이나 대상물체의 급격한 이동과 급격한 휘도변화 등의 외부환경에 대하여 영향을 적게 받고, 이동물체의 정확한 검출이 가능할 뿐만 아니라, 부가된 시간정보를 기초로 하고 특정 움직임을 나타내는 물체를 추출하거나 노이즈로서 영상에서 제거하여 보다 정확하고, 효율적인 이동물체의 검출이 가능한 회귀 인공신경회로망을 이용한 이동물체 검출방법을 제공하는 효과를 갖는다.
이동물체 검출방법. 인공신경회로망.
Description
도1은 본 발명에 따른 회귀인공신경회로망을 이용한 이동물체 검출방법에 대한 인공신경 회로망을 개략적으로 나타낸 구성도.
도2은 본 발명에 따른 회귀인공신경회로망을 이용한 이동물체 검출방법의 입력패턴 생성단계를 개략적으로 나타낸 블럭도.
본 발명은 회귀 인공신경회로망을 이용한 이동물체 검출방법에 관한 것이다. 보다 구체적으로 본 발명은 다양한 화면으로 구성된 시계열 데이터 처리가 가능한 회귀 인공신경회로망을 이용한 이동물체 검출방법으로서, 이동물체의 진행상황, 크기변화에 따른 시간정보를 기억하고, 배경, 광량 등의 조명조건 변화, 장애물 또는 다른 이동물체에 의해 감춰지는 노이즈 배제를 통한 이동물체 검출방법에 관한 것이다.
또한, 입력된 이미지에서 에지를 추출하고, 압축하여 인공신경회로망의 입력신호를 얻고, 회귀 인공신경회로망을 이용하여 이동물체를 자동으로 검출하고, 이에 대한 영상정보를 검출하여 방범, 경비, 범죄예방 등에 다양하게 이용할 수 있는 검출방법에 관한 것이다.
일반적으로 인간은 시각에 따라 정보를 입력받고, 이를 처리하는 경우 시야 내에 있는 물체의 움직임이나 광학적인 상태변화 등과 시간적인 변동을 통합적으로 분석한다. 또한, 인간의 정보처리 능력은 오감에 의한 감지와 뇌에 의한 정보 분석, 통합, 변환 등의 처리에 의해 다양한 사물, 현상의 인식 및 판별이 가능하다. 이와 같은 인간의 정보처리는 컴퓨터에 의한 단순계산과는 전적으로 다른 차원의 기능이고 현실의 복잡한 문제를 해결하는데 필수불가결한 요소이다.
이에 반하여, 컴퓨터를 통한 자동인식은 한 개의 접근유형으로 신경 세포의 수치모델을 회로망으로 결합하고, 인간의 뇌가 실현할 정보처리를 회로망에 대한 입력에서 출력으로 변환한다는 관점으로 인공신경회로망의 접근이 시작된다. 이는 필터링과 판별함수가 조합되어 인식하는 파라메트릭 접근과는 다른 방법으로서, 학습을 통해 인식모델을 획득하기 위해 데이터에 대한 전제지식을 필요로 하지않고, 단순하게 보이지만, 원하는 결과를 얻기 위해선 설계가 복잡하다는 문제가 있다.
또한, 인간의 시각정보처리시스템을 영상 감시시스템에 기계적으로 응용하여 적용할 경우, 기존 영상처리 시스템으로 사용하는 정보에 더하여 시간정보를 추가하여 구현된다.
그리고, 정지영상의 인식은 영상인식 시스템의 관점에서 볼 때, 기본적이고 보다 복잡한 인식은 겹쳐 쌓아서 실현할 수 있다. 그러나 사람은 특수한 상황에서 이와 같은 인식을 하지만 보다 일반적으로는 자기 자신 또는 시계내의 물체가 이동하는 상황에서 동영상으로 인식을 하고 있다. 동영상은 정지영상에 대하여 시간 방향의 변화를 수반한다. 어플리케이션으로 동영상을 다루는 경우, 이 시간 변화를 적극적으로 이용하는 경우가 많다.
예를들면, 어떤 특정한 움직임을 수반하는 물체만을 인식하는 경우이다. 인간이 실현하는 동적인 영상 인식의 능력을 모방하기 위한 한가지의 접근 방법으로는 시간적으로 변화하는 입력을 할 수 있는 인공신경회로망을 이용하는 것을 고려할 수 있다. 이제까지 영상처리 연구에 있어서는 동영상에 내재하는 대상물체의 움직임을 적극적으로 처리하는 연구는 아직도 적고, 오히려 시간적 공간적인 변화를 제외하는 것을 전제하고 있다.
결국, 이동물체의 인식 분야에 있어 촬영장치인 CCD 카메라가 영상센서로서의 환경인식은 레이더나 레이저에 의한 거리측정보다 정보량이 월등히 많고, 이동물체 검출만이 아닌 그 주위 환경도 판단재료에 포함됨에 따라 고도의 환경분석이 요구된다. 또한 대상물체의 이동이나 조명조건, 날씨변화에 의한 정밀한 인식성능이 요구된다. 이는 전적으로 동영상 중의 시간 변화로서 나타나고 미세한 변화의 경우 그 변화를 노이즈로 처리할 수 있지만 변화가 무시할 수 없는 정도의 경우는 이들에 대응하기 위한 특별한 검출방법이 요구된다.
따라서 본 발명은 상기의 제반 문제점을 해결하기 위하여 제안된 것으로서, 본발명의 목적은 회귀인공 신경 회로망을 이용함으로써, 대상물체의 급격한 이동과 외부환경의 변화에도 많은 영향을 받지 않고, 대상물체의 정확한 검출이 가능한 회귀인공신경회로망을 이용한 이동물체 검출방법을 제공하기 위한 것이다.
본 발명의 다른 목적은 부가된 시간정보를 기초로 하고 특정 움직임을 나타내는 물체를 추출하거나 노이즈로서 영상에서 제거하여 보다 정확하고, 효율적인 이동물체의 검출이 가능한 회귀인공신경회로망을 이용한 이동물체 검출방법을 제공하기 위한 것이다.
본 발명의 또 다른 목적은 시계열 데이터를 학습하는 것이 가능한 회귀 인공신경 회로망을 이용한 이동물체 검출방법을 통하여 태양 광량에 따른 급격한 휘도 변화, 조명 조건의 변화 등의 외부환경에 많은 영향을 받지 않을 뿐만 아니라, 효율적이고 정확한 이동물체의 검출이 가능한 회귀 인공신경회로망을 이용한 이동물체 검출방법을 제공하기 위한 것이다.
상기와 같은 목적을 달성하기 위하여, 본 발명은 시계열 데이터를 처리하는 회귀 인공신경회로망을 이용한 이동물체 검출방법으로서, 대상물체를 촬영하여 이미지를 얻고, 상기 이미지에서 에지를 추출하고. 추출된 이미지를 압축하는 인공신경회로망의 입력신호 생성단계; 및 상기 인공신경회로망의 입력신호에 대한 시간정보를 기억하고, 조명조건의 변화 및 장애물에 의한 노이즈를 처리하고, 출력하는 인공신경회로망의 이동물체검출단계를 포함하는 회귀 인공신경회로망을 이용한 이동물체 검출방법을 제공한다.
시간적으로 변화하는 정보를 처리하는 시스템은 각 시점의 정보를 분할하여 개별로 처리하는 것을 반복하는 경우와 시계열 정보의 시간적인 관계를 그대로 처리하는 경우의 2종류로 구분되고, 본 발명은 시계열 데이터를 양으로 처리하는 기구를 구비하고, 상기 기구에 의해 시간적인 변화를 고려하여 검출가능한 검출기를 통해, 과거 상태변이에 의존한 출력이 얻어진 인공 신경회로망을 통해 출력신호의 피드백에 의해 시간변화를 기억한다.
이하, 본 발명에 따른 회귀 인공신경 회로망을 이용한 이동물체 검출방법의 바람직한 구체예에 대한 구성, 기능 및 효과에 대하여 상세하게 설명한다.
도1은 본 발명에 따른 회귀 인공신경 회로망을 이용한 이동물체 검출방법에 대한 인공신경 회로망을 개략적으로 나타낸 구성도이고, 도2은 본 발명에 따른 회귀 인공신경 회로망을 이용한 이동물체 검출방법의 입력패턴 생성단계를 개략적으로 나타낸 블럭도이다.
도면에 나타낸 바와 같이, 이동물체를 촬영하여 이미지를 얻고, 상기 이미지에서 에지를 추출한다. 다음으로 추출된 이미지를 압축하여 인공신경회로망의 입력신호를 얻는다. 상기 인공신경회로망의 구성은 도1에 나타낸 바와 같고, 각 장치는 Additive Net라고 불리는 미분방정식을 통해 구현된다.
(수학식 1)
상기 수학식 1에 있어 는 각각 i번째 장치에 있는 내부 상태, 장치 출력, 시간지연 계수, 외부입력, 시그모이드 함수를 나타낸다. 그리고, 는 장치 에서 로의 결합 하중을 나타낸다. 교사부속장치에는 교사신호가 주여져 이들의 집합을 로 표시한다. 오차 는 대상검출 개시시각에서 종료시각 간의 오차 2승 적분으로 평가한다.
본 발명에 따른 인공신경회로망에 의한 대상검출은 Back Propagation Through Time을 적용한다.
(수학식 2)
또한, 인공신경회로망에서의 입력신호는 로우패스필터로 원영상(720×480 Pixel)의 에지를 추출한 후 1/10로 압축한 것을 이용한다. 따라서 입력장치 수는 3456(72×48)이 된다. 감춰진 장치수는 48~128 범위에서 변화시켜 검출한다. 교사 부속장치 수는 입력장치와 동일한 수로 한다. 결합하중은 검출전에 [-1.0~1.0] 범위의 난수로 초기화한다.
이동물체 검출에 사용하는 데이터는 사용할 장소에서 촬영한 것을 사용한다. 촬영데이터는 720×480화소에서 256단계로 양자화된다. 즉, 검출데이터로서 2355 프레임을 선택하여 사용한다. 검출패턴에서 이동물체나 움직임별로 10~20개의 시계열 데이터 세트를 준비한다. 그러나 움직이는 패턴이 다르기 때문에 각 데이터 세트의 프레임 수는 다른 것으로 한다. 교사패턴은 사전 조사에 의해 이동물체에 인접한 직사각형 영역으로 추출한 영역을 “1”, 이것 이외의 영역을 “0”으로 되도록 작성한다. 최적이라고 생각되는 검출회수를 결정하기 위해서 아래의 식을 이용한다.
(수학식 3)
상기, 수학식 (3)의 은 각각 교사부속 장치에서, 이상의 출력영역, 교사신호에서 이동물체 영역, 데이터 프레임 수를 나타낸다. 가 가장 작게 되도록 검출회수를 최적 검출회수로 정의한다. 그리고, 상기 수학식 (3)에서 이동물체 영역에 대한 인공신경회로망의 반응을 충분히 판정할 수 없기 때문에 이동물체 검출의 합격, 불합격 판정에는 하기의 판정식을 이용한다.
(수학식4)
이와 같은 방법으로, 이동물체는 회귀 인공신경회로망을 통해 보다 정확하고 효율적으로 검출할 수 있다. 또한 상기 검출된 자료는 방범, 경비, 범죄예방 등에 다양하게 이용할 수 있다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의하여 한정되는 것이 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하다는 것이 본 발명이 속하는 분야에서 통상의 지식을 가진 자에게 있어서 명백할 것이다.
본 발명에 의하면 급격한 휘도 변화 등의 외부 환경에 대하여 영향을 적게 받고, 이동물체의 검출이 가능한 시계열 데이터를 처리하는 회귀 인공신경회로망을 통해 배경이나 대상물체의 급격한 이동과 급격한 휘도변화 등의 외부환경에 대하여 영향을 적게 받고, 이동물체의 정확한 검출이 가능할 뿐만 아니라, 부가된 시간정보를 기초로 하고 특정 움직임을 나타내는 물체를 추출하거나 노이즈로서 영상에서 제거하여 보다 정확하고, 효율적인 이동물체의 검출이 가능한 회귀인공신경회로망을 이용한 이동물체 검출방법을 제공하는 효과를 갖는다.
Claims (5)
- 시계열 데이터를 처리하는 회귀 인공신경회로망을 이용한 이동물체 검출방법으로서,대상물체를 촬영하여 이미지를 얻고, 상기 이미지에서 에지를 추출하고. 추출된 이미지를 압축하는 인공신경회로망의 입력신호 생성단계; 및상기 인공신경회로망의 입력신호에 대한 시간정보를 기억하고, 조명조건의 변화 및 장애물에 의한 노이즈를 처리하고, 출력하는 인공신경회로망의 이동물체검출단계를 포함하는회귀 인공신경회로망을 이용한 이동물체 검출방법.
- 제1항에 있어서,상기 인공신경회로망의 이동물체검출단계는출력된 신호를 판정하는 단계를 더 포함하는회귀 인공신경회로망을 이용한 이동물체 검출방법.
- 제1항에 있어서,상기 인공신경회로망의 이동물체검출단계는출력된 신호를 피드백하는 단계를 더 포함하는회귀 인공신경회로망을 이용한 이동물체 검출방법.
- 제1항에 있어서,상기 인공신경회로망의 입력신호는 72×48 픽셀의 압축된 신호인회귀 인공신경회로망을 이용한 이동물체 검출방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020060120076A KR20080049473A (ko) | 2006-11-30 | 2006-11-30 | 회귀 인공신경회로망을 이용한 이동물체 검출방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020060120076A KR20080049473A (ko) | 2006-11-30 | 2006-11-30 | 회귀 인공신경회로망을 이용한 이동물체 검출방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20080049473A true KR20080049473A (ko) | 2008-06-04 |
Family
ID=39805250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020060120076A KR20080049473A (ko) | 2006-11-30 | 2006-11-30 | 회귀 인공신경회로망을 이용한 이동물체 검출방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20080049473A (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013111973A1 (ko) * | 2012-01-27 | 2013-08-01 | 한국과학기술원 | 시각신경 회로장치, 시각신경 회로장치를 이용한 시각신경 모방시스템 및 객체탐색 시스템 |
US10558870B2 (en) | 2016-11-08 | 2020-02-11 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
-
2006
- 2006-11-30 KR KR1020060120076A patent/KR20080049473A/ko not_active Application Discontinuation
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013111973A1 (ko) * | 2012-01-27 | 2013-08-01 | 한국과학기술원 | 시각신경 회로장치, 시각신경 회로장치를 이용한 시각신경 모방시스템 및 객체탐색 시스템 |
US9286566B2 (en) | 2012-01-27 | 2016-03-15 | Korea Advanced Institute Of Science And Technology | Visual cortical circuit apparatus, visual cortical imitation system and object search system using visual cortical circuit apparatus |
US9798971B2 (en) | 2012-01-27 | 2017-10-24 | Korea Advanced Institute Of Science And Technology | Visual cortical circuit apparatus, visual cortical imitation system and object search system using visual cortical circuit apparatus |
US10558870B2 (en) | 2016-11-08 | 2020-02-11 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
US10878257B2 (en) | 2016-11-08 | 2020-12-29 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Benoit et al. | Using human visual system modeling for bio-inspired low level image processing | |
WO2020078229A1 (zh) | 目标对象的识别方法和装置、存储介质、电子装置 | |
CN104378582B (zh) | 一种基于ptz摄像机巡航的智能视频分析系统及方法 | |
RU2393544C2 (ru) | Способ и устройство для обнаружения пламени | |
CN106897720A (zh) | 一种基于视频分析的烟火检测方法及装置 | |
US8922674B2 (en) | Method and system for facilitating color balance synchronization between a plurality of video cameras and for obtaining object tracking between two or more video cameras | |
Deng et al. | Amae: Adaptive motion-agnostic encoder for event-based object classification | |
CN103905727B (zh) | 被摄体区域跟踪设备及其控制方法 | |
Yu et al. | Hebbian-based neural networks for bottom-up visual attention and its applications to ship detection in SAR images | |
Parveen et al. | A motion detection system in python and opencv | |
CN111126293A (zh) | 一种火焰和烟雾异常情况检测方法及系统 | |
CN112767645B (zh) | 一种烟雾识别方法及装置、电子设备 | |
US20180173982A1 (en) | System and method for 1d root association providing sparsity guarantee in image data | |
CN111860457A (zh) | 一种斗殴行为识别预警方法及其识别预警系统 | |
KR20210136857A (ko) | 넓은 범위의 광 강도를 갖는 장면에서 객체 검출을 하기 위한 뉴럴 네트워크의 사용 | |
Hermina et al. | A Novel Approach to Detect Social Distancing Among People in College Campus | |
Pornpanomchai et al. | Vehicle detection and counting from a video frame | |
Saputra et al. | Face detection and tracking using live video acquisition in camera closed circuit television and webcam | |
Wiederman et al. | Biologically inspired feature detection using cascaded correlations of off and on channels | |
Pornpanomchai et al. | Object detection and counting system | |
KR20080049473A (ko) | 회귀 인공신경회로망을 이용한 이동물체 검출방법 | |
Kumar et al. | Computer vision-based early fire detection using machine learning | |
Aji et al. | Infrared image analysis for human face recognition | |
JP7372391B2 (ja) | 入力データにおける異常を検知するための概念 | |
CN112183310B (zh) | 冗余监控画面过滤及无效监控画面筛选的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
WITN | Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid |