KR20090000177A - 실시간 이미지 검색 기능을 이용한 지능형 감시 방법 및시스템 - Google Patents

실시간 이미지 검색 기능을 이용한 지능형 감시 방법 및시스템 Download PDF

Info

Publication number
KR20090000177A
KR20090000177A KR1020070007541A KR20070007541A KR20090000177A KR 20090000177 A KR20090000177 A KR 20090000177A KR 1020070007541 A KR1020070007541 A KR 1020070007541A KR 20070007541 A KR20070007541 A KR 20070007541A KR 20090000177 A KR20090000177 A KR 20090000177A
Authority
KR
South Korea
Prior art keywords
image
risk
real
feature information
template
Prior art date
Application number
KR1020070007541A
Other languages
English (en)
Other versions
KR100916136B1 (ko
Inventor
장성하
박호현
박광순
안재천
Original Assignee
중앙대학교 산학협력단
(주)트루엔
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 중앙대학교 산학협력단, (주)트루엔 filed Critical 중앙대학교 산학협력단
Priority to KR1020070007541A priority Critical patent/KR100916136B1/ko
Publication of KR20090000177A publication Critical patent/KR20090000177A/ko
Application granted granted Critical
Publication of KR100916136B1 publication Critical patent/KR100916136B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

본 발명은 디지털 감시 시스템에 템플레이트(Template) 데이터베이스를 이용한 실시간 이미지 검색기술을 적용하여 감시 관리자의 효율적인 감시를 위한 지능형 감시 방법 및 시스템에 관한 것이다. 본 발명에 따른 실시간 이미지 검색을 이용한 지능형 감시 방법은 위험요소라고 판단되는 모양 및 장면이 담긴 템플레이트 이미지를 저장하여 템플레이트 이미지 데이터베이스를 구축하는 단계 및 상기 템플레이트 이미지 데이터베이스를 참조하여 감시 카메라에서 취득한 정지 영상의 위험도 등급을 판단하는 단계를 포함한다.
모양기반, 다차원 색인, 감시 카메라, 지능형

Description

실시간 이미지 검색 기능을 이용한 지능형 감시 방법 및 시스템{INTELLINGENT MONITORING METHOD AND SYSTEM USING REALTIME IMAGE SEARCH FUNCTION}
도 1은 본 발명의 일실시예에 있어서, 실시간 이미지 검색을 이용한 지능형 감시 방법 및 시스템의 개괄적인 모습을 도시한 도면이다.
도 2는 본 발명의 일실시예에 있어서, 실시간 이미지 검색을 이용한 지능형 감시 방법을 도시한 흐름도이다.
도 3은 본 발명의 일실시예에 있어서, 특징 정보 벡터를 추출하는 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일실시예에 있어서, 특징 정보 벡터를 추출하는 방법을 설명하기 위한 흐름도이다.
도 5는 본 발명의 일실시예에 있어서, 위험도를 분석하는 방법을 설명하기 위한 흐름도이다.
도 6은 본 발명의 일실시예에 있어서, 실시간 이미지 검색을 이용한 지능형 감시 시스템을 설명하기 위한 블록도이다.
도 7은 본 발명의 일실시예에 있어서, 특징 정보 벡터 추출부를 설명하기 위한 블록도이다.
도 8은 본 발명의 일실시예에 있어서, 위험도 분석부를 설명하기 위한 블록도이다.
<도면의 주요 부분에 대한 부호의 설명>
101: 감시 카메라
104: 비디오 아카이브
105: 감시 시스템 인터페이스
6100: 템플레이트 이미지 구축부
6200: 위험도 판단 관리부
6221: 특징 정보 벡터 추출부
6223: 위험도 분석부
본 발명은 디지털 감시 시스템으로부터 얻어진 영상에서 영상의 특징 정보를 이용한 위험도 판별 검색 방법에 관한 것으로, 영상에서 모양정보의 특징을 추출하여 그 데이터로 실시간 검색을 위한 색인 구축 방법 및 시스템에 관한 것이다.
정지 영상, 즉 이미지의 효율적인 검색을 위해 내용 기반 검색(content-based retrieval)은 필수적이다. 내용 기반 검색이란 이미지의 색상(color), 질감(texture), 형태(shape) 특징을 이용하여 질의(query) 이미지와 유사한 이미지를 검색하는 방법을 말한다. 그리고 이미지 정보(색상, 질감, 형태 특징)를 획득하는 과정을 '특징 추출(feature extraction)'이라 한다.
특징 추출은 이미지의 효율적인 검색, 관리, 저장 이외에도 이미지 database 구축 시 색인(indexing) 과정을 자동적으로 이루어지게 하기 위해 필요하다.
이미지의 특징을 보다 정확하게 추출하기 위해서는 이미지의 특성에 맞는 특징 추출 방법을 사용해야 한다. 감시 카메라로부터 얻어지는 이미지는 흑백이미지인 경우가 대부분이다. 따라서 색상을 이용해 이미지를 구별하기는 어렵다. 질감 역시 감시 카메라에서 얻어지는 이미지에서는 그 질감을 구분하기가 어려우므로 명확한 특징이 되지 못한다. 이와 같이, 색상과 질감은 감시 카메라 이미지의 명확한 특징이 되지 못한다. 결국 위험도 판별을 위한 특징 추출 방법으로 형태 특징 추출 방법이 요구된다.
정지 영상에서의 형태를 추출하는 방법은 다음의 조건을 만족해야 한다.
감시 카메라에 포착되는 거리에 상관없이 특징이 추출되어야 하므로 이미지의 크기에 상관없이 그리고 그 형태가 이미지의 위치에 상관없이 추출되어야 하며 형태의 회전 여부에 상관없이 같은 형태는 동일한 특징 값이 추출되어야 하므로 이미지의 방향에 독립적인 특징 추출 방법이 요구된다.
기존의 내용 기반 이미지 검색 시스템은 이미지의 질감, 형태 특징 보다는 색상 특징에 비중을 두어 원하는 이미지를 검색하고 있다. 이와 같은 시스템은 본 과제에서 목표로 하는 표적 이미지처럼 색상 정보가 부족한 이미지나 복잡한 형태의 이미지를 검색할 때 그 정확성은 급격히 떨어지게 된다. 그러므로 표적 이미지를 위한 내용 기반 이미지 검색은 효과적인 질감, 형태 특징 추출 방법이 요구된 다.
위의 조건을 만족하는 형태 기반 특징 추출 기법에서 얻어진 데이터의 특징은 일반 텍스트에서와 같이 특정한 하나의 값이 아니라 수십, 수백 혹은 그 이상의 값들의 나열 즉 벡터 데이터로 표현이 된다. 이는 기존의 텍스트 기반의 DBMS(Relational Database Management System)에 그 데이터를 저장하고 검색 방법을 적용할 수 없게 된다. 그렇기 때문에 멀티미디어 데이터만을 위한 저장과 검색이 방법이 필요하게 되고 그 중 검색 시스템의 질의응답 시간에 직결되는 멀티미디어 색인 구조는 그 성능이 기존의 텍스트 기반의 색인구조의 성능과 얼마나 가깝도록 하느냐는 것이 그 당면한 문제이다.
다차원 벡터에 대한 색인구조로 제안된 방법들은 상당히 많지만 아직까지 관계형 데이터베이스에서의 B+ 트리처럼 멀티미디어 데이터베이스에 널리 적용되는 색인 구조는 없는 실정이다. 색인구조로 제안된 대표적인 방법으로 R-tree, R*-tree, SS-tree, SR-tree 등의 데이터분할방법이 있다. 이것은 인접한 데이터들을 MBR(Minimum Bounding Rectangles) 혹은 MBS(Minimum Bounding Spheres)로 묶어서 B-tree와 같은 계층구조를 갖도록 해 놓은 방법이다.
그러나 이러한 데이터 분할 방법 색인 구조의 단점은 '차원의 저주(Cause of Dimensionality)'라 불리는 벡터의 차원이 높아지면 질수록 그 성능이 현저히 저하되는 것으로 어느 순간에는 색인구조를 쓰지 않고 순차검색을 이용하였을 때보다 성능이 좋지 않게 된다.
본 발명은 상술한 바와 같은 종래기술의 문제점을 해결하기 위해 안출된 것으로서, 감시 카메라의 정지 영상으로부터 모양 기반의 특징 추출 기법을 사용하여 얻은 특징 정보로 위험요소를 가진 물체나 장면의 이미지를 가지고 이미 구축되어 있는 템플레이트(template) 데이터베이스에서 실시간 다차원 색인을 이용한 검색으로 감시 영상에서의 위험도 등급의 판단을 제공하는 것을 목적으로 한다.
상기의 목적을 달성하고, 상술한 종래기술의 문제점을 해결하기 위하여, 본 발명의 일실시예에 따른 실시간 이미지 검색을 이용한 지능형 감시 방법은, 위험요소라고 판단되는 모양 및 장면이 담긴 템플레이트 이미지를 저장하여 템플레이트 이미지 데이터베이스를 구축하는 단계 및 상기 템플레이트 이미지 데이터베이스를 참조하여 감시 카메라에서 취득한 정지 영상의 위험도 등급을 판단하는 단계를 포함한다.
본 발명의 일측에 따르면, 상기 템플레이트 이미지 데이터베이스를 구축하는 단계는, 상기 템플레이트 이미지에서 특징 정보 벡터를 추출하는 단계, 상기 특징 정보 벡터를 이용하여 다차원 색인 구조를 구축하는 단계 및 상기 다차원 색인 구조, 상기 템플레이트 이미지 및 상기 특징 정보 벡터를 상기 템플레이트 이미지 데이터베이스에 저장하고 상기 특징 정보 벡터를 이용하여 군집화 작업을 시행하고 각 군집의 대표자를 선택하여 저장하는 단계를 포함한다.
본 발명의 다른 측면에 따르면, 상기 특징 정보 벡터를 추출하는 단계는, 상기 템플레이트 이미지를 모양 및 영역으로 분리시켜 이진 이미지의 형태로 추출하 는 단계, 상기 이진 이미지의 형태로 추출된 템플레이트 이미지를 이용하여 모양 기반 특징을 추출하는 단계 및 상기 추출된 모양 기반 특징의 벡터 차원을 줄여 추출하는 단계를 포함한다.
본 발명의 또 다른 측면에 따르면, 상기 감시 카메라에서 취득한 정지 영상의 위험도 등급을 판단하는 단계는, 상기 감시 카메라로부터 전송된 영상의 움직임을 이용하여 선택적으로 영상을 취득하고 상기 취득한 영상으로부터 정지 영상을 표본화하는 단계 및 상기 표본화된 정지 영상의 위험도 등급을 판단하는 단계를 포함한다.
본 발명의 또 다른 측면에 따르면, 상기 표본화된 정지 영상의 위험도 등급을 판단하는 단계는, 상기 표본화된 정지 영상의 특징 정보 벡터를 추출하는 단계, 상기 추출된 특징 정보 벡터를 이용하여 다차원 색인 구조를 통해 상기 템플레이트 이미지 데이터베이스로부터 템플레이트 이미지를 검색하는 단계 및 상기 검색 결과 얻어진 템플레이트 이미지를 추출한 후 상기 템플레이트 이미지를 상기 표본화된 정지 영상과 비교하여 위험도를 분석하는 단계를 포함한다.
본 발명의 또 다른 측면에 따르면, 특징 정보 벡터를 추출하는 상기 단계는, 상기 표본화된 정지 영상을 모양 및 영역으로 분리시켜 이진 이미지의 형태로 추출하는 단계, 상기 이진 이미지의 형태로 추출된 이미지를 이용하여 모양 기반 특징을 추출하는 단계 및 상기 추출된 모양 기반 특징의 벡터 차원을 줄여 추출하는 단계를 포함한다.
본 발명의 또 다른 측면에 따르면, 상기 위험도를 분석하는 단계는, 상기 추 출된 템플레이트 이미지와 상기 표본화된 정지 영상의 실제 유사도를 계산하는 단계, 상기 계산된 유사도를 군집 영역 별로 비교한 후 상기 군집 중에서 유사도가 가장 높은 군집을 검색하고 상기 유사도가 가장 높은 군집의 대표자와 상기 표본화된 정지 영상의 유사도를 계산하는 단계 및 상기 계산된 유사도를 이용하여 위험도를 판단하는 단계를 포함한다.
본 발명의 다른 실시예에 따른 실시간 이미지 검색을 이용한 지능형 감시 시스템은, 위험요소라고 판단되는 모양 및 장면이 담긴 템플레이트 이미지를 저장하여 템플레이트 이미지 데이터베이스를 구축하는 템플레이트 이미지 구축부, 감시 카메라로부터 전송된 영상의 움직임이 이전 영상과 비교하여 기준치 이상이면 상기 감시 카메라로부터 전송된 영상을 취득하고 상기 취득한 영상으로부터 표본화된 정지 영상을 생성시키는 정지 영상 취득부, 상기 표본화된 정지 영상의 위험도 등급을 분석하는 위험도 등급 판단부, 상기 위험도 판단이 이루어진 정지 영상에 대해서 상기 정지 영상이 감시 카메라로부터 취득된 시점부터 감시 카메라의 영상을 저장하는 비디오 아카이브 장치 및 상기 판단된 위험도 등급에 따라 해당 정보를 전송하는 감시 시스템 인터페이스 장치를 포함한다.
이하 첨부된 도면을 참조하여 본 발명에 따른 다양한 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일실시예에 있어서, 실시간 이미지 검색을 이용한 지능형 감시 방법 및 시스템의 개괄적인 모습을 도시한 도면이다.
위험도 판단 관리부(103)는 감시 카메라(101)에서 얻어지는 영상의 이전 프 레임과 현재 프레임의 비교를 통한 움직임을 포착하여 특정치 이상의 움직임이 포착되었을 때부터 모든 영상이 아닌 표본화(sampling)된 정지 영상의 정보를 이용하여 위험도를 판단한다.
위험도 판단 관리부(103)는 상기 표본화된 정지 영상의 위험도 판단을 위하여 상기 정지 영상과 비교되는 이미지를 템플레이트 이미지 데이터베이스(102)에서 검색한다. 위험도 판단 관리부(103)는 상기 표본화된 정지 영상과 상기 템플레이트 이미지 데이터베이스에서 선택된 이미지와 비교를 통하여 위험도 판단을 하며, 상기 위험도 판단이 이루어진 상기 정지 영상에 대해서 정지 영상이 취득된 그 시점부터 감시 카메라의 영상을 비디오 아카이브(104)에 저장한다.
실시간 이미지 검색을 이용한 지능형 감시 시스템은 위험도 판단 관리부(103)에서 위험도 등급이 판단되면 상기 위험도 등급을 분류하여 감시 시스템 인터페이스(105)로 전송하고, 감시 시스템 인터페이스(105)는 위험도 판단 관리부(103)에서 얻어진 위험도 등급에 따라 모니터에 경고를 표시하여 효율적인 감시 활동을 제공한다.
이하 도 2 내지 도 8을 통해 이러한 실시간 이미지 검색을 이용한 지능형 감시 방법 및 시스템에 대해서 더욱 자세히 설명한다.
도 2는 본 발명의 일실시예에 있어서, 실시간 이미지 검색을 이용한 지능형 감시 방법을 도시한 흐름도이다.
단계(S210)에서 실시간 이미지 검색을 이용한 지능형 감시 시스템은 위험도 등급 판단의 대상이 되는 템플레이트 이미지를 데이터베이스로 구축한다. 본 단 계(S210)에서 상기 지능형 감시 시스템은 세부적으로 단계(S211) 내지 단계(S213)를 수행할 수 있다.
단계(S211)에서 상기 지능형 감시 시스템은 가능한 위험요소라고 판단되는 물체 혹은 위협적인 장면에 대한 이미지를 대상으로 하여 상기 이미지로부터 영역 혹은 모양의 분리를 통한 모양 기반 특징 추출 방법을 사용하여 상기 이미지의 특징 벡터 정보를 추출한다. 이 경우, 상기 지능형 감시 시스템은 상기 템플레이트 이미지를 모양 및 영역으로 분리시켜 이진 이미지의 형태로 추출하고, 상기 추출된 이진 이미지를 이용하여 모양 기반 특징을 추출하여, 상기 모양 기반 특징의 벡터 차원을 줄여 추출할 수 있다.
이와 같은 단계(S211)에 대해서는 추후 도 3을 통해 더욱 자세히 설명한다.
단계(S212)에서 상기 지능형 감시 시스템은 데이터 분할 방식의 다차원 인덱스에 단계(S211)에서 전달된 축소된 특징 정보 벡터를 적용하여 색인을 구축한다. 이 경우, 상기 지능형 감시 시스템은 상기 이미지 특징 추출 과정에서 회전에 의한 방법 때문에 이미지의 방향성에 따라 특징 정보 값이 달라질 수 있으므로(rotation invariant) 상기 추출된 특징 정보들 중 하나를 선택하여 가장 큰 값을 참조값으로 삼아 색인을 다차원 색인 구조로 구축할 수 있다.
단계(S213)에서 상기 지능형 감시 시스템은 상기 추출된 특징 벡터와 템플레이트 이미지, 그리고 다차원 색인 구조를 상기 템플레이트 이미지 데이터베이스에 저장한다. 이 경우, 상기 지능형 감시 시스템은 상기 추출된 특징 벡터를 이용하여 군집화(Clustering) 작업을 시행하고 각 군집의 대표자(Representative)를 선택 하여 저장할 수 있다. 상기 군집화란, 데이터베이스의 구조형성에 있어 논리적으로 연관된 특징들을 서로 인접하게 집단화하는 것을 의미한다.
단계(S220)에서 상기 지능형 감시 시스템은 감시 카메라로부터 전송된 영상의 움직임을 이용하여 선택적으로 영상을 취득하고 상기 취득한 영상으로부터 정지 영상을 표본화한다. 본 단계(S220)에서 상기 지능형 감시 시스템은 세부적으로 감시 카메라로부터 영상을 전송 받는 단계(S221), 영상 움직임이 기준치 이상인지 판단하는 단계(S222) 및 표본화 단계(S223)를 수행할 수 있다.
좀 더 구체적으로, 상기 지능형 감시 시스템은 단계(S221)에서 감시 카메라로부터 얻어지는 영상의 이전 프레임과 현재 프레임의 비교를 통한 움직임을 포착하고, 단계(S222)에서 상기 비교 결과 기준치 이상의 움직임이 포착되었을 때에는 단계(S223)에서 표본화를 수행하여 상기 포착된 순간부터 모든 영상이 아닌 표본화(Sampling)된 정지 영상을 위험도 등급 판단에 사용한다. 반대로, 상기 지능형 감시 시스템은 이전 프레임과 현재 프레임의 비교를 통한 움직임이 기준치 이상이 아닐 때에는 이상의 과정을 처음부터 반복 수행한다.
단계(S230)는 상기 지능형 감시 시스템은 단계(S220)에서 전달된 표본화된 정지 영상의 위험도 등급을 판단한다. 본 단계(S230)에서 상기 지능형 감시 시스템은 세부적으로 단계(S231) 내지 단계(S233)를 수행할 수 있다.
단계(S231)에서 상기 지능형 감시 시스템은 단계(S220)에서 표본화된 정지 영상을 대상으로 하여 상기 정지 영상으로부터 영역 혹은 모양의 분리를 통한 모양 기반 특징 추출 방법을 사용하여 상기 이미지의 특징 정보 벡터를 추출한다.
이 경우, 상기 지능형 감시 시스템은 상기 표본화된 정지 영상을 모양 및 영역으로 분리시켜 이진 이미지의 형태로 추출하고, 상기 추출된 이진 이미지를 이용하여 모양 기반 특징을 추출하여, 상기 모양 기반 특징의 벡터 차원을 줄여 추출할 수 있다.
이와 같은 단계(S231)에 대해서는 추후 도 4를 통해 더욱 자세히 설명한다.
단계(S232)에서 상기 지능형 감시 시스템은 단계(S231)에서 추출된 상기 축소된 특징 정보 벡터를 질의 특징 벡터로 하여 앞서 단계(S212)를 통하여 구축된 다차원 색인을 이용한 비교를 통해, 상기 질의 특징 벡터와 유사도가 가장 높은 특징 정보를 가진 이미지를 템플레이트 이미지 데이터베이스로부터 검색한다.
단계(S233)에서 상기 지능형 감시 시스템은 단계(S232)에서 상기 검색 결과 얻어진 템플레이트 이미지를 상기 템플레이트 이미지 데이터베이스로부터 추출한 후 상기 추출한 이미지를 단계(S220)에서 표본화된 정지 영상과 비교하여 위험도를 분석한다.
이 경우, 상기 지능형 감시 시스템은 상기 추출된 템플레이트 이미지와 상기 표본화된 정지영상의 실제 유사도를 계산하고, 상기 계산된 유사도를 군집 영역 별로 비교한 후 상기 군집 중에서 유사도가 가장 높은 군집을 검색하고 상기 유사도가 가장 높은 군집의 대표자와 상기 표본화된 정지영상의 유사도를 계산하여, 상기 계산된 유사도를 이용하여 위험도를 판단할 수 있다.
이와 같은 단계(S233)에 대해서는 추후 도 5를 통해 더욱 자세히 설명한다.
단계(S240)에서 상기 지능형 감시 시스템은 상기 위험도 등급 판단이 이루어 진 이미지, 즉 표본화된 정지 영상에 대해서 상기 정지 영상이 취득된 그 시점부터 감시 카메라의 영상을 비디오 아카이브에 저장한다.
단계(S250)에서 상기 지능형 감시 시스템은 단계(S230)에서 결정된 군집 대표자와 상기 표본화된 정지 영상의 유사도를 이용하여 미리 결정된 유사도에 따라 나누어진 위험도 등급 분류를 이용하여 상기 위험도 등급을 감시 시스템 인터페이스로 전송한다. 이로 인하여, 상기 지능형 감시 시스템은 상기 결정된 위험도 등급에 따라 모니터에 경고를 표시하여 효율적인 감시 활동을 제공할 수 있다.
도 3은 본 발명의 일실시예에 있어서, 특징 정보 벡터를 추출하는 방법을 설명하기 위한 흐름도이다.
특징 정보 벡터 추출 단계(S211)는 이진 이미지 추출 단계(S301), 모양 기반 특징 추출 단계(S302) 및 벡터 차원 축소 단계(S303)를 포함할 수 있다.
단계(S301)에서 상기 지능형 감시 시스템은 위험요소라고 판단이 되는 물체 혹은 위협적인 장면에 대한 이미지를 명암, 색, 질감(Texture) 등을 이용하여 이미지를 모양 및 영역으로 분리시켜 이진 이미지의 형태로 변환한다.
단계(S302)에서 상기 지능형 감시 시스템은 상기 변환한 이진 이미지를 상기 이진 이미지의 모양의 형태의 무게중심을 축으로 방사형 형태의 가상의 선을 회전시켜 무게중심으로부터의 모양의 길이 및 0과 1의 반복 횟수 등을 상기 이미지의 특징 정보 벡터로 추출한다.
단계(S303)에서 상기 지능형 감시 시스템은 상기 추출된 특징 정보 벡터의 차원을 줄이기 위하여 수 십, 수 백 차원의 상기 특징 정보 벡터를 웨이블 릿(Wavelet) 변환을 이용하여 데이터분할방식의 다차원 색인 구조의 충분한 성능이 보장되는 범위의 차원까지 상기 특징 정보 벡터의 차원을 줄인다. 또한 상기 지능형 감시 시스템은 상기 축소된 특징 정보 벡터를 다차원 색인 구조 구축 단계(S212)로 전달하게 된다.
도 4는 본 발명의 일실시예에 있어서, 특징 정보 벡터를 추출하는 방법을 설명하기 위한 흐름도이다.
특징 정보 벡터 추출 단계(S231)는 이진 이미지 추출 단계(S401), 모양 기반 특징 추출 단계(S402) 및 벡터 차원 축소 단계(S403)를 포함한다.
단계(S401)에서 실시간 이미지 검색을 이용한 지능형 감시 시스템은 정지 영상 취득 단계(S220)에서 취득한 표본화된 정지 영상을 명암, 색, 질감(Texture) 등을 이용하여 이미지를 모양 및 영역으로 분리시켜 이진 이미지의 형태로 변환한다.
단계(S402)에서 실시간 이미지 검색을 이용한 지능형 감시 시스템은 상기 변환한 이진 이미지를 전달 받아 상기 이진 이미지의 모양의 형태의 무게중심을 축으로 방사형 형태의 가상의 선을 회전시켜 무게중심으로부터의 모양의 길이 및 0과 1의 반복 횟수 등을 상기 이미지의 특징 정보 벡터로 추출한다.
단계(S403)에서 실시간 이미지 검색을 이용한 지능형 감시 시스템은 상기의 추출된 특징 정보 벡터의 차원을 줄이기 위하여 수 십, 수 백 차원의 상기 특징 정보 벡터를 웨이블릿(Wavelet) 변환을 이용하여 데이터분할방식의 다차원 색인 구조의 충분한 성능이 보장되는 범위의 차원까지 상기 특징 정보 벡터의 차원을 줄인 다. 또한 실시간 이미지 검색을 이용한 지능형 감시 시스템은 상기 축소된 특징 정보 벡터를 템플레이트 이미지 검색 단계(S232)로 전달한다.
도 5는 본 발명의 일실시예에 있어서, 위험도를 분석하는 방법을 설명하기 위한 흐름도이다.
위험도 분석 단계(S233)는 템플레이트 이미지 검색 단계(S232)를 통해 결정된 유사도가 가장 높은 특징 정보 벡터를 가진 이미지와 상기 표본화된 정지 영상의 실제 유사도를 템플레이트 이미지 데이터베이스의 군집 대표자와의 비교를 통하여 위험도를 판단하는 단계로서, 상기 단계(S233)는 실제 유사도 계산 단계(S501), 유사도 계산 단계(S502) 및 위험도 판단 단계(S503)를 포함한다.
단계(S501)에서 실시간 이미지 검색을 이용한 지능형 감시 시스템은 템플레이트 이미지 검색 단계(S232)를 통해 검색된 이미지와 상기 표본화된 정지 영상의 실제 유사도를 비교하여 계산한다.
단계(S502)에서 실시간 이미지 검색을 이용한 지능형 감시 시스템은 상기 계산된 실제 유사도를 통하여 템플레이트 이미지 데이터베이스(102)내의 유사도가 가장 높은 군집을 검색하여 상기 단계(S232)를 통해 검색된 이미지와 상기 검색된 군집의 군집 대표자와의 유사도를 계산한다.
단계(S503)에서 실시간 이미지 검색을 이용한 지능형 감시 시스템은 단계(S502)에서 계산된 상기 유사도를 이용하여 미리 결정된 유사도에 따라 나누어진 위험도 등급을 분류하여 감시 시스템 인터페이스로 전달한다.
도 6은 본 발명의 일실시예에 있어서, 실시간 이미지 검색을 이용한 지능형 감시 시스템을 설명하기 위한 블록도이다. 도 6에 도시된 바와 같이 실시간 이미지 검색을 이용한 지능형 감시 시스템은 템플레이트 이미지 구축부(6100), 위험도 판단 관리부(6200), 비디오 아카이브 장치(6300) 및 감시 시스템 인터페이스(6400)를 포함할 수 있다.
템플레이트 이미지 구축부(6100)는 위험요소라고 판단되는 모양 및 장면이 담긴 템플레이트 이미지를 저장하여 템플레이트 이미지 데이터베이스를 구축한다. 이와 같은 템플레이트 이미지 구축부(6100)는 도시된 바와 같이 특징 정보 벡터 추출부(6110), 다차원 색인 구축부(6120) 및 템플레이트 이미지 데이터베이스 저장부(6130)를 포함할 수 있다.
특징 정보 벡터 추출부(6110)는 위험요소라고 판단되는 모양 및 장면의 이미지의 특징 정보를 벡터의 형태로 추출한다. 이와 같은 특징 정보 벡터 추출부(6110)는 이미지 영역 분리부(6111), 모양기반 특징 추출부(6112) 및 특징 벡터 축소부(6113)를 포함할 수 있다.
이미지 영역 분리부(6111)는 상기 위험요소라고 판단 되는 이미지를 모양 및 영역으로 분리시켜 이진 이미지의 형태로 추출한다. 모양기반 특징 추출부(6112)는 상기 이진 이미지의 형태로 추출된 템플레이트 이미지를 이용하여 모양 기반 특징을 추출한다. 특징 벡터 축소부(6113)는 상기 추출된 모양 기반 특징의 벡터 차원을 줄여 추출한다.
다차원 색인 구축부(6120)는 특징 정보 벡터를 이용하여 다차원 색인 구조를 구축한다. 템플레이트 이미지 데이터베이스 저장부(6130)는 상기 다차원 색인 구 조, 상기 템플레이트 이미지 및 상기 특징 정보 벡터를 저장하고 상기 특징 정보 벡터를 이용하여 군집화 작업을 시행하고 각 군집의 대표자를 선택하여 저장한다.
위험도 판단 관리부(6200)는 상기 템플레이트 이미지를 참조하여 감사 카메라에서 취득한 정지 영상의 위험도 등급을 판단한다. 이와 같은 위험도 판단 관리부(6200)는 도시된 바와 같이 정지 영상 취득부(6210) 및 위험도 등급 판단부(6220)를 포함할 수 있다.
정지 영상 취득부(6210)는 감시 카메라로부터 전송된 영상의 움직임을 이용하여 선택적으로 영상을 취득하고 상기 취득한 영상으로부터 정지 영상을 표본화한다.
위험도 등급 판단부(6220)는 상기 표본화된 정지 영상의 위험도 등급을 판단하다. 이와 같은 위험도 등급 판단부(6220)는 도시된 바와 같이 특징 정보 벡터 추출부(6221), 다차원 색인 검색부(6222) 및 위험도 분석부(6223)를 포함할 수 있다.
특징 정보 벡터 추출부(6221)는 상기 표본화된 정지 영상의 특징 정보 벡터를 추출한다. 다차원 색인 검색부(6222)는 상기 추출된 특징 정보 벡터를 이용하여 다차원 색인 구조를 통해 템플레이트 이미지 데이터베이스 저장부(6130)로부터 템플레이트 이미지를 검색한다. 위험도 분석부(6223)는 상기 검색 결과 얻어진 템플레이트 이미지를 추출한 후 상기 템플레이트 이미지를 표본화된 정지 영상과 비교하여 위험도를 분석한다.
비디오 아카이브 장치(6300)는 상기 위험도 판단이 이루어진 정지 영상에 대 해서 상기 정지영상이 감시 카메라로부터 취득된 시점부터 감시 카메라의 영상을 저장한다. 감시 시스템 인터페이스(6400) 장치는 상기 판단된 위험도 등급에 따라 해당정보를 수신한다.
도 7은 본 발명의 일실시예에 있어서, 특징 정보 벡터 추출부를 설명하기 위한 블록도이다. 도 7에 도시된 바와 같이 특징 정보 벡터 추출부(6221)는 이미지 영역 분리부(701), 모양기반의 특징 추출부(702) 및 특징 벡터 축소부(703)를 포함할 수 있다.
이미지 영역 분리부(701)는 상기 표본화된 정지 영상을 모양 및 영역으로 분리시켜 이진 이미지의 형태로 추출한다. 모양기반 특징 추출부(702)는 상기 이진 이미지의 형태로 추출된 템플레이트 이미지를 이용하여 모양 기반 특징을 추출한다. 특징 벡터 축소부(703)는 상기 추출된 모양 기반 특징의 벡터 차원을 줄여 추출한다.
도 8은 본 발명의 일실시예에 있어서, 위험도 분석부를 설명하기 위한 블록도이다. 도 8에 도시된 바와 같이 위험도 분석부(6223)는 유사도 검색부(801), 군집 영역 비교부(802) 및 위험도 판단부(803)를 포함할 수 있다.
유사도 검색부(801)는 상기 추출된 템플레이트 이미지와 상기 표본화된 정지 영상의 실제 유사도를 계산한다. 군집 영역 비교부(802)는 상기 계산된 유사도를 군집 영역 별로 비교한 후 상기 군집 중에서 유사도가 가장 높은 군집을 검색하고 상기 유사도가 가장 높은 군집의 대표자와 상기 표본화된 정지 영상의 유사도를 계산한다. 위험도 판단부(803)는 상기 계산된 유사도를 이용하여 위험도를 판단한 다.
본 발명에 따른 실시간 이미지 검색을 이용한 지능형 감시 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니되 며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
본 발명에 따른 실시간 이미지 검색을 이용한 지능형 감시 방법 및 시스템에 의하면, 감시 카메라의 정지 영상을 이용하여 효과적인 특징 정보를 추출하고 다차원 색인을 이용하여 템플레이트 데이터베이스의 저장과 검색이 이루어지며, 이를 위험도 판단에 적용하여 감시 모니터의 인터페이스로 전달함으로써 감시 담당자의 효율적인 감시 모니터링을 지원하는 지능형 감시 시스템을 제공할 수 있다.

Claims (19)

  1. 실시간 이미지 검색을 이용한 지능형 감시 방법에 있어서,
    위험요소라고 판단되는 모양 및 장면이 담긴 템플레이트 이미지를 저장하여 템플레이트 이미지 데이터베이스를 구축하는 단계;
    상기 템플레이트 이미지 데이터베이스를 참조하여 감시 카메라에서 취득한 정지 영상의 위험도 등급을 판단하는 단계
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 방법.
  2. 제1항에 있어서,
    템플레이트 이미지 데이터베이스를 구축하는 상기 단계는,
    상기 템플레이트 이미지에서 특징 정보 벡터를 추출하는 단계;
    상기 특징 정보 벡터를 이용하여 다차원 색인 구조를 구축하는 단계; 및
    상기 다차원 색인 구조, 상기 템플레이트 이미지 및 상기 특징 정보 벡터를 상기 템플레이트 이미지 데이터베이스에 저장하고 상기 특징 정보 벡터를 이용하여 군집화 작업을 시행하고 각 군집의 대표자를 선택하여 저장하는 단계
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 방법.
  3. 제2항에 있어서,
    특징 정보 벡터를 추출하는 상기 단계는,
    상기 템플레이트 이미지를 모양 및 영역으로 분리시켜 이진 이미지의 형태로 추출하는 단계;
    상기 이진 이미지의 형태로 추출된 템플레이트 이미지를 이용하여 모양 기반 특징을 추출하는 단계; 및
    상기 추출된 모양 기반 특징의 벡터 차원을 줄여 추출하는 단계
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 방법.
  4. 제1항에 있어서,
    감시 카메라에서 취득한 정지 영상의 위험도 등급을 판단하는 상기 단계는,
    상기 감시 카메라로부터 전송된 영상의 움직임을 이용하여 선택적으로 영상을 취득하고 상기 취득한 영상으로부터 정지 영상을 표본화하는 단계; 및
    상기 표본화된 정지 영상의 위험도 등급을 판단하는 단계
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 방법.
  5. 제4항에 있어서,
    표본화된 정지 영상의 위험도 등급을 판단하는 상기 단계는,
    상기 표본화된 정지 영상의 특징 정보 벡터를 추출하는 단계;
    상기 추출된 특징 정보 벡터를 이용하여 다차원 색인 구조를 통해 상기 템플레이트 이미지 데이터베이스로부터 템플레이트 이미지를 검색하는 단계; 및
    상기 검색 결과 얻어진 템플레이트 이미지를 추출한 후 상기 템플레이트 이 미지를 상기 표본화된 정지 영상과 비교하여 위험도를 분석하는 단계
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 방법.
  6. 제5항에 있어서,
    특징 정보 벡터를 추출하는 상기 단계는,
    상기 표본화된 정지 영상을 모양 및 영역으로 분리시켜 이진 이미지의 형태로 추출하는 단계;
    상기 이진 이미지의 형태로 추출된 이미지를 이용하여 모양 기반 특징을 추출하는 단계; 및
    상기 추출된 모양 기반 특징의 벡터 차원을 줄여 추출하는 단계
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 방법.
  7. 제5항에 있어서,
    위험도를 분석하는 상기 단계는,
    상기 추출된 템플레이트 이미지와 상기 표본화된 정지 영상의 실제 유사도를 계산하는 단계;
    상기 계산된 유사도를 군집 영역 별로 비교한 후 상기 군집 중에서 유사도가 가장 높은 군집을 검색하고 상기 유사도가 가장 높은 군집의 대표자와 상기 표본화된 정지 영상의 유사도를 계산하는 단계; 및
    상기 계산된 유사도를 이용하여 위험도를 판단하는 단계
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 방법.
  8. 제1항에 있어서,
    상기 위험도 판단이 이루어진 정지 영상에 대해서 상기 정지 영상이 상기 감시 카메라로부터 취득된 시점부터 상기 감시 카메라의 영상을 비디오 아카이브에 저장하는 단계
    를 더 포함하는 실시간 이미지 검색을 이용한 지능형 감시 방법.
  9. 제1항에 있어서,
    상기 판단된 위험도 등급에 따라 사용자의 단말기에 해당 정보를 전송 받는 단계
    를 더 포함하는 실시간 이미지 검색을 이용한 지능형 감시 방법.
  10. 제1항 내지 제9항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록 매체.
  11. 실시간 이미지 검색을 이용한 지능형 감시 시스템에 있어서,
    위험요소라고 판단되는 모양 및 장면이 담긴 템플레이트 이미지를 저장하여 템플레이트 이미지 데이터베이스를 구축하는 템플레이트 이미지 구축부; 및
    상기 이미지 데이터베이스를 참조하여 감시 카메라에서 취득한 정지 영상의 위험도 등급을 판단하는 위험도 판단 관리부
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 시스템.
  12. 제11항에 있어서,
    상기 템플레이트 이미지 구축부는,
    상기 템플레이트 이미지에서 특징 정보 벡터를 추출하는 특징 정보 벡터 추출부;
    상기 특징 정보 벡터를 이용하여 다차원 색인 구조를 구축하는 다차원 색인 구축부; 및
    상기 다차원 색인 구조, 상기 템플레이트 이미지 및 상기 특징 정보 벡터를 저장하고 상기 특징 정보 벡터를 이용하여 군집화 작업을 시행하고 각 군집의 대표자를 선택하여 저장하는 템플레이트 이미지 데이터베이스 저장부
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 시스템.
  13. 제12항에 있어서,
    상기 특징 정보 벡터 추출부는,
    상기 템플레이트 이미지를 모양 및 영역으로 분리시켜 이진 이미지의 형태로 추출하는 이미지 영역 분리부;
    상기 이진 이미지의 형태로 추출된 템플레이트 이미지를 이용하여 모양 기반 특징을 추출하는 모양기반의 특징 추출부; 및
    상기 추출된 모양 기반 특징의 벡터 차원을 줄여 추출하는 특징 벡터 축소부
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 시스템.
  14. 제11항에 있어서,
    상기 위험도 판단 관리부는,
    상기 감시 카메라로부터 전송된 영상의 움직임을 이용하여 선택적으로 영상을 취득하고 상기 취득한 영상으로부터 정지 영상을 표본화하는 정지 영상 취득부; 및
    상기 표본화된 정지 영상의 위험도 등급을 분석하는 위험도 등급 판단부
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 시스템.
  15. 제14항에 있어서,
    상기 위험도 등급 판단부는,
    상기 표본화된 정지 영상의 특징 정보 벡터를 추출하는 특징 정보 벡터 추출부;
    상기 추출된 특징 정보 벡터를 이용하여 다차원 색인 구조를 통해 상기 템플레이트 이미지 데이터베이스로부터 템플레이트 이미지를 검색하는 다차원 색인 검색부; 및
    상기 검색 결과 얻어진 템플레이트 이미지를 추출한 후 상기 템플레이트 이 미지를 상기 표본화된 정지 영상과 비교하여 위험도를 분석하는 위험도 분석부
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 시스템.
  16. 제15항에 있어서,
    상기 특징 정보 벡터 추출부는,
    상기 표본화된 정지 영상을 모양 및 영역으로 분리시켜 이진 이미지의 형태로 추출하는 이미지 영역 분리부;
    상기 이진 이미지의 형태로 추출된 이미지를 이용하여 모양 기반 특징을 추출하는 모양기반의 특징 추출부; 및
    상기 추출된 모양 기반 특징의 벡터 차원을 줄여 추출하는 특징 벡터 축소부
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 시스템.
  17. 제15항에 있어서,
    상기 위험도 분석부는,
    상기 추출된 템플레이트 이미지와 상기 표본화된 정지 영상의 실제 유사도를 계산하는 유사도 검색부; 및
    상기 계산된 유사도를 군집 영역 별로 비교한 후 상기 군집 중에서 유사도가 가장 높은 군집을 검색하고 상기 유사도가 가장 높은 군집의 대표자와 상기 표본화된 정지 영상의 유사도를 계산하는 군집 영역 비교부; 및
    상기 계산된 유사도를 이용하여 위험도를 판단하는 위험도 판단부
    를 포함하는 실시간 이미지 검색을 이용한 지능형 감시 시스템.
  18. 제11항에 있어서,
    상기 위험도 판단이 이루어진 정지 영상에 대해서 상기 정지 영상이 감시 카메라로부터 취득된 시점부터 감시 카메라의 영상을 저장하는 비디오 아카이브 장치
    를 더 포함하는 실시간 이미지 검색을 이용한 지능형 감시 시스템.
  19. 제11항에 있어서,
    상기 판단된 위험도 등급에 따라 해당 정보를 전송 받는 감시 시스템 인터페이스 장치
    를 더 포함하는 실시간 이미지 검색을 이용한 지능형 감시 시스템.
KR1020070007541A 2007-01-24 2007-01-24 실시간 이미지 검색 기능을 이용한 지능형 감시 방법 및시스템 KR100916136B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070007541A KR100916136B1 (ko) 2007-01-24 2007-01-24 실시간 이미지 검색 기능을 이용한 지능형 감시 방법 및시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070007541A KR100916136B1 (ko) 2007-01-24 2007-01-24 실시간 이미지 검색 기능을 이용한 지능형 감시 방법 및시스템

Publications (2)

Publication Number Publication Date
KR20090000177A true KR20090000177A (ko) 2009-01-07
KR100916136B1 KR100916136B1 (ko) 2009-09-08

Family

ID=40483401

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070007541A KR100916136B1 (ko) 2007-01-24 2007-01-24 실시간 이미지 검색 기능을 이용한 지능형 감시 방법 및시스템

Country Status (1)

Country Link
KR (1) KR100916136B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101037735B1 (ko) * 2009-10-27 2011-05-27 부경대학교 산학협력단 3차원 상태 감시 방법
KR200458129Y1 (ko) * 2009-09-14 2012-01-20 이기춘 길이 조절이 용이한 화장용 브러시
KR20190105424A (ko) * 2018-03-05 2019-09-17 한남대학교 산학협력단 드론 플랫폼 기반 멀티 스펙트럼 영상의 인공 지능 분류 및 검색 장치
KR20200001938A (ko) * 2018-06-28 2020-01-07 중앙대학교 산학협력단 건설 현장의 안전 관리 방법 및 이를 수행하는 서버

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100434907B1 (ko) * 2001-08-01 2004-06-09 주식회사 이스턴정보통신 얼굴 인식 기능을 포함한 영상 감시 시스템 및 이를이용하는 방법
KR20030056865A (ko) * 2001-12-28 2003-07-04 에스케이텔레텍주식회사 영상 감시를 위한 이동통신 단말기와 그를 이용한 감시시스템 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200458129Y1 (ko) * 2009-09-14 2012-01-20 이기춘 길이 조절이 용이한 화장용 브러시
KR101037735B1 (ko) * 2009-10-27 2011-05-27 부경대학교 산학협력단 3차원 상태 감시 방법
KR20190105424A (ko) * 2018-03-05 2019-09-17 한남대학교 산학협력단 드론 플랫폼 기반 멀티 스펙트럼 영상의 인공 지능 분류 및 검색 장치
KR20200001938A (ko) * 2018-06-28 2020-01-07 중앙대학교 산학협력단 건설 현장의 안전 관리 방법 및 이를 수행하는 서버

Also Published As

Publication number Publication date
KR100916136B1 (ko) 2009-09-08

Similar Documents

Publication Publication Date Title
US10438050B2 (en) Image analysis device, image analysis system, and image analysis method
US8150098B2 (en) Grouping images by location
US10108620B2 (en) Associating still images and videos
EP1650683B1 (en) Search of similar features representing objects in a large reference database
US20120148149A1 (en) Video key frame extraction using sparse representation
US8467611B2 (en) Video key-frame extraction using bi-level sparsity
Meng et al. Object instance search in videos via spatio-temporal trajectory discovery
KR100916136B1 (ko) 실시간 이미지 검색 기능을 이용한 지능형 감시 방법 및시스템
US10275656B2 (en) Large scale video search using queries that define relationships between objects
CN102693292B (zh) 基于rfid的内河船舶视频处理和快速检索方法
KR102350192B1 (ko) 검색 데이터베이스를 구축하기 위한 관심영상 선별 방법 및 이를 수행하는 영상 관제 시스템
Kotsiantis et al. Multimedia mining.
Bali et al. Clustering Technique Approach to Detect the Special Patterns for Medical Video Mining
US7755646B2 (en) Image management through lexical representations
Jiang et al. Abnormal event detection based on trajectory clustering by 2-depth greedy search
Moses et al. A classified study on semantic analysis of video summarization
Baeza-Yates et al. Content-based image retrieval and characterization on specific web collections
CN106548118A (zh) 影院放映内容的识别检索方法及系统
CN104636330A (zh) 一种基于结构化数据的关联视频快速检索方法
KR100968025B1 (ko) 위험 이미지를 사용한 감시 방법 및 시스템
Wang et al. Shear Detection and Key Frame Extraction of Sports Video Based on Machine Learning
Ngo et al. A survey of video parsing and image indexing techniques in compressed domain
CN116071690B (zh) 一种基于场景关键帧的情景特征提取方法
Selvam et al. An Integration of Genetic Algorithm and Projected Clustering for Optimization of Content Based Image Retrieval System
Oumohmed et al. Semantic-based cross-media image retrieval

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E90F Notification of reason for final refusal
AMND Amendment
E601 Decision to refuse application
E801 Decision on dismissal of amendment
AMND Amendment
J201 Request for trial against refusal decision
B701 Decision to grant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120703

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20130902

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20140902

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20151001

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160729

Year of fee payment: 8

LAPS Lapse due to unpaid annual fee