KR20110064081A - Fast shadow removal method using normalized cross correlation(ncc) and integral image - Google Patents

Fast shadow removal method using normalized cross correlation(ncc) and integral image Download PDF

Info

Publication number
KR20110064081A
KR20110064081A KR1020090120516A KR20090120516A KR20110064081A KR 20110064081 A KR20110064081 A KR 20110064081A KR 1020090120516 A KR1020090120516 A KR 1020090120516A KR 20090120516 A KR20090120516 A KR 20090120516A KR 20110064081 A KR20110064081 A KR 20110064081A
Authority
KR
South Korea
Prior art keywords
image
intg
background
cumulative
square
Prior art date
Application number
KR1020090120516A
Other languages
Korean (ko)
Other versions
KR101067516B1 (en
Inventor
박동조
정직한
박상욱
최은진
이황수
심영석
김성실
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020090120516A priority Critical patent/KR101067516B1/en
Publication of KR20110064081A publication Critical patent/KR20110064081A/en
Application granted granted Critical
Publication of KR101067516B1 publication Critical patent/KR101067516B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/446—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering using Haar-like filters, e.g. using integral image techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/61—Noise processing, e.g. detecting, correcting, reducing or removing noise the noise originating only from the lens unit, e.g. flare, shading, vignetting or "cos4"

Abstract

PURPOSE: A high speed shadow removal method by using normal correlation and accumulation image is provided to reduce time for calculating normal correlation by using an accumulation image and a square image. CONSTITUTION: An inputted current image and a background image are converted into an inputted current square image and a background square image. The shadow removal begins by acquiring a multiplexing image(200). The accumulation image is obtained(210). NCC is obtained by using a mathematical formula(220). A pixel unit test is performed by using a preset reference value(230).

Description

정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법{Fast shadow removal Method using Normalized Cross Correlation(NCC) and Integral Image} Fast shadow removal method using Normalized Cross Correlation (NCC) and Integral Image}

본 발명은 비디오 분석 기법들 중의 하나인 화면에 존재하는 객체들을 탐지하는 방법에 관한 것이다.The present invention relates to a method for detecting objects present in a screen, which is one of video analysis techniques.

비디오 분석 기법은 입력되는 비디오 영상의 정보를 이용하여 화면에 존재하는 객체들을 탐지/추적/인식하여 객체들의 특성을 분석하고 움직임을 예측하는 시스템이다. 비디오 분석 기법에 탑재되는 여러 기법들 중에서도 탐지 기법은, 뒤따라오는 알고리즘들의 성능에 큰 영향을 줄 수 있기 때문에 정확한 성능이 요구된다. 선호되는 탐지 기법 중 하나인 배경 제거 기법은, 가우시안 모델 또는 가우시안 혼합 모델을 이용하여 배경을 모델링하고, 새로운 프레임이 입력되면 배경 모델과 새로운 프레임의 차이를 구하여 차이가 큰 부분을 물체로 검출하는 방법이다.The video analysis technique is a system that analyzes the characteristics of objects and predicts motion by detecting / tracking / recognizing objects on the screen by using information of an input video image. Among the various techniques included in the video analysis technique, the detection technique requires precise performance because it can greatly affect the performance of the following algorithms. Background removal, one of the preferred detection techniques, uses a Gaussian model or a Gaussian mixture model to model the background and, when a new frame is input, finds the difference between the background model and the new frame and detects the large difference as an object. to be.

배경 제거 기법에서는 기본적으로 배경의 색상 또는 밝기가 물체보다 느리게 변한다는 가정을 하고 있는데 실제 상황에서는 배경임에도 불구하고 밝기가 갑자기 변하는 경우가 있다. 구름이나 건물, 객체가 지나갈 때 이들에 의해 그림자가 지는 경우가 그 대표적인 예이다. 이와 같은 경우, 배경에 해당하는 화소가 그림자에 의해 갑자기 어두어지면서, 가지고 있던 모델과 밝기 차이가 많이 나게 되어 물체로 오인식된다.The background removal technique basically assumes that the color or brightness of the background changes more slowly than the object. In reality, the background may suddenly change despite the background. A typical example is when a cloud, a building, or an object passes by its shadow. In this case, the pixels corresponding to the background are suddenly darkened by the shadows, and the difference between the models and the brightness is large, which is mistaken for an object.

이 문제를 다루기 위해서 기존의 기법에서는 RGB 색상 정보를 HSV 컬러 공간으로 변환하여 분석하였다. 색차 성분(H,S)이 유지되면서 밝기 성분(V)만 변할 경우 그림자로 판단한 것인데, 그 후에 정규 상관도(Normalized Cross Correlation, NCC) 값으로 그림자를 판단하는 방법이 제안되었다. In order to deal with this problem, the existing method converts RGB color information into HSV color space and analyzes it. If only the brightness component (V) changes while the chrominance components (H, S) are maintained, the shadow is judged as a shadow. After that, a method of judging the shadow using a normalized cross correlation (NCC) value has been proposed.

상기와 같은 기존의 방법은 그 정규 상관도를 구하는데 필요한 시간이 오래 걸려 빠른 비디오 탐지가 어렵게 되는 단점이 있다.The conventional method as described above has a disadvantage in that fast video detection is difficult because the time required for obtaining the normal correlation is long.

상기와 같은 단점을 보완하고자 본 발명은 정규상관도를 구하는데 있어서, 배경 영상과 현재영상에 대한 제곱영상과 배경-현재영상( 각각 B2, I2, BI으로 표시된다.)의 누적영상을 이용하여 정규 상관도를 구하는 시간을 단축하였다.In order to compensate for the above drawbacks, the present invention obtains a normal correlation diagram, wherein a cumulative image of a square image and a background-current image (represented by B 2 , I 2 , and BI, respectively) for the background image and the current image is displayed. The time required to find a normal correlation was shortened.

상기와 같은 목적을 위해 도출된 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법은 배경영상(B)을 각 픽셀값을 제곱한 값을 픽셀값으로 가지는 영상(배경 제곱 영상, B2)으로, 현재영상(I)을 각 픽셀값을 제곱한 값을 픽셀값으로 가지는 영상(현재 제곱 영상, I2)으로, 또한 입력영상(I)과 배경영상(B)의 픽셀값을 각각 곱한 값을 픽셀값으로 가지는 영상(배경-현재 영상, BI)을 입력된 배경영상(B)과 입력영상(I)를 통해 각각 구하는 변환단계, 구해진 배경제곱영상(B2)과 현재 제곱 영상(I2) 및 배경-현재 영상(BI)의 누적영상을 구하는 누적영상 도출단계, 구해진 누적영상 값을 이용해 정규 상관도(NCC)를 구하는 정규상관도 도출단계 및 기 설정된 문턱값을 기준으로 화소 단위 테스트를 수행하여 물체와 그림자를 구별하는 결과 도출단계를 포함한다.The fast shadow removal method using the normal correlation and the cumulative image derived for the above purpose is an image (background square image, B 2 ) having the background image B as the pixel value of the square of each pixel value. Image (I) is an image (current square image, I 2 ) having a square value of each pixel value, and a value obtained by multiplying pixel values of input image (I) and background image (B), respectively. A conversion step of obtaining an image (background-current image, BI) having an input background image (B) and an input image (I), respectively, the obtained background square image (B 2 ), current square image (I 2 ), and background -Deriving the cumulative image to obtain a cumulative image of the current image (BI), Deriving the normal correlation diagram (NCC) to obtain a normal correlation (NCC) using the obtained cumulative image value, and by performing a pixel unit test based on the preset threshold value Including a step of generating results that distinguishes shadows from shadows. .

또한, 문턱값은 0.95인 것을 특징으로 한다.In addition, the threshold value is characterized in that 0.95.

본 발명에 따른 비디오 분석 기법의 탐지 부분에서 그림자를 제거해 주는 방법은 그림자에 해당하는 화소는 배경 모델과 높은 정규 상관도를 가진다는 특성을 이용하여 그림자를 제거하며, 이 때 누적 영상을 이용하여 이를 고속으로 수행하는 효과가 있다.The method of removing the shadow in the detection portion of the video analysis method according to the present invention removes the shadow by using the characteristic that the pixels corresponding to the shadow have a high normal correlation with the background model, and at the same time using the cumulative image It is effective to perform at high speed.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명한다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

먼저 본원 발명의 기술을 보다 더 효과적으로 설명하기 위해서 본 발명에서 사용하고 있는 여러 개념을 설명한다.First, various concepts used in the present invention will be described in order to explain the technology of the present invention more effectively.

S(x,y)는 영상(S)의 (x,y)위치의 픽셀이 가진 픽셀값(영상세기)을 나타낸다.S (x, y) represents the pixel value (image intensity) of the pixel at the (x, y) position of the image S.

누적영상은 도 1과 같이 하나의 영상내에 있는 모든 픽셀값을 차례로 더해 그 누적된 픽셀값을 가지는 영상을 말한다.The cumulative image refers to an image having the accumulated pixel values by sequentially adding all pixel values in one image as shown in FIG. 1.

도 3은 일차원적으로 표현된 영상에서의 누적영상의 개념을 설명하고 있으며, 도 1과 도 2는 이차원 영상에서의 누적영상의 개념을 설명하고 있다.3 illustrates the concept of a cumulative image in a one-dimensional image, and FIGS. 1 and 2 illustrate a concept of a cumulative image in a two-dimensional image.

영상(S)의 임의의 위치에 있는 픽셀(x,y)에 대한 누적 영상(INTGS(x,y))는 아래의 수학식 1와 같이 해당 픽셀의 위치보다 왼쪽 위에 있는 모든 픽셀값의 합으로 나타내어 진다.The cumulative image INTG S (x, y) for a pixel (x, y) at an arbitrary position of the image S is the sum of all pixel values above the position of the pixel, as shown in Equation 1 below. It is represented by

Figure 112009075409806-PAT00001
INTGS(x,y) = S(j, i)
Figure 112009075409806-PAT00001
INTG S (x, y) = S (j, i)

도 2와 같이 영상의 일정 부분(영역 ABCD)의 누적영상을 구할 수 있는데, 이는 INTGS(D) + INTGS(A) - INTGS(B) - INTGS(C)를 통해 사각형 ABCD내의 누적영상을 구할 수 있다.As shown in FIG. 2, a cumulative image of a certain portion (region ABCD) of an image may be obtained, which is accumulated in a rectangular ABCD through INTG S (D) + INTG S (A)-INTG S (B)-INTG S (C). You can get a video.

제곱영상은 한 영상의 각 픽셀값을 제곱한 값을 픽셀값으로 가지는 영상을 말하는데 도5는 제곱영상에 의한 픽셀값의 변화를 도시한다.The square image refers to an image having a pixel value of a square of each pixel value of an image, and FIG. 5 illustrates a change in pixel value due to a square image.

또한, 곱셈영상은 두 영상의 동일위치의 픽셀값을 곱한 값을 픽셀값으로 가지는 영상을 말하는데 도6은 곱셈영상에 의한 픽셀값의 변화를 도시한다.In addition, the multiplication image refers to an image having a pixel value obtained by multiplying pixel values of the same position of two images, and FIG. 6 illustrates a change in pixel value by the multiplication image.

본 발명에서 비디오 화면에서의 그림자 제거는 우선 현재영상(I)와 배경 영상(B)으로 부터 시작된다.In the present invention, the shadow removal in the video screen is first started from the current image (I) and the background image (B).

비디오 화면의 탐지를 위한 그림자의 제거를 위해 먼저 입력된 현재영상(I)와 배경 영상(B)를 이용해서 배경 제곱 영상(B2)와 현재 제곱 영상(I2)으로 변환하고, 현재 영상(I)와 배경 영상(B)을 곱한 곱셈영상(BI)를 구함으로서 그림자 제거가 시작된다.(도 4의 200)In order to remove the shadow for the detection of the video screen, the current image (I) and the background image (B) inputted first are converted into the background square image (B 2 ) and the current square image (I 2 ), and the current image ( Shadow removal is started by obtaining a multiplication image BI multiplied by I) and a background image B (200 in FIG. 4).

이후 구해진 B2과 I2 및 BI영상들에 대해 각각 누적 영상을 구한다.(도 4의 210)Afterwards, cumulative images are obtained for each of the obtained B 2 , I 2, and BI images (210 of FIG. 4).

각 영상의 임의의 좌표 (x,y)를 기준으로 주변의 (2N+1)×(2N+1)크기, 즉 주어진 점을 기준으로 x축으로 -N부터 N까지, y축으로 -N부터 N까지의 영역일 경우, 의 패치영상에 대해 누적영상을 구하는 경우 아래 수학식 2~4를 이용하여 수식적으로 구할 수 있다.Based on the arbitrary coordinates (x, y) of each image, the surrounding (2N + 1) × (2N + 1) sizes, i.e., from -N to N on the x-axis and from -N on the y-axis based on the given point In the case of the area up to N, when the cumulative image is obtained for the patch image of, it can be calculated by using Equations 2 to 4 below.

Figure 112009075409806-PAT00002
= INTGBI(x+N, y+N) + INTGBI(x-N-1, y-N-1)
Figure 112009075409806-PAT00002
= INTG BI (x + N, y + N) + INTG BI (xN-1, yN-1)

- INTGBI(x+N, y-N-1) - INTGBI(x-N-1, y+N) INTG BI (x + N, yN-1) INTG BI (xN-1, y + N)

Figure 112009075409806-PAT00003
= INTGBB(x+N, y+N) + INTGBB(x-N-1, y-N-1)
Figure 112009075409806-PAT00003
= INTG BB (x + N, y + N) + INTG BB (xN-1, yN-1)

- INTGBB(x+N, y-N-1) - INTGBB(x-N-1, y+N) -INTG BB (x + N, yN-1)-INTG BB (xN-1, y + N)

Figure 112009075409806-PAT00004
= INTGII(x+N, y+N) + INTGII(x-N-1, y-N-1)
Figure 112009075409806-PAT00004
= INTG II (x + N, y + N) + INTG II (xN-1, yN-1)

- INTGII(x+N, y-N-1) - INTGII(x-N-1, y+N) -INTG II (x + N, yN-1)-INTG II (xN-1, y + N)

이때 상기 수학식 2~4의 Bu,v, Iu,v는 각각 배경영상과 현재영상을 의미하고, INTG BI , INTG BB , INTG II 는 각각 BI의 누적영상, B2의 누적영상, I2의 누적영상을 의미한다.In this case, B u, v , I u, v in Equations 2 to 4 mean a background image and a current image, respectively, and INTG BI , INTG BB , and INTG II denote cumulative images of BI, cumulative images of B 2 , and I, respectively. 2 means cumulative image.

B와 I에 의한 B2, I2, BI와 이들의 누적영상을 구한 후, 이들 값을 이용하는 정규 상관도(Normalized Cross Correlation, NCC)를 다음의 수학식 5를 이용해서 구한다.( 도 4의 220 )After obtaining B 2 , I 2 , BI and their cumulative images by B and I, a normalized cross correlation (NCC) using these values is obtained using Equation 5 below. 220)

Figure 112009075409806-PAT00005
Figure 112009075409806-PAT00005

이후, 이러한 NCC 분포가 도시되면 기 설정된 기준값(문턱값)을 이용한 화소 단위 테스트를 진행하여 물체에서 그림자를 제거할 수 있다.( 도 4의 230 )Subsequently, when such an NCC distribution is shown, a shadow test may be removed from an object by performing a pixel unit test using a preset reference value (threshold value) (230 of FIG. 4).

NCC가 그림자 제거 기법에 사용되는 이유는 여러 기준들 중에서도 밝기 변화에 강인한 특성을 가지고 있기 때문이다.The reason why NCC is used in the shadow removal technique is that it has a strong characteristic of changing brightness among several criteria.

수학식 5를 살펴보면, 만약 현재 영상(I)의 밝기값이 배경 영상(B) 밝기값의 상수배가 될 경우 분모/분자가 상쇄되면서 NCC의 값은 가장 높은 1이 되며, 이것의 의미는 밝기의 변화에 강인하다는 것을 나타낸다.Referring to Equation 5, if the brightness value of the current image (I) is a constant multiple of the brightness value of the background image (B), the denominator / molecule cancels out and the value of NCC becomes 1, which is the highest value. It is robust to change.

따라서 수학식 5와 같이 한 화소를 중심으로 주변의 (2N+1)×(2N+1) 크기 패 치에 대해 NCC 테스트를 수행하면 그림자에 해당하는 부분은 단순히 밝기 변화만 있고 텍스쳐의 변화는 없기 때문에 NCC 값이 상대적으로 높게 나오고, 물체에 해당하는 부분은 NCC 값이 낮게 나오게 되며 이러한 NCC의 성질을 이용하여 그림자의 효과적인 제거가 가능하다.Therefore, when the NCC test is performed on the surrounding (2N + 1) × (2N + 1) size patches around one pixel as shown in Equation 5, the portion corresponding to the shadow has only a change in brightness and no change in texture. Therefore, the NCC value is relatively high, and the portion corresponding to the object has a low NCC value, and the characteristics of the NCC can be used to effectively remove the shadow.

그림자와 물체에 해당하는 화소 각각에서 NCC 테스트를 수행한 분포도가 도 11과 도 10에 각각 도시되어 있다. 그림자에 해당하는 NCC 값의 분포도인 도 11은 NCC값이 0.95 이상에서 많이 분포하며 따라서 바람직하게 이 값을 중심으로 화소 단위 테스트를 수행하면 효과적으로 그림자 제거가 가능하여 오탐지율을 줄일 수 있을 것이다.FIG. 11 and FIG. 10 show distributions of performing NCC tests on pixels corresponding to shadows and objects, respectively. In FIG. 11, which is a distribution of NCC values corresponding to shadows, the NCC values are distributed more than 0.95. Therefore, if the pixel unit test is performed based on this value, shadows may be effectively removed and the false positive detection rate may be reduced.

한편, 물체에 해당하는 NCC값의 분포도인 도 10은 NCC값이 그림자에 비해서 고르게 분포되어 있는 것을 확인 할 수 있다.On the other hand, in Figure 10 which is the distribution of the NCC value corresponding to the object it can be seen that the NCC value is evenly distributed compared to the shadow.

도 7은 본 발명에 의한 그림자 제거를 위한 비디오 이미지를 캡춰한 것이며, 도 8은 본 발명의 방법을 통해 발견한 그림자를 도시하고 있으며, 도 9는 발견한 그림자를 제거하여 물체만이 남은 화면을 각각 도시한 것이다.Figure 7 is a capture of the video image for the shadow removal according to the present invention, Figure 8 shows the shadow found through the method of the present invention, Figure 9 removes the found shadow to remove the screen only the object remains Each is shown.

본 발명에서 사용된 누적영상에 의한 빠른 정규 상관도 계산을 통해 비디오 탐지 기술상에서 그림자의 제거를 고속으로 하는 것이 가능하다.It is possible to speed up the elimination of shadows in video detection technology through fast normal correlation calculation based on the cumulative image used in the present invention.

이상과 같이 본 발명에 따른 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법을 예시한 도면을 참조로 하여 설명하였으나, 본 명세서에 개시된 실시예와 도면에 의해 본 발명이 한정되는 것은 아니며, 본 발명의 기술사상 범위내에서 당업자에 의해 다양한 변형이 이루어질 수 있음은 물론이다.As described above with reference to the drawings illustrating a fast shadow removal method using a normal correlation and a cumulative image according to the present invention, the present invention is not limited by the embodiments and drawings disclosed herein, of the present invention Of course, various modifications may be made by those skilled in the art within the scope of the technical idea.

도 1과 도 2는 이차원 영상에서의 누적영상의 개념을 설명하고 있는 도면이다.1 and 2 illustrate the concept of a cumulative image in a two-dimensional image.

도 3은 일차원적으로 표현된 영상에서의 누적영상의 개념을 설명하는 도면이다.FIG. 3 is a diagram for explaining a concept of a cumulative image in an image expressed one-dimensionally.

도 4는 본 발명에 의한 고속 그림자 제거 방법의 단계를 도시한다.Figure 4 shows the steps of the fast shadow removal method according to the present invention.

도 5는 제곱영상에 의한 픽셀값의 변화를 도시한다.5 illustrates a change in pixel value by a square image.

도 6은 곱셈영상에 의한 픽셀값의 변화를 도시한다.6 illustrates a change in pixel value by a multiply image.

도 7은 본 발명에 의한 그림자 제거 방법 실행을 위한 비디오 이미지를 캡춰한 것이다.Figure 7 captures a video image for executing the shadow removal method according to the present invention.

도 8은 본 발명을 통해 발견한 비디오 화면내의 그림자를 도시하고 있다.8 shows the shadows in the video screen found through the present invention.

도 9는 본 발명을 통해 발견한 그림자를 제거하여 물체만이 남은 화면을 도시한 것이다.9 illustrates a screen in which only an object is left by removing a shadow found through the present invention.

도 10은 물체에 해당하는 화소에서 NCC 테스트를 수행한 분포도가 도시된다.10 is a distribution diagram of performing an NCC test on a pixel corresponding to an object.

도 11은 그림자에 해당하는 화소에서 NCC 테스트를 수행한 분포도가 도시된다.FIG. 11 is a distribution diagram of performing an NCC test on a pixel corresponding to a shadow. FIG.

Claims (6)

배경영상(B)이 각 픽셀값을 제곱한 값을 픽셀값으로 가지는 영상(배경 제곱 영상, B2)으로, 현재영상(I)이 각 픽셀값을 제곱한 값을 픽셀값으로 가지는 영상(현재 제곱 영상, I2)으로, 또한 입력영상(I)과 배경영상(B)의 픽셀값을 각각 곱한 값을 픽셀값으로 가지는 영상(배경-현재 영상, BI)이 입력된 배경영상(B)과 입력영상(I)를 통해 각각 변환되는 변환단계;Background image (B) is an image (background squared image, B 2 ) having the squared value of each pixel value as the pixel value, and current image (I) has the value (squared) of the pixel value of each pixel value (current Square image, I 2 , and a background image (B) into which an image (background-current image, BI), having a pixel value, is obtained by multiplying the pixel values of the input image (I) and the background image (B), respectively. A conversion step of converting each of the input images I; 상기 변환된 배경제곱영상(B2)과 현재 제곱 영상(I2) 및 배경-현재 영상(BI)의 누적영상이 구해지는 누적영상 도출단계;A cumulative image derivation step of obtaining a cumulative image of the converted background square image B 2 , the current square image I 2 , and the background-current image BI; 상기 구해진 누적영상 값을 이용해 정규 상관도(NCC)가 도출되는 정규상관도 도출단계; 및A normal correlation diagram derivation step of deriving a normal correlation (NCC) using the obtained cumulative image value; And 기 설정된 문턱값을 기준으로 화소 단위 테스트가 수행되어 물체와 그림자가 구별되는 결과 도출단계를 포함하는 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법.A fast shadow removal method using a normal correlation and a cumulative image including a step of deriving a result of distinguishing an object from a shadow by performing a pixel unit test based on a preset threshold. 청구항 1에서,In claim 1, 상기 정규 상관도(NCC)는 다음의 수학식으로 특정지어지는 것을 특징으로 하는 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법.The normal correlation (NCC) is a fast shadow removal method using a normal correlation and cumulative image characterized in that characterized by the following equation.
Figure 112009075409806-PAT00006
Figure 112009075409806-PAT00006
 ( B2 u,v : 배경영상(B)의 제곱영상,(B 2 u, v : Square image of background image (B), I2 u,v : 현재영상(I)의 제곱영상,I 2 u, v : Square image of current image (I), Bu,vIu,v : 배경영상과 현재영상의 곱셈영상,B u, v I u, v : Multiplication of background image and current image, NCCx,y : 영상에서 (x,y)를 중심으로 (2N+1)×(2N+1)의 정방형안에 대한정규 상관도) NCC x, y : Normal correlation for a square eye of (2N + 1) × (2N + 1) centered on (x, y) in the image) 청구항 2에서,In claim 2, 상기
Figure 112009075409806-PAT00007
는 다음과 같은 수학식으로 결정되는 것을 특징으로 하는 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법.remind
Figure 112009075409806-PAT00007
Fast shadow removal method using a normal correlation and cumulative image, characterized in that determined by the following equation.
Figure 112009075409806-PAT00008
= INTGBI(x+N, y+N) + INTGBI(x-N-1, y-N-1)
Figure 112009075409806-PAT00008
= INTG BI (x + N, y + N) + INTG BI (xN-1, yN-1) - INTGBI(x+N, y-N-1) - INTGBI(x-N-1, y+N) INTG BI (x + N, yN-1) INTG BI (xN-1, y + N) (단, INTGBI는 배경영상(B)와 현재영상(I)의 곱셈영상인 BI의 누적영상) (However, INTG BI is a cumulative image of BI, which is a multiplication image of the background image (B) and the current image (I).) 청구항 2에서,In claim 2, 상기
Figure 112009075409806-PAT00009
는 다음과 같은 수학식으로 결정되는 것을 특징으로 하는 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법.remind
Figure 112009075409806-PAT00009
Fast shadow removal method using a normal correlation and cumulative image, characterized in that determined by the following equation.
Figure 112009075409806-PAT00010
= INTGBB(x+N, y+N) + INTGBB(x-N-1, y-N-1)
Figure 112009075409806-PAT00010
= INTG BB (x + N, y + N) + INTG BB (xN-1, yN-1) - INTGBB(x+N, y-N-1) - INTGBB(x-N-1, y+N) -INTG BB (x + N, yN-1)-INTG BB (xN-1, y + N) (단, INTGBB는 배경영상(B)의 제곱영상(B2)에 대한 누적영상) (However, INTG BB is a cumulative image of the square image (B 2 ) of the background image (B)) 청구항 2에서,In claim 2, 상기
Figure 112009075409806-PAT00011
는 다음과 같은 수학식으로 결정되는 것을 특징으로 하는 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법.remind
Figure 112009075409806-PAT00011
Fast shadow removal method using a normal correlation and cumulative image, characterized in that determined by the following equation.
Figure 112009075409806-PAT00012
= INTGII(x+N, y+N) + INTGII(x-N-1, y-N-1)
Figure 112009075409806-PAT00012
= INTG II (x + N, y + N) + INTG II (xN-1, yN-1) - INTGII(x+N, y-N-1) - INTGII(x-N-1, y+N) -INTG II (x + N, yN-1)-INTG II (xN-1, y + N) (단, INTGII는 현재영상(I)의 제곱영상(I2)에 대한 누적영상) (However, INTG II is a cumulative image of the square image (I 2 ) of the current image (I)) 청구항 1 내지 6중 어느 하나의 항에 있어서,The method according to any one of claims 1 to 6, 상기 문턱값은 0.95인 것을 특징으로 하는 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법.The threshold value is 0.95 fast shadow removal method using a normal correlation and cumulative image.
KR1020090120516A 2009-12-07 2009-12-07 Fast shadow removal Method using Normalized Cross CorrelationNCC and Integral Image KR101067516B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090120516A KR101067516B1 (en) 2009-12-07 2009-12-07 Fast shadow removal Method using Normalized Cross CorrelationNCC and Integral Image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090120516A KR101067516B1 (en) 2009-12-07 2009-12-07 Fast shadow removal Method using Normalized Cross CorrelationNCC and Integral Image

Publications (2)

Publication Number Publication Date
KR20110064081A true KR20110064081A (en) 2011-06-15
KR101067516B1 KR101067516B1 (en) 2011-09-27

Family

ID=44397576

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090120516A KR101067516B1 (en) 2009-12-07 2009-12-07 Fast shadow removal Method using Normalized Cross CorrelationNCC and Integral Image

Country Status (1)

Country Link
KR (1) KR101067516B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102161212B1 (en) 2013-11-25 2020-09-29 한화테크윈 주식회사 System and method for motion detecting

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7620266B2 (en) * 2005-01-20 2009-11-17 International Business Machines Corporation Robust and efficient foreground analysis for real-time video surveillance

Also Published As

Publication number Publication date
KR101067516B1 (en) 2011-09-27

Similar Documents

Publication Publication Date Title
EP2959454B1 (en) Method, system and software module for foreground extraction
JP6225256B2 (en) Image processing system and computer-readable recording medium
US10521885B2 (en) Image processing device and image processing method
JP2015062121A5 (en)
EP3016383B1 (en) Method, device, and system for pre-processing a video stream for subsequent motion detection processing
JP4689518B2 (en) Fire detection equipment
KR20110129158A (en) Method and system for detecting a candidate area of an object in an image processing system
KR101715489B1 (en) Image generating device and image generating method
CN112001853A (en) Image processing apparatus, image processing method, image capturing apparatus, and storage medium
JP2014048131A (en) Image processing device, method, and program
CN107316318A (en) Aerial target automatic testing method based on multiple subarea domain Background fitting
JP5338762B2 (en) White balance coefficient calculation device and program
CN106530292B (en) A kind of steel strip surface defect image Fast Identification Method based on line scan camera
CN103942766A (en) Rainy day video restoration method based on time domain, space domain and frequency domain joint processing
KR101067516B1 (en) Fast shadow removal Method using Normalized Cross CorrelationNCC and Integral Image
Srikantha et al. An SVD-based approach for ghost detection and removal in high dynamic range images
KR102150661B1 (en) Method and Apparatus for Preprocessing Image for Detecting Objects
KR101267279B1 (en) Video processing apparatus and method for removing rain from video
CN110532993B (en) Face anti-counterfeiting method and device, electronic equipment and medium
Nasonov et al. Edge width estimation for defocus map from a single image
JP6953184B2 (en) Image processing device and image processing method
CN111147693B (en) Noise reduction method and device for full-size photographed image
JP6618438B2 (en) Foreground region extraction apparatus, method, and program
CN108737814B (en) Video shot detection method based on dynamic mode decomposition
CN103226813B (en) A kind of disposal route improving rainy day video image quality

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: 20140827

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150826

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160830

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170825

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee