KR20120116699A - 클러스터링 기법을 이용한 이동물체 검출장치 및 방법 - Google Patents

클러스터링 기법을 이용한 이동물체 검출장치 및 방법 Download PDF

Info

Publication number
KR20120116699A
KR20120116699A KR1020110034304A KR20110034304A KR20120116699A KR 20120116699 A KR20120116699 A KR 20120116699A KR 1020110034304 A KR1020110034304 A KR 1020110034304A KR 20110034304 A KR20110034304 A KR 20110034304A KR 20120116699 A KR20120116699 A KR 20120116699A
Authority
KR
South Korea
Prior art keywords
moving object
clustering
motion vectors
motion vector
frequency
Prior art date
Application number
KR1020110034304A
Other languages
English (en)
Other versions
KR101214858B1 (ko
Inventor
장주욱
김현성
Original Assignee
서강대학교산학협력단
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 서강대학교산학협력단 filed Critical 서강대학교산학협력단
Priority to KR1020110034304A priority Critical patent/KR101214858B1/ko
Publication of KR20120116699A publication Critical patent/KR20120116699A/ko
Application granted granted Critical
Publication of KR101214858B1 publication Critical patent/KR101214858B1/ko

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 이동물체 검출장치 및 방법에 관한 것이다. 본 발명에 따른 클러스터링 기법을 이용한 이동물체 검출장치 및 방법은 영상촬영부로부터 연속되는 영상프레임을 전송받아 배경과 구분되는 이동 물체를 검출하는 장치에 있어서, 상기 영상촬영부로부터 전송된 현재 영상프레임과 이전 영상프레임을 블록화하고, 상기 블록화된 현재 영상프레임과 이전 영상프레임을 비교하여 블록별로 움직임 벡터를 추출하는 움직임 벡터 추출부; 상기 움직임 벡터들의 크기, 방향 및 빈도수에 대한 정보를 추출하고, 상기 추출된 크기, 방향에 대한 정보에 따라 움직임 벡터들을 분류하고, 상기 분류된 움직임 벡터들 중 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들을 클러스터링하여 이동물체 클러스터로 설정하는 클러스터링 제어부; 및 상기 설정된 이동물체 클러스터에 속하는 블록들을 배경과 구분되는 이동물체로 추출하는 이동물체 추출부;를 포함한다. 본 발명에 따른 클러스터링 기법을 이용한 이동물체 검출장치 및 검출방법은 외부 환경의 변화 또는 영상 처리과정에서의 오류로 인한 노이즈를 배제하고, 정확하게 이동물체를 검출할 수 있다는 장점을 갖는다.

Description

클러스터링 기법을 이용한 이동물체 검출장치 및 방법{Moving object detecting apparatus and method using clustering}
본 발명은 이동물체 검출장치 및 방법에 관한 것으로서, 더욱 구체적으로는 촬영된 영상으로부터 블록별로 움직임 벡터를 추출하고, 추출된 움직임 벡터의 3차원 히스토그램을 생성하여 빈도수가 높은 움직임 벡터들의 클러스터를 검출함으로써, 배경과 구분되는 이동물체를 정확하게 검출할 수 있는 클러스터링 기법을 이용한 이동물체 검출장치 및 방법에 관한 것이다.
최근, 방범 관리상의 이유로 인해 빌딩이나 창고 등에 있어서, 이동 물체 검출 장치가 탑재된 영상 감시 시스템이 널리 채용되고 있다. 이 이동 물체 검출 장치는, 감시 카메라로부터 출력되는 화상 신호를 처리함으로써, 해당 화상 신호에 기초하는 화상 내의 이동 물체를 검출할 수 있도록 이루어진 것이다. 이러한 화상 내에서 이동물체를 검출하기 위한 유용한 방법으로 이동 물체의 방향과 크기를 포함하는 이동 벡터를 추출하는 방법이 있다.
일반적으로 연속 영상에서 이동 벡터를 추출하는 방법은 물체의 특징점(모서리, 중심곡선)을 이용하는 방법과 블럭 정합(block matching) 방법 및 경사도(gradient)를 이용하는 방법으로 분류해 볼 수 있다.
상기 특징점을 이용한 방법은 이동 영상의 특징으로부터 같은 속도를 갖는 특징들을 찾는 것으로서, 영상 분할(segmentation)이 정확히 된 경우에는 매우 간단하고 높은 효율성을 갖는다. 그러나 영상의 분할 정도에 따라 효율성이 부여되므로 정확한 영상 분할이 필요하고 또 그에 따른 계산적인 복잡성과 처리시간이 문제가 된다. 즉, 영상 분할이 정확히 잘된 경우에는 대응 설정이 잘되어 정확한 이동 벡터가 추출될 수 있으나 정확한 영상 분할을 위해서는 전처리 과정이 반드시 필요하였고 이로 인해 전체적인 처리 시간이 길어지는 단점이 있었다.
또한 상기 블럭 정합 방법은 한 프레임을 일정한 크기의 N×N블럭으로 나누고 현재 부호화하고자 하는 블럭과 가장 유사한 블럭을 이전 프레임에서 찾아 그 블럭으로 현재 블럭을 추정하는 방법이다. 그러나 상기 방법 또한 이동 벡터 추출이 부정확 하다는 단점이 있었다.
경사도를 이용하는 방법은 시간과 공간의 밝기 변화를 이용하여 각 점마다 속도를 측정하는 것으로서, 프레임 샘플링 시간(frame sampling time)이 매우 높고 이동물체가 하나만 존재한다면 영상에서 직접 계산이 되어 처리시간을 줄일 수 있으나 하나 이상의 물체가 움직일 때 각각의 이동 물체에 대한 속도측정이 불가능한 단점이 있었다.
전술한 문제점을 해결하기 위한 본 발명의 목적은, 촬영된 영상으로부터 블록별로 움직임 벡터를 추출하고, 추출된 움직임 벡터의 3차원 히스토그램을 생성하여 빈도수가 높은 움직임 벡터들의 클러스터를 검출하는 클러스터링 기법을 이용함으로써, 간단한 연산과정으로 정확하게 이동물체를 검출할 수 있는 클러스터링 기법을 이용한 이동물체 검출장치 및 방법을 제공하고자 하는 것이다.
전술한 기술적 과제를 달성하기 위한 본 발명의 특징은, 영상촬영부로부터 연속되는 영상프레임을 전송받아 배경과 구분되는 이동 물체를 검출하는 장치에 있어서, 상기 영상촬영부로부터 전송된 현재 영상프레임과 이전 영상프레임을 블록화하고, 상기 블록화된 현재 영상프레임과 이전 영상프레임을 비교하여 블록별로 움직임 벡터를 추출하는 움직임 벡터 추출부; 상기 움직임 벡터들의 크기, 방향 및 빈도수에 대한 정보를 추출하고, 상기 추출된 크기, 방향에 대한 정보에 따라 움직임 벡터들을 분류하고, 상기 분류된 움직임 벡터들 중 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들을 클러스터링하여 이동물체 클러스터로 설정하는 클러스터링 제어부; 및 상기 설정된 이동물체 클러스터에 속하는 블록들을 배경과 구분되는 이동물체로 추출하는 이동물체 추출부;를 포함한다.
전술한 특징에 따른 클러스터링 기법을 이용한 이동물체 검출장치에 있어서, 상기 클러스터링 제어부는 상기 추출된 움직임 벡터의 크기, 방향 및 빈도수에 대한 정보를 이용하여 3차원 히스토그램을 생성하는 것을 특징으로 하는 것이 바람직하다.
전술한 특징에 따른 클러스터링 기법을 이용한 이동물체 검출장치에 있어서, 상기 3차원 히스토그램의 X 축, Y 축은 움직임 벡터의 크기와 방향을 나타내며, Z 축은 움직임 벡터의 빈도수를 나타내는 것을 특징으로 하는 것이 바람직하다.
전술한 특징에 따른 클러스터링 기법을 이용한 이동물체 검출장치에 있어서, 상기 클러스터링 제어부는 상기 분류된 움직임 벡터 중 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들을 클러스터링하여 다수 개의 이동물체 클러스터를 설정하는 것을 특징으로 하는 것이 바람직하다.
전술한 특징에 따른 클러스터링 기법을 이용한 이동물체 검출장치에 있어서, 상기 이동물체 추출부는 상기 설정된 이동물체 클러스터에 속하는 블록들을 제외한 나머지 블록들을 노이즈로 인식하여 제거하는 것을 특징으로 하는 것이 바람직하다.
전술한 기술적 과제를 달성하기 위한 본 발명의 다른 특징은, 클러스터링 기법을 이용한 이동물체 검출방법에 관한 것으로서, 영상촬영부로부터 연속되는 영상프레임을 전송받아 배경과 구분되는 이동 물체를 검출하는 방법에 있어서, (a) 연속되는 영상프레임을 획득하는 단계; (b) 현재 영상프레임과 이전 영상프레임을 블록화하는 단계; (c) 상기 블록화된 현재 영상프레임과 이전 영상프레임을 비교하여 블록별로 움직임 벡터를 추출하는 단계; (d) 상기 움직임 벡터들의 크기, 방향 및 빈도수에 대한 정보를 추출하는 단계; (e) 상기 추출된 크기, 방향에 대한 정보에 따라 움직임 벡터들을 분류하고, 상기 분류된 움직임 벡터들 중 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들을 클러스터링하여 이동물체 클러스터로 설정하는 단계; (f) 상기 설정된 이동물체 클러스터에 속하는 블록들을 배경과 구분되는 이동물체로 추출하는 단계;를 포함한다.
전술한 특징에 따른 클러스터링 기법을 이용한 이동물체 검출방법에 있어서, 상기 (d) 단계는 상기 추출된 움직임 벡터의 크기, 방향 및 빈도수에 대한 정보를 이용하여 3차원 히스토그램을 생성하는 것을 특징으로 하는 것이 바람직하다.
전술한 특징에 따른 클러스터링 기법을 이용한 이동물체 검출방법에 있어서, 상기 3차원 히스토그램의 X 축, Y 축은 움직임 벡터의 크기와 방향을 나타내며, Z 축은 움직임 벡터의 빈도수를 나타내는 것을 특징으로 하는 것이 바람직하다.
전술한 특징에 따른 클러스터링 기법을 이용한 이동물체 검출방법에 있어서, 상기 (e) 단계는 상기 분류된 움직임 벡터 중 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들을 클러스터링하여 다수 개의 이동물체 클러스터를 설정하는 것을 특징으로 하는 것이 바람직하다.
전술한 특징에 따른 클러스터링 기법을 이용한 이동물체 검출방법에 있어서, 상기 (f) 단계는 상기 설정된 이동물체 클러스터에 속하는 블록들을 제외한 나머지 블록들을 노이즈로 인식하여 제거하는 단계를 더 포함하는 것을 특징으로 하는 것이 바람직하다.
본 발명에 따른 클러스터링 기법을 이용한 이동물체 검출장치 및 검출방법은 블록화된 현재 프레임과 이전 프레임을 통해 추출된 움직임 벡터들 중 빈도수가 사전에 설정된 레벨 이상인 움직임 벡터들이 밀집된 클러스터를 이동물체 클러스터로 설정하고, 이에 속하는 블록들만을 이동물체로 인식하여 추출함으로써, 외부 환경의 변화 또는 영상 처리과정에서의 오류로 인한 노이즈를 배제하고, 정확하게 이동물체를 검출할 수 있다는 장점을 갖는다.
또한, 본 발명에 따른 클러스터링 기법을 이용한 이동물체 검출장치 및 검출방법은 움직임 벡터에 대한 3차원 히스토그램을 생성한 후 이동물체 클러스터를 설정하는 것으로서 이동물체를 검출하는 것이 가능하므로, 종래의 기술에 비해 간단하면서도 정확하게 이동물체를 검출할 수 있어 이동물체 검출의 효율성을 증대할 수 있다.
도 1은 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출장치를 개략적으로 도시한 블록도이다.
도 2는 본 발명의 바람직한 실시예에 따른 이동물체 검출장치에 있어서, 움직임 벡터 추출을 위한 비교 영상 중 이전 프레임을 예시적으로 도시한 그림이다.
도 3은 본 발명의 바람직한 실시예에 따른 이동물체 검출장치에 있어서, 움직임 벡터 추출을 위한 비교 영상 중 블록화된 현재 프레임을 예시적으로 도시한 그림이다.
도 4는 본 발명의 바람직한 실시예에 따른 이동물체 검출장치에 있어서, 이전 프레임과 현재 프레임으로부터 움직임 벡터를 추출한 것을 예시적으로 나타낸 그림이다.
도 5는 도 4에서 추출된 움직임 벡터들의 크기, 방향 및 빈도수에 대하여 도식화한 3차원 히스토그램이다.
도 6은 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출장치를 통해 추출된 이동물체를 도시한 그림이다.
도 7은 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출방법을 순차적으로 도시한 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출장치 및 검출 방법에 대하여 구체적으로 설명한다.
도 1은 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출장치를 개략적으로 도시한 블록도이다. 도 1을 참조하면, 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출장치(10)는 움직임 벡터 추출부(110), 클러스터링 제어부(120) 및 이동물체 추출부(130)을 구비한다. 도 1에 도시된 영상촬영부(100)는 영상을 촬영하여 연속되는 영상프레임을 상기 이동물체 검출장치(10)로 전송한다.
상기 움직임 벡터 추출부(100)는 상기 영상촬영부(100)로부터 전송된 현재 영상프레임과 이전 영상프레임을 블록화하고, 상기 블록화된 현재 영상프레임과 이전 영상프레임을 비교하여 블록별로 움직임 벡터를 추출한다. 도 2는 본 발명의 바람직한 실시예에 따른 이동물체 검출장치에 있어서, 움직임 벡터 추출을 위한 비교 영상 중 이전 프레임을 예시적으로 도시한 그림이며, 도 3은 블록화된 현재 프레임을 예시적으로 도시한 그림이다. 도 2 및 도 3을 참조하면, 도 2에 도시되지 않은 이동물체가 도 3에 도시되어 있음을 알 수 있다. 따라서, 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출장치(10)는 도 2와 도 3에 도시된 배경으로부터 구분되는 이동물체를 검출하기 위해, 이전프레임 및 현재 프레임을 각각 블록화하고, 상기 블록화된 현재 영상프레임과 이전 영상프레임을 비교하여 블록별로 움직임 벡터를 추출할 수 있다.
도 4는 본 발명의 바람직한 실시예에 따른 이동물체 검출장치에 있어서, 이전 프레임과 현재 프레임으로부터 움직임 벡터를 추출한 것을 예시적으로 나타낸 그림이다. 도 4를 참조하면, 움직임 벡터는 배경과 구분되는 이동물체의 움직임 벡터뿐만 아니라 외부 환경의 변화나 영상 처리 과정에서 발생되는 노이즈(noise) 요소에 의한 움직임 벡터도 함께 추출됨을 알 수 있다. 이러한 노이즈 요소를 제거하고, 이동물체만을 배경으로부터 추출하기 위해서 후술하는 과정이 필요하다.
상기 클러스터링 제어부(120)는 상기 움직임 벡터의 크기, 방향 및 빈도수에 대한 정보를 추출하고, 상기 추출된 크기, 방향에 대한 정보에 따라 움직임 벡터들을 분류하고, 상기 분류된 움직임 벡터들 중 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들을 클러스터링하여 이동물체 클러스터로 설정한다. 상기 클러스터링 제어부(120)는 상기 움직임 벡터의 정보를 분석함에 있어, X 축, Y 축은 상기 움직임 벡터의 크기와 방향 및 Z 축은 상기 움직임 벡터의 빈도수를 나타내는 3차원 히스토그램을 생성하여 분석하는 것이 바람직하다. 도 5는 도 4에서 추출된 움직임 벡터들의 크기, 방향 및 빈도수에 대하여 도식화한 3차원 히스토그램이다. 도 5를 참조하면, 도 2 내지 도 4를 통해 추출된 움직임 벡터들 중 빈도수가 높은 움직임 벡터들이 밀집되어 있는 클러스터('A')가 형성되어 있음을 알 수 있다. 상기 클러스터('A')에 속한 움직임 벡터들은 이동물체의 움직임을 나타내는 벡터들이므로, 상기 클러스터링 제어부(120)는 상기 클러스터('A')가 검색되면, 상기 클러스터('A')를 이동물체 클러스터로 설정한다. 여기서, 이동물체 클러스터에 속한 움직임 벡터들의 빈도수에 대한 레벨을 설정함에 있어, 이동물체가 하나인 경우, 전체 움직임 벡터들의 빈도수의 90% 이상이 되는 움직임 벡터들의 클러스터를 이동물체 클러스터로 설정하는 것이 바람직하다.
한편, 상기 빈도수가 높은 움직임 벡터들이 밀집된 클러스터('A')에 포함되지 않은 움직임 벡터들('B')은 노이즈로서, 상기 이동물체 클러스터와 구분되어야 한다. 따라서, 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출장치(10)는 사전에 설정된 레벨을 갖는 빈도수를 설정하고, 그 이상의 값을 갖는 움직임 벡터들에 대해서만 클러스터가 형성되어 있는지를 판단하게 된다. 상기 사전에 설정된 레벨 이상의 빈도수를 갖는 움직임 벡터들의 클러스터가 형성되어 있을 때에만, 상기 클러스터('A')를 이동물체 클러스터로 설정한다.
또한, 상기 클러스터링 제어부(120)는 상기 추출된 움직임 벡터들을 3차원 히스토그램으로 분석함에 있어서, 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들의 클러스터가 다수 개인 경우, 각각에 대응되는 다수 개의 이동물체 클러스터를 설정할 수 있다. 즉, 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들의 클러스터가 다수 개란 것은, 다수 개의 이동물체가 영상에 포함된다는 의미이므로, 이를 각각에 대응되는 다수 개의 이동물체 클러스터로 설정하는 것이다. 이를 통해, 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출장치(10)는 다수 개의 이동물체를 동시에 검출이 가능하게 된다.
상기 이동물체 추출부(130)는 상기 설정된 이동물체 클러스터에 속하는 블록들을 배경과 구분되는 이동물체로 추출한다. 상기 클러스터링 제어부(120)를 통해 설정된 이동물체 클러스터는 이동물체의 움직임을 나타내는 움직임 벡터들만 포함되어 있으므로, 상기 이동물체 클러스터에 속하는 블록들은 이동물체를 나태냄을 알 수 있다. 따라서, 상기 이동물체 클러스터에 속하는 블록들을 제외한 나머지 블록들은 노이즈로 인식하여 제거하고, 상기 이동물체 클러스터에 속하는 블록들만을 추출함으로써, 영상에서 배경과 구분되는 이동물체만을 추출할 수 있게 된다. 도 6은 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출장치를 통해 추출된 이동물체를 도시한 그림이다. 도 6을 참조하면, 본 발명에 따른 이동물체 검출장치(10)는 전술한 클러스터링 기법을 이용하여 노이즈를 정확히 배제하고, 이동물체만을 추출하고 있음을 알 수 있다.
전술한 구성을 갖는 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출장치(10)는 블록화된 현재 프레임과 이전 프레임을 통해 추출된 움직임 벡터들 중 빈도수가 사전에 설정된 레벨 이상인 움직임 벡터들이 밀집된 클러스터를 이동물체 클러스터로 설정하고, 이에 속하는 블록들만을 이동물체로 인식하여 추출함으로써, 외부 환경의 변화 또는 영상 처리과정에서의 오류로 인한 노이즈를 배제하고, 정확하게 이동물체를 검출할 수 있다는 장점을 갖는다. 또한, 본 발명에 따른 클러스터링 기법을 이용한 이동물체 검출장치(10)는 움직임 벡터에 대한 3차원 히스토그램을 생성한 후 이동물체 클러스터를 설정하는 것으로서 이동물체를 검출하는 것이 가능하므로, 종래의 기술에 비해 간단하면서도 정확하게 이동물체를 검출할 수 있어 이동물체 검출의 효율성을 증대할 수 있다.
이하, 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출방법에 대하여 구체적으로 설명한다.
도 7은 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 이동물체 검출방법을 순차적으로 도시한 흐름도이다. 도 7을 참조하면, 먼저, 본 발명에 따른 클러스터링 기법을 이용한 이동물체 검출방법은 외부의 영상촬영부로부터 연속되는 영상프레임을 획득한다(S200). 다음, 상기 영상촬영부로부터 전송된 현재 영상프레임 및 이전 영상프레임을 블록화한다(S210).
다음, 상기 블록화된 현재 영상프레임과 이전 영상프레임을 비교하여 블록별로 움직임 벡터를 추출한다(S220). 상기 추출된 움직임 벡터는 크기, 방향 및 빈도수에 대한 정보를 이용하여 분석하는데(S230), 이때 본 발명에 따른 클러스터링 이동물체 검출방법은 3차원 히스토그램을 생성하여 분석하는 것이 바람직하다. 정보를 분석하는 구체적인 방법은 전술한 바와 동일하므로, 중복되는 설명은 생략한다.
다음, 상기 3차원 히스토그램을 이용하여 크기와 방향이 동일한 움직임 벡터들 중 빈도수가 사전설정된 레벨 이상인 움직임 벡터들을 클러스터링하고(S240), 상기 클러스터가 검색되는 경우 상기 클러스터를 이동물체 클러스터로 설정한다(S250). 여기서, 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들의 클러스터가 다수 개 검색되는 경우, 각각에 대응되는 다수 개의 이동물체 클러스터를 설정할 수 있다.
다음, 상기 설정된 이동물체 클러스터에 속하는 블록들을 배경과 구분되는 이동물체로 추출한다(S260). 또한, 상기 설정된 이동물체 클러스터에 속하는 블록들을 제외한 나머지 블록들을 노이즈로 인식하여 제거함으로써, 이동물체 검출을 정확하게 이행할 수 있다.
이상에서 본 발명에 대하여 그 바람직한 실시예를 중심으로 설명하였으나, 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 발명의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러가지의 변형과 응용이 가능함을 알 수 있을 것이다. 그리고, 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
본 발명에 따른 클러스터링 기법을 이용한 이동물체 검출장치 및 검출방법은 영상 처리 시스템의 모든 분야에 널리 적용될 수 있다. 특히, 보안을 위해 설치된 CCTV 영상처리 시스템에 있어서, 정확한 이동물체를 검출해야 하는 분야에 활용할 수 있다.
100 : 영상촬영부
110 : 움직임 벡터 추출부
120 : 클러스터링 제어부
130 : 이동물체 검출부

Claims (10)

  1. 영상촬영부로부터 연속되는 영상프레임을 전송받아 배경과 구분되는 이동 물체를 검출하는 장치에 있어서,
    상기 영상촬영부로부터 전송된 현재 영상프레임과 이전 영상프레임을 블록화하고, 상기 블록화된 현재 영상프레임과 이전 영상프레임을 비교하여 블록별로 움직임 벡터를 추출하는 움직임 벡터 추출부;
    상기 움직임 벡터들의 크기, 방향 및 빈도수에 대한 정보를 추출하고, 상기 추출된 크기, 방향에 대한 정보에 따라 움직임 벡터들을 분류하고, 상기 분류된 움직임 벡터들 중 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들을 클러스터링하여 이동물체 클러스터로 설정하는 클러스터링 제어부; 및
    상기 설정된 이동물체 클러스터에 속하는 블록들을 배경과 구분되는 이동물체로 추출하는 이동물체 추출부;
    를 포함하는 클러스터링 기법을 이용한 이동 물체 검출장치.
  2. 제 1항에 있어서, 상기 클러스터링 제어부는
    상기 추출된 움직임 벡터들의 크기, 방향 및 빈도수에 대한 정보를 이용하여 3차원 히스토그램을 생성하는 것을 특징으로 하는 클러스터링 기법을 이용한 이동물체 검출장치.
  3. 제 2항에 있어서,
    상기 3차원 히스토그램의 X 축, Y 축은 움직임 벡터의 크기와 방향을 나타내며, Z 축은 움직임 벡터의 빈도수를 나타내는 것을 특징으로 하는 클러스터링 기법을 이용한 이동물체 검출장치.
  4. 제 1항에 있어서, 상기 클러스터링 제어부는
    상기 분류된 움직임 벡터 중 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들을 클러스터링하여 다수 개의 이동물체 클러스터를 설정하는 것을 특징으로 하는 클러스터링 기법을 이용한 이동물체 검출장치.
  5. 제 1항 및 제 4항 중 어느 한 항에 있어서, 상기 이동물체 추출부는
    상기 설정된 이동물체 클러스터에 속하는 블록들을 제외한 나머지 블록들을 노이즈로 인식하여 제거하는 것을 특징으로 하는 클러스터링 기법을 이용한 이동물체 검출장치.
  6. 영상촬영부로부터 연속되는 영상프레임을 전송받아 배경과 구분되는 이동 물체를 검출하는 방법에 있어서,
    (a) 연속되는 영상프레임을 획득하는 단계;
    (b) 현재 영상프레임과 이전 영상프레임을 블록화하는 단계;
    (c) 상기 블록화된 현재 영상프레임과 이전 영상프레임을 비교하여 블록별로 움직임 벡터를 추출하는 단계;
    (d) 상기 움직임 벡터들의 크기, 방향 및 빈도수에 대한 정보를 추출하는 단계;
    (e) 상기 추출된 크기, 방향에 대한 정보에 따라 움직임 벡터들을 분류하고, 상기 분류된 움직임 벡터들 중 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들을 클러스터링하여 이동물체 클러스터로 설정하는 단계;
    (f) 상기 설정된 이동물체 클러스터에 속하는 블록들을 배경과 구분되는 이동물체로 추출하는 단계;
    를 포함하는 클러스터링 기법을 이용한 이동물체 검출방법.
  7. 제 6항에 있어서, 상기 (d) 단계는
    상기 추출된 움직임 벡터의 크기, 방향 및 빈도수에 대한 정보를 이용하여 3차원 히스토그램을 생성하는 것을 특징으로 하는 클러스터링 기법을 이용한 이동물체 검출방법.
  8. 제 7항에 있어서,
    상기 3차원 히스토그램의 X 축, Y 축은 움직임 벡터의 크기와 방향을 나타내며, Z 축은 움직임 벡터의 빈도수를 나타내는 것을 특징으로 하는 클러스터링 기법을 이용한 이동물체 검출방법.
  9. 제 6항에 있어서, 상기 (e) 단계는
    상기 분류된 움직임 벡터 중 빈도수가 사전 설정된 레벨 이상인 움직임 벡터들을 클러스터링하여 다수 개의 이동물체 클러스터를 설정하는 것을 특징으로 하는 클러스터링 기법을 이용한 이동물체 검출방법.
  10. 제 6항 및 제 9항 중 어느 한 항에 있어서, 상기 (f) 단계는
    상기 설정된 이동물체 클러스터에 속하는 블록들을 제외한 나머지 블록들을 노이즈로 인식하여 제거하는 단계를 더 포함하는 것을 특징으로 하는 클러스터링 기법을 이용한 이동물체 검출방법.
KR1020110034304A 2011-04-13 2011-04-13 클러스터링 기법을 이용한 이동물체 검출장치 및 방법 KR101214858B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110034304A KR101214858B1 (ko) 2011-04-13 2011-04-13 클러스터링 기법을 이용한 이동물체 검출장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110034304A KR101214858B1 (ko) 2011-04-13 2011-04-13 클러스터링 기법을 이용한 이동물체 검출장치 및 방법

Publications (2)

Publication Number Publication Date
KR20120116699A true KR20120116699A (ko) 2012-10-23
KR101214858B1 KR101214858B1 (ko) 2012-12-24

Family

ID=47284908

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110034304A KR101214858B1 (ko) 2011-04-13 2011-04-13 클러스터링 기법을 이용한 이동물체 검출장치 및 방법

Country Status (1)

Country Link
KR (1) KR101214858B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101393851B1 (ko) * 2014-03-25 2014-05-28 인하대학교 산학협력단 두 단계 레이어 기반의 강건한 주행사건 분류 방법 및 장치
KR101449371B1 (ko) * 2014-03-19 2014-10-13 인하대학교 산학협력단 차량 영상의 영역 분할에 기초하여 주행 사건을 분류하는 방법
KR20150047941A (ko) * 2013-10-25 2015-05-06 삼성테크윈 주식회사 검색 시스템 및 그의 동작 방법
KR20190014381A (ko) * 2017-08-02 2019-02-12 엘지디스플레이 주식회사 영상 처리 방법 및 이를 이용한 표시 장치
KR20200016627A (ko) * 2018-08-07 2020-02-17 삼성전자주식회사 자체 운동 추정 방법 및 장치

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107995450B (zh) * 2017-12-07 2020-11-27 安徽国广数字科技有限公司 一种高完整度摄像机移动侦测录像方式

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150047941A (ko) * 2013-10-25 2015-05-06 삼성테크윈 주식회사 검색 시스템 및 그의 동작 방법
KR101449371B1 (ko) * 2014-03-19 2014-10-13 인하대학교 산학협력단 차량 영상의 영역 분할에 기초하여 주행 사건을 분류하는 방법
KR101393851B1 (ko) * 2014-03-25 2014-05-28 인하대학교 산학협력단 두 단계 레이어 기반의 강건한 주행사건 분류 방법 및 장치
KR20190014381A (ko) * 2017-08-02 2019-02-12 엘지디스플레이 주식회사 영상 처리 방법 및 이를 이용한 표시 장치
KR20200016627A (ko) * 2018-08-07 2020-02-17 삼성전자주식회사 자체 운동 추정 방법 및 장치

Also Published As

Publication number Publication date
KR101214858B1 (ko) 2012-12-24

Similar Documents

Publication Publication Date Title
KR101214858B1 (ko) 클러스터링 기법을 이용한 이동물체 검출장치 및 방법
US10063843B2 (en) Image processing apparatus and image processing method for estimating three-dimensional position of object in image
CN107657244B (zh) 一种基于多摄像机的人体跌倒行为检测系统及其检测方法
US9773322B2 (en) Image processing apparatus and image processing method which learn dictionary
US20190258852A1 (en) Image processing apparatus, image processing system, image processing method, and program
US20160203614A1 (en) Method and apparatus of detecting object using event-based sensor
US20210174092A1 (en) Image processing apparatus and method for feature extraction
US20150262068A1 (en) Event detection apparatus and event detection method
WO2014092552A2 (en) Method for non-static foreground feature extraction and classification
WO2013103591A1 (en) Context aware moving object detection
JP2009143722A (ja) 人物追跡装置、人物追跡方法及び人物追跡プログラム
US20190384969A1 (en) Image processing apparatus, image processing system, image processing method, and program
CN111145223A (zh) 多摄像头识别人员行为轨迹分析方法
TW202020723A (zh) 移動物體偵測系統及方法
KR20180138558A (ko) 객체 검출을 위한 영상분석 서버장치 및 방법
KR101472674B1 (ko) 군중 궤적 추출을 이용한 비정상 행동 검출에 기초한 영상 감시 방법 및 영상 감시 장치
US8923552B2 (en) Object detection apparatus and object detection method
CN108364306B (zh) 一种高速周期运动的视觉实时检测方法
Carletti et al. An efficient and effective method for people detection from top-view depth cameras
Widyawan et al. Adaptive motion detection algorithm using frame differences and dynamic template matching method
Kroneman et al. Accurate pedestrian localization in overhead depth images via Height-Augmented HOG
US11132778B2 (en) Image analysis apparatus, image analysis method, and recording medium
Dong et al. Traffic abnormality detection through directional motion behavior map
CN113052019A (zh) 目标跟踪方法及装置、智能设备和计算机存储介质
Khan et al. Review on moving object detection in video surveillance

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: 20161206

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20171124

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20181226

Year of fee payment: 7