KR20150056747A - Child detection method using 3D depth camera - Google Patents

Child detection method using 3D depth camera Download PDF

Info

Publication number
KR20150056747A
KR20150056747A KR1020140141122A KR20140141122A KR20150056747A KR 20150056747 A KR20150056747 A KR 20150056747A KR 1020140141122 A KR1020140141122 A KR 1020140141122A KR 20140141122 A KR20140141122 A KR 20140141122A KR 20150056747 A KR20150056747 A KR 20150056747A
Authority
KR
South Korea
Prior art keywords
information
child
length
specific body
ratio
Prior art date
Application number
KR1020140141122A
Other languages
Korean (ko)
Inventor
고정길
나호경
박태준
손상혁
윤희정
바사란 잔
전종암
Original Assignee
한국전자통신연구원
재단법인대구경북과학기술원
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 한국전자통신연구원, 재단법인대구경북과학기술원 filed Critical 한국전자통신연구원
Publication of KR20150056747A publication Critical patent/KR20150056747A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

A child detection method using a 3D depth camera of the present invention comprises the steps of: obtaining information of specific body length divided by each body part of an adult and a child, and storing the information; calculating the ratio of each length for the specific body information based on the obtained information of specific body length; building the database of a bin classifier table by classifying sample numbers of the adult and the child, respectively, by classifier, with respect to the calculated ratio for each length; normalizing a captured image of a targeted object by using the 3D depth camera, and obtaining information of specific body length divided by each body part of the targeted object; calculating the ratio of each length for the specific body information of the targeted object based on the obtained information of specific body length; calculating probability of whether the targeted object is a child or not by each length ratio for the specific body information by comparing each length ratio for the calculated specific body information of the targeted object with each length ratio for the specific body information from the built database of the bin classifier table; and determining whether the targeted object is the child or not by combining the calculated probability.

Description

3D 깊이 카메라를 이용한 아동 감지 방법{Child detection method using 3D depth camera}[0001] The present invention relates to a child detection method using a 3D depth camera,

본 발명은 3D 깊이 카메라(Depth camera)를 이용하여 아동을 감지할 수 있는 아동 감지 방법에 관한 기술이다.The present invention relates to a child detection method capable of detecting a child by using a 3D depth camera.

감시 시스템에서 특정 인물을 검출하기 위한 얼굴 검출 기술은 다양한 방법으로 연구가 수행되어 왔다. Face detection technology for detecting a specific person in a surveillance system has been studied in various ways.

다양한 감시 시스템이 제안되어왔지만 아동들의 특징을 세부적으로 특정하여 아동인지를 인식 및 감지할 수 있는 실용화된 기술에 대한 연구는 이루어지지 않고 있다.A variety of surveillance systems have been proposed, but no research has been conducted on practical techniques that can identify and detect children's perceptions by detailing the characteristics of children.

종래 기술은 일반 카메라 기반의 방식을 통해 특정 신체 부위 등의 간단한 표면적 정보만을 활용하여 아동의 존재 유무를 찾는데 초점을 맞춘다. 이런 시스템은 사용자의 RGB 정보를 모두 활용하기 때문에 개인정보침해(privacy invasion)가 일어날 수 있으며, 특정 신체부위를 옷 등의 물체로 가리면서 시스템의 검출 방식을 피해 갈 수 있어서 정확도가 떨어질 수 있다.The prior art focuses on finding the existence of a child by utilizing only simple surface information such as a specific body part through a general camera-based method. Such a system may utilize all of the RGB information of the user, which may result in privacy invasion, and may degrade the accuracy of the system because it can avoid detection of the system by covering a specific body part with an object such as clothes.

사용하는 일부 방식들은 지극히 제한적인 정보만을 활용하여 효율적이지 못한 성능을 내기도 한다.Some of the methods we use use only very limited information, resulting in inefficient performance.

또한, 상황인식 기술은 객체 검지와 객체 추적 기술과 상황 인지 기술이 조합된 컴퓨팅 기술이다. 객체 검지와 객체추적을 위한 영상처리 기술로 기준 배경 영상과 현재의 영상의 차이를 이용하는 차영상 기법이 주로 사용된다. 차영상 기법은 그림자나 잡티 들로 인해 객체 검지율을 떨어뜨릴 수 있다.In addition, context recognition technology is a computing technology that combines object detection, object tracking, and context awareness. As the image processing technique for object detection and object tracking, a difference image technique using the difference between the reference background image and the current image is mainly used. Differential image techniques can reduce the object detection rate due to shadows or dirt.

이와 같이, 객체 검지 차영상 기법을 이용하여 아동과 어른을 검지하는 구성은 대한민국 공개특허공보 2010-0061247호에 개시되어 있다. As described above, a configuration for detecting a child and an adult using the object detection difference imaging technique is disclosed in Korean Patent Publication No. 2010-0061247.

또한, 인체의 특정 신체 길이 정보벡터의 검출방법에 대한 구성은 대한민국 등록특허공보 10-0855631호에 개시되어 있다.
A configuration of a detection method of a specific body length information vector of a human body is disclosed in Korean Patent Registration No. 10-0855631.

대한민국 공개특허공보 2010-0061247호Korean Patent Publication No. 2010-0061247 대한민국 등록특허공보 10-0855631호Korean Patent Publication No. 10-0855631

본 발명의 목적은 3 D 깊이 카메라(Depth camera)를 이용하여 아동의 각 특정 신체의 정보로 취득하여 아동인지를 정확하게 감지할 수 있는 방법을 제공하는 것이다.
An object of the present invention is to provide a method for accurately detecting a child's identity by acquiring information on each specific body of a child by using a 3D depth camera.

본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법은 성인 및 아동의 각 신체 부위별로 구분된 특정 신체 길이 정보를 취득하여 저장하는 단계; 상기 취득된 특정 신체 길이 정보를 기초로 상기 특정 신체 정보에 대한 길이별 비율을 산출하는 단계; 상기 산출된 길이별 비율에 대하여 각각 성인의 샘플 수와 아동의 샘플 수를 그룹별로 분류하여 빈 그룹 테이블(bin classifier table) 데이터베이스를 구축하는 단계; 3D 깊이 카메라를 이용하여 촬영한 대상 목표의 이미지를 정규화하고, 상기 대상 목표의 각 신체 부위별로 구분된 특정 신체 길이 정보를 취득하는 단계; 상기 취득된 목표 대상의 특정 신체 길이 정보를 기초로 상기 목표 대상의 특정 신체 정보에 대한 길이별 비율을 산출하는 단계; 상기 산출된 목표 대상의 특정 신체 정보에 대한 길이별 비율과 상기 구축된 빈 분류 테이블(bin classifier table) 데이터베이스의 특정 신체 정보에 대한 길이별 비율을 대비하여, 상기 특정 신체 정보에 대한 길이 비율별로 아동일 확률을 산출하는 단계; 및 상기 산출된 아동일 확률을 조합하여 상기 대상 목표가 아동인지를 판단하는 단계; 를 포함하는 것을 특징으로 한다.
A method for detecting a child using a 3D depth camera according to an embodiment of the present invention includes: acquiring and storing specific body length information classified by each body part of an adult and a child; Calculating a ratio of the specific body information to the specific body information based on the acquired specific body length information; Constructing a bin classifier table database by classifying the number of adult samples and the number of samples of children into groups according to the calculated ratio by length; Normalizing an image of a target object photographed using a 3D depth camera, and obtaining specific body length information classified by each body part of the target object; Calculating a ratio of the length of the specific target body information to the target object on the basis of the acquired specific body length information of the target object; A ratio of length to specific physical information of the target object calculated and a ratio of length to specific body information of the bin classifier table database are compared with each other, Calculating a probability of occurrence; And determining whether the target object is a child by combining the calculated probability of childhood; And a control unit.

본 발명의 실시예에 의한 3D 깊이 카메라를 이용한 아동 감지 방법에 의하면, 영상 입력만으로 아동을 신속하게 정확하게 감지할 수 있다. According to the child detection method using the 3D depth camera according to the embodiment of the present invention, children can be detected quickly and accurately only by inputting images.

또한, 본 발명의 실시예에 의한 3D 깊이 카메라를 이용한 아동 감지 방법에 의하면, 개인의 사생활에 영향을 미치지 않고, 간단한 기계 설치만으로도 아동을 감지할 수 있으므로, 다양한 분야에서 활용할 수 있다.In addition, according to the method for detecting a child using a 3D depth camera according to an embodiment of the present invention, a child can be detected only by installing a simple machine without affecting the privacy of an individual, and thus can be utilized in various fields.

도 1은 본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법이 구현되는 아동 감지 시스템의 구성을 도시한 것이다.
도 2는 본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법이 수행되는 절차를 나타낸 흐름도이다.
도 3 및 4는 본 발명의 실시예에 따른 3D 깊이 카메라를 이용하여 검출한 특정 신체 길이 정보를 도시한 것이다.
도 5는 본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법에서 bin 기반 분류의 예를 도시한 것이다.
도 6은 본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법에서 퍼지화 과정을 도시한 것이다.
도 7은 본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법이 구현되는 시스템이 응용되는 환경을 도시한 것이다.FIG. 1 illustrates a child detection system in which a child detection method using a 3D depth camera is implemented according to an embodiment of the present invention.
2 is a flowchart illustrating a procedure for performing a child detection method using a 3D depth camera according to an embodiment of the present invention.
FIGS. 3 and 4 illustrate specific body length information detected using a 3D depth camera according to an embodiment of the present invention.
FIG. 5 illustrates an example of a bin-based classification in a child detection method using a 3D depth camera according to an embodiment of the present invention.
6 illustrates a fuzzy process in a child detection method using a 3D depth camera according to an embodiment of the present invention.
FIG. 7 illustrates an environment in which a system implementing a child detection method using a 3D depth camera according to an embodiment of the present invention is applied.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.BRIEF DESCRIPTION OF THE DRAWINGS The present invention is capable of various modifications and various embodiments, and specific embodiments are illustrated in the drawings and described in detail in the detailed description. It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.

상기 첨부된 도면을 참조로 본 발명의 바람직한 실시예를 설명하기로 한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Preferred embodiments of the present invention will be described with reference to the accompanying drawings.

제1, 제2 등의 용어는 다양한 구성요소들을 구별하여 설명하는데 사용되며, 상기 구성요소들은 상기 용어들에 의해 순번이나 기능으로 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
The terms first, second, etc. are used to distinguish between various components, and the components should not be limited to the order or function by the terms. The terms are used only for the purpose of distinguishing one component from another.

본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법이 구현된 아동 감지 시스템은 빈 기반 분류(bin-based classification)를 구축하기 위하여 우선 다양한 인물 샘플(모델군)의 특정 신체에 대한 정보를 취득하여 시스템을 학습시키고 추후 입력되는 목표에 대한 특정 신체에 대한 정보를 미리 구축된 bin-based classification를 이용하여 아동일 확률을 산정하고 이를 종합하여 대상 목표가 아동인지 여부를 판단하는 것을 특징으로 한다.The child detection system implementing the child detection method using the 3D depth camera according to the embodiment of the present invention first sets information on a specific body of various person samples (model group) in order to build a bin-based classification The system is learned and a child's probability is calculated by using a bin-based classification in which information on a specific body about a target to be input at a later time is constructed in advance, and the information is used to determine whether the target is a child.

본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법에서 사용하는 모델 집단에서 아동의 나이는 12세 이하로 설정할 수 있다.In the model group used in the child detection method using the 3D depth camera according to the embodiment of the present invention, the age of the child can be set to be 12 years or less.

도 1은 본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법이 구현되는 아동 감지 시스템의 구성을 도시한 것이다.FIG. 1 illustrates a child detection system in which a child detection method using a 3D depth camera is implemented according to an embodiment of the present invention.

본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법이 구현되는 아동 감지 시스템(10)은 입력부(21), 출력부(22), 중앙 제어부(23), 연산 제어부(24), 특정 신체별 정보 데이터부(25), 빈 분류부(bin classifier)(26) 및 퍼지부(Fuzzy unit)를 포함할 수 있다.The child detection system 10 implementing the child detection method using the 3D depth camera according to the embodiment of the present invention includes an input unit 21, an output unit 22, a central control unit 23, an operation control unit 24, A star information data unit 25, a bin classifier 26, and a fuzzy unit.

특정 신체별 정보 데이터부(25)에는 성인과 아동의 신체 분위별 정보가 저장될 수 있다. 성인과 아동의 신체 부위별 정보는 다양한 샘플의 모델 집단으로부터 각 신체 부위별로 각도에 의해 구분된 성인의 특정 신체 길이 정보와 아동의 특정 신체 길이 정보를 취득할 수 있다. 이때, 특정 신체 길이 정보를 취득하기 위해, 3D 깊이 카메라를 이용할 수 있다. The specific body-by-body information data section 25 may store information on the body quartiles of adults and children. Information on body parts of adults and children can be obtained from various sample model groups and information on specific body lengths of adults classified by angles of each body part and specific body length information of a child. At this time, in order to acquire specific body length information, a 3D depth camera can be used.

연산 제어부(24)에서는 모델 집단 및 대상 목표에 대한 각 특정 신체 정보에 대한 길이 비율을 연산하는 기능을 수행한다.The arithmetic and control unit 24 calculates the length ratio of each specific body information on the model group and the target object.

빈 분류부(bin classifier)(26)는 모델 집단의 특정 신체 정보별로 산출된 길이 비율에 대하여 각각 성인의 샘플 수와 아동의 샘플 수를 구분 분류하여 빈 분류(bin classifier) 테이블 데이터베이스를 구축할 수 있다.The bin classifier 26 can classify the number of adult samples and the number of samples of the child into a bin classifier table database for each of the length ratios calculated for specific body information of the model group have.

입력부(21)는 3D 깊이 카메라를 이용하며 촬영된 대상 목표 또는 모델군의 각 특징부위를 포함하는 객체를 배경 영상으로부터 정규화하여, 각 특정 부위에 대한 길이를 취득하고 저장할 수 있다.The input unit 21 may use a 3D depth camera and normalize an object including each feature region of the target object or model group from the background image to obtain and store the length for each specific region.

중앙 제어부(23)는 아동 감지 시스템(10)을 구성하는 각 구성 성분의 동작을 제어하고, 입력부(21)에서 입력된 각 특정 신체 정보에 대한 길이별 비율을 빈 분류부(bin classifier)(26)의 빈 분류(bin classifier) table 데이터베이스와 대비하고, 아동인지를 판단할 수 있다. The central control unit 23 controls the operation of each component constituting the child detection system 10 and outputs the ratio of the length of each specific body information inputted from the input unit 21 to a bin classifier 26 ) Bin classifier can be compared with the table database to determine if it is a child.

판단 결과는 출력부(22)로 출력될 수 있다. The determination result may be output to the output unit 22.

출력부(22)는 중앙 제어부(23)로부터 아동인지를 판단한 결과를 나타낸 판단 신호를 수신하고, 수신된 결과를 음성 또는 영상으로 출력할 수 있다. The output unit 22 can receive a determination signal indicating the result of determining whether it is a child from the central control unit 23, and output the received result as a voice or an image.

또한, 출력부(22)는 중앙 제어부(23)로부터 수신되는 판단 신호를 외부의 다른 장치 또는 시스템으로 전송하여, 판단 결과를 공유할 수 있다. The output unit 22 may transmit a determination signal received from the central control unit 23 to another external device or system to share the determination result.

퍼지부(Fuzzy unit)(27)는 빈 분류 테이블(bin classifier table)의 각 크기 비율을 좌우 그래프와 서로 겹치도록 설정하여 퍼지화 데이터를 구축할 수 있다.
The fuzzy unit 27 can construct the fuzzy data by setting the magnitude ratios of the bin classifier table to overlap with the left and right graphs.

도 2는 본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법이 수행되는 절차를 나타낸 흐름도이다. 이하, 도 1 및 2를 참조하여, 본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법에서 수행되는 절차를 살펴본다. 2 is a flowchart illustrating a procedure for performing a child detection method using a 3D depth camera according to an embodiment of the present invention. Hereinafter, with reference to FIG. 1 and FIG. 2, a procedure performed in a child detection method using a 3D depth camera according to an embodiment of the present invention will be described.

제 100 단계에서, 모델 집단의 특정 신체 정보를 취득할 수 있다. 다양한 샘플의 모델 집단으로부터 3D 깊이 카메라를 이용하여 각 신체 부위별로 구분된 성인의 특정 신체 길이 정보와 아동의 특정 신체 길이 정보를 취득할 수 있다. 그리고 취득한 특정 신체 길이 정보를 특정 신체별 정보 데이터부(25)에 저장할 수 있다. 특정 신체 길이 정보는 3D 깊이 카메라를 이용하며 아동과 성인을 포함하는 모델 집단의 신체의 각 특징부위를 포함하는 객체를 배경 영상으로부터 정규화하고, 특정 부위에 대한 길이를 측정하여 취득할 수 있다. 이때, 각 특징점에 대한 길이를 산출하는 기술을 활용할 수 있는데, 3D 카메라를 이용하여 각 특징점에 대한 길이를 산출하는 기술은 입력받은 형상 특징점 집합의 특징점들로 구성되는 각각의 객체형상을 정규화하여 자세벡터집합을 산출하고, 상기 정규화된 형상들에 대해 산출한 고유벡터를 기초로 투영계수집합 및 학습 형상 특징점 집합을 산출하여 고유 벡터를 산출하는 방법을 이용할 수 있으며, 이러한 기술은 대한민국 등록특허공보 10-0855631호에 개시된 기술을 참조할 수 있다. In step 100, specific body information of the model group can be acquired. From the model group of various samples, it is possible to acquire the specific body length information of the adult and the specific body length information of the child classified by each body part by using the 3D depth camera. Then, the acquired specific body length information can be stored in the specific body-specific information data section 25. [ The specific body length information can be acquired by normalizing the object including each feature part of the body of the model group including the child and the adult using the 3D depth camera and measuring the length of the specific part from the background image. In this case, a technique of calculating the lengths of the respective feature points can be used. The technique of calculating the lengths of the respective feature points using the 3D camera is performed by normalizing each object shape composed of the feature points of the input feature point set, A vector set may be calculated and a set of projection coefficient sets and a shape feature point set may be calculated based on the eigenvectors calculated for the normalized shapes to calculate an eigenvector. -0855631. ≪ / RTI >

또한, Microsoft 사의 Kinect camera와 같은 장비를 이용해 아이와 어른의 특정 신체 길이 정보를 수집할 수도 있다.You can also collect specific body length information for children and adults using equipment such as Microsoft's Kinect camera.

또한, skeleton 정보를 인식할 수 있는 기능이 부가된 3D 깊이 카메라(Depth camera)를 이용하여 아이와 어른의 신체 정보를 수집할 수도 있다.In addition, it is possible to collect physical information of a child and an adult by using a 3D depth camera with a function of recognizing skeleton information.

또한, 축적된 데이터베이스를 활용하여 아이와 어른의 신체 길이 정보를 수집할 수도 있다.It is also possible to collect information on the body length of a child and an adult using the accumulated database.

도 3 및 4는 본 발명의 실시예에 따른 3D 깊이 카메라를 이용하여 검출한 특정 신체 길이 정보를 도시한 것이다. 도 3에 도시된 바와 같이, 본 발명의 실시예에 따른 3D 깊이 카메라를 이용하여 검출한 제1 특정 신체 길이 정보는 헤드(201), 어깨선(222), 상박(203), 하박(204) 손 전장(205), 허벅다리(206), 아랫다리(207), 다리(208), 상부등(211), 상반부(212), 하부등(213), 턱밑 신장(214), 신장(215) 및 발목(216) 중 적어도 하나 이상을 포함할 수 있다.FIGS. 3 and 4 illustrate specific body length information detected using a 3D depth camera according to an embodiment of the present invention. 3, the first specific body length information detected using the 3D depth camera according to the embodiment of the present invention includes a head 201, a shoulder line 222, an upper arm 203, The lower leg 213, the lower leg 213, the lower leg 213, the lower leg 213, the lower leg 213, the lower leg 213, the upper leg 212, the lower leg 213, Ankles 216, and the like.

도 4에 도시된 바와 같이, 본 발명의 실시예에 따른 3D 깊이 카메라를 이용하여 검출한 제2 특정 신체 길이 정보는 머리의 수평부위(301), 앞면 얼굴의 수평부위(302), 앞이마의 수직부위(303), 눈가에서 귀까지 부위(304), 머리의 수직부위(305), 코의 수직 부위(306), 눈 밑에서 입까지 부위(307), 입의 수평부위(308), 입의 수직부위(309), 윗입술의 거리(310), 눈 사이(311), 눈 밑에서 코밑까지 부위(312), 코의 수평 부위(313) 중 적어도 하나 이상을 포함할 수 있다.4, the second specific body length information detected using the 3D depth camera according to the embodiment of the present invention includes a horizontal part 301 of the head, a horizontal part 302 of the front face, The region 303, the region from the eye to the ear 304, the vertical region 305 of the head, the vertical region 306 of the nose, the region from the under eye to the mouth 307, the horizontal region of the mouth 308, And may include at least one of a region 309, a distance 310 of the upper lip, a space 311 between the eyes, a region 312 below the eye, and a horizontal region 313 of the nose.

제 110 단계에서, 모델 집단의 특정 신체 정보의 비율을 산출할 수 있다. In operation 110, the ratio of specific body information of the model group can be calculated.

제 100 단계에서 취득한 특정 신체 정보를 바탕으로 연산 제어부(24)에서 각 특정 신체 정보에 대한 길이별 비율을 산출할 수 있다. The arithmetic and control unit 24 can calculate the ratio of each specific body information by length based on the specific body information acquired in operation 100. [

본 발명의 실시예에 의한 3D 깊이 카메라를 이용한 아동 감지 방법에 따르면, 특정 신체 정보에 대한 길이별 비율은 일정 기준 길이에 대한 비율로 산출될 수 있다.According to the child detection method using the 3D depth camera according to the embodiment of the present invention, the ratio of the specific body information to the length can be calculated as a ratio to a certain reference length.

또는, 신장 또는 머리의 수직부위를 기준 길이로 정하여 이에 대한 각 특정 신체 정보에 대한 길이를 비율로 산출될 수도 있다.Alternatively, the vertical length of the kidney or head may be defined as a reference length, and the length of each specific body information may be calculated as a ratio.

예를 들면, 제1 특정 신체 길이 정보 중 헤드 길이 비율은 신장에 대한 비율로 산출될 수 있으며, 제2 특정 신체 길이 정보 중 앞면 얼굴의 수평부위 길이 비율은 머리의 수직부위에 대한 비율로 산출될 수 있다. For example, the head length ratio among the first specific body length information may be calculated as a ratio to the elongation, and the ratio of the horizontal length of the front face of the second specific body length information is calculated as a ratio to the vertical portion of the head .

제 120 단계에서, 빈 분류(bin classifier)를 수행할 수 있다. In operation 120, a bin classifier may be performed.

제 110단계를 통해 특정 신체 정보별로 산출된 비율에 대하여 각각 성인의 샘플 수와 아동의 샘플 수를 비율적으로 구분하고, 분류하여 빈 분류부(26)에 빈 분류 데이터 베이스를 구축할 수 있다.
In step 110, an empty classification database can be constructed in the bin classification unit 26 by proportionally dividing the number of samples of adult and the number of samples of the child for the ratio calculated for each specific body information.

도 5는 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법에서 bin 기반 분류의 예를 도시한 것이다.FIG. 5 illustrates an example of bin-based classification in a method of detecting a child using a 3D depth camera according to an embodiment of the present invention.

예를 들면, 신장 길이 대 턱밑 신장의 길이 비율은 성인은 70~ 90% 범위에서 많이 분포되고 아동은 비교적 70% 이하에서 많이 분포된다.For example, the ratio of the length to the length of the submandibular height is widely distributed in the range of 70 to 90% for adults, and the children are distributed much below 70%.

따라서 턱밑 신장 길이 비율이 70~ 90%인 경우에는 대부분 성인일 확률이 높고, 70% 미만의 경우는 대부분 아동일 확률이 높게 된다.Therefore, when the ratio of the length of the submandibular height is 70 ~ 90%, the probability of adult is high, and in case of less than 70%, the probability of childhood is high.

또는, 특정 bin에 들어있는 어른의 샘플 수와 아동의 샘플 수를 저장하여 확률 분포를 산출하는 것을 더 포함할 수 있다.Alternatively, it may further include calculating the probability distribution by storing the number of samples of an adult included in a specified bin and the number of samples of a child.

다시 도 2를 참조하면, 제 130 단계에서, 목표 이미지의 특정 신체 정보를 취득할 수 있다. Referring again to FIG. 2, in step 130, specific body information of the target image can be acquired.

3D 깊이 카메라를 이용하며 촬영된 대상 목표의 각 특징부위를 포함하는 객체를 배경 영상으로부터 정규화하여, 각 특정 부위에 대한 길이 정보를 입력부(21)에 저장할 수 있다. An object including each feature part of the photographed target using the 3D depth camera can be normalized from the background image and the length information for each specific part can be stored in the input part 21. [

제 140 단계에서, 목표 이미지의 특정 신체 정보 비율을 산출할 수 있다.In operation 140, the specific body information ratio of the target image can be calculated.

대상 목표에서 취득한 특정 신체 길이 정보를 바탕으로 연산 제어부(24)는 각 특정 신체 정보에 대한 길이별 비율을 산출할 수 있다.Based on the specific body length information acquired from the target object, the arithmetic and control unit 24 can calculate the ratio for each specific body information by length.

제 150 단계에서, 중앙 제어부(23)는 산출된 각 특정 신체 정보에 대한 길이별 비율을 빈 분류 테이블(bin classifier table) 데이터베이스와 대비할 수 있다. In step 150, the central control unit 23 may compare the ratio of each calculated specific body information with the bin classification table database.

제 150 단계의 대비를 통해, 특정 신체 정보별로 아동일 확률을 산출할 수 있다. 중앙 제어부(23)에서는 각 특정 신체 정보별로 합산하여 아동일 확률의 평균 통계를 적산하여 50%를 초과하는 경우 아동으로 판단할 수 있다. Through the contrast of step 150, the child probability can be calculated for each specific body information. The central control unit 23 may add up the average statistics of child probabilities by summing up for each specific body information, and judge it as a child if it exceeds 50%.

또한, 구축된 빈 분류 테이블(bin classifier table)의 각 항목에 따른 분포가 이산적으로 나타나기 때문에 특정 빈(bin)의 아동과 성인의 경계점에 있는 샘플군(예를 들면 아동과 성인이 50% 부근인 것들)들은 판단에 대한 결론이 부정확할 수 있다.In addition, since the distribution according to each item of the constructed bin classifier table is discrete, a sample group at the boundary of a specific bin (for example, children and adults) The conclusions about the judgment may be inaccurate.

제 155 단계에서, 퍼지부(27)에서는 퍼지 이론을 이용해 빈 분류 테이블(bin classifier table)의 각 크기 비율을 좌우 그래프와 서로 겹치도록 설정하여 퍼지화할 수 있다.In operation 155, in the purge unit 27, the size ratio of the bin classifier table may be set to be overlapped with the left and right graphs using the fuzzy theory to be fuzzy.

도 6은 본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법에서 퍼지화 과정을 도시한 것이다.6 illustrates a fuzzy process in a child detection method using a 3D depth camera according to an embodiment of the present invention.

도 6을 참조하면, 퍼지부(27)에서는 퍼지 이론을 이용해 빈 분류 테이블(bin classifier table)의 각 길이 비율을 좌우 그래프와 서로 겹치도록 설정하여 퍼지화 과정을 수행할 수 있다. Referring to FIG. 6, in the purge unit 27, fuzzy logic can be performed by setting the length ratio of the bin classifier table to be overlapped with the left and right graphs using the fuzzy theory.

예를 들면, bi-1은 71 ~ 75%, bi는 73 ~ 77%, bi-2는 75 ~ 79%로 인접 bin 수치와 서로 겹치도록 설정하고, 주어진 퍼지 규칙에 따라 퍼지 추론을 수행할 수 있다. For example, it is possible to set fuzzy reasoning according to a given fuzzy rule by setting the bi-1 to be 71 to 75%, bi to 73 to 77%, bi-2 to 75 to 79% have.

본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법에 따르면, 맥스-민 규칙(Max - Min rule by Mamdan)을 사용하여 퍼지 추론을 수행할 수 있다. According to the child detection method using the 3D depth camera according to the embodiment of the present invention, fuzzy inference can be performed using Max-Min rule by Mamdan.

다시 도 2를 참조하면, 제 160 단계에서 중앙 제어부(23)는 대비 결과에 기초하여, 아동인지를 판단할 수 있다. Referring back to FIG. 2, in step 160, the central control unit 23 can determine whether the child is a child based on the comparison result.

본 발명의 실시예에 의한 3D 깊이 카메라를 이용한 아동 감지 방법에 따르면, 150단계에서 산출된 각 특정 신체 정보에 대한 길이별 비율을 빈 분류 테이블(bin classifier table) 데이터베이스와 대비하여 각 각 특정 신체 정보별로 아동일 확률을 산출할 수 있다. 그리고 160단계에서는 각 특정 신체 정보별로 합산하여 아동일 확률의 평균 통계를 적산하여 50%를 초과하는 경우 아동으로 판단할 수 있다. According to the child detection method using the 3D depth camera according to the embodiment of the present invention, the ratio of the length of each specific body information calculated in step 150 is compared with a bin classifier table database, The probability of child occurrence can be calculated. In the step 160, the average statistics of the probability of children are added up for each specific body information, and if it exceeds 50%, it can be judged as a child.

또한, 제 155 단계에서 산출된 각 퍼지 출력을 합산 평균하여 아동인지를 판단하는 판단할 수도 있다. In addition, it may be determined whether the child is a child by averaging the respective fuzzy outputs calculated in operation 155.

판단 결과는 출력부(22)를 통해 외부로 출력될 수 있다. The determination result may be output to the outside through the output unit 22. [

도 7은 본 발명의 실시예에 따른 3D 깊이 카메라를 이용한 아동 감지 방법이 구현되는 시스템이 응용되는 환경을 도시한 것이다.FIG. 7 illustrates an environment in which a system implementing a child detection method using a 3D depth camera according to an embodiment of the present invention is applied.

도 7을 참조하면, 아동에 대한 유해환경(401) 지역, 우범 지역 등 아동에 대한 유해 환경 지역 내에서 3D 깊이 카메라를 이용한 아동 감지 방법이 구현되는 시스템이 감시 업무를 수행할 수 있다.Referring to FIG. 7, a system in which a child detection method using a 3D depth camera is implemented in a harmful environment area for a child, such as a harmful environment 401 for a child, a hunting area, etc., can perform monitoring work.

아동 감시 카메라 시스템(510)이 아동인지를 탐지하게 되면, 경고 장치에서는 아동의 접근을 허락할지를 판단한다.When the child surveillance camera system 510 detects that the child is a child, the warning device determines whether to allow the child to access.

예를 들면 시간별로 일몰 후에는 접근을 허용하지 않을 수 있다.For example, time may not allow access after sunset.

접근이 허락되는 시간에는 no action(602)으로 처리한다.No action (602) is allowed when access is allowed.

접근이 허락되지 않는다고 판단이 되면 알람(603)을 울리게 되고 유관부서에도 영상 이미지를 전송할 수 있다.If it is determined that the access is not permitted, the alarm 603 is sounded and the image can be transmitted to the related departments.

본 발명의 실시예에 따르면 영상 입력만으로 아동인지를 빠르고, 신뢰성을 높게 판별할 수 있어서, 3 D 깊이 카메라를 이용하여 아동을 실시간으로 인식할 수 있다.According to the embodiment of the present invention, children can be recognized in real time by using 3D depth camera because it is possible to quickly and reliably discriminate a child with only image input.

본 발명의 실시예에 따르면, 기존의 얼굴 정보를 필수적으로 활용하는 시스템, RGB 사진을 이용하는 시스템에 비해 각 각 특정 신체 정보의 길이 만으로 아동인지를 식별할 수 있기 때문에 privacy sensitive한 응용에 활용될 수 있으며, 간단한 기계 설치를 통해 다양한 응용 개발을 가능케 할 수 있다.
According to the embodiment of the present invention, compared with the system using the existing face information and the system using the RGB picture, since the child recognition can be identified only by the length of each specific body information, it can be utilized for the privacy sensitive application It is possible to develop various applications through simple machine installation.

10: 아동 감지 시스템
21: 입력부
22: 출력부
23: 중앙제어부
24: 연산제어부
25: 특정 신체별 정보부
26: bin classifier부
27: 퍼지부10: Child detection system
21:
22: Output section
23:
24:
25: Specific body information department
26: bin classifier section
27:

Claims (1)

성인 및 아동의 각 신체 부위별로 구분된 특정 신체 길이 정보를 취득하여 저장하는 단계;
상기 취득된 특정 신체 길이 정보를 기초로 상기 특정 신체 정보에 대한 길이별 비율을 산출하는 단계;
상기 산출된 길이별 비율에 대하여 각각 성인의 샘플 수와 아동의 샘플 수를 그룹별로 분류하여 빈 그룹 테이블(bin classifier table) 데이터베이스를 구축하는 단계;
3D 깊이 카메라를 이용하여 촬영한 대상 목표의 이미지를 정규화하고, 상기 대상 목표의 각 신체 부위별로 구분된 특정 신체 길이 정보를 취득하는 단계;
상기 취득된 목표 대상의 특정 신체 길이 정보를 기초로 상기 목표 대상의 특정 신체 정보에 대한 길이별 비율을 산출하는 단계;
상기 산출된 목표 대상의 특정 신체 정보에 대한 길이별 비율과 상기 구축된 빈 분류 테이블(bin classifier table) 데이터베이스의 특정 신체 정보에 대한 길이별 비율을 대비하여, 상기 특정 신체 정보에 대한 길이 비율별로 아동일 확률을 산출하는 단계; 및
상기 산출된 아동일 확률을 조합하여 상기 대상 목표가 아동인지를 판단하는 단계; 를 포함하는 것을 특징으로 하는 3D 깊이 카메라를 이용한 아동 감지 방법Acquiring and storing specific body length information classified by each body part of an adult and a child;
Calculating a ratio of the specific body information to the specific body information based on the acquired specific body length information;
Constructing a bin classifier table database by classifying the number of adult samples and the number of samples of children into groups according to the calculated ratio by length;
Normalizing an image of a target object photographed using a 3D depth camera, and obtaining specific body length information classified by each body part of the target object;
Calculating a ratio of the length of the specific target body information to the target object on the basis of the acquired specific body length information of the target object;
A ratio of length to specific physical information of the target object calculated and a ratio of length to specific body information of the bin classifier table database are compared with each other, Calculating a probability of occurrence; And
Determining whether the target object is a child by combining the calculated probability of childhood; Detecting a child by using a 3D depth camera
KR1020140141122A 2013-11-15 2014-10-17 Child detection method using 3D depth camera KR20150056747A (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020130139399 2013-11-15
KR20130139399 2013-11-15

Publications (1)

Publication Number Publication Date
KR20150056747A true KR20150056747A (en) 2015-05-27

Family

ID=53391837

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140141122A KR20150056747A (en) 2013-11-15 2014-10-17 Child detection method using 3D depth camera

Country Status (1)

Country Link
KR (1) KR20150056747A (en)

Similar Documents

Publication Publication Date Title
KR101480348B1 (en) People Counting Apparatus and Method
US10007850B2 (en) System and method for event monitoring and detection
KR101546137B1 (en) Person recognizing device and method
WO2012066785A1 (en) People counting device, people counting method and people counting program
JP2009143722A (en) Person tracking apparatus, person tracking method and person tracking program
CN111241913A (en) Method, device and system for detecting falling of personnel
Zhang et al. Evaluating depth-based computer vision methods for fall detection under occlusions
US10496874B2 (en) Facial detection device, facial detection system provided with same, and facial detection method
JP2014093023A (en) Object detection device, object detection method and program
CN109830078B (en) Intelligent behavior analysis method and intelligent behavior analysis equipment suitable for narrow space
WO2019220589A1 (en) Video analysis device, video analysis method, and program
Planinc et al. Robust fall detection by combining 3D data and fuzzy logic
KR101708233B1 (en) Apparaus and method for detecting aggressive actions from streaming 3d skeletton data
Abdo et al. Fall detection based on RetinaNet and MobileNet convolutional neural networks
KR20140110484A (en) Risk behavior detection method using image information
US8873804B2 (en) Traffic monitoring device
WO2022014252A1 (en) Information processing device and information processing method
Lin et al. Vision-based fall detection through shape features
KR20150010248A (en) Method and apparatus for surveillance by using 3-dimension image data
KR101840042B1 (en) Multi-Imaginary Fence Line Setting Method and Trespassing Sensing System
KR20160062521A (en) System and method for preventing neck disc
KR101815697B1 (en) Apparatus and method for discriminating fake face
KR101799335B1 (en) Fake Face Distinction System by Using Monocular Camera and Method thereof
JP2021007055A (en) Discriminator learning device, discriminator learning method, and computer program
KR20160118783A (en) Method and Apparatus for counting the number of person

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