KR20160033800A - 카운팅 방법 및 카운팅 장치 - Google Patents

카운팅 방법 및 카운팅 장치 Download PDF

Info

Publication number
KR20160033800A
KR20160033800A KR1020140123729A KR20140123729A KR20160033800A KR 20160033800 A KR20160033800 A KR 20160033800A KR 1020140123729 A KR1020140123729 A KR 1020140123729A KR 20140123729 A KR20140123729 A KR 20140123729A KR 20160033800 A KR20160033800 A KR 20160033800A
Authority
KR
South Korea
Prior art keywords
information
regression tree
input
motion pixel
pixel
Prior art date
Application number
KR1020140123729A
Other languages
English (en)
Inventor
테스홈 미키야스
정호엽
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020140123729A priority Critical patent/KR20160033800A/ko
Priority to US14/855,682 priority patent/US20160078323A1/en
Publication of KR20160033800A publication Critical patent/KR20160033800A/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
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

카운팅 방법을 개시한다. 본 발명의 일 실시 예에 따른 카운팅 방법은, 복수의 이미지에 포함된 움직이는 객체에 대한 정보를 입력하여 회귀 트리(regression tree)를 생성하는 단계와, 새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계와, 상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 숫자를 판단하는 단계를 포함한다.

Description

카운팅 방법 및 카운팅 장치{METHOD FOR COUNTING PERSON AND COUNTING APPARATUS}
본 발명은 카운팅 방법에 대한 것으로, 좀더 상세하게는 계산이 빠르고 간단하면서도 이미지에 포함되어 있는 복수의 사람을 카운팅 할 수 있는 카운팅 장치 및 카운팅 방법에 대한 것이다.
비디오 이미지에 포함되어 있는 사람의 숫자를 카운팅하는 기술은 방범이나 마케팅 목적으로 다양하게 응용될 수 있다. 예를 들어, 백화점 매장 입구에 설치된 cctv에 촬영된 이미지를 분석하여 백화점에 출입한 사람 숫자를 카운팅하고 추적할 수 있다.
종래 기술로 이미지에 포함되어 있는 사람을 검출하고 트랙킹하는 기술이 존재한다. 이 기술은 복수의 연속되는 이미지 프레임의 픽셀값을 비교하여 특징값에 따라 사람을 개별적으로 검출하고 트랙킹한다. 그러나, 이 기술은 모든 이미지 프레임에 대해 픽셀 비교를 수행해야 하므로 계산이 복잡한 단점이 있다. 특히, 사람 숫자가 많은 경우 개별적으로 검출 및 트랙킹을 해야 하므로 계산량이 많아져 고성능의 하드웨어를 필요로 한다.
다른 방법으로 사람들의 움직임 플로우(flow)값을 이용하여 사람 수를 카운팅할 수 있다. 사람의 흐름을 평가하여 카운팅하는 방법은 계산적으로는 간단한 장점이 있다. 그러나, 사람 수가 복수인 경우, 개개인의 트랙킹이 힘든 문제가 있다. 또한, 동일한 사람이 여러 번 카운팅될 수 있다.
따라서, 계산이 빠르고 간단하면서도 이미지에 포함되어 있는 복수의 사람을 카운팅 할 수 있는 기술이 요청된다.
본 발명은 상술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은, 계산이 빠르고 간단하면서도 이미지에 포함되어 있는 복수의 사람을 카운팅 할 수 있는 카운팅 방법 및 카운팅 장치를 제공하기 위함이다.
상기와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 카운팅 방법은, 복수의 이미지에 포함된 움직이는 객체에 대한 정보를 입력하여 회귀 트리(regression tree)를 생성하는 단계와, 새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계와, 상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 숫자를 판단하는 단계를 포함한다.
이때, 상기 회귀 트리를 생성하는 단계는, 두 개 이상의 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하는 단계와, 상기 움직임 픽셀에 대한 정보를 외부 입력받는 단계와, 상기 외부 입력 정보를 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 단계를 포함할 수 있다.
또한, 상기 움직임 픽셀에 대한 정보는, 상기 움직임 픽셀이 사람을 나타내는 것인지에 대한 정보 및 상기 움직임 픽셀의 위치 정보 중 적어도 하나일 수 있다.
또한, 상기 외부 입력 정보를 상기 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 단계는, 제1 파라미터에 따라 상기 외부 입력 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하는 단계와, 상기 생성된 제1 회귀 트리의 리프 노드가 갖는 외부 입력 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성하는 단계를 포함할 수 있다.
또한, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계는, 복수의 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하는 단계와, 상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력하는 단계를 포함할 수 있다.
또한, 상기 식별된 움직임 픽셀에 대한 정보는, 상기 식별된 움직임 픽셀의 위치 정보를 포함할 수 있다.
또한, 상기 사람의 숫자를 판단하는 단계는, 상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하는 단계와, 상기 움직이는 객체가 사람이면, 상기 움직이는 객체가 화면 상의 기 설정된 위치를 통과하는 경우 카운트를 하는 단계를 포함할 수 있다.
또한, 상기 카운팅 방법은, 상기 복수의 이미지를 연속하여 촬영하는 단계를 더 포함할 수 있다.
또한, 상기와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 카운팅 장치는, 회귀 트리 생성부와 카운팅부를 포함한다.
회귀 트리 생성부는 복수의 이미지에 포함된 움직이는 객체에 대한 정보를 입력하여 회귀 트리(regression tree)를 생성하는 구성이다.
카운팅부는 새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하여 상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 숫자를 판단한다.
상기 회귀 트리 생성부는, 두 개 이상의 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 움직임 픽셀에 대한 정보가 외부에서 입력되면, 상기 외부 입력 정보를 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성할 수 있다.
이때, 상기 움직임 픽셀에 대한 정보는, 상기 움직임 픽셀이 사람을 나타내는 것인지에 대한 정보, 움직임 픽셀의 확률 정보, 및 상기 움직임 픽셀의 위치 정보 중 적어도 하나일 수 있다.
또한, 상기 회귀 트리 생성부는, 제1 파라미터에 따라 상기 외부 입력 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하고, 상기 생성된 회귀 트리의 리프 노드가 갖는 외부 입력 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성할 수 있다.
또한, 상기 카운팅부는, 복수의 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력할 수 있다.
상기 식별된 움직임 픽셀에 대한 정보는, 상기 식별된 움직임 픽셀의 위치 정보를 포함할 수 있다.
또한, 상기 카운팅부는, 상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하고, 상기 움직이는 객체가 사람이면, 상기 움직이는 객체가 화면 상의 기 설정된 위치를 통과하는 경우 카운트를 할 수 있다.
이상과 같은 본 발명의 다양한 실시 예에 따르면, 본 발명은, 계산이 빠르고 간단하면서도 이미지에 포함되어 있는 복수의 사람을 카운팅 할 수 있는 카운팅 방법 및 카운팅 장치를 제공하기 위함이다.
도 1 및 2는 종래에 이미지에 포함되어 있는 사람을 카운팅하는 기술을 설명하기 위한 도면,
도 3, 4는 본 발명의 다양한 실시 예에 따른 카운팅 방법의 흐름도,
도 5는 본 발명의 일 실시 예에 따른 모션 히스토리 이미지를 도시한 도면.
도 6은 본 발명의 일 실시 예에 따른 회귀 트리를 나타낸 도면,
도 7은 입력된 새로운 이미지의 움직이는 객체 정보를 회귀 트리에 입력하여 회귀트리를 순회하는 방법을 도시한 흐름도,
도 8은 본 발명의 일 실시 예에 따른 사람의 숫자를 판단하는 과정을 도시한 흐름도, 그리고,
도 9는 본 발명의 일 실시 예에 따른 카운팅 장치의 구성을 도시한 블록도이다.
이하에서는 첨부된 도면을 참조하여 본 발명의 다양한 실시 예를 설명한다.
도 1 및 2는 종래에 이미지에 포함되어 있는 사람을 카운팅하는 기술을 설명하기 위한 도면이다.
도 1은 이미지에 포함되어 있는 사람을 각각 검출하고 트랙킹하는 기술을 나타낸 도면이다. 이 기술은 연속되는 이미지 프레임에서 사람을 검출하고 각 이미지 프레임의 특징값을 비교한다. 복수의 이미지 상에 동일 오브젝트(인물)이 존재하는 경우 1명으로 취급된다. 그러나, 전술한 것처럼 이 기술은 모든 이미지 프레임에 대해 픽셀 비교를 수행해야 하므로 계산이 복잡한 단점이 있다. 특히, 사람 숫자가 많은 경우 개별적으로 검출 및 트랙킹을 해야 하므로 계산량이 많아져 고성능의 하드웨어를 필요로 한다.
도 2는 사람 흐름을 계산하여 카운팅하는 방법을 도시한다. 유사한 픽셀값을 갖는 연속되는 영역은 하나의 흐름(flow)에 포함되어 계산된다. 이렇게 되면 복수의 흐름을 얻을 수 있고, 각 흐름은 동일한 사람의 이동 궤적으로 해석될 수 있다. 독립된 하나의 흐름은 크기에 따라 복수의 사람으로 계산될 수 있다. 전술한 것처럼 사람의 흐름을 평가하여 카운팅하는 방법은 계산적으로는 간단한 장점이 있다. 그러나, 사람 수가 복수인 경우, 개개인의 트랙킹이 힘든 문제가 있다. 또한, 동일한 사람이 여러 번 카운팅될 수 있다.
도 3, 4는 본 발명의 다양한 실시 예에 따른 카운팅 방법의 흐름도이다.
도 3을 참조하면, 본 발명의 일 실시 예에 따른 카운팅 방법에서 먼저 회귀 트리(regression tree)를 생성한다(S310). 일반적으로, 회귀분석은 주어진 데이터를 가장 잘 나타낼 수 있는 수식을 찾아내는 방법을 의미한다. 회귀 트리는 파라미터를 변경해가면서 주어진 데이터를 가장 잘 나타낼 수 있는 트리를 구성한다. 최적의 회귀 트리를 얻는 것이 목적이므로 이 과정을 트레이닝 단계라고 부를 수 있다. 새로운 데이터가 주어지면 회귀 트리의 결과값을 통해 새로운 데이터가 갖는 속성을 예측할 수 있다.
본 발명의 일 실시 예에 따르면 동영상을 구성하는 복수의 연속된 이미지 프레임에 포함되어 있는 움직이는 객체에 대한 정보를 입력하여 회귀 트리를 생성한다. 연속된 이미지 프레임에서 움직이는 객체에 대한 정보를 가장 잘 나타내는 회귀 트리를 구성하는 것이다. 이에 대해서는 뒤에서 좀더 상세하게 설명한다.
회귀 트리가 구성된 후, 새로운 이미지가 입력되면(S320-Y) 이미지에 대한 정보를 기초로 회귀 트리를 순회한다. 구체적으로, 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 회귀 트리에 입력한다(S330).
회귀 트리를 순회한 결과 즉, 리프노드의 값에 따라 새로운 이미지에 포함된 움직이는 객체의 속성이 결정된다. 본 발명에서는 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 숫자를 판단할 수 있다(S340). 여기에 대해서는 뒤에서 좀더 자세하게 설명한다.
도 4는 회귀 트리를 생성하기 위해 모션 히스토리 이미지를 얻는 방법을 나타낸 도면이다.
모션 히스토리 이미지는 복수의 연속된 이미지 프레임에 포함되어 있는 움직이는 객체를 식별하여 생성된 이미지이다. 이미지 프레임에 포함되어 있는 움직이는 객체를 식별하기 위해 두 개 이상의 연속되는 이미지의 대응되는 픽셀 간 차이값을 판단한다(S410). 차이값이 존재하는 영역은 객체가 움직인 영역으로 볼 수 있다. 객체가 움직여서 픽셀값이 변화된 영역은 블랙으로 처리한다. 나머지는 화이트로 처리할 수 있다. 이미지에 포함된 움직이는 오브젝트에 대해서 모두 상기의 작업을 수행하면 도 5와 같은 모션 히스토리 이미지를 얻게 된다. 도 5는 본 발명의 일 실시 예에 따른 모션 히스토리 이미지를 도시한 도면이다.
회귀 트리 구성 단계에서는 모션 히스토리 이미지에 포함된 움직이는 객체에 대한 정보를 외부로부터 입력받는다(S420). 즉, 움직임 픽셀에 대한 정보를 입력하는데, 이때 움직임 픽셀에 대한 정보는, 움직임 픽셀이 사람을 나타내는 것인지에 대한 정보, 움직임 픽셀의 확률 정보, 및 상기 움직임 픽셀의 위치 정보 중 적어도 하나가 될 수 있다. 움직임 픽셀의 위치 정보는 외부 입력이 없이 픽셀의 좌표 정보로 판단하는 것도 가능하다. 결과적으로 모션 히스토리 이미지의 모든 움직이는 픽셀에 대해서 오브젝트가 사람을 나타내는 것인지에 대한 정보와 움직임 픽셀의 위치 정보를 저장한다. 움직임 픽셀의 확률 정보는 움직임 픽셀이 움직이는 객체 내에서 어떠한 확률로 존재하는가를 나타내는 정보이다. 예를 들어, 어느 움직이는 객체가 500개의 픽셀로 구성되어 있다면, 움직임 픽셀 하나는 1/500의 확률을 갖는다. 하나의 움직임 픽셀은 움직이는 객체의 최소 단위를 구성하므로 확률이라는 용어 대신 비례(proportionality)라는 용어를 사용할 수도 있다.
상기 움직임 픽셀에 대한 정보를 이용하여 회귀 트리를 작성한다. 즉, 외부 입력 정보를 기 설정된 파라미터에 따라 분류하여 회귀 트리를 생성한다(S430).
이때, 상기 외부 입력 정보를 상기 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 단계는, 제1 파라미터에 따라 상기 외부 입력 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하는 단계와, 상기 생성된 회귀 트리의 리프 노드가 갖는 외부 입력 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성하는 단계를 포함할 수 있다. 즉, 파라미터를 바꿔가면서 최적의 회귀 트리를 구성한다.
일 실시 예로 움직이는 픽셀의 인접 픽셀 두 개를 랜덤하게 선택할 수 있다. 그리고, 대상 픽셀과의 거리를 계산한다. 두 개의 랜덤 픽셀과 대상 픽셀과 거리 차이가 기 설정된 값 미만이면 트리의 왼쪽 자식을 순회한다. 반대로 두 개의 랜덤 픽셀과 대상 픽셀과 거리차이가 기 설정된 값 이상이면 트리의 오른쪽 자식을 순회할 수 있다. 이렇게 결정된 회귀 트리에 대해서 검증을 수행한다. 회귀 트리의 리프노드는 복수 개의 움직이는 픽셀에 대한 정보를 포함할 수 있는데, 상기 복수 개의 움직이는 픽셀에 대한 정보는 상호 유사해야 한다. 예를 들어, 어느 움직이는 픽셀 그룹(리프 노드의 정보)에 사람에 대한 픽셀이 예외적으로 포함되어 있고, 이러한 오차가 중요하다고 판단되는 경우, 회귀 트리를 재구성해야 한다. 회귀 트리의 재구성은 파라미터 값을 조정하여 수행한다. 기 설정된 오차율을 만족하는 회귀 트리가 결정될 때까지 상기 과정을 반복한다.
도 6은 본 발명의 일 실시 예에 따른 회귀 트리를 나타낸 도면이다.
도 6에 도시된 것처럼 움직이는 픽셀에 대해서 입력된 정보를 이용하여 회귀 트리를 생성한다. 특정 리프노드는 픽셀 그룹의 지배적인 속성 정보를 포함한다.
도 7은 입력된 새로운 이미지의 움직이는 객체 정보를 회귀 트리에 입력하여 회귀트리를 순회하는 방법을 도시한 흐름도이다.
도 7에 도시된 것처럼, 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계는, 복수의 연속되는 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별한다(S710).
상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력한다(S720).
상기 과정은 앞서 설명한 모션 히스토리 이미지를 생성하는 과정과 동일하다. 즉, 새로 입력된 이미지에 대한 모션 히스토리 이미지를 생성한다. 구체적으로 두 개 이상의 연속되는 이미지의 대응되는 픽셀 간 차이값을 판단한다. 차이값이 존재하는 영역은 객체가 움직인 영역으로 볼 수 있다. 객체가 움직여서 픽셀값이 변화된 영역은 블랙으로 처리한다. 나머지는 화이트로 처리할 수 있다. 이미지에 포함된 움직이는 오브젝트에 대해서 모두 상기의 작업을 수행한다.
기본적으로 움직이는 오브젝트는 위치 정보를 갖고 있다. 따라서, 움직이는 오브젝트를 구성하는 움직임 픽셀에 대한 위치 정보를 회귀 트리에 입력하여 회귀 트리를 순회할 수 있다. 회귀 트리의 순회 결과인 리프노드는 움직임 픽셀의 속성을 드러낸다. 즉, 움직임 픽셀의 확률값, 사람인지 여부 등을 나타내는 것이다. 회귀 트리의 순회는 N개의 노드가 있다고 가정할 때, log N에 이루어지므로 매우 빠르게 움직임 픽셀의 속성을 파악할 수 있게 된다.
도 8은 본 발명의 일 실시 예에 따른 사람의 숫자를 판단하는 과정을 도시한 흐름도이다.
도 8을 참조하면, 상기 사람의 숫자를 판단하는 단계는, 상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하는 단계(S810)를 포함하고, 상기 움직이는 객체가 사람이면(S820-Y), 상기 움직이는 객체가 화면 상의 기 설정된 위치를 통과하는 경우 카운트를 하는 단계(S830)를 포함한다.
전술한 것처럼 회귀 트리를 순회하게 되면, 움직임 픽셀의 속성을 알 수 있다. 리프노드는 움직임 픽셀이 포함되어 있는 움직이는 객체가 사람인지, 움직임 픽셀의 존재 확률을 알려준다.
움직이는 객체가 사람이라고 판단되는 경우도 화면의 모든 영역에서 움직이는 객체를 판단하는 것은 비효율적이다. 따라서, 화면의 기 설정된 위치를 통과하면 움직이는 객체를 카운트해줄 수 있다. 움직이는 객체의 카운트는 움직임 픽셀의 확률에 1을 곱한 것을 모두 합하면 1이 되므로 사람 1명으로 쉽게 계산될 수 있다. 이와 달리 화면 상의 가상의 라인을 통과하는 경우 사람 숫자가 카운팅될 수도 있다. 대안적으로 관심 영역이 그려질 수 있고 그 영역에 들어나오는 사람의 숫자가 카운팅될 수 있다.
이상에서 설명한 카운팅 방법은 회귀 트리를 이용하여 빠르게 이미지에 포함되어 있는 움직이는 사람의 숫자를 판단할 수 있는 효과를 갖는다.
한편, 전술한 카운팅 방법은 컴퓨터상에서 판독 가능한 비일시적 기록 매체에 프로그램의 형태로 저장될 수 있다. 여기서 비일시적 판독 가능 매체란 레지스터, 캐쉬 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장이 가능하며, 전자기기에 의해 판독(reading)이 가능한 매체를 의미한다. 예를 들어, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 될 수 있다. 또한, 전술한 카운팅 방법은 임베디드 소프트웨어 형태로 하드웨어 IC칩에 내장되어 제공될 수 있다.
도 9는 본 발명의 일 실시 예에 따른 카운팅 장치의 구성을 도시한 블록도이다.
본 발명의 다양한 실시 예에 따른 카운팅 장치는 다양한 전자 장치로 구현될 수 있다. 예를 들어, cctv카메라, 디지털 카메라, 스마트폰, 서버, pc, 태블릿 pc, 디지털 텔레비젼, 디지털 사이니지 중 적어도 하나로 구현될 수 있다.
도 9를 참조하면, 본 발명의 일 실시 예에 따른 카운팅 장치(100)는 회귀 트리 생성부(110)와 카운팅부(120)를 포함한다.
회귀 트리 생성부(110)는 복수의 이미지에 포함된 움직이는 객체에 대한 정보를 입력하여 회귀 트리(regression tree)를 생성하는 구성이다.
카운팅부(120)는 새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하여 상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 숫자를 판단한다.
상기 회귀 트리 생성부(110)는, 두 개 이상의 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 움직임 픽셀에 대한 정보가 외부에서 입력되면, 상기 외부 입력 정보를 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성할 수 있다.
이때, 상기 움직임 픽셀에 대한 정보는, 상기 움직임 픽셀이 사람을 나타내는 것인지에 대한 정보, 움직임 픽셀의 확률 정보, 및 상기 움직임 픽셀의 위치 정보 중 적어도 하나일 수 있다.
또한, 상기 회귀 트리 생성부(110)는, 제1 파라미터에 따라 상기 외부 입력 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하고, 상기 생성된 회귀 트리의 리프 노드가 갖는 외부 입력 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성할 수 있다.
또한, 상기 카운팅부(120)는, 복수의 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력할 수 있다.
상기 식별된 움직임 픽셀에 대한 정보는, 상기 식별된 움직임 픽셀의 위치 정보를 포함할 수 있다.
또한, 상기 카운팅부(120)는, 상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하고, 상기 움직이는 객체가 사람이면, 상기 움직이는 객체가 화면 상의 기 설정된 위치를 통과하는 경우 카운트를 할 수 있다.
또한, 상기 카운팅 장치(100)는 상기 복수의 이미지를 연속하여 촬영하는 촬영부(미도시)를 더 포함할 수 있다. 촬영부는 객체를 촬영하기 위한 다양한 기술 수단을 포함할 수 있다. 즉, 촬영부는 렌즈, 조리개, 이미지 처리부, 저장부, 셔터, 이미지 센서, 등을 포함할 수 있다.
또한, 카운팅 장치(100)는 일반적인 전자 계산기가 갖는 구성을 포함할 수있다. 즉, MPU(Micro Processing Unit) 또는 CPU(Central Processing Unit), 캐쉬 메모리(Cache Memory), 데이터 버스(Data Bus), 저장부, 유무선 인터페이스 등의 하드웨어 구성과, 운영체제, 특정 목적을 수행하는 어플리케이션의 소프트웨어 구성을 포함한다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
100 : 카운팅 장치
110 : 회귀 트리 생성부 120 : 카운팅부

Claims (16)

  1. 복수의 이미지에 포함된 움직이는 객체에 대한 정보를 입력하여 회귀 트리(regression tree)를 생성하는 단계;
    새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계;
    상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 숫자를 판단하는 단계;를 포함하는 카운팅 방법.
  2. 제1항에 있어서,
    상기 회귀 트리를 생성하는 단계는,
    두 개 이상의 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하는 단계;
    상기 움직임 픽셀에 대한 정보를 외부 입력받는 단계;
    상기 외부 입력 정보를 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 단계;를 포함하는 카운팅 방법.
  3. 제2항에 있어서,
    상기 움직임 픽셀에 대한 정보는,
    상기 움직임 픽셀이 사람을 나타내는 것인지에 대한 정보 및 상기 움직임 픽셀의 위치 정보 중 적어도 하나인 것을 특징으로 하는 카운팅 방법.
  4. 제2항에 있어서,
    상기 외부 입력 정보를 상기 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 단계는,
    제1 파라미터에 따라 상기 외부 입력 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하는 단계;
    상기 생성된 제1 회귀 트리의 리프 노드가 갖는 외부 입력 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성하는 단계;를 포함하는 것을 특징으로 하는 카운팅 방법.
  5. 제1항에 있어서,
    상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계는,
    복수의 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하는 단계;및
    상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력하는 단계;를 포함하는 것을 특징으로 하는 카운팅 방법.
  6. 제5항에 있어서,
    상기 식별된 움직임 픽셀에 대한 정보는,
    상기 식별된 움직임 픽셀의 위치 정보를 포함하는 것을 특징으로 하는 카운팅 방법.
  7. 제1항에 있어서,
    상기 사람의 숫자를 판단하는 단계는,
    상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하는 단계;및
    상기 움직이는 객체가 사람이면, 상기 움직이는 객체가 화면 상의 기 설정된 위치를 통과하는 경우 카운트를 하는 단계;를 포함하는 것을 특징으로 하는 카운팅 방법.
  8. 제1항에 있어서,
    상기 복수의 이미지를 연속하여 촬영하는 단계;를 더 포함하는 것을 특징으로 하는 카운팅 방법.
  9. 카운팅 장치에 있어서,
    복수의 이미지에 포함된 움직이는 객체에 대한 정보를 입력하여 회귀 트리(regression tree)를 생성하는 회귀 트리 생성부; 및
    새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하여 상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 숫자를 판단하는 카운팅 부;를 포함하는 카운팅 장치.
  10. 제9항에 있어서,
    상기 회귀 트리 생성부는,
    두 개 이상의 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 움직임 픽셀에 대한 정보가 외부에서 입력되면, 상기 외부 입력 정보를 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 것을 특징으로 하는 카운팅 장치.
  11. 제10항에 있어서,
    상기 움직임 픽셀에 대한 정보는,
    상기 움직임 픽셀이 사람을 나타내는 것인지에 대한 정보 및 상기 움직임 픽셀의 위치 정보 중 적어도 하나인 것을 특징으로 하는 카운팅 장치.
  12. 제10항에 있어서,
    상기 회귀 트리 생성부는,
    제1 파라미터에 따라 상기 외부 입력 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하고, 상기 생성된 회귀 트리의 리프 노드가 갖는 외부 입력 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성하는 것을 특징으로 하는 카운팅 장치.
  13. 제9항에 있어서,
    상기 카운팅부는,
    복수의 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력하는 것을 특징으로 하는 카운팅 장치.
  14. 제13항에 있어서,
    상기 식별된 움직임 픽셀에 대한 정보는,
    상기 식별된 움직임 픽셀의 위치 정보를 포함하는 것을 특징으로 하는 카운팅 장치.
  15. 제9항에 있어서,
    상기 카운팅부는,
    상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하고, 상기 움직이는 객체가 사람이면, 상기 움직이는 객체가 화면 상의 기 설정된 위치를 통과하는 경우 카운트를 하는 것을 특징으로 하는 카운팅 장치.
  16. 제9항에 있어서,
    상기 복수의 이미지를 연속하여 촬영하는 촬영부;를 더 포함하는 것을 특징으로 하는 카운팅 장치.
KR1020140123729A 2014-09-17 2014-09-17 카운팅 방법 및 카운팅 장치 KR20160033800A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140123729A KR20160033800A (ko) 2014-09-17 2014-09-17 카운팅 방법 및 카운팅 장치
US14/855,682 US20160078323A1 (en) 2014-09-17 2015-09-16 Method and apparatus for counting person

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140123729A KR20160033800A (ko) 2014-09-17 2014-09-17 카운팅 방법 및 카운팅 장치

Publications (1)

Publication Number Publication Date
KR20160033800A true KR20160033800A (ko) 2016-03-29

Family

ID=55455051

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140123729A KR20160033800A (ko) 2014-09-17 2014-09-17 카운팅 방법 및 카운팅 장치

Country Status (2)

Country Link
US (1) US20160078323A1 (ko)
KR (1) KR20160033800A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190016749A (ko) * 2017-08-09 2019-02-19 삼성에스디에스 주식회사 공정 관리 방법 및 그 장치
KR20230027655A (ko) * 2021-08-19 2023-02-28 한국로봇융합연구원 학습모델을 기초로 방문객 수를 카운팅하기 위한 장치 및 이를 위한 방법

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160259980A1 (en) * 2015-03-03 2016-09-08 Umm Al-Qura University Systems and methodologies for performing intelligent perception based real-time counting
CN105898791B (zh) * 2016-04-08 2019-06-25 上海大学 基于基站拜访位置寄存器的大型集会人群统计方法
JP6736348B2 (ja) * 2016-05-19 2020-08-05 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
US10282656B2 (en) * 2017-01-11 2019-05-07 Thomas Danaher Harvey Method and device for detecting unauthorized tranfer between persons
US10810481B2 (en) * 2017-01-11 2020-10-20 Thomas Danaher Harvey Method and system to count movements of persons from vibrations in a floor
CN107169463B (zh) * 2017-05-22 2018-09-14 腾讯科技（深圳）有限公司 人脸检测方法、装置、计算机设备及存储介质
CN107729877B (zh) * 2017-11-14 2020-09-29 浙江大华技术股份有限公司 一种基于级联分类器的人脸检测方法及装置
CN111310652B (zh) * 2020-02-13 2023-07-25 平安科技（深圳）有限公司 基于分类回归双域模型的流量识别方法和系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190016749A (ko) * 2017-08-09 2019-02-19 삼성에스디에스 주식회사 공정 관리 방법 및 그 장치
US11222798B2 (en) 2017-08-09 2022-01-11 Samsung Sds Co., Ltd. Process management method and apparatus
US11823926B2 (en) 2017-08-09 2023-11-21 Samsung Sds Co., Ltd. Process management method and apparatus
KR20230027655A (ko) * 2021-08-19 2023-02-28 한국로봇융합연구원 학습모델을 기초로 방문객 수를 카운팅하기 위한 장치 및 이를 위한 방법

Also Published As

Publication number Publication date
US20160078323A1 (en) 2016-03-17

Similar Documents

Publication Publication Date Title
KR20160033800A (ko) 카운팅 방법 및 카운팅 장치
CN108875676B (zh) 活体检测方法、装置及系统
CN108629791B (zh) 行人跟踪方法和装置及跨摄像头行人跟踪方法和装置
JP2023145558A (ja) 外観検索のシステムおよび方法
CN104919794B (zh) 用于从主从式相机跟踪系统提取元数据的方法和系统
CN105243395B (zh) 一种人体图像比对方法和装置
Azhar et al. People tracking system using DeepSORT
CN108875481B (zh) 用于行人检测的方法、装置、系统及存储介质
US20170161591A1 (en) System and method for deep-learning based object tracking
CN107679578B (zh) 目标识别算法的测试方法、装置及系统
US20140071287A1 (en) System and method for generating an activity summary of a person
US10970823B2 (en) System and method for detecting motion anomalies in video
Fan et al. Fall detection via human posture representation and support vector machine
WO2014044158A1 (zh) 一种图像中的目标物体识别方法及装置
US10997469B2 (en) Method and system for facilitating improved training of a supervised machine learning process
KR20180020123A (ko) 비동기 신호 처리 방법
US11521413B2 (en) Information processing apparatus, method of controlling information processing apparatus, and non-transitory computer-readable storage medium
Nghiem et al. Background subtraction in people detection framework for RGB-D cameras
US10614336B2 (en) Method, system, and computer-readable recording medium for image-based object tracking
KR101982258B1 (ko) 오브젝트 검출 방법 및 오브젝트 검출 장치
CN109447022A (zh) 一种镜头类型识别方法及装置
CN107563257B (zh) 视频理解方法及装置
Mizher et al. Action key frames extraction using l1-norm and accumulative optical flow for compact video shot summarisation
CN108334811B (zh) 一种人脸图像处理方法及装置
US10339660B2 (en) Video fingerprint system and method thereof

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