KR20160118783A - 사람 계수 방법 및 장치 - Google Patents

사람 계수 방법 및 장치 Download PDF

Info

Publication number
KR20160118783A
KR20160118783A KR1020150047495A KR20150047495A KR20160118783A KR 20160118783 A KR20160118783 A KR 20160118783A KR 1020150047495 A KR1020150047495 A KR 1020150047495A KR 20150047495 A KR20150047495 A KR 20150047495A KR 20160118783 A KR20160118783 A KR 20160118783A
Authority
KR
South Korea
Prior art keywords
candidate head
region
head region
candidate
area
Prior art date
Application number
KR1020150047495A
Other languages
English (en)
Inventor
백영민
배순민
Original Assignee
한화테크윈 주식회사
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 한화테크윈 주식회사 filed Critical 한화테크윈 주식회사
Priority to KR1020150047495A priority Critical patent/KR20160118783A/ko
Priority to US14/833,492 priority patent/US9978155B2/en
Priority to CN201610021806.8A priority patent/CN106056030B/zh
Publication of KR20160118783A publication Critical patent/KR20160118783A/ko
Priority to KR1020220043651A priority patent/KR102584527B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G06K9/00335—
    • 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
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • 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
    • G06K9/00362—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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

Abstract

본 발명의 실시예는 사람 계수 시스템 및 방법을 개시한다.
본 발명의 일 실시예에 따른 사람계수장치는, 거리 정보를 제공하는 직하방식영상에서 움직임 영역을 검출하는 검출부; 상기 움직임 영역에서 상기 거리 정보를 기초로 후보 머리 영역을 추정하는 추정부; 상기 후보 머리 영역의 원형 유사도 및 상기 후보 머리 영역의 거리 정보로부터 추정된 상기 후보 머리 영역의 구 곡률 정보를 기초로 상기 후보 머리 영역이 사람 머리인지 여부를 판단하는 판단부; 를 포함한다.

Description

사람 계수 방법 및 장치{Method and Apparatus for counting the number of person }
본 발명의 실시예들은 사람을 계수하는 시스템 및 방법에 관한 것이다.
인명 사고로 인해 안전에 대한 요구가 증가하고 있는 오늘날 사고가 발생했을 경우 인명구조 등의 목적으로 특정 공간에 머문 인원 정보 파악의 중요성이 부각되고 있다.
또한 기업에서는 시간대 별, 위치 별 출입하는 사람의 수를 파악하여 마케팅 용도로 활용할 수 있기 때문에, 상업적인 목적에서도 사람 계수 시스템의 필요성이 부각되고 있다.
한국공개특허 제 2015-0010193호
본 발명의 실시예들은 다수의 사람이 인접하여 이동하거나 사람과 유사한 형상의 물체가 이동하는 경우 등과 같은 복잡한 상황에서도 사람의 수를 정확하게 계수할 수 있는 방법 및 장치를 제공하고자 한다.
본 발명의 일 실시예에 따른 사람계수방법은, 거리 정보를 제공하는 영상에서 움직임 영역을 검출하는 단계; 상기 움직임 영역에서 상기 거리 정보를 기초로 후보 머리 영역을 추정하는 단계; 상기 후보 머리 영역의 원형 유사도 및 상기 후보 머리 영역의 거리 정보로부터 추정된 상기 후보 머리 영역의 구 곡률 정보를 기초로 상기 후보 머리 영역이 사람 머리인지 여부를 판단하는 단계;를 포함한다.
상기 사람 머리 판단 단계는 상기 후보 머리 영역을 둘러싸는 가장 작은 원의 면적과 상기 후보 머리 영역의 면적의 비율이 기설정된 임계값을 초과하는 원형 유사도 조건을 만족하는지 여부를 판단하는 단계; 상기 후보 머리 영역을 가로지르는 적어도 하나의 기준 라인을, 위치 및 바닥면으로부터의 높이를 변수로 하는 2차 함수로 근사하였을 경우, 극점이 상기 후보 머리 영역 내에 존재하고, 2차 계수가 기설정된 임계값 이하인 구 곡률 조건을 만족하는지 여부를 판단하는 단계; 및 상기 원형 유사도 조건 및 구 곡률 조건을 만족하는 후보 머리 영역을 사람 머리로 판단하는 단계를 포함할 수 있다.
이때 구 곡률 조건 만족 여부 판단 단계는, 일정 간격의 복수의 기준 라인들 각각이 상기 구 곡률 조건을 만족하는지 여부를 판단하는 단계를 포함할 수 있으며, 상기 후보 머리 영역 추정은 상기 확장 영역을 제외한 나머지 움직임 영역에서 반복하여 수행될 수 있다.
상기 후보 머리 영역 추정 단계는, 상기 움직임 영역에서 바닥면으로부터 높이값이 최대인 기준 픽셀을 추출하는 단계; 상기 기준 픽셀 및 상기 기준 픽셀을 중심으로 연속하여 높이값의 변화가 일정 또는 감소하는 주변 픽셀들을 포함하는 확장 영역을 설정하는 단계; 및 상기 확장 영역 내에서 상기 기준 픽셀 및 상기 기준 픽셀의 높이값과의 차이가 기 설정된 임계값 이내인 높이값을 갖는 주변 픽셀들을 포함하는 후보 머리 영역을 설정하는 단계를 포함할 수 있다.
상기 사람계수방법은 상기 후보 머리 영역의 추적 궤적이 계수 라인을 통과하고, 상기 후보 머리 영역이 검출된 프레임수와 상기 후보 머리 영역이 사람 머리로 판단된 프레임수의 비율이 기 설정된 임계값 이상이면, 사람으로 계수하는 단계; 를 더 포함할 수 있다.
상기 사람 머리 판단 단계는, 상기 후보 머리 영역의 추적 궤적이 계수 라인을 통과한 경우에 한하여 추정된 후보 머리 영역에 대하여 사람 머리인지 여부를 판단할 수 있다.
본 발명의 일 실시예에 따른 사람계수장치는, 거리 정보를 제공하는 영상에서 움직임 영역을 검출하는 검출부; 상기 움직임 영역에서 상기 거리 정보를 기초로 후보 머리 영역을 추정하는 추정부; 상기 후보 머리 영역의 원형 유사도 및 상기 후보 머리 영역의 거리 정보로부터 추정된 상기 후보 머리 영역의 구 곡률 정보를 기초로 상기 후보 머리 영역이 사람 머리인지 여부를 판단하는 판단부; 를 포함한다.
상기 판단부는 상기 후보 머리 영역을 둘러싸는 가장 작은 원의 면적과 상기 후보 머리 영역의 면적의 비율이 기설정된 임계값을 초과하는 원형 유사도 조건을 만족하는지 여부를 판단하는 제1 판단부; 상기 후보 머리 영역을 가로지르는 적어도 하나의 기준 라인을, 위치 및 바닥면으로부터의 높이를 변수로 하는 2차 함수로 근사하였을 경우, 극점이 상기 후보 머리 영역 내에 존재하고, 2차 계수가 기 설정된 임계값 이하인 구 곡률 조건을 만족하는지 여부를 판단하는 제2 판단부; 및 상기 원형 유사도 조건 및 구 곡률 조건을 만족하는 후보 머리 영역을 사람 머리로 판단하는 제3 판단부;를 포함할 수 있다.
상기 제2 판단부는 일정 간격의 복수의 기준 라인들 각각이 상기 구 곡률 조건을 만족하는지 여부를 판단할 수 있으며, 상기 후보 머리 영역 추정은 상기 확장 영역을 제외한 나머지 움직임 영역에서 반복하여 수행될 수 있다.
상기 추정부는, 상기 움직임 영역에서 바닥면으로부터 높이값이 최대인 기준 픽셀을 추출하는 기준픽셀 추출부; 상기 기준 픽셀 및 상기 기준 픽셀을 중심으로 연속하여 높이값의 변화가 일정 또는 감소하는 주변 픽셀들을 포함하는 확장 영역을 설정하는 영역확장부; 및 상기 확장 영역 내에서 상기 기준 픽셀 및 상기 기준 픽셀의 높이값과의 차이가 기 설정된 임계값 이내인 높이값을 갖는 주변 픽셀들을 포함하는 후보 머리 영역을 설정하는 머리영역 설정부; 를 포함할 수 있다.
상기 사람계수장치는, 상기 후보 머리 영역의 추적 궤적이 계수 라인을 통과하고, 상기 후보 머리 영역이 검출된 프레임수와 상기 후보 머리 영역이 사람 머리로 판단된 프레임수의 비율이 기 설정된 임계치 이상이면 사람으로 계수하는 계수부;를 더 포함할 수 있다.
상기 판단부는, 상기 후보 머리 영역의 추적 궤적이 계수 라인을 통과한 경우에 한하여 추정된 후보 머리 영역에 대하여 사람 머리인지 여부를 판단할 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명의 실시예들에 따르면 다수의 사람이 인접하여 이동하거나 사람과 유사한 형상의 물체가 이동하는 경우 등과 같은 복잡한 상황에서도 사람의 수를 정확하게 계수할 수 있는 사람 계수 방법 및 장치를 구현할 수 있다.
도 1는 본 발명의 일 실시예에 따른 계수시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 직하방식영상의 예시이다.
도 3은 본 발명의 일 실시예에 따른 추정부의 구성도이다.
도 4는 본 발명의 일 실시예에 따른 추정부의 검출 예시이다.
도 5는 2인 이상이 인접하여 움직이는 경우에 추정부의 추정 단계를 설명하는 도면이다.
도 6은 본 발명의 일 실시예에 따른 확장영역의 설정 예시를 1차원으로 도식화한 도면이다.
도 7은 본 발명의 일 실시예에 따른 판단부의 구성도이다.
도 8은 본 발명의 일 실시예에 따른 원형유사도 판단에 관한 예시이다.
도 9는 본 발명의 일 실시예에 따른 구 곡률 조건을 설명하기 위한 도면이다.
도 10은 본 발명의 일 실시예에 따른 계수부의 판단 방법에 관한 예시이다.
도 11은 본 발명의 일 실시예 따른 사람 계수 방법을 설명하는 예시도이다.
도 12는 본 발명의 일 실시예에 따른 사람 계수 방법을 설명하는 흐름도이다.
도 13은 본 발명의 다른 실시예에 따른 사람 계수 방법을 설명하는 흐름도이다.
도 14는 본 발명의 일 실시예에 따른 후보 머리 영역 추정 방법을 설명하는 흐름도이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 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.
이하의 실시예에서, 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하의 실시예에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 이하의 실시예에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 발명의 실시예들은 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 발명의 실시예들은 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다. 본 발명의 실시예의 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 잇는 것과 유사하게, 본 발명의 실시예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 발명의 실시예들은 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. 매커니즘, 요소, 수단, 구성과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.
도 1은 본 발명의 일 실시예에 따른 사람 계수 시스템을 개략적으로 도시한 블록도이다. 도 2는 본 발명의 실시예에 따른 직하방식영상의 예시이다.
도 1을 참조하면, 본 발명의 실시예에 따른 사람 계수 시스템은 사람계수장치(1) 및 거리카메라(2)를 포함한다.
거리카메라(depth camera)(2)는 카메라로부터 촬영되고 있는 장면의 모든 지점까지의 거리를 출력하는 카메라로, 보다 상세하게는 각 화소(pixel)마다 촬영되고 있는 대상까지의 거리인 거리값을 갖는다. 따라서 카메라가 설치된 공간에 대한 정보가 주어진 경우 영상으로부터 객체의 길이 등을 산출해낼 수 있다. 거리카메라(2)는 주변 환경 또는 장면(공간)을 촬영하고, 장면 내에 존재하는 다양한 객체(예를 들어, 바닥, 벽, 장애물 등의 정적 물체나 사람, 동물 등의 동적 물체)를 포함하여 장면의 거리 정보 또는 깊이 정보를 실시간으로 획득하는, 스테레오 방식, 구조광 방식, Time-of-Flight(ToF) 방식 등 다양한 방식의 거리 카메라로 구현될 수 있다. 이하 거리 정보 또는 깊이 정보를 제공하는 영상을 거리 영상이라 한다. 도시되지 않았으나, 사람 계수 시스템은 거리카메라(2) 외에 RGB 영상을 획득하는 가시 카메라를 더 포함할 수 있다.
도 1을 참조하면 거리카메라(2)는 직하 방식(탑-뷰(Top-view) 방식)으로 위에서 아래를 바라보도록 설치되어 직하방식의 탑-뷰 영상(이하, ‘직하방식영상’이라 함)을 획득한다. 직하방식으로 설치된 거리카메라의 경우 공간의 깊이(depth)와 객체까지의 거리의 차이를 구함으로써 객체의 높이를 산출해낼 수 있다.
도 2(a)는 통상의 감시카메라가 획득한 영상이고, 도 2(b)는 거리카메라(2)가 획득한 직하방식의 영상이다. 통상의 감시카메라가 획득한 영상의 경우에는 가시광선으로 대상을 나타내지만, 거리카메라가 획득한 영상에서는 대상을 카메라와 객체까지의 거리에 따라 각각 다른 색상으로 나타낸다. 가령 카메라로부터 가까운 객체는 진한 색으로, 먼 객체는 옅은 색으로 나타낼 수 있다.
종래의 감시카메라를 활용하여 사람을 계수하는 시스템은 배경 모델링을 통해 움직이는 영역만을 판별한 후 그 움직이는 영역을 사람으로 인식하여 계수를 수행하였다. 그러나 이러한 방식은 2인 이상이 근접하여 움직이는 경우에도 1인으로 계수 하는 등의 문제점이 있었다.
본 발명의 실시예들은 직하방식의 거리 카메라를 이용하여 객체의 거리 정보를 획득할 수 있고, 이러한 거리 정보를 기반으로 객체의 2차원적인 모양이나, 3차원적인 형상을 파악하여 사람의 모양과 형상의 조건과 비교함으로써 정확한 계수가 가능하다. 거리 정보는 카메라로부터 객체까지의 거리값 또는 바닥면으로부터 객체까지의 높이값일 수 있다.
사람계수장치(1)는 검출부(10), 추정부(20), 판단부(30) 및 계수부(40)를 포함한다. 거리카메라(2)가 획득한 직하방식영상에 대하여 검출부(10)에서 영상 내의 움직임 영역을 검출하고, 추정부(20)는 검출된 움직임 영역에서 거리 정보를 기초로 후보 머리 영역 즉 머리로 추정되는 영역을 검출한다. 판단부(30)는 검출된 후보머리영역에 대하여 원형 유사도 및 구 곡률 조건을 확인하여 사람의 머리인지 판단하고, 계수부(40)는 계수라인 통과 여부 및 프레임수 비율의 판단을 통하여 최종적으로 계수한다.
검출부(10)는 입력된 직하방식영상에 대하여 전처리를 수행한다. 직하방식영상은 노이즈 등의 영향으로 인해 거리값을 측정하지 못하는 영역(Hole)이 발생하게 되는데, 이를 Hole Filling 전처리 과정을 통해서 보정하는 단계를 거친다. 본 발명의 실시예에서 전처리 과정은 특별히 한정되지 않으며, 영상분야의 통상의 기술자가 다양한 방법으로 용이하게 실시할 수 있다.
검출부(10)는 영상의 전처리가 완료되면, 영상에서 움직임 영역의 탐지를 수행한다. 본 발명의 실시예에서 움직임 영역의 탐지 방법은 특별히 한정되지 않으며, GMM(Gaussian Mixture Model) 이나 코드북(Codebook) 모델 등 다양한 기법이 활용 될 수 있다.
추정부(20)는 움직임 영역에서 거리 정보를 기초로 후보 머리 영역을 추정한다. 이하에서 도 3 내지 6을 참조하여, 추정부(20)의 동작을 상세하게 설명한다.
도 3은 도 1의 추정부(20)를 개략적으로 도시한 블록도이고, 도 4 및 도 5는 추정부(20)의 동작을 설명하기 위한 도면이다.
도 3을 참조하면, 추정부(20)는 기준픽셀 추출부(210), 영역확장부(220) 및 머리영역설정부(230)를 포함할 수 있다.
기준픽셀 추출부(210)는 검출부(10)에서 검출된 움직임 영역에서 바닥면으로부터 높이값이 최대인 픽셀인 기준픽셀을 추출한다.
영역확장부(220)는 기준픽셀의 높이값과 같거나 연속하여 높이값의 변화가 일정 또는 감소하는 주변 픽셀들을 확장영역에 포함시킨다.
머리영역 설정부(230)는 기준픽셀의 높이값과의 차이가 기 설정된 임계값 이내인 높이값을 갖는 주변 픽셀들을 후보 머리 영역으로 설정한다.
도 4는 인접한 2인과 독립된 1인의 움직임이 검출된 화면의 예시이다. 예컨대 2인이 서로 팔짱을 끼고 인접하여 움직이는 경우 큰 움직임 영역(240)이 검출되며, 1인이 독립하여 움직이는 경우에는 상대적으로 작은 움직임 영역(250)이 검출된다.
도 5는 2인 이상이 인접하여 움직이는 경우(240)에 추정부(20)의 후보 머리 영역 추정 단계를 보다 상세히 도시한다. 도 5(a)는 기준픽셀 추출부(210)가 선택된 움직임 영역(240)에서 기준픽셀(241)을 추출하는 단계를 도시한다. 기준픽셀(241)은 바닥면으로부터 높이값이 최대인 픽셀이다. 도 5(b) 및 도 5(c)는 영역확장부(220)가 기준픽셀(241)의 높이값과 같거나 연속하여 높이값의 변화가 일정 또는 감소하는 주변 픽셀들을 확장영역(242)에 포함시키는 단계를 도시한다. 도 5(d)는 머리영역설정부(230)가 확장영역(242)에서 후보 머리 영역(243)을 설정하는 단계를 도시한다. 머리영역설정부(230)는 기준픽셀(241) 및 기준픽셀의 높이값과의 차이가 기 설정된 임계값 이내인 높이값을 갖는 주변 픽셀들을 포함하는 후보머리영역(243)을 추정한다. 추정부(20)는 도 5(e) 및 도 5(f)에 도시된 바와 같이, 움직임 영역(240) 내에서 확장영역(242)으로 설정되지 않은 나머지 영역에 대하여 도 5(a) 내지 도 5(d)의 후보 머리 영역을 추정하는 과정을 되풀이하여 반복한다.
도 6은 본 발명의 일 실시예에 따른 확장영역의 설정 예시를 1차원으로 도식화한 것으로, 좌측의 사람(260)과 우측의 사람(270)이 있는 경우를 예시한 것이다. 먼저 좌측의 사람(260)에 대한 확장영역은 좌경계(261)와 우경계(264) 사이의 영역에 해당하며, 후보머리영역은 머리영역의 좌경계(262)와 머리영역의 우경계(263) 사이의 영역에 해당한다. 이와 마찬가지로 우측의 사람(270)의 경우에도 확장영역은 264에서 267사이의 영역에 해당하고, 후보머리영역은 265에서 266사이의 영역에 해당한다.
사람계수장치(1)는 각 후보머리영역을 프레임마다 추적한다. 이를 위해 사람계수장치(1)는 추적기(미도시)를 포함할 수 있다.
다시 도 1을 참조하면, 판단부(30)는 검출된 후보머리영역에 대하여 원형 유사도 조건 및 구 곡률 조건을 확인하여 사람 머리 여부를 판단한다. 이하에서 도 7 내지 도 9를 참조하여 판단부(30)의 동작을 상세하게 설명한다.
도 7은 도 1의 판단부(30)의 구성을 개략적으로 도시한 블록도이다. 도 7을 참조하면, 판단부(30)는 제1 판단부(310), 제2 판단부(320) 및 제 3판단부(330)를 포함할 수 있다.
제1 판단부(310)는 후보 머리 영역의 원형 유사도를 산출하고, 산출된 원형 유사도가 기 설정된 임계값(
Figure pat00001
)을 초과하는지 여부를 판단한다. 원형 유사도는 하기 식(1)과 같이, 후보 머리 영역을 둘러싸는 가장 작은 원의 면적과, 후보 머리 영역의 면적 비율이다. 여기서
Figure pat00002
는 원형 유사도를,
Figure pat00003
는 추정된 후보 머리 영역의 면적,
Figure pat00004
은 후보 머리 영역을 둘러싸는 가장 작은 원의 면적이다. 임계값은 사용자에 의해 설정될 수 있다.
Figure pat00005

도 8은 후보 머리 영역의 원형유사도 조건 판단에 관한 예시이다. 도 8(a) 및 도 8(b)는 원형유사도가 큰 물체의 예시이다. 도 8(c) 및 도 8(d)는 원형유사도가 작은 물체의 예시이다. 원형유사도 조건 판단을 통해 사람이 들고 가는 사각형 박스나, 여닫이 문 등에서 생기는 머리 오검출을 예방할 수 있다.
제2 판단부(320)는 후보 머리 영역의 구 곡률 정보를 산출하고, 구 곡률 정보가 구 곡률 조건을 만족하는지 여부를 판단한다. 제2 판단부(320)는 후보 머리 영역에서 적어도 하나의 기준 라인을 설정하고, 각 기준 라인을 위치 및 바닥면으로부터의 높이를 변수로 하는 2차 함수로 근사한다. 기준 라인은 후보 머리 영역을 가로지르는 라인이다. 2차 함수로의 근사는 2차원 방정식 최소 자승 피팅(Least Squares Fitting)이 이용될 수 있다. 제2 판단부(320)는 근사한 2차 함수의 극점이 후보 머리 영역 내에 존재하고, 2차 계수가 기 설정된 임계값 이하인지를 판단한다. 제2 판단부(320)는 기준 라인이 복수인 경우(예를 들어, 4개의 기준 라인), 모든 기준 라인에 대해 구 곡률 조건을 만족하는지를 판단한다.
도 9는 후보 머리 영역의 구 곡률 조건 판단에 관한 예시이다. 제2 판단부(320)는 도 9(a)에 도시된 바와 같이 후보 머리 영역(243)에서 임의의 기준점(340)을 통과하며 후보 머리 영역(243)을 가로지르는 4개의 기준 라인(350)을 설정하고, 이를 도 9(c)에 도시된 바와 같이 위치 및 바닥면으로부터의 높이를 변수로 하는 2차 함수로 근사한다. 제2 판단부(320)는 2차 함수의 (i) 극점이 후보 머리 영역 내에 존재하고, (ii) 2차 계수가 기 설정된 임계값 이하인 경우 후보 머리 영역(243)을 사람의 머리로 판단한다. 도 9(b)는 기준라인(350)을 3차원 공간상에 도시한 예이다.
보다 구체적으로, 기준라인(350)을 2차 함수로 근사한 결과,
Figure pat00006
(y는 높이, x는 위치를 의미함) 의 2차원 방정식을 얻었다고 할 때, 상기 (i) (ii) 조건은 다음과 같이 식(2) 및 식(3)으로 나타낼 수 있다.
조건 (i)
Figure pat00007
…(2)
조건 (ii)
Figure pat00008
(단,
Figure pat00009
는 음수의 곡률 계수)…(3)
후보 머리 영역에 대한 제1 판단부(310)의 원형유사도 판단 및 제2 판단부(320)의 구 곡률 조건 판단은 후보 머리 영역이 계수 라인을 통과할 때까지 매 프레임 마다 이루어 질 수 있다.
다른 실시예에서, 후보 머리 영역에 대한 제1 판단부(310)의 원형유사도 판단 및 제2 판단부(320)의 구 곡률 조건 판단은 후보 머리 영역이 계수 라인을 통과한 때의 프레임에 대해서만 이루어 질 수도 있다.
제3 판단부(330)는 원형유사도 조건과 구 곡률 조건을 모두 만족한 후보 머리 영역을 실제 사람의 머리로 판단할 수 있다.
다시 도 1을 참조하면, 계수부(40)는 후보 머리 영역이 사람 머리로 판단되면 계수한다.
계수부(40)는 후보 머리 영역의 추적 궤적이 계수 라인을 통과하고, 하기 식(4)와 같이 후보 머리 영역이 검출되어 계수 라인을 통과할 때까지 후보 머리 영역이 검출된 전체 프레임수(
Figure pat00010
)와 후보 머리 영역이 사람 머리로 인식된 유효 프레임수(
Figure pat00011
)의 비율이 기 설정된 계수 임계값(
Figure pat00012
)이상이면, 사람으로 계수한다. 임계치는 사용자에 의해 설정될 수 있다.
Figure pat00013

이는 간헐적으로 사람의 머리가 다른 물체에 가려지거나 노이즈 등의 이유로 특정 프레임에서 후보 머리 영역이 실제 사람의 머리로 인식되지 않을 가능성이 있기 때문이며 프레임수의 비율에 따라 계수 여부를 결정함으로써 계수의 정확도를 향상시킬 수 있다.
도 10은 본 발명의 일 실시예에 따른 계수부(40)의 후보 머리 영역에 대한 계수 동작의 예시이다. 후보 머리 영역(243)이 추정된 후 특정방향(420)으로 이동하여 계수 라인(430)을 통과할 때까지 영상이 총 5프레임에 걸쳐 획득되었고, 각각의 프레임을 411 내지 415라고 한다. 사람계수장치(1)는 매 프레임 마다 움직임 영역 내의 후보머리영역(243)이 실제 사람의 머리인지 판단할 수 있고, 411, 412 및 414 프레임에서 후보 머리 영역이 사람의 머리로 인식되고, 413 및 415 프레임에서 후보 머리 영역이 사람의 머리로 인식되지 않은 경우를 가정한다. 가령 계수 임계값이 0.5라고 했을 때, 전체 프레임 수는 5이고, 유효 프레임 수는 3이므로,
Figure pat00014
로서 식(4)의 조건을 만족하며, 후보 머리 영역이 계수 라인은 통과하였으므로 최종적으로 사람의 머리로 판단하여 1명으로 계수하게 된다.
전술된 실시예에서 사람계수장치(1)는 추적 궤적 상의 후보 머리 영역이 검출된 매 프레임마다 사람 머리 여부를 판단하고 있다.
본 발명의 다른 실시예에 따른 사람계수장치(1)는, 도 10과는 달리 후보 머리 영역의 추적 궤적이 계수 라인을 통과한 경우에 한하여 사람 머리인지 판단할 수 있다. 이 경우 도 10의 411, 412, 413 및 414 프레임의 경우 후보 머리 영역에 대한 추적만 할 뿐, 판단부(30)는 후보 머리 영역이 계수 라인(430)을 통과한 경우에 한하여 추적 궤적 상의 후보 머리 영역이 검출된 프레임들 중 적어도 하나의 프레임에 대해서 실제 사람의 머리인지 판단하게 된다. 즉 실제 사람의 머리인지에 관한 판단은 계수 라인(430)을 통과한 직후의 프레임인 415 프레임에 대해서만 사람 머리 여부를 판단하거나, 후보 머리 영역이 검출된 최초 프레임인 411 프레임에 대해서만 사람 머리 여부를 판단하여 계수하거나, 전술한 실시예와 같이 추적 궤적 상의 모든 프레임(411 내지 415) 또는 415 프레임 이후의 모든 프레임에 대하여 사람 머리 여부를 판단한 뒤 식(4)의 비율 조건을 만족하면 계수할 수도 있다.
도 11은 본 발명의 실시에 따른 후보 머리 영역 추적 결과의 예시이다. 도 11을 참조하면, 거리 계수 장치(1)는 직하방식의 거리영상(51)에 대하여 움직임 영역을 탐지(52)하고, 탐지된 움직임 영역에서 후보머리영역을 탐지(53)하고, 탐지된 후보머리 영역을 추적하여 계수(54)하게 된다.
도 12는 본 발명의 일 실시예에 따른 사람 계수 방법을 설명하는 흐름도이다.
도 12에 도시된 사람 계수 방법은 전술된 도 1의 사람 계수 장치에 의해 수행될 수 있다. 이하에서는 도 1 내지 도 11에서 설명한 내용과 중복하는 내용의 상세한 설명은 생략하겠다.
도 12를 참조하면, 사람계수장치(1)는 거리카메라(2)로부터 직하방식의 거리 영상을 입력 받는다(S61).
검출부(10)는 입력 받은 거리 영상에 대하여 전처리를 하고(S62), 적어도 하나의 움직임 영역을 탐지한다(S63). 거리 영상은 객체에 대한 거리 정보를 제공하며, 거리 정보는 카메라로부터 객체까지의 거리값을 포함할 수 있다.
추정부(20)는 각 움직임 영역에서 사람의 머리로 추정되는 영역인 후보 머리영역을 설정한다(S64). 추정부(20)는 움직임 영역에서 거리값이 최소인 픽셀, 즉 바닥면으로부터의 높이값이 최대인 픽셀을 기준 픽셀로 검출하고, 기준 픽셀로부터 일정 조건을 만족하는 주변 픽셀들을 포함하는 확장영역을 설정할 수 있다. 높이값은 거리값을 기초로 산출될 수 있다. 추정부(20)는 확장영역에서 기준 픽셀을 기준으로 일정 영역의 후보 머리 영역을 추정할 수 있다. 추정부(20)는 설정된 확장영역을 제외한 나머지 움직임 영역에 대해 후보머리영역 추정을 반복하여, 둘 이상의 객체가 하나의 움직임 영역으로 그룹화(grouping)된 경우에도 누락 없이 검출할 수 있도록 한다.
판단부(30)는 후보머리영역을 추적함(S65)과 동시에 후보 머리 영역이 원형유사도 조건(식(1)) 및 구 곡률 조건(식(2) 및 식(3))을 만족하는지 영상의 매 프레임마다 판단한다(S66).
계수부(40)는 후보머리영역의 추적 궤적이 계수라인을 통과하는지 여부 및 후보 머리 영역이 최초 검출된 프레임부터 계수 라인을 통과한 직후의 프레임까지의 프레임들 중에서 실제로 사람 머리로 인식 되었던 프레임의 수의 비율을 계산한다(S67).
계수부(40)는 후보머리영역의 추적 궤적이 계수 라인을 통과하고, 프레임 수 비율이 임계값 이상이면 후보머리영역을 최종적으로 사람으로 계수한다(S68). 도 13은 본 발명의 다른 실시예에 따른 사람 계수 방법을 설명하는 흐름도이다.
도 13에 도시된 사람 계수 방법은 전술된 도 1의 사람 계수 장치에 의해 수행될 수 있다. 이하에서는 도 1 내지 도 11에서 설명한 내용과 중복하는 내용의 상세한 설명은 생략하겠다.
도 13에 도시된 사람 계수 방법은, 도 12에 도시된 사람 계수 방법과 직하방식의 거리 영상의 입력부터 후보 머리 영역의 추정까지는 동일하다. 다만 도 13의 실시예의 경우 사람 계수 장치가 설정된 후보 머리 영역에 대하여 추적을 실시하다가 계수 라인을 통과했는지 여부의 판단을 먼저하고, 계수 라인을 통과한 후보머리영역에 대해서만 실제로 사람 머리인지 판단하는 점이 도 12의 실시예와 상이하다. 도 13의 실시예는 매 프레임마다 사람 머리 여부를 판단하는 도 12의 실시예에 비하여 사람계수장치의 부하를 줄일 수 있다.
사람계수장치(1)는 거리카메라(2)로부터 직하방식의 거리 영상을 입력 받는다(S71).
검출부(10)는 입력 받은 거리 영상에 대하여 전처리를 하고(S72), 적어도 하나의 움직임 영역을 탐지한다(S73).
추정부(20)는 각 움직임 영역에서 사람의 머리로 추정되는 영역인 후보 머리영역을 설정한다(S74).
사람계수장치(1)는 추적기를 통해 후보머리영역을 추적(S75)하고, 계수부(40)는 후보머리영역의 추적 궤적이 계수라인을 통과하는지 여부를 판단한다(S76).
판단부(30)는 후보머리영역이 계수라인을 통과하면, 후보머리영역이 검출된 전체 프레임들 중 선택된 적어도 하나의 프레임의 후보 머리 영역이 원형유사도 조건 및 구 곡률 조건을 만족하는지 판단한다(S77). 조건 판단 프레임은 사용자에 의해 미리 설정될 수 있다. 예를 들어, 조건 판단 프레임은 계수 라인을 통과한 직후의 프레임, 후보 머리 영역이 검출된 최초 프레임, 전체 프레임 또는 계수 라인을 통과한 직후의 모든 프레임 등으로 설정될 수 있다.
판단부(30)는 선택된 프레임의 후보머리영역이 원형 유사도 조건 및 구 곡률 조건을 만족하면 사람 머리로 판단하고, 계수부(40)는 최종적으로 사람으로 계수한다(S78).
도 14는 도 12 및 도 13의 후보 머리 영역 추정 단계의 세부 흐름도이다.
직하방식 거리 영상에서 둘 이상의 객체가 독립적으로 움직일 경우 2개 이상의 움직임 영역이 검출될 수 있다. 또한 둘 이상의 객체가 근접한 경우 둘 이상의 객체의 움직임이 그룹화되어 하나의 움직임으로 검출될 수 있다.
추정부(20)는 복수개의 움직임 영역 중 하나를 판단의 대상이 되는 움직임 영역으로 선택한다(S81).
추정부(20)는 선택된 움직임 영역에서 카메라로부터의 거리값이 가장 짧은 픽셀인 기준픽셀을 추출한다(S82). 즉 기준픽셀은 움직임 영역에서 바닥면으로부터 높이값이 최대인 픽셀이며, 머리영역을 판단하는 기준점의 역할을 한다.
추정부(20)는 기준픽셀이 추출되면 기준 픽셀을 중심으로 확장영역을 설정한다(S83). 추정부(20)는 기준 픽셀과 높이가 같거나 연속하여 높이값의 변화가 일정 또는 감소하는 주변 픽셀들을 확장영역에 포함시킨다. 확장영역은 하나의 객체로 추정되는 영역을 의미한다.
추정부(20)는 기준 픽셀로부터 일정 영역을 후보 머리 영역으로 설정한다(S84). 추정부(20)는 기준 픽셀 및 기준 픽셀의 높이값과의 차이가 기 설정된 임계값 이내인 높이값을 갖는 주변 픽셀들을 후보머리영역으로 설정한다.
이후 추정부(20)는 동일한 움직임 영역 내 확장영역으로 설정되지 않은 나머지 영역이 존재하는지를 판단하고(S85), 존재하는 경우 위 과정(S82 내지 S84)을 되풀이 하여 실시한다.
추정부(20)는 검출된 복수개의 움직임 영역들 중 판단의 대상이 되지 않은 움직임 영역이 존재하는지를 판단하고(S86), 존재하는 경우 위 과정을 되풀이하여 실시하여(S81 내지 S85), 모든 움직임 영역에 대하여 후보머리영역을 추정한다.
본 발명의 실시예들은 단순하게 움직이는 영역만을 고려하는 기존의 계수 시스템과 달리 거리카메라로부터 획득된 거리정보를 기반으로 움직이는 물체의 형상과 그 형상이 특정 조건을 만족하였는지 여부 및 해당 조건을 만족한 프레임의 수까지 고려하여 보다 정확한 계수가 가능하다.
본 발명의 실시예들은 정확한 사람 계수를 요하는 다양한 장소에서 유용하게 사용할 수 있다. 본 발명의 실시예들은 공항, 항만 등 기반 시설과 상점, 카지노 등 상업 시설에서 활용이 가능하다. 또한 사고 발생을 대비하여 내부 인원 수 파악이 필요한 비행기, 배, 기차 등의 교통 수단 및 공장 및 작업장에서도 활용될 수 있다. 예를 들어, 사람이 출입하는 마트의 출입구에서 카트를 미는 것이나, 작업장에서 물건을 운반하는 등 사람/사물의 분류 기능에 적용될 수 있다. 최근에는 특히 재해/재난 대피에 대한 요구가 강하기 때문에, 본 발명의 실시예들은 화재나 재난시, 작업장 혹은 비행기/선박 등의 제한된 공간에서의 잔류 인원을 파악하는 시스템에 유용하게 활용될 수 있다.
본 발명의 실시예에 따른 사람 계수 장치 및 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
본 발명은 첨부된 도면에 도시된 일 실시예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 수 있을 것이다.
1: 사람계수장치
2: 거리 카메라
10: 검출부
20: 추정부
30: 판단부
40: 계수부

Claims (14)

  1. 거리 정보를 제공하는 영상에서 움직임 영역을 검출하는 단계;
    상기 움직임 영역에서 상기 거리 정보를 기초로 후보 머리 영역을 추정하는 단계;
    상기 후보 머리 영역의 원형 유사도 및 상기 후보 머리 영역의 거리 정보로부터 추정된 상기 후보 머리 영역의 구 곡률 정보를 기초로 상기 후보 머리 영역이 사람 머리인지 여부를 판단하는 단계;를 포함하는 사람 계수 방법.
  2. 제1항에 있어서
    상기 사람 머리 판단 단계는
    상기 후보 머리 영역을 둘러싸는 가장 작은 원의 면적과 상기 후보 머리 영역의 면적의 비율이 기설정된 임계값을 초과하는 원형 유사도 조건을 만족하는지 여부를 판단하는 단계;
    상기 후보 머리 영역을 가로지르는 적어도 하나의 기준 라인을, 위치 및 바닥면으로부터의 높이를 변수로 하는 2차 함수로 근사하였을 경우, 극점이 상기 후보 머리 영역 내에 존재하고, 2차 계수가 기설정된 임계값 이하인 구 곡률 조건을 만족하는지 여부를 판단하는 단계; 및
    상기 원형 유사도 조건 및 구 곡률 조건을 만족하는 후보 머리 영역을 사람 머리로 판단하는 단계;를 포함하는 사람 계수 방법.
  3. 제2항에 있어서,
    상기 구 곡률 조건 만족 여부 판단 단계는,
    일정 간격의 복수의 기준 라인들 각각이 상기 구 곡률 조건을 만족하는지 여부를 판단하는 단계;를 포함하는 사람 계수 방법.
  4. 제2항에 있어서,
    상기 확장 영역을 제외한 나머지 움직임 영역에서 상기 후보 머리 영역 추정을 반복하는, 사람 계수 방법.
  5. 제1항에 있어서,
    상기 후보 머리 영역 추정 단계는,
    상기 움직임 영역에서 바닥면으로부터 높이값이 최대인 기준 픽셀을 추출하는 단계;
    상기 기준 픽셀 및 상기 기준 픽셀을 중심으로 연속하여 높이값의 변화가 일정 또는 감소하는 주변 픽셀들을 포함하는 확장 영역을 설정하는 단계; 및
    상기 확장 영역 내에서 상기 기준 픽셀 및 상기 기준 픽셀의 높이값과의 차이가 기 설정된 임계값 이내인 높이값을 갖는 주변 픽셀들을 포함하는 후보 머리 영역을 설정하는 단계;를 포함하는 사람 계수 방법.
  6. 제1항에 있어서
    상기 후보 머리 영역의 추적 궤적이 계수 라인을 통과하고, 상기 후보 머리 영역이 검출된 프레임수와 상기 후보 머리 영역이 사람 머리로 판단된 프레임수의 비율이 기 설정된 임계값 이상이면, 사람으로 계수하는 단계;를 더 포함하는 사람 계수 방법
  7. 제1항에 있어서,
    상기 사람 머리 판단 단계는,
    상기 추정된 후보 머리 영역의 추적 궤적이 계수 라인을 통과하면, 상기 추정된 후보 머리 영역에 대해서 사람 머리인지 판단하는 단계;를 포함하는 사람 계수 방법.
  8. 거리 정보를 제공하는 영상에서 움직임 영역을 검출하는 검출부;
    상기 움직임 영역에서 상기 거리 정보를 기초로 후보 머리 영역을 추정하는 추정부; 및
    상기 후보 머리 영역의 원형 유사도 및 상기 후보 머리 영역의 거리 정보로부터 추정된 상기 후보 머리 영역의 구 곡률 정보를 기초로 상기 후보 머리 영역이 사람 머리인지 여부를 판단하는 판단부;
    를 포함하는 사람 계수 장치.
  9. 제8항에 있어서
    상기 판단부는
    상기 후보 머리 영역을 둘러싸는 가장 작은 원의 면적과 상기 후보 머리 영역의 면적의 비율이 기설정된 임계값을 초과하는 원형 유사도 조건을 만족하는지 여부를 판단하는 제1 판단부;
    상기 후보 머리 영역을 가로지르는 적어도 하나의 기준 라인을, 위치 및 바닥면으로부터의 높이를 변수로 하는 2차 함수로 근사하였을 경우, 극점이 상기 후보 머리 영역 내에 존재하고, 2차 계수가 기 설정된 임계값 이하인 구 곡률 조건을 만족하는지 여부를 판단하는 제2 판단부; 및
    상기 원형 유사도 조건 및 구 곡률 조건을 만족하는 후보 머리 영역을 사람 머리로 판단하는 제3 판단부;를 포함하는 사람 계수 장치.
  10. 제9항에 있어서,
    상기 제2 판단부는,
    일정 간격의 복수의 기준 라인들 각각이 상기 구 곡률 조건을 만족하는지 여부를 판단하는, 사람 계수 장치.
  11. 제9항에 있어서,
    상기 판단부는,
    상기 확장 영역을 제외한 나머지 움직임 영역에서 상기 후보 머리 영역 추정을 반복하는, 사람 계수 장치.
  12. 제8항에 있어서,
    상기 추정부는,
    상기 움직임 영역에서 바닥면으로부터 높이값이 최대인 기준 픽셀을 추출하는 기준픽셀 추출부;
    상기 기준 픽셀 및 상기 기준 픽셀을 중심으로 연속하여 높이값의 변화가 일정 또는 감소하는 주변 픽셀들을 포함하는 확장 영역을 설정하는 영역확장부;및
    상기 확장 영역 내에서 상기 기준 픽셀 및 상기 기준 픽셀의 높이값과의 차이가 기 설정된 임계값 이내인 높이값을 갖는 주변 픽셀들을 포함하는 후보 머리 영역을 설정하는 머리영역 설정부; 를 포함하는 사람 계수 장치.
  13. 제8항에 있어서,
    상기 후보 머리 영역의 추적 궤적이 계수 라인을 통과하고, 상기 후보 머리 영역이 검출된 프레임수와 상기 후보 머리 영역이 사람 머리로 판단된 프레임수의 비율이 기 설정된 임계치 이상이면, 사람으로 계수하는 계수부;를 더 포함하는 사람 계수 장치.
  14. 제8항에 있어서,
    상기 판단부는,
    상기 추정된 후보 머리 영역의 추적 궤적이 계수 라인을 통과하면, 상기 추정된 후보 머리 영역에 대해서 사람 머리인지 판단하는, 사람 계수 장치.
KR1020150047495A 2015-04-03 2015-04-03 사람 계수 방법 및 장치 KR20160118783A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020150047495A KR20160118783A (ko) 2015-04-03 2015-04-03 사람 계수 방법 및 장치
US14/833,492 US9978155B2 (en) 2015-04-03 2015-08-24 Method and apparatus for counting number of persons
CN201610021806.8A CN106056030B (zh) 2015-04-03 2016-01-13 用于对人数进行计数的方法和设备
KR1020220043651A KR102584527B1 (ko) 2015-04-03 2022-04-07 사람 계수 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150047495A KR20160118783A (ko) 2015-04-03 2015-04-03 사람 계수 방법 및 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020220043651A Division KR102584527B1 (ko) 2015-04-03 2022-04-07 사람 계수 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20160118783A true KR20160118783A (ko) 2016-10-12

Family

ID=57017354

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020150047495A KR20160118783A (ko) 2015-04-03 2015-04-03 사람 계수 방법 및 장치
KR1020220043651A KR102584527B1 (ko) 2015-04-03 2022-04-07 사람 계수 방법 및 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220043651A KR102584527B1 (ko) 2015-04-03 2022-04-07 사람 계수 방법 및 장치

Country Status (3)

Country Link
US (1) US9978155B2 (ko)
KR (2) KR20160118783A (ko)
CN (1) CN106056030B (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014085953A1 (en) * 2012-12-03 2014-06-12 Harman International Industries, Incorporated System and method for detecting pedestrians using a single normal camera
CN111339873B (zh) * 2020-02-18 2021-04-20 南京甄视智能科技有限公司 客流统计方法、装置、存储介质及计算设备
CN113420726B (zh) * 2021-08-20 2021-11-19 北京文安智能技术股份有限公司 基于俯视图像的区域去重客流统计方法
JP7136303B1 (ja) * 2021-09-30 2022-09-13 日本電気株式会社 計数装置、計数方法およびコンピュータプログラム

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150010193A (ko) 2013-07-18 2015-01-28 전자부품연구원 깊이 영상 기반 머리 검출방법 및 장치

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004362210A (ja) * 2003-06-04 2004-12-24 Nippon Telegr & Teleph Corp <Ntt> 物体追跡装置と方法、及びそのプログラムとそのプログラムを記録した記録媒体
KR100519782B1 (ko) 2004-03-04 2005-10-07 삼성전자주식회사 스테레오 카메라를 이용한 사람 검출 방법 및 장치
JP4493521B2 (ja) 2005-02-28 2010-06-30 株式会社アート 出入管理装置
JP4516516B2 (ja) * 2005-12-07 2010-08-04 本田技研工業株式会社 人物検出装置、人物検出方法及び人物検出プログラム
KR100885418B1 (ko) 2008-07-30 2009-02-24 주식회사 일리시스 오버헤드 카메라 영상에서 사람을 감지하고 추적하는시스템 및 그 방법
CN101763504B (zh) * 2009-12-30 2012-06-06 邱怀骏 复杂场景下的人体头部识别方法
EP2608536B1 (en) * 2010-08-17 2017-05-03 LG Electronics Inc. Method for counting objects and apparatus using a plurality of sensors
CN103021059A (zh) * 2012-12-12 2013-04-03 天津大学 一种基于视频监控的公交客流计数方法
JP5976198B2 (ja) * 2013-03-26 2016-08-23 株式会社日立国際電気 人数計数装置および人数計数方法
KR101480348B1 (ko) * 2013-05-31 2015-01-09 삼성에스디에스 주식회사 사람 검출 장치 및 방법과 사람 계수 장치 및 방법
CN103646250B (zh) * 2013-09-13 2015-04-22 黄卫 基于距离图像头肩特征的行人监测方法及装置
CN103530874B (zh) * 2013-10-09 2016-06-29 上海大学 基于Kinect的人流计数方法
CN103559481B (zh) * 2013-11-05 2017-02-08 江苏慧眼数据科技股份有限公司 一种复杂环境下的人数统计方法
CN103714698B (zh) * 2013-12-26 2016-09-21 苏州清研微视电子科技有限公司 基于距离图像的公交车辆客流量统计系统及方法
KR101557376B1 (ko) * 2014-02-24 2015-10-05 에스케이 텔레콤주식회사 사람 계수 방법 및 그를 위한 장치
CN103871082A (zh) * 2014-03-31 2014-06-18 百年金海科技有限公司 一种基于安防视频图像的人流量统计方法
CN104268506B (zh) * 2014-09-15 2017-12-15 郑州天迈科技股份有限公司 基于深度图像的客流计数检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150010193A (ko) 2013-07-18 2015-01-28 전자부품연구원 깊이 영상 기반 머리 검출방법 및 장치

Also Published As

Publication number Publication date
US9978155B2 (en) 2018-05-22
CN106056030B (zh) 2021-11-30
KR20220047947A (ko) 2022-04-19
CN106056030A (zh) 2016-10-26
US20160292890A1 (en) 2016-10-06
KR102584527B1 (ko) 2023-10-05

Similar Documents

Publication Publication Date Title
KR101480348B1 (ko) 사람 검출 장치 및 방법과 사람 계수 장치 및 방법
CN107358149B (zh) 一种人体姿态检测方法和装置
CA3094424C (en) Safety monitoring and early-warning method for man-machine interaction behavior of underground conveyor belt operator
Hu et al. Moving object detection and tracking from video captured by moving camera
KR102584527B1 (ko) 사람 계수 방법 및 장치
US7729512B2 (en) Stereo image processing to detect moving objects
Cheriyadat et al. Detecting dominant motions in dense crowds
Perez-Yus et al. Stairs detection with odometry-aided traversal from a wearable RGB-D camera
US8706663B2 (en) Detection of people in real world videos and images
US20190294890A1 (en) Method and apparatus for surveillance
Boltes et al. T-junction: Experiments, trajectory collection, and analysis
WO2017183769A1 (ko) 이상 상황을 감지하는 장치 및 방법
CN102074095A (zh) 幼儿行为监控系统及方法
KR101515597B1 (ko) 3차원 영상 정보를 이용한 감지 방법 및 장치
Yahiaoui et al. A people counting system based on dense and close stereovision
JP2015055875A (ja) 移動先レーンに合流する移動アイテムの移動元レーンの判定
Meshram et al. Traffic surveillance by counting and classification of vehicles from video using image processing
CN110222616A (zh) 行人异常行为检测方法、图像处理装置及存储装置
Carletti et al. An efficient and effective method for people detection from top-view depth cameras
JP2011198244A (ja) 対象物認識システム及び該システムを利用する監視システム、見守りシステム
Kim et al. Estimation of crowd density in public areas based on neural network.
Kurilkin et al. A comparison of methods to detect people flow using video processing
Nizam et al. Development of human fall detection system using joint height, joint velocity, and joint position from depth maps
Omar et al. Detection and localization of traffic lights using yolov3 and stereo vision
Hariyono et al. Estimation of collision risk for improving driver's safety

Legal Events

Date Code Title Description
N231 Notification of change of applicant
A201 Request for examination
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X601 Decision of rejection after re-examination