KR20190056457A - 보행자 의상 특징 추출을 통한 보행자 추적 방법 - Google Patents
보행자 의상 특징 추출을 통한 보행자 추적 방법 Download PDFInfo
- Publication number
- KR20190056457A KR20190056457A KR1020170149201A KR20170149201A KR20190056457A KR 20190056457 A KR20190056457 A KR 20190056457A KR 1020170149201 A KR1020170149201 A KR 1020170149201A KR 20170149201 A KR20170149201 A KR 20170149201A KR 20190056457 A KR20190056457 A KR 20190056457A
- Authority
- KR
- South Korea
- Prior art keywords
- pedestrian
- tracking
- features
- deep learning
- learning model
- Prior art date
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
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G06K9/00335—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
보행자 의상 특징 추출을 통한 보행자 추적 방법이 제공된다. 본 발명의 실시예에 따른 객체 추적 방법은, 영상에서 객체를 검출하고, 검출된 객체를 다수의 부분들로 분리하여, 딥러닝 모델로 분리된 부분들의 특징들을 추출하고, 추출된 특징들을 기초로 객체를 추적한다. 이에 의해, 딥러닝 기법에 의한 보행자 의상 특징 추출을 통한 보행자 추적으로, 보행자 추적에 대한 신뢰성을 높일 수 있게 된다.
Description
본 발명은 영상처리 기술에 관한 것으로, 더욱 상세하게는 교통안전을 위해 보행자를 검출하여 추적하는 방법 및 이를 적용한 영상 시스템에 관한 것이다.
교통안전을 위해 횡단보도는 물론 차도나 인도 등지에서 보행자를 검출하고, 검출한 보행자를 추적하여야 하는 경우가 있다.
보행자 추적을 위해서는 프레임들에서 검출된 보행자들 간의 동일성 판단이 전제되는데, 이 동일성 판단은 색상 분포를 나타낸 히스토그램 분석에 의존하고 있다.
하지만, 이 같은 방법에 의한 보행자 추적은 정확도가 떨어지는데, 유사한 색상의 옷을 입고 있는 보행자가 여러 명인 경우, 조명에 의해 색상 인식에 오류가 있는 경우 등이 주된 원인이 된다.
보행자에 대한 불정확한 추적은 교통안전을 위협하는 요인이다. 이에, 교통안전을 보다 강화하기 위한 전제로, 신뢰성 높은 보행자 추적 방안의 모색이 요청된다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 보행자 추적에 대한 신뢰성을 높이기 위한 방안으로, 딥러닝 기법에 의한 보행자 의상 특징 추출을 통한 보행자 추적 방법 및 시스템을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 객체 추적 방법은, 영상에서 객체를 검출하는 단계; 검출된 객체에서 제1 부분과 제2 부분을 분리하는 단계; 딥러닝 모델을 이용하여, 분리된 제1 부분과 제2 부분의 특징들을 추출하는 단계; 및 추출된 특징들을 기초로, 객체를 추적하는 단계;를 포함한다.
그리고, 분리 단계는, 딥러닝 모델을 이용하여, 검출된 객체를 분리할 수 있다.
또한, 검출 단계는, 딥러닝 모델을 이용하여, 객체를 검출할 수 있다.
그리고, 객체는, 보행자일 수 있다.
또한, 제1 부분은, 보행자의 상의이고, 제2 부분은, 보행자의 하의일 수 있다.
그리고, 추적 단계는, 제1 부분에서 추출된 특징의 유사도 및 제1 부분에서 추출된 특징의 유사도를 기초로, 객체의 동일성을 판단할 수 있다.
또한, 추적 단계는, 제1 부분과 제2 부분 중 가려지지 않은 부분에서 추출된 특징의 유사도를 기초로, 객체의 동일성을 판단할 수 있다.
한편, 본 발명의 다른 실시예에 따른, 객체 추적 시스템은, 영상을 입력받는 입력부; 및 입력부를 통해 입력된 영상에서 객체를 검출하고, 검출된 객체에서 제1 부분과 제2 부분을 분리하며, 딥러닝 모델을 이용하여 분리된 제1 부분과 제2 부분의 특징들을 추출하고, 추출된 특징들을 기초로 객체를 추적하는 프로세서;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 딥러닝 기법에 의한 보행자 의상 특징 추출을 통한 보행자 추적으로, 보행자 추적에 대한 신뢰성을 높일 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 보행자 추적 방법의 설명에 제공되는 흐름도,
도 2 및 도 3은, 보행자 상의/하의 구분 결과를 예시한 도면들, 그리고,
도 4는 본 발명의 다른 실시예에 따른 보행자 추적 시스템의 블럭도이다.
도 2 및 도 3은, 보행자 상의/하의 구분 결과를 예시한 도면들, 그리고,
도 4는 본 발명의 다른 실시예에 따른 보행자 추적 시스템의 블럭도이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 보행자 추적 방법의 설명에 제공되는 흐름도이다. 본 발명의 실시예에 따른 보행자 추적 방법은, 보행자의 의상 분석을 통해 특징을 추출하여 보행자의 동일성을 판단한다.
이 과정에서, 본 발명의 일 실시예에 따른 보행자 추적 방법은 딥러닝 기법을 이용하여, 보행자 검출, 의상 분리, 의상 특징 추출 등의 프로세스를 수행하는 바, 이하에서 상세히 설명한다.
보행자 추적을 위해, 도 1에 도시된 바와 같이, 먼저 횡단보도에 설치된 CCTV(Closed-Circuit TeleVision) 또는 카메라로부터 촬영된 영상을 입력받는다(S110).
다음, 딥러닝 모델을 이용하여, 보행자들을 검출한다(S120). 이를 위해, 딥러닝 모델은, 횡단보도, 차도 및 인도 등지에서 획득한 보행자 데이터베이스로 사전 학습이 필요하다.
그리고, 딥러닝 모델을 이용하여, S120단계에서 검출된 보행자들에서 상의 부분과 하의 부분을 구분하여 분리한다(S130). 이를 위해, 딥러닝 모델은, 다양한 상의와 하의가 포함된 데이터베이스로 사전 학습이 필요하다. S130단계에서 보행자의 상의와 하의를 구분한 결과를 도 2에 예시하였다.
이후, 딥러닝 모델을 이용하여, S130단계에서 분리된 상의와 하의의 특징들을 각각 추출한다(S140).
그리고, S140단계에서 추출한 상의 특징과 하의 특징을 기초로, 보행자를 추적한다(S150). S150단계에서는 전후 프레임들 간에 상의 특징과 하의 특징의 유사도를 계산하여, 보행자의 동일성을 판단한다.
구체적으로, 이전 프레임에서 추출한 상의 및 하의와 특징의 유사도가 높은 상의 및 하의를 현재 프레임에서 검색하여 동일 보행자로 처리한다.
학습된 딥러닝 모델을 통해 추출한 특징을 기초로 보행자의 동일성을 판단하므로, 색상 분포 히스토그램에 근거한 기존의 방식과 달리 보행자 동일성 판단의 정확도가 높다.
도 3에는, 도 2와 다른 프레임에서 보행자의 상의와 하의를 구분하여 분리한 결과를 나타내었는데, 도 3에서의 상의와 하의의 특징은 도 2에서의 상의와 하의의 특징과 유사도가 낮아 다른 보행자로 처리된다.
한편, 보행자들 간에 가려지는 경우가 있다. 이 경우에는, 상의와 하의 중 가려지지 않은 부분에서 추출된 특징의 유사도를 기초로, 보행자의 동일성을 판단하는 것이 가능하다.
도 4는 본 발명의 다른 실시예에 따른 보행자 추적 시스템의 블럭도이다. 본 발명의 실시예에 따른 보행자 추적 시스템은, 도 4에 도시된 바와 같이, 영상 입력부(210), 프로세서(220), 출력부(230) 및 저장부(240)를 포함하는 컴퓨팅 시스템이다.
영상 입력부(210)는 횡단보도에 설치된 CCTV 또는 카메라로부터 촬영된 영상을 입력받는다.
프로세서(220)는, 딥러닝 모델을 이용하여, 영상 입력부(210)를 통해 입력된 영상에서 보행자들을 검출하고, 검출한 보행자들에서 상의 부분과 하의 부분을 구분하여 분리한다.
다음, 프로세서(220)는, 딥러닝 모델을 이용하여 상의와 하의의 특징들을 각각 추출하고, 전후 프레임에서 추출한 상의/하의 특징의 유사도를 기반으로 보행자를 추적한다.
구체적으로, 이전 프레임에서 추출한 상의 및 하의와 특징의 유사도가 높은 상의 및 하의를 현재 프레임에서 검색하여 동일 보행자로 처리한다.
출력부(230)는 프로세서(220)에 의한 객체 추적 결과를 표시하는 디스플레이, 객체 추적 결과를 외부 디바이스나 네트워크로 전달하는 통신 수단이다.
저장부(240)에는 프로세서(220)가 이용하는 학습된 딥러닝 모델이 저장되어 있는 저장매체로, 프로세서(220)가 보행자 추적 알고리즘을 수행함에 있어 필요한 저장공간을 제공한다.
지금까지, 딥러닝 기법에 의한 보행자 의상 분리와 특징 추출을 통한 보행자 추적 방법 및 시스템에 대해 바람직한 실시예들을 들어 상세히 설명하였다.
위 실시예에서는 보행자를 추적하는 것을 상정하였는데, 다른 객체를 추적하는 경우에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 다른 객체에 대해 추적이 이루어지는 경우, 위 실시예에서 상정한 상의와 하의는 각각 다른 부분들로 대체되어야 할 것이다.
한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
210 : 영상 입력부
220 : 프로세서
230 : 출력부
240 : 저장부
220 : 프로세서
230 : 출력부
240 : 저장부
Claims (8)
- 영상에서 객체를 검출하는 단계;
검출된 객체에서 제1 부분과 제2 부분을 분리하는 단계;
딥러닝 모델을 이용하여, 분리된 제1 부분과 제2 부분의 특징들을 추출하는 단계;
추출된 특징들을 기초로, 객체를 추적하는 단계;를 포함하는 것을 특징으로 하는 객체 추적 방법.
- 청구항 1에 있어서,
분리 단계는,
딥러닝 모델을 이용하여, 검출된 객체를 분리하는 것을 특징으로 하는 객체 추적 방법.
- 청구항 1에 있어서,
검출 단계는,
딥러닝 모델을 이용하여, 객체를 검출하는 것을 특징으로 하는 객체 추적 방법.
- 청구항 1에 있어서,
객체는,
보행자인 것을 특징으로 하는 객체 추적 방법.
- 청구항 1에 있어서,
제1 부분은,
보행자의 상의이고,
제2 부분은,
보행자의 하의인 것을 특징으로 하는 객체 추적 방법.
- 청구항 1에 있어서,
추적 단계는,
제1 부분에서 추출된 특징의 유사도 및 제1 부분에서 추출된 특징의 유사도를 기초로, 객체의 동일성을 판단하는 것을 특징으로 하는 객체 추적 방법.
- 청구항 1에 있어서,
추적 단계는,
제1 부분과 제2 부분 중 가려지지 않은 부분에서 추출된 특징의 유사도를 기초로, 객체의 동일성을 판단하는 것을 특징으로 하는 객체 추적 방법.
- 영상을 입력받는 입력부; 및
입력부를 통해 입력된 영상에서 객체를 검출하고, 검출된 객체에서 제1 부분과 제2 부분을 분리하며, 딥러닝 모델을 이용하여 분리된 제1 부분과 제2 부분의 특징들을 추출하고, 추출된 특징들을 기초로 객체를 추적하는 프로세서;를 포함하는 것을 특징으로 하는 객체 추적 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170149201A KR20190056457A (ko) | 2017-11-10 | 2017-11-10 | 보행자 의상 특징 추출을 통한 보행자 추적 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170149201A KR20190056457A (ko) | 2017-11-10 | 2017-11-10 | 보행자 의상 특징 추출을 통한 보행자 추적 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20190056457A true KR20190056457A (ko) | 2019-05-27 |
Family
ID=66679316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170149201A KR20190056457A (ko) | 2017-11-10 | 2017-11-10 | 보행자 의상 특징 추출을 통한 보행자 추적 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20190056457A (ko) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860454A (zh) * | 2020-08-04 | 2020-10-30 | 北京深醒科技有限公司 | 一种基于人脸识别的模型切换算法 |
KR102187302B1 (ko) * | 2020-01-13 | 2020-12-04 | 서강대학교 산학협력단 | 보행자 패션 정보를 이용한 보행자 검색 시스템 및 보행자 검색 방법 |
KR102215566B1 (ko) * | 2020-05-25 | 2021-02-15 | 주식회사 핀텔 | 스마트 안전 횡단보도 서비스 제공 시스템 |
KR20220067690A (ko) * | 2020-11-18 | 2022-05-25 | 한국전자기술연구원 | 다중 영역의 외형 모델 생성/갱신에 의한 객체 추적 방법 |
-
2017
- 2017-11-10 KR KR1020170149201A patent/KR20190056457A/ko unknown
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102187302B1 (ko) * | 2020-01-13 | 2020-12-04 | 서강대학교 산학협력단 | 보행자 패션 정보를 이용한 보행자 검색 시스템 및 보행자 검색 방법 |
KR102215566B1 (ko) * | 2020-05-25 | 2021-02-15 | 주식회사 핀텔 | 스마트 안전 횡단보도 서비스 제공 시스템 |
CN111860454A (zh) * | 2020-08-04 | 2020-10-30 | 北京深醒科技有限公司 | 一种基于人脸识别的模型切换算法 |
CN111860454B (zh) * | 2020-08-04 | 2024-02-09 | 北京深醒科技有限公司 | 一种基于人脸识别的模型切换算法 |
KR20220067690A (ko) * | 2020-11-18 | 2022-05-25 | 한국전자기술연구원 | 다중 영역의 외형 모델 생성/갱신에 의한 객체 추적 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | A spatial-temporal approach for video caption detection and recognition | |
CN107798272B (zh) | 快速多目标检测与跟踪系统 | |
Miura et al. | An active vision system for on-line traffic sign recognition | |
KR20190056457A (ko) | 보행자 의상 특징 추출을 통한 보행자 추적 방법 | |
KR100361497B1 (ko) | 얼굴영역 추출방법 | |
US10795928B2 (en) | Image search apparatus, system, and method | |
US20080212099A1 (en) | Method for counting people passing through a gate | |
KR102085035B1 (ko) | 객체 인식을 위한 객체 후보영역 설정방법 및 장치 | |
CN103996046A (zh) | 基于多视觉特征融合的人员识别方法 | |
JP5931662B2 (ja) | 道路状況監視装置、及び道路状況監視方法 | |
CN104463232A (zh) | 一种基于hog特征和颜色直方图特征的密度人群计数的方法 | |
US20110280442A1 (en) | Object monitoring system and method | |
CN108830204B (zh) | 面对目标的监控视频中异常检测方法 | |
Hu et al. | Fast face detection based on skin color segmentation using single chrominance Cr | |
KR101313879B1 (ko) | 기울기 히스토그램을 이용한 사람 검출 추적 시스템 및 방법 | |
KR101380329B1 (ko) | 영상의 변화를 검출하는 방법 | |
JP6831396B2 (ja) | 映像監視装置 | |
KR20100051775A (ko) | 실시간 영상 분석을 이용한 다중 객체 추적과 차량정보인식 및 데이터 관리 시스템과 처리 방법 | |
Oh et al. | Development of an integrated system based vehicle tracking algorithm with shadow removal and occlusion handling methods | |
Arai et al. | Method for extracting product information from TV commercial | |
KR102161212B1 (ko) | 움직임 검출 시스템 및 방법 | |
JP6429323B2 (ja) | オブジェクト抽出方法および装置 | |
Zedan et al. | Caption detection, localization and type recognition in Arabic news video | |
Wang et al. | A survey on video caption extraction technology | |
Chun et al. | RGB-D model based human detection and tracking using 3D CCTV |