Nothing Special   »   [go: up one dir, main page]

KR102160583B1 - 이벤트 객체 감시장치 및 방법 - Google Patents

이벤트 객체 감시장치 및 방법 Download PDF

Info

Publication number
KR102160583B1
KR102160583B1 KR1020130119961A KR20130119961A KR102160583B1 KR 102160583 B1 KR102160583 B1 KR 102160583B1 KR 1020130119961 A KR1020130119961 A KR 1020130119961A KR 20130119961 A KR20130119961 A KR 20130119961A KR 102160583 B1 KR102160583 B1 KR 102160583B1
Authority
KR
South Korea
Prior art keywords
event
pixel
stop
image frame
edge
Prior art date
Application number
KR1020130119961A
Other languages
English (en)
Other versions
KR20150041433A (ko
Inventor
이희열
김기문
Original Assignee
에스케이 텔레콤주식회사
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 에스케이 텔레콤주식회사 filed Critical 에스케이 텔레콤주식회사
Priority to KR1020130119961A priority Critical patent/KR102160583B1/ko
Publication of KR20150041433A publication Critical patent/KR20150041433A/ko
Application granted granted Critical
Publication of KR102160583B1 publication Critical patent/KR102160583B1/ko

Links

Images

Classifications

    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

이벤트 객체 감시장치 및 방법을 개시한다.
영상 프레임에서 배경 모델을 제외한 나머지 영역에서 기 설정된 정지 지속시간에 근거하여 정지영역을 검출하고, 정지영역을 에지 모델의 차이값과 비교하여 도난 또는 방치에 대한 이벤트를 판단하는 이벤트 객체 감시장치 및 방법에 관한 것이다.

Description

이벤트 객체 감시장치 및 방법{Method and Apparatus for Detecting Object of Event}
본 실시예는 정지영역을 검출하여 이벤트 객체를 감시하는 장치 및 방법에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
일반적으로 객체를 감시하는 데 있어서 화소의 컬러 변화를 검출하여, 컬러 변화가 있는 화소를 가우시안 혼합 모델을 이용하여 두 개의 서로 다른 가중치를 사용하여 두 개의 서로 다른 전경 영상이 생성되고, 두 개의 전경 영상을 이용하여 정지영역을 검출하여 도난 또는 방치의 이벤트에 대한 객체를 판단하였다. 이러한 객체 감시 시스템은 복수 개의 전경 영상을 이용함으로써 영상 처리를 위한 알고리즘 연산을 수행할 때 연산 처리시간이 증가하고, 복수 개의 전경 영상을 생성하기 위한 가우시안 혼합 모델의 화소 분류(Sorting) 처리에 대한 연산량도 증가하여 실시간 정지영역을 검출하기 어렵다.
본 실시예는, 영상 프레임에서 배경 모델을 제외한 나머지 영역에서 기 설정된 정지 지속시간에 근거하여 정지영역을 검출하고, 정지영역을 에지 모델의 차이값과 비교하여 도난 또는 방치에 대한 이벤트를 판단하는 이벤트 객체 감시장치 및 방법을 제공하는 데 주된 목적이 있다.
본 실시예의 일 측면에 의하면, 영상 프레임을 획득하는 영상 획득부; 상기 영상 프레임에 근거하여 배경 모델을 생성하는 배경 모델링 처리부; 상기 영상 프레임에 근거하여 에지 참조 모델을 생성하고, 상기 에지 참조 모델에 기초하여 각각의 화소에 대한 에지 차이 맵정보를 생성하는 에지 모델링 처리부; 상기 영상 프레임과 상기 배경 모델을 비교하여 정지 후보화소를 검출하고, 기 설정된 복수의 정지 임계시간에 근거하여 상기 정지 후보화소 중 전체 또는 일부를 정지영역으로 검출하는 정지영역 검출 처리부; 및 상기 정지영역 및 상기 에지 차이 맵정보를 이용하여 도난 및 방치 중 적어도 하나에 대한 이벤트를 판단하여 이벤트 결과정보를 생성하는 이벤트 판단부를 포함하는 것을 특징으로 하는 이벤트 객체 감시장치를 제공한다.
또한, 본 실시예의 다른 측면에 의하면, 영상 프레임을 획득하는 영상 획득과정; 상기 영상 프레임에 근거하여 배경 모델을 생성하는 배경 모델링 처리과정; 상기 영상 프레임에 근거하여 에지 참조 모델을 생성하고, 상기 에지 참조 모델에 기초하여 각각의 화소에 대한 에지 차이 맵정보를 생성하는 에지 모델링 처리과정; 상기 영상 프레임과 상기 배경 모델을 비교하여 정지 후보화소를 검출하는 정지 후보화소 검출과정; 기 설정된 복수의 정지 임계시간에 근거하여 상기 정지 후보화소 중 전체 또는 일부를 정지영역으로 검출하는 정지영역 검출 처리과정; 및 상기 정지영역 및 상기 에지 차이 맵정보를 이용하여 도난 및 방치 중 적어도 하나에 대한 이벤트를 판단하여 이벤트 결과정보를 생성하는 이벤트 판단과정을 포함하는 것을 특징으로 하는 이벤트 객체 감시방법을 제공한다.
이상에서 설명한 바와 같이 본 실시예에 의하면, 영상 프레임에서 배경 모델을 제외한 나머지 전경 영상에서 기 설정된 복수의 정지 지속시간에 근거하여 정지영역을 검출하고, 정지영역을 에지 모델의 차이값과 비교하여 도난 또는 방치에 대한 이벤트를 판단함으로써, 복수의 전경영역을 생성하여 정지영역을 검출하는 방식보다 연산량을 감소하고, 동일한 결과를 제공하는 효과가 있다. 또한, 하나의 전경 영상을 이용함으로써 화소 분류처리에 대한 연산량을 감소시켜 연산 처리시간을 단축할 수 있는 효과가 있다.
도 1은 본 실시예에 따른 이벤트 객체 감시 시스템을 개략적으로 나타낸 블록 구성도이다.
도 2는 본 실시예에 따른 배경 모델을 업데이트 및 생성하는 배경 모델링 처리부를 개략적으로 나타낸 블록 구성도이다.
도 3은 본 실시예에 따른 정지영역을 검출하기 하는 정지영역 검출 처리부를 개략적으로 나타낸 블록 구성도이다.
도 4는 본 실시예에 따른 에지 모델을 처리하는 에지 모델링 처리부를 개략적으로 나타낸 블록 구성도이다.
도 5는 본 실시예에 따른 도난 및 방치에 대한 이벤트 객체를 감시하는 방법을 설명하기 위한 순서도이다.
이하, 본 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 실시예에 따른 이벤트 객체 감시 시스템을 개략적으로 나타낸 블록 구성도이다.
본 실시예에 따른 이벤트 객체 감시 시스템은 영상 촬영장치(110) 및 이벤트 객체 감시장치(120)를 포함한다. 여기서, 이벤트 객체 감시장치(120)는 영상 획득부(130), 배경 모델링 처리부(140), 에지 모델링 처리부(150), 정지영역 검출 처리부(160), 이벤트 판단부(170) 및 이벤트 결과 제공부(180)를 포함한다. 도 1에 도시된 이벤트 객체 감시 시스템은 일 실시예에 따른 것이고, 따라서 도 1에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 일부 블록이 추가, 변경 또는 삭제될 수 있다.
영상 촬영장치(110)는 영상을 촬영할 수 있는 장치를 말하며, 본 실시예에 따른 영상 촬영장치(110)는 물체의 도난, 방치 등의 이벤트 감시를 위해 객체 감시영상을 촬영할 수 있는 CCTV용 카메라, 감시 카메라 등으로 구현되는 것이 바람직하다. 영상 촬영장치(110)는 도난, 방치 등의 이벤트 감시를 위해 촬영된 촬영영상을 이벤트 객체 감시장치(120)로 전송한다. 여기서, 촬영영상은 복수 개의 프레임을 포함하는 영상일 수 있으나 캡쳐된 하나의 프레임일 수도 있다.
이벤트 객체 감시장치(120)는 영상 촬영장치(110)로부터 획득한 영상 프레임에 근거하여 하나의 배경 모델을 생성하고, 영상 프레임에서 배경 모델을 제외한 영역 중 정지영역을 검출하며, 정지영역 내에서 도난 또는 방치에 대한 이벤트에 대한 객체를 판단하여 이벤트 결과정보를 제공한다. 이하, 이벤트 객체 감시장치(120)에 포함된 구성요소에 대해 설명하도록 한다.
영상 획득부(130)는 영상 촬영장치(110)로부터 촬영된 촬영영상에 대한 영상 프레임을 획득하는 동작을 수행한다. 본 실시예에 따른 영상 획득부(130)는 촬영영상을 캡쳐(Capture)한 하나의 영상 프레임을 획득하는 것이 바람직하나 반드시 이에 한정되는 것은 아니며 복수 개의 영상 프레임을 동시에 획득할 수도 있다.
배경 모델링 처리부(140)는 영상 획득부(130)에서 획득한 영상 프레임에서 움직이지 않는 배경에 대한 배경 모델을 생성 또는 업데이트하는 동작을 수행한다.
본 실시예에 따른 배경 모델링 처리부(140)는 영상 프레임 내의 각 화소의 밝기 분포를 가우시안 혼합 모델(GMM: Gaussian Mixture Model)을 사용하여 근사화하고, 근사화된 화소 모델의 가중치(Weight)값이 기 설정된 임계치보다 큰 화소들을 배경 화소로 판단하고, 이러한 배경 화소를 이용하여 하나의 배경 모델을 생성한다.
배경 모델링 처리부(140)는 기 생성된 배경 모델이 존재하는 경우 신규로 획득한 영상 프레임에 대한 배경 모델을 업데이트할 수 있다. 더 자세히 설명하자면, 배경 모델링 처리부(140)는 추가로 수신된 영상 프레임에 대한 배경 모델이 생성된 경우 기 생성된 배경 모델을 초기화하고, 가우시안 혼합 모델을 사용하여 기 생성된 배경 모델 및 추가 배경 모델을 베이지안(Bayesian) 방식을 이용하여 업데이트할 수 있다.
배경 모델링 처리부(140)는 배경 모델의 업데이트 동작을 기 설정된 시간, 업데이트 횟수 등에 대한 업데이트 중지 규칙 또는 입력된 업데이트 중지신호에 근거하여 중지 또는 제한할 수 있다. 예컨대, 배경 모델링 처리부(140)는 '배경 모델이 생성된 시간을 기준으로 20분' 또는 "업데이트 15회" 등의 기 설정된 업데이트 중지 규칙에 근거하여 배경 모델의 업데이트를 종료할 수 있다. 여기서, 배경 모델링 처리부(140)는 업데이트가 종료된 경우, 기 생성된 배경 모델만을 이용하도록 배경 모델의 생성 또는 업데이트 동작을 생략하도록 설정할 수도 있다.
에지 모델링 처리부(150)는 이벤트 판단부(170)에서 이벤트를 판단하여 이벤트 결과정보를 생성하기 위해 영상 프레임에 대한 에지 차이 맵정보를 생성하는 동작을 수행한다.
본 실시예에 따른 에지 모델링 처리부(150)는 영상 프레임 내의 각각의 화소에 대한 그래디언트(Gradient) 정보를 이용하여 그래디언트 맵정보를 생성하고, 그래디언트 맵정보에 근거하여 에지 참조모델을 생성한다. 여기서, 그래디언트 정보는 영상 프레임 내에서 인접하는 화소들 간의 차이값에 근거하여 생성된 정보로서, 인접한 화소들 간의 차이의 절대값의 합으로 산출될 수 있고, 그래디언트 맵정보는 각각의 화소가 가지는 그래디언트 정보를 표시한 맵정보를 의미한다.
에지 모델링 처리부(150)는 하나의 영상 프레임에 대한 그래디언트 맵정보가 생성된 경우 하나의 그래디언트 맵정보를 이용하여 에지 모델을 생성하고, 순차적 획득한 두 개 이상의 영상 프레임에 대한 각각의 그래디언트 맵정보가 생성된 경우 복수 개의 그래디언트 맵정보에 근거하여 각 화소마다 그래디언트 정보에 대한 그래디언트 평균값(gmean(p))을 산출하여 에지 참조모델을 생성할 수 있다.
에지 모델링 처리부(150)는 에지 참조모델 내의 각각의 화소에 대한 그래디언트 정보(g(p))와 각각의 화소에 대해 누적된 그래디언트 평균값(gmean(p))의 차이를 이용하여 각각의 화소에 대한 에지 차이값(D(p))을 산출하고, 산출된 에지 차이값에 기초하여 에지 차이 맵정보를 생성하여 이벤트 판단부(170)로 전송한다.
정지영역 검출 처리부(160)는 영상 프레임 내에서 배경 모델을 제외한 나머지 영역을 정지 후보화소로 검출하고, 기 설정된 두 개 이상의 정지 임계시간에 근거하여 두 개 이상의 정지 블롭(Blob)을 추출한 후 두 개 이상의 정지 블롭을 비교하여 관심객체에 대한 정지영역을 검출한다.
본 실시예에 따른 정지영역 검출 처리부(160)는 영상 프레임 내에서 배경 모델을 제외한 나머지 영역에 대한 화소(예컨대, 전경화소)를 정지 후보화소로 검출하고, 정지 후보화소의 정지 지속시간이 기 설정된 적어도 두 개 이상의 정지 임계시간 이상인지 여부를 확인한다. 여기서, 정지영역 검출 처리부(160)는 정지 후보화소의 정지 지속시간이 기 설정된 두 개 이상의 정지 임계시간 이상이면 각각의 정지 임계시간에 대응하는 정지 블롭(Blob)을 추출한다. 여기서, 정지 블롭은 정지 후보화소 내에서 정지 임계시간 이상으로 정지된 화소들을 연결 요소 라벨링(Connected Component Labelling)을 통해 그룹화한 복수 개의 화소를 의미한다.
정지영역 검출 처리부(160)는 두 개의 정지 블롭이 추출된 경우 정지 지속시간이 짧은 정지 블롭이 정지 지속시간이 긴 정지 블롭을 기 설정된 임계치 이상 포함하면 해당 블롭을 관심객체에 대한 정지영역으로 검출할 수 있다. 예컨대, '3초'로 설정된 제1 정지 지속시간에 대한 제1 정지 블롭이 추출되고, '6초'로 설정된 제2 정지 지속시간에 대한 제2 정지 블롭이 추출된 경우, 정지영역 검출 처리부(160)는 제1 정지 블롭과 제2 정지 블롭을 비교하여 제1 정지 블롭이 제2 정지 블롭을 95 % 이상 포함하는 경우 해당 블롭을 관심객체가 정지한 영역으로 판단하여 정지영역으로 검출할 수 있다.
이벤트 판단부(170)는 정지영역 검출 처리부(160)에서 검출된 정지영역과 에지 모델링 처리부(150)에서 생성된 에지 차이 맵정보를 이용하여 정지영역에 대한 이벤트를 판단하는 동작을 수행한다. 더 자세히 설명하자면, 이벤트 판단부(170)는 에지 차이 맵정보에 포함된 각각의 화소에 대한 에지 차이 평균값(Dmean(p))과 정지영역 내의 블롭에 대한 화소를 각각 비교하여 이벤트 결과값을 산출하고, 이벤트 결과값을 기 설정된 이벤트 임계값에 근거하여 이벤트 결과정보를 생성한다.
이벤트 판단부(170)는 수학식 1을 이용하여 이벤트 결과값을 산출하고, 이벤트 결과값이 기 설정된 이벤트 임계값 이상의 양수이면 관심객체의 방치에 대한 이벤트로 판단한 이벤트 결과정보를 생성한다. 한편, 이벤트 판단부(170)는 산출된 이벤트 결과값이 기 설정된 이벤트 임계값 이하의 음수이면 관심객체의 도난에 대한 이벤트로 판단한 이벤트 결과정보를 생성할 수 있다.
Figure 112013091122003-pat00001
(RT(B)는 정지영역의 이벤트 결과값(양수 또는 음수), B는 정지영역 내의 블롭, d(p)는 정지영역 내의 블롭의 중심과 화소 p의 거리, Dmean(p)는 각 화소의 에지 차이 평균값 및 p는 각 화소의 좌표값(x, y))
예컨대, 이벤트 판단부(170)는 기 설정된 이벤트 임계값이 '±3'으로 가정하고, 수학식 1을 통해 이벤트 결과값이 '10'인 경우 해당 정지영역에 대해 소정의 관심객체가 방치된 것으로 판단하여 이벤트 결과정보를 생성할 수 있다. 한편, 이벤트 판단부(170)는 기 설정된 이벤트 임계값이 '±3'으로 가정하고, 수학식 1을 통해 이벤트 결과값이 '-7'인 경우 해당 정지영역에 대해 소정의 관심객체가 도난된 것으로 판단하여 이벤트 결과정보를 생성할 수도 있다.
이벤트 결과 제공부(180)는 이벤트 판단부(170)에서 생성된 이벤트 결과정보를 출력하는 동작을 수행한다.
본 실시예에 따른 이벤트 결과 제공부(180)는 이벤트 결과정보를 구비된 디스플레이부를 통해 출력하는 것이 바람직하나 반드시 이에 한정되는 것은 아니며 이벤트 결과정보를 외부의 서버 또는 장치로 전송하여 이벤트 결과를 제공할 수도 있다. 여기서, 이벤트 결과 제공부(180)는 이벤트 결과정보에 근거하여 이벤트 객체에 대한 영역을 타원, 사각형, 삼각형 등의 다양한 도형으로 부각하여 출력할 수 있고, 사용자가 이벤트 결과정보를 빠르고 정확하게 인식할 수 있도록 이벤트 발생 후와 이벤트 발생 전의 영상을 동시에 출력할 수도 있다.
도 2는 본 실시예에 따른 배경 모델을 업데이트 및 생성하는 배경 모델링 처리부를 개략적으로 나타낸 블록 구성도이다.
본 실시예에 따른 배경 모델링 처리부(140)는 배경 모델 생성부(210) 및 업데이트부(220)를 포함한다. 여기서, 업데이트부(220)는 업데이트 시작부(222), 업데이트 실행부(224) 및 업데이트 종료부(226)를 포함한다. 도 2에 도시된 배경 모델링 처리부(140)는 일 실싱예에 따른 것이고, 따라서 도 2에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 일부 블록이 추가, 변경 또는 삭제될 수 있다.
배경 모델 생성부(210)는 영상 획득부(130)에서 획득한 영상 프레임에서 움직이지 않는 배경에 대한 배경 모델을 생성하는 동작을 수행한다.
본 실시예에 따른 배경 모델 생성부(210)는 가우시안 혼합 모델(GMM: Gaussian Mixture Model)을 이용하여 배경 모델을 생성할 수 있다. 더 자세히 설명하자면, 배경 모델 생성부(210)는 영상 프레임 내의 각 화소의 밝기 분포를 가우시안 혼합 모델을 사용하여 근사화하고, 근사화된 화소 모델의 가중치(Weight)값이 기 설정된 임계치보다 큰 화소들을 배경 화소로 판단하고, 배경 화소를 이용하여 하나의 배경 모델을 생성한다. 한편, 영상 프레임 내의 화소 중 배경 화소를 제외한 나머지 화소를 움직이는 객체에 대한 전경 화소인 것으로 판단할 수 있다.
업데이트부(220)는 배경 모델 생성부(210)로부터 생성된 배경 모델을 업데이트하는 동작을 수행한다.
본 실시예에 따른 업데이트부(220)는 배경 모델이 생성된 후 영상 프레임이 추가로 수신되면, 추가로 수신된 영상 프레임에 대한 배경 모델을 기 생성된 배경 모델에 업데이트하여 배경 모델을 갱신하는 동작을 수행한다. 여기서, 업데이트부(220)는 업데이트 시작부(222), 업데이트 실행부(224) 및 업데이트 종료부(226)를 포함할 수 있다.
업데이트 시작부(222)는 배경 모델 생성부(210)에서 추가로 수신된 영상 프레임에 대한 배경 모델이 생성된 경우, 기 생성된 배경 모델을 초기화하는 동작을 수행한다.
업데이트 실행부(224)는 기 생성된 배경 모델과 추가로 수신된 영상 프레임에 대한 배경 모델을 이용하여 업데이트하는 동작을 수행한다. 업데이트 실행부(224)는 가우시안 혼합 모델을 사용하여 생성된 배경 모델을 유사한 분포를 가지는 화소들을 판단하는 베이지안(Bayesian) 방식을 이용하여 업데이트할 수 있다.
업데이트 종료부(226)는 기 설정된 시간, 업데이트 횟수 등에 대한 업데이트 중지 규칙 또는 입력된 업데이트 중지신호에 근거하여 배경 모델의 업데이트를 중지하는 동작을 수행한다. 예컨대, 업데이트 종료부(226)는 '배경 모델이 생성된 시간을 기준으로 30분' 또는 "업데이트 10회" 등의 기 설정된 업데이트 중지 규칙에 근거하여 배경 모델의 업데이트를 종료할 수 있다. 여기서, 업데이트 종료부(226)는 업데이트가 종료되면 기존에 업데이트된 배경 모델을 정지영역 검출 처리부(160)로 전송하여 배경 모델을 생성 또는 업데이트하는 과정을 생략할 수도 있다.
한편, 업데이트 종료부(226)는 업데이트 중지 규칙 또는 입력된 업데이트 중지신호에 근거하여 항상 업데이트를 종료하는 것으로 기재하고 있으나 반드시 이에 한정되는 것은 아니며, 배경 모델링에 대한 연산을 처리할 수 있는 하드웨어 또는 소프트웨어적인 구현에 따라 상시 업데이트를 수행하도록 동작할 수도 있다.
도 3은 본 실시예에 따른 정지영역을 검출하기 하는 정지영역 검출 처리부를 개략적으로 나타낸 블록 구성도이다.
본 실시예에 따른 정지영역 검출 처리부(160)는 정지 후보화소 검출부(310), 정지 지속시간 확인부(320), 정지 블롭(Blob) 추출부(330) 및 정지영역 검출부(340)를 포함한다. 도 3에 도시된 정지영역 검출 처리부(160)는 일 실싱예에 따른 것이고, 따라서 도 3에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 일부 블록이 추가, 변경 또는 삭제될 수 있다.
정지 후보화소 검출부(310)는 영상 프레임 및 배경 모델에 근거하여 정지 후보화소를 검출하는 동작을 수행한다. 더 자세히 설명하자면, 정지 후보화소 검출부(310)는 영상 프레임 내에서 배경 모델을 제외한 나머지 영역에 대한 화소(예컨대, 전경화소)를 정지 후보화소로 검출한다. 즉, 정지 후보화소 검출부(310)는 배경이 아닌 전경에 대한 화소 중 정지된 객체 또는 사물에 대한 화소를 검출하기 위해 정지 후보화소를 검출한다.
정지 지속시간 확인부(320)는 정지 후보화소의 정지 지속시간을 확인하는 동작을 수행한다. 본 실시예에 따른 정지 지속시간 확인부(320)는 정지 후보화소의 정지 지속시간이 기 설정된 적어도 두 개 이상의 정지 임계시간 이상인지 여부를 확인한다. 여기서, 정지 지속시간 확인부(320)는 정지 후보화소의 정지 지속시간이 기 설정된 두 개 이상의 정지 임계시간 이상이면 정지 블록 추출부(330)에서 각각의 정지 임계시간에 대응하는 정지 블롭(Blob)을 추출하도록 한다. 예컨대, '3초'로 설정된 제1 정지 지속시간 및 '6초'로 설정된 제2 정지 지속시간에 기초하여 정지 지속시간 확인부(320)는 정지 후보화소의 정지 지속시간이 '2초'인 경우, 제1 정지 지속시간 미만이므로 정지 블롭 추출부(330)에서 정지 블롭을 생성하지 않도록 한다. 한편, 정지 지속시간 확인부(320)는 정지 후보화소의 정지 지속시간이 '7초'인 경우, 정지 후보화소 중 제1 정지 지속시간 및 제2 정지 지속시간 이상이므로 정지한 화소가 존재하는 것으로 확인하고, 정지 블롭 추출부(330)에서 제1 정지 지속시간 및 제2 정지 지속시간에 대한 정지 블롭을 추출하도록 할 수 있다.
정지 블롭 추출부(330)는 정지 후보화소 내에서 정지 임계시간 이상으로 정지된 화소들에 대한 복수의 정지 블롭을 추출하는 동작을 수행한다. 여기서, 정지 블롭 추출부(330)는 연결 요소 라벨링(Connected Component Labelling)을 통해 정지 임계시간 이상 정지된 소정의 화소들을 그룹화하여 복수 개의 정지 블롭으로 추출한다.
본 실시예에 따른 정지 블롭 추출부(330)는 정지 후보화소 내에서 기 설정된 두 개 이상의 정지 임계시간 각각에 대한 정지 블롭을 추출한다. 예컨대, '3초'로 설정된 제1 정지 지속시간 및 '6초'로 설정된 제2 정지 지속시간으로 가정하면, 정지 블롭 추출부(330)는 제1 정지 지속시간에 근거하여 정지 후보화소 내에서 '3초'동안 정지된 화소들에 대한 제1 정지 블롭을 추출하고, 제2 정지 지속시간에 근거하여 정지 후보화소 내에서 '6초'동안 정지된 화소들에 대한 제2 정지 블롭을 추출할 수 있다. 여기서, 제1 정지 블롭은 정지 후보화소 내에서 정지된 소정의 화소에 대해 제2 정지 블롭보다 더 큰 블롭을 갖는 것이 바람직하나 반드시 이에 한정되는 것을 아니다.
정지영역 검출부(340)는 정지 블롭 추출부(330)에서 추출된 두 개 이상의 정지 블롭을 비교하여 정지영역을 검출하는 동작을 수행한다. 본 실시예에 따른 정지영역 검출부(340)는 두 개의 정지 블롭이 추출된 경우 정지 지속시간이 짧은 정지 블롭이 정지 지속시간이 긴 정지 블롭을 기 설정된 임계치 이상 포함하면 해당 블롭을 관심객체에 대한 정지영역으로 검출하는 동작을 수행한다. 예컨대, '3초'로 설정된 제1 정지 지속시간에 대한 제1 정지 블롭이 추출되고, '6초'로 설정된 제2 정지 지속시간에 대한 제2 정지 블롭이 추출된 경우, 정지영역 검출부(340)는 제1 정지 블롭과 제2 정지 블롭을 비교하여 제1 정지 블롭이 제2 정지 블롭을 95 % 이상 포함하는 경우 해당 블롭을 관심객체가 정지한 영역으로 판단하여 정지영역으로 검출할 수 있다.
정지영역 검출부(340)는 검출된 관심객체에 대한 정지영역에 대한 이벤트 발생 여부를 판단하도록 정지영역을 이벤트 판단부(170)로 전송한다.
도 4는 본 실시예에 따른 에지 모델을 처리하는 에지 모델링 처리부를 개략적으로 나타낸 블록 구성도이다.
본 실시예에 따른 에지 모델링 처리부(150)는 그래디언트 맵정보 생성부(410), 에지 참조모델 생성부(420) 및 에지 차이 맵정보 생성부(430)를 포함한다. 도 4에 도시된 에지 모델링 처리부(150)는 일 실싱예에 따른 것이고, 따라서 도 4에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 일부 블록이 추가, 변경 또는 삭제될 수 있다.
그래디언트 맵정보 생성부(410)는 영상 프레임의 각각의 화소에 대한 그래디언트(Gradient) 정보를 이용하여 그래디언트 맵정보를 생성하는 동작을 수행한다. 여기서, 그래디언트 정보는 영상 프레임 내에서 인접하는 화소들 간의 차이값에 근거하여 생성된 정보로서, 인접한 화소들 간의 차이의 절대값의 합으로 산출될 수 있다. 또한, 그래디언트 맵정보는 각각의 화소가 가지는 그래디언트 정보를 표시한 맵정보를 의미한다.
본 실시예에 따른 그래디언트 맵정보 생성부(410)는 각 화소를 x, y 좌표값으로 표현하고, 각각의 화소값에 근거하여 그래디언트 정보를 산출할 수 있다. 그래디언트 맵정보 생성부(410)에서 그래디언트 정보는 수학식 2를 이용하여 산출될 수 있다.
Figure 112013091122003-pat00002
(g(p)는 각 화소의 그래디언트 정보, I(p)는 각 화소에 대한 화소값 및 p는 각 화소의 좌표값(x, y))
그래디언트 맵정보 생성부(410)는 수학식 2를 이용하여 각각의 화소에 대한 그래디언트 정보를 산출하고, 복수 개의 화소에 대한 산출된 그래디언트 정보를 이용하여 그래디언트 맵정보를 생성한다.
에지 참조모델 생성부(420)는 복수 개의 영상 프레임에 대한 그래디언트 맵정보에 근거하여 에지 참조모델을 생성한다.
본 실시예에 따른 에지 참조모델 생성부(420)는 그래디언트 맵정보 생성부(410)에서 하나의 영상 프레임에 대한 그래디언트 맵정보가 생성된 경우 하나의 그래디언트 맵정보를 이용하여 에지 모델을 생성하고, 순차적 획득한 두 개 이상의 영상 프레임에 대한 각각의 그래디언트 맵정보가 생성된 경우 복수 개의 그래디언트 맵정보에 근거하여 각 화소마다 그래디언트 정보에 대한 그래디언트 평균값(gmean(p))을 산출하여 에지 참조모델을 생성한다.
에지 차이 맵정보 생성부(430)는 영상 프레임의 각 화소에 대한 에지 차이값을 산출하여 에지 차이 맵정보를 생성하는 동작을 수행한다. 본 실시예에 따른 에지 차이 맵정보 생성부(430)는 영상 프레임 내의 각각의 화소에 대한 그래디언트 정보(g(p))와 각각의 화소에 대해 누적된 그래디언트 평균값(gmean(p))의 차이를 이용하여 각각의 화소에 대한 에지 차이값(D(p))을 산출하고, 산출된 에지 차이값에 기초하여 에지 차이 맵정보를 생성한다. 여기서, 에지 차이 맵정보를 생성하기 위한 에지 차이값은 수학식 3을 이용하여 산출될 수 있다.
Figure 112013091122003-pat00003
(D(p)는 각 화소에 대한 에지 차이값, g(p)는 각 화소의 그래디언트 정보 및 gmean(p)는 각 화소의 누적된 그래디언트 평균값)
도 5는 본 실시예에 따른 도난 및 방치에 대한 이벤트 객체를 감시하는 방법을 설명하기 위한 순서도이다.
이벤트 객체 감시장치(120)는 영상 촬영장치(110)로부터 촬영된 촬영영상에 대한 영상 프레임을 획득한다(S510).
이벤트 객체 감시장치(120)는 획득한 영상 프레임에 대한 배경화소를 업데이트하여 배경 모델을 생성한다(S520). 이벤트 객체 감시장치(120)는 영상 프레임 내의 각 화소의 밝기 분포를 가우시안 혼합 모델을 사용하여 근사화하고, 근사화된 화소 모델의 가중치(Weight)값이 기 설정된 임계치보다 큰 화소들을 배경 화소로 판단하고, 이러한 배경 화소를 이용하여 하나의 배경 모델을 생성한다. 이벤트 객체 감시장치(120)는 기 생성된 배경 모델이 존재하는 경우, 신규로 획득한 영상 프레임에 대한 배경 모델을 업데이트할 수 있다.
이벤트 객체 감시장치(120)는 획득한 영상 프레임에 대한 에지 참조모델을 생성하고, 에지 참조모델에 근거하여 에지 차이 맵정보를 생성한다(S530). 이벤트 객체 감시장치(120)는 이벤트를 판단하여 이벤트 결과정보를 생성하기 위해 영상 프레임 내의 각각의 화소에 대한 그래디언트 정보를 이용하여 그래디언트 맵정보를 생성한다. 여기서, 이벤트 객체 감시장치(120)는 그래디언트 맵정보에 근거하여 각 화소마다 그래디언트 정보에 대한 그래디언트 평균값을 산출하여 에지 참조모델을 생성하고, 에지 참조모델 내의 각각의 화소에 대한 그래디언트 정보와 각각의 화소에 대해 누적된 그래디언트 평균값의 차이를 이용하여 각각의 화소에 대한 에지 차이값을 산출하여 에지 참조모델을 생성한다.
이벤트 객체 감시장치(120)는 단계 S520에서 생성된 배경 모델에 기초하여 정지 후보화소를 추출한다(S540). 이벤트 객체 감시장치(120)는 영상 프레임 내에서 배경 모델을 제외한 나머지 영역을 정지 후보화소로 검출한다.
이벤트 객체 감시장치(120)는 기 설정된 정지 임계시간에 근거하여 두 개 이상의 정지 블롭을 추출하고, 두 개의 정지 블롭을 이용하여 정지영역을 검출한다(S550). 이벤트 객체 감시장치(120)는 정지 후보화소의 정지 지속시간이 기 설정된 두 개의 정지 임계시간 이상이면 각각의 정지 임계시간에 대응하는 정지 블롭(Blob)을 추출하고, 두 개의 정지 블롭 중 정지 지속시간이 짧은 정지 블롭이 정지 지속시간이 긴 정지 블롭을 기 설정된 임계치 이상 포함하면 해당 블롭을 관심객체에 대한 정지영역으로 검출한다.
이벤트 객체 감시장치(120)는 정지영역과 단계 S530에서 생성된 에지 차이 맵정보를 비교하여 도난 또는 방치에 대한 이벤트를 판단한 이벤트 결과정보를 생성하고(S560), 생성된 이벤트 결과정보를 출력한다(S570).
이벤트 객체 감시장치(120)는 에지 차이 맵정보에 포함된 각각의 화소에 대한 에지 차이 평균값과 정지영역 내의 블롭에 대한 화소를 각각 비교하여 이벤트 결과값을 산출하고, 이벤트 결과값을 기 설정된 이벤트 임계값에 근거하여 이벤트 결과정보를 생성한다. 여기서, 이벤트 객체 감시장치(120)는 이벤트 결과값이 기 설정된 이벤트 임계값 이상의 양수이면 관심객체의 방치에 대한 이벤트로 판단하고, 이벤트 결과값이 기 설정된 이벤트 임계값 이하의 음수이면 관심객체의 도난에 대한 이벤트로 판단하여 이벤트 결과정보를 생성할 수 있다.
도 5에서는 단계 S510 내지 단계 S570를 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 5에 기재된 순서를 변경하여 실행하거나 단계 S510 내지 단계 S570 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 5는 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 5에 기재된 본 실시예에 따른 이벤트 객체 감시장치(120)의 동작은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 이벤트 객체 감시장치(120)의 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 이러한 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
이상에서 설명한 바와 같이 본 실시예는 객체 감시 분야에 적용되어, 하나의 전경 영상을 이용함으로써 화소 분류처리에 대한 연산량을 감소시킬 수 있고, 연산 처리시간을 단축하며 동일한 결과를 제공하는 효과를 발생하는 유용한 발명이다.
110: 영상 촬영장치 120: 이벤트 객체 감시장치
130: 영상 획득부 140: 배경 모델링 처리부
150: 에지 모델링 처리부 160: 정지영역 검출 처리부
170: 이벤트 판단부 180: 이벤트 결과 제공부

Claims (18)

  1. 영상 프레임을 획득하는 영상 획득부;
    상기 영상 프레임에 근거하여 배경 모델을 생성하는 배경 모델링 처리부;
    상기 영상 프레임에 근거하여 에지 참조 모델을 생성하고, 상기 에지 참조 모델에 기초하여 각각의 화소에 대한 에지 차이 맵정보를 생성하는 에지 모델링 처리부;
    상기 영상 프레임과 상기 배경 모델을 비교하여 정지 후보화소를 검출하고, 기 설정된 복수의 정지 임계시간에 근거하여 상기 정지 후보화소 중 전체 또는 일부를 정지영역으로 검출하는 정지영역 검출 처리부; 및
    상기 에지 차이 맵정보에 포함된 각각의 화소에 대한 에지 차이 평균값과 상기 정지영역 내의 블롭에 대한 화소를 각각 비교하여 이벤트 결과값을 산출하고, 상기 이벤트 결과값을 기반으로 도난 및 방치 중 적어도 하나에 대한 이벤트를 판단하여 이벤트 결과정보를 생성하는 이벤트 판단부
    를 포함하는 것을 특징으로 하는 이벤트 객체 감시장치.
  2. ◈청구항 2은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1 항에 있어서,
    상기 배경 모델 처리부는,
    상기 영상 프레임 내에서 움직이지 않는 배경에 대한 상기 배경 모델을 생성하는 배경 모델 생성부; 및
    신규 영상 프레임이 수신되는 경우 상기 배경 모델에 신규 영상 프레임에 대한 추가 배경 모델을 업데이트하는 업데이트부
    를 포함하는 것을 특징으로 하는 이벤트 객체 감시장치.
  3. ◈청구항 3은(는) 설정등록료 납부시 포기되었습니다.◈
    제 2 항에 있어서,
    상기 배경 모델 생성부는,
    상기 영상 프레임 내의 각 화소의 밝기 분포를 가우시안 혼합 모델(GMM: Gaussian Mixture Model)을 사용하여 근사화하고, 근사화된 각 화소의 밝기 분포의 가중치(Weight)값이 기 설정된 임계치보다 큰 화소들을 배경 화소를 이용하여 상기 배경 모델을 생성하는 것을 특징으로 하는 이벤트 객체 감시장치.
  4. ◈청구항 4은(는) 설정등록료 납부시 포기되었습니다.◈
    제 2 항에 있어서,
    상기 업데이트부는,
    상기 배경 모델을 초기화하고, 가우시안 혼합 모델을 사용하여 기 생성된 상기 배경 모델 및 상기 추가 배경 모델을 베이지안(Bayesian) 방식을 이용하여 업데이트하고, 기 설정된 시간, 업데이트 횟수와 같은 업데이트 중지 규칙 또는 입력된 업데이트 중지신호에 근거하여 업데이트를 종료하는 것을 특징으로 하는 이벤트 객체 감시장치.
  5. ◈청구항 5은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1 항에 있어서,
    상기 에지 모델링 처리부는,
    상기 영상 프레임 내의 각각의 화소에 대한 그래디언트(Gradient) 정보를 이용하여 그래디언트 맵정보를 생성하는 그래디언트 맵 정보 생성부;
    상기 그래디언트 맵정보에 근거하여 상기 영상 프레임 내의 각 화소에 대한 그래디언트 평균값을 산출하여 상기 에지 참조모델을 생성하는 에지 참조모델 생성부; 및
    상기 에지 참조모델에 대한 상기 그래디언트 정보와 상기 그래디언트 평균값을 이용하여 에지 차이값을 산출하고, 각각의 화소에 대한 상기 에지 차이값에 기초하여 상기 에지 차이 맵정보를 생성하는 에지 차이맵 정보 생성부;
    를 포함하는 것을 특징으로 하는 이벤트 객체 감시장치.
  6. ◈청구항 6은(는) 설정등록료 납부시 포기되었습니다.◈
    제 5 항에 있어서,
    상기 그래디언트 맵 정보 생성부는,
    상기 영상 프레임 내에서 인접하는 화소들 간의 화소 차이값에 근거하여 상기 그래디언트 정보를 생성하고, 각각의 화소에 대한 상기 그래디언트 정보를 표시한 상기 그래디언트 맵정보를 생성하는 것을 특징으로 하는 이벤트 객체 감시장치.
  7. ◈청구항 7은(는) 설정등록료 납부시 포기되었습니다.◈
    제 6 항에 있어서,
    상기 그래디언트 맵 정보 생성부는,
    Figure 112013091122003-pat00004

    (g(p)는 각 화소의 그래디언트 정보, I(p)는 각 화소에 대한 화소값 및 p는 각 화소의 좌표값(x, y))
    의 수학식을 적용하여 상기 그래디언트 맵정보를 생성하는 것을 특징으로 하는 이벤트 객체 감시장치.
  8. ◈청구항 8은(는) 설정등록료 납부시 포기되었습니다.◈
    제 5 항에 있어서,
    상기 에지 차이맵 정보 생성부는,
    Figure 112013091122003-pat00005

    (D(p)는 각 화소에 대한 에지 차이값, g(p)는 각 화소의 그래디언트 정보 및 gmean(p)는 각 화소의 누적된 그래디언트 평균값)
    의 수학식을 적용하여 상기 에지 차이 맵정보를 생성하는 것을 특징으로 하는 이벤트 객체 감시장치.
  9. ◈청구항 9은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1 항에 있어서,
    상기 정지영역 검출 처리부는,
    상기 영상 프레임 내에서 상기 배경 모델을 제외한 나머지 영역에 대한 화소를 상기 정지 후보화소로 검출하는 정지 후보화소 검출부;
    상기 정지 후보화소의 정지 지속시간이 상기 기 설정된 복수의 정지 임계시간 이상인지 여부를 확인하는 정지시간 확인부;
    상기 정지 후보화소 중 상기 정지 지속시간이 상기 기 설정된 복수의 정지 임계시간 이상인 화소를 각각의 정지 임계시간에 대한 정지 블롭으로 추출하는 정지 블롭 추출부; 및
    적어도 두 개 이상의 상기 정지 임계시간에 대한 복수의 정지 블롭을 비교하여 상기 정지영역을 검출하는 정지영역 검출부
    를 포함하는 것을 특징으로 하는 이벤트 객체 감시장치.
  10. ◈청구항 10은(는) 설정등록료 납부시 포기되었습니다.◈
    제 9 항에 있어서,
    상기 정지영역 검출부는,
    상기 복수의 정지 블롭이 기 설정된 퍼센트(%) 이상 일치할 경우에만 상기 정지영역으로 검출하는 것을 특징으로 하는 이벤트 객체 감시장치.
  11. ◈청구항 11은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1 항에 있어서,
    상기 이벤트 판단부는,
    상기 이벤트 결과값을 기 설정된 이벤트 임계값과 비교하여 상기 이벤트 결과정보를 생성하는 것을 특징으로 하는 이벤트 객체 감시장치.
  12. ◈청구항 12은(는) 설정등록료 납부시 포기되었습니다.◈
    제 11 항에 있어서,
    상기 이벤트 판단부는,
    상기 이벤트 결과값이 상기 기 설정된 이벤트 임계값 이상의 양수이면 방치에 대한 이벤트 결과정보를 생성하고, 상기 이벤트 결과값이 상기 기 설정된 이벤트 임계값 이하의 음수이면 도난에 대한 이벤트 결과정보를 생성하는 것을 특징으로 하는 이벤트 객체 감시장치.
  13. ◈청구항 13은(는) 설정등록료 납부시 포기되었습니다.◈
    제 11 항에 있어서,
    상기 이벤트 판단부는,
    Figure 112013091122003-pat00006

    (RT(B)는 정지영역의 이벤트 결과값(양수 또는 음수), B는 정지영역 내의 블롭, d(p)는 정지영역 내의 블롭의 중심과 화소 p의 거리, Dmean(p)는 각 화소의 에지 차이 평균값 및 p는 각 화소의 좌표값(x, y))
    의 수학식을 적용하여 상기 이벤트 결과값을 산출하는 것을 특징으로 하는 이벤트 객체 감시장치.
  14. ◈청구항 14은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1 항에 있어서,
    상기 이벤트 결과정보를 이벤트 발생 이전 영상과 동시에 디스플레이부에 출력하는 이벤트 결과 제공부를 더 포함하는 것을 특징으로 하는 이벤트 객체 감시장치.
  15. 영상 프레임을 획득하는 영상 획득과정;
    상기 영상 프레임에 근거하여 배경 모델을 생성하는 배경 모델링 처리과정;
    상기 영상 프레임에 근거하여 에지 참조 모델을 생성하고, 상기 에지 참조 모델에 기초하여 각각의 화소에 대한 에지 차이 맵정보를 생성하는 에지 모델링 처리과정;
    상기 영상 프레임과 상기 배경 모델을 비교하여 정지 후보화소를 검출하는 정지 후보화소 검출과정;
    기 설정된 복수의 정지 임계시간에 근거하여 상기 정지 후보화소 중 전체 또는 일부를 정지영역으로 검출하는 정지영역 검출 처리과정; 및
    상기 에지 차이 맵정보에 포함된 각각의 화소에 대한 에지 차이 평균값과 상기 정지영역 내의 블롭에 대한 화소를 각각 비교하여 이벤트 결과값을 산출하고, 상기 이벤트 결과값을 기반으로 도난 및 방치 중 적어도 하나에 대한 이벤트를 판단하여 이벤트 결과정보를 생성하는 이벤트 판단과정
    을 포함하는 것을 특징으로 하는 이벤트 객체 감시방법.
  16. 제 15 항에 있어서,
    상기 정지영역 검출 처리과정은,
    상기 정지 후보화소의 정지 지속시간이 상기 기 설정된 복수의 정지 임계시간 이상인지 여부를 확인하는 정지시간 확인과정;
    상기 정지 후보화소 중 상기 정지 지속시간이 상기 기 설정된 복수의 정지 임계시간 이상인 화소를 각각의 정지 임계시간에 대한 정지 블롭으로 추출하는 정지 블롭 추출과정; 및
    적어도 두 개 이상의 상기 정지 임계시간에 대한 복수의 정지 블롭을 비교하여 상기 정지영역을 검출하는 정지영역 검출과정
    을 포함하는 것을 특징으로 하는 이벤트 객체 감시방법.
  17. 제 15 항에 있어서,
    상기 배경 모델 처리과정은,
    상기 영상 프레임 내에서 움직이지 않는 배경에 대한 상기 배경 모델을 생성하는 배경 모델 생성과정; 및
    신규 영상 프레임이 수신되는 경우 상기 배경 모델에 신규 영상 프레임에 대한 추가 배경 모델을 업데이트하는 업데이트 과정
    을 포함하는 것을 특징으로 하는 이벤트 객체 감시방법.
  18. 제 15 항에 있어서,
    상기 에지 모델링 처리과정은,
    상기 영상 프레임 내의 각각의 화소에 대한 그래디언트 정보를 이용하여 그래디언트 맵정보를 생성하는 그래디언트 맵 정보 생성과정;
    상기 그래디언트 맵정보에 근거하여 상기 영상 프레임 내의 각 화소에 대한 그래디언트 평균값을 산출하여 상기 에지 참조모델을 생성하는 에지 참조모델 생성과정; 및
    상기 에지 참조모델에 대한 상기 그래디언트 정보와 상기 그래디언트 평균값을 이용하여 에지 차이값을 산출하고, 각각의 화소에 대한 상기 에지 차이값에 기초하여 상기 에지 차이 맵정보를 생성하는 에지 차이맵 정보 생성과정
    을 포함하는 것을 특징으로 하는 이벤트 객체 감시방법.
KR1020130119961A 2013-10-08 2013-10-08 이벤트 객체 감시장치 및 방법 KR102160583B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130119961A KR102160583B1 (ko) 2013-10-08 2013-10-08 이벤트 객체 감시장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130119961A KR102160583B1 (ko) 2013-10-08 2013-10-08 이벤트 객체 감시장치 및 방법

Publications (2)

Publication Number Publication Date
KR20150041433A KR20150041433A (ko) 2015-04-16
KR102160583B1 true KR102160583B1 (ko) 2020-09-28

Family

ID=53034927

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130119961A KR102160583B1 (ko) 2013-10-08 2013-10-08 이벤트 객체 감시장치 및 방법

Country Status (1)

Country Link
KR (1) KR102160583B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110555863A (zh) * 2019-09-11 2019-12-10 湖南德雅坤创科技有限公司 一种运动目标检测方法、装置和计算机可读存储介质
CN113052047B (zh) * 2021-03-18 2023-12-29 阿波罗智联(北京)科技有限公司 交通事件的检测方法、路侧设备、云控平台及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080219554A1 (en) * 2005-01-13 2008-09-11 International Business Machines Corporation System and Method for Adaptively Separating Foreground From Arbitrary Background in Presentations

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101630286B1 (ko) * 2010-08-09 2016-06-15 한화테크윈 주식회사 전경 및 배경 분리 장치 및 방법
KR101237970B1 (ko) * 2011-01-17 2013-02-28 포항공과대학교 산학협력단 영상 감시 시스템, 및 이의 방치 및 도난 검출 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080219554A1 (en) * 2005-01-13 2008-09-11 International Business Machines Corporation System and Method for Adaptively Separating Foreground From Arbitrary Background in Presentations

Also Published As

Publication number Publication date
KR20150041433A (ko) 2015-04-16

Similar Documents

Publication Publication Date Title
CN108875676B (zh) 活体检测方法、装置及系统
CN109076198B (zh) 基于视频的对象跟踪遮挡检测系统、方法和设备
KR101870902B1 (ko) 영상 처리 장치 및 영상 처리 방법
JP6482195B2 (ja) 画像認識装置、画像認識方法及びプログラム
US20120093362A1 (en) Device and method for detecting specific object in sequence of images and video camera device
WO2016149938A1 (zh) 视频监控方法、视频监控系统以及计算机程序产品
CN102750709B (zh) 利用视频检测打架行为的方法和装置
US8675917B2 (en) Abandoned object recognition using pedestrian detection
US9953240B2 (en) Image processing system, image processing method, and recording medium for detecting a static object
KR20140029069A (ko) 촬영영상으로부터 객체를 감시하기 위한 장치 및 방법
JP6638723B2 (ja) 画像解析装置、画像解析方法、及び、画像解析プログラム
CN111723656B (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
JP2010015469A (ja) 静止領域検出方法とその装置、プログラム及び記録媒体
TWI493510B (zh) 跌倒偵測方法
KR102160583B1 (ko) 이벤트 객체 감시장치 및 방법
KR101270718B1 (ko) 영상에서 화재를 검출하기 위한 영상처리 장치 및 방법
US20220076005A1 (en) Person authentication apparatus, control method, and non-transitory storage medium
CN110580708B (zh) 一种快速移动检测方法、装置及电子设备
US11302010B2 (en) Gas-detection image processing device, gas-detection image processing method, and gas-detection image processing program
CN108184098B (zh) 安全区域的监控方法以及系统
JP2009301242A (ja) 頭部候補抽出方法、頭部候補抽出装置、頭部候補抽出プログラムおよびそのプログラムを記録した記録媒体
KR102150661B1 (ko) 객체를 검출하기 위한 전처리 장치 및 방법
US20200043177A1 (en) Image processing device, stationary object tracking system, image processing method, and recording medium
KR102516172B1 (ko) 전경의 색상 추출 시스템, 방법 및 컴퓨터 판독 가능한 기록매체
KR102085034B1 (ko) 영상의 전경과 배경을 분리하여 전경영상을 검출하는 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant