비디오 감시카메라에 검출되는 물체 식별Ⅰ
상태바
비디오 감시카메라에 검출되는 물체 식별Ⅰ
  • CCTV뉴스
  • 승인 2009.07.07 00:00
  • 댓글 0
이 기사를 공유합니다

본 기술은 비디오 감시 카메라에 의해 캡처(capture)된 비디오 시퀀스에서 검출되는 물체의 특성을 식별하는 방법에 관한 것이다. 또한 비디오 감시 시스템에서 물체를 추적하는 방법과 비디오 감시 카메라에 의해 캡처된 비디오 시퀀스에서 검출되는 물체의 특성을 식별하기 위한 비디오 감시 시스템 내의 식별 장치 및 비디오 감시 시스템에서 물체를 추적하는 추적 장치를 포함하는 비디오 감시 시스템으로 엑시스에서 공개된 기술이다.

CCTV 시스템은 주로 감시용으로 사용된다. 최근 여러 해 동안 감시 시스템은 공항, 공공 장소, 학교, 고속도로 및 많은 다른 장소에서 증가하고 있다. CCTV 시장은 두 부분 즉, 아날로그 시스템 및 디지털 네트워크 비디오 시스템으로 구성된다. 네트워크 비디오 시스템은 아날로그 시스템과 비교할 때 여러 장점을 갖는다. 네트워크 비디오 시장 점유율이 증가하는 가장 중요한 이유는 원격 접근성, 용이한 미래 보증 통합성, 확장성 및 유연성이다.

디지털 네트워크 시스템과 아날로그 시스템을 구별하는 하나의 특징은 디지털 시스템이 실시간 영상 처리에 적합하다는 것이다. 이는 어떤 종류의 디지털 신호 프로세서를 카메라와 통합하고 이에 대한 알고리즘을 구현할 때 가능하다.
실시간 감시는 오늘날에 매우 노동 집약적이므로, 고비용을 초래한다. 사람의 집중 수준은 또한 시간의 경과에 대해 급속히 저하된다.

그러므로, 이러한 유형의 업무에서 보조 도구로서 영상을 처리하는 지능형 비디오 기능을 사용하는 것이 바람직하다. 이는 노동 비용을 감소시키고 성능을 개선시킬 것이다. 실시간 감시를 용이하게 하는 유용한 지능형 비디오 기능은 예를 들어, 비어있는 시설에 침입하는 사람을 검출하는 모션 검출, 자동차 충돌을 검출하는 특정 사고 검출, 모호한 카메라 시스템에서 의심스러운 사람의 길을 따라가는 인식이다.

네트워크 비디오 카메라가 이러한 기능을 만족스런 방식으로 수행한다면, 상기 네트워크 비디오 카메라는 자신의 아날로그 대응물에 비하여 특정한 장점을 가질 것이다. 사람과 같은 비강성 몸체를 검출 및 추적할 수 있도록 하기 위하여, 복수의 카메라를 포함하는 비디오 감시 시스템에서, 즉 다른 카메라에 의해 캡처된 다른 시퀀스들 또는 장면들 사이에서, 다음 팩터: 사람이 강성이 아니므로, 그 형상이 변할 수 있다는 것; 시퀀스에서의 다른 관점; 장면 사이 및 장면 내의 다른 조명 레벨; 장면사이 및 장면 내의 다른 조명 컬러; 시퀀스에서 카메라까지의 다른 거리가 고려되어야만 한다.

이러한 환경으로 인하여, 비강성 물체 검출 및 추적하는 여러 방법이 적용 불가능하다. 저 해상도 및 카메라와 물체 사이의 거리는 세부 사항을 다루는 모든 방법을 무용하게 한다. 사람의 옷의 직물은 매우 미세한 경향이 있으므로, 직물 기반 방법 또한 사용하지 못한다.

본 기술의 목적은 사람과 같은 비강성 물체를 인식할 수 있도록 하는 것이다. 그러므로, 본 방법은 물체의 형상 변화에 민감하지 않을 수 있다.

감시 카메라의 고객이 자신의 카메라를 교정하는 것을 원치 않으므로, 상기 방법은 카메라의 위치가 공지되는 것에 의존하지 않을 수 있다. 그 이유는 물체가 보이는 각도가 고려되지 않을 수 있기 때문이다. 그러므로, 물체의 다른 부분의 상대적 크기, 예를 들어 팔과 다리의 상대적 길이를 기반으로 하는 방법들은 무용하다.

추적 문제는 광범위하게 연구되어 왔으나, 사람을 추적하는 공지된 방법은 장면 내에서 사람을 추적하는 것과 다른 카메라로부터 발생될 수 있는 다른 장면에서 사람을 인식하는 것 사이의 어떤 중요한 차이로 인하여 여기에 적용 불가능하다. 장면 내에서 사람을 추적할 때, 문제점은 모든 새 프레임에서 사람을 찾는다는 것이다. 이전 프레임으로부터의 정보는 그 후에 매우 유용하다. 조명, 화각 및 사람의 위치는 모두 동일하거나 프레임들간에 아주 조금 변화할 것이다. 장면을 변화할 때, 모든 이러한 정보는 손실될 수 있다. 그러므로, 다른 장면들 사이에서 사람을 인식하는 방법은 통상적인 추적 방법 이외의 특징을 사용해야 한다.

다른 장면들 사이에서 물체를 식별 및 추적하는 방법은 많은 카메라를 갖는 감시 시스템에서 보조 도구로서 사용되어야 한다. 그러므로, 상기 방법이 어떤 정확한 정합을 분실하기보다는 오히려 어떤 잘못된 정합을 행하는 것이 수용 가능하다. 모니터를 지켜보는 감시인은 전자의 경우에 용이하게 정확한 사람을 수동으로 인식할 수 있다. 후자의 경우, 상기 방법은 감시인에 대하여 어떤 도움도 주지 않을 것이다.

결과적으로, 다른 비디오 시퀀스들 사이의 물체를 추적하는데 사용 될 수 있는 물체의 특성을 식별하는 방법 및 시스템이 필요하며, 상기 방법은 2개의 다른 비디오 시퀀스에서 발생한 임의의 물체를 놓치지 않는 방식으로 신뢰 가능할 것이다.

기술의 상세한 설명

본 기술의 목적은 상술된 문제들 중 적어도 일부를 경감시키는 비디오 감시 시스템에서의 방법, 비디오 감시 시스템에서의 장치 및 비디오 감시 시스템을 달성하는 것이다. 이는 비디오 시퀀스에서 특정 물체를 식별하는 단계: 상기 비디오 시퀀스에서 식별되는 상기 특정 물체의 컬러 및 세기 정보를 기반으로 하여 적어도 2차원 컬러 공간에서 컬러 히스토그램(color histogram)을 생성하는 단계로서, 상기 컬러 및 세기 정보는 상기 비디오 시퀀스의 복수의 영상으로부터 발생되는, 컬러 히스토그램 생성 단계 및 상기 생성된 컬러 히스토그램을 기반으로 하여 상기 물체의 특성을 식별하는 단계를 포함하는, 비디오 감시 카메라에 의해 캡처된 비디오 시퀀스에서 물체의 특성을 식별하는 비디오 감시 시스템에서의 방법에 의하여 본 기술의 제1 양상에 따라 달성된다.

비디오 시퀀스의 복수의 영상을 기반으로 하여 컬러 히스토그램을 생성함으로써, 물체의 다른 가능한 외관이 수신되어 컬러 히스토그램 내로 결합된다. 이는 물체가 비디오 시퀀스에서 많이 회전하고 움직인 경우에, 많은 가능한 뷰(view)로부터 물체를 완전하게 기술하는 컬러 히스토그램이 획득될 수 있다는 것을 의미한다. 이로써, 히스토그램은 영상에서의 공간 변화에 대해 변화하지 않는다.

예를 들어, 물체가 사람이고 그 사람이 자켓을 들고 있거나 입고 있는 경우, 이는 컬러 히스토그램에서 문제가 되지 않는다. 이 컬러 히스토그램을 기반으로 하여 식별된 물체의 특성은 이후에 새로운 비디오 시퀀스에서 물체의 위치 및 화각에 관계없이 동일 카메라 또는 또 다른 카메라로부터의 나중의 비디오 시퀀스에서 물체를 검출하는데 사용될 수 있다. 또한, 컬러 히스토그램이 세기 및 컬러를 기반으로 하기 때문에, 상기 컬러 히스토그램은 정보가 어떤 영상으로부터 발생되는지에 무관한데, 즉, 시간에 무관하다.
동일한 방법이 컬러 및 세기 컬러 공간으로부터 도출되는 임의의 다차원 표현을 사용한 임의의 적어도 2차원 히스토그램에 적용 가능하다는 것이 당업자들에게는 명백하다.

본 기술의 실시예에 따르면, 상기 생성된 컬러 히스토그램을 기반으로 하여 상기 물체의 특성을 식별하는 단계는 정규 분포와 같은 다수의 분포들로 상기 컬러 히스토그램을 모델링하는 단계, 상기 생성되고 모델링된 컬러 히스토그램을 기반으로 하여 상기 물체의 특성을 식별하는 단계를 포함한다. 다수의 분포들로 상기 컬러 히스토그램을 모델링함으로써, 상기 컬러 히스토그램으로부터 수신된 데이터 양은 상기 물체의 특성을 식별하는데 더 다루기 쉬운 양으로 감소될 수 있다.

본 기술의 또 다른 실시예에 따르면, 컬러 히스토그램은 예측 값 최대화 알고리즘(Expectation Maximization(EM) algorithm)과 같은 분포 조정 알고리즘을 사용하여 다수의 분포로 모델링된다. 분포 조정 알고리즘을 사용함으로써, 컬러 히스토그램의 양호한 모델이 획득된다. 또한, 최대값 예측화 알고리즘은 다수의 정규 분포에 의해 컬러 히스토그램의 양호한 추정을 달성하는 비교적 빠른 방법이다.

상기 방법은 직각 좌표계로부터 극좌표계로 컬러 히스토그램을 변환하는 단계를 더 포함한다. 이로써, 환경에 따라 컬러 히스토그램의 특성으로부터 히스토그램 내의 물체의 특성을 분리하는 것이 용이해진다. 컬러 히스토그램에서, 물체의 각 컬러 부분은 컬러 히스토그램에서 어떤 확장을 갖는 블랍(blob)에 의하여 표현된다. 모델링된 컬러 히스토그램 및 a 좌표를 갖는 극좌표계로 변환함으로서, 물체의 제1 비디오 시퀀스 및 동일한 물체의 제2 비디오 시퀀스 사이의 조명에서의 세기 변화는 대략적으로 방향에서 블랍들의 위치 변화를 발생시킬 것이고, 시퀀스들 사이의 광의 컬러에서의 변화는 개략적으로 a 방향에서 블랍들의 위치 변화를 발생시킬 것이다.

이 정보는 물체의 특성으로부터 영상에서의 환경적인 영향을 분리할 때 사용될 수 있다. 상기 변환 단계가 또한 상기 모델링 단계 이전에 수행될 수 있을지라도, 상기 변환 단계는 상기 변환 단계에서 계산 작업의 양을 감소시키기 위하여 분포들로 컬러 히스토그램을 모델링하는 단계 이후에 수행되는 것이 바람직하다.

물체의 특성을 계산하는 단계는 물체의 특성과의 각각의 파라미터의 상관성에 따라 분포의 수의 파라미터를 가중시킴으로써 물체의 특성을 계산하는 단계를 포함한다. 각각의 파라미터가 얼마나 많이 물체의 특성과 상관된다고 추정되는지에 따라 분포의 파라미터에 상이한 가중 팩터를 제공함으로써, 물체의 특성에 대한 계산값이 수용될 수 있다.

상기 분포의 파라미터를 계산하는 단계는 컬러 히스토그램을 극좌표계로부터 제2 직각 좌표계로 변환하는 단계 및 컬러 히스토그램에서 물체의 무게 중심에 제2직각 좌표계의 원점을 배열하는 단계를 더 포함한다. 이로써, 컬러 히스토그램에서 물체를 기술하는 내부 좌표계가 획득되고, 이는 컬러 히스토그램 내의 정보를 물체의 특성과 어느 정도 상관되는 파라미터들로 분리하는 것을 용이하게 한다.

물체의 각각의 컬러 부분은 컬러 히스토그램에서 어떤 확장을 갖는 블랍에 의해 표현되며, 상기 물체는 이와 같은 블랍의 클러스터(cluster)로서 기술된다. 이로써, 컬러 히스토그램 내의 정보를 물체의 특성과 어느 정도 상관되는 파라미터들로 분리하는 것이 용이해진다.

본 기술의 제1 양상의 또 다른 실시예에 따르면, 상기 방법은 복수의 영상 각각으로부터 발생되는 컬러 및 세기 정보를 각 영상에서 물체가 기술되는 픽셀의 수에 대하여 표준화하는 단계를 더 포함한다. 이로써, 컬러 및 세기 정보는 픽셀 중립이 되는데, 예를 들어, 각각이 영상이 찍힌 다른 시간 및 물체의 스케일에 대해 불변이 된다.

컬러 공간은 YCbCr, HSV 또는 YUV 컬러 공간과 같이, 세기 정보 및 컬러 정보가 분리 될 수 있는 컬러 공간이다. 세기 및 컬러 정보가 분리될 수 있는 컬러 공간을 사용함으로써, 물체와 관련된 컬러 히스토그램에서의 특성은 비디오 시퀀스가 캡처된 환경과 관련된 컬러 히스토그램에서의 특성과 분리될 수 있다.

컬러 히스토그램은 비디오 시퀀스의 모든 영상에서의 컬러 및 세기 정보를 기반으로하여 생성된다. 컬러 히스토그램을 생성하는데 사용되는 영상이 많을수록, 히스토그램이 물체의 시간 및 공간 양상으로부터 덜 종속적이다.

상기 컬러 히스토그램을 기반으로 하여 물체의 특성을 식별하는 단계는 상기 컬러 히스토그램을 기반으로 하여, 비디오 시퀀스에서의 물체를 기술하는 파라미터를 식별하는 단계 및 상기 식별된 파라미터를 기반으로 하여, 상기 물체의 특성을 계산하는 단계를 더 포함한다.

비디오 시퀀스에서 물체를 기술하는 파라미터를 식별하는 단계는 컬러 히스토그램의 무게 중심 및 컬러 히스토그램 분포를 식별하는 단계 및 상기 식별된 무게 중심 및 상기 식별된 컬러 히스토그램 분포를 기반으로 하여 물체의 특성을 식별하는 단계를 포함한다. 특징들(무게 중심 및 컬러 히스토그램 분포)은 물체의 특성을 식별하는데 사용될 수 있는 파라미터를 계산하기 위하여 시작되는 양호한 특징이라는 것이 입증되었다.

본 기술의 제2 양상에 따르면, 비디오 감시 시스템에서 물체를 추적하는 방법이 제공된다. 상기 방법은 제1 감시 카메라에 의해 캡처된 제1 비디오 시퀀스에서 추적할 물체를 식별하는 단계; 본 기술의 제1 양상의 방법에 따라 추적할 물체의 특성을 식별하는 단계; 제2 비디오 감시 카메라에 의해 캡처된 제2 비디오 시퀀스에서 후보 물체를 식별하는 단계; 본 기술의 제1 양상의 방법에 따라 상기 후보 물체의 특성을 식별하는 단계; 상기 후보 물체의 식별된 특성을 상기 추척 할 물체의 상기 식별된 특성과 정합시키는 단계; 상기 정합 단계를 기반으로 하여, 상기 후보 물체가 상기 추적할 물체와 동일할 가능도(likelihood)를 계산하는 단계를 포함한다.
 
이 방법에 의해, 제2 비디오 시퀀스에서의 후보 물체가 이전에 캡처된 제1 비디오 시퀀스에서 추적할 물체와 동일한 물체인지의 여부가 자동적으로 검출될 수 있다. 본 기술의 제1 양상의 방법이 각각의 비디오 시퀀스에서 물체의 공간적인 변화 및 시간적인 변화에 불변하기 때문에, 제2 양상의 방법이 정확한 정합을 놓칠 확률은 낮을 것이다.

본 기술의 제3 양상에 따르면, 비디오 감시 시스템에서의 식별 장치가 제공된다. 상기 식별 장치는 비디오 시퀀스에서의 특정 물체를 식별하는 물체 식별 유닛; 상기 비디오 시퀀스에서 식별되는 상기 특정 물체의 컬러 및 세기 정보를 기반으로 하여 적어도 2차원의 컬러 공간에서 컬러 히스토그램을 생성하는 컬러 히스토그램 생성기로서, 상기 컬러 및 세기 정보는 상기 비디오 시퀀스의 복수의 영상으로부터 발생되는, 컬러 히스토그램 생성기; 및 상기 생성된 컬러 히스토그램을 기반으로 하여 상기 물체의 특성을 식별하는 물체 특성 식별기를 포함한다.

비디오 시퀀스의 복수의 영상을 기반으로 하여 물체의 컬러 히스토그램을 생성하도록 배열되는 컬러 히스토그램 생성기에 의하여, 물체의 다른 가능한 외관이 수용되어 컬러 히스토그램 내로 결합된다. 이는 물체가 비디오 시퀀스에서 많이 회전하고 움직일 경우, 많은 가능한 뷰로부터 물체를 완전하게 기술하는 컬러 히스토그램이 획득될 수 있다는 것을 의미한다. 이로써, 히스토그램은 영상에서의 공간 변화에 불변하게 된다. 또한, 컬러 히스토그램이 세기 및 컬러만을 기반으로 하기 때문에, 컬러 히스토그램은 정보가 어떤 영상으로부터 발생되는지와 무관한데, 즉, 시간에 무관하다.

본 기술의 제4 양상에 따르면, 비디오 감시 시스템이 제공된다. 상기 비디오 감시 시스템은 공용 통신 네트워크에 접속된 다수의 비디오 감시 카메라; 상기 공용 통신 네트워크와 접속된 본 기술의 제3 양상에 따른 적어도 하나의 식별 장치; 및 비디오 감시 시스템에서 물체를 추적하며, 상기 공용 통신 네트워크와 접속되는 추적 장치를 포함한다.

상기 추적 장치는 제1 비디오 감시 카메라에 의해 캡처된 제1 비디오 시퀀스에서 식별된 후보 물체의 식별된 특성에 관한 정보 및 제2 비디오 감시 카메라에 의해 캡처된 제2 비디오 시퀀스에서 식별된 추적 할 물체의 식별된 특성에 관한 정보를 포함하는 정보를 적어도 하나의 식별 장치로부터 수신하는 수신기; 상기후보 물체의 상기 식별된 특성을 상기 추적할 물체의 상기 식별된 특성과 정합시키는 정합 유닛; 및 상기 정합 단계를 기반으로 하여, 상기 후보 물체가 상기 추적할 물체와 동일할 가능도를 계산하는 계산 유닛을 포함한다.

이와 같은 비디오 감시 시스템은 제2 비디오 시퀀스에서의 후보 물체가 이전에 캡처된 제1 비디오 시퀀스에서의 추적할 물체와 동일한 물체인지의 여부를 자동적으로 검출할 수 있다. 비디오 시퀀스의 복수의 영상으로부터 물체의 컬러 히스토그램을 생성하도록 배열되는 적어도 하나의 식별 장치에 의하여, 상기 시스템은 각각의 비디오 시퀀스에서 물체의 공간 변화 및 시간 변화에 불변하게 됨으로써, 상기 시스템이 정확한 정합을 놓칠 확률이 낮 아질 것이다.

본 기술은 상기 본 기술의 바람직한 실시예가 도시되어 있는 첨부 도면을 참조하여 이하에 더 충분히 설명될 것이다. 그러나, 이 기술은 많은 다른 형태로 구현될 수 있고 본원에 설명된 실시예로 국한되는 것으로 해석되어서는 안된다. 오히려 이러한 실시예가 제공되어, 본 명세서가 더 철저해지고 완전해질 것이며, 당업자에게 본 기술의 범위를 충분히 전달할 것이다. 도면에서, 동일한 요소에는 동일한 번호가 병기되어 있다.

<다음호에 계속>



<박지은 기자>

 

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.