<7월호에 이어서 계속>
도1a. 비디오 감시 시스템 개략적 도시화
도1b. 또 다른 실시예에 따른 비디오 감시 시스템의 개략적인 도시화
도1a 및 1b는 본 기술에 따른 비디오 감시 시스템을 도시한다. 비디오 감시 시스템은 통신 네트워크를 통하여 감시 센터와 접속된 다수의 비디오 감시 카메라를 포함한다. 비디오 감시 카메라는 영상 시퀀스를 생성할 수 있는 임의의 디지털 카메라 및 영상 시퀀스를 생성할 수 있는 임의의 아날로그 카메라일 수 있으며, 이 경우에 아날로그 카메라는 아날로그 영상 정보를 디지털 영상 데이터로 변환하여 위의 디지털 영상 데이터를 네트워크에 제공하는 컨버터에 접속된다.
통신 네트워크는 유선 또는 무선 데이터 통신 네트워크, 예를 들어 근거리 네트워크(LAN) 또는 무선 근거리 네트워크(W-LAN) 또는 광대역 네트워크(WAN)와 같은, 디지털 영상 정보를 통신하기 위한 임의의 종류의 통신 네트워크일 수 있다.
도1a에서 도시된 시스템에서, 비디오 감시 카메라들은 각각 비디오 감시 카메라에 의해 캡처된 비디오 시퀀스에서 물체의 특성을 식별하는 본 기술에 따른 식별 장치들(100a, 100b 및 100c)을 포함한다. 물체의 특성을 식별한 후에, 각각의 비디오 감시 카메라는 식별된 특성(ID)을 감시 센터와 같은 네트워크 내의 노드로 통신하도록 배열된다.
이 때문에, 감시 센터에는 제1 비디오 카메라로부터 수신된 추적할 물체의 식별된 특성 및 제2 카메라로부터 수신된 후보 물체의 식별된 특성을 기반으로 하여 비디오 감시 시스템에서 물체를 추적하는 본 기술에 따른 추적 장치가 제공된다. 추적 장치는 추적할 물체의 식별된 특성이 후보 물체의 식별된 특성과 비교되어 후보 물체가 추적할 물체와 동일한지의 여부를 계산하도록 배열된다.
도1b에서 도시된 시스템에서, 비디오 감시 카메라에는 식별 장치가 존재하지 않는다. 대신에, 감시센터는 자신의 추적 장치 이외에, 적어도 하나의 식별 장치를 포함한다. 이 시스템에서, 비디오 감시 카메라는 감시 센터로 비디오 시퀀스를 전송하도록 배열되어 감시 센터에 배열된 식별 장치에서 물체의 특성을 식별한다.
또 다른 실시예에 따르면, 카메라 중 일부에는 식별 장치가 제공되고 카메라 중 일부에는 식별 장치가 제공되지 않는다. 입력 데이터는 식별 장치가 없는 카메라로부터 식별 장치가 있는 카메라로 통신된다. 이 경우에서의 대안은 또한 감시 센터와 같은 중앙 노드에서 식별 장치를 가지는 것이며, 이 경우에, 입력 데이터는 식별 장치가 없는 카메라로부터 중앙 노드 내의 식별 장치로 통신될 수 있다. 또한 비디오 감시 시스템 내의 카메라 중 적어도 하나에는 추적 장치가 제공될 수 있다.
추적 장치는 자신이 추적할 물체의 식별된 특성을 수신하였을 때 후보 물체의 식별된 특성에 관한 정보를 수신할 수 있다. 그 경우에, 추적할 물체의 식별된 특성은 제1 비디오 시퀀스로부터 발생되고 후보 물체의 식별된 특성은 제1 비디오 시퀀스와 별도의 제2 비디오 시퀀스로부터 발생된다.
도2. 식별 장치를 포함하는 비디오 감시 카메라의 블록도 도시화
도2 에서, 본 기술의 실시예에 따른 식별 장치(100)를 포함하는 비디오 감시 카메라(10)가 개략적으로 도시되어 있다. 본 기술의 이해를 용이하게 하기 위해서, 본 기술에 관련되지 않은 비디오 감시 카메라의 표준 특징은 설명되지 않는다.
비디오 감시 카메라(10)는 입사 광을 등록하기 위한 영상 센서(52) 예를 들어, 전하 결합 소자(CCD), CMOS-센서 등, 영상 처리 수단(54), 네트워크와 접속된 다른 노드로 통신 네트워크를 통하여 정보를 통신하는 통신 유닛(150), 및 본 기술의 실시예에 따른 식별 장치(100)를 포함한다.
영상 프로세싱 수단(54)은 등록된 광에 관한 정보를 수신하고 당업자들에게 널리 공지되어 있는 A/D 컨버터 및 신호 처리 수단(56)에 의하여 이 정보를 처리한다. 일부 실시예에서, 예를 들어, 영상 센서(52)가 CMOS 센서일때, 영상 센서(52)는 A/D 컨버터를 포함하므로, 영상 처리 수단(54)에서 임의의 A/D 컨버터가 필요하지 않다.
A/D 컨버터 및 신호 처리 수단(56)으로부터의 결과는 일 실시예에 따르면, 식별 장치(100)로 전송되기 전에 스케일링 유닛(scaling unit)(57) 및 인코더(58)에서 처리되는 디지털 영상 데이터이다. 스케일링 유닛(57)은 특정 크기의 적어도 하나의 영상 내로 디지털 영상 데이터를 처리하도록 배열된다.
그러나, 위의 스케일링 유닛은 모두 A/D 컨버터 및 신호 처리 수단(56)에 의해 제공되는 동일한 영상/프레임을 나타내는 복수의 다른 크기의 영상을 생성하도록 배열될 수 있다. 스케일링 유닛의 기능은 인코더에 의해 수행되고, 영상 센서로부터 영상의 임의의 스케일링 또는 크기조정(resizing)을 수행할 필요가 없다.
본 기술을 실행하는데 선택적인 인코더(58)는 디지털 영상 데이터를 연속적인 비디오 시퀀스, 제한된 비디오 시퀀스, 정지 영상 또는 스티리밍되는 영상/비디오에 대한 복수의 공지된 포맷 중 어느 하나로 인코딩하도록 배열된다. 예를 들어, 영상 정보는 MPEG1, MPEG2, MPEG4, JPEG, MJP, 비트맵 등으로 인코딩될 수 있다.
식별 장치(100)는 입력 데이터로서 코딩되지 않은 영상을 사용할 수 있다. 그 경우에, 영상 데이터는 인코더(58)를 통과함이 없이, 신호 처리 수단(56) 또는 스케일링 유닛(57)으로부터 식별 장치(100)로 운반된다. 코딩되지 않은 영상은 식별 장치(100)가 또한 입력 데이터로서 인코딩된 데이터를 사용할 수 있을지라도, BMP, PNG, PPM, PGM, PNM 및 PBM과 같은 임의의 코딩되지 않은 영상 포맷일 수 있다.
본 기술의 실시예에서, 영상 데이터는 스케일링 유닛(57) 또는 인코더(58)를 통과함이 없이, 신호 처리 수단(56)으로부터 식별 장치(100)로 직접 전송될 수 있다. 또한 영상 데이터는 인코더를 통과함이없이, 스케일링 유닛(57)으로부터 식별 장치(100)로 전송될 수 있다.
도2의 식별 장치(100)는 물체 식별 유닛(102), 컬러 히스토그램 생성기(104), 및 물체 특성 식별기(106)을 포함한다. 물체 식별 유닛(102)은 영상 처리 수단(54)로부터 수신된 영상 정보를 기반으로 하여 비디오 시퀀스에서 물체를 식별하도록 배열된다. 물체는 임의의 공지된 물체 식별 기술에 따라 수동적으로 또는 자동적으로 물체 식별 유닛(102)에서 식별될 수 있다.
컬러 히스토그램 생성기(104)는 비디오 시퀀스의 복수의 영상으로부터 발생되는 식별된 물체의 컬러 및 세기 정보를 기반으로 하여 컬러 히스토그램을 생성하도록 배열된다. 컬러 히스토그램은 컬러를 기술하는 히스토그램을 의미한다. 물체 특성 식별기(106)는 생성된 컬러 히스토그램을 기반으로 하여 물체의 특성을 식별하도록 배열된다.
컬러 히스토그램을 생성할 때 비디오 시퀀스의 복수의 영상으로부터 발생되는 정보를 사용함으로써, 식별 장치는 하나의 영상만으로부터의 정보가 사용되는 경우에 비하여, 시간적 또는 공간적 양상, 즉 픽처(picture)에서 물체가 식별되는 시간 및 장소에 둔감해진다. 사용되는 영상이 많을수록, 식별 장치가 시간 및 공간적 양상에 더 로버스트(robust)해진다.
이는 본 기술의 식별 장치가 다른 비디오 시퀀스에서의 물체의 외관의 변화에 대해 낮은 낮은 민감도를 갖기 때문에, 위의 장치가 높은 정확도로 물체의 특성을 식별한다는 것을 의미한다.
물체의 특성은 여러 단계에서 식별될 수 있다. 예를 들어, 우선 위의 특성은 비디오 시퀀스의 적은 수의 영상, 가령, 5개의 영상에서의 컬러 및 세기 정보를 기반으로 하여 식별될 수 있다. 그후, 물체의 특성의 개정된 식별이 예를 들어, 물체가 비디오 시퀀스에서의 더 많은 수의 영상에서 보이는 이후 단계에서, 비디오 시퀀스의 다량의 영상을 기반으로 하여 달성될 수 있다.
본 기술의 실시예에 따르면, 물체 특성 식별기는 히스토그램 모델러(108), 히스토그램 변환기(110), 파라미터 계산기(112) 및 물체 특성 계산기(114)를 포함한다.
히스토그램 모델러(108)는 생성된 컬러 히스토그램을 다수의 분포로, 일 실시예에서 정규 분포로 모델링하여 데이터의 양이 감소되도록 배열된다. 히스토그램 변환기(110)는 컬러 히스토그램을 직각 좌표계로부터 세기 표현 및 컬러를 표현하는 a를 갖는 극좌표계로 변환하도록 배열된다.
이로써, 환경에 따라 컬러 히스토그램의 특성으로부터 컬러 히스토그램 내의 물체의 특성을 분리하는 것이 용이하게 된다. 파라미터 계산기(112)는 물체의 특성을 식별하기 위하여 표시되는 분포의 수의 파라미터를 계산하도록 배열된다. 물체 특성 계산기(114)는 물체의 특성을 식별하기 위하여 각 파라미터의 중요도에 따라 파라미터를 가중시킴으로써, 계산된 파라미터를 기반으로 하여 물체의 특성을 계산하도록 배열된다.
각 파라미터 중요도는 예를 들어, 검사 단계에서 미리 검사될 수 있다. 카메라(10)의 통신 유닛(150)은 예를 들어, 카메라(10) 내의 식별 장치(100)에 의해 컬러 히스토그램으로부터 식별된 물체의 특성에 관한 정보를 통신 네트워크 내의 다른 노드에 배열되거나 또는 대안적으로 동일 카메라에 배열되는 추적 장치로 통신하도록 배열된다.
도3. 추적장치의 블록도 도시화
도3은 본 기술에 따른 추적 장치(200)를 도시한다. 추적 장치(200)는 수신기(202), 정합 유닛(204), 계산 유닛(206) 및 신호 생성기(208)를 포함한다. 수신기(202)는 제1 식별 장치로부터 추적할 물체의 식별된 특성에 관한정보를 수신하고, 제2 식별 장치로부터 후보 물체의 식별된 특성에 관한 정보를 수신하도록 배열된다.
대안적으로, 제1 및 제2식별 장치는 동일한 식별 장치일 수 있다. 정합 유닛(204)은 후보 물체의 식별된 특성에 관한 정보와 추적할 물체의 식별된 특성에 관한 정보를 정합시키도록 배열된다. 계산 유닛(206)은 정합 단계에 기초하여, 후보 물체가 추적할 물체와 동일할 가능도를 계산하도록 배열된다.
그 후, 계산 결과는 감시 센터에서의 디스플레이와 같은 표현 유닛에 신호로서 전송되어 디스플레이 상에 표현되어, 정합/비-정합이 발견되었다는 것을 감시 센터에서 일하는 사람에게 나타내게 된다. 계산 결과는 후보 물체가 추적할 물체와 동일한 확률을 나타내는 확률값 일 수 있다. 신호 생성기(208)는 계산 결과를 기반으로 하여 이와 같은 신호를 생성하도록 배열된다.
도4. 물체의 특성을 식별하는 방법의 흐름도 도시화
도4는 본 기술의 실시예에 따른, 비디오 감시 카메라에 의해 캡처된 비디오 시퀀스에서 물체의 특성을 식별하는 방법을 도시한다. 위 방법은 다음 단계들: 비디오 감시 카메라에 의하여 캡처된 비디오 시퀀스에서의 물체를 식별하는 단계(302); 비디오 시퀀스에서의 복수의 영상으로부터 물체의 컬러 및 세기 정보를 기반으로 하여 컬러 히스토그램을 생성하는 단계(306); 생성된 컬러 히스토그램을 기반으로 하여 물체의 특성을 식별하는 단계를 포함한다.
본 기술의 실시예에 따르면, 생성된 컬러 히스토그램을 기반으로 하여 물체의 특성을 식별하는 단계는: 다수의 정규 분포로 컬러 히스토그램을 모델링하는 단계(308); 모델링된 분포를 직각 좌표계로부터 극좌표계로 변환하는 단계(310); 물체의 특성을 식별하는데 사용되는 분포의 파라미터를 계산하는 단계(312); 및 물체의 특성과의 각 파라미터 상관성에 따라 분포의 파라미터를 가중시킴으로써 물체의 계산된 파라미터를 기반으로 하여 물체의 특성을 계산하는 단계(314)를 더 포함한다. 위의 모델링 단계(308) 및 변환 단계(310)는 임의의 상호적인 순서 로 발생될 수 있다.
또한 위의 방법은 물체가 각각의 영상에서 기술되는 픽셀의 수에 의하여 물체의 컬러 및 세기 정보를 표준화하는 단계를 더 포함한다. 위의 표준화 단계는 컬러 히스토그램을 생성하는 단계(306) 이전 또는 이후에 발생할 수 있다.
분포의 파라미터를 계산하는 단계(312)는: 컬러 히스토그램을 극좌표계로부터 제2 직각 좌표계로 변환하는 단계; 좌표의 원점을 컬러 히스토그램에서의 물체의 무게 중심으로 이동시키는 단계; 제2 직각 좌표계에서의 분포의 수의 위치를 계산하는 단계를 더 포함하고, 위 제2 직각 좌표계에서의 분포의 수의 위치는 물체의 특성을 식별하기 위한 파라미터로서 사용된다.
분포의 파라미터를 계산하는 단계(312)는 컬러 히스토그램의 무게 중심 및 컬러 히스토그램 분포를 식별하는 단계; 및 식별된 무게 중심 및 식별된 히스토그램 분포를 기반으로 하여 물체의 특성을 식별하는 파라미터를 계산하는 단계를 더 포함한다. 이 경우에, 용어 "컬러 히스토그램 분포"는 물체를 기술하는 블랍의 클러스터의 컬러 히스토그램에서의 확장으로서 해석되어야 한다.
히스토그램은 다수의 블랍들을 포함하는 것으로 기술될 수 있고, 각 블랍은 하나의-컬러 물체 부분으로서 규정되고 물체는 이와 같은 하나의-컬러 물체 부분의 클러스터로서 기술된다.
도5. 비디오 감시 시스템에서 물체를 추적하기 위한
이 기술에 따른 방범의 흐름도 도시화
도5는 본 기술에 따른 비디오 감시 시스템에서 물체를 추적하는 방법을 도시한다.
위 방법은: 제1 비디오 감시 카메라에 의해 캡처된 제1 비디오 시퀀스에서 추적할 물체를 식별하는 단계(402); 도4에 도시된 방법에 따라 추적할 물체의 특성을 식별하는 단계(404); 제2 비디오 감시 카메라에 의해 캡처된 제2 비디오 시퀀스에서 후보 물체를 식별하는 단계(406); 도4에 도시된 방법에 따라 후보 물체의 특성을 식별하는 단계(408); 후보 물체의 식별된 특성을 추적할 물체의 식별된 특성과 정합시키는 단계(410); 정합 단계를 기반으로 하여, 후보 물체가 추적할 물체와 동일할 가능도를 계산하는 단계(412); 및 후보 물체가 추적하는 물체와 동일할 가능도를 나타내는 신호를 생성하는 단계(414)를 포함한다. 생성된 신호는 예를 들어, 감시 센터에서의 조작자의 스크린에 시각적으로 표현될 수 있다.
그 후, 조작자는 이 정보를 사용하여 후보 물체 및 추적할 물체 사이의 정합이 실제로 존재하는지 여부를 2개의 비디오 시퀀스에서 시각적으로 더 확인하게 된다.
본 기술의 대안적인 실시예에서, 제1 비디오 감시 카메라 및 제2 비디오 감시 카메라는 동일한 비디오 감시 카메라일 수 있고, 이 경우에, 제1 및 제2 비디오 시퀀스는 동일 카메라에 의하여 캡처된 개별적인 비디오 시퀀스이다.
비디오 감시 카메라 또는 카메라들 및/또는 비디오 감시 시스템 내의 다른 노드들은 컴퓨터 프로그램 제품이 저장되는 컴퓨터 사용 가능한 매체를 수용하도록 배열된 컴퓨터를 가질 수 있다. 컴퓨터 프로그램 제품은 컴퓨터가 비디오 시퀀스에서의 물체의 특성을 식별하는 방법의 단계를 수행하고/하거나 본 기술에 따른 비디오 감시 시스템에서 물체를 추적하는 방법의 단계를 수행하도록 하는 컴퓨터 판독 가능한 프로그램 수단을 포함한다.
<다음호에 계속>
<김현경 기자>
저작권자 © CCTV뉴스 무단전재 및 재배포 금지
