움직임 감지 이용한 네트워크 카메라 기반 영상보안 시스템 구현
상태바
움직임 감지 이용한 네트워크 카메라 기반 영상보안 시스템 구현
  • 이광재 기자
  • 승인 2014.08.12 15:51
  • 댓글 0
이 기사를 공유합니다

이규웅 상지대학교 컴퓨터공학부 교수(leekw@sangji.ac.kr)

▲ 저자 : 이규웅 상지대학교 컴퓨터공학부 교수(leekw@sangji.ac.kr)

요약

DVR 및 NVR을 이용한 디지털 저장매체를 영상감시 시스템에서 활용하게 되면서 영상처리 모듈의 개발은 영상 보안 시장의 필수적인 요소다. 특히 네트워크 카메라의 등장은 기존 아날로그 방식의 CCTV를 대체하면서 영상처리 모듈 개발의 필요성을 더욱 부각시키고 있다.

본 논문에서는 움직임 감지 기법을 이용한 영상 감시 서버를 설계 및 구축하고 서버에서 처리되는 영상처리 결과를 실시간으로 모바일 디바이스에서 확인 가능한 영상감시 시스템을 개발했다.

영상처리를 위해 리눅스 기반의 서버에 오픈소스 오픈CV를 활용한 영상처리 모듈을 개발했고 네트워크 카메라로부터 전송되는 실시간 비디오 데이터를 저장 및 가공해 안드로이드 기반 모바일 기기에서 검색 가능한 영상감시 시스템을 구축했다.

▲ 본 논문에서는 움직임 감지 기법을 이용한 영상 감시 서버를 설계 및 구축하고 서버에서 처리되는 영상처리 결과를 실시간으로 모바일 디바이스에서 확인 가능한 영상감시 시스템을 개발했다.

서론

안전의식 강화 및 국가기반시설 방재요구가 사회 전반적으로 증가함에 따라 지능형 영상보안 시스템의 구축·개발이 활발하게 진행되고 있다. 최근 개발되고 있는 영상보안 시스템은 다양한 사용자 요구사항과 시스템 장비 개선으로 인해 단순 감시가 아닌 통합 영상보안 시스템의 개발을 필요로 하고 있는 실정이다.

또한 기존 단순한 CCTV 방식의 아날로그 영상장비에서 디지털 보안 장비로 확장되고 있으며 특히 인코더 등의 지능형 영상 기술을 부가한 장비 및 영상인식 기술개발과 함께 지속적인 성장 산업으로 확대되고 있으며 시장규모 또한 급속히 증가하고 있다.

아날로그 영상장비는 동영상 품질면에서 디지털 장비보다 우세한 장점을 갖고 있지만 실시간 영상 분석 측면에서 심각한 단점을 갖고 있다. 기존 영상보안 시스템에서 가장 많이 활용되고 있는 아날로그 방식의 CCTV는 [그림1]과 같이 VTR과 같은 아날로그 저장매체에 저장되며 실시간으로 사용자가 요구하는 영상분석이 불가능하다.

▲ [그림 1] 아날로그 기기 기반 비디오 감시 시스템

VTR처럼 아날로그 매체를 사용하지 않고 디지털 컨버터를 이용해 DVR 디지털 저장매체에 저장한후 영상가공 및 처리를 할 수 있는 시스템을 구축하기도 한다.

기존 CCTV 방식 영상보안 시스템의 가장 큰 단점은 실시간으로 영상 분석을 할 수 없다는 것이다. 아날로그 데이터의 특성상 이미지 분석 서버에서 데이터를 직접 활용할 수 없다. 아날로그 데이터를 가공해 디지털 매체로 저장하기 전까지는 실시간 분석이 불가능하다.

최근 HD급 네트워크 카메라 또는 IP 카메라로 일컫는 디지털 감시카메라 장비들이 영상보안 시장에 널리 활용되고 있다. 기존 아날로그 영상장비들의 화질보다는 다소 미흡하지만 영상보안의 목적에 충분히 만족할 만한 고화질 동영상을 제공하면서 동시에 디지털 데이터를 실시간으로 제공해 줄 수 있는 산업적 장점을 지니고 있다.

따라서 네트워크 카메라를 이용해 영상보안 시스템의 감시장비를 교체하고 이를 저장하기 위한 영상서버 및 영상처리 서버를 구축하면 실시간 영상분석이 가능한 영상보안 시스템을 구축할 수 있다.

본 논문에서는 네트워크 카메라를 활용한 영상보안 시스템을 설계 및 구현한다. 네트워크 카메라에서 전송되는 디지털 영상을 영상 저장서버에 보내고 이를 실시간으로 분석해 움직임 감지가 있는 영상을 추출해 데이터베이스로 구축하고 그 결과를 웹 인터페이스 및 모바일 인터페이스를 통해 제공해주는 영상보안 시스템을 설계 및 구현한다.

영상보안 시스템 개발 환경

네트워크 카메라 기반 영상보안 시스템 구조 = 본 논문에서 제안하는 네트워크 카메라 기반의 영상보안 시스템 구조는 [그림2]와 같다. 영상감시 장비는 기존 아날로그 데이터를 산출하는 CCTV 대신 네트워크 카메라를 활용한다.

네트워크 카메라에서 전송되는 영상 데이터는 실시간으로 영상조회가 가능하도록 사전처리 없이 직접 모바일 장비로 전송돼 질수 있도록 구현됐다(그림2의 ⑤). 카메라의 줌 및 틸트 기능 및 데이터 전송 등의 제어는 네트워크 카메라 자체적으로 지원하는 웹서버를 이용해 컨트롤된다.

▲ [그림 2] 영상보안 시스템 구조도 및 데이터 처리 흐름

움직임 감지와 같은 고급 영상처리를 위해서 영상데이터는 우선 대용량 영상 스토리지 서버로 전송돼 저장 관리된다(그림2의 ②). 영상 스토리지 서버는 제온칩의 2.4㎓ CPU와 8GB 메인 메모리를 탑재한 페도라(Fedora) 계열 리눅스 서버를 이용해 구축했다. 저장장치로는 NAS 스토리지를 클러스터화해 4테라바이트 이상 저장 가능하도록 구축했다.

저장된 영상데이터는 영상처리를 위해 [그림2]의 ③과 같이 영상처리 모듈 입력데이터로서 전송된다. 영상처리 모듈에서는 움직임 감지와 같은 영상인식 처리를 한 후 그 결과를 별도로 가공저장해 영상보안 시스템 관리 서버 및 모바일 장치에서 조회가 가능하도록 웹 서비스 준비를 하게 된다(그림2의 ④).

최종적으로 [그림2]의 ⑤와 같은 모바일 단말기에서 영상처리 결과를 조회해 확인할 수 있도록 한다. 영상처리 결과 조회 인터페이스는 웹 서비스 기반으로 구축했으므로 모바일 장비뿐만 아니라 데스크톱 컴퓨터 등 웹 접속을 지원하는 모든 장비에서 결과확인이 가능하다.

본 논문에서 구현한 영상보안 시스템을 통해 [그림2]의 ①에서 전송되는 실시간 데이터를 조회 가능하고 ③에서 처리되는 영상처리 결과를 ④에서 제공하는 웹 서버를 통해 임의의 장비에서 즉시 조회가능 하도록 구현됐다.

네트워크 카메라의 영상전송 및 제어 방식 = 최근 카메라 기술의 발전에 따라 네트워크 카메라가 고화질 영상을 제공함과 동시에 디지털 데이터를 직접 전송할 수 있다는 장점을 보이면서 영상보안 시스템 시장에서 CCTV를 대체하고 있을 만큼 많은 관심을 받는 장비다.

본 논문에서 사용하는 네트워크 카메라는 IEEE 802.11b/g/n을 이용한 무선 접속 액세스 포인트를 제공하므로 클라이언트에서 직접 카메라에 대한 접근이 가능하다. 또한 웹 서버를 내장해 HTTP 프로토콜을 이용해 네트워크 카메라 PTZ(Pan, Tilt Zoom)에 대한 제어 모듈을 호출해 제어할 수 있게 한다.

이와 함께 PTZ 제어뿐만 아니라 카메라의 MJPEG, H264, MPEG 등의 비디오 스트림에 대한 전송 제어와 간단한 이미지 관리 제어를 HTTP 프로토콜을 이용해 할 수 있다. 네트워크 카메라에서 전송하는 데이터를 수신하고 제어할 수 있는 일반적인 네트워크 카메라 제어의 구조도는 [그림 3]과 같다.

▲ [그림 3] 일반적인 네트워크 카메라 제어 구조도

또한 네트워크 카메라가 HTTP 프로토콜에 의해 일반적으로 지원하는 제어 명령어는 [표 1]과 같이 정리 할 수 있다. 네트워크 카메라를 HTTP 프로토콜로 제어하기 위해 제공되는 웹 CGI 프로그램들은 대부분 [표 1]의 제공되는 기능을 기본적으로 포함한다.

기본 제공 CGI들은 크게 정지 영상을 캡처하는 기능과 실시간으로 영상을 전송하는 비디오 스트리밍 기능, 카메라의 줌인 및 줌아웃 그리고 화면을 하는 틸트 등의 제어를 위한 기능으로 구분돼 제공된다.

▲ [표 1] HTTP를 이용한 네트워크 카메라 제어 CGI 목록

CGI 프로그램들은 보안의 목적으로 카메라 설치시 기본적으로 설정된 유저, 패스워드 매개변수를 포함한다. 영상 캡처를 위해서는 파일명을 제공하기 위해 next_url 매개변수를 이용하고 비디오 스트리밍에서는 화면의 해상도와 데이터 전송속도를 조정하기 위해 해결(resolution)과 비율(rate)이라는 매개변수를 이용한다.

카메라 제어에서는 커맨드(command)라는 매개변수를 사용해 매개변수 값에 따라 다양한 명령어를 수행할 수 있도록 한다.

영상보안 시스템의 설계 및 구현

움직임 감지 영상처리 모듈의 설계 및 구현 = 본 논문에서 구현한 영상보안 시스템은 움직임 감지 기능을 갖는 영상처리모듈을 개발했다. 감시카메라로부터 실시간 전송되는 영상 데이터를 저장함과 동시에 영상처리 모듈로 전송한다.

영상처리 모듈에서는 움직임이 감지되면 움직임 부분에 대한 이동물체의 윤곽 부분 영상을 캡쳐해 정지영상을 저장하고 움직임 감지 시점의 전후 일정시간에 대한 동영상을 별도 저장하는 시스템을 구현했다.

움직임 감지를 위한 기본적인 프리미티브 연산들은 오픈소스 오픈CV 라이브러리를 이용해 구현했다. 이동 물체를 탐지하고 탐지된 이동 물체의 동작 정보를 추출하는 작업은 많은 연구가 진행돼 왔다.

대부분의 연구들은 첫째 이동물체의 정보를 추출하는 방법과 둘째 차영상(difference image)을 분석해 이동물체에 대한 형태정보를 추론하는 방법으로 분류된다. 이동물체의 정보를 추출하는 방법은 유사한 속도 벡터를 갖는 점 또는 영역의 그룹을 감지해 움직임 객체에 대한 정보를 추출하는 방법이다.

차영상 기법은 서로 인접한 (i-1)번째 영상과 i번째 영상간의 명암차에 의해 구축된 차영상들을 분석해 움직임 물체에 대한 이동형태를 추론하는 방법이다.

본 논문에서 구현한 영상보안 시스템의 움직임 감지 영상처리 모듈은 차영상 기반의 움직임 감지 기법을 이용해 구현했다. 움직임 감지를 위한 영상처리 모듈의 개괄적인 알고리즘은 [그림 4]와 같다.

▲ [그림 4] 움직임 감지 영상처리 모듈의 개괄적 알고리즘

먼저 차영상 기반의 움직임 감지를 수행한 후 이전 영상과 현재 영상의 차이가 주어진 임계값이상인 경우 이동 물체에 대한 정지영상 탐지 및 저장을 위한 영상처리와 동영상 저장을 위한 영상처리로 구분돼 수행된다.

[그림 4]의 차영상 기반의 움직임 감지 함수인 ‘모션 디텍트(Motion_Detect)’는 두개의 이미지를 기반으로 각 픽셀의 RGB 바이트 값을 모두 조사해 움직임을 감지하도록 구현했다. 두개의 이미지에 대한 차이를 판별하는 알고리즘은 [그림 5]와 같다.

제1단계에서 각 픽셀을 구성하는 RGB의 바이트마다 하위 4비트 이상이 다른 픽셀은 상이 픽셀로 판정한다. 3개의 색상바이트에서 모두 하위 4비트가 다른 값을 갖게 되면 상이 픽셀로 판정한다. 전체 이미지의 10% 이상의 픽셀에 대해 상이 판정이 발생하면 두개의 이미지는 서로 다른 이미지로 판정하고 움직임 감지를 결정한다.

▲ [그림 5] 픽셀 비교를 이용한 차영상 움직임 감지 기법

본 논문에서는 RGB 비교와 픽셀 수 비교를 위해 두개의 임계값 ‘컬러 쓰레쉬올드(Color_Threshold(하위 4비트비교)와 MDetect_Threshold(10%이상 픽셀수)를 사용해 응용에 적합하게 적용 가능하도록 구현했다.

본 영상보안 시스템에서 구현한 네트워크 카메라의 기본 전송 크기 영상은 640×480 프레임 크기를 기본값으로 구현해 약 300개 이상의 픽셀이 다른 경우 움직임을 감지하도록 구현했다.

보안이 강화되는 민감한 시스템에서는 임계값을 완화해 세밀한 움직임 감지가 가능하다.

움직임 감지가 판정되면 함수 Edge_Detect_MObject와 Sub_Image_MObject를 이용해 이동객체에 대한 움직임 영역 추출 작업을 [그림 6]과 같이 수행된다. Edge_Detect_MObjec 함수와 Sub_Image_MObject 함수는 [그림 6]에 보인 바와 같이 움직임 영역 추출을 위해 크게 7단계의 과정을 갖는다.

움직임 영역 추출과정은 기본적으로 오픈CV에서 제공하는 cvAbsDiff 및 cvSub 라이브러리를 이용해 1단계 1차 움직임 영역추출과정과 6단계 2차 움직임 영역 추출과정으로 구성한다. 1차 움직임 영역 추출과정에서 움직임이 미약한 경우 윤곽선 추출이 모호한 경우가 있어 영역 추출에서 객체 경계의 오류를 범하는 경우가 많다.

▲ [그림 6] 이미지 차 연산을 반복 적용하는 움직임영역 추출 알고리즘

본 논문에서는 이러한 미약한 움직임 객체의 윤곽선을 보다 강화하고 효율적으로 탐지하기 위해 단계3부터 단계5를 통해 움직임 영역 암흑화 과정, 백색화 과정 및 보정팽창 과정을 반복적으로 적용한다.

이전 이미지와 현재 이미지의 픽셀간 차이에 대한 절대값을 계산해 1차 움직임 영역 추출과정(단계1)의 결과를 생성한다. 결과 이미지에서 움직임 없는 부분은 픽셀값이 0에 수렴하고 움직임이 있는 부분만 미약한 색상을 갖게 된다.

단계2, 5에서 수행하는 보정 및 팽창작업은 cvThreshold 함수를 이용해 흑백화 작업을 진행하고 cvDilate 함수를 이용해 윤곽선 테두리에 대한 이미지 강조작업을 통해 움직임 영역을 보정하는 작업을 수행한다.

단계3의 움직임 영역 암흑화 작업은 원본 이미지에서 단계2의 결과 영상의 픽셀차를 통해 얻는다. 결과 이미지에서 움직임 없는 영역은 원본 색상을 갖고 움직임 영역은 음수의 값을 갖게 되어 흑색을 갖게 된다. 이 결과 이미지를 다시 반복적으로 원본 이미지와 절대값 차를 계산해 단계4의 움직임 영역 백색화 작업을 수행한다.

단계4의 결과 이미지는 움직임이 없는 영역은 흑색, 움직임 영역은 백색으로 변환하려는 시도다. 이 결과는 단계5에서 보정 및 팽창작업을 통해 결과 이미지 정제작업을 수행한다. 이 결과의 형태는 단계2의 형태와 같은 의미의 결과다. 즉 단계1의 결과는 단계4의 결과와 같은 의미로서 움직임 영역만 특정색으로 보이게 하려는 의도다.

본 논문에서는 단계3과 4에서 반복적으로 픽셀 차 연산을 수행하게 해 암흑화와 백색화 작업을 함으로서 움직임이 미약한 영상에 대해 뚜렷한 윤곽을 얻을 수 있도록 제안했다. 2차 움직임 영상 추출과정(단계6)은 단계5의 결과 이미지에서 현재 원본 영상의 차이를 계산해 수행한다.

단계5의 결과 이미지는 픽셀값 255와 0으로 구성하도록 의도한 이미지이므로 원본 이미지와 cvSub 연산을 수행하면 움직임 없는 영역은 음수값을 띄어 흑색을 갖게 되고 움직임 영역은 255에 대한 보수값을 갖는 결과를 갖게 된다. 최종적으로 단계6의 결과 이미지를 반전시키면 움직임 영역에 대한 원본 색 이미지를 얻을 수 있게 된다. 본 논문에서 제안한 픽셀 차연산을 반복적으로 적용한 움직임영역 추출 알고리즘에 의해 움직임객체가 탐지되는 과정을 [그림 7]에 기술했다.

▲ alt="0010([그림 7] 픽셀차 반복 적용을 통한 움직임 객체 추출 예)"

각 단계별로 수행되는 과정에서 움직임 객체에 대한 윤곽을 반복적으로 픽셀차를 구해 객체의 윤곽선을 명확하게 하는 중간결과 영상을 확인 할 수 있다. [그림 7]의 ①과 ⑤에 대한 결과 이미지는 움직임 영역 추출에 대한 같은 의미의 결과 작업이며 그 중간 단계의 작업은 픽셀차를 구하기 위한 반복적 단계다. 최종적으로 ⑦의 단계에서 움직임 영역을 추출한 최종 영상을 구할 수 있다.

본 논문에서 제안한 방법은 반복적 픽셀차 연산을 수행하므로 미세한 픽셀차이에 대한 움직임 객체를 추출할 수 있다.

영상처리 결과 검색 인터페이스 구현 = 이번에는 영상처리 모듈에서 분석된 영상 처리 결과를 사용자에게 제공하는 결과 조회 인터페이스의 구현에 대한 내용을 기술한다. 앞서 설명한 바와 같이 영상처리는 [그림 2](②, ③)의 영상처리 스토리지 서버와 영상인식 처리 모듈에서 수행된다.

움직임 감지와 움직임 영역 이미지 추출 등의 결과가 생성되면 [그림 2](④)의 웹서버에 그 결과를 전송하고 웹 인터페이스를 통해 영상인식 결과를 접근할 수 있도록 구현했다. 또한 웹 인터페이스는 안드로이드 기반 모바일 기기에서 쉽게 접근할 수 있도록 안드로이드 응용 프로그램으로도 구현했다.

모바일 응용 프로그램의 주요 기능은 네트워크 카메라로부터 전송되는 실시간 영상을 직접 조회할 수 있는 기능, 영상인식 처리결과를 조회하고 검색할 수 있는 기능, 네트워크 카메라의 하드웨어 정보 설정 및 PTZ(pan-tilt-zoom) 조정을 설정하는 기능을 포함해 구현됐다.

모바일 응용 프로그램 클래스 설계도 및 각 클래스 XML목록은 [그림 8]과 같다. IPcam_InputStream 클래스는 수신 받은 패킷에서 영상 데이터를 추출하는 작업을 한다. 영상 데이터를 저장할 버퍼 공간을 생성하고 영상 데이터의 시작을 나타내는 SOI(Start of Image)를 이용해 패킷의 포인터를 이동한다.

▲ alt="0011([그림 8] 모바일 인터페이스를 위한 클래스 설계도)"

이동된 포인터가 가리키는 영상데이터를 미리 생성한 버퍼 공간에 저장한다. 저장된 영상 데이터는 비트맵 형식으로 변환해 반환(return)한다. IPcam_view 클래스는 IPcam_InputStream 클래스의 반환 값을 사용해 영상 데이터를 비트맵형식으로 제공받는다.

비트맵을 프레임 레이아웃에 삽입해 이미지 영상을 화면에 출력하고 영상을 실시간으로 받기 위해 스레드 객체를 사용해 백그라운드 작업으로 카메라 컨트롤 CGI 프로그램 명령어를 송신해도 화면 출력은 지속적으로 이뤄지면서 카메라 컨트롤이 가능하게 된다. 또한 현재 영상을 캡처해 모바일 애플리케이션 내에 특정 폴더를 생성 후 JPG형식으로 이미지를 저장한다.

클래스 View_Mdtect_Result는 영상처리 결과목록을 조회하기 위한 클래스 설계다. 이미지 목록과 동영상 목록 검색을 위해 View_Mdtect_Imglist와 View_Mdtect_avilist 클래스를 하위 클래스로 설계해 이미지와 동영상을 조회할 수 있도록 한다.

[그림 9]는 영상처리 결과 조회를 위한 모바일 응용 프로그램 화면 예다. (1)은 다수의 네트워크 카메라로부터 실시간 전송되는 동영상을 조회하는 화면이고 (2)는 개별 카메라에 대한 PTZ 컨트롤을 하는 화면이다. (3)화면은 본 논문에서 개발한 움직임 감지 영상처리 모듈의 처리결과를 검색하고 조회하는 화면이다.

▲ alt="0012([그림 9] 모바일 인터페이스 화면 예)"

영상처리 인식 결과 분석

본 논문은 픽셀차의 반복 연산을 수행해 미세한 움직임 영역을 검출하는 움직임 감지 기반 영상보안 시스템을 구현했다. 영상보안 시스템의 목적은 침입탐지를 기본으로 수행하는 것이므로 미약한 움직임에 대해서 민감하게 동작해야 한다. 따라서 움직임 감지를 위한 기본 절차를 크게 3가지로 구성해 영상보안의 목적에 부합하도록 했다.

첫째 차영상 기반의 움직임 감지 단계에서는 하나의 픽셀에 대한 RGB 한 바이트의 하위 일정 비트들을 비교해 미세한 이미지 차이에 대해 감지할 수 있도록 제안하고 구현했다. 한 픽셀의 미세한 차이를 감지한 후 기본 이미지 픽셀 수의 일정 비율을 넘는 픽셀수가 서로 다르게 판정되면 움직임으로 판단해 침입감지를 판정할 수 있도록 했다.

한 픽셀에 대한 비교 연산에 사용하는 Color_Threshold(하위 4비트 비교)와 일정 픽셀수가 다른 픽셀로 판단되는지 검사하는 MDetect_Threshold(10% 이상 픽셀)값은 시스템의 파라미터로 정의해 응용에 적합하도록 구축할 수 있다.

둘째 움직임 감지가 되면 움직임 객체에 대한 영역 추출작업을 수행하는 단계다. 첫번째 단계에서 미약한 움직임에 대해 움직임 감지를 한 경우 움직임 객체 영영 추출은 윤곽선 탐지 오류율이 높다.

본 논문에서 움직임 영역 추출을 위해 움직임 객체 부분에 대한 암흑화와 백색화 단계를 통해 픽셀차 연산을 반복적으로 수행하고 보정 및 팽창작업을 통한 정제작업을 해 미세 움직임 영역에 대한 검출 확률을 높였다.

셋째 움직임 영역 추출이 완료되면 영역에 대한 이미지를 추출해 저장하고 움직임 감지 시간을 기준으로 앞뒤 일정 프레임을 동영상을 저장하도록 했다. 저장된 영상처리 결과는 웹 인터페이스를 통해 모바일 및 데스크 탑에서 쉽게 접근 가능하도록 구현했다.

본 논문은 미세 움직임을 탐지하고 영역을 추출하는 방법을 제안했으나 네트워크 카메라로부터 전송되는 원본 입력영상의 조명이 너무 밝거나 낮은 경우 추가적으로 밝은 영역에 대해 움직임으로 탐지되는 경우가 있다.

[그림 10]은 조명이 너무 높은 영역과 낮은 영역이 있는 원본 이미지에 대해서 미세한 움직임을 주고 영역을 탐지했을 때 움직임 이외의 영역이 탐지되는 상황을 보이고 있다. 특정한 일부 영역에 너무 밝은 조명을 주는 경우 움직임으로 판단하는 오차가 있다. 하지만 조명이 일정한 경우 본 논문에서 제안한 움직임 감지 및 영역 추출기법은 95% 이상의 성공률을 보였다.

▲ alt="0013([그림 10] 원본 입력영상의 조명이 일정하지 않은 경우 움직임 영역 탐지)"

결론

영상보안 시스템의 감시 카메라 장비가 네트워크 카메라와 같은 디지털 장비로 전환되면서 고급 영상처리 기능에 대한 요구사항이 증가하고 있다. 본 논문에서는 네트워크 카메라를 이용한 움직임 감지 기반 영상보안 시스템을 구현했다.

영상 스토리지 서버 및 영상 처리 모듈에서는 네트워크 카메라와 같은 디지털 감시장비로부터 전송되는 이미지를 실시간으로 분석해 움직임 탐지 및 움직임 객체의 영역 추출을 수행하고 그 결과를 웹서버에 전송해 사용자가 손쉽게 접근할 수 있도록 구현했다.

특히 영상처리 모듈에서 제안한 움직임 탐지 기법은 미세 움직임을 탐지 할 수 있도록 픽셀내 RGB 바이트 차연산을 수행했고 미세 움직임에 대한 영역 추출을 위해 암흑화 및 백색화 연산을 반복 수행해 움직임 윤곽을 확대할 수 있는 방안을 제안했다. 추가적으로 조명이 높거나 해상도가 낮은 경우 특정영역이 검출되는 오차를 개선하는 연구를 진행중이다.

참고문헌

- Yang, Ming-Jiang, et al. ‘Cost effective ip camera for video surveillance.’ Industrial Electronics and Applications, 2009. ICIEA 2009. 4th IEEE Conference on. IEEE, 2009.

- XU, Ning. A survey of sensor network applications. IEEE Communications Magazine, 2002, 40.8: 102-114.
- FOSCAM CGI/SDK Library Manual www.foscam.us

- MIGLIORE, Davide A.; MATTEUCCI, Matteo; NACCARI, Matteo. A revaluation of frame difference in fast and robust motion detection. In: Proceedings of the 4th ACM international workshop on Video surveillance and sensor networks. ACM, 2006. p. 215-218.

- JING, Guo; SIONG, Chng Eng; RAJAN, Deepu. Foreground motion detection by difference-based spatial temporal entropy image. In: TENCON 2004. 2004 IEEE Region 10 Conference. IEEE, 2004. p. 379-382.

- CUTLER, Ross; DAVIS, Larry S.. . Robust real-time periodic motion detection, analysis, and applications. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2000, 22.8: 781-796.

- Wang, Yiwei, John F. Doherty, and Robert E. Van Dyck. ‘Moving object tracking in video.’ the Proceedings of 29th Applied Imagery Pattern Recognition Workshop, pp.95-101, IEEE, 2000.

- AmmarAnuar, KhairulMuzzammilSaipullah, NurulAtiqah Ismail, and Soo Yew Guan. ‘OpenCV Based Real-Time Video Processing Using Android Smartphone.’ International Journal of Computer Technology and Electronics Engineering (IJCTEE) Vol 1, No. 3, pp58-63, 2011

- OpenCV, Open source Computer Vision library. In opencv.willowgarage.com/wiki/, 2009.

- Zhong-Yong Che, Sangchul Kim, ‘A Surveillance System Using Images and Movement Detection The Journal of IIBC. Vol. 14, No. 1, pp.169-177, Feb. 28, 2014. pISSN 2288-0879, eISSN 2288-2618 - 177 -

※ 이 논문은 2011학년도 상지대학교 교내연구와 2012년 중소기업청 기업부설연구소 지원사업의 지원을 받아 수행된 것임 <voxpop@cctvnews.co.kr>




댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
0 / 400
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.