1 |
1
영상을 이용한 감시장비에서의 다중 호모그래피 기법을 이용한 배경 움직임 보상 방법에 있어서,연속적으로 입력되는 영상 프레임에서 이전 프레임 영상과 현재 프레임 영상에 대해 특징점(features) 추출 및 정합하는 추출 정합 단계;정합된 특징점 쌍에 대한 위치의 차이를 이용하여 배경 움직임을 표시하는 모션벡터들을 계산하는 모션벡터 계산 단계;상기 모션벡터들의 크기와 방향이 유사한 것들끼리 묶어주는 그룹핑을 수행하는 그룹핑 단계;각 그룹마다 움직임을 정의할 수 있는 다중 호모그래피 매트릭스를 생성하는 호모그래피 매트릭스 생성 단계; 및 생성된 다중 호모그래피 매트릭스를 이용하여 추정된 배경 움직임을 보상하는 움직임 보상 단계;현재 프레임 영상과 배경 움직임이 보상된 영상의 차영상을 구함으로써 이동 표적을 탐지하는 이동 표적 탐지 단계;를 포함하는 것을 특징으로 하는 다중 호모그래피 기법을 이용한 배경 움직임 보상 방법
|
2 |
2
제 1 항에 있어서,상기 특징점 추출 및 정합은 SIFT(Scale Invariant Feature Transform) 또는 SURF(Speeded Up Robust Features) 알고리즘을 이용하여 수행되는 다중 호모그래피 기법을 이용한 배경 움직임 보상 방법
|
3 |
3
제 1 항에 있어서,상기 모션벡터들의 방향은 감시장비가 이동하는 방향에 따라 결정되며, 상기 모션벡터들의 크기는 상기 감시장비로부터의 거리에 따라 크기가 다르게 나타나는 것을 특징으로 하는 다중 호모그래피 기법을 이용한 배경 움직임 보상 방법
|
4 |
4
제 1 항에 있어서, 상기 다중 호모그래피 매트릭스는 적응형 다중 호모그래피 매트릭스인 것을 특징으로 하는 다중 호모그래피 기법을 이용한 배경 움직임 보상 방법
|
5 |
5
제 1 항에 있어서,상기 움직임은 평행이동, 줌, 및 회전 중 적어도 어느 하나인 것을 특징으로 하는 다중 호모그래피 기법을 이용한 배경 움직임 보상 방법
|
6 |
6
제 5 항에 있어서,상기 호모그래피 매트릭스는 수학식 (여기서, x', y'는 현재(t) 프레임에서 추출한 특징점()의 좌표, x", y"는 이전(t-1) 프레임에서 추출한 특징점()의 좌표, , 는 평행이동 계수, , 는 줌 계수, 는 회전 계수를 나타낸다)으로 표현되는 것을 특징으로 하는 다중 호모그래피 기법을 이용한 배경 움직임 보상 방법
|
7 |
7
제 1 항에 있어서,각 그룹의 다중 호모그래피 매트릭스는 해당 그룹의 정합된 특징점들에 대해 RANSAC(RANdom Sample Consensus) 알고리즘을 적용하여 산출되는 것을 특징으로 하는 다중 호모그래피 기법을 이용한 배경 움직임 보상 방법
|
8 |
8
제 7 항에 있어서,상기 RANSAC 알고리즘을 적용한 그룹별 호모그래피 매트릭스 (단, 이고, 은 전체 그룹의 개수)은 해당 그룹의 특징점들에 대한 변환 오차를 최소화하는 값으로 수학식 (여기서, 는 현재 프레임 영상의 번째 특징점의 좌표, 는 이전 프레임 영상에서 대응되는 번째 특징점 좌표, 은 해당 그룹내에서 매칭된 특징점의 개수, 는 매칭된 특징점들에 대한 변환 오차를 나타냄)으로 표현되는 것을 특징으로 하는 다중 호모그래피 기법을 이용한 배경 움직임 보상 방법
|
9 |
9
제 1 항에 있어서, 상기 그룹핑 단계는, 모션 벡터들을 선택하여 초기 모션 벡터 그룹들에 할당하는 단계(임의 모션 벡터 1개 와 초기 모션 벡터 그룹 1개만 할당)S210; 그룹별로 상기 모션 벡터 그룹들의 평균 모션 벡터값을 산출하는 단계; 상기 초기 모션 벡터 그룹들에 할당되지 않은 그룹 미할당 모션 벡터를 선택하는 단계; 선택된 그룹 미할당 모션 벡터를 평균 모션 벡터값과 비교하여 해당 그룹에 속하게 하거나 다른 새그룹을 생성하는 단계; 및그룹 미할당 모션 벡터가 있는지를 확인하여, 그룹 미할당 모션 벡터가 없으면, 그룹별 모션 벡터의 개수를 임계치와 비교하여 해당 그룹을 삭제하거나 유지하는 단계;를 포함하는 것을 특징으로 하는 다중 호모그래피 기법을 이용한 배경 움직임 보상 방법
|