| 1 |
1
컴퓨터로 구현되는 범죄 상황 인식 방법에 있어서,CCTV 영상의 각 프레임에서 사람에 해당되는 복수의 관심영역(ROI, region of interest)을 추출하는 단계;연속된 프레임에서 서로 다른 관심영역이 겹치는 조우(meeting) 상황을 인식하는 단계;상기 조우 상황이 인식되면 상기 조우 상황을 기준으로 연속된 프레임에서 상기 관심영역의 변화에 따른 특징 값을 계산하는 단계; 및상기 관심영역의 변화에 따른 특징 값으로부터 범죄 상황 발생 이벤트를 인식하는 단계를 포함하고,상기 추출하는 단계는,상기 조우 상황이 인식되기 이전 각 프레임에서 관심영역 별로 사람의 외관 특징과 관련된 색상 정보와 외형 정보 및 크기 정보를 포함하는 외관 특징 데이터를 추출하고,각 프레임에서 추출된 상기 관심영역의 외관 특징 데이터를 데이터베이스에 저장 및 유지하고,각 프레임에서 사람 각각을 구분하기 위한 식별자로 사람의 위치를 나타내는 관심영역 별로 고유한 인덱스를 부여하고,현재 프레임에서 추출된 관심영역에 대해 관심영역의 외관 특징 데이터를 상기 데이터베이스에 저장된 데이터와 비교하여 비교 결과에 따라 기존에 부여된 인덱스를 유지하거나 새로운 인덱스를 부여하고,상기 계산하는 단계는,상기 범죄 상황 발생 이벤트를 인식하기 위해 상기 조우 상황을 기준으로 상기 조우 상황이 인식된 전후의 연속된 프레임을 비교하여 상기 관심영역의 크기 변화와, 이동 속도, 및 광학적 흐름(optical flow) 변화를 나타내는 동적 데이터에 대한 특징 값을 계산하는 것을 특징으로 하는 범죄 상황 인식 방법
|
| 2 |
2
제1항에 있어서,상기 추출하는 단계는,하르-라이크 특징(haar-like feature) 또는 HOG 특징(Histogram of oriented gradient feature)을 이용하여 사람의 위치를 추출하는 것을 특징으로 하는 범죄 상황 인식 방법
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서,상기 계산하는 단계는,연속된 프레임에서 관심영역의 가로 길이 변화율, 연속된 프레임에서 관심영역의 세로 길이 변화율, 상기 가로 길이 변화율과 상기 세로 길이 변화율의 합, 이전 프레임과 현재 프레임의 관심영역 중심의 X 좌표값 차이, 이전 프레임과 현재 프레임의 관심영역 중심의 Y 좌표값 차이, 상기 X 좌표값 차이와 상기 Y 좌표값 차이의 합, 연속된 프레임에서 관심영역 중심의 X 좌표값 변화율, 연속된 프레임에서 관심영역 중심의 Y 좌표값 변화율, 상기 X 좌표값 변화율과 상기 Y 좌표값 변화율의 합, 이전 프레임과 현재 프레임의 관심영역 가로 길이 차이, 이전 프레임과 현재 프레임의 관심영역 세로 길이 차이, 상기 가로 길이 차이와 상기 세로 길이 차이의 합, (조우 상황이 인식된 이후 관심영역의 가로 길이)/(조우 상황이 인식되기 전 각 관심영역의 최대 가로 길이의 합), 및 (조우 상황이 인식된 이후 관심영역의 세로 길이)/(조우 상황이 인식되기 전 각 관심영역의 최대 세로 길이의 합) 중 적어도 하나를 이용하여 상기 관심영역의 변화에 따른 특징 값을 계산하는 것을 특징으로 하는 범죄 상황 인식 방법
|
| 5 |
5
제1항에 있어서,상기 인식하는 단계는,범죄 상황에 대해 학습된 범죄 상황 인식 모델을 이용하여 상기 관심영역의 변화에 따른 특징 값이 사전에 설정된 임계치를 초과하면 범죄 상황이 발생한 것으로 인식하는 것을 특징으로 하는 범죄 상황 인식 방법
|
| 6 |
6
제1항에 있어서,상기 범죄 상황 발생 이벤트가 인식되면 범죄 상황 발생에 대한 알림을 제공하는 단계를 더 포함하는 범죄 상황 인식 방법
|
| 7 |
7
삭제
|
