1 |
1
(a) 카메라를 통해 촬영된 입력 영상으로부터 이동 객체를 추출하는 단계;(b) 추출된 이동 객체의 영역으로부터 적어도 하나 이상의 가축을 포함하는 이동 객체를 인식하는 단계;(c) 인식된 상기 이동 객체가 갖는 형태적 특징인 골격 특징 정보 및 색상 정보를 이용하여 상기 이동 객체로부터 가축과 인간을 분류하는 단계; 및(d) 가축 또는 인간으로 분류된 상기 이동 객체를 각각 개별적으로 추적하는 단계를 포함하고,상기 (c) 단계는,(c1) 인식된 상기 이동 객체에 대해 형태학적인 요소가 유지되는 골격으로 축소하는 골격화(skeletonization)를 수행하고, 골격화된 이동 객체에 대한 픽셀(pixel) 값의 변화로부터 코너(corner)를 판단하여 상기 이동 객체의 골격에 대한 특징점을 추출하는 단계; 및(c2) 추출된 상기 특징점으로부터 최외각에 존재하는 점이 나머지 점을 내부에 포함하도록 다각형을 생성하는 컨벡스 헐(convex hull)을 통해 생성된 다각형의 면적과 무게 중심을 산출하고, 산출된 상기 무게 중심을 이용하여 상기 다각형의 높이와 너비를 산출하며, 산출된 상기 다각형의 높이와 너비의 비율로부터 인간과는 상이한 가축 고유의 형태적 특징을 갖는지를 검사함으로써, 이동 객체의 형태 정보와 크기로부터 상기 이동 객체가 가축인지 여부를 판단하는 단계를 포함하는 영상 감시 방법
|
2 |
2
제 1 항에 있어서,상기 (a) 단계는,(a1) 카메라를 통해 촬영된 입력 영상으로부터 가우시안 혼합 모델(Gaussian Mixture Model, GMM)을 이용하여 배경(background)을 모델링함으로써 전경(foreground)인 제 1 이동 객체를 추출하는 단계;(a2) 상기 입력 영상으로부터 RGB 배경 모델링(background modeling)을 이용하여 움직임이 소정 기준 이하인 제 2 이동 객체를 추출하는 단계; 및(a3) 상기 제 1 이동 객체와 상기 제 2 이동 객체의 합으로부터 전체 이동 객체를 획득하는 단계를 포함하는 영상 감시 방법
|
3 |
3
제 2 항에 있어서,상기 (a) 단계는,(a4) 모폴로지(morphology) 기법 중 침식(erosion) 및 팽창(dilation) 연산을 수행하여 이동 객체의 그림자 및 흔들림으로 인해 발생하는 잡음을 제거하는 단계를 더 포함하는 영상 감시 방법
|
4 |
4
제 1 항에 있어서,상기 (b) 단계는,추출된 상기 이동 객체의 영역에 대해 라벨링(labeling)을 수행하여 적어도 하나 이상의 가축을 포함하는 이동 객체를 인식하되, 미리 설정된 소정 크기 이하의 라벨(label)은 잡음으로 판단하여 제거하는 것을 특징으로 하는 영상 감시 방법
|
5 |
5
제 1 항에 있어서,상기 (c) 단계는,(c3) 가축으로 판단된 이동 객체에 대한 색상 유사도를 산출하여 상기 색상 유사도가 임계 범위 이내인 이동 객체를 가축으로 결정하는 단계를 더 포함하는 영상 감시 방법
|
6 |
6
제 1 항에 있어서,상기 (c2) 단계는,상기 컨벡스 헐을 통해 생성된 다각형의 면적으로부터 인간 및 가축으로 판단되는 객체의 평균적 크기를 추출하고, 상기 평균적 크기를 기준으로 미리 설정된 임계 범위 내에 상기 이동 객체의 면적이 속하는지 여부를 판단함으로써, 상기 이동 객체를 인간 또는 가축으로 분류하는 것을 특징으로 하는 영상 감시 방법
|
7 |
7
제 5 항에 있어서,상기 (c3) 단계는,가축으로 판단된 이동 객체를 구성하는 특징점 영역에 대해 관심 영역(region of interest, ROI)를 설정하고, 설정된 상기 관심 영역의 RGB 색상 공간의 이미지를 이용하여 HSV(hue-saturation-value) 색상 공간으로 변환하고, 상기 관심 영역에 대한 HSV 색상 값을 이용하여 상기 이동 객체를 구성하는 색상 유사도를 산출하며, 산출된 상기 색상 유사도가 임계 범위 이내인 이동 객체만을 가축으로 결정하는 것을 특징으로 하는 영상 감시 방법
|
8 |
8
제 5 항에 있어서,상기 (c) 단계는,(c4) 베이지안 분류기(Bayesian classifier)를 통해 오분류 색상을 제외시킴으로써 획득된 형태 분류 정보와 색상 분류 정보를 이용하여 상기 이동 객체로부터 가축과 인간을 재분류하는 단계를 더 포함하는 영상 감시 방법
|
9 |
9
제 1 항에 있어서,상기 (d) 단계는,가축 또는 인간으로 분류된 이동 객체에 대해 CAM(continuously adaptive meanshift) 쉬프트(shift)의 탐색 윈도우(window)를 이용하여 각각의 이동 객체를 개별적으로 추적하되, 칼만 필터(Kalman Filter)를 이용하여 이동 객체의 겹침을 판단하는 것을 특징으로 하는 영상 감시 방법
|
10 |
10
제 1 항에 있어서,(e) 상기 이동 객체의 추적 과정에서 가축으로 분류된 이동 객체와 인간으로 분류된 이동 객체가 임계값 이내로 근접하는 경우, 근접한 이동 객체의 종을 고려하여 가축의 도난 또는 위험 상황의 발생을 판단하는 단계를 더 포함하는 영상 감시 방법
|
11 |
11
제 1 항 내지 제 10 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
12 |
12
카메라를 통해 촬영된 영상을 입력받는 입력부;입력된 영상 내에 포함된 가축 및 인간의 움직임을 감시하는 영상 감시 프로그램을 저장하는 메모리; 및상기 영상 감시 프로그램을 구동하는 적어도 하나의 프로세서를 포함하되,상기 메모리에 저장된 영상 감시 프로그램은,입력 영상으로부터 이동 객체를 추출하고, 추출된 이동 객체의 영역으로부터 적어도 하나 이상의 가축을 포함하는 이동 객체를 인식하고, 인식된 상기 이동 객체가 갖는 형태적 특징인 골격 특징 정보 및 색상 정보를 이용하여 상기 이동 객체로부터 가축과 인간을 분류하며, 가축 또는 인간으로 분류된 상기 이동 객체를 각각 개별적으로 추적하는 명령어를 포함하되,인식된 상기 이동 객체에 대해 형태학적인 요소가 유지되는 골격으로 축소하는 골격화(skeletonization)를 수행하고, 골격화된 이동 객체에 대한 픽셀(pixel) 값의 변화로부터 코너(corner)를 판단하여 상기 이동 객체의 골격에 대한 특징점을 추출하고,추출된 상기 특징점으로부터 최외각에 존재하는 점이 나머지 점을 내부에 포함하도록 다각형을 생성하는 컨벡스 헐(convex hull)을 통해 생성된 다각형의 면적과 무게 중심을 산출하고, 산출된 상기 무게 중심을 이용하여 상기 다각형의 높이와 너비를 산출하며, 산출된 상기 다각형의 높이와 너비의 비율로부터 인간과는 상이한 가축 고유의 형태적 특징을 갖는지를 검사함으로써, 이동 객체의 형태 정보와 크기로부터 상기 이동 객체가 가축인지 여부를 판단하는 명령을 수행하는 영상 감시 장치
|
13 |
13
제 12 항에 있어서,상기 메모리에 저장된 영상 감시 프로그램은,카메라를 통해 촬영된 입력 영상으로부터 가우시안 혼합 모델(Gaussian Mixture Model, GMM)을 이용하여 배경(background)을 모델링함으로써 전경(foreground)인 제 1 이동 객체를 추출하고,상기 입력 영상으로부터 RGB 배경 모델링(background modeling)을 이용하여 움직임이 소정 기준 이하인 제 2 이동 객체를 추출하며,상기 제 1 이동 객체와 상기 제 2 이동 객체의 합으로부터 전체 이동 객체를 획득하는 명령을 수행하는 영상 감시 장치
|
14 |
14
제 13 항에 있어서,상기 메모리에 저장된 영상 감시 프로그램은,모폴로지(morphology) 기법 중 침식(erosion) 및 팽창(dilation) 연산을 수행하여 이동 객체의 그림자 및 흔들림으로 인해 발생하는 잡음을 제거하는 명령을 더 수행하는 영상 감시 장치
|
15 |
15
제 12 항에 있어서,상기 메모리에 저장된 영상 감시 프로그램은,추출된 상기 이동 객체의 영역에 대해 라벨링(labeling)을 수행하여 적어도 하나 이상의 가축을 포함하는 이동 객체를 인식하되, 미리 설정된 소정 크기 이하의 라벨(label)은 잡음으로 판단하여 제거하는 명령을 수행하는 영상 감시 장치
|
16 |
16
제 12 항에 있어서,상기 메모리에 저장된 영상 감시 프로그램은,가축으로 판단된 이동 객체에 대한 색상 유사도를 산출하여 상기 색상 유사도가 임계 범위 이내인 이동 객체를 가축으로 결정하는 명령을 더 수행하는 영상 감시 장치
|
17 |
17
제 12 항에 있어서,상기 메모리에 저장된 영상 감시 프로그램은,상기 컨벡스 헐을 통해 생성된 다각형의 면적으로부터 인간 및 가축으로 판단되는 객체의 평균적 크기를 추출하고, 상기 평균적 크기를 기준으로 미리 설정된 임계 범위 내에 상기 이동 객체의 면적이 속하는지 여부를 판단함으로써, 상기 이동 객체를 인간 또는 가축으로 분류하는 것을 특징으로 하는 영상 감시 장치
|
18 |
18
제 16 항에 있어서,상기 메모리에 저장된 영상 감시 프로그램은,가축으로 판단된 이동 객체를 구성하는 특징점 영역에 대해 관심 영역(region of interest, ROI)를 설정하고, 설정된 상기 관심 영역의 RGB 색상 공간의 이미지를 이용하여 HSV(hue-saturation-value) 색상 공간으로 변환하고, 상기 관심 영역에 대한 HSV 색상 값을 이용하여 상기 이동 객체를 구성하는 색상 유사도를 산출하며, 산출된 상기 색상 유사도가 임계 범위 이내인 이동 객체만을 가축으로 결정하는 것을 특징으로 하는 영상 감시 장치
|
19 |
19
제 16 항에 있어서,상기 메모리에 저장된 영상 감시 프로그램은,베이지안 분류기(Bayesian classifier)를 통해 오분류 색상을 제외시킴으로써 획득된 형태 분류 정보와 색상 분류 정보를 이용하여 상기 이동 객체로부터 가축과 인간을 재분류하는 명령을 더 수행하는 영상 감시 장치
|
20 |
20
제 12 항에 있어서,상기 메모리에 저장된 영상 감시 프로그램은,가축 또는 인간으로 분류된 이동 객체에 대해 CAM(continuously adaptive meanshift) 쉬프트(shift)의 탐색 윈도우(window)를 이용하여 각각의 이동 객체를 개별적으로 추적하되, 칼만 필터(Kalman Filter)를 이용하여 이동 객체의 겹침을 판단하는 것을 특징으로 하는 영상 감시 장치
|
21 |
21
제 12 항에 있어서,상기 메모리에 저장된 영상 감시 프로그램은,상기 이동 객체의 추적 과정에서 가축으로 분류된 이동 객체와 인간으로 분류된 이동 객체가 임계값 이내로 근접하는 경우, 근접한 이동 객체의 종을 고려하여 가축의 도난 또는 위험 상황의 발생을 판단하는 명령을 더 수행하는 영상 감시 장치
|