1 |
1
영상 프레임들로부터 전경을 추출하는 전경 추출부;카나데-루카스-토마시 알고리즘을 이용하여 상기 전경으로부터 추출되는 특징점들을 기초로, 길이 정보, 좌표 정보 및 방향 정보로써 표현되는 특징점 궤적들을 추출하는 특징점 궤적 추출부;상기 추출된 특징점 궤적들의 각각을, 길이 유사도, 좌표 유사도 및 방향 유사도의 각각을 기준으로 다른 특징점 궤적들과 비교하여, 군중 행동을 판정하기 위한 특징점 궤적들을 선별하고, 선별되지 않은 특징점 궤적들을 제거하는 궤적 선별부; 및상기 선별된 특징점 궤적들의 각각을 정상 궤적 또는 비정상 궤적으로 분류하는 궤적 분류부를 포함하는 영상 감시 장치
|
2 |
2
청구항 1에 있어서, 상기 궤적 분류부는 상기 선별된 특징점 궤적들의 각각의 길이 정보와 방향 정보에 기초하여 정상 궤적 또는 비정상 궤적으로 분류하도록 동작하는 것을 특징으로 하는 영상 감시 장치
|
3 |
3
청구항 2에 있어서, 상기 궤적 분류부는 상기 선별된 특징점 궤적마다 선형적으로 아래 수학식의 비정상 지수 Tg을 연산하고, 상기 비정상 지수 Tg를 소정의 문턱값에 비교하여 정상 궤적 또는 비정상 궤적으로 분류하도록 동작하며,여기서 가중치 α는 0≤α≤1, Tlength는 궤적의 길이 정보, Tdirection은 궤적의 방향 정보인 것을 특징으로 하는 영상 감시 장치
|
4 |
4
청구항 1에 있어서, 상기 궤적 분류부는상기 선별된 특징점 궤적들의 각각을, 예제 패턴들을 이용한 학습에 기초하여, 정상 궤적 또는 비정상 궤적으로 분류하도록 동작하는 것을 특징으로 하는 영상 감시 장치
|
5 |
5
청구항 1에 있어서, 상기 분류된 비정상 궤적들을 기초로 비정상 상황 여부를 판정하는 비정상 상황 판정부를 더 포함하는 것을 특징으로 하는 영상 감시 장치
|
6 |
6
청구항 5에 있어서, 상기 비정상 상황 판정부는 상기 선별된 특징점 궤적들 대비 비정상 궤적들의 비율에 따라 비정상 상황 여부를 판정하도록 동작하는 것을 특징으로 하는 영상 감시 장치
|
7 |
7
청구항 1에 있어서, 상기 전경 추출부는 가우시안 혼합 모델에 기초한 적응적 배경 모델을 이용하여 영상으로부터 배경을 차감함으로써 전경을 추출하도록 동작하는 것을 특징으로 하는 영상 감시 장치
|
8 |
8
청구항 1에 있어서, 상기 궤적 선별부는,연속하는 두 프레임들 중 제1 프레임 내의 제1 궤적에 관하여, 제2 프레임 내의 제2 궤적들과의 길이 유사도, 좌표 유사도 및 방향 유사도를 각각 연산하고, 연산된 길이 유사도, 좌표 유사도 및 방향 유사도가 각각 소정의 문턱값들보다 높은 제2 궤적들이 소정 개수 이상 존재하면, 상기 제1 궤적을 선별하고, 그렇지 않으면 상기 제1 궤적을 버리도록 동작하는 것을 특징으로 하는 영상 감시 장치
|
9 |
9
청구항 8에 있어서, 상기 궤적 선별부는, 길이 유사도를 기초로 선별된 특징점 궤적들을 대상으로 좌표 유사도를 연산하고,좌표 유사도를 기초로 선별된 특징점 궤적들을 대상으로 방향 유사도를 연산하도록 동작하는 것을 특징으로 하는 영상 감시 장치
|
10 |
10
삭제
|
11 |
11
영상 프레임들로부터 전경을 추출하는 단계;카나데-루카스-토마시 알고리즘을 이용하여 상기 전경으로부터 추출되는 특징점들을 기초로, 길이 정보, 좌표 정보 및 방향 정보로써 표현되는 특징점 궤적들을 추출하는 단계;상기 추출된 특징점 궤적들의 각각을, 길이 유사도, 좌표 유사도 및 방향 유사도의 각각을 기준으로 다른 특징점 궤적들과 비교하여, 군중 행동을 판정하기 위한 특징점 궤적들을 선별하고, 선별되지 않은 특징점 궤적들을 제거하는 단계; 및상기 선별된 특징점 궤적들의 각각을 정상 궤적 또는 비정상 궤적으로 분류하는 단계를 포함하는 영상 감시 방법
|
12 |
12
청구항 11에 있어서, 상기 선별된 특징점 궤적들의 각각을 정상 궤적 또는 비정상 궤적으로 분류하는 단계는,상기 선별된 특징점 궤적들의 각각의 길이 정보와 방향 정보에 기초하여 정상 궤적 또는 비정상 궤적으로 분류하는 단계를 포함하는 것을 특징으로 하는 영상 감시 방법
|
13 |
13
청구항 12에 있어서, 상기 선별된 특징점 궤적들의 각각을 정상 궤적 또는 비정상 궤적으로 분류하는 단계는,상기 선별된 특징점 궤적마다 선형적으로 아래 수학식의 비정상 지수 Tg을 연산하고, 상기 비정상 지수 Tg를 소정의 문턱값에 비교하여 정상 궤적 또는 비정상 궤적으로 분류하는 단계를 포함하며,여기서 가중치 α는 0≤α≤1, Tlength는 궤적의 길이 정보, Tdirection은 궤적의 방향 정보인 것을 특징으로 하는 영상 감시 방법
|
14 |
14
청구항 11에 있어서, 상기 선별된 특징점 궤적들의 각각을 정상 궤적 또는 비정상 궤적으로 분류하는 단계는,상기 선별된 특징점 궤적들의 각각을, 예제 패턴들을 이용한 학습에 기초하여, 정상 궤적 또는 비정상 궤적으로 분류하는 단계를 포함하는 것을 특징으로 하는 영상 감시 방법
|
15 |
15
청구항 11에 있어서, 상기 분류된 비정상 궤적들을 기초로 비정상 상황 여부를 판정하는 단계를 더 포함하는 것을 특징으로 하는 영상 감시 방법
|
16 |
16
청구항 15에 있어서, 상기 분류된 비정상 궤적들을 기초로 비정상 상황 여부를 판정하는 단계는,상기 선별된 특징점 궤적들 대비 비정상 궤적들의 비율에 따라 비정상 상황 여부를 판정하는 단계를 포함하는 것을 특징으로 하는 영상 감시 방법
|
17 |
17
청구항 11에 있어서, 상기 영상 프레임들로부터 전경을 추출하는 단계는,가우시안 혼합 모델에 기초한 적응적 배경 모델을 이용하여 영상으로부터 배경을 차감함으로써 전경을 추출하는 단계를 포함하는 것을 특징으로 하는 영상 감시 방법
|
18 |
18
청구항 11에 있어서, 상기 특징점 궤적들을 선별하는 단계는,연속하는 두 프레임들 중 제1 프레임 내의 제1 궤적에 관하여, 제2 프레임 내의 제2 궤적들과의 길이 유사도, 좌표 유사도 및 방향 유사도를 각각 연산하는 단계; 및상기 연산된 길이 유사도, 좌표 유사도 및 방향 유사도가 각각 소정의 문턱값들보다 높은 제2 궤적들이 소정 개수 이상 존재하면, 상기 제1 궤적을 선별하고, 그렇지 않으면 상기 제1 궤적을 버리는 단계를 포함하는 것을 특징으로 하는 영상 감시 방법
|
19 |
19
청구항 18에 있어서, 상기 특징점 궤적들을 선별하는 단계는,길이 유사도를 기초로 선별된 특징점 궤적들을 대상으로 좌표 유사도를 연산하는 단계; 및좌표 유사도를 기초로 선별된 특징점 궤적들을 대상으로 방향 유사도를 연산하는 단계를 포함하는 것을 특징으로 하는 영상 감시 방법
|
20 |
20
컴퓨터에서 청구항 11 내지 청구항 19 중 어느 한 청구항에 따른 영상 감시 방법을 수행하도록 구현된 프로그램이 수록된 컴퓨터로 독출할 수 있는 기록 매체
|