Real-time Water Quality Monitoring System Using Vision Camera and Multiple Objects Tracking Method

비젼 카메라와 다중 객체 추적 방법을 이용한 실시간 수질 감시 시스템

  • 양원근 (인하대학교 전자공학과 멀티미디어 연구실) ;
  • 이정호 (인하대학교 전자공학과 멀티미디어 연구실) ;
  • 조익환 (인하대학교 전자공학과 멀티미디어 연구실) ;
  • 진주경 (인하대학교 전자공학과 멀티미디어 연구실) ;
  • 정동석 (인하대학교 전자공학과)
  • Published : 2007.04.30

Abstract

In this paper, we propose water quality monitoring system using vision camera and multiple objects tracking method. The proposed system analyzes object individually using vision camera unlike monitoring system using sensor method. The system using vision camera consists of individual object segmentation part and objects tracking part based on interrelation between successive frames. For real-time processing, we make background image using non-parametric estimation and extract objects using background image. If we use non-parametric estimation, objects extraction method can reduce large amount of computation complexity, as well as extract objects more effectively. Multiple objects tracking method predicts next motion using moving direction, velocity and acceleration of individual object then carries out tracking based on the predicted motion. And we apply exception handling algorithms to improve tracking performance. From experiment results under various conditions, it shows that the proposed system can be available for real-time water quality monitoring system since it has very short processing time and correct multiple objects tracking.

본 논문에서는 비젼 카메라와 다중 객체 추적 방법을 이용한 실시간 수질 감시 시스템을 제안하였다. 제안된 시스템은 기존의 센서 방식의 감시 시스템과 달리 비젼 카메라를 이용해 객체를 개별적으로 분석한다. 비젼 카메라를 이용한 시스템은 영상에서 개별 객체를 분리해 내는 방법과, 연속하는 두 프레임간의 상관관계에 의해서 다수의 객체를 추적하는 방법으로 구성된다. 실시간 처리를 위해 비모수 예측을 사용하여 배경 영상을 생성하고 이를 이용해 객체를 추출한다. 비모수 예측을 이용하면 연산량을 줄이는 동시에 비교적 정확하게 객체를 추출 할 수 있다. 다중 객체 추적 방법은 개별 객체가 움직이는 방향, 속도 및 가속도를 이용해 다음 움직임을 예측하고 이를 기반으로 추적을 수행하였다. 또한 추적 성공률을 향상시키기 위해 예외처리 알고리즘을 적용하였다. 다양한 환경에서 실험한 결과 제안한 시스템은 처리 시간이 짧고 정확하게 다중 객체를 추적할 수 있어 실시간 수질 감시 시스템에 사용이 가능함을 확인하였다.

Keywords

References

  1. 김창수, 유럽의 생물독성경보장치 설치 현황, 국립환경과학원, 2000
  2. 김세화, 한국산 물벼룩의 분포 및 생육 특성, 국립환경과학원, 2001
  3. 이혜진, 신주남, 박민정, 유재정, 양상용, '생물경보장치를 이용한 중금속 생태독성 연구', 한국상하수도학회.한국물환경학회 2003공동추계학술발표회 논문집, pp.209-212, 1997
  4. BBE Moldaenke, Annotations and explanations to operating and software, 2004
  5. S. Yalamanchili, W N. Martin and J K. Aggarwal, 'Extraction of moving object description via differencing', Computer Graph Image Process, vol. 18, pp. 181-201, 1982
  6. N. Friedman and S. Russell, 'Image segmentation in video sequences: A probabilistic approach', In Proc. UAI, pp. 165-181, 1997
  7. Koller, D., Weber, J., Huang, T., Malik, J., Ogasawara, G., Rao, B., Russell, S., 'Towards robust automatic traffic scene analysis in real-time', Pattern Recognition, 1994. Vol. 1 - Conference A: Computer Vision & Image Processing., Proceeding of the 12th IAPR International Conference on, vol.1, pp. 126-131, 1994
  8. Srauffer, C., Grimson, W.E.L., 'Adaptive background mixture models for real-time tracking', Computer Vision and Pattern Recognition, 1999. IEEE Computer Society Conference on., vol.2, pp. 246-252, 1999
  9. Elgammal, A., Duraiswami, R., Harwood, D., Davis, L.S., 'Background and foreground modeling using nonparametric kernel density estimation for visual surveillance', Proceedings of the IEEE, vol.90, no.7pp. 1151-1163, 2002
  10. Toyama, K., Krumm, J., Brumitt, B., Meyers, B., 'Wallflower: principles and practice of background maintenance', Computer Vision, 1999. The Proceedings of the Seventh IEEE International Conference on, vol.1, pp. 255-261, 1999
  11. Y. Ren, C. S. Chua, Y. K. Ho, 'Motion detection with nonstationary background', Machine Vision and Application, vol.13, pp. 323-343, 2003
  12. L. G. Shapiro, G. C. Stockman, Computer Vision, Prentice Hall, pp. 56-63, 2001