A Real-time Motion Object Detection based on Neighbor Foreground Pixel Propagation Algorithm

주변 전경 픽셀 전파 알고리즘 기반 실시간 이동 객체 검출

  • 응웬탄빈 (숭실대학교 정보통신전자공학부) ;
  • 정선태 (숭실대학교 정보통신전자공학부)
  • Published : 2010.01.25

Abstract

Moving object detection is to detect foreground object different from background scene in a new incoming image frame and is an essential ingredient process in some image processing applications such as intelligent visual surveillance, HCI, object-based video compression and etc. Most of previous object detection algorithms are still computationally heavy so that it is difficult to develop real-time multi-channel moving object detection in a workstation or even one-channel real-time moving object detection in an embedded system using them. Foreground mask correction necessary for a more precise object detection is usually accomplished using morphological operations like opening and closing. Morphological operations are not computationally cheap and moreover, they are difficult to be rendered to run simultaneously with the subsequent connected component labeling routine since they need quite different type of processing from what the connected component labeling does. In this paper, we first devise a fast and precise foreground mask correction algorithm, "Neighbor Foreground Pixel Propagation (NFPP)" which utilizes neighbor pixel checking employed in the connected component labeling. Next, we propose a novel moving object detection method based on the devised foreground mask correction algorithm, NFPP where the connected component labeling routine can be executed simultaneously with the foreground mask correction. Through experiments, it is verified that the proposed moving object detection method shows more precise object detection and more than 4 times faster processing speed for a image frame and videos in the given the experiments than the previous moving object detection method using morphological operations.

이동 객체 검출은 입력 영상에서 배경과 다른 전경 객체를 찾는 것을 말하는 것으로 지능 영상 감시, HCI, 객체 기반 영상 압축 등의 여러 영상 처리 응용 분야에서 필요한 과정이다. 기존의 이동 객체 검출 알고리즘은 상당한 계산량을 요구하여 다채널 영상 감시 응용, 또는 임베디드 시스템에서의 단일 채널의 실시간 응용에 사용하는 데 애로가 많다. 보다 정확한 이동 객체 검출을 위하여 필요한 과정인 전경 마스크 정정은 보통 열림, 닫힘 등의 모폴로지 연산을 통해 수행된다. 모폴로지 연산은 계산량이 적지 않고 게다가 프로세싱 방법이 달라 이동 객체 검출의 다음 단계인 연결 요소 레이블링 루틴과 동시에 처리되기 어렵다. 본 논문에서는 먼저 모폴로지 연산과는 달리 연결 요소 레이블링 루틴에서 사용되는 주변 픽셀 점검 과정을 활용한 전경 마스크 정정 알고리즘인 "주변 전경 픽셀 전파"을 고안하고, 이를 활용하여 전경 마스크 정정과 연결 요소 레이블링이 동시에 수행될 수 있는 이동 객체 검출 방법을 제안한다. 실험을 통해, 제안된 이동 객체 검출 방법이 기존의 모폴로지 연산을 사용한 방법 보다 정확하게 이동 객체를 검출하였으며, 대상 실험 영상 프레임 및 비디오에 대해서는 최소 4배 이상 신속하게 처리됨을 확인하였다.

Keywords

References

  1. T. Chen, H. Haussecker, A. Bovyrin, R. Belenov, K. Rodyushkin, A. Kuranov, V. Eruhimov, "Computer Vision Workload Analysis: Case Study of Video Surveillance Systems," Intel Technology Journal, May 2005.
  2. Z. Zivkovic, "Improved adaptive Gaussian mixture model for background subtraction," ICPR pp. 28-31, 2004.
  3. C. Stauffer C, W.E.L Grimson, "Adaptive background mixture models for real-time tracking," IEEE CVPR, pp. 244 - 252, 1999.
  4. P. Soille, "Morphological Image Analysis: Principles and Applications," Springer-Verlag Telos, Berlin, 2003.
  5. R. C. Gonzalez, R. E. Woods, and S. L. Eddins, "Digital Image Processing using MATLAB," PrenticeHall, UpperSaddleRiver, NewJersey, 2003.
  6. E. R. Dougherty and R. A. Lotufo, "Hands-on Morphological Image Processing," SPIE Press, Bellingham, 2003.
  7. L. Shapiro and G. Stockman, "Computer Vision," Prentice Hall, Upper Saddle River, New Jersey, 2001.
  8. A. Rosenfeld, J.L. Pfaltz, "Sequential Operations in Digital Picture Processing," JACM, pp. 417-494, 1966.
  9. M. Onoe, "Real Time Parallel Computing Image Analysis," Plenum Press, New York, 1981.
  10. R. Lumia, L. Shapiro, and O. Zniga, "A New Connected Components Algorithm for Virtual Memory Computers," Computer Vision and Image Processing, pp.287-300, 1983.
  11. C. Fiorio and J. Gustedt, "Two linear time Union-Find strategies for image processing," Theoretical Computer Science, Elsevier Science Publishers Ltd, pp. 165-181, 1996.
  12. R. E. Tarjan, "Efficiency of a Good But Not Linear Set Union Algorithm," Journal of the ACM, pp. 215-225, 1975.
  13. M. B. Dillencourt, H. Samet, and M. Tamminen, "A General Approach to Connected-Component Labeling for Arbitrary Image Representations," JACM, ACM, pp. 253-280, 1992.
  14. C. Stauffer C, W.E.L Grimson, "Adaptive background mixture models for real-time tracking," IEEE CVPR, pp. 244 - 252, 1999.
  15. P. KadewTraKuPong and R. Bowden, "An improved adaptive background mixture model for real-timetracking with shadow detection," in Proc. 2nd European Workshp on Advanced Video-Based Surveillance Systems, 2001