Abstract
This paper describes new moving target detection technique combining two algorithms to detect targets and reject clutters in video frame images for surveillance system: One obtains the region of moving target using phase correlation method using $N{\times}M$ sub-block images in frequency domain. The other uses adaptive threshold using learning weight for extracting target candidates in subtracted image. The block region with moving target can be obtained using the characteristics that the highest value of phase correlation depends on the movement of largest image in block. This technique can be used in camera motion environment calculating and compensating camera movement using FFT phase correlation between input video frame images. The experimental results show that the proposed algorithm accurately detects target(s) with a low false alarm rate in variety environment using the receiver operating characteristics (ROC) curve.
본 논문은 방위각 및 고저방향으로 카메라 움직임이 있는 감시장치의 비디오 프레임 연속영상을 1)각각 $N{\times}M$ 개의 서브블록으로 나눈 후 각각의 서브블록에 대해 FFT 위상상관 기법을 적용하여 이동표적 위치를 구하고, 2)연속영상을 정합 후 차영상을 구하여 적응 문턱 값을 적용해서 표적후보군을 구하였으며, 3)두 기법을 적용하여 클러터를 제거하는 새로운 표적탐지기법을 제안하였다. 블록 내 다양한 크기의 영상 움직임이 있을 경우 FFT 위상상관 기법은 적용하여 움직임을 구하면 큰 영상의 움직임이 가장 큰 위상상관 값으로 나타나는 특성을 이용하여 배경환경에 강인한 이동표적 위치(블록)탐지를 하였다. 또한, 차영상을 영상분리하기 위한 적응 문턱 값은 카메라 움직임 등 배경환경 변화를 고려한 학습가중치를 이용하여 구하였다. 제안된 알고리즘 성능입증은 다양한 배경환경에서 카메라 이동/정지조건에서 다양한 이동표적에 대해 탐지 가능함을 시뮬레이션을 통해 확인하였으며 탐지성능은 ROC 커브를 통해 확인하였다.
