• Journal of Electrical Engineering and Technology
• /
• 제10권1호
• /
• pp.372-378
• /
• 2015

Background subtraction is the first processing stage in video surveillance. It is a general term for a process which aims to separate foreground objects from a background. The goal is to construct and maintain a statistical representation of the scene that the camera sees. The output of background subtraction will be an input to a higher-level process. Background subtraction under dynamic environment in the video sequences is one such complex task. It is an important research topic in image analysis and computer vision domains. This work deals background modeling based on modified adaptive Gaussian mixture model (GMM) with three temporal differencing (TTD) method in dynamic environment. The results of background subtraction on several sequences in various testing environments show that the proposed method is efficient and robust for the dynamic environment and achieves good accuracy.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.631-636
• /
• 2009

컴퓨터 비전 분야에서 전경을 추출하기 위한 영역 분할(segmentation) 방법에 대한 연구가 활발히 진행되어 왔다. 특히, 전경이 배제된 배경 영상과 현재 프레임의 차이를 이용하여 전경을 추출하는 배경 차분(background subtraction) 방법은 요구하는 계산량에 비해 우수한 품질의 전경 추출이 가능하므로 실시간 처리가 필요한 비전 시스템에 다양하게 응용되고 있다. 그러나 배경 차분 방법만을 이용하여서는 배경이 동적으로 변하는 환경에서 정확한 전경을 추출해 내지 못하는 단점이 있다. 본 논문에서는 정적인 배경과 동적인 배경이 공존하는 환경에서 영역 분할을 효과적으로 수행하는 방법을 제안한다. 제안된 방법은 정적인 배경 영역에 대해서는 기존의 배경 차분 방법을 이용하여 전경을 추출하고, 동적인 배경 영역에 대해서는 깊이 정보를 이용하여 전경을 추출하는 하이브리드 방식을 사용한다. 정적인 배경에 동적인 영상을 프로젝터로 투영하는 환경에서 제안된 방법의 효율성을 검증하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제5권4호
• /
• pp.782-804
• /
• 2011

In video-based recognition systems, stationary cameras are used to monitor an area of interest. These systems focus on a segmentation of the foreground in the video stream and the recognition of the events occurring in that area. The usual approach to discriminating the foreground from the video sequence is background subtraction. This paper presents a novel background subtraction method based on a probabilistic approach. We represent the posterior probability of the foreground based on the current image and all past images and derive an updated method. Furthermore, we present an efficient fusion method for the color and edge information in order to overcome the difficulties of existing background subtraction methods that use only color information. The suggested method is applied to synthetic data and real video streams, and its robust performance is demonstrated through experimentation.

• 한국통신학회논문지
• /
• 제42권1호
• /
• pp.42-45
• /
• 2017

본 논문에서는 "축구 동영상" 분석을 위한 "최적의" 배경 분리 알고리즘을 결정하기 위하여 정량적인 비교 평가 연구를 수행하였다. 이를 위해 본 논문에서는 다섯 가지 서로 다른 배경 분리 알고리즘을 동일한 실험 환경에서 비교 평가하였다. 정량적인 비교 평가를 위해 Precision, Recall 및 F-measure를 이용하였다. 본 논문에서 제시된 정량적 비교 평가 결과는 지능형 축구 동영상 분석 시스템 개발을 위해 배경 분리 기술을 이용하거나 축구 동영상에 특화된 배경 분리 기술을 연구하고자 하는 연구자 및 개발자들에게 실질적인 도움이 될 것으로 예상된다.

• Journal of Information Processing Systems
• /
• 제15권2호
• /
• pp.344-358
• /
• 2019

Surveillance cameras have installed in many places because security and safety is becoming important in modern society. Through surveillance cameras installed, we can deal with troubles and prevent accidents. However, watching surveillance videos and judging the accidental situations is very labor-intensive. So now, the need for research to analyze surveillance videos is growing. This study proposes an algorithm to track multiple persons using SURF and background subtraction. While the SURF algorithm, as a person-tracking algorithm, is robust to scaling, rotating and different viewpoints, SURF makes tracking errors with sudden changes in videos. To resolve such tracking errors, we combined SURF with a background subtraction algorithm and showed that the proposed approach increased the tracking accuracy. In addition, the background subtraction algorithm can detect persons in videos, and SURF can initialize tracking targets with these detected persons, and thus the proposed algorithm can automatically detect the enter/exit of persons.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1415-1422
• /
• 2019

배경 제거는 동영상에서 변화를 감지하는 컴퓨터 비전 및 이미지 처리의 주요 작업이다. 최상의 성능을 가지는 배경 제거 방법은 일반적인 컴퓨팅 환경에서 실시간으로 사용할 수 없을 만큼 계산량이 많다. 제안하는 알고리즘은 널리 사용되는 MOG 기반의 배경 제거 알고리즘을 이미지 크기 조정 알고리즘으로 개선했다. 제안된 이미지 크기 조정 알고리즘은 계산량을 대폭 감소시키고 지역 정보를 활용하도록 설계해 카메라 잡음에 강력하다. 제안된 알고리즘의 실험결과는 최신 배경 제거 방법에 근접하는 분류능력과 13배 이상 빠른 처리 속도를 가진다.

• 한국통신학회논문지
• /
• 제42권1호
• /
• pp.46-49
• /
• 2017

본 논문에서는 "Full-HD급($1920{\times}1080$) 축구 동영상" 분석을 위해 필수적인 "배경 분리"에서 "영상 다운 샘플링"이 배경 분리 성능에 미치는 영향에 대해 정량적으로 분석 및 고찰한다. 이를 위해 본 논문에서는 배경 분리 정확도 뿐만 아니라 배경 분리 속도 관점에서 영상 다운 샘플링이 미치는 영향을 평가하였다. 또한 실험의 신뢰성을 높이기 위하여 두 가지 서로 다른 배경 분리 알고리즘을 이용하였다. 정량적인 비교 평가를 위해 F-measure 및 FPS(frames per second)를 이용하였다. 본 논문에서 제시된 정량적인 분석 결과는 실시간 지능형 축구 동영상 분석 시스템 개발을 위해 고속 배경 분리 기술을 연구하고자 하는 연구자 및 개발자들에게 유용한 벤치마크가 될 것으로 예상된다.

• 정보처리학회논문지B
• /
• 제15B권6호
• /
• pp.533-542
• /
• 2008

동영상에서의 배경제거는 다양한 실시간 머신 비젼 응용에서 매우 중요한 단계이다. 본 논문에서는 이러한 배경제거를 위한 육각화소 기반의 새로운 접근 방법을 제안한다. 일반적으로 육각형 샘플링 영상은 양자화 오차가 적으며, 이웃화소의 연결성 정의를 크게 개선한다고 알려져 있는데, 제안된 방법은 비매개변수형 배경제거 방법의 하나인 지역적 이진패턴 기반 알고리즘에 이러한 육각 샘플링 영상을 적용하는 것을 특징으로 한다. 이를 통해, 지역적 이진패턴의 추출과정에서 필요한 쌍선형 보간을 없애고 계산량을 줄일 수 있었다. 실험을 통해 이러한 육각화소의 적용이 배경제거 분야에 매우 효율적으로 적용될 수 있음을 확인할 수 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제6권2호
• /
• pp.81-87
• /
• 2013

Motion segmentation is a fundamental technique for analysing image sequences of real scenes. A process of identifying moving objects from data is a typical task in many computer vision applications. In this paper, we propose motion segmentation that generally consists from background subtraction and foreground pixel segmentation. The Approximated Median Filter (AMF) was chosen to perform background modeling. Motion segmentation in this paper covers RGB video data.

• 한국정보전자통신기술학회논문지
• /
• 제7권1호
• /
• pp.61-67
• /
• 2014

Motion segmentation is a fundamental technique for analysing image sequences of real scenes. A process of identifying moving objects from data is a typical task in many computer vision applications. In this paper, we propose motion segmentation that generally consists from background subtraction and foreground pixel segmentation. The Approximated Median Filter(AMF) was chosen to perform background modeling. Motion segmentation in this paper covers RGB video data.