• 산업기술연구
• /
• 제21권B호
• /
• pp.91-98
• /
• 2001

In this paper, center detection and motion analysis of a moving object are studied. Kohonen's self-organizing neural network models are used for the moving objects tracking and time delay neural networks are used for dynamic characteristic analysis. Instead of objects brightness, neuron projections by Kohonen Networks are used. The motion of target objects can be analyzed by using the differential neuron image between the two projections. The differential neuron image which is made by two consecutive neuron projections is used for center detection and moving objects tracking. The two differential neuron images which are made by three consecutive neuron projections are used for the moving trajectory estimation. It is possible to distinguish 8 directions of a moving trajectory with two frames and 16 directions with three frames.

• 한국통신학회논문지
• /
• 제40권9호
• /
• pp.1828-1836
• /
• 2015

객체 추적 알고리즘들은 객체 인식 결과를 이용한 관심영역 설정을 통해 영상 전체에 대한 연산이 수행되는 것을 방지하여 연산량을 줄일 수 있다. 따라서 객체 인식 알고리즘의 정확한 객체 검출은 객체 추적에서 매우 중요한 과정이다. 고정된 카메라를 기반으로 하여 이동하는 객체를 검출 하는 방법으로 배경 차 알고리즘이 널리 사용되어왔고 많은 연구에 의해 배경 모델링 방법이 개선되면서 배경 차 알고리즘의 성능이 개선되었으나 여전히 정확하지 못한 배경 모델링에 의한 객체 오검출의 문제를 가진다. 이에 본 논문에서는 제스쳐 인식에 주로 사용되는 모션 히스토리 이미지 알고리즘을 배경 차 알고리즘과 융합하여 기존의 배경 차 알고리즘이 가지는 문제점을 극복할 수 있는 다중 이동객체 검출 알고리즘을 제안한다. 제안하는 알고리즘은 융합 과정 추가로 수행시간이 다소 길어지나 실시간성을 만족하며 기존의 배경 차 알고리즘에 비해 높은 정확도를 가짐을 실험을 통해 확인하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제8권4호
• /
• pp.430-441
• /
• 2002

비디오 객체 분할은 MPEG-4와 같은 객체기반 비디오 코딩을 위한 중요한 구성 요소이다. 본논문은 비디오 시퀸스에서 움직임 객체 분할을 위한 새로운 알고리즘과 VOP(Video Object Plane)추출 방법을 소개한다. 본 논문의 핵심은 시간적으로 변하는 움직임 객체 에지와 공간적 객체 에지 검출 결과를 효율적으로 조합하여 정확한 객체 경계를 추출하는 것이다. 이후 추출된 에지를 통하여 VOP를 생성한다. 본 알고리즘은 첫 번째 프레임을 기준영상으로 설정한 후 두 개의 연속된 프레임 사이의 움직임 픽셀 차이 값으로부터 시작된다. 차이영상을 추출한 후 차이영상에 Canny 에지 연산과 수리형태 녹임 연산(erosion)을 적용하고, 다음 프레임의 영상에 Canny 에지 연산과 수리형태 녹임 연산을 적용하여 두 프레임 사이의 에지 비교를 통하여 정확한 움직임 객체 경계를 추출한다. 이 과정에서 수리형태학 녹임 연산은 잘못된 객체 에지의 검출을 방지하는 작용을 한다. 두 영상 사이의 정확한 움직임 객체 에지(moving object edge)는 에지 크기를 조절하여 생성한다. 본 알고리즘은 픽셀 범위까지 고려한 정화한 객체의 경계를 얻음으로서 매우 쉬운 구현과 빠른 객체 추출을 보였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2007년도 하계종합학술대회 논문집
• /
• pp.221-222
• /
• 2007

This paper presents wavelet-based moving object segmentation using double change detection and background registration. Three successive frame differences for detection change were used in the wavelet domain. The background was constructed with the wavelet coefficients in the lowest frequency subband which are the approximated version of an image. Combining double change detection and background registration, we can obtain an efficient moving object segmentation algorithm.

• 한국항행학회논문지
• /
• 제17권1호
• /
• pp.98-106
• /
• 2013

본 논문에서는 다시점 카메라 환경에서 비디오 압축 도메인의 이동체 검출 및 추적 방법을 제안한다. 비디오 압축 비트열로부터 추출된 움직임 벡터와 블록 모드를 기반으로 이동블록 검증 및 라벨링, 이웃 blob 결합 알고리즘을 제안한다. 또한, 단일시점 및 다시점 환경에서 이동체의 일시 정지, 교차, 겹침시에도 지속적인 추적이 가능한 일정 시간 구간내 이동체 정보 갱신 기법을 제안한다. 기준 카메라 화면에 나타나지 않는 이동체는 다른 카메라 화면의 이동체 위치로부터 기준 카메라 화면상 좌표로 변환하여 참조하였다. 제안 기법의 성능은 부호기의 움직임 벡터 정밀도에 의존적인데, 두 대의 카메라 환경에서 H.264 JM15.1 압축 비트열로부터 복호화 없이 평균 89%와 84%의 검출률과 추적률을 보였다. 또한, 물체의 일시 정지, 교차, 겹침시에도 지속적인 이동체 검출 및 추적이 가능하며, 단일시점 환경에 비해 다시점 환경에서 평균 6%의 검출률과 7%의 추적률 개선을 확인할 수 있었다.

• ETRI Journal
• /
• 제45권5호
• /
• pp.847-861
• /
• 2023

Dynamic object detection is essential for ensuring safe and reliable autonomous driving. Recently, light detection and ranging (LiDAR)-based object detection has been introduced and shown excellent performance on various benchmarks. Although LiDAR sensors have excellent accuracy in estimating distance, they lack texture or color information and have a lower resolution than conventional cameras. In addition, performance degradation occurs when a LiDAR-based object detection model is applied to different driving environments or when sensors from different LiDAR manufacturers are utilized owing to the domain gap phenomenon. To address these issues, a sensor-fusion-based object detection and classification method is proposed. The proposed method operates in real time, making it suitable for integration into autonomous vehicles. It performs well on our custom dataset and on publicly available datasets, demonstrating its effectiveness in real-world road environments. In addition, we will make available a novel three-dimensional moving object detection dataset called ETRI 3D MOD.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2003년도 추계종합학술대회 논문집
• /
• pp.281-284
• /
• 2003

본 연구에서는 이동 객체 추적 시스템의 전처리 과정으로 움직임 영역을 검출하는 방법을 제안한다. 연속되는 영상으로부터 시간적으로 차이가 있는 두 개의 프레임을 얻은 후 이들의 이진 차영상을 구함으로서 움직임 영역을 검출한다. 차영상을 이용하는 경우 이전 프레임에서의 객체 영역과 현재 프레임에서의 객체 영역이 모두 검출된다. 추적 시스템에서는 카메라의 이동에 따라 배경이 변화되기 때문에 어느 영역이 객체의 현재 위치인지를 결정하는 방법이 필요하다. 이를 위해 본 연구에서는 현재 프레임의 이진 에지영상을 구하고 이것을 차영상과 논리적인 AND 연산을 수행한다. 실험 결과 이동 객체의 움직임 영역을 정확히 검출할 수 있음을 확인할 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권9호
• /
• pp.2348-2360
• /
• 2023

As science and technology evolve, object detection of moving objects has been widely used in the context of machine learning and artificial intelligence. Traditional moving object detection algorithms, however, are characterized by relatively poor real-time performance and low accuracy in detecting moving objects. To tackle this issue, this manuscript proposes a modified Kalman filter algorithm, which aims to expand the equations of the system with the Taylor series first, ignoring the higher order terms of the second order and above, when the nonlinear system is close to the linear form, then it uses standard Kalman filter algorithms to measure the situation of the system. which can not only detect moving objects accurately but also has better real-time performance and can be employed to predict the trajectory of moving objects. Meanwhile, the accuracy and real-time performance of the algorithm were experimentally verified.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.277-280
• /
• 2007

특정컬러정보 검출기반의 이동객체 탐색 알고리듬을 구현한다. 입력 이미지에 대해 조도변화 및 노이즈 제거 등을 위해 전처리 과정을 거치고, 이동객체 탐색은 R,G,B 각 채널의 영상차를 이용하여 객체를 검색한다. 실험 결과 검색 속도는 윤관선 탐색 및 정합법에 비해 15% 향상되었고 안정적이다. 또한 컬러 정보 기반의 객체 탐색이 가능함을 제시하였다.

• 한국터널지하공간학회 논문집
• /
• 제20권6호
• /
• pp.1161-1175
• /
• 2018

도로 터널의 주행은 시야의 제한으로 인해 유고상황이 발생한 후 2차 대형사고로 이어지기 쉽다. 따라서, 유고상황 발생 즉시, 상황을 자동 감지하여 신속히 초동대응이 이루어 져야 한다. 유고상황을 자동으로 감시할 수 있는 시스템은 기존에도 존재했지만, 폐합된 터널 내 열악 환경에서 촬영되는 CCTV 영상의 질적 한계로 인해 유고상황을 제대로 감지하지 못했다. 이러한 한계를 극복하기 위해 딥러닝을 기반으로 한 터널 영상유고 자동 감지 시스템을 개발하였으며, 지난 2017년 11월 딥러닝 객체 인식 네트워크에 대한 연구를 진행하여 우수한 객체인식 성능을 보인바 있다. 그러나 객체인식은 정지영상 기반으로 수행되므로 이동체의 이동방향과 속도를 알 수 없어, 정차 및 역주행 등 이동체의 이동특성에 따른 유고상황을 판단하기 힘들다. 본 논문에서는 객체인식으로 감지된 이동체의 객체정보를 기반으로 별도의 객체추적기법을 적용하여 이동체의 이동 특성을 자동으로 추적하는 프로세스를 제안하였다. 이를 통해 얻어진 이동체의 이동 방향과 속도 정보를 기반으로 정차 및 역주행을 판별하는 알고리즘을 개발하여 딥러닝 기반 터널 영상유고 자동감지 시스템을 완성하였다. 또한, 유고상황이 포함된 영상들에 대하여 유고상황 감지성능을 검증하였다. 검증 실험 결과, 화재, 정차와 역주행 상황에 대해서는 모두 100% 수준으로 완전한 유고상황 감지성능을 보였으나, 보행자 발생 상황에서는 78.5%로 상대적으로 낮은 성능을 보였다. 하지만, 향후 지속적인 영상유고 영상 빅데이터를 확장해 나가고 주기적인 재학습을 통해 유고상황에 대한 인지성능을 향상시켜 나갈 수 있을 것이다.